Determinantes de la producción de café con énfasis en factores de vulnerabilidad en el departamento del Huila, Colombia
María Andrea Guzmán Cascavita Mayo 2015
RESUMEN
La actividad caficultora ha sido transcendental en Colombia tanto social como económicamente. La investigación pretende demostrar que las condiciones de los trabajadores afecta la producción de café directamente, esto con el fin de reconocer que debería ser primordial que las ayudas del Gobierno se enfoquen a mejorar la calidad de vida de la población rural. Según datos de la Federación Nacional De Cafeteros de Colombia hay entre 563.000 familias caficultoras, en 588 municipios en 20 departamentos de Colombia pero en el departamento del Huila se encuentran 154.982 caficultores una cifra muy significativa. De estos 588 municipios se tomaron 35 pertenecientes al departamento del Huila, según la teoría y anteriores estudios se realizaron modelos econométricos que nos permitieron determinar la significancia de algunos determinantes de la producción y de variables que muestran el nivel de vulnerabilidad para cada municipio, quienes resultaron ser significativas a diferentes niveles. se puede concluir que si se plantean mecanismo que ayuden a mejorar la calidad de vida de los caficultores y en general de la región se obtendrán mejores resultados de productividad en el cultivo de café.
Palabras claves: Productividad, vulnerabilidad, transcendental, café, cafeteros, empleo, salarios, calidad de vida, contratación, educación, políticas publicas, necesidades básicas insatisfechas NBI, población.
1. Introducción
La investigación hace referencia a la caficultura en Colombia, actividad en la cual encontramos diferentes agentes implicados, como: las familias caficultoras, el Gobierno Nacional, Federaciones, Asociaciones cafeteras, entre otros. Colombia fue el segundo productor de café en el mundo durante 90 años, ahora Vietnam ocupa el segundo puesto y Brasil el primero como productor mundial, lo que hace a este producto uno de los mas importantes e influyentes de nuestra economía. Sin embargo, los bajos precios internacionales y las bajas condiciones sociales en las que se encuentran algunos caficultores colombianos no permiten que esta actividad sea tan productiva como se espera, haciendo inevitable la intervención del Estado con la implementación de subsidios para la producción cafetera.
Por otra parte, una de las principales características de la caficultura colombiana es ser artesanal y que requiere de abundante mano de obra para la recolección del fruto y procesos respectivos después de este. Lo que a la vista es una fuente generadora de empleo importante en el país, se hace necesario estudiar las características de esta población y medir la calidad de la misma para llegar a cuantificar el efecto sobre la productividad del cultivo, la investigación asemeja el nivel de vulnerabilidad de las personas relacionadas a la actividad como la eficiencia y eficacia que podría tener su trabajo, por esto la función de producción de café tendrá un factor extra que representa el nivel de vulnerabilidad de las personas que estén vinculadas a la cadena de producción de café.
El análisis se va a concentrar en el departamento del Huila ya que es uno de los mayores productores de café en Colombia y su productividad a aumentado en los últimos años. El objetivo de la investigación va mas allá del análisis de la producción de café, es demostrar que la productividad del cultivo puede ser mayor si la población que esta dedicada a esta actividad tiene niveles óptimos de calidad de vida, esto con una buena cobertura de educación en el municipio, con la posibilidad de mejorar y crear nuevos cultivos y mejorar la infraestructura de sus viviendas y lugares de producción mediante el acceso al crédito.
El documento consiste en un análisis de la actividad caficultura del país y en especial del departamento del Huila, seguido de una descripción socioeconómica de la región, como las características demográficas del departamento, después se hace un breve estudio socioeconómico teniendo en cuenta características de empleo, salarios y educación tanto en el sector cafetero como en la región, en el siguiente apartado encontramos la división de municipios por subgrupos debido a sus niveles de producción en los tres años de estudio, para estos subgrupos se realiza un análisis estadístico de medias y niveles de producción, posterior al análisis de subgrupos se desarrollan los modelos teóricos para evaluar los determinantes de la producción y del rendimiento para los municipios del departamento del Huila en los años 2010, 2011 y 2012.
2. Revisión de literatura
Se encontraron tres estudios relevantes que tienen relación a esta investigación, los dos primeros estudios son sobre los determinantes de la producción de café para Colombia y el tercero es una análisis del comportamiento microeconómico de la caficultura colombiana. Para empezar se desarrollaran los dos primeros documentos, el primero de ellos es realizado por el investigador Juan José Echavarría, y el segundo por José Leibovich quienes desarrollan modelos a partir de la teoria econometrica para comprobar la significancia de diferentes variables que conllevan al incremento o disminucion de la produccion de café y con ella la productividad de la actividad economica. A partir de estos estudios se puede comprobar que sin importar el periodo de tiempo en el que nos encontremos los determinantes de la produccion se pueden establacer en una funcion que explique cambios en la cantidad del bien, ya que los documentos son desarrollados en diferentes periodos de tiempo 2013 y 1997 respectivamente.
El investigador y director de la Misión para la Competitividad del Café Juan José Echavarría realizo un estudio sobre los costos, la productividad y rentabilidad de la caficultura colombiana. Para el calculo de costos de producción el autor utiliza una metodología contable de causación, es decir que los costos deben reconocerse en el momento en que se causan, sin importar cuándo se hace o se recibe el pago. Echavarría analizó los costos de financiamiento de la recolección y procesamiento de la cosecha en 1106 lotes sembrados de café distribuidos por las diferentes regiones de Colombia. Teniendo en cuenta costos de mano de obra e insumos para la instalación, el control de arvenses o maleza, fertilización, control fitosanitario, recolección, el beneficio y la administración y gastos totales. Los resultados obtenidos por el estudio arrojan que los costos de mano de obra representan al menos el 58.1% del total. Seguido de los costo de fertilización con 15.1% y la instalación con 13.9% (Echavarría, 2013).
Sobre la productividad de la siembra de café, Echavarría explora los determinantes de esta y utiliza como variables independientes el área en café y el área de la finca, los kilos de fertilizante, la edad y densidad del cafetal y la altura sobre el nivel del mar. Se consideran tres variables dummy para las cuatro zonas del país (la dummy excluida es
la zona Centro Norte) y cuatro variables dummy para las cinco variedades (se excluye la variedad Castillo) y por ultimo la edad del jefe del hogar en la finca. Para este modelo se ensayaron términos cuadráticos y cúbicos para todas las variables, pero solo resultó importante el término cúbico para el caso de la edad del cafetal; el término cuadrático resultó significativo para la cantidad de fertilizante, la edad del cafetal y la altura sobre el nivel del mar. El poder explicativo de las variables es mayor para la productividad con un coeficiente R2 cercano a 0.20, La mayoría de variables resultan significativas al 10% (varias al 1%) en el primer caso, pero solo unas pocas de ellas para los costos por carga o el inverso de la rentabilidad.
Como resultados obtuvieron que la productividad se incrementa con las variables expuestas anteriormente. Aparecen términos cuadráticos significativos y con signo negativo para la cantidad de fertilizante, la edad del cafetal y la altura, indicando que el impacto positivo de la variable decrece a medida que se incrementa la variable independiente. También aparece un término cúbico positivo y significativo para la edad del cafetal. Se encontraron variables no significativas como el tamaño de la finca y la edad del cafetero, por otra parte es significativo en que región se encuentra el cultivo, las zonas con menor productividad es la zona norte (Echavarría, 2013).
