Revista Argentina de Economía Agraria AAEA · cas y de razas puras y sintéticas de origen índico. No obstante este proceso, aún existe un alto potencial de crecimiento de la producción

1

AAEA

ISSN 0327-3318

Revista Argentinade Economía AgrariaArgentine Agricultural Economics Review

Ciudad Autónoma de Buenos Aires, República ArgentinaNueva Serie Volúmen XVI Número 1

Los sistemas de producción del Chaco ganadero de Santiago del Estero: aplicación de dos métodos de análisis de la diversidadTomsic, Iorio, Mosciaro

Análisis econométrico de poder de mercado: una aplicación en actividades agropecuarias

Desempeño de la producción ante shocks en factores que afectan la oferta y demanda de carne vacuna

Guerrero, I. Puechagut, M. Puechagut

Rossini, Vicentin Masaro

Volumen XVI - Número 1 3

Sumario

Los sistemas de producción del Chaco

Ganadero de Santiago del Estero: Aplicación de

dos métodos de análisis de la diversidad

Tomsic, Iorio, Mosciaro

Análisis econométrico de poder de mercado:

una aplicación en actividades agropecuarias

argentinas

Guerrero, I. Puechagut, M. Puechagut

Desempeño de la producción ante shocks en

factores que afectan la oferta y demanda de

carne vacuna

G. Rossini, J. Vicentin Masaro

3

Revista Argentina de Economía Agraria Argentine Agricultural Economics ReviewCiudad Autónoma de Buenos Aires, República ArgentinaNueva Serie Volumen XIII Número 1

Comité EditorialGabriel ParelladaDaniel LemaHugo GarcíaLuis AlmirónJorge De Prada

Entidad EditoraASOCIACIÓN ARGENTINA DE ECONOMÍA AGRARIAComisión Directiva 2014

PresidenteJorge Raúl Díaz

Vocales TitularesGabriel Parellada (Secretario)Karina Casellas (Tesorera)Luis Ramón AlmirónEstela Raquel CristecheJorge Dante de PradaNicolás GattiJuan Carlos ManchadoPatricio Calonge

Vocales SuplentesJosé Armando PortilloRoberto Gabriel DelgadoJosé Raúl Novello

Comisión Fiscalizadora TitularesHéctor Hugo AltamiranoDaniel Humberto Iglesias

SuplenteVíctor Brescia

pag 7

pag 29

pag 52


Los sistemas de producción

del Chaco Ganadero de Santiago del Estero:

Aplicación de dos métodos

Pablo Tomsic, Carlos Iorio, Mirna Mosciaro

En Santiago del Estero el stock ganadero provincial aumentó 21% en los últimos 10 años, no obstante se observa una brecha importante en los niveles de productividad entre explotaciones y entre éstas y los centros de experimentación. El reconocimiento de la heterogeneidad de los sistemas de producción es un elemento esencial de diagnóstico para apoyar las estrategias de intervención. El objetivo de este trabajo es identificar y caracterizar la diversidad de sistemas productivos presentes en el Chaco Ganadero Santiague-ño, aplicando y comparando dos métodos de tipificación, uno de carácter univariado (por asignación) y otro multivariado. La información de base proviene de una muestra de 67 casos seleccionados al azar. En el método por asignación se utilizó la relación mano de obra familiar y asalariada y la dotación de capital como variables discriminantes; arrojando cuatro tipos sociales agrarios. Como técnicas multivariantes se eligieron el análisis de componentes principales y el análisis clúster. Los mismos permitieron identificar 6 conglomerados. El análisis multivariado mejora la diferenciación entre tipos. No obstante, se comprueba una alta correlación entre los grupos conformados por uno y otro método, permitiendo concluir que éstos se comportan como complementarios, pudiendo formar parte de diferentes instancias en la caracteriza-ción de sistemas ganaderos.

Palabras clave: Tipologías - Sistemas de producción ganaderos - Tipos sociales agrarios- Análisis multivariado - Chaco Ganadero

Resumen

The cattle stock of Santiago del Estero has increased 21% over the last 10 years, however a significant gap can be observed in productivity levels among ranches, and between them and the centers of research. The recognition of the diversity of the farming systems is a crucial element of diagnosis for supporting interven-tion strategies. The aim of this work is to characterize the diversity of livestock systems in Chaco Ganadero Santiagueño applying and comparing two methods of typification, one univariate (by allocation) and the other multivariate. The baseline information comes from a sample of 67 cases randomly selected. On the allocation method, there have been used family and salaried labor relationship, and the capital endowment as discriminating variables; giving us four agrarian social types. As multivariate techniques, were chosen the principal component analysis and the cluster analysis. They allowed us to identify 6 conglomerates.The multivariate analysis improves the differentiation between types. However, a high correlation is found between groups formed by one and other methods, leading ud to conclude that they behave as comple-mentaries, being part of different instances in the characterization of cow calf systems.

Keywords: Typologies, Livestock farming system, Agrarian social types, Multivariate analysis, Chaco Ganadero

Abstract

REVISTA ARGENTINA DE ECONOMÍA AGRARIA6

I. INTRODUCCIÓN

Las restricciones agroecológicas que presenta la mayor parte de Santiago del Estero, hace que la cadena agroalimentaria de la carne vacuna tenga una importancia primordial para el crecimiento y desarrollo económico provincial. La producción primaria involucra a más de 21.000 productores (CNA 2002) y el valor bruto de la producción primaria e industrial alcanzaba en 2005 los 194 millones de pesos (Iglesias y Ghezán, 2010). Dentro de esta provincia, el Chaco Ganadero es la zona agroeconómica homogénea (ZAH) de mayor importancia económica, ocupando el 41 % de la superficie provincial y concentrando el mayor número de existencias ganaderas vacunas (Jañez et al, 2005).

La profundización que registró el proceso de agriculturización en la última década no solo afectó la di-námica productiva de las regiones agrícolas sino también de las ganaderas, como es el caso de Santiago del Estero. A diferencia de lo ocurrido en la Región Pampeana, el stock ganadero provincial mostró un incremento del 21% en los últimos 10 años, alcanzando en 2012 las 750.577 cabezas (SENASA, 2012).

Durante este periodo aparece la figura del productor ganadero foráneo y/o empresario extra sectorial que se dedica a la inversión en emprendimientos ganaderos extensivos con prácticas muy distintas a las em-pleadas tradicionalmente en la provincia. En este sentido, uno de los aspectos que favoreció el crecimiento ganadero fue la mayor incorporación tecnológica por parte de los productores. Dentro de las tecnologías adoptadas sobresalen, por su impacto sobre la productividad, la incorporación de gramíneas megatérmi-cas y de razas puras y sintéticas de origen índico.

No obstante este proceso, aún existe un alto potencial de crecimiento de la producción por aumento de las existencias ganaderas y de la eficiencia productiva, lo cual puede ser alcanzado dentro de un marco de sustentabilidad social, económica y ambiental (Fumagalli, 2003). En ese aspecto, se observa una brecha tecnológica muy amplia entre explotaciones, gran parte de las cuales mantienen una producción ganadera “tradicional” que se caracteriza por la utilización de grandes superficies de pastoreo, altas cargas en rela-ción a la receptividad de los recursos forrajeros y bajos índices reproductivos. En la mayoría de los casos, esto acarrea la degradación de los ecosistemas naturales, provocando procesos de arbustificación con la consecuente disminución de la productividad forrajera (Kunst et al, 2008).

El reconocimiento y análisis de la diversidad de explotaciones que coexisten en un territorio es un elemen-to esencial de diagnóstico para apoyar las acciones de investigación y desarrollo, ya que permite adecuar las estrategias de intervención a la complejidad de situaciones reales de producción. Por este motivo, el propósito de este trabajo es brindar información sobre la estructura y organización técnico-productiva de las explotaciones del Chaco Ganadero que sirva para orientar las acciones de investigación y extensión di-rigidas al desarrollo productivo de esta zona de Santiago del Estero. Al mismo tiempo, se pretende evaluar dos metodologías de trabajo para la caracterización de sistemas productivos, aparentemente contrapues-tas, como son el análisis univariado y el análisis multivariado.

1 INTA, Santiago del Estero, Universidad Nacional de Mar del Plata

[email protected] - [email protected] - [email protected]

Los sistemas de producción del Chaco Ganadero de Santiago del Estero: Aplicación de dos métodos


II. ANTECEDENTES

Son escasos los trabajos que caracterizan la estructura agraria y dinámica productiva de Santiago del Es-tero, y más aún en la Zona del Chaco Ganadero. Entre estos, se destaca la reciente publicación en el sitio Web de la Red de Información Agropecuaria Nacional (RIAN) del INTA de los resultados de la encuesta ganadera realizada por esta red entre 2010 y 2011 en Santiago del Estero, la cual sirvió de sustrato a este trabajo. Para el desarrollo de esta encuesta se establecieron cuatro estratos de tamaño de explotaciones agropecuarias (EAP) con límites definidos. Los resultados muestran que los estratos de mayor superficie destinan mayor porcentaje de la superficie a la agricultura y al engorde de terneros, presentando una mayor incorporación tecnológica, tanto en lo que se refiere al manejo del rodeo como a la incorporación de pasturas. No obstante, el porcentaje de destete, índice que puede ser asociado a la productividad del rodeo, no sigue una tendencia definida, teniendo los mejores resultados el estrato más pequeño (70 a 400 ha) y el intermedio grande (1501 a 3000 ha).

Cornacchione (2006) estudió los sistemas ganaderos del oeste de la provincia, concluyendo que hubo un incremento de la superficie desmontada que permitió la expansión de la superficie productiva, con surgimiento de nuevos establecimientos en áreas anteriormente poco utilizadas. Señala, además, un fuerte crecimiento de la inversión, lo que se refleja en el crecimiento de la superficie implantada con pasturas y en la adquisición de maquinarias e infraestructura, que permitieron mejorar el manejo del forraje y del ganado, como lo muestra el cambio del servicio continuo por el estacionado. Como resultado de estos procesos se observa una mejora en los índices reproductivos, especialmente en el porcentaje de destete.

No obstante la situación descripta para la zona, el autor indica que la adopción tecnológica fue heterogé-nea entre productores. En el trabajo se identificaron cuatro tipos de sistemas productivos (SP): SP1, estable-cimientos criadores de menos de 1.200 ha de superficie, con escaso uso de tecnología; SP2, orientados a la cría y recría de machos, de entre 1.201 y 2.720 ha, con uso de tecnologías básicas de manejo; SP3 de ciclo completo, de 2.721 a 4.000 ha, con una estructura tecnológica organizada y controlada; y SP4 cria-dores, con superficies superiores a las 4.000 ha y mayor estructura productiva y de manejo. De la tipología realizada se destaca la relación existente entre intensificación productiva y tamaño de las explotaciones.

Anteriormente, Jañez et al (1990) realizaron una caracterización del sector agropecuario en Santiago del Estero bajo el enfoque de Zonas Productivas Homogéneas, definiendo en el interior de las mismas los sistemas productivos más relevantes en función de variables de distinta índole (estructurales, productivas, económicas, sociales).

Existe una copiosa bibliografía y antecedentes teórico-metodológicos sobre los cuales apoyar la construc-ción de una tipología de los productores del Chaco Ganadero. En este aspecto, los trabajos de Archetti y Stölen (1975) y Caracciolo de Basco et al, (1981) fueron los primeros en identificar a la forma de organiza-ción social del trabajo para explicar las diferencias en el funcionamiento y estrategias entre explotaciones agropecuarias. Teniendo en cuenta la relación que existe entre la mano de obra familiar y la asalariada diferencian dos grandes grupos o tipos sociales agrarios: Familiares y Empresariales (o no familiares). Las

Encuesta Ganadera Bovina de Carne Santiago del Estero. Resultados Ciclo 2010 – 2011.

http://rian.inta.gov.ar/encuestas/Santiago_cd.pdf



explotaciones familiares son aquellas donde la propiedad y el trabajo se encuentran íntimamente ligados a la familia (Lamarche, 1994), en relación a lo cual se destacan tres atributos comunes: la producción primaria como principal ocupación y fuente de ingresos del grupo familiar; el aporte predominante de la familia a la fuerza de trabajo utilizada en la explotación; la integración de la unidad doméstica y la unidad de producción (Echenique, 1999). No obstante, las explotaciones familiares no constituyen un grupo social homogéneo que corresponda a una clase, en el sentido marxista del término. Se basa en grupos sociales limitados que tienen en común la asociación estrecha de trabajo y producción, pero que se diferencian por su capacidad para apropiarse de los medios de producción y desarrollarlos (Carballo G., 2006). En este sentido, la dotación de recursos productivos ha sido utilizada para la determinación de un nivel mínimo de capitalización a partir del cual es posible la auto-reproducción del sistema (reproducción simple). De esta forma se pueden distinguir productores capitalizados, que en ciertas circunstancias obtienen los exceden-tes necesarios para aumentar el patrimonio de la explotación, y los no capitalizados.

A la forma de organización social y dotación de recursos productivos, Cittadini et al (1991) agregan una serie de variables, que denominan intervinientes, que les permiten caracterizar e interpretar los patrones de conducta de los productores del partido de Olavarría. Como conclusión observan que a pesar de en-contrar grandes grupos o clases de productores, hacia adentro de cada grupo persiste variabilidad en los objetivos y en las formas de actuar.

La consideración de la dotación de recursos para diferenciar la existencia de distintas categorías al interior de cada gran tipo social agrario, se restringe habitualmente al caso de las explotaciones de tipo familiar. Se asume que las unidades de tipo empresarial poseen una disponibilidad de capital y recursos productivos naturales que les permite retribuir la totalidad de factores involucrados en la producción, presentando un ritmo de capitalización superior al de los otros tipos sociales agrarios (Caracciolo de Basco et al, op. cit.).

No obstante, se reconoce la existencia de explotaciones que estando predominante o totalmente basa-das en la contratación de mano de obra asalariada, poseen una dotación de capital que no permitiría la reproducción ampliada ni –en muchos casos- la reproducción simple (Cittadini et al. Op. Cit.). Este tipo social, responde a una racionalidad específica que lleva a la necesidad de diferenciarlo del tipo empresa-rial capitalizado.

La heterogeneidad de SP puede ser descripta a partir de diversas técnicas que abarcan desde métodos por asignación hasta análisis estadísticos multivariados. En los primeros, se parte de conceptualizaciones teóricas que delimitan un conjunto reducido de variables y valores de corte, por medio de los cuales se asigna a cada caso bajo estudio un grupo de pertenencia (González et al., 2005; Obschatko et al., 2007). El empleo de los análisis estadísticos multivariados permite resolver el problema de la tipificación en base a un número elevado de variables, resolviendo limitaciones que presentan los métodos basados en crite-rios univariados, como la de no hacer un uso completo de toda la información disponible, alto grado de dependencia (subjetividad) del investigador y ser de difícil comparación (Pretzer y Finley, 1974).

La Red Internacional de Metodología de Investigación de Sistemas de Producción (RIMISP) propone el empleo de técnicas de análisis multivariado en consistencia con el carácter multivariado encerrado en el concepto de sistemas (Escobar y Berdegué, op. cit.). De la revisión realizada sobre las técnicas utilizadas en tipificación en el sector agropecuario, se observó que la mayoría empleó la técnica de análisis de componentes principales como paso previo al análisis clúster (Escobar y Berdegué, 1990, Paz, 2002; Paz



et al., 2002).

El análisis de Clúster o de Conglomerados es un método descriptivo y de interdependencia que realiza una clasificación de datos a partir de una tabla de casos-variables, trata de situar a todos los casos en grupos homogéneos, de manera que casos similares sean asignados a un mismo clúster, mientras que casos dife-rentes (disimilares) se sitúan en clúster distintos (López Valcárcel, 1990).

Atendiendo que tanto los métodos por asignación como los basados en análisis estadísticos multivaria-do buscan una mayor aproximación al reconocimiento y comprensión de la diversidad de sistemas de producción, en el presente trabajo se aborda la construcción de tipologías empleando ambos métodos de clasificación con la intención de analizar los aportes, ventajas y limitaciones de ambas alternativas metodológicas.

III. OBJETIVOS

El objetivo de este trabajo es identificar y caracterizar la diversidad de sistemas productivos presentes en el Chaco Ganadero Santiagueño, aplicando y comparando dos métodos de tipificación, uno de carácter univariado (por asignación) y otro multivariado. Los objetivos específicos son:

- Caracterizar las explotaciones ganaderas de la zona bajo estudio en función de sus estructuras, estrategias socio-productivas y resultados técnicos.

- Identificar los diferentes tipos de sistemas productivos a través de la utilización de métodos de clasifica ción por asignación y de análisis estadístico multivariado.

- Realizar un análisis comparativo de los métodos de clasificación empleados.

Se plantea como hipótesis que las variables de mano de obra y dotación de recursos productivos tienen alto poder para explicar la heterogeneidad entre explotaciones agropecuarias.

IV. MATERIALES Y MÉTODOS

Para la definición del área de estudio se tomaron las Zonas Agroeconómicas Homogéneas (ZAH) delimita-das por el Centro Regional Tucumán-Santiago del Estero del INTA en el Año 2005 (Jañez 2005). La recolección de datos se realizó a partir de la Encuesta Ganadera Bovina de Carne 2009-2010, encuesta semiestructurada confeccionada por los técnicos de la Red de Información Agropecuaria Nacional (RIAN) del INTA, relevándose 196 variables. La cantidad y el tipo de variables seleccionadas obligaron a que el estudio se realizara únicamente sobre explotaciones (EAP) con límites definidos.La determinación del tamaño de la muestra y la selección de casos a encuestar fue realizada a nivel pro-vincial por la RIAN sobre la base de datos del SENASA, por un muestreo estadístico estratificado según tamaño del rodeo. La selección de casos –realizada al azar- recayó sobre 11 de los 20 departamentos com-



prendidos dentro de la ZAH Chaco Ganadero Para aumentar la representatividad de la muestra sobre el área de estudio, se amplió la cantidad de casos encuestados de 55 a 67, alcanzando así 18 departamentos en lugar de 11. Con ayuda de extensionistas del INTA, se seleccionaron los casos adicionales de manera dirigida en función de su representatividad y la facilidad para acceder a la información requerida.A los fines de caracterizar las explotaciones agropecuarias se utilizarán dos metodologías, una basada en la asignación a un grupo de pertenencia y la otra a través del uso de métodos de análisis multivariados.

Análisis de las explotaciones por Tipos Sociales Agrarios

En este caso, la conjunción de la forma de organización social del trabajo y la dotación de capital lleva a la diferenciación de cuatro categorías de explotaciones:

FAMILIARES (capitalizadas y no capitalizadas)EMPRESARIALES (capitalizadas y no capitalizadas)

La forma de organización social se establece a partir del cociente entre el total de la mano de obra familiar (temporaria y permanente no remunerada), sobre la mano de obra total de la explotación (asalariada más familiar). El valor de corte considerado es 0,33, por lo cual las explotaciones con una relación menos o igual se consideran empresariales y las que arrojan un cociente superior, familiares.

Para determinar el umbral de la variable dotación de capital, se determinó la escala mínima de producción mediante la cual se obtiene un ingreso neto3,4 capaz de cubrir el consumo familiar5. La unidad de pro-ducción utilizada para realizar los cálculos económicos fue confeccionada a partir de valores promedios de tamaño, índices productivos y de otros parámetros productivos y de estructura de las explotaciones relevadas en la encuesta.

La dotación de capital se expresó en cantidad de vacas, dado que la información relevada mostró que el 91% de las explotaciones se dedica a la cría vacuna. Para expresar el resto de las existencias animales y la superficie dedicada a actividades de cosecha en términos de capital vaca se consideraron sus equivalen-cias en valor monetario (Tabla 1). El valor de base, o unidad vaca, corresponde a una vaca de 400 kg con un ternero al pie de 160 Kg. En el caso de las actividades agrícolas se calculó el costo directo promedio del maíz y la soja, por ser éstos los cultivos más frecuentes en el relevamiento realizado.

3 Ingreso Neto: es el monto residual que queda para remunerar a los factores de la producción involucrados una vez

cubiertos todos los costos directos e indirectos del proceso productivo.4 Se utilizó un modelo de cálculo del Ingreso Neto de cría, desarrollado por D Angelo (2009) sobre una planilla de

cálculo de Microsoft Excel5 Los requerimientos de consumo de una familia tipo fue valuada en 5 canastas básicas (Iorio, 2010). En diciembre de

2012 arrojaba un valor mensual de $ 8.067,15.



explotaciones con una relación menos o igual se consideran empresariales y las que arrojan un cociente superior, familiares.Para determinar el umbral de la variable dotación de capital, se determinó la escala mínima de producción mediante la cual se obtiene un ingreso neto3,4 capaz de cubrir el consumo familiar.5 La unidad de producción utilizada para realizar los cálculos económicos fue confeccionada a partir de valores promedios de tamaño, índices productivos y de otrosparámetros productivos y de estructura de las explotaciones relevadas en la encuesta.La dotación de capital se expresó en cantidad de vacas, dado que la información relevada mostró que el 91% de las explotaciones se dedica a la cría vacuna. Para expresar el resto de las existencias animales y la superficie dedicada a actividades de cosecha en términos de capital vaca se consideraron sus equivalencias en valor monetario (Tabla 1). El valor de base,o unidad vaca, corresponde a una vaca de 400 kg con un ternero al pie de 160 Kg. En el caso de las actividades agrícolas se calculó el costo directo promedio del maíz y la soja, por ser éstos los cultivos más frecuentes en el relevamiento realizado.Tabla 1. Valores y coeficientes para la determinación de la variable capital en vacas

Peso de Venta (kg.) Precios ($) CoeficienteVaca (Vc) 400 3613 1,00Vaquillona de recría (Vr) 250 2605 0,70Vaquillona Venta (Vv) 330 3439 0,95Novillito (Nto) 250 2312 0,65Novillo (No) 350 3293 0,90Toro (To) 700 5500 1,50Hectárea agrícola (ha) 1750 0,50

De esta manera, la variable dotación de capital se construye como la sumatoria de las existencias de cada categoría más la superficie agrícola, multiplicado por el coeficiente correspondiente.

Capital en vacas =Vc+ha*0,5+Vr*0,7+Nto*0,65+Vv*0,95+No*0,9+To*1,5Para determinar los ingresos y el valor del capital se utilizaron precios promedios de la hacienda del periodo 2010 al 2012, el cual se corresponde con el periodo de recolección de información. Para los insumos se consideraron los precios de diciembre del 2012

El Análisis MultivariadoEl mismo se realizó con el propósito de mejorar la comprensión de la diversidad de sistemas de producción presentes en el territorio bajo estudio. Además de las 196 variables relevadasen las encuestas, a fines de mejorar la interpretación de una o más de ellas, se ingresaron al análisis 9 nuevas variables construidas. Las mismas se detallan a continuación:- Orientación Productiva: resume las principales actividades productivas y tiene las siguientes modalidades:1 cría, 2 cría – recría, 3 cría - recría – terminación (ciclo completo), 4 terminación, 5 recría, 6 cría – terminación, 7 recría – terminación.- Capital en vacas: ya explicada en el método de asignación utilizado.- % de toros: relación porcentual entre cantidad de toros y vientres entorados.

