El conocimiento organizacional en procesos de innovación en pymes del estado de Puebla, México.

Organizational knowledge in innovation processes in SMEs in the state of Puebla, Mexico.

Resumen

El objetivo de este artículo es medir la capacidad de predicción del conocimiento organizacional en procesos de innovación no tecnológica en las pymes de la mixteca baja en el estado mexicano de Puebla. Para medir la validez de constructo y corroborar que los reactivos del instrumento de medición tienen sentido conceptual y pertinencia teórica se realizaron un análisis factorial exploratorio (AFE) y un análisis factorial confirmatorio (AFC). En el análisis de datos se utilizaron modelos de ecuaciones estructurales, modelos de regresión y correlación lineal múltiple mediante el método de dos etapas. En las estimaciones se utilizó un software estadístico para las ciencias sociales y el análisis de estructuras.
Al nivel de significancia del 10.0%, las variables experiencia compartida (beta = .225, p<.001) e intercambio de información (beta = .107, p<.001) son significativas. En conjunto, explican 18.7% de
la varianza de nuevas prácticas. En cambio, la varianza de mercadotecnia es explicada en 20.8% por experiencia compartida (beta = .439, p>.001).
Se concluye que la experiencia compartida es un buen predictor de nuevas prácticas (16.7%) y también de mercadotecnia (20.8%). Mientras que el intercambio de información es un buen predictor de nuevas prácticas (2.0%), pero no de mercadotecnia. Conocimiento integrado no es un predictor de nuevas prácticas ni de mercadotecnia.

Abstract

The aim of this article is to measure the predictive capacity of organizational knowledge inNon-technological innovation processes in SMEs in the Mixteca Baja region in the Mexican state of Puebla. An exploratory factor analysis (EFA) and a confirmatory factor analysis (CFA) were performed to measure construct validity and confirm that the items of the measurement instrument make conceptual sense and theoretical relevance. Structural equation models, regression models, and multiple linear correlation using the two-stage method were used in data analysis. Statistical software for social sciences and structural analysis was used in the estimates.At the significance level of 10.0%, the variables shared experience (beta = .225, p<.001) and information exchange (beta = .107, p<.001) are significant. Together, they explain 18.7% of the variance of new practices. On the other hand, 20.8% of marketing variance is explained by shared experience (beta = .439, p>.001).It is concluded that shared experience is a good predictor of new practices (16.7%) and also marketing (20.8%). While information sharing is a good predictor of new practices (2.0%), but not of marketing. Integrated knowledge is not a predictor of new practices or marketing.