La OEI, como uno de los enfoques de la orientación estratégica organizacional, se orienta en introducir y mejorar los bienes y servicios producidos, así como los procesos productivos y organizativos para la generación de ventajas competitivas (Chou y Yang, 2011; Denicolai et al., 2018; Dogan, 2017; Chatzopoulou et al., 2022; Hakala, 2011; Gatignon y Xuereb, 2006; Kumar et al., 2012; Naranjo-Valencia et al., 2011; Yousaf et al., 2020; Mutlu y Sürer, 2016; Adams et al., 2019).

Las organizaciones que adoptan la OEI implementan procesos de vigilancia tecnológica que les permite utilizar conocimientos prácticos para construir nuevas soluciones técnicas, esto con el fin de responder a las necesidades y requerimientos de sus clientes a través de nuevos y mejores productos y servicios con el fin de generar fidelidad y atraer nuevos clientes (Do Hyung y Dedahanov, 2014; Yousaf et al., 2020; Mutlu y Sürer, 2016; Adams et al., 2019; Serafim y Veríssimo, 2021; Saqib et al., 2017; Lee et al., 2015; Hortinha et al., 2011; Kocak et al., 2017).

El CI, considerado un activo intangible basado en el conocimiento que permite la generación de valor en las organizaciones (Roos et al., 2001; Bontis, 1998; Umanto et al., 2018; Dang y Wang, 2022; Lo et al., 2020; Quintero-Quintero et al., 2021; Gómez-Bayona et al., 2020), está constituido por un conjunto de recursos productivos que potencian las capacidades y competencias de la empresa y le permiten diferenciarse dentro de la industria, generando fidelización por parte de los clientes y mejorando su desempeño (Morales Clark et al., 2020; Ibarra-Cisneros et al., 2020; Pedraza Melo y de la Gala Velásquez, 2022). Es así como las ventajas comparativas que se obtienen a través del capital intelectual son difíciles de imitar por lo que conducen a aumentar el valor intrínseco para la empresa (Morales Clark et al., 2020; García Garnica y Taboada Ibarra, 2012).

En la literatura previa existe consenso en que el CI comprende: (1)capital humano, que se refiere a los conocimientos de los empleados, habilidades, formación y la forma como utilizan este conocimiento para contribuir a la organización; (2)capital estructural, que se relaciona con la estructura, procesos, rutinas y técnicas organizacionales impactando la eficiencia y la eficacia; y (3)capital relacional, que considera la calidad y cantidad de relaciones establecidas con clientes, socios, proveedores, sector financiero, aliados y demás grupos de interés (Zhang et al., 2019; Gómez-Valenzuela, 2022; Roos et al., 2001; Bontis, 1998; Nazir et al., 2021). Estudios recientes han considerado que el CI puede ser operacionalizado a partir de dos dimensiones: la primera, CI interno, que comprende aspectos del capital humano y estructural, teniendo en cuenta que estos son asuntos que la empresa desarrolla internamente en coherencia con la orientación estratégica; la segunda, el CI externo, que hace referencia al relacionamiento de la organización con sus grupos de interés, como proveedores, clientes, Sistema Nacional de Ciencia y Tecnología, aspectos que están relacionados con el despliegue de la estrategia (Restrepo-Ramírez, 2023).

El DO se refiere al logro de los objetivos estratégicos con el fin de generar valor para los grupos de interés (Masa’deh et al., 2018; Chmielewska et al., 2022; Princy y Rebeka, 2019). Por lo tanto, las acciones estratégicas en las organizaciones se enfocan en comprender, analizar y gestionar los factores que impactan positivamente el desempeño (Masa’deh et al., 2018; Ekaningrum, 2021).

El DO puede medirse desde diferentes enfoques, financieros o no financieros (Ekaningrum, 2021; Gunasekaran et al., 2015). Dentro de las métricas financieras se encuentran el retorno a la inversión (ROI), la rentabilidad, el rendimiento de ventas y de capital invertido (Mcgivern y Tvorik, 1998; Ekaningrum, 2021); además, indicadores como el beneficio empresarial antes de interés -EBITDA (Maxim, 2023) y valor económico agregado -VEA (Tudose et al., 2022; Nagarajan, 2015). Entre las medidas no financieras se identifican el desempeño eficaz, eficiente e innovador (Rojas et al., 2018; Ekaningrum, 2021).

