anÁlisis de la innovaciÓn y la sostenibilidad en la...
Post on 31-Jul-2020
11 Views
Preview:
TRANSCRIPT
i
DEPARTAMENTO DE ECONOMÍA Y GESTIÓN FORESTAL
ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE
MONTES
UNIVERSIDAD POLITÉCNICA DE MADRID
ANÁLISIS DE LA INNOVACIÓN Y LA
SOSTENIBILIDAD EN LA INDUSTRIA
FORESTAL
AUTOR
D. ROBERTO VOCES GONZÁLEZ
INGENIERO DE MONTES
DIRECTOR DE LA TESIS DOCTORAL
D. LUIS AUGUSTO DÍAZ BALTEIRO
DOCTOR INGENIERO DE MONTES
AÑO 2011
vi
A Luis Díaz Balteiro
vii
AGRADECIMIENTOS
Por supuesto, a mi director, Luis Díaz Balteiro, sin el cual esta Tesis Doctoral no sería
más que un sueño.
A Carlos Romero, por su sabiduría y su sentido del humor.
A Casimiro Herruzo, por estar siempre ahí, mientras duró el doctorado.
A Teodosio Pérez Amaral, que se esforzó en enseñarme econometría.
A cuantos estuvieron presentes en el seminario que impartí dentro de los Madrid
Environmental Economics Seminars, el 21 de enero de 2010, por soportarme dos horas
y plantear interesantes dudas y alternativas. En especial a Pablo Campos, Mario Soliño,
Paola Ovando, Alejandro Caparrós y José Luis Oviedo.
A cuantos me ayudaron en Joensuu, en especial a María Pasalodos, Elena Gorriz,
Sabaheta Rancilovic, Tim Green, Vadim Gotsev, y, cómo no, a mi jefa, Anne Toppinen.
A los 22 expertos que respondieron a la encuesta realizada, gracias por su tiempo y su
saber.
A Eloy Almazán, por su labor de “manitas” en cuestiones de formato de esta Tesis.
Last but not least, a mis padres y a Isabel, por estar conmigo en las buenas, en las malas,
y en las peores.
viii
ÍNDICE
Índice 1
Resumen 2
1. Introducción 3
1.1. La industria forestal 3
1.2. Objetivos de la Tesis 5
2. La innovación tecnológica en la industria forestal española 7
2.1. Introducción 7
2.2. Material 11
2.3. Resultados 16
2.3.1. Indicadores de input 17
2.3.2. Indicadores de output 24
2.3.3. Indicadores del efecto económico y social de la innovación 26
2.4. Discusión 31
3. La sostenibilidad de la industria forestal española en el ámbito europeo 36
3.1. Introducción 36
3.2. Material 41
3.2.1. Indicadores de sostenibilidad y países europeos analizados 42
3.2.2. Variables evaluadas en los modelos econométricos 52
3.3. Metodología 57
3.3.1. Teoría de la decisión multicriterio 57
3.3.2. Método de programación por metas con variable binarias 61
3.3.3. Modelos econométricos 67
3.4. Resultados 70
3.4.1. Resultados del proceso de normalización 71
3.4.2. Resultados del modelo de programación por metas 78
3.4.3. Resultados de los modelos econométricos 92
3.5. Discusión 100
4. Conclusiones 109
Bibliografía 112
Anejo 1 130
Anejo 2 132
Anejo 3 136
Anejo 4 142
ix
RESUMEN
Se puede afirmar que la transformación industrial de la madera sigue teniendo en
España y en Europa una razonable importancia, dada su magnitud económica y su
importancia en el mantenimiento de puestos de trabajo en zonas rurales.
En esta Tesis Doctoral se pretende analizar dos aspectos esenciales para los sectores
industriales de la madera, el papel y el mueble. En primer lugar se caracterizará la
innovación realizada en la industria forestal españolausando un grupo de indicadores
procedentes de fuentes oficiales.
A continuación, esta Tesis Doctoral se centrará en el estudio de la sostenibilidad en la
industria forestal dentro de un ámbito europeo, utilizando una metodología basada en la
programación por metas con variables binarias. Por último, se intentará identificar los
factores que condicionan los niveles de sostenibilidad obtenidos, recurriendo al uso de
modelos econométricos.
ABSTRACT
Is possible to say that the wood based industries in Spain and Europe still have a
reasonable importance, given its economic magnitude and its essential role in
maintaining jobs in rural areas.
The purpose of this Ph. D is to analyze two essential items in the manufacturing of
wood, pulp and paper, and furniture. First, the innovation in the Spanish wood based
industry will be characterized using a set of indicators from official sources.
Next, this study will focus on studying the sustainability of the wood based industry in a
European context. This study is developed using an extended goal programming
approach with binary variables. Finally, in order to identify the determinants of the
sustainability standards obtained, some econometric models have been developed.
1
1. INTRODUCCIÓN
“Decidió que, si volvía a tener la oportunidad, abandonaría antes su zona de comodidad
y se adaptaría con mayor rapidez al cambio. Eso le facilitaría las cosas en el futuro”.
Spencer Johnson (1998).
1.1. La industria forestal
Se puede afirmar que la transformación industrial de la madera sigue teniendo en
España y también en Europa una razonable importancia, dada la magnitud y variedad de
productos finales que de ella se derivan y la diversidad de industrias que contribuyen a
su generación, desempeñando, además, un papel esencial en el mantenimiento de
puestos de trabajo en zonas rurales.
Para más información, en la Tabla 1.1 se recogen los porcentajes que las actividades
económicas pertenecientes a la industria forestal representaban dentro del sector
manufacturero español en el año 2006. Este año es el último para el que se recogen
datos en esta Tesis Doctoral, y además es el penúltimo año para el cual Eurostat
proporciona estadísticas sobre este tema (Eurostat, 2010).
Ante todo es preciso indicar que la industria forestal, tal como se denomina en esta
Tesis Doctoral, comprende tres industrias o actividades industriales, que son, según la
NACE (referente europeo de la Clasificación Nacional de Actividades Económicas), la
industria de la madera (NACE 20), la industria del papel (NACE 21) y la industria del
mueble y otras manufacturas (NACE 36). Como se puede ver en la mencionada tabla,
esos tres sectores muestran un comportamiento muy diferente para los cuatro
2
indicadores económicos que se adjuntan. En todo caso, su suma, es decir, la industria
forestal se presenta como relativamente importante.
En la Tabla 1.2 se muestran los correspondientes valores para la Unión Europea de 27
Estados Miembros, y, como se puede apreciar, no existen grandes diferencias. Hay que
tener en cuenta dos cosas: que la Tabla 1.2 recoge valores agregados para países y
sectores forestales con una gran diversidad, y que realmente la industria forestal
española no supone una rareza en el ámbito europeo.
Sin embargo, a pesar de su importancia, el sector forestal y, en particular, las industrias
de transformación de la madera y de los productos o subproductos asociados a la
misma, no han sido analizados de una forma integral con tanto rigor como otros sectores
productivos, sobre todo en aspectos relativos a su eficiencia, estructura productiva, y
componentes medioambientales. Aspectos cada vez más importantes ante los serios
desafíos a los que se enfrentan estos sectores tradicionales, como el acceso a las
materias primas, la necesidad de reducir emisiones de gases de efecto invernadero, la
Tabla 1.1. Porcentajes de cada sector estudiado con respecto del sector manufacturero total en España
Número de empresas Facturación Valor añadido Número de asalariados
20 7.34 2.14 2.41 3.77
21 0.91 2.34 2.54 2.21
36 11.35 2.94 3.81 6.23
Industria forestal 19.59 7.42 8.76 12.21
Fuente : Elaboración propia
Tabla 1.2. Porcentajes de cada sector estudiado con respecto del sector manufacturero total en la UE27
Número de empresas Facturación Valor añadido Número de asalariados
20 8.52 1.96 2.17 3.39
21 0.84 2.43 2.4 2.14
36 10.18 2.56 3.12 4.97
Industria forestal 19.54 6.96 7.69 10.49
Fuente : Elaboración propia
3
innovación, el comercio, o la difusión de la información oportuna al público y a otros
agentes interesados (Toppinen y Kuuluvainen, 2010).
1.2. Objetivos de la tesis
En síntesis, los objetivos buscados con la realización de esta Tesis Doctoral pueden
resumirse en los siguientes puntos:
Caracterizar la innovación en la industria forestal en España, así como las
fuentes existentes para su análisis.
Establecer relaciones entre la estructura productiva de las empresas forestales y
su capacidad de innovar.
Definir la sostenibilidad en estas industrias mediante la construcción de un
índice agregado.
Establecer un ranking de los países europeos en función de la sostenibilidad
asociada a los tres sectores de la industria forestal.
Identificar los factores que determinan los diferentes niveles de sostenibilidad
recogidos en el mencionado ranking.
Para alcanzar los mencionados objetivos, esta Tesis se estructura del siguiente modo:
En primer lugar se analizarán diversos aspectos relativos a la innovación tecnológica en
la industria forestal española. Como veremos, dicha innovación está emparentada con la
existente en la mayoría de los sectores tradicionales, caracterizándose por ser poco
formalizada, y sin embargo vital para la supervivencia de esas actividades (Sandven et
al., 2005). Un procedimiento generalmente empleado para realizar este estudio consiste
en la elaboración y medición de indicadores de innovación, esto es, de estadísticas que
describen aspectos particulares de las actividades innovadoras. En definitiva, unos
4
indicadores abordarán aspectos tangibles de la innovación, mientras que otros se
referirán a resultados indirectos de la misma; unos indicadores se elaborarán
expresamente para medir características peculiares de la innovación, mientras que otros
se basan en estadísticas confeccionadas con distinta finalidad.
La segunda parte de esta Tesis Doctoral se centrará en el estudio de la sostenibilidad de
la industria forestal, tanto en España como dentro de un marco europeo. Para ello se
volverá a recurrir a un conjunto de indicadores sectoriales con los que se pretende
cubrir los tres ámbitos que caracterizan la sostenibilidad (económico, social y
ecológico). La metodología, basada en la programación por metas con variable binarias,
que ya ha sido utilizada a la hora de abordar la sostenibilidad de la gestión forestal
(Diaz-Balteiro y Romero 2004a,b), comprenderá varios pasos:
1) La adecuada agregación del conjunto de indicadores seleccionados.
2) La elaboración de un ranking con los países europeos para los que se disponga
de información, en base a su nivel de sostenibilidad.
3) El análisis de todas las posibles soluciones de compromiso existentes entre la
solución más eficiente y la más equilibrada.
Posteriormente, utilizando métodos econométricos, se tratará de identificar aquellas
características no sólo sectoriales, sino también nacionales y empresariales, que
pudieran explicar los resultados obtenidos.
5
6
2. LA INNOVACIÓN TECNOLÓGICA EN LA INDUSTRIA
FORESTAL ESPAÑOLA
“Quienes trabajamos para los llamados sectores tradicionales sentimos, frecuentemente,
la discriminación de que éstos son objeto, especialmente cuando se habla de tecnología,
pues se los ignora, se los infravalora e incluso parece que cause vergüenza hablar de
ellos junto a otros sectores de actualidad, que probablemente son muy importantes, pero
que no deben hacernos olvidar la realidad del país”. Orgilés y Salas (2001).
2.1. Introducción
La producción y distribución de conocimiento a través de la innovación representa una
de las bases esenciales del crecimiento económico junto con el capital humano y el
capital físico, al contribuir a mejorar la productividad, así como a crear y mantener
ventajas competitivas duraderas. En este capítulo se aborda la innovación tecnológica
correspondiente a la industria forestal en España, con el fin de obtener una visión de
conjunto sobre su situación en términos absolutos y relativos. Este tipo de estudios
permiten detectar las oportunidades y necesidades existentes, ayudando al diseño de
adecuadas políticas públicas y estrategias empresariales (Alfranca et al., 2009). La
caracterización planteada se ha llevado a cabo mediante el análisis de diversos
indicadores de innovación elaborados en base a las fuentes oficiales disponibles durante
el desarrollo de este estudio, así como a los resultados de una encuesta realizada a lo
largo del año 2006 por Martínez Núñez y Díaz Balteiro (2007).
En primer lugar, debemos definir el conjunto de prácticas que son aquí analizadas.
Aunque el concepto de innovación se encuentra en evolución constante, las
7
características de la información disponible hacen que nos centremos en la innovación
tecnológica. Una innovación tecnológica se puede definir como la implementación de
un producto (bien o servicio), o de un proceso, nuevo o significativamente mejorado, a
nivel de empresa. La innovación tecnológica requiere haber sido introducida en el
mercado (innovación de producto), o utilizada dentro de un proceso de producción
(innovación de proceso), e implica una serie de actividades científicas, tecnológicas,
organizativas, financieras y comerciales (OECD, 1997). En suma, si bien la 3ª edición
del Manual Oslo (OECD, 2005) recoge además dos nuevos tipos de innovación: la
innovación en mercadotecnia y la innovación organizativa, en este trabajo el concepto
de innovación se refiere exclusivamente a la innovación tecnológica.
A continuación, describiremos las características tecnológicas de la actividad industrial
a la que se ciñe este análisis de la innovación. Al igual que otros sectores tradicionales,
la industria forestal tiende a ser intensiva en el uso del factor trabajo y pertenece al nivel
de baja intensidad tecnológica que establece la OCDE (su gasto total en I+D, expresado
como porcentaje de la cifra de negocios, presenta un valor comprendido entre 0 y
0.9%) (Arbussà et al., 2004; Hirsch-Kreinsen et al., 2005; OECD, 2007). Además, en
cuanto a la generación de tecnología, la industria forestal tiende a estar dominada por la
oferta (proveedores) (Pavitt, 1984). Esto es, se trata de industrias que se caracterizan por
una escasa aportación propia a sus procesos de innovación, puesto que la mayor parte de
sus innovaciones proceden de otros sectores, sobre todo de la industria de maquinaria y
equipos, y de suministradores de materiales y bienes intermedios. (Herruzo et al., 2004).
En ciertos casos pueden contribuir sus clientes, especialmente los grandes, o la
investigación pública. Por todo ello, en estas empresas, la capacidad de I+D interna y
del departamento de ingeniería suelen ser reducidas. Centrándonos en la industria
forestal en España, se aprecia cómo estas actividades presentan un desempeño inferior
8
al de la industria en su conjunto. Así, en la Figura 2.1 se puede comprobar cómo el
porcentaje de empresas que realizan o contratan actividades de I+D, en las industrias de
la madera y del mueble ha sido tradicionalmente inferior a la media de la industria
manufacturera. Registrándose un empeoramiento reciente en la industria del papel.
Las características anteriores hacen a la industria forestal especialmente vulnerable, en
un mercado cada vez más globalizado, frente a países que presentan costes laborales
inferiores y una creciente capacidad manufacturera y comercial. Por esta razón, el
mantenimiento de la posición relativa de las empresas de la industria forestal en el
mercado nacional e internacional dependerá cada vez más de la acertada implantación
de innovaciones que aporten nuevas prestaciones a los productos o que incidan en la
estructura de costes (Hansen, 2006; Fundación COTEC, 2007).
Figura 2.1. Porcentaje de empresas que realizan y/o contratan actividades de I+D.
Fuente; Elaboración propia a partir de los datos de la ESEE.
Los retos a los que actualmente se enfrenta la industria forestal en España se ponen de
manifiesto en la evolución de su tasa de cobertura (porcentaje de
0
5
10
15
20
25
30
35
40
45
1998 1999 2000 2001 2002 2003 2004 2005 2006
Po
rcen
taje
s
Período estudiado
Madera
Papel
Mueble
Sector
manufacturero
9
exportaciones/importaciones). Esta ratio presenta, para los sectores de la madera y del
papel, un notable estancamiento (situándose en torno al 54,5% y al 73,5%
respectivamente), mientras que en el sector del mueble experimenta un severo recorte
(pasando del 147,8% en 2001, al 65,9% en 2006), particularmente como consecuencia
de las importaciones desde países con costes laborales más bajos (China, Vietnam,
República Checa, Turquía, Marruecos, Hungría, etc.) (Dirección General de Aduanas,
2008).
En el marco de esta difícil competencia exterior, a la que no son ajenos otros países
desarrollados (Hansen, 2006), adquiere especial importancia el análisis del papel que
juega la innovación en la industria forestal española, así como el grado en el que este
conjunto de empresas recurren al desarrollo de actividades innovadoras como fuente de
competitividad. En esta línea, conviene recordar estudios realizados sobre el mercado
internacional del mueble de madera, que subrayan el sostenimiento de la fortaleza del
sector en países como Italia o Alemania, en los cuales se apuesta decididamente por la
creación de fuentes de diferenciación y por la calidad (Hoff et al., 1997; Hovgaard y
Hansen, 2004; Hernansanz y Rubio, 2005; Han et al., 2009).
Los efectos de las actuaciones públicas y otros factores determinantes en la innovación
empresarial han sido objeto de análisis continuado en la literatura especializada desde
los trabajos pioneros de Griliches (1980) y Mansfield (1980), hasta trabajos más
recientes como Griliches (1992), Jones y Williams (1998), Hage (1999), Mairesse y
Mohnen (2002), Huergo y Jaumandreu (2002), Bhattacharya y Bloch (2004), Weil
(2006) o Vaona y Pianta (2008), entre otros muchos estudios. Sin embargo, a pesar de
la atención recibida por este campo de investigación, son escasos los trabajos realizados
sobre la innovación en las industrias forestales, destacando los de Kubeczko y
Rammetsteiner (2002) y Crespell y Hansen (2008a,b). La limitada literatura existente
10
sugiere la existencia de relaciones positivas entre la innovación y la productividad en las
empresas relacionadas con la cadena de la madera, como apunta el trabajo de Bullard y
Straka (1986) en las principales industrias de papel en los Estados Unidos. En un
estudio más amplio, Munn et al. (1998) también encuentran una relación positiva entre
gastos en I+D y rentabilidad a largo plazo, aunque estos gastos en I+D presentan a corto
plazo una relación negativa con el crecimiento de estas empresas. En el mismo país, y
para la industria del mueble, West y Sinclair (1992) ilustran la importancia de este factor
para la competitividad de estas empresas, analizando además las cualidades que poseen
las empresas innovadoras. Por otro lado, Crespell et al. (2006) muestran que la
propensión a innovar resulta importante para el mantenimiento de la competitividad en
ciertas industrias de la madera en Estados Unidos. Dicha propensión estaría relacionada
con la existencia de un ambiente innovador en la empresa (Crespell y Hansen, 2008a).
Sin embargo, aún reconociendo la importancia y la necesidad de la innovación como
motor del éxito empresarial, algunos autores (Rametsteiner y Weiss, 2006) muestran
como en diversos países no existen políticas y estrategias de innovación en las
industrias forestales.
En líneas generales, este es el contexto en el que se va a abordar el estado del arte de la
innovación tecnológica en la industria forestal española, para los tres sectores que la
constituyen (industria de la madera, industria del papel e industria del mueble), tanto a
nivel nacional como desde una perspectiva comparada con otros países europeos.
2.2. Material
Un procedimiento generalmente empleado para realizar el estudio aquí planteado
consiste en la elaboración y medición de indicadores de innovación, esto es, de
estadísticas que describen aspectos concretos de las actividades innovadoras. Pero
11
debido al gran número de actividades y estrategias diferentes que comprende la
innovación empresarial, su análisis general precisará de la utilización simultánea de
varios tipos de indicadores, no existiendo unanimidad sobre cuáles son los más
apropiados. En suma, es preciso indicar que todavía no se dispone de un sistema de
indicadores incuestionable y perfectamente comprehensivo (Välimäki et al., 2004;
Echeverría, 2008)1.
En definitiva, unos indicadores abordan aspectos tangibles de la innovación, mientras
que otros presentan resultados indirectos de la misma; unos indicadores se elaboran
expresamente para medir características particulares de la innovación, mientras que
otros se basan en estadísticas confeccionadas con distinta finalidad (Grupp y Mogee
2004). Además, puesto que no existen valores de referencia para estos indicadores, la
evaluación de los mismos sólo se puede basar en comparaciones temporales, sectoriales
o internacionales, tal como se hace en este capítulo (Sancho, 2002). Existen distintas
clasificaciones de los indicadores de innovación (Grupp, 1998; Hollanders y Arundel,
2006), aunque este estudio sigue la clasificación tradicional de la OCDE, en la cual los
indicadores se clasifican de acuerdo con las distintas fases del proceso innovador
(European Commission, 2003; OECD, 2005). Utilizaremos, por tanto, indicadores de
input, de output y de impacto socioeconómico de las innovaciones. Todos los
indicadores utilizados se presentan en la Tabla 2.1. A continuación, se comentarán
brevemente algunas características generales de los mismos.
1 Para una revisión de la mejora y adaptación de los métodos de medida de la innovación empresarial,
véase Fundación COTEC, 1998, 2001, 2004; Godin, 2001; OCDE, 2002; OECD, 1997, 2005 y Grupp y
Mogee, 2004.
12
Los indicadores del input de la innovación recogen los recursos destinados a las
actividades innovadoras: gastos en I+D y en actividades innovadoras, recursos humanos
dedicados a actividades de I+D, participación en programas conjuntos de I+D con otras
organizaciones, participación en programas de apoyo a la innovación financiados
públicamente, recursos alternativos a la innovación, etc. Cabría señalar como fortalezas
de este tipo de indicadores la larga experiencia existente en su cálculo, y la proximidad
a las ciencias de la economía y la contabilidad; mientras que su principal debilidad
radica en que evalúan una condición necesaria pero no suficiente para garantizar la
consecución de innovaciones (según el Manual Oslo, se sobreentiende que exitosas)
(Urraca, 1998; Fundación COTEC, 2001; Flor y Oltra, 2004; OECD, 2005; Voces et al.,
2008a; Santamaría et al., 2009).
Tabla 2.1. Indicadores de innovación utilizados.
Fuente: Elaboración propia.
Indicadores de input
Gasto interno total en I+D
Gastos corrientes en I+D
% Empresas con I+D
% Empresas que reciben recursos públicos para la I+D
Trabajadores dedicados a actividades de I+D
Empresas con actividades innovadoras
Intensidad de innovación
Gasto total en actividades innovadoras
Empresas que realizan "formas menores de innovación"
Indicadores de output
% Empresas que registran patentes
% Empresas que registran modelos de utilidad
Número de productos nuevos dividido entre el número de empresas
Indicadores del efecto
socioeconómico de la innovación
Porcentaje de la cifra de negocios debida a bienes y/o servicios que fueron
novedad para la empresa
% Empresas que dan gran importancia a los efectos de sus innovaciones sobre
los productos
% Empresas que dan gran importancia a los efectos de sus innovaciones sobre
los procesos
% Empresas que dan gran importancia a los efectos de sus innovaciones sobre
el cumplimiento de los requisitos normativos (%)
13
También existen indicadores del output de la innovación, que recogen los resultados
empresariales. Contrariamente al caso anterior, hacen referencia sólo a innovaciones
exitosas, es decir, a innovaciones propiamente dichas, siendo ésta su principal fortaleza.
La debilidad de estos indicadores responde a la gran variedad de resultados: pericias,
habilidades, conocimientos, bienes intangibles, etc. (Voces et al., 2008a).
Probablemente, los indicadores del output más conocidos sean los basados en el análisis
de patentes. No obstante, su utilización en este trabajo se ve condicionado por dos
limitaciones. En primer lugar, los sectores estudiados, clasificados por Pavitt (1984)
como dominados por los proveedores, se caracterizan por el uso de medios alternativos
a las patentes; en segundo lugar, los datos proporcionados por las fuentes consultadas
no nos han permitido profundizar en este estudio, como sugieren Jaffe y Trajtenberg
(2002), desde el punto de vista de la naturaleza de la investigación, o del valor y la
difusión de los resultados de dicha investigación.
Finalmente, existen indicadores del efecto socioeconómico de la innovación, los cuales
recogen resultados agregados a nivel de sector, región o país. Su gran interés consiste en
valorar las modificaciones que la innovación introduce en las propias características de
la economía y de la sociedad (Fundación COTEC, 2004). Entre las muchas dificultades
que encuentra este tipo de indicadores cabe mencionar la necesidad de realizar análisis
económicos de cierta entidad, la dificultad para relacionar innovaciones concretas y
supuestos impactos, que pueden variar de unos sectores a otros, o incluso de unas
regiones a otras, la existencia de retardos en esas relaciones, el papel que desempeñan
otros factores no analizados, etc. (OECD, 2005; Voces et al., 2008a).
La información necesaria para la elaboración de los indicadores de innovación procede
de diversas fuentes que podemos clasificar en primarias y secundarias. Las primarias
obtienen la información directamente de las empresas, y pueden ser censos ó estudios
14
muestrales. Dichos estudios muestrales pueden ser, a su vez, cuantitativos, cualitativos o
de panel. Las fuentes secundarias utilizan la información obtenida por otros y la
exponen posteriormente en estudios, análisis, memorias, etc. En esta línea, para recoger
estos indicadores se han utilizado las siguientes fuentes secundarias: el Directorio
Central de Empresas (DIRCE)2, que en 2006 reunía a 40.423 empresas pertenecientes a
la industria forestal (INE, 2008). La Encuesta sobre Innovación Tecnológica en las
Empresas (EIT), que proporciona información sobre las actividades innovadoras, su
coste e impacto en las empresas, cuya muestra recogía en 2006 unas 6.379
pertenecientes a la industria forestal, un 15,8% del total de las empresas que componen
esta industria (INE, 2008). La Encuesta sobre Estrategias Empresariales (ESEE),
estudio de panel que aborda la evolución de las principales características económicas
de las empresas manufactureras españolas, y que en el último año utilizado en este
trabajo (2006), recogía información sobre 2.023 empresas, de las cuales un 12,2%
(alrededor de 250) correspondían a la industria forestal (Fundación SEPI, 2008). La
Estadística sobre actividades de I+D, que desde el año 1964, y con periodicidad anual,
proporciona información sobre recursos económicos y humanos destinados a la
investigación, así como sobre sus resultados (INE 2008). La Base de Datos de Comercio
Exterior, que recoge datos de exportaciones e importaciones de productos clasificados
según códigos CNAE o TARIC (Dirección General de Aduanas, 2008). La base de
datos de Eurostat sobre Ciencia y Tecnología, en la que se ofrecen los resultados de las
Encuestas Comunitarias sobre Innovación (Eurostat, 2008).
2 Se trata de un registro organizado de información, operativo desde 1993, que proporciona datos de
identificación, localización, distribución territorial y clasificación por tamaño y actividad económica de
las empresas; obtenidos a partir de fuentes administrativas y completado por otras informaciones
procedentes de operaciones corrientes del INE (INE, 2008).
15
Es preciso señalar que tanto la EIT como la ESEE se realizan siguiendo las directrices
metodológicas definidas en el Manual Oslo3 sobre innovación tecnológica, lo que
facilita el análisis conjunto de sus resultados. Sin embargo, ambas fuentes sólo analizan
empresas de 10 ó más trabajadores, lo cual implica que una parte fundamental de las
empresas de la cadena de la madera no son recogidas, dada la preponderancia de las
pequeñas empresas en los sectores que la integran. En concreto, en el año 2006, el
87,7% de las empresas del sector de la madera, el 60,1% de las del papel, y el 86,04%
de las del mueble no alcanzaban esta cifra (INE, 2008).
Además de las fuentes estadísticas secundarias arriba mencionadas, en este trabajo se ha
tenido la oportunidad de utilizar una fuente primaria, en concreto una encuesta realizada
sobre una amplia muestra de la industria forestal española. En la mencionada encuesta
se incluyen diversos aspectos relacionados con la innovación tecnológica, entre ellos la
percepción corporativa de la propia innovación, así como de su importancia respecto a
la innovación realizada por otras empresas (Martínez Núñez, 2006; Martínez Núñez y
Díaz Balteiro, 2007). A pesar de los sesgos que se introducen al pedir a las empresas
que autoevalúen la innovación que realizan, es ésta una práctica habitual cuando se
estudia dicha variable (Knowles et al., 2008).
2.3. Resultados
A la hora de presentar los resultados se va a utilizar básicamente el mismo enfoque
seguido para clasificar los indicadores. Es decir, en primer lugar se mostrarán los
resultados de analizar la innovación tecnológica a través de los indicadores de input,
para a continuación pasar a los indicadores de output y a los indicadores del efecto
económico y social de la innovación. Por último, se presenta un epígrafe dedicado a la
3 Innovaciones de producto y de proceso (Manual Oslo, 2ª edición. OCDE, 1997).
16
comparación entre indicadores de input y de output de la innovación en otros países
europeos.
2.3.1. Indicadores de input
En la Tabla 2.2 se recoge un conjunto de indicadores del input de la innovación en la
industria forestal en España, ofreciendo datos correspondientes al año 2006. Dicha tabla
se presentará asimismo en el Anejo 1.
Tabla 2.2. Indicadores del input de la innovación en la industria forestal (2006).
En la primera línea se muestra el gasto interno total en I+D expresado en millones de €.
En lo que respecta a este indicador, es preciso resaltar las diferencias observadas entre
Madera Papel Mueble
Total industria
manufacturera
Gasto interno total en I+D (millones de €)1
15,1 26,3 22,7 3309,4
Gastos corrientes en I+D (millones de €)1 destinados a:
Investigación fundamental 0,1 0,5 0,4 55,4
Investigación aplicada 3,6 12,7 8,6 1200,5
Desarrollo tecnológico 6,2 8,4 12,0 1536,0
Empresas con I+D (interna o externa) (%)3
8,4 13,7 8,9 20,5
Trabajadores dedicados a actividades de I+D, (%total de trabajadores)1
0,3 0,5 0,6 2,2
Empresas que reciben recursos públicos para la I+D (%)2
3,9 7,8 2,8 12,2
Gasto interno total en I+D cubierto con fondos de las AAPP (%)1
16,3 5,1 5,9 11,9
Empresas con actividades innovadoras (%)3
26,8 34,3 29,4 33,5
0,7 1,1 0,8 1,3
Gasto total en actividades innovadoras (%)3
Empresas de menos de 250 empleados
I+D 22,5 15,0 35,9 41,9
Tecnología incorporada 74,2 83,0 53,1 46,1
Otros gastos 3,3 1,9 11,1 12,1
Empresas de 250 o más empleados
I+D 70,7 47,4 73,9 60,8
Tecnología incorporada 13,0 16,6 18,9 20,5
Otros gastos 16,4 36,0 7,2 18,7
Empresas que realizan "formas menores de innovación" (%)2
Información técnica 5,2 10,9 6,6 18,0
Control de calidad 29,9 35,9 22,6 39,3
Asimilación tecnología
importada 3,9 6,3 2,8 9,9
Diseño 9,1 14,1 23,6 26,2
Fuente : Estadística de I+D1, ESEE
2, EIT
3.
Intensidad de innovación: (Gasto en actividades innovadoras/Cifra de negocios)×100
Intensidad de innovación (%)3
17
los tres sectores que componen la industria forestal, así como la reducida importancia
del valor mostrado De hecho, aunque la distribución es desigual, si sumamos el gasto
interno total en I+D de los tres sectores (madera, papel y mueble), apenas supone el
1,9% del gasto realizado por el conjunto de la industria manufacturera española.
Estos resultados empeoran notablemente cuando analizamos la distribución de los
gastos corrientes en I+D entre los sectores que componen la industria forestal. Como se
puede apreciar en la citada Tabla 2.2, los gastos corrientes en investigación fundamental
en el sector de la madera son muy reducidos, así como los gastos en desarrollo
tecnológico vinculados al sector del papel, a pesar de que muchas de las empresas que
lo componen son intensivas en capital. El sector del mueble presenta mejores
resultados si analizamos los gastos asociados al desarrollo tecnológico.
Los resultados anteriores se pueden explicar en parte por el escaso número de empresas
que realizan o contratan I+D, en particular en el sector de la madera. Es más, tal como
se comentó anteriormente en la Figura 1, si consideramos la evolución del porcentaje de
empresas que abordan I+D interna o externa, apreciamos el carácter persistente de esta
circunstancia, aumentando desde 2004 la brecha señalada para los sectores de la madera
y del papel, y reduciéndose levemente para el sector del mueble.
No sólo las inversiones realizadas en investigación, sino también la existencia de
recursos humanos cualificados, dedicados o no a actividades de I+D, van a condicionar
la capacidad de la empresa para generar, absorber, utilizar y difundir conocimiento. En
la citada Tabla 2.2 se recoge también el porcentaje de personal dedicado a actividades
de I+D y se puede observar que este indicador ofrece nuevamente resultados claramente
por debajo de la media de la industria manufacturera.
Por otro lado, los datos recogidos en la Tabla 2.2 parecen indicar que los recursos
públicos destinados a actividades de I+D tienen una trascendencia desigual en los
18
sectores analizados. Así, el porcentaje de empresas que reciben este tipo de fondos en el
sector del papel duplica al correspondiente al del sector de la madera, y casi triplica al
del mueble, presentando los tres sectores, en todo caso, valores inferiores a la industria
manufacturera total. Si se ampliara el periodo de tiempo analizado, los resultados serían
similares, tal y como se muestra en la Figura 2.2.
En efecto, se aprecia cómo, durante el período 1998-2006, y con la excepción puntual
del sector del papel, el porcentaje de empresas pertenecientes a la industria forestal que
reciben recursos públicos para la I+D se sitúa siempre por debajo del promedio
correspondiente a la industria manufacturera.
Figura 2.2. Porcentaje de empresas que reciben recursos públicos para la I+D.
Fuente: Elaboración propia a partir de los datos de la ESEE.
Conviene señalar, sin embargo, que los fondos procedentes de las distintas
Administraciones Públicas desempeñan en el sector de la madera una función
relativamente más importante que en los sectores de mueble y papel, y en la industria
0
2
4
6
8
10
12
14
1998 1999 2000 2001 2002 2003 2004 2005 2006
Po
rcen
taje
de e
mp
resa
s
Período estudiado
Madera
Papel
Mueble
Sector
manufacturero
19
manufacturera total, lo cual apunta a una menor utilización de recursos propios por parte
de las empresas del sector.
Es preciso resaltar que las innovaciones necesarias para la supervivencia y el
crecimiento de las pequeñas empresas, como las que mayoritariamente componen la
industria forestal, no requieren esencialmente de costosos esfuerzos en I+D. Esta
circunstancia se acentúa en el caso de empresas pertenecientes a sectores de baja
intensidad tecnológica, en las cuales el éxito económico no depende muchas veces de la
investigación. Lo anteriormente indicado se evidencia en el menor porcentaje de
empresas que realizan o contratan I+D, frente al porcentaje de empresas que desarrollan
actividades innovadoras (Tabla 2.2). Asimismo, cabe destacar que, aunque la
discrepancia entre empresas que realizan I+D y empresas con actividades innovadoras
está presente en la totalidad de la industria manufacturera, esta diferencia adquiere
mayor importancia para los sectores que integran la industria forestal. Conviene
recordar, también, que las fuentes utilizadas no recogen buena parte de las empresas
pertenecientes a los tres sectores de la industria forestal por tratarse de empresas de
menos de 10 trabajadores4, razón por la cual la circunstancia mencionada tiene en
realidad mayor peso que el aquí señalado.
Abordando ya la innovación tecnológica en su conjunto, en la Tabla 2.2 se muestra
cómo el porcentaje de empresas innovadoras por sector estudiado es similar al de la
totalidad de las manufacturas.
Además, a diferencia de la evolución observada en la Figura 2.1 para las actividades de
I+D, en la Figura 2.3 los porcentajes de empresas innovadoras de producto y/o proceso
pertenecientes a los sectores de la industria forestal siguen durante el período analizado
una tendencia muy similar al correspondiente al sector manufacturero total. Es
4 En concreto, y ofreciendo datos agregados, un 85,4% de las empresas no están incluidas (DIRCE, 2006).
20
importante destacar también que el valor de este indicador para la industria del papel se
mantiene por encima del correspondiente al total manufacturero durante todo el período,
a excepción del año 2003.
Resulta, por tanto, especialmente útil estudiar la intensidad de innovación, expresada
por la ratio entre el gasto en actividades innovadoras y la cifra de negocios, a fin de
clarificar la trascendencia real de la innovación de la industria forestal en comparación
con la industria manufacturera total. En base a los datos recogidos para este indicador
en la Tabla 2.2, podemos constatar un retraso de la industria forestal respecto del total
de la industria manufacturera, así como diferencias similares a las ya apuntadas para la
I+D entre los tres sectores analizados.
La repercusión del tamaño empresarial sobre la actividad innovadora se indica en la
Tabla 2.2, donde se puede apreciar cómo en las pequeñas y medianas empresas
(empresas de menos de 250 empleados) el gasto en tecnología incorporada en
maquinaria y equipos supera ampliamente al gasto en I+D, suponiendo un 74,2% del
gasto total en actividades innovadoras en el sector de la madera, un 83,0% en el del
papel, y un 53,1% en el del mueble. Por otra parte, en las grandes empresas (más de 250
empleados) esa relación se invierte para los tres sectores estudiados, en especial para los
de la madera y del mueble, alcanzando respectivamente el gasto en I+D un 70,6% y un
73,9% del gasto total en innovación, y reduciéndose el gasto en tecnología incorporada
al 13,0% y al 18,9% en cada caso.
Cada vez más estudios cuestionan la idoneidad de las estadísticas actuales para
caracterizar la innovación llevada a cabo en los sectores de baja-media intensidad
tecnológica. En éstos, las actividades de I+D desempeñan un papel secundario, cuando
no marginal, frente a otras muchas formas diferentes de conocimiento, habilidades y
competencias. Por esta razón, en la Tabla 2.2 se ofrecen datos acerca de una serie de
21
actividades conocidas como “formas menores de innovación”, y que pueden estar
directa o indirectamente relacionadas con la misma (información técnica, trabajos de
normalización y control de calidad, asimilación de tecnologías importadas o diseño). En
primer lugar, es preciso destacar que para todos los sectores de la industria forestal el
porcentaje de empresas que recurren a las actividades analizadas es inferior al
correspondiente al total de la industria manufacturera. Además, estas actividades
muestran un marcado carácter complementario, y no alternativo a la I+D, pues las
desarrollan principalmente empresas que también realizan I+D.
Figura 2.3. Porcentaje de empresas innovadoras de proceso y/o producto.
Fuente: Elaboración propia a partir de los datos de la ESEE.
Por último, también es reseñable que, en consonancia con los resultados de la industria
manufacturera en su conjunto, el control de calidad es la actividad complementaria a la
I+D más importante en los sectores de la madera y del mueble, siendo realizado por un
29,9% y un 35,9% de las empresas respectivamente. La segunda posición estaría
ocupada por el diseño, con un 9,1% y un 14,1%. Para el sector del mueble, la relación se
0
10
20
30
40
50
60
1998 1999 2000 2001 2002 2003 2004 2005 2006
Po
rcen
taje
s
Período estudiado
Madera
Papel
Mueble
Sector
manufacturero
22
invierte, desarrollando un 23,6% de las empresas actividades de diseño, y un 22,6%,
actividades de control de calidad.
