Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Indice Productividad PDF
Indice Productividad PDF
Monteros Guerrero, A.
Sumba Lusero, E.
Salvador Sarauz, S.
amonteros@magap.gob.ec
ssalvador@magap.gob.ec
dapi@magap.gob.ec
RESUMEN
La agricultura es uno de los ejes principales sobre los que se desenvuelve la economía
del país. Al ser esta una actividad fundamental tanto en el ámbito económico como en la
seguridad alimentaria, se vuelve crucial conocer su evolución a lo largo de los años, con el
objetivo de observar el comportamiento de la producción y su sostenibilidad en el tiempo.
El presente documento tiene como finalidad presentar la situación del sector agrícola
a través de un análisis de productividad durante el periodo 2002-2013 utilizando el
índice de productividad agrícola. Además se proporciona proyecciones al 2015. Entre los
resultados obtenidos se encuentra que el índice presenta una tendencia al alza durante el
periodo de análisis, alcanzando en el 2013 un aumento de 11.67% respecto al 2012. Este
comportamiento se ve influenciado por el incremento en el rendimiento de diez productos
que concentran el 46% de la superficie cosechada a nivel país. Los más destacados son
los cultivos de cacao (30% con respecto al 2012) y maíz duro seco (40% con respecto
al 2012). Al 2015 la productividad aumentará en 5.6% con relación al 2014, provocado
principalmente por los cultivos de maíz duro seco (3.04%) y de cacao (2.28%).
ÍNDICE
Resumen
1. INTRODUCCIÓN
2. METODOLOGÍA
2.1 Definiciones Generales
2.2 Datos
2.3 Índice de Productividad
2.4 Modelos de Proyección
3. RESULTADOS
3.1 Nacional
3.2 Zonal
3.3 Proyecciones 2015
4. CONCLUSIONES
5. BIBLIOGRAFÍA
6. ANEXOS
1. INTRODUCCIÓN El rendimiento es una medida que se obtiene de la
cantidad producida y dividida para la superficie que se
El sector agrícola es uno de los ejes principales sobre los dedica a determinado cultivo. La unidad de medida más
que se desenvuelve la economía de nuestro país. Al año 2014 utilizada es la tonelada por hectárea (t/ha). Este valor
el PIB Agrícola se ubica en los 5,018,202 millones de dólares recoge el efecto final de los factores e insumos usados en
(a precios constantes del 2007) y aporta el 85% al total del la producción del cultivo. Un mayor rendimiento indica
PIB Agropecuario1 y el 7% al PIB total. Para esta actividad se una mejor calidad de la tierra (por suelo, clima u otra
dedican 2,551,513 hectáreas a la producción de cultivos como característica física) o una explotación más intensiva, en
banano, cacao, entre otros;según datos de la Encuesta de trabajo o en técnicas agrícolas. Hace referencia al resultado
Superficie de Producción Agrícola Continua (ESPAC, 2013). deseado efectivamente obtenido por cada unidad que
realiza la actividad económica.
Al ser esta una actividad fundamental y predominante
tanto en el ámbito económico como en la seguridad El concepto de producción agrícola es aquel que se
alimentaria, se vuelve crucial conocer su desarrollo con el utiliza en el ámbito de la economía para hacer referencia al
objetivo de determinar el comportamiento de la producción, tipo de productos y beneficios que una actividad como la
el rendimiento y su sostenibilidad en el tiempo. El método agrícola puede generar. En otras palabras, se puede definir
más adecuado de conocer y comprender esta situación, es como la cantidad total producida de los bienes destinados
mediante un análisis de productividad. para el mercado interno y externo.
Este documento tiene como objetivo presentar la La relevancia que tiene el medir la productividad
situación en la que se encuentra la producción y los agrícola se presenta cuando un productor pretende aumentar
rendimientos del sector agrícola, a través de un análisis de sus volúmenes de producción y por ende su rentabilidad,
productividad durante el periodo comprendido entre los con una mejor utilización de los factores e insumos que
años 2002 al 2013 de los productos más relevantes para el se disponen para la producción. La productividad puede
país. Además se pretende predecir el comportamiento para mejorar mediante la aplicación adecuada de los insumos
el año 2015. que necesita el cultivo en cada una de sus etapas de
crecimiento y cosecha.
