Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1 EFECTO DE LOS INGRESOS RURALES NO AGRÍCOLAS SOBRE LA EFICIENCIA TÉCNICA AGROPECUARIA DE LOS HOGARES RURALES EN COLOMBIA Sonia Mercedes Polo Murcia* Asesor: José Antonio Ocampo † Resumen Este documento compara el efecto del ingreso rural no agrícola (IRNA) sobre la eficiencia técnica (ET) de los hogares de pequeños productores agropecuarios en cuatro regiones de Colombia. Se utiliza el enfoque estocástico de meta-frontera de Huang et al. (2014) que permite considerar la heterogeneidad regional. El conjunto de datos proviene de la Encuesta Longitudinal de la Universidad de Los Andes (ELCA) para los años 2010, 2013 y 2016. El IRNA representa, en promedio, el 38% de los ingresos totales del hogar, oscilando entre el 30% para las unidades productivas más grandes y el 50% para las más pequeñas. Los resultados sugieren que los hogares rurales en todas las regiones utilizan la tecnología disponible de manera subóptima. En promedio las menores ET se encuentran en la región Cundiboyacense (0,43) y la región del Eje Cafetero (0,47). En las regiones Centro Oriente y Atlántica Media se encontraron ET promedio de 0,83 y 0,80, respectivamente. En la meta- frontera la ET en promedio fue de 0,68. Los resultados indican que entre regiones el efecto del IRNA sobre la ET puede ser negativo o positivo. En la meta-frontera (conjunto de regiones) los resultados evidencian un efecto negativo y significativo sobre la ET; el efecto se debilita conforme aumenta la participación del IRNA en el ingreso total del hogar, la ET agropecuaria de los hogares de la muestra puede disminuir entre 8,8% y 4,3% (con significancia del 5%). Estos resultados tienen implicaciones tanto para la formulación de políticas públicas como para el manejo de la producción agropecuaria a nivel de hogar en Colombia. Palabras claves: frontera estocástica, meta-frontera, ELCA, ingresos Clasificación JEL: C01; N56; O13; Q18. * Maestría en Economía, Universidad de los Andes, email: sm.polo10@uniandes.edu.co. † Asesor de tesis. Codirector del Banco de la República, email: Ocampo.joseantonio@yahoo.com mailto:sm.polo10@uniandes.edu.co 2 1. Introducción En las economías en desarrollo y en transición los hogares rurales buscan diversificar sus ingresos, más allá de la obtención de ingresos generados por la agricultura, es así como lo que se conoce como “rural” hace referencia a una categoría espacial o geográfica que no define actividades económicas, por lo tanto, la visión tradicional de las economías rurales como puramente agrícolas es obsoleta (Reardon et al. , 2006). El ingreso rural no agrícola (IRNA) es aquel generado por los habitantes rurales a través del autoempleo, el trabajo asalariado en los sectores secundario y terciario de la economía, también se incluye el derivado de fuentes que no están relacionadas con el mercado de trabajo, como las rentas y las transferencias privadas o públicas. Cabe mencionar que el ingreso derivado del trabajo asalariado en actividades primarias en fincas agropecuarias (jornales fuera de la finca) no está incluido en la presente definición de IRNA. La importancia del ingreso no agrícola va más allá de su función de proporcionar a los hogares rurales estabilidad económica, en particular, con estos ingresos se afectan las decisiones de producción agrícola y en consecuencia la provisión y diversidad de alimentos. A través del ingreso no agrícola se pueden tener efectos tanto positivos como negativos en la eficiencia y la productividad agrícola (Zhu et al., 2010). Sin embargo, se espera que los ingresos no agrícolas aumenten la eficiencia técnica si brindan a los agricultores los medios financieros necesarios para adquirir y mantener activos fijos y tecnologías adecuadas a sus condiciones de producción. Se ha encontrado evidencia del efecto de los ingresos no agrícolas sobre la transición de la producción en la finca, al pasar de cultivos de subsistencia al establecimiento de cultivos más comerciales (Reardon et al., 1994). Por el contrario, la eficiencia técnica puede disminuir si los agricultores aumentan la demanda de bienes de consumo no agrícolas porque puede inducir la disminución en inversión en mejoras tecnológicas para la agricultura. A pesar de que la agricultura sigue siendo la principal fuente de ingresos y empleo en la mayoría de las zonas rurales de Colombia, las actividades no agrícolas en las áreas rurales han adquirido una importancia creciente en las últimas décadas. Los hogares rurales https://www-emeraldinsight-com.ezproxy.uniandes.edu.co:8443/doi/full/10.1108/AJEMS-05-2012-0029 https://onlinelibrary-wiley-com.ezproxy.uniandes.edu.co:8443/doi/10.1111/agec.12327#agec12327-bib-0039 3 diversifican sus fuentes de ingresos con el fin de mitigar el riesgo ex ante o para hacer frente a los choques ex post a los ingresos. Las formas en que los ingresos fuera de la finca transforman la producción agrícola y pecuaria no han sido un tema importante de investigación en la literatura de desarrollo rural en Colombia. Por lo anterior, de acuerdo con Pfeiffer, et al. (2009) es fundamental determinar si el acceso a ingresos no agrícolas complementa o compite con la agricultura; en ese sentido, conocer ese vínculo permite diseñar políticas públicas adecuadas con enfoque multifuncional para el progreso de los territorios rurales. La motivación para este estudio es explicar si en Colombia, a nivel de pequeños productores, el incremento de los ingresos rurales no agrícolas complementa o compite con la actividad agropecuaria; para esto se plantea desarrollar un análisis a escala territorial en dos etapas, en la primera se determina la eficiencia técnica agropecuaria a nivel de hogar para una muestra de datos panel en cuatro regiones de Colombia y en la segunda, se estima el efecto del ingreso rural no agrícola sobre la eficiencia técnica agropecuaria. De esta manera, se espera que al aumentar la participación del ingreso rural no agrícola respecto al ingreso total del hogar la reasignación de recursos cambie potencialmente las prácticas de gestión agropecuaria y en consecuencia afecte la eficiencia técnica. El efecto sobre la eficiencia técnica puede ser positivo si el IRNA promueve una mayor inversión en activos fijos estratégicos, acceso a conocimiento y a mercados de sus productos, lo cual mejora la productividad de la tierra y de la mano de obra. En contraste, nuestra hipótesis, derivada de la maximización de la utilidad de los hogares, es que existe una relación inversa entre el IRNA y la eficiencia técnica. El efecto negativo puede darse porque las decisiones de producción agropecuaria de los hogares se basan en menos información debido a un menor tiempo de dedicación a la gestión de las actividades agropecuarias (Kumbhakar et al., 1989; Chang y Mishra, 2013). En este sentido, es pertinente considerar que con frecuencia el IRNA proviene de actividades que requieren un menor esfuerzo físico respecto a las actividades agropecuarias; tal condición desestimula la dedicación de trabajo familiar a labores agropecuarias, desincentiva la inversión en activos https://agrifoodecon.springeropen.com/articles/10.1186/s40100-014-0008-z#CR31 4 fijos e insumos estratégicos para la producción agropecuaria y genera una propensión a aumentar el consumo de otro tipo de bienes (Lagerkvist et al., 2007). Este trabajo es un primer elemento que servirá como base para la discusión de políticas públicas de desarrollo rural integral, relacionadas con las oportunidades inherentes a la generación de ingresos no agrícolas. Esta investigación permite mejorar el conocimiento sobre los ingresos no agrícolas en zonas rurales de Colombia y su relación con la actividad agrícola y pecuaria. El resto del documento se estructura de la siguientemanera: en la segunda sección se presenta una revisión de estudios empíricos que a nivel internacional reportan los efectos y determinantes de los ingresos no agrícolas, también se describe brevemente el método de medición de eficiencia técnica utilizando datos panel. En la tercera sección se expone la situación del sector rural en Colombia. En la cuarta sección se describen los datos. La quinta contiene diversas estadísticas descriptivas y un análisis exploratorio del tema. En la sexta sección se analiza el marco empírico, mientras que, en la séptima sección, se presentan los resultados y la discusión. Finalmente, en la octava sección se presentan las conclusiones. 2. Ingresos rurales no agrícolas y su relación con la agricultura En esta sección se presentan algunos de los principales aportes al análisis de los efectos de los ingresos rurales no agrícolas sobre la agricultura. En primer lugar, se describen los determinantes de diversificación de ingresos de mayor relevancia citados en la literatura; posteriormente, de manera breve se expone la definición de eficiencia técnica adoptada en este estudio y los enfoques metodológicos relevantes para la presente investigación. Finalmente, se presentan una serie de estudios de carácter empírico que evidencian el efecto del ingreso no agrícola sobre la eficiencia técnica de la agricultura. 