De esta forma, la medición del desempeño permite a las organizaciones validar sus ventajas competitivas y compararse con su entorno posibilitando el replanteamiento de su estrategia (Gehrisch y Süß, 2023; Odiri y Ideh, 2021).

Las organizaciones que adoptan la OEI motivan al personal a explotar conceptos prometedores que les permitan implementar nuevas ideas, productos o procesos con el objetivo de lograr impactos innovadores, afectando positivamente el éxito a largo plazo (Deutscher et al., 2016). De esta forma, se puede lograr un aumento en la productividad, potenciando la generación de bienes y servicios innovadores, lo que se traduce en un mejor desempeño organizacional (Pertuz y Pérez, 2020; Demuner Flores, 2021). En este sentido, la OEI enfoca a las organizaciones hacia la adopción activa de nuevas tecnologías para el desarrollo de productos, servicios y procedimientos, lo que podría mejorar su capacidad para sobrevivir en un entorno competitivo (Grinstein, 2008; Song y Jing, 2017; Walker et al., 2015).

De esta forma, las organizaciones, con el fin de lograr un desempeño superior, adoptan la OEI que les permite obtener una ventaja competitiva, además de reducir la brecha del desempeño generada por la incertidumbre del entorno (Azar y Ciabuschi, 2017). Por lo tanto, resulta posible afirmar que la OEI tiene un impacto significativo y positivo en el desempeño (Azar y Ciabuschi, 2017; Magnier-Watanabe y Benton, 2017; Walker et al., 2015).

Estudios previos han demostrado una asociación positiva entre la OEI y el DO (Schweiger et al., 2019; Magnier-Watanabe y Benton, 2017; Walker et al., 2015; Suryantini et al., 2023), aunque la mayoría de estos muestran que la OEI tiene una fuerte asociación conceptual y empírica con el desempeño organizacional (Schweiger et al., 2019; Demuner Flores, 2021; Ayinaddis, 2023); otros autores no han evidenciado que dicha relación sea positiva, llegando a una conclusión general de que la OEI no necesariamente genera un resultado automático del DO (Mu et al., 2017; Chatzopoulou et al., 2022; Kornelius et al., 2021).

Así mismo, los líderes organizacionales y los académicos plantean que los resultados innovadores de las organizaciones son favorables; esta visión es soportada por la investigación empírica que ha proporcionado evidencia acerca de que las estrategias y actividades de innovación afectan positivamente el desempeño (Magnier-Watanabe y Benton, 2017; Walker et al., 2015; Dinu et al., 2023). Bajo las consideraciones expuestas, es posible plantear la siguiente hipótesis:

H1: La orientación estratégica a la innovación influye de forma positiva en el desempeño de la empresa.

La relación entre la OEI y el CI ha sido poco estudiada en la literatura previa, la mayoría de los estudios han abordado esta relación desde la óptica de algún componente de la OEI como la innovación tecnológica, la optimización de procesos, la innovación de productos, entre otros (Bernal González et al., 2020), lo que sugiere la necesidad de un mejor abordaje de esta relación considerando la OEI de forma integral.

Si bien esta relación ha sido poco abordada en estudios previos, algunos autores han evidenciado que la OEI emplea un mayor uso de conocimiento tácito y explícito, lo que afecta de manera positiva el CI (Magnier-Watanabe y Benton, 2017; Giménez, 2021); adicionalmente, el proceso de aprendizaje, mediante el desarrollo y el diseño de productos y servicios, es crucial para las actividades que se despliegan de la OEI y el CI (Lin y Chen, 2016; Coad et al., 2016). Igualmente, la OEI permite generar una respuesta rápida y efectiva a las necesidades del mercado mediante un mecanismo de optimización de los recursos internos, como las relaciones con grupos de interés, la estructura de la empresa, los conocimientos de los empleados, entre otros (Magnier-Watanabe y Benton, 2017; Dang y Wang, 2022).

En síntesis, las empresas requieren orientar sus esfuerzos hacia el desarrollo de una cartera equilibrada de innovaciones, tanto tecnológicas como organizativas, que hagan frente al entorno cambiante y a la incertidumbre generada y que permita fortalecer el conocimiento, la estructura y las relaciones con los grupos de interés (Azar y Ciabuschi, 2017; Dang y Wang, 2022; Córdoba-Vega y Naranjo-Valencia, 2017; Thien y Hung,2023). Por lo tanto, es posible plantear la siguiente hipótesis:

H2: La orientación estratégica a la innovación influye de forma positiva en el capital intelectual.

