Vol. 12/ Núm. 2 2025 pág. 1477
https://doi.org/10.69639/arandu.v12i2.1001
Perspectiva Multivariante sobre los Impulsores Clave del
Desempeño e Innovación para la Competitividad Sostenible en
PYMEs del Cantón San Francisco de Milagro
Multivariate Perspective on the Key Drivers of Performance and Innovation for Sustainable
Competitiveness in PYMEs in the Canton of San Francisco de Milagro
José Luis Tenorio Almache
https://orcid.org/0000-0002-9695-0785
jtenorioa@unemi.edu.ec
Universidad Estatal de Milagro
Ecuador – Milagro
Carol Ginger Núñez Rubio
cnunezr@unemi.edu.ec
https://orcid.org/0009-0009-5228-5750
Universidad Estatal de Milagro
Ecuador – Milagro
Evelin del Cisne Arteaga Arcentales
earteagaa@unemi.edu.ec
https://orcid.org/0000-0003-1565-8342
Universidad Estatal de Milagro
Ecuador – Milagro
Nancy Gallardo Altamirano
https://orcid.org/0009-0005-2272-4450
gallardo.altamirano1976@gmail.com
Hospital General Riobamba IESS
Ecuador – Milagro
Stevens Joshue Torres Alcívar
https://orcid.org/0009-0003-3802-8009
storresa3@unemi.edu.ec
Universidad Estatal de Milagro
Ecuador – Milagro
Artículo recibido: 10 marzo 2025 - Aceptado para publicación: 20 abril 2025
Conflictos de intereses: Ninguno que declarar
RESUMEN
Este artículo examina los factores clave que impactan el desempeño y la innovación en las
pequeñas y medianas empresas (PYMEs) del cantón San Francisco de Milagro, Ecuador. A
través de un enfoque multivariante, se analizan los Impulsores Clave del Desempeño (ID) y el
Rendimiento de la Innovación (IP) para determinar su influencia en la Competitividad
Sostenible (CSP). Los resultados indican una correlación positiva significativa entre la
innovación, el liderazgo y la eficiencia operativa con la sostenibilidad competitiva. Mediante
análisis de regresión múltiple y técnicas de clustering, se identifican perfiles empresariales
Vol. 12/ Núm. 2 2025 pág. 1478
predominantes que muestran la importancia de adoptar estrategias innovadoras para mejorar el
rendimiento a largo plazo. Este estudio ofrece una valiosa comprensión de cómo las PYMEs
pueden mantenerse competitivas en un entorno económico dinámico y globalizado.
Palabras claves: competitividad sostenible, innovación, impulsores clave del
desempeño, pymes
ABSTRACT
This study examines the key factors that impact performance and innovation in small and
medium enterprises (PYMEs) in the canton of San Francisco de Milagro, Ecuador. Through a
multivariate approach, Key Performance Drivers (KDP) and Innovation Performance (IP) are
analyzed to determine their influence on Sustainable Competitiveness (CSP). The results
indicate a significant positive correlation between innovation, leadership, and operational
efficiency with competitive sustainability. Using multiple regression analysis and clustering
techniques, predominant business profiles are identified showing the importance of adopting
innovative strategies to improve long-term performance. This study provides valuable insight
into how PYMEs can remain competitive in a dynamic and globalized economic environment.
Keywords: sustainable competitiveness, innovation, key performance drivers, PYMEs
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
predominantes que muestran la importancia de adoptar estrategias innovadoras para mejorar el
rendimiento a largo plazo. Este estudio ofrece una valiosa comprensión de cómo las PYMEs
pueden mantenerse competitivas en un entorno económico dinámico y globalizado.
Palabras claves: competitividad sostenible, innovación, impulsores clave del
desempeño, pymes
ABSTRACT
This study examines the key factors that impact performance and innovation in small and
medium enterprises (PYMEs) in the canton of San Francisco de Milagro, Ecuador. Through a
multivariate approach, Key Performance Drivers (KDP) and Innovation Performance (IP) are
analyzed to determine their influence on Sustainable Competitiveness (CSP). The results
indicate a significant positive correlation between innovation, leadership, and operational
efficiency with competitive sustainability. Using multiple regression analysis and clustering
techniques, predominant business profiles are identified showing the importance of adopting
innovative strategies to improve long-term performance. This study provides valuable insight
into how PYMEs can remain competitive in a dynamic and globalized economic environment.
Keywords: sustainable competitiveness, innovation, key performance drivers, PYMEs
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Vol. 12/ Núm. 2 2025 pág. 1479
INTRODUCCIÓN
Tanto en el ámbito nacional como internacional, las pequeñas y medianas empresas
(PYME) han llegado a ser reconocidas como un motor vital para lograr el crecimiento
económico y la creación de empleo. De hecho, representan alrededor del 90% de las empresas y
más del 50% del empleo mundial (World Bank, 2020). Ya sea en los países desarrollados o en
desarrollo, no hay duda de que las pequeñas y medianas empresas son los motores que impulsan
el dinamismo al ser tan vitales para impulsar la productividad y la reducción de la pobreza. A
nivel continental en América Latina, la importancia de las PYME es bastante considerable, ya
que oscilan entre el 50% y el 70% del empleo total de la región. Lo cierto es, sin embargo, que
sufren enormes desventajas debido al limitado acceso al crédito disponible para utilizarlo en el
fomento de la competitividad en el largo plazo, la apertura de mercados internacionales y
nuevas tecnologías (CEPAL, 2019).
En Ecuador, las PYME representan la mayor parte del tejido productivo, lo que tiene un
peso importante en términos de su contribución al PIB y la creación de empleo formal. Según el
Instituto Nacional de Estadística y Censos (INEC), más del 90% de las empresas en Ecuador
son PYMES, las cuales generan alrededor del 60% de los empleos en el país, según cifras del
INEC (2020). Las actividades económicas sectoriales en Ecuador son básicamente el comercio,
la manufactura y la prestación de servicios realizadas por las PYMES, todas las cuales
contribuyen fuertemente a la estabilidad económica del país. Las PYMES ecuatorianas
enfrentan desafíos como la informalidad, la restricción al crédito y la tecnología, y la baja
capacidad de innovación.
El cantón San Francisco de Milagro, perteneciente a la provincia del Guayas, ha logrado
un importante crecimiento económico en los últimos años debido principalmente a la
concentración de las PYMES en la agroindustria, así como en el comercio y los servicios.
Milagro es uno de los núcleos económicos emergentes en Ecuador, donde las PYMES han
constituido fuentes de empleo y mejorado la calidad de vida de sus habitantes. Debido al
desarrollo de la productividad y la comercialidad y a la ubicación estratégica donde se ubica, las
PYMES se han convertido en un actor económico dentro del Cantón.
A medida que el cantón San Francisco de Milagro continúa creciendo, la importancia de
asegurar la sostenibilidad y la competitividad de estas empresas se vuelve cada vez más crítica.
Según el Servicio de Rentas Internas durante los últimos cuatro períodos; se registra un
incremento de 14,70% en las actividades de Comercio y de 21,84% en Inmobiliarias. En
agricultura, ganadería, pesca y silvicultura se obtuvo un crecimiento de 16,65%. Mientras que
en industrias manufactureras se registra una disminución del 5,84%. Al clasificar los negocios
de producción se observa que la producción está dominada por el sector primario. No obstante,
al igual que las del resto del país y el mundo, las Pymes enfrentan el obstáculo de mantenerse
INTRODUCCIÓN
Tanto en el ámbito nacional como internacional, las pequeñas y medianas empresas
(PYME) han llegado a ser reconocidas como un motor vital para lograr el crecimiento
económico y la creación de empleo. De hecho, representan alrededor del 90% de las empresas y
más del 50% del empleo mundial (World Bank, 2020). Ya sea en los países desarrollados o en
desarrollo, no hay duda de que las pequeñas y medianas empresas son los motores que impulsan
el dinamismo al ser tan vitales para impulsar la productividad y la reducción de la pobreza. A
nivel continental en América Latina, la importancia de las PYME es bastante considerable, ya
que oscilan entre el 50% y el 70% del empleo total de la región. Lo cierto es, sin embargo, que
sufren enormes desventajas debido al limitado acceso al crédito disponible para utilizarlo en el
fomento de la competitividad en el largo plazo, la apertura de mercados internacionales y
nuevas tecnologías (CEPAL, 2019).
En Ecuador, las PYME representan la mayor parte del tejido productivo, lo que tiene un
peso importante en términos de su contribución al PIB y la creación de empleo formal. Según el
Instituto Nacional de Estadística y Censos (INEC), más del 90% de las empresas en Ecuador
son PYMES, las cuales generan alrededor del 60% de los empleos en el país, según cifras del
INEC (2020). Las actividades económicas sectoriales en Ecuador son básicamente el comercio,
la manufactura y la prestación de servicios realizadas por las PYMES, todas las cuales
contribuyen fuertemente a la estabilidad económica del país. Las PYMES ecuatorianas
enfrentan desafíos como la informalidad, la restricción al crédito y la tecnología, y la baja
capacidad de innovación.
El cantón San Francisco de Milagro, perteneciente a la provincia del Guayas, ha logrado
un importante crecimiento económico en los últimos años debido principalmente a la
concentración de las PYMES en la agroindustria, así como en el comercio y los servicios.
Milagro es uno de los núcleos económicos emergentes en Ecuador, donde las PYMES han
constituido fuentes de empleo y mejorado la calidad de vida de sus habitantes. Debido al
desarrollo de la productividad y la comercialidad y a la ubicación estratégica donde se ubica, las
PYMES se han convertido en un actor económico dentro del Cantón.
A medida que el cantón San Francisco de Milagro continúa creciendo, la importancia de
asegurar la sostenibilidad y la competitividad de estas empresas se vuelve cada vez más crítica.
Según el Servicio de Rentas Internas durante los últimos cuatro períodos; se registra un
incremento de 14,70% en las actividades de Comercio y de 21,84% en Inmobiliarias. En
agricultura, ganadería, pesca y silvicultura se obtuvo un crecimiento de 16,65%. Mientras que
en industrias manufactureras se registra una disminución del 5,84%. Al clasificar los negocios
de producción se observa que la producción está dominada por el sector primario. No obstante,
al igual que las del resto del país y el mundo, las Pymes enfrentan el obstáculo de mantenerse
Vol. 12/ Núm. 2 2025 pág. 1480
competitivas en un entorno cada vez más globalizado y cambiante enfrentándose a la carencia de
innovación en los productos y servicios ofrecidos. lo cual contribuye a una alta tasa de cierre de
negocios.
En este escenario, los Impulsores Clave del Desempeño (ID) son aquellos factores que
tienen una influencia directa en la capacidad de la organización para mejorar su
desempeño y sostener o mejorar la competitividad en el mercado. La gestión del talento, la
capacidad de innovación, la calidad del liderazgo, la cultura organizacional, la eficiencia
operativa, según las opiniones de Barney (1991) y Teece et al. (1997), son los impulsores en el
contexto de las PYMES. Bajo este criterio, las PYMES serían capaces de ajustarse de manera
más efectiva a las turbulencias del mercado y asegurar su capacidad competitiva en el contexto
de los desafíos empresariales globales.
Desde el punto de vista organizacional, los dos facilitadores más importantes para un alto
desempeño son la búsqueda del bienestar de los empleados y el liderazgo basado en valores, con
especial énfasis en la sustentabilidad según el modelo de Liderazgo Sustentable de Avery &
Bergsteiner (2011). La sustentabilidad a largo plazo en este modelo se sustenta en tres factores
clave: el bienestar de los empleados, la toma de decisiones consensuada y la cultura de
innovación estratégica. Dos de los tres factores mencionados anteriormente, mantenidos en un
nivel moderado, generan ganancias para la organización en términos de desempeño al reducir
las tasas de rotación del personal y mejorar el compromiso de los empleados con la
organización.