3 Ingreso Neto: es el monto residual que queda para remunerar a los factores de la producción involucrados una vez cubiertos todos los costos directos e indirectos del proceso productivo.4 Se utilizó un modelo de cálculo del Ingreso Neto de cría, desarrollado por D´Angelo (2009) sobre una planilla de cálculo de Microsoft Excel5 Los requerimientos de consumo de una familia tipo fue valuada en 5 canastas básicas (Iorio, 2010). En diciembre de 2012 arrojaba un valor mensual de $ 8.067,15.

De esta manera, la variable dotación de capital se construye como la sumatoria de las existencias de cada categoría más la superficie agrícola, multiplicado por el coeficiente correspondiente.

Capital en vacas =Vc+ha*0,5+Vr*0,7+Nto*0,65+Vv*0,95+No*0,9+To*1,5

Para determinar los ingresos y el valor del capital se utilizaron precios promedios de la hacienda del perio-do 2010 al 2012, el cual se corresponde con el periodo de recolección de información. Para los insumos se consideraron los precios de diciembre del 2012

El Análisis Multivariado

El mismo se realizó con el propósito de mejorar la comprensión de la diversidad de sistemas de producción presentes en el territorio bajo estudio. Además de las 196 variables relevadas en las encuestas, a fines de mejorar la interpretación de una o más de ellas, se ingresaron al análisis 9 nuevas variables construidas. Las mismas se detallan a continuación:

• Orientación Productiva: resume las principales actividades productivas y tiene las siguientes moda-lidades:1 cría, 2 cría – recría, 3 cría - recría – terminación (ciclo completo), 4 terminación, 5 recría, 6 cría – terminación, 7 recría – terminación.

• Capital en vacas: ya explicada en el método de asignación utilizado.• % de toros: relación porcentual entre cantidad de toros y vientres entorados.• % de destete: terneros destetados sobre vientres entorados.• % de pasturas: superficie cubierta con pasturas sobre superficie ganadera de la EAP.• Superficie promedio de los potreros: relación entre superficie ganadera y cantidad de potreros.• Índice de infraestructura: se seleccionaron las variables de infraestructura que tuvieran coeficiente de

variación entre 60% y 130%. A las que quedaron se les asignó un coeficiente ponderando6 de acuer-do a su importancia en la EAP. Para realizar esta ponderación se recurrió a un panel de informantes calificados.

• M. O. Familiar/ M. O. Asalariada:• M. O. Familiar/ M. O. Total: misma variable que la considerada en la tipología por Forma de Organi-

zación Social.

Tabla 1. Valores y coeficientes para la determinación de la variable capital en vacas



Como primer criterio de selección se tomaron las variables cuantitativas con coeficiente de variación ma-yor a 50% y menor a 170%, debido a la alta homogeneidad o alta dispersión presente por debajo o por encima de este rango, respectivamente (Berdegue, 1990).

Esta primera selección arrojó 39 variables cuyo grado de asociación fue analizada través de una matriz de correlaciones. A partir de este proceso, se identificaron 11 variables (descriptores) que cumplen con las ca-racterísticas de: a) tener escasa correlación entre sí, b) ser explicativas, y c) ser expresiones relevantes de la estructura, el funcionamiento, los objetivos y las restricciones de los sistemas de producción bajo estudio. Las variables finalmente seleccionadas se estandarizaron a valores Z antes de realizar los procedimientos estadísticos multivariantes, dadas las diferentes unidades de medidas que presentan (Paz, 2002).

La determinación de los principales tipos de explotaciones del Chaco Ganadero, se llevó a cabo utilizando el análisis de componentes principales y el análisis de cluster7. El análisis de componentes principales es un método estadístico cuyo principal objetivo es la simplificación estructural o reducción de la dimensión(cantidad de variables) bajo análisis. Es una técnica de síntesis de información, que permite condensar las variables originales en una menor cantidad de nuevas variables las que contienen gran parte de la infor-mación original (Paz, 1994 y 2002).

Estas nuevas variables, denominadas factores o componentes, son una combinación lineal de las variables originales independientes entre sí. El método tiene como ventaja que no requiere hipótesis a priori sobre la estructura de los datos y sus interrelaciones, ni sobre la distribución de probabilidad multivariante a que responden. Su principal dificultad radica en interpretar el significado de los factores, lo que deber realizar-se en el contexto del problema que se analiza (Rummel, 1977; López Valcárcel, 1990).

La interpretación de los factores es un aspecto clave que debe ser deducido observando la relación de los factores con las variables iniciales, analizando el signo y la magnitud de las correlaciones. Para facilitar esta interpretación se llevó a cabo una rotación de los ejes. Se utilizó la normalización Varimax, desarrollada por Kaiser (1958). El objetivo de la rotación Varimax es conseguir que la correlación de cada una de las variables sea lo más próxima a 1 con sólo uno de los factores y próxima a cero con todos los demás. Esto es una práctica relativamente usual y permite mejorar la interpretación de los resultados.

La cantidad de componentes a retener para el análisis se realizó tratando de equilibrar dos aspectos con-trapuestos. Por un lado, cuantos más componentes se retienen mejor será la calidad global de la represen-tación, pero por otro, si se retienen demasiados componentes sólo se logrará simplificar reducidamente la dimensión del problema, que es precisamente el objetivo del análisis por componentes principales.

Finalmente, los resultados del análisis de componentes principales fueron aplicados al análisis clúster cuyo objetivo es agrupar las explotaciones buscando homogeneidad de los individuos que componen el grupo y heterogeneidad entre los distintos grupos. Para ello, se aplicó el clúster jerárquico o algoritmo aglomera-tivo o ascendente, el cual comienza con tantos grupos como individuos existan, para continuar en etapas

6 Las mejoras y coeficientes son: Potreros 2; Aguadas 3; Represas3; Mangas 5; Cepos 3; Balanzas 2; Cargadores 1; Ba-

ñadero 1. molinos. No quedaron retenidos por sus altos CV, molinos, corrales y diques.7 Se utilizó el software SPSS Statistic 17.0 (Statistical Package for the Social Sciences).



sucesivas formando grupos por la unión de dos individuos aislados, de dos grupos, o de un individuo con un grupo formado anteriormente. La medida de distancia seleccionada fue la distancia euclídea al cuadra-do y el método Ward. Esta combinación es una de las más recomendadas en la literatura para el tipo de problema en cuestión. Como resultado principal se obtuvo un dendograma el cual permite reconocer los distintos grupos o tipos de explotaciones.

V. RESULTADOS Y DISCUSIÓN

5.1. Los Tipos Sociales Agrarios del Chaco Ganadero de Santiago del Estero

A continuación se presentan los resultados alcanzados a partir del análisis univariado por asignación (Ta-bla 2). Como fuera explicado en la metodología, se utilizaron como variables de clasificación la relación entre la Mano de Obra Familiar y la Total de la explotación, con un valor de 0,33 para determinar el tipo social agrario, y el Capital en Vacas que delimita si la EAP es capitalizada o no capitalizada, de acuerdo a si supera o no las 477 unidades vacas.

Tabla 2. Distribución de EAP por tipos sociales agrarios (en porcentaje de casos)

aspectos contrapuestos. Por un lado, cuantos más componentes se retienen mejor será la calidad global de la representación, pero por otro, si se retienen demasiados componentes sólo se logrará simplificar reducidamente la dimensión del problema, que es precisamente el objetivo del análisis por componentes principales.Finalmente, los resultados del análisis de componentes principales fueron aplicados al análisisclúster cuyo objetivo es agrupar las explotaciones buscando homogeneidad de los individuos que componen el grupo y heterogeneidad entre los distintos grupos. Para ello, se aplicó el clúster jerárquico o algoritmo aglomerativo o ascendente, el cual comienza con tantos grupos como individuos existan, para continuar en etapas sucesivas formando grupos por la unión de dos individuos aislados, de dos grupos, o de un individuo con un grupo formado anteriormente. La medida de distancia seleccionada fue la distancia euclídea al cuadrado y el método Ward. Esta combinación es una de las más recomendadas en la literatura para el tipo de problema en cuestión. Como resultado principal se obtuvo un dendograma el cual permite reconocer los distintos grupos o tipos de explotaciones.

4. Resultados y discusión4.1. Los Tipos Sociales Agrarios del Chaco Ganadero de Santiago del EsteroA continuación se presentan los resultados alcanzados a partir del análisis univariado por asignación (Tabla 2). Como fuera explicado en la metodología, se utilizaron como variables de clasificación la relación entre la Mano de Obra Familiar y la Total de la explotación, con un valor de 0,33 para determinar el tipo social agrario, y el Capital en Vacas que delimita si la EAP es capitalizada o no capitalizada, de acuerdo a si supera o no las 477 unidades vacas. Tabla 2. Distribución de EAP por tipos sociales agrarios (en porcentaje de casos)

No Capitalizadas Capitalizadas TotalFamiliares 26,9% 10,4% 37,3%Empresariales 28,4% 34,3% 62,7%Total 55,2% 44,8% 100,0%

La Tabla 2 pone en evidencia que más de la mitad de las explotaciones el Ingreso Neto no alcanza a cubrir los gastos de producción, las necesidades del productor y las pérdidas de capital por depreciación. Otro dato destacable es que la mayoría explotaciones estudiadas son empresariales (63%), delegando la mayor parte del trabajo predial en personal contratado. A continuación se caracterizan los diferentes tipos encontrados:

Familiares No Capitalizados (FNC)Este tipo social integra el 27% del total de la muestra (18 EAP), caracterizándose por la alta participación del grupo familiar en las tareas de la explotación (Tabla 3). La relación promedio entre trabajadores familiares sobre el total de la mano de obra de la EAP es de 0,81, valor muy superior al nivel de corte establecido para esta variable. El promedio de personas que trabajan en la EAP muestra el compromiso de al menos una parte de la familia del productor en las tareas rurales.Tabla 3. Estadísticos descriptivos de cantidad de mano de obra en EAP FNC

Familiar No Familiar Rel. Fam/TotalMedia 1,68 0,24 0,81Mínimo 0,25 0,00 0,40Máximo 4,00 1,50 1,00

El Capital en Vacas promedio (172 cabezas) está muy por debajo del nivel de corte (477cabezas), mientras que la superficie media es de aproximadamente 758 ha, mostrando ambas


Familiares No Capitalizados (FNC)

Este tipo social integra el 27% del total de la muestra (18 EAP), caracterizándose por la alta participación del grupo familiar en las tareas de la explotación (Tabla 3). La relación promedio entre trabajadores familia-res sobre el total de la mano de obra de la EAP es de 0,81, valor muy superior al nivel de corte establecido para esta variable. El promedio de personas que trabajan en la EAP muestra el compromiso de al menos una parte de la familia del productor en las tareas rurales.

Tabla 3. Estadísticos descriptivos de cantidad de mano de obra en EAP FNC

aspectos contrapuestos. Por un lado, cuantos más componentes se retienen mejor será la calidad global de la representación, pero por otro, si se retienen demasiados componentes sólo se logrará simplificar reducidamente la dimensión del problema, que es precisamente el objetivo del análisis por componentes principales.Finalmente, los resultados del análisis de componentes principales fueron aplicados al análisisclúster cuyo objetivo es agrupar las explotaciones buscando homogeneidad de los individuos que componen el grupo y heterogeneidad entre los distintos grupos. Para ello, se aplicó el clúster jerárquico o algoritmo aglomerativo o ascendente, el cual comienza con tantos grupos como individuos existan, para continuar en etapas sucesivas formando grupos por la unión de dos individuos aislados, de dos grupos, o de un individuo con un grupo formado anteriormente. La medida de distancia seleccionada fue la distancia euclídea al cuadrado y el método Ward. Esta combinación es una de las más recomendadas en la literatura para el tipo de problema en cuestión. Como resultado principal se obtuvo un dendograma el cual permite reconocer los distintos grupos o tipos de explotaciones.

4. Resultados y discusión4.1. Los Tipos Sociales Agrarios del Chaco Ganadero de Santiago del EsteroA continuación se presentan los resultados alcanzados a partir del análisis univariado por asignación (Tabla 2). Como fuera explicado en la metodología, se utilizaron como variables de clasificación la relación entre la Mano de Obra Familiar y la Total de la explotación, con un valor de 0,33 para determinar el tipo social agrario, y el Capital en Vacas que delimita si la EAP es capitalizada o no capitalizada, de acuerdo a si supera o no las 477 unidades vacas. Tabla 2. Distribución de EAP por tipos sociales agrarios (en porcentaje de casos)

No Capitalizadas Capitalizadas TotalFamiliares 26,9% 10,4% 37,3%Empresariales 28,4% 34,3% 62,7%Total 55,2% 44,8% 100,0%


Familiares No Capitalizados (FNC)Este tipo social integra el 27% del total de la muestra (18 EAP), caracterizándose por la alta participación del grupo familiar en las tareas de la explotación (Tabla 3). La relación promedio entre trabajadores familiares sobre el total de la mano de obra de la EAP es de 0,81, valor muy superior al nivel de corte establecido para esta variable. El promedio de personas que trabajan en la EAP muestra el compromiso de al menos una parte de la familia del productor en las tareas rurales.Tabla 3. Estadísticos descriptivos de cantidad de mano de obra en EAP FNC


El Capital en Vacas promedio (172 cabezas) está muy por debajo del nivel de corte (477cabezas), mientras que la superficie media es de aproximadamente 758 ha, mostrando ambas



El Capital en Vacas promedio (172 cabezas) está muy por debajo del nivel de corte (477 cabezas), mien-tras que la superficie media es de aproximadamente 758 ha, mostrando ambas variables un amplio rango entre el mínimo y el máximo (Tabla 4). En promedio solo el 2% de la superficie total por explotación está dedicado a la agricultura.

El 50% de las explotaciones hace cría y recría, 33%, ciclo completo, 6% cría pura y 11% se dedica exclusi-vamente a la invernada de compra. El 61% de los rodeos está compuesto por hacienda criolla o sus cruzas, mientras que el 39% restante por razas sintéticas derivadas del cebú o cruzas de los mismos, valores éstos muy próximos a la media del total de la muestra.

Tabla 4. Principales variables de tamaño en EAP FNC

variables un amplio rango entre el mínimo y el máximo (Tabla 4). En promedio solo el 2% de la superficie total por explotación está dedicado a la agricultura.El 50% de las explotaciones hace cría y recría, 33%, ciclo completo, 6% cría pura y 11% se dedica exclusivamente a la invernada de compra. El 61% de los rodeos está compuesto por hacienda criolla o sus cruzas, mientras que el 39% restante por razas sintéticas derivadas delcebú o cruzas de los mismos, valores éstos muy próximos a la media del total de la muestra.Tabla 4. Principales variables de tamaño en EAP FNC

Capital en vacas (cab)

Superficie.Ganadera (ha)

Superficie.Agrícola (ha)

Superficie Total (ha)

Media 172 743 15 758Mínimo 60 115 0 115Máximo 390 3.000 166 3.000

En relación al manejo, 33% de los productores hacen servicio estacionado, la mitad de éstos (17%) realiza revisión clínica de toros y solo 6% hace inseminación artificial. El porcentaje de destete de este grupo social es en promedio del 47,5%.El 50% de las EAP pertenecientes a este grupo tienen pasturas implantadas que ocupan en promedio 30% de la superficie ganadera. La pastura de alfalfa es la más difundida aunque tiene una participación, de apenas un 9% (21 ha), del área sembrada con pasturas.Cabe destacar que el 95% de los productores vive en el campo o ciudades próximas al mismo, y el 71% tiene a la actividad ganadera que desarrollada en el predio como principal fuente de ingreso.

Familiares Capitalizados (FC)Es el grupo menos numeroso, con solo 7 casos que representan el 10,4% de la muestra. Al igual que el grupo anterior la mayor parte de las tareas las realiza el productor y su familia,aunque en este caso la relación entre la mano de obra familiar y total es levemente superior (0,85). Esto se debe a que en promedio hay mayor aporte de mano de obra familiar, alcanzando un aporte equivalente a 1,9 empleados. (Tabla 5).Tabla 5. Estadísticos descriptivos de cantidad de mano de obra en explotaciones FC


La mayor cantidad de mano de obra de este grupo con respecto al anterior se corresponde también con un grado significativamente más alto de capitalización. La superficie y el capital en vacas promedios son, respectivamente, 3 y casi 5,5 veces más altos, no obstante lo cual se observa un amplio rango entre los máximos y mínimos (Tabla 6). Tabla 6. Principales variables de tamaño en productores FC


Superficie Ganadera (ha)

Superficie Agrícola (ha)


Media 928 2.242 271 2514Mínimo 500 700 0 800Máximo 2.208 6.000 1.000 6.000

Con respecto al uso del suelo, hay una mayor proporción del mismo dedicado a la agricultura (Tabla 6). El 71% de las EAP tiene pasturas implantadas, las cuales ocupan una proporción

En relación al manejo, 33% de los productores hacen servicio estacionado, la mitad de éstos (17%) realiza revisión clínica de toros y solo 6% hace inseminación artificial. El porcentaje de destete de este grupo social es en promedio del 47,5%.

El 50% de las EAP pertenecientes a este grupo tienen pasturas implantadas que ocupan en promedio 30% de la superficie ganadera. La pastura de alfalfa es la más difundida aunque tiene una participación, de apenas un 9% (21 ha), del área sembrada con pasturas.

Cabe destacar que el 95% de los productores vive en el campo o ciudades próximas al mismo, y el 71% tiene a la actividad ganadera que desarrollada en el predio como principal fuente de ingreso.Familiares Capitalizados (FC)

Es el grupo menos numeroso, con solo 7 casos que representan el 10,4% de la muestra. Al igual que el grupo anterior la mayor parte de las tareas las realiza el productor y su familia, aunque en este caso la re-lación entre la mano de obra familiar y total es levemente superior (0,85). Esto se debe a que en promedio hay mayor aporte de mano de obra familiar, alcanzando un aporte equivalente a 1,9 empleados. (Tabla 5).

Tabla 5. Estadísticos descriptivos de cantidad de mano de obra en explotaciones FC
















Con respecto al uso del suelo, hay una mayor proporción del mismo dedicado a la agricultura (Tabla 6). El 71% de las EAP tiene pasturas implantadas, las cuales ocupan una proporción



La mayor cantidad de mano de obra de este grupo con respecto al anterior se corresponde también con un grado significativamente más alto de capitalización. La superficie y el capital en vacas promedios son, respectivamente, 3 y casi 5,5 veces más altos, no obstante lo cual se observa un amplio rango entre los máximos y mínimos (Tabla 6).

Tabla 6. Principales variables de tamaño en productores FC
















Con respecto al uso del suelo, hay una mayor proporción del mismo dedicado a la agricultura (Tabla 6). El 71% de las EAP tiene pasturas implantadas, las cuales ocupan una proporción Con respecto al uso del suelo, hay una mayor proporción del mismo dedicado a la agricultura (Tabla 6).

El 71% de las EAP tiene pasturas implantadas, las cuales ocupan una proporción similar al grupo anterior (33% de la superficie ganadera). El Gatton panic es la especie más difundida (92%), ocupando la Grama rhodes la superficie restante.

Dentro de las actividades ganaderas, el 86% hace ciclo completo mientras que el resto se dedica a la cría o a la cría-recría. En el 71% de las EAP se practica el servicio estacionado y el 43% hace revisión clínica de toros. En este grupo tan solo un productor hace inseminación artificial en una parte del rodeo. El índice de destete es 20% más alto que en el grupo anterior, alcanzando el 67%.

El aumento que registra el capital hacienda en relación a la superficie (540 contra 300 %) se puede explicar a partir de lo descripto, tanto por la mayor receptividad que provoca us generalizado de pasturas y los mejores índices de eficiencia reproductiva.

En relación a la residencia de los productores, el 71% de los mismos vive en el campo o en ciudades cer-canas a la explotación, teniendo el 86% a la actividad ganadera desarrollada en el establecimiento como ingreso principal.

Empresariales No Capitalizados (ENC)

Este grupo de explotaciones está compuesto por 19 EAP que representan 28,4% de los casos estudiados. La relación promedio de la mano de obra familiar sobre la total empleada en la EAP es considerablemente inferior a la establecida como valor de corte (Tabla 7). No obstante, la mano de obra familiar sigue estan-do presente, variando su aporte desde una dedicación parcial (0,25 personas) hasta la equivalente a un empleado permanente. El aporte de los asalariados en las tareas de la explotación varía ampliamente de 1 a 4 personas.

Tabla 7. Estadísticos descriptivos de cantidad de mano de obra en ENC(pag. siguiente)



similar al grupo anterior (33% de la superficie ganadera). El Gatton panic es la especie más difundida (92%), ocupando la Grama rhodes la superficie restante.Dentro de las actividades ganaderas, el 86% hace ciclo completo mientras que el resto se dedica a la cría o a la cría-recría. En el 71% de las EAP se practica el servicio estacionado y el 43% hace revisión clínica de toros. En este grupo tan solo un productor hace inseminación artificial en una parte del rodeo. El índice de destete es 20% más alto que en el grupo anterior, alcanzando el 67%.El aumento que registra el capital hacienda en relación a la superficie (540 contra 300 %) se puede explicar a partir de lo descripto, tanto por la mayor receptividad que provoca us generalizado de pasturas y los mejores índices de eficiencia reproductiva.En relación a la residencia de los productores, el 71% de los mismos vive en el campo o en ciudades cercanas a la explotación, teniendo el 86% a la actividad ganadera desarrollada en el establecimiento como ingreso principal.

Empresariales No Capitalizados (ENC)Este grupo de explotaciones está compuesto por 19 EAP que representan 28,4% de los casos estudiados. La relación promedio de la mano de obra familiar sobre la total empleada en la EAP es considerablemente inferior a la establecida como valor de corte (Tabla 7). No obstante, la mano de obra familiar sigue estando presente, variando su aporte desde una dedicación parcial (0,25 personas) hasta la equivalente a un empleado permanente. El aporte de los asalariados en las tareas de la explotación varía ampliamente de 1 a 4 personas. Tabla 7. Estadísticos descriptivos de cantidad de mano de obra en ENC


El capital promedio es equivalente a 263 vacas por explotación. La superficie promedio 1835 ha, de las cuales el 99% es dedicada a la ganadería (Tabla 8).Tabla 8. Principales variables de tamaño en ENC





Media 263 1.824 11 1.835Mínimo 62 328 0 328Máximo 448 4.644 150 4.644

En este tipo social la cría con venta al destete es la principal orientación productiva (58%), siguiendo la recría y la invernada, con casi el 16% cada uno, y el ciclo completo (11%).Un alto número de explotaciones (74%) ha incorporado pasturas, pero las mismas solo ocupan en promedio el 19% de la superficie ganadera. Dentro de las mismas predomina el Gatton panic y la Grama rhodes, con 46% y 44% de la superficie implantada, respectivamente.En relación al manejo, se observa que el 58% de las EAP tienen estacionado el servicio, mientras que el 47% realiza revisión clínica de sus toros antes de la entrada en servicio. Lainseminación artificial, sólo es practicada por el 16% de los productores. El índice promedio de destete es del 59%.

