Impacto del cambio climático en la producción agrícola en Nicaragua

Texto completo

(1)Facultad de Economía y Negocios. Impacto del cambio climático en la producción agrícola en Nicaragua Tesis para optar al grado de Master of Arts in Economics otorgado por Georgetown University y al grado de Magíster en Economía de la Universidad Alberto Hurtado. Por Fadel Enrique Ugarte Paguaga. Profesor Guía: Evangelina Dardati. Santiago, Chile 2016. 1.

(2) Facultad de Economía y Negocios. Impacto del cambio climático en la producción agrícola en Nicaragua. Por Fadel Enrique Ugarte Paguaga. Evangelina Dardati Profesor Guía. Eugenio Giolito Director del Magíster. Santiago, Chile 2016. 2.

(3) Tabla de contenido Resumen ........................................................................................................................................................... 5 Abstract............................................................................................................................................................. 5 1. Introducción ................................................................................................................................................ 6 2. Revisión Literaria ....................................................................................................................................... 8 2.1 Enfoque Función de Producción ........................................................................................................ 8 2.2 Enfoque Ricardiano .............................................................................................................................10 2.3 Consenso ...............................................................................................................................................11 3. Cultivos Seleccionados, Temperatura y Precipitación .......................................................................12 3.1 Cultivos Seleccionados .......................................................................................................................12 3.1.1 Frijol ................................................................................................................................................12 3.1.2 Arroz................................................................................................................................................13 3.1.3 Maíz.................................................................................................................................................14 3.1.4 Café..................................................................................................................................................15 3.2 Temperatura y Precipitación .............................................................................................................15 4. Estructura de los datos ..............................................................................................................................17 4.1 Variables de Producción .....................................................................................................................17 4.2 Variables Climáticas ...........................................................................................................................17 4.3 Otros controles .....................................................................................................................................18 5. Estadísticas Descriptivas ..........................................................................................................................19 5.1 Evolución de Variables Climáticas ...................................................................................................19 5.2 Relación Clima-Producción Agrícola ...............................................................................................21 6. Modelo Teórico e Identificación .............................................................................................................24 6.1 Modelo Base .........................................................................................................................................24 6.2 Modelo con Eventos Extremos ..........................................................................................................26 6.3 Modelo con Eventos Extremos y Formas Cuadráticas de Precipitación ....................................27 6.4 Modelo con Interacción Temperatura-Precipitación .....................................................................28 7. Análisis Empírico y Resultados ..............................................................................................................29 7.1 Frijol .......................................................................................................................................................29 7.2 Arroz ......................................................................................................................................................32 7.3 Maíz ........................................................................................................................................................34 7.4 Café ........................................................................................................................................................36 8. Implicaciones: Escenario de Cambio Climático ...................................................................................39 9. Conclusiones ..............................................................................................................................................41. 3.

(4) 10. Bibliografía ...............................................................................................................................................43 11. Anexos .......................................................................................................................................................45. Índice de Gráficos y Tablas Gráfico 1: Sesgo bajo el Enfoque de Producción ...................................................................................... 9 Gráfico 2: Evolución de la Temperatura ....................................................................................................19 Gráfico 3: Evolución de la Precipitación ...................................................................................................20 Gráfico 4: Dispersión Temperatura-Producción (Frijol) ........................................................................21 Gráfico 5: Dispersión Precipitación-Producción (Frijol) ........................................................................22 Gráfico 6: Cambio de pendiente en la regresión .....................................................................................26 Gráfico 7: Temperatura Anual por Departamento ..................................................................................46 Gráfico 8: Precipitación Anual por Departamento ..................................................................................46 Gráfico 9: Dispersión Temperatura-Producción (Arroz) ........................................................................46 Gráfico 10: Dispersión Precipitación-Producción (Arroz) .....................................................................47 Gráfico 11: Dispersión Temperatura-Producción (Maíz) .......................................................................48 Gráfico 12: Dispersión Precipitación-Producción (Maíz).......................................................................48 Gráfico 13: Dispersión Temperatura-Producción (Café) ........................................................................49 Gráfico 14: Dispersión Precipitación-Producción (Café) .......................................................................49 Gráfico 15: Distribución de Eventos Extremos (Época Lluviosa) ..........................................................50 Gráfico 16: Distribución de Eventos Extremos (Época No Lluviosa) ...................................................50 Tabla 1: Correlación Producción-Clima ....................................................................................................21 Tabla 2: Resultados Frijol ............................................................................................................................29 Tabla 3: Resultados Arroz ............................................................................................................................32 Tabla 4: Resultados Maíz .............................................................................................................................34 Tabla 5: Resultados Café ..............................................................................................................................36 Tabla 6: Requerimientos Óptimos por Cultivo ........................................................................................45 Tabla 7: Estadísticas de Resumen ...............................................................................................................45 Tabla 8: Resultados Frijol (Área Cosechada) ............................................................................................51 Tabla 9: Resultados Arroz (Área Cosechada) ...........................................................................................52 Tabla 10: Resultados Maíz (Área Cosechada) ...........................................................................................53 Tabla 11: Resultados Café (Área Cosechada) ...........................................................................................54 Tabla 12: Resultados en Escenario de Cambio Climático ......................................................................55. 4.

(5) Resumen El presente trabajo analiza, utilizando el enfoque de función de producción, el impacto del cambio climático sobre la producción de cultivos específicos en Nicaragua. A través de este enfoque tradicional, se estima una función de producción empírica (revelada por los datos), donde la producción de un determinado cultivo depende de ciertos insumos ambientales como la precipitación y la temperatura. Una vez estimados los parámetros de la función de producción, se analiza qué sucedería con la producción de los cultivos seleccionados bajo un escenario de cambio climático. Para simular dicho escenario se utilizarán las predicciones hechas por el Panel Intergubernamental de Cambio Climático IPCC. La estimación se realiza incluyendo efectos fijos a nivel de departamento, por año, para cuatro cultivos: frijol, arroz, maíz y café. Los resultados muestran que los cultivos más afectados por el cambio climático son el maíz, el arroz, y en una menor medida el café y el frijol. Estos hallazgos proveen información importante para los hacedores de política tomando en cuenta que uno de sus objetivos de desarrollo es reducir la vulnerabilidad al cambio climático. Abstract Using the production function approach this document analyzes the impact of climate change on the production of selected crops in Nicaragua. Through this traditional approach an empirical production function is estimated, where the production of certain crop depends on environmental inputs such as temperature and precipitation. Applying predictions of the Intergovernmental Panel on Climate Change (IPCC) to the estimated model, I analyze what would happen with the agricultural output in a climate change scenario. I estimate the effect of temperature and precipitation on the production of the selected crops using department-by-year fixed effects for four crops: beans, rice, corn and coffee. The results show that the most affected crops by climate change are corn, coffee and rice. These findings provide important information for policy makers given the government’s development objective of reducing vulnerability to climate change.. 5.