El Centro De Estudios Sobre Desarrollo Económico (CEDE) de la Universidad de Los Andes realizo un estudio de los determinantes de la productividad cafetera, este estudio se realiza por medio de un modelo teórico de determinación de la productividad en productos agrícolas aplicado en la zona central (Caldas, Quindío y Risaralda) de Colombia en el año 1993. El estudio, además de las variables propias de la siembra de café, incluye variables de tipo institucional, de infraestructura física y de capital humano. Por lo que se trabaja con las siguientes variables: tierra, proporción de la finca en café, calidad de la tierra, trabajo, capital, tecnología, fertilizantes, enfermedades, capital humano, organización, institucionalidad e infraestructura. Los resultados obtenidos de la investigación arrojaran que el modelo explica un 41% de la varianza de la productividad por hectárea. Por otra parte, la tierra y su proporción no resultan ser significativas, como si lo son el trabajo, los fertilizantes, el capital medido por la densidad del cafetal y por la edad del cultivo y las demás variables del modelo, con un coeficiente positivo el cual indica que dado un aumento en estos factores se generara un aumento en la productividad. El autor concluye que la búsqueda de una mayor
competitividad en la producción de café en Colombia, debe entenderse como una acción conjunta de los productores y sus organizaciones. Por otra parte, se muestra la importancia del nivel educativo del productor, ya que con mayor educación, se puede asimilar mejor el paquete tecnológico recomendado, administrar mejor la finca, llevar la contabilidad del negocio, tomar mejores decisiones de inversión y financiamiento (Leibovich & Barón, 1997).
Por otra parte, es importante nombrar el estudio realizado por la federación que trabaja aspectos microeconómicos de los productores, que a diferencia de los otros dos autores anteriormente nombrados hace un estudio a las variables descriptivas de la producción pero que no son expuestas en un modeló como los niveles de condición de vida, riesgos económicos; factores que son así mismo incluidos en este trabajo.
En el ensayo presentado por la Federación Nacional de Cafeteros por Julián García se analizo la información existente sobre los pequeños agricultores en la caficultura colombiana mediante un modelo de simulación para caracterizar el comportamiento microeconómico de estos productores.
El ejercicio de simulación que se realizo incorporo factores de riesgos económicos, físicos y biológicos que puedan afectar a un pequeño caficultor, y permite determinar, en términos cuantitativos, el impacto de diferentes variables básicas sobre la producción cafetera, el comportamiento y la vulnerabilidad de una familia típica para definir elementos estratégicos que podrían ponerse en marcha para lograr una mejoría en sus condiciones de vida.
Los autores concluyen que la disminución en la superficie cafetera de los últimos años, así como la creciente subdivisión de las propiedades, han originado una reducción en el tamaño de las explotaciones cafeteras, ocasionando una seria limitación para que un gran número de productores alcance un nivel de vida adecuado. Así mismo afirman que el 50% de los propietarios difícilmente podrían mejorar sus condiciones de vida basados en la producción agropecuaria como única fuente de ingresos. La falta de información y análisis limita la elaboración de un diagnóstico más preciso de la caficultura y de los caficultores del país y, consecuentemente, resta posibilidades de éxito a cualquier estrategia dirigida a ellos (García Cardona & Ramírez Vallejo, 2002).
Profundizar en estos asuntos permitirá el diseño de políticas y programas institucionales acertados y pertinentes. Para avanzar en este propósito, es importante establecer qué tanto y de qué forma dependen los pequeños propietarios del cultivo del café. Resolver este interrogante, requiere conocer la estructura de ingresos (enfatizando en su ingreso extrapredial y por otros cultivos), costos de producción y gastos familiares. Igualmente, se requiere conocer su vulnerabilidad ante eventuales ajustes en el nivel de rentabilidad del cultivo, observando la sensibilidad del caficultor a diferentes escenarios de productividad, costos de los insumos y alternativas tecnológicas.
3. Metodología
3.1 El cultivo del café
3.1.1 ¿Qué es el café?
El café proviene de una planta llamada cafeto, se da en la región tropical de la Tierra. Tiene mas de 500 géneros y 8.000 especies. Uno de los 500 géneros es el Caffea al cual le pertenecen 10 especies civilizada (cultivadas por el hombre) y 50 especies silvestres. Entre las especies cultivadas por el hombre encontramos Arabica y Robusta que son las mas comunes en América, Asia y África.
El café después de ser cultivado y cosechado según la variedad, tiene que pasar por cinco procesos para obtener el grano de café verde, como es comercializado en muchos mercados. El primer proceso es descerezada o despulpada. Estas cerezas están compuestas por una cubierta exterior, el exocarpio, el cual determina el color del fruto, Seguido a la descerezada viene la fermentación o vinagración, este proceso dura alrededor de 24 a 30 horas y se lleva a cabo en tanques de madera, cemento o eternil, culminado el tiempo de fermentación se verifica si el mesocarpio que es una goma rica en azúcares adherida a las semillas ya no se encuentra en el grano se procede al lavo del mismo para eliminar los últimos rastros de mucilago para proceder al secado. La etapa de secado del grano es fundamental para determinar la calidad del mismo. La mejor forma de realizar este procedimiento es haciendo al sol. Sin embargo existen otras formas de realizarlo, por ejemplo por un sistema mecánico de guardiolas o silos que son maquinas muy parecidas a hornos que logran secar el café en 30 o 40 horas cuando el secado natural lleva de 5 a 10 días. Por ultimo después del secado el grano de café esta cubierto por el endocarpio que es una capa amarillenta que lo cubre, o llamado comúnmente pergamino, para retirar esta ultima capa el grano de café debe pasar por la trilla y así obtener el grano de café verde. (Chalarca, 1987) (Federacion Nacional De Cafeteros)
Las plantaciones de café presentan amenazas constantes que ponen en riesgo la cosecha y el cafetal en su totalidad, estas amenazas son plagas y enfermedades a las que se tienen que enfrentar los cafeteros día a día, las principales amenazas en Colombia son la Broca y la Roya. La broca se presenta como pequeños orificios en el grano y son causados por ataque de insectos como el gorgojo y la broca. Por los contrario la roya es una enfermedad de se da directamente en la planta.
3.1.2 La estructura de producción de café
Ilustración 1 Estructura de Producción
Fuente: Federación Nacional de Cafeteros
Se va a trabajar con una estructura de producción donde encontramos cuatro aspectos importantes en la siembra de café, el primero es la variedad, donde se evalúa si esta es resistente o susceptible a plagas o enfermedades, en este caso acotaremos el estudio a una sola variedad, seguido a la variedad encontramos la oferta climática, en la que encontramos variables que definen características de la región donde se encuentra el cultivo, estas pueden ser del suelo, el clima, la altura. Por otra parte, encontramos la agronomía, que son características del cafetal o cultivo, como edad densidad nutrición sanidad, por ultimo encontramos el beneficio.
Estos cuatro aspectos nos generan la cosecha que puede ser presentada en café cereza o café pergamino que tienen una relación de cinco a uno, es decir que por cada 5 kilos de café cereza obtenemos 1 kilo de café pergamino, esto debido a que el café pergamino paso por los procesos anterior mente nombrados, desde la descerezada hasta dejar secar el café. Delimitando los anteriores aspectos se realizara una comparación por zonas en el municipio de Pitalito en el Departamento del Huila, Estas zonas se van a escoger por su producción, donde una tenga una producción alta y la otra a compara baja, con el propósito de medir cuales son las variables socioeconómicas que estén afectando la cantidad final de producto.
3.2 Diagnostico socioeconómico del cultivo del café en el Huila
3.2.1 Descripción demográfica del Departamento del Huila
El departamento del Huila consta de 37 municipios y su capital es Neiva (ilustración 3) , la superficie del Departamento es de 19.900 Km2 que representa tan solo un 1.8% de la superficie total del país. En esta región se encuentran todos los climas y una gran variedad de suelos que facilitan la diversidad y extensión de la producción agrícola y ganadera; predomina el clima templado, con una temperatura media de 24 ºC; como puntos extremos están las cumbres montañosas del Nevado del Huila, que forma parte del Parque Nacional Natural que lleva su mismo nombre, donde la temperatura permanece bajo 0 ºC y las regiones cálidas de los valles de Neiva, Aipe y Villavieja, donde se encuentra el imponente desierto de La Tatacoa, con 35º C. (Gobernación del Huila )
Ilustración 2 Mapa politico del departamento del Huila
Fuente: Sociedad Geográfica de Colombia 2011
3.2.2 Contexto social
La tasa de ocupación fue de 58,9% para el 2012 con una tasa de desempleo del 9,7% y una tasa de subempleo subjetivo de 39% (insuficiencia en horas 15%, empleo
inadecuado por competencias 17% y empleo inadecuado por ingresos 33,9), siendo esta ultima tasa mayor al subempleo nacional de 32,6%.
