Download Descargar - Asociación Argentina de Economía Agraria

AAEA
1
Retiracion Tapa (en blanco)
2
Revista Argentina de Economía Agraria
Argentine Agricultural Economics Review
Ciudad Autónoma de Buenos Aires, República Argentina
Nueva Serie Volumen XIII Número 1
Comité Editorial
Gabriel Parellada
Daniel Lema
Hugo García
Luis Almirón
Jorge De Prada
Entidad Editora
ASOCIACIÓN ARGENTINA DE ECONOMÍA AGRARIA
Comisión Directiva 2014
Presidente
Jorge Raúl Díaz
Vocales Titulares
Gabriel Parellada (Secretario)
Karina Casellas (Tesorera)
Luis Ramón Almirón
Estela Raquel Cristeche
Jorge Dante de Prada
Nicolás Gatti
Juan Carlos Manchado
Patricio Calonge
Vocales Suplentes
José Armando Portillo
Roberto Gabriel Delgado
José Raúl Novello
Comisión Fiscalizadora
Titulares
Héctor Hugo Altamirano
Daniel Humberto Iglesias
Suplente
Víctor Brescia
3
Presentación
La revista Argentina de Economía Agraria (ISSN 0327-3318) es una publicación de la Asociación Argentina
de Economía Agraria.
Publica trabajos originales e inéditos del campo de la Economía Agraria. Integra el directorio de Latindex, que es el
Sistema Regional de Información en Línea para revistas Científicas de América Latina, el Caribe, España y Portugal,
el cual reúne información bibliográfica sobre las publicaciones científicas seriadas producidas en la región.
La actividad editorial comenzó en 1987 y se ha mantenido a lo largo de estos años con los valiosos aportes de
autores y evaluadores.
La Economía Agraria puede considerarse una especialidad, tanto dentro de las Ciencias Económicas y Sociales
como dentro de las Ciencias Agrarias. Desde esa concepción interdisciplinaria se enmarca la misión de esta
revista: contribuir a la difusión y discusión de las investigaciones en el marco de la economía agraria, garantizando
el compromiso con la ética, el pensamiento crítico y el respeto por los valores humanos. La economía agraria
tiene el desafío de lograr la vinculación entre el análisis teórico y el empírico, modelizando y evaluando
críticamente sus resultados mediante la observación, tanto micro como macroeconómica de las decisiones de
los actores involucrados.
En este sentido, la política editorial de la Revista privilegia trabajos que se involucren en áreas como:
• Análisis económicos de mercados de productos agropecuarios y agroindustriales.
• Manejo económico de la producción y de los sistemas productivos.
• Tecnología de la información para la toma de decisiones.
• Análisis y aplicación de políticas macroeconómicas y sectoriales.
• Desarrollo agrario.
• Economía de los recursos naturales y del ambiente.
Nuestra inspiración y compromiso es que esta revista sea un medio referente de comunicación del conocimiento
en el campo de la economía agraria y de las disciplinas afines, logrando satisfacer los siguientes objetivos:
1) Facilitar la difusión de las producciones científicas y académicas en el ámbito de la economía agraria,
conformando un medio de publicación calificado según las exigencias del quehacer científico.
2) Promover la comunicación e intercambio entre los miembros de la A.A.E.A. y demás integrantes de la
comunidad académica y profesional del campo de las Ciencias Económicas, Agronómicas, Sociales y Humanas
en general, en el ámbito de la Economía Agraria.
3) Constituir un medio actualizado de difusión de trabajos de investigación y ensayos.
La Revista Argentina de Economía Agraria acepta contribuciones en forma de:
1. Artículos de investigación.
2. Artículos de discusión, reflexión u opinión sobre un problema o tópico.
3. Revisiones bibliográficas.
4. Otro tipo de contribuciones que a criterio de los editores tenga valor académico, científico o técnico y sea
de interés para los lectores de la revista (comentarios o reseñas de libros, publicaciones, eventos científicos, etc.).
4
Sumario
New frameworks for the evaluation of
agricultural research and education
Javier Ekboir
............................................................................... Pag. 7
Margen de comercialización en el
mercado del té seco de exportación
Emiliano Lysiak
.............................................................................. Pag. 21
Aspectos de la fertilización química y de la
producción de granos en el mundo y en
Argentina 1961 - 2010
Lucio G. Reca
.............................................................................. Pag. 32
5
En blanco
6
New frameworks for the evaluation of agricultural
research and education
Javier Ekboir
1. Introduction
Three factors have changed the context for the evaluation of agricultural research and education
in the last two decades. First, the context in which these activities are conducted has evolved
considerably. Second, stakeholders have started to demand that evaluations support
organizational change rather than focus only on accountability. Third, scientific advances
enabled a better understanding of complex processes and causality chains.
Globalization, innovation and changing social expectations are transforming the environment
in which professionals work. In particular, actors in innovation processes are demanding
professionals with less academic backgrounds and stronger problem-solving capabilities.
New types of educational organizations have emerged to fill the gaps that emerged as
traditional universities could not adapt fast enough to the new demands (Rosenbaum and
Rosenbaum 2013; Christensen, Anthony and Roth 2004).
Also, a demand for new frameworks for evaluation emerged. The traditional framework,
based on estimations of rates of return and cost-benefit analysis, followed a mechanistic,
linear vision of science that rested on two principles: a) scientific findings are approximations to a truth that can be discovered through objective observation and experimentation;
and b) mathematical logic and language are the models for clear reasoning and explicit
statements. These two principles were seen as the basis of the scientific method. Today it is
recognized that the linear vision of science is a model of simple causalities that does not
represent actual scientific practice and that there is no unique “scientific method”, but that
each discipline has its own rules for conducting research and for validating results (Nickles
2003; Machamer 2002). In fact, the linear vision had no influence on the “hard” sciences
but strongly impacted the social sciences that tried to become “hard” (Miller 2000). Most
research policies followed the trend and recognized the unique status of scientific claims
and the possibility of obtaining “true and objective” knowledge.
An additional assumption was that effective research activities generated outputs that were superior in all dimensions to existing technologies, and therefore, should be adopted by rational
agents. Lack of adoption, after several non-research factors were included in the calculation
of the rates of return, was an indication of failures of the research and educational activities.
Section 2 discusses changes in the research and educational environments. Section 3 presents
issues critical for the understanding of new evaluation frameworks; in particular, it discusses
the main features of complex processes, the notion of causality and attribution of effects to
interacting causes. Section 4 introduces new frameworks for evaluation. Section 5 concludes.
REVISTA ARGENTINA DE ECONOMÍA AGRARIA - Volumen XIII - Número 1
7
New frameworks for the evaluation of agricultural research and education
2. The changing roles of agricultural research and education systems (AES)1
AES in most developing countries have followed the land grant model of the USA or the
French model of the “Grandes Ecoles.” In the 1980s many countries started to demand that
universities strengthen their research activities and that public research organizations link
with extension. In the 2000s AES were demanded to support innovation processes and to
produce more relevant scientific information. Yet, most developing countries AES changed
little, and have not been able to produce technically -and professionally- qualified human
resources, and conduct research and produce appropriate scientific information. This vacuum
was filled by the private sector and foreign research and educational institutions. In recent
years technical and organizational innovations (including better communications, on-line
universities and alliances between private firms and universities) have further revolutionized
the global research and educational landscape.
The ability of developing countries AES to adapt to the new environment has been constrained
by factors such as inadequate physical infrastructure, equipment, and communications
facilities; limited teaching and research capabilities; poor incentives for personnel; and limited
funding. However, a few teams have been able to integrate into global networks which provided
funding and collaboration opportunities. These problems have been exacerbated by four issues.
First, teaching and research approaches remain organized along a linear vision of science.
Second, universities are still organized along disciplinary lines, which hampers adaptation to
changing demands from outside the disciplinary environments (Miller 2012); third, many
researchers operate in isolation, with little mobility across organizations and insufficient linkages
to other organizations. Fourth, ministries and donor agencies strongly influence the visions,
mandates, priorities, curricula, research agendas and operations of many AES.
Evaluating research and education activities requires understanding the new environment in
which these activities are conducted, and developing new frameworks that explicitly recognize
the complexity of innovation processes.
3. The bases of rigorous evaluations:
complexity, evidence, causality and attribution
3.1. What is a complex process?
The study of complex processes is relatively recent and covers all sciences (Axelrod and Cohen
1999). Complex Adaptive Systems (CAS) are a type of complex processes where each agent
tries to adapt to environmental changes and to the actions taken by other actors. CAS have
many feedback mechanisms operating at different scales (micro, meso and macro) and speeds
(i.e., slow and fast changing variables interacting permanently) (Gunderson et al. 2002).
1 This
8
section draws heavily on Davis, Ekboir and Spielman (2008).
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Javier Ekboir
The interactions enable the emergence of structures that are not possessed by the individual
agents. For instance, life results from an infinite number of chemical reactions. Age is a
property of the body and not of any particular reaction but age influences the reactions. This
feature is known as self-organization.
CAS are characterized by the simultaneous occurrence of many events, driven by initial
conditions, multiple interactions, trends and random variations in the individual agents as
well as in their interactions. The majority of the events have minor consequences, a few have
significant outcomes and, very rarely, catastrophic effects (Gunderson et al. 2002). While
trends predominate, the probability that minor events occur is greater whereas close to the
point of bifurcation, the probability of catastrophic events increases. The evolution of the
probability of events reflects changes in the variables that drive the process and in their
interactions. For example, after a forest fire, it is highly unlikely that another fire will occur
because there is no combustible material on the ground. After several years, dead wood
accumulates and the probability of a fire increases. While it is possible to estimate the
probability of a fire, it is not possible to determine exactly when one will occur.
An important feature of complex systems is that the same results can be achieved with different
interventions, or similar interventions can have very different results in slightly different settings
(Axelrod and Cohen 1999). For example, tomato losses during transportation can be reduced
with sturdier varieties, better packaging, better trucks or better roads.
For the purpose of evaluation, two broad categories of CAS can be identified; these categories
are exemplified by the airline industry and poverty alleviation (Sarewitz 2012). CAS in the first
case share three features. First, everybody can share the goals, e.g., flying safely from A to B
or reducing delays at airports. Second, the metrics are clear, such as the number of accidents
or of delayed flights. Third, the costs of failure are very high, i.e., an industry where thousands
of people die in accidents is not viable. CAS in the second group so not share any of these
elements: there are several definitions of poverty, it is measured in several ways and while the
costs of failure are high, they are not clear and have been with humanity for millennia. In the
first case it is possible to assess the contribution of isolated interventions towards the shared
goals, while in the second case it is much difficult to do it. Agricultural research and education
fall into the second category.
Self-organization and randomness prevent individuals from predicting or controlling the
system’s evolution. Thus, CAS cannot be analyzed with simple, linear causalities and evaluations
should consider multiple and changing causal links (see sections 3.3 and 3.4).
3.2. Understanding the nature of evidence
Most people believe that reality can be objectively known. Cognitive sciences and philosophy
of science, however, have shown that even in the hard sciences the relationship between
observation, data and knowledge is far from straightforward. The reason is that understanding
even simple events requires complex interactions between the cognitive and perceptual apparatus
Volumen XIII - Número 1
9
New frameworks for the evaluation of agricultural research and education
(Miller 2000). Also, as what a person knows influences what she expects to occur, knowedge
depends on past experiences and social conventions; in other words, knowledge is both
an individual and social phenomenon. If both a child and a biologist see a petri dish, they
do not “see” the same thing. The child sees a transparent object, while the biologist sees
a shallow dish used to culture cells. The more that is known about a process, the more scientific theories, general knowledge and personal beliefs condition the generation of new
data and their interpretation by guiding observations, the design and analysis of experiments
and providing a conceptual framework that unifies previous knowledge and new data.
In other words, data can only be evaluated within a theory; this feature is known as the
theory-ladenness of data (Bogen 2002).
The relationship between data and knowledge is further complicated by the underdetermination
thesis: every set of data (experimental or not) can be “explained” by an infinite number of
theories, and there are no objective procedures for defining which one is correct (Miller
2000). “When Newton’s celestial mechanics failed to correctly predict the orbit of Uranus,
scientists at the time did not simply abandon the theory but protected it from refutation by
instead challenging the background assumption that the solar system contained only seven
planets. This strategy bore fruit, notwithstanding the falsity of Newton’s theory: by calculating
the location of a hypothetical eighth planet influencing the orbit of Uranus, the astronomers
Adams and Leverrier were eventually led to discover Neptune in 1846. But the very same
strategy failed when used to try to explain the advance of the perihelion in Mercury’s orbit by
postulating the existence of “Vulcan”, an additional planet located between Mercury and the
sun, and this phenomenon would resist satisfactory explanation until the arrival of Einstein’s
theory of general relativity” (SEP 2012).
Data have never been the essential component of scientific explanations. Often scientists do not
accept strong data as compelling proof against a theory. For instance, recognized researchers
in the hard sciences (including Poincare, Planck, Einstein, Feynman and Gell-Mann) rejected
apparently devastating facts that contradicted their theories and asked for additional data, to
be proven right later (Miller 2000). In a new twist, many researchers in cosmology and small
particle physics have provided new interpretations for the equations that describe the sub
atomic world and their cosmological consequences. These interpretations point to the existence
of multiple universes, but also to the fact that humanity will never be able to contact any of
them, thus it will be impossible to test the interpretations empirically (Green 2012).
Data are important because they can point to problems with the theories and force researchers
to reevaluate them. But the data by themselves can never provide an explanation; a theoretical
framework is necessary for the evidence to make sense.