(6) 1. Introducción El acelerado ritmo del cambio climático y sus consecuencias (inundaciones, sequías, altas temperaturas, cambios en el ecosistema, entre otras) representan una problemática para la agricultura a nivel mundial. Según (Cline, 2007), los efectos del cambio climático afectarán negativamente la agricultura global, y dichos efectos serán más severos en los países en desarrollo, principalmente porque las condiciones ambientales en dichos países se han ido alejando con mayor rapidez de lo que se considera un clima óptimo para la actividad agrícola. Estudios recientes muestran que aun tomando en cuenta el cambio tecnológico de las últimas décadas1, no se ha logrado reducir el nivel de dependencia de la agricultura de las condiciones climáticas; los factores medioambientales continúan siendo un insumo determinante de la producción agrícola. Por esta razón (Cline, 2007) asegura que sería un error pensar que los avances tecnológicos lograrán mitigar el impacto del cambio climático sobre la agricultura, resultados similares a los que encuentra (Hornbeck, 2012) quien afirma que gran parte del efecto de la inversión en innovación es absorbido por los cambios en las condiciones ambientales2. Nicaragua es un país altamente agrícola; según datos del Banco Central, la agricultura es la 4ta actividad más importante en términos de aporte al Producto Interno Bruto, representando casi un 8% como porcentaje del PIB. Además de su relevancia macroeconómica, la agricultura representa la base de subsistencia para muchos hogares nicaragüenses, en especial en las áreas rurales donde los cultivos para el autoconsumo son un aporte esencial para la seguridad alimentaria de las familias. De acuerdo al último reporte del Panel Intergubernamental de Cambio Climático (IPCC, 2014), se estima que para el año 2080 la temperatura promedio en Nicaragua aumente alrededor de 3℃ y el nivel de precipitación promedio disminuya 30%, lo 1. En general se piensa que algunas tecnologías agrícolas ayudan a compensar desventajas ambientales, y otras tecnologías explotan ventajas ambientales (Sunding & Zilberman, 2001). Por ejemplo: durante el siglo XX se incrementó el acceso para los agricultores a fertilizantes comerciales, lo cual se piensa que ayudó a compensar la deficiencia de nutrientes que por naturaleza algunos suelos (o territorios) poseen (Hornbeck & Keskin, 2011). 2 Autores como (Mendelsohn, Nordhaus, & Shaw, 1994) agregan que los cambios proyectados en las condiciones del medio ambiente impondrán mayores costos en la agricultura mientras menor sea el nivel de adaptación de los cultivos.. 6.

(7) que aumentaría la irregularidad en las condiciones climáticas, provocando mayor número de eventos (sequías, inundaciones, entre otros), y afectando negativamente la producción agrícola en el país. Debido a lo anterior, es de gran interés e importancia para los hacedores de política y otros agentes económicos estudiar el impacto que ha tenido en los últimos años el cambio climático en la actividad agrícola del país. De manera específica puede plantearse la pregunta: ¿cómo afecta el cambio climático a la producción de cultivos específicos en Nicaragua? Se sabe que los cultivos más afectados por el cambio climático son los granos básicos, los que constituyen la principal fuente de alimentos de los hogares rurales y urbanos, especialmente de los más vulnerables. En este estudio nos enfocamos en 4 cultivos, frijoles, arroz, maíz y café. Si bien es cierto este último no es considerado un grano básico, pero es de gran importancia para la economía nicaragüense puesto que representa su principal producto de exportación. Este documento estima una función de producción (no paramétrica) para inferir el efecto longitudinal que tienen las variables ambientales, nivel de precipitación y temperatura, sobre la producción de frijol, arroz, maíz y café a lo largo del país. Luego analizar, bajo un escenario de cambio climático, qué impacto tendrían los cambios en los niveles de precipitación y temperatura promedio en la producción nacional de los cultivos antes mencionados. Cabe destacar que no existen estudios previos a nivel de país que busquen medir este impacto cuantitativamente3. Los resultados encontrados indican que los cultivos que presentan mayor dependencia de las condiciones climáticas son el maíz, el café y el arroz; por ende son estos mismos cultivos los que se ven más afectados por el cambio climático, por lo que las políticas de reducción de la vulnerabilidad al cambio climático deben enfocarse en estos cultivos primeramente, sin dejar a un lado otros que puedan ser de interés económico y social.. 3. Solamente se encontraron estudios cualitativos.. 7.

(8) 2. Revisión Literaria Durante la década de los 80s distintas disciplinas comenzaron a estudiar las implicaciones del cambio climático global sobre la actividad agrícola en diferentes países. Hasta la actualidad se han desarrollado, principalmente, dos enfoques para estimar el impacto de las condiciones ambientales sobre la agricultura: i) el “Enfoque Función de Producción” y el “Enfoque Ricardiano”. 2.1 Enfoque Función de Producción Algunos estudios importantes que utilizan este enfoque son los realizados por (Adams, McCarl, Dudek, & David, 1988), (Adams, 1989), (Rozenzweig & Parry, 1994) y Cline (1992, 2007). El enfoque de producción es un enfoque tradicional que estima una función de producción empírica, donde la producción de algún cultivo depende de ciertos inputs ambientales, por ejemplo, uno podría estimar cómo varía la producción de maíz en función de los niveles de precipitación y temperatura promedio. La idea central detrás de este enfoque es que las condiciones ambientales son un input esencial de la producción agrícola, por lo que es de gran interés social y económico estimar el efecto que tienen variaciones en las condiciones ambientales sobre las cantidades cosechadas de cierto cultivo. El método de estimación es en dos etapas: primero se estima la función de producción que depende de los parámetros ambientales y luego utilizando modelos de otras disciplinas se analiza qué pasaría con la producción estimada en un escenario de cambio climático. Sin embargo, algunos autores como (Mendelsohn, Nordhaus, & Shaw, 1994) plantean que este enfoque sobreestima la dependencia de la actividad agrícola de las condiciones ambientales. Al utilizar la producción de un tipo de cultivo como medida proxy de la actividad agrícola (general) se ignora el hecho de que los agricultores son agentes racionales que maximizan sus beneficios y adaptan sus decisiones de producción a las condiciones del medio ambiente. En este sentido, el enfoque de producción pasa por alto el efecto sustitución o rotación de cultivos. Para ilustrar el punto tomemos dos tipos de cultivos: trigo y maíz. El trigo necesita temperaturas promedio más bajas que el maíz para poder crecer, dado que los agricultores conocen esto, cuando notan que la temperatura va aumentando, lo que hacen es sustituir paulatinamente la producción de trigo por producción de maíz y. 8.

(9) así el impacto que tiene un cambio en las condiciones climáticas sobre la actividad agrícola es menor del que se estima bajo el enfoque de función de producción, esta explicación se muestra en el Gráfico 1. Gráfico 1: Sesgo bajo el Enfoque de Producción. Fuente: Mendelsohn, Nordhaus & Shaw (1994). Bajo el enfoque de función de producción, lo que sucede es que, al aumentar la temperatura, la actividad agrícola (medida por la producción de un cultivo) va disminuyendo, partiendo del punto A, pasando por el punto B y, con el pasar de los años, llegando hasta el punto F. De este modo la actividad agrícola se ve fuertemente afectada por los incrementos en temperatura. Lo que Mendelsohn et al. (1994) plantean es que el impacto de la temperatura sobre la actividad agrícola (general) está sobreestimado si se utiliza un enfoque de producción. En realidad, de acuerdo a estos autores lo que sucede es que, efectivamente los agricultores notan los cambios en temperatura, pero en lugar de continuar sembrando trigo y ver que sus rendimientos se reducen hasta el punto F, seguirán sembrando trigo hasta el punto C, y del punto C en adelante comenzarán a sembrar maíz ya que este cultivo es más resistente a altas temperaturas. El agricultor seguirá adaptando los cultivos que siembra según las condiciones climáticas y por ende el impacto de las condiciones ambientales sobre la agricultura no será tan fuerte (en el sentido económico) como el que se estimaría bajo el enfoque de función de producción.. 9.

