innovatie
Innovatie: mkb belangrijker
dan grootbedrijf
Welk effect hebben sectorkenmerken op de mate waarin
bedrijven innovatief zijn? De bevindingen van het veel
geciteerde onderzoek van Acs en Audretsch houden nog
altijd stand, met één uitzondering: het zijn juist sectoren met
vooral kleine bedrijven die innovatief zijn.
Evenals Acs en Audretsch stellen wij de vraag hoe de
marktstructuur innovativiteit van een sector beïnvloedt
(Acs & Audretsch, 1988). Daaruit volgt de vraag welke
invloed bedrijfsgrootte heeft op innovativiteit. Omdat
productaankondiging als indicator voor innovativiteit
de meest zuivere maatstaf is, gebruiken wij dat. Ook
Acs en Audretsch beschikten over dergelijke data. Wij
vinden goeddeels dezelfde patronen, met een belangrijke uitzondering: volgens ons zijn het juist niet de
grote maar vooral de kleine bedrijven die voor innovaties zorgen.
Naast onze analyse op sectorniveau stellen onze
data ons in staat een en ander op te merken over
innovativiteit op het niveau van individuele bedrijven.
Bijvoorbeeld: toegewijde innovatoren – zij die permanent innoveren en een hoge R&D-intensiteit kennen
– zijn succesvoller in de zin dat zij een groter deel van
hun omzet halen uit recent ontwikkelde producten.
Data en Model
Wilfred Dolfsma
en Gerben van der
Panne
Dolfsma is als universitair
docent verbonden aan
RSM Erasmus University
en als universitair hoofddocent aan de Universiteit
Maastricht. Van der Panne
is universitair hoofddocent
aan de sectie Economie van
Innovatie van de Technische Universiteit Delft
474
ESB 22
Productaankondigingen zijn de meest zuivere wijze
om innovativiteit vast te stellen (Kleinknecht et al.,
2002). R&D-inzet vertaalt zich niet altijd in nieuwe
kennis en nieuwe producten. Nieuwe kennis wordt
lang niet altijd gepatenteerd en vele patenten zijn nutteloos, zelfs in strategisch opzicht. Aankondigingen
van nieuwe producten als indicator voor innovativiteit
is dan ook het meest in lijn met het zogenaamde Oslo
handboek (OESO, 1992). Een productaankondiging is
een commercieel relevante uitkomst van activiteit op
het gebied van innovatie. Het verzamelen van dergelijke data is echter arbeidsintensief.
Door voor de jaren 2000-2002 alle aankondigingen
van nieuwe producten in 43 vakbladen te verzamelen,
werd nagenoeg de gehele Nederlandse economie
afgedekt: 48 van de 52 sectoren. Een nieuw product
moest substantieel beter zijn: tenminste één kenmerk
moest in het redactioneel vermeld worden waarin het
genoemde product een verbetering bood ten opzichte
van concurrerende producten. Door af te gaan op
de expertise van de redactie van de vakbladen, kan
dat resulteren in een zuivere en objectieve dataset.
Daarnaast zijn de redacties van de vakbladen gehouden hun abonnees zo goed mogelijk te informeren.
Desondanks bleek in de enquête dat ruim 62 procent
van de innovaties niet door Nederlandse bedrijven
september 2006
werd ontwikkeld, maar eerder aan te merken is als
‘import-innovaties’. Import-innovaties bleken willekeurig over sectoren verdeeld. Alle bedrijven voor
de 1585 aankondigingen werden geënquêteerd;
66,6 procent stuurde een ingevulde enquête terug.
Wanneer import-innovaties weggelaten worden,
blijven 398 productaankondigingen over, verdeeld
over 48 sectoren – dit is het complete aantal nieuw
aangekondigde producten in Nederland.
In een vergelijking met data van de onder innovatieonderzoekers veelgebruikte Community Innovation
Survey (CIS) valt op dat bedrijven uit onze data
gemiddeld meer patenten hebben, meer innovaties
ontwikkelen en R&D intensiever zijn. Omzet uit recent
ontwikkelde producten is hoger voor onze bedrijven.
De verdeling over bedrijfstakken wijkt niet af, maar
wel nemen wij bedrijven kleiner dan tien werknemers
mee; CIS doet dat niet.
Acs en Audretsch beschikten over data voor alleen de
maakindustrie, waar onze data ook de dienstensector
bevat. Vanwege het aantal datapunten hanteren wij
een Count-model (negatief binomiaal regressiemodel,
Cameron & Trivedi 1986; coëfficiënten zijn gestandaardiseerd). De resultaten van een dergelijk model
zijn in alle opzichten vergelijkbaar met de resultaten van een OLS analyse zoals Acs en Audretsch
toepasten.
