Capítulo 2

La transformación estructural de las

economías latinoamericanas: una revisión
sectorial a largo plazo
Gustavo Anríquez

Este capítulo presenta una descripción sectorial y sectorial de la transformación estructural de

las economías latinoamericanas desde la década de 1970. En este informe llamamos a la
transformación estructural la característica generalmente aceptada del desarrollo económico,
por la cual los países, a medida que experimentan crecimiento y desarrollo económicos,
muestran una reducción relativa del sector agrícola; es decir, a medida que el país y la agricultura
crecen, la contribución relativa de la agricultura al PIB general y la contribución relativa del sector
(como proporción) a la renta nacional y al empleo disminuyen. Estas características universales
del proceso de desarrollo se estudian desde una perspectiva sectorial y macroeconómica en una
revisión comparativa del desarrollo latinoamericano desde la década de 1970.

La primera sección de este estudio presenta una visión histórica de cómo los economistas del
desarrollo han entendido el proceso de cambio estructural. Presenta algunas estimaciones
globales que describen la tasa de transformación estructural en las regiones globales,
confirmando su universalidad. La segunda sección discute las fuerzas económicas particulares
que subyacen a un proceso que es una característica común del desarrollo. Revisamos los
argumentos tradicionales que los economistas del desarrollo han planteado como causas y
presentamos una justificación más moderna para este rasgo característico del desarrollo. La
siguiente sección presenta una descripción de cómo se ha manifestado el proceso de
transformación estructural en América Latina, distinguiendo entre diferentes características que

1
pueden ayudar a definir una tipología de diferentes caminos de transformación estructural según
lo descrito por diferentes países del continente. La sección final proporciona un análisis a largo
plazo de la productividad de la agricultura latinoamericana con el fin de proporcionar una mejor
comprensión de la transformación estructural de las economías de la región.

I. Structural Transformation: History and Facts

Uno de los hechos estilizados más consistentes del proceso de desarrollo de las naciones
es el relativo declive secular del sector agrícola. Este proceso se manifiesta como una disminución
constante de la contribución relativa de la agricultura al PIB interno, y generalmente más tarde
como una disminución más lenta de la proporción del empleo total dedicado a las actividades
agrícolas. De hecho, (Syrquin, 1988) en un esfuerzo por especificar patrones consistentes que
tipifican el proceso de desarrollo, señala que, además del aumento en las tasas de crecimiento
del producto, que caracteriza el crecimiento / desarrollo en sí, hay otras dos características
comunes de desarrollo: un aumento en la tasa de acumulación de activos (ahorro) y un cambio
en la composición del producto con una contracción relativa de la agricultura y una expansión
relativa de las manufacturas. Además, ni siquiera un aumento en las tasas de ahorro es tan
universalmente aceptado como una característica de la experiencia de desarrollo del país como
otro rasgo observado: el crecimiento pronunciado en la productividad total de factores (TFP) de
la economía en su conjunto, podría estar detrás del aumento observado crecimiento en lugar de,
o junto con, mayores tasas de acumulación de activos. Por lo tanto, la disminución relativa de la
importancia económica de la agricultura aparece como la característica más dominante del
desarrollo, que indistintamente llamaremos transformación estructural.

Los primeros economistas del desarrollo (en las décadas de 1940 y 50) no se centraron en
este cambio en la estructura de la producción, con una disminución relativa de la agricultura,
como una característica del desarrollo, sino que pusieron un gran énfasis en la industrialización
y un movimiento de recursos hacia la manufactura ( Hirschman, 1958; Nurkse, 1953; Prebisch,
1949; Rosenstein-Rodan, 1943). Hacia mediados del siglo anterior, era obvio que los países más
ricos del mundo se caracterizaban por un sector industrial fuerte, que no es necesariamente
cierto hoy, cuando los países más ricos se caracterizan por una gran economía de servicios.