(10) Cabe destacar que este análisis es válido si se quiere inferir sobre la relación entre condiciones climáticas y actividad agrícola en general, sin embargo dicho enfoque pierde perspectiva si se quiere inferir sobre la relación entre condiciones climáticas y la producción de un cultivo en específico, puesto que el efecto estimado usando el enfoque ricardiano tendrá sesgo negativo. 2.2 Enfoque Ricardiano Son precisamente Mendelsohn et al. (1994) quienes plantean un enfoque alternativo para estimar los efectos de las características medioambientales sobre la agricultura, dicho enfoque es conocido como enfoque ricardiano y se basa en la teoría del valor de la tierra formulada por David Ricardo. En su libro (Principios de Economía Política y Tributación, 1817), Ricardo plantea que el valor de la tierra depende de las propiedades originarias e indestructibles del suelo, así como de ciertas condiciones climáticas como la temperatura. Lo que hace el enfoque ricardiano es estimar como cambia el valor de la tierra, cuando cambian las condiciones ambientales. El valor de las tierras agrícolas es una mejor proxy de la actividad agrícola porque de manera implícita recoge el efecto sustitución de cultivos que no era tomado en cuenta por el enfoque función de producción4. La lógica es que las tierras no se deprecian tanto cuando cambian las condiciones del medio ambiente puesto que los agricultores saben que pueden utilizar las tierras para sembrar otro tipo de cultivos, lo cual hace que el valor de las tierras permanezca constante, caiga un poco, o aun hasta suba cuando cambian las condiciones climáticas, así el efecto del medio ambiente sobre la agricultura pierde ese sesgo positivo que presentaba al ser estimado bajo el enfoque función de producción. Trabajos importantes como el de (Hornbeck, Nature versus Nurture: The Environment's Persistent Influence through the Modernization of American Agriculture, 2012) encuentran que el valor real de la actividad agrícola, medido a través del valor real de la tierra, ha incrementado a lo largo del tiempo, aun con los cambios experimentados en las variables climáticas. Según Hornbeck esto se debe en gran parte a los avances tecnológicos que han reducido la dependencia de la agricultura de las condiciones climáticas, por ejemplo los sistemas de riego por extracción y 4. El valor de las tierras agrícolas es una buena proxy de la actividad agrícola porque la correlación entre ambas variables es fuerte y ambas tienen el mismo comportamiento; si la actividad agrícola se incrementa, entonces también lo hace el valor de las tierras destinadas para este uso.. 10.

(11) bombeo permiten que los agricultores puedan explotar fuentes de aguas subterráneas y así reducir su dependencia del agua proveniente de las lluvias. Sin embargo es el mismo autor quien asegura que la tendencia creciente en el valor de la tierra tiene cada vez menos aceleración, por lo que sabemos que aun cuando la tecnología agrícola se ha desarrollado significativamente durante el último siglo, los cambios proyectados en el medio ambiente impondrán mayores costos económicos mientras más acelerado sea el cambio climático (Deschenes & Greenstone, 2007) y es probable que esa tendencia creciente desaparezca en las próximas décadas. Es decir que aun utilizando el enfoque ricardiano, no se puede desestimar la importancia del efecto de las condiciones climáticas sobre la agricultura. 2.3 Consenso En su libro Global Warming and Agriculture: Impact Estimates by Country, William Cline utiliza modelos de producción y modelos ricardianos para estimar el impacto del cambio climático sobre la agricultura. Cline llega a la misma conclusión usando ambos tipos de modelos: los efectos del cambio climático afectarán la agricultura a nivel mundial, y dichos efectos serán más severos en los países en desarrollo, principalmente porque el clima en dichos países se ha ido alejando con mayor rapidez de lo que se considera un clima óptimo para la actividad agrícola. Además, Cline asegura que sería un error pensar que los avances tecnológicos lograrán mitigar el impacto del cambio climático sobre la agricultura, resultados similares a los que encuentra Hornbeck (2012). De los párrafos anteriores se puede inferir lo siguiente: si el objetivo de la estimación es medir el impacto del cambio climático sobre la actividad agrícola, de manera global, entonces el enfoque ricardiano permite obtener resultados más realistas. Por otro lado, si el objetivo es medir el impacto del cambio climático sobre la producción de cultivos específicos, entonces el enfoque de función de producción brinda resultados más informativos sobre el efecto causal que se quiere capturar. Debido a lo anterior, en este documento se utiliza el enfoque de la función de producción para inferir sobre el impacto del cambio climático sobre la producción de cultivos específicos.. 11.

(12) 3. Cultivos Seleccionados, Temperatura y Precipitación En esta sección se brinda información de contexto sobre características importantes de los cultivos seleccionados para realizar el estudio, la temperatura y la precipitación en Nicaragua, ya que estas son las variables claves para el análisis empírico a realizar. 3.1 Cultivos Seleccionados Las estimaciones a presentarse en este estudio se realizan en base a cuatro cultivos: frijol, arroz, maíz y café. Dichos cultivos fueron seleccionados por su relevancia económica y social, ya que los tres primeros se encuentran dentro de los principales productos agrícolas de consumo interno en el país, y el último es el principal cultivo de exportación de la economía nicaragüense. Según el informe (Desafíos desde la Seguridad Alimentaria y Nutricional en Nicaragua, 2012) presentado por un conjunto de organizaciones, la dieta de la mayoría de los hogares nicaragüenses tanto rurales como urbanos, se basa en el consumo de frijoles, arroz y derivados del maíz. En cuanto al café, si bien es cierto su consumo nacional no es desdeñable, su principal aporte a la economía es a través de las exportaciones, ya que tradicionalmente es el commodity exportable con mayor aporte al Producto Interno Bruto5. 3.1.1 Frijol La variedad de frijol que se siembra en Nicaragua es la que se conoce como frijol común (Phaseolus vulgaris L.), con las pequeñas variaciones de color y textura que este pueda tener (Instituto Nicaragüense de Tecnología Agropecuaria INTA, 2009). Dichas variaciones no tienen una implicancia significativa en la dependencia del cultivo de las condiciones climáticas, ya que se encuentran clasificadas dentro de la misma variedad del cultivo. El frijol en Nicaragua se siembra, y por ende se cosecha, tres veces al año, los periodos de siembra son conocidos como: primera, postrera y apante. La siembra de primera se realiza en mayo, en septiembre la de postrera y en noviembre la de apante (estas dos últimas son las más importantes). Los periodos de cosecha ocurren entre 75 y 85 días después de la siembra (INTA, 2009). Esta información será tomada en. 5. Según datos del Banco Central de Nicaragua (BCN) el café oro representa el 52.17% del valor total de las exportaciones del sector agrícola en el año 2015, y alrededor de 18% de las exportaciones totales.. 12.

(13) cuenta para realizar un análisis más completo de los resultados a obtener en este estudio. Según el informe de la (Cuenta Reto del Milenio, Nicaragua, 2008) los rangos para un desarrollo óptimo del cultivo de frijol oscilan entre los 18℃ − 22℃. Es importante que la temperatura se encuentre en este rango, pero puede soportar hasta los 35℃, incluso hay variedades que soportan temperaturas más altas, y por lo general las variedades negras son más tolerantes y más productivas, sin embargo en Nicaragua el consumo del frijol negro es muy bajo y por ende se produce muy poco. En cuanto al nivel de precipitación óptimo para el cultivo de frijol, se ha determinado que las necesidades de agua durante el ciclo del cultivo varían entre 300𝑚𝑚 − 500𝑚𝑚 de agua según el clima6. Cabe destacar que las lluvias intensas y esporádicas hacen que el cultivo sea vulnerable a daños por lavado de cosecha, ya que el cultivo presenta susceptibilidad a excesos de humedad en el suelo. En climas favorables al frijol, donde las lluvias son moderadas y tienen mejor distribución, los rendimientos son más altos (Instituto Nicaragüense de Tecnología Agropecuaria INTA, 2009). 3.1.2 Arroz De acuerdo al informe del (Instituto Nicaragüense de Tecnología Agropecuaria INTA, 2012), el arroz en Nicaragua se cultiva bajo tres modalidades: secano tecnificado, secano no tecnificado y bajo riego. El arroz secano (bajo ambas modalidades) representa el 49.3% del área cultiva, mientras que el arroz bajo riego representa el restante 50.7%. Es importante destacar que el área bajo riego genera aproximadamente el 63.4% de la producción nacional. Además, la producción de arroz secano se encuentra mayormente en manos de pequeños y medianos productores, mientras que la producción bajo riego la soportan mayormente grandes productores y empresas. Lo anterior sugiere que el impacto de las condiciones climáticas sobre la producción de las distintas modalidades de arroz debiera ser heterogéneo, por lo cual sería interesante añadir una variable dicotómica7 por modalidad de siembra del arroz para controlar por dicha heterogeneidad. Sin embargo como se explica en la sección 4 de este documento, los datos de producción (para cada cultivo) se encuentran de manera agregada, por lo cual hacer algún tipo de distinción entre las variedades de 6 7. Entiéndase por 𝑚𝑚 milímetros de agua. De aquí en adelante variables dummy.. 13.

