Desarrollando el

Potencial de las áreas

rurales: análisis

geográfico

Departamento de Financiamiento y Desarrollo del

Sector Privado

Unidad de País - América Central

Región de América Latina y el Caribe

Banco Mundial

Desarrollando el Potencial

Exportador de América Central

Octubre 2012

Pub

lic D

iscl

osur

e A

utho

rized

Pub

lic D

iscl

osur

e A

utho

rized

Pub

lic D

iscl

osur

e A

utho

rized

Pub

lic D

iscl

osur

e A

utho

rized

Pub

lic D

iscl

osur

e A

utho

rized

Pub

lic D

iscl

osur

e A

utho

rized

Pub

lic D

iscl

osur

e A

utho

rized

Pub

lic D

iscl

osur

e A

utho

rized

2

Agradecimientos

El presente informe fue preparado por Máximo Torero (Instituto Internacional de Investigación

sobre Políticas Alimentarias (IFPRI), con la asistencia de Maribel Elias, Camila Alva y Marines Grandes.

La metodología se basa en la desarrollada por Elias, Maruyama y Torero 2009. La dirección del informe

estuvo a cargo de Thomas Haven (Banco Mundial) y expresamos nuestro agradecimiento por el

financiamiento brindado por los fondos de investigación de Development Economics Group (DEC) y por

el fondo fiduciario del Análisis de la Pobreza y el Impacto Social (PSIA) que hicieron esto una realidad.

3

Tabla de Contenido Resumen ...............................................................................................................................................4

Introducción .........................................................................................................................................6

1. El Modelo de Frontera Estocástica ..............................................................................................8

1.1 ¿Por qué emplear las fronteras estocásticas para construir una nueva tipología? ......................8

1.2 Marco Teórico ............................................................................................................................9

2. Análisis de Accesibilidad a los Mercados ..................................................................................10

2.1 Modelo de Accesibilidad .........................................................................................................10

2.2 Resultados de Accesibilidad ....................................................................................................14

3. El Modelo y la Estimación .........................................................................................................15

3.1 El Modelo.................................................................................................................................15

3.2 Estimación................................................................................................................................16

3.3 Distinción entre los insumos de producción y los factores ambientales ..................................17

3.4 Transición de las Estimaciones de nivel Hogar a Análisis Espacial ........................................17

3.5 Los Datos Empleados en la Aplicación de la Tipología ..........................................................19

3.6 Estimación Empírica ................................................................................................................19

4. Resultados para Honduras, Nicaragua y Panamá .......................................................................24

4.1 Estimación de la Frontera de Utilidades ..................................................................................24

4.2 Construcción de la Tipología ...................................................................................................30

4.3 Resultados de la Tipología .......................................................................................................31

Conclusiones ......................................................................................................................................45

Bibliografía ........................................................................................................................................46

4

Resumen

A través de un enfoque revolucionario e innovador, la presente sección utiliza un lente geográfico para

arrojar luces sobre un área no cubierta por los análisis sectoriales: geografías específicas con el potencial

de mejorar la productividad y, en última instancia, las exportaciones. Debido al tamaño de la economía

rural (que representa más de la mitad de la población en algunos países), a la concentración de la pobreza

en las áreas rurales y a la transcendencia de la agricultura en la cartera de exportación de la región, el

presente análisis se constituye en una herramienta poderosa que les permitirá a los formuladores de

políticas priorizar las inversiones en la agricultura y en las zonas rurales.

El análisis hace una caracterización de las microrregiones de Honduras, Nicaragua y Panamá 1en cuatro

dimensiones: niveles de pobreza, potencial agrícola, eficiencia promedio de las fincas/granjas y acceso a

los mercados. Cada microrregión2 corresponde a una categoría Ej. Las áreas con alta pobreza, alto

potencia y baja eficiencia se podrían considerar de “alta prioridad”. La Figura A muestra todas las

categorías de Nicaragua. La Figura B desglosa las microrregiones identificadas como de “alta prioridad”

y agrega la dimensión del acceso a los mercados. Contar con una identificación exacta de dichas áreas

permite que las intervenciones como la extensión agropecuaria sean más puntuales y precisas con la

finalidad de optimizar el potencial agrícola.

El presente análisis utiliza una estimación de frontera estocástica econométricamente rigurosa e introduce

una novedosa e innovadora herramienta que será de gran utilidad para los formuladores de políticas en

Centroamérica.

1 Un análisis similar se hizo en Guatemala y se encuentra en el Informe 2010 del Banco Mundial titulado

“Desarrollo de las PYME en Guatemala: Dejad que 10,000 Empresas Florezcan”. 2 Cabe señalar que esta metodología se puede conducir con diversas definiciones de regiones. Aunque el análisis

actual habla de microrregiones, se puede calcular para acomodarse a distintas definiciones en estudios subsecuentes.

5

Figura A: Categorías de Microrregiones para Nicaragua 3 Figura B: Áreas de “Alta Prioridad” en Nicaragua

Fuente: análisis de los autores

3 Existen varias áreas protegidas de menor tamaño en Nicaragua que no están reflejadas en estos mapas. Dichas áreas protegidas pequeñas podrían influir en la

categorización de ciertas microrregiones.

Alta Media Baja Área protegida Límite municipal Lago

Alta Prioridad Acceso

Crítico sin potencial agrícola

Prioridad media sin oportunidad agrícola

Baja prioridad

Alta prioridad

Prioridad media con oportunidad agrícola

Baja prioridad con oportunidad agrícola

Alto desempeño

Alta competencia, alta eficiencia, pobreza elevada

Área protegida

Lagos

Límites municipales

Clases

6

Introducción La presente sección utiliza un lente geográfico para arrojar luces sobre un área no cubierta por los análisis

sectoriales: geografías específicas con el potencial de mejorar la productividad y, en última instancia, las

exportaciones. Debido al tamaño de la economía rural (que representa más de la mitad de la población en

algunos países), a la concentración de la pobreza en las áreas rurales y a la transcendencia de la

agricultura en la cartera de exportación de la región, el presente análisis se constituye en una herramienta

poderosa que les permitirá a los formuladores de políticas priorizar las inversiones en la agricultura y en

las zonas rurales.

La sección emplea tecnología cartográfica y una gama de datos para dividir el área rural de Honduras,

Nicaragua y Panamá en una tipología de microrregiones que difieren de conformidad con sus

características, problemas y potencial de desarrollo. La tipología está conformada por criterios como

clima, topografía, producción, acceso vial, acceso a mercados, oportunidades laborales no agropecuarias,

densidad demográfica, distribución de género y presencia de instituciones (formales e informales) como

las financieras. El análisis aprovecha la disponibilidad abundante de datos biofísicos sobre la geografía de

cada país y de encuestas de hogares georreferenciadas muy detalladas de la región que sirvieron para

construir nuestra tipología. Estas fuentes de datos se conjugan para estimar la eficiencia y potencial de los

productores locales.

La identificación del potencial productivo y de la eficiencia se hizo a través de la estimación del modelo

de frontera estocástica econométrica, el cual toma en consideración los indicadores de las condiciones

socioeconómicas y de mercado así como factores biofísicos y de accesibilidad. Estos indicadores explican

en gran parte la heterogeneidad de los hogares rurales. Contar con una clasificación precisa de las áreas en

términos de potencial agrícola es crucial para marcar el norte del tipo de las intervenciones, las cuales

podrían estar orientadas hacia el desarrollo productivo, la creación de mercados (agrícolas o de otra

índole) o incluso asistencia social básica.

Figura 1: Ventajas de la Tipología de Microrregiones

Tal como se indica en la Figura 1, la tipología de las microrregiones, una vez conformada, se puede

combinar con otra información relevante como los mapas de desnutrición y de pobreza, con la finalidad

Proyectos productivos diferenciados para

satisfacer necesidades y problemas locales

Programas de transferencia condicionada

de dinero y de alimentación y nutrición

¿Cuáles son las principales diferencias

entre hogares de alta y baja eficiencia en el área?

La inclusión de características

socioeconómicas y de acceso

en el análisis permite identificar

los cuellos de botella en las

áreas de alto potencial pero con

baja o mediana eficiencia.

Alto potencial y baja eficiencia promedio

Bajo potencial y baja eficiencia promedio

Áreas de alta pobreza Áreas de alta pobreza

Potencial productivo y de

eficiencia determinado por las

características de mercado,

socioeconómicas, biofísicas y de

acceso.

Tipología

Diagnóstico según mapa de pobreza

7

de arrojar un diagnóstico más detallado de las necesidades y de las posibles soluciones para las distintas

áreas rurales de un país. La Tabla 1 es un ejemplo de las clasificaciones que se pueden obtener al mezclar

el potencial/eficiencia con la desnutrición o pobreza. Por ejemplo, podríamos identificar áreas con altos

niveles de desnutrición o pobreza elevada (izquierda de la Tabla 1). Además, si estas áreas presentasen un

bajo potencial productivo, independientemente de su nivel de eficiencia (parte roja de la Tabla 1),

entonces recomendaríamos lanzar un programa de transferencias condicionadas de dinero o un programa

de alimentación/nutrición, a menos a corto plazo. Sin embargo, si estas áreas presentasen un potencial

alto o mediano (sección verde oscura de la Tabla 1), las estrategias de producción (en caso que fueran

necesarias) deberían promoverse junto con los programas de alimentación de conformidad con sus niveles

de eficiencia.4

Tabla 1: Ejemplo de la Clasificación en Tres Dimensiones Microrregiones Pobreza Potencial Eficiencia

Críticas, sin potencial agrícola Alta Baja Alta – Media – Baja

Prioridad media, sin oportunidades agrícolas Media Baja Alta – Media – Baja

Baja prioridad Baja Baja Alta – Media – Baja

Alta prioridad Alta Media – Alta Alta – Media – Baja

Prioridad media, con oportunidades agrícolas Media Media – Alta Media – Baja

Baja prioridad, con oportunidades agrícolas Baja Media – Alta Media – Baja

Alto desempeño Baja Media – Alta Alta

Armados con esta tipología, los formuladores de políticas podrán geográficamente abordar áreas metas

que tengan potencial e ineficiencias; las políticas indicadas podrán reducir las ineficiencias en la

producción. De igual manera, la tipología podría identificar áreas donde la única alternativa, dado el bajo

potencial de las tierras, es reducir la pobreza a través de programas de mano de obra rural o programas de

redes de seguridad. En la Figura 2 se trata de resumir estas opciones.