2.1. Factores que determinan los ingresos no agrícolas La literatura ha evidenciado la existencia de varios factores que determinan la generación de ingresos no agrícolas, con algunos resultados interesantes. La capacidad de generar ingresos no agrícolas está determinada por varios factores, que de acuerdo con Leeuwen y Dekkers 5 (2013) se pueden clasificar en: características del hogar, factores relacionados con la producción agropecuaria y factores espaciales. 2.1.1. Características de hogar. Para Scahwarze (2004) la edad influye en la forma en la que el individuo valora el futuro, la elección de estrategias de subsistencia y la propensión a invertir. Respecto al género, Senadza (2012) encuentra que los hogares encabezados por mujeres tienden a tener mayores participaciones de ingresos no agrícolas en comparación con los hogares encabezados por hombres. En cuanto al tamaño del hogar, se espera que tenga un efecto positivo sobre la generación de ingreso no agrícola, porque un hogar con un número mayor de integrantes puede distribuir mejor el trabajo en actividades agropecuarias y en algunos casos pueden elegir trabajar completamente fuera de la finca. Finalmente, se espera que el tiempo de experiencia como productor agropecuario afecte negativamente los ingresos no agrícolas (Sofer, 2005). En cuanto a la formación académica, diversos autores reportan una correlación positiva entre la educación y la participación en actividades rurales no agrícolas, la educación está vinculada a la adquisición de información, desarrollo de habilidades y desarrollo de recursos humanos. Bryceson (2002) confirma esto en Malawi y Etiopía; Sánchez (2005) en Bolivia y Matsumoto et al. (2006) en Kenia. La educación permite que un productor agropecuario administre mejor su empresa y solicite subsidios y subvenciones. Mishra y Goodwin (1997) encontraron un efecto positivo pero no significativo entre la educación formal de los productores y su cónyuges con el empleo no agrícola, mientras que Woldehanna et al. (2000) no encontraron ningún efecto. 2.1.2. Factores relacionados con la producción agropecuaria En este grupo de factores los de mayor relevancia son el tipo y la escala de las actividades agropecuarias desarrolladas por cada hogar rural. El tamaño de la finca, independientemente del tipo de vocación productiva afecta la variabilidad en los ingresos agrícolas y no agrícolas. De Janvry et al. (2005) observaron que la superficie de tierra que posee el hogar está relacionada negativamente con el ingreso no agrícola y positivamente relacionada con https://link-springer-com.ezproxy.uniandes.edu.co:8443/chapter/10.3920/978-90-8686-704-2_2#CR87 https://www-emeraldinsight-com.ezproxy.uniandes.edu.co:8443/doi/full/10.1108/CAER-11-2015-0166 https://link-springer-com.ezproxy.uniandes.edu.co:8443/chapter/10.3920/978-90-8686-704-2_2#CR10 https://link-springer-com.ezproxy.uniandes.edu.co:8443/chapter/10.3920/978-90-8686-704-2_2#CR86 https://link-springer-com.ezproxy.uniandes.edu.co:8443/chapter/10.3920/978-90-8686-704-2_2#CR58 https://www-sciencedirect-com.ezproxy.uniandes.edu.co:8443/science/article/pii/S0743016713000119#bib38 https://link-springer-com.ezproxy.uniandes.edu.co:8443/chapter/10.1007/978-981-10-5628-4_7#CR4 6 el ingreso agrícola. Los aumentos de tamaño de predio pueden mejorar el ingreso relativo debido a la producción y a las economías de escalas. En este sentido, las explotaciones de mayor tamaño pueden desarrollar capacidades para enfrentar el riesgo, debido al acceso a estrategias de gestión de riesgos que van desde reservas de crédito hasta la adquisición de pólizas de seguros como mecanismo por el medio del cual los hogares agropecuarios protegen sus inversiones, de manera individual o colectiva. (Velandia et al., 2009; Goddar et al., 1993). De acuerdo con la literatura, en términos de rotación o especialización de los sistemas de producción agropecuarios, se espera un efecto significativo sobre la generación de ingresos nos agrícolas, esto principalmente porque el desarrollo a gran escala, con frecuencia exige inversiones altas en tecnología y tierra, por lo tanto, es solo una opción realista para fincas medianas y grandes (Meert et al., 2005). En este sentido, Fernández-Cornejo (2007) encontró que en predios de pequeños productores la participación del ingreso no agrícola respecto al ingreso total era más alta que en hogares de medianos y grandes productores agropecuarios. Los integrantes del hogar de pequeños productores trabajaban más horas fuera de la finca. En consecuencia, se espera que los hogares de medianos y grandes productores agropecuarios la participación del IRNA sea menor. 2.1.3. Factores espaciales Diversos estudios han demostrado que la generación de ingresos rurales no agrícolas se relaciona positivamente con la cercanía a centros urbanos (Lass et al., 1991). Según Chang y Boisvert (2009) la fortaleza de la economía local, medida por la proporción de empleos que se encuentran en la manufactura, aumenta la probabilidad de generación de ingresos no agrícolas. La infraestructura, con especial énfasis en el transporte y la comunicación, es un factor importante en el desarrollo de actividades no agrícolas viables. Una mejora en la infraestructura rural aumenta las posibilidades de adopción de actividades no agrícolas por parte de los habitantes rurales. Por lo anterior, se debe tener en cuenta el posible sesgo de simultaneidad, debido a que la decisión de asignar recursos o invertir en tecnologías para la agricultura depende, para un 7 año agrícola dado, de algunas de las variables que también explican el ingreso rural no agrícola. De acuerdo con Lien (2018) este es un problema común en los modelos macro y microeconómicos en los que una o más variables explicativas se determinan conjuntamente con la variable dependiente. La simultaneidad causa un problema de endogeneidad en la estimación econométrica (las variables de entrada están correlacionadas con el término de error en la función de producción). 2.2. Eficiencia técnica El análisis de la eficiencia es aplicado con frecuencia en la investigación económica. Se puede desarrollar mediante la definición de la función de producción, en ese caso se estima la eficiencia técnica, o considerando la frontera de costos o de ingresos para la eficiencia asignativa y económica. La eficiencia técnica es medida como la diferencia entre la producción real y su potencial teórico dada una cantidadespecifica de insumos (Farrel, 1957). El análisis de frontera estocástica (SFA) es un método econométrico ampliamente utilizado a nivel internacional, supone una relación estocástica entre las variables de entrada y salida, esta condición permite suponer que una desviación de la frontera evidencia las ineficiencias y el ruido en los datos. Por lo anterior, en los residuales se tienen dos términos, un error que captura las perturbaciones impredecibles y una variable aleatoria explicativa de los efectos de ineficiencia. La estimación de fronteras estocásticas fue inicialmente propuesta por Aigner et al. (1977) y Meeusen y Van den Broeck (1977). En estos modelos, se obtiene un indicador sintético para cuantificar la eficiencia, el cual puede tomar valores entre 0 y 1. La tecnología de producción del individuo i se expresa en términos lineales (ecuación 1): 𝑦𝑖𝑡 = 𝑓(𝑥𝑖𝑡, 𝑡; 𝛽) exp 𝜀 (1) 𝜀 = (𝑣𝑖𝑡 − 𝑢𝑖𝑡) 𝑖 = 1,2, … 𝑁 𝑡 = 1,2, … 𝑇 donde 𝑦𝑖𝑡 es el nivel de producción del individuo i en el período t; f (Xi, β) es el componente explicado por la combinación de insumos productivos utilizados en la producción por el individuo i en el periodo t; 𝑣𝑖𝑡 es un error aleatorio simétrico que explica el error de medición y otros factores que no están bajo el control del individuo i ; y 𝑢𝑖𝑡 es un término de error no negativo asimétrico que describe la ineficiencia técnica en la producción. https://www-sciencedirect-com.ezproxy.uniandes.edu.co:8443/topics/economics-econometrics-and-finance/microeconomics https://www-sciencedirect-com.ezproxy.uniandes.edu.co:8443/topics/engineering/dependent-variable https://www-sciencedirect-com.ezproxy.uniandes.edu.co:8443/topics/economics-econometrics-and-finance/endogeneity-problem https://www-sciencedirect-com.ezproxy.uniandes.edu.co:8443/topics/economics-econometrics-and-finance/endogeneity-problem https://www-sciencedirect-com.ezproxy.uniandes.edu.co:8443/topics/economics-econometrics-and-finance/econometrics https://revistas.uniandes.edu.co/doi/full/10.13043/dys.75.3 8 Los errores 𝑣𝑖𝑡 𝑠e consideran independientes e idénticamente distribuidos (i.i.d.), con distribución 𝑁(0, 𝜎𝑉𝑗 2 ). Los errores 𝑢𝑖𝑡 se distribuyen independientemente de 𝑣𝑖𝑡. La eficiencia técnica se obtiene a partir de la relación entre 𝑦𝑖𝑡 y el nivel máximo de producción 𝑦∗ que se puede obtener en la frontera de producción (ecuación 2). 