DOCUMENT DE TREBALL XREAP2011-17

R&D cooperation between Spanish firms and scientific partners: what is the role of tertiary education?
Agustí Segarra (GRIT)

   

R&D cooperation between Spanish firms and scientific  partners: what is the role of tertiary education?  
   
Agustí Segarra   Rovira i Virgili University, Spain 
  Abstract  
This  paper  explores  the  factors  that  determine  firm’s  R&D  cooperation  with  different  partners,  paying  special attention on the role of tertiary education (degree and PhDs level) in facilitating the connection  between  the  firms  and  the  to  scientific  bodies  (technology  centres,  public  research  centres  and  universities).  Here,  we  attempt  to  answer  two  questions.  First,  are  innovative  firms  that  carry  out  internal  and  external  R&D  activities  more  likely  to  cooperate  on  R&D  projects  with  other  partners?  Second, do Spanish innovative firms with a high participation of researchers with degrees or PhDs tend  to  cooperate  more  with  scientific  partners?  To  answer  both  questions  we  apply  a  three‐dimensional  approach on a firm level Panel Data with a sample of 4.998 manufacturing and services Spanish firms.  First, we run a complementary test between external R&D acquisition and skilled research workers and  find that firms which carry out external R&D activities obtain a greater return on R&D cooperation when  they have skilled workers in R&D, especially in high‐tech manufactures and KIS services. Second, we carry  out a 2‐step tobit model to estimate, in the first stage, the determinants that explain whether Spanish  innovative firms cooperate or not; and in the second stage the factors that affect the choice of partners.  And third, we apply an ordered probit model to test the marginal effects of explanatory variables on the  different  partners.  Here  we  contrast  some  of  the  most  interesting  empirical  hypotheses  of  previous  studies,  and  which  emphasize  the  role  of  employees  with  degrees  and  PhDs  in  facilitating  cooperative  R&D between firms and scientific partners. 

JEL classification: O31, O33, O38 
 

Key words: Determinants R&D cooperation, industry‐university flows, PhD research workers    Contact:  agusti.segarra@urv.cat,  Research Group of Industry and Territory   Department of Economics   Universitat Rovira i Virgili  Av. Universitat, 1; 43204 – Reus, Spain  Tel. + 34 977 759 816     Fax + 34 977 300 661    Acknowledgements  This research was partially funded by the Spanish Ministry of Innovation and Science (project  ECO2009‐08735)  and  the  Consolidated  Group  of  Research  2009‐SGR‐907.  We  would  like  to  acknowledge the research support of Verònica Gombau. A very previous version of this paper  was  presented  of  the  Symposium  “Universities,  innovation  and  territory”  celebrated  in  Barcelona, September, 2011, we are grateful for the comments of participants.  Any errors are,  of course, our own. 

1

1. Introduction    In  recent  years  the  determinants  and  effects  of  R&D  cooperation  have  become  an  important research topic, and the empirical literature has increasingly focused on R&D  cooperation  between  innovative  firms  and  universities  (Hervas‐Oliver  et  al,  2011;  Barge‐Gil, 2010; Segarra & Arauzo, 2008; Belderbos et al, 2004; Becker & Dietz, 2004,  Laursen & Salter, 2004.). The previous literature shows that firms tend to cooperate on  R&D activities with universities and scientific bodies when they know their needs in a  particular  field  of  knowledge  and  have  researchers  with  the  appropriate  skill  endowment.  But  if  innovative  firms  do  not  have  staff  qualified  to  absorb  and  adapt  external  knowledge,  the  likelihood  that  individual  firms  will  cooperate  with  scientific  partners decreases greatly. In this context the presence of research staff with a degree  or  a  PhD  in  the  firm  plays  a  determining  role  in  reducing  the  factors  that  hinder  cooperation between innovative firms and scientific partners.    This paper explores the role of graduate and PhD employees' research as a source of  absorptive  capacity  for  firms  as  regards  R&D  cooperation  with  external  partners,  especially technology centres and universities. The role of higher manpower skills has  been looked into by many researchers in the literature and in general the results are  conclusive: the better a firm's skill and qualification endowments, the higher the level  of  R&D  investment  (Piva  &  Vivarelli,  2009)  and  the  higher  the  level  of  productivity  (Freeman, 1987). This process is not unidirectional in the sense that qualified workers  facilitate R&D activities and increase productivity, but recursive, in that the intensity of  R&D at firm and country level offers more incentives to PhD holders and graduates to  migrate from less industrialized to more industrialized countries (De Grip et al,  2010;  Hall  et  al,  2010).  In  addition,  the  presence  of  qualified  personnel  in  organizations  encourages positive spillovers with the rest of the staff, although at the same time it  may  accelerate  the  obsolescence  of  knowledge  among  non‐qualified  and  ageing  workers.    Our starting hypothesis emphasizes the central role of tertiary education –degrees and  PhDs employees‐ in enhancing a firm's ability to recognize and provide new knowledge  generated outside innovative firms.  In particular we are interested in the role played  by  two  stages  of  tertiary  education:  the  first  concerns  the  programs  that  prepare  students  for  the  labour  market,  and  the  second  stage  refers  to  tertiary  studies  that  lead to an advanced research qualification or a PhD.     Analysing the impact of tertiary education on firm cooperation performance, especially  with  universities  and  other  public  centres,  has  become  extremely  important  in  countries like Spain. Indeed, Spain now faces the difficult task of finding a new path to  growth  under  the  ambitious  framework  of  the  Sustainable  Economy  Law.  Under  this  law, university reform and the presence of PhD staff in firms are two basic areas in the  new economic model. In this context the complementarity between a high educational  level and R&D cooperation with technological and scientific partners is related to the  firm’s absorptive capacity to adapt external knowledge.   

2

Despite  the  increasing  share  of  services  in  European  economies,  few  studies  have  analyzed  firms’  cooperation  in  R&D  with  the  manufacturing  and  services  industries.  This  point  is  relevant  because  the  sources  of  innovation  and  R&D  cooperation  strategies are very different between manufacturing and service firms. In the empirical  analysis  our  data  is  taken  from  the  Spanish  Technological  Innovation  Panel  for  the  period 2004‐2009. Our panel data present a sample of 4,998 innovative Spanish firms  and the econometric work offer better empirical results than with cross‐sectional data.  This  paper  analyses  both  manufacturing  and  service  industries,  but  this  approach  is  extremely rare in the literature on R&D cooperation (exceptions are Belberbos et al.,  2004, for the Netherlands and Segarra & Arauzo, 2008, for Spain).     Here  we  use  an  extensive  sample  of  innovative  firms  to  identify  the  determining  factors for R&D cooperation agreements with three types of partner: private partners  (firms belonging to the same group, customers, suppliers and competitors), technology  centres,  and  universities  (public  research  institutes  and  university  research  groups)1.  This empirical analysis focus on the determining factors for R&D cooperation between  innovative  firms  and  scientific  partners  (technology  centres  and  universities)2.  In  particular  we  are  interested  in  measuring  the  presence  of  complementary  effects  between  tertiary  educated  workers  and  the  ability  of  firms  to  cooperate  with  technology centres and universities.    The empirical strategy proposed here consists in estimating an ordered probit models  (OPM), because it is better suited than the widely‐used regression technique to work  with ordinal variables that reflect the intensity of the firms' efforts in innovation. Our  results  show  that  a  firm’s  cooperation  activities  are  closely  linked  to  industry  characteristics  and  firm  profile.  These  include  aspects  such  as  R&D  intensity,  size,  product and process innovation, and access to public grants for R&D activities. Internal  R&D  and  external  R&D  acquisition  also  increase  a  firm's  propensity  towards  R&D  cooperation with universities. The most notable results are related to the existence of  a  learning  process  in  the  field  of  R&D  cooperation  between  manufacturing  firms  but  not between services, and also to the critical role played by PhD research in facilitating  communication and cooperation between firms and universities.    This  paper  is  organised  as  follows.  In  the  second  section  we  review  preliminary  contributions on the factors that determine innovative firms’ capacity to cooperate in  R&D projects. In the third section we present the firm dataset used here and we run a  complementary  test  between  external  R&D  and  skilled  research  personnel.    In  the  fourth section we present the model and the variables. In the fifth section we discuss  our results and in the sixth section we summarise our main conclusions.   
  The  R&D  partners  selected  differs  in  the  empirical  literature,  for  example,  Belderbos  et  al  (2004)  explore  the  determinants  of  innovating  firms'  decisions  to  engage  in  R&D  cooperation  between  four  types  of  partners:  competitors,  suppliers,  customers,  and  universities  and  research  institutes  (institutional cooperation).   2  This approach was rare in this literature until a few years ago: see, for example, Belderbos et al. (2004),  Veugelers  &  Cassiman  (2005),  Kaiser  (2002),  Becker  &  Dietz  (2004),  Bönte  &  Keilbach  (2005), Schmidt  (2005) and López (2008).  
1

