INNOVATION AND LEARNING IN AN ENVIRONMENT OF LIMITED RATIONALITY AND SUBJECT TO NETWORK EXTERNALITIES: A DISCRETE CHOICE APPROACH

O artigo utiliza-se da modelagem baseada em agentes para identificar os tipos de aprendizados adotados pelas firmas em uma estrutura de mercado emergente e em um quadro dinâmico de mudanças técnicas, que se expressa por meio do esforço de aprendizado. Assim, o modelo computacional elaborado considera que as firmas possuem duas fontes diferentes de incentivo à inovação: incentivos internos e externos à firma. Dados de inovação disponibilizados pela (PINTEC), para o setor têxtil e de máquinas e equipamentos, foram utilizados para calibrar o modelo desenvolvido. Os resultados sugerem que os aprendizados adotados pelas firmas do setor de máquinas e equipamentos são sensíveis à fonte de incentivo. Por sua vez, os aprendizados adotados pelas firmas que compõem o setor têxtil são pouco sensíveis à fonte dos incentivos e ao grau de heterogeneidade com que as firmas percebem os incentivos externos.
The paper uses agent-based modeling to identify the types of learning adoptedby firms in an emerging market structure and a dynamic framework of technical change thatis expressed through learning effort. Thus, the computational model elaborated considersthat firms have two different sources of incentive to innovation: a) incentives internal tothe firm; and b) incentives outside the firm. Innovation data provided by (PINTEC) for thetextile and machinery and equipment sector were used to calibrate the developed model.The results suggest that the learning adopted by firms in the machinery and equipmentsector is sensitive to the incentive source. In turn, the learning adopted by firms that makeup the textile sector are not very sensitive to the source of the incentives, and to the degree of heterogeneity with which firms perceive external incentives.