Por otra partes es alarmante ver los niveles de educación de la población ocupada del departamento ya que el 21% de la población ocupada no termino la primaria, y el 19,1% completo satisfactoriamente la secundaria. Esto nos permite medir la calidad de mano de obra en cuanto a educación, si embargo en esta investigación se tomara el índice de cobertura en educación por municipio como medida de aproximación a la calidad de la mano de obra del sector.
3.2.3 Mercado laboral cafetero
Los caficultores tienen el ingreso laboral más bajo del mercado laboral, el ingreso laboral de los caficultores es un 11.9% más bajo que el ingreso laboral de los trabajadores del sector de servicios, 8.8% menor que el de los trabajadores que trabajan en la industria manufacturera; 21% menor que el de los trabajadores del resto de actividades agrícolas como ganadería, pesca y silvicultura, y un 9.8% menor que el de las personas que trabajan en otros cultivos agrícolas. (Sarmiento Goméz, 2013)
Según Sarmiento no solo el departamento del Huila sino que también los departamentos de Nariño, Cauca, Boyacá, Caldas, Tolima, Norte de Santander, Magdalena, Cesar y Guajira tienen los ingresos laborales más bajos (menos de COP$200 mil) en zona rural, a causa de esto, vemos que la calidad de vida de los caficultores puede verse afectada y por ello llegar a niveles de pobreza altos, en este mismo estudio Sarmiento presenta datos de la GEIH-2012, donde indican que alrededor del 46.3% de los caficultores son pobres aunque ha venido disminuyendo en los últimos años. Esta tendencia es consistente con el mejoramiento en las condiciones de vida que se observan en los municipios cafeteros. García y Soto (2012) encontraron un impacto significativo de la caficultura sobre las condiciones de vida, efecto que es explicado por la evolución favorable de los servicios públicos domiciliarios, condiciones de la vivienda, aumentos en las tasas de asistencia escolar y mejores coberturas de seguridad social.
Por otra parte, además de los indicadores que presenta Sarmiento en su trabajo sobre la mano de obra de la actividad cafetera y de la cifras de salarios, nos presenta datos sobre el trabajo informal en la caficultora colombiana, el 37% de los trabajadores del sector agrícola tienen algún tipo de contrato, tan sólo menos del 1% de los trabajadores
cafeteros tiene contrato de trabajo escrito, en tanto que el 36% restante tiene un contrato verbal. De ahí que la mayoría de los jornaleros o empleados particulares no cuenten con las prestaciones que garantiza la ley. Como se puede observar en el siguiente grafico el departamento del Huila cuenta con una tasa de informalidad superior al 50% para el año 2012. Realidad que es importante para el país porque el empleado o trabajador informal no cuenta con las garantías mínimas que un trabajador debería tener según el Ministerio de Trabajo entre las cuales encontramos: cotizar a un fondo pensión, obligación del contratista en afiliación al sistema de riesgos laborales (ARL), recibir un salario mínimo mensual legal vigente.
Ilustración 3 Tasa de desempleo formal e informal,
Fuente original Documento diagnostico del departamento del Huila
En el Departamento del Huila la caficultura continúa siendo la actividad rural que más empleo genera participando con cerca del 27% del empleo agrícola y beneficiando a cerca del 20% de las familias campesinas que dependen de esta actividad económica. Por lo general, la mayoría de los caficultores colombianos son hombres, jefes de hogar con bajos niveles de escolaridad (63% tiene primaria). y pequeños productores cuenta propia (40%) o jornaleros (35%) contratados para las labores permanentes del cultivo y/o la época de cosecha (Sarmiento Goméz, 2013).
3.2.4 Niveles de producción
El departamento del Huila se caracteriza por sus altos niveles de producción convirtiéndose en uno de los principales productores de café a nivel nacional. El porcentaje de participación del departamento en la producción total del país para los años de 2008 al 2011 en promedio fue del 20.08% según la Secretaria de Agricultura y Minería
Ilustración 4 Area cosechada, producción y rendimiento de café para Colombia y el departamento del Huila. Años 2000 A 2001
Fuente: Anuario Estadístico, Gobernación del Huila
A pesar de que la participación en los últimos años fue alta la producción disminuyo a comparación de años anteriores, la producción de café clásico disminuyo considerablemente desde el 2010, y esta caída es compensada con el aumento de la producción de café especial (ilustración 5).
Ilustración 5 Producción de café en toneladas para el departamento del Huila
Para el estudio de los niveles de producción se agruparon los municipios por la cantidad de toneladas producidas en promedio para los años de estudio.
Como se puede observar en la tabla 1, los municipio de Acevedo y Pitalito conforman el primer grupo con una producción promedio de 10.032,64 toneladas al año, lo que los ubica, en los primeros puesto de productores cafeteros a nivel municipal en el departamento del Huila. El grupo numero dos tiene un promedio de 5.132,20 toneladas anuales que es aproximadamente la mitad de producción del primer grupo y se encuentran los departamentos de Algeciras, La Plata, Garzón y San Agustín, por ultimo, el tercer grupo lo ocupan los restante 29 municipios que tienen en promedio una producción de 1.757,67 toneladas anuales.
Tabla 1 Producción de café por municipios
3.2.5 Costos de producción
En la siguiente tabla se muestran los costos generales de sembrar café en el departamento del Huila para el año 2010, tomados de la secretaria de agricultura y minería de la Gobernación del Huila , como se puede observar el costo de mano de obra ocupa el 47% de los costos totales de la actividad, cuando el gasto en insumos o materia prima es la parte esencial en la inversión y debería tener una mayor diferencia entre los otros gastos.
Tabla 2 Costos de siembra para el año 2010 en el departamento del Huila
Fuente: Elaboración Propia, Datos tomados de Anuario Estadístico, Gobernación del Huila
Por otra parte los costos de sostenimiento (tabla 3) se observa que dependiendo de la utilización de los insumos se obtiene en promedio cantidades diferentes (12 , 16 o 20 cargas de café), si embargo un patrón común se deriva de la utilización de mano de obra para cada una de las actividades, se tiene que para la aplicación de fertilizante, la deshierba, el control fitosanitario y la recolección son actividades que se realizan a través de jornales. Lo que ubica la actividad de sostenimiento del cultivo como intensiva en mano de obra.
Tabla 3 Costos de sostenimiento para el año 2010 en el departamento del Huila
Fuente: Elaboración Propia, Datos tomados de Anuario Estadístico, Gobernación del Huila
ACTIVIDAD TOTAL PORCENTAJE
ELIMINACION/CAFÉ/VIEJO $1,497,000.00
LABORES/CULTURALES $952,000.00
FERTILIZACION $396,000.00
CONTROL/FITOSANITARIO $99,000.00
OTRAS/LABORES $290,400.00
SUBTOTAL/MANO/DE/OBRA $3,234,400.00 47.44
SUBTOTAL/INSUMOS $3,583,765.00 52.56
TOTAL/COSTOS/DIRECTOS/ $6,818,165.00 100
COSTOS%DE%SIEMBRA%
ACTIVIDAD V/TOTAL*12C V/TOTAL*16C V/TOTAL*20C PROMEDIO*
Fertilizante* 1140000 1672000 2280000 1697333.33
Aplicación*de*fertilizante 66000 99000 132000 99000
Deshierva* 528000 528000 528000 528000
Control*fitosanitario 220000 220000 220000 220000
615000 820000 2050000 1161666.67
1012000 1452000 0 821333.33
Beneficio*y*otros*jornales 132000 248000 413500 264500
Varios*(empaques,*agroquimicos) 160000 215000 480000 285000
COSTOS*DIRECTOS*SOSTENIMIENTO 3873000 5254000 6103500 5076833.33
Recoleccion
Como se nombro anteriormente los costos de mano de obra son esenciales y significativos en el momento de realizar la siembra y el sostenimiento de los cultivos de café, por lo cual es fundamental observar la variación de ellos al momento de hacer un análisis de costos de producción, en la tabla 4 se observa la variación porcentual del costo de un jornal, unidad con la que se mide el tiempo utilizado por persona para una actividad, el 4,5% fue el cambio porcentual para el 2010 al 2011 el cual es mayor que el cambio porcentual para estos mismos años del salario mínimo legal vigente el Colombia, que fue de 4%, sin embargo para los años 2011 a 2012 en el departamento del Huila el jornal subió un 2,1 % que en comparación con el aumento del salario mínimo del 5,8% fue menor con una diferencia de 3,7 puntos (Banco de la Republica , 2015).