3

2.‐ Why do firms cooperate on R&D projects with other partners?    The  economic  literature  offers  a  vast  number  of  arguments  about  the  incentives  for  innovative firms to cooperate on R&D with other partners. Most empirical studies deal  with formal R&D cooperation (Cassiman & Veugelers, 2002; Miotti & Sachwald, 2003;  Lopez,  2006;  Segarra  &  Arauzo,  2008),  but  informal  R&D  cooperation  also  plays  an  important  role  (Bönte  &  Keilbach,  2005).  This  paper  provides  empirical  evidence  regarding the determinants of formal R&D cooperation for a wide sample of Spanish  firms in the manufacturing and service sectors, with special attention paid to the role  of  research  staff  qualifications  in  innovative  firms.  The  case  of  Spain  is  interesting  because  it  has  fewer  R&D  activities  than  other  European  countries,  innovative  firms  have  a  traditionally  low  absorptive  capacity,  and  the  traditional  barriers  to  R&D  cooperation activities between firms and scientific bodies are high.    In recent years many papers have been published on the determining factors of R&D  cooperation  (Miotti  &  Sachwald,  2003).  In  order  to  simplify  the  situation,  we  have  grouped  these  factors  into  two  main  groups:  elements  related  to  protection  and  absorptive  capacity,  and  elements  related  to  the  complementary  needs  of  external  knowledge.    The first group of factors concerns a firm's ability to protect and capture internal and  external knowledge. Cohen & Levinthal (1989, 1990) introduced the term “absorptive  capacity”,  and  in  a  later  study  noted  the  dual  role  of  R&D  as  a  source  of  new  information and as a tool that makes it easier for a firm to absorb existing information.  They argue that absorptive capacity increases a firm’s ability to identify, assimilate and  exploit  knowledge  from  the  environment.  A  firm  with  a  high  absorptive  capacity  should thus be able to access a larger amount of knowledge than a firm with a lower  capacity.    To  protect  the  results  of  their  R&D  activities,  firms  can  invest  in  appropriation  tools,  and  to  absorb  external  knowledge  they  can  develop  specific  skills.  Innovative  firms  with  high  absorptive  capacities  are  more  likely  to  cooperate  in  R&D  with  scientific  bodies.  Using  this  argument,  Cassiman  &  Veugelers  (2002)  distinguished  between  incoming  spillovers,  which  affect  a  firm’s  innovation  rate,  and  appropriability,  which  affects  a  firm’s  ability  to  appropriate  the  returns  from  innovation.  And  Lopez  (2008)  finds  empirical  evidence  in  Spanish  manufacturing  firms  that  incoming  spillovers  and  appropriability affect the probability of R&D cooperation.    The second group of factors is related to the firm’s lack of specific knowledge and its  need  for  R&D  cooperation  with  outside  partners.  Hagedoorn  (1993)  finds  that  technological  complementarities  are  one  of  the  most  important  reasons  for  firms  to  cooperate on R&D. When an innovative firm requires external knowledge and skills to  complement  its  internal  knowledge,  and  when  its  needs  cannot  be  satisfied  via  the  market, its incentive to cooperate increases. When innovative firms cooperate on R&D  projects,  especially  with  public  bodies,  they  benefit  from  the  complementary  knowledge  generated  by  other  agents  and  share  the  risks  on  projects  and  access  to  public grants.  

4

The  empirical  literature  shows  that  the  incentives  and  returns  involved  for  firms  in  cooperative R&D projects with scientific bodies differ across firms and universities. A  recent  trend  in  firm  performance  in  innovation  is  to  increase  R&D  cooperation  with  customers  and  suppliers,  competitors,  universities  and  public  research  organizations  (Segarra  &  Arauzo,  2008;  Veugelers,  1997;  Fritsch  &  Lukas,  2001;  Arora  et  al.,  2001;  Tether, 2002).     Empirical  studies  by  Cassiman  &  Veugelers  (2002),  Belderbos  et  al.  (2004),  Bönte  &  Keilbach (2004) and Dachs et al. (2004) investigated R&D cooperation and found that  the  meaning  of  theoretically  important  factors  like  incoming  spillovers  and  appropriability  depends  on  the  type  of  cooperation  partner.  Higher  incoming  spillovers,  for  instance,  positively  affect  the  probability  of  cooperating  with  public  research  institutions,  while  better  appropriability  results  in  a  higher  propensity  to  cooperate  with  customers  and/or  suppliers  (see  Cassiman  &  Veugelers  2002).  R&D  contracts  (buy)  and  in‐house  activities  (make)  have  also  been  the  subject  of  several  empirical  investigations.  Beneito  (2001),  Veugelers  &  Cassiman  (1999)  and  Veugelers  (1997) have detected several determinants that are responsible for a firm's decision to  ‘make’  and/or  ‘buy’  innovations.  Beneito  (2003)  found  that  an  intensive  competitive  environment,  a  firm's  sound  financial  basis,  large  markets  and  medium  firm  size  are  decisive  characteristics  for  organizing  R&D  in‐house.  Piga  &  Vivarelli  (2004),  meanwhile,  found  that  the  decision  to  acquire  external  R&D  is  related  to  the  prior  decision to engage in some form of R&D, and that external R&D generates significantly  higher returns than internal R&D. For German CIS manufacturing firms, Schmidt (2005)  found that firms with high intramural R&D budgets are more likely to cooperate with  universities and research institutions than with suppliers and customers.    This  paper  shows  that  firms  with  high  intramural  R&D  budgets  are  more  likely  to  cooperate  with  universities  and  research  institutions  than  with  suppliers  and  customers.  Our  evidence  is  in  line  with  Schmidt  (2005),  who  found  a  direct  link  between the amount of internal R&D and the propensity of German firms to cooperate  with universities. Similar results are given by Hall et al. (2003), who reported that firms  are  likely  to  collaborate  with  universities  on  basic  research  projects  and  when  it  is  difficult for them to appropriate benefits from joint research.     The relationship between firms and universities    Since  the  1960s,  a  third  mission  related  to  economic  growth  and  territorial  development has been added to the two traditional missions of modern universities,  teaching  and  research3.  The  concept  of  the  'triple‐helix'  has  been  the  most  widely  accepted conceptual framework for public policy makers (Etzkowitz et al, 2000) in the  second  academic  revolution.  However,  the  ambiguous  nature  of  the  concept  of  the  'triple‐helix'  has  usually  been  interpreted  by  universities  themselves  as  a  new  challenge that will open up new contacts with the outside world without first internally  transforming its three missions: teaching, research, and knowledge transfer.    
3

 In 1810 Wilhelm von Humboldt founded a Berlin university that integrated teaching and research.  

5

The new challenge for universities has a high profile in countries such as Spain, located  at  some  distance  from  the  technological  frontier.  Spanish  universities  are  modifying  the traditional roles of a Humboldt‐style university (i.e. higher education and research)  in  order  to  generate  and  disseminate  knowledge  directly  connected  with  economic  development.  This  connection  is  partly  due  to  university‐industry  links  such  as  technology transfer centres, research institutes, science parks and spin‐off incubators.  Spain  is  also  interesting  because  university  policy  is  dependent  on  regional  government,  and  public  support  for  promoting  firm  innovation  and  cooperation  projects  between  universities  and  public  research  centres,  especially  SMEs,  has  increased considerably in recent years.    Moreover, the commercialization of university knowledge (especially knowledge from  university‐based  technologies)  has  increased  considerably  due  to  patenting,  joint  ventures  in  research  and  firm  creation  (spin‐offs  from  universities).  Several  factors  explain  this  phenomenon.  First,  the  creation  of  structures  that  promotes  relations  between  universities  and  business,  such  as  science  parks  and  other  property‐based  institutions  (Link  and  Scott,  2003).  Second,  the  development  of  intellectual  property  laws  that  encourage  researchers  to  patent  their  discoveries,  and  this  helps  to  commercialize  the  results  of  university  research.  Third,  Spanish  public  subsidy  programmes  that  promote  R&D  cooperation  between  SMEs  and  universities  have  increased  in  the  last  few  years.  Finally,  closer  R&D  cooperation  between  firms  and  universities  together  with  public  funding  for  the  creation  of  joint  ventures  have  directed university research activities towards the demands of business.     The  role  of  universities  is  particularly  relevant  in  a  regional  context  where  this  industrial mix is specialized in industries with low and middle technological intensity. In  the  Spanish  innovation  system  overall  investment  in  R&D  is  below  the  EU  average,  more  money  goes  into  R&D  in  the  public  sector  than  in  the  private  sector,  and  the  presence of innovative firms is smaller. In 2009 Spanish investment in R&D was 1,38%  of  GDP  (GERD)  front  2,01%  in  the  EU‐27;  public  R&D  expenditure  was  0,66%  of  GDP  front  0,74%  in  the  EU;  business  R&D  expenditure  was  0,72%  of  GDP  versus  1,25%  in  the EU; and the contribution of high‐tech and medium‐high‐tech manufactured goods  to the trade balance was 0,3% of total trade front 5,1% in the EU. During the period  2000‐2009 Spain's R&D intensity has grown from 0.91% of GDP to 1.38 %, which is one  of the highest increases of all EU members. Spain record during this period an intense  process of convergence towards EU member located on the technological frontier.    3.‐Data and descriptive analysis    In the empirical analysis the data source is the Spanish Technological Innovation Panel   (henceforth PITEC). This dataset is jointly developed by the Spanish National Statistics  Institute  (INE)  and  the  COTEC  foundation  with  the  aim  of  providing  data  from  the  Community  Innovation  Survey  (CIS)  for  Spain  in  a  panel  structure.  After  an  intensive  consolidation process – firms with more than three employees, firms with more than  three annual observations, etc – the panel data present 4,998 innovative Spanish firms  ‐4,004 manufacturing firms and 994 services firms‐ and 21,467 annual observations.    