El capital promedio es equivalente a 263 vacas por explotación. La superficie promedio 1835 ha, de las cuales el 99% es dedicada a la ganadería (Tabla 8).

Tabla 8. Principales variables de tamaño en ENC

similar al grupo anterior (33% de la superficie ganadera). El Gatton panic es la especie más difundida (92%), ocupando la Grama rhodes la superficie restante.Dentro de las actividades ganaderas, el 86% hace ciclo completo mientras que el resto se dedica a la cría o a la cría-recría. En el 71% de las EAP se practica el servicio estacionado y el 43% hace revisión clínica de toros. En este grupo tan solo un productor hace inseminación artificial en una parte del rodeo. El índice de destete es 20% más alto que en el grupo anterior, alcanzando el 67%.El aumento que registra el capital hacienda en relación a la superficie (540 contra 300 %) se puede explicar a partir de lo descripto, tanto por la mayor receptividad que provoca us generalizado de pasturas y los mejores índices de eficiencia reproductiva.En relación a la residencia de los productores, el 71% de los mismos vive en el campo o en ciudades cercanas a la explotación, teniendo el 86% a la actividad ganadera desarrollada en el establecimiento como ingreso principal.

Empresariales No Capitalizados (ENC)Este grupo de explotaciones está compuesto por 19 EAP que representan 28,4% de los casos estudiados. La relación promedio de la mano de obra familiar sobre la total empleada en la EAP es considerablemente inferior a la establecida como valor de corte (Tabla 7). No obstante, la mano de obra familiar sigue estando presente, variando su aporte desde una dedicación parcial (0,25 personas) hasta la equivalente a un empleado permanente. El aporte de los asalariados en las tareas de la explotación varía ampliamente de 1 a 4 personas. Tabla 7. Estadísticos descriptivos de cantidad de mano de obra en ENC


El capital promedio es equivalente a 263 vacas por explotación. La superficie promedio 1835 ha, de las cuales el 99% es dedicada a la ganadería (Tabla 8).Tabla 8. Principales variables de tamaño en ENC





Media 263 1.824 11 1.835Mínimo 62 328 0 328Máximo 448 4.644 150 4.644

En este tipo social la cría con venta al destete es la principal orientación productiva (58%), siguiendo la recría y la invernada, con casi el 16% cada uno, y el ciclo completo (11%).Un alto número de explotaciones (74%) ha incorporado pasturas, pero las mismas solo ocupan en promedio el 19% de la superficie ganadera. Dentro de las mismas predomina el Gatton panic y la Grama rhodes, con 46% y 44% de la superficie implantada, respectivamente.En relación al manejo, se observa que el 58% de las EAP tienen estacionado el servicio, mientras que el 47% realiza revisión clínica de sus toros antes de la entrada en servicio. Lainseminación artificial, sólo es practicada por el 16% de los productores. El índice promedio de destete es del 59%.

En este tipo social la cría con venta al destete es la principal orientación productiva (58%), siguiendo la recría y la invernada, con casi el 16% cada uno, y el ciclo completo (11%).

Un alto número de explotaciones (74%) ha incorporado pasturas, pero las mismas solo ocupan en prome-dio el 19% de la superficie ganadera. Dentro de las mismas predomina el Gatton panic y la Grama rhodes, con 46% y 44% de la superficie implantada, respectivamente.

En relación al manejo, se observa que el 58% de las EAP tienen estacionado el servicio, mientras que el 47% realiza revisión clínica de sus toros antes de la entrada en servicio. La inseminación artificial, sólo es practicada por el 16% de los productores. El índice promedio de destete es del 59%.

En este tipo solo el 42% tiene como ingreso principal el generado por la actividad ganadera desarrollada en la EAP. El 53% de los productores viven en ciudades alejadas de las explotaciones; lo que provoca que tengan una dedicación parcial a las mismas.

Empresariales Capitalizados (EC)

Este tipo social es el más numeroso, con 23 explotaciones (34,3% de la muestra). Los EC se caracterizan por la alta participación de la mano de obra asalariada en las tareas de la explotación, teniendo en prome-dio 6,4 empleados por explotación, alcanzando valores máximos de 20 empleados. La relación de mano de obra familiar sobre total y el aporte de mano de obra familiar es más baja que en el caso de los ENC (Tabla 9).

Tabla 9. Estadísticos descriptivos de cantidad de mano de obra en EC(pag. siguiente)



En este tipo solo el 42% tiene como ingreso principal el generado por la actividad ganadera desarrollada en la EAP. El 53% de los productores viven en ciudades alejadas de las explotaciones; lo que provoca que tengan una dedicación parcial a las mismas..

Empresariales Capitalizados (EC)Este tipo social es el más numeroso, con 23 explotaciones (34,3% de la muestra). Los EC se caracterizan por la alta participación de la mano de obra asalariada en las tareas de la explotación, teniendo en promedio 6,4 empleados por explotación, alcanzando valores máximos de 20 empleados. La relación de mano de obra familiar sobre total y el aporte de mano de obra familiar es más baja que en el caso de los ENC (Tabla 9).Tabla 9. Estadísticos descriptivos de cantidad de mano de obra en EC

Familiar No Familia Rel. Fam/TotalMedia 0,37 6,43 0,08Mínimo 0,25 1,00 0,01Máximo 1,25 20,00 0,27

El capital promedio de las explotaciones es equivalente a 2.213 vacas con un valor máximo de 11.044 (Tabla 10). La superficie promedio es de 4.909 ha, de la cual el 78% está dedicada a la ganadería y el 22% restante a agricultura. De esta manera los EC son los productores que mayor superficie destinan a cultivos de cosecha.Tabla 10. Principales variables de tamaño en EC





Media 2.212 3.806 1.102 4.909Mínimo 645 400 0 650Máximo 11.044 14.230 11.000 17.000

El 95% de las explotaciones de este grupo se dedica a la producción de terneros y el 43% los engorda parcial o totalmente. Del total de las explotaciones el 74% tiene estacionado el servicio y el 83% hace revisión clínica de toros. El 43% de las EAP hacen inseminación artificial en una parte de las hembras y el 74% hace tacto rectal, arrojando entre los que hacen dicha práctica un valor de 75% de preñez. El índice promedio de destete es de 60,6%.El 86% de los productores tiene pasturas implantadas que ocupan el 66% de la superficie ganadera; de la cual en promedio el 63% es Gatton panic, el 23% es Grama rhodes, el 11% Buffel grass y el 2% alfalfa.En este tipo social solo el 62% de las familias tiene a la ganadería realizada en la EAP analizada como principal ingreso. Es para destacar que el 86% de los productores y sus familias no residen en la provincia, siendo en su mayoría inversores que compraron dichos campos con fines de diversificar sus actividades o bien trajeron hacienda de establecimientos de otras regiones empujados por la agricultura.

4.1.1 Análisis comparativo por tipo socialLa Tabla 11 presenta los valores promedio de las variables analizadas para los cuatro tipos sociales identificados. Se destaca la marcada diferencia en la relación de mano de obra familiar sobre la total, entre explotaciones familiares y empresariales. En las primeras casi toda la fuerza de trabajo es aportada por el productor y su familia (relación superior a 0,8), ubicándose muy por arriba de la condición impuesta para ser clasificadas como tales. Si bien, como fuera señalado, las FC comprometen más mano de obra familiar que las FNC, la ocupación relativa de mano de obra por unidad de superficie es mayor en estas últimas.

El capital promedio de las explotaciones es equivalente a 2.213 vacas con un valor máximo de 11.044 (Tabla 10). La superficie promedio es de 4.909 ha, de la cual el 78% está dedicada a la ganadería y el 22% restante a agricultura. De esta manera los EC son los productores que mayor superficie destinan a cultivos de cosecha.

Tabla 10. Principales variables de tamaño en EC

En este tipo solo el 42% tiene como ingreso principal el generado por la actividad ganadera desarrollada en la EAP. El 53% de los productores viven en ciudades alejadas de las explotaciones; lo que provoca que tengan una dedicación parcial a las mismas..

Empresariales Capitalizados (EC)Este tipo social es el más numeroso, con 23 explotaciones (34,3% de la muestra). Los EC se caracterizan por la alta participación de la mano de obra asalariada en las tareas de la explotación, teniendo en promedio 6,4 empleados por explotación, alcanzando valores máximos de 20 empleados. La relación de mano de obra familiar sobre total y el aporte de mano de obra familiar es más baja que en el caso de los ENC (Tabla 9).Tabla 9. Estadísticos descriptivos de cantidad de mano de obra en EC

Familiar No Familia Rel. Fam/TotalMedia 0,37 6,43 0,08Mínimo 0,25 1,00 0,01Máximo 1,25 20,00 0,27

El capital promedio de las explotaciones es equivalente a 2.213 vacas con un valor máximo de 11.044 (Tabla 10). La superficie promedio es de 4.909 ha, de la cual el 78% está dedicada a la ganadería y el 22% restante a agricultura. De esta manera los EC son los productores que mayor superficie destinan a cultivos de cosecha.Tabla 10. Principales variables de tamaño en EC





Media 2.212 3.806 1.102 4.909Mínimo 645 400 0 650Máximo 11.044 14.230 11.000 17.000

El 95% de las explotaciones de este grupo se dedica a la producción de terneros y el 43% los engorda parcial o totalmente. Del total de las explotaciones el 74% tiene estacionado el servicio y el 83% hace revisión clínica de toros. El 43% de las EAP hacen inseminación artificial en una parte de las hembras y el 74% hace tacto rectal, arrojando entre los que hacen dicha práctica un valor de 75% de preñez. El índice promedio de destete es de 60,6%.El 86% de los productores tiene pasturas implantadas que ocupan el 66% de la superficie ganadera; de la cual en promedio el 63% es Gatton panic, el 23% es Grama rhodes, el 11% Buffel grass y el 2% alfalfa.En este tipo social solo el 62% de las familias tiene a la ganadería realizada en la EAP analizada como principal ingreso. Es para destacar que el 86% de los productores y sus familias no residen en la provincia, siendo en su mayoría inversores que compraron dichos campos con fines de diversificar sus actividades o bien trajeron hacienda de establecimientos de otras regiones empujados por la agricultura.

4.1.1 Análisis comparativo por tipo socialLa Tabla 11 presenta los valores promedio de las variables analizadas para los cuatro tipos sociales identificados. Se destaca la marcada diferencia en la relación de mano de obra familiar sobre la total, entre explotaciones familiares y empresariales. En las primeras casi toda la fuerza de trabajo es aportada por el productor y su familia (relación superior a 0,8), ubicándose muy por arriba de la condición impuesta para ser clasificadas como tales. Si bien, como fuera señalado, las FC comprometen más mano de obra familiar que las FNC, la ocupación relativa de mano de obra por unidad de superficie es mayor en estas últimas.

El 95% de las explotaciones de este grupo se dedica a la producción de terneros y el 43% los engorda parcial o totalmente. Del total de las explotaciones el 74% tiene estacionado el servicio y el 83% hace revisión clínica de toros. El 43% de las EAP hacen inseminación artificial en una parte de las hembras y el 74% hace tacto rectal, arrojando entre los que hacen dicha práctica un valor de 75% de preñez. El índice promedio de destete es de 60,6%.

El 86% de los productores tiene pasturas implantadas que ocupan el 66% de la superficie ganadera; de la cual en promedio el 63% es Gatton panic, el 23% es Grama rhodes, el 11% Buffel grass y el 2% alfalfa.

En este tipo social solo el 62% de las familias tiene a la ganadería realizada en la EAP analizada como principal ingreso. Es para destacar que el 86% de los productores y sus familias no residen en la provincia, siendo en su mayoría inversores que compraron dichos campos con fines de diversificar sus actividades o bien trajeron hacienda de establecimientos de otras regiones empujados por la agricultura.

4.1.1 Análisis comparativo por tipo social

La Tabla 11 presenta los valores promedio de las variables analizadas para los cuatro tipos sociales iden-tificados. Se destaca la marcada diferencia en la relación de mano de obra familiar sobre la total, entre explotaciones familiares y empresariales. En las primeras casi toda la fuerza de trabajo es aportada por el productor y su familia (relación superior a 0,8), ubicándose muy por arriba de la condición impuesta para ser clasificadas como tales. Si bien, como fuera señalado, las FC comprometen más mano de obra familiar que las FNC, la ocupación relativa de mano de obra por unidad de superficie es mayor en estas últimas.

Existe una diferencia marcada en el lugar de residencia entre tipos sociales, la mayoría de los productores de las explotaciones empresariales son foráneos, y en la importancia de ingresos extraprediales, siendo mucho más dependiente de estos últimos las EAP empresariales. A su vez dentro de las familiares, hay una



mayor proporción de productores que dependen de los ingresos extraprediales en los no capitalizados (28%) con respecto a los capitalizados (14%).

Además se puede observar que la producción de terneros es una característica en común en los cuatro grupos, estando presente en más del 91% de los casos. No ocurre lo mismo con la actividad engorde don-de se observa una diferencia más alta entre tipos sociales, siendo los FC los que concentran la orientación de ciclo completo.

Tabla 11: Características socio-productivas de los tipos sociales

Existe una diferencia marcada en el lugar de residencia entre tipos sociales, la mayoría de los productores de las explotaciones empresariales son foráneos, y en la importancia de ingresos extraprediales, siendo mucho más dependiente de estos últimos las EAP empresariales. A su vez dentro de las familiares, hay una mayor proporción de productores que dependen de los ingresos extraprediales en los no capitalizados (28%) con respecto a los capitalizados (14%).Además se puede observar que la producción de terneros es una característica en común en los cuatro grupos, estando presente en más del 91% de los casos. No ocurre lo mismo con la actividad engorde donde se observa una diferencia más alta entre tipos sociales, siendo los FC los que concentran la orientación de ciclo completo.Tabla 11: Características socio-productivas de los tipos sociales

Media FNC FC ENC ECNúmero de casos 67 18 7 19 23Capital en vacas 924 172 928 263 2212% Superficie Ganadera 85 98 89 99 78% Superficie Agrícola 15 2 11 1 23Superficie Promedio (ha) 2573 758 2514 1823 4909% Destete 57 48 67 59 61% de productores con PI 69 50 71 74 86% de la superficie con PI 34 30 33 19 66% de productores con SE 58 33 71 58 74% productores con cría(1) 91 89 100 84 95% de productores con CC 39 33 86 21 43Mano de obra Familiar 0,93 1,68 1,89 0,41 0,37M. de obra No Familiar 2,73 0,24 0,36 1,84 6,43Relación Fam/Total 0,39 0,81 0,85 0,19 0,08% residencia fuera S.E. 49 11 29 53 86% dependen ganadería predial

60 72 86 42 62

Siglas: PI: pasturas implantadas; SE: servicio estacionado; CC ciclo completo; SE: Santiago del Estero(1) Productores que incluyen la crianza de terneros independientemente de que integren el engorde.

En términos de eficiencia productiva y adopción tecnológica se observa que las explotaciones FC se diferencian fuertemente de las FNC presentando comportamientos similares a los tipos empresariales, especialmente al tipo capitalizado. Con respecto a la eficiencia productiva, los FC alcanzan el mayor porcentaje de terneros logrados, superando inclusive a los EC.En relación a la adopción tecnológica, más del 70 % de los productores familiares capitalizados y empresariales incorporaron pasturas perennes en sus planteos forrajeros contra el 50% de los productores familiares no capitalizados. En este sentido, se destaca la inversión realizada por los empresarios capitalizados, lo cual se ve reflejado tanto en número de casos (86 %) como en el porcentaje de la superficie ocupada por las pasturas (66 %). Además de la mayor capacidad financiera propia de este grupo, es muy probable que los grandes empresarios provenientes de otras provincias -característicos de este grupo- hayanconsiderado a la implantación de pasturas megatérmicas como parte de la inversión inicial en los campos de la zona, dado su alto potencial productivo. Otro aspecto tecnológico, que sigue la misma tendencia, es el servicio estacionado. Los valores extremos de adopción de esta tecnología se encuentran entre los tipos opuestos, los EC y los FNC. Los productores FC, por el contrario, alcanzan valores cercanos a los EC.

Siglas: PI: pasturas implantadas; SE: servicio estacionado; CC ciclo completo; SE: Santiago del Estero

(1) Productores que incluyen la crianza de terneros independientemente de que integren el engorde.

En términos de eficiencia productiva y adopción tecnológica se observa que las explotaciones FC se diferencian fuertemente de las FNC presentando comportamientos similares a los tipos empresariales, especialmente al tipo capitalizado. Con respecto a la eficiencia productiva, los FC alcanzan el mayor por-centaje de terneros logrados, superando inclusive a los EC.

En relación a la adopción tecnológica, más del 70 % de los productores familiares capitalizados y empre-sariales incorporaron pasturas perennes en sus planteos forrajeros contra el 50% de los productores fami-liares no capitalizados. En este sentido, se destaca la inversión realizada por los empresarios capitalizados, lo cual se ve reflejado tanto en número de casos (86 %) como en el porcentaje de la superficie ocupada por las pasturas (66 %). Además de la mayor capacidad financiera propia de este grupo, es muy probable que los grandes empresarios provenientes de otras provincias -característicos de este grupo- hayan consi-derado a la implantación de pasturas megatérmicas como parte de la inversión inicial en los campos de la zona, dado su alto potencial productivo.



Otro aspecto tecnológico, que sigue la misma tendencia, es el servicio estacionado. Los valores extremos de adopción de esta tecnología se encuentran entre los tipos opuestos, los EC y los FNC. Los productores FC, por el contrario, alcanzan valores cercanos a los EC.

Otra similitud entre los dos tipos capitalizados se registra en la incorporación de la agricultura dentro de sus planteos productivos, aunque los productores empresariales lo hacen en mayor proporción que los familiares (22% y 11% respectivamente).

La mayor diversificación del tipo FC también se observa en el número de actividades ganaderas que in-corporan estos sistemas. Este tipo social desarrolla la cría y el engorde de propia producción en el 86% de los casos. El mayor número de procesos productivos abarcados por estos productores posiblemente represente una estrategia para aprovechar la alta dotación de mano de obra familiar que los caracteriza.

En el caso de los FNC, la estrategia para mejorar el ingreso del sistema familiar posiblemente provenga de la realización de actividades extraprediales, alcanzando estas actividades a ser la principal fuente de ingreso en el 28 % de los casos.

Las diferencias encontradas entre las cuatro clases construidas permiten ratificar la validez de utilizar las variables de mano de obra y de tamaño de las EAP a los fines de identificar diferentes tipos de explotacio-nes, ya que ayudan a establecer un corte entre las distintas unidades productivas, agruparlas y poder hacer un análisis de cada uno de estos grupos.

4.2 Utilización del Análisis Multivariado para identificar la diversidad.

El análisis realizado por Tipo Social permite reconocer e identificar la diversidad de situaciones presentes en la zona de estudio. No obstante, al interior de cada tipo se observa la persistencia de diferencias en variables de significancia para los objetivos de esta investigación, como son las relacionadas a la estruc-tura, el manejo productivo y los niveles de productividad. A fin de hacer un uso más completo de la información, se realiza a una nueva tipificación utilizando para ello el análisis por componente principal y el análisis clúster

4.2.1 Análisis de Componentes Principales (ACP)

Mediante este procedimiento se construyeron componentes que sintetizan en un conjunto reducido de variables no correlacionadas casi toda la información proveniente del relevamiento de datos realizados a través de las encuestas. Como se explicó en la sección de metodología, luego del proceso de selección de variables, primeramente por su coeficiente de variación y luego a través de un análisis de correspondencia, quedaron 11 variables estandarizadas consideradas como expresiones relevantes de la estructura, el manejo técnico y los resul-tados productivos de los casos en estudio. Estas variables fueron: 1.Índice de Infraestructura, 2.Superficie de Campo Natural 3.Capital en Vacas, 4. M.O. Familiar/M.O. Total, 5. % Tacto Rectal, 6. % de Destete, 7. Meses Servicio Estacionado , 8. % de Toros Utilizados, 9. % de Parición, 10.Superficie Promedio de los Potreros, 11. % de Pasturas Implantadas.

Figura 1. Valores Comunes de los Componentes Principales(pag. siguiente)



A partir de estas variables estandarizadas, se procedió al análisis de componentes principales. Una vez realizado el análisis se tuvieron en cuenta los 4 primeros componentes o factores, los cuales explican el 69% de la varianza total. En la Figura 1 se observa la caída en el valor de los autovalores a partir del cuarto componente; resultando inferiores a uno a partir del mismo, lo que implica que cada componente no alcanza a explicar el equivalente de una variable original de las que están en análisis.La interpretación de los factores (Tabla 12) se realizó en base a conocimientos empíricos y antecedentes bibliográficos sobre sistemas ganaderos.Tabla 22. Matriz de Componentes rotados y su interpretación

Componentes Variables puntuadas Carga Factorial Interpretación

Primero

Índice de Infraestructura 0,851Asignación de la mano de obra y dotación de Capital de la EAP

Sup. C. Natural 0,818Capital en vacas 0,708Relación Fam/Total -0,478

SegundoPorcentaje Tacto Rectal 0,829 Características de manejo de las

EAP% de Destete 0,703Servicio Estacionado 0,673

Tercero % toros 0,777 Parámetros reproductivos% de Parición 0,704

Cuarto % Sup. Gan./N° Potreros -0,835 Infraestructura para el manejo ganadero% de Pasturas 0,680

El primer componente agrupa variables relacionadas a la estructura de la explotación. Como era de esperar la carga factorial de la variable mano de obra tiene valor negativo, a medida que aumenta el tamaño la importancia la de mano de obra familiar disminuye. Cabe resaltar que este factor es el de mayor valor explicativo de la varianza (28,04 %), lo cual refuerza la hipótesis sobre la capacidad de las variables de organización social del trabajo y dotación de capital para reconocer la heterogeneidad de los sistemas de producción.Con respecto al segundo y tercer componente se observa que se agrupan variables vinculadas al manejo y a los parámetros reproductivos de los rodeos, mientras que el cuarto agrupa variables vinculadas a infraestructura para el manejo ganadero, como el porcentaje de pasturas implantadas y la superficie media de los potreros.

4.2.2. Análisis Clúster A partir de los 4 componentes se realizó el análisis Clúster de acuerdo a lo descripto en el

A partir de estas variables estandarizadas, se procedió al análisis de componentes principales. Una vez realizado el análisis se tuvieron en cuenta los 4 primeros componentes o factores, los cuales explican el 69% de la varianza total. En la Figura 1 se observa la caída en el valor de los autovalores a partir del cuarto componente; resultando inferiores a uno a partir del mismo, lo que implica que cada componente no alcanza a explicar el equivalente de una variable original de las que están en análisis.