El Rendimiento de la Innovación (PI) es un término que se refiere a la capacidad de una
empresa para producir nuevas ideas y convertirlas en productos, servicios o procesos que
aumenten su competitividad en el mercado (Audretsch & Belitski, 2023). La innovación es muy
importante para asegurar el éxito de las PYME, ya que les permite cambiar tecnologías,
satisfacer las necesidades del mercado y diferenciarse de sus competidores. Las dimensiones de
la PI pueden ser innovación de producto, innovación de proceso, innovación de marketing,
innovación de estrategia organizacional y, en términos generales, son multifacéticas, aunque se
las señala como fenómenos variables (Carayannis & Grigoroudis, 2014).
La innovación de productos es la oferta de nuevos productos o servicios y la mejora de
los ya existentes, mientras que la innovación de procesos es el refinamiento de los sistemas de
producción y los procesos de apoyo (Polder & al., 2010; Rathod & Paliwal, 2021). Además, la
innovación organizacional implica cómo se implementan las nuevas actividades comerciales y
las formas en que la organización mejora tanto sus relaciones internas como externas para
mejorar también el desempeño general de la organización (Shaher & Ali, 2020). Es, por tanto,
que todos estos tipos de innovación juegan un papel importante, cercano a ser condiciones
precedentes, para las PYME que buscan conservar cualquier ventaja competitiva en su
sostenibilidad a largo plazo.
competitivas en un entorno cada vez más globalizado y cambiante enfrentándose a la carencia de
innovación en los productos y servicios ofrecidos. lo cual contribuye a una alta tasa de cierre de
negocios.
En este escenario, los Impulsores Clave del Desempeño (ID) son aquellos factores que
tienen una influencia directa en la capacidad de la organización para mejorar su
desempeño y sostener o mejorar la competitividad en el mercado. La gestión del talento, la
capacidad de innovación, la calidad del liderazgo, la cultura organizacional, la eficiencia
operativa, según las opiniones de Barney (1991) y Teece et al. (1997), son los impulsores en el
contexto de las PYMES. Bajo este criterio, las PYMES serían capaces de ajustarse de manera
más efectiva a las turbulencias del mercado y asegurar su capacidad competitiva en el contexto
de los desafíos empresariales globales.
Desde el punto de vista organizacional, los dos facilitadores más importantes para un alto
desempeño son la búsqueda del bienestar de los empleados y el liderazgo basado en valores, con
especial énfasis en la sustentabilidad según el modelo de Liderazgo Sustentable de Avery &
Bergsteiner (2011). La sustentabilidad a largo plazo en este modelo se sustenta en tres factores
clave: el bienestar de los empleados, la toma de decisiones consensuada y la cultura de
innovación estratégica. Dos de los tres factores mencionados anteriormente, mantenidos en un
nivel moderado, generan ganancias para la organización en términos de desempeño al reducir
las tasas de rotación del personal y mejorar el compromiso de los empleados con la
organización.
El Rendimiento de la Innovación (PI) es un término que se refiere a la capacidad de una
empresa para producir nuevas ideas y convertirlas en productos, servicios o procesos que
aumenten su competitividad en el mercado (Audretsch & Belitski, 2023). La innovación es muy
importante para asegurar el éxito de las PYME, ya que les permite cambiar tecnologías,
satisfacer las necesidades del mercado y diferenciarse de sus competidores. Las dimensiones de
la PI pueden ser innovación de producto, innovación de proceso, innovación de marketing,
innovación de estrategia organizacional y, en términos generales, son multifacéticas, aunque se
las señala como fenómenos variables (Carayannis & Grigoroudis, 2014).
La innovación de productos es la oferta de nuevos productos o servicios y la mejora de
los ya existentes, mientras que la innovación de procesos es el refinamiento de los sistemas de
producción y los procesos de apoyo (Polder & al., 2010; Rathod & Paliwal, 2021). Además, la
innovación organizacional implica cómo se implementan las nuevas actividades comerciales y
las formas en que la organización mejora tanto sus relaciones internas como externas para
mejorar también el desempeño general de la organización (Shaher & Ali, 2020). Es, por tanto,
que todos estos tipos de innovación juegan un papel importante, cercano a ser condiciones
precedentes, para las PYME que buscan conservar cualquier ventaja competitiva en su
sostenibilidad a largo plazo.
Vol. 12/ Núm. 2 2025 pág. 1481
La competitividad sostenible se relaciona con la capacidad de una empresa para mantener
una ventaja competitiva a largo plazo y perpetua, lo que lleva a resultados económicos positivos
acompañados de una mejora del impacto social y ambiental. Aquellas PYME que logren
implantar tanto la innovación como los impulsores clave del rendimiento dentro de su estrategia
comercial estarán en condiciones de mejorar su (SCP) Desempeño Competitivo Sostenible
(Sustainable Competitive Performance) porque podrán hacer crecer su participación de
mercado, incrementar la satisfacción del consumidor y mejorar la eficiencia operativa. De ese
modo, es probable que los resultados de rendimiento tengan uno de los impactos más excelentes
en el valor (Waheed & Zhang, 2022).
La SCP aboga por que las empresas implementen una estrategia de gestión empresarial
holística que abarque la adopción de prácticas sostenibles que creen valor para todas las partes
interesadas. La competitividad sostenible, no solo mejora el desempeño financiero de las
empresas, sino que también consolida la relación que las empresas tienen con sus clientes,
proveedores y comunidades hacia la sostenibilidad a largo plazo (Fox et al., 2020). De ser así,
estas PYME del cantón Milagro deben implementar innovación, sostenibilidad y eficiencia
operativa en sus estrategias si quieren poder competir como cualquier otra PYME que opera en
cualquier región del mundo.
En esta investigación, el artículo intentará establecer un vínculo entre tres constructos:
innovación, competitividad sostenible y los impulsores clave del desempeño de las PYME, en
un marco de investigación integrado. En general, este artículo busca investigar la relación que
existe entre la IP y la ID y cómo esta última afecta la SCP de las PYME. Para este estudio, se
toman en cuenta todas las organizaciones que pertenecen al cantón de San Francisco de
Milagro. Entonces, las preguntas generales de investigación en torno a las cuales se guiará el
flujo de este trabajo de investigación son:
1. ¿Qué influencia tienen la DI y la PI en la competitividad sostenible de las PYME en el
cantón de Milagro?
2. ¿Qué particularidades presentan los niveles de desempeño e innovación grupales de las
PYMES del cantón Milagro y cómo estas diferencias impactan en su capacidad para
mantener en el largo plazo una competitividad sostenible?
3. ¿Cuáles son, los principales obstáculos que enfrentan las PYMES del cantón Milagro para
adoptar iniciativas prácticas innovadoras que promuevan su competitividad sostenible?
MATERIALES Y MÉTODOS
El presente estudio se realizó sobre una muestra de pequeñas y medianas empresas
(PYMES) que operan en el cantón Milagro, provincia del Guayas, Ecuador. Con base en los
resultados del Censo Económico realizado por el Instituto Nacional de Estadística y Censos del
Ecuador (INEC) en el año 2010, se estima que la población total de PYMES registradas en el
La competitividad sostenible se relaciona con la capacidad de una empresa para mantener
una ventaja competitiva a largo plazo y perpetua, lo que lleva a resultados económicos positivos
acompañados de una mejora del impacto social y ambiental. Aquellas PYME que logren
implantar tanto la innovación como los impulsores clave del rendimiento dentro de su estrategia
comercial estarán en condiciones de mejorar su (SCP) Desempeño Competitivo Sostenible
(Sustainable Competitive Performance) porque podrán hacer crecer su participación de
mercado, incrementar la satisfacción del consumidor y mejorar la eficiencia operativa. De ese
modo, es probable que los resultados de rendimiento tengan uno de los impactos más excelentes
en el valor (Waheed & Zhang, 2022).
La SCP aboga por que las empresas implementen una estrategia de gestión empresarial
holística que abarque la adopción de prácticas sostenibles que creen valor para todas las partes
interesadas. La competitividad sostenible, no solo mejora el desempeño financiero de las
empresas, sino que también consolida la relación que las empresas tienen con sus clientes,
proveedores y comunidades hacia la sostenibilidad a largo plazo (Fox et al., 2020). De ser así,
estas PYME del cantón Milagro deben implementar innovación, sostenibilidad y eficiencia
operativa en sus estrategias si quieren poder competir como cualquier otra PYME que opera en
cualquier región del mundo.
En esta investigación, el artículo intentará establecer un vínculo entre tres constructos:
innovación, competitividad sostenible y los impulsores clave del desempeño de las PYME, en
un marco de investigación integrado. En general, este artículo busca investigar la relación que
existe entre la IP y la ID y cómo esta última afecta la SCP de las PYME. Para este estudio, se
toman en cuenta todas las organizaciones que pertenecen al cantón de San Francisco de
Milagro. Entonces, las preguntas generales de investigación en torno a las cuales se guiará el
flujo de este trabajo de investigación son:
1. ¿Qué influencia tienen la DI y la PI en la competitividad sostenible de las PYME en el
cantón de Milagro?
2. ¿Qué particularidades presentan los niveles de desempeño e innovación grupales de las
PYMES del cantón Milagro y cómo estas diferencias impactan en su capacidad para
mantener en el largo plazo una competitividad sostenible?
3. ¿Cuáles son, los principales obstáculos que enfrentan las PYMES del cantón Milagro para
adoptar iniciativas prácticas innovadoras que promuevan su competitividad sostenible?
MATERIALES Y MÉTODOS
El presente estudio se realizó sobre una muestra de pequeñas y medianas empresas
(PYMES) que operan en el cantón Milagro, provincia del Guayas, Ecuador. Con base en los
resultados del Censo Económico realizado por el Instituto Nacional de Estadística y Censos del
Ecuador (INEC) en el año 2010, se estima que la población total de PYMES registradas en el
Vol. 12/ Núm. 2 2025 pág. 1482
cantón Milagro es de 5.099 establecimientos. De esta población, se seleccionó un tamaño de
muestra de 384 pequeñas y medianas empresas mediante un muestreo probabilístico
estratificado con un nivel de confianza del 95% y un margen de error del 5%. Este número es
suficiente para brindar una adecuada representatividad y generalizar los resultados al total de
PYMES del cantón.
El método de muestreo adecuado para representar a los diferentes subgrupos dentro de la
población es el muestreo probabilístico estratificado. En este caso, se estratificó a la población
por sector de actividad económica para asegurar que los principales sectores, comercio,
industria, agroindustria y servicios, estuvieran representados proporcionalmente (Lohr, 2019).
Esto mejora la precisión y disminuye los errores de muestreo (lo que conduce a una buena
calidad de los datos) (Cochran, 1977). Después de realizar la estratificación, cada una de las
empresas fue seleccionada aleatoriamente de entre todas las que se encontraban dentro de cada
estrato, lo que da como resultado representatividad.
La recolección de datos se realizó mediante la aplicación de un cuestionario estructurado
que fue administrado tanto de manera presencial como en línea, dependiendo de la
disponibilidad de los participantes. Antes de la implementación total, se llevó a cabo una prueba
piloto para verificar la claridad, coherencia y duración del cuestionario. La prueba piloto es
esencial para ajustar los instrumentos de recolección de datos, mejorando su calidad y
reduciendo el riesgo de sesgos (Presser et al., 2004). A partir de los resultados de la prueba, se
realizaron pequeños ajustes en el cuestionario para garantizar que los participantes
comprendieran adecuadamente todas las preguntas.
El cuestionario fue dirigido a los propietarios, gerentes o responsables de la toma de
decisiones en las empresas seleccionadas, quienes proporcionaron información de sus
respectivas organizaciones. Durante todo el proceso, se garantizó la confidencialidad de los
datos proporcionados, una práctica fundamental para asegurar la sinceridad de las respuestas y
minimizar sesgos (Fowler, 2014).