These remarks do not mean that knowledge is totally subjective, but that the links between
observation, theories and interpretation is not straightforward and depends on many factors,
including whether the phenomena pertain to the natural, social or personal environments,
whether they can be observed under experimental conditions and whether the underlying
processes are stable (i.e., they do not change essentially during the relevant period of time).
10
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Javier Ekboir
Alternative types of scientific research combine theories and data in different ways to develop
narratives that are credible for particular groups of professionals.
The traditional model of science is based on experimental exploration of stable natural processes.
In such cases, data gathered under controlled conditions restrict the number of theories that
can be used to explain the data. Sometimes, mathematics provides additional restrictions to
the number of plausible theories (Miller 2000). When the studied processes are stable and
experimentation is not possible, such as astronomy, the regularity of the processes allows
comparison of the relatively few observations that can be gathered. These data combined with
information from other sciences restrict the number of competing theories that can be fitted to
the data. For example, cosmological theories are constructed with astronomical observations
combined with mathematics and quantum theories.
Explaining unstable processes (e.g., the evolution of large ecosystems or markets) is particularly
challenging. Sometimes relatively large datasets can be gathered, but these cannot be compared
across locations or relatively short periods. Also, the processes’ dynamics are determined by a
large number of variables whose influence changes often. In these cases theories play a major
role in the collection of information and its interpretation. For example, theories guide the
design of a survey and the model and techniques that are used for the data analysis.
The processes stability and the possibility of running experiments also influence the conditions
for considering a proposition true. For experimental sciences, experiments have to be independently
replicated. For non-experimental, stable processes, the data have to be verified independently
and most scientists must agree on the interpretation of the data. In both cases, the power of the
explanation is greatly enhanced if it unifies apparently unconnected phenomena and if it yields
unexpected predictions that can be empirically verified (Miller 2000). For unstable processes,
the restrictions imposed by data are weaker and the main validation principle is that a majority
of researchers agree with the interpretation of the facts (Bogen 2002).
The impossibility of objectivity in science means that the criteria that define what rigorous
scientific work is are conventions accepted by the majority of researchers in the discipline; in
the field of evaluation, the criteria are set by practitioners, researchers and decision makers.
The main implication of the social nature of rigorousness is that there is no unique scientific
method or golden standard, but that each discipline defines its own standards (Machamer
2002). The set of agreed standards and practices within each discipline are known as a paradigm.
Paradigm changes are processes of argumentation and counter-argumentation, where data
provide partial answers and define new questions (Kuhn 1970).
Empirical evidence is not necessary to develop scientific theories. Even in experimental
sciences, scientists use “thought experiments”, i.e., they develop theories without empirical
support by imagining idealized conditions that cannot be replicated experimentally (Miller
2000). Examples of important scientists that used thought experiments are Copernicus, Galileo,
Newton and Einstein. Their theories were empirically validated many years (even centuries)
after they had been widely discussed and accepted.
Volumen XIII - Número 1
11
New frameworks for the evaluation of agricultural research and education
The examples show that data are only one factor in building scientific theories. In fact, scientists
have used non-empirical criteria to guide their work. For instance, Copernicus believed that
his theory provided a simpler explanation than the geocentric theory; Einstein used aesthetic
considerations to develop the theory of relativity; some scientists relied on philosophical
principles or scientific expediency; and, most scientists just accept prevailing paradigms.
The value of data vis-à-vis theories and thought experiments is both a personal decision. For
Einstein, thought experiments were essential for transcending sensorial perception, common
sense and the simple accumulation of data (Miller 2000). For Edison, experimentation was
essential.
3.3. What is a cause?
Since evidence is not objective (see section 3.2), rigorous evaluation amounts to establishing a
credible causal link between the intervention and the intended or unintended effects. However,
making the case for a causal link is not simple when a) the effects take several years to manifest
themselves; b) many factors outside the intervention contribute to the observed outcomes;
and c) several causes, including concurrent interventions, influence the process.
A cause is a link between two events where the cause precedes the effect and altering the
cause alters the effect. This statement, however, has many nuances (Hicks 1979). The simplest
case is when the cause is almost always associated with the effect, i.e., moving a switch turns
a light on. A cause can also prevent something from happening, e.g., a vaccine prevents an
illness. A problem with this case is that sometimes it is not possible to know whether the
intervention was effective or other factors prevented the effect. For example, is a absence of
an attack proof that a counterterrorism campaign was successful? Another type of causality
is when something is necessary for an event to happen, but its occurrence does not trigger
the effect; for instance, infrastructure is needed for economic growth, but by itself, it does not
cause growth.
Causality is often discussed in terms of necessary and sufficient conditions (Mayne 2012). A
cause is necessary if the effect can only occur when the cause is present; for instance, AIDS
is only caused by the HIV virus. However, necessary causes are rare as most effects can result
from different interventions (see section 3.1). For example, nitrogen can be provided to crops
with chemical fertilizers, manure or leguminous plants. A cause is sufficient if it always results
in the desired effect; i.e., the HIV virus is not sufficient because a few individuals are immune
to the virus. Contributory causes are neither necessary nor sufficient, but still are part of the
process that generated the effect; e.g., infrastructure is a contributory cause of growth. Since
most processes of interest are stochastic, causes should be stated in probabilistic terms; for
instance, we can assert that it is almost certain that the HIV virus is a sufficient cause for AIDS.
Usually effects are not produced by individual causes but by sets of interacting causes and
these sets are not unique. For example, a short circuit can cause a fire, but only if oxygen and
flammable materials are close by. At the same time, other sets (e.g., an arsonist with fuel) can
12
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Javier Ekboir
also cause the fire. These sets are known as INUS: Insufficient but Necessary part of a condition
that is itself Unnecessary but Sufficient for the occurrence of the effect (Mackie 1988).
An important issue in establishing causality is the definition of the limits of a causal set. As
mentioned above, sometimes the presence of a factor (not its change) is necessary for an effect
to happen. For example, a short circuit can only occur if the house is connected to the electric
grid and if the house was built in the first place. The list can be infinite. In such cases, it is
usual to distinguish between causes (the direct factors that generate the effect) and context
(the less direct factors). However, there is no objective way of deciding what is context and
what is a cause. Even more, different people usually select different sets of causes for the
same process, as, for instance, when an issue is analyzed from the perspective of different
disciplines. In other words, causality sets cannot be objectively determined and are defined
by the individual analyzing the phenomenon, based on what is known about it and social
and personal beliefs.
An important approach for establishing causality is based on hypotheses testing (Machamer
2002). However, Pierre Duhem showed in 1906 that hypotheses cannot be tested because
every test involves three elements: i) the hypothesis itself; ii) a theory from which the hypothesis is
derived; and iii) auxiliary assumptions. As there is no objective way for separating the theory,
the hypothesis and the role of each of the infinite number of implicit and explicit auxiliary
assumptions, the test is a joint test of all these elements. For instance, economic theory posits
a link between income and education. A hypothesis could be that the link is positive. The
auxiliary assumptions include the location where the data are collected, how many years
after the end of education the link is measured and how the relationship is represented (e.g.,
a simple correlation or a non-linear econometric model). Many implicit assumptions are also
involved in the test; for example, that the relationship is the same for all individuals included
in the analysis, and that the variables have been measured without error (or that the errors are
not systematic).
Causality is frequently stated in terms of counterfactuals. A counterfactual is defined as a
situation in which if A had not occurred, C would not have occurred. In policy discussions the
counterfactual is usually defined in a different way: what would have happened if a policy or
project had not been implemented. Although the difference seems minimal, it has important
implications. In such cases, the counterfactual is defined by the evaluator because the fact
that a policy is not being implemented does not mean that other interventions will not be
implemented. Another problem with the definition is that statements about what would have
happened are probabilistic assertions. And according to the second law of thermodynamics,
anything that can be imagined as happening in nature, can happen although some events
have a much lower probability than others, and some have a probability very close to, but
different from 0 (Miller 2000). Thus, a large number of counterfactuals can be defined for each
event, and it is not possible to select a priori among alternatives with similar probabilities of
occurrence.
Volumen XIII - Número 1
13
New frameworks for the evaluation of agricultural research and education
3.4. Interacting causes and attribution in policy evaluation
Until a decade ago, the dominant paradigm for attributing outcomes (effects) in policy evaluations
(including agricultural research and education) was framed in terms of economic benefits
calculated by means of static, partial equilibrium economic models and econometric
methods (see, for example, Alston, Norton and Pardey 1995). The perceived shortcomings of
this paradigm and scientific advances, especially complexity theories, led many stakeholders
to explore new approaches for evaluating policies and programs.
As explained in section 3.4, most real-life processes have many interacting causes, and in
those cases it is not possible to separate their effects. In the example of the house fire, the
short circuit was the direct cause, but without electricity, there would not have been a short
circuit; without flammable materials close by, the sparks would have just died, and so on. In
the absence of any of these causes, there would have not been a fire at all. But it does not
make sense to attribute 100 percent of the fire to each of the causes; also, it does not make
sense to attribute portions of the blame to individual causes, because each cause can prevent
100 of the effect. The solution that has been suggested to this issue is to attribute the effects to
sets of causes (Ragin 2000).
In the traditional framework, statistical methods, especially econometrics, have been used
to attribute effects in non-experimental settings. However, LaLonde (1986) showed that
econometric methods cannot replace experimentation; in other words, econometric models
cannot separate the influences of individual causes. Even if it is always possible to get an
estimate, it does not mean that it reflects “true” causal links. In the statistical literature the
issue is known as “spurious correlation”.
While it is impossible to objectively identify causal links, it is possible to make compelling
cases that the intervention made a contribution to the process. The argument should combine
factual evidence with a theory of change that is credible, given the prevailing scientific
information, socioeconomic theories and stakeholders’ and beneficiaries interests (Mayne
2012). A theory of change is a model of how the intervention is expected to act as a
contributing cause (see section 4.3). The credibility of the theory of change can be enhanced
by developing it with stakeholders and reviewing it during the intervention.
4. Evaluation frameworks
As was shown above, causation cannot be defined objectively; thus, evaluating interventions
in complex settings requires developing a narrative that describes plausible causal links
between the interventions and outcomes. The context in which agricultural research and
education operate is complex because a) innovation systems are complex; b) the relationship
between research and innovation on the one hand and innovation and social wellbeing on
the other is not linear; c) the impacts of research and education depend on many concurrent
factors; and d) the impacts take many years to materialize. Convincingly establishing causality
in such contexts is not straightforward, and appropriate methods should be used.
14
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Javier Ekboir
4.1. When are quantitative or qualitative methods appropriate?2
Qualitative methods emphasize in-depth analysis of one or a few cases to show how the different
aspects interact. Quantitative methods, by contrast, seek broad patterns by studying a small
number of variables across a large number of cases. Qualitative methods rest on the following
assumptions: a) populations are sets of heterogeneous cases; b) cases are configurations of
aspects that should be understood at the level of the specific instance; and c) causation is
contextual, plural, nonlinear and non additive – causes may combine in different ways to generate
the same outcomes, or the same causes may have opposite effects in similar situations.
In contrast, quantitative methods assume that: a) populations are homogeneous with well
defined distribution functions; b) populations are defined prior to the collection of data and
analysis; c) the individuality of each case is not relevant; and d) causation is predetermined
and stable, often additive and linear, making the approach insensitive to causal complexity.
Both approaches use theory and data to build narratives but in different ways. In qualitative
researchers, theories and prior knowledge guide the initial identification of important issues that
must be explored. As the study progresses, alternative theories and causal links are checked
against collected information on a large number of variables and interactions. Based on this
knowledge, new theories are developed until a satisfactory narrative is built. Quantitative
researchers, on the other hand, use a-priori information and theories to build a concise
representation of the phenomenon, usually in the form of a mathematical model. Once the
model has been specified, the essence of the causality links is usually not revised. With this
representation, large data sets of a few variables are collected, and then analyzed with statistical tools
to find correlations, which are seen as confirmation of the theories. For the qualitative researcher,
confidence comes from depth; for the quantitative researcher, it comes from breadth.
In qualitative research cases are deliberately selected because they show a particular behavior.
Despite their lack of statistical validity, in depth case studies provide the basis for constructing
generalizations that hold, at least, for the cases analyzed; often these generalizations have
wider relevance. For example, although Freud’s study of hysteria was based on a single patient,
it has been considered as representative of a large number of individuals. Quantitative analysis
also has its drawbacks as was explained in section 3, in particular that a) good statistical
properties do not constitute a valid explanation; b) having a relatively large random sample is
no guarantee that the inferences will be valid for the whole population (Deaton 2010); and c) in
complex processes, causality links are multiple, non-additive and change as the process evolves.
The question an evaluator should answer is which approach is more appropriate for the project’s
objective and the problem under study. Quantitative approaches are useful for the study of
relatively stable, simple relationships that hold for large numbers of cases; examples of such
relationships are crops response to fertilizer or children response to better nutrition. Qualitative
approaches, on the other hand, are appropriate for the analysis of complex relationships that
2 This
section draws heavily on Ekboir et al. (2009).
Volumen XIII - Número 1
15
New frameworks for the evaluation of agricultural research and education
change over time or space, such as political processes or economic development. Methods that
combine both quantitative and qualitative approaches are increasingly used (see section 4.4).
4.2. Randomized controlled trials (RCT)
Supporters of RCT posit that they set a methodological ‘gold standard’ that ensures rigor and
scientific validity in the estimation of an intervention’s impacts by eliminating the evaluator’s
personal bias. It has also been suggested that RCT allow the identification of “what works
and what doesn’t”. These statements have generated a strong reaction from many institutions,
scientists and people in the evaluation profession who contend that RTC supporters overstate
what these can do, that RCT do not meet the criteria for valid statistical inference and that
other methodologies can be at least as rigorous as RCT (Barahona 2010; Deaton 2010).