Tabla 4 Variación porcentual de el valor de un jornal
Fuente: Elaboración Propia, Datos tomados de Anuario Estadístico, Gobernación del Huila
3.3 Vulnerabilidad
Una grupo familiar o una persona es vulnerable si en el caso de presentar una emergencia o que debido a un choque externo no tenga opciones o herramientas necesarias para suplir sus necesidades inmediatas, es decir que no cuenta con ningún tipo de capital que los ayude a superar una crisis nacional o personal, por ejemplo el conocimiento y la solvencia económica medida en crédito, por esto se definen como población vulnerable de un país.
El índice de escolaridad se puede medir a partir de los indicadores de educación, entre los cuales se encuentra la tasa de analfabetismo y la tasa de escolaridad. La tasa de analfabetismo se calcula por grupos de edades, por ejemplo en un rango de 7 a 15 años y son quienes no saben leer ni escribir, o solamente leen o escriben su propio nombre o los números (Lara, 2008). La tasa de escolaridad o la tasa de cobertura es la relación ente estudiantes matriculados en un nivel educativo que tienen la edad adecuada para cursarlo y el total de la población en el rango de edad apropiado para dicho nivel. Por
AÑO JORNAL CAMBIO,PORCENTUAL,
2010 $22,000.00 0.05
2011 $23,000.00 0.02
nivel educativo este indicador se calcula de la siguiente manera (Ministerio de Educacion Nacional ):
• TCN transición = (Matriculados en preescolar con edades entre 5 y 6 años / Promedio de la Población con edades entre 5 y 6 años) x 100
• TCN primaria = (Matriculados en primaria con edades entre 7 y 11 años / Población con edades entre 7 y 11 años) x 100
• TCN secundaria = (Matriculados en secundaria con edades entre 12 y 15 años / Población con edades entre 12 y 15 años) x 100
• TCN media = (Matriculados en educación media con edades entre 15 y 17 años / Población con edades entre 15 y 17 años) x 100
El índice de necesidades básicas insatisfechas (NBI) lo introdujo el Departamento Administrativo Nacional De Estadística (DANE) en el año 1987 con el fin de medir la pobreza por características de la vivienda, el NBI tiene en cuenta cinco aspectos, primero hogares en viviendas inadecuadas y tiene en cuenta el material con el que es construida la vivienda; el segundo son hogares en viviendas sin servicios básicos; tercero hogares con hacinamiento critico y este es considerado cuando hay mas de tres personas por cuarto; cuarto hogares en alta dependencia económica; por ultimo hogares con ausentismo escolar y este se cumple cuando hay al menos un niño entre 7 y 15 años que no asista a un centro educativo formal.
El crédito tiene dos agentes el prestatario y el prestamista, quienes solicitan el crédito y quien lo otorgan como bancos e instituciones financieras. Los aspectos fundamentales de los créditos son la confianza, el monto solicitado y el plazo, de igual forma existen créditos a corto, mediano y largo plazo, créditos de consumo, créditos para la producción, créditos hipotecarios, créditos de libre inversión, créditos sindicados (Banco de la Republica de Colombia, 2015). Los diferentes tipos de crédito le permite a un grupo familiar diferentes opciones en caso de una emergencia.
3.3.1 Vulnerabilidad en el Departamento
Para el estudio de las variables de vulnerabilidad se tienen en cuenta los grupos anteriormente conformados por niveles de producción, como podemos observar en la siguiente tabla (tabla 5). En las primeras columnas de la tabla se encuentra el promedio del valor de los créditos por el área y dividido por tipo de crédito, crédito para sostenimiento del cultivo (ca_sost), para siembra (ca_siembra), para renovación de
cafetales (ca_renov), para renovación por plaga (ca_rplaga), para infraestructura (ca_infra) y por ultimo el crédito total (cd_area) del municipio correspondiente no tiene una tendencia de aumento o disminución en el tiempo para ninguno de los tres grupos, lo que nos hace concluir que la tendencia de esta variable no tiene un relación directa con la producción, por otra parte observamos que para el año 2010 en los tres grupos el préstamo para siembra de café fue el de mayor valor, seguido del crédito para renovación, para los otros años no se observa una agrupación especifica de crédito en ninguno de los créditos.
Tabla 5 Descripción variables de vulnerabilidad
* Millones
Fuente: Elaboración Propia, Datos de Créditos: Finagro Datos Tasa De Cobertura de educación: Secretaria de Educación del Huila
El segundo indicador de vulnerabilidad es la tasa de cubertura neta (tcn) de educación para cada municipio, se encuentra la tasa de cobertura para los diferentes niveles de educación, total, media, secundaria (tcn_sec), primaria (tcn_prim) y transición (tcn_trans) la tasa de cobertura que se utilizo para los tres años fue del 2012, como se puede observar en cada uno de los grupos la tcn total tiene una tendencia positiva en el tiempo, sin embargo el nivel de producción no esta determinado por esta tasa de cobertura, ya que el grupo tres que es el que presenta menos producción tiene una tasa de cobertura mayor que el grupo uno que presenta mayor producción. Por otra parte se observa que para todos los grupos y años la tasa de cobertura en primaria es mayor.