𝐸𝑇𝑖𝑡 = 𝑦𝑖𝑡 𝑦∗ = exp(−𝑢𝑖𝑡) (2) 2.2.1. Análisis de Frontera estocástica para panel de datos Los primeros en extender el modelo de frontera estocástica de corte transversal para los datos longitudinales fueron Pitt y Lee (1981) quienes asumieron que el término de ineficiencia 𝑢𝑖𝑡 era constante a lo largo del tiempo, posteriormente Schmidt y Sickles (1984) incorporaron variables exógenas para explicar el componente de ineficiencia en el modelo, propusieron un enfoque de efectos fijos para evitar tales sesgos. En la actualidad, los modelos de frontera estocástica para datos panel pueden dividirse en modelos no variantes en el tiempo y modelos variantes en el tiempo. Los modelos representativos donde se considera el término de ineficiencia invariante en el tiempo (Time- Invariant Inefficiency Models) son los de Pitt y Lee (1981), Schmidt y Sickles (1984) y Batesse y Coelli (1988). En estos modelos en los que se asume el término de ineficiencia invariante en el tiempo, tanto con las estimaciones por efectos fijos como las de efectos aleatorios se presentan problemas. Esto puesto que la variable de ineficiencia captura el efecto de todas las variables que no cambien en el tiempo, incluyendo la heterogeneidad individual invariante en el tiempo. Además, para ambos métodos el supuesto de que el término de ineficiencia es invariante en el tiempo es poco realista, en particular para paneles más largos. Por estas razones la literatura se ha enfocado principalmente en modelos con ineficiencia de tiempo variante (Time-Varying Inefficiency Models), los modelos de Kumbhakar (1990), Batesse y Coelli (1992) y Batesse y Coelli (1995) son lo más representativos. Greene (2005) propuso dos modelos conocidos como Verdaderos Efectos Fijos (True Fixed Effects) y Verdaderos Efectos Aleatorios (True Random-Effects, TRE) los cuales permiten controlar la heterogeneidad de las firmas no variantes en el tiempo, separando la ineficiencia variante en el tiempo de la heterogeneidad no observada variante en el tiempo de unidades específicas. 9 La principal ventaja de este modelo es que no asume la ineficiencia constante en el tiempo, es decir, esta puede cambiar de un periodo a otro y no necesariamente si una firma es la más eficiente al inicio de un periodo seguirá siéndolo al finalizar el periodo de estudio. Greene (2005), reconoce que ninguna formulación es a priori completamente satisfactoria y que la elección del método está condicionada por las características de la muestra disponible (Belotti et al., 2012). 2.3. ¿Incrementa el ingreso no agrícola la eficiencia técnica de la finca? La mayoría de los estudios que han analizado el efecto del ingreso no agrícola sobre la eficiencia técnica, se han realizado en países distintos a Colombia bajo distintos enfoques y especificaciones, y dan cuenta de resultados ambiguos. A continuación, se exponen aquellos que proporcionan una contribución importante al desarrollo de la presente investigación. Lien et al. (2010), realizaron un análisis utilizando un conjunto de datos panel no balanceado de fincas productoras de cereales en Noruega, bajo el enfoque de función de producción de frontera estocástica (SFA) y encontraron que los ingresos no agrícolas tienen un efecto positivo en la producción agrícola, pero no tienen un efecto sistemático en la eficiencia técnica agrícola. Pfeiffer, et al. (2009) evaluaron para México, si las actividades de producción agrícola, las tecnologías y el uso de insumos difieren entre los hogares con y sin acceso a ingresos no agrícolas. Realizaron un análisis SFA combinado con variables instrumentales (IV) para controlar la endogeneidad de los ingresos no agrícolas. Reportaron un efecto negativo en la producción agrícola y en el uso de mano de obra familiar en la finca, pero positivo en la demanda de insumos comprados y un ligero aumento de la eficiencia en los hogares con acceso a ingresos no agrícolas. En Albania, Kilic et al. (2009), analizaron mediante SFA el efecto de los ingresos no agrícolas sobre la eficiencia técnica, diferenciaron sus resultados entre fincas de agricultura de subsistencia o de producción no comercial y fincas de producción comercial. Para disminuir la posible endogeneidad de los ingresos no agrícolas utilizaron valores promedios https://agrifoodecon.springeropen.com/articles/10.1186/s40100-014-0008-z#CR23 https://agrifoodecon.springeropen.com/articles/10.1186/s40100-014-0008-z#CR31 https://onlinelibrary-wiley-com.ezproxy.uniandes.edu.co:8443/doi/10.1111/j.1574-0862.2009.00374.x#b14 10 de esa variable a nivel de la unidad de muestreo primario y a nivel de distrito. Sus resultados, indican que independientemente del nivel de integración del mercado agrícola del hogar, el ingreso no agrícola tiene un efecto negativo sobre la eficiencia técnica, aunque no es estadísticamente significativo. En general, los hogares rurales albaneses utilizan sus ganancias no agrícolas no para invertir en tecnologías que ahorran tiempo y aumenten la eficiencia, sino para abandonar la agricultura. Zhang et al. (2016), utilizaron datos de encuestas de tres olas para cuatro aldeas de la provincia de Jiangsu en China, aplicaron el enfoque de función de producción de frontera estocástica y los determinantes de la eficiencia técnica fueron estimados con un modelo de mínimos cuadrados generalizados de datos panel con IV, encontraron un efecto positivosignificativo del ingreso no agrícola sobre el nivel de eficiencia técnica de la finca. En Uganda, Amare y Shiferaw ( 2017 ), utilizaron datos de panel para evaluar los efectos a nivel de finca del ingreso no agrícola sobre la intensificación de la agricultura y el cambio de la productividad por unidad de área. Realizaron una estimación en dos etapas aplicada a modelos de datos de panel con variables endógenas censuradas que les permitió considerar la heterogeneidad no observada y la simultaneidad potencial entre la productividad agrícola y el ingreso no agrícola. En la primera etapa, con un modelo Tobit (efectos aleatorios), estimaron los factores que determinan los ingresos no agrícolas y en la segunda etapa, con un modelo de mínimos cuadrados ordinarios estimaron el efecto de los ingresos no agrícolas sobre la productividad de la finca por unidad de área, ellos concluyeron que la productividad agrícola disminuye a medida que aumenta el ingreso no agrícola y que existe una asociación positiva entre el ingreso no agrícola y el uso de las semillas mejoradas y la mano de obra contratada, pero una relación negativa con el uso del trabajo familiar en la finca, lo que indica un grado de sustitución entre el empleo agrícola y no agrícola del trabajo familiar. En otros estudios Goodwin et al. (2004), Shittu (2014) y Mathenge et al. (2015) encontraron que una mayor participación en los mercados laborales no agrícolas disminuye la eficiencia técnica de la producción agrícola. Chavas et al. (2005) al investigar la eficiencia económica (técnica, de asignación y de escala) de los hogares agrícolas en una zona semiurbana de https://onlinelibrary-wiley-com.ezproxy.uniandes.edu.co:8443/doi/10.1111/agec.12382#agec12382-bib-0002 11 Gambia, concluyeron que los ingresos rurales no agrícolas tenían un efecto positivo significativo en la eficiencia de asignación, pero no tenían un efecto significativo en la eficiencia técnica. En este sentido, Woldeyohanes et al. (2016), encontraron que los agricultores utilizan los ingresos no agrícolas para el consumo en lugar de la inversión en la producción agrícola. 3. La ruralidad en Colombia En Colombia, durante muchos años, las políticas de desarrollo rural fueron establecidas considerando lo rural como “terrenos no aptos para el uso urbano, por razones de oportunidad, o por su destinación a usos agrícolas, ganaderos, forestales” (Ley 388 de 1997, articulo 33) o como lo ha definido el DANE‡ (para fines estadísticos), desde una perspectiva netamente espacial que lo clasifica como “delimitación geográfica comprendida entre el perímetro censal de las cabeceras municipales y de los centros poblados, y el límite municipal”. Estas definiciones ponen de manifiesto fuertes fallas desde el punto de vista del ordenamiento del territorio que desconocen la heterogeneidad y los gradientes de ruralidad que se relacionan con la vocación del suelo, las limitaciones o ventajas tecnológicas y las características de las personas que viven en esas zonas. La necesidad de promover un desarrollo rural competitivo y sostenible condujo a que en 2015 la Misión para la Transformación del Campo (MTC) adoptara como marco referencial los lineamientos de la nueva ruralidad haciendo énfasis en los encadenamientos urbano-rurales con un papel activo de las comunidades. Para poder dar orientaciones de política pública, lo primero que se realizó fue la redefinición de ruralidad en cuatro categorías§, esta nueva ‡ Departamento Administrativo Nacional de Estadística DANE. § Las cuatro categorías de ruralidad elaboradas por el DNP en el marco de la Misión para la Transformación del Campo (MTC) son: 1) Ciudades y aglomeraciones: corresponde a las ciudades con más de 100.000 habitantes en la cabecera, sus aglomeraciones y los municipios que cumplen una función subregional; 2) Ciudades intermedias: incluye los municipios con población entre los 25.000 y 100.000 habitantes con alta densidad poblacional; 3) Rural: incorpora los municipios que tienen cabeceras pequeñas —menos de 25.000 habitantes— y densidades poblacionales intermedias —entre 10 a 100 habitantes por kilómetro cuadrado—; y 4) Rural disperso: contempla los municipios con cabeceras pequeñas, densidad de población baja —menos de 10 habitantes por kilómetro cuadrado— y alta concentración de la población en la zona