En la primera parte se establece la metodología en
cuanto a la construcción de indicadores y modelos para 2.2 Datos
proyección que nos permitirá analizar los datos y predecir
su comportamiento. En la segunda parte se presentan los Los datos utilizados en este estudio provienen de la
resultados obtenidos del índice a nivel nacional y zonal, Encuesta de Superficie y Producción Continua (ESPAC),
asimismo la proyección del índice y del rendimiento a realizada por el Instituto de Estadísticas y Censos (INEC)
nivel nacional para el año 2015. durante el periodo comprendido entre los años 2002-2013.
1
El PIB Agropecuario se compone de las industrias de Acuicultura y pesca de camarón, agricultura 3
Los cultivos analizados son arroz, arveja seca, arveja tierna, banano, cacao, café, caña de azúcar,
y otras actividades de pesca. cebada, fréjol seco, fréjol tierno, haba seca, haba tierna, maíz duro choclo, maíz duro seco, maíz
2
Diccionario de la real academia de la lengua suave choclo, maíz suave seco, maracuyá, naranja, palma africana, papa, plátano, tomate de árbol,
tomate riñón, trigo y yuca.
1
Para la construcción de dicho índice se realizó el se elaboraron todas las pruebas de errores y coeficientes
cálculo de los rendimientos4 por producto utilizando la necesarias7, por lo que se establece que dichos modelos
información de la ESPAC sobre producción y superficie tienen el mayor coeficiente de ajuste, son estables y
cosechada. La fórmula aplicada es la siguiente: proporcionan una base válida sobre la cual se puede
pronosticar. Por ello, los resultados de los pronósticos se
consideran aceptables y cercanos a la realidad futura.
3. RESULTADOS
Ri: Rendimiento del producto i
Pcci:Producción en toneladas del producto i 3.1 Nacional
Supci:Superficie cosechada del producto i
El IPA presenta una tendencia al alza en todo el periodo
Luego, se realizó el cálculo del índice de productividad5 de análisis (2002-2013), con una caída significativa de 20.1%
mediante la siguiente formula: en el año 2012, recuperándose para el año 2013, alcanzando
niveles similares a los presentados en el año 2011.
n
Ri, t
It,0 = Wi, 0 Figura 1: Índice de Productividad Agrícola Nacional
Ri, 0
t=1
180,00 173,50
170,00
154,73
160,00
Dónde: 150,00 138,56
140,00
IPA
130,00
Fuente: ESPAC-INEC
4
Los rendimientos de Cacao, Maíz duro seco y Palma africana fueron corregidos en base a El índice se considera del tipo Laspyres.
5
exportaciones, producción y rendimientos obtenidos de fuentes diferentes (Banco Central, Proceso autorregresivo y de promedios móviles
6
2
Para el año 2013, el índice registra un valor de 154.7; situación significa el descenso de los rendimientos de estos
este representa un incremento del 11.7% (16 puntos productos en 9% y 4% respectivamente, según datos de
porcentuales) en la productividad nacional respecto al año la ESPAC. Su participación es del 26% en la superficie
2012. Este año es el segundo punto más alto en cuanto a cosechada.
productividad de la década.
La causa principal por la que disminuyó el rendimiento
Al igual que en el periodo anterior,los cultivos y por ende la productividad del arroz en el periodo 2012-
que contribuyeron a este importante crecimiento en 2013, fue debido al “Vaneamiento de la espiga del arroz”,
productividad fueron el cacao y el maíz duro seco, el cual es causado por el acaro Steneotarsonemus spinki.
aportando un aumento significativo al índice del 7% y Esto ocasiona que el grano no tenga un llenado completo y
3.8%, respectivamente. por ende no se obtenga el resultado deseado.
2,3%
Es necesario resaltar que no hay una sincronización
de siembras del arroz, ya que estas se encuentran en
varios estados fenológicos. En una misma plantación hay
-1,2%
-0,4%
cultivos de 15 o 20 días de siembra, otros están floreciendo
9.97 puntos 5.2 puntos - 1.7 puntos - 0.6 puntos 3.2 puntos y plantas ya maduras a menos de un metro de cercanía.