2
Entonces, aunque esta transformación estructural que caracteriza la migración de activos, capital
físico y financiero, y más notablemente mano de obra, al sector industrial fue una característica
bien conocida del proceso de desarrollo, el crédito es (Kuznets, 1957) como el economista que
primero cambio estructural formalizado con una gran cantidad de datos internacionales. Esta
transformación de Kuznets de la producción que acompaña al desarrollo también se formalizó
en (H. B. Chenery y Taylor, 1968; H. B. Chenery, 1960; H. Chenery y Syrquin, 1975).

A partir de los Indicadores del desarrollo mundial del Banco Mundial, a partir de 1960 (para
aquellos países que tienen una larga serie de cuentas nacionales, la mayoría de los países tienen
datos que comienzan en períodos posteriores), podemos observar que la transformación de
Kuznets sigue siendo una característica estable del desarrollo económico. En la Tabla 1,
mostramos para cada país la correlación entre la proporción del PIB producido por la agricultura
(en puntos porcentuales), más formalmente la relación entre el valor agregado agrícola y el PIB,
y el logaritmo del nivel del PIB per cápita (en constante 2011 dólares estadounidenses). Para
reducir el ruido anual, probablemente más pronunciado en el sector agrícola que está sujeto a
choques climáticos, utilizamos promedios de 5 años en las regresiones de la tabla. El coeficiente
negativo altamente significativo sobre el PIB per cápita demuestra que a medida que los países
crecen, y el PIB per cápita aumenta, la proporción del valor agregado agrícola en el PIB total
disminuye. Es decir, se confirma la transformación de Kuznets. Además de los coeficientes
fuertemente negativos, la bondad de ajuste de la regresión (R2 de 0,70 y 0,50 en las primeras 2
columnas) enfatiza cuán fuerte, es decir, inexorable es esta transformación estructural.

En las columnas 4 a 8, examinamos si esta relación ha cambiado o no probando si la tasa de esta

transformación estructural ha aumentado o disminuido. Observamos que los coeficientes del PIB
per cápita son más bajos en los períodos más recientes. Sin embargo, esto es consistente con una
elasticidad constante; A medida que pasa el tiempo y los países se desarrollan, el coeficiente
debería disminuir incluso si la elasticidad es constante. De hecho, una prueba de que la
elasticidad implícita para 1960-2014, -0.7, es la misma que la elasticidad para 1985-2014
(columna 6) no se rechaza al nivel de confianza del 95%. Esta elasticidad implica que por cada
10% del crecimiento real en un país, la participación de la agricultura en el PIB cae en un 7%; es
decir, un país con una agricultura que representa el 15% del PIB, exhibiría una participación de la

3
agricultura en el PIB del 12,9% después del 10% del crecimiento del PIB per cápita. La regresión
de efectos fijos permite intercepciones específicas por país, lo que probablemente se debe a que
los países se observan en diferentes etapas de su camino de desarrollo. Además, probamos si
existen diferencias regionales en la tasa de transformación estructural, al incluir variables ficticias
regionales que interactúan con el PIB per cápita. En el caso de América Latina, nuestro enfoque,
vemos que durante todo el período 1960-2014, la región parece haber mostrado una tasa de
transformación más baja (coeficiente positivo en la columna 3 al nivel de significancia del 10%).
Sin embargo, esta relación desaparece cuando solo se consideran datos más recientes de las
últimas tres décadas. El sur de Asia parece tener una tasa de transformación estructural más
rápida.

4
Table 1. Agricultural Value-Added as a share (%) of GDP (5-year averages)
1960 – 2014 1985 - 2014
(1) (2) (3) (4) (5) (6) (7) (8)
Fixed Fixed Fixed Fixed Fixed Fixed
Pooled Effects Effects Effects Pooled Effects Effects Effects
GDP per capita, -8.64*** -13.13*** -13.42*** -11.86*** -7.83*** -10.57*** -10.76*** -10.82***
log (0.152) (0.416) (0.448) (1.061) (0.155) (0.473) (0.511) (0.857)
GDPpc x Latin 2.098* 0.533 1.336 1.4
America (1.195) (1.527) (1.354) (1.514)
GDPpc x East 0.053 -0.001
Asia (1.284) (1.294)
GDPpc x MENA -3.013* 1.829
(1.679) (2.656)
GDPpc x N. 11.817 10.78
America (21.853) (15.616)
GDPpc x S. Asia -7.475*** -5.431***
(1.800) (1.891)
GDPpc x SS -2.282 1.953
Africa (1.398) (1.343)
Constant 88.32*** 124.5*** 123.2*** 121.6*** 80.53*** 103.1*** 102.4*** 98.63***
(1.247) (3.357) (3.432) (3.917) (1.296) (3.904) (3.968) (4.350)