La interpretación de los factores (Tabla 12) se realizó en base a conocimientos empíricos y antecedentes bibliográficos sobre sistemas ganaderos.

Tabla 22. Matriz de Componentes rotados y su interpretación

A partir de estas variables estandarizadas, se procedió al análisis de componentes principales. Una vez realizado el análisis se tuvieron en cuenta los 4 primeros componentes o factores, los cuales explican el 69% de la varianza total. En la Figura 1 se observa la caída en el valor de los autovalores a partir del cuarto componente; resultando inferiores a uno a partir del mismo, lo que implica que cada componente no alcanza a explicar el equivalente de una variable original de las que están en análisis.La interpretación de los factores (Tabla 12) se realizó en base a conocimientos empíricos y antecedentes bibliográficos sobre sistemas ganaderos.Tabla 22. Matriz de Componentes rotados y su interpretación

Componentes Variables puntuadas Carga Factorial Interpretación

Primero

Índice de Infraestructura 0,851Asignación de la mano de obra y dotación de Capital de la EAP

Sup. C. Natural 0,818Capital en vacas 0,708Relación Fam/Total -0,478

SegundoPorcentaje Tacto Rectal 0,829 Características de manejo de las

EAP% de Destete 0,703Servicio Estacionado 0,673

Tercero % toros 0,777 Parámetros reproductivos% de Parición 0,704

Cuarto % Sup. Gan./N° Potreros -0,835 Infraestructura para el manejo ganadero% de Pasturas 0,680

El primer componente agrupa variables relacionadas a la estructura de la explotación. Como era de esperar la carga factorial de la variable mano de obra tiene valor negativo, a medida que aumenta el tamaño la importancia la de mano de obra familiar disminuye. Cabe resaltar que este factor es el de mayor valor explicativo de la varianza (28,04 %), lo cual refuerza la hipótesis sobre la capacidad de las variables de organización social del trabajo y dotación de capital para reconocer la heterogeneidad de los sistemas de producción.Con respecto al segundo y tercer componente se observa que se agrupan variables vinculadas al manejo y a los parámetros reproductivos de los rodeos, mientras que el cuarto agrupa variables vinculadas a infraestructura para el manejo ganadero, como el porcentaje de pasturas implantadas y la superficie media de los potreros.

4.2.2. Análisis Clúster A partir de los 4 componentes se realizó el análisis Clúster de acuerdo a lo descripto en el

El primer componente agrupa variables relacionadas a la estructura de la explotación. Como era de espe-rar la carga factorial de la variable mano de obra tiene valor negativo, a medida que aumenta el tamaño la importancia la de mano de obra familiar disminuye. Cabe resaltar que este factor es el de mayor valor



explicativo de la varianza (28,04 %), lo cual refuerza la hipótesis sobre la capacidad de las variables de organización social del trabajo y dotación de capital para reconocer la heterogeneidad de los sistemas de producción.

Con respecto al segundo y tercer componente se observa que se agrupan variables vinculadas al manejo y a los parámetros reproductivos de los rodeos, mientras que el cuarto agrupa variables vinculadas a in-fraestructura para el manejo ganadero, como el porcentaje de pasturas implantadas y la superficie media de los potreros.

4.2.2. Análisis Clúster

A partir de los 4 componentes se realizó el análisis Clúster de acuerdo a lo descripto en el punto 3. Una vez analizado el dendograma (ver Anexo) se obtuvieron 6 conglomerados.

4.2.2.1. Caracterización de los conglomerados

Cada uno de los 6 conglomerados se asoció a un tipo o grupo de productores ganaderos de acuerdo a las características que se describen en la tabla 13.

Conglomerado 1 - productor empresarial criador con agricultura.

Este conglomerado está integrado por 17 EAP, representando el 25% de la muestra y se caracteriza por estar integrado de productores ganaderos con el segundo nivel más alto de capitalización, 958 unidades vaca, y alta proporción de personal asalariado. Están orientados a la cría, solo 29% engorda su producción, y dedican en promedio el 18% de la superficie da a la agricultura.

En cuanto al manejo reproductivo, 94% de las EAP de este grupo hace servicio estacionado, 41% insemi-nación artificial y 94 % tacto rectal, alcanzando 9 % más de destete que la media de la muestra. El 76% combina destete anticipado de 3 meses y normal (7 meses).

En promedio más de la mitad de la superficie ganadera está cubierta con pasturas, alcanzando en un caso el 100% del establecimiento. Esta situación favorece el mantenimiento de una carga animal 14% superior al promedio de la muestra. Predominan las pasturas megatérmicas como Gatton panic (44%), Grama rhodes (27%) y Buffel grass (26%).

Con respecto a la mano de obra, en solo tres casos se observa que hay 1 o más miembros de la familia in-volucrados en las tareas del campo. En el 71% de los casos el propietario vive en otras provincias, mientras que solo el 65% tiene como principal ingreso a la ganadería.

Tabla 33. Características socio-productivas de los conglomerados (valores promedios)(pag. siguiente)



punto 3. Una vez analizado el dendograma (ver Anexo) se obtuvieron 6 conglomerados.

4.2.2.1. Caracterización de los conglomerados Cada uno de los 6 conglomerados se asoció a un tipo o grupo de productores ganaderos deacuerdo a las características que se describen en la tabla 13.

Conglomerado 1.- productor empresarial criador con agricultura.Este conglomerado está integrado por 17 EAP, representando el 25% de la muestra y secaracteriza por estar integrado de productores ganaderos con el segundo nivel más alto de capitalización, 958 unidades vaca, y alta proporción de personal asalariado. Están orientados a la cría, solo 29% engorda su producción, y dedican en promedio el 18% de la superficie da a la agricultura.En cuanto al manejo reproductivo, 94% de las EAP de este grupo hace servicio estacionado, 41% inseminación artificial y 94 % tacto rectal, alcanzando 9 % más de destete que la media de la muestra. El 76% combina destete anticipado de 3 meses y normal (7 meses).En promedio más de la mitad de la superficie ganadera está cubierta con pasturas, alcanzando en un caso el 100% del establecimiento. Esta situación favorece el mantenimiento de una carga animal 14% superior al promedio de la muestra. Predominan las pasturas megatérmicas como Gatton panic (44%), Grama rhodes (27%) y Buffel grass (26%).Con respecto a la mano de obra, en solo tres casos se observa que hay 1 o más miembros de la familia involucrados en las tareas del campo. En el 71% de los casos el propietario vive en otras provincias, mientras que solo el 65% tiene como principal ingreso a la ganadería.Tabla 33. Características socio-productivas de los conglomerados (valores promedios)

Prome-dio

Conglomerados1 2 3 4 5 6

Número de casos 67 17 4 7 24 10 5% de casos 25 6 10 36 15 8Capital en vacas (cab) 924 958 5616 779 436 504 493Índice Infraestructura 54 60 162 55 35 53 34Superficie total (ha) 2573 2242 11908 1910 2063 755 3248Sup. por potrero (ha) 198 114 134 85 272 70,9 587Carga Animal (EV/ha) 0,49 0,56 0,59 0,59 0,25 0,97 0,26Meses de servicio 3,7 4,10 3,5 s/d 2,8 3,1 4,0% superficie ganadera 85 82 67 94 98 85 97% superficie agrícola 15 18 33 6 2 15 3% superficie con pastura 34 55 53 54 1 26 13% con cría 91 100 100 29 96 100 100% engorde 39 29 50 86 25 70 0% de toros 5 5 5 s/d 5 9 4% de preñez 76 79 72 s/d 66 71 79% de destete 57 67 62 s/d 48 65 63% Asesor agronómico 51 71 75 86 25 60 20% fuera de la Provincia 49 71 100 43 50 20 80% dependencia predial 60 65 50 86 46 100 20M.O. Familiar 0,93 0,60 0,25 1,39 0,97 1,48 0,25M.O. no Familiar 2,70 4,24 11,31 1,04 1,49 0,33 3,85M.O. Fam / Total 0,39 0,19 0,03 0,64 0,41 0,78 0,17

Conglomerado 2.- productor empresarial grande mixtoConglomerado 2.- productor empresarial grande mixto

Este conglomerado está integrado por 4 EAP que se diferencian ampliamente del resto por su gran tamaño (11.908 ha), alto nivel de capitalización (5.616 vacas), alta proporción y cantidad de asalariados, mayor diversificación la agricultura ocupa – en promedio- el 33% de la superficie y el 50% de las EAP hace ciclo completo) y por el alto nivel tecnológico que les permiten mantener una carga animal y niveles de procreo (62% de destete) relativamente altos. Este grupo presenta el mayor índice de infraestructura.

En relación a la tecnología, el 100% hace servicio estacionado, concentra el servicio, y hacen tacto rectal y el 75% hace inseminación artificial. Como en el conglomerado 1 más del 50% de la superficie ganadera se encuentra sembrada con pasturas megatérmicas, de las cuales el 55% está ocupada por Gatton panic y 44%, con Grama rhodes. El 75% es asesorado por ingenieros agrónomos, lo cual, como en el caso ante-rior, puede estar relacionado también a la importancia de los cultivos de cosecha.

Todos los productores de este cluster viven en otras provincias, destacándose que el 50% recibe sus principales ingresos de otras empresas agrícolas y agroalimentarias radicadas también en otras provincias. En concordancia con el tamaño de los establecimientos presentan el mayor número promedio de emplea-dos permanentes (más de 11 por EAP). En etas empresas las decisiones de manejo son tomadas por los administradores o encargados.



Conglomerado 3.- productor familiar engordador extensivo

Lo integran 7 productores y se distingue por representar a explotaciones ganaderas con niveles intermedios de capital (las unidades vaca se ubican 16% por debajo del promedio de la muestra) y superficie (1.910 ha) y orientadas a la invernada (86% de las EAP). En este sentido, es el único conglomerado en que la inver-nada de compra es la orientación productiva más frecuente con el 56% de los casos. Asimismo, todas las explotaciones que integran la cría (29%) engordan su producción.

En este cluster la orientación productiva está ligada a las características agroecológicas donde están lo-calizadas la mayoría de las EAP, las cuales posibilitan el engorde y terminación de los animales. El 70 % de los casos se localiza hacia el sudeste de la zona, departamento Rivadavia, donde el mayor el régimen pluviométrico permite utilizar la producción de alfalfa, cuya superficie promedio es de 79 ha, como base de la alimentación de la invernada. Las otras EAP, ubicadas en el departamento Ojo de Agua, basan la alimentación en la producción de Gatton panic. En las primeras, la superficie con pasturas alcanza el 35% de la superficie ganadera, mientras que en las segundas representan el 54%. A partir de estos recursos, la carga animal promedio es similar al conglomerado 2 (0,59 EV/ha).

Con respecto al tipo de productor, el 43% proviene de las provincias de Córdoba y Santa Fe. En el 86% de los casos las entradas prediales representan el principal ingreso.

Con respecto a la mano de obra, en la tabla 13 se puede observar la elevada participación familiar dentro de la mano de obra ocupada en la EAP.

Conglomerado 4.- productor criador extensivo

Es el conglomerado más numeroso y se caracteriza por incluir explotaciones orientadas a la cría y recría extensiva. Pese a tener una superficie promedio superior a las 2000 ha, la dotación de capital es la más baja de los 6 conglomerados (436 vacas).

La actividad ganadera cubre en promedio el 98% de la superficie. En número de casos, 38% se dedica a la cría, 38% a la cría-recría, 20% hace ciclo completo y solo 4% se dedica a la invernada de compra.

En cuanto al manejo del rodeo, el 38% hace servicio estacionado y sólo el 17% realiza tacto rectal en el rodeo. El porcentaje de destete de este conglomerado (tabla 13) es el más bajo, ubicándose 9% por debajo de la media de la muestra.

Este bajo índice de destete aparece asociado al bajo apotreramiento, lo que se ve reflejado por el tamaño promedio de los mismos (272,46 ha), y por la ausencia de pasturas implantadas (1,2%). Si bien 38% de las EAP tienen pasturas, la superficie ocupada por las mismas es del 3%, lo que hace que la alimentación se base en el uso de monte o del campo natural.

A diferencia de los restantes conglomerados, en los que más del 90% de las explotaciones recibe asisten-cia veterinaria, en este grupo solo lo hace el 79% y en la mayoría de los casos es por cuestiones puntuales. Por otra parte, solo reciben asistencia agronómica el 25% de los casos, la mayoría de los cuales están vin-culados a programas de desarrolla el INTA. Conjuntamente con el clúster 6, son los que menor asistencia agronómica reciben.



El 50% de los propietarios de las explotaciones residen en otras provincias y solo el 46% tiene a la explo-tación como principal fuente de ingreso.

La relación promedio entre la mano de obra familiar y total es similar a la media de la muestra, y pese a ser más alta el que umbral de corte para esta variable se verifica que solo el 37% de los productores son familiares.

Conglomerado 5.- productor familiar criador y engordador intensivo.

Este conglomerado está compuesto por el 15% de la muestra y comprende a aquellas EAP con menores superficies (755 ha) y alta proporción de mano de obra familiar (tabla 13). Este grupo presenta la mayor dotación de capital en términos relativos a su superficie promedio, siendo esta relación 86 % más alta que el promedio (0,67 vs 0.36 unidad vaca/ha).

El 85% de la superficie de las EAP de este grupo está destinada a la ganadería y el 15% a la agricultura. El 100% produce terneros y el 70% hace ciclo completo. Pese a que las pasturas ocupan solo el 26% de la superficie, es el conglomerado con mayor carga animal (0,97 EV/ha). En gran medida, este hecho puede ser debido a que casi el 80% del área con pasturas está implantada con alfalfa de alta receptividad y cali-dad forrajera. La superficie restante esta sembrada con Grama rhodes y Gatton panic

El 80% de los productores tiene el servicio estacionado; aunque solo un 30% hace tacto rectal. No obs-tante, junto con el conglomerado 1, es el que tiene mayor porcentaje de destete (66%). El tipo de destete es convencional, realizándose en promedio a los 6 meses de edad.

El 90% de las EAP recurren a un profesional veterinario, mientras que el 60% consulta a un ingeniero agrónomo, en ambos casos por situaciones puntuales.

El 80% de los productores viven en el campo o en ciudades cercanas a los mismos. La principal fuente de ingreso es la ganadería y es para resaltar que hay un empleo intensivo de la mano de obra familiar en detrimento de la mano de obra contratada. La relación entre la mano de obra familiar y la total es la más alta de todos los conglomerados.

Conglomerado 6.- productor empresarial criador extensivo.

Este conglomerado representa únicamente 8% de la población bajo estudio, caracterizándose por tener las explotaciones de mayor tamaño luego del cluster 2, estar orientados a la cría extensiva y tener una alta proporción de mano de obra asalariada.

La casi totalidad de la superficie está destinado a la ganadería, ocupando la agricultura un lugar muy redu-cido. La única actividad que se practica es la cría, en dos casos los terneros son llevados a otros campos para su engorde, inclusive las hembras para reposición de vientres. Este conglomerado presenta el valor de capital promedio por ha más bajo, 0,15 unidades vaca/ha, 42% menos que el promedio.

Solo dos EAP tienen el servicio estacionado, el resto tiene servicio continuo. Un solo caso hace insemina-ción artificial en las vaquillonas de primera parición. En cambio, el 100% de los campos hace tacto rectal logrando un índice de destete promedio de 63%. El tipo de destete es temprano en 3 casos y normal en el resto, oscilando entre los 4 y 7 meses.



El área promedio ocupada por pasturas es solo del 13,3% de la superficie ganadera, teniendo el Gatton panic un marcado predominio del (94%). Este grupo presenta la mayor superficie promedio de los potreros (587 ha), 3 veces más alta que el promedio, dando cuenta del manejo extensivo del rodeo de las EAP de este cluster.

El 100% de las explotaciones cuenta con la asistencia de un profesional veterinario, mientras que solo un caso cuenta con la de un ingeniero agrónomo.

El 80% de los propietarios de las explotaciones viven en otras ciudades y en su totalidad delegan la ad-ministración del campo, por lo cual la dedicación familiar a las tareas del predio es muy baja. Esto hace que la relación mano de obra familiar sobre total resulte la más baja de todos los conglomerados. Salvo en un caso, donde la actividad ganadera predial es la principal fuente de ingreso, los productores de este conglomerado son inversionistas cuyos capitales e ingresos provienen principalmente de la agricultura.

Análisis comparativo de los conglomerados

El análisis realizado permitió describir las diferencias y contrastes entre grupos, como es el caso del conglo-merado 2, productor empresarial grande mixto, con respecto al 5, productor familiar criador y engordador intensivo. Estos cluster presentan las mayores diferencias en el tamaño de las explotaciones y en la relación mano de obra familiar sobre total. Además, el 100% de los productores del conglomerado 2 viven fuera de provincia y el 50% tiene como principal ingreso a la actividad predial, mientras que en el 5 solo el 20% vive fuera de la provincia y todos los productores viven de los ingresos que genera la explotación.

De manera similar, se aprecia que las EAP familiares de los cluster 3 y 5 pese a ser considerablemente más pequeñas que las del 6, tienen mayor dotación de capital, lo cual se explica por el mantenimiento de una carga animal mucho más elevada que llega a ser más del doble en el caso del conglomerado 3 y casi el cuádruple en el 5. Estas diferencias se explican en gran medida, por la mayor proporción de pasturas y de productores que realizan engorde de ambos conglomerados con respecto al 6.

Si bien el conglomerado 4 y el 6 se encuentran en los extremos de representatividad, guardan ciertas similitudes en lo que respecta a dotación de capital, orientación productiva, proporción de la explotación destinada a la ganadería, carga animal y asistencia agronómica. No obstante estas semejanzas, el 4 exhibe una alta proporción de productores familiares (37%), siendo la relación mano de obra familiar sobre la total casi 2,5 veces más alta que la del conglomerado 6. Otra diferencia entre ambos conglomerados se presenta en el índice de destete, siendo 32 % mayor en el tipo empresarial.

4.3. Análisis comparativo entre métodos

Se hizo la intersección entre ambas tipologías para visualizar la cantidad de tipos sociales que se en-cuentran en cada conglomerado (Tabla 14). En los conglomerados 1, 2 y 6 hay mayor participación de los productores empresariales, con porcentajes por encima del 80%, llegando en el 2 a reunir el 100% de las explotaciones de este tipo. En el otro extremo, el conglomerado 5 está compuesto por el 80% de productores familiares.

Tabla 14. Porcentaje de casos por tipo social en cada conglomerado(pag. siguiente)



Tabla 14. Porcentaje de casos por tipo social en cada conglomerado

Tipo SocialConglomerado

Total1 2 3 4 5 6

Empresarial Capitalizado 53% 100% 14% 21% 20% 40% 34%Empresarial no capitalizado 29% 0% 29% 42% 0% 40% 28%Familiar Capitalizado 12% 0% 14% 4% 30% 0% 10%Familiar No Capitalizado 6% 0% 43% 33% 50% 20% 27%Total general 100% 100% 100% 100% 100% 100% 100%

Con respecto a los conglomerados 3 y 4 se observa que está compuesto por productores no capitalizados tanto familiares como empresariales, predominando los primeros en el 3 y los segundos en el 4. Por otra parte, con respecto al 4, el cluster 3 agrupa a las explotaciones que se dedican al engorde, tienen mayor nivel de capitalización y de adopción de tecnológica.La mayor cantidad de variables consideradas en el análisis multivariado, sobre todo las referidas al desempeño tecnológico, pone en evidencia una mayor heterogeneidad de situaciones y una mayor homogeneidad dentro de cada tipo construido, permitiendo expresar,de esta manera, las diferencias existentes en el interior de los tipos socialesAsí, por ejemplo, si bien el conglomerado 2 se corresponde con el tipo empresarial capitalizado, sus productores se diferencian de otros del mismo tipo social por la escala trabajada, por la importancia de la agricultura y por ser inversores extraregionales. En los grupos 3 y 4, también se puede apreciar que el nivel de capitalización resulta más importante que la mano de obra, como variable para caracterizarlos. En el grupo 3, se pone en evidencia como la orientación productiva está ligada a las características agroecológicas, más aptas para la terminación de los animales. A los fines de analizar el grado de relación existente entre ambas tipologías, se realizó un test Chi-cuadrado (Tabla 15). Las variables analizadas fueron el tipo social asignado y el conglomerado de pertenencia correspondiente a cada explotación bajo estudio. Como se puede observar el nivel se significación es de 0,023, indicando que las variables son dependientes.Tabla 15. Estadísticos de prueba de Chi cuadrado

Valor gl Nivel de significaciónChi-cuadrado de Pearson 27,806 15 0,023Razón de verosimilitudes 31,949 15 0,007N de casos válidos 67

ConclusionesLos resultados de este trabajo guardan relación con los antecedentes analizados, dando cuenta de la dinámica productiva reciente de Santiago del Estero. En este aspecto, el 70% de las EAP analizadas presentan pasturas con especies subtropicales, las cuales ocupan en promedio un 40% de la superficie ganadera, mientras que el 51% de los casos incorporaron mejoras genéticas en sus rodeos a través de la introducción de reproductores de razas sintéticas como Braford y Brangus. Asimismo, se puede apreciar que el 58% de los casos hace servicio estacionado, alrededor de la mitad incorporó la revisión clínica de toros y tacto rectal y el 22% utiliza la inseminación artificial.La identificación y análisis de los sistemas de producción permitió establecer distintos comportamientos productivos, en los que se refiere al uso del suelo, orientación productiva,

Con respecto a los conglomerados 3 y 4 se observa que está compuesto por productores no capitalizados tanto familiares como empresariales, predominando los primeros en el 3 y los segundos en el 4. Por otra parte, con respecto al 4, el cluster 3 agrupa a las explotaciones que se dedican al engorde, tienen mayor nivel de capitalización y de adopción de tecnológica.

La mayor cantidad de variables consideradas en el análisis multivariado, sobre todo las referidas al desem-peño tecnológico, pone en evidencia una mayor heterogeneidad de situaciones y una mayor homogenei-dad dentro de cada tipo construido, permitiendo expresar, de esta manera, las diferencias existentes en el interior de los tipos sociales.

Así, por ejemplo, si bien el conglomerado 2 se corresponde con el tipo empresarial capitalizado, sus productores se diferencian de otros del mismo tipo social por la escala trabajada, por la importancia de la agricultura y por ser inversores extra regionales.

En los grupos 3 y 4, también se puede apreciar que el nivel de capitalización resulta más importante que la mano de obra, como variable para caracterizarlos. En el grupo 3, se pone en evidencia como la orientación productiva está ligada a las características agroecológicas, más aptas para la terminación de los animales.

A los fines de analizar el grado de relación existente entre ambas tipologías, se realizó un test Chi-cuadrado (Tabla 15).Las variables analizadas fueron el tipo social asignado y el conglomerado de pertenencia corres-pondiente a cada explotación bajo estudio. Como se puede observar el nivel se significación es de 0,023, indicando que las variables son dependientes.