CACAO MAIZ DURO SECO ARROZ BANANO OTROS
(ALMENDRA SECA) (GRANO SECO) (EN CÁSCARA) (FRUTA FRESCA) Por este motivo, la aplicación de químicos o fertilizantes
no es efectiva, debido a que se deben aplicar en estados
Fuente: ESPAC-INEC
fenológicos específicos, por lo que las plantas terminan
recibiendo los productos que no necesitan. Esto causa
estrés en las plantas y se presenta el vaneamiento que
ocasiona una baja en el rendimiento y producción.
El cacao incrementó su rendimiento en 30% y el maíz
duro seco en 20% con respecto al 2012. En conjunto, su De manera general, durante el año 2013 el 40% de
superficie cosechada representa el 29% del total al año los productos analizados (que representan el 46% de
base (2002). la superficie cosechada total) presentaron un aumento
significativo en su rendimiento. Entre los que registran un
Durante el año 2013, el aumento que presentó el incremento destacado, sin considerar su peso en el índice,
rendimiento del cacao se debe al inicio de la producción de se encuentran la cebada (47%) y el café (35%), estos
las plantaciones incentivadas por los concejos provinciales, concentran el 4.02% de la superficie cosechada total.
y por la intervención del Programa de Café y Cacao del
MAGAP, en la realización de podas a los cultivos longevos. El 60% restante de los productos presentaron bajas en
Estas circunstancias ayudaron a proporcionar respuestas sus rendimientos (que representan el 53% de la superficie
favorables en la producción y productividad. cosechada total), a excepción del maracuyá (6.34%). Los
descensos más significativos, sin considerar su peso por la
Por otro lado, el maíz duro seco registró un aumento en superficie cosechada, son el tomate riñón (51%), la yuca
su productividad, debido principalmente a la aplicación del (44%), el tomate de árbol (37%) y el plátano (18%).
“Plan Semillas de Alto Rendimiento” que proporciona a
los agricultores semillas híbridas y fertilizantes de manera
subsidiada, por lo que pueden acceder a mejores insumos
y por ende obtienen mejores resultados en su producción.
También existe un cambio en el método de siembra, de
tradicional a semi-tecnificado, que permite un mejor
manejo del cultivo.
3
Tabla 1: Superficie y Rendimientos Nacionales
Tomate de Árbol (fruta fresca) 2,084 3,439 65.0% 0.16% 7.05 4.43 -37.2%
Maracuyá (fruta fresca) 3,208 1,894 -41.0% 0.09% 3.69 3.92 6.34%
Arveja Seca (grano seco) 1,767 1,704 -3.58% 0.08% 0.29 0.32 12.0%
Tomate Riñón (fruta fresca) 3,077 1,325 -56.9% 0.06% 20.46 9.90 -51.6%
TOTAL NACIONAL 2,120,648 2,190,243 100.00%
Fuente: ESPAC-INEC
Rendimiento ajustado en base a diferentes fuentes (BCE, FEDAPALM, MAGAP)
1
8
Para el análisis se agrupó a las diferentes provincias del país en zonas para facilitar y resumir la Pichincha, Napo y Orellana.
9
presentación de los resultados. Estas se basan en las zonas de planificación de Senplades. Esmeraldas, Carchi, Imbabura, Sucumbíos.
10
4
Las zonas que presentaron un crecimiento menor son: 3.3 Proyecciones 2015
la zona tres11, con un crecimiento inferior al 50%; de
igual manera que la zona cinco12, con un incremento del Se espera que para el año 2015 el índice nacional
35%. Los cultivos que influyeron en el comportamiento de productividad agrícola aumente en 6.17% respecto
incremental del IPA en dichas zonas son: en la zona tres, al año 2014, mientras que el 9.5% con relación al 2013.
cacao y papa; en la zona cinco, cacao y maíz duro seco. Sus Se prevé que este año (2015) sea uno de los puntos
rendimientos incrementaron en más del 50% en cada una más altos en cuanto a productividad durante el periodo
de ellas y su superficie cosechada en conjunto representa el analizado (2002-2015)
23% del total en cada zona.