Al finalizar la recolección de datos, toda la información fue codificada y organizada en
una base de datos para su posterior análisis estadístico. Este análisis se realizó utilizando
herramientas estadísticas, con el fin de explorar las relaciones entre los Impulsores Clave del
Desempeño, el Rendimiento de la Innovación y la Competitividad Sostenible en las PYMEs del
cantón Milagro. Ver Tabla 1
cantón Milagro es de 5.099 establecimientos. De esta población, se seleccionó un tamaño de
muestra de 384 pequeñas y medianas empresas mediante un muestreo probabilístico
estratificado con un nivel de confianza del 95% y un margen de error del 5%. Este número es
suficiente para brindar una adecuada representatividad y generalizar los resultados al total de
PYMES del cantón.
El método de muestreo adecuado para representar a los diferentes subgrupos dentro de la
población es el muestreo probabilístico estratificado. En este caso, se estratificó a la población
por sector de actividad económica para asegurar que los principales sectores, comercio,
industria, agroindustria y servicios, estuvieran representados proporcionalmente (Lohr, 2019).
Esto mejora la precisión y disminuye los errores de muestreo (lo que conduce a una buena
calidad de los datos) (Cochran, 1977). Después de realizar la estratificación, cada una de las
empresas fue seleccionada aleatoriamente de entre todas las que se encontraban dentro de cada
estrato, lo que da como resultado representatividad.
La recolección de datos se realizó mediante la aplicación de un cuestionario estructurado
que fue administrado tanto de manera presencial como en línea, dependiendo de la
disponibilidad de los participantes. Antes de la implementación total, se llevó a cabo una prueba
piloto para verificar la claridad, coherencia y duración del cuestionario. La prueba piloto es
esencial para ajustar los instrumentos de recolección de datos, mejorando su calidad y
reduciendo el riesgo de sesgos (Presser et al., 2004). A partir de los resultados de la prueba, se
realizaron pequeños ajustes en el cuestionario para garantizar que los participantes
comprendieran adecuadamente todas las preguntas.
El cuestionario fue dirigido a los propietarios, gerentes o responsables de la toma de
decisiones en las empresas seleccionadas, quienes proporcionaron información de sus
respectivas organizaciones. Durante todo el proceso, se garantizó la confidencialidad de los
datos proporcionados, una práctica fundamental para asegurar la sinceridad de las respuestas y
minimizar sesgos (Fowler, 2014).
Al finalizar la recolección de datos, toda la información fue codificada y organizada en
una base de datos para su posterior análisis estadístico. Este análisis se realizó utilizando
herramientas estadísticas, con el fin de explorar las relaciones entre los Impulsores Clave del
Desempeño, el Rendimiento de la Innovación y la Competitividad Sostenible en las PYMEs del
cantón Milagro. Ver Tabla 1
Vol. 12/ Núm. 2 2025 pág. 1483
Tabla 1
Perfil demográfico de los encuestados
Perfil demográfico Frecuencia Porcentaje
Genero
Femenino Masculino 207
177
53,9%
46,1%
Grupo de edad
20 a 30
30 a 40
40 a 50
50 a 60
Más de 60
67
84
74
77
82
17,4%
21,9%
19,3%
20,1%
21,4%
Nivel de estudio
Escuela Ninguno Universidad Colegio
Maestría
80
79
79
76
70
20,8%
20,6%
20,6%
19,8%
18,2%
Sector que pertenece
Comercial Industrial o Manufacturera
Servicios
144
126
114
37,5%
32,8%
29,7%
Experiencia (años)
10 a 20
20 a 30
30 a 40
Más de 40
Menos de 10
66
82
65
85
86
17,2%
21,4%
16,9%
22,1%
22,4%
Antigüedad
1 a 5 años
10 a 15 años
15 a 20
5 a 10 años Más de 20 años
80
74
71
83
76
20,8%
19,3%
18,5%
21,6%
19,8%
El presente estudio utiliza las escalas previamente validadas de los tres constructos principales
del cuestionario: ID, IP y SCP (véase la Tabla 2 ). El objetivo principal es examinar la relación
Tabla 1
Perfil demográfico de los encuestados
Perfil demográfico Frecuencia Porcentaje
Genero
Femenino Masculino 207
177
53,9%
46,1%
Grupo de edad
20 a 30
30 a 40
40 a 50
50 a 60
Más de 60
67
84
74
77
82
17,4%
21,9%
19,3%
20,1%
21,4%
Nivel de estudio
Escuela Ninguno Universidad Colegio
Maestría
80
79
79
76
70
20,8%
20,6%
20,6%
19,8%
18,2%
Sector que pertenece
Comercial Industrial o Manufacturera
Servicios
144
126
114
37,5%
32,8%
29,7%
Experiencia (años)
10 a 20
20 a 30
30 a 40
Más de 40
Menos de 10
66
82
65
85
86
17,2%
21,4%
16,9%
22,1%
22,4%
Antigüedad
1 a 5 años
10 a 15 años
15 a 20
5 a 10 años Más de 20 años
80
74
71
83
76
20,8%
19,3%
18,5%
21,6%
19,8%
El presente estudio utiliza las escalas previamente validadas de los tres constructos principales
del cuestionario: ID, IP y SCP (véase la Tabla 2 ). El objetivo principal es examinar la relación
Vol. 12/ Núm. 2 2025 pág. 1484
entre el ID e IP y cómo afecta a la CSP de las Pymes. Las respuestas de los participantes
arrojaron mucha luz sobre el tema. Se pidió a los encuestados que valoraran cada variable de la
investigación en una escala de Likert de cinco puntos, desde totalmente en desacuerdo (1) hasta
totalmente de acuerdo (5).
La ID se midió utilizando ocho ítems de la escala de basado en el marco teórico de Avery y
Bergsteiner (2011) y el cuestionario elaborado por Blas (2023). La PI se midió utilizando ocho
ítems de la escala desarrollada por Wang & Ahmed (2004). Este estudio incluía cuatro
subdimensiones de la PI: innovación de producto, innovación de mercado, innovación de
proceso e innovación estratégica. Y por último, la sostenibilidad competitiva se midió utilizando
diez ítems de la escala de medición de Waheed & Zhang (2022). Estos ítems hacen hincapié en
la sostenibilidad del rendimiento competitivo y subrayan la compensación entre el rendimiento a
largo plazo y el rendimiento a corto plazo, como la cuota de mercado y la capacidad de
innovación (Mikalef & Pateli, 2017). Ver Tabla 2
Tabla 2
Constructos del cuestionario
Constructo Fuente
Impulsores clave del desempeño Blas (2023)
Rendimiento Competitivo Sostenible Waheed & Zhang (2022)
Resultados de la innovación Wang & Ahmed (2004)
El análisis estadístico del presente estudio se desarrolló en varias etapas, comenzando en
primera instancia garantizando la fiabilidad y la validez del instrumento evaluando el
coeficiente alfa de Cronbach (Cronbach, 1951) para evaluar la consistencia interna. Según lo
establecido por Taber (2018), se considera adecuado un valor de alfa que sea
≥.70. Posteriormente, se examinó la idoneidad de los reactivos y para ello, se revisó la
determinante de la matriz y se determinó el coeficiente de Kaiser-Meyer-Olkin (KMO) (Kaiser,
1970; Thompson, 2004), el cual compara las correlaciones entre variables para determinar si son
lo suficientemente altas como para sugerir la presencia de factores comunes; un valor de KMO
superior a 0.80 expone que las correlaciones entre los pares de variables pueden ser explicadas
por otras variables (Kaiser, 1974; Worthington & Whittaker, 2006). Adicionalmente, se efectuó
el diagnóstico de esfericidad de Bartlett, que permite contrastar la hipótesis nula de que la
matriz de correlaciones es equivalente a una matriz identidad, donde las correlaciones entre las
variables serían nulas (Bartlett, 1950; Gorsuch, 1973).
Se estableció el modelo estructural mediante un Análisis Factorial Confirmatorio,
evaluando el ajuste del modelo con un conjunto de índices de bondad de ajuste recomendados
en la literatura (Blunch, 2008; Brown, 2006; Hancock & Mueller, 2013). Estos incluyen un
Índice de Ajuste Comparativo (CFI) de 0,90 o superior (Hu & Bentler, 1999), un Índice Tucker-
entre el ID e IP y cómo afecta a la CSP de las Pymes. Las respuestas de los participantes
arrojaron mucha luz sobre el tema. Se pidió a los encuestados que valoraran cada variable de la
investigación en una escala de Likert de cinco puntos, desde totalmente en desacuerdo (1) hasta
totalmente de acuerdo (5).
La ID se midió utilizando ocho ítems de la escala de basado en el marco teórico de Avery y
Bergsteiner (2011) y el cuestionario elaborado por Blas (2023). La PI se midió utilizando ocho
ítems de la escala desarrollada por Wang & Ahmed (2004). Este estudio incluía cuatro
subdimensiones de la PI: innovación de producto, innovación de mercado, innovación de
proceso e innovación estratégica. Y por último, la sostenibilidad competitiva se midió utilizando
diez ítems de la escala de medición de Waheed & Zhang (2022). Estos ítems hacen hincapié en
la sostenibilidad del rendimiento competitivo y subrayan la compensación entre el rendimiento a
largo plazo y el rendimiento a corto plazo, como la cuota de mercado y la capacidad de
innovación (Mikalef & Pateli, 2017). Ver Tabla 2
Tabla 2
Constructos del cuestionario
Constructo Fuente
Impulsores clave del desempeño Blas (2023)
Rendimiento Competitivo Sostenible Waheed & Zhang (2022)
Resultados de la innovación Wang & Ahmed (2004)
El análisis estadístico del presente estudio se desarrolló en varias etapas, comenzando en
primera instancia garantizando la fiabilidad y la validez del instrumento evaluando el
coeficiente alfa de Cronbach (Cronbach, 1951) para evaluar la consistencia interna. Según lo
establecido por Taber (2018), se considera adecuado un valor de alfa que sea
≥.70. Posteriormente, se examinó la idoneidad de los reactivos y para ello, se revisó la
determinante de la matriz y se determinó el coeficiente de Kaiser-Meyer-Olkin (KMO) (Kaiser,
1970; Thompson, 2004), el cual compara las correlaciones entre variables para determinar si son
lo suficientemente altas como para sugerir la presencia de factores comunes; un valor de KMO
superior a 0.80 expone que las correlaciones entre los pares de variables pueden ser explicadas
por otras variables (Kaiser, 1974; Worthington & Whittaker, 2006). Adicionalmente, se efectuó
el diagnóstico de esfericidad de Bartlett, que permite contrastar la hipótesis nula de que la
matriz de correlaciones es equivalente a una matriz identidad, donde las correlaciones entre las
variables serían nulas (Bartlett, 1950; Gorsuch, 1973).
Se estableció el modelo estructural mediante un Análisis Factorial Confirmatorio,
evaluando el ajuste del modelo con un conjunto de índices de bondad de ajuste recomendados
en la literatura (Blunch, 2008; Brown, 2006; Hancock & Mueller, 2013). Estos incluyen un
Índice de Ajuste Comparativo (CFI) de 0,90 o superior (Hu & Bentler, 1999), un Índice Tucker-
Vol. 12/ Núm. 2 2025 pág. 1485
Lewis (TLI) superior a 0,95 (Hu & Bentler, 1998), un Índice de Bondad de Ajuste (GFI)
superior a 0,95 (Shevlin & Miles, 1998), y un Índice de Error de Aproximación Medio
Cuadrático (RMSEA) entre 0,05 y 0,08 (Dolédec & Chessel, 2006)
Una vez verificada la estructura factorial del cuestionario, se realizó un análisis de
regresión múltiple para identificar las relaciones entre las variables independientes (impulsores
clave del desempeño e innovación) y la variable dependiente (competitividad sustentable). La
regresión múltiple permite estimar la influencia de diferentes impulsores del desempeño y
prácticas de innovación en la competitividad sustentable de las PYME en estudio; esto brinda
una comprensión detallada de las interrelaciones de estas variables entre sí (Cohen et al., 2003).