De variabelen die wij gebruiken worden in de meer
uitgebreide studie (Dolfsma & Van der Panne, 2006)
nader besproken. Voor onze endogene variabele van
ons model gebruikten we informatie uit de enquête.
Om de vergelijking met Acs en Audretsch mogelijk
te maken, namen we sectortotalen, bepaald op basis
van data van het CBS, voor de andere variabelen.
Geschoolde arbeid staat zo voor werknemers met
bachelor- of masteropleiding. De factor bedrijfspopulatie werd niet apart door Acs en Audretsch meegenomen, maar kan op kennis-spillover duiden. Dit
resulteert in de volgende vergelijking:
Innovatiei = α + β1 (Kapitaalintensiteiti ) + β2
(Concentratiegraadi ) + β3 (Vakbondi ) + β4 (Reclameintensiteiti ) + β5 (Geschoolde arbeidi ) + β6 (Grotebedrijvenaandeel-Xi ) + β7 (SectorR&Di ) + β8
(Sectoromzeti ) + β9 (Bedrijfspopulatiei ) + εi
i = 1…48 sectoren.
Resultaten
Hoewel Acs en Audretsch zich in hun analyse beperkten tot de maakindustrie, zijn onze resultaten opmerkelijk genoeg in grote lijnen hetzelfde. De marktstructuur heeft wel degelijk een effect op de mate
waarin sectoren innovatief zijn. ‘Kapitaalintensiteit’,
‘Concentratiegraad’, ‘reclame-intensiteit’ (van een
sector) en (organisatiegraad van de) ‘Vakbond’ hebben
allen een negatieve invloed, zij het dat de bèta voor
organisatiegraad niet significant is in onze analyse. De
drie eerstgenoemde factoren zouden als toetredingsbarrières kunnen fungeren (Geroski, 1995). ‘Reclameintensiteit’ lijkt als rem op innovatie in Nederland
van groter belang te zijn dan in de Verenigde Staten.
‘Geschoolde arbeid’ draagt in positieve zin sterk bij
aan innovativiteit. Opvallend is vooral dat het ‘Grotebedrijven aandeel’ in onze analyse een negatieve
invloed heeft op de mate van innovativiteit, waar Acs
en Audretsch een positieve bijdrage vonden. De factor
‘Grote-bedrijven aandeel’ staat voor het aandeel in
werkgelegenheid binnen een sector van grote bedrijven. Acs en Audretsch definiëren grote bedrijven als
bedrijven met meer dan vijfhonderd medewerkers.
Naast de grens van 350 medewerkers die wij in de
tabel laten zien, hanteerden we ook grenzen van 75,
150, en 625 medewerkers. Naarmate de grenswaarde
hoger kwam te liggen, bleek dat de bèta negatiever
en statistisch meer significant werd. Omdat wij zoveel
mogelijk Acs en Audretsch volgen, zouden de verschillen in de resultaten slechts voor een klein deel
verklaard kunnen worden doordat onze methodologie
afweek van die van hen. Een mogelijke verklaring is
dat de economische structuur in de Verenigde Staten
(toen) anders was dan die in Nederland (nu).
Bedrijfsniveau
Omdat we informatie hebben op het niveau van
individuele bedrijven, kunnen we verschillende
dwarsdoorsneden maken. We bepaalden of en in
hoeverre bedrijven die al dan niet permanent innoveren, jonger zijn, R&D-intensiever zijn en succesvoller
zijn, zich op verschillende wijze laten sturen door
omgevingsfactoren. Succesvol staat voor een groter
aandeel in de huidige omzet van in het recente verleden ontwikkelde producten.
In vele opzichten geven de dwarsdoorsneden een
vergelijkbaar beeld met dat van tabel 1. De negatieve
invloed van het ‘grote-bedrijven aandeel’ is opvallend
consistent in de dwarsdoorsneden die wij analyseerden. Er zijn afwijkingen: bedrijven die toegewijd zijn,
in de zin dat ze R&D-intensief en jong zijn en voortdurend innoveren, trekken zich minder aan van hun omgeving. Dienstenbedrijven en bedrijven die beschikken
over patenten zijn gevoeliger voor omgevingsfactoren.