RCT were initially developed in the context of agricultural research to test responses to
agricultural practices and gained recognition in clinical trials, where they are used in phase
III trials after the effectiveness of a new treatment had been demonstrated in the previous two
phases. The main features of RCT in clinical trials are: a) RCT compare the relative effect of
the new and current practices; b) RCT do not establish causality; they only measure relative
effectiveness of two interventions that are known to work; c) trial participants are selected
because they present a specific condition for which the treatment was developed, and the
selection follows a detailed protocol; d) participants in the trial are not allowed to receive
any treatment for the condition for which they were selected other than the treatment being
evaluated; and e) the effects of the treatment on one individual do not influence the effects
on other individuals (Barahona 2010). Proponents of RTC seldom test whether these features
apply to their particular cases.
In recent years the use of RCT in the evaluation of complex interventions (including research
and education) has been strongly criticized for several reasons. First, in experimental research
RCT are implemented under strictly controlled experimental conditions. In development
interventions, on the other hand, it is impossible to control the experiment; thus, it is not possible
to assert that differences between treatment and control are due only to the intervention.
Second, in clinical trials, the treatment and control groups differ only in the treatment they
receive; this is achieved by carefully selecting the participants prior to their assignation to the
treatments. In development interventions careful selection is not possible because participants
differ in many relevant traits (e.g., assets owned, human and social capital and access to markets), which are often unobservable (e.g., creativity or managerial capabilities). Third, while
RCT can estimate the correlation between the treatment and the effect, this is not equivalent
to establishing causality, especially when several causes influence the results. Fourth, RCT
can only be used when indicators can be measured with enough accuracy. However, many
indicators (e.g., income) can only be measured with significant errors. Fifth, it is often impossible
to avoid contamination of the control group, for example, when non-participants learn strategies
introduced by the intervention.
Sixth, it is not possible to ensure that the intervention was implemented correctly, a problem
common in complex interventions. For instance, it is impossible to ensure that all program
16
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Javier Ekboir
officers involved in an intervention apply the same effort. Seventh, having a control group
does not establish a unique counterfactual since RCT only measure the impacts that were
selected by the evaluator (Smith, Khan, Frankenberger and Abdul Wadud 2013). For example,
the Mexican Progresa program was considered successful because the participating children
gained more weight than non-participants. But the evaluation did not show that the conditional
transfer was more effective in reducing undernourishment than an employment program for
the parents. Eighth, it is not possible to assert that the relatively small projects that are usually
evaluated with RCTs, still work when scaled up. Ninth, participants in clinical trials who do
not receive a treatment receive a placebo; this is very different from not receiving any treatment
at all, which is usually the case when situations with and without project are compared.
Although some of these problems can be minimized by taking special precautions during
implementation, section 3 showed that it is impossible to completely eliminate them.
4.3. Theory-based approaches for evaluation (TBA)
The recognition of the limitations of traditional quantitative evaluations and of the prevalence of
interacting causes has led to the increasing recognition of the importance of explicitly stating the
posited causal links. Evaluations that clearly state these chains are called theory-based approaches.
TBA include theories of change, impact pathways, realistic evaluations and contribution analysis.
In contrast to approaches based on simple causalities, mathematical models and econometrics,
TBA’s main feature is a narrative of varying intricacy that states how an intervention has
produced or is expected to produce the outcomes; the causal chain is usually confronted
with empirical evidence. When TBA are used in the context of implementation, the theory is
developed before the start of the intervention, is validated during implementation (which may
include revisions) and guides the evaluation after completion. TBA often include complex and
changing causalities (see section 3) and follow the principles of qualitative or mixed methods
(see section 4.1 and 4.4). A TBA should make explicit a) a causal chain linking the intervention
to outcomes; b) the assumptions used to build the causal chain; c) the risks inherent to the
intervention; d) the identification of unexpected effects; and e) a discussion of alternative
explanations, i.e., possible rival causal chains (Mayne 2012).
It should be noticed that using a TBA is no guarantee that the intervention will be effective
and that the evaluation will be rigorous. For example, the linear vision of science is a causality
chain but it does not capture the complexities of the relationship between science and innovation.3
Sometimes TBA have been used simply to fulfill bureaucratic requirements; in such cases,
researchers and supervisors did not critically assess the causal logic of the intervention. To
avoid these problems, it is usually recommended that TBA be formulated with the input of
key stakeholders, and that it captures the main variables that influence the process dynamics.
In the linear vision of science, all knowledge starts with basic research, i.e., research that follows the researchers’
curiosity or the disciplines’ logic. The outputs of basic research are used by applied research where solutions
to specific problems are sought. Finally, the outputs of applied research are used for product development.
3
Volumen XIII - Número 1
17
New frameworks for the evaluation of agricultural research and education
However, as was explained in section 3, causal chains cannot be objectively identified and
their acceptance is a social process. Data and evidence to validate the TBA should come from
applying logic, critical thinking and prior research, and asking relevant stakeholders about
each causal link and whether they believe there are other causal factors beyond the package
at work. If they answer affirmatively, the evaluator should ask about evidence for their belief.
4.4. Mixed methods
Mixed methods do not refer to just one methodology but to a number of approaches that combine
quantitative and qualitative information. Mixed methods were developed to overcome the
limitations of one type of analysis with the strengths of the other. Mixed methods can give
more importance to one of the two approaches or balance both of them. For example, qualitative
information can be used to validate econometric results, or quantitative information can be
used in a case study to inform about the relative strength of different factors.
The two types of data can be collected simultaneously or sequentially. An example of the first
case is when a closed questionnaire is combined with observations about the process. In the
second case information collected with a survey is used to design a case study. Additionally,
the two types of data can be collected separately and be combined for analysis and interpretation
or the two methods can be integrated from the start. For example, a questionnaire can collect
qualitative information about a process (e.g., a person’s judgment about the quality of a product)
and then use all the responses to construct quantitative indicators.
5. Final remarks
Evaluation of agricultural research and education has changed due to the new dynamics of
innovation systems, technical change (in production, research and education) and new social
demands regarding the use of public funds. In the 1990s, decision makers and evaluators called
for evidence-based policies and evaluations. The main underlying assumptions of such claim
are that evidence can be objectively collected and analyzed, and that there is a research (or
evaluation) method that is superior to all other methods in all circumstances.
However, philosophy of science, cognitive sciences and complexity theories have shown
that objectivity is not possible, that rigorousness is not absolute and that there is no golden
standard for evaluation and research. Also, it was shown that knowledge is a social construct;
in other words, what is accepted as credible evidence depends on the questions being asked,
the context of the evaluation, the assumptions on which the analysis rests, the theory of evaluation
stakeholders are prepared to accept and the resources available.
As the limitations of the “objective evidence” paradigm became evident in the 2000s, a new
paradigm has been gaining ground. This paradigm emphasizes participation of different stakeholders in the construction of knowledge, flexibility of methods and sources of information to
respond to different demands and issues, and the use of evaluation as a learning tool, rather
than just information for accountability.
18
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Javier Ekboir
Remaining challenges for the evaluation of agricultural research and education include a)
understanding the new dynamics of agriculture, poverty and management of natural resources,
in particular the expansion of high value agriculture, the integration of small farmers into
labor markets, and economies of scale in the production and marketing of commodities; b)
how these dynamics are changing the role of public and private research and education institutions;
and c) how evaluations can be used to foster organizational change in public research and
educational organizations. The responses to these challenges should focus not only on evaluation
methods but also on developing capabilities to facilitate organizational change.
References
ALSTON, J.M., G.W. Norton and P.G. Pardey. 1995. Science under Scarcity: Principles and Practice
of Agricultural Research Evaluation and Priority Setting, Ithaca: Cornell University Press.
AXELROD, R. and M.D. Cohen. 1999, Harnessing Complexity. Organizational Implications
of a Scientific Frontier. NY: The Free Press.
BARAHONA, C. 2010. Randomised Control Trials for the Impact Evaluation of Development
Initiatives: A Statistician’s Point of View. ILAC Working Paper 13. Rome. Italy: ILA
BOGEN, J. 2002. Experiment and Observation. In Machamer, P. and M. Silberstein (eds.) The
Blackwell Guide to the philosophy of Science. Oxford, UK: Blackwell Publishers Ltd.
CHRISTENSEN, C.M., S.D. Anthony and E.A. Roth. 2004. Seeing What’s Next. Using the Theories
of Innovation to Predict Industry Change. Boston, Mass.: Harvard Business School Press.
DEATON, A. 2010. Instruments, Randomization, and Learning about Development. Journal
of Economic Literature 48:424–455.
DAVIS, K, J.M. Ekboir and D. Spielman. 2008. Strengthening Agricultural Education and Training
in sub-Saharan Africa from an Innovation Systems Perspective. A Case Study of Mo
zambique. Journal of Agricultural Education and Extension, 14(1):35-51.
EKBOIR, J.M., G. Dutrénit, G. Martínez V. A. Torres Vargas and A. Vera-Cruz. 2009. Successful
Organizational Learning in the Management of Agricultural Research and Innovation:
The Mexican Produce Foundations. Research report 162, Washington, D.C.: IFPRI.
GREEN, B. 2012. The Hidden Reality. U.K.: Penguin.
GUNDERSON, L.H., C.S. Holling and G.D. Peterson. 2002. Surprises and Sustainability: Cycle
of Renewal in the Everglades. In Gunderson, L.H. and C.S. Holling (eds.) Panarchy. Under
standing Transformations in Human and Natural Systems. Washington, D.C.: Island Press.
HICKS, J. 1979. Causality in Economics. N.Y.: Basic Books.
Volumen XIII - Número 1
19
New frameworks for the evaluation of agricultural research and education
KUHN, T.S. 1970. The Structure of Scientific Revolutions. Chicago: University of Chicago Press.
LaLonde, R. J. 1986. Evaluating the Econometric Evaluations of Training Programs
with Experimental Data. American Economic Review, 76(4): 604–20.
MACHAMER, P. 2002. A Brief Historical Introduction to the Philosophy of Science. In Machamer,
P. and M. Silberstein (eds.) The Blackwell Guide to the philosophy of Science. Oxford,
UK: Blackwell Publishers Ltd.
MACKIE, J. L. 1988. The Cement of the Universe: A Study of Causation.U.K.: Clarendon Press.
MAYNE, J. 2012. Making Causal Claims. ILAC brief No. 26. Rome, Italy: ILAC.
http://www.cgiar-ilac.org/files/publications/mayne_making_causal_claims_ilac brief_26.pdf.
Last accessed on 28/12/2012.
MILLER, C.A. 2012. Policy Challenges and University Reform. In Frodeman, R., J. Thompson
KLEIN and C. Mitcham. The Oxford Handbook of Interdisciplinarity. Oxford, U.K.: Oxford.
MILLER, A.I. 2000. Insight of Genius. Imagery and Creativity in Science and Art. 1st edition,
Cambridge, Mass.: MIT Press.
NICKLES, T. 2003. Evolutionary Models of Innovation and the Meno Problem. In Shavinina,
L.V. (ed.), The International Handbook on Innovation, UK:Pergamon.
OLSON, E.E. and G.H. Eoyang. 2001. Facilitating Organization Change. Lessons from Complexity
Science. San Francisco: Jossey-Bass/Pfeiffer.
RAGIN, C.C. 2000. Fuzzy-Set Social Science. Chicago: The University of Chicago Press.
ROSENBAUM, J.E. and J. Rosenbaum. 2013. Beyond BA Blinders: Lessons from Occupational
Colleges and Certificate Programs for Nontraditional Students. Journal of Economic
Perspectives 27(2): 153–172.
SAREWITZ, D. 2012. Against Holism. In Frodeman, R., J. Thompson Klein and C. Mitcham.
The Oxford Handbook of Interdisciplinarity. Oxford, U.K.: Oxford.
SEP (Stanford Encyclopedia of Philosophy). 2012. Underdetermination of Scientific Theory.
http://plato.stanford.edu/entries/scientific-underdetermination/#HolUndChaSciRat.
Last accessed on 28/12/2012.
SMITH, L.C., F. Khan, T.R. Frankenberger and A.K.M. Abdul Wadud. 2013. Admissible Evidence
in the Court of Development Evaluation? The Impact of CARE’s SHOUHARDO Project
on Child Stunting in Bangladesh. World Development 41(January):196 - 216.
20
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Margen de comercialización en el mercado
del té seco de exportación
Emiliano Lysiak
Resumen
El trabajo estudia los factores que explican el margen de comercialización en el mercado de
té seco para exportación en el periodo de 1990 a 2012 en Argentina. El trabajo se basa en
un análisis econométrico por mínimos cuadrados para encontrar las variables de costos que
explican el diferencial de precios que existe entre el precio de exportación y el precio de la
materia prima. Los resultados determinan que el conjunto de rubros del costo variable y la
financiación a las exportaciones tienen un efecto significativo para explicar el margen. A la
par, los niveles de producción no arrojaron resultados significativos.
Palabras claves: Margen de comercialización; té; precios, costos.
Abstract
The paper studies the factors that explain the marketing margin in the market for dry tea export
in the period of 1990-2012 in Argentina. The work is based on a least squares econometric
analysis to find cost variables that explain the price differential between the export price and
the price of the raw material. The results determine the set of items of variable cost and financing
exports have a significant effect in explaining the margin. At the same time, production levels
yielded no significant results.