Posteriormente, se realizó un análisis de correspondencia múltiple, ya que es la técnica
estadística adecuada para analizar la relación entre varias variables categóricas, lo que
proporciona una representación gráfica simplificada de las relaciones que ayuda a comprender
mejor los patrones subyacentes encontrados en el conjunto de datos (Greenacre, 2007). En este
estudio, se aplica el MCA para relacionar las variables demográficas del perfil de los
encuestados, como educación, sector y experiencia. Estas se colocan sobre las variables
categóricas que son el contexto socioeconómico de los encuestados y el MCA ayuda a
identificar patrones y asociaciones entre las categorías. Al aplicar el MCA, el objetivo no es
sólo reducir la dimensionalidad de los datos, sino asegurarse de que se logre una representación
clara de cómo las variables interactúan realmente entre sí.
Además, se complementó con el análisis de clusteres, con el objetivo de identificar
grupos homogéneos de PYMEs en función de sus características relacionadas con ID, PI y CPS.
Esta técnica permitió segmentar a las empresas en grupos con características similares para una
mejor comprensión de los perfiles predominantes en el cantón
Milagro. Finalmente, los resultados del análisis se representaron gráficamente, a través
de técnicas Biplot que permiten representar en un gráfico bidimensional las relaciones entre
variables y observaciones al mismo tiempo (Gabriel, 1971). El Biplot es una herramienta útil
para la interpretación de resultados en análisis multivariados, como MCA y análisis de
conglomerados, pues muestra de manera clara y accesible los patrones identificados.
RESULTADOS
El Alfa de Cronbach evalúa hasta qué punto los reactivos que supuestamente miden la
misma dimensión subyacente producen puntuaciones similares. Así, los resultados de
homogeneidad medidos por este coeficiente variaron de 0,796 a 0,882 para los factores
examinados especificados como "Rendimiento Competitivo Sostenible", "Impulsores Claves del
Desempeño" y "Resultados de Innovación".
Lewis (TLI) superior a 0,95 (Hu & Bentler, 1998), un Índice de Bondad de Ajuste (GFI)
superior a 0,95 (Shevlin & Miles, 1998), y un Índice de Error de Aproximación Medio
Cuadrático (RMSEA) entre 0,05 y 0,08 (Dolédec & Chessel, 2006)
Una vez verificada la estructura factorial del cuestionario, se realizó un análisis de
regresión múltiple para identificar las relaciones entre las variables independientes (impulsores
clave del desempeño e innovación) y la variable dependiente (competitividad sustentable). La
regresión múltiple permite estimar la influencia de diferentes impulsores del desempeño y
prácticas de innovación en la competitividad sustentable de las PYME en estudio; esto brinda
una comprensión detallada de las interrelaciones de estas variables entre sí (Cohen et al., 2003).
Posteriormente, se realizó un análisis de correspondencia múltiple, ya que es la técnica
estadística adecuada para analizar la relación entre varias variables categóricas, lo que
proporciona una representación gráfica simplificada de las relaciones que ayuda a comprender
mejor los patrones subyacentes encontrados en el conjunto de datos (Greenacre, 2007). En este
estudio, se aplica el MCA para relacionar las variables demográficas del perfil de los
encuestados, como educación, sector y experiencia. Estas se colocan sobre las variables
categóricas que son el contexto socioeconómico de los encuestados y el MCA ayuda a
identificar patrones y asociaciones entre las categorías. Al aplicar el MCA, el objetivo no es
sólo reducir la dimensionalidad de los datos, sino asegurarse de que se logre una representación
clara de cómo las variables interactúan realmente entre sí.
Además, se complementó con el análisis de clusteres, con el objetivo de identificar
grupos homogéneos de PYMEs en función de sus características relacionadas con ID, PI y CPS.
Esta técnica permitió segmentar a las empresas en grupos con características similares para una
mejor comprensión de los perfiles predominantes en el cantón
Milagro. Finalmente, los resultados del análisis se representaron gráficamente, a través
de técnicas Biplot que permiten representar en un gráfico bidimensional las relaciones entre
variables y observaciones al mismo tiempo (Gabriel, 1971). El Biplot es una herramienta útil
para la interpretación de resultados en análisis multivariados, como MCA y análisis de
conglomerados, pues muestra de manera clara y accesible los patrones identificados.
RESULTADOS
El Alfa de Cronbach evalúa hasta qué punto los reactivos que supuestamente miden la
misma dimensión subyacente producen puntuaciones similares. Así, los resultados de
homogeneidad medidos por este coeficiente variaron de 0,796 a 0,882 para los factores
examinados especificados como "Rendimiento Competitivo Sostenible", "Impulsores Claves del
Desempeño" y "Resultados de Innovación".
Vol. 12/ Núm. 2 2025 pág. 1486
Tabla 3
Consistencia Interna de los Constructos
Factores Alfa de Cronbach
(α)
Rendimiento Competitivo Sostenible 0.85
Impulsores Claves del Desempeño 0.88
Resultados de Innovación 0.79
Los resultados de las pruebas de adecuación de los datos obtuvieron el Índice Kaiser-
Meyer-Olkin (KMO) para evaluar la adecuación muestral, cuyo valor fue de 0,94 e indica una
alta adecuación de los datos para el análisis factorial. Por tanto, se establece que la proporción
de la varianza que podría ser atribuida a factores comunes es significativa, lo que justifica la
aplicación del AFC. Además, se llevó a cabo la prueba de esfericidad de Bartlett para evaluar si
las correlaciones entre los ítems eran lo suficientemente grandes para llevar a cabo el análisis.
La prueba expreso resultados significativos , lo que indica
que la matriz de correlaciones de los conjuntos de datos no es una matriz identidad. En otras
palabras, existen correlaciones significativas entre los ítems, lo cual es un requisito fundamental
para el análisis factorial. Para evaluar cuán bien se ajusta el modelo propuesto, se utilizaron
varios índices estándar, cuyos resultados se describen a continuación: El Índice de Ajuste
Comparativo (CFI) alcanzó un valor de 0.971, lo que indica que el modelo representa
adecuadamente los datos observados, superando de manera notable al modelo nulo. De igual
manera, tanto el Índice de Tucker-Lewis (TLI) como el Índice de Ajuste No Normalizado
(NNFI) mostraron valores de 0.967. Estos índices tienen en cuenta la complejidad del modelo,
sugiriendo que, además de ajustarse correctamente a los datos, el modelo no es
innecesariamente complicado.
El Índice de Ajuste Normalizado (NFI) mostró un valor de 0.959 para los cuestionarios,
confirmando un ajuste robusto del modelo en comparación con la hipótesis nula. A pesar de
estar ligeramente por debajo del Índice de Ajuste Normalizado de Parsimonia (PNFI = 0.870),
su cercanía a 0.90 sugiere que el modelo logra un equilibrio aceptable entre ajuste y
simplicidad. En cuanto a las medidas de error, el error cuadrático medio
de aproximación (RMSEA) fue de 0,08, posicionándose en el rango de aceptable. Por
último, el error cuadrático medio estandarizado (SRMR) indicó un valor de 0,08, lo que
significa que las discrepancias entre las correlaciones observadas y las predichas por el modelo
son mínimas; esto implicando que el modelo se ajusta bien a los datos observados.
Se realizaron análisis de correlación y de regresión lineal múltiple para observar la
relación entre el SCP, IP e ID en donde encontramos que los constructos están correlacionados
positiva y significativamente entre ellos, lo que indica la magnitud de su alta influencia en el
Tabla 3
Consistencia Interna de los Constructos
Factores Alfa de Cronbach
(α)
Rendimiento Competitivo Sostenible 0.85
Impulsores Claves del Desempeño 0.88
Resultados de Innovación 0.79
Los resultados de las pruebas de adecuación de los datos obtuvieron el Índice Kaiser-
Meyer-Olkin (KMO) para evaluar la adecuación muestral, cuyo valor fue de 0,94 e indica una
alta adecuación de los datos para el análisis factorial. Por tanto, se establece que la proporción
de la varianza que podría ser atribuida a factores comunes es significativa, lo que justifica la
aplicación del AFC. Además, se llevó a cabo la prueba de esfericidad de Bartlett para evaluar si
las correlaciones entre los ítems eran lo suficientemente grandes para llevar a cabo el análisis.
La prueba expreso resultados significativos , lo que indica
que la matriz de correlaciones de los conjuntos de datos no es una matriz identidad. En otras
palabras, existen correlaciones significativas entre los ítems, lo cual es un requisito fundamental
para el análisis factorial. Para evaluar cuán bien se ajusta el modelo propuesto, se utilizaron
varios índices estándar, cuyos resultados se describen a continuación: El Índice de Ajuste
Comparativo (CFI) alcanzó un valor de 0.971, lo que indica que el modelo representa
adecuadamente los datos observados, superando de manera notable al modelo nulo. De igual
manera, tanto el Índice de Tucker-Lewis (TLI) como el Índice de Ajuste No Normalizado
(NNFI) mostraron valores de 0.967. Estos índices tienen en cuenta la complejidad del modelo,
sugiriendo que, además de ajustarse correctamente a los datos, el modelo no es
innecesariamente complicado.
El Índice de Ajuste Normalizado (NFI) mostró un valor de 0.959 para los cuestionarios,
confirmando un ajuste robusto del modelo en comparación con la hipótesis nula. A pesar de
estar ligeramente por debajo del Índice de Ajuste Normalizado de Parsimonia (PNFI = 0.870),
su cercanía a 0.90 sugiere que el modelo logra un equilibrio aceptable entre ajuste y
simplicidad. En cuanto a las medidas de error, el error cuadrático medio
de aproximación (RMSEA) fue de 0,08, posicionándose en el rango de aceptable. Por
último, el error cuadrático medio estandarizado (SRMR) indicó un valor de 0,08, lo que
significa que las discrepancias entre las correlaciones observadas y las predichas por el modelo
son mínimas; esto implicando que el modelo se ajusta bien a los datos observados.
Se realizaron análisis de correlación y de regresión lineal múltiple para observar la
relación entre el SCP, IP e ID en donde encontramos que los constructos están correlacionados
positiva y significativamente entre ellos, lo que indica la magnitud de su alta influencia en el
Vol. 12/ Núm. 2 2025 pág. 1487
contexto de la PYMES del cantón San Francisco de Milagro. Los resultados revelan un buen
apoyo a la mayoría de las relaciones predichas. Todas las relaciones hipotetizadas con el modelo
completo resultan significativas. A continuación se describe la interpretación detallada de los
resultados obtenidos.
En primer lugar, los residuos son la diferencia entre los valores observados y los
predichos por el modelo. Los valores residuales varían de -15,92 a 10,76, lo que indica que, en
general, las predicciones del modelo son bastante cercanas a los valores observados, aunque
claramente hay algunas observaciones con diferencias mucho mayores. El hecho de que en el
rango intercuartil, que va de -2,428 a 2,257, la mayoría de las diferencias entre los valores
predichos y observados muestren un ajuste razonable.