4 Es posible obtener una caracterización más detallada de cada área, con la finalidad de recomendar políticas ad hoc

para cada realidad en particular.

Transferencias de dinero a corto plazo; desarrollo agrícola a largo plazo

Priorizar intervenciones no agrícolas (desarrollo de mano de obra rural)

Transferencias de dinero a corto plazo; desarrollo no agrícola a largo plazo

Priorizar las intervenciones de desarrollo agrícola

Pobreza

Po

ten

cial

agr

íco

la d

e lo

s p

equ

eño

s

pro

du

cto

res

8

1. El Modelo de Frontera Estocástica

1.1 ¿Por qué emplear las fronteras estocásticas para construir una nueva

tipología? Los hogares rurales en los países en vías de desarrollo son diversos en extremo en cuanto a sus

características económicas. Esta diversidad ocurre por distintos motivos: (i) La heterogeneidad en la

cantidad y calidad de sus bienes; (ii) Las tecnologías disponibles en el hogar; (iii) Los costos de

transacción en los mercados para los productos e insumos (entradas y salidas); (iv) Las limitaciones

crediticias y financieras; (v) El acceso a los bienes y servicios públicos; (vi) Las condiciones agro –

ecológicas y biofísicas locales. Las políticas de desarrollo rural deben tomar en cuenta dicha

heterogeneidad a fin de ser efectivas y generar una demanda por herramientas analíticas que combinen la

información socioeconómica con la tecnología de mapeo.

En la variedad de tipologías empleadas para categorizar los territorios, podría decirse que los mapas de

pobreza son los más desarrollados porque les permiten a los formuladores de políticas diseñar programas

de alivios de pobreza espacialmente dirigidos (ver Elbers, Fujii, Lanjouw, Ozler y Yin (2004)). Al

imputar los valores de consumo e ingresos tomados de las estimaciones de datos de la encuesta y

extrapolarlos en los datos del censo (ver Elbers, Lanjouw y Lanjouw (2003)), los mapas de pobreza

ofrecen diagnósticos razonables de asistencia social. Son en extremo útiles al catalogar las áreas de las

más pobres a las más ricas al momento de diseñar un programa de transferencias. Sin embargo, pierden

utilidad al decidir cómo invertir los recursos cuando se diseña un programa de alivio de pobreza.

Otra herramienta común utilizada para construir tipologías es el análisis por conglomerados. Los métodos

de análisis por conglomerados se han vuelto populares porque están determinados por los datos y se

pueden emplear sin necesidad de formular modelos rigurosos para definir los factores que determinan la

medida de asistencia social a analizar. Al emplearlo para construir una tipología que sirva para

caracterizar la situación de asistencia social o el rendimiento económico de una comunidad, sin embargo,

el índice resultante ofrece muy poca información sobre qué políticas deben aplicarse para mejorar las

condiciones actuales de esas regiones porque los grupos no se construyen ordenando todas las variables

monotónicamente (en orden ascendente o descendente), generando confusión sobe la interpretación de los

resultados. Por ende, el análisis por conglomerado funciona bien sólo cuando las diferencias están

determinadas sobre un pequeño y relativamente homogéneo grupo de variables.

En el presente documento, intentamos construir una tipología que tome en cuenta la heterogeneidad de los

pequeños productores y que al mismo tiempo esté cimentada en sólidas fundaciones económicas. Al

reconocer el hecho que estos productores son unidades productivas que optimizan una función objetiva

sujeta a un conjunto de limitaciones, el análisis de frontera estocástica aborda mucho de estos problemas.

El indicador de eficiencia es una medición continua, similar a una puntuación y su interpretación es

directa y simple. La forma funcional utilizada para su estimación es flexible e impone una estructura

limitada sobre el análisis. Incluso, es posible (con más y mejores datos que los que tenemos hasta este

momento) calcular la frontera estocástica a través de una estimación no paramétrica, que en este caso se

impone la forma no paramétrica para hacer el análisis. Finalmente, la teoría detrás de los métodos de

estimación de frontera estocástica es la teoría estándar, la cual implica un proceso de optimización

limitada y que permite choques aleatorios, una configuración adecuada para modelar un proceso de toma

de decisiones que debe hacer el productor y analizar las oportunidades y retos que enfrenta.

Los análisis de fronteras de utilidades se han empleado para estimar los niveles de eficiencia en los países

en vías de desarrollo. Al utilizar los datos de los arroceros de Basmati, Pakistán, Ali y Flinn (1989)

encuentran un nivel medio de ineficiencia de las utilidades del 28% asociado con el nivel educativo, con

empleos no agrícolas, con restricciones crediticias y con la aplicación tardía de fertilizantes. También en

9

Pakistán, Alí, Parikh y Shah (1994) descubrieron una media de ineficiencia de utilidades agrícolas del

24% y que el tamaño de la finca/granja, la fragmentación de la tierra, las necesidades de subsistencia y la

edad avanzada de los campesinos contribuyen de manera positiva en la ineficiencia. Rahman (2003)

encontró un nivel medio de ineficiencia de utilidades del 23% entre los arroceros de Bangladesh,

justificado en gran medida por factores como la infraestructura, la fertilidad del suelo, experiencia,

servicios de extensionistas, tenencia de la tierra y distribución de los ingresos no agrícolas. Al usar los

datos de los hogares agrícolas chinos, Wang, Wailes y Cramer (1996) calculan que la ineficiencia media

de utilidades asciende a 39% y está influenciada por el capital disponible, nivel de escolaridad, tamaño de

la familia, ingreso neto per cápita y parentesco familiar con los líderes locales. Sin embargo, todos estos

estudios tratan a las fincas/granjas como unidades mono productoras. Para fines de nuestra tipología, es

esencial trabajar con un análisis de frontera de utilidades múltiples porque es una representación más

realista del proceso de toma de decisiones hechas por los productores. Al respecto, no conocemos de

estudios que hayan empleado el análisis de frontera estocástica de utilidades en un entorno de granjas

multiproductoras.

1.2 Marco Teórico Una advertencia seria que nos encontramos al momento de diseñar una tipología exhaustiva de las

comunidades de Honduras, Nicaragua y Panamá tiene que ver la diferencia entre el potencial económico

de un área y su condición actual observada. Por ejemplo, un diagnóstico detallado que describa la

situación actual de las economías locales ayudará a identificar las áreas paupérrimas (Ej. mapas de

pobreza), pero algunas de estas áreas quizás ya hayan alcanzado su máximo potencial económico dadas

las circunstancias actuales, de modo que las inversiones a corto plazo tendrían poco o ningún impacto en

el bienestar de la población local. Por ende, para fines de la formulación de políticas, se trata de contar

con una tipología útil sobre las necesidades de las comunidades locales para diferenciar y combinar las

nociones de la condición actual y el potencial óptimo. En otras palabras, debe tomar en consideración la

idea que los agentes intentan optimizar pero no siempre tienen éxito.

El análisis de frontera estocástica ofrece un marco ideal para construir la tipología. En términos

conceptuales, se desarrolla a partir de una teoría de la conducta del productor, en la cual la motivación es

el criterio de optimización estándar (minimizar costos o maximizar las utilidades), pero el éxito no está

garantizado. Los procedimientos de estimación asociados dan cabida a la posibilidad que se den fracasos

en el intento de optimizar así como los diversos grados de éxito entre los productores. Con ello, se abre la

posibilidad de analizar los determinantes de variación en la eficiencia con que los productores pretenden

alcanzar sus objetivos.

Al tomar la finca/granja como ejemplo, el análisis de frontera estocástica explica el hecho que, en

dependencia de la locación geográfica, elementos como los precios, las condiciones biofísicas y (a corto

plazo) los insumos fijos son exógenos para el proceso de decisiones tomadas por el productor. Por ende,

al tener fijos estos factores, existe un plan productivo y de tecnología productiva óptimo que genera la

utilidad máxima que el productor puede obtener. Con este análisis, es posible identificar dónde está la

frontera de las utilidades y gran parte de la diferencia entre ellas y las utilidades observadas (Ej. pérdidas

de utilidades) se explican con las decisiones tomadas por el productor y que resultan en ineficiencias de

utilidades. Agregar el componente estocástico permite hacer una calibración mejor ajustada al proceso

productivo de la finca/granja, el cual es muy sensible a los cambios impredecibles de las condiciones

exógenas como el clima o los precios internacionales. En este contexto, la ineficiencia de utilidades se

define como la pérdida monetaria derivada de no operar en la frontera dados los precios y niveles de los

factores fijos de producción enfrentados por la finca/granja.

10

2. Análisis de Accesibilidad a los Mercados Los datos SIG (sistemas de información geográfica o GIS por sus siglas en inglés) han posibilitado hasta

hace poco investigar de manera más sofisticada el tema del acceso a los mercados. Con ellos, uno puede

calcular el tiempo o distancia más cortos existentes entre un poblado y un mercado regional o local

utilizando la distancia en distintos tipos de superficies viales combinados con la impedancia cuantificada

que refleje la velocidad con que uno puede viajar en vías de acceso de distintas calidades e incluso las

pendientes del terreno. La medición resultante se puede expresar como un promedio ponderado de la

distancia viajada por cada tipo de superficie vial, donde las ponderaciones son proporcionales al factor

impedancia (ver Anexo 1 sobre los detalles sobre cómo se hace la medición).