6

The  main  advantage  of  the  PITEC  is  that  it  is  the  best  instrument  for  observing  the  innovation activities of Spanish firms over time (Barge‐Gil, 2010). We use PITEC panel  data from some waves that cover the period 2004‐2009, and we can therefore track  the performance of innovative Spanish firms over five years.    The  descriptive  analysis  of  innovative  firms  offers  an  interesting  scenario  which  becomes even more attractive when the main subjects of manufacturing and service  firms  are  viewed  separately.  If  we  consider  that  our  purpose  is  to  analyse  the  determinants  of  cooperation  agreements,  then  descriptive  tables  will  distinguish  between  firms  that  do  not  cooperate  and  firms  that  cooperate  with  universities,  technology centres and private partners.   
Table 1  Descriptive statistics for innovative manufacturing firms    No  cooperation  Other Partners  Industry variables  MANUFAC‐HT %  45.09%  44.76%  (0.4976)  (0.4974)  Firm variables  SIZE  126.22  213.64  (employees)   (317.34)  (727.66)  AGE   27.54  28.82  (years)  (19.00)  (20.75)  R&D INTENSITY  5,030.58  6,534.08  (thousands)  (12,416.72)  (15,353.19)  PARK %  1.74%  1.69%  (0.1306)  (0.1289)  GROUP %  32.41%  50.52%  (0.4681)  (0.5001)  PRD %  8.10%  8.84%  (0.1216)  (0.1367)  PRDDOC %  1.83%  1.84%  (8.4742)  (8.1845)  PRDLI %  29.96%  33.98%  (33.0844)  (32.6813)  Innovation determinants  PROD&PROC   52.08%  67.48%  (0.4996)  (0.4685)  R&DIN   67.50%  76.24%  (0.4684)  (0.4258)  R&DEX   23.07%  41.86%  (0.4213)  (0.4934)  Number observations  11,423  2,205  Technology centres  41.54%  (0.4930)  193.70  (697.55)  28.63  (17.84)  7,016.99  (14,255.58)  1.88%  (0.1357)  43.10%  (0.4954)  11.18%  (0.1744)  1.87%  (8.7142)  40.52%  (32.3763)  70.42%  (0.4566)  85.60%  (0.3512)  60.19%  (0.4897)  1,153  Universities  57.87%  (0.4939)  283.72  (633.87)  30.77  (21.13)  9,805.35  (15,463.71)  4.46%  (0.2064)  52.53%  (0.4995)  13.52%  (0.1655)  4.68%  (11.0845)  42.74%  (29.1244)  73.56%  (0.4411)  90.24%  (0.2968)  68.06%  (0.4663)  2,511 

  A  growing  number  of  empirical  studies  have  estimated  complementarity  versus  substitutibility  among  innovation‐sourcing  strategies.  Arora  &  Gambardella  (1990)  analyse the external linkage of large firms in the bio‐technology industry using data for  a sample of large EU, US and Japanese manufacturing firms. Their results suggest that  external and internal activities are complementary in large firms, but this is not clear in  small and medium firms.     The  relation  between  internal  R&D  and  external  R&D  is  clear  in  that  the  empirical  literature shows, in general, a positive effect on the returns of each activity if the other  one is performed at the same time. The complementarities between internal R&D and  7

external  R&D  can  be  found  for  example  in  Arbussà  &  Coenders  (2007)  for  Spain,  Lokshin et al. (2008) for Holland, Cassiman & Veugelers (2006) for Belgium, Nakamura  &  Odagiri  (2005)  for  Japan,  Love  &  Roper  (2002)  for  the  UK,  and  Segarra  &  Teruel  (2011) for Catalonia.    
Table 2  Descriptive statistics for innovative services firms    No cooperation       Other partners  Industry variables  KIS %  60.64%  41.48%  (0.4887)  (0.4931)  Firm variables  SIZE  259.81  574.42  (employees)   (876.83)  (1.118.67)  AGE   22.24  30.91  (years)  (23.88)  (34.29)  R&D INTENSITY  9,185.18  9,510.63  (thousands)  (27,996.31)  (51,247.70)  PARK %   5.95%  4.56%  (0.2366)  (0.2088)  GROUP %  33.32%  56.56%  (0.4715)  (0.4961)  PRD %  16.70%  13.56%  (0.2548)  (0.2393)  PRDDOC %  2.12%  2.25%  (8.7221)  (10.0438)  PRDLI %  35.00%  30.59%  (38.2868)  (35.6040)  Innovation determinants  PROD&PROC   45.40%  64.25%  (0.4980)  (0.4796)  R&DIN   59.45%  57.47%  (0.4911)  (0.4948)  R&DEX   19.74%  35.44%  (0.3982)  (0.4787)  Number observations  2,350  663  Technology centres  70.91%  (0.4563)  224.89  (497.27)  16.86  (11.86)  14,690.01  (19,547.88)  20.00%  (0.4034)  20.91%  (0.4085)  30.59%  (0.3220)  2.08%  (7.0201)  46.43%  (32.9534)  61.82%  (0.4881)  82.73%  (0.3797)  55.45%  (0.4993)  110  Universities  84.22%  (0.3647)  279.87  (1.101.64)  16.41  (16.52)  45,036.50  (158,619.9000)  26.86%  (0.4436)  34.22%  (0.4747)  50.40%  (0.4010)  7.19%  (12.6319)  55.25%  (30.2552)  63.59%  (0.4814)  93.34%  (0.2493)  54.56%  (0.4982)  1,052 

  As far as the relationship between R&D activities and R&D cooperation is concerned,  the empirical results in the research are less conclusive at this stage. On the influence  of  internal  R&D  on  R&D  cooperation,  for  instance,  Abramovsky  et  al.  (2005)  find  a  positive  impact  of  internal  R&D  on  the  probability  of  R&D  cooperation  for  four  European  countries,  confirming  previous  empirical  results;  Arora  &  Gambardella  (1994) analyse pharmaceutical firms in the US and find a positive correlation between  both;  and  Colombo  &  Garrone  (1996)  observe  the  cooperation  agreements  of  high‐ tech startups in Italy and find a significant correlation between internal R&D and R&D  cooperation. Schmiedeberg (2008) looks at German manufacturing firms and finds that  internal R&D and R&D cooperation are positively correlated and that the productivity  of each activity increases if the other one is performed. Similar findings can be found in  Cassiman & Veugelers (2002) for Belgium, Bönte & Keilbach (2004) and Schmidt (2005)  for Germany, and López (2008) for Spanish manufacturing.     Another aspect of innovation activities is that they are heterogeneous, asymmetric and  complementary  (Benedetti,  2009).  Firstly,  innovation  activities  are  heterogeneous  in  the  sense  that  some  firms  do  not  innovate,  some  concentrate  on  specific  types  of  8

innovation  –  product,  process,  organizational  or  marketing  innovation  –  and  others  develop various types of innovation. Secondly, innovation strategies are asymmetric –  the  distribution  of  innovation  and  its  impact  on  a  firm's  productivity  and  growth  is  asymmetric,  with  its  distribution  being  more  skewed  towards  the  right.  Thirdly,  innovations  are  complementary  and  it  frequently  happens  that  innovation  increases  when  a  firm  has  already  introduced  other  innovations.  Using  an  adoption  approach,  Cassiman  &  Veugelers  (2006)  found  that  different  innovation  activities  are  strongly  positively  correlated  and  they  identified  basic  R&D  as  a  source  of  complementarity  between internal and external innovation activities.    The empirical analysis of the complementarities between R&D sources at firm level has  received increasing attention from researchers in recent years. In general the evidence  shows a strong complementarity between the three dimensions of R&D at firm level –  making, buying and cooperating.     In order to determine this, we analyse the complementarities between external R&D  and  PhDs  researchers  using  the  theory  of  supermodularity,  which  is  a  useful  instrument  (Milgrom  &  Roberts,  1990).  We  assume  that  a  firm  can  make  two  binary  decisions related to R&D external activities (A1) and PhD workers (A2), and that each  activity can either be done by the firm (Ai = 1) or not (Ai = 0) and Є {1, 2}. The function  Π(A1, A2 ) is supermodular and A1 and A2 are complementary if,    Π(1 , 1 ) – Π(0, 1 ) ≥ Π(1 , 0 ) – Π(0 , 0 )    i.e.  adding  an  activity  while  already  performing  the  other  activity  has  a  higher  incremental  effect  on  performance  (Π)  than  when  doing  the  activity  in  isolation  (Cassiman & Veugelers, 2004). Here the complementary test measures whether, when  an  individual  firm  decides  both  to  carry  out  R&D  external  activities  (A1)  and  employ  PhD  workers  (A2),  its  propensity  to  cooperate  with  universities  increases  more  than  when doing the activity in isolation.    Our data from the Spanish version of PITEC show that increasing numbers of managers  in  innovative  Spanish  firms  regard  choices  on  external  R&D  strategies  and  skilled  research  personnel  as  complementary  activities.  In  this  setting,  complementarities  imply that firms which carry out external R&D activities will obtain a greater return on  R&D cooperation when those firms have skilled workers in R&D.    
 