Tabla 15. Estadísticos de prueba de Chi cuadrado

Tabla 14. Porcentaje de casos por tipo social en cada conglomerado

Tipo SocialConglomerado

Total1 2 3 4 5 6

Empresarial Capitalizado 53% 100% 14% 21% 20% 40% 34%Empresarial no capitalizado 29% 0% 29% 42% 0% 40% 28%Familiar Capitalizado 12% 0% 14% 4% 30% 0% 10%Familiar No Capitalizado 6% 0% 43% 33% 50% 20% 27%Total general 100% 100% 100% 100% 100% 100% 100%

Con respecto a los conglomerados 3 y 4 se observa que está compuesto por productores no capitalizados tanto familiares como empresariales, predominando los primeros en el 3 y los segundos en el 4. Por otra parte, con respecto al 4, el cluster 3 agrupa a las explotaciones que se dedican al engorde, tienen mayor nivel de capitalización y de adopción de tecnológica.La mayor cantidad de variables consideradas en el análisis multivariado, sobre todo las referidas al desempeño tecnológico, pone en evidencia una mayor heterogeneidad de situaciones y una mayor homogeneidad dentro de cada tipo construido, permitiendo expresar,de esta manera, las diferencias existentes en el interior de los tipos socialesAsí, por ejemplo, si bien el conglomerado 2 se corresponde con el tipo empresarial capitalizado, sus productores se diferencian de otros del mismo tipo social por la escala trabajada, por la importancia de la agricultura y por ser inversores extraregionales. En los grupos 3 y 4, también se puede apreciar que el nivel de capitalización resulta más importante que la mano de obra, como variable para caracterizarlos. En el grupo 3, se pone en evidencia como la orientación productiva está ligada a las características agroecológicas, más aptas para la terminación de los animales. A los fines de analizar el grado de relación existente entre ambas tipologías, se realizó un test Chi-cuadrado (Tabla 15). Las variables analizadas fueron el tipo social asignado y el conglomerado de pertenencia correspondiente a cada explotación bajo estudio. Como se puede observar el nivel se significación es de 0,023, indicando que las variables son dependientes.Tabla 15. Estadísticos de prueba de Chi cuadrado

Valor gl Nivel de significaciónChi-cuadrado de Pearson 27,806 15 0,023Razón de verosimilitudes 31,949 15 0,007N de casos válidos 67

ConclusionesLos resultados de este trabajo guardan relación con los antecedentes analizados, dando cuenta de la dinámica productiva reciente de Santiago del Estero. En este aspecto, el 70% de las EAP analizadas presentan pasturas con especies subtropicales, las cuales ocupan en promedio un 40% de la superficie ganadera, mientras que el 51% de los casos incorporaron mejoras genéticas en sus rodeos a través de la introducción de reproductores de razas sintéticas como Braford y Brangus. Asimismo, se puede apreciar que el 58% de los casos hace servicio estacionado, alrededor de la mitad incorporó la revisión clínica de toros y tacto rectal y el 22% utiliza la inseminación artificial.La identificación y análisis de los sistemas de producción permitió establecer distintos comportamientos productivos, en los que se refiere al uso del suelo, orientación productiva,



VI. CONCLUSIONES

Los resultados de este trabajo guardan relación con los antecedentes analizados, dando cuenta de la diná-mica productiva reciente de Santiago del Estero. En este aspecto, el 70% de las EAP analizadas presentan pasturas con especies subtropicales, las cuales ocupan en promedio un 40% de la superficie ganadera, mientras que el 51% de los casos incorporaron mejoras genéticas en sus rodeos a través de la introducción de reproductores de razas sintéticas como Braford y Brangus. Asimismo, se puede apreciar que el 58% de los casos hace servicio estacionado, alrededor de la mitad incorporó la revisión clínica de toros y tacto rectal y el 22% utiliza la inseminación artificial.

La identificación y análisis de los sistemas de producción permitió establecer distintos comportamientos productivos, en los que se refiere al uso del suelo, orientación productiva, grado y tipo de adopción tec-nológica y las características de los productores asociados a esos comportamientos. La utilización de dos técnicas de clasificatorias de la diversidad rural, conceptualmente muy diferentes, permitió comparar sus alcances, ventajas y limitaciones.

El método por asignación basado en el reconocimiento de tipos sociales agrarios, exhibe como principal ventaja para el análisis de la diversidad su simplicidad, así como que las variables clasificatorias sobre las que se apoya la clasificación están fundamentadas en un sólido marco teórico.

Su principal desventaja radica en saber si las variables de mano de obra y dotación de capital tienen la capacidad necesaria para diferenciar grupos suficientemente heterogéneos entre si y homogéneos en su interior. En este sentido, los resultados muestran la persistencia de heterogeneidad al interior de cada tipo en variables de relevancia, como las relacionadas al manejo técnico y los índices reproductivos, especial-mente en los sistemas familiares no capitalizados. Además, el método presenta la dificultad de definir a priori los valores de corte, los cuales, al ser tan pocas las variables consideradas, toman una importancia fundamental para clasificar las EAP, pudiendo discriminar erróneamente casos que se ubican cerca de los umbrales de corte.

El análisis multivariado permitió identificar la asociación entre distintas variables y cuanto de la variabilidad explica cada una de ellas, haciendo un uso exhaustivo de la información relevada. Las 11 variables que intervinieron, luego del proceso de selección, en los análisis de componentes principales y clúster demues-tran que el uso de pocas variables estructurales y socio-productivas bastaría para captar la heterogeneidad de las explotaciones ganaderas del Chaco Ganadero.

En este sentido, la composición de la mano de obra y la dotación de capital forman parte del factor con mayor valor explicativo de la varianza (28%). Este resultado y la existencia de una correlación con altos niveles de significación entre los sistemas identificados por uno y otro método, confirman la hipótesis planteada de que ambas variables presentan un alto poder explicativo de la heterogeneidad de las explo-taciones agropecuarias.

Si bien ambas tipologías logran conciliar extremos de generalidad y especificidad, las variables de in-fraestructura y socio-productivas que incorpora el análisis multivariado hacen que los clústers detectados presenten distribuciones más homogéneas en su interior que los identificados por la técnica de asigna-ción. Así, por ejemplo, el 100% de los casos pertenecientes al conglomerado 2 se corresponden con el tipo empresarial capitalizado, sin embargo estos solo representan el 17 % de este tipo social, el resto se



reparte en los otros cinco conglomerados, presentando diferencias en la escala trabajada, en los índices de infraestructura, en la importancia de la agricultura y en otras variables que hacen o caracterizan la pro-ductividad de los sistemas. Pese a estas diferencias, los resultados obtenidos por uno y otro método, lejos de ser contradictorios aparecen como complementarios a los fines de caracterizar los sistemas productivos ganaderos, pudiendo formar parte de diferentes instancias de trabajo.

Por último, el estudio realizado cumple con su propósito de generar información que contribuya a adecuar los lineamientos de las actividades de investigación y extensión dirigidos al desarrollo de la zona. Entre la información generada, es necesario remarcar que una alta proporción de las explotaciones no capitaliza-das, lo cual no necesariamente está ligado al tamaño de la EAP, tienen los índices productivos más bajos por ser las de menor grado de adopción tecnológica. Dentro de las mismas, la mayoría de los productores familiares dependen de los ingresos ganaderos prediales para su subsistencia.

BIBLIOGRAFÍA

ARCHETTI, E. y STÖLEN, K. A. 1975. Explotación familiar y acumulación de capital en el campo argentino, Siglo XXI, Buenos Aires.

BERDEGUÉ, J. 1990. El enfoque de investigación y desarrollo de sistemas de producción campesinos. Ed. grupo de Investigaciones Agrarias. Chile.

CARACCIOLO de BASCO, M. et al, 1981 “Esquema conceptual y Metodología para el estudio de tipos de Establecimientos agropecuarios con énfasis en el Minifundio”. El minifundio en la Argentina (Segunda parte). Ministerio de Economía. Secretaría de Agricultura y Ganadería. Servicio Nacio nal de Economía y Sociología Rural Buenos Aires.

CARBALLO GONZÁLEZ, C. 2006. Cincuenta años de agricultura familiar en el INTA. Viejos desafíos en un nuevo contexto para el Desarrollo Rural y Nacional. XIII Jornadas Nacionales de Extensión Rural y V del Mercosur. Esperanza, Santa fe. 25p.

CITTADINI, R.; MANCHADO, J. C.; LOMBARDO, P.; REVELLI, J. Y MOSCIARO, M. 1991. Las formas de organización social de la producción en el partido de Olavarría. Área de Economía y Sociología Rural de la Unidad Integrada INTA – FCA.21 p.

CORNACCHIONE, M. V. 2006. Diagnostico e identificación de los sistemas productivos del área de in fluencia de la agencia de Extensión Rural I.N.T.A. Frías. Tesis de posgrado Maestría en Desarrollo de Zonas Áridas y Semiáridas. Universidad Nacional de Santiago del Estero.

ECHENIQUE, J. 1999 “Tendencias y papel de la tecnología en la agricultura familiar del Cono Sur”. Serie Resúmenes Ejecutivos N° 11. Proyecto Global. PROCISUR-BID. Montevideo.

ESCOBAR, G., y BERDEGUÉ, J. 1990. Tipificación de sistemas de producción agrícola. Santiago de Chile: RIMISP.



FUMAGALLI, A. 2003. Situación Actual y Posibilidades de Expansión de la Ganadería del NOA. 26º Con greso Argentino de Producción Animal. Mendoza, 22 al 26 de octubre.

GONZÁLEZ, M. Y BILELLO, G. 2005: Marco conceptual y Estrategia metodológica: Marco teórico. Pro ductores Familiares Pampeanos: hacia la comprensión de similitudes y diferenciaciones zonales. Coord: María del Carmen González. pp. 17- 31.

IGLESIAS, D. y GHEZAN, G. 2010. Análisis de la cadena de carne bovina en Argentina. Estudios socioe conómicos de los sistemas agroalimentarios y agroindustriales N°5. Ediciones INTA.

JAÑEZ, H. 2005. Zonas Agroeconómicas Homogéneas y Sistemas Productivos Relevantes. Informe de Avance. Centro Regional Tucumán Santiago del Estero

JAÑEZ, H., SEMPRONI, G. y NEME, H. 1990. Caracterización del Sector Agropecuario de la Provincia de Santiago del Estero en Estudio para la implementación de la Reforma Impositiva Agropecuaria. Proyecto PNUD Argentina 85/019. Argentina.

KUNST, C., LEDESMA R. y NAVALL M. 2008. RBI. Rolado selectivo de baja intensidad. INTA EEA Santiago del Estero Informe Técnico N° 57. Santiago del Estero. 139 p.

LAMARCHE, H. (Coord.) 1993: “A agricultura familiar. Comparacao inernacional”. Ed. UNICAMP. San Pablo. Brasil.

LÓPEZ VALCARCEL, B. 1990. Análisis multivariante. Aplicación al ámbito sanitario. Ed. S.G. Editores. Barcelona. España.

OBSCHATKO, E. D., FOTI, M. D. P. yROMÁN, M. E. 2007. Los pequeños productores en la República Argentina. Importancia en la producción agropecuaria y en el empleo en base al Censo Nacional Agropecuario 2002. Serie Estudios e Investigaciones (10).

PAZ, R 1994. Estructura agraria y sistemas de producción en el noroeste argentino. Su determinación a partir del análisis multivariante. Población y sociedad Nº 2, pp. 81-103

PAZ, R. 2002. Lechería caprina y procesos de reconversión productiva en explotaciones campesinas. Un estudio de caso en el área de Santiago del Estero. Argentina. Trabajo y Sociedad. Indagaciones sobre el empleo, la cultura y las prácticas políticas en sociedades segmentadas. Nº 5, vol. IV, septiembre-diciembre, Santiago del Estero, Argentina.

PRETZER, D. y FINLEY, R. 1974. Farm type classification systems: another look at an old problems. Ameri can journal Agric.Econ. vol. 56, pp.145-149.

RUMMEL, R. 1977. “Para comprender el análisis factorial”. En Técnicas avanzadas en Ciencias Sociales. Schwartzman, Simón (compilador). Ed. Nueva Visión. Buenos Aires, Argentina.



ANEXO: DendogramaC A S E 0 5 10 15 20 25

Label Num +---------+---------+---------+---------+---------+27 -+29 -+3 -+

25 -+-+31 -+ +---------------------------------+24 -+ | |6 ---+ |

62 -+ |63 -+---+ +-----------+66 -+ +-----------------+ | |56 -+---+ | | |67 -+ | | |36 -+-+ | | |51 -+ +-------+ +-------------+ |53 -+ | | | |61 -+-+ | | |55 -+ | | |59 -+ | | |39 -+ +-----------+ |65 -+---+ | |13 -+ | | |17 -+ | | |64 -+ | | |50 -+ +-----+ |57 -+ | |52 -+-+ | |4 -+ | | |

40 -+ +-+ |44 -+ | |35 -+-+ |45 -+ |10 -+ |16 -+ |8 -+ |5 -+ |

42 -+ |2 -+ |

18 -+---------+ |38 -+ +-------------------------+ |46 -----------+ | |28 -+ | |30 -+---+ | |32 -+ | | |11 -+-+ +---------------------+ +-----------+33 -+ | | | |7 -+ +-+ | |

48 -+ | | |12 -+ | | |26 -+-+ | |9 -+ +---------+

21 -+ |22 -+-----+ |1 -+ | |

20 -+ | |19 -+ | |41 -+ +-------------------+47 -+-+ |23 -+ | |49 -+ | |14 -+ +---+54 -+ |34 -+ |58 -+ |43 -+-+60 -+15 -+



Análisis econométrico de poder de mercado: una

aplicación en actividades agropecuarias argentinas

Pace Guerrero, Ignacio Raul Puechagut, María Soledad Puechagut(Instituto de Economía de INTA - [email protected]; [email protected])

El trabajo presenta un análisis del poder oligopsónico de mercado, a través de la modelización de oferta y demanda con el enfoque desarrollado por Muth y Wohlegenant, en la primera compra para cinco activi-dades agropecuarias en Argentina: carne bovina y porcina, frutas de pepitas (peras y manzanas), tabaco y trigo. Para ello se emplean métodos econométricos para obtener una caracterización del comportamiento en términos de oferta y demanda entre los años 2007 y 2013 (excepto para trigo que abarca el periodo 2002-2013). Se analiza y cuantifica a través de la modelización econométrica el grado de competencia y el posible ejercicio de poder de mercado en la primera transacción. Los resultados sugieren que en ninguno de los mercados existiría poder de mercado oligopsónico, al no poder rechazarse la hipótesis de competencia.

Resumen

This paper presents a model to evaluate oligopsonic market power in five sectors in Argentina: beef, pork, pipfruit (pear and apples), tobacco and wheat. The empirical model is based on a two simultaneous equa-tion supply-demand structure between 2007 and 2013 (except for wheat that covers from 2002 to 2013). Our econometric findings suggest that in no one case the market performance is not far from perfect com-petition. We do not reject the hypothesis of competitive structure.

Abstract


I. INTRODUCCIÓN

Existe en la literatura un importante debate sobre los efectos netos de una mayor concentración. Por un lado existen potenciales ganancias de eficiencia derivadas de economías de escala o reducción de costos mientras que por otro se generan potenciales costos sociales por ejercicio del poder de mercado. Es decir, desde una perspectiva económica, un incremento del poder de mercado es un costo potencial derivado de la concentración, pero también existe un conjunto de beneficios potenciales con los cuales estos costos deben ser comparados.

Este tipo de análisis reviste importancia tanto para comprender el comportamiento de los distintos agentes en los mercados agropecuarios como para el diseño de cualquier política de intervención. Desde un punto de vista formal, el poder de mercado en sí mismo no es un inconveniente y no justifica la intervención pública, excepto cuando es ejercido para distorsionar la competencia. Cualquier política que trate de me-jorar el bienestar debe realizarse sobre una base de información adecuada y contrastar todas las variables económicas relevantes.

La implementación empírica de los estudios de poder de mercado se presenta dentro de lo que se co-noce como la Nueva Organización Industrial Empírica (NOIE). La NOIE es actualmente la metodología dominante en la literatura de Organización Industrial, también es creciente su utilización en los trabajos empíricos de la literatura de economía agropecuaria y puede ser directamente aplicable para estudiar los problemas de eficiencia y poder de mercado del sector agropecuario. El enfoque de la NOIE se presenta como superador del Paradigma Estructura-Conducta-Desempeño (PECD), originalmente planteado por Bain (1951), que dominó la literatura de organización industrial como método de análisis empírico durante más de veinticinco años2.

El enfoque de la NOIE representa un esfuerzo considerable para examinar y cuantificar la naturaleza de las asociaciones entre estructura y comportamiento del mercado. Si bien hay gran controversia sobre este punto, sucede que un gran número de investigaciones realizadas sostienen la hipótesis de que cuanto más alejada la estructura de mercado de la competencia, mayor es la tendencia a que la performance del mer-cado esté asociada con el monopolio. No obstante, si bien la alta concentración podría conducir a altos precios y márgenes, podría también generar una mayor eficiencia y progreso tecnológico. Un objetivo importante de la investigación empírica en el área de organización industrial es la estimación de relaciones que cuantifiquen el efecto de cambios en la estructura de mercado con diversas dimensiones de perfor-mance del mercado, controlando por la influencia de shocks externos.

Los cambios observados en los mercados mayoristas de productos agropecuarios en la última década en Argentina, particularmente la mayor concentración, han generado inquietudes acerca de sus efectos sobre el bienestar ante la presencia potencial de un mayor poder de mercado. En este contexto, el presente tra-bajo tiene como objetivo estudiar y analizar la existencia de poder de mercado oligopsónico en la primera transacción de las cadenas de carne bovina y porcina, frutas de pepita (peras y manzanas), trigo y tabaco. Para ello se realiza un análisis de organización industrial empírica, basándose principalmente en la estima

2 El centro de atención del PECD era el estudio de mercados con datos de sección cruzada y los beneficios del mercado

y de las empresas se estimaban a partir de medidas estructurales (por ejemplo márgenes).

Análisis econométrico de poder de mercado: una aplicación en actividades agropecuarias argentinas


3 Una discusión detallada de modelos y métodos de estimación con el enfoque de la NOIE puede verse en Bresnahan

(1989). Aplicaciones para diversos mercados de Argentina se encuentran en Coloma (1998) para combustibles líqui-

dos, Valquez (2002) para gas natural y Delfino (1999) para el mercado financiero.

ción de modelos de oferta y demanda para obtener un parámetro de conducta del mercado.

El trabajo se encuentra organizado de la siguiente manera: en la sección 2, se presenta la metodología, en la sección 3 se describen los resultados obtenidos por cadena. Por último, en la sección 4 se presentan las principales conclusiones.

II. METODOLOGÍA: Modelización de oferta y demanda.

La evaluación del comportamiento de los mercados requiere una modelización explícita en términos teó-ricos que permita formular asimismo representaciones estimables econométricamente. Esta modelización permitiría estimar parámetros relevantes y contrastar hipótesis acerca de las condiciones de competencia en los mercados de productos primarios3. Se supone un mercado donde un producto agropecuario es vendido por los productores primarios a un sector procesador, el cual a su vez podrá vender el producto final a los consumidores.

Antes de desarrollar el modelo formal a ser estimado, se presenta una esquematización de la situación que se intenta analizar. En el gráfico Nº1 se presenta el mercado de insumos (en nuestro caso representará el mercado de cada uno de los productos de las cadenas analizadas). Aquí VPM representa el Valor de la Productividad Marginal, GM el Gasto Marginal y S la Oferta (o Gasto Medio).

En este gráfico se comparan las dos soluciones extremas de interés, la de competencia y la de monop-sonio. En el caso de los mercados competitivos, la solución está dada por la intersección de la demanda y la oferta, es decir donde VPM=S, indicado con el punto a. En este caso la cantidad se fija en y el precio de mercado en .En el otro extremo, se encuentra la solución de monopsonio en la que primero se determina la cantidad de equilibrio igualando el VPM con el GM (punto b), la que asciende a .Una vez determinada la cantidad de mercado, se determina el precio. Para ello se baja (al nivel de la cantidad ) hasta la función de oferta (punto c) y se fija el precio de mercado en .El parámetro de interés en el modelo (lo llamaremos ) intenta estimar la diferencia entre estos dos valores: . Si ,el mercado es competitivo y a medida que aumenta el valor de este parámetro aumenta el nivel de poder de mercado, hasta alcanzar un valor extremo de para el caso del monopsonio (el gráfico continúa en la siguiente página).

Qc

PcQm

¿

Qm¿

Pm¿

θ Pc− Pm¿ θ= 0

Pace I, I. Puechagut, M. Puechagut


Gráfico n° 1. Monopsonio vs. Competencia

A fines de obtener una modelización de esta situación para los mercados agropecuarios de interés, se aplica el enfoque desarrollado por Muth y Wohlgenant (1999).

Estos autores parten de una ecuación de beneficios para una firma representativa con la forma:

Donde:• : es el precio deflactado del producto.

• : es la función de producción.

• : es insumo especializado.

• : precio del insumo especializado.

• : es el vector de insumos restantes empleados en la producción.

• : es el vector de precios de los insumos deflactados.

Si el mercado para el insumo especializado ( ) es perfectamente competitivo, entonces la condición de primer orden (CPO) es tal que el precio del insumo iguala el valor de su producto marginal (VPM), esto es:

Una forma más general es la que permite competencia imperfecta:

pf (·)x1

w1

XW

x1



Donde es la función de oferta inversa de insumos y es el parámetro que mide el grado de poder de mercado. En el caso de mercados perfectamente competitivos y la ecuación (3) se reduce a (2). Si el mercado es monopsónico, entonces , y la ecuación (3) representa el costo marginal del factor (precio del insumo más una reducción monopsónica) igual al VPM. Valores intermedios de indican algún grado de poder de mercado.