Sin embargo surgen dos problemas al cuantificar el acceso. El primero es que no incorporan los costos de

transporte que bien varían según la distancia y tipo de superficie vial de forma distinta a la dimensión

tiempo. En los casos aplicables, la medición del tiempo puede ser engañosa porque podría implicar que

para un poblado un mercado queda más cerca que otro en donde se puede llegar más rápido pero cuesta

más. Por el mismo monto de dinero (peaje), podría quedar implícito que un poblado quede “más cerca” de

un mercado que otro al cuantificar el tiempo pero los resultados cambien al cuantificar el costo. No

obstante, quizás el productor no quiera saber cuán lejos le queda el mercado sino cuánto puede vender de

su producción en ese mercado o, de manera equivalente, cuál es el precio pagado al productor,

deduciendo ya el costo de transporte. En el presente documento, utilizamos una medición que incorpora

ambos aspectos y que reporta los datos combinados de las distancias de los mercados aplicables a cada

poblado en uno de los tres países donde teníamos toda la información necesaria, Ej. Honduras, con una

matriz de costos de transporte por camión en dos tipos de caminos, por ríos o a lomo de animales donde

no hay caminos de penetración. Esto nos da una cuantificación de la accesibilidad en términos de costos

(ver el Anexo 1 para detalles sobre los costos en el caso de Honduras).

El segundo problema con el indicador cuantificador del acceso a los mercados se da porque toma en

cuenta sólo al mercado local, pero bien el nivel de los precios en los mercados locales puede variar

bastante según la distancia que los separe del mercado principal del país. Podría bien un productor

conseguir mejores precios para su producción al trasladarlos a un mercado que si es cierto queda más

lejos de su poblado, está cercano a la ciudad capital o de manera equivalente le pagan precios más altos.

Por lo tanto, calculamos los costos para simultáneamente acceder al mercado local y al mercado principal,

siendo reportada la variable que minimice los costos para acceder de manera simultánea a ambos

mercados.

2.1 Modelo de Accesibilidad Para “conectar” cada hogar con el mercado más cercano, construimos una serie de indicadores de

accesibilidad. La noción es que la accesibilidad no sea una variable discreta (tener o no tener acceso) sino

una continuidad que refleje las dificultades que cada hogar enfrenta al tratar de acceder distintos tipos de

infraestructura. Este análisis de accesibilidad se aplicó a todo el territorio de Honduras, Nicaragua y

Panamá.

La accesibilidad se define como cuán factible es alcanzar y llegar a un lugar en comparación con otros,

tomando en cuenta factores como distancia, costos de movilización, tipo de transporte y tiempo. En otras

palabras, es cualquier indicador de esfuerzo para alcanzar o acceder a un lugar específico. La base del

análisis la constituye el supuesto que a las personas transiten por carreteras o vías troncales, en los casos

aplicables, o en caso contrario, cubrirían dichas distancias a pie para llegar al mercado más cercano. El

objetivo final es calcular el tiempo invertido por una persona para llegar al mercado más próximo a través

de la forma más rápida.

11

El tiempo empleado en el transporte terrestre depende de distintos factores, siendo la distancia el más

importante, pero también hay otros de relevancia como la red vial existente y sus características

específicas, pendientes y la presencia de obstáculos como ríos (salvo aquellos casos donde los ríos se

emplean como medio de transporte).

El análisis de accesibilidad fue desarrollado en un formato raster, lo cual significa que el área entera de

análisis se convirtió en una matriz de celdas de 92.6 m x 92.6 m. A cada celda se le asignó un valor

“fricción” según las características de pendientes, vías de acceso y barreras, de tal modo que a cada celda

se le dio un valor por el tiempo utilizado para llegar a la locación más cercana (Figuras 3 y 4). Una vez

que se creó la matriz de fricción, el algoritmo de distancia ponderado por costo se corre sobre la

superficie raster, calculando el tiempo acumulado al partir de cada mercado disponible, reemplazando los

valores traslapados con la ruta que consuma menos tiempo.

Figura 3: Superficie de Fricción entre los Puntos A y B

La primera variable es la pendiente, utilizada para calcular la velocidad de un recorrido a pie que dependa

indirectamente de dicha variable. La velocidad del recorrido a pie de Tobbler (1993) presenta tres

variaciones: una corresponde a un sendero, el segundo hecho a lomo de caballo y finalmente el tercero

fuera del camino. La velocidad del recorrido a caballo se asignó a caminos de tierra, mientras que la

velocidad del recorrido a pie, a una senda peatonal; en el caso que no haya senderos planos, se asignó la

velocidad del recorrido a pie. Se obtuvieron las siguientes estimaciones, dónde (Figura 5):

Figura 5: Cálculo de la Pendiente

Figura 4: Valores que Indican la Dificultad de Cruzar una “Celda”

12

La velocidad del recorrido en un sendero peatonal = [6 x exp (-3.5 x abs (S + 0.05))]

La velocidad del recorrido a lomo de caballo = [6 x exp (-3.5 x abs (S + 0.05))] x 1.25

La velocidad del recorrido fuera del camino = [6 x exp (-3.5 x abs (S + 0.05))] x 0.6

La siguiente tabla presenta los resultados de cada una de las clasificaciones:

Velocidad promedio del recorrido (Km x hora)

Camino de tierra (Velocidad del recorrido a pie por sendero) x 1.25

Sendero peatonal Velocidad del recorrido a pie por sendero

Sin vía de acceso (Velocidad del recorrido a pie por sendero) x 0.6

Figura 6: Tiempos Calculados sólo con la Velocidad de la Caminata fuera del Sendero

Mercado

Poblados Tiempo al mercado más cercano

Como una función de la Pendiente

20 minutos 40 minutos 1 hora 1 hora, 20 minutos 1 hora, 40 minutos 2 horas 2 horas, 20 minutos 2 horas, 40 minutos 3 horas 3 horas, 20 minutos 3 horas, 40 minutos 4 horas 4 horas, 20 minutos 4 horas, 40 minutos

13

La segunda variable empleada en el análisis es la infraestructura de transporte, la cual en Honduras,

Nicaragua y Panamá está constituida por dos tipos principales: carreteras pavimentadas y caminos no

pavimentados. Asimismo, existen algunos ríos con tráfico fluvial. A cada tipo de vía se le asignó una

velocidad promedio del recorrido y la correspondiente celda dado un tiempo de cruce en segundos:

Velocidad promedio del

recorrido (Km x hora)

Cruce de celda en

segundos

Carretera pavimentada 60 5

Vía no pavimentada 30 11

Navegación fluvial 10 33

La tercera y última variable empleada en el modelo corresponde a la presencia de barreras naturales como

ríos, que impiden que las personas viajen en línea recta si no hubiera un puente. A las celdas

correspondientes a las áreas con un rio y sin puente se les asignan un valor de viaje multiplicado por 10,

de modo que el cruce es tomado en consideración sólo cuando hay un puente disponible.

Una vez que se ha construido el modelo de fricción y a cada celda se les asignó un valor de tiempo de

recorrido, se corren los algoritmos de distancia ponderada por costo en la superficie raster, calculando el

tiempo acumulado requerido para viajar por una ruta específica, escogiendo la que consuma menos

tiempo, tal como se indica en la Figura 7. Esta información luego sirve para simular los impactos de las

mejoras de los trechos viales. En términos más específicos, si una vía de acceso mejora al pasar de

sendero peatonal a un camino de tierra, entonces a la nueva velocidad promedio se le asigna la categoría

mejorada y se calculan nuevamente todas las mediciones de accesibilidad.

Figura 7: Mapa de Superficie de Fricción

Mercado Poblados

Vías de Acceso Carretera pavimentada

Camino no pavimentado

Camino de tierra

Sendero peatonal

Ríos

Puentes

Tiempo al mercado más cercano

Como función de Pendiente, Caminos y Ríos 20 minutos

40 minutos

1 hora

1 hora, 20 minutos

1 hora, 40 minutos

2 horas

2 horas, 20 minutos

14

Finalmente y sólo para el caso de Honduras, se pudo combinar el mapa de superficie de fricción del

tiempo requerido de viaje con una matriz de costos de transporte en camión en dos clases de caminos, por

rio o por lomo de animal en áreas sin vías de acceso. Lo anterior nos da una cuantificación de la

accesibilidad en términos de costos (ver Anexo para 1 para detalles sobre los costos empleados en el caso

de Honduras).

2.2 Resultados de Accesibilidad Siguiendo la metodología explicada en las secciones anteriores, construimos el mapa de accesibilidad

para cada uno de los tres países. La Figura 8 presenta los resultados para cada uno de las tres naciones.

Figura 8: Accesibilidad (a) Honduras

b) Nicaragua

Nota: Accesibilidad a mercados con más de 50,000 habitantes.

Accesibilidad (costo a mercados) Alta (< 0.01 $/kg)

Mediana (0.01 – 0.06 $/kg)

Baja (> 0.06 $/kg)

Áreas protegidas

Lagos

Límites Municipales

Accesibilidad Alta (< 2 horas)

Mediana 2 - 4 horas)

Baja (> 4 horas)

Áreas protegidas

Lagos

Límites Municipales

15

c) Panamá

3. El Modelo y la Estimación

3.1 El Modelo Permitamos que x denote un vector (1 x m) de insumos variables y cuasi fijos y que y denota un vector (1

x q) de salidas múltiples implícitas en el proceso productivo de la granja. Dejemos que z denote un vector

(1 x r) de variables ambientales que, aunque no determinan directamente las utilidades del productor, sí

podrían afectar su rendimiento. Discutiremos más adelante en esta sección nuestros criterios para colocar

variables específicas como elementos de x o de z. 5

Dejemos que sea el conjunto de planes de producción factibles de la granja. Definimos una

medida de la ineficiencia técnica de salida (producción) (Farell 1957) para un plan de producción

determinado , de modo que:

(1)

Para

Ahora, definimos la función restringida de utilidad como la utilidad máxima alcanzable por la

granja con características z, con precios de salida y precios de entrada

(2)

Dejemos que i sean las utilidades observadas para el productor i. El analista se ve confrontado por un

conjunto de observaciones (i, pi, wi, zi) para i= 1,…, n, las cuales son realizaciones de variables

aleatorias idéntica e independientemente distribuidas con función de densidad probabilística f (, p, w, z).