Grupo&1 Variable ca_sost* ca_siembra* ca_renov* ca_rplaga* ca_infra* cd_area* tcn_total tcn_media tcn_sec tcn_prim tcn_trans Mean &&&&&&&&&&&&&11,300 &&&&&&&&&&&&&&&&&21,100 &&&&&&&&&&&11,100 &&&&&&&&&&&&&&&4,780 &&&&&&&&&&&6,920 &&&&&&&&&&71,600 84.60 30.50 74.20 116.35 75.75 Min &&&&&&&&&&&&&10,900 &&&&&&&&&&&&&&&&&10,200 &&&&&&&&&&&&&8,180 &&&&&&&&&&&&&&&3,510 &&&&&&&&&&&6,590 &&&&&&&&&&67,700 77.80 20.00 58.40 116.10 75.40 Max &&&&&&&&&&&&&11,700 &&&&&&&&&&&&&&&&&32,100 &&&&&&&&&&&13,900 &&&&&&&&&&&&&&&6,050 &&&&&&&&&&&7,240 &&&&&&&&&&75,400 91.40 41.00 90.00 116.60 76.10 Mean &&&&&&&&&&&&&&&5,740 &&&&&&&&&&&&&&&&&17,800 &&&&&&&&&&&57,400 &&&&&&&&&&&&&11,000 &&&&&&&&&&&5,440 &&&&&&&&&&54,500 84.60 30.50 74.20 116.35 75.75 Min &&&&&&&&&&&&&&&3,220 &&&&&&&&&&&&&&&&&&&4,090 &&&&&&&&&&&26,400 &&&&&&&&&&&&&&&2,990 &&&&&&&&&&&2,860 &&&&&&&&&&42,400 77.80 20.00 58.40 116.10 75.40 Max &&&&&&&&&&&&&&&8,260 &&&&&&&&&&&&&&&&&31,500 &&&&&&&&&&&88,400 &&&&&&&&&&&&&18,900 &&&&&&&&&&&8,020 &&&&&&&&&&66,600 91.40 41.00 90.00 116.60 76.10 Mean &&&&&&&&&&&&&&&3,490 &&&&&&&&&&&&&&&&&16,000 &&&&&&&&&316,000 &&&&&&&&&&&&&30,300 &&&&&&&&&&&4,970 &&&&&&&&&&43,800 84.60 30.50 74.20 116.35 75.75 Min &&&&&&&&&&&&&&&&&&871 &&&&&&&&&&&&&&&&&&&1,610 &&&&&&&&&&&83,300 &&&&&&&&&&&&&&&2,490 &&&&&&&&&&&1,220 &&&&&&&&&&23,300 77.80 20.00 58.40 116.10 75.40 Max &&&&&&&&&&&&&&&6,120 &&&&&&&&&&&&&&&&&30,400 &&&&&&&&&549,000 &&&&&&&&&&&&&58,100 &&&&&&&&&&&8,720 &&&&&&&&&&64,300 91.40 41.00 90.00 116.60 76.10 Grupo&2 Variable ca_sost* ca_siembra* ca_renov* ca_rplaga* ca_infra* cd_area* tcn_total tcn_media tcn_sec tcn_prim tcn_trans Mean &&&&&&&&&&&&&&&3,680 &&&&&&&&&&&&&&&&&10,900 &&&&&&&&&&&&&7,230 &&&&&&&&&&&&&&&&&&424 &&&&&&&&&&&2,020 &&&&&&&&&&24,300 77.95 34.60 74.65 100.05 68.38 Min &&&&&&&&&&&&&&&1,410 &&&&&&&&&&&&&&&&&&&2,820 &&&&&&&&&&&&&3,070 &&&&&&&&&&&&&&&&&&152 &&&&&&&&&&&&&&573 &&&&&&&&&&&&8,570 69.30 33.10 67.20 87.30 62.00 Max &&&&&&&&&&&&&&&7,100 &&&&&&&&&&&&&&&&&30,000 &&&&&&&&&&&11,800 &&&&&&&&&&&&&&&1,000 &&&&&&&&&&&3,510 &&&&&&&&&&50,600 84.00 36.40 77.40 111.20 70.90 Mean &&&&&&&&&&&&&&&4,290 &&&&&&&&&&&&&&&&&16,100 &&&&&&&&&&&17,100 &&&&&&&&&&&&&&&&&&730 &&&&&&&&&&&1,640 &&&&&&&&&&32,100 77.95 34.60 74.65 100.05 68.38 Min &&&&&&&&&&&&&&&1,110 &&&&&&&&&&&&&&&&&&&3,300 &&&&&&&&&&&&&4,410 &&&&&&&&&&&&&&&&&&173 &&&&&&&&&&&&&&125 &&&&&&&&&&&&9,460 69.30 33.10 67.20 87.30 62.00 Max &&&&&&&&&&&&&10,600 &&&&&&&&&&&&&&&&&50,500 &&&&&&&&&&&29,300 &&&&&&&&&&&&&&&1,370 &&&&&&&&&&&3,810 &&&&&&&&&&76,000 84.00 36.40 77.40 111.20 70.90 Mean &&&&&&&&&&&&&&&5,330 &&&&&&&&&&&&&&&&&24,400 &&&&&&&&&&&40,700 &&&&&&&&&&&&&&&1,380 &&&&&&&&&&&1,550 &&&&&&&&&&42,600 77.95 34.60 74.65 100.05 68.38 Min &&&&&&&&&&&&&&&&&&614 &&&&&&&&&&&&&&&&&&&2,900 &&&&&&&&&&&&&6,260 &&&&&&&&&&&&&&&&&&195 &&&&&&&&&&&&&&&&27 &&&&&&&&&&10,300 69.30 33.10 67.20 87.30 62.00 Max &&&&&&&&&&&&&15,400 &&&&&&&&&&&&&&&&&83,000 &&&&&&&&&&&71,000 &&&&&&&&&&&&&&&2,020 &&&&&&&&&&&4,070 &&&&&&&&111,000 84.00 36.40 77.40 111.20 70.90 Grupo&3 Variable ca_sost* ca_siembra* ca_renov* ca_rplaga* ca_infra* cd_area* tcn_total tcn_media tcn_sec tcn_prim tcn_trans Mean &&&&&&&&&&&&&&&&&&660 &&&&&&&&&&&&&&&&&&&1,650 &&&&&&&&&&&&&&&&999 &&&&&&&&&&&&&&&&&&239 &&&&&&&&&&&&&&348 &&&&&&&&&&&&3,900 80.23 36.86 77.88 102.13 67.08 Min &&&&&&&&&&&&&&&&&&&&&&3 &&&&&&&&&&&&&&&&&&&&&&&&16 &&&&&&&&&&&&&&&&&0.2 &&&&&&&&&&&&&&&&&&F &&&&&&&&&&&&&&F &&&&&&&&&&&&&&&&&24 47.60 15.90 38.30 66.10 41.40 Max &&&&&&&&&&&&&&&2,450 &&&&&&&&&&&&&&&&&&&8,250 &&&&&&&&&&&&&3,810 &&&&&&&&&&&&&&&1,590 &&&&&&&&&&&1,810 &&&&&&&&&&14,600 112.60 62.80 121.50 134.30 98.40 Mean &&&&&&&&&&&&&&&&&&600 &&&&&&&&&&&&&&&&&12,300 &&&&&&&&&&&&&3,310 &&&&&&&&&&&&&&&&&&555 &&&&&&&&&&&&&&309 &&&&&&&&&&&&4,440 80.23 36.86 77.88 102.13 67.08 Min 4.00 &&&&&&&&&&&&&&&&&&&&&&&&13 &&&&&&&&&&&&&&&0.04 &&&&&&&&&&&&&&&&&&F &&&&&&&&&&&&&&F &&&&&&&&&&&&&&&&&21 47.60 15.90 38.30 66.10 41.40 Max &&&&&&&&&&&&&&&2,470 &&&&&&&&&&&&&&&303,000 &&&&&&&&&&&16,900 &&&&&&&&&&&&&&&3,170 &&&&&&&&&&&1,260 &&&&&&&&&&18,800 112.60 62.80 121.50 134.30 98.40 Mean &&&&&&&&&&&&&&&&&&668 &&&&&&&&&&&&9,360,000 &&&&&&&&&&&14,500 &&&&&&&&&&&&&&&1,980 &&&&&&&&&&&&&&679 &&&&&&&&&&&&5,520 80.23 36.86 77.88 102.13 67.08 Min &&&&&&&&&&&&&&&&&&&&&&5 &&&&&&&&&&&&&&&&&&&&&&&&11 &&&&&&&&&&&&&&&0.01 &&&&&&&&&&&&&&&&&&F &&&&&&&&&&&&&&F &&&&&&&&&&&&&&&&&18 47.60 15.90 38.30 66.10 41.40 Max &&&&&&&&&&&&&&&3,710 &&&&&&&271,000,000 &&&&&&&&&105,000 &&&&&&&&&&&&&17,800 &&&&&&&&12,200 &&&&&&&&&&24,400 112.60 62.80 121.50 134.30 98.40 2010 2011 2012 2011 2012 2011 2012 2010 2010
3.4 Especificación modelos econométricos
3.4.1 Función de producción
La función de producción es la relación que existe entre la cantidad de materia usada para producir bienes y servicios y la cantidad producida (Mankiw, 2009), por lo que se hace necesario medir y analizar la relación entre insumos y productos en el cultivo del café para analizar su productividad y con ello en que medida sus determinantes afectan esta. Para esto se desarrolla una función de producción, que tiene como variable independiente la producción de café y la combinación de variables explicativas como los insumos utilizados para esta producción, esta relación se puede ver de la siguiente forma:
𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛=𝑓 𝑇𝑖𝑒𝑟𝑟𝑎,𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖ó𝑛,𝑐𝑎𝑝𝑖𝑡𝑎𝑙,𝑡𝑒𝑐𝑛𝑜𝑙𝑜𝑔𝑖𝑎,𝑐𝑎𝑝𝑖𝑡𝑎𝑙 ℎ𝑢𝑚𝑎𝑛𝑜,𝑖𝑛𝑠𝑡𝑖𝑡𝑢𝑐𝑖𝑜𝑛𝑎𝑙
Producción: Toneladas de café producidas en el municipio
Variables independientes:
Tierra: Número de hectáreas sembradas de café en el municipio, Número de hectáreas total del municipio.
Proporción: Grado de especialización de producción de café del municipio.
Capital: Numero de hectáreas según la edad de los cafetos (tecnificado joven, tecnificado viejo y tradicional).
Tecnología: Numero de hectáreas sembradas por tipo de variedad (resistente y susceptible) y la luminosidad del cultivo con el numero de hectáreas expuestas a sol, Sombra y Semisombra.