Un problema en este modelo es la dificultad de disponer de los datos de cantidades de insumos no espe-cializados, por ello Muth y Wohlgenant (1999) reformulan el modelo sustituyendo las cantidades óptimas de los insumos no especializados condicional al nivel del insumo especializado ( ) en lugar de utilizar las cantidades no condicionales. Por ejemplo, si existen dos insumos no especializados: , la ecuación de beneficios (1) se puede reescribir como:

Bajo el supuesto que los insumos no especializados pueden adquirirse en mercados competitivos (6) se puede escribir como:

En esta nueva expresión, el producto marginal está definido sobre los precios de los insumos no especiali-zados en lugar de sus cantidades. De acuerdo con Lau (1982) sólo los parámetros de la forma reducida de la función de costo marginal son necesarios para identificar el poder de mercado oligopólico. Siguiendo este argumento, el grado de poder oligopsónico puede identificarse con la forma reducida de la especifi-cación del VPM. Suponiendo una forma reducida lineal para el VPM y resolviendo para se obtiene:

Para completar el modelo, se debe especificar la función de oferta del insumo. La oferta que se especifica intenta caracterizar la oferta de corto plazo de los productores, para ello se emplea el precio del insumo ( ), el stock existente del insumo (I)4 , el precio del insumo principal en la producción (C) y se

g (·) θθ= 0

θ= 1θ

x1x2 y x3

x3¿= x3(x1 , w2 ,w3 , P )

x1

∂π∂ x1

= p∂ f (x1 ; x2

¿; x3¿)

∂ x1+ p

∂ f (x1; x2¿; x3

¿)∂ x2

¿ x2¿+ p

∂ f (x1 ; x2¿; x3

¿)∂ x3

¿ x3¿− θ

∂ g(x1 ; Z )∂ x1

x1− w1− w2

∂ x2¿

∂ x1− w3

∂ x3¿

∂ x1= 0

w1

w1

4 En este caso se toma el stock anual del producto a considerar.

Donde y son las cantidades óptimas de condicional en el nivel del insumo especializado x2¿ x3

¿

x1

x2 y x3x2

¿= x2(x1 ,w2 , w3 ,P ) . Específicamente, y .Ahora, la CPO con res-pecto a será



y se incorpora una tendencia temporal (T) que intenta controlar efectos del paso del tiempo y componen-tes inerciales:

Para completar la especificación, se deriva de la especificación empírica de la ecuación (9), resolviendo esta ecuación para y diferenciando respecto a se obtiene el efecto marginal:

La ecuación (9) permite la identificación de porque la pendiente de la función de oferta, dada por (10), es una función de y T. Sustituyendo esta última expresión en la ecuación (8) se obtiene la especificación final de la demanda:

Las ecuaciones (9) y (11) constituyen el sistema de ecuaciones a ser estimado.

∂ g (x1 ;Z )∂ x1

w1 x1

θ(C

I )

III. ANÁLISIS: del poder del mercado por sector productivo.

Siguiendo la metodología descripta se procede a analizar la existencia de poder oligopsónico de mercado en la primera transacción en las cadenas de carne bovina, frutas de pepita (peras y manzanas), carne por-cina, tabaco y trigo. En cada caso se presentan las ecuaciones de demanda y oferta estimadas y los resul-tados obtenidos de las estimaciones. Cabe aclarar que el periodo de análisis en cada una de las cadenas varía de acuerdo con la disponibilidad de datos. Las variables empleadas se mencionan en cada uno de los apartados correspondientes (en el Anexo se puede encontrar el detalle de las fuentes). Todas las variables monetarias han sido consideradas en dólares corrientes.

A efectos de analizar la posible existencia de poder de mercado en el mercado argentino de ganado bovino en pie, se realizó un análisis econométrico del parámetro de conducta que surge de un sistema de oferta y demanda de cabezas de ganado. En dicho sistema, la demanda proviene básicamente de los frigoríficos, y es por lo tanto una demanda derivada de la demanda final de carne vacuna. Del lado de la oferta, en cambio, se encuentran básicamente los productores ganaderos.

Para llevar a cabo el análisis en cuestión, hemos tomado el período 2007-2013, del cual se poseen datos mensuales completos para una serie de variables relevantes. Dichas variables son series de precios y canti-dades (del ganado en pie y de la carne vacuna), así como otras variables complementarias como el tipo de cambio nominal (TCN), el índice de precios internos mayoristas (IPIM), el salario promedio de la industria de la alimentación, precio del maíz, y el estimador mensual de la actividad económica (EMAE). Asimismo, se consideró el precio del maíz como insumo específico de la oferta primaria de carne y el precio del pollo

III.a. Carne Bovina



para construir el precio relativo respecto de la carne aviar.

Para la estimación de oferta y demanda se planteó un sistema lineal que se estima en forma simultánea. En particular, la función de oferta primaria es la siguiente:

Donde q.ganado es la cantidad de cabezas de ganado faenadas por mes en términos relativos al stock del inicio del año (faena/stock). Mientras que las variables explicativas consideradas son: un vector de varia-bles dummies mensuales estacionales ene-dic; p.rel es el precio relativo del ganado respecto del precio del maíz; tcr representa el ratio entre el IPIM y el TCN, trend es un término de tendencia que se incluye en forma directa y como interacción de p.rel y, por último, se incluye una dummy anual para el período 2010-2013.

Por otro lado, la función de demanda posee la siguiente especificación:

Donde p.ganado es el precio por kilo vivo del ganado bovino faenados en cada uno de los meses del período. Como determinantes se consideraron: el EMAE que es una variable que utilizamos para medir la evolución del ingreso de los consumidores; Salario es el salario promedio de la industria alimenticia; prel.productos es el precio relativo entre el asado y el pollo; q.ganado es la cantidad de cabezas de ganado.

Tomando como base las especificaciones expuestas, llevamos a cabo la estimación del sistema de oferta y demanda, cuyos resultados aparecen resumidos en el cuadro 1. La estimación del sistema está constituida por una función de demanda lineal y una función de precio de oferta que tomó como base los parámetros de dicha función de demanda (sistema lineal). Los resultados se obtienen utilizando Mínimos Cuadrados en 3 Etapas (MC3E) bajo el supuesto de que las variables p.ganado, q.ganado y prel.productos son variables endógenas. Cabe mencionar que el resto de las variables consideradas como exógenas se utilizan como instrumento para las mismas.

Finalmente, y son componentes de error aleatorio.

es el parámetro de conducta a estimar y está compuesto por ,que son los coeficientes que provienen de la función de oferta que se estima simultáneamente y se encuentran pre-sentados en la ecuación (11).

θ α5 1/ [β13+ β15∗trend ]

μ ε



Cuadro n° 1. Resultados de las estimaciones para carne bovina

Tal como puede observarse en las cifras del cuadro 1, el valor estimado para el parámetro de conducta se encuentra relativamente lejos del supuesto de monopsonio, ya que adopta un valor igual a 0,001. Además, no puede descartarse a ningún nivel razonable de probabilidad que el valor del parámetro en cuestión sea en rigor igual a cero.

A efectos de analizar la posible existencia de poder de mercado en el mercado de peras y manzanas, se realiza el análisis de parámetros de conducta a partir de la estimación econométrica de un sistema de oferta y demanda de peras y manzanas, respectivamente. En dichos sistemas, la demanda proviene básicamente de los procesadores y empacadores de frutas, y es por lo tanto una demanda derivada de la demanda final de frutas. Del lado de la oferta, en cambio, se encuentran los productores frutícolas.

Para llevar a cabo el análisis en cuestión, se toma el período 2007-2013, del cual se poseen datos mensua-les completos para una serie de variables relevantes. Dichas variables son series de precios y cantidades (de pera y manzana), así como otras variables como el tipo de cambio nominal (TCN), el índice de precios internos mayoristas (IPIM), el salario promedio de la industria de la alimentación, precio del gasoil, y el

III.b. Frutos de pepita: peras y manzanas



Peras

estimador mensual de la actividad económica (EMAE).


Donde q.peras es la cantidad de peras (en toneladas) comercializadas5. Mientras que las variables explica-tivas consideradas en la oferta son un vector de variables dummies mensuales estacionales ene-dic; p.rel es el precio relativo de la pera respecto del precio del gasoil; tcr representa el ratio entre el IPIM y el TCN y trend es un término de tendencia que se incluye en forma directa y como interacción de p.rel.


Donde p.peras es el precio de las peras (pagado al productor) en cada uno de los meses del período. Como determinantes se consideraron el EMAE para medir la evolución del ingreso de los consumidores; Salario es el salario promedio de la industria alimenticia; q.peras es la cantidad de peras (en toneladas); es el parámetro de conducta a estimar y está compuesto por , que son los coeficientes que provienen de la función de oferta que se estima simultáneamente y se encuentran presentados en la ecuación (11). Finalmente, y son componentes de error aleatorio.

Los resultados de las especificaciones propuestas se presentan en el cuadro 2. La estimación del sistema está constituida por una función de demanda lineal y una función de precio de oferta que tomó como base los parámetros de dicha función de demanda (sistema lineal). Los resultados se obtienen utilizando MC3E bajo el supuesto de que las variables p.peras y q.peras son variables endógenas. Cabe mencionar que el resto de las variables consideradas como exógenas se utilizan como instrumento para las mismas.

5 Se emplean las cantidades egresadas de la región Patagónica con destino al consumo en el mercado interno.

θ α4 1/ [β13+ β15∗trend ]

μ ε



Cuadro n° 2. Resultados de las estimaciones para peras.

Tal como puede observarse en las cifras del cuadro 2, el valor estimado para el parámetro de conducta se encuentra relativamente lejos del supuesto de monopsonio, ya que adopta un valor igual a 0,014. Además, no puede descartarse a ningún nivel razonable de probabilidad que el valor del parámetro en cuestión sea en rigor igual a cero.

Manzanas

Para la estimación de oferta y demanda de manzanas se planteó un sistema lineal que se estima en forma simultánea. En particular, la función de oferta primaria es la siguiente:

Donde q.manzanas es la cantidad de manzanas (en toneladas) comercializadas6. Mientras que las variables explicativas consideradas son: p.rel es el precio relativo de la manzana respecto del precio del gasoil; tcr representa el ratio entre el IPIM y el TCN, trend es un término de tendencia que se incluye en forma directa y como interacción de p.rel y, por último, se incluye una dummy mensual para abril de 2013.

q.manzanas= β0+ β1 p.rel+ β2 tcr+ β3 trend∗ p.rel+ β4 trend + β5 d13+μ

6 Se emplean las cantidades egresadas de la región Patagónica con destino al consumo en el mercado interno.



Cuadro n° 3. Resultados de las estimaciones para manzana.

Donde p.manzanas es el precio de las manzanas en cada uno de los meses del período. Como determi-nantes se consideraron: un vector de variables dummies mensuales estacionales ene-dic; el EMAE para medir la evolución del ingreso de los consumidores; Salario es el salario promedio de la industria alimen-ticia; q.manzanas es la cantidad de manzanas (en toneladas); es el parámetro de conducta a estimar y está compuesto por , que son los coeficientes que provienen de la función de oferta que se estima simultáneamente y se encuentran presentados en la ecuación (11). Finalmente, y son componentes de error aleatorio.

Los resultados de las especificaciones se presentan en el cuadro 3. La estimación del sistema está cons-tituida por una función de demanda lineal y una función de precio de oferta que tomó como base los parámetros de dicha función de demanda (sistema lineal). Los resultados se obtienen utilizando MC3E bajo el supuesto de que las variables p.manzanas y q.manzanas son variables endógenas. El resto de las variables consideradas como exógenas se utilizan como instrumento para las mismas.


θα4 1/ [β1+ β3∗trend ]

με



Tal como puede observarse en las cifras del cuadro 3, el valor estimado para el parámetro de conducta se encuentra relativamente lejos del supuesto de monopsonio, ya que adoptan un valor igual a -0,05. Si bien el parámetro es negativo, puede decirse que a ningún nivel razonable de probabilidad que el valor del parámetro en cuestión sea en rigor igual a cero.

La demanda porcina proviene de los frigoríficos, y es por lo tanto una demanda derivada de la demanda final de carne porcina. Del lado de la oferta, se encuentran los productores porcinos. Para el análisis se ha considerado el período 2007-2013, del cual se poseen datos mensuales completos para una serie de variables relevantes. Dichas variables son series de precios y cantidades (del ganado en pie y de la carne porcina), así como el tipo de cambio nominal (TCN), el índice de precios internos mayoristas (IPIM), el salario promedio de la industria de la alimentación, precio del gasoil, y el estimador mensual de la activi-dad económica (EMAE). Asimismo, se consideró el precio del maíz como insumo específico de la oferta primaria de carne porcina y el precio del asado para construir el precio relativo relevante de la industria.Para la estimación de oferta y demanda se planteó un sistema lineal que se estima en forma simultánea. En particular, la función de oferta primaria es la siguiente:

Donde q.porcino es la cantidad de cabezas de ganado con destino a faena. Mientras que las variables explicativas consideradas son: un vector de variables dummies mensuales estacionales ene-dic; p.rel es el precio relativo del ganado porcino respecto del precio del maíz rezagado 6 veces; tcr representa el ratio entre el IPIM y el TCN, trend es un término de tendencia que se incluye en forma directa y como interac-ción del p.rel.


Donde p.porcino es el precio de las cabezas de ganado bovino faenadas en cada uno de los meses del período. Como determinantes se consideraron: el EMAE que es una variable que utilizamos para medir la evolución del ingreso de los consumidores; Salario es el salario promedio de la industria alimenticia; prel.productos es el precio relativo entre el asado y el pollo; q.porcino es la cantidad de cabezas de ganado porcino. es el parámetro de conducta a estimar y está compuesto por , que son los coeficientes que provienen de la función de oferta que se estima simultáneamente y se encuentran presentados en la ecuación (11). Finalmente, y son componentes de error aleatorio.

Los resultados de la estimación del sistema de oferta y demanda aparecen resumidos en el cuadro 4. La es-

III.c. Carne porcina

θ α5 1/ [β13+ β15∗trend ]

μ ε



En el cuadro 4, el valor estimado para el parámetro de conducta se encuentra relativamente lejos del su-puesto de monopsonio, ya que adopta un valor igual a -0,016. Además, el valor del parámetro en cuestión no es significativamente distinto de cero.

timación del sistema está constituida por una función de demanda lineal y una función de precio de oferta que tomó como base los parámetros de dicha función de demanda. Los resultados se obtienen utilizando MC3E bajo el supuesto de que las variables p.porcino, q.porcino y prel.productos son variables endógenas. Así como en el caso del mercado de carne bovina, el resto de las variables consideradas como exógenas se utilizan como instrumento para las mismas.

Cuadro n° 4. Resultados de las estimaciones para carne porcina.

III.d. Tabaco

En este apartado se presentan la estimación de parámetros de conducta a partir del sistema de oferta y de-manda de tabaco. En dicho sistema, la demanda proviene de los acopiadores y empresas tabacaleras, y es por lo tanto una demanda derivada de la demanda final de cigarrillos. Del lado de la oferta, se encuentran los productores tabacaleros.

Para el análisis se ha considerado el período 2007-2013, del cual se poseen datos mensuales completos para una serie de variables relevantes. Dichas variables son series de precios y cantidades (del tabaco co



mercializado), el tipo de cambio nominal (TCN), el índice de precios internos mayoristas (IPIM), el precio del gasoil, y el estimador mensual de la actividad económica (EMAE). Asimismo, se consideró la cantidad de cigarrillos (volumen de paquetes de cigarrillos vendidos equivalentes a veinte unidades) como variables relevantes de la industria7. Para la estimación de oferta y demanda se planteó un sistema lineal que se estima en forma simultánea. En particular, la función de oferta primaria es la siguiente:

Donde q.tabaco es la cantidad de tabaco ofertada. Mientras que las variables explicativas consideradas son: un vector de variables dummies mensuales estacionales ene-sep y dic8; p.rel es el precio relativo del tabaco respecto del precio del gasoil; tcr representa el ratio entre el IPIM y el TCN.


Donde p.tabaco es el precio del tabaco comercializado en cada uno de los meses del período. Como determinantes se consideraron: el EMAE para medir la evolución del ingreso de los consumidores; Salario es el salario promedio de la industria alimenticia; q.cigarrillos es el volumen de cigarrillos vendidos en paquetes de 20 unidades; q.ganado es la cantidad de cabezas de ganado porcino. es el parámetro de conducta a estimar y está compuesto por , que es el coeficiente proveniente de la función de oferta que se estima simultáneamente y que se encuentra presentado en la ecuación (11) aunque sin térmi-no de tendencia. Finalmente, y son componentes de error aleatorio.

Los resultados de la estimación del sistema de oferta y demanda aparecen resumidos en el cuadro 5. La es-timación del sistema está constituida por una función de demanda lineal y una función de precio de oferta que tomó como base los parámetros de dicha función de demanda. Los resultados se obtienen utilizando MC3E bajo el supuesto de que las variables p.rel, p.tabaco y q.tabaco son variables endógenas. El resto de las variables consideradas como exógenas se utilizan como instrumento para las mismas.

θα5 1/ β11

7 También se probó el precio promedio del paquete de cigarrillos pero no resultaba estadísticamente significativo.8 Los meses de octubre y noviembre no se emplean dado que no se registran transacciones.

μ ε



El valor estimado para el parámetro de conducta se encuentra relativamente lejos del supuesto de monop-sonio, ya que adoptan un valor igual a -0,234. Además, el valor del parámetro en cuestión no es significa-tivamente distinto de cero con lo cual podría inferirse que no habría poder de mercado.

Cuadro n° 5. Resultados de las estimaciones para tabaco.

III.e. Trigo

En este apartado se presentan la estimación de parámetros de conducta a partir del sistema de oferta y demanda de trigo. En dicho sistema, la demanda proviene básicamente de acopiadores y molinos, y es por lo tanto una demanda derivada de la demanda final de productos basados en harina. Del lado de la oferta, se encuentran los productores agrícolas.

Para el análisis se ha considerado el período 2002-2013, del cual se poseen datos mensuales completos para una serie de variables relevantes. Dichas variables son series de precios (del mercado a término de Buenos Aires: MATBA) y cantidades (del trigo comercializado con destino a molienda), el tipo de cambio nominal (TCN), el índice de precios internos mayoristas (IPIM), el precio del gasoil y del fertilizante (como principales insumos de la producción primaria) y el estimador mensual de la actividad económica (EMAE). Asimismo, se consideró el precio de la harina como variable relevante de la industria. Cabe mencionar que todas las variables de precios han sido consideradas en dólares corrientes.




Donde q.molino es la cantidad de trigo con destino a molienda. Mientras que las variables explicativas consideradas son: un vector de variables dummies mensuales estacionales ene-dic; p.rel es el precio relati-vo del trigo respecto del insumo considerado (dos casos, uno para el precio del gasoil y otro para el precio del fertilizante); tcr representa el ratio entre el IPIM y el TCN; trend es un término de tendencia que se incluye en forma directa y como interacción de p.rel y, por último, se incluyen dos variables dummy para el período 2005-2007 y 2008-2013. La primera controla el cambio de nivel de retenciones, mientras que la segunda capta la política de cupos de exportación.


Donde p.trigo es el precio del trigo en cada uno de los meses del período. Al estimar se consideraron dos especificaciones, una que incluye dummies mensuales y otra que no lo hace. Como variables explicati-vas se incluyeron: el EMAE para medir la evolución del ingreso de los consumidores; Salario es el salario promedio de la industria alimenticia; p.harina es el precio de la harina. es el parámetro de conducta a estimar y está compuesto por , que son los coeficientes que provienen de la función de oferta que se estima simultáneamente y se encuentran presentados en la ecuación (11). Finalmente, y son componentes de error aleatorio.

Los resultados de la estimación del sistema de oferta y demanda aparecen resumidos en el cuadro 6 y el cuadro 7, el primero corresponde a las estimaciones que emplean fertilizante9 como insumo, mientras que el segundo emplea el gasoil. A diferencia de los sistemas estimados para las demás actividades, se presen-tan dos alternativas de sistema en base a la elección del insumo relevante (fertilizante y gasoil) y, dentro de estas, dos especificaciones que incluyen o no las dummies mensuales estacionales. La estimación del sistema está constituida por una función de demanda lineal y una función de precio de oferta que tomó como base los parámetros de dicha función de demanda. Los resultados se obtienen utilizando MC3E bajo el supuesto de que las variables p.trigo y q.molino son variables endógenas. El resto de las variables consideradas como exógenas se utilizan como instrumento para las mismas.

θα16 1/ [β13+ β15∗trend ]

μ ε

9 Se tomó el precio de la bolsa de 50 kilogramos de la urea granulada.



En las primeras dos alternativas, los valores estimados para el parámetro de conducta se encuentran rela-tivamente lejos del supuesto de monopsonio, ya que adoptan un valor igual a 0,0005 y a 0,0001 en cada caso. Además, el valor del parámetro en cuestión no es significativamente distinto de cero.

Cuadro n° 6. Resultados de las estimaciones para trigo (precio fertilizante).



Cuadro n° 7. Resultados de las estimaciones para trigo (precio gasoil)

Como alternativa se presentan las dos estimaciones considerando como principal insumo el precio del gasoil. El parámetro de conducta fue de -0,004 y -0.035, sin significatividad estadística. En síntesis, no se encuentra evidencia a favor del poder de mercado en el mercado de trigo.



Tal como puede observarse en el cuadro en cuestión, ninguno de los parámetros de conducta estimados resulta significativamente distinto de cero a ningún nivel razonable de probabilidad, ya que todos los valo-res-p reportados son mayores que 0,10.

Una aclaración que vale la pena hacer aquí tiene que ver con el hecho de que el tipo de poder de mercado que se está estimado a través de esta metodología tiene que ver con el poder que tienen los compradores de insumos en su carácter de demandantes en la primera transacción. Esto no implica que dichos compra-dores puedan luego tener poder de mercado como vendedores del producto, o que luego puedan existir otros agentes económicos aguas arriba que sí posean poder de mercado.

Otra aclaración que debe hacerse es que el contexto en el cual se han realizado las estimaciones es un contexto agregado, y que por lo tanto el método empleado puede estar ocultando la existencia de epi-sodios puntuales de poder de mercado por parte de oferentes o demandantes específicos. Los resultados obtenidos, por lo tanto, deben leerse más bien como una conclusión preliminar que indica que no se han encontrado indicios apreciables de ejercicio de poder de mercado en este estudio, y no como una afirma-ción concluyente de que dicho poder no exista en ningún segmento de las cadenas estudiadas.

IV. CONCLUSIONES

De todo lo visto y analizado, resulta posible enunciar una serie de reflexiones finales relacionadas con la posible existencia de ejercicio de poder de mercado oligopsónico en la primera venta de las distintas cadenas agroindustriales analizadas en el presente trabajo.

La principal conclusión tiene que ver con el hecho de que, de la aplicación del enfoque teórico que hemos adoptado, no surge en ningún caso evidencia de un ejercicio del poder de mercado por parte de los compradores mayoristas que pueda considerarse significativo en términos estadísticos. Esto se debe a que los parámetros de conducta estimados son siempre pequeños en valor absoluto, y no son nunca significativamente distintos de cero a un nivel de probabilidad del 10%. En algunos casos, inclusive, la estimación genera parámetros con signo negativo (el cual es, obviamente, contra intuitivo, y debe por lo tanto suponerse que la hipótesis más razonable es que los parámetros en cuestión no son estadísticamente distintos de cero).

Lo expuesto en el párrafo anterior aparece resumido en el cuadro 8, en el cual pueden apreciarse los prin-cipales valores obtenidos para los parámetros de conducta, junto con su significación estadística (valor-p).



BAIN J. S. (1951) “Relation of profit rate to industry concentration: American manufacturing 1936-1947”. Quarterly Journal of Economics 65:293-324.. BRESNAHAN, T. F. (1989) “Empirical studies of industries with market power” cap. 17 Handbook of Industrial Organization Vol II, R. Schmalensee and R. Willig, eds. Elsevier Science, North Holland.