Puesto que el reducido tamaño empresarial parece acrecentar los riesgos y obstáculos
implícitos a la innovación, resulta conveniente analizar el grado en el que dichas
empresas recurren a la colaboración tecnológica con otros agentes del sistema
(empresas u organizaciones) para superar esa barrera. En ese sentido, los resultados
presentados en la Tabla 2.3, correspondientes a las empresas del panel de la ESEE que
contestaron a la encuesta en el año 2006, muestran que la cooperación tecnológica tiene
esencialmente una menor importancia en las empresas estudiadas que en la industria
manufacturera total. Destaca, asimismo, el papel jugado por las Universidades y los
centros tecnológicos, pues estos agentes son los elegidos mayoritariamente por los
sectores de la madera (19,5%) y del papel (15,6%) para realizar este tipo de
cooperación. En este sector, el porcentaje indicado coincide con el de aquellas empresas
que eligen cooperar con los proveedores, desempeñando estos agentes, directamente
implicados en la cadena de valor, un lugar prioritario también en la industria del
mueble, con un 11,3%.
Tabla 2.3.Porcentaje de empresas de la industria forestal que realizan acciones de
colaboración tecnológica (2006).
Por último, en contraste con los datos derivados de las estadísticas oficiales, resulta de
interés analizar los datos recogidos en la Tabla 2.4, referidos al porcentaje de empresas
de la industria forestal que realizan actividades relacionadas con la innovación,
Madera Papel MuebleTotal industria
manufacturera
Con Universidades y/o centros tecnológicos 19,5 15,6 8,5 21,8
Con clientes 5,2 12,5 5,7 17,4
Con proveedores 6,5 15,6 11,3 20,9
Con competidores 5,2 3,1 0,0 2,1
Fuente : Elaboración propia a partir de datos de la ESEE (2006).
23
obtenidos a partir de la encuesta anteriormente introducida. Las cifras mostradas indican
que el esfuerzo inversor en I+D resulta escaso para los tres sectores de la industria
forestal. Se aprecia además cómo, a excepción de la industria del papel, son pocas las
empresas que disponen de un departamento de investigación. Siguiendo con indicadores
de input, el porcentaje de empresas cuyo gasto en I+D supone menos del 1% de las
ventas es mayoritario en la industria de la madera y en la del mueble. Por otro lado, se
estudia la importancia que tienen ciertas medidas públicas de estímulo para el desarrollo
de la innovación en la industria forestal. Analizando dos medidas concretas, las
subvenciones a la I+D, y los incentivos fiscales, se observa cómo tan sólo son adoptadas
de forma minoritaria por estas empresas.
Tabla 2.4. Porcentaje de empresas de la industria forestal que realizan actividades
relacionadas con la innovación tecnológica.
Finalmente, es preciso destacar que el porcentaje de empresas de la industria forestal
que realiza innovación tecnológica recogido en la Tabla 2.4, no presenta una desviación
importante con respecto a los datos proporcionados por la EIT, y presentados
anteriormente en la Tabla 2.2.
2.3.2. Indicadores de output
Madera Papel Mueble
14,3 33,3 18,4
74,5 50,0 39,1
5,5 19,4 19,8
6,3 13,8 14,0
29,3 45,2 37,0
Intensidad de innovación: (Gasto en actividades innovadoras/Cifra de negocios)×100
Fuente : Elaboración propia a partir de los datos de Martínez Núñez y Díaz Balteiro (2007)
Innovación tecnológica
Subvenciones de I+D
Empresas con intensidad de innovación menor del 1%
Departamento de investigación
Incentivos fiscales
24
Entre los indicadores del output de la innovación más utilizados se encuentran aquellos
basados en las estadísticas de patentes. Utilizando los datos recogidos por la ESEE para
el año 2006, en la Tabla 2.5 se recoge el porcentaje de empresas, pertenecientes a los
sectores de la industria forestal y al total de los sectores manufactureros, que registran
patentes en España o en el extranjero.
Tabla 2.5. Indicadores del output de la innovación en la industria forestal (2006).
Se constata que el porcentaje analizado es inferior al promedio de la industria
manufacturera (9,3%) para el sector del mueble (5,7%), del papel (4,7%) y, sobre todo,
de la madera (3,9%). Como este análisis se extiende en el tiempo hasta el año 1998
(Figura 2.4), se comprueba cómo la industria forestal presenta unos resultados en
general alejados con respecto al conjunto de la industria manufacturera, pero con
marcadas diferencias entre los tres sectores.
Así, la industria del mueble presenta años con un número de patentes similar al del total
de la industria manufacturera, mientras que los sectores de la madera y del papel
registran valores alejados de la media del conjunto de industrias.
Muy próximo conceptualmente al indicador anterior es el porcentaje de empresas de la
industria forestal y manufacturera que han registrado modelos de utilidad, cuyos valores
también se ofrecen en la Tabla 2.5. En este caso, los resultados vuelven a ser inferiores
en todas las categorías sectoriales respecto al promedio manufacturero (1,9%),
Madera Papel Mueble
Total industria
manufacturera
Empresas que registran patentes (%) 3,9 4,7 5,7 9,3
Empresas que registran modelos de utilidad (%) 1,3 0,0 0,9 1,9
0,1 0,7 2,7 1,8
Fuente : Elaboración propia a partir de los datos de la ESEE (2006)
Número de productos nuevos dividido entre el número
de empresas muestreadas
25
mostrando predominancia el sector de la madera (1,3%), si bien dentro de un contexto
general bastante limitado para esta figura de protección.
El último indicador del output de la innovación que se va a analizar es el número de
productos nuevos o significativamente mejorados (Tabla 2.5). A fin de manejar datos
más homogéneos, se ha estimado oportuno dividir este indicador entre el número de
empresas que ha sido muestreado en esa encuesta. Se obtienen unos valores muy
reducidos para el sector de la madera (0,1), circunstancia que resulta coherente con los
resultados proporcionados por los indicadores de input de la innovación en este sector.
Por el contrario, la industria del mueble obtiene los mejores valores dentro de la
industria forestal (2,7), superando ampliamente al sector del papel (0,7), e incluso al
conjunto de la industria manufacturera (1,7).
Figura 2.4. Porcentaje de empresas que registran patentes.
Fuente: Elaboración propia a partir de los datos de la ESEE.
2.3.3. Indicadores del efecto económico y social de la innovación
0
5
10
15
20
25
1998 1999 2000 2001 2002 2003 2004 2005 2006
Po
rcen
taje
de e
mp
resa
s
Período estudiado
Madera
Papel
Mueble
Sector
manufacturero
26
Los resultados sobre indicadores del efecto económico y social de la innovación en la
industria forestal obtenidos para el año 2006 se presentan en la Tabla 2.6. De los
mismos cabe destacar, en primer lugar, la posición rezagada que de nuevo los tres
sectores de la industria forestal ocupan respecto del sector industrial manufacturero en
su conjunto. Dicha circunstancia resulta especialmente acusada para el sector de la
madera (4,5%), la cual parece deberse no tanto a la debilidad de la innovación realizada,
sino a las características del indicador, centrado en la innovación de producto, y no en la
de proceso, y con una escasa importancia en el sector mencionado, tal y como se ha
constatado en la Tabla 2.5. Para los otros dos sectores aumenta la importancia de las
innovaciones de producto en la cifra total de negocios, aunque sin alcanzar el promedio
del conjunto de la industria (10,5%), registrando este indicador un valor del 7,9% para
la industria del mueble, y del 6,3% para la del papel.
Respondiendo a esta recomendación, desde el año 2004 la EIT sondea a las empresas
que han emprendido actividades de innovación, exitosas, fracasadas o en proceso,
acerca de la importancia que otorgan a los efectos conseguidos sobre productos,
procesos, u otros efectos (requisitos normativos o parámetros medioambientales). En la
Tabla 2.6 se muestran los resultados obtenidos para las tres ramas de la industria
forestal, y para el total de la industria manufacturera.
Analizando por sectores los datos de la Tabla 2.6, podemos destacar en primer lugar la
mayor valoración relativa que las empresas de la industria del papel dan a los distintos
efectos de las innovaciones emprendidas. Así, dichas empresas valoran por encima del
conjunto de las manufacturas los efectos de las innovaciones sobre los productos, los
procesos y el impacto ambiental o la salud y seguridad. Por su parte, el sector de la
madera concede mayor importancia que dicha media a los efectos sobre los procesos y
sobre el impacto ambiental. Finalmente, la industria del mueble otorga menor
27
importancia que el promedio de la industria manufacturera a los efectos sobre los
procesos, los productos y el impacto ambiental. Para concluir, es necesario indicar que
los tres sectores de la industria forestal conceden menor importancia que la totalidad de
la industria manufacturera a los efectos de sus innovaciones sobre el cumplimiento de
los requisitos normativos.
Tabla 2.6. Indicadores del efecto económico y social de la innovación en la industria
forestal (2006).
A fin de completar estos datos oficiales desde una óptica diferente, en la Tabla 2.7 se
presentan las respuestas a dos preguntas realizadas en el marco de la encuesta antes
mencionada: cómo se ve dentro de la empresa la innovación, y cómo es la innovación
de esa empresa en relación a la competencia.
Tabla 2.7. Percepción de la innovación por parte de las empresas.
Madera Papel Mueble
Total industria
manufacturera*
4,5 6,4 7,9 10,5
33,9 48,8 42,5 46,0
42,4 50,2 36,9 37,5
16,9 27,2 12,1 15,1
17,0 19,9 18,2 21,3
Fuente : Elaboración propia a partir de los datos de la EIT (2006)
*Promedio ponderado
Porcentaje de la cifra de negocios debida a bienes y/o servicios que
fueron novedad para la empresa
Empresas que dan gran importancia a los efectos de sus innovaciones
sobre los productos (%)
Empresas que dan gran importancia a los efectos de sus innovaciones
sobre los procesos (%)
Empresas que dan gran importancia a los efectos de sus innovaciones
sobre el impacto ambiental o la salud y seguridad (%)
Empresas que dan gran importancia a los efectos de sus innovaciones
sobre el cumplimiento de los requisitos normativos (%)
Muy Alto Alto Mediano Bajo Muy Bajo NS/NC
Fuente : Elaboración propia a partir de los datos de Martínez Núñez y Díaz Balteiro (2007).
14,5
Nivel del esfuerzo de innovación en
comparación con otras empresas5,0 32,7 45,2 8,5 1,1 7,5
Percepción del esfuerzo de innovación
por parte de las empresas1,1 7,4 24,5 28,3 24,2
28
Los resultados muestran una realidad aparentemente contradictoria: más de la mitad de
las empresas reconoce que su esfuerzo en I+D es bajo o muy bajo, pero a la vez sólo el
diez por ciento de las mismas afirma que en comparación con otras empresas este nivel
en su I+D es bajo o muy bajo. La explicación a este hecho puede estar relacionada con
el desconocimiento existente entre los mismos agentes de un sector tan opaco, y con la
falta de una consolidada cultura innovadora.
2.3.4. Comparación de indicadores relacionados con la innovación tecnológica en
otros países europeos
La Tabla 2.8 permite arrojar más luz sobre la situación de la innovación en la industria
forestal española.
En ella se recogen, para los sectores analizados, los valores alcanzados por indicadores
del input y del output de la innovación en una serie de países de referencia. Estos
indicadores son: gastos totales como porcentaje de la cifra de negocios en I+D, en
adquisición de tecnología incorporada, y en innovación, así como la diferencia en
puntos porcentuales de éste último valor respecto a la industria manufacturera total,
porcentaje de empresas con I+D interna, de empresas que adquieren tecnología
incorporada, que cooperan para la innovación, y que solicitan patentes, y, finalmente,
tamaño medio de las empresas participantes en la encuesta para cada país. Los datos
presentados en la Tabla 2.8 corresponden a la Cuarta Encuesta Comunitaria sobre
Innovación (CIS4) (Eurostat, 2008).
En primer lugar, cabe destacar que el retraso indicado anteriormente para la intensidad
de innovación de la industria forestal respecto del conjunto manufacturero, no supone
una singularidad de las empresas españolas. Según los datos recogidos en la Tabla 8,
dicha divergencia se acentúa en la mayoría de los países europeos de referencia
29
(Alemania, Francia, Italia, y, fundamentalmente, Suecia). Únicamente se reduce, y hasta
se invierte, para los sectores del papel y del mueble en el caso de Portugal. Finalmente,
Noruega presenta mayor variabilidad en función del sector.
Tabla 2.8. Indicadores del efecto económico y social de la innovación en la industria
forestal (2006).
Además, observamos que la industria de la madera presenta en España peores resultados
que en Italia, Portugal o Noruega para todos los indicadores excepto para la cooperación
en actividades de innovación, a pesar de que el tamaño medio de las empresas recogidas
por el CIS4 es menor en esos países que en España. Así, por ejemplo, Noruega
cuadriplica el gasto total en I+D con empresas de tamaño ligeramente inferior al
Tamaño
medio de la
empresa en
la CIS4
Gasto total
en
innovación
(% de la
cifra de
negocios)
Diferencia
en la
intensidad
de
innovación
Empresas
con I+D
interna (%)
Gasto total
en I+D (%
de la cifra
de
negocios)
Empresas
que
adquieren
tecnología
incorporada
(%)
Gasto en
tecnología
incorporada
(% de la
cifra de
negocios)
Empresas
que
cooperan
para la
innovación
(%)
Empresas
que
solicitan
patentes (%)
Alemania 100,3 2,5 3,1 35,5 0,3 67,4 1,7 15,1 12,5
España 103,2 0,8 1,4 17,9 0,2 77,1 0,5 13,8 4,0
Francia 126,8 0,8 3,8 77,3 0,3 49,3 0,6 52,9 12,2
Italia 76,7 1,7 1,9 47,8 0,3 95,6 1,3 6,9 4,9
Portugal 78,4 1,3 0,8 45,5 0,4 91,4 0,9 10,0 4,9
Suecia 124,8 1,2 6,0 70,4 0,3 74,3 0,9 52,3 :
Noruega 89,1 2,0 1,0 58,5 0,7 39,3 1,3 24,4 13,3
Alemania 187,4 2,0 3,6 51,5 0,5 73,9 1,1 17,8 26,7
España 130,5 1,3 0,9 38,1 0,2 75,5 1,0 12,3 25,9
Francia 258,5 1,3 3,3 87,4 1,0 61,6 0,2 55,8 31,0
Italia 127,5 1,9 1,7 50,3 0,3 98,3 1,6 6,5 12,9
Portugal 135,5 5,0 -2,9 44,8 0,3 78,7 4,8 17,0 16,5
Suecia 328,4 1,2 6,0 70,8 0,6 73,4 0,5 56,8 :
Noruega 343,0 1,3 1,7 90,5 1,1 38,1 0,1 47,6 38,1
Alemania 118,7 1,9 3,7 48,0 0,7 67,2 0,7 24,9 35,1
España 77,8 1,0 1,2 22,6 0,4 68,7 0,5 9,0 10,4
Francia 141,7 1,2 3,4 71,5 0,6 62,2 0,5 29,9 23,3
Italia 91,9 1,4 2,2 59,0 0,5 89,9 0,8 3,2 12,8
Portugal 106,5 5,8 -3,7 26,7 0,2 88,5 5,4 11,9 16,4
Suecia 183,4 1,9 5,3 70,2 0,7 64,9 1,1 44,6 :
Noruega 70,9 2,2 0,8 77,8 1,7 41,9 0,4 29,1 16,2
Intensidad de innovación: (Gasto en actividades innovadoras/Cifra de negocios)×100
Industria de la madera y del corcho, excepto muebles, cestería y espartería
Industria del papel
Fabricación de muebles y otras industrias manufactureras
Fuente : CIS4 (Community Innovation Survey 4th,
2004)
Diferencia en la intensidad de innovación: Intensidad de innovación del total manufacturero − Intensidad de innovación del sector
30
español. En cuanto a la industria del papel, la menor dimensión media de la empresa en
Italia no impide que en términos relativos sea mayor el número de empresas italianas
que innovan, realizan I+D, y adquieren tecnología incorporada, gastando también más
en todas esas actividades.
Por todo ello, la Tabla 2.8 no sólo nos ofrece una perspectiva adicional sobre la
situación de la innovación en la industria estudiada, sino que también nos permite poner
en duda que el tamaño de la empresa sea la causa principal de su retraso tecnológico.
Además, también se muestra cómo la dualidad habitualmente admitida en relación a que
hay países cuyas empresas invierten más en I+D, mientras que en otros países las
empresas tienden a invertir más en incorporar tecnología exógena, no se cumple
estrictamente en el caso de España. Tal y como se ha demostrado, para los tres sectores
forestales existen países cuyas industrias gastan más, tanto en I+D, como en tecnología
incorporada.
2.4. Discusión
Este análisis ha podido llevarse a cabo gracias al uso de un grupo de indicadores de
amplia aceptación en la literatura consultada. Sobre la elaboración de los mismos, es
preciso indicar que se han utilizado todas las fuentes disponibles a nivel no sólo
nacional sino también europeo, congregando, por tanto, una elevada heterogeneidad en
las fuentes (encuestas, censos, estudios de panel) y en los datos.
No obstante, los principales resultados que se ofrecen sobre innovación tecnológica son
claramente comparables, merced a la estandarización que proporciona el Manual Oslo
en su tercera edición. En cuanto a las estadísticas de I+D, se ha realizado una
comprobación particular por no ajustarse las mismas a la mencionada normativa. Otras
31
bases de datos utilizadas proporcionan valiosa información adicional o aclaratoria,
como se ha explicitado en el estudio.
Finalmente, indicar que la comparabilidad temporal de los datos se enfrenta a una serie
de dificultades como son cambios metodológicos (EIT), amplios intervalos en la
difusión de encuestas (CIS), o distinta periodicidad en la publicación de variables
(ESEE). Por supuesto, todas estas barreras se han tenido en cuenta a la hora de elegir el
período temporal objeto de estudio.
Sin duda, la característica más reseñable de cuantas se han indicado en los epígrafes
anteriores, es la debilidad y el atraso que presentan las actividades de innovación
tecnológica en la industria forestal española respecto de la industria manufacturera total.
Debilidad que se pone especialmente de manifiesto al comprobar la existencia de una
apreciable brecha, sostenida a lo largo del tiempo, entre las actividades de I+D de la
industria forestal y del conjunto del sector manufacturero (Voces et al., 2008b). Estos
resultados son fácilmente verificables a través de una serie de factores asociados, como
el reducido número de empresas que emprenden actividades de I+D, la escasa
utilización de recursos públicos para la misma, o la restringida importancia del capital
humano involucrado en este tipo de actividades. Tampoco podemos olvidar que dichos
resultados son mayoritariamente compartidos por los sectores tradicionales de la
industria española y europea (Fonfría, 2004; Hirsch-Kreinsen, 2008).
Quizás la causa más invocada en ambientes académicos para explicar el retraso
tecnológico de las empresas del sector forestal sea su reducido tamaño medio, el cual es
un 31% inferior al del conjunto de la industria manufacturera española (INE, 2008).
Este hecho dificulta la posibilidad de disponer de la masa crítica necesaria para realizar
actividades de I+D (Surís, 2005). No obstante, como hemos visto, esta circunstancia
puede condicionar, pero no necesariamente impedir, el desarrollo de este tipo de
32
actividades. Sirva como ejemplo que en la industria forestal la mayoría de las
actividades de investigación y desarrollo se realiza dentro de las empresas, cuando éstas
suelen carecer de un departamento formalizado de I+D. Es decir, que gran parte del
esfuerzo tecnológico desarrollado por las empresas tradicionales, generalmente de
pequeño tamaño, se lleva a cabo de modo no formalizado, consistiendo en su mayor
parte en actividades para las cuales no es imprescindible contar con una infraestructura
formal de investigación (Voces et al., 2008a,b).
El retraso constatable para la I+D se recorta, e incluso se invierte para la industria del
papel, en lo que respecta al porcentaje de empresas con actividades innovadoras. Esto
puede deberse, además de a la heterogeneidad intersectorial existente, a un cierto sesgo
en la industria forestal española a la hora de enfrentarse a la innovación, adquiriendo la
tecnología fuera de la empresa en detrimento de la generación propia de innovaciones
(Alfranca et al., 2009). Además, en este capítulo sí se ha comprobado un estrecho
vínculo con la dimensión de la empresa.
Este predominio de la innovación incremental e imitativa, como señala Buesa (2003), es
extensible a la generalidad de la empresa española, acentuándose notablemente en el
caso de las pymes, estando ligado al ahorro de tiempo, a la facilidad de adaptación de la
tecnología adquirida, y a la necesidad de movilizar abundantes recursos para el
desarrollo propio de un conocimiento de similar calidad (Arbussà et al., 2004).
La mejoría observada para la industria forestal cuando analizamos la innovación en su
conjunto se ve muy condicionada, sin embargo, por la intensidad de innovación, que
sitúa nuevamente a los sectores estudiados por detrás del sector manufacturero total. En
este caso, desempeña un papel importante el nivel tecnológico relativamente bajo que
caracteriza a estos sectores, y que, como se ha podido apreciar, es una característica
propia del sector, compartida básicamente por los países europeos examinados.
33
Por otra parte, aún admitiendo las diferencias existentes entre los distintos sectores de la
industria forestal, cabe decir que, si bien no existe una acusada debilidad específica de
la industria forestal dentro de la débil situación general de las patentes y los modelos de
utilidad en España, sí se aprecia un notable descenso en los últimos años. Además, las
empresas de la cadena de la madera, a excepción de la industria del mueble, tienden a
generar relativamente menos productos nuevos que el conjunto del sector
manufacturero, teniendo dichos productos nuevos o sensiblemente mejorados menor
peso en la cifra de negocios.
Es preciso también resaltar la falta de vínculos existentes, según los resultados de
estudios anteriores, entre la eficiencia en las empresas de la industria forestal y las
actividades de innovación que realizan. El que las empresas eficientes no sean las que
realicen actividades de innovación sugiere pistas para profundizar en el análisis, aunque
esta actitud hacia la innovación no resulta extraña en muchas empresas españolas (Díaz
Balteiro et al., 2006). Sin embargo, sí se aprecian relaciones positivas entre la presencia
de sistemas de gestión ambiental (SGM) y sistemas de gestión de calidad (SGC), y la
generación de innovaciones en estos sectores, aunque también se observan relaciones
sustitutivas con algunos determinantes tradicionales de la innovación empresarial
(Alfranca et al., 2009).
En este capítulo se ha analizado la innovación tecnológica en la industria forestal. Los
resultados obtenidos indican, esencialmente, debilidad y retraso de esas actividades
innovadoras respecto de las correspondientes a la totalidad de la industria manufacturera
española. Es preciso indicar, no obstante, que las serias limitaciones observadas no
constituyen especial singularidad dentro del conjunto de los sectores tradicionales
(Fonfría, 2004).
34
Surge entonces una cuestión, planteada con mayor o menor claridad por diversos
autores (Sterlacchini, 1999; Hirsch-Kreinsen et al., 2005; Sandven et al., 2005;
Santamaría et al., 2009): la persistencia de las industrias de bajo nivel tecnológico en
economías avanzadas sólo puede deberse a la existencia de procesos de innovación o
constante mejora. Además, está comprobado que durante el período estudiado (1998-
2006), la industria forestal española experimentó sólo una lenta desaparición de
empresas y un proceso de deslocalización mínimo en comparación con otros sectores
tradicionales (por ejemplo, el textil).
En suma, las estadísticas de innovación tecnológica, desarrolladas a partir de
estadísticas de I+D, pueden ser engañosas en el caso de pequeñas empresas de bajo
nivel tecnológico, las cuales a menudo no recurren a una I+D formal y sí a muchos
mecanismos diferentes de elaboración, adaptación o imitación de conocimientos y
habilidades (Heidenreich, 2009). Ésta debe ser una línea de posteriores investigaciones,
en base a un concepto más amplio de innovación.
35
3. LA SOSTENIBILIDAD DE LA INDUSTRIA FORESTAL
ESPAÑOLA EN EL ÁMBITO EUROPEO.
“En los problemas decisionales reales, los criterios múltiples constituyen la regla más
que la excepción”. Romero, 1993.
3.1. Introducción
La innovación, estudiada en el capítulo anterior, no sólo es importante para mejorar la
eficiencia de las actividades económicas, sino que además se considera un factor clave
para evitar la degradación del medio ambiente y el agotamiento de los recursos
naturales (Rennings, 2000; Vollenbroek, 2002; Sartorius, 2006).
Asimismo, cada vez resulta más frecuente que el mercado demande productos en cuya
elaboración no se dañe el medio ambiente, excediendo en ocasiones esta demanda el
mero cumplimiento de la legislación. Bajo esta nueva perspectiva, las innovaciones no
sólo tendrán que potenciar la sostenibilidad permitiendo a las empresas reducir costes,
optimizar el uso de materias primas y energía, o reemplazar tecnologías obsoletas y
contaminantes, sino también aprovechar las oportunidades para alcanzar cruciales
ventajas competitivas en un mercado en el que los factores ambientales han empezado a
jugar un importante papel (Orgilés y Salas, 2001; Dormann y Holliday, 2002; Keijzers,
2002; FTP, 2005; Hansen, 2006; Paech, 2007; Nidumolu et al., 2009).
Según el celebérrimo Informe Brundtlant (WCED, 1987) la sostenibilidad implica
cubrir las necesidades de la generación presente sin comprometer la capacidad de las
futuras generaciones para cubrir sus propias necesidades. De este modo, tal como
indican Asheim et al. (2001) la sostenibilidad es un concepto con raíces normativas, por
36
lo que debe de aunar no sólo aspectos relacionados con la eficiencia económica, sino
también aspectos relacionados con la equidad intergeneracional. Obviamente, la
integración de la eficiencia y de la equidad hace especialmente complicado tanto la
caracterización como la medición de la sostenibilidad.
Por otra parte, desde distintos foros internacionales se acepta asimismo que la
sostenibilidad es un concepto con dimensiones ecológicas, sociales y económicas (Díaz
Balteiro y Romero, 2008). En suma, la enorme amalgama de ideas que conlleva este
concepto, implica que aunque la sostenibilidad se haya convertido hoy en día en un
término de uso común en muchos campos disciplinares, es sin embargo un concepto
más fácil de entender intuitivamente que de conceptualizar y formalizar rigurosamente.
Además, la sostenibilidad puede asociarse tanto a procesos ligados a la explotación de
los recursos naturales, como también a aspectos propios de las empresas, o incluso de
sectores industriales. En el caso de la industria forestal que aquí abordamos, se pueden
tener en cuenta ambas perspectivas, ya que los sectores que la integran presentan como
inputs característicos los productos o subproductos asociados a un recurso generalmente
aceptado como renovable: la madera. Sin embargo, y aunque fenómenos de integración
vertical en empresas de la industria forestal han conducido a que algunas de ellas sean
propietarias de terrenos donde se ubican las plantaciones forestales, en esta Tesis
Doctoral se va a dejar a un lado lo que habitualmente se conoce dentro de la gestión
forestal como las prácticas de manejo sostenible (Higman et al., 2005).
Con el fin de abordar la sostenibilidad en la industria han aparecido sugerentes
aproximaciones disciplinares, como la Ecología Industrial (Frosch y Gallopoulos,
1989), que pretende establecer una analogía entre los sistemas industriales y los
ecosistemas naturales. Sin embargo, este enfoque se ve limitado por la debilidad de sus
fundamentos metodológicos, la indefinición de metas, la falta de una base sólida en la
37
literatura económica, y la ausencia de un análisis en profundidad sobre aspectos
esenciales para definir el supuesto ciclo cerrado sostenible (O’Rourke et al., 1996; Bey,
2001; Fiksel, 2006).
Otras acciones y metodologías desarrolladas en relación con la sostenibilidad de la
industria son, según indica Munier (2005), el modelo Input-Output ambiental, la eco-
eficiencia, el metabolismo industrial, el análisis del flujo de materiales, la integración
industrial, o, como veremos en los siguientes apartados, el uso de un conjunto adecuado
de indicadores que recojan los tres aspectos esenciales vinculados al desarrollo
sostenible (crecimiento económico, progreso social y protección ambiental). En todo
caso, estos tres aspectos no pueden estudiarse por separado, sino de manera conjunta
buscando un equilibrio óptimo entre ellos. Esta es la idea que se recoge bajo el concepto
de “triple bottom line” (Aulí, 2002; Maxwell y Vorst, 2003).
Por otra parte, como se indicó arriba, el análisis de la sostenibilidad también puede
realizarse más específicamente desde el entorno empresarial. De ese modo, pese a que
en un principio los órganos directivos de las empresas y sus asociaciones quedaron al
margen de los principales foros internacionales (p.ej., Cumbre de Río), la investigación
más reciente se ha centrado en la sostenibilidad a nivel de empresa (Lamberton, 2005;
Gray y Bebbington, 2007).
Como resultado, cada vez en menor medida la sostenibilidad empresarial se identifica
con la mera supervivencia económica del negocio, convirtiéndose la preocupación por
el medio ambiente en un condicionante de primer orden en los procesos de toma de
decisiones de empresas, inversores e instituciones financieras. Surgen de este modo
nuevos conceptos de riesgo y de oportunidad, así como de empresa sostenible, que
podríamos definir como aquella que crea valor económico, medioambiental y social a
corto y largo plazo, contribuyendo de esta forma al aumento del bienestar y al
38
auténtico progreso de las generaciones presentes y futuras, tanto en su entorno
inmediato como en el planeta en general (Giménez et al., 2001; Alfaya y Blasco, 2002;
Fundación Entorno et al., 2002; Cohen y Winn 2007; Henry y Journeault, 2008).
La evolución del concepto de empresa sostenible está teniendo lugar bajo unas
condiciones sociales, económicas y tecnológicas cambiantes, frente a las cuales las
empresas descubren un gran número de razones para tener en cuenta las diversas
componentes ambientales, no sólo a través de sistemas de calidad ambiental, sino
también incorporándolas a su propia estrategia empresarial (Aulí, 2002; Keijzers, 2002).
Para terminar con esta primera aproximación a la sostenibilidad industrial y empresarial,
es preciso indicar que no abundan los trabajos orientados explícitamente a la
sostenibilidad en la industria forestal. Uno de los primeros ha sido el de Hart et al.
(2000), donde se analizan diversos casos, correspondientes a diferentes empresas
multinacionales, y centrados en aspectos cualitativos y muy ligados a la gestión forestal
que algunas de estas empresas realizan en sus masas forestales. Un enfoque similar se
puede apreciar en Johnson y Walck (2004), describiendo ahora cinco criterios
necesarios para integrar la sostenibilidad en las industrias forestales. Estos autores
ilustran el uso de estos criterios mediante dos casos de la industria del papel. Wagner
(2005) define diez indicadores referidos a aspectos ambientales y económicos para
analizar, a través de un modelo estadístico, aspectos relativos a la sostenibilidad de
empresas pertenecientes a la industria del papel en cuatro países europeos. Finalmente,
Ojala et al. (2006) analizan en términos comparativos rankings de países en base al
nivel de sostenibilidad de sus respectivas industrias forestales.
Una vez presentada la compleja materia de estudio, es preciso señalar que para su
caracterización se recurrirá al uso de indicadores. En un contexto de sostenibilidad un
indicador es una medida cuantitativa o cualitativa que nos permite definir una
39
característica, identificar un riesgo, tomar una decisión y/o comprobar los resultados de
cierta acción o proceso. (Munier, 2005).
El uso de indicadores para estudiar la sostenibilidad se encuentra bastante consolidado.
En la Declaración de Río sobre Desarrollo y Medio Ambiente, Agenda 21, se subrayó
la conveniencia de perfeccionar e identificar indicadores del desarrollo sostenible a fin
de que constituyan una base sólida para la toma de decisiones (UNCED 1992).
Posteriormente, este mandato se vería reafirmado con el Plan de Implementación de
Johannesburgo (UN, 2002), y con numerosos proyectos para desarrollar indicadores de
desarrollo sostenible a nivel nacional e internacional (Olsthoorn et al. 2001; Parris y
Kates, 2003; Pinter et al. 2005).
En todo caso, una medida aislada no puede recoger adecuadamente las complejas
relaciones existentes entre las tres dimensiones básicas de la sostenibilidad arriba
señaladas. Por tanto, es necesario recurrir a un conjunto manejable de indicadores que
reduzcan en lo posible la inherente pérdida de información ligada a este tipo de estudios
(Krajnc y Glavič, 2005; Voces et al., 2010).
Una dificultad añadida a la hora de estudiar la sostenibilidad es que sus objetivos suelen
ser estratégicos, es decir, a largo plazo, y por tanto difíciles de convertir en metas
operativas; además estarán condicionados por la situación real de partida, y no serán
estáticos, sino que podrán cambiar en función de nuevos riesgos, de las consecuencias
de la pérdida de capital natural, y de los potenciales efectos positivos de las nuevas
tecnologías (Foray y Grübler, 1996; Keijzers, 2002). Por tanto, al ser prácticamente
imposible encontrarle a la sostenibilidad una meta o logro perfectamente universales,
este trabajo asume el planteamiento expuesto por Callens y Tyteca (1999) sobre la
conveniencia de definir la sostenibilidad en términos relativos. Estos autores destacan,
además, la importancia de comparar empresas o sectores de diferentes países, de cara a
40
identificar las prácticas más eficientes para la sostenibilidad, detectar los fallos en su
consecución, y formular las oportunas medidas correctoras.
En suma, este capítulo tiene dos objetivos esenciales. El primero será la caracterización
de la sostenibilidad de la industria forestal europea, a nivel de sus sectores constitutivos,
sin abordar el análisis de empresas concretas. Para alcanzar este propósito es necesario,
en primer lugar, definir la sostenibilidad mediante un conjunto de indicadores de diversa
naturaleza (económica, ecológica y social). La comparación que se intenta realizar
precisa de valores que siendo sencillos recojan a su vez todos los aspectos relacionados
con el tema que estudiamos. Por esa razón, agregaremos dichos indicadores en un índice
sintético mediante técnicas de programación por metas con variables binarias. Esta
agregación se realizará utilizando los correspondientes modelos de programación por
metas, los cuales necesitan para su construcción, aparte de los datos proporcionados por
los indicadores, de otros elementos complementarios como son variables binarias de
decisión, pesos preferenciales y niveles de aspiración. Con todos estos parámetros es
posible elaborar los modelos que nos permitan obtener un ranking de los países
analizados en base a su sostenibilidad.
El segundo objetivo del estudio consiste en la identificación de los factores que
condicionan el nivel de sostenibilidad de estas actividades industriales en cada país.
Para ello, se plantearán modelos econométricos clásicos, utilizando el método de
mínimos cuadrados ordinarios. Dichos modelos se construirán empleando los índices de
sostenibilidad anteriormente calculados para fijar las variables dependientes, así como
un amplio conjunto de variables forestales, ambientales, microeconómicas,
macroeconómicas e índices (Voces et al., 2010).
3.2. Material
41
Este epígrafe consta de dos subapartados, en los cuales se presentan los datos utilizados
en las dos fases del análisis propuesto acerca de la sostenibilidad de la industria forestal.
Es decir, la información precisa para desarrollar la técnica de programación por metas,
primero, y los modelos econométricos, después.
3.2.1. Indicadores de sostenibilidad y países europeos analizados
Tal como se indicó arriba, el primer paso de este trabajo consiste en la elección de un
conjunto de indicadores que nos permita caracterizar la sostenibilidad de los sectores
que integran la industria forestal europea; es decir, según la clasificación NACE, las
divisiones 20 (madera), 21 (papel) y mueble (36).
Aunque se ha pretendido que dichos indicadores recojan los tres ámbitos esenciales en
este tipo de estudios (económico, social y ambiental), la naturaleza industrial de las
actividades analizadas hace que predominen los indicadores de tipo económico.
Asimismo cabe destacar otras limitaciones, como la notable disparidad existente en la
información estadística proporcionada por los diferentes países analizados, así como el
escaso nivel de desagregación de la información ambiental, que nos ha impedido
incorporar informaciones como la emisión de gases de efecto invernadero u otras
sustancias contaminantes, el tratamiento de residuos, o el personal empleado en labores
de protección ambiental. En suma, la disponibilidad de información a nivel europeo ha
supuesto una restricción crucial tanto para el conjunto de indicadores seleccionados
como para los países a los cuales extender este análisis.
A continuación, pasaremos a analizar los indicadores. Para su elaboración, las fuentes
utilizadas han sido principalmente de carácter internacional, como las bases de datos de
Eurostat sobre industria, comercio y servicios, sobre ciencia y tecnología, o sobre medio
ambiente y energía.
42
Análogamente, se han utilizado las estadísticas de las Naciones Unidas acerca de
madera, papel y mueble, así como sobre el comercio internacional ligado a todas estas
actividades. No obstante, cuando ha sido necesario, también se ha recurrido a distintas
Oficinas Nacionales de Estadística.
También es preciso destacar que, aparte de los indicadores relacionados directa o
indirectamente con la actividad productiva de la industria forestal, se ha concedido una
especial relevancia a indicadores ligados a la innovación, pues, como se resaltó al
comienzo del capítulo, esas prácticas desempeñan un papel esencial para lograr la
sostenibilidad. Dada la importancia de ese atributo, y ante la necesidad de referenciar
temporalmente este trabajo, se ha elegido el año 2004, coincidiendo con la cuarta
encuesta comunitaria sobre innovación (Community Innovation Survey, CIS4).
Antes de empezar con un análisis más detallado de los catorce indicadores escogidos,
cabe indicar que la dificultad a la hora de elegir un grupo representativo de indicadores
clave ya la abordaron con anterioridad varios autores en sus trabajos acerca de la
sostenibilidad en el ámbito de la gestión forestal (Mendoza y Prahbu 2000a,b). Esta
dificultad se acentúa cuando analizamos la aplicación de las técnicas multicriterio al
estudio de la sostenibilidad a nivel industrial, dada la escasez de estudios al respecto.
Comenzando con la presentación de indicadores, es preciso señalar que los mismos se
pueden clasificar en dos tipos o categorías: “menos es mejor”, o “más es mejor”, en
virtud de que una reducción o un incremento del valor de los mismos favorezca la
sostenibilidad del sector industrial objeto de estudio. Esto se ha señalado en la Tabla 3.1
con los signos “–” y “+” respectivamente. En dicha tabla, aparte del tipo de indicador,
se presentan para cada uno de los catorce indicadores utilizados sus unidades de medida
y la fuente que ha proporcionado los datos para su elaboración.