Capital Humano: Nivel educativo del municipio, se medirá con la tasa cobertura educativa del municipio.
Institucional: Acceso al crédito, medido por numero de créditos y el valor total por municipio.
3.5 Modelo Datos Panel
Los modelos con datos panel tienen la misma unidad de corte transversal (una familia, una empresa o un estado) y se estudia a lo largo del tiempo, es decir que la dimensión de los datos es de espacio tiempo. Al realizar una estimación con datos panel estos proporcionan una mayor cantidad de datos informativos, mas variabilidad, menos colinealidad entre variables, mas grados de libertad y una mayor eficiencia. De igual forma, los datos panel permiten estudiar modelos de comportamiento más complejos, como fenómenos de economías de escala y el cambio tecnológico.
3.5.1 Organización de la base de datos
• Periodos anuales (t): 2010, 2011 y 2012
• Individuos (i): 35 municipios del departamento del Huila productores de café, se eliminaron de la muestra dos municipios que actualmente no son cafeteros.
• Variables: Variables dependientes como rendimiento y producción total de café y las variables independientes como variedad, luminosidad, altura, edad, densidad, área sembrada, área total, entre otras.
𝑦!,!= 𝛽!+ 𝛽!𝑥!!,!+ 𝛽!𝑥!!,!+⋯+ 𝛽!𝑥!",!+ 𝑈!,!
Ilustración 6 Panel de Datos
3.5.2 Modelos de estimación
El panel de datos que se utilizara en la investigación es un panel balanceado y corto, es decir que para cada individuo (Municipio) tiene el mismo numero de observaciones y que el numero de individuos (Municipios) es mayor que el numero de periodos (años), existen cuatro posibilidades modelos para estimar una función con un panel de datos:
• Modelo de MCO agrupados: se agrupan las observaciones y se estima una gran regresión, sin tener en cuenta el corte transversal y la serie de tiempo de los datos
• Modelo de mínimos cuadrados con variable dicótoma (MCVD) de efectos fijos: se agrupan las observaciones, pero se permite que cada unidad de corte transversal, es decir cada municipio, tenga su propia variable dicótoma.
• Modelo de efectos fijos dentro del grupo (EF): en este caso también se agrupan las observaciones pero por cada municipio se expresa cada variable como una desviación de su valor medio y luego se estima una regresión de MCO sobre los valores corregidos por la media o sin media.
• Modelo de efectos aleatorios (EA): La naturaleza de efectos constantes por individuo y ausencia de efectos variables en el tiempo.
3.5.3 Pruebas estadísticas
Las pruebas estadísticas permiten identificar cual es el modelo correcto para la investigación y así obtener resultados confiables con betas insesgados y eficientes para la base de datos.
• Prueba de Hausman
La prueba de Hausman se utiliza para elegir entre estimadores de EA y EF, planteando
la desigualdad estadística entre los estimadores de EA (𝛽!") y EF (𝛽!") con el fin de establecer si existe o no endogenidad
𝐻!: 𝛽!" ≠ 𝛽!" Existe evidencia de endogenidad. EF prevalece sobre EA
• Prueba del multiplicador de Lagrange de Breusch y Pagan
La prueba de Breusch y Pagan ayuda a identificar si existe autocorrelación residual entre los términos del error(𝑈!,!), es decir si hay efectos constantes (𝐶!) en el termino de
error (𝑈!,! = 𝐶! + 𝜀!,!).
𝐻!: 𝜎!! =0 No existe evidencia de efectos constantes en el error
(𝑈!,!= 𝜀!,!). MCO prevalece sobre EA y EF
𝐻!: 𝜎!! >0 Existe evidencia de efectos constantes en el error
4. Análisis de resultados
Partiendo de la función de producción planteada anteriormente y con el fin de resolver la pregunta de la investigación, se utilizan diferentes herramientas para analizar los determinantes del nivel de producción. Primero se debe realizar una análisis descriptivo, interpretando la matriz de correlación, gráficos de dispersión, medias y varianzas de las variables.
Después de desarrollar el modelo econométrico se puede analizar la productividad marginal de los factores o de los insumos requeridos en el cultivo, La productividad marginal de un insumo se define como la cantidad adicional de producto obtenida empleando una unidad adicional de ese insumo y manteniendo los demás constantes (Nicholson, 2005).
4.1 Análisis descriptivo
Ilustración 7 Diagrama de dispersión
Fuente: Datos tomados del Panel municipal del CEDE
Como se puede observar en la ilustración 7 las variables descriptivas del modelo como numero de hectáreas sembradas de café tecnificado, el numero de caficultores (ncaficul) el numero de fincas cafeteras en el municipio (nfincas) y la cantidad de hectáreas por tipo de variedad (v_resis y v_suscep) tiene una relación positiva y creciente con la
0 100 200 300 tra d 0 5000 10000 15000 20000 tot_tec
0 5000 10000 15000 p_cafe tot_tec trad 500 1000 1500 2000 alt 0 .1 .2 .3 p _ a re a
0 5000 10000 15000 p_cafe p_area alt 0 2000 4000 6000 8000 10000 n ca ficu l 0 5000 10000 15000 n fica s
0 5000 10000 15000 p_cafe nficas ncaficul 0 5000 10000 15000 v_ su sce p 0 2000 4000 6000 v_ re si s
0 5000 10000 15000 p_cafe
v_resis v_suscep
producción total de café; se concluye que se aumenta la producción si la variable en cada caso presenta un nivel mayor.
Por otra parte, se encontró que algunas variables presentar altos niveles de correlación como las variables que identifican la de luminosidad, tecnificación y variedad del cultivo, es necesario corregir estos problemas con la conversión unidades, pasando de numero de hectáreas a porcentajes con relación al área sembrada en total y en variables dicótomas que toman el valor uno (1) si el porcentaje supera la media de la misma variable en un año determinado, o cero (0) si el porcentaje es menor a la media de la misma variable en un año determinado.
Tabla 6 estadisticas descriptivas de la produccion de café
Fuente: Elaboración Propia, datos tomados de la Federación nacional de Cafeteros
El la tabla 6 se muestra un ejemplo de las estadísticas descriptivas del cultivo para las variables que presentaron correlaciones altas, mostrando así el promedio del porcentaje para cada variable. Por ejemplo, tanto para un año determinado y un municipio si el porcentaje en hectáreas sembrada a sol (p_sol) superaba la media, que en este caso es 80.92%, su variable dicótoma se convertía en 1, es decir que d_sol = 1, de la anterior forma se realizo el proceso con todos los municipios y variables para cada año para corregir el problema de altos niveles de correlación
Ya que la producción de café se determina a partir de diferentes factores de producción se estiman varios modelos para encontrar un resultado optimo que nos permita identificar los determinantes de la producción.
El trabajo se desarrollan los modelos con teoría econométrica, lo que permite evaluar los factores de producción de café para el departamento del Huila en los años 2010, 2011 y 2012. A continuación se muestra cada uno de los modelos posibles, los primeros
dos modelos se explican por el nivel de producto en toneladas de café y los siguiente dos por rentabilidad (producción sobre área sembrada).
MODELO 1
En el modelo numero uno se estima el cambio en el logaritmo natural del valor de la producción en función de los determinantes esperados y las variables de luminosidad, tecnificación y variedad son expresadas como porcentaje de la siguiente forma:
𝑙𝑝!"#!!" =𝛽!+𝛽!𝑖𝑑𝑛𝑐𝑎𝑓𝑖𝑐𝑢𝑙3!" + 𝛽!𝑝!"#!!"+ 𝛽!𝑐𝑑!"#!!"+ 𝛽!𝑐𝑎!"!!!"
+ 𝛽!𝑐𝑎!"#$%&!!" + 𝛽!𝑐𝑎!"#$!!"+ 𝛽!𝑐𝑎!"#$!!"+ 𝛽!𝑣𝑐!"#$!!"