Table 3  Complementary Test     Chi2  Prob.  High‐tech manufacturing industries  56.54  0.0000  Low‐tech manufacturing industries  29.01  0.0000  Knowledge‐intensive services  97.35  0.0000  Other services  9.20  0.0024  Note: the equation test is: R&D external – PhD research + R&D external & – PhD research 

 

9

The  table  above  presents  the  complementarity  test  classified  by  sector  into  four  groups.  The  results  show  that  carrying  out  R&D  outsourcing  and  employing  PhD  research staff has a positive impact on firms' propensity to cooperate with universities,  especially  in  knowledge‐intensive  services  (KIS)  and  high‐tech  manufacturing  industries.    4.‐ Econometric tools and R&D cooperative determinants     Here  the  main  goal  is  to  analyse  how  a  vector  of  internal  R&D  and  external  R&D  determinants  of  Spanish  innovative  firms  affect  their  ability  to  cooperate  and  the  nature  of  their  partners,  distinguishing  between  private  partners,  technology  centres  and  universities.  In  our  firm  data  panel,  as  is  usual  in  studies  of  this  kind,  the  dependent  variable  presents  problems  of  censorship:  in  this  case,  the  data  following  the distribution of the sample are a mixture of continuous and discrete distributions.  The  appropriate  methodology  in  similar  multiple‐choice  studies  is  the  so‐called  ordered probit model. This was developed by Aitchison & Silvery (1957) and Ashford  (1959), and was recently updated by Maddala (1983) and McCullagh (1980).    We applied a model based on the following specification,    Yi = βXi + Єi    where Yi  is the firm's degree of R&D cooperation, Xi   are the explanatory variables and  β are the parameter values of these variables.     In our ordered probit model there is a continuous and unmeasured latent variable Y*,  whose values determine what the observed ordinal variable Y. The continuous latent  variable Y* has various threshold points. The value of the observed variable Y depends  on  whether  or  not  a  particular  threshold  has  been  crossed.  For  example,  if  we  are  interested  in  studying  the  determinants  of  R&D  cooperation  with  three  types  of  partners, we apply the following stratification,      Yi = 0 if Y*i = 0  Yi = 1 if Y*i ≤ κ1  Yi = 2 if κ1 ≤ Y*i ≤ κ2  Yi = 3 if Y*i ≥ κ2      When Spanish innovative firms do not cooperate with external partners, Yi is nil if they  don’t cooperate with anyone; when they cooperate with other firms Yi  = 1; when they  cooperate  with  technology  centres  Yi  =  2;  and  when  they  cooperate  with  public  research  centres  and  universities  Yi  =  3.  The  categorical  variable  takes  on  increasing  values depending on the scientific level of the external partners.       

10

 
Table 4  Definitions of the independent variables  Dependent variables    COOPERA  Dichotomous  variable:  1  if  the  firm  has  R&D  cooperation  with  other  agents,  0  otherwise  PARTNER  Categorical variable: 1 if the firm has R&D cooperation with private partners, 2 if the  firm cooperates with technology centres, 3 if the firm cooperates with universities, 0  otherwise  Industry variables    MANUFAC‐HT  Dichotomic  variable:  1  if  the  firm  is  in  the  high‐tech  manufacturing  industry,  0  otherwise  SERV‐KIS  Dichotomic variable: 1 if the firm is in KIS services, 0 otherwise  Firm variables    SIZE  Number of employees in the firm  AGE  Firm’s age in years  R&D INTENSITY  R&D investment per employee in euros in current year  PARK  Dichotomic variable: 1 if the firm is in a technology park; 0 otherwise  GROUP  Dichotomic variable: 0 if the firm does not belong to a group; 1 otherwise   PRD%  R&D personnel as % of total employees  PRDPhD%   % of R&D personnel with PhD   PRDGD%  % of R&D personnel with degree   Innovation determinants  PROD&PROC  Dichotomic  variable:  1  if  the  firm  made  both  product  and  process  innovations  in  2006‐2008; 0 otherwise  R&DIN  Dichotomic variable: 1 if the firm carried out internal R&D in 2006‐2008; 0 otherwise  R&DEX  Dichotomic  variable:  1  if  the  firm  acquired  external  R&D  services  in  2006‐2008;  0  otherwise  Public funds    Regional public funds  Dichotomic  variable:  1  if  the  firm  accessed  public  resources  from  local  or  regional  governments for innovation activities in 2006‐2008; 0 otherwise  Spanish public funds  Dichotomic  variable:  1  if  the  firm  accessed  public  resources  from  the  Spanish  government for innovation activities in 2006‐2008; 0 otherwise  European public funds  Dichotomic  variable:  1  if  the  firm  accessed  public  resources  from  the  EU  for  innovation activities in 2006‐2008; 0 otherwise 

  In the empirical analysis we first use a 2‐step tobit model to estimate two equations  that  relate  the  decision  to  cooperate  and  partner  choice  with  the  other  variables  of  interest.  We  model  firms'  R&D  cooperation  decisions  as  a  two‐stage  process.  In  first  stage, firms decide either to be R&D cooperative or not, and then in the second stage  we observe the technology level of the partners. Here we applied the Raymond et al  (2010)  econometric  proposition  that  studies  the  persistence  of  innovation  and  the  dynamics of innovation output in the Dutch manufacturing sector using company data  from three waves of CIS.     We  present  new  econometric  evidence  related  to  the  R&D  cooperative  decision  and  choice of partners. In the first stage we observe the factors that affect the likelihood  that  a  Spanish  firm  will  cooperate  in  R&D  activities  with  other  partners,  while  in  the  second  stage  we  can  observe  specifically  the role  of  human  and  skill  endowments  in  promoting R&D cooperation with scientific partners.       11

Table 5  Results of the dynamic type 2 tobit model    Manufacturing  Services  Type of partner (1 private partners, 2 technology centres, 3 universities)  MANUFAC‐HT / SERVICE‐KIS  0.1706 (0.0438)*  0.2722 (0.0836)*  SIZE (log)  0.0144 (0.0146)  0.0097 (0.0167)  AGE (log)  0.0007 (0.0008)  ‐0.0025 (0.0012)**  R&D INTENSITY (log)  ‐0.0129 (0.0040)*  0.0088 (0.0057)  PRD%  0.4611 (0.0881)*  0.2341 (0.0832)*  PRDDOC%   0.0072 (0.0016)*  0.0061 (0.0017)*  PRDLI%  0.0017 (0.0005)*  0.0044 (0.0008)*  Cooperation decision (1 R&D cooperation with partners, 0 no cooperation)   R&D INTENSITY (log)  0.0145 (0.0031)*  0.0105 (0.0051)**  R&DIN  0.1672 (0.0461)*  0.3880 (0.0798)*  R&DEX  0.6875 (0.0317)*  0.6210 (0.0585)*  GROUP  0.3067 (0.0300)*  0.2696 (0.0557)*  Regional public funds (log)  0.9490 (0.2050)*  0.1010 (0.0823)  Spanish public funds (log)  0.0655 (0.0626)  0.2020 (0.1090)***  European public funds (log)  ‐0.0940 (0.0859)  1.3700 (0.4300)*  Note: The variables for regional public funds, Spanish public funds and European public funds are  in thousands euros.  * significant at 1%, ** significant at 5%, *** significant at 10% 

  In this two step estimation we can see that internal R&D intensity (R&D investment per  employee),  the  carrying‐out  of  internal  and  external  R&D  and  whether  the  firm  belongs  to  a  group  have  a  direct  effect  on  the  propensity  of  innovative  firms  to  cooperate  on  R&D  activities  with  partners.  Furthermore,  in  the  field  of  public  policy,  support for innovative firms from regional grants increases the propensity of Spanish  manufacturing firms to cooperate, whereas regional and European grants increase this  propensity in Spanish firms in the service sector.    When  it  comes  to  choosing  between  different  partners,  Spanish  firms  in  high  technology  sectors  (manufacturing  and  services)  tend  to  cooperate  more  in  R&D  external  activities,  and  in  particular  with  scientific  partners  (Segarra  &  Arauzo,  2008,  Vega‐Jurado & Manjarrés, 2010). The technology level of the sector to which the firm  belongs  is  particularly  relevant  in  the  services,  since  Spanish  firms  in  knowledge‐ intensive services tend to cooperate more with universities. In addition, R&D intensity  does not seem to be a relevant factor when innovative firms choose a partner, but the  proportion of researchers on the firm's staff and the proportion of PhD workers on the  R&D staff play a critical role in R&D cooperation with scientific partners and especially  with universities.     5.‐ Main Hypotheses and  Empirical Results    In  this  section,  we  profile  innovative  firms  that  cooperate  with  other  firms,  technological centres and universities. We start with the results of the probit model on  the  propensity  to  cooperate  with  other  partners,  where  in  order  to  control  the  possible  endogeneity  problems  we  apply  lagged  explanatory  variables  during  the  econometrics estimations. In line with the previous literature, we propose eight main  hypotheses.  12

 
Table 6  Main Hypotheses  H1  The propensity to engage in R&D cooperation is higher for firms that operate in sectors with high  R&D intensity  H2  R&D cooperation increases with firm’s size  H3  R&D cooperation exhibits a dynamic learning process and is related to firm’s age  H4  Intramural R&D activities increase the propensity to engage in R&D cooperation agreements  H5  The  presence of  staff  educated  to  PhD  and  graduate  level  in  innovative  firms  promotes  the  firm’s  absorptive capacity and facilitates R&D cooperation with universities and public research centres  H6  Firms that perform both product and process innovation have a high propensity to engage in R&D  cooperation agreements  H7  Public funding programmes affect the propensity to engage in R&D cooperation agreements  H8  Firms  located  in  technology  or  science  parks  show  more  capacity  for  cooperation  with  scientific  partners (technology centres and universities) 

  Our results show that most of our main hypotheses have been confirmed.    H1.  The  propensity  to  engage  in  R&D  cooperation  is  higher  for  firms  that  operate  in  sectors with high R&D intensity, especially KIS services.    This  hypothesis  is  only  partially  satisfied  since  the  two  groups  included  in  the  dichotomous  variable  belonging  to  a  high‐technology  sector  have  the  expected  sign  but do not reach the statistical level. However, the effect of R&D intensity in the sector  is  more  important  between  services  firms,  where  84%  of  firms  in  KIS  services  have  R&D  agreements  with  universities,  but  only  57%  of  firms  in  high‐tech  manufacturing  cooperate with universities.    H2. R&D cooperation increases with firm size    This  hypothesis  is  satisfied  in  all  types  of  cooperation  partner,  especially  when  firms  cooperate with universities. These results are in line with previous studies, for instance  Bayona et al. (2003), Veugelers and Cassiman (2005), Colombo and Garrone (1998) and  Hagedoorn  and  Schakenraad  (1994)  found  that  size  has  a  positive  influence  on  cooperation. In general, small firms are more likely to restrict their innovation strategy  to  an  exclusive  make  or  buy  strategy,  while  large  firms  are  more  likely  to  combine  internal  R&D,  external  knowledge  acquisition  and  cooperative  R&D  activities.  In  addition, larger firms tend to cooperate with various R&D partners simultaneously and  obtain  scale  and  scope  returns,  since  small  firms  when  applied  multiple  R&D  cooperation strategies incurs in higher costs (Belderbos et al, 2006)      H3. R&D cooperation exhibits a dynamic learning process and is related to firm age.    Our results show a positive link with a firm’s age in manufacturing sectors, especially  when  the  firm  cooperates  with  universities,  but  this  relationship  does  not  take  the  expected  sign  in  the  service  sectors.  These  results  reveal  the  existence  of  a  dynamic  learning  process  between  manufacturing  firms  which  establish  a  stable  relationship  with  universities,  while  in  services  firms  this  learning  process  does  not  appear,  and  younger firms collaborate more intensively with universities than mature firms. 