Keywords: Marketing margin; tea; prices, costs.
I. INTRODUCCIÓN Y ANTECEDENTES
La forma en que se distribuyen los ingresos de una cadena agroindustrial a lo largo de sus
eslabones es un tema recurrente cuando se habla de precios agropecuarios. Para ello la literatura
económica se basa en diferentes herramientas para su análisis. Una de ellas es el estudio de
los márgenes de comercialización por medio de dos líneas de investigación; markup y el
estudio de los factores que determinan el margen, Wohlgenent (2001). Los antecedentes en
la Argentina de este tipo de estudios son pocos y concentrados en mercados tradicionales
como lo es la carne, cereales, leche y oleaginosas. Uno de los estudios es el de Lema y Lastra
(2007) que estudiaron el margen de comercialización en el mercado de la carne bovina y
el mercado de trigo, enfocados en encontrar los factores determinantes de los márgenes de
comercialización dentro de un mercado con fuerte peso del mercado interno. Entre otros
resultados Lema y Lastra encontraron un fuerte componente pro-cíclico y poca relación con
los precios de los insumos.
Volumen XIII - Número 1
21
Margen de comercialización en el mercado del té seco de exportación
Para el caso del sector de té no existen trabajos que busquen explicaciones al comportamiento
del margen de comercialización en lo que respecta a mi conocimiento. Tampoco para el caso
de la yerba mate por ser un cultivo que generalmente acompaña en características al té.
El margen de comercialización o spread entre el precio del producto procesado y precio a
productor se puede medir en forma absoluta o relativa sobre el precio de venta como lo indican
las siguientes formulas.
Donde M representa el margen, Pc el precio final, Pp el precio al productor y la relación Qp/Qc
representa la conversión de materia prima a producto final. Uno de los enfoques para el
estudio del margen mencionado por Wohlgenent (2001) es el de markup. Este enfoque se
basa en que el margen representa un markup sobre el precio de comprar. Heien menciona
que esto se debe a la fijación de reglas sencillas en la comercialización y por cuestiones de
“casualidad”. Esta relación también se verifica en el margen entre precio al productor y precio
mayorista (Tomek y Robinson, 2003). En general este enfoque asume un modelo donde el
margen resulta de una combinación de una cantidad y un porcentaje del precio de venta,
Wohlgenent (2001). La justificación de este modelo es fundamentalmente empírica donde varios
autores mencionados por Wohlgenent encontraron que muchos productos tienen presente esta
relación. La debilidad de este enfoque es que carece de justificación teórica y como menciona
Lema y Lastra (2007) este tipo de modelos están subdeterminados.
El segundo enfoque mencionado por Wohlgenent es el que ahonda en los factores
determinantes del margen de comercialización el cual tendría mayor sustentó teórico. Para
este caso se introducen diferentes variables que determinan el diferencial de precio. Las variables
utilizadas generalmente son los precios de los insumos utilizados para el procesamiento y
comercialización. A estas variables se fueron agregando otras como la incertidumbre
(Brorsen,1985) mediante la variabilidad del precio de venta la cual tendría una relación positiva
con el margen. La concentración en la industria es otra variable utilizada para explicar el
margen pero como menciona Wohlgenent en esta área se necesita un mayor estudio dado
que una mayor concentración se puede deber a una mayor economía de escala lo cual tendría
un efecto contrario a lo esperado.
A estas variables explicativas se suman otras cuestiones a tener en cuenta al momento de
estimar el margen de comercialización. Una es si la conversión de materia prima a producto
final es fijo o variable lo cual demandaría un análisis más profundo. Los cambios tecnológicos
u organizacionales como la integración vertical tendrían efectos sobre el diferencial. Para
medir dicho efecto las investigaciones se basan en utilizar alguna tendencia que emule el
cambio tecnológico Wohlgenent (2001). Finalmente a estas variables se podrían sumar ciertas
regulaciones o cambios institucionales.
22
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Emiliano Lysiak
Repasado los dos principales enfoques del estudio del margen y enfocando este trabajo en
el segundo, el presente estudio tiene un objetivo conocer los determinantes del margen de
comercialización en el mercado argentino del té de exportación en los últimos 22 años.
Para ello se estimará el margen de comercialización a partir de los costos de producción
del procesamiento y comercialización junto a otras variables explicativas.
Definido el objetivo, el trabajo fue organizado de la siguiente forma: en la sección II se detalla
el modelo utilizado y analiza las características del mercado y el comportamiento de los precios,
el margen y las principales variables explicativas. En la sección III se define el modelo a ser
estimado y los resultados. Finalmente en la sección IV se presentan las conclusiones.
II. METODOLOGÍA A MARCO TEÓRICO
Tomando el modelo presentado por Lema y Lastra (2007) en este trabajo se asume que la
demanda internacional es infinitamente elástica dado que el producto es exportable y las empresas
procesadoras y los productores primarios se desenvuelven en mercados competitivos. En este
caso la función de beneficio de una empresa procesadora sería la siguiente.
Volumen XIII - Número 1
23
Margen de comercialización en el mercado del té seco de exportación
Esta relación indica que el margen o spread es igual al costo marginal, por lo tanto el spreaddepende de los cambios en los precios de los insumos utilizados y la cantidad procesada. De
existir una relación con la cantidad el spread cambiaria en función de esta, en caso contrario
se podría asumir que costos marginales son constantes.
B. Márgenes y variables del té de exportación
El sector productor de té para exportación, cuenta con una superficie de aproximadamente
40.000 ha, las cuales se ubican en la zona central de la provincia de Misiones y en algunas
zonas del Noreste de Corrientes. El proceso productivo comienza con el cultivo de té que es
una planta perenne con una vida útil de más de 30 años a la cual se le realizan entre 4 y 8
cosechas en la campaña que va de octubre a abril. El brote de té es procesado y secado en
los secaderos de té, para luego ser tipificado y envasado en bolsas para su exportación. La
característica de la cadena es similar a la mayoría de los cultivos de exportación, donde hay
gran cantidad de productores primarios, más de 60 empresas procesadoras de la cuales 30
empresas exportan. Finalmente el producto es comprado por grandes operadores mundiales.
Los precios a ser considerados relevantes para el estudio son:
Precio FOB: el valor FOB de exportación en pesos constantes. Si bien existen precios
internacionales de té la gran variedad de tipos de té y las particularidades que tiene el té
de exportación argentino deja al precio FOB promedio de exportación como el precio de
referencia. Este precio asume valores más bajos que los internacionales pero su evolución
acompaña a la tendencia de los precios internacionales.
Precio al productor: el precio de la materia prima es el precio del kg de brote de té multiplicado
por 4,60. El múltiplo de 4,60 surge del rendimiento industrial por el cual se necesitan 4,60
kg de brote de té para lograr 1 kg de materia prima para su venta luego de descontar los
desechos. En el período analizado el precio del brote se definió libremente en el período
1990-2004 y a partir 2005 la mesa CoProTé paso a fijar el precio mínimo, el cual en los
primeros años no se cumplió completamente y en los últimos años pasó a coincidir el precio
fijado con el precio de mercado. Los precios utilizados son los publicados por el Ministerio
del Agro y la Producción de Misiones y fuentes privadas para los años donde el precio fijado
no era el de mercado.
El spread surge de la diferencia del precio FOB menos el precio del brote por 4,60 y el spread
en porcentajes es dicha diferencia dividido el precio FOB. Lo cual indica el porcentaje que
queda para el sector industrial luego del pago de la materia prima.
Los precios utilizados son el promedio anual. La elección de este precio se debe a que no
se cuenta con buenas series mensuales y los precios FOB mensuales son muy cambiantes
según sea el tipo de té exportado en el mes. Esto impide hacer un estudio más detallado de
los efectos del riesgo sobre el margen. Los precios fueron deflactados por precios minoristas
24
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Emiliano Lysiak
del INDEC e IPEC (Santa Fe) y están expresados en pesos de diciembre de 2011.
< Insertar gráfico 1>
Como se aprecia en el gráfico 1 el spread en porcentaje se mantiene en toda la serie dentro de
un rango de 60% -70%. Esto justifica que cada variación del precio de exportación se reparte
proporcionalmente entre los secaderos y la producción primaria. Además queda claro que el
spread medido en forma absoluta no asume un valor constante el cual puede estar variando
a causa de los costos y/o ganancias.
Las variables explicativas a usar son los principales rubros del costo de elaboración, los niveles
de producción y los prestamos en dólares del sistema financiero, dado que las grandes
empresas se financian con prefinanciación de exportaciones. A continuación se detalla las
variables y el origen de la serie de datos.
MOC: salario mensual del empleado de comercio según serie Ministerio de Trabajo de la
Nación. Más del 70% de la producción se concentra en 5 grandes empresas las cuales cuenta
con una organización con empleados bajo el régimen laboral de comercio. En las estimaciones
se consideró a esta variable como un componente del costo fijo.
MOP: salario mensual del peón rural según resoluciones del Ministerio de Trabajo de Nación.
La mano de obra rural es la utilizada en las plantas elaboradoras, siendo uno de los principales
costos variables.
Leña: la combustión para calentar las calderas para luego secar el té se basa en el uso de leña
y en los últimos años el uso de chip. La serie de precios se armó en base a series de precios
de rollos de eucaliptus y series de precio de la leña en la zona de Misiones.
Energía: la energía eléctrica es otro de los principales rubros de los costos. Para la serie se
utilizó el rubro energía de índice de precios mayorista (IPIM).
Volumen XIII - Número 1
25
Margen de comercialización en el mercado del té seco de exportación
Amort. y Mantenimiento: los gastos en amortizaciones, repuestos y mantenimiento fueron
considerados mediante el Índice de precios interno mayoristas (IPIM) rubro 28, Productos
metálicos excepto máquinas y equipos. En las estimaciones se consideró a esta variable como
un componente del costo fijo.
Bolsas: las bolsas utilizadas son multicapa con interior metalizado. Para considerar la evolución
del precio se tomó el rubro 2102 Envases de papel y cartón del IPIM.
Intereses: las principales empresas del sector suelen financiarse con prefinanciación de
exportaciones, teniendo los intereses un peso importante en las erogaciones. La serie utilizada
en este caso resulta de la tasa promedio de los préstamos en moneda extranjera a tasa fija
a sola firma publicada por el Banco Central (BCRA, 2012). El interés fue luego convertido a
pesos constantes. En las estimaciones se consideró a esta variable como un componente del
costo fijo dado un préstamo constante de 500.000 dólares para un secadero exportador de 2
millones de kg de exportación.
Flete: al no contar con una serie de precios de los fletes hacia el puerto, se confeccionó una
serie ponderando los siguientes rubros, 46% del precio del combustible, 20% de mano de
obra de los camioneros (Ministerio de Trabajo), 20% en base al índice de cubiertas de caucho
(rubro 2511 IPIM) y un 14% en base al índice de Vehículos automotores, carrocerías y repuestos (rubro 34 IPIM).
Comercialización y ganancia normal sobre ventas: para los gastos de comercialización y
ganancia se utilizó un porcentaje sobre el valor FOB correspondiendo a las comisiones,
ganancia normal sobre ventas y otros gastos de venta.
Impuestos: para esta serie se consideró los principales impuestos y reintegros sobre el valor
de venta, como ser: los reintegros a las exportaciones que terminaron en el año 2006, al año
siguiente se incorporó las retenciones del 5% y en el año 2008 se sumó el 2,5% de rentas de
la provincia de Misiones.
Costos totales: con los precios o valores de las series anteriores y utilizando una cantidad fija
estimada de insumos para una producción de 2 millones de kg de té seco se construyó una
serie representativa del costo total. La participación de los diferentes rubros más el costo de
la materia prima en los últimos tres años es el que muestra el siguiente gráfico.
Costos variables: dado que el modelo a estimar utiliza el costo variable, del costo total se
restaron los costos de mano de obra de comercio, los intereses y el rubro mantenimiento y
amortizaciones para medir los costos variables.
En el gráfico 2 se observa que el principal costo es el de la materia prima que según sea el
año ronda el 35%-40% del costo total. Luego el costo de procesamiento y comercialización
está bastante repartido entre diferentes rubros lo que hace necesario analizar el costo como
un grupo. Es necesario aclarar que estructura de costos anterior tiene como fin representar en
promedio una estructura de costos, la cual puede variar año a año y de empresa a empresa.
26
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Emiliano Lysiak
En el gráfico 3 se observa la evolución de los principales rubros del costo de elaboración.
Como se aprecia los rubros que más aumentaron en términos reales son la mano de obra y la
leña. Los rubros que cayeron en términos reales son la energía y los intereses.
Volumen XIII - Número 1
27
Margen de comercialización en el mercado del té seco de exportación
Producción: los vaivenes de la producción principalmente generados por el clima repercuten
en los costos por medio del aprovechamiento de la capacidad y los cambios en los precios
de la materia prima. La serie utilizada corresponde a producción total de té seco del sector.
Préstamos: suponiendo que la capacidad financiera de las empresas afecta el precio a pagar
a los productores, se utilizó la cantidad de péstamos en dólares menores a 180 días del sector
bancario en base a datos del Banco Central (BCRA, 2012). El comportamiento de esta variable
muestra caídas en las crisis de 2002 y 2008-9 para luego aumentar con la estabilidad financiera.
III. ESTIMACIONES Y RESULTADOS
Teniendo en cuenta el modelo 5 se estima la ecuación 6 del margen de comercialización
bajo el método Ordinary least squares (OLS). Los resultados logrados no necesitan de utilizar
variables rezagadas frente a problemas de autocorrelación.