+ 𝛽!𝑣𝑐!"#$!!"+ 𝛽!"𝑣𝑐!"#$%&!!"+ 𝛽!!𝑣𝑐!"!!!"+ 𝛽!"𝑣𝑐!"!#!!" + 𝛽!"𝑝!"!!"+ 𝛽!"𝑝!"#$%!!"+ 𝛽!"𝑝!"#"$%!!"+ 𝛽!"𝑡𝑐𝑛!"!#!!"
+ 𝛽!"𝑡𝑐𝑛!"#!!"+ 𝛽!"𝑡𝑐𝑛!"#!" + 𝛽!"𝑡𝑐𝑛!"#$!!"+ 𝛽!"𝑎𝑙𝑡!" + 𝑒!"
Ilustración 8 Regresión modelo 1 Log de Producción de Café por MCO, EF y EA
MCO EA EF p_som 0.0303** 0.0271 0.0245 VARIABLES lp_cafe lp_cafe lp_cafe (0.0135) (0.0188) (0.0199)
ptec_jov G0.0309** 0.00162 0.000114 idncaficul3 0.639 1.212 2.324 (0.0144) (0.00659) (0.00637) (1.517) (2.116) (2.891) pv_suscep G0.00298 0.0108*** 0.00756*** p_area 0.848 0.500 1.416 (0.00365) (0.00199) (0.00254)
(1.111) (1.490) (2.399) tcn_total 0.0278 0.0462 as_cafefd 0.000581*** 0.000385*** 2.65eG05 (0.0401) (0.0728)
(3.63eG05) (5.69eG05) (0.000118) tcn_prim G0.00484 G0.0204 area2 G1.71eG08*** G1.04eG08*** 2.15eG09 (0.0191) (0.0353) (2.55eG09) (2.75eG09) (3.89eG09) tcn_sec 0.00534 0.00993 cd_area (G)4.81eG11N*** (G)4.06eG11*** (G)2.34eG11*** (0.0138) (0.0248) (0) 0 (0) tcn_media G0.0395*** G0.0525*** ca_sost 1.55eG10** 1.75eG10*** 1.56eG10*** (0.0142) (0.0200)
(7.25eG11) (0) (0) alt G3.89eG05 G0.000290 ca_siembra (G)1.39eG12 9.29eG12** 2.85EG12 (0.000185) (0.000270)
(0) 0 (0) Constant 7.812*** 5.024*** 6.336*** ca_infra G1.09eG10 (G)1.37eG11 3.56EG11 (1.120) (0.790) (0.764)
(6.65eG11) (0) (0)
ca_renov (G)7.01eG13 5.07EG13 5.66EG13 Observations 105 105 105 (0) (0) (0) RGsquared 0.914 0.738 vc_renov G8.03eG10 2.58eG09 2.06eG09 NumberNofNcodmun 35 35
(2.56eG09) (1.95eG09) (1.75eG09) vc_infra 2.43eG07 2.43eG09 G1.39eG07 (1.80eG07) (1.27eG07) (1.21eG07) vc_siembra 1.54eG09 G1.04eG08** G3.18eG09 (8.16eG09) (4.80eG09) (5.24eG09) vc_sost G1.56eG07 G3.41eG07*** G3.41eG07***
(1.94eG07) (1.00eG07) (9.10eG08) vc_total 1.73eG07*** 1.29eG07*** 6.18eG08* (4.93eG08) (3.15eG08) (3.20eG08)
***Np<0.01,N**Np<0.05,N*Np<0.1 RobustNstandardNerrorsNinNparentheses
Tabla 7 Pruebas estadisticas para el modelo 1
BREUSCH PAGAN chibar2(01) = 42.18 Prob > chibar2 = 0.0000
HAUSMAN chi2(5) = 6.87 Prob>chi2 = 0.2302
A partir de las pruebas estadísticas (tabla 7) para definir la producción de café concluimos que la mejor estimación es por medio de Efectos aleatorios ya que la prueba de Breusch Pagan prefiere las estimaciones de efectos fijos o efectos aleatorios a los estimadores de MCO y la prueba de Hausman nos confirma que se prefiere la estimación por Efectos aleatorios sobre Efectos fijos. Las variables de área sembrada de café (as_cafefd), área al cuadrado (area2), crédito total por área (cd_area), crédito de sostenimiento (ca_sost), la variedad del cultivo (d_vsuscep) y la tasa de cobertura media (tcn_media) son significativas para el modelo a un nivel de confianza del 1%, de igual forma el crédito de siembra por área (ca_siembra) es significativo a un nivel de confianza del 5% , las variables que tienen un efecto positivo en los niveles de producción son la variedad, el crédito por sostenimiento y siembra y el área sembrada de café en el municipio, sin embargo la tasa de cobertura media es negativa ya que si los niños a esa edad asisten a las instituciones educativas va a disminuir la mano de obra en el hogar, el área al cuadrado y el crédito total son negativas para la producción.
MODELO 2
En el modelo numero dos, al igual que el modelo anterior, se estima el cambio en el logaritmo natural del valor de la producción en función de los determinantes esperados y las variables de luminosidad, tecnificación y variedad pero estas son expresadas como variables dicótomas, que fueron especificadas con la metodología anteriormente planteada.
𝑙𝑝_𝑐𝑎𝑓𝑒!" =𝛽!+𝛽!𝑖𝑑𝑛𝑐𝑎𝑓𝑖𝑐𝑢𝑙3!" + 𝛽!𝑝_𝑎𝑟𝑒𝑎!" + 𝛽!𝑐𝑑_𝑎𝑟𝑒𝑎!" + 𝛽!𝑐𝑎_𝑠𝑜𝑠𝑡!"
+ 𝛽!𝑐𝑎_𝑠𝑖𝑒𝑚𝑏𝑟𝑎!" + 𝛽!𝑐𝑎_𝑖𝑛𝑓𝑟𝑎!" + 𝛽!𝑐𝑎_𝑟𝑒𝑛𝑜𝑣!"
+ 𝛽!𝑣𝑐_𝑟𝑒𝑛𝑜𝑣!! + 𝛽!𝑣𝑐_𝑖𝑛𝑓𝑟𝑎!" + 𝛽!"𝑣𝑐_𝑠𝑖𝑒𝑚𝑏𝑟𝑎!"
+ 𝛽!!𝑣𝑐_𝑠𝑜𝑠𝑡!" + 𝛽!"𝑣𝑐_𝑡𝑜𝑡𝑎𝑙!" + 𝛽!"𝑑_𝑠𝑜𝑚!" + 𝛽!"𝑑_𝑡𝑒𝑐𝑗𝑜𝑣!" + 𝛽!"𝑑_𝑣𝑠𝑢𝑠𝑐𝑒𝑝!" + 𝛽!"𝑡𝑐𝑛_𝑡𝑜𝑡𝑎𝑙!" + 𝛽!"𝑡𝑐𝑛_𝑝𝑟𝑖𝑚!"