Implicit Elasticity
(per capita GDP) -0.466 -0.707 -0.723 -0.639 -0.492 -0.664 -0.676 -0.680

R2 0.698 0.448 0.45 0.461 0.71 0.362 0.363 0.373

Obs. 1399 1399 1399 1399 1050 1050 1050 1050
Nr. of Countries 170 170 170 170 170 170 170 170
Note: Standard errors in parentheses, * p<0.10, ** p<0.05, *** p<0.01. Data source, World Bank, World
Development Indicators.

En la Tabla 2, replicamos el análisis utilizando solo datos de 32 países de América Latina y

el Caribe. La elasticidad estimada (-0.8, -1) es mayor que la estimada con los datos de todos los
países disponibles. La estimación de la elasticidad sugiere que por cada punto porcentual en el
crecimiento real, la participación de la agricultura en el PIB se reduce en casi un 1 por ciento.
Además, la tabla muestra una alta medida de bondad de ajuste para esta relación simple: al
menos el 50% de la variabilidad en la relación del valor agregado agrícola al PIB puede explicarse
solo por las diferencias en los niveles reales de ingreso nacional. Este alto ajuste se puede

5
observar en la Figura 1, que muestra que los valores más observados se encuentran muy cerca
de la línea de regresión..

Table 2. Agricultural Value-Added as a share (%) of GDP (5-year averages). Latin America
Sample
1960 - 2014 1985 - 2014
Fixed Fixed
Pooled Effects Pooled Effects
GDP per capita, log -8.944*** -11.324*** -7.615*** -9.420***
(0.394) (0.675) (0.424) (0.757)
Constant 88.183*** 108.525*** 75.884*** 91.514***
(3.383) (5.770) (3.685) (6.557)

Implicit Elasticity (per

capita GDP) -0.762 -0.965 -0.763 -0.944

R2 0.645 0.528 0.612 0.472

Obs. 285 285 206 206
Nr. of Countries 32 32 32 32
Note: Standard errors in parentheses, * p<0.10, ** p<0.05, *** p<0.01. Data source, World Bank, World
Development Indicators.

6
Figure 1. Structural Transformation in Latin America (1960 - 2014)
40
30
20
10
0

6.5 7.5 8.5 9.5 10.5

GDP per capita (US$ 2010), log

Agriculture Value Added as Share (%) of GDP Fitted values

Note: 5-year averages. Data source, World Bank, World Development Indicators.

Otra característica de la transformación estructural de las economías en desarrollo, que ocurre

simultáneamente con la disminución de la participación de la agricultura en el PIB, es la
disminución de la importancia de la agricultura en el empleo nacional. Esta migración económica
de la agricultura a los sectores industriales se ha entendido durante mucho tiempo como una
característica del desarrollo, y tal vez como algunos han argumentado (por ejemplo, Lewis, 1954),
una condición necesaria para el desarrollo de las naciones. El primer panel de la Figura 2 muestra
esta correlación negativa usando datos latinoamericanos. Esta relación negativa se parece a la
trayectoria del valor agregado agrícola. Sin embargo, tenga en cuenta que existen diferencias en
el rango del eje vertical de las Figuras 1 y 2. Para una participación dada del valor agregado
agrícola en el PIB, la participación de la agricultura en el empleo total tiende a ser
sustancialmente mayor. Este resultado puede interpretarse como si la transformación del
empleo sigue en el tiempo la transformación en la composición sectorial del PIB. De hecho,
parece que la transformación en el empleo es más lenta.