(14) cultivos no es posible, aunque cabe mencionar que dicha distinción solamente sería interesante de hacer para el arroz, ya que las variedades sembradas de los demás cultivos son bastante homogéneas a lo largo del país8. La época de siembra varía por zona del país y por la modalidad de siembra. En las estimaciones a presentarse en este documento se logrará controlar por zona del país ya que como se explicará más adelante, la estrategia de identificación econométrica contempla la inclusión de efectos fijos por departamentos. En general la fecha de siembra se debe hacer de manera que la cosecha coincida con períodos secos para evitar pérdidas por humedad (INTA, 2012). Según información del INTA (2012), el arroz presenta un crecimiento óptimo en temperaturas que oscilan entre 25℃ − 30℃, aunque algunas variedades pueden llegar a soportar temperaturas de hasta 40℃9. La precipitación requerida depende de la zona del país pero de manera general se encuentra entre 1000𝑚𝑚 − 2500𝑚𝑚 anuales. 3.1.3 Maíz De los cultivos seleccionados para este estudio, el maíz es el cultivo con mayor adaptabilidad ambiental. Este se siembra a lo largo de todo el país, y puede ser sembrado durante todo el año en 5 épocas distintas de siembra. Al igual que los otros cultivos, en Nicaragua se siembran distintas variedades de maíz, sin embargo el INTA no reporta porcentajes de siembra y los datos de cosecha se presentan de manera agregada. Esto no afecta de manera relevante la problemática abordada en este estudio puesto que lo que se persigue son efectos promedio del clima sobre la producción (agregada) del cultivo en cuestión. La temperatura óptima para el cultivo de maíz es de 19℃ − 24℃, aunque el cultivo también presenta buena adaptabilidad entre los 25℃ − 27℃, y más allá de este umbral su adaptabilidad es baja o marginal, sobre todo si se le combina con precipitaciones anuales por debajo de los 500𝑚𝑚, o bien por encima de los 1000𝑚𝑚 (Instituto Nicaragüense de Tecnología Agropecuaria INTA, 2010). La demanda óptima de agua en el cultivo de maíz es de 500𝑚𝑚 − 800 𝑚𝑚 de lluvia, bien distribuidos para un crecimiento normal (INTA, 2010). Por ejemplo, si hay 8. A pesar de no poder controlar por la modalidad en que se siembra el arroz, los resultados a obtener permitirán arrojan luz sobre la problemática de interés. 9 Esto no quiere decir que altas temperaturas no afecten su rendimiento.. 14.

(15) escases de agua cuando las raíces de la planta están comenzando a brotar, puede perderse hasta un 50% del rendimiento del cultivo, pero es igual de malo para el cultivo que existan en el ciclo periodos irregulares, con muchas precipitaciones. 3.1.4 Café En Nicaragua se siembran alrededor de 8 variedades de café, todas ellas con distinto nivel de resistencia a las condiciones (negativas) del medio ambiente10. Esto en primera instancia sugiere que las estimaciones a realizarse en este estudio deberían controlar por la heterogeneidad en las variedades de café a través de la inclusión de variables dummy por tipo de café. Dicho tipo de control se hace innecesario porque a como lo detalla el informe del (Ministerio Agropecuario MAG, 2013), el 72% del café que se cultiva en Nicaragua pertenece a la variedad caturra, y el restante 28% está distribuido entre otras 6 variedades, por lo que en promedio la distinción entre las variedades de café no debiera ser estadísticamente significativa. El periodo de cosecha de café en el país comienza normalmente en noviembre y se extiende hasta inicios de febrero, donde la cosecha punta se alcanza entre el 15 de diciembre y el 30 de enero. Finalmente dentro de las condiciones climáticas óptimas para el cultivo del café destacan: temperaturas entre los 15℃ − 30℃ y precipitaciones entre los 1000𝑚𝑚 − 2500𝑚𝑚 anuales (Ministerio Agropecuario MAG, 2016). Una tabla resumen con los requerimientos óptimos de temperatura y precipitación por cultivo se presenta en los anexos (Tabla 6, anexos). 3.2 Temperatura y Precipitación En general, Nicaragua posee un clima húmedo-tropical, caracterizándose por presentar altas temperatura y fuertes precipitaciones, sin embargo cabe mencionar que el clima del país varía mucho de una costa a otra, dependiendo también de la diversidad geográfica encontrada en cada departamento11.. 10. En este caso entiéndase por condiciones del medio ambiente las condiciones climáticas y las diferentes características del ecosistema donde se cultiva el café, siendo una de estas las potenciales plagas que pueden afectar al cultivo. 11 Es de esperarse que zonas montañosas tengan temperaturas más bajas en relación a zonas costeras.. 15.

(16) Debido a esta diversidad geográfica, más adelante se verá la importancia de incluir efectos fijos por departamentos al realizar las estimaciones econométricas para asegurar que el efecto capturado por las regresiones sea el efecto de las variables de interés (temperatura y precipitación), y no el efecto de variables geográficas, como la altura, que puedan estar correlacionadas con las variables de interés, y por ende afectar la insesgadez de los estimadores. Según la Unión Nacional de Productores Agropecuarios de Nicaragua (UPANIC), en el país se pueden establecer tres tipologías climáticas que están fuertemente marcadas (delimitadas) por las tres regiones en las cuales se divide el país: Pacífico, Centro y Caribe. La zona Pacífico, situada entre el lago de Managua, el lago de Nicaragua y el océano Pacífico suele ser muy seca, con poca lluvia, y con temperaturas que oscilan entre los 27℃ − 32℃12. La zona Central es la zona montañosa del país y por ende tiene un clima más frío y húmedo, sobre todo hacia el este (las temperaturas más bajas se encuentran en esta zona). Hacia la región del Caribe el clima es muy húmedo y tropical, de hecho, los mayores niveles de precipitación en el país se registran en la costa Caribe y la diferencia con el resto del país es bastante marcada. Nicaragua tiene dos estaciones climáticas, invierno y verano. De acuerdo con el Instituto Nicaragüense de Estudios Territoriales (INETER), el invierno en Nicaragua abarca los meses de mayo a octubre, y el verano se extiende desde noviembre hasta abril. Para efectos de este estudio no se tomarán en cuenta las estaciones climáticas, sino los meses de lluvia y los meses de no lluvia. La temporada de lluvias en Nicaragua comprende los meses de junio a noviembre, seis meses en total, y los restantes seis meses del año se conocen como la época de no lluvia, específicamente desde diciembre hasta mayo13.. 12. En la sección de estadística descriptiva se observa que esta información no necesariamente se corrobora con los datos usados para realizar las estimaciones, pero cabe resaltar que esto se debe a que los datos que se utilizarán son promedios departamentales, que no reflejan de manera directa valores mínimos ni máximos de temperatura. 13 Nótese que la temporada de lluvia coincide en su mayor parte con el invierno y la temporada de no lluvia con el verano.. 16.

(17) 4. Estructura de los datos En esta sección se explica la estructura de los datos, en particular se brinda información sobre su periodicidad y el nivel de agregación que poseen, así como las unidades en las que se encuentran medidas las variables de estudio. Toda la data usada para este estudio se obtiene de los anuarios estadísticos publicados por el Instituto de Información para el Desarrollo (INIDE), y la base de datos fue construida (recopilada) por el autor para el periodo 2000-2013. 4.1 Variables de Producción . Quintales (cosechados) por Manzana: la producción de todos los cultivos de interés se encuentra medida en quintales por manzana; entiéndase que cada quintal consta de 100 libras. Para esta variable se reporta el total de quintales anuales cosechados de cada cultivo por departamento.. . Área cosechada: el área cosechada se encuentra medida en manzanas14. Para esta variable se reporta el total de manzanas cosechadas de cada cultivo por departamento, este es también un total anualizado.. . Rendimientos por Manzana: el rendimiento por manzana se obtiene del ratio entre los quintales cosechados y el área cosechada, por lo que su unidad de medida es quintales cosechados por manzana. Esta es también una variable con periodicidad anual, que se reporta a nivel de departamento.. 4.2 Variables Climáticas . Temperatura: la temperatura se encuentra medida en grados Celsius (℃). A diferencia de las variables de producción, esta variable se reporta en los anuarios estadísticos con periodicidad mensual, lo que permitirá realizar una diferenciación entre los meses de lluvia y los meses de no lluvia. Debido a esto, las estimaciones incluirán la temperatura separada para época de lluvia y época de no lluvia. Este dato se construye a través del promedio de temperatura observada para los meses correspondientes. La temperatura se reporta para cada departamento15.. 14. Una manzana de tierra equivale a una superficie de 6988.96 m2. El INIDE reporta únicamente un dato por departamento por lo cual se asume que ese dato es el más representativo por departamento. Sería deseable tener el dato para todas las estaciones climatológicas 15. 17.