43
Indic
ado
rT
ipo
Unid
ades
Fuente
1V
alo
rañad
ido
co
mo
po
rcenta
jeresp
ecto
delsecto
r
manufa
ctu
rero
+
Po
rcenta
jeE
uro
sta
t. I
nd
ustr
y,
trad
e a
nd
servic
es
2E
ficie
ncia
energética
‒
Millo
nes d
e €
Euro
sta
t. I
nd
ustr
y,
trad
e a
nd
servic
es
3G
rad
o d
e d
ep
end
encia
‒
Índ
ice
UN
EC
E.
Tim
ber C
om
mitte
e F
orest
Pro
ducts
Sta
tistics
4R
enta
s d
e trab
ajo
+
Tanto
por u
no
de la r
enta
per c
áp
ita n
acio
nal
Euro
sta
t. I
nd
ustr
y,
trad
e a
nd
servic
es
5V
alo
r a
ñad
ido
bruto
por e
mp
lead
o+
M
iles d
e €
/em
ple
ad
oE
uro
sta
t. I
nd
ustr
y,
trad
e a
nd
servic
es
6Inte
nsid
ad
en e
l uso
del fa
cto
r trab
ajo
‒
Po
rcenta
jeE
uro
sta
t. I
nd
ustr
y,
trad
e a
nd
servic
es
7T
asa d
e inversió
n
+
Ratio
Euro
sta
t. I
nd
ustr
y,
trad
e a
nd
servic
es
8A
dq
uis
ició
n d
e tecno
logía
inco
rp
orad
a+
M
iles d
e €
/em
presa
Euro
sta
t. I
nd
ustr
y,
trad
e a
nd
servic
es
9E
mp
resas inno
vad
oras
+
Po
rcenta
jeE
uro
sta
t. 4
th C
om
munity I
nno
vatio
n
Survey.
Sta
tistik
Austr
ia
10
Im
pacto
de la inno
vació
n+
P
orcenta
jeE
uro
sta
t. 4
th C
om
munity I
nno
vatio
n
Survey.
Sta
tistik
Austr
ia
11
Pate
nte
s+
N
úm
ero
de s
olicitud
es
Euro
sta
t. P
ate
nt S
tatistics
12
Co
mp
etitivid
ad
exte
rio
r (
Índ
ice d
e B
ala
ssa)
+
Índ
ice
UN
co
mtr
ad
e d
ata
base
13
Desecho
s
‒
Kg/€
Euro
sta
t. W
aste
Sta
tistics R
egula
tio
n.
Ind
ustr
y,
trad
e a
nd
servic
es
14
Pro
tecció
n a
mb
ienta
l+
M
iles d
e €
/em
ple
ad
o
Euro
sta
t. E
nviro
nm
enta
l A
cco
unts
.
Ind
ustr
y,
trad
e a
nd
servic
es.
Sta
tistics
Sw
ed
en.
Czech S
tatistical O
ffic
e
Fu
en
te
: E
lab
oració
n p
ro
pia
+T
ipo
"m
ás e
s m
ejo
r"
‒
Tip
o "
meno
s e
s m
ejo
r"
Tab
la 3
.1.
Co
nju
nto
de ind
icad
ores u
tilizad
os e
n e
ste
estu
dio
44
Con objeto de facilitar su comprensión, los catorce indicadores se presentarán
agrupados en base a su naturaleza.
En primer lugar, se presentan siete indicadores esencialmente económicos:
El valor añadido respecto del sector manufacturero constituye un indicador que
muestra, de forma porcentual, el peso relativo que esta industria presenta dentro de la
actividad manufacturera total de cada país. Se ha considerado que una reducida
aportación de valor añadido implica interés y asignación de recursos inferiores frente a
sectores más productivos y dinámicos. En cuanto a la eficiencia energética, este
indicador representa un coste marginal, pues recoge la cantidad de energía que debe
adquirir el sector para generar una tonelada métrica adicional de producto.
Lógicamente, se alcanzará una mayor sostenibilidad cuanto menor sea el valor de este
indicador. Otro indicador del tipo “menos es mejor” sería el coeficiente o grado de
dependencia, el cual se define como el cociente entre las importaciones y el consumo
aparente (producción nacional + importaciones – exportaciones) de la materia prima
utilizada en estos sectores (para simplificar, madera en rollo industrial según es recogida
por las estadísticas consultadas)5.
Asimismo, el indicador valor añadido bruto por empleado, obtenido a partir del
cociente entre el valor añadido bruto y el número de empleados del sector, actúa como
una aproximación a la tradicional productividad media del trabajo. Es fácil entender que
valores mayores de ambos indicadores se corresponden con una mayor sostenibilidad.
Por su parte, la tasa de inversión se define como el cociente entre la inversión total en
5 Bajo la denominación de madera en rollo industrial (“industrial roundwood”) se recoge toda madera en
rollo, madera aserrada, chapas, partículas, fibras y residuos de madera, a excepción de aquella madera
destinada exclusivamente a la obtención de energía. UN-ECE/FAO/Eurostat/ITTO, 2001).
45
el sector y su valor añadido, ofreciéndonos información sobre la intensidad en el uso del
factor capital para esa industria en cada país. Se considera que su valor es directamente
proporcional a la sostenibilidad.
Terminamos este grupo con dos indicadores complementarios, de más difícil
clasificación. El primero, que hace referencia a la competitividad exterior, es el índice
de ventaja comparativa revelada (índice de Balassa). Se define como la relación
existente entre el peso que las exportaciones de una industria determinada tienen
respecto del total de las exportaciones industriales en un país concreto, y en un área
determinada, que puede ser el mundo, el conjunto de países estudiados, o, en este caso,
la UE-27. Un valor del índice superior a la unidad para un sector, implica que el país
disfruta de una ventaja comparativa en la exportación de bienes asociados a ese sector.
Es preciso indicar, no obstante, que este índice no recoge información acerca de la
relación existente entre el comercio internacional y la normativa medioambiental de
cada país (Tomberlin et al., 1998). Por último, la intensidad en el uso del factor
trabajo viene a ser un indicador indirecto del grado de desarrollo tecnológico del sector
en cada país. Los sectores más tradicionales, con menos sofisticación y dinamismo, son
también más intensivos en dicho factor (Fonfría, 2004; Hirsch-Kreinsen et al., 2005;
Weil, 2006), por lo que en este estudio se ha juzgado preferible que este indicador
alcance el valor más bajo posible.
A continuación se van a mostrar cuatro indicadores relacionados con la innovación. Ya
se hizo referencia al comienzo de este capítulo a los bien conocidos vínculos entre la
innovación y la sostenibilidad (Hammett y Youngs, 2002). En primer lugar, la
adquisición de tecnología incorporada, indicador que se ha considerado oportuno
recoger en este estudio por ser ésta la principal vía para la innovación, sobre todo en
empresas pequeñas y medianas, y que se obtiene dividiendo la inversión bruta en
46
maquinaria y equipo entre el número de empresas de cada sector estudiado. Bajo la
denominación de empresas innovadoras se ofrece el porcentaje de empresas que
realizan actividades innovadoras respecto del total de empresas del sector. Este
indicador nos informa del grado de implantación (penetración) de las actividades
innovadoras en la industria de la madera.
Además se han incorporado otros dos indicadores, el primero es el impacto de la
innovación, que se define como el porcentaje de la cifra de negocios de las empresas
innovadoras respecto de la cifra de negocios total del sector, ofreciéndonos información
acerca de la importancia real que tienen esas actividades innovadoras sobre el output en
ese sector. El último indicador relacionado con la innovación que se ha recogido es el
número de solicitudes de patentes a la European Patent Office en el año de referencia
de 2004, pues éste es un indicador ampliamente reconocido y utilizado del output de las
actividades innovadoras desarrolladas en cada país. También se tienen en cuenta en este
cómputo aquellas patentes alcanzadas por grupos de investigación internacionales. Estos
cuatro indicadores se han considerado que son del tipo “cuanto más mejor”, es decir, a
mayores cifras más sostenible será la respectiva industria, pues como se ha subrayado a
lo largo de esta Tesis Doctoral, y es de común aceptación, las actividades innovadoras
constituyen un buen camino para lograr una mayor sostenibilidad.
Ha resultado difícil encontrar indicadores de tipo social con el requerido nivel de
desagregación, y que pudiesen aportar información relevante para esta primera fase del
estudio. Así, tan sólo se ha podido disponer de las rentas de trabajo, obtenido a través
del salario medio del sector analizado ponderado con la renta per cápita de cada país, a
efectos de hacer posible su comparabilidad para los diferentes países que se analizan.
Finalmente, se han recogido dos indicadores ambientales. A pesar de la importancia que
encierra este tipo de información para el análisis de la sostenibilidad, generalmente
47
dichos indicadores se encuentran agregados a un nivel que excede el ámbito de esta
parte de la Tesis Doctoral. Así, las bases de datos y los informes internacionales suelen
recoger aproximaciones nacionales o institucionales, y no sectoriales, para temas como
gases de efecto invernadero, energías renovables, sustancias acidificantes, etc. (EEA,
2005).El primero de los indicadores disponibles se ha denominado desechos (desechos
generados/ valor añadido), y ofrece información acerca de los residuos y productos
contaminantes generados por la actividad industrial. Para permitir su comparación entre
los distintos países, este valor se divide entre el valor añadido correspondiente a cada
industria concreta. Se asume que cuanto menor sea este valor, más sostenible serán las
industrias.
El segundo indicador ambiental, y último de la citada Tabla 3.1, lleva por nombre
protección ambiental, y refleja el cociente entre los gastos corrientes totales en
protección ambiental y el número de empleados. Aquí se considerarán como gastos en
protección ambiental aquellos que afectan exclusivamente al período en el cual se
originan, sin proyección económica futura. En las Cuentas Nacionales consultadas, esta
partida se encuentra separada de los gastos de inversión, es decir, gastos en bienes de
capital (equipos o instalaciones independientes). Con el fin de comparar los distintos
valores nacionales, esta información se divide entre el número de empleados. Se asume
que cuanto mayor sea este dato, más sostenible será el sector analizado. Como ya se ha
indicado arriba, por desgracia no se ha podido disponer de otros indicadores
ambientales (Langford, 2008) para estas industrias.
En relación a los indicadores anteriormente expuestos, y a la posible existencia de
solapamiento o coincidencia entre los mismos, conviene mencionar el trabajo de Gal y
Hanne (1999), en el cual se plantea la duda de si la eliminación total de redundancias
48
puede realmente ofrecer el mejor enfoque para definir un problema de toma de
decisiones multicriterio, así como para evaluar los pesos que se utilicen en éste.
Por otra parte, tal como se apuntó con anterioridad, los datos disponibles a nivel
europeo no sólo condicionan la elección de indicadores, sino también el grupo de países
a los cuales se puede extender este estudio. Así, Bulgaria y Rumanía, países que en el
año de referencia de 2004, aún no formaban parte de la Unión Europea, se han tenido en
cuenta en la realización del mismo, pues ofrecen una información equiparable a la del
resto de países europeos analizados. De este modo, el ámbito de partida considerado es
el de la Unión Europea de 27 Estados Miembros.
En la Tabla 3.2, se muestran los resultados de la primera fase exploratoria de datos en el
ámbito indicado. Cabe explicar que en dicha tabla se presentan los países en el eje de
ordenadas, y los indicadores seleccionados, en el eje de abscisas. Asimismo, las cruces
simbolizan la existencia de información disponible para el sector e indicador
correspondiente, y los dos puntos, la ausencia de dicha información. Precisamente
debido a que no se han obtenido datos sobre todos los indicadores, para los tres sectores
que componen la industria forestal, en los 27 países inicialmente analizados, el alcance
de este trabajo se limitará a 17 de estos países, los cuales se muestran sombreados en la
Tabla 3.2.
Aquellos países que muestran filas completas de cruces, para todos los indicadores y
todos los sectores de la industria forestal, han sido seleccionados para realizar este
estudio. Nótese que el tercer indicador presenta datos agrupados para toda la industria
forestal (IF), y no particularizados por sectores (20, 21, 36). La razón, como ya se indicó
arriba, está en que se considera la madera en rollo industrial como materia prima básica
de todas estas actividades.
49
3
20
21
36
20
21
36
IF20
21
36
20
21
36
20
21
36
20
21
36
20
21
36
20
21
36
20
21
36
20
21
36
20
21
36
20
21
36
20
21
36
1B
élg
ica
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
:×
2B
ulg
aria
××
::
::
××
×:
××
:×
×:
××
:×
×:
××
××
××
××
××
××
××
:×
×:
3R
ep. C
heca
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
4D
inam
arc
a×
×:
××
:×
××
:×
×:
××
:×
×:
××
:×
××
::
:×
××
××
××
×:
::
:
5A
lem
ania
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
6E
sto
nia
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
7Ir
landa
××
:×
×:
××
×:
××
:×
×:
××
:×
×:
::
::
::
××
××
××
××
::
::
8G
recia
××
:×
×:
××
×:
××
:×
×:
××
:×
×:
:×
×:
××
××
××
××
××
::
×:
9E
spaña
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
10
Fra
ncia
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
11
Italia
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
12
Chip
re×
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
×
13
Leto
nia
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
14
Lituania
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
15
Luxem
burg
o×
:×
×:
××
×:
××
××
×:
××
:×
×:
××
::
::
:×
××
××
××
:×
::
:
16
Hungría
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
17
Malta
::
::
::
::
::
::
::
::
::
::
::
::
×:
:×
××
××
××
::
::
::
18
Hola
nda
××
××
××
××
××
××
××
××
××
××
××
:×
×:
××
××
××
××
××
××
××
19
Austr
ia×
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
×
20
Polo
nia
××
×:
::
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
×:
::
21
Port
ugal
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
22
Rum
anía
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
23
Eslo
venia
××
×:
::
××
×:
××
:×
××
:×
××
×:
××
××
:×
××
××
××
××
××
×:
24
Eslo
vaquia
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
25
Fin
landia
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
26
Suecia
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
27
Rein
o U
nid
o×
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
××
×
Fuente
: E
labora
ció
n p
ropia
IF: In
dustr
ia fore
sta
l. 2
0: In
dustr
ia d
e la m
adera
. 21: In
dustr
ia d
el papel. 3
6: In
dustr
ia d
el m
ueble
y o
tras m
anufa
ctu
ras
Tabla
3.2
. D
ato
s r
efe
ridos a
los 1
4 indic
adore
s p
ara
los 2
7 p
aís
es e
uro
peos (
marc
ados c
on u
na c
ruz),
según C
NA
E
12
45
67
89
10
11
12
13
14
50
Este grupo de países seleccionados se considera suficientemente representativo del
conjunto de la Unión Europea, pues comprende una amplia gama de Estados Miembros:
República Checa, Alemania, Estonia, España, Francia, Italia, Chipre, Letonia, Lituania,
Hungría, Austria, Portugal, Rumanía, Eslovaquia, Finlandia, Suecia, y Reino Unido.
Asimismo, la Figura 3.1 nos ofrece una clara idea de la representatividad del conjunto
de países analizados.
Figura 3.1. Distribución geográfica de los países recogidos en este estudio.
Fuente: Elaboración propia.
Azul: País de la UE27 analizado en el estudio
Malva: País de la UE27 no analizado en el estudio
Gris: País no perteneciente a la UE27
51
3.2.2. Variables evaluadas en los modelos econométricos
En la segunda parte de este estudio se abordará la explicación del distinto nivel de
sostenibilidad alcanzado por cada país para cada uno de los sectores de la industria
forestal. Con esta finalidad, y utilizando el método de mínimos cuadrados ordinarios, se
desarrollarán para cada sector dos modelos econométricos referentes a la solución más
equilibrada y a la más eficiente.
A continuación, se presentan las distintas variables utilizadas en los seis modelos
econométricos planteados. En primer lugar, se toman para cada sector las dos variables
procedentes del modelo de programación por metas que se pretende desarrollar, y que
constituirán la variable dependiente, así como 39 variables que se han chequeado como
posibles variables explicativas. Estas variables no presentan un ámbito sectorial y se
agrupan en cinco categorías: variables forestales, variables ambientales, variables
microeconómicas, variables macroeconómicas, e índices. En la Tabla 3.3 se recogen
todas ellas. Se ha optado por incluir esta tabla en el texto, a fin de facilitar su consulta al
tiempo que se describen las variables que contiene. De cualquier manera, también se
puede consultar en el Anejo 2 de esta Tesis Doctoral.
En cuanto a las variables forestales se han elegido algunas de las habitualmente
empleadas en otros estudios (Mikkilä y Toppinen, 2008). En concreto, se han utilizado
informaciones correspondientes a la superficie forestal de cada país, la tipología de la
propiedad, el porcentaje de la superficie que está certificada (FSC u otro sistema de
certificación forestal), la superficie forestal que presenta algún tipo de planificación, la
superficie forestal bajo algún tipo de protección (Parque Nacional, Parque Natural,
LIC,…), así como varias variables asociadas al crecimiento de las masas forestales en
los últimos años, tanto en superficie como en stock. Con este conjunto de variables lo
que se pretende es ver si existe algún tipo de relación entre los países que presentan una
52
industria de la madera más sostenible y características de sus masas forestales
directamente asociadas a la gestión forestal.
Anteriormente, cuando se han definido los indicadores utilizados para aplicar los
modelos multicriterio empleados en esta Tesis, y que se mostrarán en un apartado
posterior, se ha comentado la existencia de pocas informaciones relativas a variables de
tipo ambiental que estuvieran desagregadas al nivel requerido. Se ha pretendido paliar
esta circunstancia con un conjunto de variables, a nivel de país, introducidas en los
modelos econométricos y que se refieren a estas características. Así, se han incluido 7
variables que abordan distintos aspectos ambientales. La primera de ellas hace
referencia a las emisiones de CO2 por parte del sector industrial en cada país, mientras
que otra variable muestra la contribución de las energías renovables al consumo total de
electricidad del país. Tomando informaciones del Living Planet Report (Hails et al.,
2006), se han considerado 4 variables. Las dos primeras hacen referencia a la huella
ecológica, que se define como la superficie ecológicamente productiva necesaria para
abastecer de los recursos que consume, y para asimilar los deshechos que genera, una
población dada, con un modo de vida específico, de manera indefinida, midiéndose en
hectáreas globales per cápita. En este caso, y siempre en función de la información
disponible, se han utilizado variables nacionales correspondientes tanto al consumo total
como al de los recursos forestales. Análogamente se han utilizado dos variables
relativas a la capacidad biológica total y forestal, entendiendo dichas capacidades como
la producción disponible en un año para una región determinada, en este caso un país.
Por último, este grupo de variables recoge también el valor de la diferencia entre la
Huella Ecológica y la Biodiversidad totales, que nos puede deparar un resultado
positivo (Reserva) o negativo (Déficit).
53
Por otro lado, se ha incluido un conjunto de variables que tienen que ver con aspectos
microeconómicos de las industrias de la madera en Europa. Se ha recurrido para ello a
un conjunto de variables obtenidas de una base de datos en línea y en DVD con
información sobre empresas europeas llamada AMADEUS (Amadeus, 2009),
habitualmente utilizada en diversos estudios (Pätäri et al., 2010). Se han obtenido tanto
los datos para cada país que definen la empresa media (número de empleados y
facturación), así como los porcentajes, tanto en número de industrias como en
facturación, que miden la importancia de cada país frente al conjunto de los 17 países
analizados. Con este bloque de variables se ha querido comprobar la hipótesis sobre una
posible relación entre concentración de mercado y sostenibilidad.
El siguiente bloque de variables se refiere a un conjunto heterogéneo de 13 variables
que se ha denominado genéricamente variables macroeconómicas. La primera de ellas
se refiere al consumo de productos de madera en cada país. Nótese que esta variable no
se ha introducido como indicador al no poder separarse los productos pertenecientes a la
industria de la madera de la del papel o del mueble. A continuación se acompañan 3
variables asociadas a índices nacionales que reflejan aspectos relativos al comercio
exterior y a las barreras que éste encuentra, así como a la competitividad global para
cada uno de los 17 países estudiados. Les sigue un índice, desarrollado por el
International Trade Centre UNCTAD/WTO, que presenta información agregada sobre
el comercio internacional y la competitividad a nivel de sector y de país. Se han incluido
dos índices comerciales adicionales, que recogen a nivel de sector la diversificación de
productos y mercados expresada en unidades equivalentes. Por otro lado, se recogen
variables macroeconómicas de uso frecuente, como el PIB por habitante, expresado
como capacidad de poder de compra, así como su variación, o el gasto en consumo final
de los hogares. Finalmente, en este bloque se incluyen 3 variables dummy para
54
comprobar si el tiempo que lleva cada país dentro de la UE ha influido en la
sostenibilidad de la industria forestal.
Por último, este listado de variables recoge un bloque de 4 índices que comienza por el
conocido Índice de Desarrollo Humano, elaborado a nivel nacional en base a criterios
como la esperanza de vida al nacer, las tasas de alfabetización y de matriculación en los
diferentes niveles educativos, y al PIB per cápita. También se consideraron dos índices
publicados por primera vez en el año 2008 por la Universidad de Yale. Uno, es el Índice
de Desempeño Ambiental (Environmental Performance Index), elaborado a partir de 25
indicadores que recogen los esfuerzos en protección ambiental desarrollados por cada
uno de los 149 países estudiados. Este índice se centra en dos temas esenciales: reducir
los efectos del estrés ambiental sobre la salud humana (Environmental Health), y
proteger los ecosistemas y recursos naturales (Vitalidad Ambiental). Como se puede
apreciar, la información de este último subíndice se recoge también en la Tabla 3.3. El
último índice considerado es el Índice de Sostenibilidad Ambiental (Environmental
Sustainability Index), que presenta una metodología similar.
Tal como se indicó, en la Tabla 3.3 se muestran todas las variables arriba mencionadas.
De las mismas se recoge, por columnas, la siguiente información: acrónimo con el cual
se utilizará la variable en el proceso de elaboración de los modelos, definición de la
variable, fuente de la cual se han extraído los datos, unidades de medida de la variable,
y año de los datos que presenta la variable.
Finalmente señalar que, al igual que sucedía con los indicadores, la dimensión de estas
variables es 17, coincidiendo con el número de países europeos a los que se extiende
este estudio.
55
Nom
bre
Fuente
Unid
ades
Año
VD
0E
labora
ció
n p
ropia
decim
al
2004
VD
1S
olu
ció
n m
ás e
ficie
nte
(λ=
1)
del eje
rcic
io d
e p
rogra
mació
n p
or
meta
s, aju
sta
da p
ara
este
estu
dio
media
nte
la e
xpre
sió
n(2
)E
labora
ció
n p
ropia
decim
al
2004
PS
FP
orc
enta
je d
e s
uperf
icie
fore
sta
l re
specto
de la s
uperf
icie
tota
lU
NE
CE
%2005
PS
FP
Porc
enta
je d
e s
uperf
icie
fore
sta
l pro
tegid
a r
especto
de la s
uperf
icie
fore
sta
l to
tal
UN
EC
E%
2005
SF
CS
uperf
icie
fore
sta
l cert
ific
ada (
PE
FC
+ F
SC
)Y
ale
Univ
ers
ity
10
3 h
a2006
PS
FC
Porc
enta
je d
e s
uperf
icie
fore
sta
l cert
ific
ada r
especto
de la s
uperf
icie
fore
sta
l to
tal
Yale
Univ
ers
ity
%2006
PS
FG
Porc
enta
je d
e b
osques y
otr
as s
uperf
icie
s m
adera
ble
s q
ue s
on g
estionados
EF
I%
2003
ME
PT
Madera
en p
ie tota
l en e
l bosque
EF
I1000 m
32003
ME
PA
Madera
en p
ie a
pro
vechable
en e
l bosque
EF
I1000 m
32003
IN
AB
Incre
mento
neto
anual del bosque
EF
I1000 m
32003
IN
AB
HIn
cre
mento
neto
anual del bosque p
or
ha
EF
I1000 m
3/h
a2003
PR
IS
FP
orc
enta
je d
e la s
uperf
icie
de b
osque o
madera
ble
bajo
pro
pie
dad p
rivada
EF
I%
2003
PU
BS
FP
orc
enta
je d
e la s
uperf
icie
de b
osque o
madera
ble
bajo
pro
pie
dad p
ública
EF
I%
2003
GIP
CE
uro
sta
t10
6 T
m C
O2/1
06 h
ab.
2004
PE
RE
NC
ontr
ibució
n d
e las e
nerg
ías r
enovable
s a
l consum
o tota
l de e
lectr
icid
ad d
el país
en e
l año 2
004
Euro
sta
t%
2004
HE
TH
uella e
coló
gic
a tota
lL
ivin
g P
lanet R
eport
2006
decim
al
2003
HE
FH
uella e
coló
gic
a fore
sta
lL
ivin
g P
lanet R
eport
2006
decim
al
2003
BT
Bio
capacid
ad tota
lL
ivin
g P
lanet R
eport
2006
decim
al
2003
BF
Bio
capacid
ad fore
sta
lL
ivin
g P
lanet R
eport
2006
decim
al
2003
DE
Reserv
a o
déficit e
coló
gic
oL
ivin
g P
lanet R
eport
2006
decim
al
2003
TE
Tam
año m
edio
de la e
mpre
sa d
el secto
r nacio
nal en b
ase a
l núm
ero
de e
mple
ados
AM
AD
EU
Snº
em
ple
ados
u.v
.d.(
3)
TF
Tam
año m
edio
de la e
mpre
sa d
el secto
r nacio
nal en b
ase a
la factu
ració
nA
MA
DE
US
1000 €
u.v
.d.(
3)
PN
EM
PP
orc
enta
je d
e e
mpre
sas d
el secto
r corr
espondie
nte
al país
(re
specto
de los 1
7 p
aís
es e
stu
dia
dos)
AM
AD
EU
S%
u.v
.d.(
3)
PF
AC
TP
orc
enta
je d
e la factu
ració
n d
el secto
r corr
espondie
nte
al país
(re
specto
de los 1
7 p
aís
es e
stu
dia
dos)
AM
AD
EU
S%
u.v
.d.(
3)
CM
PC
Consum
o d
e m
adera
o d
e p
roducto
s d
erivados d
e la m
adera
por
habitante
al año
UN
EC
Em
3/h
ab./año
2005
EC
Ento
rno c
om
erc
ial: r
egula
ció
n y
seguridad
World E
conom
ic F
oru
mdecim
al
2008
IA
CÍn
dic
e d
e A
ccesib
ilid
ad C
om
erc
ial (E
nabling T
rade I
ndex)
World E
conom
ic F
oru
mdecim
al
2008
GC
IÍn
dic
e d
e C
om
petitivid
ad (
Grow
th C
om
peti
tiveness I
ndex)
World E
conom
ic F
oru
mdecim
al
2004
GC
HP
CG
asto
en c
onsum
o fin
al de los h
ogare
sE
uro
sta
t10
3 €
/habitante
2004
PP
CP
roducto
inte
rior
bru
to a
pre
cio
s d
e m
erc
ado e
xpre
sado c
om
o c
apacid
ad d
e p
oder
de c
om
pra
(P
PS
) por
habitante
Euro
sta
tP
PS
/habitante
2004
TC
PIB
PC
Porc
enta
je d
e v
ariació
n d
el P
IB p
er
cápita r
especto
del período p
revio
Euro
sta
t%
2004
DP
Div
ers
ific
ació
n d
e p
roducto
s p
ara
el secto
r de los p
roducto
s d
e m
adera
Inte
rnational T
rade C
entr
enº
de p
roducto
s
equiv
ale
nte
s2004
DM
Div
ers
ific
ació
n d
e m
erc
ados p
ara
el secto
r de los p
roducto
s d
e m
adera
Inte
rnational T
rade C
entr
enº
de m
erc
ados
equiv
ale
nte
s2004
ID
CÍn
dic
e d
e D
esem
peño C
om
erc
ial (T
rade P
erfo
rm
ance I
ndex)
para
el secto
r de los p
roducto
s d
e m
adera
Inte
rnational T
rade C
entr
era
nkin
g2004
I1
Dum
my=
1, si el país
pert
enecía
a la C
EE
ante
s d
e 1
986
web o
ficia
l de la U
Eente
ro (
0,1
)2004
I2
Dum
my=
1, si el país
se incorp
oró
a la U
E e
n e
l período 1
986-1995
web o
ficia
l de la U
Eente
ro (
0,1
)2004
I3
Dum
my=
1, si el país
se incorp
oró
a la U
E e
n 2
004
web o
ficia
l de la U
Eente
ro (
0,1
)2004
ID
HÍn
dic
e d
e D
esarr
ollo H
um
ano
PN
UD
decim
al
2005
ID
AÍn
dic
e d
e D
esem
peño A
mbie
nta
l (E
nvir
onm
enta
l P
erfo
rm
ance I
ndex)
Yale
Univ
ers
ity
decim
al
2008
VA
Vitalidad a
mbie
nta
lY
ale
Univ
ers
ity
decim
al
2008
IS
AÍn
dic
e d
e S
oste
nib
ilid
ad A
mbie
nta
l (E
nvir
onm
enta
l Susta
inabilit
y I
ndex)
Yale
Univ
ers
ity
decim
al
2005
(1)
VD
0=
(1−
resultado d
el softw
are
LIN
GO
)×10
(2)
VD
1=
(1−
resultado d
el softw
are
LIN
GO
)×10
(3)
u.v
.d.: ú
ltim
o v
alo
r dis
ponib
le
Varia
ble
s m
icroeconóm
icas
Varia
ble
s m
acroeconóm
icas
Índic
es
Tabla
3.3
. L
ista
de v
ariable
s u
tilizadas e
n los m
odelo
s e
conom
étr
icos
Definic
ión
Varia
ble
dependie
nte
Solu
ció
n m
ás e
quilib
rada (
λ=
0)
del eje
rcic
io d
e p
rogra
mació
n p
or
meta
s, aju
sta
da p
ara
este
estu
dio
media
nte
la e
xpre
sió
n(1
)
Varia
ble
s f
oresta
les
Varia
ble
s a
mbie
nta
les
Em
isio
nes p
er
capita d
e g
ases d
e e
fecto
invern
adero
de la industr
ia m
anufa
ctu
rera
y d
e la c
onstr
ucció
n n
acio
nale
s
56
3.3. Metodología
En este apartado se van a presentar las técnicas seleccionadas para llevar a cabo el
análisis propuesto sobre la sostenibilidad en la industria forestal. Así, en las tres partes
que lo integran, primero se pasará revista al enfoque multicriterio, del cual forma parte
la programación por metas con variables binarias que ocupa la segunda parte de este
apartado. Finalmente, el tercer subapartado se centra en los modelos econométricos
planteados para identificar los factores que propician los anteriores resultados.
3.3.1. Teoría de la decisión multicriterio
La complejidad del tema planteado, la sostenibilidad, obliga a buscar los instrumentos
adecuados para su análisis en el campo de la decisión multicriterio, ya que ésta aborda
problemas reales de decisión en los cuales las distintas alternativas son evaluadas bajo
diferentes criterios que suelen estar en conflicto entre ellos (Caballero, 2001).
A fin de contextualizar la metodología utilizada en este capítulo, en primer lugar es
preciso indicar que en el origen de la mayoría de los métodos que recoge el paradigma
multicriterio subyace el concepto de optimalidad paretiana. Según dicho principio, una
solución o conjunto de soluciones es eficiente cuando satisface las restricciones
impuestas por el centro decisor, cumpliéndose además que no existe otra solución que
mejore un atributo de los considerados sin producir un empeoramiento en al menos otro
atributo (Romero, 1996; Fernández et al., 2004).
A partir de este criterio básico, se ha producido en los últimos años una auténtica
explosión de técnicas y enfoques multicriterio que esencialmente responden a un
planteamiento sencillo para la resolución de problemas: primero se obtiene el conjunto
de soluciones paretianamente eficientes dentro de las alternativas disponibles, y
después se escoge una o algunas de ellas, utilizando la información disponible (Romero,
1996; Caballero, 2001).
57
A continuación realizaremos un breve repaso de los diversos enfoques multicriterio
existentes, para lo cual utilizaremos la clásica distinción entre métodos continuos y
discretos. Entre los primeros, y directamente relacionada con el concepto de
optimalidad paretiana presentado arriba, tenemos la Programación multiobjetivo. Este
enfoque consiste básicamente en determinar el conjunto de soluciones eficientes o
Pareto óptimas de un problema, ante la imposibilidad de optimizar simultáneamente
todos los posibles objetivos. Es conveniente destacar que dicha determinación se realiza
utilizando exclusivamente información técnica, sin incorporar al proceso las
preferencias del centro decisor (Romero, 1993).
También dentro de los métodos continuos se encuentra la Programación Compromiso.
Este enfoque consiste en utilizar el punto ideal, es decir, aquel donde todos los objetivos
alcanzan su óptimo, como punto de referencia para el centro decisor. Entonces, la
solución elegida por cualquier decisor racional será aquella solución eficiente que se
encuentre más próxima al punto ideal. Es preciso indicar que el conjunto de soluciones
compromiso dependerá de la medida de distancia utilizada (Romero y Rehman, 1986;
Romero, 1993; Arenas et al., 2002; Fernández et al., 2004).
Finalmente, entre los métodos continuos es preciso reseñar la Programación por Metas,
la cual se fundamenta en una lógica satisfaciente, según la denominación de Herbert
Simon, que no busca optimizar una o varias funciones objetivo, sino alcanzar ciertos
niveles de aspiración especificados por el centro decisor. De este modo, la
programación por metas consistirá esencialmente en minimizar las variables no
deseadas, empeño que se traducirá, según el tipo de variable considerada (“más es
mejor” o “menos es mejor”), en intentar superar ciertos umbrales, o bien en tratar de no
excederlos (Romero, 1996; Fernández et al., 2004).
58
Podemos fechar la aparición de este enfoque en 1955, de la mano de Charnes, Cooper y
Ferguson, siendo posteriormente sus estudios ampliados y mejorados por otros
investigadores. En un primer momento esta metodología se limitó al ámbito de la
programación lineal, hasta el punto de considerarse como una mera extensión de ésta.
Sin embargo, trabajos posteriores de otros autores, sobre todo los de James P. Ignizio,
demostraron que los modelos clásicos de programación matemática, especialmente los
lineales, constituyen casos particulares de los modelos de programación por metas
(Romero, 1981; Tamiz et al., 1998; Ignizio y Romero, 2003).
La programación por metas ha experimentando una continua proliferación no sólo de
aplicaciones, sino también de conexiones con otras técnicas, así como de variantes
respecto del modelo original (Ignizio, 1978; Romero, 1981, 1996; Tamiz et al., 1998).
Las principales aproximaciones conceptuales de la programación por metas se presentan
a continuación. En primer lugar tenemos la programación por metas ponderadas, cuya
idea básica consiste en combinar todos los objetivos debidamente ponderados en una
única función (Romero y Rehman, 1986). Otro subconjunto de técnicas lo constituye la
programación por metas lexicográficas, en la que se establecen prioridades o pesos
excluyentes, de forma que hasta que no se satisfacen las metas con una prioridad más
alta, no se consideran las metas situadas en prioridades más bajas. En suma, esta técnica
podría definirse como una minimización secuencial o jerarquizada de las desviaciones
no deseadas (Romero, 1996).
Otra variante es la programación por metas MINIMAX, también denominada
programación por metas Chebysev, en la que se busca minimizar la máxima desviación
de entre todas las posibles desviaciones. La siguiente modificación es la programación
por metas extendida, la cual combina los modelos MINIMAX y ponderado,
permitiéndonos distintas agregaciones en función del valor que tome el parámetro de
59
control (Romero, 1996; Tamiz et al., 1998). Finalmente, tenemos la programación por
metas con variables binarias, técnica que ha sido utilizada con éxito en el análisis de la
sostenibilidad de la gestión forestal, y que será la utilizada en este trabajo (Diaz-Balteiro
y Romero 2004a,b; Diaz-Balteiro y Romero, 2008).
Entre los métodos discretos, los cuales se aplican a problemas con un número finito de
alternativas, podemos citar la Teoría de Utilidad Multiatributo. Su objetivo es construir
una función de utilidad a partir de otras funciones marginales, las cuales miden la
utilidad que aportan las distintas alternativas desde el punto de vista de cada criterio
analizado (Barba-Romero, 1987; Fernández et al., 2004).
Otro enfoque es el que recoge a los denominados métodos de sobrecalificación, los
cuales aplican un criterio de preferencia menos riguroso para las alternativas evaluadas.
Dicho criterio se basa en que una alternativa supera a otra si es mejor para muchos
atributos (concepto de concordancia), y no es sustancialmente peor para ninguno de
ellos (concepto de discordancia). Dentro de este grupo de métodos podemos citar el
Electre y el Promethee (Romero, 1996; Fernández et al., 2004).
El enfoque denominado AHP (Analytic Hierarchy Process, en español Proceso
Analítico Jerárquico) presenta métodos que se basan en la comparación por pares de
acciones, así como en el uso de una estructura jerárquizada en la que se ordenan
objetivos, criterios, y alternativas o elecciones posibles (Saaty, 1990). Esta metodología
permite obtener la valoración de las alternativas según los juicios de valor del centro
decisor, así como trabajar con aspectos intangibles, y evaluar la consistencia de los
juicios emitidos. No obstante, al igual que el resto de métodos multicriterio discretos,
carece de una base axiomática sólida (Romero, 1996; Moreno-Jiménez et al., 1998;
Fernández et al., 2004).
60
Tras realizar esta breve revisión, es preciso reconocer que no existe una superioridad
manifiesta de unos métodos multicriterio con respecto a otros (Romero, 1996). Sin
embargo, la facilidad a la hora de agregar linealmente la gran cantidad de datos
necesarios para caracterizar la sostenibilidad, así como para manejar
computacionalmente dichos datos, convierte a la programación por metas, al menos
desde un punto de vista operativo, en la técnica más conveniente para abordar este
trabajo. Además, la posibilidad de obtener soluciones intermedias en base a un
parámetro de control , el cual recoge las tasas de intercambio entre la solución más
eficiente y la más equilibrada, no sólo amplia la cantidad de información producida por
el modelo, sino que también facilita la elección de la solución eficiente preferida por el
centro decisor (Romero y Rehman, 1986). Por último, el contacto directo con expertos
que han desarrollado y empleado provechosamente esta metodología, así como el
acceso a sus trabajos punteros, ha supuesto una razón de primer orden para elegir este
enfoque multicriterio y no otro.
3.3.2. Método de programación por metas con variables binarias
El esquema general de la metodología seguida, que se desarrollará en este apartado con
su oportuna formulación, es el siguiente:
1. Elección y normalización de los atributos (indicadores) relevantes para la
sostenibilidad.