El modelo presenta 4 variables explicativas; costos variables; dummy crisis 2002, financiación en dólares y producción. Se intentó utilizar separadamente los rubros de los costos
o precio de los insumos pero estos no arrojaban resultados estables en diferentes modelos y
se encontraron correlaciones entre grupos de variables lo que generaba problemas de multicolinealidad. En cambio la variable explicativa “costos variables”, que incluye a todos los
rubros, salvo el precio de la materia prima, mano de obra de comercio, intereses, mant. y
amortizaciones siempre arrojó muy buenos resultados. Por lo tanto se decidió utilizar en forma agregada la variable costos variables (cv). A continuación el detalle del modelo a estimar:
log⁡(spread)= β_0+β_1.log⁡(cv)+β_2.log⁡(prestamos)+β_3.crisis02+β_4.log⁡(prod)+ε_t
(6)
Las variables están expresadas en logaritmos para medir las elasticidades.
< Insertar tabal 1 >
28
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Emiliano Lysiak
Para analizar la existencia de heteroscedasticidad se obtuvo el test LM ARCH (2 lags) el cual
no permite rechazar la hipótesis nula de homoscedasticidad. Al no usarse variables rezagadas
el coeficiente DW permite apreciar que la autocorrelación es baja dado que el límite superior
para este caso es de 1,53, con una significancia al 1%.
Con respecto a los coeficientes estimados todos arrojan buenos resultados con el signo esperado, salvo los niveles de producción de té seco.
El costo presenta una alta significancia con signo positivo, lo que indica que un aumento del
10% en los costos variables genera un aumento del spread en un 6,04%. Este valor es menor
a uno dado que los costos no representan todo el costo de producción el cual incluye a la
materia prima. A este ajuste de corto plazo también se lo modelizó con la variable rezagada
no siendo esta explicativa.
Los préstamos hasta 180 días en dólares presentan signo negativo con una significancia al
1%. Aparentemente este valor estaría indicando que un aumento de los créditos en un 10%
disminuiría el spread en un 0,96 %. Esta relación negativa puede tener su explicación en uno
de los siguientes argumentos, apoyando principalmente al primero:
1. La situación financiera de las empresas repercute en el precio a pagar a los productores.
Una reducción en la financiación empujaría financieramente a las empresas a pagar un menor
precio al productor aumentando el spread. Al respecto alternativamente se utilizó la tasa de
interés, la cual tendría a repercutir en los costos pero no se encontró una relación relevante.
2. Dado que la evolución de los préstamos está íntimamente relacionada a la estabilidad o
incertidumbre financiera y económica del país, en momentos de baja incertidumbre el spread
bajaría y viceversa.
La crisis de 2002 que generó un salto en el precio recibido también presenta una fuerte explicación de la variable dependiente.
El nivel de producción no presenta un buen resultado como variable explicativa, al igual que
varios trabajos empíricos. Como en este caso el análisis es sobre datos anuales, no sería
correcto asumir que el costo marginal de corto plazo sea constante. Pero sí se podría relacionar
con el costo marginal de largo plazo del sector dado que aún no existen restricciones en el
crecimiento de la actividad tealera lo que permitiría un costo marginal de largo plazo
constante. Si bien los resultados indican que no existe relación fuerte entre producción y
margen, no habría que descartar una relación en plazos más pequeños, como la de una campaña, para lo cual existe hechos en el sector que lo respaldan.
A nivel general, el modelo presenta buenos resultados remarcado por el F-statictics de 93.
En general se podría asumir que el modelo tiene en cuenta dos partes importantes del
comportamiento empresarial, la parte económica de los costos y la parte financiera que repercute
en la económica. Además, como ya fue explicado, la mejor variable es la que representa el
costo variable y no las variables aisladas de los diferentes costos.
Volumen XIII - Número 1
29
Margen de comercialización en el mercado del té seco de exportación
En este trabajo se buscó los factores que afectan el margen de comercialización, pero otra
corriente de la teoría se basa en el precio final para explicar el margen. Paralelamente a los
resultados presentados se testeó la relación entre spread, precio FOB y precio al productor,
resultando en que en todos los casos se encontró una alta correlación entre las variables.
Además la serie costo variable de procesamiento también explica fuertemente el precio FOB
y el precio al productor. Estos resultados resultan llamativos y la primera explicación de estas
relaciones es la existencia de una relación tipo markup. La explicación alternativa a la cual
subscribo es que al ser el sector un productor de productos primarios con destino de exportación,
el cual utiliza insumos primarios, naturalmente los costos de la producción primaria y de
procesamiento estarían correlacionados, reflejando sus cambios en los precios y el spread. El
resultado que avalaría esta explicación es la relación positiva entre costo variable de procesamiento con el precio al productor. Sin duda, dadas estas relaciones, una futura investigación
podría indagar más profundamente estas relaciones.
IV. COMENTARIOS FINALES
La fijación de precios del brote de té que comenzó en 2005 en parte se basa en el supuesto de
que las empresas procesadoras determinan un precio que no tiene relación con los precios de
venta, lo cual perjudica al productor primario. Al respecto no existen estudios de la relación
entre los precios y los factores que inciden en la diferencia. Por este motivo el presente trabajo
se enfocó en estudiar el margen de comercialización entre el productor primario de brote de
té y el precio de venta del té seco de exportación. En esta oportunidad el estudio se enfoca
en determinar empíricamente algunas de las variables que afectan la diferencia de precios
llamada spread o margen de comercialización.
El estudio coincide con la teoría de que las variables del costo explican el margen de
comercialización, pero no se encontró evidencia del efecto de la producción. En este trabajo
se agregó una variable financiera que arrojó buenos resultados, que a la vez podría estar
relacionada con la estabilidad macroeconómica.
El trabajo arrojó altos niveles de significancia en las variables explicativas de costo variable,
crisis del 2002 y préstamos del sector financiero.
La serie costos variables que resulta en su construcción ser similar a un precio ponderado
tiene una relación positiva con el margen de comercialización. Esta variable tiene un mayor
nivel de explicación que los diferentes componentes del costo por separado.
Los préstamos en dólares menores a 180 días brindados por el sistema financiero presentan
una relación negativa con el margen. Esta relación podría deberse a que una caída de los
préstamos brindados por el sistema aumentaría las dificultades financieras de las empresas
lo que podría bajar el precio pagado al productor aumentando el spread. Otra explicación
podría deberse a que la serie representa indirectamente a la estabilidad financiera de la
economía, que al aumentar la baja el spread.
30
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Emiliano Lysiak
El estudio, al estar acopado a series anuales, deja una ventana abierta para futuras investigaciones
en el sector del té donde estudien el comportamiento del margen pero en períodos mensuales
o trimestrales. También estudiar las correlaciones que se dan entre spread, precio de exportación,
precio al productor, costo de procesamiento y costo de la producción primaria es otro punto
para futuras investigaciones.
V. REFERENCIAS
AFIP. 2012. Aduana. Disponible en http:// www.afip.gov.ar. Último acceso: Julio 2012.
BCRA. 2012. Préstamos de moneda extranjera a tasa fija. Disponible en http://www.bcra.gov.ar/
Último acceso: Julio 2012.
BRORSEN B. Wade, Chavas Jean-Paul, Grant Warren R., Schnake L.D. “Marketing Margins and
Price Uncertainty: The Case of the U.S. Wheat Market” American Journal of Agricultural
Economics, volume 67, 1985.
INDEC. 2012. Sistema de índice de precios mayoristas. Disponible en http://www.indec.gov.ar
Último acceso: Julio 2012.
LEMA, Daniel y Lastra Felipe A. (2007). “Márgenes de comercialización en los mercados de
carne y trigo de argentina”. Documento de trabajo Nº 36. Instituto de Economía y
Sociología INTA.
MINISTERIO de Tabajo, Empleo y Seguridad Social. 2012. Comisión Nacional de Trabajo
Agrario. Disponible en http://www.trabajo.gov.ar/agrario/. Último acceso: Julio 2012.
MINISTERIO del Agro y la Producción de Misiones. 2012. Boletín de Precios. Disponible en
http://www.agro.misiones.gov.ar/. Último acceso: Julio 2012.
WOHLGENANT, Michael K (2001). Marketing Margins: Empirical Analysis. Handbook of
Agricultural Economics, Volume 1.
Volumen XIII - Número 1
31
Aspectos de la fertilización química y de la producción
de granos en el mundo y en Argentina 1961 - 2010
Lucio G. Reca
Academia Nacional de Agronomia y Veterinaria, Buenos Aires, Marzo 2013
Resumen1
Desde su incorporación masiva a la producción de granos, en la segunda mitad del siglo XX,
la fertilización química (FQ) se ha convertido en un factor esencial en la organización de la
agricultura mundial. En este documento se compara, sucintamente, a experiencia mundial
en la adopción de la FQ con la de nuestro país y se formulan algunos comentarios sobre la
situación actual y los posibles senderos de crecimiento de la FQ en Argentina.
Palabras claves: fertilización, producción de granos, elasticidad.
Abstract
Since the second half of the 20th century chemical fertilization (FQ) has become an essential
factor in the organization of world agriculture. This paper compares the global and the Argentine experiences in the adoption of FQ. Also, the paper analyzes the current situation and
explores alternative growth paths of FQ in Argentina.
Keywords: fertilization, grain production, elasticity.
Introducción
Desde su incorporación masiva a la producción de granos, en la segunda mitad del siglo XX,
la fertilización química (FQ) se convirtió en uno de los factores esenciales en la organización
de la producción agrícola mundial.
Este ensayo explora la relación entre el uso de fertilizantes químicos (FQs) y el crecimiento
de la producción de granos en Argentina. En nuestro país la adopción de la FQ ocurrió
recién a fines del siglo XX. Este rezago fue consecuencia de la interacción de un conjunto
de factores...
Una versión preliminar de este trabajo fue presentada en la Reunión Anual de la Asociación Argentina de Economía
Agraria celebrada en Corrientes, en octubre 2012, donde fue distinguida con el Primer Premio de la AAEA. El autor
agradece la valiosa colaboración del Dr. Daniel Lema en su elaboración y los comentarios de los Ingenieros Roberto
Casas y Jorge D. De Prada.
1
32
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Lucio G. Reca
I. Orígenes
El uso de abonos en la agricultura se remonta a los comienzos de la civilización. El hombre
pronto reconoció la relación entre suelos enriquecidos con el agregado de nutrientes y
aumentos de producción.
Como ha señalado Beaton “Muchas de las buenas prácticas agrícolas contemporáneas han
sido utilizadas desde los albores de la civilización”. Ellas incluyen el agregado de abonos al
suelo y el empleo de rotaciones entre cereales y leguminosas aprovechando la capacidad
que estas últimas tienen para fijar nitrógeno atmosférico en simbiosis con un microorganismo
(Rhizobium) y de esta manera proveerse de parte de los nutrientes necesarios para su desarrollo.
Los egipcios hace cinco mil años identificaron los efectos fertilizadores del limo dejado en
las orillas del río Nilo por las crecientes anuales. Ello alentó el cultivo del algodón y del trigo,
este último en escala tal que no sólo alcanzaba para abastecer los requerimientos de la población egipcia si no que también convirtió a Egipto en el primer exportador de granos de la
historia. Parte de su cosecha se destinaba a satisfacer la demanda de alimentos de la Roma
Imperial.
En la India milenaria, sus agricultores tempranamente identificaron fuentes naturales que
contribuían a mantener la fertilidad de los suelos: las inundaciones estacionales del río Ganges
proveen de humedad y de una nueva capa de sedimentos nutritivos para el cultivo de cereales.
Hasta mediados del siglo XX esta forma de cultivo todavía se practicaba sin necesidad de
preparar la tierra, agregar fertilizantes o agua de riego adicional.
II. La Edad Moderna
El rol de los minerales en la vida de las plantas fue analizado exhaustivamente a mediados
del siglo XIX por el químico alemán Justus von Liebig, considerado el fundador de la química
agrícola. Von Liebig demostró que la cantidad de sustancias minerales disponibles en los suelos
constituye un factor esencial para el crecimiento de las plantas. También estableció que la
deficiencia de uno solo de los elementos necesarios para el crecimiento, aun en presencia de
cantidades suficientes de los otros nutrientes, limita el crecimiento de las plantas2.
La Estación Experimental de Rothamsted (Inglaterra), fundada en 1843 y decana de la
experimentación agrícola en el mundo, avanzó en diversas líneas de trabajo identificadas
por Von Liebig. Entre sus importantes contribuciones en el campo de la fertilidad del suelo
se destacan la práctica del barbecho como una forma de aumentar la disponibilidad de
nitrógeno en el suelo y el principio de que la fertilidad de éste puede mantenerse mucho
tiempo mediante un uso prudente de la fertilización química.
Alrededor de 1850 comenzaron a emplearse en Occidente algunos fertilizantes químicos
(FQs) naturales, tales como el guano peruano, el nitrato de sodio chileno y rocas fosfatadas
2
Esta proposición se conoce como la “Ley del Mínimo”.
Volumen XIII - Número 1
33
Aspectos de la fertilización química y de la producción de granos en el mundo y en Argentina 1961-2010
molidas. Su costosa extracción y/o distribución limitó su empleo a producciones de alto
valor unitario, tales como frutales y hortalizas.
III. El panorama en el siglo XX
La producción industrial de FQs (superfosfatos, urea, sulfato de amonio, cloruro de potasio)
aumentó en la primera mitad del siglo XX pero su elevado costo de producción limitó seriamente su
empleo masivo. El Gráfico 1 muestra que en 1921 el consumo mundial de FQs fue de 2 millones
de toneladas (MT) de nutrientes y que 20 años después alcanzó a 6 MT. En términos absolutos,
valores muy pequeños para tener un impacto significativo en la producción agrícola global3.