COLOMA, G. (1998) “Análisis del comportamiento del mercado argentino de combustibles líquidos”, 17 pgs; Anales de la XXXIII Reunión Anual de la Asociación Argentina de Economía Política. Mendoza, AAEP, 1998.

DELFINO, M. E. (2002) “Consolidation, market power and cost economies in the banking industry. Empirical evidence from Argentina”. 7th Spring Meeting of Young Economists, Paris and at 23rd Annual Conference of the European Association for Research in Industrial Economics (EARIE), Madrid.

LAU, L. (1982) “On identifying the degree of competitiveness from industry price and output data”. Econ. Letters, 10: 93-99.

MUTH, M. and Wohlgenant, M. (1999) “Measuring the degree of oligopsony power in the beef packing industry in the absence of marketing input quantity data”. Journal of Agricultural and Resource Economics, 24(2): 299-312.

VALQUEZ, C. S. (2002) “Un modelo empírico de oligopolio para el mercado mayorista de gas natural en Argentina”. Anales de la Asociación Argentina de Economía Política, XXXVII Reunión Anual, Tucumán.

V. BIBLIOGRAFÍA



VI. ANEXO: Fuentes de información empleadas




Desempeño de la Producción ante Shocks en Factores

que Afectan la Oferta y Demanda de Carne Vacuna

1

Gustavo Rossini2, Jimena Vicentin Masaro3

Identificar, entender y cuantificar como distintas variables impactan en la oferta y demanda de carne vacuna resulta fundamental para el sector agropecuario. La elaboración de un plan ganadero que tenga como objetivos aumentar la producción y las exportaciones requiere de la aplicación de políticas secto-riales económicas que apunten a modificar las variables claves que incidan de manera positiva sobre las expectativas de los productores que se traduzcan en un crecimiento sostenido de la producción. El trabajo tiene como principal objetivo identificar y medir algunos factores que afectan la producción y las exporta-ciones de carne vacuna utilizando un modelo econométrico. La metodología que se usa es la estimación de un modelo VAR estructural, con datos a nivel mensual. Los resultados muestran que el aumento de las existencias, como también de la productividad tiene un impacto significante en la producción y en las exportaciones. Mejores precios a los productores se traducen en aumento de la producción en el largo plazo, aunque con efectos negativos en el corto plazo debido a la posible retención de vientres para la producción.

Resumen

1 Trabajo financiado bajo los proyectos CAID PI29-0416 y Universidad Católica de Santa Fe.2 Instituto de Economía Aplicada el Litoral (IECAL) - Universidad Nacional del Litoral y Universidad Católica de Santa

Fe [email protected] Instituto de Economía Aplicada el Litoral (IECAL) - Universidad Nacional del Litoral.


La contribución del sector agropecuario hacia la economía argentina ha sido altamente relevante, apor-tando aproximadamente con el 13% del PIB del país, y el 55,8% de las exportaciones de bienes (INDEC, 2014). Sin embargo, la performance productiva del sector ganadero, sobre todo después de la crisis econó-mica del año 2002, ha mostrado buenos resultados en el comienzo, pero muy malos indicadores después del 2006 medido en términos de exportaciones, producción y precios.

El sector de la carne vacuna ha sido objetivo de una serie de medidas de política económica que ha ido en contra de su crecimiento. Comenzando a mediados del año 2005, y como consecuencia de un aumento en la demanda de carne vacuna por una mejora en el ingreso de la población y en los precios recibidos por las exportaciones, se produjo un incremento en el precio de la carne a nivel minorista. Debido a ello, el gobierno comenzó a implementar una serie de acciones de política económica hacia el sector, dado su participación en el índice de inflación. Debido a que la carne vacuna es considerada un producto que se consume en la mayoría de los hogares en Argentina, la intervención en el mercado de la carne ha tenido una escala ascendente en cuanto a las medidas intervencionistas implementadas.

Las distintas medidas económicas aplicadas en materia económica han tenido efectos muy adversos en el sector ganadero en su conjunto. Entre ellas, se pueden nombrar a los acuerdos voluntarios de precios, au-mento de los derechos de exportación, aumentos de los pesos de faena de los animales en pie, prohibición de las exportaciones y subsidios a feedlots. El resultado ha sido el perjuicio a los distintos eslabones de la cadena, con la consecuente destrucción de los indicadores productivos y la pérdida en la generación de valor. Los efectos fueron más que elocuentes en los años siguientes a la implementación de las políticas: caída del stock ganadero en más de 10 millones de cabezas entre 2007 y 2012, aumento en el precio del ganado en pie en cerca del 300% y de la carne al consumidores en más de un 400% entre 2005 y 2012 (IPCVA, 2012), cierre de explotaciones ganaderas y de frigoríficos, pérdidas de empleos y disminución de las exportaciones.

Identificar y entender como distintas factores que componen la oferta y demanda de carne vacuna im-pactan en la producción ganadera y en la demanda de los consumidores, resulta preponderante para la actividad. La elaboración de un plan ganadero que tenga como objetivos aumentar la producción y las exportaciones requiere de la aplicación de políticas sectoriales económicas que apunten a modificar las variables claves que incidan de manera positiva sobre las expectativas de los productores y generen un clima de inversiones en el sector que se traduzcan en un crecimiento sostenido de la producción.

Por lo detallado anteriormente, este trabajo tiene como principal objetivo identificar y medir algunos fac-tores que afectan la producción y las exportaciones de carne vacuna utilizando un modelo econométrico, que permita cuantificar los impactos de algunos de los determinantes más significativos de la oferta y demanda de carne vacuna.

I. INTRODUCCIÓN



II. MODELO TEÓRICO

Blanchard y Quah (1989) proponen que las variaciones en el producto total de un país pueden ser in-terpretadas de dos maneras: a) Shocks en la demanda, los cuales tienen un efecto temporario sobre la producción, y b) Shocks en la oferta, los cuales tienen un efecto permanente. Distintas aplicaciones de este modelo se han realizado en estudios macroeconómicos (King et al., 1991) y en el sector agropecuario (Barros et al., 2006; 2009).

Tomando el el modelo económico al propuesto por Barros et al. (2006; 2009) y Neto y Bachi (2014), tenemos que la demanda de productos cárnicos viene dada por:

Siendo Yd la producción de carne, I el ingreso nacional y pv es el precio minorista de la carne vacuna. Todas las variables están expresadas en logaritmos.

La oferta, también el logaritmos, se puede expresar como:

Siendo St las existencias ganaderas, t la productividad de las existencias, el peso medio de la media res, pp el precio recibido por el productor ganadero. Restando oferta de la producción ganadera menos demanda doméstica, tenemos:

Siendo Xt las exportaciones de carne vacuna. Los shocks que afectan a estas variables pueden ser expre-sados como:

a. Ingreso Nacional (eI):

b. Precios recibidos por os productores (ep) y los precios minoristas (em):

c. Productividad:

d. Existencias Animales:

θ

I t= I t−1+etI

ptp= pt− 1

p +etp

Et= E ( ptp)+et

E etE− et−1

E = ut E (ptp)= pt− 1

p

(4)

(5) (6)

(7)

(8) (9) (10)

ptm= pt− 1

m +etm



Por lo que:

Todos los shocks, excepto ut, tienen media cero, no están correlacionados entre ellos mismos, y a su vez, no están correlacionados unos con otros. También es asumido, dado la interrelación entre un mercado y otro, que los precios externos y los domésticos siguen una evolución similar a través del tiempo, aunque exista un período de ajuste.

Tasa de Crecimiento de las Variables

Las tasas de crecimiento de las variables que incluimos en el modelo se pueden expresar de la siguiente manera:

Si se substituye la ecuación (11) en la ecuación (2), tenemos:

Sustituyendo la ecuación (12) y la (1) en la (3):

Tomando las diferencias y reagrupando, tenemos:

Reparametrizando, con el uso de las ecuaciones (4-7) y la ecuación (9), la tasa de crecimiento de las exportaciones es:

La cantidad exportada está relacionada de manera negativa con el ingreso doméstico. A su vez, las expor-taciones aumentan si aumenta las existencias ganaderas, el precio pagado a los productores y la producti-vidad del rodeo nacional. Por último, incrementos de precios a nivel minorista conducen a una caída del consumo interno, lo que resulta en un incremento en las exportaciones.

Para obtener la tasa de crecimiento de la producción ganadera, la diferencia se aplica a la ecuación (12):

Et= pt−1p +et

E

yto= pt− 1

P +etE +θ t+ pt

P

(11)

(12)

(13)X = (pt− 1P +et

E+θ t+ ptP)− ( I t−1− pt

m)



III. METODOLOGÍA

Un modelo VAR (Vector Auto-Regression) se usa para analizar las relaciones entre las variables del modelo económico propuesto. El modelo VAR fue propuesto por Sims (1980), como una alternativa a los modelos de ecuaciones simultáneas, siendo una de las principales herramientas en el análisis macroeconómico. Los procesos VAR son una generalización multivariada de los modelos autorregresivos (AR), donde cada variable es regresada en un conjunto de variables con varios rezagos.

Un modelo simple univariado (AR) sin variables exógenas puede ser representado como:

O de manera más compacta:

yt es función de una constante ( ), p valores pasados de yt y una variable aleatoria t. Si se considera un vector de n variables endógenas en conjunto:

Y usando las ecuaciones (5), (7) y (9) la tasa de crecimiento de la oferta en la producción ganadera es:

La ecuación (17) muestra que la producción ganadera es afectada por shocks de precios al productor, en productividad y por shocks en el stock animal.

Para obtener la tasa de crecimiento de la demanda, expresando en diferencias la ecuación (1), tenemos:

Por lo que se puede expresar usando las relaciones que establecimos en las ecuaciones (4-11), como:

∆Y to= et−1

p +etθ+et

p+ut

∆Y td= (I t− I t−1)− ( pt

m− pt− 1m )

(17)

(18)

(19)∆Y td= et−1

I − etm

yt= u+∅ 1 yt− 1+…+∅ p yt − p+ϵ t

∅ (L)yt= u+ϵ t

μ ε

yt= [y1, t

y 2, t

y3, t

.

.

.yn, t

]



Se puede modelar este vector de n elementos como una función de n constantes, p valores pasados del vector yt un vector de n errores aleatorios t:

En esta ecuación, es el elemento n del vector de constantes:

A su vez, i es la matriz de coeficientes:

y t en el vector de n elementos de errores aleatorios:

Donde:

y

Es importante notar que los elementos de t pueden estar contemporáneamente correlacionados. A su vez, se puede escribir el modelo VAR con p rezagos de manera más compacta como:

ε

ε

yt= u+Φ1 yt −1+...+Φ p yt− p+ϵ t

μ

u=[u1

u2

.

.

.u p

]ε

ϵ=[ϵ1

ϵ 2

.

.

.ε p

]E ϵ t= 0 E ϵ t ϵ s

' ={Σ ,t= s0, t ≠ s }

Φ (L)= I −Φ1 (L)−⋯ −Φ p(L)



Siendo (L) una matriz de polinomios del operador de los rezagos.

El modelo VAR requiere algunos supuestos para poder recuperar los parámetros del modelo en su forma original. La especificación del ordenamiento recursivo para los términos de los errores ortogonalizados, es uno de los métodos más comunes. Sin embargo, la teoría económica puede implicar otro ordenamiento en las variables, por lo que el análisis recursivo no resulta apropiado. Por lo tanto, en algunos casos, se necesita hacer supuestos más fuertes alineados con la teoría económica, por lo que se ha propuesto la metodología de los VAR estructurales.

Partiendo del VAR propuesto anteriormente, se puede escribir el VAR estructural (SVAR ) de la siguiente manera:

Donde:

Siendo "A" una matriz de rango completo.

La introducción de la matriz "B" simplifica la estructura del error: transforma el vector de errores dentro de vt, cuyos elementos están no correlacionados. Sin embargo, la matriz "A" introduce variables endógenas contemporáneas adicionales a cada ecuación.

Para estimar los parámetros estructurales de A y de B, necesitamos establecer supuestos de identificación. Por lo tanto, en un modelo SVAR podemos reescribir las ecuaciones del modelo estructural en su forma reducida como:

Para simplificar la ecuación, se restringe B = I. Por lo tanto, los parámetros estructurales de interés son los referidos a la matriz "A" y son aislados de la matriz de covarianza A-1 vt , que es . Por lo tanto, el problema de identificación consiste en resolver las p ecuaciones de:

Para los p2 elementos de "A". dado que es simétrica, contiene solamente (p+1)*p /2 elementos libres. Por lo tanto, se necesitan (p2-p).p /2 restricciones para identificar exactamente todos los elementos de "A". Si tenemos restricciones adicionales, tenemos un modelo sobre-identificado, y se pueden testear estos supuestos de manera usual.

El enfoque descripto hasta acá, define el SVAR en el corto plazo. Las restricciones sobre los elementos

A(Φ (L)yt)= A ϵ t≡B vt

E vt v s' = {I , t= s

0, t ≠ s}

A yt= A(Φ1 yt− 1+…+Φ p yt − p)+ B vt

yt= Φ1 yt −1+…+Φ p yt− p+A− 1 B vt

A− 1 A− 1´= Σ



Escribiendo la forma reducida del VAR

La inversa de A es la matriz de efectos en el largo plazo de los shocks en una VAR en su forma reducida

Si se reescribe el SVAR en términos de A, tenemos

Normalizando esta ecuación anterior, donde A=I, tenemos

Siendo C la matriz de respuesta en el largo plazo a shock ortogonalizados.

Para establecer las restricciones necesarias para identificar al modelo SVAR en su forma estructural, usa-mos el modelo económico propuesto anteriormente. En consecuencia, para analizar los factores que in-ciden en la producción de carne vacuna y en sus exportaciones, la matriz de relaciones contemporáneas se establece de forma tal que la producción animal se explica por el precio recibido por el productor ganadero, las existencias animales, y productividad del rodeo, mientras que las exportaciones se explican por el precio pagado por los consumidores en el mercado doméstico por la carne vacuna, precio recibido por los productores, la productividad y las existencias de ganado.

Los datos que se usan para estimar el modelo SVAR se detallan en la Tabla 1. Estos fueron transformados en logaritmos y en el caso de los precios al consumidor y al productor deflacionados por el índice de precios al consumidor calculado por el congreso nacional (IPC Congreso).

Tabla 1. Datos Usados en el Modelo (Enero 2002 a Mayo 2015)

9

��𝐴𝐴𝐴𝑦𝑦𝑦𝑦𝑡𝑡𝑡𝑡 = 𝜀𝜀𝜀𝜀𝑡𝑡𝑡𝑡

La inversa de A es la matriz de efectos en el largo plazo de los shocks en una VAR en su forma

reducida

𝑦𝑦𝑦𝑦𝑡𝑡𝑡𝑡 = ��𝐴𝐴𝐴−1𝜀𝜀𝜀𝜀𝑡𝑡𝑡𝑡

Si se reescribe el SVAR en términos de ��𝐴𝐴𝐴 , tenemos

𝐴𝐴𝐴𝐴��𝐴𝐴𝐴𝑦𝑦𝑦𝑦𝑡𝑡𝑡𝑡 = 𝐵𝐵𝐵𝐵𝜀𝜀𝜀𝜀𝑡𝑡𝑡𝑡


𝑦𝑦𝑦𝑦𝑡𝑡𝑡𝑡 = ��𝐴𝐴𝐴−1𝐵𝐵𝐵𝐵𝜀𝜀𝜀𝜀𝑡𝑡𝑡𝑡 = 𝐶𝐶𝐶𝐶𝑣𝑣𝑣𝑣𝑡𝑡𝑡𝑡


Para establecer las restricciones necesarias para identificar al modelo SVAR en su forma

estructural, usamos el modelo económico propuesto anteriormente. En consecuencia, para analizar

los factores que inciden en la producción de carne vacuna y en sus exportaciones, la matriz de

relaciones contemporáneas se establece de forma tal que la producción animal se explica por el

precio recibido por el productor ganadero, las existencias animales, y productividad del rodeo,

mientras que las exportaciones se explican por el precio pagado por los consumidores en el

mercado doméstico por la carne vacuna, precio recibido por los productores, la productividad y

las existencias de ganado.

Los datos que se usan para estimar el modelo SVAR se detallan en la Tabla 1. Estos fueron

transformados en logaritmos y en el caso de los precios al consumidor y al productor

deflacionados por el índice de precios al consumidor calculado por el congreso nacional (IPC

Congreso).


Variable Descripción FuenteProducción Producción de Carne vacuna

(miles de toneladas)Ministerio de Agricultura

Exportaciones Exportaciones de Carne Vacuna (miles de toneladas)

SENASA

Existencias Stock Vacuno (Cabezas) Ministerio de Agricultura y SENASA

9



reducida


















Congreso).





SENASA


9



reducida


















Congreso).





SENASA


9



reducida


















Congreso).





SENASA


de la matriz A establecen supuestos sobre las relaciones contemporáneas entre las variables endógenas del modelo. También es posible colocar o imponer restricciones en el comportamiento de largo plazo del VAR. Si se define

8

Donde

𝐸𝐸𝐸𝐸𝑣𝑣𝑣𝑣𝑡𝑡𝑡𝑡𝑣𝑣𝑣𝑣𝑠𝑠𝑠𝑠′ = � I, 𝑡𝑡𝑡𝑡 = 𝑠𝑠𝑠𝑠0, 𝑡𝑡𝑡𝑡 ≠ 𝑠𝑠𝑠𝑠�

Siendo A una matriz de rango completo

La introducción de la matriz B simplifica la estructura del error: transforma el vector de errores

dentro de vt, cuyos elementos están no correlacionados. Sin embargo, la matriz A introduce

variables endógenas contemporáneas adicionales a cada ecuación.

𝐴𝐴𝐴𝐴𝑦𝑦𝑦𝑦𝑡𝑡𝑡𝑡 = 𝐴𝐴𝐴𝐴�Φ1𝑦𝑦𝑦𝑦𝑡𝑡𝑡𝑡−1 + ⋯+ Φ𝑝𝑝𝑝𝑝𝑦𝑦𝑦𝑦𝑡𝑡𝑡𝑡−𝑝𝑝𝑝𝑝� + 𝐵𝐵𝐵𝐵𝑣𝑣𝑣𝑣𝑡𝑡𝑡𝑡

Para estimar los parámetros estructurales de A y de B, necesitamos establecer supuestos de

identificación. Por lo tanto, en un modelo SVAR podemos reescribir las ecuaciones del modelo

estructural en su forma reducida como

𝑦𝑦𝑦𝑦𝑡𝑡𝑡𝑡 = Φ1𝑦𝑦𝑦𝑦𝑡𝑡𝑡𝑡−1 + ⋯+ Φ𝑝𝑝𝑝𝑝𝑦𝑦𝑦𝑦𝑡𝑡𝑡𝑡−𝑝𝑝𝑝𝑝 + 𝐴𝐴𝐴𝐴−1𝐵𝐵𝐵𝐵𝑣𝑣𝑣𝑣𝑡𝑡𝑡𝑡

Para simplificar la ecuación, se restringe B = I. Por lo tanto, los parámetros estructurales de

interés son los referidos a la matriz A y son aislados de la matriz de covarianza A-1 vt , que es Σ.

Por lo tanto, el problema de identificación consiste en resolver las p ecuaciones de

𝐴𝐴𝐴𝐴−1𝐴𝐴𝐴𝐴−1´ = Σ

Para los p2 elementos de A. dado que Σ es simétrica, contiene solamente (p+1)*p /2 elementos

libres. Por lo tanto, se necesitan (p2-p).p /2 restricciones para identificar exactamente todos los

elementos de A. Si tenemos restricciones adicionales, tenemos un modelo sobre-identificado, y se

pueden testear estos supuestos de manera usual.

El enfoque descripto hasta acá, define el SVAR en el corto plazo. Las restricciones sobre los

elementos de la matriz A establecen supuestos sobre las relaciones contemporáneas entre las

variables endógenas del modelo. También es posible colocar o imponer restricciones en el

comportamiento de largo plazo del VAR. Si se define

��𝐴𝐴𝐴 = (𝐼𝐼𝐼𝐼 − Φ1𝐿𝐿𝐿𝐿 −⋯−Φ𝑝𝑝𝑝𝑝𝐿𝐿𝐿𝐿𝑝𝑝𝑝𝑝)

Escribiendo la forma reducida del VAR

9



reducida


















Congreso).





SENASA




10

Productividad Peso medio de la media res (Kilogramos)

Ministerio de Agricultura

Precio Productores Precio recibido por los productores. Indice general mercado de Liniers ($/kgs)

Mercado de Liniers

Precio Minorista Precio Minorista promedio de la carne vacuna ($/kgs)

Instituto de Promoción de la Carne Vacuna Argentina

Actividad Económica País Estimador mensual de la actividad industrial

Instituto Nacional de Estadísticas y Censos (INDEC)

RESULTADOS

Las variables se testearon para detectar la presencia de raíces unitarias mediante el test de Dickey-

Fuller aumentado. Los resultados de dichos tests muestran que algunas variables tienen raíces

unitarias, mientras que otras no.

El test de Johansen para determinar si existe cointegracion entre las variables rechaza la existencia

de relaciones de largo entre ellas. Conclusión, no encontramos relaciones de cointegracion entre

las variables de oferta y demanda. Por lo tanto, se decide modelar mediante un VAR estructural

en diferencias, con tres rezagos4. El modelo SVAR con las restricciones establecidas en la matriz

de relaciones contemporáneas entre las variables se estima con 3 rezagos.

Si bien el modelo estima una serie de parámetros, resulta más interesante desde el punto de vista

práctico graficar las respuestas de impulso para ver cómo reaccionan variables del sistema ante

shock inesperados en alguna de ellas.

La Figura 1 muestra la función de respuesta en la producción de carne vacuna ante un shock en

cada una de las variables del sistema estimado. Lo que resalta en esta Figura es la respuesta que

tiene la producción ante un aumento en las existencias vacunas. Teniendo en cuenta que se

contabilizaron 24 meses hacia adelante, la elasticidad muestra variaciones en los primeros meses,

para estabilizarse después de casi dos años a valores cercanos a 12,1. Esto significa que un

aumento del 1% en las existencias animales, llevarían a que la producción crezca en un 12%.

Respecto de las otras variables, la respuesta de la producción de carne es mucho menor. Por

ejemplo un aumento del 1% en el peso medio de la media res aumenta la producción en un 0,30%

4 Los rezagos se eligen de acuerdo a los criterios AIC, SBIC.

IV. RESULTADOS

Las variables se testearon para detectar la presencia de raíces unitarias mediante el test de Dickey-Fuller aumentado. Los resultados de dichos tests muestran que algunas variables tienen raíces unitarias, mientras que otras no.