Tabla 4
Resumen de Residuales
Min 1Q Mediana 3Q Max
Valor -15.92 -2.428 -0.291 2.257 10.758
Interpretación de los coeficientes del modelo: relación de IP e ID con la variable
dependiente (CSP). El intercepto está en 3.376; esto indica que si tanto IP como ID son cero,
entonces CSP se estima en 3.376. Esto puede considerarse la línea de base para que la
competitividad sea sostenible en las empresas en condiciones normales, donde no hay efecto de
la innovación o el desempeño. De la misma manera, el coeficiente de IP está en 0.509: esto
significaría que por cada cambio de unidad en el desempeño hacia la innovación, la
competitividad sostenible cambiaría en 0.509, por lo que se mantendría constante la ID. Este
coeficiente tiene una alta significancia en t = 10.18, con un valor p de , lo que significa
que CSP está relacionada con la innovación de manera positiva y significativa. Por otro lado, el
coeficiente ID es 0.639, lo que significa que por cada unidad adicional en los impulsores clave
del desempeño, se espera que CSP aumente en 0.639, manteniendo constante IP. Este
coeficiente también es altamente significativo , lo que indica que los
impulsores clave del rendimiento tienen un impacto aún mayor que la innovación en la
competitividad sostenible.
Tabla 5
Coeficientes del Modelo
Variable Coeficiente Error Estándar Valor t p-valor
Intercepto 3.37615 0.64180 5.26
IP 0.50933 0.05005 10.18
ID 0.63911 0.04533 14.10
contexto de la PYMES del cantón San Francisco de Milagro. Los resultados revelan un buen
apoyo a la mayoría de las relaciones predichas. Todas las relaciones hipotetizadas con el modelo
completo resultan significativas. A continuación se describe la interpretación detallada de los
resultados obtenidos.
En primer lugar, los residuos son la diferencia entre los valores observados y los
predichos por el modelo. Los valores residuales varían de -15,92 a 10,76, lo que indica que, en
general, las predicciones del modelo son bastante cercanas a los valores observados, aunque
claramente hay algunas observaciones con diferencias mucho mayores. El hecho de que en el
rango intercuartil, que va de -2,428 a 2,257, la mayoría de las diferencias entre los valores
predichos y observados muestren un ajuste razonable.
Tabla 4
Resumen de Residuales
Min 1Q Mediana 3Q Max
Valor -15.92 -2.428 -0.291 2.257 10.758
Interpretación de los coeficientes del modelo: relación de IP e ID con la variable
dependiente (CSP). El intercepto está en 3.376; esto indica que si tanto IP como ID son cero,
entonces CSP se estima en 3.376. Esto puede considerarse la línea de base para que la
competitividad sea sostenible en las empresas en condiciones normales, donde no hay efecto de
la innovación o el desempeño. De la misma manera, el coeficiente de IP está en 0.509: esto
significaría que por cada cambio de unidad en el desempeño hacia la innovación, la
competitividad sostenible cambiaría en 0.509, por lo que se mantendría constante la ID. Este
coeficiente tiene una alta significancia en t = 10.18, con un valor p de , lo que significa
que CSP está relacionada con la innovación de manera positiva y significativa. Por otro lado, el
coeficiente ID es 0.639, lo que significa que por cada unidad adicional en los impulsores clave
del desempeño, se espera que CSP aumente en 0.639, manteniendo constante IP. Este
coeficiente también es altamente significativo , lo que indica que los
impulsores clave del rendimiento tienen un impacto aún mayor que la innovación en la
competitividad sostenible.
Tabla 5
Coeficientes del Modelo
Variable Coeficiente Error Estándar Valor t p-valor
Intercepto 3.37615 0.64180 5.26
IP 0.50933 0.05005 10.18
ID 0.63911 0.04533 14.10
Vol. 12/ Núm. 2 2025 pág. 1488
El error estándar del modelo es 3,756; en otras palabras, las predicciones del modelo
tienen una desviación estándar de aproximadamente 3,756 unidades con respecto a los valores
observados. Un error estándar de estimación bajo indica un buen ajuste del modelo. Además,
arrojó un valor para el R-cuadrado múltiple de 0,777, lo que implica que el modelo explica
aproximadamente el 77,71% de la varianza total con respecto a la competitividad sostenible
(SCP); por lo tanto, es un ajuste fuerte. El valor del R- cuadrado ajustado es 0,7759, que es casi
igual al del R-cuadrado múltiple, por lo que confirma la adecuación del modelo: el modelo no
está sobreajustado, es decir, las variables independientes seleccionadas explican bastante bien la
variable dependiente.
Tabla 6
Estadísticas del Modelo
Estadística Valor
Residual standard error 3.756
Grados de libertad (Residual) 381
R-cuadrado múltiple 0.7771
R-cuadrado ajustado 0.7759
F-estadística 664
p-valor (F-estadística)
El valor del estadístico-F es 664, con un valor p de <2,2e^(-16) siendo menor que nuestro
alfa de 0.05 con nivel de confianza del 95% , lo que confirma que el modelo en su conjunto es
altamente significativo. Esto significa que las variables independientes IP e ID tienen un efecto
significativo conjunto sobre la CSP en cualquier nivel y que el modelo es un buen ajuste para
predecir la competitividad sostenible sobre la base del desempeño de la innovación y los
impulsores clave del desempeño. El valor más alto de R-cuadrado ajustado también significa
una alta predictibilidad en el modelo; puede ser vital para explicar la competitividad sostenible
con respecto a las PYME analizadas.
En el espacio reducido de categorías, se ha podido comprobar mediante el Análisis de
Correspondencias Múltiples (ACM) que las variables encuestadas (nivel educativo, sector y
experiencia) se relacionan con diferentes dimensiones. “Nivel educativo” y “Sector” se
presentan distribuidos de forma bastante desigual entre las dimensiones. Esto también es
evidente por el hecho de que las tres primeras dimensiones explican un porcentaje considerable
de la varianza (34,37%) y por la fuerte ponderación de las categorías “Escuela” y “Máster” en
la definición de las primeras dimensiones. De esta forma, las coordenadas y contribuciones
también indican un mayor impacto de unas categorías sobre otras en cada dimensión; por su
El error estándar del modelo es 3,756; en otras palabras, las predicciones del modelo
tienen una desviación estándar de aproximadamente 3,756 unidades con respecto a los valores
observados. Un error estándar de estimación bajo indica un buen ajuste del modelo. Además,
arrojó un valor para el R-cuadrado múltiple de 0,777, lo que implica que el modelo explica
aproximadamente el 77,71% de la varianza total con respecto a la competitividad sostenible
(SCP); por lo tanto, es un ajuste fuerte. El valor del R- cuadrado ajustado es 0,7759, que es casi
igual al del R-cuadrado múltiple, por lo que confirma la adecuación del modelo: el modelo no
está sobreajustado, es decir, las variables independientes seleccionadas explican bastante bien la
variable dependiente.
Tabla 6
Estadísticas del Modelo
Estadística Valor
Residual standard error 3.756
Grados de libertad (Residual) 381
R-cuadrado múltiple 0.7771
R-cuadrado ajustado 0.7759
F-estadística 664
p-valor (F-estadística)
El valor del estadístico-F es 664, con un valor p de <2,2e^(-16) siendo menor que nuestro
alfa de 0.05 con nivel de confianza del 95% , lo que confirma que el modelo en su conjunto es
altamente significativo. Esto significa que las variables independientes IP e ID tienen un efecto
significativo conjunto sobre la CSP en cualquier nivel y que el modelo es un buen ajuste para
predecir la competitividad sostenible sobre la base del desempeño de la innovación y los
impulsores clave del desempeño. El valor más alto de R-cuadrado ajustado también significa
una alta predictibilidad en el modelo; puede ser vital para explicar la competitividad sostenible
con respecto a las PYME analizadas.
En el espacio reducido de categorías, se ha podido comprobar mediante el Análisis de
Correspondencias Múltiples (ACM) que las variables encuestadas (nivel educativo, sector y
experiencia) se relacionan con diferentes dimensiones. “Nivel educativo” y “Sector” se
presentan distribuidos de forma bastante desigual entre las dimensiones. Esto también es
evidente por el hecho de que las tres primeras dimensiones explican un porcentaje considerable
de la varianza (34,37%) y por la fuerte ponderación de las categorías “Escuela” y “Máster” en
la definición de las primeras dimensiones. De esta forma, las coordenadas y contribuciones
también indican un mayor impacto de unas categorías sobre otras en cada dimensión; por su
Vol. 12/ Núm. 2 2025 pág. 1489
parte, cos2 expresa la calidad con la que las categorías están representadas en el espacio
reducido de análisis.
Por otra parte, para el análisis de clústeres mediante el algoritmo k-means, se colocó a los
encuestados en tres grupos. A continuación se describen los resultados:
El algoritmo k-means se aplicó a las coordenadas de los individuos obtenidas a partir del
ACM, lo que permitió agrupar a los encuestados en tres clústeres. Cada clúster representa un
grupo de individuos que comparten características similares basadas en las dimensiones
extraídas del ACM
Clúster 1: 120 individuos
Clúster 2: 157 individuos
Clúster 3: 107 individuos
El proceso de clustering ayudo a organizar a los encuestados en grupos con patrones
similares en sus respuestas, lo que facilitó su interpretación. Por consiguiente, se calcularon las
medias de las variables numéricas clave CSP, IP, e ID para cada clúster:
Tabla 7
Medias de CSP, IP, e I para cada clúster
Clúster CSP (media) IP(media) ID (media)
1 25,6 19 19,5
2 25,4 19,4 19,2
3 24,8 18,5 18,8
Los resultados indican que el Clúster 1 presenta promedios más altos en CSP (25,6) e ID
(19,5) porque los individuos de este grupo son más competitivos y tienen un desempeño más
sostenible. El Clúster 2 tiene los mismos niveles de IP (19,4), y el Clúster 3 presenta los
promedios más bajos para todas las variables, lo que puede denotar un perfil de innovación y
desempeño disímil.
Del mismo modo, a través del análisis de las distribuciones de las variables cualitativas
por clúster, poner de manifiesto las diferencias en las características demográficas entre los
grupos.
Tabla 8
Análisis de Variables Categóricas por Clúster
Variables Clúster 1 Clúster 2 Clúster 3
Genero
Mayoría de femenino (71 vs. 49
masculino)
Equilibrio entre
femenino (80) y
masculino (77)
Mayoría masculina (56
vs. 51 femenino)
Estudios Predominan las personas
con Maestría (64), seguido
Predomina la categoría
Ninguno (54), seguido de
Predomina la
categoría Escuela
de aquellos sin estudios (18) Universidad (53) (62), seguida por
parte, cos2 expresa la calidad con la que las categorías están representadas en el espacio
reducido de análisis.
Por otra parte, para el análisis de clústeres mediante el algoritmo k-means, se colocó a los
encuestados en tres grupos. A continuación se describen los resultados:
El algoritmo k-means se aplicó a las coordenadas de los individuos obtenidas a partir del
ACM, lo que permitió agrupar a los encuestados en tres clústeres. Cada clúster representa un
grupo de individuos que comparten características similares basadas en las dimensiones
extraídas del ACM
Clúster 1: 120 individuos
Clúster 2: 157 individuos
Clúster 3: 107 individuos
El proceso de clustering ayudo a organizar a los encuestados en grupos con patrones
similares en sus respuestas, lo que facilitó su interpretación. Por consiguiente, se calcularon las
medias de las variables numéricas clave CSP, IP, e ID para cada clúster:
Tabla 7
Medias de CSP, IP, e I para cada clúster
Clúster CSP (media) IP(media) ID (media)
1 25,6 19 19,5
2 25,4 19,4 19,2
3 24,8 18,5 18,8
Los resultados indican que el Clúster 1 presenta promedios más altos en CSP (25,6) e ID
(19,5) porque los individuos de este grupo son más competitivos y tienen un desempeño más
sostenible. El Clúster 2 tiene los mismos niveles de IP (19,4), y el Clúster 3 presenta los
promedios más bajos para todas las variables, lo que puede denotar un perfil de innovación y
desempeño disímil.
Del mismo modo, a través del análisis de las distribuciones de las variables cualitativas
por clúster, poner de manifiesto las diferencias en las características demográficas entre los
grupos.