Figura 6: Índice de Productividad Agrícola
Durante el año 2013 se observa un aumento en la Nacional
productividad en todas las regiones, a excepción de la (Año base =2002)
zona uno, que presenta una disminución de 21.2%. Este
comportamiento se ve influenciado por la reducción del
169,4
rendimiento de los productos con mayor peso sobre el 154,73
159,58
-1,30%
- 2.4 puntos
Figura 4: Variación porcentual OTROS
Fuente: ESPAC-INEC
Rendimientos (t/ha)
Producto
2013 2014* 2015* Var 2 Var 3
Arroz (en cáscara) 3.82 3.88 3.72 -4.1% -2.6%
Arveja Seca (grano seco) 0.32 0.34 0.37 7.8% 13.9%
Arveja Tierna (en vaina) 0.95 1.11 1.08 -2.6% 13.5%
Banano (fruta fresca) 31.78 33.93 34.26 1.0% 7.8%
1
Cacao (almendra seca) 0.44 0.41 0.44 9.1% 0.002%
Café (grano oro) 0.13 0.14 0.16 19.1% 28.3%
Caña de Azúcar para Azúcar
70.88 69.67 63.46 -8.9% -10.5%
(tallo fresco)
Cebada (grano seco) 0.80 0.77 0.80 3.1% -0.8%
Fréjol Seco (grano seco) 0.33 0.30 0.31 3.3% -3.7%
Fréjol Tierno (en vaina) 0.47 0.43 0.36 -16.7% -24.6%
Haba Seca (grano seco) 0.38 0.63 0.72 15.1% 90.4%
Haba Tierna (en vaina) 0.80 0.92 0.92 0.0% 14.5%
Maiz Duro Choclo (en choclo) 0.66 0.69 0.61 -11.7% -8.5%
1
Maíz Duro Seco (grano seco) 4.42 5.05 5.72 13.3% 29.5%
Maíz Suave Choclo (en choclo) 1.21 1.27 1.25 -1.5% 3.6%
Maíz Suave Seco (grano seco) 0.54 0.55 0.56 1.2% 4.6%
Maracuyá (fruta fresca) 3.92 3.44 3.32 -3.5% -15.3%
Naranja (fruta fresca) 2.42 2.32 2.32 0.0% -4.0%
Fuente: ESPAC-INEC
1
Rendimientos ajustados en base a exportaciones, producción y rendimientos de diversas fuentes (BCE, FEDAPALM, MAGAP)
2
Variacion del 2015 con respecto a 2014
3
Variacion del 2015 con respecto a 2013
* Proyecciones
6
4. CONCLUSIONES rendimiento de los productos con mayor peso sobre el
índice zonal. Estos son el cacao y la palma africana, cuyos
El IPA a nivel nacional presenta una tendencia al alza rendimientos descendieron en 30% y 24%, respectivamente,
en todo el periodo de análisis (2002-2013), con una caída al año 2013.
significativa en el año 2012 de 20.1%, recuperándose
para el 2013 con un crecimiento del 11.7%. Este año es Se espera que para el año 2015 el índice nacional de
el segundo punto más alto en cuanto a productividad de productividad agrícola aumente en 6.7% respecto al 2014 y
la década. 9.5% con relación al año 2013. Se prevé que este año (2015)
sea uno de los puntos más altos en cuanto a productividad
Durante el periodo 2002-2012, el índice presenta durante el periodo analizado (2002-2015).
un aumento del 38% respecto al 2002, influenciado
principalmente por el incremento significativo de los Este comportamiento se verá principalmente
rendimientos de cacao (106%), maíz duro seco (100%) influenciado por los rendimientos de maíz duro seco, cacao
y banano (36%) y su representatividad en la superficie y café. El rendimiento de maíz duro seco aumentará en
cosechada total. Su aporte a la variación positiva del índice 13.3% respecto al año 2014, y 29.5% frente al año 2013.
es de 17%, 13.1% y 3.7%, respectivamente, es decir, en En cuanto al cacao se prevé que su rendimiento aumente
conjunto su superficie cosechada representa el 40% del en 9.1% con relación al año 2014 y 0.002% frente al año
total al año base (2002). 2013, debido a que los rendimientos son similares en
esos años. Finalmente, en cuanto al café, su rendimiento
Para el periodo 2012-2013 los cultivos que incrementará en 19.1% con relación al año 2014, y 28.3%
contribuyeron a su crecimiento en productividad (11.7%) respecto al año 2013.
fueron el cacao y el maíz duro seco, aportando un aumento
significativo al índice del 7% y 3.8%, respectivamente.