El test de Johansen para determinar si existe cointegracion entre las variables rechaza la existencia de re-laciones de largo entre ellas. Conclusión, no encontramos relaciones de cointegracion entre las variables de oferta y demanda. Por lo tanto, se decide modelar mediante un VAR estructural en diferencias, con tres rezagos . El modelo SVAR con las restricciones establecidas en la matriz de relaciones contemporáneas entre las variables se estima con 3 rezagos.

Si bien el modelo estima una serie de parámetros, resulta más interesante desde el punto de vista práctico graficar las respuestas de impulso para ver cómo reaccionan variables del sistema ante shock inesperados en alguna de ellas.

La Figura 1 muestra la función de respuesta en la producción de carne vacuna ante un shock en cada una de las variables del sistema estimado. Lo que resalta en esta Figura es la respuesta que tiene la producción ante un aumento en las existencias vacunas. Teniendo en cuenta que se contabilizaron 24 meses hacia adelante, la elasticidad muestra variaciones en los primeros meses, para estabilizarse después de casi dos años a valores cercanos a 12,1. Esto significa que un aumento del 1% en las existencias animales, llevarían a que la producción crezca en un 12%. Respecto de las otras variables, la respuesta de la producción de carne es mucho menor. Por ejemplo un aumento del 1% en el peso medio de la media res aumenta la producción en un 0,30% en los primeros meses, para luego bajar a los dos años en un 0,11%. Respecto del precio al productor, un shock del 1% haría disminuir la producción en un 0,20% los primeros meses, para luego estabilizarse en un 0,17%. Probablemente esta caída en la producción en el corto plazo se deba a que los productores retengan hacienda para aumentar la producción dado a un aumento en el precio, por lo que la oferta tendería a disminuir. Algunos trabajos confirman estos resultados de la posible existencia de una curva de oferta negativa en la ganadería vacuna en el corto plazo debido a que la hacienda puede ser considerada a la misma vez un bien de uso o un bien de capital (Aadland and DeeVon Bailey, 2001;

4 Los rezagos se eligen de acuerdo a los criterios AIC, SBIC.



Nerlove y Fornari, 1995).

Figura 1. Función de Respuesta Acumulada en las Variables del Modelo ante un Shock en la Producción de Carne

11

en los primeros meses, para luego bajar a los dos años en un 0,11%. Respecto del precio al

productor, un shock del 1% haría disminuir la producción en un 0,20% los primeros meses, para

luego estabilizarse en un 0,17%. Probablemente esta caída en la producción en el corto plazo se

deba a que los productores retengan hacienda para aumentar la producción dado a un aumento en

el precio, por lo que la oferta tendería a disminuir. Algunos trabajos confirman estos resultados de

la posible existencia de una curva de oferta negativa en la ganadería vacuna en el corto plazo

debido a que la hacienda puede ser considerada a la misma vez un bien de uso o un bien de capital

(Aadland and DeeVon Bailey, 2001; Nerlove y Fornari, 1995).

Figura 1. Función de Respuesta Acumulada en las Variables del Modelo ante un Shock en la

Producción de Carne

La Figura 2 exhibe la respuesta en las exportaciones ante shocks en las distintas variables del

modelo. La variable que tiene más impacto sobre las exportaciones es el stock animal, un shock

positivo del 1% en el stock incrementa en el corto plazo un aumento de un 15% en las

exportaciones en los primeros meses, para luego seguir creciendo a lo largo de los meses

siguientes. Tal vez este coeficiente este algo sobrestimado, ya que hubiésemos esperado un

aumento algo mas moderado del impacto del stock en las exportaciones en el corto plazo. Un

aumento inesperado en la producción impacta de manera positiva sobre las exportaciones, de

-5

0

5

10

15

20

-0,8

-0,6

-0,4

-0,2

0

0,2

0,4

0,6

0,8

1

1,2

1 3 5 7 9 11 13 15 17 19 21 23 25

Elas

ticid

ad (p

c/ex

ist)

Elas

ticic

idad

pc

exp

pm

pp

emae

pcar

existencias

La Figura 2 exhibe la respuesta en las exportaciones ante shocks en las distintas variables del modelo. La variable que tiene más impacto sobre las exportaciones es el stock animal, un shock positivo del 1% en el stock incrementa en el corto plazo un aumento de un 15% en las exportaciones en los primeros meses, para luego seguir creciendo a lo largo de los meses siguientes. Tal vez este coeficiente este algo sobresti-mado, ya que hubiésemos esperado un aumento algo mas moderado del impacto del stock en las expor-taciones en el corto plazo. Un aumento inesperado en la producción impacta de manera positiva sobre las exportaciones, de manera que un aumento del 1% en la producción, las exportaciones reaccionan de manera positiva en un 1,25%. Ganancias en productividad, peso de la media res, también incrementa las exportaciones, dado que ello generaría una mayor producción de carne que tendría como destino los mer-cados externos. Un efecto interesante sobre las exportaciones es el que tendría un aumento de la actividad económica en el mercado doméstico, que haría caer las exportaciones por una mayor demanda interna. A su vez un aumento del precio de la carne en el mercado doméstico incrementa las exportaciones. Si bien el efecto es bajo, se podría haber esperado un efecto contrario, ya que mayores precios en el mercado doméstico podrían direccionar la producción más hacia este que a los mercados externos.

Figura 2. Función de Respuesta Acumulada de la Exportación ante un Shock en las Variables del Modelo(pag.siguiente)



12

manera que un aumento del 1% en la producción, las exportaciones reaccionan de manera positiva

en un 1,25%. Ganancias en productividad, peso de la media res, también incrementa las

exportaciones, dado que ello generaría una mayor producción de carne que tendría como destino

los mercados externos. Un efecto interesante sobre las exportaciones es el que tendría un aumento

de la actividad económica en el mercado doméstico, que haría caer las exportaciones por una

mayor demanda interna. A su vez un aumento del precio de la carne en el mercado doméstico

incrementa las exportaciones. Si bien el efecto es bajo, se podría haber esperado un efecto

contrario, ya que mayores precios en el mercado doméstico podrían direccionar la producción más

hacia este que a los mercados externos.

Figura 2. Función de Respuesta Acumulada de la Exportación ante un Shock en las Variables del

Modelo

Un shock positivo no anticipado en las existencias animales impacta de manera positiva sobre los

precios al productor, debido posiblemente a un aumento en las existencias exige que los

productores retengan vientres, por lo que la oferta disminuiría y los precios tenderían a aumentar.

Luego, los precios muestran una a baja después del año y medio del shock. Por otro lado, shocks

positivos en la producción y en las exportaciones casi no tienen efecto sobre los precios al

productor. Sin embargo, un aumento en el nivel de actividad económica, tienen un impacto

0

5

10

15

20

25

30

35

40

45

-4

-3

-2

-1

0

1

2

1 3 5 7 9 11 13 15 17 19 21 23

Elas

ticid

ad (e

xp/e

xist

)

Elas

ticid

adpc

exp

pm

pp

emae

carcasa

existencias

Un shock positivo no anticipado en las existencias animales impacta de manera positiva sobre los precios al productor, debido posiblemente a un aumento en las existencias exige que los productores retengan vientres, por lo que la oferta disminuiría y los precios tenderían a aumentar. Luego, los precios muestran una a baja después del año y medio del shock. Por otro lado, shocks positivos en la producción y en las exportaciones casi no tienen efecto sobre los precios al productor. Sin embargo, un aumento en el nivel de actividad económica, tienen un impacto positivo sobre el precio, probablemente por un aumento de los precios a nivel minorista que se trasladarían hacia el sector productivo. (Figura 3). Los coeficientes de elasticidades se estabilizan cerca del 0,6%, implicando que un aumento en la actividad económica haría que los precios al productor aumenten en un 0,6%.

Figura 3. Función de Respuesta Acumulada en el Precio al Productor ante un Shock en las Variables del Modelo

13

positivo sobre el precio, probablemente por un aumento de los precios a nivel minorista que se

trasladarían hacia el sector productivo. (Figura 3). Los coeficientes de elasticidades se estabilizan

cerca del 0,6%, implicando que un aumento en la actividad económica haría que los precios al

productor aumenten en un 0,6%.

Figura 3. Función de Respuesta Acumulada en el Precio al Productor ante un Shock en las

Variables del Modelo

Aumentos en las variables modeladas casi no tienen impacto sobre la productividad, medido por

el peso promedio de la media res (Figura 4). La variable que más impacto tiene sobre la

productividad es el stock ganadero. Un aumento en las existencias, hace que en los meses

siguientes del peso de la media res aumente, aunque luego este efecto se diluye en los meses

siguientes. Tal vez esto estaría indicando que un aumento del stock ganadero llevaría a que mucho

de estos se destine al mercado interno, donde la se consumen animales más jóvenes y de menor

kilaje, comparado con los animales que demanda la exportación de mayor peso vivo. Lo que

resulta interesante ene este grafico es que si por alguna razón externa se aumenta peso de los

animales faenados, esto tendería a perdurar en los próximos dos años. El coeficiente de elasticidad

es del 0,67%, por lo que si por ejemplo existiría un shock positivo externo que haga que suba el

peso de la media res en un 1%, este aumento se mantendría en los próximos 24 meses en un

-6

-4

-2

0

2

4

6

8

10

12

14

-0,6

-0,4

-0,2

0

0,2

0,4

0,6

0,8

1

1,2

1,4

1 3 5 7 9 11 13 15 17 19 21 23

Elas

ticid

ad(p

p/ex

ist)

Elas

ticid

ad

pc

exp

pm

pp

emae

carcasa

existencias



Aumentos en las variables modeladas casi no tienen impacto sobre la productividad, medido por el peso promedio de la media res (Figura 4). La variable que más impacto tiene sobre la productividad es el stock ganadero. Un aumento en las existencias, hace que en los meses siguientes del peso de la media res aumente, aunque luego este efecto se diluye en los meses siguientes. Tal vez esto estaría indicando que un aumento del stock ganadero llevaría a que mucho de estos se destine al mercado interno, donde la se consumen animales más jóvenes y de menor kilaje, comparado con los animales que demanda la exportación de mayor peso vivo. Lo que resulta interesante ene este grafico es que si por alguna razón externa se aumenta peso de los animales faenados, esto tendería a perdurar en los próximos dos años. El coeficiente de elasticidad es del 0,67%, por lo que si por ejemplo existiría un shock positivo externo que haga que suba el peso de la media res en un 1%, este aumento se mantendría en los próximos 24 meses en un 0,67%. Por ejemplo, se podría pensar en algún shock positivo de ayuda impositiva a los productores de novillos u otras categorías de animales más pesados podría hacer que este aumento se mantenga en los próximos años de acuerdo a los coeficientes estimados.

Figura 4. Función de Respuesta Acumulada en el Precio al Productor ante un Shock en las Variables del Modelo

14

0,67%. Por ejemplo, se podría pensar en algún shock positivo de ayuda impositiva a los

productores de novillos u otras categorías de animales más pesados podría hacer que este aumento

se mantenga en los próximos años de acuerdo a los coeficientes estimados.

Figura 4. Función de Respuesta Acumulada en el Precio al Productor ante un Shock en las


La respuesta de los precios promedios de distintos cortes de carne al consumidor a shocks

inesperados en alguna de las variables del modelo se muestran en la Figura 5. Un aumento del 1%

en las existencias ganaderas reducen el precio al consumidor en un 10%. Esta baja en baja en los

primeros meses, llegando al 15% luego de dos años. Un shock en el precio al productor se

traslada hacia el precio al consumidor. El modelo predice que un 1% de aumento en el precio al

productor genera un aumento del 0,4% en el precio final. A su vez, si el peso de la media res

aumenta en un 1% se espera que el precio al consumidor decaiga en un 0,2% aproximadamente.

Poco impacto tienen sobre el la producción y las exportaciones sobre el precio al consumidor, lo

que resulta de manera extraña ya que se hubiera esperado que un shock que aumente la

producción genere una caída del precio al consumidor algo mayor que la estimada.

-1

-0,5

0

0,5

1

1,5

2

2,5

3

-0,2

-0,1

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

1 3 5 7 9 11 13 15 17 19 21 23

Elas

ticid

ad(c

arca

sa/e

xist

)

Elas

ticid

ad

pc

exp

pm

pp

emae

carcasa

existencias

La respuesta de los precios promedios de distintos cortes de carne al consumidor a shocks inesperados en alguna de las variables del modelo se muestran en la Figura 5. Un aumento del 1% en las existencias ganaderas reducen el precio al consumidor en un 10%. Esta baja en baja en los primeros meses, llegando al 15% luego de dos años. Un shock en el precio al productor se traslada hacia el precio al consumidor. El modelo predice que un 1% de aumento en el precio al productor genera un aumento del 0,4% en el precio final. A su vez, si el peso de la media res aumenta en un 1% se espera que el precio al consumidor decaiga en un 0,2% aproximadamente. Poco impacto tienen sobre el la producción y las exportaciones sobre el precio al consumidor, lo que resulta de manera extraña ya que se hubiera esperado que un shock



que aumente la producción genere una caída del precio al consumidor algo mayor que la estimada.

Figura 5. Función de Respuesta Acumulada en el Precio al Consumidor ante un Shock en las Variables del Modelo

15

Figura 5. Función de Respuesta Acumulada en el Precio al Consumidor ante un Shock en las


A su vez, el modelo SVAR se puede estimar las relaciones de largo plazo, estableciendo las

restricciones correspondientes para obtener las respuestas de impulso de largo plazo. Esto se

logra, como se detalló en la metodología, imponiendo restricciones en la matriz C.

En este modelo, asumimos que la productividad, las existencias ganaderas y el precio al productor

tienen impacto sobre la producción de carne vacuna, pero no viceversa. A su vez, también

imponemos que las exportaciones de carne vacuna son afectadas en el largo plazo por el precio al

productor, las existencias, precio al consumidor y la productividad. La Tabla 2 muestra las

elasticidades de largo plazo, dado las restricciones impuestas sobre la producción de carne y las

exportaciones.

Las elasticidades calculadas de largo plazo (Tabla 2), evidencian que la productividad (peso de la

media res) tiene un impacto positivo sobre la producción de carne vacuna. Un aumento del 1% en

el peso de la media res incrementa la producción en promedio un 0,80%. Esto implica que si se

incentivara al productor a que produzca animales más pesados, se tendría un impacto positivo

sobre la producción de carne vacuna, manteniendo las otras variables constantes en el largo plazo.

-18

-16

-14

-12

-10

-8

-6

-4

-2

0

-0,4

-0,2

0

0,2

0,4

0,6

0,8

1

1,2

1 3 5 7 9 11 13 15 17 19 21 23

Elas

ticid

ad(p

m/e

xist

)

Elas

ticid

ad

pc

exp

pm

pp

emae

carcasa

existencias

A su vez, el modelo SVAR se puede estimar las relaciones de largo plazo, estableciendo las restricciones correspondientes para obtener las respuestas de impulso de largo plazo. Esto se logra, como se detalló en la metodología, imponiendo restricciones en la matriz C.

En este modelo, asumimos que la productividad, las existencias ganaderas y el precio al productor tienen impacto sobre la producción de carne vacuna, pero no viceversa. A su vez, también imponemos que las exportaciones de carne vacuna son afectadas en el largo plazo por el precio al productor, las existencias, precio al consumidor y la productividad. La Tabla 2 muestra las elasticidades de largo plazo, dado las restricciones impuestas sobre la producción de carne y las exportaciones.

Las elasticidades calculadas de largo plazo (Tabla 2), evidencian que la productividad (peso de la media res) tiene un impacto positivo sobre la producción de carne vacuna. Un aumento del 1% en el peso de la media res incrementa la producción en promedio un 0,80%. Esto implica que si se incentivara al produc-tor a que produzca animales más pesados, se tendría un impacto positivo sobre la producción de carne vacuna, manteniendo las otras variables constantes en el largo plazo.

Las existencias vacunas también en el largo plazo tienen un impacto positivo sobre la producción total. Este impacto es aún mayor que el de la productividad, sugiriendo que resulta necesario incrementar el stock animal si se quiere aumentar a producción en el largo plazo. El coeficiente estimado de dicha elas-



ticidad muestra que en promedio un aumento del 1% en las existencias, tendría un efecto positivo del 0,95% en la producción.

El precio al productor muestra un valor negativo, bajo y no es estadísticamente significativo al 5%. Este resultado puede ser debido a que en los últimos años el precio al productor estuvo contenido por distintas políticas implementadas por el gobierno con el objetivo de que los precios de la hacienda vacuna no se trasladen a los precios minoristas. Por ello, la mayor producción generada en los últimos años fue producto de la caída del stock y no por el efecto de los precios.

Por el lado de las exportaciones y los efectos de las variables consideradas que la afectan en el largo plazo, vemos que el precio al consumidor tiene un efecto negativo. Un aumento del 1% en este precio, genera en promedio una caída del 2,2% en las exportaciones. Este resultado resulta compatible desde el punto de vista económico, ya que mayores precios en el mercado interno, manteniendo el resto de las variables constantes, hace que se vuelque más carne al mercado interno ya que se hace más rentable este respecto al externo.

Un shock positivo en el precio al productor aumenta las exportaciones de carne vacuna. Posiblemente, buenos precios en los mercados domésticos se trasladen hacia el sector productivo, lo que actuaría como un incentivo para que los productores aumenten la producción que se destina al mercado externo. El coe-ficiente estimado calcula que en promedio un aumento del 1% en los precios al productor se traduzca en un aumento casi del mismo valor en las exportaciones.

La productividad es también altamente significativa en aumentar las exportaciones. El coeficiente estimado es de 1,945, por lo que un incremento del 1% en el peso medio de la media res se espera que el largo plazo la exportación suba en casi un 2%.

Por último, el mayor efecto sobre las exportaciones lo tiene el stock animal. Este efecto es significativo y considerable, ya que un aumento del 1% en las existencias, llevarían a que en el largo plazo las exporta-ciones aumenten en un 4,4%. Tabla 2. Elasticidades de Largo Plazo

17

Influencia de LP Efecto sobre Coeficiente Valor tPrecio productor

Producción -0,1409* -1.78

Peso carcasa Producción 0,7995*** 12,10Existencias Producción 0,9596*** 10,08

Precio Minorista

Exportaciones -2.215 -27,94

Precio Productor

Exportaciones 1,080 13,62

Existencias Exportaciones 1.945 24.53Peso carcasa Exportaciones 4.485 56,61

*,**, ***, Estadísticamente significativo al 10%, 5% y 1% respectivamente

CONCLUSIONES

El objetivo del trabajo fue identificar y medir algunos factores que afectan la producción y las

exportaciones de carne vacuna utilizando un modelo econométrico, que permita cuantificar los

impactos de distintos determinantes de la oferta y demanda de carne vacuna.

Un modelo VAR estructural se estimó para medir los impactos a corto y largo plazo de dichos

determinantes sobre la oferta, demanda y las exportaciones de carne vacuna, considerando

restricciones de carácter económico en el modelo.

En el corto plazo, dos variables son altamente significantes en aumentar la producción y las

exportaciones de carne vacuna. Una de ellas es el stock animal, la cual tiene un impacto positivo y

considerable cuando se estiman las elasticidades acumuladas a los largo de los próximos años. Por

el otro, es la productividad de las existencias medido por el peso medio de la media res. Animales

más pesados a la faena se traduce en aumentos en la producción y en consecuencia en las

exportaciones.

El largo plazo, también encontramos que la producción necesita de estas dos variables influyen de

manera positiva si se quiere crecer sostenidamente en el tiempo. Respecto de las exportaciones,

no solo existencias y peso de la carcasa son importantes, sino que también los precios en el

mercado interno son significativos para explicar la oferta exportable.



V. CONCLUSIONES

El objetivo del trabajo fue identificar y medir algunos factores que afectan la producción y las exportacio-nes de carne vacuna utilizando un modelo econométrico, que permita cuantificar los impactos de distintos determinantes de la oferta y demanda de carne vacuna.

Un modelo VAR estructural se estimó para medir los impactos a corto y largo plazo de dichos determinan-tes sobre la oferta, demanda y las exportaciones de carne vacuna, considerando restricciones de carácter económico en el modelo.

En el corto plazo, dos variables son altamente significantes en aumentar la producción y las exportaciones de carne vacuna. Una de ellas es el stock animal, la cual tiene un impacto positivo y considerable cuando se estiman las elasticidades acumuladas a los largo de los próximos años. Por el otro, es la productividad de las existencias medido por el peso medio de la media res. Animales más pesados a la faena se traduce en aumentos en la producción y en consecuencia en las exportaciones.

El largo plazo, también encontramos que la producción necesita de estas dos variables influyen de ma-nera positiva si se quiere crecer sostenidamente en el tiempo. Respecto de las exportaciones, no solo existencias y peso de la carcasa son importantes, sino que también los precios en el mercado interno son significativos para explicar la oferta exportable.

Por último, el diseño de políticas sectoriales que apunten a un crecimiento de la producción y las expor-taciones ganaderas necesita de comprender en primer lugar cuales son las variables claves que tienen un impacto preponderante en dichas variables. Sin este conocimiento y la cuantificación de los impactos



BIBLIOGRAFÍA

Aadland, D. and D Bailey (2001). “Short-run supply responses in the U.S. beef-cattle industry”, American Journal of Agricultural Economics, 83, (4): 826-839.

Barros, G., H. Spolsador, and M. Bacchi (2006). “Supply and demand shocks and the growth of the bra-zilian agriculture”, International Association of Agricultural Economics, Broadbeach. Anais. Broadbeach. IAAE. ______. (2009). “Supply and demand shocks and the growth of the brazilian agriculture”. Revista Brasileira de Economia, Rio de Janeiro, 63, (1): 35-50.

Blanchard, O. J.; Quah, D. The dynamic effects of aggregate demand and supply disturbances. The Ame-rican Economic Review, v.79, n.4, p. 655-673, set.1989.

Becketti, Sean (2013). “Introduction to time series using stata”, Stata Pres, College Station, Texas.

Camargo Barros, G. , H. Silva Spolador, and M. Bacchi (2006). “Supply and demand shocks and the growth of the Brazilian agriculture”, Contributed paper for presentation at the International Association of Agricul-tural Economist Conference, Gold Coast, Australia.Enders, W. Applied econometric time series. New York : Wiley, 2004.

Instituto de Promoción de la Carne Vacuna Argentina (IPCVA). Estadísticas Mensuales. http://www.ipcva.com.ar/estadisticas/

King, R., Ch. Plosser , J. Stock, and M. Watson (1991). “Stochastic trends and economic fluctuations”, The American Economic Review, 81, (4): 819-840.

Nerlove, M. and I Fornari (1995). “Quasi-Rational Expectations, an alternative to fully rational expectations: an application to U.S. beef cattle”, unpublished manuscript.

Silva Neto, W. and M. Bacchi (2014). “Growth of Brazilian beef production: effect of shocks of supply and demand. RESRE, Piracicaba, 52, (2): 209-228


Documents

Revista Argentina de Economía Agraria AAEA · cas y de razas puras y sintéticas de origen índico. No obstante este proceso, aún existe un alto potencial de crecimiento de la producción