A comienzos del siglo XX el químico alemán Fritz Haber4 logró sintetizar amoníaco a partir
de la fijación del nitrógeno atmosférico, en presencia de hidrógeno y en condiciones de alta
presión y temperatura. El objetivo original de esta invención fue la producción de explosivos,
pero la Primera Guerra Mundial terminó en 1918 antes de que el proceso hubiera alcanzado
madurez industrial. Carl Bosch llenó ese vacío, por lo que en la actualidad el procedimiento
que permite fijar el nitrógeno atmosférico lleva el nombre de ambos.
La producción mundial de FQs en gran escala comenzó en la posguerra de la II Guerra Mundial
y fue posible por la reorientación de la enorme capacidad instalada en EE.UU. durante la
guerra (1939-1945) para fabricar explosivos a partir de la fijación del nitrógeno atmosférico.
La información sobre FQs utilizada en este documento proviene de IFA (International Fertilizer Industry Association),
USDA, FAO, MAGyP ( Argentina), CASAFE (Cámara Argentina de Sanidad Vegetal y Fertilizantes) y Fertilizar Asoc. Civil.
3
4
Premio Nobel 1918.
34
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Lucio G. Reca
En tiempos de paz se pasó a producir urea, uno de cuyos destinos más importantes ha
sido su empleo como fertilizante agrícola. La rápida expansión de la producción de urea
con fines agrícolas comenzó hacia fines de los años cuarenta y se prolongó durante medio
siglo. Podría entonces argumentarse que la incorporación, en gran escala, de los fertilizantes
químicos a la producción de granos fue, para un mundo ávido de alimentos, una externalidad
(positiva) de la II Guerra Mundial.
El empleo de FQs utilizados en la agricultura mundial creció de 15 MT en 1951 a 140 MT en
1991 (Gráfico 2), es decir al 5,7% anual durante 40 años, una tasa excepcionalmente alta y
durante un período muy prolongado.
En la última década del siglo XX se estabilizó la demanda por FQs en consonancia con una
disminución del ritmo de aumento de la producción de granos en el mundo5. Esta situación
se revirtió durante la primera década del siglo XXI como consecuencia de la expansión de la
demanda por alimentos.
La adopción de los FQs para la producción de granos en el mundo ocurrió inicialmente
en los países de mayores ingresos cuyas agriculturas gozaban de fuertes protecciones. En
la Argentina el empleo signilficativo de FQs en la agricultura pampeana comenzó en 1990,
es decir con un rezago de cuatro décadas con relación al resto del mundo (Gráfico 2). Las
razones de este costoso rezago son analizadas más adelante en el punto VI.
INTERCALAR GRAFICO 2
Fuentes: IFAD, FAO, MAGyP de Argentina y CASAFE
5
10% inferior al crecimiento registrado entre 1961 y 1990.
Volumen XIII - Número 1
35
Aspectos de la fertilización química y de la producción de granos en el mundo y en Argentina 1961-2010
En 1962 el 80% de los fertilizantes se empleaban en Europa y América6 (Gráfico 3). Hasta
principios de la década del ochenta el uso de FQs continuó creciendo. tanto en Europa
como en América. A partir de entonces la participación de Asia creció espectacularmente, (en
particular en China), declinó en Europa (como consecuencia de un paulatina modificación
de la política agrícola de la Unión Europea) en tanto que en América, África y Oceanía
se expandió de manera firme y moderada. A principios del siglo XXI el 55% de los FQ se
utilizaban en Asia y el 25% en el continente americano. Esta tendencia se agudizó y en
2010 Asia demandó el 60% del total, utilizado, siendo China7, con 50 MT de nutrientes el
mayor consumidor mundial de FQs.
INTERCALAR GRAFICO 3
IV. Los fertilizantes químicos en el mundo en desarrollo
La incorporación de los fertilizantes al mundo en desarrollo fue parte de un paquete tecnológico
integrado por tres insumos complementarios: semillas mejoradas de plantas con capacidad
de respuesta productiva a mayores niveles de nutrientes, FQs y agua de riego. Este paquete,
indisolublemente asociado al nombre del eximio agrónomo Dr. Norman Borlaug, Premio
Nobel de la Paz 1978, constituyó la base de la “Revolución Verde”, que se inició a mediados
de los años sesenta y tuvo fuerte repercusión mundial8.
India, con justa razón, suele mencionarse como paradigma de esta pacífica “revolución”. El
Cuadro 1, muestra que en India el rendimiento medio de la producción de granos creció casi
60% en el transcurso de 20 años, impulsado por la “revolución verde”.
En América virtualmente la totalidad se destinaba a América del Norte. Con el tiempo la situación fue cambiando y en
2002 América del Norte utilizaba dos tercios del total (20 millones en 2002) y A. del Sur el tercio restante.
7 Existe creciente preocupación en China por los efectos negativos de los FQ (“eutrificación” de las aguas de los
lagos por residuos de fósforo y de nitrógeno provenientes de los fertilizantes).
8 Ver, por ejemplo, Borlaug N., Hanson H, y Anderson G. (1982).
6
36
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Lucio G. Reca
CUADRO 1 (FALTA)
V. La producción mundial de granos y el uso de fertilizantes
Dada la importancia alcanzada por los FQs en la producción de granos a partir de mediados
del siglo XX, se intentó cuantificar dicha relación. Con tal fin se formuló un modelo lineal9.
donde la producción de granos (variable dependiente) es función de de:
I) El área cosechada.
II) La cantidad de fertilizantes (expresada en nutrientes) utilizada. Se supuso que el 80% de la
producción total de FQs se destina a los granos.
III) Cambio tecnológico (CT): dado el intenso ritmo del CT acentuado desde los años noventa
se incluyó una variable binaria que asume valor uno a partir del año 1990 y cero para años
anteriores. Esta variable intenta captar el impacto diferencial sobre la producción de los cambios
tecnológicos de los últimos veinte años.
IV) El proceso de cambio tecnológico se aceleró partir de 1990 como consecuencia, fundamentalmente, del empleo de semillas de organismos genéticamente modificados (OGM) y de
la revolución informática que contribuyó a la difusión de información útil para los agricultores y a la integración de los mercados. La variable binaria “dummy” (igual a 1 desde 1990
a 2010) intenta captar los efectos de estos trascendentales cambios.
V) Finalmente se incluyó una variable de tendencia para controlar los efectos de otros factores
no observables que han contribuido a aumentar la producción. Las variables producción,
área y cantidad de fertilizantes se incluyeron en logaritmos, de forma tal que los coeficientes
estimados pueden interpretarse como elasticidades. El análisis cubre el medio siglo que
transcurre entre 1961 y 2010.
El estudio abarcó las seis principales especies de granos10, que en 2010 ocuparon 800 millones
de hectáreas, alrededor del 50% de la superficie total cultivada en el mundo11. El ajuste de
esa ecuación es de 99% y los coeficientes de las variables explicativas tienen los signos
esperados y son significativamente distintos de cero con probabilidad del 99%.
Ver Anexo A.
Trigo, arroz, maíz, soja, cebada y sorgo granífero que ocupan alrededor del 54% de la superficie agrícola mundial.
Ver Anexo C.
11 La información sobre áreas y producciones proviene de FAO y la de fertilizantes de la International Fertilizer
Industry Association (IFAD) y está expresada en términos de nutrientes. Se ha escogido el coeficiente 0,52 para
expresar los volúmenes de fertilizantes en términos de nutrientes.
9
10
Volumen XIII - Número 1
37
Aspectos de la fertilización química y de la producción de granos en el mundo y en Argentina 1961-2010
Resultados
- La elasticidad parcial producción-área es igual a la unidad, sugiriendo que los otros factores
responsables del crecimiento de la producción han sido adecuadamente identificados.
- La elasticidad producción-nutrientes es 0,22 y altamente significativa. Es decir que un
incremento de 10% en la cantidad de nutrientes empleados se reflejaría en un aumento de la
producción de granos del 2% aproximadamente12.
- El coeficiente correspondiente a la variable de tendencia puede interpretarse como una
aproximación al efecto de factores no explicitados en este modelo y que han contribuido a
un gradual y sostenido aumento de la productividad de la agricultura en el mundo a partir
de mediados del siglo XX. Ellos incluyen, entre otros, el empleo de prácticas de labranza
conservacionista (siembra directa), dispositivos que permiten regular la profundidad de siembra
y la distribución de fertilizantes, plaguicidas de efectos específicos, y profundos cambios en
formas de organización empresarial. Todos estos factores habrían sustentado un crecimiento
del 0,5% anual acumulativo de la producción en el periodo en estudio.
- La variable binaria “dummy” (igual a 1 desde 1990 a 2010) intenta captar los efectos de
estos trascendentales cambios. El coeficiente tiene el signo esperado y es estadísticamente
significativo.
VI. Los fertilizantes químicos en Argentina
A. Antecedentes
A mediados del siglo XX el uso de FQs en la Argentina estaba restringido a la horticultura y a cultivos extrapampeanos perennes (caña de azúcar, viñedos, frutales) ubicados en las provincias del
Noroeste, Cuyo y el Valle de Río Negro y en su mayor parte asociados a la agricultura bajo riego.
En el año 1956, en un exhaustivo análisis de la economía argentina realizado por la CEPAL
a pedido del Gobierno Argentino y coordinado por el Dr. Raúl Prebisch, se identificaron tres
medidas necesarias para que la agricultura argentina pudiera retomar con vigor el sendero del
crecimiento que la caracterizó desde fines del siglo XIX hasta comienzos de los años 193013.
Ellas eran:
I) incorporar los FQs a los procesos de producción de granos y oleaginosos,
II) aumentar la productividad de la mano de obra en la agricultura, y
II) jerarquizar la investigación agropecuaria.
Con la creación del INTA en 1956, la Argentina dio respuesta inmediata y positiva a una de
las tres recomendaciones del informe Prebisch. Por su parte la productividad de la mano
de obra creció desordenadamente por la progresiva mecanización (y motorización) de las
Bajo el habitual supuesto de que los demás factores no variarán.
Naciones Unidas (1959). Dice el Anexo: “… y la necesidad de aumentar la productividad de la agricultura argentina, que sólo podrá conseguirse por la concurrencia diversos factores: semillas mejoradas, labores eficientes y
oportunas, rotaciones apropiadas, fertilizantes y control de enfermedades y pestes”.
12
13
38
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Lucio G. Reca
actividades agropecuarias. En cuanto a la valorización de los FQs poco y nada se hizo, con
excepción de algunos ensayos a campo que mostraron resultados promisorios14.
El Ministerio de Agricultura, Ganadería y Pesca, degradado a nivel de Secretaría de Estado
durante la mayor parte del tiempo que cubre este análisis, excepcionalmente se ocupó de
promover el uso de FQs en la producción de granos15.
Para las entidades representativas del agro los fertilizantes no eran un tema prioritario en su
relación con los sucesivos gobiernos, ignorando lo que estaba ocurriendo con la producción de
cereales y soja en EE.UU. y en Europa. Sus energías estaban concentradas en las interminables
disputas alrededor de las retenciones a las exportaciones agropecuarias, que condicionaron
durante décadas, y siguen condicionando, el diálogo entre ellas y el Estado.
Otro importante factor que influyó y retrasó el proceso de adopción de la fertilización química,
fue la existencia de una fuerte protección arancelaria que beneficiaba a la industria local, de
reducida escala y altos costos, con el consecuente efecto sobre los precios de los fertilizantes,
que resultaban inaccesibles para su uso en la agricultura productora de granos.
Por otra parte, el recién creado INTA se mantuvo al margen de lo que ocurría con el uso de
la FQ en el resto del mundo. Sus prioridades en él área de suelos se centraban en importantes
objetivos, tales como la preparación de un programa nacional de conservación de suelos y
control de la erosión y el desarrollo de un mapa de suelos con una clasificación operativa de
la productividad de la tierra que permitiera aplicar el conocimiento así generado en un esquema
impositivo basado en la renta potencial de la tierra16.
El marco de referencia del INTA era mejorar la conservación de la fertilidad a través de
rotaciones de cultivos, sin percibir que con la incorporación de la urea y otros fertilizantes
químicos en gran escala, este paradigma productivo se había modificado, profundamente.
En la nueva situación los fertilizantes pasaron a ocupar un rol muy significativo.
El elevado arancel y elevados precios vigentes en el mercado interno pueden haber afectado
los incentivos de los investigadores a involucrarse en el estudio de los efectos de la FQ. ¿Para
qué investigar en fertilización si a los precios reinantes ningún productor utilizaría este insumo?
Es decir que no hubo incentivos para trabajar en un tema con escaso porvenir dadas las
desfavorables relaciones de precios insumo/producto. El marco económico no era propicio
para el desarrollo de tecnologías ahorradoras de tierra17. Lamentablemente, en los altos niveles
La Facultad de Agronomía y Veterinaria de la UBA donde el ing. Manfredo Reichart era Profesor titular de Edafología condujo, con buenos resultados, ensayos de fertilización en parcelas de trigo y de maíz en Monte Buey, Prov.
de Córdoba. Ver también su conferencia “Mejoramiento de los suelos pampeanos” en el Simposio sobre Fertilidad de
los Suelos Pampeanos, Sociedad Argentina de Agronomía, 1951.