Esta función tiene soporte sobre

5 Deprins y Simar (1989) y Kumbhakar y Lovell (2000) discuten la justificación de colocar ciertas variables como

elementos de x o z, admitiendo que este aspecto es con frecuencia una decisión subjetiva. En muchos casos, no

queda obvio si la variable exógena es una característica de la tecnología productiva o un determinante de la

eficiencia productiva.

Poblados con más de 20,00 hab. Accesibilidad

Alta (< 2 horas)

Mediana 2 - 4 horas)

Baja (> 4 horas)

Áreas protegidas

Lagos

Límites corregimiento

16

Asumimos que z no es independiente de (, p, ǀw), es decir f(, p, w ǀ z) f(, p, w). Esto quiere decir que

las limitaciones en las opciones de precios de los productores p y w y en las utilidades observadas ,

debido a las variables ambientales z, las granjas operan a través de la dependencia de (, p, w) sobre z en

f(, p, w, z). Existen varias maneras para formular el modelo de tal modo que el conjunto de producción

es dependiente de z (Coelli, Rae y Battese, 1998). Sin embargo, consideramos que es más apropiado dada

la configuración empírica que estamos analizando para asumir que las variables ambientales z influyen la

media y la varianza del proceso de ineficiencia, pero no el límite de su soporte. Por ende, en nuestra

formulación, el condicionamiento f(i ǀzi) opera a través del siguiente mecanismo:

(3)

Donde es un vector de parámetros y i es una variable aleatoria continua i.i.d., independiente de zi.6

Asumimos que el término i es distribuido con truncamiento a la izquierda a -zi por cada i.

3.2 Estimación Debido a que el efecto de la covariable z opera a través de la dependencia entre y z, inducido por la

ecuación 3, estos supuestos justifican las regresiones de segunda fase. Kumbhakar y Lovell (2000) y

Kumbhakar (1996) ofrecen la configuración típica en estos casos, definiendo la función de la frontera

estocástica de utilidad como:

(4)

Donde vi es el error de ruido estocástico y xii es una variable aleatoria no negativa asociada con las

ineficiencias de la producción. Luego, la eficiencia de la utilidad de la granja i se puede definir como:

(5)

Donde Xdi son variables exógenas (al proceso productivo) caracterizando el ambiente donde ocurre la

producción y se puede asociar con las ineficiencias de la granja.

Tal como lo señalaron Simar y Wilson (2007), la regresión de las estimaciones de eficiencia obtenidas de

la estimación probabilística máxima de un modelo paramétrico para II (p, w, ) es casi seguro que

provocará problemas de consistencia estadística porque la covariables en la regresión de segunda fase (z)

están correlacionadas con el término error unilateral de la primera fase (con la finalidad de ser una

motivación para la segunda fase).7 En consecuencia, existe la probabilidad que maximizada no sea la

correcta, a menos que uno tome en cuenta la estructura de correlación. Para lograrlo, estimamos (4) en la

heteroscedasticidad del modelamiento de la primera fase en el término de error unilateral como una

función lineal de un conjunto de covariables. La varianza del componente de la ineficiencia técnica por

ende, se modela como:

6 Ver SImar y Wilson (2007) para la estimación en una configuración semi-paramétrica

7 Los errores y las covariables de la fase uno no serán independientes si las covariables en la segunda fase están

correlacionadas con las covariables de la primera fase, lo cual ocurre en la mayoría de las aplicaciones empíricas.

17

(6)

Empleamos la estimación probabilística máxima y una función de utilidad translogarítmica que corrige la

heteroscedasticidad, tal como se indica en (6) y luego procede a la estimación de segunda fase del término

de eficiencia técnica sobre las variables ambientales z.

3.3 Distinción entre los insumos de producción y los factores ambientales En la presente sesión, explicitaremos nuestro criterio para distinguir los insumos de producción cuasi fijas

en x (la cual incluye insumos variables) a partir de las variables ambientales z, tal como en algunos casos

donde la distinción parezca arbitraria. Se incluye un insumo en x donde su mercado esté activo y los

precios se puedan identificar.8

En algunos casos, los precios para ciertos insumos quizás no existan (o no estén disponibles para el

analista), especialmente al estudiar poblaciones rurales pobres en países en vías de desarrollo. Los

mercados activos y las transacciones monetarias inmobiliarias o los seguros contra las inclemencias

climáticas, por ejemplo, son raros en estos entornos, de modo que es difícil en extremo encontrar un

precio confiable por las preferencias de las tierras (con calidades variables) y clima (riesgo climático). En

estas condiciones, creemos que elementos como el tamaño de la tierra, las condiciones climáticas y

biofísicas deberían incluirse en x para capturar su impacto directo en la producción como insumos fijos o

semi fijos, aunque se pueda argumentar que estas variables capturan las deficiencias de los mercados

inmobiliarios y de los mecanismos de mitigación de riesgos para justificar su inclusión en z.9

3.4 Transición de las Estimaciones de nivel Hogar a Análisis Espacial El procedimiento descrito en la sección previa brinda estimaciones de la eficiencia de utilidades a nivel de

granja. Una tarea pendiente es elevar estos resultados a nivel regional, donde se puedan utilizar para los

fines de la tipología. De conformidad con nuestro modelo, las diferencias en las utilidades las dan las

diferencias de los cultivos escogidos, los precios locales, las condiciones biofísicas y la eficiencia de la

granja (y por ende los factores exógenos que la afectan). En consecuencia, la estimación econométrica del

modelo descrito en las secciones 3.1 y 3.2 posibilita recuperar los parámetros tecnológicos para el

productor agrícola “representativo” rural de Honduras, Nicaragua y Panamá.

Tal como se explicó antes, un objetivo primario de la construcción de la tipología es estimar la frontera de

utilidades y la eficiencia de una región rural dada (Ej. Comunidad, distrito, provincia o departamento) de

Honduras, Nicaragua o Panamá. Si la información adecuada (precios, factores biofísicos, las

características de la granja y los factores que influyen en la eficiencia) disponibles en esa área, entonces

se puede anexar a la función de utilidad estimada para recuperar la eficiencia regional.

Los datos relativos al precio de productos básicos y de alto valor producidos en cada uno de los tres

países provienen de nuestra encuesta de hogares (ver sección correspondiente a las fechas específicas de

8 Si existiere evidencia que estos precios quizás no reflejen las condiciones reales del mercado para todas las

unidades de producción en la muestra (debido a problemas de accesibilidad o mercados espacialmente incompletos),

entonces los niveles o los inventarios de los insumos de la granja se podrían incluir en z con la finalidad de capturar

las deficiencias del mercado a través de su impacto en la eficiencia de la granja. La idea es que el precio de entrada

(insumo) esté entre los determinantes de la frontera de producción y las deficiencias del mercado para ese insumo en

particular influya en la eficiencia con que el productor aborde dicha frontera. 9 Sin embargo, se deben incluir en z las formas de propiedad de tierras o los mecanismos que no pertenecen al

mercado para uniformar el consumo, con la finalidad de capturar su impacto en la eficiencia productiva si se

sospecha que dichos mercados no funcionan de manera adecuada.

18

las encuestas de hogar empleadas en cada país). La información se extrae de los balances de producción

de las encuestas de hogar de cada país. En términos ideales, se estimaría un modelo de frontera de salidas

múltiples, incluyendo cada salida y entrada utilizada por la granja en el proceso productivo. Sin embargo,

las limitaciones de datos y la factibilidad de cálculo lo imposibilitan. Por ende, es necesario agrupar las

salidas (producción) y las entradas (insumos) en las categorías mencionadas en la sección anterior. No

obstante, la agrupación genera otros problemas. Para asignar un precio único a grupos amplios como las

“frutas” o “verduras”, se emplea la mediana del precio por kilogramo de todos los productos en ese grupo

para una determinada región. La precisión del procedimiento de agrupamiento dependerá de cuántos

productos en el grupo se cultivan en la región y cuán diferentes son los precios de dichos productos. Por

ejemplo, si las manzanas verdes y rojas son las únicas frutas cultivadas en la región y sus precios son muy

similares, la mediana del precio de todas las frutas producidas en la región será una estadística sumaria

adecuada. Acá también se aplica que también importa el tamaño de la región. Si una región es muy

grande, aumenta el riesgo que la mediana del precio se convierta en una estadística sumaria pobre porque

crece la probabilidad que más productos sean incluidos en cada grupo y que haya una mayor variabilidad

en el precio. Sin embargo, si una región es muy pequeña, contar con una cantidad reducida de

observaciones para calcular cualquier medición fiable de tendencia central también es un problema.

Dados los datos, la información de los hogares se globaliza a nivel de distrito y para aquellos distritos con

muy pocas observaciones, se trabaja entonces con el nivel de provincia.

Otras variables específicas correspondientes a la granja u hogar que se emplean en los procedimientos de

estimación se calculan de manera similar y están sujetas a las mismas limitaciones. Los datos biofísicos y

los datos de accesibilidad a los mercados, por otro lado, ya fueron generados para plasmar en un mapa

con gran detalle toda la geografía de cada uno de los tres países, de modo que no se den problemas de

conglomeración o agrupamiento. Tal como se indicó en párrafos anteriores, con los datos del precio y de

la granja agrupados en un nivel adecuado y al contar con datos biofísicos y de accesibilidad perfectamente

representados en mapas, lo único que queda por hacer es meter toda esta información en el modelo para

predecir las fronteras de utilidad y los niveles de eficiencia a nivel regional.