7
 Figure 2. Employment in Agriculture as a Share of National Employment and Mean Labor
Productivity in Agriculture
60

11
10
40
Share AgEmploy

log AGVA pw

9
8
20

7
0

6
7 8 9 10 7 8 9 10
log GDP pc log GDP pc
1980-1990 1990-2014 1980-1990 1990-2014

Notes: Based on data from World Development Indicators

La Tabla 3 reproduce un análisis similar al que se realizó en las Tablas 1 y 2, examinando

la relación estadística entre el nivel de ingreso nacional real (PIB per cápita) y la participación del
empleo agrícola en el empleo nacional. La relación negativa que se expone en el primer panel de
la Figura 2 se confirma en las regresiones, sin embargo, las elasticidades implícitas (-0.3, -0.6) son
notablemente (y estadísticamente) más bajas que la elasticidad de la participación del producto
en el ingreso real. se muestra en la Tabla 2. Esto confirma que la tasa a la que se transforma la
composición sectorial del empleo es más lenta que la transformación de la composición sectorial
de la producción, incluso cuando ambas ocurren concomitantemente.

8
Table 3. Share of National Employment in Agriculture (%)
1960 - 2014 1985 - 2014
Fixed Fixed Fixed
Pooled Effects Effects Effects
GDP per capita, log -10.777*** -5.965** -10.043*** -5.175*
(0.976) (2.871) (0.955) (2.977)
Constant 110.374*** 68.937*** 103.657*** 61.662**
(8.437) (24.723) (8.272) (25.692)

Implicit Elasticity (per

capita GDP) -0.613 -0.339 -0.590 -0.304

R2 0.416 0.030 0.418 0.024

Obs. 173 173 156 156
Nr. of Countries 30 30 30 30
Note: Standard errors in parentheses, * p<0.10, ** p<0.05, *** p<0.01. Data source, World Bank, World
Development Indicators.

Otra característica de la transformación estructural de los países, que se deriva

implícitamente de las dos características ya descritas, es el aumento significativo de la
productividad laboral promedio en el sector agrícola a medida que los países se desarrollan
(véase el panel 2 de la Figura 2). El crecimiento en sí mismo puede definirse como un aumento
en la productividad promedio (la relación del valor del valor agregado sobre el empleo). Sin
embargo, en el caso de la productividad promedio en la agricultura, este aumento tenderá a ser
más pronunciado, porque la agricultura sigue creciendo a pesar de su relativa disminución en la
producción total, y lo hace, mientras que "desprende" mano de obra. Aunque es aproximado,
esta es la evidencia inicial de que la agricultura no es un sector de lento crecimiento de la
productividad. Una simple prueba estadística sobre el crecimiento de la producción agrícola por
mano de obra, frente a la producción no agrícola por mano de obra en América Latina, no rechaza
que ambos crezcan al mismo ritmo. Este no es un análisis sofisticado del crecimiento de la PTF,
el cambio técnico o el análisis de productividad (algunos de los cuales se detallan más adelante),
pero es un indicador simple de que, en términos de crecimiento de la productividad, la agricultura
no es un sector rezagado (cf. evidencia presentado en la siguiente sección).

9
Dado que no es el menor crecimiento de la productividad lo que explica la transformación
estructural, surge la pregunta: ¿Cuáles son los impulsores de la transformación estructural? Este
es el tema que examinamos en la siguiente sección..

II. Determinants of the Structural Transformation

Los primeros economistas del desarrollo (por ejemplo, Johnston & Mellor, 1961) pusieron énfasis
en la elasticidad de la demanda de productos agrícolas como un factor limitante para el
crecimiento del sector agrícola. El argumento se desprende de la ley de Engel; La elasticidad
ingreso de la demanda de productos agrícolas es menor a uno, lo que implica que el crecimiento
del ingreso se traduce en una porción cada vez menor de la canasta del mercado del consumidor
que se dedica a alimentos y otros bienes derivados del sector agrícola. Además, la evidencia
sugiere que no solo la elasticidad del ingreso de la demanda de alimentos es menor que la unidad,
sino que esta elasticidad tiende a disminuir a medida que los países se vuelven más ricos
(Alderman, 1986; Anríquez, Daidone y Mane, 2013). En la práctica, esto significa que la
agricultura puede no crecer tan rápido como la economía en general, porque enfrenta una
demanda proporcionalmente cada vez menor. Si las economías estuvieran cerradas, un país
difícilmente podría escapar de este obstáculo del lado de la demanda, pero es difícil argumentar
que este es el caso de la mayoría de las economías en desarrollo pequeñas y medianas que
pueden aumentar la producción agrícola mientras enfrentan una demanda infinitamente elástica
a precios internacionales. .