resto. https://onlinelibrary-wiley-com.ezproxy.uniandes.edu.co:8443/action/doSearch?ContribAuthorStored=Woldeyohanes%2C+Tesfaye 12 clasificación disuelve la distinción entre lo urbano y lo rural y plantea nuevos retos analíticos. De acuerdo con las categorías de ruralidad establecidas en la MTC (DNP, 2015) en Colombia la población que vive en zonas rurales se aproxima a los 14,5 millones de habitantes, lo que equivale al 30,4% de la población nacional. En cuanto a la generación de ingresos de los habitantes rurales, el 71% de los hombres se dedican principalmente al desarrollo de actividades agrícolas, en tanto que las mujeres desarrollan actividades más diversas que trascienden la economía del cuidado, dichas actividades se encuentran asociadas a la construcción, la minería y el comercio de bienes y servicios, entre otras, por lo que la dedicación a la agricultura sólo es realizada por el 37% de las mujeres rurales (Bases del Plan Nacional de Desarrollo: pacto por Colombia, pacto por la equidad 2018-2022). Tenjo y Jaimes (2018) encontraron que los hombres rurales obtienen entre 5 y 6% de ingresos menos en labores agrícolas respecto a los ingresos derivados de trabajar en sectores diferentes a la agricultura. Para las mujeres sucede lo contrario: trabajar en la agricultura representa 14% más de lo que obtendrían fuera de la agricultura. El sector agrícola genera el 70% del empleo en los territorios rurales y rurales dispersos, el 60% en los intermedios y el 37% en las ciudades y aglomeraciones. 3.2. El sector agropecuario en Colombia De acuerdo con la Unidad de Planificación Rural Agropecuaria (UPRA, 2018), la frontera agrícola nacional es de 40.075.960 de hectáreas (35% del territorio continental); dentro de la frontera agrícola, solo el 20 % de los suelos se cultiva (7.601.567 hectáreas), lo cual evidencia infrautilización del suelo destinado a la producción agrícola y una sobreexplotación en términos del área dedicada a la actividad pecuaria, que está alrededor de 37,4 millones de hectáreas, de las cuales el 60,4% corresponde a pastos y forrajes, el 21,7% a malezas y rastrojos y el 17,9% a vegetaciones especiales (DANE, 2015). La mayoría de los agricultores colombianos se caracterizan por producir en pequeñas extensiones; en efecto, el tercer Censo Nacional Agropecuario (DANE, 2015) evidenció que 13 el 70,4% de las unidades de producción agropecuarias en el país tienen áreas menores a 0,5 hectáreas y ocupan el 2,1% del área censada; en contraste, los predios con más de 2.000 hectáreas participan con el 0,1% del total de las unidades de producción agropecuarias y representan el 70,5% del área censada. En particular, los pequeños productores aportan entre 50% y 68% de la producción agrícola nacional, traducida en bienes no transables para autoconsumo y consumo de los centros urbanos (Perfetti et al., 2013; Perry, 2013) La literatura sobre eficiencia técnica del sector agropecuario en Colombia es limitada, sin embargo, Melo y Orozco (2017) evaluaron la eficiencia de la producción agropecuaria en Colombia. Los autores abordaron el análisis empírico utilizando técnicas de meta-frontera estocástica, que permiten analizar bajo una misma frontera de producción, las medidas de eficiencia de distintas unidades productivas asociadas a grupos con características de tecnología diferentes, la heterogeneidad en las condiciones geográficas, de clima y de suelo determinanlas tecnologías de las unidades de producción agropecuarias. Las fronteras de producción definidas para este estudio fueron identificadas con base en la clasificación de conglomerados productivos agropecuarios realizada por el IGAC (2012); esta clasificación se fundamenta en la definición de rangos altitudinales, sin embargo, éstos no reflejan la capacidad de uso de los suelos, ni la adaptación de especies vegetales, ni las posibilidades de mecanización, entre otras características inherentes a los sistemas productivos agrícolas. Los principales resultados que obtuvieron Melo y Orozco (2017) fueron los siguientes: (i) las medidas de eficiencia derivadas de las fronteras específicas de cada grupo de unidades productivas alcanzaron en promedio 56%; (ii) la eficiencia con respecto a la meta-frontera del sector está alrededor de 46%; y (iii) la brecha tecnológica que mide la distancia entre las fronteras específicas y la meta-frontera fue en promedio de 82%. Cabe mencionar, que las medidas de eficiencia exhiben una gran dispersión entre los hogares dentro de los sistemas de producción y esto puede deberse a la selección de las fronteras de producción utilizadas en este estudio. Por otro lado, Ramírez et al. (2015) consideraron una muestra de productores que se beneficiaron del programa Agro Ingreso Seguro entre 2008 y 2010 y bajo el enfoque de 14 Battese y Coelli (1995) estimaron la eficiencia técnica para cinco grupos de productos (básicos**, frutales††, café, ganadería de leche y transformables‡‡). Los autores reportaron que para cuatro de los cinco grupos la eficiencia técnica promedio estuvo alrededor de 57% y 61%, y en el caso de productos transformables los niveles de eficiencia fueron significativamente menores (41%). En general, de acuerdo con los autores, existe un considerable nivel de ineficiencia técnica en la producción agropecuaria en Colombia y entre los principales factores que explican dichas brechas, encontraron que la asistencia técnica contribuye a reducir la ineficiencia, así como el acceso a material genético mejorado y el fortalecimiento de vínculos de asociatividad. 4. Datos En esta investigación se utiliza como fuente principal de información la Encuesta Longitudinal Colombiana de la Universidad de los Andes (ELCA), esta encuesta se dirige a hogares y comunidades en zonas rurales y urbanas de Colombia; en particular, se tomaron datos de los hogares rurales de la ELCA en sus tres rondas (2010, 2013 y 2016) para cuatro microrregiones: Atlántica Media, Cundi-Boyacense, Eje Cafetero y Centro-Oriente (ver Tabla A1). Los 2257 hogares que conforman la muestra para el análisis y desarrollo de este artículo fueron seleccionados bajo los siguientes criterios: • Hogares rurales con producción agrícola y pecuaria presentes en las tres rondas de la encuesta • Hogares con información del valor monetario recibido por la venta de la producción • Hogares con información de costos de producción agropecuarios ** Incluyen principalmente plátano, maíz, yuca, fríjol, papa. †† Incluyen principalmente mora, aguacate, naranja, limón, mango, banano, guayaba, maracuyá, mandarina, piña, lulo, curuba, granadilla y pera. ‡‡ Incluyen principalmente caña y cacao, y en menor medida tabaco, fique, trigo, acucho y algodón. 15 La base de datos contiene información sobre la composición y las características de los miembros del hogar, la composición del ingreso del hogar (por fuentes de ingreso), la superficie del predio en unidades de área reportada por cada hogar, la producción agrícola y pecuaria por especie, el valor monetario recibido por la venta de la producción agropecuaria, los activos agrícolas, entre otros. (ver Tabla A2) 5. Dinámica y composición del ingreso de los hogares rurales en las zonas de estudio de la ELCA Esta sección se constituye en un primer intento de análisis longitudinal de la dinámica de los ingresos de los hogares rurales en Colombia. En la Tabla A3 se observan algunas características de los hogares para cada año de la muestra (2010,2013 y 2016). El hogar promedio de la encuesta en general para el año 2010, tenía 4,7 miembros, en el 83% de estos hogares la jefatura era ejercida por hombres, los cuales reportaron haber completado alrededor de 4,5 años de escolaridad, comparado con una media de 4,7 de años de escolaridad en el caso de hogares con jefatura femenina. Durante 2010 para los hogares la dotación media de bienes en términos de área ascendía a 3,3 hectáreas, en 2013 se mantuvo en 3,3 hectáreas, mientras que en 2016 se evidencia un ligero aumento con un valor medio de 3,5 hectáreas, en este sentido, como lo demuestra Jiménez (2019) el mercado de tierras en las áreas rurales del país se caracteriza por ser bastante reducido, el autor encuentra que en la ELCA solamente el 4,5% de los predios han sido arrendados o vendidos en la muestra de 2016, lo que confirma la baja movilidad del mercado de tierras en las regiones de estudio. Sin embargo, al analizar por quintiles, se observa que, para la muestra de 2010, en el quintil superior del ingreso, la superficie de tierra poseída por el hogar alcanzaba 4,8 hectáreas. En el segundo periodo de estudio (año 2013), se mantiene la tendencia de aumento de la superficie del predio conforme aumenta el quintil del ingreso, pasando de 2,3 hectáreas en el quintil inferior a 5,7 hectáreas en el quintil superior. En el tercer periodo (año 2016) se genera un ligero aumento de la superficie de los predios de los hogares en cada quintil del ingreso. 