13

 
Table 7  Determinants for cooperation with universities and technology centres in manufacturing industries  Ordered logit model       Marginal effects    Coefficients  Standard       No       Other   Technology  Universities  deviation  cooperation  partners  centres  Industry variables  MANUFAC‐HT  0.0026  0,0433  ‐0.0009  0.0002  0.0002  0.0005  Firm variables  SIZElog  0.1099  0,0182*  ‐0.0389  0.0097  0.0078  0.0215  AGElog  0.0020  0,0009**  ‐0.0007  0.0002  0.0001  0.0004  R&D INTENSITYlog  0.0055  0,0038  ‐0.0020  0.0005  0.0004  0.0011  PARK  0.2502  0,1128**  ‐0.0931  0.0195  0.0175  0.0560  GROUP%  0.1893  0,0383*  ‐0.0676  0.0164  0.0134  0.0378  PRD%  1.0299  0,1474*  ‐0.3648  0.0908  0.0728  0.2012  PRDDOC %  0.0086  0,0019*  ‐0.0030  0.0008  0.0006  0.0017  PRDLI%  0.0007  0,0006  ‐0.0003  0.0001  0.0001  0.0001  Innovation determinants  PROD&PROC  0.2475  0,0348*  ‐0.0867  0.0220  0.0174  0.0473  R&DIN  0.1219  0,0626**  ‐0.0426  0.0110  0.0086  0.0230  R&DEX  0.6981  0,0356*  ‐0.2550  0.0525  0.0472  0.1553  Public funds  Regional public funds  0.2670  0,1130**  ‐0.0945  0.0235  0.0189  0.0521  Spanish public funds  0.0770  0,0681  ‐0.0273  0.0068  0.0054  0.0150  European public funds  ‐0.0873  0,1040  ‐0.0309  ‐0.0077  ‐0.0062  ‐0.0170  Number of cases  6,302  Sectoral dummies  Yes  Temporal dummies  Yes  R2  0.1007  The regional public funds, Spanish public funds and European public funds variables are expressed in millions of euros.  * significant at 1%, ** significant at 5%, *** significant at 10% 

  H4.  Intramural  R&D  activities  increase  the  propensity  to  engage  in  R&D  cooperation  agreements.    This  hypothesis  is  satisfied  in  all  types  of  cooperation  agreement,  mainly  for  cooperation  with  public  centres  and  universities.  Intramural  R&D  and  external  R&D  play  an  important  role  in  service  sectors,  especially  when  R&D  cooperation  is  with  universities.    H5.  The  presence  of  staff  educated  to  PhD  and  graduate  level  in  innovative  firms  promotes  the  firm’s  absorptive  capacity  and  facilitates  R&D  cooperation  with  universities and public research centres.    As we might expect, Spanish innovative firms with a high percentage of research staff  establish more contracts with other partners, this being the result obtained especially  in the service sector. However, the presence of PhD‐qualified research staff in the firm  is also directly related to its propensity to collaborate on R&D projects, especially with  universities. 

14

 
Table 8  Determinants for cooperation with universities and technology centres in service industries.  Ordered logit model       Marginal effects    Coefficients  Standard       No       Other   Technology  Universities  deviation  cooperation  partners  centres  Industry variables  SERVICE‐KIS  0.0929  0.1088  ‐0.0369  0.0061  0.0019  0.0289  Firm variables  log SIZE  0.1264  0.0309*  ‐0.0503  0.0080  0.0026  0.0397  AGE  ‐0.0015  0.0016  0.0006  ‐0.0001  ‐0.0000  ‐0.0005  log R&D INTENSITY  0.0103  0.0068  ‐0.0041  0.0006  0.0002  0.0032  PARK  0.5112  0.1159*  ‐0.2002  0.0132  0.0078  0.1792  GROUP  0.1258  0.0741***  ‐0.0501  0.0076  0.0025  0.0399  PRD%  0.8961  0.1618*  ‐0.3565  0.0565  0.0184  0.2817  PRDDOC   0.0049  0.0035  ‐0.0019  0.0003  0.0001  0.0015  PRDLI  0.0003  0.0014  ‐0.0001  0.0001  0.0001  0.0001  Innovation determinants  PROD&PROC  0.1992  0.0669*  ‐0.0791  0.0127  0.0041  0.0623  R&DIN  0.0726  0.1219  ‐0.0288  0.0047  0.0015  0.0226  R&DEX  0.4565  0.0721*  ‐0.1806  0.0226  0.0085  0.1494  Public funds  Regional public funds  0.0007  0.0987  ‐0.0003  0.0001  0.0001  0.0002  Spanish public funds  0.3380  0.1630*  ‐0.1350  0.0213  0.0069  0.1060  European public funds  0.5500  0.3310  ‐0.2190  0.0347  0.0113  0.1730  Number of cases  1,522  Sectoral dummies  Yes  Temporal dummies  Yes  R2  0.1444  The regional public funds, Spanish public funds and European public funds variables are expressed in millions of euros.  * significant at 1%, ** significant at 5%, *** significant at 10% 

  H6. Firms that perform both product and process innovation have a high propensity to  engage in R&D cooperation agreements.    This  hypothesis  is  satisfied  in  all  types  of  cooperation  agreement,  but  the  effect  is  greater  for  cooperation  with  firms  from  the  same  group  and  with  customers  and  suppliers. If we consider that product and process innovation are the main outputs of  the  innovation  process,  the  results  show  that  innovative  firms  have  more  R&D  contracts with different types of external partner.    H7.  Public  funding  programmes  affect  the  propensity  to  engage  in  R&D  cooperation  agreements.    This hypothesis is partially satisfied (especially for Spanish and European public funds),  but  some  additional  explanations  are  needed.  In  our  estimations  we  are  testing  the  use of public funds from several public administrations. However, the amount of these  funds differs considerably: regional programme funds provide little budgetary support  while  Spanish  funds  and  (mainly)  European  funds  are  of  great  importance.  Public  funding for innovative manufacturing firms is low, especially among firms that do not 

15

cooperate  on  R&D  projects,  whereas  it  reaches  higher  levels  in  the  service  sectors,  especially  in  firms  that  cooperate  as  technology  centres  or  universities.  According  to  our  results,  access  to  public  funds  is  a  determining  factor  in  promoting  cooperation  with public institutions.    H8. Firms located in technology or science parks show more capacity for cooperation  with scientific partners.    In recent years, both regional and State governments have supported the creation of  structures  that  promote  relations  between  the  universities  and  business,  such  as  science parks and other property‐based institutions.  Technology and science parks are  areas  that  facilitate  the  interrelations  between  the  academic  world  and  business.  In  Spain’s technology and science parks promote cooperation between innovative firms  and scientific partners, particularly in the service sector.    6. Concluding remarks    The main goal of this paper is to analyse the factors determining the ability of firms to  cooperate  on  innovative  R&D  activities  in  Spain.  The  external  partners  have  been  distributed  in  three  groups:  private  partners  (firms  belonging  to  the  same  group,  customers and suppliers), technology centres and universities. This reflects the nature  of  the  R&D  projects  as  well  as  the  barriers  to  cooperation  between  firms  and  universities. Our main interest is to analyse the role of skilled and qualified researchers  as  a  factor  affecting  a  firm's  capacity  to  cooperate  with  external  partners  and  the  propensity to cooperate with research groups and public institutions that has emerged  among Spanish universities.    In  this  regard,  the  case  of  Spain  is  of  great  interest  because  the  proportion  of  innovative firms that have stable R&D agreements with external partners is lower that  among  other  EU  members.  However,  the  last  two  decades  have  seen  a  change  in  Spanish universities and the growth in relationships between universities and firms has  been remarkable. To carry out the empirical study of the two main contributions from  the literature we used firm data from three waves of Community Innovation Surveys,  covering  the  period  2004‐2009.  This  panel  data  offers  information  on  4,998  manufacturing  and  services  Spanish  firms.  This  dataset  facilitates  more  consistent  results  regarding  the  role  of  skilled  workers  in  the  R&D  cooperation  decisions  of  Spanish innovative firms.     The  main  result  of  this  paper  shows  the  role  played  by  graduate  and  PhD‐qualified  research  staff  in  Spanish  innovative  firms  in  facilitating  stable  R&D  cooperation  with  scientific partners. These results have relevant implications for policy makers and the  universities  themselves  in  so  far  as  training  good  professionals  is  the  best  tool  for  promoting  collaboration  with  innovative  firms,  and  also  for  reducing  the  traditional  distance that has separated firms and universities in the past.   