El cacao incrementó su rendimiento al año 2013 en 30% 5. BIBLIOGRAFÍA
y el maíz duro seco en 20%, en conjunto, su superficie
Castillo M., (s.f.) Consultoría sobre productividad del
cosechada representa el 29% del total al año base (2002).
sector agropecuario ecuatoriano con énfasis en banano, cacao,
arroz y maíz duro. Centro Latinoamericano de Desarrollo
El aumento del rendimiento del cacao presentado
Rural (RIMISP). Disponible en: http://www.rimisp.org/
durante el 2013, se debe al inicio de la producción de las
wp-content/files_mf/1373468645DocEcuador9julio.pdf
plantaciones incentivadas por los concejos provinciales
y por la intervención del Programa de café y cacao del
Gujarati D., Porter D. (2010) Econometría. Quinta
MAGAP en la realización de podas a los cultivos longevos.
edición. México: McGraw-Hill/Interamericana editores
S.A.
Por otro lado, el maíz duro seco presentó un aumento en
su productividad, generado principalmente a la aplicación
Vilker S., (s.f) Números Índices. Centro de Investigación
del “Plan Semillas de Alto Rendimiento” que proporciona a
en Métodos Cuantitativos Aplicados a la Economía y la
los agricultores semillas híbridas y fertilizantes de manera
Gestión. Facultad de Ciencias Económicas. Universidad
subsidiada, por lo que pueden acceder a mejores insumos
de Buenos Aires. Argentina.
y por ende obtienen mejores resultados en su producción.
6. ANEXOS
A nivel zonal, durante el periodo 2002-2013 se
observa un crecimiento en la productividad en todas las Los datos a modelar y proyectar no cumplían con una
regiones, donde se destacan la zona dos con una tasa de de las características requeridas por los modelos ARMA
crecimiento del 89% respecto al año 2002; seguida por la (estacionalidad), por lo que se aplicó las primeras y
zona uno, con una variación positiva del 76%. Los cultivos segundas diferencias a los datos por producto. También se
que influyeron en el comportamiento incremental dentro aplicaron logaritmos para estabilizar los datos a trabajar.
de dichas zonas son el cacao y la palma africana,puesto
que sus rendimientos incrementaron en más del 50% en Los estadísticos para la realización de las pruebas
cada una de ellas. Estos cultivos representan el 40% de la de significancia de coeficientes, para las pruebas de
superficie cosechada total en cada una de las zonas. autocorrelación, heterocedaticidad y normalidad se
presentan a continuación. Para todos los modelos se
Durante el año 2013, se observa un aumento en la realizaron dichas pruebas y se obtuvieron resultados
productividad en todas las regiones, a excepción de la positivos, lo cual indica que las proyecciones y modelos
zona uno que presenta una disminución de 21.2%. Este obtenidos son consistentes y estadísticamente confiables.
comportamiento se ve influenciado por la reducción del
7
ARROZ BANANO
Variable Coefficient Std. Error t-Stasc Prob. Variable Coefficient Std. Error t-Stasc Prob.
MA(2) -0.947924 0.046238 -20.50081 0 MA(1) -0.921862 0.061818 -14.91262 0
R-squared 0.687761 Jarque-Bera 1.157 R-squared 0.397443 Jarque-Bera 0.43
Durbin-Watson stat 1.473984 Probability 0.56 Durbin-Watson stat 1.592773 Probability 0.80
Akaike info criterion -6.265008 Breusch-Godfrey Serial Correlaon LM Test: Akaike info criterion -6.053895 Breusch-Godfrey Serial Correlaon LM Test:
Schwarz criterion -6.23475 Prob. F(1,8) 0.4852 Schwarz criterion -6.023636 Prob. F(1,8) 0.6134
Hannan-Quinn criter. -6.298202 Hannan-Quinn criter. -6.087088
Heteroskedascity Test: White Heteroskedascity Test: White
Prob. F(1,8) 0.2187 Prob. F(1,8) 0.7123
CEBADA FREJOL SECO
Variable Coefficient Std. Error t-Stasc Prob. Variable Coefficient Std. Error t-Stasc Prob.