Kenniswerkers dragen opvallend weinig bij aan de innovativiteit van oudere bedrijven. De organisatiegraad
van arbeid is, bij uitzondering, licht positief in het
geval van de R&D-intensieve bedrijven. Geschoolde
werknemers dragen opvallend weinig bij aan de innovativiteit van bedrijven die het minst R&D-intensief
zijn. De invloed van kennis-spillovers door een grote
bedrijfspopulatie is opvallend groot voor de minst
succesvolle en minst regelmatig innoverende bedrijven; zij kunnen zich kennelijk optrekken aan anderen.
Jonge bedrijven laten zich nauwelijks afschrikken door
de ‘Reclame-intensiteit’ van hun sector, terwijl de bèta’s voor ‘Sector R&D’ en ‘Sectorgrootte’ positief en
tabel 1
Innovativiteit en Marktstructuur
Verandering in Verwachte Count (%)
per standaarddeviatie wijziging in de
exogene variabelea
Industriekarakteristieken:
Kapitaalintensiteit
Concentratiegraad sector
Vakbondlidmaatschap
Reclame-intensiteit
Geschoolde arbeid
Grote-bedrijven aandeelâ€
Controlevariabelen:
Sector R&D
Sectoromzet
Bedrijfspopulatie
N
R2
Bevindingen Acs en
Audretscha
Negatieve β, niet significant
Negatieve β, significant**
Negatieve β, significant**
Negatieve β, niet significant
Positieve β, significant**
Positieve β, significant**
-79.5 (0.007)***
-91.7 (0.001)***
-20.0 (0.537)
-72.4 (0.040)**
216.2 (0.001)***
-71.9 (0.001)***
198.5 (0.002)***
272.0 (0.009)***
22.1 (0.487)
48 sectoren
0.19
Positieve β, significant**
Positieve β, significant**
–
a significantie; ** = 5% niveau; *** = 1% niveau; (p-waarden); †Drempel: 350 medewerkers
significant maar opvallend klein zijn – deze schaaleffecten stimuleren de oudere
bedrijven juist opvallend sterk. Jonge bedrijven doen het relatief goed wanneer een
bedrijfspopulatie groot is – zij lijken van kennis-spillovers te kunnen profiteren.
Dwarsdoorsneden blijken op een aantal punten af te wijken van het generieke
beeld zoals tabel 1 laat zien. Wat vooral opvalt, is dat de succesvolle innovatoren
vaker jonge, R&D intensieve bedrijven blijken te zijn die zich permanent inzetten
voor innovatie.
Conclusie
De economische omgeving blijkt de innovativiteit van sectoren stevig te beïnvloeden. Een vergelijking met de studie van Acs en Audretsch geeft aan dat die
invloed consistent is (Acs & Audretsch,1988). In onze analyse van de volledige
set van productaankondigingen in Nederland blijkt dat vooral geschoolde arbeid
een sterk positieve bijdrage levert. Het ministerie van OCW zou wel eens de
meest belangrijke bijdrage aan innovatie in Nederland kunnen leveren. Er is één
belangwekkende uitzondering in vergelijking met Acs en Audretsch: wij stellen
dat de innovativiteit van sectoren vooral ontstaat bij kleinere bedrijven. De sterke
nadruk van het Innovatieplatform op het grootbedrijf lijkt daarmee een gemiste
kans. Op bedrijfsniveau blijkt dat toegewijde innovatoren succesvollere zijn.
Bedrijven kunnen dus gerust zijn: inzetten op innovatie leidt tot resultaat.
Literatuur
Acs Z.J. & D.B. Audretsch (1988) Innovation in Large and Small
Firms: An empirical analysis American Economic Review, 78, 678-690.
Cameron, A.C. & P.K. Trivedi (1986) Econometric Models Based on
Count Data: Comparisons and applications of some estimators and
tests. Journal of Applied Econometrics, 1, 29-53.
W. Dolfsma & G. van der Panne (2006) Currents and Sub-currents
in the River of Innovations – Explaining Innovativeness using NewProduct Announcements. ERIM working paper ERS-2006-036-ORG.
Rotterdam: Erasmus RSM.
Geroski, P.A. (1995) What do we know about entry. International
Journal of Industrial Organization, 13, 421-440.
Kleinknecht, A., K. van Montfort & E. Brouwer (2002) The non-trivial choice between innovation indicators. Economics of Innovation
and New Technology, 11, 109-121.
OESO (1992) The Measurement of Scientific and Technological activities
– Proposed guidelines for collecting and interpreting technological
innovation data (‘Oslo manual’). Parijs: OESO i.s.m. de Europese
Commissie en Eurostat.
ESB 22
september 2006
475