En la literatura previa se ha encontrado evidencia empírica sobre la relación positiva entre el CI y el desempeño de las organizaciones (Galeitzke et al., 2017; Masood et al., 2023), sin embargo, la mayoría de las investigaciones han estudiado esta relación considerando solo alguna de las dimensiones del CI, por ejemplo, el capital humano (Díez et al., 2010; Nguyen, 2020; Albertini y Berger-Remy, 2019), el capital estructural (Lin y Chen, 2016; Verbano y Crema, 2016; Ghlichlee y Goodarzi, 2023) y el capital relacional (Agostini y Nosella, 2017; Bontis, 1998; Edvinsson y Malone, 1998), por lo que resulta necesario evaluar el impacto del CI de forma integral sobre el DO (Agostini et al., 2017). De igual modo, el CI ha sido estudiado como un mecanismo mediador (Agostini et al., 2017; Magnier-Watanabe y Benton, 2017; Javed et al., 2023) o moderador (Adams et al., 2019; Schweiger et al., 2019; Agostini et al., 2017) en relaciones entre el DO y constructos como el dinamismo, la hostilidad, conocimiento tácito y explicito, innovación tecnológica, entre otros (Magnier-Watanabe y Benton, 2017; Schweiger et al., 2019; Agostini et al., 2017; Nguyen, 2020).

De esta forma, en la medida en que las organizaciones orienten sus recursos hacia la potenciación de las capacidades y conocimientos del personal, tanto de forma individual como grupal, se puede lograr que el conocimiento incremente la productividad de la empresa (Ekaningrum, 2021; Agostini et al., 2017). Así mismo, resulta necesario que las empresas fortalezcan las relaciones con los grupos de interés internos y externos, como empleados, proveedores, clientes, entre otros, con el fin de eliminar las brechas generadas por la falta de comunicación y obtener una ventaja en el mercado (Inkinen, 2015; Nguyen, 2020; Hussein et al., 2023; Ekaningrum, 2021). Por otro lado, es importante identificar y gestionar los procesos productivos que caracterizan a la empresa con el objetivo de diferenciarse en el mercado y potenciar sus capacidades productivas (Khan et al., 2019; Ibarra-Cisneros y Hernández-Perlines, 2019; Handoyo et al., 2023). En consecuencia, resulta razonable proponer la siguiente hipótesis:

H3: El capital intelectual influye de forma positiva en el desempeño organizacional.

Los datos fueron obtenidos de la última versión disponible de la Encuesta de Desarrollo e Innovación Tecnológica de la Industria Manufacturera (EDIT) de Colombia, período 2019-2020, realizada por el Departamento Administrativo Nacional de Estadística (DANE, 2021). La población comprendió 7769 organizaciones. Los intereses del presente estudio se centran en las organizaciones clasificadas por el DANE en las tipologías de Estricta y Amplia, que se refieren a aquellas empresas que obtuvieron resultados innovadores en el período analizado, tanto en el mercado nacional como internacional, por lo tanto, la muestra estuvo conformada por 1765 organizaciones correspondientes a estas tipologías.

La identificación de los indicadores de la EDIT asociados a cada uno de los constructos objeto de estudio se basó en la propuesta de Restrepo-Ramírez (2023), quien desarrolla un modelo conceptual a partir de indicadores observables de la EDIT, asociados a los constructos OEI, CI y DO y sus dimensiones, siguiendo tres pasos: primero, revisión de la literatura con el fin de comprender el contenido teórico de los constructos; segundo, identificación de posibles indicadores de la EDIT que representen razonablemente el contenido de los constructos; y tercero, validación de contenido por parte de expertos.

Por lo tanto, las escalas de medida ya han sido validadas en estudios previos, como Restrepo-Ramírez (2023), utilizando la prueba Kuder Richardson (Durán-Pérez y Lara-Abad, 2021) para verificar la fiabilidad, lo que permitió adoptarlas en la presente investigación. En la Tabla 1 se muestra el número de indicadores por cada constructo/dimensión.

Tabla 1
Indicadores asociados a los constructos

Table 1. Indicators associated with the constructs

Fuente: elaboración propia.