Los economistas estructuralistas latinoamericanos (p. Ej., Prebisch, 1949) presentaron un

argumento similar en lo que finalmente se conoció como la hipótesis de Prebisch-Singer. Según
esta hipótesis, el precio relativo internacional de los productos agrícolas frente a los productos
manufacturados tiende a caer a largo plazo. Esta tendencia implica dos resultados diferentes para
los países que son exportadores agrícolas netos. Primero, los términos de intercambio están
cayendo, y será necesaria una cantidad creciente de exportaciones solo para mantener un nivel
constante de importaciones reales. El segundo resultado es que este cambio en los precios
relativos cambia los incentivos a la inversión, lo que debería, a largo plazo, desplazar los recursos
del sector primario hacia las manufacturas, promoviendo el cambio estructural. El argumento

10
parece convincente, pero la evidencia de esta disminución a largo plazo en los términos de
intercambio no lo es, ver por ejemplo (Ocampo y Parra, 2003). Si bien algunos productos como
el maíz parecen mostrar tendencias negativas a largo plazo de los precios reales, muchos otros
productos primarios no muestran tendencia, como el café, e incluso tendencias positivas, como
la carne y la madera..

Otros autores han enfatizado la disminución de la disponibilidad de mano de obra

agrícola, como resultado de la migración a los sectores urbano e industrial como otra causa de la
caída de la contribución de la agricultura al PIB nacional (Johnston y Mellor, 1961). Sin embargo,
en lugar de una explicación para el cambio estructural, este cambio en los patrones laborales
observados es una característica de la misma transformación estructural. Como resultado de la
transformación estructural que caracteriza el desarrollo, el empleo en la agricultura (como
participación y, a menudo, en niveles) tiende a disminuir, aunque no está claro si esto es
resultado de un cambio técnico que ahorra trabajo (Hayami y Ruttan, 1971), o el aumento de la
productividad laboral en el sector no agrícola, lo que lleva a un cambio externo en la demanda
no agrícola de mano de obra y salarios que atrae a los trabajadores del sector agrícola.

Una de las explicaciones más destacadas para el cambio estructural de los primeros economistas
del desarrollo es que el cambio técnico es menor en el sector agrícola, donde la productividad
aumenta más rápidamente en el sector no agrícola, lo que impulsa el cambio estructural
observado (Clark, 1940; Hirschman, 1958; Johnston y Mellor, 1961; Lewis, 1954; Prebisch, 1949).
Esta explicación tiene un atractivo intuitivo: el sector manufacturero se ve moderno y vibrante,
mientras que la agricultura parece atrasada y lenta. Sin embargo, la evidencia está lejos de
respaldar esta hipótesis. Por ejemplo (Martin y Mitra, 2001) mostraron que el crecimiento de la
PTF es en promedio casi 1% mayor para el sector agrícola que para el sector industrial en una
muestra de 33 países en desarrollo. Además, incluso entre los países desarrollados, el
crecimiento de la PTF es mayor en la agricultura que en la manufactura, aproximadamente un
0,5%. Estos últimos resultados corroboran los encontrados por (Bernard y Jones, 1996), que
mostraron que, entre los países de la OCDE y en seis industrias diferentes, la agricultura mostró
el mayor crecimiento de la PTF. (Faruqui, Gu, Kaci, Laroche y Maynard, 2003), por otro lado,
mostraron que el crecimiento de la productividad laboral en Canadá y Estados Unidos (1987 -

11
2000) fue mayor en el sector primario que en la manufactura y los servicios. El argumento aquí
no es que la agricultura siempre muestre un mayor crecimiento de la productividad que la
manufactura o los servicios, sino que las diferencias en el crecimiento de la productividad no
están sesgadas universalmente contra la agricultura, y por lo tanto, estas diferencias de
productividad no pueden ser una explicación creíble del resultado universal de la transformación
estructural..