2. Fijación de metas, relacionando esos atributos con su nivel de aspiración, a
través de las variables de desviación positivas y negativas.
3. Minimización de la máxima desviación no deseada utilizando el método de
programación por metas con variables binarias.
61
4. En base a esta desviación, se establece una ordenación, de menor a mayor
divergencia, de los países estudiados.
5. Se repite el proceso para cada sector de la industria forestal, y para los distintos
valores del parámetro de control , entre 0 (solución más equilibrada) y 1
(solución más eficiente), logrado así un amplio conjunto de soluciones de
compromiso.
Para desarrollar el anterior esquema se precisa construir un modelo de programación por
metas con variables binarias. Los elementos constitutivos de dicho modelo se explican a
continuación.
Resultados normalizados.
Recordemos que, tal como se mostró en la Tabla 1, los indicadores de sostenibilidad
recogen datos medidos en distintas unidades, siendo además sus valores absolutos muy
diferentes. A estos inconvenientes se suma que los indicadores pueden ser de dos tipos:
“más es mejor” y “menos en mejor”. Por tanto, se impone normalizar adecuadamente la
información recogida por los indicadores de sostenibilidad. Para ello, seguimos el
procedimiento sugerido en Diaz-Balteiro y Romero (2004a,b), el cual se concreta en la
siguiente fórmula:
*
*
* *
* *
– – 1 – ,
– –
j ij ij j
ij
j j j j
R R R RR i j
R R R R (1)
Donde ijR sería el valor normalizado alcanzado por el país i-ésimo cuando es evaluado
de acuerdo con el indicador j-ésimo; se corresponde al resultado alcanzado por el
país i-ésimo cuando es evaluado de acuerdo con el indicador j-ésimo; es el valor
óptimo o ideal para el indicador de sostenibilidad j-ésimo. Este valor óptimo representa
ijR
*
jR
62
el valor máximo si el indicador es del tipo “más es mejor” o el valor mínimo si el
indicador es del tipo “menos es mejor”. De igual forma, es el peor valor o valor
anti-ideal para el indicador de sostenibilidad j-ésimo.
Aplicando este sistema, los resultados normalizados para los distintos indicadores de
sostenibilidad no tienen ya dimensión y además quedan todos ellos acotados entre 0 y 1.
En base a estas ventajas, se ha considerado preferible el uso de este procedimiento
frente a otros métodos que, o bien no ofrecen valores acotados, o bien proporcionan la
misma diversidad de unidades de medida que los indicadores originales (Nardo et al.,
2005).
Variables binarias de decisión.
Se incorporan otras 17 variables (Xi), una por cada país analizado. Se trata de variables
binarias, que toman el valor 1 si el país i-ésimo es el elegido, y toman el valor 0 en caso
contrario. Se impone además la condición de que la suma de esas 17 variables sea igual
a 1.
Variables de desviación.
Se trata de dos variables, correspondientes a la desviación negativa (nj) y a la desviación
positiva (pj). Miden las discrepancias existentes entre el valor alcanzado por el indicador
j-ésimo con respecto al nivel de aspiración normalizado .
Niveles de aspiración o targets.
Los niveles de aspiración ( ) han sido determinados exógenamente mediante la
consulta a expertos con amplia experiencia acumulada, considerándose como grado
satisfactorio de sostenibilidad el correspondiente a conseguir un 70% del valor ideal
medido para todos los indicadores. En este caso no será preciso normalizar el valor del
* jR
jt
jt
63
target, normalización que, en todo caso, se realizaría de la misma manera que se vio
para los indicadores de sostenibilidad.
Pesos preferenciales.
Según se indica en Tamiz et al. (1998), los pesos preferenciales cumplen una doble
función para los modelos que estamos analizando: normalizar las metas, y recoger las
preferencias del centro decisor respecto de cada meta. En este trabajo, dichos pesos
preferenciales han sido obtenidos a partir de una encuesta realizada desde mayo hasta
octubre de 2008, y enviada a 104 expertos de 23 países distintos. El cuestionario se
envió básicamente vía e-mail. Dicha encuesta consta de dos preguntas relativas a los
indicadores utilizados en el desarrollo de este trabajo. En la primera pregunta, se
propone a los encuestados ordenar los 14 indicadores atendiendo a su importancia como
factores que caracterizan a la sostenibilidad. En la segunda, se plantea comparar por
pares los indicadores primero (valor añadido) y último (protección ambiental) con el
resto de indicadores, asignando valores en base a la escala definida por Saaty en su
Proceso Analítico Jerárquico (Saaty, 1980). Para más información, se puede consultar
el cuestionario de la encuesta, que se adjunta en lengua española, en el Anejo 3 de esta
Tesis.
La tasa de respuesta se considera aceptable en el contexto de este tipo de estudios, ya
que ha respondido el 21,15% de los expertos encuestados. También se puede dar validez
a la calidad de las respuestas, pues de 22 respuestas obtenidas, se ha determinado que 20
son consistentes, de acuerdo con el criterio propuesto por Saaty. Según dicho criterio, si
la razón de consistencia es menor o igual a 0.10, entonces la matriz de comparación por
pares es consistente. En caso contrario, si la razón de consistencia resulta ser
estrictamente mayor que 0.10, entonces la matriz de comparación por pares es
inconsistente. Esta comprobación previa nos evita recurrir a otros métodos para hacer
64
frente a las inconsistencias de los encuestados en la comparación por pares (González-
Pachón y Romero, 2004).
El análisis de los resultados de la segunda pregunta de la encuesta sirve de base para la
determinación de las prioridades individuales de cada experto, existiendo, tal como se
ha constatado en trabajos previos (Gass, 1986), un estrecho vínculo entre estas
prioridades y los pesos preferenciales de los modelos de programación por metas. Para
realizar dicho análisis se ha recurrido al software Expert Choice 11.5.
Posteriormente, a fin de conseguir la agregación de estas preferencias, se ha optado por
calcular la media geométrica de las mismas para cada indicador. Es conveniente
recordar que, además de minimizar la importancia de los valores extremos, la media
geométrica es la única manera de combinar opiniones grupales de forma que se
mantenga la propiedad de reciprocidad de la matriz resultante (Iz, 1991; Forman y
Peniwati, 1998). Como último paso del tratamiento de datos se ha impuesto la
normalización de los pesos preferenciales, de forma que su suma total sea igual a uno
(Romero y Rehman, 1986).
Una vez explicados sus elementos constitutivos, se puede definir el siguiente modelo de
programación por metas con variables binarias:
Función de logro:
1
( )m
j j j
j
Min n p (2)
Metas y restricciones:
1
– j 1,...,n
ij i j j j
i
R X n p t m (3)
65
1
1n
i
i
X
(4)
0,1 1,...,iX i n
0 0n p
Resolviendo el modelo (2)-(4) con ayuda del software LINGO 10, se obtiene el país
cuya industria forestal es más sostenible. Además, aplicando este procedimiento de
forma iterativa, e incorporando en cada repetición una restricción nueva que excluya al
último país elegido, se obtiene la ordenación o ranking de los países analizados en
términos de sostenibilidad.
En resumen, la aplicación del modelo anterior nos proporciona una solución
aparentemente atractiva, pues implica la mayor efectividad agregada. No obstante, este
tipo de solución puede producir resultados muy deficientes para alguno de los
indicadores elegidos, lo que pudiera ser inaceptable a la hora de clasificar la
sostenibilidad para esta industria en los países elegidos. Para solventar este problema, se
ha propuesto otro modelo de programación por metas que proporciona la solución más
equilibrada asociada al cumplimiento de las distintas metas (Tamiz et al., 1998). Su
expresión analítica es la siguiente:
Función de logro:
Min D
sujeto a:
( ) – 0j j jn p D
Metas y restricciones del modelo anterior (5)
66
Donde D sería la máxima desviación entre un indicador y su nivel de aspiración. Sin
embargo, si se quisiera condensar ambos modelos de programación por metas en uno
solo, habría que recurrir a un modelo de programación por metas extendido, con la
siguiente expresión analítica (Romero, 2004):
Función de logro:
1
(1 – ) ( )m
j j j
j
Min D n p (6)
sujeto a:
Metas y restricciones del modelo definido por la ecuación (5)
Podemos comprobar en esta última formulación que, en función del parámetro de
control , obtenemos distintas soluciones. Así, para se genera la solución más
eficiente o mejor resultado promedio, mientras que para se obtendría la solución
más equilibrada. Valores intermedios de ayudarían a obtener soluciones de
compromiso entre ambas soluciones, en caso de que existan (André y Romero, 2008).
No hay que olvidar, finalmente, que estas diferentes soluciones del modelo nos
permiten testar la robustez de los resultados y nos facilitan el análisis de sensibilidad de
los mismos (van Calker et al., 2006).
3.3.3. Modelos econométricos
Como ya se ha indicado, una segunda parte de este estudio tiene por objeto encontrar
los factores que determinan los resultados obtenidos mediante el uso de modelos de
programación por metas. Para ello, vamos a desarrollar modelos econométricos clásicos
1
0
67
de mínimos cuadrados ordinarios, utilizando el conjunto de variables que se han
expuesto en la Tabla 3. Siguiendo a Wooldridge (2006), el método de Mínimos
Cuadrados Ordinarios (MCO) nos proporciona las estimaciones de los parámetros que
minimizan la suma de los residuos al cuadrado. Es decir, dadas n observaciones (17 en
este estudio) realizadas sobre 1 2 , , ,..., i kVD VI VI VI , donde iVD es la variable dependiente
(de hecho, en los modelos que elaboraremos a continuación este acrónimo tiene un
doble carácter, dependiendo de los dos valores del parámetro de control λ que se
analizan: 0 y 1) y 1 2, , ..., kVI VI VI son las k variables independientes testadas en ambos
modelos, el método MCO elige simultáneamente aquellas estimaciones de los
coeficientes 0 1 2, , , ..., k que minimizan la expresión
2
0 1 21 2
1
( – – – – ... – )n
ki i i ik
i
DV IV IV IV
Las variables dependientes para la solución más equilibrada y para la más eficiente se
obtienen directamente de los resultados del software LINGO utilizados en la elaboración
de los rankings en base a la sostenibilidad según la metodología anteriormente
presentada. En concreto, proceden de la expresión:
VD = (1 – diferencia) × 10, donde ”diferencia”, es la desviación existente para una
variable de decisión concreta (país) respecto del valor objetivo prefijado, la cual se
pretende minimizar. Por esta razón, al recorrer las columnas del ranking, la variable
dependiente oscila de valores mayores a valores menores a medida que empeora el nivel
de sostenibilidad. El producto por 10 se explica por la necesidad de transformar estos
resultados a la hora de aplicar logaritmos neperianos.
Por su parte, las 39 variables explicativas sugieren previsibles problemas de correlación.
Recordemos que según los supuestos básicos del Modelo Lineal General de
68
Econometría, en los cuales se basa el método de estimación MCO utilizado en esta
Tesis Doctoral, las variables explicativas deben ser linealmente independientes
(Gujarati, 2003). Por esta razón, se ha recurrido al cálculo del Coeficiente de
Correlación de Pearson, que mide el grado de dependencia lineal existente entre dos
variables. Con estos coeficientes, calculados mediante el software STATGRAPHICS
Plus para todas las posibles parejas de variables independientes, se construyó la Matriz
de Correlación de Pearson, que se puede consultar en el Anejo 4.
En cada celda de dicha tabla se presentan dos valores, el superior corresponde al
coeficiente de correlación, y varía entre -1 y 1. Una correlación positiva implica que
ambas variables varían en el mismo sentido, es decir, directamente; mientras que una
correlación negativa implica que ambas variables varían en sentido contrario, es decir,
inversamente. Valores de este coeficiente próximos a cero, consecuentemente, denotan
variables linealmente independientes. La gran cantidad de casos dudosos se resuelve
gracias al valor inferior: el p-valor correspondiente al coeficiente considerado. El
criterio seguido es que un valor inferior a 0.05 indica que la existencia de correlación es
significativa a un nivel de confianza del 95%.
Una vez realizados estos análisis previos, ya estamos en condiciones de construir los
métodos econométricos buscados. Los mismos se construirán por el método clásico de
prueba y error, incorporando una a una las variables explicativas disponibles,
considerando las restricciones que impone la correlación antes estudiada, y testando el
modelo resultante en base a la significatividad estadística y a la bondad de ajuste.
En resumen, la validación de los modelos y la detección de posibles errores de
especificación, se realizará siguiendo una metodología estándar que recoge la diagnosis
de parámetros y residuos. De este modo, para comprobar la significatividad individual
69
de las variables explicativas se utiliza el test de la t, y para determinar la significatividad
conjunta se recurre al test de la F.
La bondad del ajuste se determina en base a los valores del coeficiente de determinación
y de la desviación típica de las variables explicativas y de la regresión. También se
evalúa la existencia de multicolinealidad aproximada, mediante el uso de regresiones
auxiliares (Martín et al., 1997).
En cuanto al análisis de los residuos, se desarrollan distintas metodologías. La
identificación de datos atípicos se efectúa utilizando una banda de confianza de
±3×error estándar. También se chequea el valor de la suma de los residuos al cuadrado,
buscando que dicha suma residual no explicada sea lo más pequeña posible. La
independencia de los residuos se comprueba recurriendo al correlograma Q-Statistics, y,
por último, se determina si su normalidad se puede o no desechar en base a los
resultados del test de Jarque-Bera.
A fin de detectar la presencia de heteroscedasticidad, se ha recurrido a dos test
estadísticos, el archiconocido test de White (no cross terms), y el test de Breusch-Pagan-
Godfrey. En caso de existencia de heteroscedasticidad, se ha planteado la posibilidad
de desarrollar métodos consistentes , como son la estimación consistente de White, o el
método de Newey-West. Sin embargo, este último método, empleado con frecuencia en
estudios científicos, suele reservarse para comprobaciones asociadas a series
temporales. Hay que recordar que en esta Tesis los datos no proceden de una serie
temporal, sino que se trata de datos de sección cruzada, razón por la que dicha
extensión del análisis pierde gran parte de su valor. Con esta misma limitación, también
se ha llevado a cabo el test de Durbin-Watson (Wooldridge, 2006).
3.4. Resultados
70
En este epígrafe se reúnen los resultados del análisis de la sostenibilidad de la industria
forestal europea, análisis realizado en base al material y a la metodología previamente
expuestos. Se divide el epígrafe en tres subapartados, a fin de hacer más comprensibles
las distintas conclusiones obtenidas en las diferentes partes del estudio realizado.
En el primer subapartado, se recogen los resultados de la normalización de los catorce
indicadores utilizados. A continuación, se muestran los resultados del análisis
multicriterio llevado a cabo en dos fases, primero sin la utilización de pesos
preferenciales, y posteriormente con el uso de dichos pesos. Por último, se muestran los
resultados de los modelos econométricos realizados, así como la interpretación que con
los mismos se puede realizar de los resultados del modelo de programación por metas.
3.4.1. Resultados del Proceso de Normalización
Conforme a la metodología anteriormente expuesta, el primer paso de este estudio
consistirá en la normalización entre 0 y 1 de los distintos valores nacionales para los 14
indicadores utilizados. Tal como se indicó arriba, de esta manera es factible la
agregación de indicadores con muy variadas unidades, dimensiones, y significados. Es
preciso recordar que el tercer indicador es común para los tres sectores de la industria
forestal, pues representa la disponibilidad de la materia prima esencial, con
independencia de que se analicen actividades consideradas tradicionalmente de primera
o de segunda transformación.
En la Tabla 3.4 se recogen los valores normalizados de los indicadores utilizados en el
análisis de la industria de la madera (división NACE 20). Llaman poderosamente la
atención los valores óptimos alcanzados por Chipre para indicadores de innovación, lo
que tal vez se explique por deficiencias en los datos de partida. También sorprenden los
valores óptimos de Rumanía para indicadores relacionados con factores de capital.
71
Otros resultados más esperados son el óptimo de Alemania para la solicitud de patentes
en el año 2004, de Francia para el indicador que presenta datos de eficiencia energética,
o del Reino Unido para el valor añadido bruto por empleado. Por su parte, España
presenta valores discretos excepto para la eficiencia energética y la generación de
deshechos.
72
12
34
56
78
910
11
12
13
14
1R
ep. C
heca
0.0
94
0.8
86
0.0
00
0.1
41
0.2
33
0.8
13
0.1
61
0.0
00
0.3
63
0.3
82
0.0
12
0.0
60
0.9
40
0.0
00
2A
lem
ania
0.0
01
0.7
60
0.4
59
0.9
61
0.7
89
0.2
20
0.0
00
0.4
12
0.8
53
0.9
02
1.0
00
0.0
22
0.9
96
0.7
13
3E
sto
nia
0.7
02
0.5
53
0.6
08
0.2
27
0.1
51
0.8
38
0.3
57
0.4
80
0.5
39
0.6
72
0.0
00
0.4
72
0.0
00
0.3
27
4E
spaña
0.0
49
0.8
14
0.5
96
0.6
03
0.5
38
0.4
74
0.0
97
0.2
49
0.3
18
0.4
11
0.1
43
0.0
26
0.9
90
0.1
90
5F
rancia
0.0
10
1.0
00
0.0
34
0.8
28
0.7
36
0.3
31
0.1
32
0.5
90
0.3
45
0.5
33
0.2
99
0.0
20
0.9
14
0.2
46
6It
alia
0.0
50
0.7
65
0.5
45
0.6
27
0.8
32
0.7
55
0.0
79
0.1
20
0.3
92
0.3
99
0.2
62
0.0
15
1.0
00
0.0
82
7C
hip
re0.2
86
0.8
26
0.8
42
0.7
14
0.4
64
0.0
00
0.1
52
0.0
79
1.0
00
1.0
00
0.0
00
0.0
00
0.9
97
0.5
98
8L
eto
nia
1.0
00
0.3
05
0.9
02
0.1
45
0.0
97
0.9
49
0.6
01
0.7
57
0.0
00
0.3
14
0.0
00
1.0
00
0.9
92
0.0
36
9L
ituania
0.2
75
0.6
56
0.3
97
0.0
68
0.0
33
0.6
72
0.3
33
0.1
69
0.0
62
0.6
00
0.0
00
0.1
79
0.9
56
0.0
97
10
Hungría
0.0
00
0.6
97
1.0
00
0.1
24
0.0
87
0.5
40
0.3
17
0.0
82
0.1
36
0.2
22
0.0
02
0.0
33
0.9
50
0.0
84
11
Austr
ia0.1
71
0.7
58
0.4
04
0.8
76
0.9
83
0.4
93
0.1
29
1.0
00
0.5
65
0.6
68
0.1
10
0.1
21
0.8
66
0.2
40
12
Port
ugal
0.1
54
0.7
67
0.0
64
0.4
11
0.2
89
0.6
84
0.1
93
0.2
11
0.6
18
0.8
40
0.0
11
0.1
67
0.9
09
0.0
89
13
Rum
anía
0.1
32
0.0
00
0.5
84
0.0
00
0.0
00
1.0
00
1.0
00
0.2
90
0.1
75
0.0
00
0.0
00
0.1
57
0.6
85
0.0
68
14
Eslo
vaquia
0.0
14
0.0
85
0.4
85
0.1
44
0.0
80
0.8
02
0.2
77
0.5
36
0.0
34
0.1
52
0.0
01
0.0
71
0.8
48
0.1
07
15
Fin
landia
0.1
55
0.7
53
0.4
77
1.0
00
0.8
96
0.6
62
0.1
25
0.9
30
0.4
32
0.5
58
0.0
40
0.1
83
0.8
13
0.3
54
16
Suecia
0.1
15
0.8
33
0.0
14
0.8
70
0.9
30
0.5
79
0.1
61
0.5
70
0.5
81
0.7
12
0.0
66
0.1
11
0.5
19
0.8
32
17
Rein
o U
nid
o0.0
26
0.8
14
0.6
29
0.9
55
1.0
00
0.2
09
0.0
07
0.4
89
0.3
24
0.4
55
0.2
52
0.0
05
0.9
88
1.0
00
Tabla
3.4
. D
ato
s n
orm
alizados p
ara
los 1
7 p
aís
es y
los 1
4 indic
adore
s. In
dustr
ia d
e la m
adera
(N
AC
E 2
0)
Los v
alo
res ideale
s s
e m
uestr
an s
om
bre
ados, y los a
nti-id
eale
s, en c
urs
iva
Fuente
: E
labora
ció
n p
ropia
73
De forma análoga, en la Tabla 3.5 se muestran los valores normalizados
correspondientes a la industria del papel (división NACE 21). En este caso, los valores
ideales se concentran de forma clara en Finlandia. Dicho país ofrece valores ideales para
indicadores tan dispares como el valor añadido expresado como porcentaje respecto del
sector manufacturero total, las rentas del trabajo, el valor añadido bruto por empleado,
la adquisición de tecnología incorporada, el impacto de la innovación, la competitividad
exterior o la protección ambiental.
También presentan buenos datos Hungría y Eslovaquia, con óptimos para la eficiencia
energética o el grado de dependencia, en el caso del primer país; y para la intensidad en
el uso del factor trabajo o la tasa de inversión, en el caso del segundo país. No obstante,
ambos países presentan valores mucho más modestos para indicadores como la solicitud
de patentes o la eficiencia energética.
Por su parte, la menor sostenibilidad de Estonia en este sector de segunda
transformación de la madera se diferencia claramente a lo que ocurre en los otros dos
sectores de la industria forestal. En concreto, destaca negativamente el antiideal
mostrando en tres indicadores: impacto de la innovación, solicitud de patentes, y
generación de deshechos. Finalmente, queremos destacar los buenos datos que ofrece
España para indicadores como la eficiencia energética o la generación de deshechos.
74
12
34
56
78
910
11
12
13
14
1R
ep. C
heca
0.0
85
0.5
31
0.0
00
0.0
88
0.1
74
0.8
31
0.1
71
0.0
31
0.4
15
0.5
12
0.0
05
0.0
61
0.6
93
0.0
00
2A
lem
ania
0.1
00
0.6
38
0.4
59
0.8
22
0.6
04
0.1
29
0.1
39
0.5
10
0.9
64
0.8
56
1.0
00
0.0
73
0.9
65
0.9
69
3E
sto
nia
0.0
56
0.5
77
0.6
08
0.1
41
0.0
91
0.5
90
0.7
39
0.0
05
0.8
26
0.0
00
0.0
00
0.0
49
0.0
00
0.1
86
4E
spaña
0.1
43
0.7
76
0.5
96
0.6
45
0.5
52
0.4
47
0.1
22
0.1
00
0.5
12
0.4
91
0.0
56
0.0
72
0.8
65
0.4
26
5F
rancia
0.0
98
0.7
35
0.0
34
0.7
04
0.5
05
0.2
23
0.0
47
0.1
58
0.4
87
0.6
76
0.3
41
0.0
70
0.8
33
0.6
17
6It
alia
0.0
99
0.7
02
0.5
45
0.5
59
0.5
67
0.5
58
0.0
14
0.0
38
0.4
32
0.5
44
0.2
58
0.0
55
0.8
93
0.0
82
7C
hip
re0.1
18
0.9
33
0.8
42
0.3
45
0.2
52
0.0
00
0.2
71
0.0
22
0.6
30
0.5
98
0.0
00
0.0
24
0.9
52
0.1
20
8L
eto
nia
0.0
03
0.7
83
0.9
02
0.0
54
0.0
32
0.6
54
0.8
95
0.0
21
0.0
00
0.1
28
0.0
00
0.0
49
1.0
00
0.0
21
9L
ituania
0.0
00
0.4
80
0.3
97
0.0
93
0.0
60
0.6
57
0.3
35
0.0
03
0.3
00
0.5
53
0.0
01
0.0
11
0.8
07
0.0
66
10
Hungría
0.0
54
1.0
00
1.0
00
0.1
28
0.0
82
0.4
20
0.3
43
0.0
34
0.2
52
0.6
31
0.0
04
0.0
29
0.7
66
0.1
17
11
Austr
ia0.2
58
0.5
97
0.4
04
0.8
34
0.8
72
0.3
45
0.1
69
0.8
94
1.0
00
0.6
04
0.0
82
0.1
98
0.8
43
0.9
05
12
Port
ugal
0.2
16
0.3
73
0.0
64
0.5
56
0.4
90
0.6
77
0.2
86
0.1
70
0.5
14
0.8
11
0.0
02
0.1
88
0.2
25
0.5
69
13
Rum
anía
0.0
14
0.0
97
0.5
84
0.0
00
0.0
00
0.8
79
0.5
67
0.0
00
0.2
65
0.4
45
0.0
01
0.0
00
0.2
23
0.0
44
14
Eslo
vaquia
0.1
79
0.0
00
0.4
85
0.1
53
0.1
62
1.0
00
1.0
00
0.5
40
0.1
81
0.7
45
0.0
00
0.1
31
0.4
39
0.3
52
15
Fin
landia
1.0
00
0.6
43
0.4
77
1.0
00
1.0
00
0.5
81
0.0
11
1.0
00
0.6
52
1.0
00
0.0
68
1.0
00
0.6
18
1.0
00
16
Suecia
0.5
49
0.4
51
0.0
14
0.7
14
0.9
19
0.4
46
0.1
10
0.5
72
0.9
11
0.8
87
0.1
08
0.4
60
0.5
99
0.8
77
17
Rein
o U
nid
o0.1
02
0.7
96
0.6
29
0.7
38
0.5
57
0.2
47
0.0
00
0.0
94
0.4
36
0.5
18
0.2
48
0.0
30
0.7
61
0.5
80
Tabla
3.5
. D
ato
s n
orm
alizados p
ara
los 1
7 p
aís
es y
los 1
4 indic
adore
s. In
dustr
ia d
el papel (N
AC
E 2
1)
Los v
alo
res ideale
s s
e m
uestr
an s
om
bre
ados, y los a
nti-id
eale
s, en c
urs
iva
Fuente
: E
labora
ció
n p
ropia
75
Finalmente, la Tabla 3.6 recoge los valores obtenidos al aplicar la metodología de
normalización propuesta, a la industria del mueble y otras manufacturas (NACE 36).
En este caso, vemos que Alemania ocupa un puesto preferencial, con valores ideales
para cuatro indicadores, principalmente relacionados con la innovación. Dichos
indicadores son el porcentaje de empresas innovadoras, el impacto de la innovación, y
nuevamente la solicitud de patentes. También presentan un valor ideal las rentas del
trabajo germanas.
Francia vuelve a presentar para este sector un valor ideal en relación a la eficiencia
energética, al igual que sucedía en la industria de la madera, mientras que presenta
buenos datos para las rentas del trabajo y el valor añadido bruto por empleado. Su peor
valor lo presenta en el indicador que hace referencia a la competitividad exterior. Por su
parte, Italia presenta buenos números para la eficiencia energética, el valor añadido
bruto por empleado, o la generación de deshechos. Conviene destacar que España
comparte con Italia unos buenos datos acerca de la eficiencia energética y la generación
de deshechos.
Por último, conviene hacer hincapié en el valor ideal alcanzado por Estonia en el sector
del mueble para el valor añadido expresado como porcentaje respecto del conjunto
manufacturero, y para la competitividad exterior. Sin embargo, este país alcanza valores
bastante discretos para buena parte de los indicadores, en especial para la generación de
deshechos y para la solicitud de patentes.
76
12
34
56
78
910
11
12
13
14
1R
ep
. C
heca
0,3
66
0,8
17
0,0
00
0,1
20
0,2
09
0,6
99
0,1
34
0,0
00
0,1
43
0,4
46
0,0
07
0,3
34
0,9
66
0,0
00
2A
lem
ania
0,1
39
0,8
64
0,4
59
1,0
00
0,9
40
0,2
39
0,0
00
0,8
24
1,0
00
1,0
00
1,0
00
0,0
30
0,9
96
0,4
07
3E
sto
nia
1,0
00
0,2
30
0,6
08
0,1
84
0,1
07
0,4
89
0,4
16
0,4
99
0,5
31
0,8
00
0,0
02
1,0
00
0,0
00
0,0
95
4E
sp
aña
0,4
51
0,8
77
0,5
96
0,6
17
0,6
19
0,4
18
0,1
66
0,2
46
0,3
57
0,4
32
0,1
14
0,0
91
0,9
92
0,2
14
5F
rancia
0,2
23
1,0
00
0,0
34
0,8
65
0,8
69
0,3
47
0,0
74
0,2
44
0,3
03
0,5
60
0,4
26
0,0
22
0,9
79
0,3
50
6Ita
lia
0,5
12
0,8
48
0,5
45
0,6
42
0,8
48
0,7
79
0,1
53
0,2
76
0,2
67
0,3
99
0,3
97
0,3
79
0,9
86
0,0
89
7C
hip
re
0,7
99
0,6
07
0,8
42
0,5
79
0,4
75
0,0
00
0,1
53
0,0
15
0,3
41
0,1
71
0,0
00
0,0
24
0,9
79
0,4
54
8L
eto
nia
0,8
19
0,0
12
0,9
02
0,0
69
0,0
70
0,5
50
0,4
98
0,3
38
0,0
44
0,0
00
0,0
00
0,4
40
0,9
95
0,0
13
9L
ituania
0,8
35
0,6
61
0,3
97
0,1
05
0,0
70
0,5
04
0,4
11
0,4
20
0,4
34
0,2
54
0,0
00
0,6
28
0,9
10
0,0
85
10
Hungría
0,0
00
0,6
89
1,0
00
0,1
08
0,0
97
0,4
43
0,4
03
0,0
29
0,0
75
0,0
81
0,0
05
0,1
51
0,9
58
0,0
69
11
Austr
ia0,5
13
0,8
11
0,4
04
0,7
65
0,8
89
0,1
72
0,0
62
0,4
57
0,3
68
0,4
86
0,1
33
0,2
71
0,9
71
0,1
89
12
Po
rtu
gal
0,5
04
0,8
02
0,0
64
0,3
00
0,2
39
0,4
30
0,2
50
0,1
68
0,2
48
0,4
60
0,0
07
0,2
35
0,9
51
0,0
54
13
Rum
anía
0,5
44
0,0
00
0,5
84
0,0
00
0,0
00
0,6
95
1,0
00
0,3
96
0,0
00
0,0
82
0,0
00
0,5
26
0,8
36
0,0
46
14
Eslo
vaq
uia
0,2
14
0,6
73
0,4
85
0,1
76
0,1
47
1,0
00
0,2
50
1,0
00
0,2
78
0,7
72
0,0
00
0,3
07
0,9
11
0,0
58
15
Fin
land
ia0,0
93
0,8
33
0,4
77
0,8
78
0,9
47
0,2
47
0,0
37
0,2
38
0,5
26
0,7
34
0,0
48
0,0
30
1,0
00
0,3
48
16
Suecia
0,3
23
0,9
83
0,0
14
0,6
64
0,7
81
0,0
25
0,0
27
0,2
89
0,7
48
0,8
38
0,0
97
0,1
45
0,9
95
0,2
79
17
Rein
o U
nid
o0,4
09
0,7
76
0,6
29
0,8
19
1,0
00
0,3
65
0,0
17
0,5
20
0,4
69
0,6
10
0,2
88
0,0
00
0,9
77
1,0
00
Lo
s v
alo
res id
eale
s s
e m
uestr
an s
om
bread
os,
y lo
s a
nti-id
eale
s,
en c
ursiv
a
Fu
en
te
: E
lab
oració
n p
ro
pia
Tab
la 3
.6.
Dato
s n
orm
alizad
os p
ara lo
s 1
7 p
aís
es y
lo
s 1
4 ind
icad
ores.
Ind
ustr
ia d
el m
ueb
le (
NA
CE
36
)
77
3.4.2. Resultados del Modelo de Programación por Metas
Aprovechando la gran operatividad de la técnica multicriterio elegida, así como el
desarrollo de programas informáticos ad hoc, a continuación se ofrecen los resultados
del análisis de un problema complejo como es la sostenibilidad en el contexto de la
industria forestal europea.
Se han recogido los valores normalizados presentados anteriormente, así como la
formulación y las restricciones mostradas en la metodología de este capítulo. Se
consigue de esta manera una ordenación o ranking de los 17 países estudiados en base a
su nivel de sostenibilidad, que es el objetivo buscado. Es preciso recordar que en una
primera aproximación todos los indicadores están ponderados con el mismo peso, por
defecto igual a 1, y que posteriormente ya se asignarán los pesos preferenciales
obtenidos a partir del tratamiento de los resultados de la encuesta que se ha llevado a
cabo.
A continuación, se ofrecen los resultados para la primera alternativa de pesos iguales.
En primer lugar, para cada sector integrante de la industria forestal se ofrece un análisis
de los resultados obtenidos. Después, se presentan gráficamente los países con el sector
más sostenible desde el punto de vista más eficiente, y también desde el punto de vista
más equilibrado. Por último, se adjunta una tabla por cada sector, en la cual los
distintos sectores nacionales se reconocen por el nombre del país de pertenencia y se
ordenan de arriba abajo, de mayor a menor nivel de sostenibilidad. Se presentan 11
rankings por tabla, en función del valor decimal que tome el parámetro de control
dentro del intervalo 0,1 .
Como se aprecia en la Figura 3.2, Alemania ofrece la solución más eficiente para la
sostenibilidad del sector de la madera. Se aprecia la existencia de coherencia con los
indicadores para este país, recogidos en la Tabla 3.4, los cuales muestran valores muy
78
buenos en solicitud de patentes, generación de deshechos, impacto de la innovación,
porcentaje de empresas innovadoras, y rentas de trabajo. No obstante sus cifras son las
peores en tasa de inversión, y muy malas en cuanto al porcentaje que el sector
representa dentro del total manufacturero nacional. Por otra parte, Suecia representa la
solución más equilibrada.
Figura 3.2. Países con un sector de la madera más sostenible, sin pesos.
Fuente: Elaboración propia.
Rojo: País más sostenible (solución más eficiente)
Amarillo: País más sostenible (solución más equilibrada)
79
λ=
1λ=
0.9
λ=
0.8
λ=
0.7
λ=
0.6
λ=
0.5
λ=
0.4
λ=
0.3
λ=
0.2
λ=
0.1
λ=
0
Ale
mania
Ale
mania
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Ale
mania
Ale
mania
Ale
mania
Est
onia
Est
onia
Fin
land
iaF
inla
ndia
Fin
land
iaF
inla
nd
iaF
inla
nd
iaF
inla
nd
iaF
inla
nd
iaF
inla
nd
iaF
inla
nd
ia
Fin
landia
Fin
landia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Rein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
o
Chip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reF
rancia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Chip
reC
hip
re
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Po
rtugal
Po
rtugal
Po
rtugal
Po
rtugal
Po
rtugal
Po
rtugal
Po
rtugal
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Italia
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Rep
. C
heca
Rep. C
heca
Rep.
Checa
Rep.
Checa
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Tabla
3.7
. In
dust
ria d
e la m
adera
. S
olu
ció
n s
in p
eso
s
La c
olu
mna e
ncab
eza
da p
or λ=
0 r
eco
ge la s
olu
ció
n m
ás
equili
bra
da,
y la e
ncab
eza
da p
or λ=
1,
la m
ás
eficie
nte
80
En la Figura 3.3 se recoge la conocida primacía escandinava en la industria del papel.
Sobre Finlandia ya se habló al comentar la Tabla 3.5, y también sobre los siete
indicadores, correspondientes a ámbitos muy dispares, para los cuales este país ofrecía
valores óptimos.
En cuanto a Suecia, sin ofrecer valores óptimos en ningún indicador no presenta valores
tan bajos como Finlandia en la solicitud de patentes, y, sobre todo, en la tasa de
inversión.
Figura 3.3. Países con un sector del papel más sostenible, sin pesos.
Fuente: Elaboración propia.
Rojo: País más sostenible (solución más eficiente)
Amarillo: País más sostenible (solución más equilibrada)
81
λ=
1λ=
0.9
λ=
0.8
λ=
0.7
λ=
0.6
λ=
0.5
λ=
0.4
λ=
0.3
λ=
0.2
λ=
0.1
λ=
0
Fin
landia
Fin
landia
Fin
landia
Fin
landia
Fin
landia
Fin
landia
Fin
landia
Fin
landia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Fin
landia
Fin
landia
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Esp
aña
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Port
ugal
Port
ugal
Italia
Rein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oE
spaña
Fin
landia
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Rein
o U
nid
oH
ungría
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Port
ugal
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Rein
o U
nid
o
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Chip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reE
slovaquia
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Chip
re
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Leto
nia
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Rep. C
heca
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Lituania
La c
olu
mna e
ncabeza
da p
or λ=
0 r
ecoge la s
olu
ció
n m
ás
equili
bra
da, y la e
ncabeza
da p
or λ=
1, la
más
eficie
nte
Ta
bla
3.8
. In
du
stri
a d
el
pa
pe
l. S
olu
ció
n s
in p
eso
s
82
En la figura 3.4 aparece Alemania como el país con un sector del mueble más sostenible
desde un punto de vista más eficiente. En consonancia con este resultado, en la Tabla
3.6 se puede ver cómo ese país presenta valores óptimos para cuatro indicadores ligados
con la innovación, así como cifras muy buenas para eficiencia energética, valor añadido
bruto por empleado, adquisición de tecnología incorporada, y generación de deshechos.
Por su parte, Italia no recoge como Alemania el peor valor para la tasa de inversión.
Figura 3.4. Países con un sector del mueble más sostenible, sin pesos.
Fuente: Elaboración propia.