15 Una excepción fue el Programa de Fertilizantes 1984-1985 impulsado por la Secretaria de Agricultura y Ganadería.
Ver Del Bello J. C. (1991). Según una estimación, el costo del rezago de tres décadas en la adopción de la fertilización
química, entre 1961 y 1991, habría alcanzado un valor equivalente a 150 millones de toneladas de granos, Reca L. (2007).
16 Ver, por ejemplo Jarach Dino (1966).
17 En las precisas palabras de Hayami y Ruttan V. (1971): “... la capacidad de desarrollar tecnología consistente con
las condiciones ambientales y económicas es la principal variable que explica el crecimiento de la productividad de
la agricultura en los países”.
14
Volumen XIII - Número 1
39
Aspectos de la fertilización química y de la producción de granos en el mundo y en Argentina 1961-2010
de decisión del INTA se careció de una visión estratégica adecuada sobre el rol de la FQ en
la agricultura contemporánea y en consecuencia en la planificación sobre el uso de FQs en
Argentina no fue priorizada.
Finalmente, cabe preguntarse si la justamente reconocida y generosamente publicitada fertilidad y extensión de los suelos pampeanos, no fue creando una percepción colectiva sobre la
futilidad de incorporar la FQ a la agricultura pampeana, sumando así un factor de naturaleza
cultural a los ya citados más arriba que cristalizó en un rezago de varias décadas para concretar
la incorporación de esta tecnología a la agricultura granaria argentina.
En resumen, una desafortunada combinación de circunstancias y factores congeló cualquier
iniciativa que permitiera acceder a los beneficios derivados del uso de las FQ en la producción
de granos.
B. El crecimiento de la agricultura argentina entre 1960 y 2010
La producción de granos, el principal componente en volumen y valor de la agricultura
argentina, creció, entre 1960 y 2010, a una tasa anual de 4%, casi al doble de la expansión
de la agricultura mundial (2,3% anual). La expansión fue particularmente intensa a partir de
la ultima década del siglo XX18 y el producto de una compleja interacción de diversos factores. Entre ellos se destacan:.
I) el aumento del área agrícola como resultado de la reasignación de tierras ganaderas a
agricultura en la región pampeana, motivada por la mayor rentabilidad agrícola y la expansión
de la producción de granos en el NO y el NE del país,
II) una profunda modificación de los sistemas productivos sustituyendo la propiedad de los
activos por la contratación de sus servicios. Esta nueva modalidad alcanzó tanto a la tierra
como a la maquinaria agrícola y dio lugar al crecimiento de los llamados “pools de siembra”,
III) una masiva adopción de nuevas tecnologías: empleo de semillas OGM19, siembra directa,
difusión del uso de FQs, empleo de información satelital en las labores de preparación y
siembra, utilización de biocidas, almacenamiento de granos.
Un cuidadoso análisis de las fuentes del crecimiento agrícola en Argentina entre 1968 y 200820
(Gráfico 4) muestra que el aumento del área cultivada y el uso de FQs aportaron el 20% y el 5%
respectivamente al crecimiento total de la producción agrícola, en tanto que la contribución
del capital y del trabajo sumaron 7%. La diferencia (68% delcrecimiento) corresponde en su
casi totalidad la “productividad total de los factores”, es decir a diferentes manifestaciones del
cambio tecnológico, que resulta entonces el factor decisivo que ha sustentado la mayor parte
del crecimiento de la agricultura argentina en el periodo considerado.
El término “agricultura” se refiere exclusivamente a la producción vegetal.
OGM: organismos genéticamente modificados.
20 Lema D. (2010) “Factores de crecimiento y productividad agrícola. El rol del cambio tecnológico” en Reca L.,
Lema D. y Flood C. “El crecimiento de la agricultura argentina: medio siglo de logros y desafíos” Buenos Aires 2010,
Ed. F.. de Agronomía UBA.
18
19
40
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Lucio G. Reca
INTERCALAR GRAFICO 4 (TFP)
Podrá argumentarse sobre la exactitud del grado de participación de las mencionadas
variables que dependen en buena medida de la calidad de la información de base, no siempre
homogénea, pero las diferencias entre las contribuciones de los distintos factores son
suficientemente grandes como para cuestionar los órdenes de magnitud de sus contribuciones
al proceso productivo. Por otra parte en un comprensivo análisis de los factores de crecimiento
de la agricultura mundial en base a información de FAO brinda resultados comparables a los
obtenidos para Argentina21.
C. Incorporación de la FQ en la producción de granos en Argentina
En el ya mencionado Gráfico 2 (se puede apreciar la evolución en el empleo de FQs en el
mundo y en Argentina. El rezago de varias décadas de Argentina con respecto al mundo ha
tenido un elevado costo en términos de producción no concretada. Pero una vez iniciado el
proceso de incorporación masiva de la FQ, ésta siguió un patrón similar al ocurrido a nivel
mundial, es decir, un periodo inicial de alta tasa de expansión, que en nuestro país puede
situarse entre 1990 y 2007, durante el cual el uso de FQ creció alrededor del 15% anual,
una tasa por cierto excepcional22. Desde 2008 la utilización de FQs ha oscilado sin mostrar
una tendencia definida23.
Fuglio K.O. (2011)
De acuerdo con Fertilizar Asoc. Civil, en 2007 se utilizaron 300 mil toneladas de fertilizantes y 3,7 millones en
2007 (volúmenes expresados en peso producto).
23 El consumo de fertilizantes en 2011 fue similar al consumo en 2007 (3,7 millones de toneladas de producto). La
fracción importada disminuyó del 65% al 59% en el mismo periodo. La producción nacional proviene del importante
emprendimiento localizado en Bahía Blanca.
21
22
Volumen XIII - Número 1
41
Aspectos de la fertilización química y de la producción de granos en el mundo y en Argentina 1961-2010
Qué impulsó, finalmente, la inclusión de los FQs en la producción de granos en Argentina?
Pueden identificarse, al menos, dos razones:
a) El mero transcurso del tiempo y el progresivo convencimiento de que Argentina estaba
dejando pasar una excepcional oportunidad para incrementar la productividad de su agricultura.
b) La apertura de la economía argentina en la última década de siglo XX, y la eliminación de las
retenciones a las exportaciones agropecuarias, que estimuló la importación de fertilizantes
en escala comercial y a precios compatibles con su empleo en la agricultura. La sensación de
estabilidad macroeconómica generada en las primeras etapas del Plan de Convertibilidad
contribuyó a crear un clima propicio para la innovación y la realización de nuevas inversiones
en la agricultura.
En la actualidad la FQ es una práctica definitivamente incorporada a la producción de granos
en Argentina. Alrededor del 70% del área sembrada es fertilizada (Cuadro 2).
En la campaña 2010/2011 la soja fue el principal destino de los fertilizantes: 52% del área
cultivada con granos y un tercio del consumo total. El 90% del trigo y del maíz fueron
fertilizados y en conjunto utilizaron el 55% del total de los fertilizantes empleados en la
campaña 2010/2011.
D. Respuesta de la producción de granos a la FQ en Argentina
En la sección VI B se ha visto que, la expansión del área cultivada y del uso de la FQ han
contribuido con 20% y 4,8% respectivamente al crecimiento de la producción de granos
en Argentina, siguiendo en importancia al cambio tecnológico. Entonces pareció pertinente
explorar la relación entre el volumen de la producción, el área cultivada con granos y la
cantidad de FQs utilizados. Con tal fin se utilizó la misma metodología empleada a nivel
mundial, pero restringida al periodo 1980 - 201024 ya que antes de esa fecha el uso de FQs
Si bien la FQ irrumpe desde comienzos de los años 90, en la década del 80 se nota un uso incipiente limitado
por la escasa oferta y los altos precios.
24
42
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Lucio G. Reca
en la producción de granos era insignificante. La especificación de la ecuación es similar a la
presentada en la sección de uso a nivel mundial. El ajuste logrado fue de 95%.
La elasticidad parcial de la producción con respecto al área cultivada es unitaria, tal como en
el caso de la estimación a nivel mundial. La variable “dummy” toma cuenta los efectos sobre
la producción de condiciones climáticas adversas, que en este caso fueron las sequías de los
años 1989 y 2008 es significativa.
La elasticidad parcial producción-nutrientes es 0,15, y altamente significativa25. Es decir que
un aumento del 10% de la cantidad de nutrientes produciría un aumento del 1,5% de la
producción de granos.
E. La situación actual
Un principio clásico de Economía de la Producción establece que la cantidad óptima de
uso de un insumo es aquella que iguala el aumento marginal de producción atribuible a la
cantidad adicional del insumo con el cociente entre el precio del insumo y el del producto.
El Cuadro 3 compara los efectos de un aumento del 5% en el uso de nutrientes en la producción
de granos en Argentina y en el mundo, utilizando las elasticidades producción-nutrientes
estimadas a nivel mundial y para Argentina presentadas más arriba.
25 Ver
anexo B.
Volumen XIII - Número 1
43
Aspectos de la fertilización química y de la producción de granos en el mundo y en Argentina 1961-2010
La relación incremental producción/nutrientes a nivel mundial es aproximadamente la mitad
de la encontrada para Argentina. Una primer lectura de este resultado muestra que el agregado
de una unidad adicional de nutrientes tendría un impacto productivo mucho mayor en
Argentina que en el resto del mundo.
También se observa en el Cuadro 3 que la FQ se utiliza en el mundo con mayor intensidad
que en Argentina y que el empleo de 1kg de nutrientes en el mundo induce una producción
adicional de 4,2 kg de granos en tanto que en Argentina el impacto de 1kg adicional de nutrientes es de 7,5 kg grano. Esto es así en razón de que el uso en Argentina es mucho menor
que en el mundo. La razón de la diferencia de utilización es la barrera impuesta por el
mayor costo del fertilizante en la Argentina.
VII. Intensidad de uso de la FQ en Argentina relativa a otros países
En los gráficos 5A y 5B se compara la intensidad del uso de fertilizantes en Argentina con la
existente en otros países, medida en la cantidad de kg de nutrientes empleados por tonelada
de grano producido. En el Gráfico 5A se coteja el panorama argentino con los EE.UU. y el
mundo. En tanto que en estos dos últimos hay una tendencia decreciente, en la Argentina,
por el contrario, la tendencia es creciente. La brecha de 45 kg/ton existente en 2002 se redujo
en 2010 a 30 kg, aproximadamente. Es decir, que en Argentina ha ocurrido un importante
crecimiento, pero todavía existe un amplio espacio para que la productividad de la agricultura
argentina crezca merced a un mayor empleo de FQs. La comparación del empleo de FQs
entre Argentina y el MERCOSUR (Gráfico 5B) muestra también que la densidad de uso en Argentina es sensiblemente inferior a la registrada en Uruguay y Brasil.
44
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Lucio G. Reca
VIII. Los precios de los fertilizantes
Entre 1980 y fines del milenio los precios de las “commodities” se mantuvieron relativamente
constantes (Anexo F). Esta situación cambió en la primer década del siglo XXI cuando se observa
un marcado aumento de precios, tanto de productos como de fertilizantes. Los precios de
estos últimos crecieron a tasas mayores que los precios de las “commodities”.
En esta sección se analiza la evolución de los precios de dos fertilizantes (urea y FDA), de
dos granos (soja y trigo) en dos países (Argentina y EE.UU.) durante el periodo 1980-2010. El
marco descripto genera cuatro precios relativos (urea/trigo, urea/FDA, soja/trigo y soja/FDA).
La unidad de análisis es el precio del fertilizante relativo al del producto, es decir, la cantidad
de producto necesaria para comprar igual cantidad de fertilizante26.
En el período analizado, los precios relativos de los fertilizantes en Argentina han sido entre 70%
y 120% mayores que en EE.UU. (Gráfico 6)27. En el transcurso de las tres décadas consideradas
en este trabajo, la brecha entre los precios en ambos países se redujo en la última década del
siglo XX, como consecuencia de la apertura de la economía argentina y de la virtual desaparición
de los impuestos (retenciones) a las exportaciones de granos. En la década 2000-2010 se
revirtió la tendencia observada entre 1990 y 2000.
Expresada en términos de nutrientes. Por ejemplo, una tonelada de urea contiene 46% de nitrógeno y una de FDA
64% de nitrógeno y fósforo.
27 La información de precios de productos e insumos de EEUU proviene del USDA y se trata de precios a nivel de
productor. Para Argentina se ha utilizado información proveniente de AACREA, precios en Puerto FOB Rosario tanto
para productos como para insumos. A fin de “acercarlos” a nivel de productor se los ha ajustado en 20%, seguramente una subestimación de los valores reales (Gráfico 6 y Anexos, F, G y H).
26
Volumen XIII - Número 1
45
Aspectos de la fertilización química y de la producción de granos en el mundo y en Argentina 1961-2010
La distorsión en los precios relativos proviene tanto de las diferencias en los precios de los
productos, como en la de los insumos (Anexo G), y ha crecido en los último años. La mayor
parte de la diferencial radica en los precios de los productos, afectados en Argentina por las
políticas públicas. Si bien los precios de los FQs en Argentina son también mayores que en
los EE.UU., las diferencias son menores que en el caso de los granos.
En Argentina, el mayor uso de la FQ en la producción de granos ha ocurrido en un ambiente
de precios crecientes, sugiriendo que su productividad ha sido creciente (Anexo G).
Finalmente, el Gráfico 7 brinda una vista panorámica de la evolución anual del costo de los
nutrientes en términos de granos en Argentina y en EE.UU. entre 1980 y 2010.