16 Tenjo y Jiménez (2015) analizaron el empleo rural entre 2008 y 2013 en Colombia, determinaron que la actividad agropecuaria representa el 47% del empleo en zonas rurales y que el empleo no agrícola en los diferentes sectores representa el 53% del empleo rural del país, los autores resaltan un grado importante de diversificación de las actividades de los hogares fuera de la agricultura. Para evaluar la importancia de las diferentes fuentes de ingresos en las estrategias de subsistencia de los hogares rurales de las zonas de estudio, en la Tabla 1 se presentan las tasas de participación de los hogares de acuerdo con la fuente de ingresos, se observa que los hogares rurales de la muestra reciben ingresos de una amplia variedad de fuentes. Estos hogares se caracterizan porque en su totalidad desarrollan actividades agropecuarias, también participan en el mercado laboral primario prestando sus servicios como jornaleros en otras fincas, alrededor de un 84% de los hogares durante 2010, un 86% en 2013 y un 81% en 2016. Los hogares de la muestra que generan ingresos a través de salarios no agrícolas presentan una ligera disminución, pasando de 44% en 2010 a 39% en 2016. Los hogares que reciben transferencias privadas aumentan a lo largo de los tres periodos de estudio, esto deja en evidencia la creciente importancia de la migración rural, puesto que en el año 2010 el 24% de los hogares recibían transferencias privadas y en el último periodo, año 2016, el 33% de los hogares recibían ingresos provenientes de remesas familiares. Por otro lado, se observa la ampliación en la cobertura de transferencias públicas, en particular del programa Familias en Acción el cual es uno de los grandes programas sociales del gobierno colombiano, con acciones específicas sobre la población más pobre y financiado con préstamos del Banco Mundial (BM) y el Banco Interamericano de Desarrollo (BID). En la muestra se observa que durante el año 2010 el 51% de los hogares recibían transferencias públicas, en el año 2013 el 54% y en el 2016 el 57 % de los hogares. Respecto a la composición del ingreso, en la Tabla 2 se observa que la fuente principal de ingresos de los hogares de la muestra corresponde al trabajo en otras fincasen labores primarias de la agricultura, éste puede ser permanente o estacional, dependiendo del tipo de 17 producción agropecuaria que maneje el hogar. En promedio el trabajo en otras fincas representó el 39% del ingreso en 2010, el 32% en 2013 y el 27% en 2016. Aunque la mayor parte del ingreso de los hogares de la muestra proviene de actividades agropecuarias dentro y fuera de la finca (74 % en 2010, 62% en 2013 y 61% en 2016), se evidencia una relación en forma de U donde los hogares de bajos ingresos (quintiles 1 y 2) obtienen una alta participación del ingreso rural no agrícola. En este sentido, al analizar los datos por quintil de ingreso y fuentes adicionales a la principal, el comportamiento cambia en el quintil 1, dado que para los hogares que se encuentran en este nivel, las transferencias del gobierno representan una fuente importante de sus ingresos. Por otro lado, los hogares en los quintiles 2, 3 y 4 dependen en gran medida del empleo asalariado agropecuario. En el quintil superior los hogares dependen principalmente del ingreso proveniente de la actividad pecuaria y del salario no agropecuario. También se observa que la participación de los ingresos no agrícolas en los ingresos totales disminuye a medida que aumentan los ingresos, esto demuestra el papel progresivo que desempeñan en el ingreso total. 18 Tabla 1. Tasa de participación de los hogares en las fuentes de ingresos, por quintil del ingreso bruto del hogar Fuente: Cálculos del autor basados en datos de la ELCA (2010, 2013 y 2016). 1 2 3 4 5 Total Ingresos agropecuarios-Fuera de la finca (jornales) Ingresos agropecuarios- Fuera de la finca 58% 89% 93% 92% 87% 84% Salario no agrícola 1% 25% 61% 68% 66% 44% Autoempleo 34% 47% 49% 38% 18% 37% Transferencia privada 29% 28% 20% 22% 21% 24% Transferencia pública 54% 62% 47% 48% 42% 51% Otros Otros 6% 15% 15% 20% 25% 16% 1 2 3 4 5 Total Ingresos agropecuarios-Fuera de la finca (jornales) Ingresos agropecuarios- Fuera de la finca 81% 88% 86% 89% 85% 86% Salario no agrícola 29% 30% 33% 37% 42% 34% Autoempleo 50% 52% 45% 35% 14% 39% Transferencia privada 43% 38% 37% 35% 30% 37% Transferencia pública 59% 61% 56% 52% 41% 54% Otros Otros 12% 12% 16% 16% 27% 17% 1 2 3 4 5 Total Ingresos agropecuarios-Fuera de la finca (jornales) Ingresos agropecuarios- Fuera de la finca 69% 83% 83% 84% 82% 81% Salario no agrícola 32% 30% 39% 43% 49% 39% Autoempleo 60% 52% 44% 31% 8% 39% Transferencia privada 37% 34% 35% 33% 27% 33% Transferencia pública 64% 59% 58% 58% 46% 57% Otros Otros 5% 8% 8% 12% 17% 10% 100%100% 100% 100% 100% 100% Ingresos rurales no agrícolas- Laborales Ingresos rurales no agrícolas- No laborales Ingresos agropecuarios dentro de la finca Ingresos rurales no agrícolas- Laborales Ingresos rurales no agrícolas- No laborales Tipología de ingresos Año 2016 por quintiles de ingreso Ingresos agropecuarios dentro de la finca Ingreso Agropecuario Ingreso Agropecuario Tipología de ingresos Año 2010 por quintiles de ingreso Ingresos agropecuarios dentro de la finca Ingresos rurales no agrícolas- Laborales Ingresos rurales no agrícolas- No laborales Tipología de ingresos Año 2013 por quintiles de ingreso Ingreso Agropecuario 100% 100%100% 100% 100% 100% 100%100% 100% 100% 100% 100% 19 Tabla 2. Composición del ingreso (porcentaje en el total del ingreso) y valor promedio anual del ingreso bruto del hogar expresado en SMMLV*, por quintil del ingreso bruto del hogar *Salario mínimo legal mensual vigente (SMMLV) de 2016 en Colombia. Fuente: Cálculos del autor basados en datos de la ELCA (2010, 2013 y 2016). 1 2 3 4 5 Total 19% 13% 11% 12% 15% 14% 1,1 1,6 2,1 3,5 10,8 3,9 18% 15% 17% 21% 36% 21% 1,5 3,1 4,4 8,2 32,3 11,1 25% 41% 46% 48% 32% 38% 2,3 4,2 6,9 10,9 14,3 8,1 0,2% 1% 3% 3% 4% 2% 1,3 0,5 0,6 0,9 2,3 1,2 10% 12% 12% 7% 4% 9% 1,5 2,4 3,5 3,9 8,1 3,4 6% 3% 2% 1% 1% 3% 0,9 1,0 1,2 1,2 1,5 1,1 19% 11% 5% 4% 2% 8% 1,5 1,5 1,5 1,5 1,5 1,5 2% 4% 4% 4% 6% 4% 1,6 2,2 4,0 3,8 14,9 6,7 1 2 3 4 5 Total 17% 15% 14% 17% 20% 17% 1,3 1,7 2,3 4,1 12,3 4,3 9% 10% 10% 14% 23% 13% 1,4 2,4 3,2 6,1 24,7 7,9 30% 36% 35% 35% 24% 32% 2,5 4,5 6,0 8,1 11,0 6,5 9,8% 10% 16% 15% 16% 14% 2,3 3,7 7,1 8,7 16,0 8,2 14% 14% 13% 9% 4% 11% 1,9 2,8 4,1 5,0 10,2 3,8 5% 4% 3% 3% 2% 3% 0,8 1,0 1,3 1,5 2,1 1,3 13% 8% 6% 4% 2% 7% 1,4 1,5 1,5 1,6 1,5 1,5 3% 3% 4% 4% 8% 4% 1,7 2,6 3,5 4,8 13,9 6,8 1 2 3 4 5 Total 11% 14% 13% 16% 26% 16% 1,5 2,6 3,4 5,8 23,2 7,7 14% 13% 15% 19% 31% 18% 2,7 4,1 5,7 10,4 40,8 13,9 26% 32% 32% 27% 16% 27% 3,4 5,4 7,4 8,7 9,3 7,0 12,7% 14% 17% 18% 17% 16% 3,3 6,4 8,6 11,5 17,0 10,2 20% 16% 13% 10% 3% 12% 2,8 4,4 5,7 8,1 14,4 5,2 4% 3% 3% 2% 2% 3% 0,8 1,3 1,7 1,9 2,8 1,7 11% 6% 4% 3% 1% 5% 1,4 1,5 1,4 1,4 1,5 1,4 1% 2% 2% 3% 4% 2% 1,7 2,9 3,9 7,0 15,1 8,0 Salario no agrícola Autoempleo Transferencia privada Transferencia pública Otros Ingresos agropecuarios dentro de la finca Ingresos agropecuarios-Fuera de la finca (jornales) Ingresos rurales no agrícolas- Laborales Ingresos rurales no agrícolas-No laborales Otros Otros Otros Año 2013 Ingreso Pecuario Ingreso Agrícola Ingresos agropecuarios- Fuera de la finca Año 2016 Ingresos agropecuarios- Fuera de la finca Ingresos rurales no agrícolas- Laborales Salario no agrícola Autoempleo Ingresos rurales no agrícolas-No laborales Transferencia privada Transferencia pública OtrosOtros Año 2010 Ingresos agropecuarios dentro de la finca Ingreso Pecuario Ingreso Agrícola Salario no agrícola Ingresos rurales no agrícolas- Laborales Autoempleo Ingresos rurales no agrícolas-No laborales Transferencia privada Transferencia pública Ingresos agropecuarios dentro de la finca Ingreso Pecuario Ingreso Agrícola Ingresos agropecuarios-Fuera de la finca (jornales) Ingresos agropecuarios- Fuera de la finca Ingresos agropecuarios-Fuera de la finca (jornales) 20 En síntesis, se observa que el ingreso no agrícola genera un importante aporte al ingreso de los hogares rurales y que éste ha aumentado su participación en el ingreso total a lo largo de los 3 periodos de estudio; en promedio durante 2010, representó el 26,1% del ingresototal de los hogares, luego en 2013 y 2016 se estabilizó en 38%. La estimación del IRNA de los hogares rurales de la ELCA se encuentra por debajo de lo reportado por Deininger y Olinto (2004) quienes utilizando datos de hogares rurales de Colombia localizados en 11 zonas agroecológicas §§ encontraron que el empleo no agrícola contribuye en promedio al 45% del ingreso total del hogar. En la Figura 1 se observa que el ingreso derivado de la actividad pecuaria presenta una alta participación en los hogares de la región Atlántica media y Cundiboyacense, también los ingresos por empleo asalariado no agrícola. Por otro lado, en la región del Eje Cafetero se destaca la participación de ingreso agrícola principalmente derivado de cultivos permanentes como el café y la caña de azúcar para la producción de panela. En la región Centro-oriente predomina la generación de ingresos rurales no agrícolas principalmente por autoempleo (actividades de agroindustria y servicios). Figura 1. Participación en el ingreso bruto de los hogares rurales, según fuente de ingresos (2010-2013- 2016) Fuente: Cálculos del autor basados en datos de la ELCA (2010, 2013 y 2016). §§ La muestra se estratificó en 11 zonas agroecológicas. En cada zona, se seleccionaron al azar 10 municipalidades y dentro de ellas a 10 hogares. Todos los hogares se encuestaron dos veces, primero en 1997 y luego en 1999. Debido a la atrición e imposibilidad de visitar algunas localidades por la violencia imperante, la muestra de la segunda ronda se redujo de 1.075 a 808. 