Una característica de la producción agrícola que puede explicar su declive secular es que uno de
sus principales factores de producción no es un activo acumulable. Nos referimos, por supuesto,
a la tierra cultivada, que aunque no es absolutamente fija, y puede expandirse y contraerse
después de ciclos económicos a mediano plazo, no puede acumularse continuamente como el
capital físico e incluso el capital humano. Los países tienen una dotación comparable de tierras
cultivables, y aunque la tecnología y las inversiones (riego, preservación del suelo y otros) podrían
expandir la frontera agrícola, estas expansiones generalmente no pueden mantenerse de manera
persistente. Es por eso que cuando se realiza una contabilidad de las fuentes de crecimiento, la
tierra que puede mostrar altos rendimientos, contribuye levemente al crecimiento sectorial
general (ver el ejemplo a continuación en la sección IV).

Otra característica importante que explica la disminución de la participación de la agricultura en

el valor agregado en el PIB está relacionada con la naturaleza del cambio tecnológico y la
medición del sector dentro del sistema de cuentas nacionales. Primero, para aclarar la
construcción contable que es el valor agregado: valor bruto total de la producción menos
compras intermedias. El valor agregado de un sector (lado de la producción del PIB) es el ingreso
neto disponible para remunerar los activos laborales y productivos específicos del sector (incluida
la tierra). A medida que se desarrolla la agricultura, muchos de los insumos que tradicionalmente
se suministran dentro del sector finalmente comienzan a comprarse en otras industrias. Por
ejemplo, en un país menos desarrollado, la energía para la tracción es suministrada por animales
y alimentos (ambos suministrados desde el sector primario), mientras que una operación
moderna requiere servicios de camiones y combustible comprado a otras industrias. En una
agricultura menos desarrollada, la fertilización y las semillas mejoradas se proporcionan dentro
del sector primario con estiércol, rotación de cultivos y autoselección de semillas; En las

12
industrias agrícolas modernas, se compran bienes y servicios de las industrias química y de otro
tipo. La agricultura es un sector que enfrenta desafíos abruptos de insumos, con una oferta
laboral en declive y una oferta de tierra relativamente fija. En este contexto, el crecimiento se
logra mediante el uso más intensivo de insumos (compras intermedias) que inevitablemente
resulta en una parte decreciente del valor bruto del producto que es el valor agregado.

Se puede plantear un argumento similar con respecto al destino de la oferta agrícola (lado del
gasto del PIB). Una característica de la modernización de la agricultura es la búsqueda del
aumento del valor agregado de la operación agrícola. Esta transformación se caracteriza por un
movimiento desde la producción con poco valor agregado, como granos simples, hacia productos
de exportación de mayor valor y alimentos procesados. Casi todos estos productos de "mayor
valor agregado" se contabilizan fuera de la agricultura misma. Por ejemplo, las manzanas de
exportación cuidadosamente empaquetadas para la exportación contienen valor agregado del
sector agrícola solo en las manzanas mismas, la clasificación y el embalaje se realizan fuera de las
granjas, y los servicios modernos de transporte logístico son todos de valor agregado que no se
acumulan en el sector primario (que se atribuye a la agroindustria y los servicios de transporte).
De manera similar, a medida que los países se desarrollan, menos de los alimentos consumidos
no se procesa, con una cantidad creciente de alimentos procesados, que para las cuentas
agrícolas, solo cuenta como demanda intermedia y menos valor agregado sectorial. En resumen,
desde el lado del gasto, se produce una transformación similar: a medida que los países
desarrollan una parte decreciente del valor bruto de la producción, el consumo final (que es lo
que finalmente cuenta como PIB) de los productos agrícolas simples, y una parte creciente del
mismo producto bruto se consume como insumos intermedios para la producción de alimentos
procesados (que no se cuentan como PIB sectorial).