19

3.5 Los Datos Empleados en la Aplicación de la Tipología La siguiente tabla presenta una descripción de las fuentes de datos utilizadas en la implementación de la

tipología de las microrregiones. No hemos identificado ninguna fuente posterior que tenga las variables

que fueran requeridas para aplicar la tipología.

Datos/ País Nicaragua Panamá Honduras

Encuesta de Hogares LSMS EMNV (2005) LSMS ENV (2008) LSMS ENCOVI

(2004)

Datos Agro

ecológicos

Datos sobre el uso de

la tierra, recopilados

por el Ministerio

Agropecuario y

Forestal

FAO (2005-2006) Zonas de vida,

PRONADERS (1998)

Vías de acceso, ríos,

lagos

Evaluación del

Potencial de Energía

Eólica y Solar (por sus

siglas en

inglés, SWERA)

DIVA – GIS Vías de acceso:

Fuente: SOPTRAVI,

elaborado por: Sistema

Nacional de

Información Territorial

(SINIT). 1999

Ríos: Instituto

Geográfico Nacional.

Sistema Nacional de

Información Territorial

(SINIT).

Centros

poblacionales

http://world-

gazetteer.com/

http://world-

gazetteer.com/

Instituto Nacional de

Estadísticas

Datos sobre la

pobreza

“Mapa de Pobreza

Extrema de

Nicaragua” (2001).

INIDE

“Pobreza y

Desigualdad a Nivel

de Distrito y

Corregimiento”

(2005), MEF.

“Estimación de

Indicadores de Pobreza

y Desigualdad a Nivel

Municipal en

Honduras¨

3.6 Estimación Empírica La metodología empleada para calcular el potencial productivo y la eficiencia de las microrregiones es

similar a la utilizada por el Banco Mundial para estimar los mapas de pobreza en donde los datos de las

EMNV (Encuestas de Medición del Nivel de Vida o LSMS por sus siglas en inglés) y de los censos se

combinan para aprovechar la riqueza de la información de las primeras y la representatividad de los

segundos. La metodología consta de dos pasos descritos a continuación y resumidos en la Figura 6.

20

Paso 1: Estimación de la Frontera Estocástica de Utilidad – Nivel de Productor

La función de la frontera estocástica de utilidad se define de la siguiente manera:

(1)

Donde ij es la utilidad del productor i en el área j; Pij y Wij son el vector de la mediana de los precios de

los productos e insumos a nivel regional enfrentados por el productor; vij es el error bilateral o el ruido

estocástico iid distribuido con e independiente de uij, el cual es una variable aleatoria no negativa

asociada con la ineficiencia productiva distribuida independientemente con una distribución semi-normal

; Zi representa las características socioeconómicas e incluye los factores fijos de la granja (tierra y

capital); Gj representa las condiciones biofísicas y Aj es el costo de acceso al mercado que enfrenta el

productor. Todas las variables se dan a nivel del productor y se tomaron de la ENMV, excepto Aj y Gj, los

cuales fueron tomados de datos secundarios. 10

Paso 2: Predicción del Potencial y de la Eficiencia – Nivel Regional

Una vez obtenidos los parámetros del Paso 1, se procede a predecir los valores del potencial productivo y

de la eficiencia, representativos por cada región. Con la finalidad de obtener resultados significativos, los

datos de la EMNV son sustituidos por los del censo.

El Potencial Productivo se estima de manera lineal, empleando un vector de medianas de precios a nivel

regional, seguido de la siguiente ecuación:

(2)

Donde y1 y y2 son los parámetros obtenidos en el paso 1. Dado que el vector de los precios está a nivel

regional, habrá una predicción por cada región.

La eficiencia se estima de manera no lineal, de conformidad con la siguiente fórmula:

Eficiencia jg = (3)

10

Aj se basa en un modelo de accesibilidad que contempla información sobre los precios del diésel, infraestructura

vial, distancia, etc. Gj proviene de una base de datos biofísica.

21

Dada que la eficiencia depende de las condiciones biofísicas y que cada región puede contener más de

una condición biofísica, la predicción sobre la eficiencia será aplicable para cada región j y para cada

condición biofísica g dentro de cada región, donde es una función normal acumulativa y:

La varianza de la ineficiencia, depende de las condiciones biofísicas y de acceso (es heteroscedástico).

La varianza del componente aleatorio es constante y fue estimada en el paso 1. j es el error de

predicción del potencial productivo: j = observado, j - predicho, j.

Para obtener valores únicos de eficiencia por región, se procede a calcular un promedio ponderado de las

eficiencias en cada región. Las ponderaciones se asignarán de acuerdo con la extensión geográfica total

que cada condición biofísica ocupe en cada región.

La Figura 9 detalla los diversos pasos que seguimos para estimar la tipología. La figura 10 muestra una

representación gráfica de dichos pasos, mientras que las Figuras 10 y 11 dan ejemplos sobre Honduras. A

continuación, presentamos los resultados de Honduras, Nicaragua y Panamá.

Figura 9: Pasos de la Metodología para Determinar la Tipología de las Microrregiones

Potencial Precios de los productos (P) e insumos (W), utilidades reportadas

por los hogares (). Eficiencia en el uso de la tierra, valor de las actividades, características socioeconómicas (Z), condiciones biofísicas (G), acceso al mercado (A).

Insumos (entradas) de la Estimación Estimación Resultados (salidas) de la Estimación

Modelo Econométrico de la Frontera Estocástica de

Utilidades

Ponderaciones asignadas a los insumos con base en la teoría

económica y evidencia empírica

Resultado final Predicción Resultante Insumos de la Predicción

Paso 2: Predicción (Nivel Regional)

Paso 1: Estimación (Nivel de Hogar)

Resultados de la Estimación (ponderaciones) Precios Límites de Productos (P) e insumos (W) Eficiencia: Tierra, valor de actividades, características socioeconómicas Z), condiciones biofísicas (G), acceso de mercado (A).

Potencial productivo a nivel regional; Eficiencia de acuerdo con las características socioeconómicas, condiciones biofísicas, acceso al mercado dentro del área

Potencial

productivo y eficiencia a nivel

regional

Ponderaciones

22

Figura 10: Aplicación de la Tipología – Caso de Honduras

Datos

Criterios de selección basados en la eficiencia

Costo estimado del acceso a los mercados Frontera de Utilidades Agrícolas Eficiencia en las Fronteras Agrícolas

Geo Capas PPF: Insumos, productos, utilidades

Bases de datos disponibles Características de la tierra,

condiciones biofísicas, características socioeconómicas, bienes o capital, acceso a mercados, etc.

Altitud Cuerpos de agua Vías de acceso Uso de la tierra

Producción de leche

Producción de maíz

Frontera De Posibilidad de Producción

23

Figura 11: Tipología Aplicada en Honduras

Crítico sin potencial agrícola

Prioridad media sin oportunidad agrícola

Baja prioridad

Alta prioridad

Prioridad media con oportunidad agrícola

Baja prioridad con oportunidad agrícola

Alto desempeño

Alta competencia, alta eficiencia, pobreza elevada

Área protegida

Lagos

Límites municipales

24

4. Resultados para Honduras, Nicaragua y Panamá

4.1 Estimación de la Frontera de Utilidades Las Tablas 2, 3 y 4 muestran los resultados de la estimación de la frontera para Honduras, Nicaragua y

Panamá respectivamente, mientras que la Tablas 5, 6 y 7, los resultados de la regresión de segunda fase

de la eficiencia técnica estimada con variables ambientales z para los tres países. La asociación de estas

covariables con la ineficiencia también guarda relación con el nivel de la frontera de utilidades, de tal

modo que el modelo interactúa en pleno con el nivel predicho de ganancias potenciales y los coeficientes

de dichas interacciones se muestran en la segunda columna de las respectivas tablas. La correlación entre

la frontera de utilidades y la ineficiencia técnica es negativa y significativa para Honduras y Nicaragua, lo

cual significa que los productores con mayor potencial tienen más probabilidades de alcanzar mayores

niveles de eficiencia en nuestra muestra. La experiencia de los productores va asociada con una

ineficiencia más baja, pero esta asociación se debilita en aquellos con un mayor potencial de utilidades.

Éste no es el caso de Panamá, donde la correlación entre la frontera de utilidades y la eficiencia técnica es

positiva, lo que podría ser resultado de una menor intensidad de las actividades agrícolas en esta nación.

Al analizar los determinantes de la ineficiencia en las Tablas 5 al 7, descubrimos que en todos los casos el

tamaño de los hogares observa una correlación negativa con la ineficiencia tanto en Honduras como en

Panamá; es decir, entre más personas vivan bajo un mismo techo, menor es la ineficiencia. En el caso de

Nicaragua, donde interactuamos el tamaño del hogar con el tamaño de la parcela de tierra, el efecto con

respecto de la ineficiencia es positivo. En otras palabas, entre más grande sea la granja o finca, menos

restricciones de mano de obra y al mismo tiempo pueden ofrecer salarios atractivos para dominar algunas

de las imperfecciones de los mercados laborales locales que las granjas o fincas más pequeñas no pueden

superar.

En el caso de las granjas o fincas con alto potencial, el acceso al crédito formal va de la mano con niveles

de ineficiencia más bajos. Sin embargo, en el caso de Nicaragua, este fenómeno guarda relación con las

granjas o fincas más grandes. En el caso de Honduras, el ser propietario de tierras tiene una correlación

con niveles de eficiencia más altos (aplicable a todos los productores, pero en especial para aquellos con

alto potencial), lo cual guarda consistencia con las nociones comunes que la propiedad de bienes

inmuebles abre las puertas a fuentes crediticias e incentiva las inversiones productivas. En el caso de

Nicaragua y Guatemala, lo anterior no se aplica y se obtiene el efecto negativo. Por desgracia, para llegar

a una conclusión al respecto, tendríamos que contar con mejores controles sobe la calidad de la tierra ya

que podría existir un componente endógeno que indique cuáles tierras cuentan con sus propietarios y

cuáles están alquiladas, especialmente entre los pequeños productores.