(18) . Precipitación: la precipitación se mide en milímetros (𝑚𝑚). Al igual que la temperatura, esta variable se reporta en los anuarios estadísticos con periodicidad mensual. Debido a esto también se hará la separación entre precipitación para los meses de lluvia y precipitación para los meses de no lluvia, lo que permitirá capturar un efecto más limpio de la precipitación sobre la producción agrícola, y a su vez las estimaciones serán más informativas porque a como se observará en los resultados, debido a las distintas épocas de siembra de los cultivos, para algunos de estos la precipitación en los meses de lluvia será buena pero para otros el efecto será el opuesto. La precipitación es una variable de stock, por lo cual para construirla se hará la suma de la precipitación acumulada en los meses pertinentes.. 4.3 Otros controles . Población: el único control adicional que se añade es la población por departamento, este es un dato que se encuentra con periodicidad anual y se incluye para capturar el efecto de que la población influye en la producción de los cultivos más importantes.. existentes en el departamento, lo cual se sugerirá al final del documento para futuras agregaciones a este estudio.. 18.

(19) 5. Estadísticas Descriptivas La Tabla 7 (anexos) reporta estadísticas de resumen para las variables de interés, en particular muestra la media y la desviación estándar para las variables de producción (quintales y área cosechada), y para las variables climáticas (temperatura y precipitación). Cabe destacar que en adelante las variables climáticas estarán agrupadas según la época del año: lluviosa o no lluviosa, esto con el objetivo de realizar un análisis más preciso y obtener resultados con menor “ruido” econométricamente hablando. 5.1 Evolución de Variables Climáticas Gráfico 2: Evolución de la Temperatura. Fuente: Elaboración propia con datos del INIDE. El Gráfico 2 muestra la evolución de la temperatura promedio para el periodo de tiempo analizado (2000-2013). Se observa que la temperatura anual promedio ha aumentado alrededor de 0.8℃ en la última década. Al analizar la temperatura por época climática, se aprecia que la temperatura en los meses de no lluvia (verano) ha aumentado en 1℃ para todo el periodo de tiempo analizado, en cambio para los meses de lluvia, a pesar de que si ha habido un incremento, este incremento es bastante menor en comparación a las otras dos series en todo el periodo (alrededor de 0.2℃ ).. 19.

(20) En el Gráfico 7 (anexos) se muestra la evolución de la temperatura anual por departamento. Los cruces de líneas16 indican que la temperatura anual ha aumentado más en algunos departamentos que otros, sin embargo en ningún departamento la temperatura anual ha disminuido en el periodo analizado, en el mejor de los casos el incremento es bajo pero siempre se presenta un incremento, lo cual respalda lo presentado en el Gráfico 2. Gráfico 3: Evolución de la Precipitación. Fuente: Elaboración propia con datos del INIDE. El Gráfico 3 muestra la evolución de la precipitación promedio para el periodo de tiempo analizado (2000-2013). Se observa que el aumento en la precipitación nacional para todo el periodo de tiempo analizado ha sido bajo, sin embargo puede notarse la serie de precipitación es bastante cíclica y esto se debe a los fenómenos climatológicos conocidos como “El niño” y “La niña”, donde el primero se caracteriza por bajos niveles de precipitación y el otro por lo contrario. En esto se puede notar la importancia de realizar estimaciones de este tipo usando datos panel y controlar usando efectos fijos por año en las estimaciones econométricas. También se observa que para los meses de no lluvia (verano) la serie de precipitación es bastante plana.. 16. Cada línea representa un departamento en el gráfico mencionado.. 20.

(21) En el Gráfico 8 (anexos) se muestra la evolución de la precipitación anual por departamento. Los cruces de líneas indican que la precipitación anual ha aumentado más en algunos departamentos que otros, sin embargo a diferencia de la serie de temperatura, para el caso de la precipitación, sí parecen haber departamentos para los cuales los niveles de precipitación han bajado durante todo el periodo de tiempo analizado, lo cual respalda lo que dicen los especialistas en cambio climático respecto al descenso en los niveles de precipitación debido al calentamiento global. 5.2 Relación Clima-Producción Agrícola En esta sección se analiza, usando estadísticas descriptivas, la relación existente entre las variables climáticas y las variables de producción. Tabla 1: Correlación Producción-Clima. Temperatura Precipitación. Frijol (QQS) -0.4104 0.0483. Arroz (QQS) 0.1613 0.1182. Maíz (QQS) -0.5397 0.082. Café (QQS) -0.6607 -0.2641. Fuente: Elaboración propia. La Tabla 1 muestra la correlación entre la producción de los distintos cultivos y las variables climáticas (temperatura y precipitación). Se observa que la correlación entre temperatura y la producción agrícola es negativa, por lo cual un análisis simplista nos llevaría a concluir que cuando aumenta la temperatura, la producción agrícola tiende a disminuir, esto se cumple para todos los cultivos exceptuando el arroz, donde la correlación de este cultivo con la temperatura es positiva. Para el caso de la precipitación, la correlación entre esta variable y la producción de los distintos cultivos es positiva, lo cual sugeriría que cuando aumenta la precipitación, la producción agrícola tiende a aumentar, esto se cumple para todos los cultivos exceptuando el café. Es importante destacar que el análisis de correlaciones solo es útil para formular hipótesis sobre los resultados a obtener a través de las regresiones, pero bajo ninguna circunstancia se afirma que las correlaciones estén midiendo un efecto causal, que es el interés de este estudio. Gráfico 4: Dispersión Temperatura-Producción (Frijol). 21.

(22) Fuente: Elaboración propia. El Gráfico 4 es un diagrama de dispersión del logaritmo de la producción media de quintales de frijol respecto a la temperatura media de cada departamento para el periodo analizado. A simple vista se observa que la producción media de frijol es mayor en los departamentos donde la temperatura media es menor, lo cual sugeriría que altas temperaturas afectan negativamente la producción de frijol, sin embargo el gráfico anterior no puede tomarse como evidencia para asegurar la existencia de un efecto causal de la temperatura sobre la producción de frijol, ya que hay otros factores que explican lo observado en el gráfico de dispersión pero que no pueden ser identificados en un análisis visual. Esta es la razón por la cual en este estudio se utiliza econometría para validar la existencia de un efecto causal de las variables climáticas sobre la producción agrícola. Gráfico 5: Dispersión Precipitación-Producción (Frijol). 22.

(23) Fuente: Elaboración propia. El Gráfico 5 es un diagrama de dispersión de la producción media de quintales de frijol respecto a la precipitación media de cada departamento para el periodo analizado (ambas variables expresadas en logaritmo). La relación entre producción y precipitación no parece ser tan evidente, al menos no según lo que muestra el gráfico anterior, ya que se observan departamentos con altos niveles de precipitación como la RAAN17 y la RAAS18 que tienen alta producción de frijol, pero también hay departamentos como Matagalpa, con bajos niveles de precipitación pero una producción promedio mayor a la de la RAAN y RAAS. Esto puede explicarse por otros factores como la altura, que inciden en la producción de ciertos cultivos y aquí la importancia de hacer una estimación econométrica incluyendo efectos fijos por departamento, para controlar por factores propios del departamento y asegurarnos de que el efecto capturado sea en realidad el efecto de la precipitación sobre la producción agrícola y no un efecto sesgado por otras variables. En los anexos se incluyen los gráficos equivalentes al Gráfico 4 y al Gráfico 5 para los otros cultivos (arroz, maíz y café)19, un análisis similar al realizado en esta sección puede ser hecho a partir de los gráficos mencionados.. 17. Región Autónoma Atlántico Norte. Región Autónoma Atlántico Sur. 19 Gráficos 9, 10 y 11. 18. 23.