16

References  
Abramovsky,  L.,  Kremp,  E.,  López,  A.,  Schmidt,  T.,  Simpson,  H.,  2005.  Understanding  cooperative  R&D  Activity: evidence from four European Countries. IFS Working Paper 05‐23  Aitchison, J., Silvery, S.D., 1957. The generalization of probit analysis to the case of multiple responses.  Biometrika 44, 131‐150.  Arbussà, A., Coenders, G., 2007. Innovation activities, use of appropriation instruments and absorptive  capacity: Evidence from Spanish firms. Research Policy 36, 1545‐1558.   Arora,  A.,  Gambardella,  A.,  1990.  Complementarity  and  external  linkages:  the  strategies  of  the  large  firms in biotechnology. The Journal of Industrial Economics 38 (4), 361–379.  Arora, A., Gambardella, A., 1994. The changing technology of technological change: general and abstract  knowledge and the division of innovative labour. Research Policy 23, 523‐532.  Arora,  A.,  Fosfuri,  A.,  Gambardella,  A.  (2001).  Markets  for  Technology  and  their  Implications  for  Corporate Strategy. Industrial and Corporate Change 10(2), 419‐451.  Ashford, J.R., 1959. An Approach to the Analysis of Data for Semi‐Quantal Responses in Biological Assay.  Biometrics 15 (4), 573‐581.   Barge‐Gil, A., 2010. Cooperation‐based innovators and peripheral cooperators: An empirical analysis of  their characteristics and behaviour. Technovation 30 (3), 195‐206.   Bayona, C., García, T., Huerta, E., 2003. ¿Cooperar en I+D? Con quién y para qué. Revista de Economía  Aplicada XI (31), 103‐134.   Becker, W., Dietz, J., 2004. R&D cooperation and innovation activities of firms—evidence for the German  manufacturing industry. Research Policy 33 (2), 209‐223.   Belderbos,  R.,  Carree,  M.,    Diederen,  B.,  Lokshin,  B.,  2004.  Cooperative  R&D  and  firm  performance.  Research Policy 33(10), 1477‐1492.  Belderbos,  R.,  Carree,  M.,    Diederen,  B.,  Lokshin,  B.,  2006.  Complementary  in  R&D  Cooperation  Strategies. Review of Industrial Organization 28(4), 401‐426.   Benedetti, C. (2009). Product and Process Innovation in a Growth Model of Firm Selection. EUI Working  Papers ECO 2009/30. European University Institute, Florence, Department of Economics.   Beneito, P. (2001). R&D Productivity and Spillovers at the Firm Level: Evidence from Spanish Panel Data.  Investigaciones Económicas XXV(2), 289‐313.  Beneito,  P.  (2003):  Choosing  among  Alternative  Technological  Strategies:  An  Empirical  Analysis  of  Formal Sources of Innovation. Research Policy 32, 693‐713.   Bönte,  W.,  Keilbach,  M.,  2004.  Concubinage  or  Marriage?  Informal  and  Formal  Cooperations  for  Innovation. ZEW Disussion Paper No. 04‐11.  Bönte,  W.,  Keilbach,  M.,  2005.  Concubinage  or  Marriage?  Informal  and  Formal  Cooperations  for  Innovation. International Journal of Industrial Organization 23, 279‐302.  Cassiman,  B.,  Veugelers,  R.,  2002.  R&D  cooperation  and  spillovers:  some  empirical  evidence  from  Belgium. American Economic Review 92 (4), 1169–1184.  Cassiman, B., Veugelers, R. 2006. In Search of Complementarity in Innovation Strategy: Internal R&D and  External Knowledge Acquisition. Management Science 52(1), 68‐82.   Cohen, W.M., Levinthal, D.A. 1989. Innovation and learning: The two faces of R&D. Economic Journal 99,  569–596.  Cohen, W.M., Levinthal, D.A. 1990. Absorptive‐capacity – A new perspective on learning and innovation.  Administrative Science Quarterly 35 (1), 128–152.  Colombo,  M.G.,  Garrone,  P.,  1996.  Technological  cooperative  agreements  and  firm’s  R&D  intensity.  A  note on causality relations. Research Policy 25 (6), 923–932.  Colombo,  M.,  Garrone,  P.,  1998  .  A  simultaneous  equations  model  of  technological  agreements  and  infra‐mural  R&D”,  En  M.  Colombo  (ed.),  The  changing  boundaries  of  the  firm,  Routledge,  London, págs. 140‐157.  De Grip, A., Hall, B.H., Smits, W., 2010. Empirical studies of employment and performance of scientists  and engineers. Economics of Innovation and New Technology 19 (5), 387‐391.   Etzkowitz,  H.,  Webster,  A.,  Gebhardt,  Ch.,  Cantisano,  B.R.,  2000.  The  future  of  the  university  and  the  university of the future: evolution of ivory tower to entrepreneurial paradigm. Research Policy   29, 313‐330. 

17

Freeman, C. (1987), Technology Policy and Economic Performance, London: Pinter.  Fritsch, M., Lukas, R., 2001. Who cooperates on R&D?. Research Policy 30, 297‐312.   Hagedoorn,  J.,  (1993).  Understanding  the  rationale  of  strategic  technology  partnering:  interorganizational  modes  of  cooperation  and  sectoral  differences.  Strategic  Management  Journal 14, 371–385.  Hagedoorn,  J.,  Schakenraad,  J.,  1994.  The  effect  of  strategic  technology  alliances  on  company  performance.  Strategic Management Journal 15, 291‐309.  Hall,  B.H.,  Link,  A.N.,  Scott,  J.T.,  2003.  Universities  as  Research  Partners.  Review  of  Economics  and  Statistics 85 (2), 485–491.  Hall,  B.,  de  Grip,  A.,  Smits,  W.,  2010.  The  labour  market  for  scientists  and  engineers:  introduction,  Economics of Innovation and New Technology 19 (5), 1‐7 Special issue.  Hervas‐Olivera, J.L., Albors‐Garrigosa, J., Baixaulia, J.J., 2011. Beyond R&D activities: the determinants of  firms’  absorptive  capacity  explaining  the  access  to  scientific  institutes  in  low–medium‐tech  contexts. Economics of Innovation and New Technology, DOI:10.1080/10438599.2011.555113   Kaiser,  U.  2002.  An  empirical  test  of  models  explaining  R&D  expenditures  and  R&D  cooperation.  International Journal of Industrial Organisation 20(6), 747‐774.  Laursen, K. and Salter, A., 2004. ‘Searching high and low: what types of firms use universities as a source  of innovation?’, Research Policy 33 (2004) 1201–1215.   Link, A.N., Scott, J.T., 2003. The growth of research triangle park. Small Business Economics 20, 167‐175.  Lokshin,  B.,  Belderbos,  R.,  Carree,  M.  2008.  The  Productivity  Effects  of  Internal  and  External  R&D:  Evidence from a Dynamic Panel Data Model. Oxford Bulletin of Economics and Statistics 70 (3),  399‐413.   López,  A.,  2008.  Determinants  of  R&D  cooperation:  evidence  from  Spanish  manufacturing  firms.  International Journal of Industrial Organization 26 (1), 113–136.  Love, J.H., Roper, S., 2002. Internal Versus External R&D: A Study of R&D Choice with Sample Selection.  International Journal of the Economics of Business 9(2), 239‐255.  Maddala,  G.S.,  1983.  Limited‐Dependent  and  Qualitative  Variables  in  Econometrics.  Cambridge  University Press, Cambridge.  McCullagh, P., 1980. Regression Models for Ordinal Data. Journal of the Royal Statistical Society. Series B  (Methodological) 42 (2), 109‐142.   Milgrom,  P.,  Roberts,  J.,  1990.  The  Economics  of  Modern  Manufacturing:  Technology,  Strategy,  and  Organization. American Economic Review 80, 511‐528.  Miotti,  L.,  Sachwald,  F.,  2003.  Cooperative  R&D:  Why  and  with  Whom?  An  Integrated  Framework  Analysis. Research Policy 32, 1481‐1499.  Nakamura, K., Odagiri, H., 2005. R&D boundaries of the firm: an estimation of the double‐hurdle model  on  commissioned  R&D,  joint  R&D,  and  licensing  in  Japan.  Economics  of  Innovation  and  New  Technology 14 (7), 583‐615.  Piga, C.A., Vivarelli, M., 2004. Internal and External R&D: A Sample Selection Approach. Oxford Bulletin  of Economics and Statistics 66 (4), 457–482.  Piva, M., Vivarelli, M., 2009. The role of skills as a major driver of corporate R&D. International Journal  of Manpower 30, 835‐852.  Raymond, W., Mohnen, P., Palm, F., Schim van der Loeff, S., 2010. Persistence of Innovation in Dutch  manufacturing: Is it Spurious?. Review of Economics and Statistics 92, 495‐504.  Schmiedeberg, C., 2008. Complementarities of innovation activities: An empirical analysis of the German  manufacturing sector. Research Policy 37, 1492–1503.  Schmidt,  T.,  2005.  Knowledge  Flows  and  R&D  Co‐operation:  Firm‐level  Evidence  from  German.  Discussion Paper No. 05‐22, ZEW.  Segarra, A., Arauzo, J.M., 2008. Sources of innovation and industry‐university interaction: Evidence from  Spanish firms. Research Policy, 37(8), 1283‐1295.   Segarra,  A.,  Teruel,  M.,  2011.  Productivity and R&D  sources:  evidence for  Catalan  firms.  Economics  of  Innovation and New Technology, Forthcoming.  Tether, B., 2002. Who cooperates for innovation, and why: An empirical analysis. Research Policy 31(6),  947‐967.   

18

Vega Jurado, J., Manjarrés Henríquez, L., 2010. Cooperation with scientific agents and firm's innovative  performance. INGENIO, Spain.  Veugelers,  R.,  Cassiman,  B.  1999.  Make  and  buy  in  innovation  strategies:  evidence  from  Belgian  manufacturing firms .Research Policy  28, 63‐80.  Veugelers,  R.,  1997.  Internal  R&D  expenditures  and  external  technology  sourcing.  Research  Policy  26,  303‐315.  Veugelers,  R,  Cassiman,  B.,  2005.  R&D  cooperation  between  firms  and  universities.  Some  empirical  evidence from Belgian manufacturing. International Journal of Industrial Organization 23(5‐6),  355‐379.    