Los costos de acceso a los mercados (costo de transporte) y la ineficiencia presentan una correlación

positiva y significativa. La asociación se desvanece con las granjas y fincas con mayor potencial, lo que

indica que la accesibilidad es un cuello de botella de gran relevancia para los pequeños productores.

Contar con políticas adecuadas que busquen cómo reducir los costos de transporte y transacción podrían

ser progresivas si se aplican de manera conjunta con programas de asistencia que eleven la competitividad

de las áreas rurales en comparación con las áreas urbanas.

Es importante recalcar que en todo el presente estudio, utilizamos el término “ineficiencia” en maneras

que guarden coherencia con la literatura de fronteras estocásticas. Sin embargo, el modelo y los datos no

pueden capturar todas las complejidades del proceso productivo de la granja, de modo que el cálculo

econométrico quizás identifique como “ineficientes” las decisiones que sean perfectamente justificables y

racionales pero que son difíciles de explicar para el analista porque cuenta con información insuficiente.

Por ejemplo, un productor que enfrente condiciones climáticas variables en extremo tal vez opte por

25

cultivos más resistentes pero menos rentables con la finalidad de reducir las probabilidades de perder toda

la cosecha.

Si el analista pierde de vista esta alta variabilidad, considerará entonces que la decisión del productor no

es la más óptima. Otro ejemplo es la “sobreutilización” de los recursos disponibles como la tierra o el

agua. A corto plazo, las prácticas de sobrexplotación de los recursos podrían generar altos ingresos pero a

largo plazo, podrían provocar un agotamiento prematuro de la capacidad productiva de la finca. Un

productor con visión de futuro podría parecer “ineficiente” por no aprovechar la oportunidad de altos

ingresos a corto plazo, cuando en realidad lo que hace es maximizar sus utilidades de largo plazo.

Por desgracia, hasta que las encuestas de hogares u otras fuentes auxiliares recopilen más (y mejor)

información sobre las preferencias de riesgos, la variabilidad climática a lo largo del tiempo, la

variabilidad en el precio de los insumos y productos, las prácticas de conservación de los bienes

productivos, etc., será imposible diferenciar a los productores que no les guste correr riesgos o no

depredadores de aquellos ineficientes que no optimicen sus ganancias a largo plazo. Si se recogen los

datos indicados, entonces podríamos agregar covariables que capturen las preferencias de los riesgos

corridos, la variabilidad climática, etc. en z como variables ambientales y comprobar si pueden capturar

una fracción significativa de la varianza del término ineficiencia técnica.

Tabla 2 – Estimación de la Frontera para Honduras

26

Tabla 3 – Estimación de la Frontera para Nicaragua

27

Tabla 4 – Estimación de la Frontera para Panamá

28

Tabla 5 – Estimación de la Ineficiencia para Honduras

Tierra Tierra * Tierra Capital Título de Propiedad Acceso Crediticio

Acceso a Mercados Educación Tamaño de Hogar Asistencia técnica Agroec1: Bosque húmedo montano bajo Agroec2: Bosque lluvioso subtropical

Agroec3: Bosque lluvioso tropical Agroec4: Bosque húmedo montano alto Agroec5: Bosque húmedo subtropical Agroec6: Bosque seco subtropical Constante de Eficiencia

29

Tabla 6 – Estimación de la Ineficiencia para Nicaragua

30

Tabla 7 – Estimación de la Ineficiencia para Panamá

4.2 Construcción de la Tipología Los resultados de la estimación de la frontera estocástica obtenidos en la sección anterior y los pasos para

ampliar la escala, según lo descrito en la sección 4.4, Figuras 9 al 11, nos permiten construir una tipología

de microrregiones empleando las nociones del acceso a mercados, potencial de utilidades (frontera),

eficiencia de utilidades (eficiencia técnica) y prioridad (índices de pobreza).

El primer mapa de las Figuras 12, 15 y 18 presenta los resultados de la cuantificación de accesibilidad

construida a partir de la metodología explicada en la sección 3 en dólares por kilogramos equivalentes de

papas transportadas a lo largo de los tres países en Honduras y en tiempo hasta el mercado más cercano

para el caso de Nicaragua. En cuanto a Panamá, no contamos con los datos necesarios para elaborar un

análisis completo sobre los costos de transporte, tal como sí ocurrió con Honduras.

31

Luego, evaluamos cuál es la utilidad máxima que los productores de una determinada área pueden generar

dadas sus características promedios y asumiendo una asignación eficiente de los recursos y habilidades a

través de la ampliación de la frontera de utilidades a nivel regional. Los resultados para Honduras,

Nicaragua y Panamá se muestran en el segundo mapa de las Figuras 12, 15 y 18.

Una vez que se haya establecido el potencial de utilidades, es necesario saber qué lejos están estas

regiones de dicha frontera. La distancia está dada por el componente de ineficiencia. El tercer mapa de las

Figuras 12, 13 y 14 ilustra los niveles de eficiencia de los hogares rurales en Honduras, Nicaragua y

Panamá. Las áreas más eficientes o más cercanas a su potencial (frontera) están marcadas en rojo,

mientras que las áreas menos eficientes, en verde. Algunos patrones interesantes empiezan a visualizarse

en los mapas. Muchas áreas clasificadas como de alto potencial, sin embargo son muy ineficientes, lo cual

explica en parte las tasas de pobreza que observaremos en esas áreas en el siguiente mapa.

Para completar nuestra tipología, necesitamos cuantificar la prioridad con que las inversiones deben

hacerse para ejercer un mayor impacto en el bienestar de la población rural. Para ello, el criterio razonable

dicta utilizar las tasas de pobreza mostradas en las Figuras 13, 16 y 19. Al combinar las cifras en la 12 y

13, desarrollamos la tipología de Honduras (Figura 14) y de manera similar la de Nicaragua (conjugamos

las Figuras 15 y 16 y las presentamos en la 17) y la de Panamá (combinación de la 18 y 19 mostrada en la

20). Con sólo estas cuatro dimensiones, podemos observar una heterogeneidad extrema que existe en las

tierras altas rurales.

4.3 Resultados de la Tipología

Debido a la alta heterogeneidad vista entre las microrregiones (aun trabajando con sólo 3 dimensiones), es

difícil interpretar toda la información presentada en los mapas de la sección anterior. Para fines de

exposición, colapsamos los tipos en nuestra tipología a 7 grupos que capturan algunas características

claves de importancia para la formulación de políticas, tal como se muestran en la Tabla 1. Estos grupos

se describen a continuación y se muestran en las Figuras 14, 17 y 20.

- Áreas críticas (altos niveles de pobreza y bajo potencial) [rojo oscuro]

- Áreas de alta prioridad (altos niveles de pobreza y potencial mediano o alto) [verde oscuro]

- Áreas de prioridad media sin oportunidades de desarrollo agrícola (niveles medianos de pobreza y

bajo potencial) [anaranjado]

- Áreas de prioridad media con oportunidades de desarrollo agrícola (niveles medianos de pobreza,

alto/mediano potencial y baja/mediana eficiencia) [verde]

- Áreas de baja prioridad con oportunidades de desarrollo agrícola (niveles bajos de pobreza,

alto/mediano potencial y baja/mediana eficiencia) [verde claro]

- Áreas de alto desempeño (niveles bajos de pobreza, alto/mediano potencial y alta eficiencia)

[Amarillo]

- Áreas de baja prioridad (bajos niveles de pobreza y bajo potencial) [rosado]

Las Figuras 21, 22 y 23 muestran cuatro áreas específicas donde los diversos tipos de intervenciones se

pueden ejecutar con base en la tipología desarrollada para los tres países. En todas las figuras presentamos

cuatro mapas: (a) En la esquina superior izquierda, las áreas críticas, es decir las áreas con alta pobreza

extrema y muy bajo potencial de desarrollo agrícola a causa del inherente bajo potencial y eficiencia

pobre.

32

(b) En la esquina superior derecha, observamos las áreas de alta prioridad, es decir las zonas con altos

niveles de pobreza y baja eficiencia, pero con un alto potencial para alcanzar un desarrollo agrícola; (c)

Esquina inferior izquierda, mostramos las áreas de alto rendimiento, que son áreas con bajos niveles de

pobreza, alta eficiencia y alto potencial. Éstas son las áreas de las cuales los formuladores de políticas

deberían aprender y tratar de replicar su situación; (d) Finalmente, en la esquina inferior derecha,

mostramos las áreas de prioridad media, las cuales carecen de oportunidades para desarrollar la

agricultura (pobreza mediana, bajo potencial y baja eficiencia).

En el caso de las áreas críticas sin potencial agrícola, las políticas en estas áreas deben enfocarse hacia la

prestación de asistencia social directa a corto plazo y se deben desplegar esfuerzos por canalizar

correctamente los beneficios de dichos programas hacia los segmentos indicados. Por ejemplo, en el caso

de Nicaragua, será de importancia implementar las mejores prácticas existentes de programas de

protección social como las transferencias condicionadas de dinero, las transferencias directas de dinero,

comida por trabajo o la merienda escolar. En el caso de Panamá, la merienda escolar, las transferencias de

dinero y los bonos para la compra de alimentos son programas ya en marcha aunque el direccionamiento

de los beneficios debería ser una prioridad. De igual manera, Honduras cuenta con programasen curso de

transferencias de dinero y de meriendas escolares.

Las áreas de alta prioridad son zonas donde sin duda alguna las inversiones públicas pueden desempeñar

un papel crucial al identificar los cuellos de botella claves que los productores enfrenta y que puedan

atribuírseles los bajos niveles de eficiencia a pesar que cuentan con tierras con un óptimo potencial

agrícola. Las políticas en estas áreas por ende, deben enfocarse hacia los cuellos de botella y hacia las

deficiencias del mercado que les impidan a los productores alcanzar y aprovechar de plano todo su alto

potencial productivo.