Esta transformación puede rastrearse siguiendo las matrices de entrada y salida que se utilizan
para construir un sistema de cuentas nacionales. El valor bruto total de la producción del sector
(i) se define desde el lado de la demanda como:

𝑋𝑖 = 𝑊𝑖 + 𝐷𝑖 + 𝑇𝑖 ,

donde la demanda total es igual a la demanda intermedia, W_i (la suma de filas de la matriz de
entrada y salida), la demanda final de los hogares y el gobierno, D_i, y la parte de la producción
13
exportada, T_i. Desde el lado de la oferta, ese valor bruto de la producción se compone de
compras intermedias, U_i, y valor agregado, V_i:

𝑋𝑖 = 𝑈𝑖 + 𝑉𝑖 .

Hence one can describe value added of a sector (𝑗) as a proportion 𝜈 ∈ (0,1) of the total gross
value of production:

𝑉𝑗 = 𝜈𝑋𝑗 .

Recalling that total GDP is approximately the sum of sectoral value added, ∑𝑗 𝑉𝑗 = 𝑉,1 we can
express the share of GDP contributed by sector (𝑖) as:

𝑉𝑖 /𝑉 = 𝑣(𝑊𝑖 + 𝐷𝑖 + 𝑇𝑖 )/𝑉. (1)

Taking time derivatives and rearranging terms, we can express the rate of change in this ratio,
what we have called throughout structural change, as:

̂
𝑉
̂𝑖 − 𝑉̂ ] + 𝛼𝐷 [𝐷
̂𝑖 − 𝑉̂ ] + (1 − 𝛼𝑊 − 𝛼𝐷 )[𝑇̂𝑖 − 𝑉̂ ].
( 𝑉𝑖 ) ≈ 𝑣̂ + 𝛼𝑊 [𝑊 (2)

𝑥̇
In this decomposition, the “hat” over the variables indicates rate of change, i.e. 𝑥̂ ≡ =
𝑥

(𝑑𝑥/𝑑𝑡)/𝑥; the parameter 𝛼𝑊 is the share of intermediate demand in total demand, i.e. 𝑊𝑖 /𝑋𝑖 ,
and 𝛼𝐷 is the share of final demand in total demand.

En la Tabla 4 y la Tabla 5 realizamos esta descomposición para Chile y Perú,

respectivamente, con las matrices de entrada y salida disponibles para 1986, 1996, 2003 y 2008
para Chile, y 1994, 2007 para Perú. En el caso de Chile, entre 1986 y 1996, la demanda intermedia
de productos agrícolas creció (relativamente) muy lentamente, contribuyendo en mayor medida
a la disminución de la participación de la agricultura en el PIB. Sin embargo, entre 1996 y 2003,
tanto las exportaciones como la demanda intermedia crecieron más rápido que la economía, lo
que ayudó a frenar la transformación sectorial de la economía chilena. Entre 2008 y 2003, la
demanda final creció tan rápido como la economía, sin contribuir a la transformación estructural
de la economía chilena. En el caso de Perú, entre 1994 y 2007, tanto las exportaciones como la
demanda intermedia crecieron más rápido que la economía, lo que desaceleró la tasa a la que

1
Gross value added plus net taxes on goods and service equals gross domestic product.

14
disminuye la contribución de la agricultura al PIB, mientras que la demanda final creció
marginalmente más lentamente que la economía, contribuyendo muy poco a la transformación
sectorial. En ambos países, el principal impulsor de la transformación estructural es la caída en la
proporción del valor bruto de la producción que es el valor agregado, lo que confirma este cambio
tecnológico / contable que es uno de los principales impulsores del cambio estructural
observado.

15
Table 4. Decomposition of Structural Transformation in Chile 1986 -2008
% % %
1986 1996 Change 2003 Change 2008 Change
1 W 310,526 1,817,509 176.7 3,025,983 51.0 4,970,396 49.6
2 T 119,638 618,936 164.4 1,480,201 87.2 1,969,065 28.5
3 D 146,500 907,079 182.3 1,194,582 27.5 2,072,172 55.1