Rojo: País más sostenible (solución más eficiente)
Amarillo: País más sostenible (solución más equilibrada)
83
λ=
1λ=
0.9
λ=
0.8
λ=
0.7
λ=
0.6
λ=
0.5
λ=
0.4
λ=
0.3
λ=
0.2
λ=
0.1
λ=
0
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Italia
Rein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oIt
alia
Aust
ria
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Rein
o U
nid
oE
spaña
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Ale
mania
Suecia
Suecia
Suecia
Suecia
Suecia
Italia
Italia
Italia
Italia
Est
onia
Rein
o U
nid
o
Italia
Italia
Italia
Italia
Italia
Suecia
Suecia
Suecia
Suecia
Esp
aña
Est
onia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Esp
aña
Suecia
Suecia
Fin
land
iaF
inla
nd
iaF
inla
nd
iaF
inla
nd
iaF
inla
nd
iaF
inla
nd
iaF
inla
nd
iaF
inla
nd
iaF
inla
nd
iaF
inla
nd
iaF
inla
nd
ia
Lituania
Lituania
Lituania
Lituania
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Fra
ncia
Fra
ncia
Fra
ncia
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Chip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
re
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Rum
anía
Rum
ania
Rum
ania
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Po
rtugal
Po
rtugal
Po
rtugal
Po
rtugal
Po
rtugal
Po
rtugal
Po
rtugal
Po
rtugal
Po
rtugal
Po
rtugal
Po
rtugal
Rum
anía
Rum
anía
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Ta
bla
3.9
. F
ab
rica
ció
n d
e m
ue
ble
s. S
olu
ció
n s
in p
eso
s
La c
olu
mna e
ncab
eza
da p
or λ=
0 r
eco
ge la s
olu
ció
n m
ás
eq
uili
bra
da,
y la e
ncab
eza
da p
or λ=
1,
la m
ás
eficie
nte
84
Como disponemos de información complementaria, proporcionada por la encuesta
realizada, estamos en condiciones de mejorar los anteriores resultados, determinando los
pesos preferenciales. Para ello, tal como se ha visto en la metodología, tras calcular
para cada indicador la media geométrica de las preferencias expresadas por los expertos,
se impone la condición de que la suma de esos pesos para los 14 indicadores sea igual a
1. Los resultados finales se muestran en la Tabla 3.10:
Podemos obtener, de este modo, los nuevos rankings incorporando pesos preferenciales
en su elaboración, logrando de este modo una solución más realista en la que no todos
los indicadores tienen la misma importancia, y también más coherente con la opinión de
los conocedores del tema consultados.
Tabla 3.10. Obtención de los pesos preferenciales para cada indicador
Fuente: Elaboración propia a partir de los datos de la encuesta
Suma 0.761 1.000
0.069
0.043
0.064
0.049
0.093
0.045
0.052
0.035
0.078
0.050
0.060 0.079
0.065
0.102
0.046
0.069
Competitividad exterior (Índice de
Balassa)
Deshechos
Protección ambiental
0.044
0.034
0.071
0.037
0.049
0.033
0.053
Intensidad en el uso del factor trabajo
Tasa de inversión
Adquisición de tecnología incorporada
Empresas innovadoras
Impacto de la innovación
Patentes
Eficiencia energética
Grado de dependencia
0.086 0.113
Rentas de trabajo
Valor añadido bruto por empleado
0.057
Indicadores Media geométrica Media geométrica ajustada
Valor añadido como porcentaje
respecto del sector manufacturero 0.080 0.105
85
En la Figura 3.5 se pueden apreciar los cambios que ha supuesto la introducción de los
juicios de los expertos consultados en este análisis. Ahora tenemos a Estonia como país
con la industria de la madera más sostenible tanto desde un punto de vista de mayor
eficiencia como de mayor equilibrio.
Alemania, que presentaba la solución más eficiente para este sector, ahora queda
relegada a una tercera posición. Por su parte, Suecia, que ofrecía la solución más
equilibrada, ocupa ahora la quinta plaza. Estos resultados pueden comprobarse en la
Tabla 3.11.
Figura 3.5. Países con un sector de la madera más sostenible, con pesos.
Fuente: Elaboración propia.
Naranja: País más sostenible (solución más eficiente y también más equilibrada)
86
λ=
1λ=
0.9
λ=
0.8
λ=
0.7
λ=
0.6
λ=
0.5
λ=
0.4
λ=
0.3
λ=
0.2
λ=
0.1
λ=
0
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Fin
land
iaF
inla
nd
ia
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Fin
land
iaF
inla
nd
iaF
inla
nd
iaS
uecia
Leto
nia
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Fin
land
iaF
inla
nd
iaF
inla
nd
iaF
inla
nd
iaF
inla
nd
iaF
inla
nd
iaA
lem
ania
Ale
mania
Leto
nia
Leto
nia
Suecia
Chip
reC
hip
reC
hip
reC
hip
reL
eto
nia
Leto
nia
Leto
nia
Leto
nia
Ale
mania
Po
rtugal
Po
rtugal
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Chip
reC
hip
reC
hip
reC
hip
reP
ort
ugal
Ale
mania
Lituania
Rein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oC
hip
reC
hip
reA
lem
ania
Fra
ncia
Fra
ncia
Po
rtugal
Po
rtugal
Po
rtugal
Po
rtugal
Po
rtugal
Po
rtugal
Rein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
o
Po
rtugal
Po
rtugal
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Lituania
Chip
re
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Fra
ncia
Rum
anía
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Lituania
Italia
Italia
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Esp
aña
Esp
aña
Esp
aña
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rep
. C
heca
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Fra
ncia
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Rep
. C
heca
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Esl
ovaq
uia
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Tab
la 3
.11
. In
dust
ria d
e la m
ad
era
. S
olu
ció
n c
on p
eso
s
La c
olu
mna e
ncab
eza
da p
or
λ=
0 r
eco
ge la s
olu
ció
n m
ás
eq
uili
bra
da,
y la e
ncab
eza
da p
or
λ=
1,
la m
ás
eficie
nte
87
La Figura 3.6 nos muestra como para este sector la dominancia en temas de
sostenibilidad, entendiendo ésta desde las dos interpretaciones aquí analizadas (más
eficiente y más equilibrada) no sufre cambios al recurrir al juicio de expertos. Podemos,
por tanto, aventurar una sostenibilidad consistente para este sector en ambos países.
Figura 3.6. Países con un sector del papel más sostenible, con pesos.
Fuente: Elaboración propia.
Rojo: País más sostenible (solución más eficiente)
Amarillo: País más sostenible (solución más equilibrada)
88
λ=
1λ=
0.9
λ=
0.8
λ=
0.7
λ=
0.6
λ=
0.5
λ=
0.4
λ=
0.3
λ=
0.2
λ=
0.1
λ=
0
Fin
landia
Fin
landia
Fin
landia
Fin
landia
Fin
landia
Fin
landia
Fin
landia
Fin
landia
Fin
landia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Fin
landia
Fin
landia
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Ale
mania
Ale
mania
Esl
ovaquia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Esl
ovaquia
Ale
mania
Rein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oE
slovaquia
Esl
ovaquia
Esl
ovaquia
Fra
ncia
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Fra
ncia
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Rein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ep. C
heca
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Italia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Chip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reR
ep. C
heca
Rep. C
heca
Rein
o U
nid
o
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Chip
reC
hip
reH
ungría
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Hungría
Chip
re
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Lituania
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Lituania
Tabla
3.1
2. In
dust
ria d
el papel. S
olu
ció
n c
on p
eso
s
La c
olu
mna e
ncabeza
da p
or
λ=
0 r
ecoge la s
olu
ció
n m
ás
equili
bra
da, y la e
ncabeza
da p
or
λ=
1, la
más
eficie
nte
89
En la Figura 3.7 volvemos a observar cambios de la primacía en sostenibilidad para el
sector del mueble. Ahora, la solución más eficiente la proporciona Estonia, mientras que
la más eficiente recae en Austria. Sin embargo, la opinión de los expertos no ha
introducidos cambios radicales en los rankings. Podemos comprobar en la Tabla 3.13
que Alemania se mantiene en una tercera plaza para la solución más eficiente, mientras
que Italia se muestra segunda en cuanto a la solución más equilibrada.
Figura 3.7. Países con un sector del mueble más sostenible, con pesos.
Fuente: Elaboración propia.
Rojo: País más sostenible (solución más eficiente)
Amarillo: País más sostenible (solución más equilibrada)
90
λ=
1λ=
0.9
λ=
0.8
λ=
0.7
λ=
0.6
λ=
0.5
λ=
0.4
λ=
0.3
λ=
0.2
λ=
0.1
λ=
0
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Est
onia
Aust
ria
Aust
ria
Rein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oR
ein
o U
nid
oA
ust
ria
Aust
ria
Aust
ria
Est
onia
Italia
Ale
mania
Ale
mania
Ale
mania
Ale
mania
Aust
ria
Aust
ria
Rein
o U
nid
oIt
alia
Italia
Italia
Est
onia
Aust
ria
Aust
ria
Aust
ria
Aust
ria
Ale
mania
Ale
mania
Italia
Rein
o U
nid
oS
uecia
Suecia
Suecia
Italia
Italia
Italia
Italia
Italia
Italia
Ale
mania
Ale
mania
Lituania
Lituania
Port
ugal
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Lituania
Ale
mania
Esl
ovaquia
Esl
ovaquia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Suecia
Rein
o U
nid
oP
ort
ugal
Lituania
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esp
aña
Esl
ovaquia
Ale
mania
Esp
aña
Fin
landia
Fin
landia
Fin
landia
Fin
landia
Fin
landia
Fin
landia
Fin
landia
Esl
ovaquia
Port
ugal
Rein
o U
nid
oA
lem
ania
Chip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reC
hip
reP
ort
ugal
Esp
aña
Esp
aña
Rep. C
heca
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fra
ncia
Fin
landia
Fin
landia
Leto
nia
Leto
nia
Rum
anía
Rum
anía
Rum
anía
Rum
anía
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Chip
reC
hip
reR
ep. C
heca
Rein
o U
nid
o
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Esl
ovaquia
Rum
anía
Port
ugal
Port
ugal
Fra
ncia
Fra
ncia
Chip
reR
um
anía
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Port
ugal
Rum
anía
Rum
anía
Rum
anía
Leto
nia
Fin
landia
Fin
landia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Leto
nia
Rum
anía
Rum
anía
Chip
re
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Rep. C
heca
Fra
ncia
Fra
ncia
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Hungría
Tabla
3.1
3. F
abricació
n d
e m
ueble
s. S
olu
ció
n c
on p
eso
s
La c
olu
mna e
ncabeza
da p
or
λ=
0 r
ecoge la s
olu
ció
n m
ás
equili
bra
da, y la e
ncabeza
da p
or
λ=
1, la
más
eficie
nte
91
3.4.3. Resultados de los Modelos Econométricos
Abordamos a continuación la segunda parte de este análisis, que como se indicó en la
metodología, corresponde al desarrollo de modelos econométricos capaces de explicar
los rankings anteriormente presentados. De este modo, siguiendo los pasos arriba
apuntados, en primer lugar efectuamos un análisis de la dependencia lineal existente
entre cada pareja de variables seleccionadas como potencialmente explicativas. Para
ello, se utiliza el software STATGRAPHICS Plus.
A partir de estos resultados pareados se construye la Matriz de Correlación de Pearson,
la cual se adjunta en el Anejo 4 de esta Tesis Doctoral. En ella, se muestran coloreadas
aquellas parejas de variables para las que, en base al coeficiente de Pearson, y a los
valores correspondientes de la probabilidad (p-value), se ha demostrado la existencia de
correlación. Procedemos a continuación a desarrollar dos modelos para cada sector
industrial, relacionados con la solución más equilibrada y la solución más eficiente.
Dichos modelos se han validado realizando el análisis de parámetros y residuos al que
se hizo referencia en la metodología. Una vez realizada estas comprobaciones, estamos
en condiciones de presentar los resultados, recordando que los acrónimos se pueden
consultan en la Tabla 3, en la cual se recoge la lista de variables utilizadas en los
modelos econométricos:
En la Tabla 3.14 se recogen los dos modelos desarrollados para el sector de la madera.
En dicha tabla se muestran los valores de los coeficientes para la constante y para las
variables independientes de ambos modelos. Recuérdese que a través del valor de esos
coeficientes se recoge la influencia de cada variable sobre la variable dependiente.
También se muestran los respectivos p-values, los cuales nos informan sobre la
significatividad individual de estos elementos. Además se recogen los valores de la R2,
92
la R2 ajustada, y la F de Snedecord, estadístico que nos proporciona información acerca
de la significatividad conjunta del correspondiente modelo:
Vemos que ambas soluciones se interpretan de un modo diferente en base al grupo de
variables explicativas seleccionadas, produciéndose modificaciones no sólo sobre la
significatividad o no de una variable dada, sino también sobre la distinta influencia que
una misma variable puede tener para una solución u otra. A continuación, se presentan
las fórmulas desarrolladas de los dos modelos de la industria de la madera. En ellas hay
que tener siempre presente que la letra L que antecede a las distintas variables hace
referencia al uso de logaritmos neperianos:
Para λ=0
= 3,2201 × –0,0088 × + 0,0222 × – 0,0128 × LVDO C LGIPC LCMPC LPUBSF
Variableλ=0
Coeficiente
λ=1
Coeficiente
C 3,2201 (0,0000) 1,5732 (0,0013)
LPSFP : -0,0245 (0,0221)
LGIPC -0,0088 (0,0004) -0,0699 (0,0651)
LCMPC 0,0222 (0,0000) 0,1299 (0,0025)
LMEPA : 0,0445 (0,0896)
LPUBSF -0,0128 (0,0001) -0,0762 (0,0248)
LIDA -0,1425 (0,0007) :
Variable dependiente LVD0 LVD1
Nº observaciones 17 17
R² 0,8827 0,7608
R² ajustado 0,8436 0,6521
F 22,5762 6,9987
VD0=(1-resultado del software LINGO)*10
VD1=(1-resultado del software LINGO)*10
( ) prob. estadístico t
Tabla 3.14. Modelos econométricos para el sector de la madera (NACE 20)
93
– 0,1425 × LIDA (7)
Para λ=1
1 = 1,5732 – 0,0245 – 0,0699 + 0,1299 LVD C LPSFP LGIPC LCMPC
+ 0,0445 LMEPA – 0,0763 LPUBSF (8)
Donde:
LVD0: Logaritmo de la variable dependiente relativa a la solución más equilibrada
LVD1: Logaritmo de la variable dependiente relativa a la solución más eficiente
LGIPC: Logaritmo de las emisiones per cápita de gases de efecto invernadero
LCMPC: Logaritmo del consumo de madera o productos derivados de la madera por
año y habitante
LPUBSF: Logaritmo del porcentaje de la superficie de bosque o maderable bajo
propiedad pública
LIDA: Logaritmo del Índice de Desempeño Ambiental
LPSFP: Logaritmo del porcentaje de la superficie forestal protegida
LMEPA: Logaritmo de la madera en pie aprovechable en el bosque
Repetimos este procedimiento para la industria del papel, encontrándonos con
desemejanzas quizás no tan marcadas en la explicación de ambas soluciones. Llama la
atención que en este sector industrial, la emisión de gases de efecto invernadero, no
resulte significativa parta el nivel de sostenibilidad ni de la solución más eficiente, ni de
la más equilibrada. Seguidamente a la tabla se muestran las fórmulas de los modelos
analizados.
94
Para λ=0
0 = 2,2292 + 0,0084 – 0,0116 + 0,0118 LVD C LCMPC LPUBSF LDM (9)
Para λ=1
1 = 0,9492 + 0,0544 – 0,1333 + 0,0590 LVD C LCMPC LPUBSF LTF
+ 0,1978 LDM (10)
Donde:
LVD0: Logaritmo de la variable dependiente relativa a la solución más equilibrada
LVD1: Logaritmo de la variable dependiente relativa a la solución más eficiente
LCMPC: Logaritmo del consumo de madera o productos derivados de la madera por
año y habitante
LPUBSF: Logaritmo del porcentaje de la superficie de bosque o maderable bajo
propiedad pública
Variableλ=0
Coeficiente
λ=1
Coeficiente
C 2,2292 (0,0000) 0,9492 (0,0029)
LCMPC 0,0084 (0,0075) 0,0544 (0,0531)
LPUBSF -0,0116 (0,0003) -0,1333 (0,0001)
LTF : 0,0590 (0,0008)
LDM 0,0118 (0,0578) 0,1978 (0,0016)
Variable dependiente LVD0 LVD1
Nº observaciones 17 17
R² 0,7294 0,9278
R² ajustado 0,6670 0,9037
F 11,6809 38,5528
VD0=(1-resultado del software LINGO)*10
VD1=(1-resultado del software LINGO)*10
( ) prob. estadístico t
Tabla 3.15. Modelos econométricos para el sector del papel (NACE 21)
95
LDM: Logaritmo de la diversificación de mercados para el sector de los productos de
madera
LTF: Logaritmo del tamaño medio de la empresa del sector nacional en base a la
facturación
Por último, en la Tabla 3.16 se recogen los correspondientes resultados para la industria
del mueble. En este caso, comprobamos un mayor divergencia entre la solución más
equilibrada y la más eficiente, siendo parcialmente explicadas por variables diferentes.
Conviene resaltar que aparece una nueva variable (LEC), significativa para ambas
soluciones, que recoge la influencia del entorno comercial para la sostenibilidad del
sector del mueble. Como en los dos casos anteriores, las fórmulas de los modelos se
presentan a continuación de la tabla:
Para λ=0
Variableλ=0
Coeficiente
λ=1
Coeficiente
C 2,5281 (0,0000) 5,1344 (0,0014)
LCMPC 0,0069 (0,0147) 0,1238 (0,0039)
LPUBSF -0,0099 (-2.85) -0,0986 (0,0199)
LTF : 0,0540 (0,0056)
LTE 0,0056 (0,0182) :
LDM : 0,1247 (0,0880)
LEC -0,0704 (0,0278) -1,0404 (0,0084)
Variable dependiente LVD0 LVD1
Nº observaciones 17 17
R² 0,5515 0,6713
R² ajustado 0,4019 0,5219
F 3,6883 4,4941
VD0=(1-resultado del software LINGO)*10
VD1=(1-resultado del software LINGO)*10
( ) prob. estadístico t
Tabla 3.16. Modelos econométricos para el sector del mueble (NACE 36)
96
0 = 2,5281 + 0,0069 – 0,0099 + 0,0056 LVD C LCMPC LPUBSF LTE
– 0,0704 LEC (11)
Para λ=1
1 = 5,1344 + 0,1238 – 0,0986 + 0,0540 LVD C LCMPC LPUBSF LTF
+ 0,1247 – 1,0404 LDM LEC (12)
Donde:
LVD0: Logaritmo de la variable dependiente relativa a la solución más equilibrada
LVD1: Logaritmo de la variable dependiente relativa a la solución más eficiente
LCMPC: Logaritmo del consumo de madera o productos derivados de la madera por
año y habitante
LPUBSF: Logaritmo del porcentaje de la superficie de bosque o maderable bajo
propiedad pública
LTE: Logaritmo del tamaño medio de la empresa del sector nacional en base al número
de empleados
LDM: Logaritmo de la diversificación de mercados para el sector de los productos de
madera
LTF: Logaritmo del tamaño medio de la empresa del sector nacional en base a la
facturación
LEC: Logaritmo del entorno comercial: regulación y seguridad
Para ayudar a la interpretación de los anteriores resultados se han construido las Tablas
3.17 y 3.18, a fin de establecer una comparativa de tres elementos básicos: factores
97
explicativos, carácter de la solución para el nivel de sostenibilidad (más equilibrada o
más eficiente), y sector integrante de la industria forestal.
En concreto, la Tabla 3.17 recoge, de entre todas las variables independientes
analizadas, aquellas que han demostrado ser significativas para explicar la solución más
equilibrada obtenida a partir del método de programación por metas. De dicha tabla
cabe destacar, en primer lugar, que existen dos variables especialmente importantes para
la sostenibilidad de la industria forestal, por cuanto son significativas para los tres
sectores que la integran. La primera variable es el consumo de madera o de productos
derivados de la madera por habitante al año, cuyo coeficiente presenta signo positivo en
las ecuaciones (7), (9) y (11), siendo por tanto favorecedora de la sostenibilidad. La
segunda variable es el porcentaje de superficie de bosque o maderable (bosque o
plantaciones) bajo propiedad pública, invariablemente con signo negativo en las
ecuaciones (7), (9) y (11). Este resultado es consecuente con la mayor sensibilidad de
los gestores públicos por preservar los múltiples bienes y servicios demandados por la
sociedad que deparan los sistemas forestales, frente a la preferencia del propietario
forestal privado, industrial o no, por los mercados de la madera y la utilización de la
tierra con fines productivos (Herzele van A. y Gossum van P., 2009; Rodríguez-Vicente
y Marey-Pérez, 2009). Por otra parte, el hecho de que el Índice de Desempeño
Ambiental sea significativo para la sostenibilidad de la industria de la madera,
presentando signo negativo, tal como se aprecia en la ecuación (7), parece una clara
consecuencia del habitual conflicto entre esta actividad económica y la protección de
ecosistemas y recursos naturales. También cabe destacar que las emisiones de gases de
efecto invernadero no resultan significativas a la hora de explicar la sostenibilidad de la
industria del papel, cuestionando una opinión muy generalizada. Por contra, en la
sostenibilidad del papel destaca, con signo positivo en la ecuación (9), la diversificación
98
de mercados. Finalmente, señalar dos variables significativas para la industria del
mueble, recogidas en la ecuación (11), las cuales resaltan dos aspectos cruciales para el
sostenimiento de esa actividad económica. La primera es el tamaño medio de la
empresas, como claro factor favorecedor de la sostenibilidad, y sin embargo limitante en
muchos países, debido a las reducidas dimensiones de las empresas del sector. Y la
segunda es el entorno comercial, con normativas que no favorecen la competitividad de
los productos europeos.
En el caso de la Tabla 3.18, correspondiente a la solución más eficiente, comprobamos
que las variables relativas al consumo de madera o de productos derivados, y al
porcentaje de la superficie de bosque o maderable bajo propiedad pública, siguen siendo
significativas para los tres sectores de la industria forestal, pero ahora con mayor
importancia, a tenor del mayor valor absoluto de sus respectivos coeficientes. Los
signos presentados para la solución más equilibrada se mantienen, conservando por
tanto estas variables el sentido ya indicado, como se puede observar en las ecuaciones
(8), (10) y (12). Tal como se muestra en la ecuación (8), análogo resultado se obtiene
Madera Papel Mueble
X X X
X X X
X : :
X : :
: X :
: : X
: : X
Tamaño medio de la empresa del sector nacional en base al
número de empleados
Entorno comercial
Tabla 3.17. Resultados para la solución más equilibrada (λ=0)
Fuente : Elaboración propia
Consumo de madera o de productos derivados de la madera por
habitante al año
Variable
Porcentaje de la superficie boscosa o maderable bajo propiedad
pública
Emisiones per cápita de gases de efecto invernadero de la
industria manufacturera y la construcción nacionales
Índice de Desempeño Ambiental
Diversificación de mercados para el sector de los productos de
madera
99
para las emisiones de gases de efecto invernadero, variable únicamente significativa
para el sector de la madera, con una incidencia negativa más acusada. También
significativas para este sector son las variables forestales que recogen el porcentaje de
superficie forestal protegida, así como la madera en pie aprovechable en el bosque, con
signos negativo y positivo respectivamente. Cabe indicar que estos signos son
concordantes con su efecto sobre la disponibilidad de materia prima para la mencionada
actividad económica. Las variables correspondientes al tamaño empresarial y a la
diversificación de los mercados son ahora significativas tanto para el sector del papel
como para el del mueble, como recogen las ecuaciones (10) y (12). Por último, en la
ecuación (12) se muestra que el entorno comercial contribuye a explicar únicamente el
nivel de sostenibilidad de la industria del mueble, presentando de nuevo una mayor
importancia.
3.5. Discusión
El análisis de diferentes aspectos relativos a la industria forestal es un tema cada vez
más presente en la literatura especializada (Nyrud y Baardsen, 2003; Lähtinen et al.,
Madera Papel Mueble
X X X
X X X
X : :
X : :
X : :
: X X
: X X
: : X
Fuente : Elaboración propia
Madera en pie aprovechable en el bosque
Tamaño medio de la empresa del sector nacional en base a la
facturación
Diversificación de mercados para el sector de los productos de
madera
Entorno comercial
Tabla 3.18. Resultados para la solución más eficiente (λ=1)
Variable
Consumo de madera o de productos derivados de la madera por
habitante al año
Porcentaje de la superficie boscosa o maderable bajo propiedad
pública
Emisiones per cápita de gases de efecto invernadero de la
industria manufacturera y la construcción nacionales
Porcentaje de la superficie forestal protegida
100
2008; Voces et al., 2010). En dicho contexto, esta Tesis Doctoral pretende extender el
uso del método de programación por metas con variables binarias, desde el ámbito de la
gestión forestal (Diaz-Balteiro y Romero, 2004a,b), hasta el de la transformación
industrial de los principales productos obtenidos de los sistemas forestales.
Como se ha demostrado, el procedimiento seguido permite analizar la sostenibilidad de
la industria forestal europea, desagregada ésta en sus sectores constitutivos a nivel de
división NACE (madera, papel y mueble). Además, se ha podido comprobar la
extraordinaria versatilidad de esta metodología, pues nos permite realizar una
comparación entre distintos tipos de soluciones, que van desde la más eficiente a la más
equilibrada. En definitiva, esta formulación proporciona un buen compromiso entre dos
formas muy diferenciadas de analizar la sostenibilidad, bien sea optimizando la
eficiencia (mejor promedio), o bien la equidad (mejor balanceo) con respecto a las
metas previamente definidas (Romero, 2001). Por otra parte, si lo que se buscara no
fuese un ranking, sino un índice de sostenibilidad asociado a cada país, se podría
construir de forma sencilla, simplemente modificando levemente las ecuaciones (4), (5)
y (6) de la anterior metodología, tal y como se puede apreciar en Diaz-Balteiro y
Romero (2004a). Finalmente, cabe indicar que este procedimiento se puede generalizar
para otras actividades manufactureras, así como para niveles más desagregados, siempre
que exista una información disponible al respecto.
Por tanto, las posibles limitaciones de un estudio de esta índole no radican en una
supuesta debilidad metodológica, sino en la fiabilidad de la información disponible
(Romero, 1996, Voces et al., 2010). Esta información procede en su mayor parte de
fuentes oficiales, mientras que en la segunda fase del estudio se ha extendido a un
conjunto de fuentes más heterogéneas.
101
Los resultados obtenidos han mostrado variaciones según correspondan a un sector o a
otro de la industria forestal, y según se utilicen o no pesos preferenciales en su cálculo.
Por otra parte, de los resultados obtenidos destaca especialmente la posición de
liderazgo de Estonia respecto a la sostenibilidad de su industria de la madera tanto en
términos de eficiencia ( =1), como de igualdad ( =0). Liderazgo del que goza
nuevamente este país para la industria del mueble, en términos de eficiencia ( =1).
Aún cuando Estonia se ha incorporado recientemente a la UE27, la importancia
estratégica que tiene la industria forestal en el país, puede ser total o parcialmente la
explicación de ese resultado (Roolaht, 2007). De hecho, según un informe del año 2006
elaborado por Eurostat acerca de los países más especializados6 en las distintas
actividades económicas no financieras, Estonia aparece como segundo país más
especializado en el sector de la madera (NACE 20) y del mueble (NACE 36). También
cabe indicar que Finlandia y Suecia ocupan el primer y el segundo lugar de
especialización para la industria del papel (Eurostat, 2010).
En cuanto a los resultados de los modelos econométricos, es interesante destacar que el
porcentaje de superficie forestal certificada no resulta significativo a la hora de explicar
el nivel de sostenibilidad, ni para la solución más equilibrada, ni tampoco para la más
eficiente. En esta línea, conviene indicar que tal circunstancia no discrepa de los
resultados aparentemente contradictorios alcanzados por anteriores estudios realizados
sobre este tema. Así, algunos estudios apuntan a una menor competitividad
internacional como resultado de la implantación de estándares de certificación forestal
(Schwarzbauer y Rametsteiner, 2001; Eriksson et al., 2007), mientras que otros se
decantan por la opción contraria (Owari et al., 2006).
6 En base al porcentaje del valor añadido de las actividades económicas no financieras.
102
Por último, a fin de testar la calidad de los resultados obtenidos, se ha realizado un
análisis de sensibilidad de los mismos que nos permita determinar cómo se modifica la
solución óptima al variar el nivel de aspiración de las metas. En este caso analizaremos
cómo varían los rankings anteriormente expuestos sobre los tres sectores de la industria
forestal, modificando para ello el nivel de aspiración entre 0,6 y 1 para las soluciones
correspondientes a =0 y a =1.
Así, en la Tabla 3.19 se recogen los resultados del análisis de sensibilidad para el sector
de la madera y para la solución más equilibrada, demostrándose que de los diecisiete
países analizados en estas circunstancias, tan sólo cinco (Finlandia, Letonia, Reino
Unido, Chipre y España) presentan algún cambio de posición al modificarse el nivel de
aspiración. Además, dichos cambios de colocación no revisten singular importancia,
pues no suponen mayor cuantía que una o dos posiciones, cumpliéndose que tenemos en
puestos superiores, inferiores o intermedios los mismos grupos de países con
independencia del nivel de aspiración.
1 0,9 0,8 0,7 0,6
Estonia Estonia Estonia Estonia Estonia
Letonia Letonia Letonia Finlandia Finlandia
Finlandia Finlandia Finlandia Letonia Austria
Austria Austria Austria Austria Letonia
Suecia Suecia Suecia Suecia Suecia
Portugal Portugal Portugal Portugal Portugal
Lituania Lituania Lituania Lituania Lituania
Alemania Alemania Alemania Alemania Alemania
Chipre Chipre Chipre Reino Unido Reino Unido
Reino Unido Reino Unido Reino Unido Chipre Chipre
Rumanía Rumanía Rumanía Rumanía Rumanía
Italia Rep. Checa España España España
Rep. Checa Italia Italia Italia Rep. Checa
España España Rep. Checa Rep. Checa Italia
Francia Francia Francia Francia Francia
Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia
Hungría Hungría Hungría Hungría Hungría
Fuente: Elaboración propia.
Tabla 3.19. Industria de la madera. Análisis de sensibilidad para λ=0 y distintos niveles de aspiración
103
Repetimos la operación para el sector de la madera, pero ahora considerando la solución
más eficiente, es decir, tomando un valor para el parámetro de control igual a 1.
Comprobamos en la Tabla 3.20 que ahora son once los países que cambian sus
posiciones (Alemania, Estonia, Austria, Finlandia, Chipre, Reino Unido, Letonia,
España, Italia, Eslovaquia y República Checa). Por esta razón suponemos que la
robustez de las soluciones obtenidas desde un punto de vista más eficiente es inferior al
caso anterior.
No obstante, al igual que ocurría con la solución más equilibrada, también ahora la
magnitud de los cambios de ordenación es esencialmente de una o dos posiciones,
dándose el caso de que únicamente Estonia experimenta un movimiento mayor (cuatro
posiciones).
A continuación, se muestran los resultados de un análisis de sensibilidad similar al
anterior, realizado, en este caso, para el sector del papel. Así, en la Tabla 3.21 se
1 0,9 0,8 0,7 0,6
Alemania Alemania Alemania Estonia Estonia
Suecia Suecia Suecia Suecia Suecia
Austria Austria Estonia Alemania Alemania
Finlandia Finlandia Austria Austria Austria
Estonia Estonia Finlandia Finlandia Finlandia
Letonia Letonia Chipre Chipre Chipre
Chipre Chipre Letonia Letonia Reino Unido
Reino Unido Reino Unido Reino Unido Reino Unido Letonia
Francia Francia Francia Francia Francia
Portugal Portugal Portugal Portugal Portugal
Italia Italia Italia Italia España
España España España España Italia
Lituania Lituania Lituania Lituania Lituania
Rumanía Rumanía Rumanía Rumanía Rumanía
Rep. Checa Rep. Checa Rep. Checa Eslovaquia Eslovaquia
Eslovaquia Eslovaquia Eslovaquia Rep. Checa Rep. Checa
Hungría Hungría Hungría Hungría Hungría
Fuente: Elaboración propia
Tabla 3.20. Industria de la madera. Análisis de sensibilidad para λ=1 y distintos niveles de aspiración
104
recogen los efectos sobre el ranking de países, al modificar el nivel de aspiración para
valores entre 0,6 y 1. Cabe destacar, en primer lugar, la robustez de estos resultados,
pues de los diecisiete países estudiados, únicamente Reino Unido y Estonia
intercambian sus posiciones. El resto de países permanecen fijos con independencia del
nivel de aspiración seleccionado.
En la Tabla 3.22 repetimos los cálculos para el sector del papel, eligiendo ahora un
valor del parámetro de control igual a uno. De nuevo, modificamos el nivel de
aspiración entre 0,6 y 1, y analizamos a continuación los cambios producidos en el
ranking. En primer lugar, cabe indicar que las modificaciones observadas se acentúan
con respecto a la solución más equilibrada, en especial en las posiciones medias y bajas.
De hecho, se observan variaciones en la posición de nueve países, de los cuales tres
modifican su ubicación en dos unidades (República Checa, Chipre y Eslovaquia),
mientras que tan sólo un país (Hungría) alcanza las tres. Por el contrario, las seis
1 0,9 0,8 0,7 0,6
Suecia Suecia Suecia Suecia Suecia
Finlandia Finlandia Finlandia Finlandia Finlandia
Austria Austria Austria Austria Austria
Portugal Portugal Portugal Portugal Portugal
Eslovaquia Eslovaquia Eslovaquia Eslovaquia Eslovaquia
Alemania Alemania Alemania Alemania Alemania
España España España España España
Francia Francia Francia Francia Francia
Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa
Italia Italia Italia Italia Italia
Reino Unido Estonia Estonia Estonia Estonia
Estonia Reino Unido Reino Unido Reino Unido Reino Unido
Hungría Hungría Hungría Hungría Hungría
Chipre Chipre Chipre Chipre Chipre
Rumanía Rumanía Rumanía Rumanía Rumanía
Letonia Letonia Letonia Letonia Letonia
Lituania Lituania Lituania Lituania Lituania
Fuente : Elaboración propia
Tabla 3.21. Industria del papel. Análisis de sensibilidad para λ=0 y distintos niveles de aspiración
105
primeras posiciones (Finlandia, Suecia, Austria, Alemania, Portugal y Francia) no
experimentan ningún cambio. Finalmente, Letonia permanece fija en la última posición
de los diferentes rankings con independencia del valor que tome el nivel de aspiración.
Acabamos estos análisis aplicándolos al sector del mueble y otras manufacturas. En la
Tabla 3.23 observamos un comportamiento equiparable a los menos robustos
encontrados en los anteriores sectores.
Tenemos que seis países permanecen fijos en su posición con independencia del valor
que tome el nivel de aspiración. Por otra parte, los once países restantes que si cambian
su posición, lo hacen básicamente en una o dos unidades. No obstante, es preciso
destacar los casos de España, que modifica tres espacios, y, sobre todo, la República
Checa, que lo hace en cinco posiciones
1 0,9 0,8 0,7 0,6
Finlandia Finlandia Finlandia Finlandia Finlandia
Suecia Suecia Suecia Suecia Suecia
Austria Austria Austria Austria Austria
Alemania Alemania Alemania Alemania Alemania
Portugal Portugal Portugal Portugal Portugal
Francia Francia Francia Francia Francia
Eslovaquia Reino Unido Reino Unido Reino Unido Reino Unido
Reino Unido Eslovaquia España España España
España España Eslovaquia Eslovaquia Eslovaquia
Italia Italia Italia Italia Italia
Chipre Chipre Estonia Estonia Estonia
Estonia Estonia Chipre Chipre Rep. Checa
Hungría Rep. Checa Rep. Checa Rep. Checa Chipre
Rep. Checa Hungría Lituania Lituania Lituania
Lituania Lituania Rumanía Rumanía Rumanía
Rumanía Rumanía Hungría Hungría Hungría
Letonia Letonia Letonia Letonia Letonia
Fuente : Elaboración propia
Tabla 3.22. Industria del papel. Análisis de sensibilidad para λ=1 y distintos niveles de aspiración
106
Finalmente, para la Tabla 3.24, en primer lugar hay que destacar que los cambios tienen
lugar prácticamente en toda la tabla, y que únicamente las dos últimas filas, ocupadas
por Hungría y la República Checa, permanecen inalterables con independencia de la
variación en el nivel de aspiración. La primera posición es ocupada alternativamente por
Estonia y Alemania.
Como resumen final de los análisis de sensibilidad realizados podemos indicar que para
los tres sectores de la industria forestal se observa mayor robustez en las soluciones más
equilibradas que en las más eficientes. Además, el sector industrial que presenta mayor
robustez es el del papel, circunstancia que se puede aplicar a sus soluciones más
eficientes, pero de modo especial a las más equilibradas. En el caso del sector de la
madera se repite la circunstancia apuntada arriba de mayor robustez de las soluciones
más equilibradas, no obstante, tanto en este caso como para las soluciones más
eficientes, debemos destacar que las alteraciones en los rankings son muy reducidas.
1 0,9 0,8 0,7 0,6
Italia Austria Austria Austria Austria
Austria Italia Italia Italia Estonia
Estonia Estonia Estonia Estonia Italia
Suecia Portugal Portugal Suecia Suecia
Portugal Suecia Suecia Portugal Portugal
Lituania Lituania Eslovaquia Eslovaquia Rep. Checa
Alemania Eslovaquia Lituania Lituania Eslovaquia
Eslovaquia Alemania Alemania España Lituania
Rep. Checa Rep Checa Rep. Checa Alemania España
Letonia Letonia Letonia Rep. Checa Letonia
Reino Unido Reino Unido España Letonia Alemania
España España Reino Unido Reino Unido Reino Unido
Finlandia Finlandia Finlandia Rumanía Rumanía
Rumanía Rumanía Rumanía Finlandia Chipre
Francia Francia Chipre Chipre Finlandia
Chipre Chipre Francia Francia Francia
Hungría Hungría Hungría Hungría Hungría
Fuente : Elaboración propia
Tabla 3.23. Industria del mueble. Análisis de sensibillidad para λ=0 y distintos niveles de aspiración
107
Finalmente, el sector que ofrece unos resultados menos robustos es el del mueble,
probablemente debido a la heterogeneidad de las actividades económicas que engloba la
división NACE 36.
1 0,9 0,8 0,7 0,6
Alemania Alemania Estonia Estonia Estonia
Estonia Estonia Alemania Reino Unido Reino Unido
Reino Unido Reino Unido Reino Unido Alemania Austria
Austria Austria Austria Austria Alemania
Suecia Italia Italia Italia Lituania
Italia Suecia Suecia Lituania Italia
Finlandia Lituania Lituania Suecia Suecia
Francia Finlandia Finlandia España España
Lituania Francia Chipre Finlandia Chipre
España España Francia Chipre Finlandia
Chipre Chipre España Francia Francia
Eslovaquia Eslovaquia Rumanía Rumanía Rumanía
Rumanía Rumanía Eslovaquia Eslovaquia Portugal
Letonia Portugal Portugal Portugal Eslovaquia
Portugal Letonia Letonia Letonia Letonia
Rep. Checa Rep. Checa Rep. Checa Rep. Checa Rep. Checa
Hungría Hungría Hungría Hungría Hungría
Fuente : Elaboración propia
Tabla 3.24. Industria del mueble. Análisis de sensibilidad para λ=1 y distintos niveles de aspiración
108
4. CONCLUSIONES
Esta Tesis Doctoral se ha centrado en el estudio de dos aspectos esenciales para el
presente, pero también para el futuro, de la industria forestal: la innovación y la
sostenibilidad de la misma.