Aquí también pueden observarse los tres campos identificados al analizar el Gráfico 6. Se observa una gran brecha en la primer década28. Durante los noventa, como consecuencia de la
apertura de la economía y la eliminación de las retenciones a las exportaciones, hubo un masivo incremento en el uso de la FQ y la brecha de precios se redujo29. En la primer década del
siglo XXI se revirtió la tendencia y la diferencial de precios superó la registrada en los años 8030.
28
29
30
El promedio del precio de los nutrientes en términos de granos en el período 1980-1989 fue igual a 3.
En 1990-1999 el promedio fue 2,6.
En 2000-2010 el promedio fue 3,7.
46
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Lucio G. Reca
La situación descripta resta competitividad a la agricultura argentina, y es claramente
desfavorable para el proceso de desarrollo económico y mejoramiento del bienestar de la
población argentina.
IX. La necesidad de reponer nutrientes a los suelos: el rol de la fertilización química
Una de las consecuencias indeseables, pero previsibles, de la expansión de la agricultura ha sido un
aumento de la presión sobre la disponibilidad de nutrientes en los suelos que está provocando una
continua y creciente reducción de su riqueza mineral. Esta situación se ha visto potenciada por
el hecho de que el cultivo que más ha crecido en el pasado reciente, la soja, es una especie
que deja poca cantidad de rastrojo de rápida descomposición, por lo cual la incorporación
de carbono al suelo y el grado de protección contra la erosión que provee son muy limitados.
Por otra parte, éste es el cultivo que mayor presión ejerce sobre los recursos minerales del suelo.
El Cuadro 4A muestra que una tonelada de soja extrae 75 kg de nitrógeno, fósforo y potasio,
tres veces más que el promedio de los otros granos.
A su vez, como la soja es la principal producción, extrae anualmente 2,4 millones de toneladas
de nutrientes, en tanto que los cuatro granos restantes extraen 1,1 MT (Cuadro 4B).
El creciente uso de la FQ contribuye a reponer parte de los nutrientes extraídos. Sin embargo la
recuperación de nutrientes vía FQs en 2011 sólo alcanzó al 33% de la cantidad de nutrientes
extraída (Cuadro 4C). El potasio es el elemento con mayor déficit, seguido por el nitrógeno
(pese a que la soja es una leguminosa y como tal obtiene parte de sus necesidades en nitrógeno
a través de la simbiosis).
Volumen XIII - Número 1
47
Aspectos de la fertilización química y de la producción de granos en el mundo y en Argentina 1961-2010
Lo hasta aquí expuesto es indicativo de una situación grave en cuanto se refiere al uso y conservación
del recurso tierra. La brecha entre la cantidad de nutrientes extraída y la repuesta vía fertilización es
muy grande como para ignorarla. Es necesario tanto reforzar la conciencia social sobre las consecuencias
funestas de la inacción tanto pública como privada en este campo.
X. Resumen y conclusiones
Los FQ han sido uno de los pilares en que descansó el formidable crecimiento de la producción
de granos en el mundo desde mediados del siglo XX. Por una serie de razones políticas,
económicas y culturales, la incorporación de los fertilizantes a Argentina ocurrió con un rezago
de cuarenta años con respecto al resto del mundo, con la consiguiente pérdida de potenciales
aumentos de producción. Esta demora puede explicarse en términos económicos, institucionales y culturales. A partir de la ultima década del siglo XIX su empleo se difundió muy rápidamente. El nivel de uso actual de la FQ en Argentina es inferior a los niveles prevalecientes
en otros países MERCOSUR, en los EE..UU. y en el mundo.
48
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Lucio G. Reca
Por otra parte, el balance de nutrientes en los suelos de Argentina es fuertemente negativo,
y para su conservación se requiere, entre otras medidas, de un uso más intenso de los FQs.
Los agricultores argentinos han pagado por sus FQs precios sustancialmente mayores que sus
pares del hemisferio Norte. La mayor parte de dicha diferencia radica en los precios de los
productos. En tanto esa distorsión no sea sensiblemente reducida, la Argentina continuará
sacrificando una fracción importante de su potencial productivo.
El balance global de las ultimas dos décadas es claramente favorable: finalmente la Argentina
«descubrió» que la FQ podía incorporarse, con grandes beneficios, a su agricultura. Es decir, se
terminó con un tabú, que ha tenido un elevado costo económico para la sociedad argentina.
El eje del debate en materia de fertilización química se ha desplazado del dilema “Fertilizantes sí o Fertilizantes no”, vigente desde fines de la II Guerra Mundial hasta fines de la
década de los ochenta, a “Que cantidad y tipos de fertilizantes son las más apropiadas”. Si bien
el cambio es claramente saludable en términos de hacer realidad ganancias potenciales de
productividad hay todavía mucho por hacer, básicamente acercando los precios internos de
insumos y de productos a los internacionales y promo-viendo su uso racional.
De esta manera los beneficios originados en el uso de FQs llegarían plenamente a la agricultura y a la
sociedad argentina., teniendo siempre en cuenta que la FQ, debidamente utilizada, incluyendo
las salvaguardias necesarias para minimizar sus efectos negativos sobre el medio ambiente, es
un valioso instrumento de la organización de la producción agrícola, contemporánea, pero de
ninguna manera una panacea.
ANEXO A31
Estimación del resultado del empleo de fertilizantes químicos en la producción mundial de
granos (1961-2010)
Se estimó una ecuación donde el volumen de producción entre 1961 y 2010 es la variable
dependiente y las variables explicativas son: área sembrada, cantidad de fertilizantes, tendencia y una
variable Dummy que asume valor 1 luego del año 1990 (para controlar por cambios tecnológicos).
La forma funcional es la siguiente:
ln(producción) = ln(área )+ ln(fertilizantes) + tendencia +dummy
Donde ln representa logaritmo natural, en consecuencia el coeficiente asociado a cada variable
puede interpretarse como una elasticidad.
Los resultados se presentan en el Cuadro A1:
31
Agradezco al l Dr. Daniel Lema la estimación e interpretación de los resultados obtenidos
Volumen XIII - Número 1
49
Aspectos de la fertilización química y de la producción de granos en el mundo y en Argentina 1961-2010
CUADRO A1.
EL ROL DE LOS FERTILIZANTES EN LA PRODUCCION MUNDIAL DE GRANOS 1960-2010
Variable Dependiente:
ln(producción)
Coeficiente Estimado
Constante
-20.879***
(-16.43)
ln(área)
1.060***
(5.16)
ln(fertilizantes)
0.216
(8.96)***
tendencia
0.010***
(12.84)
Dummy
0.051***
(3.75)
R2 (ajustado)
0.995
Durbin Watson
1.836
Estadístico F
Prob (F-stat)
2437
(0.00)
No. de observaciones
50
Breusch-Godfrey LM test de autocorrelación serial
Orden 1
0.342
Prob.: 0.561
Orden 2
0.179
Prob. : 0.836
*** Significativo al 1%
Errores estándares consistentes a autocorrelación serial y heteroscedasticidad
(Procedimiento Newey-West)
Todos los coeficientes estimados son significativos estadísticamente. El valor del estadístico
de Durbin Watson indicaría que no existen problemas de autocorrelación serial de primer orden.
Para testear adicionalmente esta hipótesis se presenta también el test de autocorrelación serial
de Breusch-Godfrey para los casos de primer y segundo orden. En ambos casos no se rechaza
la hipótesis de ausencia de autocorrelación serial. En consecuencia es posible hacer inferencia
estadística a partir de los coeficientes estimados.
De acuerdo con las estimaciones, la elasticidad producción-área puede interpretarse como
unitaria y la elasticidad producción-fertilizantes sería de 0.22. El coeficiente asociado a la tendencia sugiere un cambio en producción del 1% anual acumulativo, controlando por área y
fertilización. Esto sería una aproximación a la tasa de cambio tecnológico en el período.
50
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Lucio G. Reca
ANEXO B
Estimación del resultado del empleo de fertilizantes químicos en la producción argentina
de granos (1980-2010)
Se estimó una ecuación donde el volumen de producción entre 1981 y 2010 es la variable dependiente y las variables explicativas son: área sembrada, cantidad de fertilizantes y una variable
Dummy para controlar por eventos climáticos adversos que asume valor 1 en los años 1989 y 2009
(años de fuertes sequías) y cero en otros años. La forma funcional es la siguiente:
ln (producción) = ln(áreat) + ln(fertilizantes) + tendencia +dummyt
Donde ln representa logaritmo natural, en consecuencia el coeficiente asociado a cada variable puede
interpretarse como una elasticidad. Las variables área y fertilizantes se encuentran rezagadas un
período para hacer coincidir el año de producción agrícola con el año calendario que se utiliza
para área y fertilización.
Los resultados se presentan en el Cuadro A2.
CUADRO A2.
EL ROL DE LOS FERTILIZANTES EN LA PRODUCCION DE GRANOS EN ARGENTINA 1980-2010
Variable Dependiente:
ln(producción)
Coeficiente Estimado
constante
-1.190***
(-16.08)
ln(área)
0.969***
(6.54)
ln(fertilizantes)
0.147***
(4.56)
Dummy
0.389***
(6.51)
R2 (ajustado)
0.952
Durbin Watson
1.645
Estadístico F
Prob (F-stat)
194.14
(0.00)
No. de observaciones
30
Breusch-Godfrey LM test de autocorrelación serial
Orden 1
0.215
Prob.: 0.646
Orden 2
0.103
Prob. : 0.901
*** Significativo al 1%
Errores estándares consistentes a autocorrelación serial y heteroscedasticidad
(Procedimiento Newey-West)
Volumen XIII - Número 1
51
Aspectos de la fertilización química y de la producción de granos en el mundo y en Argentina 1961-2010
Todos los coeficientes estimados son significativos estadísticamente. El valor del estadístico
de Durbin Watson indicaría que no existen problemas de autocorrelación serial de primer orden.
Para testear adicionalmente esta hipótesis se presenta también el test de autocorrelación
serial de Breusch-Godfrey para los casos de primer y segundo orden. En ambos casos no se
rechaza la hipótesis de autocorrelación serial.
En consecuencia es posible hacer inferencia estadística a partir de los coeficientes estimados.
De acuerdo con las estimaciones, la elasticidad producción-área puede interpretarse en este
caso también como aproximadamente unitaria y la elasticidad producción-fertilizantes sería
de 0.15. El coeficiente asociado a la variable climática tendencia sugiere que en promedio
los eventos climáticos adversos (sequías) produjeron una disminución en producción del
32% en promedio (calculado como e0.388 – 1).
52
ANEXO C
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Lucio G. Reca
ANEXO D
Volumen XIII - Número 1
53
Aspectos de la fertilización química y de la producción de granos en el mundo y en Argentina 1961-2010
ANEXO E
AREAS CULTIVADAS EN 1988 Y EN 2010
54
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Lucio G. Reca
ANEXO F
PRECIOS DE GRANOS Y DE FERTILIZANTES EN EE.UU Y RA
Volumen XIII - Número 1
55
Aspectos de la fertilización química y de la producción de granos en el mundo y en Argentina 1961-2010
ANEXO G
PRECIOS DE GRANOS Y DE FERTILIZANTES EN EE.UU Y RA
56
REVISTA ARGENTINA DE ECONOMÍA AGRARIA
Lucio G. Reca
ANEXO H
Series utilizadas en las estimaciones de los Anexos A y B
Volumen XIII - Número 1
57
Aspectos de la fertilización química y de la producción de granos en el mundo y en Argentina 1961-2010
BIBLIOGRAFÍA
AACREA Series de precios de fertilizantes y de granos (aacrea@org.ar).
ÁLVAREZ R. y col. Editores “Fertilización de Cultivos y Pasturas”. Edición Facultad de Agronomía
UBA, Buenos Aires 2012.
BEATON James, “Fertilizer a Historical Prospective” en Efficient use of Fertilizer. www.landfood.ubc
BORLAUG N., Hanson H, y Anderson G.(1982) “Wheat in he Third World” (1982) Westview
Press, Boulder, Colorado EE.UU.
CASAS R .R y Cruzate A. G. “Balance de nutrientes en los suelos agrícolas de Argentina”, INTA
2012.
DEL BELLO Juan C ¨”Difusión de fertilizantes” en Barsky O (editor) “El Desarrollo Agropecuario
Pampeano”, INDEC/IICA/INTA Bs. Aires 1991.
FUGLIO K.O. “Total Factor Productivity in the Global Agricultural Economy: evidence from he
FAO data”. www.card,iastate,edu/books/shifting_patterns
JARACH Dino (1966) “El impuesto a la renta potencial de la tierra” SAyG Buenos ]Aires 1966.
HAYAMI Y. y Ruttan V. “Agricultural Development: An International Perspective” John Hokins
Press (1971)
MURPHY G. “El Clima y el crecimiento de la producción agrícola” en “El crecimiento de la
agricultura argentina: medio siglo de logros y desafíos”. Editorial Facultad de Agronomía,
Bs. As. 2010.
NACIONES Unidas CEPAL “Análisis y proyecciones del desarrollo económico argentino V. Parte 2
Los sectores de la producción A. La agricultura (1959). Newman L. F. 1995
RECA L y Cirio F. “Fertilizantes químicos: una fuente de crecimiento subutilizada en la agricultura
argentina” Fundeco Bs. As 1983.
RECA L. “Una agricultura renovada: la producción de cereales y oleaginosas” en Reca L., Flood C.
y Lema D. (editores). en “El crecimiento de la agricultura argentina: medio siglo de logros
y desafíos” Editorial Facultad de Agronomía, Bs. As 2010.
58
REVISTA ARGENTINA DE ECONOMÍA AGRARIA - Volumen XIII - Número 1
Retiracion contraTapa (en blanco)
59
60