(24) 6. Modelo Teórico e Identificación En esta sección se explican los modelos teóricos a estimar, así como algunos de los supuestos básicos de identificación de los estimadores de mínimos cuadrados ordinarios usando efectos fijos. Los modelos a estimar son 4: i) modelo base, ii) modelo con eventos extremos, iii) modelo con eventos extremos y formas cuadráticas de precipitación y iv) modelo con interacción temperatura-precipitación. Todos los modelos son estimados para los 4 cultivos seleccionados, usando la misma base de datos y con la misma técnica de identificación, efectos fijos por departamento y por año. En todos los modelos la variable dependiente es la producción en quintales del cultivo seleccionado. Posteriormente se estima el mismo conjunto de modelos pero utilizando como variable dependiente el área cosechada de cada cultivo. Nótese que ambas variables dependientes son variables de producción y la razón por la cual se estiman los modelos usando ambas variables es para que sirva como análisis de robustez, ya que es de esperarse que al menos los signos de los coeficientes a estimarse coincidan, indistintamente de la variable de producción que se utilice. 6.1 Modelo Base Se busca estimar el efecto causal de las variables climáticas, temperatura y precipitación, sobre la producción de un cultivo seleccionado, para esto se plantea el siguiente modelo: Ecuación 1: Modelo Base. log(𝑄𝑄𝑆 𝑑𝑒 𝑌𝑗𝑡 ) = ∑. 𝐼 𝑖=1. 𝛽𝑖 (𝑋𝑖𝑗𝑡 ) + 𝛼𝑖 𝑃𝑗𝑡 + ∑. 17 𝑗=1. 𝑛𝑗 + ∑. 14. 𝜆𝑡 + 𝑐𝑗 + 𝑢𝑗𝑡. 𝑡=1. Donde los subíndices 𝑗, 𝑡 representan el departamento y el año respectivamente, por lo que 𝑌𝑗𝑡 representa un cultivo seleccionado en el departamento 𝑗, en el periodo 𝑡. 𝑋𝑖𝑗𝑡 representa el conjunto de variables climáticas 𝑖 (temperatura y precipitación) en el departamento 𝑗, en el periodo 𝑡. 𝑃𝑗𝑡 es la población de cada departamento en cada periodo. 𝛽𝑖 y 𝛼𝑖 son los coeficientes a estimar. 𝑛𝑗 y 𝜆𝑡 son los efectos fijos por departamento y por año respectivamente. Finalmente 𝑐𝑗 + 𝑢𝑗𝑡 es el término de error compuesto, donde 𝑐𝑗 es la parte del inobservado que no varía en el tiempo y 𝑢𝑗𝑡 es el clásico término de error estocástico de mínimos cuadrados ordinarios. 24.

(25) Nótese que la variable dependiente se encuentra expresada en logaritmo, esto con el objetivo de facilitar el análisis de los coeficientes a estimar y que las variaciones en las variables independientes se traduzcan en variaciones porcentuales en la variable dependiente. Respecto a las variables climáticas, la temperatura se expresa en niveles y la precipitación en logaritmo, esto porque las predicciones de cambio climático hechas por el IPCC se encuentran expresadas de la misma manera, entonces con el objetivo de evaluar sus proyecciones en los resultados a obtener en este documento, se optó por expresar las variables climáticas siguiendo lo realizado por el IPCC. La inclusión de efectos fijos permite controlar por muchos factores, econométricamente hablando, y de esta manera garantizar la consistencia de los estimadores a obtener, la cual es la propiedad asintótica fundamental cuando se busca medir un efecto causal. Cabe destacar que las variables climáticas al ser completamente aleatorias son exógenas, por lo cual no amerita mucha discusión el defender la consistencia de los estimadores. Por ejemplo, se podría argumentar que la extensión territorial del departamento determina en parte la cantidad de quintales cosechados de un cultivo ya que se esperaría departamentos más extensos tengan mayor disponibilidad de tierra para dedicar a la agricultura. Dado que la extensión territorial es un factor que no varía en el tiempo, al incluir efectos fijos por departamento, los coeficientes estimados no se verán afectados por el efecto de la extensión territorial, lo cual es analítica y econométricamente deseable porque en el fondo lo que se quiere obtener es el efecto “aislado” de las variables climáticas sobre la producción. Cabe destacar que los efectos fijos por departamento también absorben parte del “ruido” ocasionado por el tipo de suelo, ya que en media, a nivel departamental, es de esperarse que el tipo de suelo no tenga mucha variabilidad a lo largo del tiempo. Otras variables que podrían causar “ruido” en la estimación son el precio de los cultivos, ya que precios más altos hacen más atractiva la siembra de un cultivo sobre otro; y fenómenos meteorológicos como huracanes, tormentas, sequías, entre otros. Al incluir efectos fijos por año, el efecto de todas estas variables es absorbido por las dummies temporales, logrando que los coeficientes estimados usando efectos fijos reflejen una verdadera causalidad de las variables climáticas sobre la producción agrícola.. 25.

(26) 6.2 Modelo con Eventos Extremos En este modelo se incluyen interacciones entre la variable temperatura y una variable ficticia que captura los eventos extremos en temperatura. Un evento extremo de temperatura ocurre cuando la temperatura pasa por encima de cierto umbral20. Para efectos de este estudio el evento extremo estará capturado por una variable dicótoma (dummy) que toma valor igual a uno si la temperatura en los meses de lluvia es mayor a 27℃, y otra dummy que utiliza el mismo criterio pero para los meses de no lluvia. El valor crítico para los eventos extremos se estableció en base a la media y la desviación estándar de la temperatura (el valor promedio más un desvío estándar). De modo que la variable se comporta de la siguiente manera:  . 𝐸𝐸𝑇𝑒𝑚𝑝 = 1 𝑠𝑖 𝑙𝑎 𝑡𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 (𝑝𝑜𝑟 𝑡𝑒𝑚𝑝𝑜𝑟𝑎𝑑𝑎) > 27℃ 𝐸𝐸𝑇𝑒𝑚𝑝 = 0 𝑒𝑛 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜. Esta variable se incluye en la ecuación 1 pero interactuada con temperatura (por temporada) de modo que lo que se busca identificar es el cambio de pendiente en la regresión, es decir si más allá de cierto umbral, la producción de un determinado cultivo cae más fuerte conforme aumenta la temperatura, algo similar a lo que se muestra en el siguiente gráfico21: Gráfico 6: Cambio de pendiente en la regresión (Regression Kink Design). Fuente: Elaboración propia 20. Idealmente uno quisiera tener un contador del número de días al mes en los cuales la temperatura está por sobre cierto umbral. 21 El gráfico 6 es solamente ilustrativo.. 26.