Aquí se presenta la distribución de los ochenta y ocho indicadores de la EDIT asociados a cada constructo objeto de estudio en la presente investigación, además, se plantean, a manera de ejemplo, dos indicadores de cada constructo/dimensión.

Estadística descriptiva: considerando la naturaleza dicotómica de las variables utilizadas en la presente investigación (1: presencia de la característica; 0: ausencia de la característica). Se realizó un recuento de la frecuencia de los valores 1 y 0 de cada una de las variables y se calculó la frecuencia relativa respecto al total con el fin de analizar la importancia de cada variable en el comportamiento del constructo.

Modelo con mediación: el contraste del modelo de mediación se realizó siguiendo el método de productos de coeficientes de Baron y Kenny (1986), que comprende tres pasos secuenciales con el fin de verificar algunas condiciones con respecto a la variable dependiente (X), la independiente (Y) y la mediadora (M) (Hayes, 2009; Zhao et al., 2010; Pardo y Román, 2013):

1) Estimar el coeficiente de la regresión en la relación directa entre la variable dependiente y la independiente: el primer paso consiste en verificar que las variables X y Y estén relacionadas, es decir, el coeficiente de la regresión debe ser diferente de cero (Hayes, 2009; Zhao et al., 2010; Pardo y Román, 2013), con la relación en el sentido esperado, de acuerdo con la ecuación (1)

(1)

Donde 𝑖₁ es el término constante, 𝑐 es el coeficiente de regresión que relaciona 𝑋 con 𝑌, y 𝑒₁ son los errores aleatorios (es decir, la parte de 𝑌 que no se explica por 𝑋), que se consideran distribuidos normalmente, con varianza constante e independientes entre sí.

2) Validar si la variable independiente tiene un efecto significativo en la variable mediadora: el segundo paso está en verificar que el coeficiente estimado por la regresión lineal entre las variables 𝑋 y 𝑀, representado por como a, sea diferente de cero (Hayes, 2009; Zhao et al., 2010; Pardo y Román, 2013), de acuerdo con la ecuación (2)

(2)

3) Contrastar la relación entre la variable de interés y la mediadora con el fin de calcular los efectos totales directos e indirectos del modelo: en el tercer paso se verifica que las variables 𝑀 y 𝑌 estén relacionadas, una vez que se controla el efecto de 𝑋, es decir, el coeficiente b debe ser diferente de cero (Hayes, 2009; Zhao et al., 2010; Pardo y Román, 2013). Esta condición se verifica utilizando un análisis de regresión lineal de Y explicado por 𝑋 y 𝑀, de acuerdo con la ecuación (3)

(3)

Así, la relación entre 𝑋 y 𝑌 debe reducirse significativamente cuando se controla el efecto de 𝑀. Es decir, el coeficiente 𝑐 estimado en la regresión (Ecuación 1) debe reducirse al contrastar el modelo de mediación completo (Ecuación 3) (Hayes, 2009; Zhao et al., 2010; Pardo y Román, 2013).

Adicionalmente, el método de Baron y Kenny (1986) sugiere la prueba de Sobel (Preacher y Leonardelli, 2001) para estimar el efecto indirecto del modelo de mediación entre 𝑎 y 𝑏, como se muestra en la Ecuación 4, siendo 𝑎 el efecto estimado entre 𝑋 y 𝑀 de la Ecuación 2, y 𝑏 el coeficiente de la regresión entre 𝑀 y 𝑌 de la Ecuación 3 y 𝑠_𝑎 y 𝑠_𝑏 sus respectivas desviaciones estándar (Zhao et al., 2010).

(4)

Siendo:

𝑧: valor de la significancia estadística.

𝑎: estimador del efecto de OEI sobre CI; 𝑏: estimador del efecto de CI sobre DO.

𝑠_𝑎 y 𝑠_𝑏: estimaciones de los errores estándar d ellos respectivos estimadores.

El procedimiento se llevó a cabo mediante el paquete mediation en el software RStudio, realizando bootstrapping con quinientas estimaciones, que consiste en la simulación del modelo un número de veces establecido con submuestras obtenidas aleatoriamente de la base de datos para garantizar los resultados dentro de los intervalos de confianza. En consecuencia, tras el submuestreo es posible obtener el valor estimado del impacto que tiene una variable sobre otra, además, su nivel de significancia, el cual debe ser menor de 0.05 para rechazar la hipótesis nula de que los parámetros estimados, sean iguales a cero, concluyendo que existe una relación significativa entre las variables analizadas (Rivas-Ruiz et al., 2013).