0% 20% 40% 60% 80% 100% 2010 2013 2016 2010 2013 2016 2010 2013 2016 2010 2013 2016 Atlántica Media Centro-Oriente Cundi-Boyacense Eje Cafetero P o r c e n ta je Ingreso Pecuario Ingreso Agrícola Ingresos agropecuarios-Fuera de la finca Autoempleo Transferencia privada Transferencia pública Otros Salario no agrícola 21 Considerando el limitado acceso a activos productivos para el desarrollo de la agricultura y ganadería en Colombia, resulta interesante realizar una aproximación al análisis sobre la relación entre el tamaño del predio y las diversas fuentes de ingresos del hogar. De acuerdo con la Misión para la Transformación del Campo MTC (DNP, 2015) de cuatro posibles activos para la producción agropecuaria (acceso a tierras, asistencia técnica, crédito y riego intrapredial), se reportó la cifra alarmante, que el 63% de los pobladores rurales no tenía acceso a ninguno de ellos, y que tan solo un 20,8% de los pobladores rurales tenía acceso a un activo productivo, el 9,3% a dos, el 3,9% a tres y menos del 2% a todos Se observa en la Tabla 3 una relación positiva entre la participación del ingreso agropecuario y el tamaño del predio de los hogares, esto puede estar asociado con el grado de especialización en la actividad agropecuaria. Como lo señalaron Deininger y Olinto (2004), la propiedad de los bienes promueve la especialización, los mayores niveles de propiedad de la tierra y el ganado reducen la propensión de los hogares a diversificar sus fuentes de empleo y a obtener ingresos derivados de actividades no agropecuarias. En contraste, se observa que, en los hogares con baja posesión de superficie de tierra (menores a 0,6 hectáreas) los ingresos rurales no agrícolas tienen una amplia participación que van desde 31% en 2010 hasta el 51% en 2016; al tener un área insuficiente para el desarrollo de una producción agropecuaria sostenible (desde el punto de vista económico) la mayoría de estos hogares generan ingresos no agrícolas que se derivan de transferencias monetarias del Estado. 22 Tabla 3. Distribución del ingreso bruto de los hogares rurales, por tamaño del predio Fuente: Cálculos del autor basados en datos de la ELCA (2010, 2013 y 2016). En la Figura 2 se presenta el valor promedio mensual (SMMLV de Colombia del año 2016) del ingreso bruto de los hogares, desagregado por fuente de ingreso y diferenciado por genero del jefe de hogar, para los tres años de estudio. Este análisis es relevante pues de acuerdo con Tenjo y Jaimes (2018) “las mujeres tienden a localizarse fuera de la agricultura y los hombres en la agricultura (el 22,9% de las mujeres trabajan en la agricultura y el 61,8% de los hombres)”. Se muestra que en promedio los hogares con jefatura masculina obtienen mayores ingresos respecto a los hogares con jefatura femenina, esta diferencia es estadísticamente significativa (Tabla A4). Cabe destacar, que la participación de los ingresos rurales no agrícolas dentro del ingreso total es mayor y estadísticamente significativa en los hogares con jefatura femenina, la mayoría de estos hogares desarrollan actividades por cuenta propia (autoempleo) de tipo artesanal, para luego, pasar a actividades de servicios. Por otro lado, en la Figura 3 se puede observar que, para los pequeños productores agropecuarios entrevistados en la ELCA, la participación del autoconsumo agropecuario se encuentra alrededor del 40%, además, se evidencian algunas diferencias entre hogares encabezados por hombres y mujeres, sin embargo, no son estadísticamente significativas (Tabla A5). <0 ,60 8,0% 13,7% 47,5% 30,7% 0,60 - 1,89 10,7% 20,0% 41,1% 28,3% 1,90 - 3,99 16,3% 22,5% 35,6% 25,6% 4,00+ 21,4% 28,6% 29,8% 20,2% Total 14,2% 21,3% 38,4% 26,1% <0 ,60 11,2% 6,2% 33,0% 49,6% 0,60 - 1,89 13,9% 12,5% 33,0% 40,6% 1,90 - 3,99 17,9% 15,9% 32,5% 33,6% 4,00+ 22,6% 18,0% 29,7% 29,7% Total 16,5% 13,2% 32,0% 38,3% <0 ,60 10,5% 9,8% 28,7% 51,0% 0,60 - 1,89 11,5% 19,0% 28,0% 41,6% 1,90 - 3,99 16,4% 21,2% 27,8% 34,6% 4,00+ 23,7% 22,9% 23,3% 30,1% Total 15,9% 18,4% 26,8% 38,9% 2016 Tamaño predio (ha) Ingreso Pecuario Ingreso agrícola Ingresos Agropecuarios- Fuera de la finca 2013 Ingreso Rural no agrícola (IRNA) 2010 Año 23 Figura 2. Ingreso promedio mensual del hogar por fuente de ingreso y género del jefe de hogar Fuente: Cálculos del autor basados en datos de la ELCA (2010, 2013 y 2016). Figura 3. Participación del autoconsumo agropecuario del hogar, según género del jefe de hogar Fuente: Cálculos del autor basados en datos de la ELCA (2010, 2013 y 2016). 6. Estrategia empírica Esta sección se divide en dos partes, en la primera se presenta el marco econométrico para la estimación de la eficiencia técnica agropecuaria de pequeños productores en cuatro regiones de Colombia. En la segunda, se describe el modelo de dos etapas utilizado para la estimación del efecto del ingreso rural no agrícola (IRNA) sobre la eficiencia técnica. 6.1 Estimación eficiencia técnica Dada la heterogeneidad tecnológica en la producción agropecuaria, en la presente investigación se sigue el marco de estimación de meta-frontera estocástica propuesto por Huang et al. (2014), bajo este enfoque la estimación se realiza en dos etapas, en la primera, 0% 10% 20% 30% 40% 50% 0,0 0,5 1,0 1,5 2,0 2,5 3,0 HOMBRE MUJER HOMBRE MUJER HOMBRE MUJER 2010 2013 2016 P o rc en ta je In g re so p ro m ed io m en su al (S M L M V d e 2 0 1 6 ) Ingresos Agropecuarios Ingresos Agropecuarios- Fuera de la finca Ingreso rural no agrícola %IRNA 41% 37% 35% 43% 40% 39% 0% 10% 20% 30% 40% 50% 2010 2013 2016 A u to co n su m o ( % ) HOMBRE MUJER 24 se estima la frontera de producción estocástica para cada región o grupo y en la segunda, se estima la meta-frontera para todas las regiones. Recientemente Alem et al. (2018) aplicaron esta metodología para establecer las diferencias regionales en la eficiencia técnica de fincas dedicadas a la producción de lácteos en Noruega, utilizaron datos panel a nivel de finca. Para estimar la frontera estocástica se utiliza una función de producción translogarítmica, esta forma funcional es flexible y permite la presencia de economías variables de escala en laproducción y anida la función de producción Cobb-Douglas. De esta manera, la frontera estocástica a estimar se presenta en la ecuación (3): 𝑙𝑛 𝑌𝑖𝑡 = 𝛽0 + ∑ 𝛽𝑗 𝑙𝑛 𝑥𝑗𝑖𝑡 5 𝑗=1 + 1 2 ∑ ∑ 𝛽𝑗𝑘 𝑙𝑛𝑥𝑗𝑖𝑡 𝑙𝑛𝑥𝑘𝑖𝑡 5 𝑘=1 5 𝑗≤ + (𝑣𝑖𝑡 − 𝑢𝑖𝑡) (3) Donde, la variable dependiente 𝑌𝑖𝑡 representa los ingresos brutos derivados de la actividad agropecuaria del i-ésimo hogar en el período t. Los insumos agregados, incluidos como variables de la función de producción, son 1) X1 la superficie total del predio (hectáreas); 2) X2 el gasto (COP) para semillas, fertilizantes, agua y otros insumos variables utilizados en la actividad agropecuaria; 3) X3 el valor (COP) de los servicios y herramientas utilizados para la producción; 4) X4 la cantidad total (jornales por año) de mano de obra (incluidos los familiares y los trabajadores contratados); 5) X5 el tiempo (año) que puede asumir un valor igual a 1 (2010), 2 (2013) o 3 (2016). Todas las variables medidas en términos monetarios se convirtieron al valor de pesos colombianos constantes del año 2016. 𝑣𝑖𝑡 : es una perturbación simétrica que recoge las variaciones aleatorias en la producción debida a factores tales como errores aleatorios, errores en la observación y medida de los datos, la suerte, entre otros. Se consideran i.i.d. con 𝑣𝑖𝑡 ∼ 𝑁(0, 𝜎𝑉 2) 𝑢𝑖𝑡: son variables aleatorias no negativas e inobservables asociadas con la ineficiencia técnica de la producción, se asume que se distribuye independientemente de 𝑣𝑖𝑡 y que satisface la condición 𝜇𝑖𝑡<0. Se distribuyen como: 𝑢𝑖𝑡(𝑗) ∼ 𝑁 +(0, 𝜎𝑣𝑗 2 (𝑧𝑖𝑡(𝑗)) ; 𝑧𝑖𝑡(𝑗) son las variables que determinan la ineficiencia técnica. En la ecuación 4 se muestra la eficiencia técnica del hogar i en el período t. 25 𝐸𝑇𝑖𝑡 = 𝑌𝑖𝑡 𝑓(𝑥𝑖𝑡,𝛽)𝑒 (𝑣𝑖𝑡) = 𝑒−𝑢𝑖𝑡 (4) La meta-frontera estocástica que envuelve a todas las fronteras especificadas para las regiones o grupos, se especifica en la ecuación 5. 𝑓𝑗(𝑥𝑖𝑡(𝑗), 𝛽𝑗) = 𝑓 𝑀(𝑥𝑖𝑡(𝑗), 𝛽)𝑒 (𝑉𝑖𝑡 𝑀−𝑈𝑖𝑡 𝑀 ) (5) Donde: 𝑓𝑗(𝑥𝑖𝑡(𝑗), 𝛽𝑗) son las predicciones de las fronteras de cada región o grupo de la etapa 1 en (11). Cada vector de predicciones de la frontera de producción de cada región se agrupa en un vector para toda la muestra. 𝑉𝑖𝑡 𝑀: es el término de error y se supone que es i.i.d. 𝑉𝑖𝑡 𝑀 ∼ 𝑁(0, 𝜎𝑉𝑀 2 ) 𝑈𝑖𝑡 𝑀: representa la ineficiencia técnica y se distribuye: 𝑈𝑖𝑡 𝑀 ∼ 𝑁+(0, 𝜎𝑉𝑀 2 (𝑧𝑖𝑡 𝑀) 𝑧𝑖𝑡 𝑀 : representa los determinantes específicos de la región para el componente de brecha tecnológica 𝛽: es un vector de parámetros desconocidos a estimar en la meta-frontera. La relación que existe entre la función de producción agropecuaria de cada hogar (i) dentro de grupo (j) respecto a la meta-frontera estocástica consta de tres componentes, como se aprecia en la ecuación 6: 𝑌𝑖𝑡 (𝑗) 𝑓𝑀(𝑥𝑖𝑡(𝑗),𝛽) = 𝑇𝐺𝑅𝑖𝑡(𝑗) × 𝐸𝑇𝑖𝑡(𝑗) × 𝑒 𝑉𝑖𝑡 𝑀 (6) Donde: 𝑇𝐺𝑅𝑖𝑡(𝑗) = 𝑓𝑗(𝑥𝑖𝑡(𝑗),𝛽) 𝑓𝑀(𝑥𝑖𝑡(𝑗),𝛽) : es la brecha tecnológica; 𝐸𝑇𝑖𝑡(𝑗)=exp(−𝑈𝑖𝑡(𝑗)): es la eficiencia técnica; 𝑒𝑉𝑖𝑡 𝑀 = 𝑌𝑖𝑡 (𝑗) 𝑓𝑀(𝑥𝑖𝑡(𝑗),𝛽)𝑒 (−𝑈𝑖𝑡 𝑀 ) : es el componente aleatorio En resumen, el enfoque de dos etapas para estimar la meta-frontera se realiza estimando dos regresiones de SFA, ecuaciones 7 y 8: 𝐿𝑛 𝑌𝑖𝑡 (𝑗) = 𝑓𝑗 (𝑋𝑖𝑡(𝑗), 𝛽(𝑗)) + 𝑉𝑖𝑡(𝑗) − 𝑈𝑖𝑡(𝑗) (7) 𝑖 = 1,2, … , 𝑁𝑗 ; 𝑡 = 1,2, … , 𝑇 𝐿𝑛 𝑓𝑗 (𝑋𝑖𝑡(𝑗), 𝛽(𝑗)) = 𝑓 𝑀(𝑋𝑖𝑡(𝑗), 𝛽) + 𝑉𝑖𝑡 𝑀 − 𝑈𝑖𝑡 𝑀 (8) 26 ∀ 𝑖, 𝑡, 𝑗 = 1,2, … , 𝐽 Donde: 𝐿𝑛 𝑓𝑗 (𝑋𝑖𝑡(𝑗), 𝛽(𝑗)) :es la estimación de la frontera específica del grupo j. 