(27) En el gráfico anterior la temperatura está estandarizada en 27℃, y se puede observar que más allá de los 27℃ (0), la producción de frijol cae más fuerte con aumentos en la temperatura. Esto es lo que se quiere capturar con estos modelos y al mismo tiempo determinar si el cambio de pendiente es estadísticamente significativo. Este modelo al igual que todos los que se estimarán en este documento incluye efectos fijos por departamento y por año. El modelo a estimar es el siguiente: Ecuación 2: Modelo con Eventos Extremos. log(𝑄𝑄𝑆 𝑑𝑒 𝑌𝑗𝑡 ) = ∑. 𝐼 𝑖=1. 𝛽𝑖 (𝑋𝑖𝑗𝑡 ) + 𝛼𝑖 𝑃𝑗𝑡 + ∑. +∑. 17 𝑗=1. 𝑛𝑗 + ∑. 14. 2 𝑖=1. 𝛿𝑖 (𝑇𝑒𝑚𝑝𝑖𝑗𝑡 ∗ 𝐸𝐸𝑇𝑒𝑚𝑝 𝑖𝑗𝑡 ). 𝜆𝑡 + 𝑐𝑗 + 𝑢𝑗𝑡. 𝑡=1. Donde el tercer término es la interacción entre la temperatura y la variable dummy que indica si la temperatura promedio, ya sea en los meses de lluvia o en los meses de no lluvia se mantuvo por encima de los 27℃22. 6.3 Modelo con Eventos Extremos y Formas Cuadráticas de Precipitación El tercer modelo a estimar es similar al modelo 2, con la diferencia que en este modelo se incluye la variable precipitación (por época del año) elevada al cuadrado. Se añaden las formas cuadráticas de precipitación puesto que se busca identificar si existe un efecto no lineal de la precipitación sobre la producción de los distintos cultivos. Cabe mencionar que pudo haberse hecho algo similar como lo que se hizo con la variable temperatura y crear una variable ficticia que capturara los eventos extremos en precipitación (sequías o inundaciones), sin embargo la existencia de una sequía se define en relación al número de días que transcurren sin que llueva, y dado que no se cuenta con estos datos, entonces para capturar algún tipo de relación no lineal que pueda existir se optó por estimar un modelo incluyendo la variable al cuadrado. El modelo teórico es el siguiente: Ecuación 3: Modelo con Eventos Extremos y Formas Cuadráticas de Precipitación. log(𝑄𝑄𝑆 𝑑𝑒 𝑌𝑗𝑡 ) = ∑. 𝐼 𝑖=1. 𝛽𝑖 (𝑋𝑖𝑗𝑡 ) + 𝛼𝑖 𝑃𝑗𝑡 + ∑. 2 𝑖=1. 𝛿𝑖 (𝑇𝑒𝑚𝑝𝑖𝑗𝑡 ∗ 𝐸𝐸𝑇𝑒𝑚𝑝 𝑖𝑗𝑡 ) + ⋯. 22. La distribución de los eventos extremos en el periodo analizado se encuentra en gráficos 16 y 17 de los anexos. La proporción de eventos extremos en la muestra es 0.1806 en época lluviosa y 0.3823 en época no lluviosa.. 27.

(28) ⋯+∑. 2 𝑖=1. 2 𝛾𝑖 (𝑃𝑟𝑒𝑐𝑖𝑝𝑖𝑗𝑡 )+∑. 17 𝑗=1. 𝑛𝑗 + ∑. 14. 𝜆𝑡 + 𝑐𝑗 + 𝑢𝑗𝑡. 𝑡=1. Donde el cuarto término es el efecto cuadrático de la precipitación por cada época climática del año. 6.4 Modelo con Interacción Temperatura-Precipitación Finalmente, el cuarto modelo toma como punto de partida el modelo base pero a este se le añade un término de interacción entre las variables temperatura y precipitación. El fundamento detrás de esto es que niveles moderados de precipitación pueden llegar a tener un efecto negativo sobre la producción agrícola si se les combina con temperaturas muy elevadas23. Para validar si existe un efecto como el mencionado en el párrafo anterior se plantea un modelo como el siguiente: Ecuación 4: Modelo con Interacción Temperatura-Precipitación. log(𝑄𝑄𝑆 𝑑𝑒 𝑌𝑗𝑡 ) = ∑. 𝐼 𝑖=1. 𝛽𝑖 (𝑋𝑖𝑗𝑡 ) + 𝛼𝑖 𝑃𝑗𝑡 + ∑. +∑. 17 𝑗=1. 𝑛𝑗 + ∑. 14. 𝐼 𝑖=1. 𝛿𝑖 (𝑇𝑒𝑚𝑝𝑖𝑗𝑡 ∗ 𝑃𝑟𝑒𝑐𝑖𝑝𝑖𝑗𝑡 ). 𝜆𝑡 + 𝑐𝑗 + 𝑢𝑗𝑡. 𝑡=1. Donde el tercer término es la interacción entre temperatura y precipitación. Un signo negativo para este coeficiente brindaría evidencia a favor de que, dado un nivel alto de temperatura, el aumento en el nivel de precipitación puede tener un efecto negativo sobre la producción. Si el signo fuese positivo entonces sería evidencia en contra de la hipótesis formulada anteriormente. Aunque esta interpretación debe realizarse tomando también en cuenta el signo de la variable no interactuada.. 23. Esto se debe a que la lluvia se evapora más rápido cuando la temperatura es alta, esto provoca que cuando las plantas abren sus poros para tratar de absorber el agua que recibieron, en realidad no absorben agua sino calor, ocasionando así “sofocación” en la planta y por ende que esta produzca menos frutos.. 28.

(29) 7. Análisis Empírico y Resultados En esta sección se presentan los resultados obtenidos en base a los modelos teóricos descritos en la sección anterior. Recordemos que el objetivo principal de este documento es validar econométricamente la existencia de un efecto causal de las condiciones climáticas sobre la producción agrícola, para esto se presentan los resultados empíricos obtenidos para los 4 modelos explicados en la Sección 6 del documento. Para tener una mejor comprensión de los resultados a presentar, es importante tener presente lo explicado en la Sección 3, específicamente todo lo referente a los cultivos seleccionados. Debe recordarse que los cultivos tienen distintos ciclos de siembra, por lo cual la lluvia en una determinada época puede ser beneficiosa para algún cultivo pero perjudicial para otro, esto se debe a que la lluvia fuera de tiempo puede “sofocar” a los cultivos, siendo esta tan perjudicial como el hecho de que no lloviese lo suficiente. Tener esto presente facilitará la interpretación de los coeficientes obtenidos en las regresiones. Los resultados se presentan en tablas de 4 columnas, donde cada columna contiene los resultados correspondientes a cada uno de los modelos desarrollados en la sección anterior. Cabe mencionar que en esta sección todas las estimaciones usaron como variable dependiente el logaritmo de los quintales producidos de un determinado cultivo, pero para complementar el análisis, en los anexos se incluyen las estimaciones usando el logaritmo del área cosechada como variable dependiente, a las cuales se hará también referencia en esta sección. Las estimaciones se presentan para cada cultivo seleccionado. 7.1 Frijol Tabla 2: Resultados Frijol. 29.

(30) VARIABLES. (1) Log (QQS Frijol). (2) Log (QQS Frijol). (3) Log (QQS Frijol). (4) Log (QQS Frijol). -0.129 (0.191) -0.119 (0.215) 0.0878 (0.0862) -0.200 (0.183). -0.0603 (0.182) -0.0898 (0.208) 0.0868 (0.0810) -0.215 (0.190) -0.00633* (0.00331) -0.0121** (0.00525). -0.206 (0.293) 0.190 (0.455) -0.240 (1.092) 0.987 (1.848). 3.08e-06* (1.53e-06). 3.02e-06* (1.51e-06). -0.118 (0.206) -0.0260 (0.208) -0.0192 (0.634) 4.031 (3.268) -0.00751** (0.00353) -0.0110** (0.00502) -0.302 (0.229) 0.00958 (0.0574) 2.91e-06* (1.52e-06). 17.93* (8.832). 15.67* (8.307). 1.005 (11.35). 3.09e-06* (1.54e-06) -0.0460 (0.0718) 0.0123 (0.0410) 12.02 (14.09). 238 0.165 17 SI SI. 238 0.185 17 SI SI. 238 0.197 17 SI SI. 238 0.166 17 SI SI. Temperatura (No Lluvia) Temperatura (Lluvia) Log Precipitación (No Lluvia) Log Precipitación (Lluvia) EE_Temp*Temp (Lluvia) EE_Temp*Temp (No Lluvia) Log Precipitación SQ (Lluvia) Log Precipitación SQ (No Lluvia) Población Temp*Precip (Lluvia) Temp*Precip (No Lluvia) Constant. Observations R-squared Number of Departamento Departamento FE Year FE Robust standard errors in parentheses *** p<0.01, ** p<0.05, * p<0.1 Fuente: Elaboración propia. La Tabla 2 contiene los resultados de las estimaciones de los 4 modelos utilizando como variable dependiente los quintales cosechados de frijol. Se observa que en el modelo (1) ninguna de las variables climáticas resultó ser estadísticamente significativa. Este resultado se mantiene si se utiliza el área cosechada como variable dependiente, sin embargo, cabe resaltar que los signos de los coeficientes son parcialmente los esperados; la temperatura afecta negativamente los quintales producidos tanto en época lluviosa como no lluviosa. En cuanto a la precipitación, en el caso del frijol se espera que la precipitación en época no lluviosa. 30.