Tabla 8
Análisis de Variables Categóricas por Clúster
Variables Clúster 1 Clúster 2 Clúster 3
Genero
Mayoría de femenino (71 vs. 49
masculino)
Equilibrio entre
femenino (80) y
masculino (77)
Mayoría masculina (56
vs. 51 femenino)
Estudios Predominan las personas
con Maestría (64), seguido
Predomina la categoría
Ninguno (54), seguido de
Predomina la
categoría Escuela
de aquellos sin estudios (18) Universidad (53) (62), seguida por
Vol. 12/ Núm. 2 2025 pág. 1490
Colegio (21)
Sector
Principalmente en el sector
Comercial (51), seguido de
Servicios (38)
Principalmente en el sector
Comercial (79)
Predomina la
categoría Escuela (62),
seguida por
Colegio (21)
Experiencia
La mayor parte tiene entre
20 a 30 años de experiencia
(77)
Alta presencia en la
categoría menos de 10
años de experiencia (60)
Predominan aquellos con
más de 40 años
de experiencia (66).
Figura 1
Correspondencias Múltiples y Clustering de aspectos sociodemográficos
El análisis de correspondencia múltiple agrupado utilizando el algoritmo k-means y su
representación gráfica Biplot reveló tres grupos principales de individuos con atributos
demográficos y de desempeño únicos. El grupo 1 se sitúa principalmente en el lado izquierdo
del gráfico; Esto significa que las personas de este clúster están más relacionadas con Negocios,
Maestría, <10 años de experiencia (ya que agrupa a los “recién llegados”), y ubica a las
personas con mayores niveles de CSP y DI en ellos, que tienden a tener estudios de posgrado y
ser “recién llegados” al mercado. Por otro lado, el clúster 3 se sitúa en el lado derecho del
gráfico, más relacionado con categorías como Escuela, Industrial y >40 años de experiencia,
que tienen más asociación con personas en la industria con más años pero un menor nivel de IP
y DI. El segundo clúster está más cerca del centro de las coordenadas, más equilibrado con las
categorías demográficas. Aquellos en este clúster tienen mayores asociaciones con Servicios,
Universidad, 10-20 años de experiencia. (División más equilibrada entre educación y
experiencia)
Colegio (21)
Sector
Principalmente en el sector
Comercial (51), seguido de
Servicios (38)
Principalmente en el sector
Comercial (79)
Predomina la
categoría Escuela (62),
seguida por
Colegio (21)
Experiencia
La mayor parte tiene entre
20 a 30 años de experiencia
(77)
Alta presencia en la
categoría menos de 10
años de experiencia (60)
Predominan aquellos con
más de 40 años
de experiencia (66).
Figura 1
Correspondencias Múltiples y Clustering de aspectos sociodemográficos
El análisis de correspondencia múltiple agrupado utilizando el algoritmo k-means y su
representación gráfica Biplot reveló tres grupos principales de individuos con atributos
demográficos y de desempeño únicos. El grupo 1 se sitúa principalmente en el lado izquierdo
del gráfico; Esto significa que las personas de este clúster están más relacionadas con Negocios,
Maestría, <10 años de experiencia (ya que agrupa a los “recién llegados”), y ubica a las
personas con mayores niveles de CSP y DI en ellos, que tienden a tener estudios de posgrado y
ser “recién llegados” al mercado. Por otro lado, el clúster 3 se sitúa en el lado derecho del
gráfico, más relacionado con categorías como Escuela, Industrial y >40 años de experiencia,
que tienen más asociación con personas en la industria con más años pero un menor nivel de IP
y DI. El segundo clúster está más cerca del centro de las coordenadas, más equilibrado con las
categorías demográficas. Aquellos en este clúster tienen mayores asociaciones con Servicios,
Universidad, 10-20 años de experiencia. (División más equilibrada entre educación y
experiencia)
Vol. 12/ Núm. 2 2025 pág. 1491
DISCUSIÓN
Esta investigación contextualiza un modelo para establecer un vínculo entre la
Competitividad Sostenible, los Impulsores Clave del Desempeño y el Rendimiento de la
Innovación. Los resultados han revelado que los constructos establecidos están fuertemente
correlacionados con la Competitividad Sostenible (CSP) de las PYMEs en el cantón San
Francisco de Milagro. Por lo tanto, concuerdan con investigaciones previas que enfatizan la
importancia de la innovación y la gestión del desempeño como factores críticos para la
competitividad en entornos empresariales dinámicos y globalizados (Teece, 2016; Waheed &
Zhang, 2022). La capacidad de innovación, tanto a nivel de productos como de procesos,
permite a las PYMEs adaptarse a los cambios del mercado y mejorar su oferta, lo cual
incrementa su competitividad a largo plazo.
La literatura académica ha subrayado repetidamente la importancia de la innovación
como un factor determinante en el rendimiento competitivo de las PYMEs. Estudios como el de
Schumpeter (1934), uno de los primeros en identificar la innovación como un motor de cambio
económico, argumentan que las empresas que innovan no solo se adaptan mejor a los cambios
del mercado, sino que también crean nuevos mercados. Este punto es respaldado por el estudio
de Audretsch y Belitski (2023), que señala que las PYMEs en mercados emergentes, como el
cantón Milagro, dependen cada vez más de la innovación de productos y procesos para
diferenciarse de sus competidores y garantizar su supervivencia.
Los resultados indican que el Rendimiento de la Innovación (IP) está positivamente
relacionado con la CSP, y que las empresas con mayores capacidades innovadoras son más
competitivas y sostenibles a largo plazo. Este hallazgo coincide con los estudios de Carayannis
y Grigoroudis (2014), que muestran cómo la innovación en productos y procesos puede
aumentar la eficiencia operativa y mejorar la satisfacción del cliente, lo que en última instancia
conduce a un rendimiento financiero superior y a una ventaja competitiva sostenible.
Además, Waheed y Zhang (2022) encontraron que la innovación no solo impulsa el
crecimiento a corto plazo, sino que también es fundamental para la competitividad sostenible,
un punto que los resultados de este estudio refuerzan. Las PYMEs que logran integrar la
innovación en sus operaciones tienen más probabilidades de mantenerse competitivas en
mercados globales, al ofrecer productos y servicios que responden mejor a las necesidades
cambiantes de los consumidores.
Los resultados también destacan la importancia de los Impulsores Clave del Desempeño
(ID) como un factor significativo que influye en la CSP. Estos impulsores incluyen factores
como la calidad del liderazgo, la eficiencia operativa, la gestión del talento y la cultura
organizacional. Las investigaciones de Barney (1991) y Teece et al. (1997) son pioneras en
reconocer estos factores como recursos estratégicos que pueden proporcionar a las empresas una
DISCUSIÓN
Esta investigación contextualiza un modelo para establecer un vínculo entre la
Competitividad Sostenible, los Impulsores Clave del Desempeño y el Rendimiento de la
Innovación. Los resultados han revelado que los constructos establecidos están fuertemente
correlacionados con la Competitividad Sostenible (CSP) de las PYMEs en el cantón San
Francisco de Milagro. Por lo tanto, concuerdan con investigaciones previas que enfatizan la
importancia de la innovación y la gestión del desempeño como factores críticos para la
competitividad en entornos empresariales dinámicos y globalizados (Teece, 2016; Waheed &
Zhang, 2022). La capacidad de innovación, tanto a nivel de productos como de procesos,
permite a las PYMEs adaptarse a los cambios del mercado y mejorar su oferta, lo cual
incrementa su competitividad a largo plazo.
La literatura académica ha subrayado repetidamente la importancia de la innovación
como un factor determinante en el rendimiento competitivo de las PYMEs. Estudios como el de
Schumpeter (1934), uno de los primeros en identificar la innovación como un motor de cambio
económico, argumentan que las empresas que innovan no solo se adaptan mejor a los cambios
del mercado, sino que también crean nuevos mercados. Este punto es respaldado por el estudio
de Audretsch y Belitski (2023), que señala que las PYMEs en mercados emergentes, como el
cantón Milagro, dependen cada vez más de la innovación de productos y procesos para
diferenciarse de sus competidores y garantizar su supervivencia.
Los resultados indican que el Rendimiento de la Innovación (IP) está positivamente
relacionado con la CSP, y que las empresas con mayores capacidades innovadoras son más
competitivas y sostenibles a largo plazo. Este hallazgo coincide con los estudios de Carayannis
y Grigoroudis (2014), que muestran cómo la innovación en productos y procesos puede
aumentar la eficiencia operativa y mejorar la satisfacción del cliente, lo que en última instancia
conduce a un rendimiento financiero superior y a una ventaja competitiva sostenible.
Además, Waheed y Zhang (2022) encontraron que la innovación no solo impulsa el
crecimiento a corto plazo, sino que también es fundamental para la competitividad sostenible,
un punto que los resultados de este estudio refuerzan. Las PYMEs que logran integrar la
innovación en sus operaciones tienen más probabilidades de mantenerse competitivas en
mercados globales, al ofrecer productos y servicios que responden mejor a las necesidades
cambiantes de los consumidores.
Los resultados también destacan la importancia de los Impulsores Clave del Desempeño
(ID) como un factor significativo que influye en la CSP. Estos impulsores incluyen factores
como la calidad del liderazgo, la eficiencia operativa, la gestión del talento y la cultura
organizacional. Las investigaciones de Barney (1991) y Teece et al. (1997) son pioneras en
reconocer estos factores como recursos estratégicos que pueden proporcionar a las empresas una
Vol. 12/ Núm. 2 2025 pág. 1492
ventaja competitiva sostenible.
El hallazgo de que los ID tienen un mayor impacto en la CSP que la innovación en este
estudio concuerda con las teorías de la capacidad dinámica de Teece (2016), que sostienen que
las empresas necesitan desarrollar capacidades internas para adaptarse rápidamente a los
cambios del entorno, siendo los factores organizacionales los que desempeñan un papel más
crítico en momentos de turbulencia económica.
Del mismo modo, se alinea con investigaciones internacionales que analizan la
competitividad de las PYMEs. En el contexto europeo, estudios como el de Love y Roper
(2015) muestran que las PYMEs que invierten tanto en innovación como en sus capacidades
internas (como la formación de empleados y la mejora de procesos) tienen una mayor
probabilidad de éxito en mercados competitivos. De manera similar, un estudio de Damanpour y
Schneider (2006) revela que la capacidad de las empresas para combinar innovación y gestión
efectiva del talento es uno de los factores clave para mantener su ventaja competitiva, lo cual es
reflejado en los hallazgos de este estudio sobre las PYMEs en Milagro.
La sostenibilidad empresarial, particularmente en el contexto de las PYMEs, ha sido un
tema ampliamente debatido en la literatura reciente. Fox et al. (2020) argumentan que la
competitividad sostenible no solo se refiere a la rentabilidad financiera, sino también a la
capacidad de la empresa para generar valor social y ambiental. En este sentido, el enfoque de
este estudio hacia la competitividad sostenible como una métrica clave es consistente con las
tendencias actuales que ven a la sostenibilidad como un componente integral del éxito
empresarial a largo plazo.
Asimismo, este estudio aporta una contribución empírica importante al mostrar que la
innovación y los ID tienen un impacto incluso mayor en sectores emergentes como la
agroindustria y el comercio, que son prominentes en el cantón Milagro. La literatura sugiere que
en estos sectores, la adopción de nuevas tecnologías y procesos puede ser una ventaja
competitiva significativa (Shaher & Ali, 2020), y los resultados obtenidos en este estudio
apoyan esta idea.
Una limitación de este estudio es que, aunque se logró un buen ajuste del modelo, el
análisis se realizó en una sola región y sector específico, lo que limita la generalización de los
resultados. Sin embargo, la robustez de los hallazgos sugiere que futuros estudios podrían
replicar el modelo en otros sectores y regiones para validar su aplicabilidad más amplia.