𝐿𝑛 𝑓𝑗 (𝑋𝑖𝑡(𝑗), 𝛽(𝑗)): es específico del grupo j, esta regresión se estima J veces, una para cada grupo (j = 1, 2, …, J). La meta-frontera debe ser mayor o igual que la frontera específica del grupo, ecuación 9: 𝑓𝑗 (𝑋𝑖𝑡(𝑗), 𝛽(𝑗)) ≤ 𝑓 𝑀(𝑋𝑖𝑡(𝑗), 𝛽(𝑗)) (9) La brecha tecnológica TGR estimada debe ser menor o igual a la unidad, ecuación 10: 𝑇�̂�𝑅𝑖𝑡(𝑗) = �̂� (𝑒 −𝑈𝑖𝑡𝑀| 𝜀�̂�𝑡 𝑀) ≤ 1 (10) Donde: 𝜀�̂�𝑡 𝑀 = 𝐿𝑛 𝑓𝑗 (𝑋𝑖𝑡(𝑗), 𝛽(𝑗)) − 𝐿𝑛 𝑓 𝑀(𝑋𝑖𝑡(𝑗), 𝛽) 𝜀�̂�𝑡 𝑀: son los residuos compuestos estimados. La eficiencia técnica del hogar i en la meta-frontera (MET) se estima de acuerdo con la ecuación 11: 𝑀�̂�𝑇𝑖𝑡(𝑗) = 𝑇�̂�𝑅𝑖𝑡(𝑗) × 𝐸�̂�𝑖𝑡(𝑗) (11) El uso de los datos del panel permite verificar la heterogeneidad no observada entre los diferentes productores. Es posible introducir heterogeneidad entre los productores en el modelo mediante el uso de efectos fijos o efectos aleatorios. Se realizó una prueba Hausman para efectos fijos versus aleatorios (la prueba de Hausman parte del supuesto que el estimador de efectos fijos es consistente tanto bajo la hipótesis nula como bajo la hipótesis alterna). Estas pruebas encontraron que los efectos fijos se ajustan mejor a los modelos utilizados, los resultados de las pruebas se presentan en la Figura A7. Como lo menciona Greene (2005), el cálculo de los efectos fijos es problemático cuando se utiliza el método de máxima verosimilitud y se trabaja con paneles grandes. Para la aplicación del modelo se utilizaron datos de 2.257 hogares diferentes, esto generó problemas computacionales que dificultaron el uso directo de estimadores de efectos fijos. Por esta 27 razón, se implementó el modelo de Greene (2005) de verdaderos efectos aleatorios con ineficiencias variables en el tiempo (TRE). 6.2. Efecto del ingreso rural no agrícola (IRNA) sobre la eficiencia técnica La estimación del efecto del ingreso rural no agrícola sobre la eficiencia técnica agropecuaria de pequeños productores incluye dos fuentes potenciales de endogeneidad, la primera, se debe a la heterogeneidad no observada, como características del hogar y choques que afectan tanto las decisiones de producción agropecuaria como la generación de ingresos derivados de fuentes no agropecuarias; y la segunda, es la simultaneidad, debido a que estas dos variables pueden estar co-determinadas, en este sentido, los hogares con mayor participación de ingresos no agrícolas pueden poseer atributos sistemáticamente diferentes a hogares que no generan ingresos no agrícolas, esto se debe al hecho de que la decisión de un hogar se basa en la autoselección y no en una asignación aleatoria (Heckman, 1978). Las variables no observadas pueden afectar la eficiencia técnica y la generación de ingresos rurales no agrícolas, por ejemplo, habilidades gerenciales y/o empresariales del jefe de hogar pueden condicionar la decisión de diversificación del ingreso y el nivel de eficiencia, por lo tanto, jefes de hogar con mayor capacidad y liderazgo pueden organizar de forma adecuada las actividades agropecuarias, de tal forma que pueda dedicar tiempo a la gestión y obtención de fuentes de ingresos no agrícolas. En la ecuación (12) se especifica un modelo de datos panel que permite controlar la heterogeneidad no observada y la endogeneidad potencial del ingreso rural no agrícola. 𝐸𝑇𝑖𝑡 = 𝑓(𝐼𝑅𝑁𝐴𝑖𝑡; 𝛽) + 𝑋𝑖𝑡𝛿 + 𝑑𝑡 + 𝛼𝑖 + 𝑒𝑖𝑡 (12) 𝑖 = 1, … , 𝑁 ; 𝑡 = 1, … , 𝑇𝑖 Donde: 𝐸𝑇𝑖𝑡 es la eficiencia técnica a nivel de hogar i en el período t, 𝐼𝑅𝑁𝐴𝑖𝑡 es la participación del ingreso rural no agrícola respecto al ingreso total del hogar, 𝑋𝑖𝑡 es el vector de variables exógenas, la diversidad de rubros productivos agropecuarios del hogar, el número de activos 28 estratégicos del hogar, una variable dummy que toma el valor de 1 si el hogar cuenta con equipo de riego para la producción agropecuaria,una variable dummy que toma el valor de 1, si el hogar i en el período t tiene acceso a crédito, el sexo y la edad del jefe de hogar. 𝑑𝑡 captura choques de carácter macro que afectan a todos los hogares, por ejemplo, el cambio de precios relativos bajo el supuesto que son comunes en todos los hogares, 𝛼𝑖 es un efecto individual no observado, 𝑒𝑖𝑡 es el término del error. La función 𝑓(𝐼𝑅𝑁𝐴𝑖𝑡; 𝛽) indica que el ingreso rural no agrícola puede tener una forma funcional no lineal. Para la estimación del modelo planteado en la ecuación 12, y al desconocerse la forma funcional de 𝑓(𝐼𝑅𝑁𝐴𝑖𝑡; 𝛽) se adopta la especificación propuesta por Phimister y Roberts (2006). La variable de interés se expresa como un conjunto de cinco variables indicadoras (dummy), la primera variable dummy es igual a 1 si el porcentaje de ingreso rural no agrícola es menor o igual a 7% , la segunda variable es 1 si el porcentaje de ingreso rural no agrícola del hogar es mayor que 7% y menor o igual al 23%, la tercera variable es igual a 1, si el porcentaje de ingreso rural no agrícola del hogar es mayor que 23% y menor o igual al 39%, la cuarta, es igual a 1 si el porcentaje de ingreso rural no agrícola del hogar es mayor que 39% y menor o igual a 58%. La última variable dummy es igual a 1 si el porcentaje de ingreso rural no agrícola del hogar es mayor que 58% y menor o igual a 100%. Phimister y Roberts (2006), expresan que el uso de variables indicadoras puede capturar mejor el efecto del ingreso rural no agrícola sobre la eficiencia técnica agropecuaria, porque los datos sobre el ingreso del hogar se recopilan en retrospectiva y por lo tanto puede verse afectado por sesgo de retirada (Dex, 1995) y no se ajustan continuamente. Por otro lado, para analizar el efecto que tiene la diversidad de rubros productivos agropecuarios del hogar rural sobre la eficiencia técnica, en esta investigación se siguió a Wan et al. (2016), los autores definieron el índice de diversidad de ingresos agropecuarios 𝐼𝑑𝑖𝑣 (ecuación 13) y el índice de dependencia de ingreso 𝐼𝑑𝑒𝑝 (ecuación 14). El índice de diversidad de ingresos se deriva del índice de Shannon-Wiener. 𝐼𝑑𝑖𝑣 = − ∑ 𝑃𝑗𝑙𝑜𝑔𝑃𝑗 𝐽 𝑗=1 (13) 29 J denota los rubros productivos agropecuarios, 𝑃𝑗, la probabilidad de 1 COP sea obtenido a partir de la fuente j. 𝐼𝑑𝑒𝑝 = ∑ [ 𝑁𝑠(𝑁𝑠−1) 𝑁(𝑁−1) ]𝑆𝑠=1 (14) En la ecuación 14, el índice de dependencia del ingreso está diseñado para analizar si los hogares tienen una alta dependencia de un rubro productivo agropecuario. Mayores valores del índice de dependencia del ingreso agropecuario significa que un choque a la producción o de mercado, puede causar riesgo a los hogares rurales. s denota el número de fuentes de ingresos, N corresponde al ingreso total agropecuario, 𝑁𝑠 es el ingreso total generado por cada rubro productivo s y 𝑁1 + 𝑁2 + 𝑁3 + ⋯ + 𝑁𝑠 = 𝑁; 𝑁𝑠 𝑁⁄ es la probabilidad de que 1 COP sea extraído del rubro productivo s.; (𝑁𝑠 − 1)/(𝑁 − 1) es la probabilidad de que 1 COP sea generado a partir del rubro productivo s. Los rubros productivos agrícolas más dinámicos en la muestra de hogares son en su orden: los de carácter permanente, en particular los de uso agroindustrial (café, caña de azúcar para producción de panela, cacao) y los frutales (cítricos, plátano y banano); los cultivos de carácter transitorio, representados por arroz, papa, maíz, tomate y cebolla. En general, las formas de producción de estos rubros corresponden a un esquema de pequeña agricultura familiar, que combina autoconsumo (como componente de la dieta familiar) y venta de productos, en proporciones variables. Los rubros pecuarios más dinámicos son la cría y levante de ganado de doble propósito, la ganadería de leche y la producción avícola. De acuerdo con Manero et al. (2019) la adopción de prácticas de riego o la promoción de la especialización agrícola constituyen alternativas para mejorar la eficiencia técnica. En este sentido, se incluye en el modelo una variable dummy que indica el uso de sistemas de riego para la producción agropecuaria del hogar, que toma el valor de 1 si el hogar utiliza riego y 0 de lo contrario. En el modelo se incluyen variables que permiten capturar la dotación de capital humano del hogar, como el género del jefe de hogar, que toma el valor de 1 si es hombre y 0 de lo 30 contrario y la edad del jefe del hogar, la cual se encuentra asociada con el conocimiento y la habilidad que adquiere a través de la experiencia, de igual manera, con los cambios en las obligaciones familiares y la motivación, lo que puede influir en la productividad laboral. Cabe señalar que la edad promedio del jefe de hogar en los hogares de la muestra es de 50 años, lo que indica que la participación en la agricultura de pequeños productores en las cuatro regiones de estudio está sesgada hacia las generaciones mayores. El cuadrado de la variable edad se incluye para capturar cualquier efecto no lineal que la edad pueda tener sobre la eficiencia técnica agropecuaria, debido a cambios en la capacidad de gestión y al horizonte de planificación de la producción agropecuaria. Como se ha mencionado la variable IRNAit es endógena, dado que puede ser determinada simultáneamente con la eficiencia técnica. Se debe tener en cuenta que esta relación puede no ser lineal, primero, la variable IRNA está expresada como la participación del ingreso rural no agrícola sobre el ingreso total, por lo que se encuentra entre 0 y 1, por otro lado, dada la limitada información de los hogares rurales de la muestra, resulta complicado encontrar instrumentos robustos para la variable endógena. Para abordar estos problemas, en esta investigación se utilizó un marco econométrico de dos etapas para datos panel (Vella y Verbeek,1999; Phimister y Roberts, 2006; Semykina y Wooldridge, 2010; Wooldridge, 2015; Abdullah y Hossain 2019); este enfoque, proporciona un método para estimar modelos de datos panel con variables endógenas y censuradas. En la primera etapa los términos de corrección de la endogeneidad se generan a partir de un Tobit agrupado de efectos aleatorios (ecuación 15) 𝐼𝑅𝑁𝐴𝑖𝑡 ∗ = 𝑧𝑖𝑡𝛿 + 𝜃𝑖 + 𝜂𝑖𝑡 (15) 𝑖 = 1, … , 𝑁 ; 𝑡 = 1, … , 𝑇𝑖 Donde 𝑧𝑖𝑡 es un vector de variables exógenas. 