Respecto a la innovación tecnológica de la industria forestal, su análisis pudo llevarse a
cabo gracias al uso de un grupo de indicadores de amplia aceptación en este tipo de
estudios, como se comprobó en la literatura consultada. Para la elaboración de dichos
indicadores, se utilizaron todas las fuentes disponibles a nivel no sólo nacional sino
también europeo, así como datos primarios procedentes de una encuesta, congregando
de este modo, una elevada heterogeneidad en las fuentes (encuestas, censos, estudios de
panel) y en los datos, Este inconveniente de partida es abordable, no obstante, gracias a
la estandarización que proporciona el Manual Oslo en su tercera edición.
En cuanto a los resultados del análisis, sin duda, la característica más reseñable es la
debilidad y el atraso que presentan las actividades de innovación tecnológica en la
industria forestal española respecto de la industria manufacturera total. Debilidad que se
pone especialmente de manifiesto al comprobar la existencia de una apreciable brecha,
sostenida a lo largo del tiempo, entre las actividades de I+D de la industria forestal y del
conjunto del sector manufacturero. Es preciso indicar, no obstante, que las serias
limitaciones observadas no constituyen una especial singularidad dentro del conjunto de
los sectores tradicionales de la industria española y europea.
Dado que estos sectores mantienen una notable importancia en las avanzadas economías
europeas, no es posible descartar la existencia de actividades de innovación en ellos.
Eso nos lleva a pensar que las estadísticas de innovación tecnológica, desarrolladas a
partir de estadísticas de I+D, pueden resultar engañosas en el caso de pequeñas
109
empresas de bajo nivel tecnológico, como son mayoritariamente las de la industria
forestal, las cuales a menudo no recurren a una I+D formal y sí a muchos mecanismos
diferentes de elaboración, adaptación o imitación de conocimientos y habilidades.
También se analizó la manera en que la estructura productiva de las empresas de la
industria forestal condiciona la innovación que éstas realizan. En líneas generales se
puede indicar que no se logró demostrar la existencia de vínculos entre eficiencia
empresarial y desarrollo de actividades innovadoras; mientras que sí se probaron
relaciones positivas con la existencia de sistemas de gestión ambiental y de calidad.
En la segunda parte de esta Tesis Doctoral se ha demostrado que es posible extender la
utilización del método de programación por metas con variables binarias desde el
ámbito de la gestión forestal, al de la transformación industrial de los productos
derivados del recurso por excelencia asociado a los sistemas forestales: la madera. Los
resultados obtenidos indican que este procedimiento se puede extender también a otros
sectores productivos, así como a otros niveles de desagregación. Esta posibilidad, sin
embargo, se encuentra seriamente condicionada por la existencia de información fiable.
Además, se ha podido comprobar la versatilidad de esa metodología, pues nos
proporciona, en función de la forma de analizar la sostenibilidad, una solución más
eficiente y otra más equilibrada, así como las soluciones de compromiso existentes entre
ellas. Por otra parte, se ha considerado, de acuerdo con la bibliografía consultada, que la
mejor forma de caracterizar la sostenibilidad es en términos relativos, razón por la que
se han construido rankings de los distintos sectores analizados en base a su nivel de
sostenibilidad.
Los resultados muestran unos rankings europeos de sectores nacionales generalmente
distintos en función de los pesos otorgados a cada indicador para los sectores de la
madera y del mueble. Es decir, para esas actividades industriales la solución difiere
110
claramente si se otorga el mismo peso a cada indicador que si se pondera cada indicador
con los pesos obtenidos a través de las opiniones de un conjunto de expertos. Por el
contrario, en el sector del papel se ha observado una mayor estabilidad en los resultados
con independencia de la asignación de pesos.
Por último, se han desarrollado modelos econométricos con el fin de identificar los
factores que determinan los diferentes niveles de sostenibilidad recogidos en los
rankings. De los resultados obtenidos, cabe destacar que los factores de mayor
importancia para explicar la sostenibilidad en los tres sectores que componen la
industria forestal son el consumo de madera y productos derivados, así como el
porcentaje de bosque o superficie maderable bajo propiedad pública. También que la
importancia de los diferentes factores analizados depende del tipo de solución
considerado, bien sea ésta la más eficiente o la más equilibrada. Otros factores a
considerar para explicar la solución más eficiente de los sectores del papel y del mueble,
son el tamaño medio de la empresa en base a la facturación, y la diversificación de
mercados. Por último, resulta interesante que el porcentaje de superficie forestal
certificada no haya resultado significativo para la sostenibilidad ni desde un punto de
vista más eficiente ni más equilibrado.
111
BIBLIOGRAFÍA
ALFAYA V. y BLASCO J.L., 2002. La sostenibilidad y la empresa. VI Congreso Nacional
del Medio Ambiente. Madrid, 25-29 de noviembre de 2002.
ALFRANCA O., DIAZ-BALTEIRO L. y HERRUZO A.C., 2009. Technical innovation in
Spain’s wood-based industry: the role of environmental and quality strategies. Forest
Policy and Economics 11: 161-168.
AMADEUS, 2009. Disponible en: https://amadeus.bvdep.com/
ANDRÉ F.J. y ROMERO C., 2008. Computing compromise solutions: On the connections
between compromise programming and composite programming. Applied Mathematics
and Computation 195: 1-10.
ARBUSSÀ A., BIKFALVI A. y VALLS J., 2004. La I+D en las pymes: Intensidad y
estrategia. Universia Business Review 1: 40-49.
ARENAS M., PÉREZ B., RODRÍGUEZ M.V. Y BILBAO A., 2002. Aplicación de la
programación compromiso a la gestión de las listas de espera quirúrgicas de un hospital
público. Estudios de Economía Aplicada, Vol. 20(2), pp. 317-330.
ASHEIM, G.B., BUCHHOLZ W. y TUNGODDEN, B., 2001. Justifying Sustainability. Journal
of Environmental Economics and Management 41: 252-268.
AULÍ E., 2002. Integración de los factores ambientales en las estrategias empresariales.
Boletín Económico del ICE 800, pp. 139-148.
BARBA-ROMERO S., 1987. Panorámica actual de la decisión multicriterio discreta.
Investigaciones Económicas (Segunda época), Vol. 9(2), pp. 279-308.
112
BEY C., 2001. Quo Vadis Industrial Ecology? Realigning the Discipline with its Roots.
Greener Management International 34: 35-42.
BHATTACHARYA M. y BLOCH H., 2004. Determinants of Innovation. Small Business
Economics 22: 155-162.
BUESA M., 2003. Ciencia y Tecnología en la España Democrática: La formación de un
sistema nacional de innovación. Revista de Información Comercial Española 811: 235-
272.
BULLARD S.H. y STRAKA T.J., 1986. Role of company sales in funding research and
development by major U.S. paper companies. Forest Science 32(4): 936-943.
CABALLERO R., 2001. La toma de decisiones multicriterio en los albores del siglo XXI.
En GARCÍA-TUÑÓN A.M. (Coord.): Economía y Derecho ante el siglo XXI. Editorial
Lex Nova, Valladolid, pp. 35-53.
CALKER K.J. VAN, BERENTSEN P.B.M., ROMERO C., GIESEN G.W.J. y HUIRNE R.B.M.,
2006. Development and application of a multi-attribute sustainability function for Dutch
dairy farming systems. Ecological Economics 57: 640-658.
CALLENS I. y TYTECA D., 1999. Towards indicators of sustainable development for
firms. A productive efficiency perspective. Ecological Economics 29: 41-53.
COHEN B. y WINN M., 2007. Market imperfections, opportunity and sustainable
entrepreneurship. Journal of Business Venturing 22: 29-49.
CRESPELL P. y HANSEN E., 2008a. Work climate, innovativeness, and firm performance
in the US forest sector: in search of a conceptual framework. Canadian Journal of
Forest Research 38: 1703-1715.
113
CRESPELL P. y HANSEN E., 2008b. Managing for innovation: Insights into a successful
company. Forest Products Journal 58(9): 6-17.
CRESPELL P., KNOWLES C. y HANSEN, E., 2006. Innovativeness in North America
softwood sawmilling Industry. Forest Science 52(5): 568-578.
DIAZ BALTEIRO L., HERRUZO A.C., MARTÍNEZ M. y GONZÁLEZ-PACHÓN J., 2006. An
analysis of productive efficiency and innovation activity using DEA: An application to
Spain’s wood-based industry. Forest Policy and Economics 8: 762-773.
DIAZ-BALTEIRO L. y ROMERO C., 2004a. In search of a natural systems sustainability
index. Ecological Economics, 49: 401-405.
DIAZ-BALTEIRO L. y ROMERO C., 2004b. Sustainability of forest management plans. A
discrete goal programming approach. Journal of Environmental Management 71: 351-
359.
DÍAZ BALTEIRO, L. y ROMERO, C., 2008. Producción de madera y sostenibilidad. En
DÍAZ BALTEIRO L. (Dir.): Caracterización de la Industria Forestal en España: Aspectos
Económicos y Ambientales. Monografías Fundación BBVA. Fundación BBVA,
Madrid, pp. 285-304.
DIRECCIÓN GENERAL DE ADUANAS, 2008. Disponible en:
http://aduanas.camaras.org/
DORMANN J. y HOLLIDAY C., 2002. Innovation, Technology, Sustainability & Society.
World Business Council for Sustainable Development, Geneva, Switzerland, 38 pp.
ECHEVERRÍA J., 2008. El Manual de Oslo y la innovación social. ARBOR. Ciencia,
Pensamiento y Cultura 184(732): 609-618.
114
EEA. European Environment Agency, 2005. The European environment‒State and
outlook 2005, Copenhagen, Denmark, 92 pp. Disponible en:
http://www.eea.europa.eu/publications/eea_report_2005_4
ERIKSSON O.L., SALLNÄS O. y STÅHL. G., 2007. Forest certification and Swedish wood
supply. Forest Policy and Economics 9: 452-463.
EUROPEAN COMMISSION, 2003. Third European Report on Science & Technology
Indicators. Brussels. Belgium.
EUROSTAT, 2010. European Statistics. Disponible en:
http://epp.eurostat.ec.europa.eu/portal/page/portal/eurostat/home/
FERNÁNDEZ F.R., CABALLERO R. y ROMERO C. (Coord.), 2004. La aventura de decidir:
una aproximación científica mediante casos reales. Introducción. Universidad de
Málaga (Red Temática de Decisiones Multicriterio), Málaga, pp. 12-25.
FIKSEL J., 2006. Sustainability and resilience: toward a systems approach.
Sustainability: Science, Practice & Policy Vol. 2 (2). Disponible en:
http://ejournal.nbii.org
FLOR M.L. y OLTRA M.J., 2004. Identification of innovating firms through
technological innovation indicators: an application to the Spanish ceramic tile industry.
Research Policy 33: 323-336.
FONFRÍA A., 2004. La innovación tecnológica en los sectores tradicionales españoles.
Economía Industrial 355-356: 37-46.
115
FORAY D. y GRÜBLER A., 1996. Technology and the Environment: An Overview.
Technological Forecasting and Social Change 53: 3-13.
FORMAN E. y PENIWATI K., 1998. Aggregating individual judgments and prorities with
the Analytic Hierarchy Process. European Journal of Operation Research 108: 165-
169.
FROSCH R.A. y GALLOPOULOS N.E., 1989. Strategies for Manufacturing. Scientific
American 261(3): 144-152.
FTP. FOREST-BASED SECTOR TECHNOLOGY PLATFORM, 2005. Vision 2030. Innovative
and sustainable use of forest resources, Brussels, Belgium, 20 pp.
FUNDACIÓN COTEC, 1998. Libro Blanco. El Sistema Español de Innovación.
Diagnósticos y recomendaciones, Madrid.
FUNDACIÓN COTEC, 2001. Indicadores de Innovación: Situación en España, Madrid.
FUNDACIÓN COTEC, 2004. Libro Blanco. El Sistema Español de Innovación: Situación
en 2004, Madrid.
FUNDACIÓN COTEC, 2007. Libro Blanco. Las relaciones en el sistema español de
innovación, Madrid.
FUNDACIÓN ENTORNO, IESE y PRICEWATERHOUSECOOPERS, 2002. Código de gobierno
para la empresa sostenible, Madrid.
FUNDACIÓN SEPI, 2008. ESEE, Encuesta Sobre Estrategias Empresariales (1998-2006),
Madrid.
116
GAL T. y HANNE T., 1999. Consequences of dropping nonessential objectives for the
application of MCDM methods. European Journal of Operational Research 119: 373-
378.
GASS S. I., 1986. A Process for Determining Priorities and Weights for Large-Scale
Linear Goal Programmes. The Journal of the Operational Research Society 8: 779-785.
GIMÉNEZ G., CASADESÚS M., DE CASTRO R. y ARBUSSÀ A., 2001. La adopción de
SGMA por parte de la industria. El caso de Cataluña. XI Congreso Nacional de
ACEDE. Zaragoza, 16-18 de septiembre de 2001.
GODIN B., 2001. The emergence of Science and Tecgnology Indicators: Why did
Governments supplement statistics with indicators? Project on the History and
Sociology of S&T Statistics. Paper 8.
GONZÁLEZ-PACHÓN J. y ROMERO C., 2004. A method for dealing with inconsistencies in
pairwise comparisons. European Journal of Operational Research 158: 351-361.
GRAY R. y BEBBINGTON J., 2007. Corporate sustainability: accountability or impossible
dream? En ATKINSON G., DIETZ S. y NEUMAYER E. (Eds.): Handbook of Sustainable
Development. Edward Elgar, Cheltenham, UK, pp. 376-391.
GRILICHES Z., 1980. R&D and the Productivity Slowdown. American Economic Review
70(2): 343-348.
GRILICHES Z., 1992. The Search for R&D Spillovers. Scandinavian Journal of
Economics 94: S29-S47.
GRUPP H., 1998. Foundations of the Economics of Innovation. Edward Elgar
Publishing, Inc. Northampton, Massachusetts, EEUU.
117
GRUPP H. y MOGEE M. E., 2004. Indicators for national science and technology policy:
how robust are composite indicators? Research Policy 33: 1373-1384.
GUJARATI D.N., 2003. Basic Econometrics, 4ª Edición, Mc Graw-Hill Companies. 1002
pp.
HAGE J. T., 1999. Organizational Innovation and organizational change. Annual Review
of Sociology, Vol. 25, pp. 597-622.
HAILS C., LOH J. y GOLDFINGER S., 2006. Living Planet Report 2006. Disponible en:
http://assets.panda.org/downloads/living_planet_report.pdf
HAMMETT A.L. y YOUNGS R.L., 2002. Innovative Forest products and processes:
Meeting growing demand. J. Forest. 100(4): 6-11.
HAN X., WEN Y. y KANT S., 2009. The global competitiveness of the Chinese wooden
furniture industry. Forest Policy and Economics 11: 561-569.
HANSEN E., 2006. The state of innovation and new product development in the North
American lumber and panel industry. Wood and Fiber Science 38: 326-333.
HART S., ARNOLD M. y DAY R., 2000. The business of sustainable forestry: Meshing
operations with strategic purpose. Interfaces 30: 234-254.
HEIDENREICH M., 2009. Innovation patterns and location of European low- and medium-
technology industries. Research Policy 38: 483-494.
HENRY J.F. y JOURNEAULT M., 2008. Environment performance indicators: An empirical
study of Canadian manufacturing firms. Journal of Environmental Management 87:
165-176.
118
HERNANSANZ C. y RUBIO A., 2005. El sector del mueble en España: perspectivas de
demanda y oferta. Situación Consumo (segundo semestre 2005), Servicio de Estudios
Económicos BBVA, Madrid, España, pp. 22-28. Disponible en:
http://serviciodeestudios.bbva.com
HERRUZO A.C., MARTÍNEZ M. y RIVAS R., 2004. Flujos tecnológicos intersectoriales en
el sector forestal. Cuadernos de la Sociedad Española de Ciencias Forestales 18, pp.
109-114.
HERZELE VAN A. y GOSSUM VAN P., 2009. Owner-specific factors associated with
conversion activity in secondary pine plantations. Forest Policy and Economics 11:
230-236.
HIGMAN, S., MAYERS, J., BASS, S., JUDD, N. y NUSSBAUM, R., 2005. The
SustainableForestry Handbook 2nd Ed., Earthscan, London.
HIRSCH-KREINSEN H., 2008. “Low-Technology”. A forgotten sector in innovation
policy. Journal of Technology, Management & Innovation. Vol. 3-3, pp. 11-20.
HIRSCH-KREINSEN H., JACOBSON D., LAESTADIUS S. y SMITH K., 2005. Low and
Medium Technology Industries in the Knowledge Economy: The Analytical Issues. En
HIRSCH-KREINSEN H., JACOBSON D. Y LAESTADIUS S. (Eds.): Low-tech Innovation in
the Knowledge Economy. Peter Lang GmbH, Frankfurt am Main, pp. 11-30.
HOFF K., FISHER N., MILLER S. y WEBB A., 1997. Sources of competitiveness for
secondary wood products firms: A review of literature and research issues. Forest
Products Journal 47 (2): 31-37.
119
HOLLANDERS H. y ARUNDEL A., 2006. Global Innovation Scoreboard (GIS) Report.
MERIT (Maastricht Economic and social Research and training centre on Innovation
and Technology). Maastricht, Holanda.
HOVGRAARD A. y HANSEN E., 2004. Innovativeness in the forest products industry.
Forest Products Journal 54: 26-33.
HUERGO E. y JAUMANDREU J., 2002. How does probability of innovation change with
firm age? Small Business Economics 22: 193-207.
IGNIZIO J.P., 1978. A review of Goal Programming: A tool for multiobjective analysis.
The Journal of the Operational Research Society, Vol. 29(11): 1109-1119.
IGNIZIO J.P. y ROMERO C., 2003. Goal Programming. En BIDGOLI H. (Ed.):
Encyclopedia of Information Systems, Vol. 2. Academic Press, San Diego, CA, pp.
489–500.
INE, 2008. Instituto Nacional de Estadística. Disponible en:
http://www.ine.es/inebase/index.html
IZ P.H., 1991. Group Decision Support and Multiple Criteria Optimization. Information
& Quantitative Sciences Department. University of Baltimore. Baltimore, Maryland,
21201-5779.
JAFFE A.B. y TRAJTENBERG M., 2002. Patents, Citations, and Innovations. The MIT
Press. Massachusetts Institute of Technology. Cambridge, Massachusetts, USA.
JOHNSON A. y WALCK D., 2004. Certified Success: Integrating Sustainability into
Corporate Management Systems. Journal of Forestry 102: 32-39.
120
JONES C. y WILLIAMS J., 1998. Measuring the social return to R&D. Quarterly Journal
of Economics 113: 119-135.
KEIJZERS G., 2002. The transition to the sustainable enterprise. Journal of Cleaner
Production 10: 349-359.
KNOWLES C., HANSEN E. y SHOOK S.R., 2008. Assessing the innovativeness in the North
American softwood sawmilling industry using three methods. Canadian Journal of
Forest Research 38: 363-375.
KRAJNC D. y GLAVIČ P., 2005. How to compare companies on relevant dimensions of
sustainability. Ecological Economics 55: 551-563.
KUBECZKO K. y RAMETSTEINER E., 2002. Innovation and entrepreneurship a new topic
for forest related research. EFI-Innforce-Discussion paper I. IFSPE-Discussion paper.
Institute for Forest Sector Policy and Economics, University of Agricultural Sciences,
Vienna, 29 pp.
LAMBERTON G., 2005. Sustainability accounting ‒ a brief history and conceptual
framework. Accounting Forum 29: 7-26.
LANGFORD R., 2008. Environmental performance indicators-key features of some recent
proposals. En SCHALTEGGER S., BENNETT M., BURRITT R.L. y JASCH C. (Eds.):
Environmental management accounting for cleaner production, Springer, Dordrecht,
The Netherlands, pp. 339-352.
LÄHTINEN K., HAARA A., LESKINEN P. y TOPPINEN A., 2008. Assessing the relative
importance of tangible and intangible resources: Empirical results from the forest
industry. Forest Science 54(6): 617-616.
121
LINDO SYSTEMS, 2007. LINGO v. 10.0 Chicago.
MAIRESSE J. y MOHNEN P., 2002. Accounting for innovation and measuring
innovativeness: An illustrative framework and an application. American Economic
Review 92: 226-230.
MANSFIELD E., 1980. Basic Research and productivity increase in manufacturing,
American Economic Review 70: 863-873.
MARTÍN G., LABEAGA J.M. y MOCHÓN F., 1997. Introducción a la Econometría. Pearson
Educación, Madrid. 322 pp.
MARTINEZ NÚÑEZ M., 2006. Aplicación de métodos no paramétricos para el análisis de
la eficiencia en la industria forestal española. Tesis Doctoral, Universidad Politécnica de
Madrid.
MARTÍNEZ NÚÑEZ M. y DÍAZ BALTEIRO L., 2007. La industria forestal en España.
Aspectos productivos, organizativos y medioambientales. Investigación Agraria:
Sistemas y Recursos Forestales 16(2): 182-196.
MAXWELL D. y VORST VAN DER R., 2003. Developing sustainable products and
services. Journal of Cleaner Production 11: 883-895.
MENDOZA G.A. y PRABHU. R., 2000a. Development of a methodology for selecting
criteria and indicators of sustainable forest management: A case study on participatory
assessment. Journal of Environmental Management 26: 659-673.
MENDOZA G.A. y PRABHU. R., 2000b. Multiple criteria decision making approaches to
assessing forest sustainability using criteria and indicators: a case study. Forest Ecology
and Management 131:107-126.
122
MIKKILÄ M. y TOPPINEN A., 2008. Corporate responsibility reporting 628 by large pulp
and paper companies. Forest Policy Econ. 10: 500-506.
MORENO-JIMÉNEZ J.M., AGUARÓN J., CANO F. y ESCOBAR M.T., 1998. Validez, robustez
y estabilidad en decisión multicriterio. Análisis de sensibilidad en el Proceso Analítico
Jerárquico. Revista de la Real Academia de Ciencias Exactas, Físicas y Naturales
(España), Vol. 92(4), pp. 387-397.
MUNIER N., 2005. Introduction to Sustainability. Road to a Better Future, Springer,
Dordrecht.
MUNN I.A., HODGES D.G. y TRUITT T., 1998. Determinants of research and development
expenditures in the forest product industry. Forest and Wildlife Research Centre,
Mississippi State University, USA, pp. 83-87.
NARDO M., SAISANA M., SALTELLI A., y TARANTOLA S., 2005. Handbook on constructing
composite indicators: methodology and user guide. OECD Statistics Working Paper.
Paris, France, 108 pp.
NIDUMOLU R., PRAHALAD C.K. y RANGASWAMI M.R., 2009. Why Sustainability is now
the Key Driver of innovation? Harvard Business Review Vol. 87(9), pp. 56-64.
NYRUD A.Q. y BAARDSEN S., 2003. Production efficiency and productivity growth in
Norwegian sawmilling. Forest Science 49: 89–97.
OCDE, 2002. Propuesta de Norma Práctica para Encuestas de Investigación y
Desarrollo Experimental. París, Francia. Edición española: Fundación Española de
Ciencia y Tecnología (FECYT). Madrid, España.
123
OECD, 1997. OECD Proposed Guidelines for Collecting and Interpreting
Technological Innovation Data, Oslo Manual 2nd
ed. Paris, France. 92 pp.
OECD, 2005. Guidelines for Collecting and Interpreting Innovation Data, Oslo Manual
3rd
ed.. 162 pp.
OECD, 2007. OECD Science, Technology and Industry Scoreboard 2007. Annex 1.
Classification of Manufacturing industries based on Technology. Paris, France. 228 pp.
OJALA J., LAMBERG J.-A., AHOLA A. y MELANDER A., 2006. The ephemera of success:
strategy, structure and performance in the forestry industries. En LAMBERG J.-A., NÄSI
J., OJALA J. y SAJASALO P. (Eds.): The evolution of competitive strategies in global
forestry industries. Springer, Dordrecht, The Netherlands, pp. 257-286.
OLSTHOORN X., TYTECA D., WEHRMEYER W. y WAGNER M., 2001. Environmental
indicators for business: a review of the literature and standardization methods. Journal
of Cleaner Production 9: 453-463.
ORGILÉS C. y SALAS F., 2001. Estudios de prospectiva sobre los sectores tradicionales.
Megatendencias tecnológicas. Economía Industrial 342: 65-72.
O´ROURKE D., CONNELLY LL. y KOSHLAND C., 1996. Industrial ecology: a critical
review. International Journal of Environment and Pollution, Vol. 6(2-3), pp. 89-112.
OWARI T., JUSLIN H., RUMMUKAINEN A. y Yoshimura T., 2006. Strategies, Functions
and benefits of forest certification in wood products marketing: Perspectives of Finnish
suppliers. Forest Policy and Economics 9: 380-391.
124
PAECH N., 2007. Directional certainty in sustainability-oriented innovation
management. En: LEHMANN-WAFFENSCHMIDT M. (Ed.): Innovations towards
sustainability. Conditions and consequences. Physica-Verlag, Heidelberg, pp. 121-139.
PARRIS T.M. y KATES R.W., 2003. Characterizing and measuring sustainable
development. Annual Review of Environment and Resources, Vol. 28, pp. 559-586.
PÄTÄRI S., PUUMALAINEN K., JANTUNEN A. y SANDSTRÖM J., 2010. The interface of the
energy and forest sectors-Potential players in the bioenergy business. International
Journal of Production Economics (En prensa).
PAVITT K., 1984. Sectoral patterns of technical change: Towards a taxonomy and a
theory. Research Policy 13 (6): 343-373.
PINTER L., HARDI P. y BARTELMUS P., 2005. Sustainable Development Indicators.
Proposals for a way forward. United Nations Division for Sustainable Development
(UNDSD). New York.
RAMETSTEINER E. y WEISS G., 2006. Innovation and innovation policy in forestry:
Linking innovation process with systems models. Forest Policy and Economics 8(7):
691-703.
RENNINGS K., 2000. Redefining innovation ‒ eco-innovation research and the
contribution from ecological economics. Ecological Economics 32: 319-332.
RODRÍGUEZ-VICENTE V. y MAREY-PÉREZ M.F., 2009. Land-use and land-base patterns in
non-industrial private forests: Factors affecting forest management in Northern Spain.
Forest Policy and Economics 11: 475-490.
125
ROMERO C., 1981. El enfoque multiobjetivo en los modelos matemáticos de
planificación de cultivos. Revista de Economía Política 89: 179-204.
ROMERO C., 1993. Teoría de la decisión multicriterio: Conceptos, técnicas y
aplicaciones. Alianza Editorial, Madrid, 195 pp.
ROMERO C., 1996. Análisis de las decisiones multicriterio. Isdefe. Publicaciones de
Ingeniería de Sistemas 14, Madrid, 113 pp.
ROMERO C., 2001. Extended lexicographic goal programming: A unifying approach.
Omega-International Journal of Management Science 29: 63-71.
ROMERO C., 2004. A general structure of achievement function for a goal programming
model. European Journal of Operational Research 153: 675-686.
ROMERO C. y REHMAN T., 1986. La programación multiobjetivo y la planificación
agraria: algunas consideraciones teóricas. Agricultura y Sociedad 40: 9-35.
ROOLAHT T., 2007. The interconnections of regional and domestic cluster development
processes. Journal of East-West Business 13: 167-189.
SAATY T., 1980. The Analytic Hierarchy Process: Planning, Priority Setting, and
Resource Allocation. McGraw-Hill, New York.
SAATY T., 1990. How to make a decision: The Analytic Hierarchy Process. European
Journal Operational Research 48: 9-26.
SANCHO R., 2002. Indicadores de los Sistemas de Ciencia, Tecnología e Innovación.
Economía Industrial 343: 97-109.
126
SANDVEN T., SMITH K. y KALOUDIS A., 2005. Structural change, growth and innovation:
the roles of medium and low tech industries, 1980-2000. En HIRSCH-KREINSEN H.,
JACOBSON D. y LAESTADIUS S. (Eds.): Low-tech Innovation in the Knowledge
Economy. Peter Lang GmbH, Frankfurt am Main, pp. 31-59.
SANTAMARÍA LL, NIETO M.J. y BARGE-GIL A., 2009. Beyond formal R&D: Taking
advantage of other sources of innovation in low-and medium-technology industries.
Research Policy 38: 507-517.
SARTORIUS C., 2006. Second-order sustainability ‒ conditions for the development of
sustainable innovations in a dynamic environment. Ecological Economics 58: 268-286.
SCHWARZBAUER P. y RAMETSTEINER E., 2001. The impact of SFM-certification on
forest product markets in Western European analysis using a forest sector simulation
model. Forest Policy and Economics 2: 241-256.
STERLACCHINI A., 1999. Do innovative activities matter to small firms in non-R&D-
intensive industries? An application to export performance. Research Policy 28: 819-
832.
SURÍS J.Mª, 2005. Persistente debilidad de la I+D. En: E. Genescá (coord.). La industria
en España: Claves para competir en un mundo global, Editorial Ariel, Barcelona,
España, pp. 151-180.
TAMIZ M., JONES D.F. y ROMERO C., 1998. Goal Programming for Decision Making:
An Overview of the Current State-of-the-Art. European Journal of Operation Research
111: 569-581.
127
TOMBERLIN D., BUONGIORNO J. y BROOKS D., 1998. Trade, forestry, and the
environment: A review. Journal of Forest Economics 4(3): 177-206.
TOPPINEN A. y KUULUVAINEN J., 2010. Forest sector modeling in Europe the state of the
art and future research directions. Forest Policy Economics 12: 2-8.
UN. UNITED NATIONS, 2002. Plan of Implementation of the World Summit on
Sustainable Development, Johannesburg.
UNCED. THE UNITED NATIONS CONFERENCE ON ENVIRONMENT AND DEVELOPMENT,
EARTH SUMMIT, 1992. Río Declaration on Environment and Development. Chapter 40:
Information for decision-making.
URRACA A., 1998. I+D y recursos alternativos a la innovación en la industria española.
Economía Industrial 319: 91-103.
VÄLIMÄKI H., NISKANEN A., TERVONEN K. y LAURILA I., 2004. Indicators of
Innovativeness and Enterprise Competitiveness in the Wood Products Industry in
Finland. Scandinavian Journal of Forest Research 19(5): 90-96.
VAONA A. y PIANTA M., 2008. Firm size and innovation in European manufacturing.
Small Business Economics 30: 283-299.
VOLLENBROEK K., 2002. Sustainable development and the challenge of innovation.
Journal of Clener Production 10: 215-223.
VOCES R., HERRUZO A.C. y DÍAZ BALTEIRO L., 2008a. La innovación en la industria
forestal española. En DÍAZ BALTEIRO L. (Dir.): Caracterización de la Industria Forestal
en España: Aspectos Económicos y Ambientales. Monografías Fundación BBVA.
Fundación BBVA, Madrid, pp. 187-218.
128
VOCES R., HERRUZO A.C. y DÍAZ BALTEIRO L., 2008b. Caracterización de la innovación
tecnológica en la industria forestal española. Revista de Investigación Agraria. Sistemas
y Recursos Forestales 17(3): 282-296.
VOCES R., DIAZ-BALTEIRO L. y ROMERO C., 2010. In search of a European paper
industry ranking in terms of sustainability by using Binary Goal Programming. En
JONES D., TAMIZ M. y RIES J. (Eds.): New Developments in Multiple Objective and Goal
Programming. Lecture Notes in Economics and Mathematical Systems, Vol. 638, pp.
141-149.
WAGNER M., 2005. How to reconcile environmental and economic performance to
improve corporate sustainability: corporate environmental strategies in the European
paper industry. Journal of Environmental Management 76: 105-118.
WCED. WORLD COMMISSION ON ENVIRONMENT AND DEVELOPMENT, 1987. Our
Common Future. Oxford University Press, Oxford.
WEIL D. N., 2006. Crecimiento Económico. Pearson Educación, S. A., Madrid.
WEST, C.D. y SINCLAIR, S.A., 1992. A Measure of Innovativeness Sample of Firms in
the Wood Household Furniture Industry. Forest Science 38(3): 509-524.
WOOLDRIDGE J.M., 2006. Introductory Econometrics. A Modern Approach, 3ª Edición.
Thomson South-Western. Mason, OH. U.S.A., 890 pp.
129
ANEJO 1
130
Ind
icad
ores d
e inp
ut d
e la inno
vació
n e
n la ind
ustr
ia fo
resta
l (2
006
).
Mad
era
Pap
el
Mueb
le
To
tal in
dustr
ia
manufa
ctu
rera
Gasto
inte
rno
to
tal en I
+D
(m
illo
nes d
e €
)1
15.1
26.3
22.7
3309.4
Gasto
s c
orrie
nte
s e
n I
+D
(m
illo
nes d
e €
)1 d
estinad
os a
:
Investigació
n fund
am
enta
l0.1
0.5
0.4
55.4
Investigació
n a
plicad
a3.6
12.7
8.6
1200.5
Desarro
llo
tecno
lógic
o6.2
8.4
12.0
1536.0
Em
presas c
on I
+D
(in
terna o
exte
rna) (
%)3
8.4
13.7
8.9
20.5
Trab
aja
do
res d
ed
icad
os a
activid
ad
es d
e I
+D
, (%
tota
l d
e trab
aja
do
res)1
0.3
0.5
0.6
2.2
Em
presas q
ue r
ecib
en r
ecurso
s p
úb
lico
s p
ara la I
+D
(%
)2
3.9
7.8
2.8
12.2
Gasto
inte
rno
to
tal en I
+D
cub
ierto
co
n fo
nd
os d
e las A
AP
P (
%)
116.3
5.1
5.9
11.9
Em
presas c
on a
ctivid
ad
es inno
vad
oras (
%)3
26.8
34.3
29.4
33.5
0.7
1.1
0.8
1.3
Gasto
to
tal en a
ctivid
ad
es inno
vad
oras (
%)3
Em
presas d
e m
eno
s d
e 2
50 e
mp
lead
os
I+
D22.5
15.0
35.9
41.9
Tecno
logía
inco
rp
orad
a74.2
83.0
53.1
46.1
Otr
os g
asto
s3.3
1.9
11.1
12.1
Em
presas d
e 2
50 o
más e
mp
lead
os
I+
D70.7
47.4
73.9
60.8
Tecno
logía
inco
rp
orad
a13.0
16.6
18.9
20.5
Otr
os g
asto
s16.4
36.0
7.2
18.7
Em
presas q
ue r
ealizan "
form
as m
eno
res d
e inno
vació
n" (
%)2
Info
rm
ació
n técnic
a5.2
10.9
6.6
18.0
Co
ntr
ol d
e c
alid
ad
29.9
35.9
22.6
39.3
Asim
ilació
n tecno
logía
imp
orta
da
3.9
6.3
2.8
9.9
Dis
eño
9.1
14.1
23.6
26.2
Fu
en
te
: E
sta
dís
tica d
e I
+D
1,
ES
EE
2,
EIT
3.
Inte
nsid
ad
de inno
vació
n: (G
asto
en a
ctivid
ad
es inno
vad
oras/C
ifra d
e n
ego
cio
s)×100
Inte
nsid
ad
de inno
vació
n (
%)3
131
ANEJO 2
132
No
mb
reF
uente
Unid
ad
es
Año
VD
0E
lab
ora
ció
n p
rop
iad
ecim
al
2004
VD
1E
lab
ora
ció
n p
rop
iad
ecim
al
2004
PS
FP
orc
enta
je d
e s
up
erf
icie
fo
resta
l re
sp
ecto
de la s
up
erf
icie
to
tal
UN
EC
E%
2005
PS
FP
Po
rcenta
je d
e s
up
erf
icie
fo
resta
l p
rote
gid
a r
esp
ecto
de la s
up
erf
icie
fo
resta
l to
tal
UN
EC
E%
2005
SF
CS
up
erf
icie
fo
resta
l cert
ific
ad
a (
PE
FC
+ F
SC
)Y
ale
Univ
ers
ity
10
3 h
a2006
PS
FC
Po
rcenta
je d
e s
up
erf
icie
fo
resta
l cert
ific
ad
a r
esp
ecto
de la s
up
erf
icie
fo
resta
l to
tal
Yale
Univ
ers
ity
%2006
PS
FG
Po
rcenta
je d
e b
osq
ues y
otr
as s
up
erf
icie
s m
ad
era
ble
s q
ue s
on g
estio
nad
os
EF
I%
2003
ME
PT
Mad
era
en p
ie to
tal en e
l b
osq
ue
EF
I1000 m
32003
ME
PA
Mad
era
en p
ie a
pro
vechab
le e
n e
l b
osq
ue
EF
I1000 m
32003
INA
BIn
cre
mento
neto
anual d
el b
osq
ue
EF
I1000 m
32003
INA
BH
Incre
mento
neto
anual d
el b
osq
ue p
or
ha
EF
I1000 m
3/h
a2003
PR
ISF
Po
rcenta
je d
e la s
up
erf
icie
de b
osq
ue o
mad
era
ble
bajo
pro
pie
dad
privad
aE
FI
%2003
PU
BS
FP
orc
enta
je d
e la s
up
erf
icie
de b
osq
ue o
mad
era
ble
bajo
pro
pie
dad
púb
lica
EF
I%
2003
(1)
VD
0=
(1−
resultad
o d
el so
ftw
are
LIN
GO
)×10
(2)
VD
1=
(1−
resultad
o d
el so
ftw
are
LIN
GO
)×10
So
lució
n m
ás e
quilib
rad
a (
λ=
0)
del eje
rcic
io d
e p
rogra
mació
n p
or
meta
s,
aju
sta
da p
ara
este
estu
dio
med
iante
la e
xp
resió
n(1
)
So
lució
n m
ás e
ficie
nte
(λ=
1)
del eje
rcic
io d
e p
rogra
mació
n p
or
meta
s,
aju
sta
da p
ara
este
estu
dio
med
iante
la e
xp
resió
n(2
)
Va
ria
ble
dep
en
die
nte
Va
ria
ble
s f
oresta
les
Definic
ión
133
Nom
bre
Fuente
Unid
ades
Año
GIP
CE
uro
stat
10
6 T
m C
O2/1
06 h
ab.