MA(1) -2.520613 0.05553 -45.39202 0 MA(1) -0.932365 0.091384 -10.20269 0
MA(2) 2.225771 0.092111 24.16394 0 R-squared 0.632465 Jarque-Bera 1.41
MA(3) -0.68677 0.040169 -17.09707 0 Durbin-Watson stat 2.664901 Probability 0.49
R-squared 0.920858 Jarque-Bera 1.44 Akaike info criterion -7.145903 Breusch-Godfrey Serial Correlaon LM Test:
Durbin-Watson stat 2.395432 Probability 0.48 Schwarz criterion -7.115645 Prob. F(1,8) 0.24
Akaike info criterion -8.114563 Breusch-Godfrey Serial Correlaon LM Test: Hannan-Quinn criter. -7.179097
Schwarz criterion -8.023787 Prob. F(1,8) 0.6134 Heteroskedascity Test: White
Hannan-Quinn criter. -8.214143 Prob. F(1,8) 0.43
Heteroskedascity Test: White
Prob. F(1,8) 0.45
HABA SECA CACAO
Variable Coefficient Std. Error t-Stasc Prob. Variable Coefficient Std. Error t-Stasc Prob.
MA(2) -1.1004308 0.23477715 -4.687129159 0.00156734 MA(1) -0.899804 0.169927 -5.295248 0.0005
MA(5) -2.67974432 0.27633841 -9.697328295 1.07E-05 R-squared 0.589602 Jarque-Bera 1.01
R-squared 0.88665 Jarque-Bera 2.06 Durbin-Watson stat 2.470572 Probability 0.6
Durbin-Watson stat 2.77653 Probability 0.355 Akaike info criterion 0.341875 Breusch-Godfrey Serial Correlaon LM Test:
Akaike info criterion -9.66224 Schwarz criterion 0.372134 Prob. F(1,8) 0.33
Schwarz criterion -9.60172 Hannan-Quinn criter. 0.308681
Hannan-Quinn criter. -9.72863 Heteroskedascity Test: White
Heteroskedascity Test: White Prob. F(1,8) 0.11
Prob. F(1,8) 0.87
ARVEJA SECA ARVEJA TIERNA
Variable Coefficient Std. Error t-Stasc Prob. Variable Coefficient Std. Error t-Stasc Prob.
MA(1) -0.981006 0.18897 -5.191331 0.0006 MA(1) -0.873285 0.116819 -7.475514 0
R-squared 0.5837 Jarque-Bera 0.32 R-squared 0.51609 Jarque-Bera 0.9
Durbin-Watson stat 2.135875 Probability 0.85 Durbin-Watson stat 2.245449 Probability 0.63
Akaike info criterion -10.12069 Breusch-Godfrey Serial Correlaon LM Test: Akaike info criterion -10.5264 Breusch-Godfrey Serial Correlaon LM Test:
Schwarz criterion -10.09043 Prob. F(1,8) 0.78 Schwarz criterion -10.49614 Prob. F(1,8) 0.54
Hannan-Quinn criter. -10.15388 Hannan-Quinn criter. -10.55959
Heteroskedascity Test: White Heteroskedascity Test: White
Prob. F(1,8) 0.75 Prob. F(1,8) 0.75
CAFÉ CAÑA DE AZÚCAR PARA AZÚCAR
Variable Coefficient Std. Error t-Stasc Prob. Variable Coefficient Std. Error t-Stasc Prob.
C 0.014838 0.002192 6.770343 0.0001 AR(3) 0.220267 0.065947 3.340037 0.0206
MA(1) -3.219557 1.202026 -2.678443 0.0253 MA(2) -2.967338 0.235678 -12.59065 0.0001
R-squared 0.930582 Jarque-Bera 0.48
R-squared 0.925856 Jarque-Bera 1 Durbin-Watson stat 2.503171 Probability 0.78
Durbin-Watson stat 2.77547 Probability 0.6 Akaike info criterion -8.61412 Breusch-Godfrey Serial Correlaon LM Test:
Akaike info criterion -4.287584 Schwarz criterion -8.629574 Prob. F(1,8) 0.41
Schwarz criterion -4.215239 Hannan-Quinn criter. -8.805132
Hannan-Quinn criter. -4.333187 Heteroskedascity Test: White
Heteroskedascity Test: White Prob. F(1,8) 0.75
Prob. F(1,8) 0.73
FREJOL TIERNO HABA TIERNA
Variable Coefficient Std. Error t-Stasc Prob. Variable Coefficient Std. Error t-Stasc Prob.