Las deficiencias del mercado no sólo limitan el acceso de los pequeños productores a los demás factores

de producción y a las tecnologías modernas, sino que también condenan a sus bienes productivos hacia

propósitos no productivos, como por ejemplo, un mecanismo de seguros para moderar el consumo a

través de la venta de dichos bienes. En consecuencia, la idea es hacer que los mercados funcionen en las

áreas rurales de tal manera que los recursos productivos sean destinados por completo y eficientemente

hacia propósitos productivos. Ello a cambio, generará una mayor productividad e ingresos de la mano de

obra. Existen cuatro mercados que demandan atención especial: créditos, seguros, bienes inmobiliarios y

servicios. Se deben identificar políticas específicas para eliminar las deficiencias y en algunos casos crear

mercados, específicamente mercados de servicios agrícolas: extensión agropecuaria, asuntos jurídicos,

contabilidad, mercadeo, gerencia y administración, etc. Finalmente, los mecanismos de integración

horizontal y vertical también podrían desempeñar una función fundamental al permitirles combinar

recursos productivos a través de relaciones más allá de los mercados. Desde esta perspectiva, los

mecanismos institucionales revisten enorme importancia en las áreas rurales con profundas y extendidas

deficiencias de mercado. De esta forma, los recursos de mano de obra se pueden combinar con otros

recursos productivos, con insumos modernos, con capital y con servicios que de otra manera no serían

posibles por las deficiencias de los mercados. En el caso de la integración vertical entre los pequeños

productores, como la agricultura por contrato, prevemos dos posibles beneficios: (a) Primero, le permite a

los pequeños productores resolver las deficiencias del mercado o los cuellos de botella a través del

acceso que le facilita la parte contratante; (b) Segundo, les permite a los pequeños productores

especializarse en actividades de producción, probablemente en aquellas donde gozan de ventajas

comparativas; (c) Permiten aumentar la escala de las operaciones.

En las áreas de prioridad media sin potencial de agricultura, los esfuerzos deben enfocarse en actividades

no agrícolas para sacar a los hogares de la pobreza debido al pobre potencial agrícola existente. Asimismo

la inversión pública en infraestructuras materiales podría ayudar a crear estas oportunidades.

33

Finalmente, las áreas de alto rendimiento son aquellas donde se pueden extraer lecciones sobre cómo

producen a su máximo nivel potencial y extrapolar dichas lecciones aprendidas en otras regiones del país.

Figura 12 – Honduras: Accesibilidad, Potencial y Eficiencia

Figura 13 – Mapa de Pobreza de Honduras

Accesibilidad (costo a mercados) Alta (< 0.01 $/kg)

Mediana (0.01 – 0.06 $/kg)

Baja (> 0.06 $/kg)

Áreas protegidas

Lagos

Límites Municipales

Utilidad Alta Mediana Baja Áreas protegidas Lagos Límites municipales

Eficiencia Alta Mediana Baja Áreas protegidas Lagos Límites Municipales

34

Pobreza Alta

Mediana

Baja

Áreas protegidas

Lagos

Límites Municipales

35

Figura 14 – Tipología de Microrregiones de Honduras

Crítico sin potencial agrícola

Prioridad media sin oportunidad agrícola

Baja prioridad

Alta prioridad

Prioridad media con oportunidad agrícola

Baja prioridad con oportunidad agrícola

Alto desempeño

Alta competencia, alta eficiencia, pobreza elevada

Área protegida

Lagos

Límites municipales

36

Figura 15 – Nicaragua: Accesibilidad, Potencial y Eficiencia

Accesibilidad Potencial de Utilidades Eficiencia

Accesibilidad Alta (< 2 horas)

Mediana 2 - 4 horas)

Baja (> 4 horas)

Áreas protegidas

Lagos

Límites Municipales

Utilidad Alta

Mediana

Baja

Áreas protegidas

Lagos

Límites municipales

Eficiencia Alta

Mediana

Baja

Áreas protegidas

Lagos

Límites municipales

37

Figura 16 – Mapa de Pobreza de Nicaragua

Pobreza

Alta

Mediana

Baja

Áreas protegidas

Lagos

Límites Municipales

38

Figura 17 – Tipología de Microrregiones de Nicaragua

Crítico sin potencial agrícola

Prioridad media sin oportunidad agrícola

Baja prioridad

Alta prioridad

Prioridad media con oportunidad agrícola

Baja prioridad con oportunidad agrícola

Alto desempeño

Alta competencia, alta eficiencia, pobreza elevada

Área protegida

Lagos

Límites municipales

39

Figura 18 – Panamá: Accesibilidad, Potencial y Eficiencia

Accesibilidad

Potencial de Utilidades

Eficiencia

Poblados con más de 20K hab. Accesibilidad

Alta (< 2 horas) Mediana 2 - 4 horas) Baja (> 4 horas) Áreas protegidas Lagos Límites corregimiento

Utilidad Alta Mediana Baja Áreas protegidas Lagos Límites corregimiento

Eficiencia Alta Mediana Baja Áreas protegidas Lagos Límites corregimiento

40

Figura 19 – Mapa de Pobreza de Panamá

Pobreza

Alta

Mediana

Baja

Áreas protegidas

Lagos

Límites Corregimiento

41

Figura 20 – Tipología de Microrregiones de Panamá

Crítico sin potencial agrícola

Prioridad media sin oportunidad agrícola

Baja prioridad

Alta prioridad

Prioridad media con oportunidad agrícola

Baja prioridad con oportunidad agrícola

Alto desempeño

Alta competencia, alta eficiencia, pobreza elevada

Área protegida

Lagos

Límites corregimiento

42

Figura 21: Honduras: Cuatro áreas claves y tipos de inversión pública requerida

Áreas con niveles elevados de pobreza, bajo potencial agrícola y un número significativo de microclimas. En su mayor parte presenta agricultura de subsistencia. Las políticas deben enfocarse en asistencia dirigida de corto plazo como las transferencias de dinero, merienda escolar, etc.

Áreas con niveles elevados de pobreza, pero con alto potencial agrícola. Las políticas deben enfocarse en identificar y resolver los principales cuellos de botella para aprovechar mejor la calidad de la tierra y optimizar su potencial

Áreas con niveles bajos de pobreza, significativo potencial agrícola y elevada eficiencia. Debido al alto rendimiento, se podrían tomar como ejemplos a seguir en otras regiones.

Áreas con niveles moderados de pobreza, bajo/mediano potencial y alta eficiencia. A pesar de la eficiencia, el potencial agrícola es bajo por ello los niveles de pobreza. Las políticas deben enfocarse en actividades no agrícolas para incrementar el ingreso de los hogares

Alto desempeño Acceso

Alto

Mediano

Bajo

Área protegida

Lagos

Límites mun

Prioridad media sin oport. Agrícolas Acceso

Alto

Mediano

Bao

Áreas protegidas

Lagos

Límites municipales

Críticas sin potencial agrícola Acceso

Alto

Mediano

Bajo

Áreas protegidas

Lagos

Límites municipales

Alta prioridad Acceso

Alto

Mediano

Bajo

Área

protegida

Lagos

Límites mun

43

Figura 21: Nicaragua: Cuatro áreas claves y tipos de inversión pública requerida

Áreas con niveles moderados de pobreza, bajo/mediano potencial y alta eficiencia. A pesar de la eficiencia, el

potencial agrícola es bajo por ello los niveles de pobreza. Las políticas deben enfocarse en actividades no agrícolas para incrementar el ingreso de los hogares

Áreas con niveles bajos de pobreza, significativo potencial

agrícola y elevada eficiencia. Debido al alto rendimiento, se podrían tomar como ejemplos a seguir en otras regiones.

Áreas con niveles elevados de pobreza, pero con alto

potencial agrícola. Las políticas deben enfocarse en identificar y resolver los principales cuellos de botella para aprovechar mejor la calidad de la tierra y optimizar su

potencial

Áreas con niveles elevados de pobreza, bajo potencial agrícola y un número significativo de microclimas. En su mayor parte presenta agricultura de subsistencia. Las

políticas deben enfocarse en asistencia dirigida de corto plazo como las transferencias de dinero, merienda escolar, etc.

Alto desempeño Acceso

Alto

Mediano

Bajo

Área protegida

Límites mun

Lagos

Prioridad media sin oportunidades agrícolas Acceso

Alto

Mediano

Bajo

Áreas protegidas

Límites municipales

Lagos

Críticas sin potencial agrícola Acceso

Alto

Mediano

Bajo

Áreas protegidas

Límites municipales

Lagos

Alta prioridad Acceso

Alto

Mediano

Bajo

Área protegida

Límites mun.

Lagos

44

Figura 22: Panamá: Cuatro áreas claves y tipos de inversión pública requerida

Áreas con niveles moderados de pobreza, bajo/mediano potencial y alta eficiencia. A pesar de la eficiencia, el potencial agrícola es bajo

por ello los niveles de pobreza. Las políticas deben enfocarse en actividades no agrícolas para incrementar el ingreso de los hogares

Áreas con niveles bajos de pobreza, significativo potencial agrícola y elevada eficiencia. Debido al alto rendimiento, se podrían tomar como ejemplos a seguir en otras regiones.

Áreas con niveles elevados de pobreza, pero con alto potencial agrícola. Las políticas deben enfocarse en identificar y resolver los

principales cuellos de botella para aprovechar mejor la calidad de la tierra y optimizar su potencial

Áreas con niveles elevados de pobreza, bajo potencial agrícola y un número significativo de microclimas. En su mayor parte presenta agricultura de subsistencia. Las políticas deben

enfocarse en asistencia dirigida de corto plazo como las transferencias de dinero, merienda escolar, etc.