2004
PE
RE
NE
uro
stat
%2004
HE
TH
uella
ecoló
gic
a tota
lL
ivin
g P
lanet R
eport
2006
decim
al
2003
HE
FH
uella
ecoló
gic
a fore
stal
Liv
ing P
lanet R
eport
2006
decim
al
2003
BT
Bio
capacid
ad tota
lL
ivin
g P
lanet R
eport
2006
decim
al
2003
BF
Bio
capacid
ad fore
stal
Liv
ing P
lanet R
eport
2006
decim
al
2003
DE
Rese
rva o
déficit e
coló
gic
oL
ivin
g P
lanet R
eport
2006
decim
al
2003
TE
Tam
año m
edio
de la e
mpre
sa d
el se
cto
r nacio
nal en b
ase
al núm
ero
de e
mple
ados
AM
AD
EU
Snº
em
ple
ados
u.v
.d.(3
)
TF
Tam
año m
edio
de la e
mpre
sa d
el se
cto
r nacio
nal en b
ase
a la factu
ració
nA
MA
DE
US
1000 €
u.v
.d.(3
)
PN
EM
PA
MA
DE
US
%u.v
.d.(3
)
PF
AC
TA
MA
DE
US
%u.v
.d.(3
)
(3)
u.v
.d.: ú
ltim
o v
alo
r dis
ponib
le
Definic
ión
Porc
enta
je d
e la factu
ració
n d
el se
cto
r corr
esp
ondie
nte
al país
(re
specto
de los
17 p
aís
es
est
udia
dos)
Vari
able
s am
bie
nta
les
Vari
able
s m
icro
económ
icas
Em
isio
nes
per
capita d
e g
ase
s de e
fecto
invern
adero
de la indust
ria m
anufa
ctu
rera
y d
e la
const
rucció
n n
acio
nale
s
Contr
ibució
n d
e las
energ
ías
renovable
s al consu
mo tota
l de e
lectr
icid
ad d
el país
en e
l año
2004
Porc
enta
je d
e e
mpre
sas
del se
cto
r corr
esp
ondie
nte
al país
(re
specto
de los
17 p
aís
es
est
udia
dos)
134
Nom
bre
Fuente
Unid
ades
Año
CM
PC
Consum
o d
e m
adera o
de p
roducto
s d
eriv
ados d
e la m
adera p
or h
abitante
al año
UN
EC
Em
3/h
ab./año
2005
EC
Ento
rno c
om
ercia
l: r
egula
ció
n y
segurid
ad
World
Econom
ic F
orum
decim
al
2008
IA
CÍndic
e d
e A
ccesib
ilid
ad C
om
ercia
l (E
nabling T
rade I
ndex)
World
Econom
ic F
orum
decim
al
2008
GC
IÍndic
e d
e C
om
petitivid
ad (
Grow
th C
om
petit
iveness I
ndex)
World
Econom
ic F
orum
decim
al
2004
GC
HP
CG
asto
en c
onsum
o fin
al de los h
ogares
Eurosta
t10
3 €
/habitante
2004
PP
CE
urosta
tP
PS
/habitante
2004
TC
PIB
PC
Porcenta
je d
e v
aria
ció
n d
el P
IB
per c
ápita r
especto
del perío
do p
revio
Eurosta
t%
2004
DP
Div
ersific
ació
n d
e p
roducto
s p
ara e
l secto
r d
e los p
roducto
s d
e m
adera
Inte
rnational T
rade C
entr
enº d
e p
roducto
s
equiv
ale
nte
s2004
DM
Div
ersific
ació
n d
e m
ercados p
ara e
l secto
r d
e los p
roducto
s d
e m
adera
Inte
rnational T
rade C
entr
enº d
e m
ercados
equiv
ale
nte
s2004
ID
CInte
rnational T
rade C
entr
erankin
g2004
I1
Dum
my=
1, si el país
perte
necía
a la C
EE
ante
s d
e 1
986
web o
ficia
l de la U
Eente
ro (
0,1
)2004
I2
Dum
my=
1, si el país
se incorporó a
la U
E e
n e
l perío
do 1
986-1995
web o
ficia
l de la U
Eente
ro (
0,1
)2004
I3
Dum
my=
1, si el país
se incorporó a
la U
E e
n 2
004
web o
ficia
l de la U
Eente
ro (
0,1
)2004
ID
HÍndic
e d
e D
esarrollo H
um
ano
PN
UD
decim
al
2005
ID
AÍndic
e d
e D
esem
peño A
mbie
nta
l (E
nvir
onm
ental P
erform
ance I
ndex)
Yale
Univ
ersity
decim
al
2008
VA
Vitalidad a
mbie
nta
lY
ale
Univ
ersity
decim
al
2008
IS
AÍndic
e d
e S
oste
nib
ilid
ad A
mbie
nta
l (E
nvir
onm
ental Sustain
abilit
y I
ndex)
Yale
Univ
ersity
decim
al
2005
Definic
ión
Producto
inte
rio
r b
ruto
a p
recio
s d
e m
ercado e
xpresado c
om
o c
apacid
ad d
e p
oder d
e
com
pra (
PP
S) p
or h
abitante
Índic
e d
e D
esem
peño C
om
ercia
l (T
rade P
erform
ance I
ndex)
para e
l secto
r d
e los
producto
s d
e m
adera
Varia
ble
s m
acroeconóm
icas
Índic
es
135
ANEJO 3
136
Mi nombre es Roberto Voces, y estoy realizando mi tesis doctoral sobre aspectos
relacionados con la innovación y sostenibilidad de la industria forestal (sectores de
madera, papel y mueble, es decir, CNAE 20, 21 y 361).
En esta línea, pido su colaboración para responder a una serie de cuestiones relativas a
la sostenibilidad de estas industrias a nivel europeo en aquellos países de la UE para los
que se dispone de una información comparable (en concreto, 17 países). Esta encuesta
está orientada hacia investigadores y agentes relacionados con los temas aquí
analizados, utilizando, por tanto, su opinión como un juicio de experto. Obviamente, se
garantiza el anonimato de la misma, ya que se persigue obtener unos valores agregados.
Por último, agradezco mucho su colaboración y el tiempo dedicado a responder a estas
cuestiones.
El objetivo básico se trata de caracterizar, de forma comparada, la sostenibilidad de
estas industrias a nivel europeo. Para tal fin se han definido los diferentes aspectos de la
sostenibilidad (económico, ambiental y social), siempre en función de la información
disponible, a través de un conjunto de indicadores. Se solicita su colaboración para
responder a tres cuestiones relativas a estos indicadores, que se definen a continuación:
1. Valor añadido: Porcentaje del valor añadido del sector respecto del valor
añadido de la industria manufacturera total.
2. Eficiencia energética: Cantidad de energía que debe adquirir el sector para
generar una unidad adicional de producto.
3. Grado de dependencia: Cociente entre las importaciones y el consumo
aparente (producción nacional + importaciones – exportaciones) de la
materia prima utilizada en estos sectores.
4. Rentas de trabajo: Indicador social del tipo “cuanto más, mejor”, obtenido
a través del salario medio ponderado con la renta per cápita de cada país, a
efectos de hacer posible su comparabilidad.
5. Valor añadido bruto por empleado: Cociente entre el valor añadido bruto
y el número de empleados del sector.
137
6. Intensidad en el uso del factor trabajo: Indicador indirecto del grado de
desarrollo tecnológico del sector. Indicador del tipo “cuanto menos, mejor”,
se obtiene mediante el porcentaje de los costes laborales respecto del valor
de la producción del sector.
7. Inversión: Cociente entre la inversión total en el sector y su valor añadido.
8. Adquisición de tecnología incorporada: Cociente entre la inversión bruta
en maquinaria y equipo y el número de empresas de cada sector estudiado.
9. Empresas innovadoras: Porcentaje del número de empresas que realizan
actividades innovadoras respecto del total de empresas del sector.
10. Impacto de la innovación: Porcentaje de la cifra de negocios de las
empresas que realizan innovaciones respecto de la cifra de negocios total del
sector.
11. Patentes: Solicitudes de patentes a la Oficina Europea de Patentes.
12. Competitividad exterior: Ventaja competitiva de los productos del sector
en los mercados internacionales respecto del total de productos exportados
por el país (Ventaja Comparativa Revelada, Índice de Balassa).
13. Residuos: Cantidad total de residuos generados (en millones de toneladas),
dividida entre el valor añadido sectorial (en millones de €).
14. Protección ambiental: Cociente entre los gastos corrientes totales en
protección ambiental y el número de empleados.
Sobre dichos indicadores, se apuntan las siguientes cuestiones:
I. ¿Podría ordenar los 14 indicadores atendiendo a su importancia como factores
que caracterizan a la sostenibilidad? Para ello debería asignar valores entre 1
(más importante) y 14 (menos importante).
indicador Posición
1 Valor añadido
2 Eficiencia energética
3 Grado de dependencia
4 Condiciones salariales
5 Valor añadido bruto por empleado
6 Intensidad en el uso de del factor trabajo
7 Inversión
8 Adquisición de tecnología incorporada
9 Empresas innovadoras
10 Impacto de la innovación
11 Patentes
12 Competitividad exterior
13 Residuos
14 Protección ambiental
138
II. ¿Podría comparar los indicadores primero (valor añadido) y último (protección ambiental) con el resto de indicadores, asignando valores v1,x y V14,x en base a la
siguiente escala?:
EJEMPLO:
V1,
1
V1,
2
V1,
3
V1,
4
V1,
5
V1,
6
V1,
7
V1,
8
V1,
9
V1,1
0
V1,1
1
V1,1
2
V1,1
3
V1,1
4
1 1/5 4 7 1 6 1/9 7 5 2 … … … …
Es decir: el valor añadido es igual de importante que sí mismo; fuertemente
menos importante que la eficiencia energética; entre moderada y fuertemente más
importante que el grado de dependencia; muy fuertemente más importante que el
salario medio; igualmente importante que el valor añadido bruto por empleado; entre
fuerte y muy fuertemente más importante que la intensidad en el uso del factor
trabajo; extremadamente menos importante que la inversión; muy fuertemente más
importante que la adquisición de tecnología incorporada; fuertemente más importante
V1,x
vale
Cuando el indicador 1,
comparado con el x, presenta
una
Explicación
1 Importancia igual Los dos indicadores tienen igual
importancia
3 Importancia moderada El primer indicador es moderadamente
más importante que el otro
5 Importancia fuerte La importancia del primer indicador es
más fuerte que la del otro
7 Importancia muy fuerte La importancia del primer indicador es
mucho más fuerte que la del otro
9 Importancia extrema La importancia del primer indicador es
extremadamente más fuerte que la del
otro
2, 4, 6,
8
Valores intermedios entre dos
juicios adyacentes
Valores que se usan como compromiso
entre dos juicios
139
que la existencia de empresas innovadoras; entre igual y moderadamente más
importante que el impacto de la innovación; etc.
Por favor, rellene las dos siguientes tablas, comparando los indicadores primero
(valor añadido) y último (protección ambiental) con el resto, siguiendo el orden
mostrado en la pregunta anterior, y que se presenta nuevamente en esta hoja:
V1,
1
V1,
2
V1,
3
V1,
4
V1,
5
V1,
6
V1,
7
V1,
8
V1,
9
V1,1
0
V1,1
1
V1,1
2
V1,1
3
V1,1
4
1
V14,1 V14,2 V14,3 V14,4 V14,5 V14,6 V14,7 V14,8 V14,9 V14,1
0
V14,1
1
V14,1
2
V14,1
3
V14,1
4
1
1 Valor añadido
2 Eficiencia energética
3 Grado de dependencia
4 Rentas de trabajo
5 Valor añadido bruto por empleado
6 Intensidad en el uso de del factor trabajo
7 Inversión
8 Adquisición de tecnología incorporada
9 Empresas innovadoras
10 Impacto de la innovación
11 Patentes
12 Competitividad exterior
13 Residuos
14 Protección ambiental
140
Reitero mi agradecimiento por su colaboración
Fdo. Roberto Voces González
141
ANEJO 4
142
12
34
56
78
91
01
11
21
31
41
51
61
71
81
92
02
12
22
32
42
52
62
72
82
93
03
13
23
33
43
53
63
73
83
9
1
0.0
33
6
(0.8
98
2)
0.7
16
1
(0.0
01
2)
0.4
71
0
(0.0
56
3)
0.0
44
4
(0.8
65
5)
0.3
45
1
(0.1
74
9)
0.3
23
8
(0.2
04
9)
0.3
81
7
(0.1
30
5)
-0.1
26
5
(0.6
28
4)
0.1
90
5
(0.4
63
9)
-0.1
90
5
(0.4
63
9)
0.0
43
8
(0.8
67
3)
0.5
80
9
(0.0
14
5)
0.4
87
3
(0.0
47
2)
0.7
80
5
(0.0
00
2)
0.8
76
2
(0.0
00
0)
0.9
03
4
(0.0
00
0)
0.7
83
4
(0.0
00
2)
-0.1
48
0
(0.5
70
9)
0.3
40
4
(0.1
81
2)
-0.3
76
6
(0.1
36
2)
0.2
00
8
(0.4
39
7)
0.8
23
2
(0.0
00
0)
0.4
33
8
(0.0
81
9)
0.4
33
1
(0.0
60
4)
0.5
46
1
(0.0
23
3)
0.0
30
9
(0.9
06
4)
0.1
31
6
(0.6
14
6)
-0.1
48
8
(0.5
68
8)
-0.1
79
7
(0.4
90
2)
0.0
96
6
(0.7
12
3)
0.5
43
3
(0.0
24
2)
-0.4
17
3
(0.0
95
6)
0.6
09
0
(0.0
09
5)
-0.1
24
7
(0.6
33
5)
0.1
66
9
(0.5
21
9)
0.5
77
0
(0.0
15
3)
0.6
99
2
(0.0
01
8)
0.6
67
6
(0.0
03
4)
2
0.0
33
6
(0.8
98
2)
0.0
12
1
(0.9
63
4)
0.1
76
7
(0.4
97
4)
0.3
67
7
(0.1
46
4)
0.3
28
2
(0.1
98
4)
0.3
48
0
(0.1
71
1)
0.2
61
0
(0.3
11
6)
0.4
89
9
(0.0
45
9)
-0.2
98
2
(0.2
45
0)
0.2
98
2
(0.2
45
0)
-0.1
53
4
(0.5
56
5)
0.1
55
3
(0.5
51
8)
-0.2
66
7
(0.3
00
7)
-0.1
35
1
(0.6
05
1)
-0.1
21
4
(0.6
42
6)
-0.1
01
6
(0.6
97
9)
-0.0
07
0
(0.9
78
8)
0.3
13
5
(0.2
20
4)
-0.1
68
2
(0.5
18
8)
0.2
53
4
(0.3
26
5)
0.0
22
2
(0.9
32
5)
-0.0
46
2
(0.8
60
2)
0.1
00
0
(0.7
02
6)
0.0
60
4
(0.8
18
0)
-0.0
94
9
(0.7
17
1)
-0.1
38
2
(0.5
97
0)
-0.1
24
5
(0.6
34
0)
0.1
64
5
(0.5
28
0)
0.1
34
9
(0.6
05
7)
0.6
28
0
(0.0
06
9)
0.4
37
2
(0.0
79
3)
0.0
00
1
(0.9
99
7)
-0.0
22
7
(0.9
31
0)
-0.1
74
1
(0.5
03
8)
-0.2
19
2
(0.3
98
0)
-0.1
53
7
(0.5
55
8)
0.0
13
5
(0.9
59
0)
0.2
15
0
(0.4
07
2)
3
0.7
16
1
(0.0
01
2)
0.0
12
1
(0.9
63
4)
0.6
57
1
(0.0
04
2)
0.2
12
2
(0.4
13
6)
0.6
74
5
(0.0
03
0)
0.6
73
5
(0.0
03
0)
0.7
45
8
(0.0
00
6)
-0.0
67
6
(0.7
96
5)
0.3
28
0
(0.1
98
7)
-0.3
28
0
(0.1
98
7)
0.2
25
1
(0.3
85
0)
0.3
90
6
(0.1
21
1)
0.6
21
7
(0.0
07
7)
0.8
76
9
(0.0
00
0)
0.8
23
2
(0.0
00
0)
0.8
61
0
(0.0
00
0)
0.6
52
6
(0.0
04
5)
0.0
60
2
(0.8
18
5)
0.6
89
3
(0.0
02
2)
-0.1
24
4
(0.6
39
7)
0.6
05
6
(0.0
10
0)
0.6
12
9
(0.0
08
9)
0.6
52
6
(0.0
04
5)
0.6
93
0
(0.0
02
0)
0.7
50
4
(0.0
00
5)
0.4
54
4
(0.0
66
9)
0.5
15
8
(0.0
34
0)
-0.4
04
4
(0.1
07
4)
0.0
23
4
(0.9
29
0)
0.3
94
3
(0.1
17
3)
0.4
04
5
(0.1
07
3)
-0.0
33
3
(0.8
99
0)
0.5
26
6
(0.0
29
9)
-0.4
06
9
(0.1
05
0)
0.4
98
6
(0.0
41
6)
0.5
55
5
(0.0
20
6)
0.6
42
9
(0.0
05
4)
0.5
44
9
(0.0
23
7)
4
0.4
71
0
(0.0
56
3)
0.1
76
7
(0.4
97
4)
0.6
57
1
(0.0
04
2)
0.5
70
8
(0.0
16
7)
0.4
30
2
(0.0
84
8)
0.4
62
9
(0.0
61
3)
0.4
54
2
(0.0
67
0)
0.4
87
1
(0.0
47
3)
0.0
95
5
(0.7
15
5)
-0.0
95
5
(0.7
15
5)
0.3
64
5
(15
03
)
0.4
52
9
(0.0
67
9)
0.3
39
1
(0.1
83
0)
0.5
24
2
(0.0
30
8)
0.5
75
3
(0.0
15
7)
0.5
70
4
(0.0
16
8)
0.5
04
7
(0.0
38
8)
0.3
19
8
(0.2
10
8)
0.6
79
8
(0.0
02
7)
-0.3
12
8
(0.2
21
5)
0.2
64
6
(0.3
04
7)
0.4
63
1
(0.0
61
2)
0.5
34
6
(0.0
27
1)
0.5
63
5
(0.0
18
5)
0.5
15
9
(0.0
34
0)
0.2
98
2
(0.2
45
0)
0.3
92
9
(0.1
18
7)
-0.2
13
6
(0.4
10
5)
-0.0
46
4
(0.8
59
7)
0.1
18
4
(0.6
50
9)
0.5
39
8
(0.0
25
3)
-0.0
13
8
(0.9
58
1)
0.2
79
7
(0.2
76
9)
-0.1
69
9
(0.5
14
3)
0.3
29
1
(0.1
97
1)
0.4
33
5
(0.0
82
2)
0.5
60
4
(0.0
19
3)
0.5
45
3
(0.0
23
6)
5
0.0
44
(0.8
65
5)
0.3
67
7
(0.1
46
4)
0.2
12
2
(0.4
13
6)
0.5
70
8
(0.0
16
7)
0.3
00
5
(0.2
41
2)
0.2
74
5
(0.2
86
3)
0.2
14
3
(0.4
08
8)
0.5
27
3
(0.0
29
6)
-0.2
98
2
(0.2
45
0)
0.2
64
1
(0.3
05
7)
0.0
79
6
(0.7
61
3)
0.2
74
9
(0.2
28
5
5)
-0.2
10
6
(0.4
17
3)
0.0
06
2
(0.9
81
1)
0.1
83
6
(0.4
80
7)
0.1
41
9
(0.5
86
9)
0.3
23
5
(0.2
05
3)
0.4
17
9
(0.0
95
1)
0.1
47
8
(0.5
71
4)
0.0
04
8
(0.9
85
5)
0.0
95
0
(0.7
16
8)
0.0
44
0
(0.8
66
9)
-0.0
39
2
(0.8
81
4)
0.0
65
1
(0.8
03
9)
-0.1
11
8
(0.6
69
4)
-0.0
25
7
(0.9
22
1)
0.0
27
4
(0.9
16
9)
0.2
50
4
(0.3
32
3)
0.1
63
4
(0.5
30
9)
0.3
77
2
(0.1
35
6)
0.4
39
2
(0.0
77
8)
0.1
51
8
(0.5
60
9)
-0.2
05
9
(0.4
28
0)
-0.0
23
7
(0.9
28
1)
-0.0
35
4
(0.8
92
8)
0.0
83
3
(0.7
50
7)
0.2
75
7
(0.2
84
2)
0.4
40
9
(0.0
76
5)
6
0.3
45
1
(0.1
74
9)
0.3
28
2
(0.1
98
4)
0.6
74
5
(0.0
03
0)
0.4
30
2
(0.0
84
8)
0.3
00
5
(0.2
41
2)
0.9
90
6
(0.0
00
0)
0.9
77
9
(0.0
00
0)
0.2
60
3
(0.3
13
0)
0.2
62
2
(0.3
09
3)
-0.2
62
2
(0.3
09
3)
0.0
52
(0.8
48
4)
0.3
15
3
(0.2
17
7)
0.3
36
4
(0.1
86
7)
0.4
43
1
(0.0
74
9)
0.3
64
3
(0.1
50
6)
0.3
75
6
(0.1
37
4)
0.2
57
5
(0.3
18
3)
-0.2
46
9
(0.3
39
5)
0.2
75
6
(0.2
84
4)
0.2
45
5
(0.3
42
2)
0.7
16
4
(0.0
01
2)
0.2
52
8
(0.3
27
6)
0.4
35
7
(0.0
80
4)
0.5
95
4
(0.0
11
7)
0.4
27
3
(0.0
87
1)
0.5
22
9
(0.0
31
3)
0.5
34
1
(0.0
27
2)
-0.4
84
8
(0.0
48
5)
0.5
22
8
(0.0
31
3)
0.5
70
0
(0.0
16
9)
0.4
52
3
(0.0
68
3)
0.4
56
3
(0.0
65
6)
0.1
90
0
(0.4
65
2)
-0.6
01
2
(0.0
10
7)
0.5
08
2
(0.0
37
3)
0.3
59
3
(0.1
56
7)
0.4
45
7
(0.0
73
0)
0.4
47
7
(0.0
71
6)
7
0.3
23
8
(0.2
04
9)
0.3
48
0
(0.1
71
1)
0.6
73
5
(0.0
03
0)
0.4
62
9
(0.0
61
3)
0.2
74
5
(0.2
86
3)
0.9
90
6
(0.0
00
0)
0.9
81
6
(0.0
00
0)
0.3
13
8
(0.2
20
0)
0.2
30
9
(0.3
72
5)
-0.2
30
9
(0.3
72
5)
0.0
57
0
(0.8
28
1)
0.2
83
9
(0.2
69
5)
0.3
53
1
(0.1
64
4)
0.4
40
5
(0.0
76
8)
0.3
66
5
(0.1
47
9)
0.3
73
0
(0.1
40
3)
0.2
51
6
(0.3
29
9)
-0.2
27
5
(0.3
79
8)
0.2
99
2
(0.2
43
3)
0.2
32
5
(0.3
69
1)
0.6
95
1
(0.0
02
0)
0.2
55
5
(0.3
22
3)
0.4
71
9
(0.0
55
8)
0.6
12
1
(0.0
09
0)
0.4
55
2
(0.0
66
4)
0.5
05
6
(0.0
38
4)
0.5
19
0
(0.0
32
8)
-0.4
63
4
(0.0
61
0)
0.4
91
3
(0.0
45
2)
0.5
68
1
(0.0
17
4)
0.4
50
4
(0.0
69
6)
0.4
35
9
(0.0
80
3)
0.1
74
6
(0.5
02
8)
-0.5
69
0
(0.0
17
1)
0.4
87
0
(0.0
47
4)
0.3
50
2
(0.1
68
2)
0.4
37
0
(0.0
79
5)
0.4
38
3
(0.0
78
4)
8
0.3
81
7
(0.1
30
5)
0.2
61
0
(0.3
11
6)
0.7
45
8
(0.0
00
6)
0.4
54
2
(0.0
67
0)
0.2
14
3
(0.4
08
8)
0.9
77
9
(0.0
00
0)
0.9
81
6
(0.0
00
0)
0.3
13
8
(0.4
16
5)
0.2
30
9
(0.1
78
2)
-0.3
42
7
(0.1
78
2)
0.0
90
3
(0.7
30
5)
0.2
83
8
(0.2
69
6)
0.4
46
4
(0.0
72
5)
0.5
14
8
(0.0
34
5)
0.4
24
6
(0.0
89
3)
0.4
34
6
(0.0
81
3)
0.2
72
5
(0.2
89
9)
-0.1
95
1
(0.4
53
1)
0.3
52
6
(0.1
65
1)
0.2
57
2
(0.3
19
0)
0.7
78
7
(0.0
00
2)
0.2
79
1
(0.2
78
0)
0.5
40
1
(0.0
25
2)
0.6
83
3
(0.0
02
5)
0.5
54
8
(0.0
20
8)
0.5
67
0
(0.0
17
6)
0.5
84
8
(0.0
13
7)
-0.5
35
6
(0.0
26
7)
0.5
05
3
(0.0
38
5)
0.5
31
5
(0.0
28
1)
0.4
46
4
(0.0
72
5)
0.4
12
8
(0.0
99
6)
0.2
89
9
(0.2
59
0)
-0.6
16
5
(0.0
08
4)
0.5
79
5
(0.0
14
8)
0.4
24
3
(0.0
89
6)
0.4
76
3
(0.0
53
3)
0.4
69
6
(0.0
57
2)
9
-0.1
26
5
(0.6
28
4)
0.4
89
9
(0.0
45
9)
-0.0
67
6
(0.7
96
5)
0.4
87
1
(0.0
47
3)
0.5
27
3
(0.0
29
6)
0.2
60
3
(0.3
13
0)
0.3
13
8
(0.2
20
0)
0.2
10
9
(0.4
16
5)
-0.2
39
0
(0.3
55
5)
0.2
39
0
(0.3
55
5)
0.1
51
3
(0.5
62
0)
0.0
51
0
(0.8
45
9)
-0.1
62
4
(0.5
33
4)
-0.2
05
4
(0.4
29
0)
-0.1
41
9
(0.5
87
1)
-0.1
70
3
(0.5
13
4)
-0.0
84
3
(0.7
47
8)
0.2
01
0
(0.4
39
2)
-0.0
25
3
(0.9
23
2)
-0.0
24
8
(0.9
24
6)
-0.0
50
5
(0.8
47
3)
-0.1
08
3
(0.6
79
1)
0.2
51
2
(0.3
30
8)
0.1
81
7
(0.4
85
1)
-0.0
36
0
(0.8
90
8)
-0.0
59
0
(0.8
22
2)
-0.0
04
6
(0.9
86
1)
0.1
12
3
(0.6
67
8)
0.2
09
1
(0.4
20
5)
0.2
47
6
(0.3
38
0)
0.6
08
2
(0.0
09
6)
0.2
49
6
(0.3
33
9)
-0.2
37
0
(0.3
59
8)
-0.0
08
1
(0.9
75
4)
-0.0
77
2
(0.7
68
4)
0.0
12
5
(0.9
62
0)
0.0
71
5
(0.7
85
0)
0.3
71
1
(0.1
42
6)
10
0.1
90
5
(0.4
63
9)
-0.2
98
2
(0.2
45
0)
0.3
28
0
(0.1
98
7)
0.0
95
5
(0.7
15
5)
-0.2
98
2
(0.2
45
0)
0.2
62
2
(0.3
09
3)
0.2
30
9
(0.3
72
5)
0.3
42
7
(0.1
78
2)
-0.2
39
0
(0.3
55
5)
-1.0
00
0
(0.0
00
0)
0.2
66
1
(0.3
02
0)
0.4
00
2
(0.1
11
5)
0.3
17
1
(0.2
15
0)
0.2
64
2
(0.3
05
5)
0.0
72
9
(0.7
80
9)
0.1
16
9
(0.6
55
1)
-0.0
75
7
(0.7
72
7)
-0.0
39
8
(0.8
79
4)
0.3
56
5
(0.1
60
1)
0.0
86
1
(0.7
42
5)
0.4
51
6
(0.0
68
8)
0.0
21
1
(0.9
35
8)
0.5
67
5
(0.0
17
5)
0.5
85
4
(0.0
13
6)
0.5
26
3
(0.0
30
0)
0.7
22
6
(0.0
01
0)
0.7
10
8
(0.0
01
4)
-0.7
55
8
(0.0
00
4)
0.2
02
9
(0.4
34
7)
-0.2
74
1
(0.2
87
0)
-0.0
11
9
(0.9
64
0)
0.2
00
9
(0.4
39
5)
0.6
87
9
(0.0
02
3)
-0.5
89
5
(0.0
12
8)
0.7
78
5
(0.0
00
2)
0.5
97
0
(0.0
11
4)
0.3
99
5
(0.1
12
2)
0.1
31
3
(0.6
15
5)
11
-0.1
90
5
(0.4
63
9)
0.2
98
2
(0.2
45
0)
-0.3
28
0
(0.1
98
7)
-0.0
95
5
(0.7
15
5)
0.2
64
1
(0.3
05
7)
-0.2
62
2
(0.3
09
3)
-0.2
30
9
(0.3
72
5)
-0.3
42
7
(0.1
78
2)
0.2
39
0
(0.3
55
5)
-1.0
00
0
(0.0
00
0)
-0.2
66
1
(0.3
02
0)
-0.4
00
2
(0.1
11
5)
-0.3
17
1
(0.2
15
0)
-0.2
64
2
(0.3
05
5)
-0.0
72
9
(0.7
80
9)
-0.1
16
9
(0.6
55
1)
0.0
75
7
(0.7
72
7)
0.0
39
8
(0.8
79
4)
-0.3
56
5
(0.1
60
1)
-0.0
86
1
(0.7
42
5)
-0.4
51
6
(0.0
68
8)
-0.0
21
1
(0.9
35
8)
-0.5
67
5
(0.0
17
5)
-0.5
85
4
(0.0
13
6)
-0.5
26
3
(0.0
30
0)
-0.7
22
6
(0.0
01
0)
-0.7
10
8
(0.0
01
4)
0.7
55
8
(0.0
00
4)
-0.2
02
9
(0.4
34
7)
0.2
74
1
(0.2
87
0)
0.0
11
9
(0.9
64
0)
-0.2
00
9
(0.4
39
5)
-0.6
87
9
(0.0
02
3)
0.5
89
5
(0.0
12
8)
-0.7
78
5
(0.0
00
2)
-0.5
97
0
(0.0
11
4)
-0.3
99
5
(0.1
12
2)
-0.1
31
3
(0.6
15
5)
12
0.0
43
8
(0.8
67
3)
-0.1
53
4
(0.5
56
5)
0.2
25
1
(0.3
85
0)
0.3
64
5
(15
03
)
0.0
79
6
(0.7
61
3)
0.0
52
(0.8
48
4)
0.0
57
0
(0.8
28
1)
0.0
90
3
(0.7
30
5)
0.1
51
3
(0.5
62
0)
0.2
66
1
(0.3
02
0)
-0.2
66
1
(0.3
02
0)
0.0
29
7
(0.9
09
8)
0.2
24
9
(0.3
85
6)
0.2
29
5
(0.3
75
6)
-0.0
39
8
(0.8
79
3)
0.0
47
8
(0.8
55
3)
-0.1
61
6
(0.5
35
6)
0.0
07
7
(0.9
76
6)
0.4
21
8
(0.0
91
7)
-0.0
98
6
(0.7
06
6)
0.1
94
4
(0.4
54
7)
-0.0
69
2
(0.7
91
9)
0.3
67
8
(0.1
46
4)
0.2
34
2
(0.3
65
7)
0.1
54
8
(0.5
53
1)
0.2
80
3
(0.2
75
8)
0.4
03
4
(0.1
08
3)
-0.2
26
3
(0.3
82
5)
0.1
83
9
(0.4
79
9)
-0.2
36
5
(0.3
60
7)
0.0
20
9
(0.9
36
6)
-0.0
51
3
(0.8
45
1)
0.2
51
5
(0.3
30
2)
-0.1
11
9
(0.6
69
1)
0.3
93
2
(0.1
18
4)
-0.1
08
5
(0.6
78
5)
-0.2
44
0
(0.3
45
3)
-0.1
64
0
(0.5
29
4)
13
0.5
80
9
(0.0
14
5)
0.1
55
3
(0.5
51
8)
0.3
90
6
(0.1
21
1)
0.4
52
9
(0.0
67
9)
0.2
74
9
(0.2
28
5
5)
0.3
15
3
(0.2
17
7)
0.2
83
9
(0.2
69
5)
0.2
83
8
(0.2
69
6)
0.0
51
0
(0.8
45
9)
0.4
00
2
(0.1
11
5)
-0.4
00
2
(0.1
11
5)
0.0
29
7
(0.9
09
8)
-0.0
56
3
(0.8
30
0)
0.2
99
1
(0.2
43
5)
0.4
55
0
(0.0
66
5)
0.4
70
2
(0.0
56
8)
0.5
64
5
(0.0
18
2)
-0.0
79
2
(0.7
62
6)
0.2
08
8
(0.4
21
3)
-0.0
76
0
(0.7
71
9)
0.0
15
6
(0.9
52
6)
0.3
58
8
(0.1
57
3)
0.2
46
6
(0.3
40
0)
0.2
38
4
(0.3
56
8)
0.2
14
6
(0.4
08
3)
0.1
67
9
(0.5
19
5)
0.1
96
3
(0.4
50
3)
-0.1
39
3
(0.5
93
9)
-0.1
98
2
(0.4
45
7)
-0.0
92
6
(0.7
23
6)
0.3
93
0
(0.1
18
7)
-0.2
64
7
(0.3
04
6)
0.6
06
6
(0.0
09
8)
-0.4
09
5
(0.1
02
6)
0.1
69
3
(0.5
16
0)
0.3
98
9
(0.1
12
7)
0.6
44
8
(0.0
05
2)
0.4
78
1
(0.0
52
2)
14
0.4
87
3
(0.0
47
2)
-0.2
66
7
(0.3
00
7)
0.6
21
7
(0.0
07
7)
0.3
39
1
(0.1
83