CONCLUSIONES
Este estudio ha proporcionado un análisis profundo de la relación entre los Key
Performance Drivers (KPD), el Innovation Performance (IP) y la Sustainable Competitiveness
(SC) en pequeñas y medianas empresas (PYME) en el cantón de San Francisco de Milagro,
Ecuador. Los hallazgos indican que la innovación y el desempeño organizacional son factores
ventaja competitiva sostenible.
El hallazgo de que los ID tienen un mayor impacto en la CSP que la innovación en este
estudio concuerda con las teorías de la capacidad dinámica de Teece (2016), que sostienen que
las empresas necesitan desarrollar capacidades internas para adaptarse rápidamente a los
cambios del entorno, siendo los factores organizacionales los que desempeñan un papel más
crítico en momentos de turbulencia económica.
Del mismo modo, se alinea con investigaciones internacionales que analizan la
competitividad de las PYMEs. En el contexto europeo, estudios como el de Love y Roper
(2015) muestran que las PYMEs que invierten tanto en innovación como en sus capacidades
internas (como la formación de empleados y la mejora de procesos) tienen una mayor
probabilidad de éxito en mercados competitivos. De manera similar, un estudio de Damanpour y
Schneider (2006) revela que la capacidad de las empresas para combinar innovación y gestión
efectiva del talento es uno de los factores clave para mantener su ventaja competitiva, lo cual es
reflejado en los hallazgos de este estudio sobre las PYMEs en Milagro.
La sostenibilidad empresarial, particularmente en el contexto de las PYMEs, ha sido un
tema ampliamente debatido en la literatura reciente. Fox et al. (2020) argumentan que la
competitividad sostenible no solo se refiere a la rentabilidad financiera, sino también a la
capacidad de la empresa para generar valor social y ambiental. En este sentido, el enfoque de
este estudio hacia la competitividad sostenible como una métrica clave es consistente con las
tendencias actuales que ven a la sostenibilidad como un componente integral del éxito
empresarial a largo plazo.
Asimismo, este estudio aporta una contribución empírica importante al mostrar que la
innovación y los ID tienen un impacto incluso mayor en sectores emergentes como la
agroindustria y el comercio, que son prominentes en el cantón Milagro. La literatura sugiere que
en estos sectores, la adopción de nuevas tecnologías y procesos puede ser una ventaja
competitiva significativa (Shaher & Ali, 2020), y los resultados obtenidos en este estudio
apoyan esta idea.
Una limitación de este estudio es que, aunque se logró un buen ajuste del modelo, el
análisis se realizó en una sola región y sector específico, lo que limita la generalización de los
resultados. Sin embargo, la robustez de los hallazgos sugiere que futuros estudios podrían
replicar el modelo en otros sectores y regiones para validar su aplicabilidad más amplia.
CONCLUSIONES
Este estudio ha proporcionado un análisis profundo de la relación entre los Key
Performance Drivers (KPD), el Innovation Performance (IP) y la Sustainable Competitiveness
(SC) en pequeñas y medianas empresas (PYME) en el cantón de San Francisco de Milagro,
Ecuador. Los hallazgos indican que la innovación y el desempeño organizacional son factores
Vol. 12/ Núm. 2 2025 pág. 1493
decisivos para la competitividad sostenible en estas empresas, alineándose con investigaciones
previas sobre la importancia de la innovación y la eficiencia operativa en entornos empresariales
dinámicos y globalizados.
En primer lugar, se ha identificado que la innovación, tanto en productos como en
procesos, juega un papel clave en el éxito de las PYME. Las empresas que han adoptado
tecnologías y procesos innovadores han demostrado una mayor capacidad para adaptarse a los
cambios del mercado, aumentar su participación de mercado y
mejorar la satisfacción del cliente. Estos resultados refuerzan la idea de que la innovación
es un pilar fundamental para la competitividad a largo plazo, hallazgo consistente con la
literatura académica, que señala que las empresas innovadoras no solo se adaptan mejor sino
que también crean nuevas oportunidades de mercado. Por otra parte, los Key Performance
Drivers (KPD), como el liderazgo, la gestión del talento y la eficiencia operativa, han mostrado
un impacto significativo en la competitividad sostenible, a veces incluso mayor que el de la
innovación. Estos resultados sugieren que las PYME deben centrarse no solo en innovar sino
también en fortalecer sus capacidades internas y organizacionales para lograr un desempeño
competitivo más sólido y sostenido. La gestión eficaz del talento y la creación de una cultura
organizacional basada en la eficiencia contribuyen a un mejor desempeño, reducen la rotación
de personal y mejoran el compromiso de los empleados.
El análisis de clusterización reveló la existencia de perfiles empresariales distintos entre
las PYME del cantón de Milagro. Las empresas más antiguas y con más experiencia tienden a
tener un mayor desempeño competitivo, lo que sugiere que la experiencia acumulada puede ser
un factor que favorece la sostenibilidad a largo plazo. Sin embargo, las PYME más jóvenes y
con menos experiencia también muestran un potencial interesante cuando adoptan estrategias de
innovación y eficiencia operativa, lo que sugiere que un equilibrio entre experiencia e
innovación puede ser una combinación exitosa para el crecimiento sostenible.
En el contexto del cantón de Milagro, la agroindustria y el sector comercial han
demostrado ser impulsores clave del crecimiento económico. Sin embargo, ambos sectores
enfrentan retos importantes en cuanto a la adopción de tecnología y prácticas sostenibles. La
falta de acceso al crédito y a la tecnología, así como la baja capacidad de innovación, son
obstáculos importantes que deben superarse para que estas empresas sigan siendo competitivas a
nivel global.
Finalmente, los resultados de este estudio sugieren que, si bien las PYMES del cantón de
Milagro han logrado avances importantes en su desarrollo, deben enfocarse en mejorar su
capacidad de innovación y fortalecer sus estructuras organizacionales para asegurar su
competitividad sostenible en el largo plazo. La adopción de estrategias que integren la
innovación y los impulsores clave de desempeño puede permitirles no solo mantenerse en el
mercado sino también competir exitosamente en un entorno económico cada vez más exigente y
decisivos para la competitividad sostenible en estas empresas, alineándose con investigaciones
previas sobre la importancia de la innovación y la eficiencia operativa en entornos empresariales
dinámicos y globalizados.
En primer lugar, se ha identificado que la innovación, tanto en productos como en
procesos, juega un papel clave en el éxito de las PYME. Las empresas que han adoptado
tecnologías y procesos innovadores han demostrado una mayor capacidad para adaptarse a los
cambios del mercado, aumentar su participación de mercado y
mejorar la satisfacción del cliente. Estos resultados refuerzan la idea de que la innovación
es un pilar fundamental para la competitividad a largo plazo, hallazgo consistente con la
literatura académica, que señala que las empresas innovadoras no solo se adaptan mejor sino
que también crean nuevas oportunidades de mercado. Por otra parte, los Key Performance
Drivers (KPD), como el liderazgo, la gestión del talento y la eficiencia operativa, han mostrado
un impacto significativo en la competitividad sostenible, a veces incluso mayor que el de la
innovación. Estos resultados sugieren que las PYME deben centrarse no solo en innovar sino
también en fortalecer sus capacidades internas y organizacionales para lograr un desempeño
competitivo más sólido y sostenido. La gestión eficaz del talento y la creación de una cultura
organizacional basada en la eficiencia contribuyen a un mejor desempeño, reducen la rotación
de personal y mejoran el compromiso de los empleados.
El análisis de clusterización reveló la existencia de perfiles empresariales distintos entre
las PYME del cantón de Milagro. Las empresas más antiguas y con más experiencia tienden a
tener un mayor desempeño competitivo, lo que sugiere que la experiencia acumulada puede ser
un factor que favorece la sostenibilidad a largo plazo. Sin embargo, las PYME más jóvenes y
con menos experiencia también muestran un potencial interesante cuando adoptan estrategias de
innovación y eficiencia operativa, lo que sugiere que un equilibrio entre experiencia e
innovación puede ser una combinación exitosa para el crecimiento sostenible.
En el contexto del cantón de Milagro, la agroindustria y el sector comercial han
demostrado ser impulsores clave del crecimiento económico. Sin embargo, ambos sectores
enfrentan retos importantes en cuanto a la adopción de tecnología y prácticas sostenibles. La
falta de acceso al crédito y a la tecnología, así como la baja capacidad de innovación, son
obstáculos importantes que deben superarse para que estas empresas sigan siendo competitivas a
nivel global.
Finalmente, los resultados de este estudio sugieren que, si bien las PYMES del cantón de
Milagro han logrado avances importantes en su desarrollo, deben enfocarse en mejorar su
capacidad de innovación y fortalecer sus estructuras organizacionales para asegurar su
competitividad sostenible en el largo plazo. La adopción de estrategias que integren la
innovación y los impulsores clave de desempeño puede permitirles no solo mantenerse en el
mercado sino también competir exitosamente en un entorno económico cada vez más exigente y
Vol. 12/ Núm. 2 2025 pág. 1494
globalizado.
En resumen, la competitividad sostenible en las PYMES depende de un enfoque
integrado que combine innovación, eficiencia operativa y liderazgo basado en la gestión del
talento y la creación de valor a largo plazo. Este estudio proporciona un marco claro para que
las empresas de la región identifiquen y mejoren sus áreas críticas de desempeño, sentando las
bases para un crecimiento más resiliente y competitivo.
globalizado.
En resumen, la competitividad sostenible en las PYMES depende de un enfoque
integrado que combine innovación, eficiencia operativa y liderazgo basado en la gestión del
talento y la creación de valor a largo plazo. Este estudio proporciona un marco claro para que
las empresas de la región identifiquen y mejoren sus áreas críticas de desempeño, sentando las
bases para un crecimiento más resiliente y competitivo.
Vol. 12/ Núm. 2 2025 pág. 1495
REFERENCIAS
World Bank. Small and medium enterprises (SMEs) finance. World Bank Group; 2020.
CEPAL. La transformación digital de las PYMEs en América Latina. CEPAL; 2019.
INEC. Boletín de estadísticas empresariales. Instituto Nacional de Estadística y Censos,
Ecuador; 2020.
Barney J. Firm Resources and Sustained Competitive Advantage. J Manage. 1991;17(1):99–120.
Teece DJ, Pisano G, Shuen A. Dynamic capabilities and strategic management. Strategic
Management Journal. 1997;18(7):509–33.
Avery GC, Bergsteiner H. Sustainable leadership: Honeybee and locust approaches. Routledge;
2011.
Audretsch DB, Belitski M. Innovation and entrepreneurship in small businesses. Small Business
Economics. 2023.
Carayannis EG, Grigoroudis E. Linking innovation, productivity, and competitiveness:
Implications for policy and practice. J Bus Res. 2014;67(6):1376–85.
Teece DJ. Dynamic capabilities and entrepreneurial management in large organizations.
Strategic Management Journal. 2016;37(3):153–68.
Polder M, al. et. Product, process, and organizational innovation: Drivers, complementarity, and
performance effects. Journal of Productivity Analysis. 2010;33(2):145–61.
Rathod R, Paliwal A. Innovation in Small Businesses: An Exploratory Study. Journal of Small
Business Management. 2021;
Shaher S, Ali A. Innovation Management in SMEs. International Journal of Innovation
Management. 2020;24(5):2050034.
Waheed A, Zhang Q. Effect of CSR and Ethical Practices on Sustainable Competitive
Performance: A Case of Emerging Markets from Stakeholder Theory Perspective. Journal
of Business Ethics. 2022 Feb 1;175:1–19.
Fox A, Mishra P, Waheed A. The impact of sustainable business practices on firm performance.
J Bus Res. 2020;113:139–48.
Lohr SL. Sampling: Design and analysis. Chapman and Hall/CRC; 2019.
Cochran WG. Sampling techniques. 3rd ed. John Wiley & Sons; 1977.