19

SÈRIE DE DOCUMENTS DE TREBALL DE LA XREAP

2006

CREAP2006-01 Matas, A. (GEAP); Raymond, J.Ll. (GEAP) "Economic development and changes in car ownership patterns" (Juny 2006)

CREAP2006-02 Trillas, F. (IEB); Montolio, D. (IEB); Duch, N. (IEB) "Productive efficiency and regulatory reform: The case of Vehicle Inspection Services" (Setembre 2006)

CREAP2006-03 Bel, G. (PPRE-IREA); Fageda, X. (PPRE-IREA) "Factors explaining local privatization: A meta-regression analysis" (Octubre 2006)

CREAP2006-04 Fernàndez-Villadangos, L. (PPRE-IREA) "Are two-part tariffs efficient when consumers plan ahead?: An empirical study" (Octubre 2006)

CREAP2006-05 Artís, M. (AQR-IREA); Ramos, R. (AQR-IREA); Suriñach, J. (AQR-IREA) "Job losses, outsourcing and relocation: Empirical evidence using microdata" (Octubre 2006)

CREAP2006-06 Alcañiz, M. (RISC-IREA); Costa, A.; Guillén, M. (RISC-IREA); Luna, C.; Rovira, C. "Calculation of the variance in surveys of the economic climate” (Novembre 2006)

CREAP2006-07 Albalate, D. (PPRE-IREA) "Lowering blood alcohol content levels to save lives: The European Experience” (Desembre 2006)

CREAP2006-08 Garrido, A. (IEB); Arqué, P. (IEB) “The choice of banking firm: Are the interest rate a significant criteria?” (Desembre 2006)

SÈRIE DE DOCUMENTS DE TREBALL DE LA XREAP

CREAP2006-09 Segarra, A. (GRIT); Teruel-Carrizosa, M. (GRIT) "Productivity growth and competition in spanish manufacturing firms: What has happened in recent years?” (Desembre 2006)

CREAP2006-10 Andonova, V.; Díaz-Serrano, Luis. (CREB) "Political institutions and the development of telecommunications” (Desembre 2006)

CREAP2006-11 Raymond, J.L.(GEAP); Roig, J.L.. (GEAP) "Capital humano: un análisis comparativo Catalunya-España” (Desembre 2006)

CREAP2006-12 Rodríguez, M.(CREB); Stoyanova, A. (CREB) "Changes in the demand for private medical insurance following a shift in tax incentives” (Desembre 2006)

CREAP2006-13 Royuela, V. (AQR-IREA); Lambiri, D.; Biagi, B. "Economía urbana y calidad de vida. Una revisión del estado del conocimiento en España” (Desembre 2006)

CREAP2006-14 Camarero, M.; Carrion-i-Silvestre, J.LL. (AQR-IREA).;Tamarit, C. "New evidence of the real interest rate parity for OECD countries using panel unit root tests with breaks” (Desembre 2006)

CREAP2006-15 Karanassou, M.; Sala, H. (GEAP).;Snower , D. J. "The macroeconomics of the labor market: Three fundamental views” (Desembre 2006)

SÈRIE DE DOCUMENTS DE TREBALL DE LA XREAP

2007

XREAP2007-01 Castany, L (AQR-IREA); López-Bazo, E. (AQR-IREA).;Moreno , R. (AQR-IREA) "Decomposing differences in total factor productivity across firm size” (Març 2007)

XREAP2007-02 Raymond, J. Ll. (GEAP); Roig, J. Ll. (GEAP) “Una propuesta de evaluación de las externalidades de capital humano en la empresa" (Abril 2007)

XREAP2007-03 Durán, J. M. (IEB); Esteller, A. (IEB) “An empirical analysis of wealth taxation: Equity vs. Tax compliance” (Juny 2007)

XREAP2007-04 Matas, A. (GEAP); Raymond, J.Ll. (GEAP) “Cross-section data, disequilibrium situations and estimated coefficients: evidence from car ownership demand” (Juny 2007)

XREAP2007-05 Jofre-Montseny, J. (IEB); Solé-Ollé, A. (IEB) “Tax differentials and agglomeration economies in intraregional firm location” (Juny 2007)

XREAP2007-06 Álvarez-Albelo, C. (CREB); Hernández-Martín, R. “Explaining high economic growth in small tourism countries with a dynamic general equilibrium model” (Juliol 2007)

XREAP2007-07 Duch, N. (IEB); Montolio, D. (IEB); Mediavilla, M. “Evaluating the impact of public subsidies on a firm’s performance: a quasi-experimental approach” (Juliol 2007)

XREAP2007-08 Segarra-Blasco, A. (GRIT) “Innovation sources and productivity: a quantile regression analysis” (Octubre 2007)

SÈRIE DE DOCUMENTS DE TREBALL DE LA XREAP

XREAP2007-09 Albalate, D. (PPRE-IREA) “Shifting death to their Alternatives: The case of Toll Motorways” (Octubre 2007)

XREAP2007-10 Segarra-Blasco, A. (GRIT); Garcia-Quevedo, J. (IEB); Teruel-Carrizosa, M. (GRIT) “Barriers to innovation and public policy in catalonia” (Novembre 2007)

XREAP2007-11 Bel, G. (PPRE-IREA); Foote, J. “Comparison of recent toll road concession transactions in the United States and France” (Novembre 2007)

XREAP2007-12 Segarra-Blasco, A. (GRIT); “Innovation, R&D spillovers and productivity: the role of knowledge-intensive services” (Novembre 2007)

XREAP2007-13 Bermúdez Morata, Ll. (RFA-IREA); Guillén Estany, M. (RFA-IREA), Solé Auró, A. (RFA-IREA) “Impacto de la inmigración sobre la esperanza de vida en salud y en discapacidad de la población española” (Novembre 2007) XREAP2007-14 Calaeys, P. (AQR-IREA); Ramos, R. (AQR-IREA), Suriñach, J. (AQR-IREA) “Fiscal sustainability across government tiers” (Desembre 2007) XREAP2007-15 Sánchez Hugalbe, A. (IEB) “Influencia de la inmigración en la elección escolar” (Desembre 2007)

SÈRIE DE DOCUMENTS DE TREBALL DE LA XREAP

2008

XREAP2008-01 Durán Weitkamp, C. (GRIT); Martín Bofarull, M. (GRIT) ; Pablo Martí, F. “Economic effects of road accessibility in the Pyrenees: User perspective” (Gener 2008) XREAP2008-02 Díaz-Serrano, L.; Stoyanova, A. P. (CREB) “The Causal Relationship between Individual’s Choice Behavior and Self-Reported Satisfaction: the Case of Residential Mobility in the EU” (Març 2008) XREAP2008-03 Matas, A. (GEAP); Raymond, J. L. (GEAP); Roig, J. L. (GEAP) “Car ownership and access to jobs in Spain” (Abril 2008) XREAP2008-04 Bel, G. (PPRE-IREA) ; Fageda, X. (PPRE-IREA) “Privatization and competition in the delivery of local services: An empirical examination of the dual market hypothesis” (Abril 2008) XREAP2008-05 Matas, A. (GEAP); Raymond, J. L. (GEAP); Roig, J. L. (GEAP) “Job accessibility and employment probability” (Maig 2008) XREAP2008-06 Basher, S. A.; Carrión, J. Ll. (AQR-IREA) Deconstructing Shocks and Persistence in OECD Real Exchange Rates (Juny 2008) XREAP2008-07 Sanromá, E. (IEB); Ramos, R. (AQR-IREA); Simón, H. Portabilidad del capital humano y asimilación de los inmigrantes. Evidencia para España (Juliol 2008) XREAP2008-08 Basher, S. A.; Carrión, J. Ll. (AQR-IREA) Price level convergence, purchasing power parity and multiple structural breaks: An application to US cities (Juliol 2008) XREAP2008-09 Bermúdez, Ll. (RFA-IREA) A priori ratemaking using bivariate poisson regression models (Juliol 2008)

SÈRIE DE DOCUMENTS DE TREBALL DE LA XREAP

XREAP2008-10 Solé-Ollé, A. (IEB), Hortas Rico, M. (IEB) Does urban sprawl increase the costs of providing local public services? Evidence from Spanish municipalities (Novembre 2008) XREAP2008-11 Teruel-Carrizosa, M. (GRIT), Segarra-Blasco, A. (GRIT) Immigration and Firm Growth: Evidence from Spanish cities (Novembre 2008) XREAP2008-12 Duch-Brown, N. (IEB), García-Quevedo, J. (IEB), Montolio, D. (IEB) Assessing the assignation of public subsidies: Do the experts choose the most efficient R&D projects? (Novembre 2008) XREAP2008-13 Bilotkach, V., Fageda, X. (PPRE-IREA), Flores-Fillol, R. Scheduled service versus personal transportation: the role of distance (Desembre 2008) XREAP2008-14 Albalate, D. (PPRE-IREA), Gel, G. (PPRE-IREA) Tourism and urban transport: Holding demand pressure under supply constraints (Desembre 2008)