AR(1) -0.664273 0.158669 -4.186532 0.0031 MA(1) -0.922168 0.098638 -9.348995 0
R-squared 0.679214 Jarque-Bera 0.05
Durbin-Watson stat 1.847749 Probability 0.97 R-squared 0.342487 Jarque-Bera 0.78
Akaike info criterion -9.266653 Breusch-Godfrey Serial Correlaon LM Test: Durbin-Watson stat 1.551342 Probability 0.67
Schwarz criterion -9.244739 Prob. F(1,8) 0.9 Akaike info criterion -10.59632 Breusch-Godfrey Serial Correlaon LM Test:
Hannan-Quinn criter. -9.313943 Schwarz criterion -10.56015 Prob. F(1,8) 0.57
Heteroskedascity Test: White Hannan-Quinn criter. -10.61912
Prob. F(1,8) 0.33 Heteroskedascity Test: White
Prob. F(1,8) 0.078
8
MAÍZ DURO CHOCLO MAÍZ DURO SECO
Variable Coefficient Std. Error t-Stasc Prob. Variable Coefficient Std. Error t-Stasc Prob.
MA(7) 0.952477 0.039659 24.01667 0 MA(2) 0.98757258 0.1039068 9.50440803 2.53E-06
R-squared 0.864702 Jarque-Bera 1.28 R-squared 0.48998839 Jarque-Bera 0.68
Durbin-Watson stat 2.46078 Probability 0.52 Durbin-Watson stat 3.11650856 Probability 0.7
Akaike info criterion -13.20116 Breusch-Godfrey Serial Correlaon LM Test: Akaike info criterion -4.52401914
Schwarz criterion -13.16499 Prob. F(1,8) 0.44 Schwarz criterion -4.48784684
Hannan-Quinn criter. -13.22396 Hannan-Quinn criter. -4.54682071
Heteroskedascity Test: White Heteroskedascity Test: White
Prob. F(1,8) 0.544 Prob. F(1,8) 0.84
MAÍZ SUAVE CHOCLO MAÍZ SUAVE SECO
Variable Coefficient Std. Error t-Stasc Prob. Variable Coefficient Std. Error t-Stasc Prob.
MA(3) -0.957996 0.093921 -10.2 0 AR(1) 0.24332 0.046839 5.194829 0.0008
R-squared 0.480623 Jarque-Bera 1.25 MA(1) -3.821178 1.519992 -2.513946 0.0361
Durbin-Watson stat 1.941599 Probability 0.53 R-squared 0.931766 Jarque-Bera 0.83
Akaike info criterion -10.21705 Breusch-Godfrey Serial Correlaon LM Test: Durbin-Watson stat 2.484904 Probability 0.65
Schwarz criterion -10.18088 Prob. F(1,8) 0.78 Akaike info criterion -8.251584
Hannan-Quinn criter. -10.23985 Schwarz criterion -8.191067
Heteroskedascity Test: White Hannan-Quinn criter. -8.317971
Prob. F(1,8) 0.64 Heteroskedascity Test: White
Prob. F(1,8)
MARACUYÁ NARANJA
Variable Coefficient Std. Error t-Stasc Prob. Variable Coefficient Std. Error t-Stasc Prob.
MA(1) -0.951382 0.172885 -5.502981 0.0004 MA(1) -0.617026 0.197654 -3.121756 0.0108
R-squared 0.683906 Jarque-Bera 1.43 R-squared 0.311192 Jarque-Bera 0.36
Durbin-Watson stat 1.08441 Probability 0.488 Durbin-Watson stat 1.546966 Probability 0.83
Akaike info criterion -10.75782 Breusch-Godfrey Serial Correlaon LM Test: Akaike info criterion -9.657522 Breusch-Godfrey Serial Correlaon LM Test:
Schwarz criterion -10.72756 Prob. F(1,8) 0.66 Schwarz criterion -9.621349 Prob. F(1,8) 0.72
Hannan-Quinn criter. -10.79102 Hannan-Quinn criter. -9.680323
Heteroskedascity Test: White Heteroskedascity Test: White
Prob. F(1,8) 0.71 Prob. F(1,8) 0.9
9
Tabla 3: Histórico Superficie y Rendimientos Nacionales
Fuente: ESPAC-INEC
1
Rendimiento ajustado en base a diferentes fuentes (BCE, FEDAPALM, MAGAP)
2
Participación superficie cosechada 2002 (año base)
3
Variación con respecto a los años 2002-2012
4
Variación con respecto a los años 2012-2013
10