0)
-0.2
10
6
(0.4
17
3)
0.3
36
4
(0.1
86
7)
0.3
53
1
(0.1
64
4)
0.4
46
4
(0.0
72
5)
-0.1
62
4
(0.5
33
4)
0.3
17
1
(0.2
15
0)
-0.3
17
1
(0.2
15
0)
0.2
24
9
(0.3
85
6)
-0.0
56
3
(0.8
30
0)
0.8
27
9
(0.0
00
0)
0.5
38
7
(0.0
25
7)
0.5
58
9
(0.0
19
7)
0.1
24
7
(0.6
33
5)
0.0
40
6
(0.8
77
2)
0.5
43
3
(0.0
24
2)
-0.0
00
7
(0.9
97
7)
0.5
86
0
(0.0
13
4)
0.6
55
9
(0.0
04
3)
0.6
55
9
(0.0
04
3)
0.7
60
8
(0.0
00
4)
0.8
48
4
(0.0
00
0)
0.5
57
2
(0.0
20
1)
0.6
27
6
(0.0
07
0)
-0.5
39
4
(0.0
25
4)
0.2
24
6
(0.3
86
2)
0.0
66
0
(0.8
01
2)
0.2
84
7
(0.2
68
1)
0.1
17
8
(0.6
52
6)
0.4
61
5
(0.0
62
2)
-0.3
21
5
(0.2
08
2)
0.6
56
2
(0.0
04
2)
0.5
03
8
(0.0
39
2)
0.3
62
3
(0.1
52
9)
0.3
87
6
(0.1
24
2)
15
0.7
80
5
(0.0
00
2)
-0.1
35
1
(0.6
05
1)
0.8
76
9
(0.0
00
0)
0.5
24
2
(0.0
30
8)
0.0
06
2
(0.9
81
1)
0.4
43
1
(0.0
74
9)
0.4
40
5
(0.0
76
8)
0.5
14
8
(0.0
34
5)
-0.2
05
4
(0.4
29
0)
0.2
64
2
(0.3
05
5)
-0.2
64
2
(0.3
05
5)
0.2
29
5
(0.3
75
6)
0.2
99
1
(0.2
43
5)
0.8
27
9
(0.0
00
0)
0.8
24
1
(0.0
00
0)
0.8
75
6
(0.0
00
0)
0.5
48
6
(0.0
22
6
0.0
00
0
(0.9
99
9
0.6
46
3
(0.0
05
1)
-0.2
13
2
(0.4
11
2)
0.4
62
9
(0.0
61
3)
0.8
26
3
(0.0
00
0)
0.5
97
0
(0.0
11
4)
0.6
90
1
(0.0
02
2)
0.8
12
2
(0.0
00
1)
0.4
22
0
(0.0
91
5)
0.5
14
3
(0.0
34
7)
-0.3
96
7
(0.1
14
9)
-0.0
58
2
(0.8
24
5)
0.2
16
2
(0.4
04
7)
0.3
58
6
(0.1
57
6)
-0.1
60
6
(0.5
38
0)
0.5
79
0
(0.0
14
9)
-0.2
94
2
(0.2
51
7)
0.4
92
6
(0.0
44
5)
0.5
40
6
(0.0
25
1)
0.5
62
4
(0.0
18
8)
0.4
98
1
(0.0
41
9)
16
0.8
76
2
(0.0
00
0)
-0.1
21
4
(0.6
42
6)
0.8
23
2
(0.0
00
0)
0.5
75
3
(0.0
15
7)
0.1
83
6
(0.4
80
7)
0.3
64
3
(0.1
50
6)
0.3
66
5
(0.1
47
9)
0.4
24
6
(0.0
89
3)
-0.1
41
9
(0.5
87
1)
0.0
72
9
(0.7
80
9)
-0.0
72
9
(0.7
80
9)
-0.0
39
8
(0.8
79
3)
0.4
55
0
(0.0
66
5)
0.5
38
7
(0.0
25
7)
0.8
24
1
(0.0
00
0)
0.9
86
7
(0.0
00
0)
0.9
03
1
(0.0
00
0)
0.1
71
8
(0.5
09
6)
0.5
07
1
(0.0
37
8)
-0.3
65
7
(0.1
48
9)
0.2
47
0
(0.3
39
1)
0.8
19
4
(0.0
00
1)
0.3
71
7
(0.1
41
8)
0.4
30
4
(0.0
84
6)
0.5
93
5
(0.0
12
0)
0.0
56
5
(0.8
29
6)
0.1
22
0
(0.6
40
9)
-0.0
31
5
(0.9
04
6)
-0.2
75
0
(0.2
85
4)
0.1
84
6
(0.4
78
0)
0.4
26
9
(0.0
87
4)
-0.3
32
8
(0.1
91
8)
0.4
22
7
(0.0
91
0)
-0.0
51
3
(0.8
45
0)
0.1
39
1
(0.5
94
4)
0.5
94
0
(0.0
11
9)
0.7
66
0
(0.0
00
3)
0.6
63
6
(0.0
03
7)
17
0.9
03
4
(0.0
00
0)
-0.1
01
6
(0.6
97
9)
0.8
61
0
(0.0
00
0)
0.5
70
4
(0.0
16
8)
0.1
41
9
(0.5
86
9)
0.3
75
6
(0.1
37
4)
0.3
73
0
(0.1
40
3)
0.4
34
6
(0.0
81
3)
-0.1
70
3
(0.5
13
4)
0.1
16
9
(0.6
55
1)
-0.1
16
9
(0.6
55
1)
0.0
47
8
(0.8
55
3)
0.4
70
2
(0.0
56
8)
0.5
58
9
(0.0
19
7)
0.8
75
6
(0.0
00
0)
0.9
86
7
(0.0
00
0)
0.8
77
1
(0.0
00
0)
0.1
07
6
(0.6
81
0)
0.5
48
2
(0.0
22
7)
-0.3
68
4
(0.1
45
7)
0.2
64
3
(0.3
05
3)
0.8
25
2
(0.0
00
0)
0.4
39
7
(0.0
77
4)
0.4
57
7
(0.0
64
)
0.6
20
4
(0.0
07
9)
0.0
99
2
(0.7
04
9)
0.1
72
5
(0.5
08
0)
-0.0
84
7
(0.7
46
4)
-0.2
84
0
(0.2
69
4)
0.2
06
7
(0.4
26
0)
0.4
21
2
(0.0
92
2)
-0.3
55
8
(0.1
61
0)
0.4
88
8
(0.0
46
5)
-0.1
01
7
(0.6
97
8)
0.1
75
3
(0.5
00
9)
0.5
66
0
(0.0
17
9)
0.7
24
3
(0.0
01
0)
0.6
24
5
(0.0
07
4)
18
0.7
83
4
(0.0
00
2)
-0.0
07
0
(0.9
78
8)
0.6
52
6
(0.0
04
5)
0.5
04
7
(0.0
38
8)
0.3
23
5
(0.2
05
3)
0.2
57
5
(0.3
18
3)
0.2
51
6
(0.3
29
9)
0.2
72
5
(0.2
89
9)
-0.0
84
3
(0.7
47
8)
-0.0
75
7
(0.7
72
7)
0.0
75
7
(0.7
72
7)
-0.1
61
6
(0.5
35
6)
0.5
64
5
(0.0
18
2)
0.1
24
7
(0.6
33
5)
0.5
48
6
(0.0
22
6)
0.9
03
1
(0.0
00
0)
0.8
77
1
(0.0
00
0)
0.1
81
7
(0.4
85
2)
0.3
20
2
(0.2
10
3)
-0.0
78
6
(0.7
64
4)
0.0
21
4
(0.9
35
1)
0.0
54
8
(0.8
34
6)
0.1
15
6
(0.6
58
6)
0.1
18
8
(0.6
49
7)
0.1
59
5
(0.5
40
8)
0.0
91
3
(0.7
27
5)
0.0
43
7
(0.8
67
7)
0.2
39
3
(0.3
54
9)
-0.2
26
8
(0.3
81
4)
-0.0
24
6
(0.9
25
5)
0.0
83
8
(0.7
49
1)
0.1
93
3
(0.4
57
4)
-0.2
13
5
(0.4
10
6)
0.1
24
9
(0.6
33
0)
0.0
18
3
(0.9
44
4)
0.2
76
8
(0.2
82
2)
0.2
57
0
(0.3
19
4)
0.2
53
2
(0.3
26
8)
19
-0.1
48
0
(0.5
70
9)
0.3
13
5
(0.2
20
4)
0.0
60
2
(0.8
18
5)
0.3
19
8
(0.2
10
8)
0.4
17
9
(0.0
95
1)
-0.2
46
9
(0.3
39
5)
-0.2
27
5
(0.3
79
8)
-0.1
95
1
(0.4
53
1)
0.2
01
0
(0.4
39
2)
-0.0
39
8
(0.8
79
4)
0.0
39
8
(0.8
79
4)
0.0
07
7
(0.9
76
6)
-0.0
79
2
(0.7
62
6)
0.0
40
6
(0.8
77
2)
0.0
00
0
(0.9
99
9)
0.1
71
8
(0.5
09
6)
0.1
07
6
(0.6
81
0)
0.1
81
7
(0.4
85
2)
0.4
39
5
(0.0
77
5)
-0.0
78
6
(0.7
64
4)
0.0
21
4
(0.9
35
1)
0.0
54
8
(0.8
34
6)
0.1
15
6
(0.6
58
6)
0.1
18
8
(0.6
49
7)
0.1
59
5
(0.5
40
8)
0.0
91
3
(0.7
27
5)
0.0
43
7
(0.8
67
7)
0.2
39
3
(0.3
54
9)
-0.2
26
8
(0.3
81
4)
-0.0
24
6
(0.9
25
5)
0.0
83
8
(0.7
49
1)
0.1
93
3
(0.4
57
4)
-0.2
13
5
(0.4
10
6)
0.1
24
9
(0.6
33
0)
0.0
18
3
(0.9
44
4)
0.2
76
8
(0.2
82
2)
0.2
57
0
(0.3
19
4)
0.2
53
2
(0.3
26
8)
20
0.3
40
4
(0.1
81
2)
-0.1
68
2
(0.5
18
8)
0.6
89
3
(0.0
02
2)
0.6
79
8
(0.0
02
7)
0.1
47
8
(0.5
71
4)
0.2
75
6
(0.2
84
4)
0.2
99
2
(0.2
43
3)
0.3
52
6
(0.1
65
1)
-0.0
25
3
(0.9
23
2)
0.3
56
5
(0.1
60
1)
-0.3
56
5
(0.1
60
1)
0.4
21
8
(0.0
91
7)
0.2
08
8
(0.4
21
3)
0.5
43
3
(0.0
24
2)
0.6
46
3
(0.0
05
1)
0.5
07
1
(0.0
37
8)
0.5
48
2
(0.0
22
7)
0.3
20
2
(0.2
10
3)
0.4
39
5
(0.0
77
5)
-0.1
81
4
(0.4
85
9)
0.4
95
5
(0.0
43
1)
0.4
64
4
(0.0
60
4)
0.6
47
1
(0.0
05
0)
0.6
21
3
(0.0
07
8)
0.6
70
0
(0.0
03
3)
0.6
03
7
(0.0
10
3)
0.6
04
2
(0.0
10
2)
-0.4
06
8
(0.1
05
1)
-0.0
98
0
(0.7
08
3)
0.0
96
6
(0.7
12
2)
0.1
10
2
(0.6
73
7)
0.1
69
5
(0.5
15
5)
0.3
14
9
(0.2
18
3)
-0.3
21
2
(0.2
08
7)
0.5
39
5
(0.0
25
4)
0.4
63
0
(0.0
61
3)
0.4
24
8
(0.0
89
2)
0.2
33
5
(0.3
67
0)
21
-0.3
76
6
(0.1
36
2)
0.2
53
4
(0.3
26
5)
-0.1
24
4
(0.6
39
7)
-0.3
12
8
(0.2
21
5)
0.0
04
8
(0.9
85
5)
0.2
45
5
(0.3
42
2)
0.2
32
5
(0.3
69
1)
0.2
57
2
(0.3
19
0)
-0.0
24
8
(0.9
24
6)
0.0
86
1
(0.7
42
5)
-0.0
86
1
(0.7
42
5)
-0.0
98
6
(0.7
06
6)
-0.0
76
0
(0.7
71
9)
-0.0
00
7
(0.9
97
7)
-0.2
13
2
(0.4
11
2)
-0.3
65
7
(0.1
48
9)
-0.3
68
4
(0.1
45
7)
-0.4
30
3
(0.0
84
7)
-0.0
78
6
(0.7
64
4)
-0.1
81
4
(0.4
85
9)
0.4
79
5
(0.0
51
4)
-0.3
98
6
(0.1
13
1)
-0.1
10
0
(0.6
74
3)
0.0
35
3
(0.8
93
1)
-0.0
56
5
(0.8
29
4)
0.2
87
2
(0.2
63
7)
0.1
95
7
(0.4
51
7)
-0.1
12
0
(0.6
68
6)
0.5
44
2
(0.0
23
9)
0.3
61
3
(0.1
54
2)
0.0
90
9
(0.7
28
6)
0.4
42
6
(0.0
75
2)
0.0
59
2
(0.8
21
4)
-0.6
56
2
(0.0
04
2)
0.2
02
1
(0.4
36
7)
-0.3
24
1
(0.2
04
4)
-0.2
69
6
(0.2
95
3)
-0.0
12
4
(0.9
62
4)
22
0.2
00
8
(0.4
39
7)
0.0
22
2
(0.9
32
5)
0.6
05
6
(0.0
10
0)
0.2
64
6
(0.3
04
7)
0.0
95
0
(0.7
16
8)
0.7
16
4
(0.0
01
2)
0.6
95
1
(0.0
02
0)
0.7
78
7
(0.0
00
2)
-0.0
50
5
(0.8
47
3)
0.4
51
6
(0.0
68
8)
-0.4
51
6
(0.0
68
8)
0.1
94
4
(0.4
54
7)
0.0
15
6
(0.9
52
6)
0.5
86
0
(0.0
13
4)
0.4
62
9
(0.0
61
3)
0.2
47
0
(0.3
39
1)
0.2
64
3
(0.3
05
3)
-0.0
07
8
(0.9
76
3)
0.0
21
4
(0.9
35
1)
0.4
95
5
(0.0
43
1)
0.4
79
5
(0.0
51
4)
0.1
76
6
(0.4
97
7)
0.4
97
6
(0.0
42
1)
0.6
71
4
(0.0
03
2)
0.5
69
6
(0.0
17
0)
0.7
30
7
(0.0
00
9)
0.7
12
9
(0.0
01
3)
-0.6
50
7
(0.0
04
7)
0.6
99
3
(0.0
01
8)
0.4
09
1
(0.1
03
0)
0.2
80
1
(0.2
76
2)
0.6
10
9
(0.0
09
2)
0.2
83
1
(0.2
70
8)
-0.7
04
2
(0.0
01
6)
0.7
59
8
(0.0
00
4)
0.3
63
4
(0.1
51
6)
0.2
60
5
(0.3
12
6)
0.3
39
6
(0.1
82
4)
23
0.8
23
2
(0.0
00
0)
-0.0
46
2
(0.8
60
2)
0.6
12
9
(0.0
08
9)
0.4
63
1
(0.0
61
2)
0.0
44
0
(0.8
66
9)
0.2
52
8
(0.3
27
6)
0.2
55
5
(0.3
22
3)
0.2
79
1
(0.2
78
0)
-0.1
08
3
(0.6
79
1)
0.0
21
1
(0.9
35
8)
-0.0
21
1
(0.9
35
8)
-0.0
69
2
(0.7
91
9)
0.3
58
8
(0.1
57
3)
0.6
55
9
(0.0
04
3)
0.8
26
3
(0.0
00
0)
0.8
19
4
(0.0
00
1)
0.8
25
2
(0.0
00
0)
0.6
30
7
(0.0
06
6)
0.0
54
8
(0.8
34
6)
0.4
64
4
(0.0
60
4)
-0.3
98
6
(0.1
13
1)
0.1
76
6
(0.4
97
7)
0.3
97
0
(0.1
14
6)
0.5
23
6
(0.0
31
0)
0.6
48
4
(0.0
04
9)
0.1
63
5
(0.5
30
6)
0.2
47
6
(0.3
37
9)
-0.1
45
9
(0.5
76
4)
-0.2
02
5
(0.4
35
7)
0.0
82
9
(0.7
51
6)
0.3
90
3
(0.1
21
4)
-0.2
25
4
(0.3
84
4)
0.3
56
9
(0.1
59
6)
-0.0
00
8
(0.9
97
6)
0.2
20
3
(0.3
95
6)
0.6
02
1
(0.0
10
5)
0.6
48
1
(0.0
04
9)
0.5
59
9
(0.0
19
4)
24
0.4
33
8
(0.0
81
9)
0.1
00
0
(0.7
02
6)
0.6
52
6
(0.0
04
5)
0.5
34
6
(0.0
27
1)
-0.0
39
2
(0.8
81
4)
0.4
35
7
(0.0
80
4)
0.4
71
9
(0.0
55
8)
0.5
40
1
(0.0
25
2)
0.2
51
2
(0.3
30
8)
0.5
67
5
(0.0
17
5)
-0.5
67
5
(0.0
17
5)
0.3
67
8
(0.1
46
4)
0.2
46
6
(0.3
40
0)
0.6
55
9
(0.0
04
3)
0.5
97
0
(0.0
11
4)
0.3
71
7
(0.1
41
8)
0.4
39
7
(0.0
77
4)
0.1
60
6
(0.5
38
1)
0.1
15
6
(0.6
58
6)
0.6
47
1
(0.0
05
0)
-0.1
10
0
(0.6
74
3)
0.4
97
6
(0.0
42
1)
0.3
97
0
(0.1
14
6)
0.8
49
9
(0.0
00
0)
0.8
22
0
(0.0
00
1)
0.5
88
9
(0.0
12
9)
0.6
55
4
(0.0
04
3)
-0.5
98
0
(0.0
11
2)
0.0
90
6
(0.7
29
4)
0.1
91
3
(0.4
62
0)
0.4
21
5
(0.0
92
0)
0.1
05
4
(0.6
87
1)
0.5
83
6
(0.0
13
9)
-0.4
24
4
(0.0
89
6)
0.6
25
9
(0.0
07
2)
0.6
11
6
(0.0
09
1)
0.4
56
0
(0.0
65
8)
0.4
27
2
(0.0
87
2)
25
0.4
33
1
(0.0
60
4)
0.0
60
4
(0.8
18
0)
0.6
93
0
(0.0
02
0)
0.5
63
5
(0.0
18
5)
0.0
65
1
(0.8
03
9)
0.5
95
4
(0.0
11
7)
0.6
12
1
(0.0
09
0)
0.6
83
3
(0.0
02
5)
0.1
81
7
(0.4
85
1)
0.5
85
4
(0.0
13
6)
-0.5
85
4
(0.0
13
6)
0.2
34
2
(0.3
65
7)
0.2
38
4
(0.3
56
8)
0.7
60
8
(0.0
00
4)
0.6
90
1
(0.0
02
2)
0.4
30
4
(0.0
84
6)
0.4
57
7
(0.0
64
)
0.1
19
1
(0.6
49
0)
0.1
18
8
(0.6
49
7)
0.6
21
3
(0.0
07
8)
0.0
35
3
(0.8
93
1)
0.6
71
4
(0.0
03
2)
0.5
23
6
(0.0
31
0)
0.8
49
9
(0.0
00
0)
0.9
31
7
(0.0
00
0)
0.7
88
8
(0.0
00
2)
0.8
48
2
(0.0
00
0)
-0.7
13
3
(0.0
01
3)
0.2
95
5
(0.2
49
6)
0.2
04
1
(0.4
31
9)
0.4
53
1
(0.0
67
8)
0.3
15
5
(0.2
17
4)
0.5
47
9
(0.0
22
8)
-0.5
37
8
(0.0
26
0)
0.8
28
0
(0.0
00
0)
0.7
40
2
(0.0
00
7)
0.5
87
1
(0.0
13
2)
0.5
22
8
(0.0
31
3)
26
0.5
46
1
(0.0
23
3)
-0.0
94
9
(0.7
17
1)
0.7
50
4
(0.0
00
5)
0.5
15
9
(0.0
34
0)
-0.1
11
8
(0.6
69
4)
0.4
27
3
(0.0
87
1)
0.4
55
2
(0.0
66
4)
0.5
54
8
(0.0
20
8)
-0.0
36
0
(0.8
90
8)
0.5
26
3
(0.0
30
0)
-0.5
26
3
(0.0
30
0)
0.1
54
8
(0.5
53
1)
0.2
14
6
(0.4
08
3)
0.8
48
4
(0.0
00
0)
0.8
12
2
(0.0
00
1)
0.5
93
5
(0.0
12
0)
0.6
20
4
(0.0
07
9)
0.2
66
5
(0.3
01
1)
0.1
59
5
(0.5
40
8)
0.6
70
0
(0.0
03
3)
-0.0
56
5
(0.8
29
4)
0.5
69
6
(0.0
17
0)
0.6
48
4
(0.0
04
9)
0.8
22
0
(0.0
00
1)
0.9
31
7
(0.0
00
0)
0.6
70
2
(0.0
03
2)
0.7
25
4
(0.0
01
0)
-0.6
23
3
(0.0
07
5)
0.0
49
0
(0.8
51
8)
0.1
24
9
(0.6
33
0)
0.3
59
0
(0.1
57
1)
0.0
87
0
(0.7
39
9)
0.6
28
3
(0.0
06
9)
-0.4
25
9
(0.0
88
3)
0.7
15
0
(0.0
01
3)
0.7
25
8
(0.0
01
0)
0.6
04
3
(0.0
10
2)
0.4
92
4
(0.0
44
6)
27
0.0
30
9
(0.9
06
4)
-0.1
38
2
(0.5
97
0)
0.4
54
4
(0.0
66
9)
0.2
98
2
(0.2
45
0)
-0.0
25
7
(0.9
22
1)
0.5
22
9
(0.0
31
3)
0.5
05
6
(0.0
38
4)
0.5
67
0
(0.0
17
6)
-0.0
59
0
(0.8
22
2)
0.7
22
6
(0.0
01
0)
-0.7
22
6
(0.0
01
0)
0.2
80
3
(0.2
75
8)
0.1
67
9
(0.5
19
5)
0.5
57
2
(0.0
20
1)
0.4
22
0
(0.0
91
5)
0.0
56
5
(0.8
29
6)
0.0
99
2
(0.7
04
9)
-0.2
17
6
(0.4
01
6)
0.0
91
3
(0.7
27
5)
0.6
03
7
(0.0
10
3)
0.2
87
2
(0.2
63
7)
0.7
30
7
(0.0
00
9)
0.1
63
5
(0.5
30
6)
0.5
88
9
(0.0
12
9)
0.7
88
8
(0.0
00
2)
0.6
70
2
(0.0
03
2)
0.9
70
6
(0.0
00
0)
-0.8
49
3
(0.0
00
0)
0.4
20
7
(0.0
71
4)
0.0
67
5
(0.7
97
0)
0.0
46
5
(0.8
59
3)
0.6
15
3
(0.0
08
6)
0.3
90
8
(0.0
58
9)
-0.7
25
8
(0.0
01
0)
0.9
32
5
(0.0
00
0)
0.4
80
9
(0.0
50
7)
0.2
96
6
(0.2
47
7)
0.1
09
5
(0.6
75
6)
28
0.1
31
6
(0.6
14
6)
-0.1
24
5
(0.6
34
0)
0.5
15
8
(0.0
34
0)
0.3
92
9
(0.1
18
7)
0.0
27
4
(0.9
16
9)
0.5
34
1
(0.0
27
2)
0.5
19
0
(0.0
32
8)
0.5
84
8
(0.0
13
7)
-0.0
04
6
(0.9
86
1)
0.7
10
8
(0.0
01
4)
-0.7
10
8
(0.0
01
4)
0.4
03
4
(0.1
08
3)
0.1
96
3
(0.4
50
3)
0.6
27
6
(0.0
07
0)
0.5
14
3
(0.0
34
7)
0.1
22
0
(0.6
40
9)
0.1
72
5
(0.5
08
0)
-0.1
76
2
(0.4
98
6)
0.0
43
7
(0.8
67
7)
0.6
04
2
(0.0
10
2)
0.1
95
7
(0.4
51
7)
0.7
12
9
(0.0
01
3)
0.2
47
6
(0.3
37
9)
0.6
55
4
(0.0
04
3)
0.8
48
2
(0.0
00
0)
0.7
25
4
(0.0
01
0)
0.9
70
6
(0.0
00
0)
-0.8
63
4
(0.0
00
0)
0.4
47
9
(0.0
71
4)
0.0
20
2
(0.9
38
8)
0.1
18
0
(0.6
52
0)
0.5
02
8
(0.0
39
7)
0.4
66
8
(0.0
58
9)
-0.6
58
9
(0.0
04
0)
0.9
70
3
(0.0
00
0)
0.5
05
1
(0.0
38
6)
0.3
02
3
(0.2
38
3)
0.1
60
6
(0.5
38
2)
29
-0.1
48
8
(0.5
68
8)
0.1
64
5
(0.5
28
0)
-0.4
04
4
(0.1
07
4)
-0.2
13
6
(0.4
10
5)
0.2
50
4
(0.3
32
3)
-0.4
84
8
(0.0
48
5)
-0.4
63
4
(0.0
61
0)
-0.5
35
6
(0.0
26
7)
0.1
12
3
(0.6
67
8)
-0.7
55
8
(0.0
00
4)
0.7
55
8
(0.0
00
4)
-0.2
26
3
(0.3
82
5)
-0.1
39
3
(0.5
93
9)
-0.5
39
4
(0.0
25
4)
-0.3
96
7
(0.1
14
9)
-0.0
31
5
(0.9
04
6)
-0.0
84
7
(0.7
46
4)
0.2
37
9
(0.3
57
8)
0.2
39
3
(0.3
54
9)
-0.4
06
8
(0.1
05
1)
-0.1
12
0
(0.6
68
6)
-0.6
50
7
(0.0
04
7)
-0.1
45
9
(0.5
76
4)
-0.5
98
0
(0.0
11
2)
-0.7
13
3
(0.0
01
3)
-0.6
23
3
(0.0
07
5)
-0.8
49
3
(0.0
00
0)
-0.8
63
4
(0.0
00
0)
-0.4
69
4
(0.0
57
3)
0.0
88
(0.7
34
7)
-0.0
44
7
(0.8
64
6)
-0.4
51
2
(0.0
69
1)
-0.5
00
5
(0.0
40
7)
0.6
14
7
(0.0
08
6)
-0.8
89
4
(0.0
00
0)
-0.4
54
2
(0.0
67
0)
0.2
24
3
(03
86
8)
-0.0
75
7
(0.7
72
7)
30
-0.1
79
7
(0.4
90
2)
0.1
34
9
(0.6
05
7)
0.0
23
4
(0.9
29
0)
-0.0
46
4
(0.8
59
7)
0.1
63
4
(0.5
30
9)
0.5
22
8
(0.0
31
3)
0.4
91
3
(0.0
45
2)
0.5
05
3
(0.0
38
5)
0.2
09
1
(0.4
20
5)
0.2
02
9
(0.4
34
7)
-0.2
02
9
(0.4
34
7)
0.1
83
9
(0.4
79
9)
-0.1
98
2
(0.4
45
7)
0.2
24
6
(0.3
86
2)
-0.0
58
2
(0.8
24
5)
-0.2
75
0
(0.2
85
4)
-0.2
84
0
(0.2
69
4)
-0.4
38
3
(0.0
78
4)
-0.2
26
8
(0.3
81
4)
-0.0
98
0
(0.7
08
3)
0.5
44
2
(0.0
23
9)
0.6
99
3
(0.0
01
8)
-0.2
02
5
(0.4
35
7)
0.0
90
6
(0.7
29
4)
0.2
95
5
(0.2
49
6)
0.0
49
0
(0.8
51
8)
0.4
20
7
(0.0
71
4)
0.4
47
9
(0.0
71
4)
-0.4
69
4
(0.0
57
3)
0.2
10
0
(0.4
18
5)
0.2
15
1
(0.4
07
1)
0.6
62
1
(0.0
03
8)
-0.0
52
2
(0.8
42
3)
-0.4
44
1
(0.0
74
2)
0.5
34
0
(0.0
27
2)
0.0
04
2
(0.9
87
3)
-0.1
60
0
(0.5
39
7)
0.1
24
1
(0.6
35
2)
31
0.0
96
6
(0.7
12
3)
0.6
28
0
(0.0
06
9)
0.3
94
3
(0.1
17
3)
0.1
18
4
(0.6
50
9)
0.3
77
2
(0.1
35
6)
0.5
70
0
(0.0
16
9)
0.5
68
1
(0.0
17
4)
0.5
31
5
(0.0
28
1)
0.2
47
6
(0.3
38
0)
-0.2
74
1
(0.2
87
0)
0.2
74
1
(0.2
87
0)
-0.2
36
5
(0.3
60
7)
-0.0
92
6
(0.7
23
6)
0.0
66
0
(0.8
01
2)
0.2
16
2
(0.4
04
7)
0.1
84
6
(0.4
78
0)
0.2
06
7
(0.4
26
0)
0.1
83
8
(0.4
80
1)
-0.0
24
6
(0.9
25
5)
0.0
96
6
(0.7
12
2)
0.3
61
3
(0.1
54
2)
0.4
09
1
(0.1
03
0)
0.0
82
9
(0.7
51
6)
0.1
91
3
(0.4
62
0)
0.2
04
1
(0.4
31
9)
0.1
24
9
(0.6
33
0)
0.0
67
5
(0.7
97
0)
0.0
20
2
(0.9
38
8)
0.0
88
(0.7
34
7)
0.2
10
0
(0.4
18
5)
0.4
24
4
(0.0
89
5)
0.2
81
8
(0.2
73
1)
-0.1
26
3
(0.6
29
0)
-0.3
39
6
(0.1
82
3)
-0.0
68
8
(0.7
92
9)
-0.0
17
5
(0.9
46
9)
0.1
43
5
(0.5
82
6)
0.3
61
1
(0.1
54
4)
32
0.5
43
3
(0.0
24
2)
0.4
37
2
(0.0
79
3)
0.4
04
5
(0.1
07
3)
0.5
39
8
(0.0
25
3)
0.4
39
2
(0.0
77
8)
0.4
52
3
(0.0
68
3)
0.4
50
4
(0.0
69
6)
0.4
46
4
(0.0
72
5)
0.6
08
2
(0.0
09
6)
-0.0
11
9
(0.9
64
0)
0.0
11
9
(0.9
64
0)
0.0
20
9
(0.9
36
6)
0.3
93
0
(0.1
18
7)
0.2
84
7
(0.2
68
1)
0.3
58
6
(0.1
57
6)
0.4
26
9
(0.0
87
4)
0.4
21
2
(0.0
92
2)
0.3
57
7
(0.1
58
7)
0.0
83
8
(0.7
49
1)
0.1
10
2
(0.6
73
7)
0.0
90
9
(0.7
28
6)
0.2
80
1
(0.2
76
2)
0.3
90
3
(0.1
21
4)
0.4
21
5
(0.0
92
0)
0.4
53
1
(0.0
67
8)
0.3
59
0
(0.1
57
1)
0.0
46
5
(0.8
59
3)
0.1
18
0
(0.6
52
0)
-0.0
44
7
(0.8
64
6)
0.2
15
1
(0.4
07
1)
0.4
24
4
(0.0
89
5)
0.0
42
4
(0.8
71
5)
0.3
31
2
(0.1
94
1)
-0.3
63
5
(0.1
51
6)
0.1
11
5
(0.6
70
0)
0.3
54
6
(0.1
62
5)
0.5
09
2
(0.0
36
8)
0.8
87
5
(0.0
00
0)
33
-0.4
17
3
(0.0
95
6)
0.0
00
1
(0.9
99
7)
-0.0
33
3
(0.8
99
0)
-0.0
13
8
(0.9
58
1)
0.1
51
8
(0.5
60
9)
0.4
56
3
(0.0
65
6)
0.4
35
9
(0.0
80
3)
0.4
12
8
(0.0
99
6)
0.2
49
6
(0.3
33
9)
0.2
00
9
(0.4
39
5)
-0.2
00
9
(0.4
39
5)
-0.0
51
3
(0.8
45
1)
-0.2
64
7
(0.3
04
6)
0.1
17
8
(0.6
52
6)
-0.1
60
6
(0.5
38
0)
-0.3
32
8
(0.1
91
8)
-0.3
55
8
(0.1
61
0)
-0.4
52
0
(0.0
68
5)
0.1
93
3
(0.4
57
4)
0.1
69
5
(0.5
15
5)
0.4
42
6
(0.0
75
2)
0.6
10
9
(0.0
09
2)
-0.2
25
4
(0.3
84
4)
0.1
05
4
(0.6
87
1)
0.3
15
5
(0.2
17
4)
0.0
87
0
(0.7
39
9)
0.6
15
3
(0.0
08
6)
0.5
02
8
(0.0
39
7)
-0.4
51
2
(0.0
69
1)
0.6
62
1
(0.0
03
8)
0.2
81
8
(0.2
73
1)
0.0
42
4
(0.8
71
5)
-0.3
58
1
(0.1
58
2)
-0.4
64
1
(0.0
60
6)
0.4
79
5
(0.0
51
5)
0.1
22
0
(0.6
40
9)
-0.0
32
8
(0.9
00
6)
0.0
06
4
(0.9
80
5)
34
0.6
09
0
(0.0
09
5)
-0.0
22
7
(0.9
31
0)
0.5
26
6
(0.0
29
9)
0.2
79
7
(0.2
76
9)
-0.2
05
9
(0.4
28
0)
0.1
90
0
(0.4
65
2)
0.1
74
6
(0.5
02
8)
0.2
89
9
(0.2
59
0)
-0.2
37
0
(0.3
59
8)
0.6
87
9
(0.0
02
3)
-0.6
87
9
(0.0
02
3)
0.2
51
5
(0.3
30
2)
0.6
06
6
(0.0
09
8)
0.4
61
5
(0.0
62
2)
0.5
79
0
(0.0
14
9)
0.4
22
7
(0.0
91
0)
0.4
88
8
(0.0
46
5)
0.2
62
5
(0.3
08
7)
-0.2
13
5
(0.4
10
6)
0.3
14
9
(0.2
18
3)
0.0
59
2
(0.8
21
4)
0.2
83
1
(0.2
70
8)
0.3
56
9
(0.1
59
6)
0.5
83
6
(0.0
13
9)
0.5
47
9
(0.0
22
8)
0.6
28
3
(0.0
06
9)
0.3
90
8
(0.0
58
9)
0.4
66
8
(0.0
58
9)
-0.5
00
5
(0.0
40
7)
-0.0
52
2
(0.8
42
3)
-0.1
26
3
(0.6
29
0)
0.3
31
2
(0.1
94
1)
-0.3
58
1
(0.1
58
2)
-0.5
40
1
(0.0
25
2)
0.5
12
2
(0.0
35
6)
0.4
50
6
(0.0
69
5)
0.4
59
7
(0.0
63
4)
0.4
01
9
(0.1
09
8)
35
-0.1
24
7
(0.6
33
5)
-0.1
74
1
(0.5
03
8)
-0.4
06
9
(0.1
05
0)
-0.1
69
9
(0.5
14
3)
-0.0
23
7
(0.9
28
1)
-0.6
01
2
(0.0
10
7)
-0.5
69
0
(0.0
17
1)
-0.6
16
5
(0.0
08
4)
-0.0
08
1
(0.9
75
4)
-0.5
89
5
(0.0
12
8)
0.5
89
5
(0.0
12
8)
-0.1
11
9
(0.6
69
1)
-0.4
09
5
(0.1
02
6)
-0.3
21
5
(0.2
08
2)
-0.2
94
2
(0.2
51
7)
-0.0
51
3
(0.8
45
0)
-0.1
01
7
(0.6
97
8)
0.1
03
5
(0.6
92
6)
0.1
24
9
(0.6
33
0)
-0.3
21
2
(0.2
08
7)
-0.6
56
2
(0.0
04
2)
-0.7
04
2
(0.0
01
6)
-0.0
00
8
(0.9
97
6)
-0.4
24
4
(0.0
89
6)
-0.5
37
8
(0.0
26
0)
-0.4
25
9
(0.0
88
3)
-0.7
25
8
(0.0
01
0)
-0.6
58
9
(0.0
04
0)
0.6
14
7
(0.0
08
6)
-0.4
44
1
(0.0
74
2)
-0.3
39
6
(0.1
82
3)
-0.3
63
5
(0.1
51
6)
-0.4
64
1
(0.0
60
6)
-0.5
40
1
(0.0
25
2)
-0.6
34
0
(0.0
06
3)
-0.2
10
7
(0.4
16
9)
-0.2
69
4
(0.2
95
8)
-0.3
25
1
(0.2
03
0)
36
0.1
66
9
(0.5
21
9)
-0.2
19
2
(0.3
98
0)
0.4
98
6
(0.0
41
6)
0.3
29
1
(0.1
97
1)
-0.0
35
4
(0.8
92
8)
0.5
08
2
(0.0
37
3)
0.4
87
0
(0.0
47
4)
0.5
79
5
(0.0
14
8)
-0.0
77
2
(0.7
68
4)
0.7
78
5
(0.0
00
2)
-0.7
78
5
(0.0
00
2)
0.3
93
2
(0.1
18
4)
0.1
69
3
(0.5
16
0)
0.6
56
2
(0.0
04
2)
0.4
92
6
(0.0
44
5)
0.1
39
1
(0.5
94
4)
0.1
75
3
(0.5
00
9)
-0.1
70
7
(0.5
12
4)
0.0
18
3
(0.9
44
4)
0.5
39
5
(0.0
25
4)
0.2
02
1
(0.4
36
7)
0.7
59
8
(0.0
00
4)
0.2
20
3
(0.3
95
6)
0.6
25
9
(0.0
07
2)
0.8
28
0
(0.0
00
0)
0.7
15
0
(0.0
01
3)
0.9
32
5
(0.0
00
0)
0.9
70
3
(0.0
00
0)
-0.8
89
4
(0.0
00
0)
0.5
34
0
(0.0
27
2)
-0.0
68
8
(0.7
92
9)
0.1
11
5
(0.6
70
0)
0.4
79
5
(0.0
51
5)
0.5
12
2
(0.0
35
6)
-0.6
34
0
(0.0
06
3)
0.5
52
8
(0.0
21
4)
0.3
15
4
(0.2
17
5)
0.1
94
9
(0.4
53
5)
37
0.5
77
0
(0.0
15
3)
-0.1
53
7
(0.5
55
8)
0.5
55
5
(0.0
20
6)
0.4
33
5
(0.0
82
2)
0.0
83
3
(0.7
50
7)
0.3
59
3
(0.1
56
7)
0.3
50
2
(0.1
68
2)
0.4
24
3
(0.0
89
6)
0.0
12
5
(0.9
62
0)
0.5
97
0
(0.0
11
4)
-0.5
97
0
(0.0
11
4)
-0.1
08
5
(0.6
78
5)
0.3
98
9
(0.1
12
7)
0.5
03
8
(0.0
39
2)
0.5
40
6
(0.0
25
1)
0.5
94
0
(0.0
11
9)
0.5
66
0
(0.0
17
9)
0.4
42
8
(0.0
75
1)
0.2
76
8
(0.2
82
2)
0.4
63
0
(0.0
61
3)
-0.3
24
1
(0.2
04
4)
0.3
63
4
(0.1
51
6)
0.6
02
1
(0.0
10
5)
0.6
11
6
(0.0
09
1)
0.7
40
2
(0.0
00
7)
0.7
25
8
(0.0
01
0)
0.4
80
9
(0.0
50
7)
0.5
05
1
(0.0
38
6)
-0.4
54
2
(0.0
67
0)
0.0
04
2
(0.9
87
3)
-0.0
17
5
(0.9
46
9)
0.3
54
6
(0.1
62
5)
0.1
22
0
(0.6
40
9)
0.4
50
6
(0.0
69
5)
-0.2
10
7
(0.4
16
9)
0.5
52
8
(0.0
21
4)
0.8
82
9
(0.0
00
0)
0.6
39
1
(0.0
05
7)
38
0.6
99
2
(0.0
01
8)
0.0
13
5
(0.9
59
0)
0.6
42
9
(0.0
05
4)
0.5
60
4
(0.0
19
3)
0.2
75
7
(0.2
84
2)
0.4
45
7
(0.0
73
0)
0.4
37
0
(0.0
79
5)
0.4
76
3
(0.0
53
3)
0.0
71
5
(0.7
85
0)
0.3
99
5
(0.1
12
2)
-0.3
99
5
(0.1
12
2)
-0.2
44
0
(0.3
45
3)
0.6
44
8
(0.0
05
2)
0.3
62
3
(0.1
52
9)
0.5
62
4
(0.0
18
8)
0.7
66
0
(0.0
00
3)
0.7
24
3
(0.0
01
0)
0.7
17
4
(0.0
01
2)
0.2
57
0
(0.3
19
4)
0.4
24
8
(0.0
89
2)
-0.2
69
6
(0.2
95
3)
0.2
60
5
(0.3
12
6)
0.6
48
1
(0.0
04
9)
0.4
56
0
(0.0
65
8)
0.5
87
1
(0.0
13
2)
0.6
04
3
(0.0
10
2)
0.2
96
6
(0.2
47
7)
0.3
02
3
(0.2
38
3)
0.2
24
3
(03
86
8)
-0.1
60
0
(0.5
39
7)
0.1
43
5
(0.5
82
6)
0.5
09
2
(0.0
36
8)
-0.0
32
8
(0.9
00
6)
0.4
59
7
(0.0
63
4)
-0.2
69
4
(0.2
95
8)
0.3
15
4
(0.2
17
5)
0.8
82
9
(0.0
00
0)
0.7
87
1
(0.0
00
2)
39
0.6
67
6
(0.0
03
4)
0.2
15
0
(0.4
07
2)
0.5
44
9
(0.0
23
7)
0.5
45
3
(0.0
23
6)
0.4
40
9
(0.0
76
5)
0.4
47
7
(0.0
71
6)
0.4
38
3
(0.0
78
4)
0.4
69
6
(0.0
57
2)
0.3
71
1
(0.1
42
6)
0.1
31
3
(0.6
15
5)
-0.1
31
3
(0.6
15
5)
-0.1
64
0
(0.5
29
4)
0.4
78
1
(0.0
52
2)
0.3
87
6
(0.1
24
2)
0.4
98
1
(0.0
41
9)
0.6
63
6
(0.0
03
7)
0.6
24
5
(0.0
07
4)
0.5
84
0
(0.0
13
8)
0.2
53
2
(0.3
26
8)
0.2
33
5
(0.3
67
0)
-0.0
12
4
(0.9
62
4)
0.3
39
6
(0.1
82
4)
0.5
59
9
(0.0
19
4)
0.4
27
2
(0.0
87
2)
0.5
22
8
(0.0
31
3)
0.4
92
4
(0.0
44
6)
0.1
09
5
(0.6
75
6)
0.1
60
6
(0.5
38
2)
-0.0
75
7
(0.7
72
7)
0.1
24
1
(0.6
35
2)
0.3
61
1
(0.1
54
4)
0.8
87
5
(0.0
00
0)
0.0
06
4
(0.9
80
5)
0.4
01
9
(0.1
09
8)
-0.3
25
1
(0.2
03
0)
0.1
94
9
(0.4
53
5)
0.6
39
1
(0.0
05
7)
0.7
87
1
(0.0
00
2)
top related