En la Tabla 2 se presentan los resultados de las estadísticas descriptivas para el constructo OEI.

Tabla 2
Estadística descriptiva OEI

Table 2. Descriptive statistics of strategic innovation orientation

Fuente: elaboración propia.

Se puede observar que la gran mayoría (84 %) de las empresas de manufactura en Colombia realizaron inversiones en actividades científicas y tecnológicas, lo que muestra un interés por orientar su estrategia hacia la innovación. Además, se evidenció que un alto porcentaje de las empresas orientan su estrategia hacia la innovación interna, es así como el 47 % se enfocó en la mejora de métodos de producción, distribución y logísticos; el 25 % ha desarrollado o mejorado métodos organizativos; y el 33 % se orientó en el mejoramiento e introducción de nuevas técnicas de comercialización. En el mismo sentido, el 34 % y 31 % de las empresas desarrollaron servicios o bienes nuevos o significativamente mejorados para la empresa, respectivamente. De otro lado, se constata poca intención de orientar la estrategia a la innovación hacia afuera, como se puede observar en el hecho de que las empresas crearon en mayor medida bienes nuevos en escala nacional que en el mercado internacional, con una participación aproximada de 31 % y 0.4 %, respectivamente.

En la Tabla 3 se presentan los resultados de las estadísticas descriptivas para el constructo CI interno.

Tabla 3
Estadística descriptiva CI interno

Table 3. Descriptive statistics of internal intellectual capital

Fuente: elaboración propia.

Aquí se presentan los aspectos que comprenden el CI interno de las empresas de manufactura, como el personal interno asignado a cada una de las áreas, según niveles de formación y capacitación, que está involucrado o participa en actividades de ciencia, tecnología e innovación, además de las fuentes internas que originan las ideas de innovación en la organización.

De esta forma, se puede observar que el 74 ­% de las empresas asignó personal para realizar actividades de ciencia, tecnología e innovación; así mismo, el 75­ % contó con personal con nivel de educación superior para el desarrollo de estas actividades. Con respecto a las fuentes de información de ideas para innovar, el total de las empresas recurrieron principalmente a los departamentos internos.

En la Tabla 4 se presentan los resultados de las estadísticas descriptivas para el constructo CI externo.

Tabla 4
Estadística descriptiva CI externo

Table 4. Descriptive statistics of external intellectual capital

Fuente: elaboración propia.

Con relación al CI externo, se muestra los aspectos que lo conforman, como son el personal externo por áreas dedicado a actividades de ciencia, tecnología e innovación, así como también las fuentes de información externas para ideas de innovación y la relación de las empresas de manufactura con los actores del sistema de ciencia, tecnología e innovación.

Al respecto, se puede observar que el 28­ % de las empresas contaron con investigadores que participaron en actividades de ciencia, tecnología e innovación; adicionalmente, cerca del 1 ­% de las empresas analizadas contó con personal con formación doctoral dedicado a estas actividades. Con respecto a las fuentes externas de ideas para innovar más relevantes, el 55­ % de las empresas acudió al internet, el 25­ % a las ferias y exposiciones, y el 32 ­% recurrió a normas y reglamentos técnicos. Los actores más representativos con los que cooperaron las empresas fueron: clientes (15­ %), universidades (10 ­%) y consultores (10­ %).

En la Tabla 5 se presentan los resultados de las estadísticas descriptivas para el constructo DO.

Tabla 5
Estadística descriptiva DO

Table 5. Descriptive statistics of organizational performance

Fuente: elaboración propia.

Aquí se presenta el DO que comprende aspectos como la eficiencia, la eficacia y el desempeño innovador. Con respecto a la eficiencia, el 74 ­% de las empresas evidenció aumento en la productividad y el 52 ­% reducción en los costos laborales a partir del desarrollo de actividades de ciencia, tecnología e innovación. Entre tanto, relacionado con la eficacia, el 76­ % de las empresas reportó mejoras en la calidad de bienes y servicios; asimismo, el 82­ % mantuvo la participación en el mercado. En cuanto al desempeño innovador, se observan mínimos resultados; por ejemplo, el 6­% de las empresas registran diseños industriales.

En la Tabla 6 se presentan los resultados del modelo con mediación.