Ilustración 9 Regresión Modelo 2 Log de Producción de Café por MCO, EF y EA
Tabla 8 Pruebas estadisticas para el modelo 2
BREUSH PAGAN chibar2(01) = 19.32 Prob > chibar2 = 0.0000
HAUSMAN chi2(5) = 6.53 Prob>chi2 = 0.2583
A partir de las pruebas estadísticas (tabla 8) para definir la producción de café concluimos que la mejor estimación es por medio de Efectos aleatorios por las mismas razones que el modelo 1. Para el modelo con las variables dicótomas, las variables de área sembrada de cafe (as_cafefd), área al cuadrado (area2), crédito total por área (cd_area), crédito de sostenimiento (ca_sost) y la tasa de cobertura media (tcn_media) son significativas para el modelo a un nivel de confianza del 1%, de igual forma la tasa de cobertura total (tcn_total) y la proporción de caficultores con la población total (idncaficul3) son significativo a un nivel de confianza del 5% , por ultimo la variable
MCO EA EF d_som 0.0692 10.0133 0.00113 VARIABLES lp_cafe lp_cafe lp_cafe (0.0743) (0.102) (0.0805) d_tecjov 10.236** 0.0330 0.0648* idncaficul3 0.265 16.193** 14.842 (0.107) (0.0539) (0.0367) (1.489) (2.750) (3.474) d_vsuscep 10.265** 0.0649 0.0332 p_area 1.078 2.129 3.919 (0.123) (0.105) (0.0757)
(1.072) (1.996) (3.018) tcn_total 0.0169 0.184** as_cafefd 0.000581*** 0.000371*** 10.000329** (0.0410) (0.0905) (4.30e105) (7.67e105) (0.000128) tcn_prim 0.00212 10.0735* area2 11.75e108*** 11.07e108*** 1.04e108** (0.0204) (0.0440) (2.94e109) (4.03e109) (4.55e109) tcn_sec 0.00112 10.0457 cd_area 15.01e111*** 15.26e111*** 11.64E111 (0.0141) (0.0305)
(0) 1.40E111 (0) tcn_media 10.0336** 10.0841*** ca_sost 1.87e110** 2.62e110*** 1.27e110** (0.0138) (0.0251)
(7.75e111) (7.00e111) (5.14e111) alt 2.12e105 0.000462 ca_siembra 13.55E112 8.90E112 6.16E112 (0.000154) (0.000335)
(0) 7.12E112 (0) Constant 5.535*** 5.785*** 8.569*** ca_infra 19.26e111 14.50E111 17.57E112 (0.303) (0.599) (0.241)
(7.85e111) (7.57e111) (5.61e111)
ca_renov 14.82E113 7.42E113 4.99E113 Observations 105 105 105 (0) 17.22E113 (0) R1squared 0.908 0.569 vc_renov 13.68e109 13.69e109 19.98e110 NumberQofQcodmun 35 35
(2.98e109) (3.12e109) (2.02e109) vc_infra 2.05e107 5.34e108 13.97e108 (2.13e107) (2.15e107) (1.58e107) vc_siembra 3.95e109 19.93e109 16.86e109 (8.88e109) (7.94e109) (7.03e109) vc_sost 12.64e107 15.12e107*** 13.22e107***
(1.75e107) (1.65e107) (1.14e107) vc_total 1.71e107*** 1.25e107** 1.90e108
(6.21e108) (5.14e108) (3.93e108)
RobustQstandardQerrorsQinQparentheses ***Qp<0.01,Q**Qp<0.05,Q*Qp<0.1
tasa de cobertura en primaria (tcb_prim) es significativa a un nivel de confianza de 10%. las variables que tienen un efecto positivo en los niveles de producción son el crédito por sostenimiento, el área sembrada de café y la tasa de cobertura total en el municipio, sin embargo la tasa de cobertura media es negativa ya que si los niños a esa edad asisten a las instituciones educativas va a disminuir la mano de obra en el hogar, la tasa de cobertura en primaria el aumento en el área al cuadrado, el crédito total y la proporción de caficultores también son negativas para la producción.
Modelo 3
Otra forma de medir los determinantes de la producción de café es por medio de la productividad o rendimiento que es interacción de la producción de café en toneladas y el área sembrada de café para un periodo de tiempo. Para este escenario se realizaros los mismo modelos con la diferencia de la variable explicada y la eliminación de el área sembrada de café y el área sembrada de café al cuadrado como variables explicativas ya que generan problemas de multicolinealidad.
𝑟_𝑐𝑎𝑓𝑒!" = 𝛽!+𝛽!𝑖𝑑𝑛𝑐𝑎𝑓𝑖𝑐𝑢𝑙3!" + 𝛽!𝑝_𝑎𝑟𝑒𝑎!" + 𝛽!𝑐𝑑_𝑎𝑟𝑒𝑎!" + 𝛽!𝑐𝑎_𝑠𝑜𝑠𝑡!" + 𝛽!𝑐𝑎_𝑠𝑖𝑒𝑚𝑏𝑟𝑎!" + 𝛽!𝑐𝑎_𝑖𝑛𝑓𝑟𝑎!" + 𝛽!𝑐𝑎_𝑟𝑒𝑛𝑜𝑣!"
+ 𝛽!𝑣𝑐_𝑟𝑒𝑛𝑜𝑣!" + 𝛽!𝑣𝑐_𝑖𝑛𝑓𝑟𝑎!" + 𝛽!"𝑣𝑐_𝑠𝑖𝑒𝑚𝑏𝑟𝑎!"
+ 𝛽!!𝑣𝑐_𝑠𝑜𝑠𝑡!" + 𝛽!"𝑣𝑐_𝑡𝑜𝑡𝑎𝑙!" + 𝛽!"𝑑_𝑠𝑜𝑚!" + 𝛽!"𝑑_𝑡𝑒𝑐𝑗𝑜𝑣!"
+ 𝛽!"𝑑_𝑣𝑠𝑢𝑠𝑐𝑒𝑝!" + 𝛽!"𝑡𝑐𝑛_𝑡𝑜𝑡𝑎𝑙!" + 𝛽!"𝑡𝑐𝑛_𝑝𝑟𝑖𝑚!"
Ilustración 10 Regresión modelo 3 Rendimiento de Café por MCO, EF y EA
Tabla 9 pruebas estadisticas del modelo 3
BREUSH PAGAN chibar2(01) = 0.00 Prob > chibar2 = 1.0000
HAUSMAN chi2(5) = 33.79 Prob>chi2 = 0.000
A partir de las pruebas estadísticas (tabla 9) para definir el rendimiento de la producción de café concluimos que la mejor estimación es por medio de MCO ya que la prueba de breucsh pagan indica que se prefiere esta estimación a las de EF y EA. Para el modelo con las variables dicótomas, las variables de crédito total por área (cd_area) y crédito de sostenimiento (ca_sost) son significativas para el modelo a un nivel de confianza del 1%, de igual forma el crédito de renovación (ca_renov) es significativo a un nivel de confianza del 10%. las variables que tienen un efecto positivo en los niveles de producción son el crédito por sostenimiento y el crédito de renovación , sin embargo el
MCO EA EF d_som ,0.0207 ,0.0207 0.0221 VARIABLES r_cafe r_cafe r_cafe (0.0281) (0.0288) (0.0754)
d_tecjov 0.0209 0.0209 0.0640* idncaficul3 ,0.799 ,0.799 ,13.05*** (0.0289) (0.0284) (0.0339) (0.517) (0.510) (2.883) d_vsuscep 0.00673 0.00673 0.0229 p_area 0.0407 0.0407 ,1.124 (0.0371) (0.0365) (0.0711)
(0.352) (0.357) (2.387) tcn_total 0.0177 0.0177 cd_area (,)1.31e,11*** ,0** (,)2.45e,11*** (0.0157) (0.0147)
(0) (0) 0 tcn_prim ,0.00725 ,0.00725 ca_sost 9.49e,11*** 9.49e,11*** 1.20e,10*** (0.00767) (0.00712) (0) (0) (0) tcn_sec ,0.00818 ,0.00818* ca_siembra (,)1.01e,12O (,)1.01e,12O 8.74e,12* (0.00512) (0.00493) (0) (0) (0) tcn_media ,0.00120 ,0.00120 ca_infra 5.72E,12 5.72E,12 ,5.45e,11 (0.00419) (0.00407) (0) (0) (5.15e,11) alt 6.64e,06 6.64e,06 ca_renov 4.48e,13O* 4.48E,13 4.02E,13 (6.31e,05) (6.15e,05)
(0) (0) (0) Constant 0.818*** 0.818*** 2.200*** vc_renov ,4.36e,09** ,4.36e,09** ,2.67e,09 (0.107) (0.0973) (0.201)
(1.78e,09) (2.10e,09) (1.88e,09)
vc_infra ,5.03e,08 ,5.03e,08 1.02e,07 Observations 105 105 105 (4.56e,08) (6.92e,08) (1.46e,07) R,squared 0.267 0.703 vc_siembra 1.12e,09 1.12e,09 ,9.74e,09* NumberOofOcodmun 35 35
(2.38e,09) (4.12e,09) (5.41e,09) vc_sost ,2.00e,07*** ,2.00e,07** ,3.01e,07***
(7.37e,08) (8.67e,08) (9.55e,08) vc_total 3.03e,08 3.03e,08 5.05e,08
(2.07e,08) (2.27e,08) (3.44e,08)
RobustOstandardOerrorsOinOparentheses ***Op<0.01,O**Op<0.05,O*Op<0.1