SÈRIE DE DOCUMENTS DE TREBALL DE LA XREAP

2009

XREAP2009-01 Calonge, S. (CREB); Tejada, O. “A theoretical and practical study on linear reforms of dual taxes” (Febrer 2009) XREAP2009-02 Albalate, D. (PPRE-IREA); Fernández-Villadangos, L. (PPRE-IREA) “Exploring Determinants of Urban Motorcycle Accident Severity: The Case of Barcelona” (Març 2009) XREAP2009-03 Borrell, J. R. (PPRE-IREA); Fernández-Villadangos, L. (PPRE-IREA) “Assessing excess profits from different entry regulations” (Abril 2009) XREAP2009-04 Sanromá, E. (IEB); Ramos, R. (AQR-IREA), Simon, H. “Los salarios de los inmigrantes en el mercado de trabajo español. ¿Importa el origen del capital humano?” (Abril 2009) XREAP2009-05 Jiménez, J. L.; Perdiguero, J. (PPRE-IREA) “(No)competition in the Spanish retailing gasoline market: a variance filter approach” (Maig 2009) XREAP2009-06 Álvarez-Albelo,C. D. (CREB), Manresa, A. (CREB), Pigem-Vigo, M. (CREB) “International trade as the sole engine of growth for an economy” (Juny 2009) XREAP2009-07 Callejón, M. (PPRE-IREA), Ortún V, M. “The Black Box of Business Dynamics” (Setembre 2009) XREAP2009-08 Lucena, A. (CREB) “The antecedents and innovation consequences of organizational search: empirical evidence for Spain” (Octubre 2009) XREAP2009-09 Domènech Campmajó, L. (PPRE-IREA) “Competition between TV Platforms” (Octubre 2009)

SÈRIE DE DOCUMENTS DE TREBALL DE LA XREAP

XREAP2009-10 Solé-Auró, A. (RFA-IREA),Guillén, M. (RFA-IREA), Crimmins, E. M. “Health care utilization among immigrants and native-born populations in 11 European countries. Results from the Survey of Health, Ageing and Retirement in Europe” (Octubre 2009) XREAP2009-11 Segarra, A. (GRIT), Teruel, M. (GRIT) “Small firms, growth and financial constraints” (Octubre 2009) XREAP2009-12 Matas, A. (GEAP), Raymond, J.Ll. (GEAP), Ruiz, A. (GEAP) “Traffic forecasts under uncertainty and capacity constraints” (Novembre 2009) XREAP2009-13 Sole-Ollé, A. (IEB) “Inter-regional redistribution through infrastructure investment: tactical or programmatic?” (Novembre 2009) XREAP2009-14 Del Barrio-Castro, T., García-Quevedo, J. (IEB) “The determinants of university patenting: Do incentives matter?” (Novembre 2009) XREAP2009-15 Ramos, R. (AQR-IREA), Suriñach, J. (AQR-IREA), Artís, M. (AQR-IREA) “Human capital spillovers, productivity and regional convergence in Spain” (Novembre 2009) XREAP2009-16 Álvarez-Albelo, C. D. (CREB), Hernández-Martín, R. “The commons and anti-commons problems in the tourism economy” (Desembre 2009)

SÈRIE DE DOCUMENTS DE TREBALL DE LA XREAP

2010

XREAP2010-01 García-López, M. A. (GEAP) “The Accessibility City. When Transport Infrastructure Matters in Urban Spatial Structure” (Febrer 2010) XREAP2010-02 García-Quevedo, J. (IEB), Mas-Verdú, F. (IEB), Polo-Otero, J. (IEB) “Which firms want PhDs? The effect of the university-industry relationship on the PhD labour market” (Març 2010) XREAP2010-03 Pitt, D., Guillén, M. (RFA-IREA) “An introduction to parametric and non-parametric models for bivariate positive insurance claim severity distributions” (Març 2010) XREAP2010-04 Bermúdez, Ll. (RFA-IREA), Karlis, D. “Modelling dependence in a ratemaking procedure with multivariate Poisson regression models” (Abril 2010) XREAP2010-05 Di Paolo, A. (IEB) “Parental education and family characteristics: educational opportunities across cohorts in Italy and Spain” (Maig 2010) XREAP2010-06 Simón, H. (IEB), Ramos, R. (AQR-IREA), Sanromá, E. (IEB) “Movilidad ocupacional de los inmigrantes en una economía de bajas cualificaciones. El caso de España” (Juny 2010) XREAP2010-07 Di Paolo, A. (GEAP & IEB), Raymond, J. Ll. (GEAP & IEB) “Language knowledge and earnings in Catalonia” (Juliol 2010) XREAP2010-08 Bolancé, C. (RFA-IREA), Alemany, R. (RFA-IREA), Guillén, M. (RFA-IREA) “Prediction of the economic cost of individual long-term care in the Spanish population” (Setembre 2010) XREAP2010-09 Di Paolo, A. (GEAP & IEB) “Knowledge of catalan, public/private sector choice and earnings: Evidence from a double sample selection model” (Setembre 2010)

SÈRIE DE DOCUMENTS DE TREBALL DE LA XREAP

XREAP2010-10 Coad, A., Segarra, A. (GRIT), Teruel, M. (GRIT) “Like milk or wine: Does firm performance improve with age?” (Setembre 2010) XREAP2010-11 Di Paolo, A. (GEAP & IEB), Raymond, J. Ll. (GEAP & IEB), Calero, J. (IEB) “Exploring educational mobility in Europe” (Octubre 2010) XREAP2010-12 Borrell, A. (GiM-IREA), Fernández-Villadangos, L. (GiM-IREA) “Clustering or scattering: the underlying reason for regulating distance among retail outlets” (Desembre 2010) XREAP2010-13 Di Paolo, A. (GEAP & IEB) “School composition effects in Spain” (Desembre 2010) XREAP2010-14 Fageda, X. (GiM-IREA), Flores-Fillol, R. “Technology, Business Models and Network Structure in the Airline Industry” (Desembre 2010) XREAP2010-15 Albalate, D. (GiM-IREA), Bel, G. (GiM-IREA), Fageda, X. (GiM-IREA) “Is it Redistribution or Centralization? On the Determinants of Government Investment in Infrastructure” (Desembre 2010) XREAP2010-16 Oppedisano, V., Turati, G. “What are the causes of educational inequalities and of their evolution over time in Europe? Evidence from PISA” (Desembre 2010) XREAP2010-17 Canova, L., Vaglio, A. “Why do educated mothers matter? A model of parental help” (Desembre 2010)

SÈRIE DE DOCUMENTS DE TREBALL DE LA XREAP

2011

XREAP2011-01 Fageda, X. (GiM-IREA), Perdiguero, J. (GiM-IREA) “An empirical analysis of a merger between a network and low-cost airlines” (Maig 2011) XREAP2011-02 Moreno-Torres, I. (ACCO, CRES & GiM-IREA) “What if there was a stronger pharmaceutical price competition in Spain? When regulation has a similar effect to collusion” (Maig 2011) XREAP2011-03 Miguélez, E. (AQR-IREA); Gómez-Miguélez, I. “Singling out individual inventors from patent data” (Maig 2011) XREAP2011-04 Moreno-Torres, I. (ACCO, CRES & GiM-IREA) “Generic drugs in Spain: price competition vs. moral hazard” (Maig 2011) XREAP2011-05 Nieto, S. (AQR-IREA), Ramos, R. (AQR-IREA) “¿Afecta la sobreeducación de los padres al rendimiento académico de sus hijos?” (Maig 2011) XREAP2011-06 Pitt, D., Guillén, M. (RFA-IREA), Bolancé, C. (RFA-IREA) “Estimation of Parametric and Nonparametric Models for Univariate Claim Severity Distributions - an approach using R” (Juny 2011) XREAP2011-07 Guillén, M. (RFA-IREA), Comas-Herrera, A. “How much risk is mitigated by LTC Insurance? A case study of the public system in Spain” (Juny 2011) XREAP2011-08 Ayuso, M. (RFA-IREA), Guillén, M. (RFA-IREA), Bolancé, C. (RFA-IREA) “Loss risk through fraud in car insurance” (Juny 2011) XREAP2011-09 Duch-Brown, N. (IEB), García-Quevedo, J. (IEB), Montolio, D. (IEB) “The link between public support and private R&D effort: What is the optimal subsidy?” (Juny 2011)

SÈRIE DE DOCUMENTS DE TREBALL DE LA XREAP

XREAP2011-10 Bermúdez, Ll. (RFA-IREA), Karlis, D. “Mixture of bivariate Poisson regression models with an application to insurance” (Juliol 2011) XREAP2011-11 Varela-Irimia, X-L. (GRIT) “Age effects, unobserved characteristics and hedonic price indexes: The Spanish car market in the 1990s” (Agost 2011) XREAP2011-12 Bermúdez, Ll. (RFA-IREA), Ferri, A. (RFA-IREA), Guillén, M. (RFA-IREA) “A correlation sensitivity analysis of non-life underwriting risk in solvency capital requirement estimation” (Setembre 2011) XREAP2011-13 Guillén, M. (RFA-IREA), Pérez-Marín, A. (RFA-IREA), Alcañiz, M. (RFA-IREA) “A logistic regression approach to estimating customer profit loss due to lapses in insurance” (Octubre 2011) XREAP2011-14 Jiménez, J. L., Perdiguero, J. (GiM-IREA), García, C. “Evaluation of subsidies programs to sell green cars: Impact on prices, quantities and efficiency” (Octubre 2011) XREAP2011-15 Arespa, M. (CREB) “A New Open Economy Macroeconomic Model with Endogenous Portfolio Diversification and Firms Entry” (Octubre 2011) XREAP2011-16 Matas, A. (GEAP), Raymond, J. L. (GEAP), Roig, J.L. (GEAP) “The impact of agglomeration effects and accessibility on wages” (Novembre 2011) XREAP2011-17 Segarra, A. (GRIT) “R&D cooperation between Spanish firms and scientific partners: what is the role of tertiary education?” (Novembre 2011)

xreap@pcb.ub.es