Tabla 6
Modelo con mediación

Table 6. Mediation model

Fuente: elaboración propia mediante el software RStudio. *Nota: Valor p: *< 0.05; **< 0.01; ***< 0.001

Se puede observar que, según el valor de significancia de la relación directa (p<0.05), existe una relación positiva y significativa entre la OEI y el DO, lo que permite confirmar la hipótesis 1. Posteriormente, se introdujo la variable mediadora contrastando la relación entre la variable independiente (OEI) y la mediadora (CI), rechazando la hipótesis nula de que los parámetros estimados son cero (p<0.05), por lo tanto, se confirma que la OEI influye de forma positiva en el CI, confirmando la hipótesis 2. Seguidamente, se analizó el modelo con mediación, evidenciando que el CI genera un impacto positivo en el desempeño de las organizaciones, por lo que se confirma la hipótesis 3. El efecto mediador se analizó considerando el CI de forma integral, sin examinar la mediación de cada una de las dimensiones del constructo.

Es así como el modelo con mediación permite demostrar que existe un efecto indirecto total positivo y significativo, como resultado de la multiplicación de coeficientes de la relación OEI-CI-DO, es decir que el CI absorbe una proporción del efecto que tiene la OEI sobre el DO, lo que representa una mediación parcial.

La Tabla 7 presenta los resultados de los efectos directo e indirecto a partir de los valores de los coeficientes hallados en la regresión lineal.

Tabla 7
Efectos directos e indirectos**

Table 7. Direct and indirect effects

Fuente: elaboración propia mediante el software RStudio. *Nota: Valor p: *< 0.05; **< 0.01; ***< 0.001

**Bootstrap con 500 simulaciones

Como se puede observar, el resultado del average causal mediation effect (ACME, por sus siglas en inglés), 0.293 representa el efecto indirecto de OEI sobre DO que es explicado a través del CI, el cual oscila entre 0.204 y 0.40 en un intervalo de confianza del 95­ %. De acuerdo con el P-valor (p<0.05), se concluye que el CI es significativo para explicar la relación entre OEI y el DO. En cuanto al average direct effect (ADE, por su sigla en inglés), se obtiene un resultado de 0.708, que representa el efecto promedio de OEI sobre DO que no es explicado a través de CI, sino directamente a través de OEI, oscilando entre 0.554 y 0.86, en un intervalo de confianza del 95 ­%.

De esta forma, el efecto total (ACME+ADE) representa el efecto sobre DO, causado de forma directa por OEI, así como también de forma indirecta a través de la mediación del CI. Nótese que el valor estimado de la relación directa antes de incluir la mediación (1.0009, ver Tabla 6) se reduce significativamente al incluir en el modelo el CI como variable mediadora (0.708), lo que revela la significancia del CI como un mecanismo mediador que permite explicar la relación entre estos dos constructos.

Además, el efecto directo ADE (OEI-DO) es mayor que el efecto indirecto ACME (OEI-CI-DO), calculado mediante la prueba de Sobel (Preacher y Leonardelli, 2001), como se presenta a continuación en la Tabla 8.

Tabla 8
Efecto indirecto

Table 8. Indirect effect

Fuente: elaboración propia. Nota: Valor p: *< 0.05; **< 0.01; ***< 0.001

En la Figura 1 se presenta el modelo de investigación con los resultados de las estimaciones.

Figura 1
Modelo de investigación

Figure 1. Research model

Fuente: elaboración propia.

Se puede observar que, tras introducir la mediación al modelo, el efecto directo de la OEI sobre el DO disminuyó a un coeficiente estimado de 0.70, el cual es estadísticamente significativo, lo que sugiere que el CI media parcialmente la relación entre la OEI y el DO.

En la Figura 2 se presenta el diagrama de dispersión.

Figura 2
Diagrama de dispersión de la relación mediada

Figure 2. Scatter plot of the mediated relationship

Fuente: elaboración propia mediante el software RStudio.

Aquí se puede observar que el modelo presenta una mediación parcial, dado que, aunque el efecto indirecto explica una parte de la relación entre la OEI y el DO, no lo hace completamente; sin embargo, se evidenció la importancia de incluir el CI como variable mediadora que permite explicar lo que la relación directa no captura totalmente. Nótese la diferencia entre el modelo sin mediación (línea negra) y el modelo después de introducir la variable mediadora (línea azul), lo que representa la mediación parcial.