(31) tuviese un efecto negativo, pero vemos que el signo es positivo, y en época lluviosa se observa lo contrario. En el modelo (2) los coeficientes estimados presentan los mismos signos, pero siguen siendo estadísticamente no significativos; exceptuando por las interacciones entre los eventos extremos en temperatura y la temperatura por época climática, donde ambos coeficientes son estadísticamente significativos, uno al 10% y el otro al 5% de significancia. Recordemos que estos coeficientes señalan el cambio de pendiente en la regresión24, entonces se interpretan de la siguiente manera: en época de lluvia, ante un nivel de temperatura por encima de los 27℃ la producción de frijol disminuye en promedio 9.61% (0.0898 + 0.00633), donde el aumento de la pendiente (en este caso se hace más negativa) es de 0.00633. En época no lluviosa, ante un nivel de temperatura por encima de los 27℃ la producción de frijol disminuye en promedio 7.24% (0.0603 + 0.0121), donde el aumento de la pendiente (en este caso se hace más negativa) es de 0.0121. El resultado es congruente con el obtenido usando el área cosechada de frijol como variable dependiente (Anexos: Tabla 8). Cabe aclarar que el resultado anterior se interpretó utilizando la suma de dos coeficientes, dicha suma no resultó ser estadísticamente significativa. El hecho de que solamente el cambio de pendiente haya resultado se estadísticamente significativo señala que niveles de temperatura por debajo de los 27℃ no afectan significativamente la producción, pero si temperaturas que sobrepasan este umbral, por lo cual el problema del cambio climático sigue siendo una amenaza latente para el cultivo de frijol, ya que se espera que en el futuro las temperaturas sigan aumentando. Los resultados obtenidos con el modelo (3) son muy similares, solamente varía un poco la magnitud de los coeficientes y uno de ellos gana significancia, siendo ahora estadísticamente significativo al 5%, pero la interpretación es la misma. Nótese que ahora la precipitación en época de lluvia tiene un efecto positivo sobre la producción de frijol, si contrastamos este resultado con el obtenido usando el logaritmo del área cosechada como variable dependiente (Anexos: Tabla 8) se puede notar que el signo se mantiene, además el coeficiente de esta variable elevada al cuadrado se vuelve estadísticamente significativo al 10% de significancia y dicho efecto es negativo. Lo que quiere decir que la precipitación en época lluviosa tiene un efecto positivo, pero marginalmente decreciente sobre la producción de frijol.. 24. Algo similar a lo que ocurre en las regresiones del tipo “Kinked Design Regressions”. 31.

(32) En el modelo (4) ninguno de los coeficientes estimados para las variables climáticas resultó ser estadísticamente significativo, esto se mantiene cuando se usa el logaritmo del área cosechada como variable dependiente. 7.2 Arroz Tabla 3: Resultados Arroz. VARIABLES. (1) Log (QQS Arroz). (2) Log (QQS Arroz). (3) Log (QQS Arroz). (4) Log (QQS Arroz). -0.0913 (0.180) 0.169 (0.305) -0.182 (0.113) 0.344 (0.325). -0.169 (0.180) 0.0898 (0.296) -0.168 (0.113) 0.364 (0.335) 0.0130* (0.00721) 0.0106 (0.00930). -0.524 (0.401) -0.374 (0.595) -2.210 (1.646) -1.661 (2.235). 1.80e-06 (2.15e-06). 1.77e-06 (1.90e-06). -0.110 (0.184) 0.0128 (0.294) 0.684 (0.428) -4.124* (2.312) 0.0142* (0.00713) 0.00994 (0.00935) 0.317* (0.167) -0.0792 (0.0456) 2.00e-06 (1.78e-06). 7.544 (10.67). 11.23 (10.12). 25.22** (11.65). 1.88e-06 (2.10e-06) 0.0789 (0.0909) 0.0771 (0.0617) 32.64** (14.97). 206 0.215 16 SI SI. 206 0.245 16 SI SI. 206 0.257 16 SI SI. 206 0.231 16 SI SI. Temperatura (No Lluvia) Temperatura (Lluvia) Log Precipitación (No Lluvia) Log Precipitación (Lluvia) EE_Temp*Temp (Lluvia) EE_Temp*Temp (No Lluvia) Log Precipitación SQ (Lluvia) Log Precipitación SQ (No Lluvia) Población Temp*Precip (Lluvia) Temp*Precip (No Lluvia) Constant. Observations R-squared Number of Departamento Departamento FE Year FE Robust standard errors in parentheses *** p<0.01, ** p<0.05, * p<0.1 Fuente: Elaboración propia. La Tabla 3 contiene los resultados de las estimaciones de los 4 modelos utilizando como variable dependiente los quintales cosechados de arroz.. 32.

(33) Se observa que en el modelo (1) ninguna de las variables resultó ser estadísticamente significativa, sin embargo al utilizar el logaritmo de área cosechada como variable dependiente la variable precipitación en época no lluviosa se vuelve estadísticamente significativa al 5% de significancia (Anexos: Tabla 9). El coeficiente negativo de esta variable sugiere que un aumento en 1% en el nivel de precipitación en época no lluviosa, disminuye en promedio 0.239% la producción de arroz. Lo anterior puede ser explicado por el efecto ya mencionado anteriormente, donde la precipitación fuera de tiempo para los cultivos puede ser perjudicial, o bien, dado que las siembras de arroz acostumbran a inundarse, precipitación por encima del alto nivel de riego que recibe el cultivo puede tener un efecto no deseado, aunque vale la pena resaltar que el efecto encontrado no es económicamente significativo puesto que al evaluarlo en su desvío estándar (0.46) el efecto encontrado sería de 0.1099%, el cual es bastante desdeñable en términos económicos. En el modelo (2) la interacción entre temperatura y eventos extremos en época lluviosa es estadísticamente significativa al 10%. El coeficiente de esta variable sugiere que ante un nivel de temperatura por encima de los 27℃, la producción de arroz aumenta en promedio 10.28% (0.0898 + 0.013), donde el aumento de la pendiente (en este caso se hace más positiva) es de 0.0130. Esto puede explicarse por la existencia de algún tipo de efecto sustitución; dado que el arroz es más resistente a altas temperaturas, es probable que los agricultores sustituyan la siembra de otros cultivos por la siembra de arroz cuando las temperaturas suben 25. Sin embargo este es el efecto en época lluviosa, en época no lluviosa, el aumento en 1℃, disminuye el área cosechada de arroz en 34% en promedio 26, este efecto es estadísticamente significativo al 10% de significancia (Anexos: Tabla 9), lo que nos hace pensar que las altas temperaturas, que por lo general se dan en verano, afectan negativamente la producción de todos los cultivos. El modelo (3) muestra resultados similares respecto al término de interacción, solamente varía un poco la magnitud del coeficiente. Respecto a las demás variables, dos coeficientes más resultaron ser estadísticamente significativos al 10% de significancia, la precipitación en época de lluvia y el término cuadrático de esta misma. Los coeficientes sugieren que el efecto de la precipitación en época de lluvia es negativo pero marginalmente creciente, lo cual implica que gran volumen de agua es preferido a volúmenes muy pequeños en el caso del arroz lo cual hace sentido ya 25. Nótese que el efecto sustitución puedo haberse capturado de alguna manera al controlar por variables de producción de otros cultivos, sin embargo se optó por no incluirlas puesto que podrían generar problemas de alta multicolinealidad al estar correlacionadas con la política (en este caso las variables climáticas). 26 El signo del coeficiente es congruente con el de la tabla 3.. 33.