Presser S, Couper MP, Lessler JT, Martin E, Rothgeb JM, Singer E. Methods for testing and
evaluating survey questionnaires. Wiley; 2004.
Fowler FJ. Survey research methods. 5th ed. Sage Publications; 2014.
Blas J. Metodología de estudio del liderazgo sostenible en la industria audiovisual bajo el marco
del liderazgo de abejas y langostas Study of Sustainable Leadership in the Audiovisual
Industry according to the Leadership Methodology of Bees and Locust. Communication
& Methods. 2023 Jan 23;4.
REFERENCIAS
World Bank. Small and medium enterprises (SMEs) finance. World Bank Group; 2020.
CEPAL. La transformación digital de las PYMEs en América Latina. CEPAL; 2019.
INEC. Boletín de estadísticas empresariales. Instituto Nacional de Estadística y Censos,
Ecuador; 2020.
Barney J. Firm Resources and Sustained Competitive Advantage. J Manage. 1991;17(1):99–120.
Teece DJ, Pisano G, Shuen A. Dynamic capabilities and strategic management. Strategic
Management Journal. 1997;18(7):509–33.
Avery GC, Bergsteiner H. Sustainable leadership: Honeybee and locust approaches. Routledge;
2011.
Audretsch DB, Belitski M. Innovation and entrepreneurship in small businesses. Small Business
Economics. 2023.
Carayannis EG, Grigoroudis E. Linking innovation, productivity, and competitiveness:
Implications for policy and practice. J Bus Res. 2014;67(6):1376–85.
Teece DJ. Dynamic capabilities and entrepreneurial management in large organizations.
Strategic Management Journal. 2016;37(3):153–68.
Polder M, al. et. Product, process, and organizational innovation: Drivers, complementarity, and
performance effects. Journal of Productivity Analysis. 2010;33(2):145–61.
Rathod R, Paliwal A. Innovation in Small Businesses: An Exploratory Study. Journal of Small
Business Management. 2021;
Shaher S, Ali A. Innovation Management in SMEs. International Journal of Innovation
Management. 2020;24(5):2050034.
Waheed A, Zhang Q. Effect of CSR and Ethical Practices on Sustainable Competitive
Performance: A Case of Emerging Markets from Stakeholder Theory Perspective. Journal
of Business Ethics. 2022 Feb 1;175:1–19.
Fox A, Mishra P, Waheed A. The impact of sustainable business practices on firm performance.
J Bus Res. 2020;113:139–48.
Lohr SL. Sampling: Design and analysis. Chapman and Hall/CRC; 2019.
Cochran WG. Sampling techniques. 3rd ed. John Wiley & Sons; 1977.
Presser S, Couper MP, Lessler JT, Martin E, Rothgeb JM, Singer E. Methods for testing and
evaluating survey questionnaires. Wiley; 2004.
Fowler FJ. Survey research methods. 5th ed. Sage Publications; 2014.
Blas J. Metodología de estudio del liderazgo sostenible en la industria audiovisual bajo el marco
del liderazgo de abejas y langostas Study of Sustainable Leadership in the Audiovisual
Industry according to the Leadership Methodology of Bees and Locust. Communication
& Methods. 2023 Jan 23;4.
Vol. 12/ Núm. 2 2025 pág. 1496
Wang CL, Ahmed PK. The development and validation of the organisational innovativeness
construct using confirmatory factor analysis. European Journal of Innovation
Management. 2004 Dec 1;7(4):303–13.
Mikalef P, Pateli A. Information technology-enabled dynamic capabilities and their indirect
effect on competitive performance: Findings from PLS-SEM and fsQCA. J Bus Res.
2017 Jan;70:1–16.
Cronbach LJ. Coefficient alpha and the internal structure of tests. Psychometrika [Internet].
1951;16(3):297–334. Available from: https://doi.org/10.1007/BF02310555
Taber KS. The Use of Cronbach’s Alpha When Developing and Reporting Research
Instruments in Science Education. Res Sci Educ [Internet]. 2018;48(6):1273–96.
Available from: https://doi.org/10.1007/s11165-016-9602-2
Kaiser HF. A second generation little jiffy. Psychometrika [Internet]. 1970;35(4):401–15.
Available from: https://doi.org/10.1007/BF02291817
Thompson B. Exploratory and confirmatory factor analysis: Understanding concepts and
applications. Washington: American Psychological Association; 2004.
Kaiser HF. An index of factorial simplicity. Psychometrika [Internet]. 1974;39(1):31–
6. Available from: https://doi.org/10.1007/BF02291575
Worthington RL, Whittaker TA. Scale Development Research. Couns Psychol. 2006 Nov
30;34(6):806–38.
Gorsuch RL. Using Bartlett’s Significance Test to Determine the Number of Factors
to Extract. Educ Psychol Meas. 1973 Jul 2;33(2):361–4.
Bartlett MS. TESTS OF SIGNIFICANCE IN FACTOR ANALYSIS. British Journal of
Statistical Psychology. 1950 Jun 4;3(2):77–85.
Hancock GR, Mueller RO. Structural Equation Modeling: A Second Course (2nd ed.) [Internet].
Information Age Publishing, Incorporated; 2013. (Quantitative Methods in Education and
the Behavioral Sciences: Issues, Research, and Teaching). Available from:
https://books.google.com.ec/books?id=1HAbAwAAQBAJ
Blunch N. Introduction to Structural Equation Modelling Using SPSS and AMOS
[Internet]. London, England; 2008. Available from:
https://methods.sagepub.com/book/intro-to-structural-equation-modelling-using-spss-amos
Brown TA. Confirmatory Factor Analysis for Applied Research. In 2006. Available from:
https://api.semanticscholar.org/CorpusID:123405174
Hu L, Bentler PM. Cutoff criteria for fit indexes in covariance structure analysis: Conventional
criteria versus new alternatives. Struct Equ Modeling. 1999 Jan;6(1):1– 55.
Hu L tze, Bentler PM. Fit indices in covariance structure modeling: Sensitivity to
underparameterized model misspecification. Psychol Methods. 1998 Dec;3(4):424–53.
Shevlin M, Miles JNV. Effects of sample size, model specification and factor loadings on the
Wang CL, Ahmed PK. The development and validation of the organisational innovativeness
construct using confirmatory factor analysis. European Journal of Innovation
Management. 2004 Dec 1;7(4):303–13.
Mikalef P, Pateli A. Information technology-enabled dynamic capabilities and their indirect
effect on competitive performance: Findings from PLS-SEM and fsQCA. J Bus Res.
2017 Jan;70:1–16.
Cronbach LJ. Coefficient alpha and the internal structure of tests. Psychometrika [Internet].
1951;16(3):297–334. Available from: https://doi.org/10.1007/BF02310555
Taber KS. The Use of Cronbach’s Alpha When Developing and Reporting Research
Instruments in Science Education. Res Sci Educ [Internet]. 2018;48(6):1273–96.
Available from: https://doi.org/10.1007/s11165-016-9602-2
Kaiser HF. A second generation little jiffy. Psychometrika [Internet]. 1970;35(4):401–15.
Available from: https://doi.org/10.1007/BF02291817
Thompson B. Exploratory and confirmatory factor analysis: Understanding concepts and
applications. Washington: American Psychological Association; 2004.
Kaiser HF. An index of factorial simplicity. Psychometrika [Internet]. 1974;39(1):31–
6. Available from: https://doi.org/10.1007/BF02291575
Worthington RL, Whittaker TA. Scale Development Research. Couns Psychol. 2006 Nov
30;34(6):806–38.
Gorsuch RL. Using Bartlett’s Significance Test to Determine the Number of Factors
to Extract. Educ Psychol Meas. 1973 Jul 2;33(2):361–4.
Bartlett MS. TESTS OF SIGNIFICANCE IN FACTOR ANALYSIS. British Journal of
Statistical Psychology. 1950 Jun 4;3(2):77–85.
Hancock GR, Mueller RO. Structural Equation Modeling: A Second Course (2nd ed.) [Internet].
Information Age Publishing, Incorporated; 2013. (Quantitative Methods in Education and
the Behavioral Sciences: Issues, Research, and Teaching). Available from:
https://books.google.com.ec/books?id=1HAbAwAAQBAJ
Blunch N. Introduction to Structural Equation Modelling Using SPSS and AMOS
[Internet]. London, England; 2008. Available from:
https://methods.sagepub.com/book/intro-to-structural-equation-modelling-using-spss-amos
Brown TA. Confirmatory Factor Analysis for Applied Research. In 2006. Available from:
https://api.semanticscholar.org/CorpusID:123405174
Hu L, Bentler PM. Cutoff criteria for fit indexes in covariance structure analysis: Conventional
criteria versus new alternatives. Struct Equ Modeling. 1999 Jan;6(1):1– 55.
Hu L tze, Bentler PM. Fit indices in covariance structure modeling: Sensitivity to
underparameterized model misspecification. Psychol Methods. 1998 Dec;3(4):424–53.
Shevlin M, Miles JNV. Effects of sample size, model specification and factor loadings on the
Vol. 12/ Núm. 2 2025 pág. 1497
GFI in confirmatory factor analysis. Pers Individ Dif. 1998 Jul;25(1):85– 90.
Dolédec S, Chessel D. Co-inertia analysis: an alternative method for studying species-
environment relationships. Freshw Biol. 2006 May 30;31:277–94.
Cohen J, Cohen P, West SG, Aiken LS. Applied multiple regression/correlation analysis for the
behavioral sciences. 3rd ed. Lawrence Erlbaum Associates; 2003.
Greenacre M. Correspondence analysis in practice. 2nd ed. CRC Press; 2007.
Gabriel KR. The biplot graphic display of matrices with application to principal component
analysis. Biometrika. 1971;58(3):453–67.
Croitoru A. Schumpeter, J.A., 1934 (2008), The Theory of Economic Development: An Inquiry
into Profits, Capital, Credit, Interest and the Business Cycle, New Brunswick (U.S.A) and
London (U.K.): Transaction Publishers. JOURNAL OF COMPARATIVE RESEARCH
IN ANTHROPOLOGY AND SOCIOLOGY. 2012 Jan 1;3:137–48.
Love J, Roper S. SME innovation, exporting and growth: A review of existing evidence.
International Small Business Journal. 2015 Jan 18;33:28–48.
Damanpour F, Schneider M. Phases of the Adoption of Innovation in Organizations: Effects of
Environment, Organization and Top Managers. British Journal of Management. 2006
Aug 17;17.
GFI in confirmatory factor analysis. Pers Individ Dif. 1998 Jul;25(1):85– 90.
Dolédec S, Chessel D. Co-inertia analysis: an alternative method for studying species-
environment relationships. Freshw Biol. 2006 May 30;31:277–94.
Cohen J, Cohen P, West SG, Aiken LS. Applied multiple regression/correlation analysis for the
behavioral sciences. 3rd ed. Lawrence Erlbaum Associates; 2003.
Greenacre M. Correspondence analysis in practice. 2nd ed. CRC Press; 2007.
Gabriel KR. The biplot graphic display of matrices with application to principal component
analysis. Biometrika. 1971;58(3):453–67.
Croitoru A. Schumpeter, J.A., 1934 (2008), The Theory of Economic Development: An Inquiry
into Profits, Capital, Credit, Interest and the Business Cycle, New Brunswick (U.S.A) and
London (U.K.): Transaction Publishers. JOURNAL OF COMPARATIVE RESEARCH
IN ANTHROPOLOGY AND SOCIOLOGY. 2012 Jan 1;3:137–48.
Love J, Roper S. SME innovation, exporting and growth: A review of existing evidence.
International Small Business Journal. 2015 Jan 18;33:28–48.
Damanpour F, Schneider M. Phases of the Adoption of Innovation in Organizations: Effects of
Environment, Organization and Top Managers. British Journal of Management. 2006
Aug 17;17.