𝜃𝑖 captura la heterogeneidad no observada respecto al IRNA, y 𝜂𝑖𝑡 es el componente aleatorio. 𝜃𝑖 y 𝜂𝑖𝑡, son independientes y normalmente distribuidas con media cero y varianza constante. La participación del ingreso 31 rural no agrícola en el ingreso total del hogar se relaciona con el modelo latente como se presenta en la ecuación (16): 𝐼𝑅𝑁𝐴𝑖𝑡 = 𝐼𝑅𝑁𝐴𝑖𝑡 ∗ si 𝐼𝑅𝑁𝐴𝑖𝑡 ∗ > 0, 𝐼𝑅𝑁𝐴𝑖𝑡 = 0 si 𝐼𝑅𝑁𝐴𝑖𝑡 ∗ ≤ 0 (16) La endogeneidad entre la eficiencia técnica y el ingreso rural no agrícola se captura permitiendo la correlación de los componentes no observados de las ecuaciones 12 y 15, en particular, se define (ecuación 17 y 18): 𝜀𝑖𝑡 = 𝛼𝑖 + 𝑒𝑖𝑡 (17) 𝑢𝑖𝑡 = 𝜃𝑖 + 𝜂𝑖𝑡 (18) El modelo se completa suponiendo que la expectativa condicional de 𝜀𝑖𝑡 es una función lineal de 𝑢𝑖𝑡 (ecuación 19): 𝐸{𝜀𝑖𝑡| 𝑥𝑖, 𝑧𝑖 , 𝑢𝑖𝑡} = 𝜏1𝑢𝑖𝑡 + 𝜏2𝑢�̅� (19) Donde: 𝑢�̅� = 1 𝑇𝑖 ∑ 𝑢𝑖𝑡 𝑖 Bajo este enfoque se realiza un procedimiento en dos etapas, en la primera, se estiman los parámetros de la ecuación 15, mediante un modelo Tobit de efectos aleatorios. A partir, de éstos se estima 𝑢𝑖𝑡 y 𝑢�̅�, mediante integración numérica. En la segunda etapa, la estimación consiste en una extensión del modelo de selección de Heckman. La ecuación 12, se puede estimar de forma consistente al adicionar los dos términos de 𝑢𝑖𝑡 y 𝑢�̅� estimados en la etapa 1, mediante una regresión OLS y al ajustar los errores estándarpara tener en cuenta la naturaleza de los términos corregidos (Vella y Verbeek, 1999). 7. Resultados y discusión En la Tabla 4 se presenta un resumen de las variables de producción agropecuaria de los hogares de las cuatro regiones de estudio. Se observa que los hogares de las regiones Atlántica media y Eje Cafetero tienen en promedio los valores de producción y de insumos más altos. En términos de mano de obra los hogares localizados en la región del Eje Cafetero demandan la mayor cantidad, en promedio utilizan 227 jornales al año, se puede decir que está determinado principalmente por las actividades de recolección y cosecha de café en esta zona. En promedio el 0,69 del ingreso agropecuario de los hogares depende de un solo rubro productivo, este valor indica que los hogares de la muestra son vulnerables ante cambios en 32 los precios y ante fenómenos hidroclimatológicos que puedan afectar su ingreso disponible. También se observa que la edad promedio del jefe de hogar no varía significativamente entre las cuatro regiones, siendo 50 años la edad promedio. Tabla 4. Estadísticas descriptivas (valores promedio por hogar) de las variables de producción agropecuaria en cuatro regiones de Colombia Variables Eje Cafetero Atlántica Media Centro Oriente Cundi- Boyacense Conjunto de regiones Valor de la producción agropecuaria (COP/año) 14.300.000 7.601.717 5.603.397 5.702.049 7.551.414 IRNA (COP/año) 4.825.878 4.550.833 3.897.502 4.208.352 4.333.230 Idiv 0,44 0,65 0,40 0,46 0,50 Idep 0,71 0,62 0,75 0,70 0,69 Agroquímicos y semillas (COP /año) 3.951.128 3.916.423 2.462.292 2.537.206 3.155.020 Mano de obra (jornales/año) 227 56 50 48 78 Mano de obra (COP/año) 8.164.828 2.009.111 1.798.342 1.729.797 2.803.325 Maquinaria, Herramientas y servicios (COP/año) 1.184.266 996.023 693.520 814.359 897.309 Superficie total del predio (ha) 3,4 3,1 3,5 3,5 3,4 Tamaño del hogar (N° personas) 4 5 5 4 4 Edad jefe de hogar (año) 52,9 51,1 51,4 48,0 50,5 Educación jefe de hogar (años) 4,3 4,6 4,2 4,8 4,5 Fuente: Cálculos del autor basados en datos de la ELCA (2010, 2013 y 2016). COP de 2016 En la Tabla 5 se presentan los resultados de la estimación del modelo TRE para las cuatro regiones (fronteras especificas por región) y para el conjunto de regiones (meta-frontera). Los parámetros de primer orden del total de insumos y del tamaño de las fincas corresponden a las elasticidades parciales promedio, se observa que a nivel de meta-frontera existe una relación positiva y significativa entre los insumos utilizados y el valor de la producción agropecuaria de los hogares de la muestra. La suma de las elasticidades estimadas fue de 33 0.958, esto sugiere que la producción exhibe rendimientos decrecientes a escala en la frontera eficiente, esto implica que incrementos en los insumos tiene un efecto menos que proporcional en la producción agropecuaria en la meta-frontera. En general, se observa que las elasticidades de agroquímicos y semillas son las más altas entre todo el grupo de elasticidades de producción estimadas en la frontera estocástica, este resultado implica que el cambio porcentual en este tipo de insumos respecto a las demás entradas del modelo (mano de obra y herramientas) tiene una mayor influencia sobre la producción agropecuaria de los hogares de la muestra. Tabla 5. Estimación de los parámetros del modelo translog de frontera de producción estocástica por región y para el conjunto de regiones * Variables Eje Cafetero Atlántica Media Centro Oriente Cundi-Boyacense Conjunto de regiones Superficie total del predio 0,0302 0,729*** 0,342* 0,110 0,172* (0,185) (0,222) (0,198) (0,192) (0,088) Agroquímicos y semillas 0,483** 0,261* 0,279 0,152*** 0,752*** (0,367) (0,743) (0,381) (0,421) (0,193) Servicios y herramientas 0,024 0,078** 0,011 0,027 0,034** (0,239) (0,371) (0,252) (0,263) (0,130) Mano de obra 0,640** 0,310** 0,00764 0,035*** 0.,34** (0,290) (0,640) (0,306) (0,347) (0,134) Tiempo (año) 0,0272 0,0282* 0,00354 0,0299* 0,022*** (0,0205) (0,0171) (0,0134) (0,0168) (0,003) Constante 0,739 0,721 10,09*** 132,4 4,03*** (0,000) (4,016) (1,991) (0,000) (0,920) Observaciones 943 1904 1411 1978 6236 N° Hogares 340 688 524 692 2244 *Los parámetros de segundo orden se eliminan para ahorrar espacio, pero están disponibles en la Tabla A8. Errores estándar en paréntesis *** p<0.01, ** p<0.05, * p<0.1 A partir de las fronteras estocásticas de producción, se estima la eficiencia técnica (ET) de cada hogar, la ET puede tomar valores entre 0 y 1, es decir, entre más cercana a 1, mayor es la ET agropecuaria del hogar o región. Los puntajes de ET estimados y la brecha tecnológica (TGR) se resumen en la Tabla 6. Respecto a la frontera específica, los resultados sugieren que los hogares rurales en todas las regiones utilizan la tecnología disponible de manera 34 subóptima. En promedio las menores eficiencias se encuentran en la región Cundiboyacense (0,43) y la región del Eje Cafetero (0,47), entre tanto, las regiones Centro Oriente y Atlántica Media obtuvieron puntajes medio de 0,83 y 0,80 respectivamente, este resultado indica que los hogares de estas regiones aprovechan de forma más eficiente los insumos respecto a las regiones Eje Cafetero y Cundiboyacense. La ET de la producción agropecuaria en la región Cundiboyacense de 0,43 implica que estos hogares producen solo el 43% de la salida máxima posible (frontera), es decir, en promedio los hogares localizados en esta región pueden aumentar su producción en alrededor de 57% si se vuelven técnicamente eficientes. De los resultados obtenidos cabe destacar que la variabilidad de la eficiencia técnica es estadísticamente distinta de cero, por lo tanto, las diferencias observadas en la producción no obedecen exclusivamente a efectos aleatorios, sino también a diferencias relativas en la habilidad gerencial de los hogares que componen la muestra. En las regiones donde la ET es relativamente baja, dada la cantidad de factores y tecnología actual, se puede obtener un aumento potencial del producto, si se adoptan prácticas que mejoren la productividad y promuevan la formación de capital social, como la difusión y gestión de conocimientos existentes a nivel local y regional, algunos ejemplos son las prácticas y recomendaciones tecnológicas, como el cambio en las épocas de siembra, el fraccionamiento de la fertilización, el cambio en los momentos de aplicación de pesticidas, y la determinación del momento óptimo de cosecha, entre otras, que influyen en la productividad de los cultivos. En el caso pecuario, recomendaciones tecnológicas como el manejo de praderas que implica cambios en la duración de los ciclos de pastoreo y descanso; la aplicación de vacunas, vitaminas y medicamentos en el momento
Compartir