Alto desempeño Acceso

Alto

Mediano

Bajo

Área protegida

Límites distrital

Lagos

Prioridad media sin oportunidades agrícolas Acceso

Alto

Mediano

Bajo

Áreas protegidas

Límites distritales

Lagos

Críticas sin potencial agrícola Acceso

Alto

Mediano

Bajo

Áreas protegidas

Límites distrital

Lagos

Alta prioridad Acceso

Alto

Mediano

Bajo

Área protegida

Límites distrital

Lagos

45

Conclusiones

El presente documento expone un método alterno para clasificar y analizar las regiones rurales de

Honduras, Nicaragua y Panamá a través de una estimación de frontera estocástica. A diferencia de otros

métodos empleados para clasificar las regiones, como es el caso de los mapas de pobreza o el análisis por

conglomerados, este procedimiento se basa en un supuesto básico de optimizar los recursos bajo

limitaciones económicas y físicas.

Hacemos uso de los datos biofísicos ricos en extremo que tenemos de la geografía de estos países así

como de las encuestas de hogares muy detalladas y plenamente georreferenciadas para construir nuestra

tipología. Combinamos estas fuentes de datos a través de una metodología de frontera de utilidades para

estimar el potencial agrícola y la eficiencia a nivel regional y contabilizar de manera adecuada el impacto

de los trastornos aleatorios inherentes a las actividades agrícolas al agregar un componente estocástico.

Al integrar a los resultados de frontera de utilidad la información proveniente de los mapas de pobreza y

hacer un cálculo exhaustivo de los costos incurridos para acceder a los mercados locales, se genera una

tipología multidimensional con detalles suficientes para capturar la elevada heterogeneidad de las

poblaciones rurales, pero lo suficientemente simple y práctica para emplear los resultados como una

herramienta en la formulación de políticas y decisión de inversiones a hacer.

Con esta configuración básica, es posible iniciar el diseño de políticas acordes con las características de

las regiones. Por ejemplo, debido al bajo potencial agrícola y los elevados índices de pobreza, las áreas

críticas son las primeras candidatas para recibir fondos de programas de transferencias condicionadas de

efectivo y demás mecanismos de asistencia inmediata. Las áreas que combinan un alto potencial con baja

eficiencia demandan inversiones que permitan reducir los costos de transacción y aumentar la

productividad con la finalidad de aprovechar de plano las oportunidades que brinda la región. Las

condiciones agroecológicas, las tecnologías y el entorno ambiental de las áreas de alto rendimiento deben

analizarse con mucho detenimiento para ver cómo estos ejemplos exitosos se pueden multiplicar en otros

lados. Finalmente, el modelo de accesibilidad permite identificar áreas que podrían desarrollarse en poco

tiempo si cuentan con vías de acceso adecuadas que no sean el cuello de botella principal que obstaculice

su progreso.

46

Bibliografía

Ali, F., A. Parikh, y M. K. Shah (1994): “Measurement of profit efficiency using behavioural y stochastic

frontier approaches,” Applied Economics, 26(2), 181–188.

Ali, M., y J. C. Flinn (1989): “Profit efficiency among Basmati rice producers in Pakistan Punjab,”

American Journal of Agricultural Economics, 71(2), 303–310.

Coelli, T., D. S. P. Rao, y G. E. Battese (1998): An introduction to efficiency y productivity analysis.

Kluwer Academic Publishers, Inc., Boston.

Deprins, D., y L. Simar (1989): “Estimating technical inefficiencies with correction for environmental

conditions with an application to railway companies,” Annals of Public y Cooperative Economics, 60(1),

81–102.

Elbers, C., T. Fujii, P. Lanjouw, B. Ozler, y W. Yin (2004): “Poverty alleviation through geographic

targetin: How much does disaggregation help?,” World Bank Policy Research Working Paper 3419,

World Bank, Washington, DC.

Elbers, C., J. O. Lanjouw, y P. F. Lanjouw (2003): “Micro-level estimation of poverty and inequality,”

Econometrica, 71(1), 355–364.

Fan, S. y P. Hazell (1999): “Are Returns To Public Investment Lower In Less-Favored Rural Areas? An

Empirical Analysis Of India.” EPTD Discussion Paper 43, Environment y Production Technology

Division, International Food Policy Research Institute. Washington, D.C. May.

Fan, S., Hazell, P., y Haque, T. 2000a. “Targeting public investments by agro-ecological zone to achieve

growth and poverty alleviation goals in rural India.” Food Policy 25(4): 411-428.

Fan, S., Hazell, P., y Thorat, S. 2000b. “Government spending, growth and poverty in rural India.”

American Journal of Agricultural Economics 82(4): 1038-51.

Fan, S.; L. Zhang y X. Zhang. 2002. “Growth, Inequality, and Poverty in Rural China The Role of Public

Investments” Research Report 125. International Food Policy Research Institute. Washington, D.C.

Farrell, M. J. (1957): “The measurement of productive efficiency,” Journal of the Royal Statistical

Society, Series A 120, 253–281.

Kumbhakar, S. C. (1996): “Efficiency measurement with multiple outputs and multiple inputs,” The

Journal of Productivity Analysis, 7, 225–255.

Kumbhakar, S. C., y C. A. K. Lovell (2000): Stochastic frontier analysis. Cambridge University Press.

Lopez, Ramón y Alberto Valdés; (1999). Rural Poverty in Latin America: Analytics, New Empirical

Evidence y Policy. New York. St Martin’s Press, MacMillan.

Maruyama, E y Torero, Maximo; (2009): Constructing a typology of rural communities of the Peruvian

highlands using stochastic profit frontier estimation. IFPRI, Washington.

47

Pandolfelli, Lauren, Dohrn, Stephan y Meinzen-Dick, Ruth; (2007). “Gender and Collective Action:

Policy Implications from Recent Research”, Policy Brief 5, CAPRI

Rahman, S. (2003): “Profit efficiency among Bangladeshi rice farmers,” Food Policy, 28(5–6), 487–

503.

Simar, L., y P. W. Wilson (2007): “Estimation and inference in two-stage, semi-parametric models of

production processes,” Journal of Econometrics, 136, 31–64.

Tobler, W. (1993): “Movement takes time: A note on the time of movement,” in Structure y change

in the space economy: Festschrift in honor of Martin J. Beckmann, ed. by T. R.

Lakshmanan y P. Nijkamp. Springer-Verlag, Berlín.

Wang, J., E. J. Wailes, y G. L. Cramer (1996): “A shadow-price frontier measurement of profit

efficiency in Chinese agriculture,” American Journal of Agricultural Economics, 78(1), 146–156.

Zhang, X y S. Fan. 2000. “Public Investment y Regional Inequality in Rural China” Discussion Paper

No. 71, Environment y Production Technology Division, International Food Policy Research

Institute. Washington, D.C. Diciembre.

48

Anexo 1: Cálculo de los Costos de Transporte

Costos de Transporte Vial

Asumimos que el costo equivale al costo de transporte de los bienes en un camión de

tamaño mediano y consta de: precios del combustible (Diésel 2), costos indirectos y

depreciación del vehículo.

Los precios regionales de Diésel 2 se aplican a Honduras. Los precios regionales fueron

ajustados según las diferencias regionales del precio. Para tal fin, empleamos los valores

de la canasta básica de bienes y servicios. El cálculo de la canasta está a cargo del

respectivo instituto nacional de estadísticas y reflejan las diferencias de precios y los

patrones de consumo entre las diversas áreas.

Las canastas se utilizaron para construir deflactores que luego se implementaron para

ajustar los precios del diésel. En este sentido, nuestras estimaciones tomaron en cuenta

los precios del diésel expresados en moneda local para el capital de cada país.

Nuestras estimaciones también tomaron en consideración los siguientes costos: llantas,

aceite, filtros, posibles reparaciones, afinados de motor y emergencias. No contamos con

estos costos por cada país, pero si había información disponible de Colombia. Según el

ministerio colombiano de transporte (2000), estos costos representan 1.97 veces el costo

de combustible, de tal modo que utilizamos esta razón.

Trabajando con un valor de US$ 30,000 y una vida útil de 200,000 kilómetros,

estimamos la depreciación en US$ 0.15 por kilometro

Asimismo, asumimos valores para los siguientes parámetros:

Unidad Parámetro

Rendimiento del motor

Carretera pavimentada Km / galón 12.5

Camino no pavimentado Km / galón 10.6

Ríos Km / galón 9.0

Velocidad

Carretera pavimentada Km / hora 60.0

Camino no pavimentado Km / hora 30.0

Ríos Km / hora 10.0

Carga del camión Toneladas 22.5

Bajo estas condiciones, calculamos el costo del transporte de un kg por segundo

49

Costos de Transporte sin vehículos

Cuando no existan vías de acceso, asumimos que el productor saca la producción a pie o

a lomo de mula.

El costo imputado a estos medios de transporte equivale al costo de oportunidad del

productor, el cual se asume como el jornal pagado por hora.

Al utilizar la encuesta nacional de hogares de Honduras, estimamos el jornal por hora

pagado en las áreas rurales de cada región (departamento).

Debido a que se pagan mejores salarios en las zonas urbanas, tomar en consideración los

promedios regionales podrían elevar en gran medida el jornal por hora pagado en las

áreas rurales. Por lo tanto, aunque nuestras estimaciones de los salarios por hora quizás

no sean representativos, decidimos emplear la mediana de los jornales pagados por hora

en las zonas rurales de cada región.

Los salarios por hora se ajustaron para que fueran comparables con los precios del diésel.

En primer lugar, fueron ajustados geográficamente y están expresados en moneda local

del capital. En segundo lugar, sufrieron un ajuste temporal por la inflación.

Asumimos que una persona puede transportar un saco y una mula, tres sacos de 60 kg por

viaje.

Por lo tanto, el costo de transporte de un kilogramo por segundo se puede calcular de la

siguiente manera: