Sob as condições presentes de competitividade global, rápido avanço tecnológico e escassez de recursos, a inovação tornou-se uma das abordagens estratégicas mais importantes que uma organização pode explorar. Nesse contexto, a capacidade de inovação da empresa enquanto capacidade de engajar-se na introdução de novos processos, produtos ou ideias na empresa, é reconhecida como uma das principais fontes de crescimento sustentável, efetividade e até mesmo sobrevivência para as organizações. No entanto, apenas algumas empresas compreenderam na prática o que é necessário para inovar com sucesso e a maioria enxerga a inovação como um grande desafio. A realidade não é diferente no caso das empresas brasileiras e em particular das Pequenas e Médias Empresas (PMEs). Estudos indicam que o grupo das PMEs particularmente demonstra em geral um déficit ainda maior na capacidade de inovação. Em resposta ao desafio de inovar, uma ampla literatura emergiu sobre vários aspectos da inovação. Porém, ainda considere-se que há poucos resultados conclusivos ou modelos compreensíveis na pesquisa sobre inovação haja vista a complexidade do tema que trata de um fenômeno multifacetado impulsionado por inúmeros fatores. Além disso, identifica-se um hiato entre o que é conhecido pela literatura geral sobre inovação e a literatura sobre inovação nas PMEs. Tendo em vista a relevância da capacidade de inovação e o lento avanço do seu entendimento no contexto das empresas de pequeno e médio porte cujas dificuldades para inovar ainda podem ser observadas, o presente estudo se propôs identificar os determinantes da capacidade de inovação das PMEs a fim de construir um modelo de alta capacidade de inovação para esse grupo de empresas. O objetivo estabelecido foi abordado por meio de método quantitativo o qual envolveu a aplicação da análise de regressão logística binária para analisar, sob a perspectiva das PMEs, os 15 determinantes da capacidade de inovação identificados na revisão da literatura. Para adotar a técnica de análise de regressão logística, foi realizada a transformação da variável dependente categórica em binária, sendo grupo 0 denominado capacidade de inovação sem destaque e grupo 1 definido como capacidade de inovação alta. Em seguida procedeu-se com a divisão da amostra total em duas subamostras sendo uma para análise contendo 60% das empresas e a outra para validação (holdout) com os 40% dos casos restantes. A adequação geral do modelo foi avaliada por meio das medidas pseudo R2 (McFadden), chi-quadrado (Hosmer e Lemeshow) e da taxa de sucesso (matriz de classificação). Feita essa avaliação e confirmada a adequação do fit geral do modelo, foram analisados os coeficientes das variáveis incluídas no modelo final quanto ao nível de significância, direção e magnitude. Por fim, prosseguiu-se com a validação do modelo logístico final por meio da análise da taxa de sucesso da amostra de validação. Por meio da técnica de análise de regressão logística, verificou-se que 4 variáveis apresentaram correlação positiva e significativa com a capacidade de inovação das PMEs e que, portanto diferenciam as empresas com capacidade de inovação alta das empresas com capacidade de inovação sem destaque. Com base nessa descoberta, foi criado o modelo final de alta capacidade de inovação para as PMEs composto pelos 4 determinantes: base de conhecimento externo (externo), capacidade de gestão de projetos (interno), base de conhecimento interno (interno) e estratégia (interno).

Under the current circumstances of global competition, fast technological improvement and scarcity of resources, innovation became one of the most important approaches that an organization can explore. In this context, the company's innovation capability, meaning its capacity to introduce new processes, products or ideas in the company, is recognized as one of the main sources of sustainable growth, effectiveness and survival for organizations. However, just a few companies understood in a practical manner what is required to successfully innovate and most of them see innovation as a big challenge. This reality is not different in the case of Brazilian companies and Small and Medium Size Enterprises (SMEs) in particular. Studies show that the group of SMEs particularly demonstrates in general a deficit even bigger in terms of innovation capacity. In response to the challenge to innovate, a broad literature arose about many aspects of innovation. Although it is considered that only a few results are conclusive or presented comprehensive models in the research about innovation due to the complexity of the theme that deals with a multidimensional phenomenon boosted by several factors. Besides that, there is a gap between what is known by the literature in general about innovation and the literature about innovation at SMEs. The relevance of the innovation capacity and the slow progress of its knowledge base in the context of small and medium size companies which the difficulties to innovate can still be observed, the present study proposed to identify the determinants innovation capacity for SMEs in order to build a high innovation capacity framework for this group of enterprises. The approach for the established goal was through a quantitative method which involved the application of a binary logistic regression to analyze, under the SME perspective, the 15 determinants of innovation capacity identified in the literature review. A transformation of the categorical dependent variable into binary, being group 0 named innovation capacity without highlight and group 1 called high innovation capacity, was done to allow adopting the logistic regression analysis technique. Following this, a procedure was conducted to divide the sample in two subgroups, being one for the analysis containing 60% of the companies and the other for validation (holdout) with the remaining 40% of the cases. The general model fit was assessed by the measures pseudo R2 (McFadden), chi-squared (Hosmer e Lemeshow) and the hit ratio (classification matrix). After this evaluation that confirmed the general model fit, the coefficients of the variables included in the final model were analyzed in terms of its significance level, direction and magnitude. By the end, the final logistic model was validated through the hit ratio of the holdout sample. With the logistic regression analysis, it was able to verify that 4 variables presented positive and significant correlation with the SMEs innovation capacity and, therefore distinguished the high innovation capacity companies from those with innovation capacity without highlight. Based on this discovery, a final high innovation capacity model was built for the SMEs composed by the 4 determinants: external knowledge base (external), project management capacity (internal), internal knowledge base (internal) and strategy (internal).