4 X (1+2+3) 576,664 3,343,523 175.8 5,700,766 53.4 9,011,633 45.8

5 VAi 253,388 1,323,492 165.3 1,842,431 33.1 2,711,891 38.7

6 𝑣 (5/4) 43.94 39.58 -10.4 32.32 -20.3 30.09 -7.1

7 Sum VAj 3,268,418 29,255,529 219.2 48,600,393 50.8 85,888,192 56.9

8 GDP 3,419,000 31,237,289 221.2 51,156,415 49.3 93,847,932 60.7

Real GDP
9 Growth 70.9 24.9 26.6

Ag. in Value
10 Added (5/7) 7.75 4.52 -53.9 3.79 -17.7 3.16 -18.3
Ag. in GDP
11 (5/8) 7.41 4.24 -55.9 3.60 -16.2 2.89 -22.0

12 𝛼𝑊 (1/4) 0.541 0.537 0.541

13 ̂𝑖 − 𝑉̂ ]
𝛼𝑊 [𝑊 -23.0 0.1 -4.0
14 𝛼 𝑇 (2/4) 0.196 0.222 0.239
15 𝛼 𝑇 [𝑇̂𝑖 − 𝑉̂ ] -10.8 8.1 -6.8
16 𝛼𝐷 (3/4) 0.263 0.240 0.220
17 ̂𝑖 − 𝑉̂ ]
𝛼𝐷 [𝐷 -9.7 -5.6 -0.4

Structural
Change
(6+13+15+17
18 = 10) -53.9 -17.6 -18.3
Notes: In nominal millions of Chilean pesos. Row 9 provides for reference real growth of GDP.

16
Table 5. Decomposition of Structural Transformation in Peru (1994 -2007)
1994 2007 % Change
1 W 6,532 23,771 129.2
2 T 295 2,146 198.4
3 D 4,394 13,588 112.9

4 X (1+2+3) 11,222 39,505 125.9

5 VAi 7,487 19,074 93.5

6 𝑣 (5/4) 66.72 48.28 -32.3

7 Sum VAj 88,974 293,190 119.2

8 GDP 98,579 319,693 117.7

9 Real GDP Growth 56.3

10 Ag. in Value Added (5/7) 8.41 6.51 -25.7

11 Ag. in GDP (5/8) 7.60 5.97 -24.1

12 𝛼𝑊 (1/4) 0.592
13 𝛼𝑊 [𝑊 ̂𝑖 − 𝑉̂ ] 5.9
14 𝛼 𝑇 (2/4) 0.040
15 𝛼 𝑇 [𝑇̂𝑖 − 𝑉̂ ] 3.2
16 𝛼𝐷 (3/4) 0.368
17 𝛼𝐷 [𝐷 ̂𝑖 − 𝑉̂ ] -2.3

Structural Change
18 (6+13+15+17 = 10) -25.6
Notes: In nominal millions of Peruvian soles. Row 9 provides reference real growth of GDP.

III. Differences in the structural change of Latin American economies: a

typology.
En el segundo orden, se describen diferentes patrones de cambio estructural entre las economías
latinoamericanas, primero se establece que es un resultado inequívoco de que la economía no
agrícola crece comparativamente más rápido que la agricultura en términos de valor agregado.

17
Para mostrar esto, tenga en cuenta que la participación de la agricultura en el PIB puede
describirse como:
𝑌𝐴 𝑌𝐴
= (𝑌 ,
𝑌 𝐴 +𝑌𝑁 )

where 𝑌𝐴 is agricultural value added, 𝑌 is GDP, and 𝑌𝑁 is the value added of non-agricultural
sectors. Taking time derivatives from this expression, and rearranging, we can express the rate
of change of the share of agriculture in GDP as:

̂𝑌
( 𝑌𝐴) = (1 − 𝛼𝐴 )[𝑌̂𝐴 − 𝑌̂𝑁 ], (3)

𝑌𝐴
where, 𝛼𝐴 ≡ (𝑌 . Esta expresión demuestra dos cosas. Primero, la caída de la participación
𝐴 +𝑌𝑁 )

de la agricultura en el PIB solo puede ocurrir si la tasa de crecimiento del valor agregado no
agrícola es más rápida que la tasa de crecimiento en la agricultura. Y segundo, que cuanto más
avanzada esté la economía dentro de su transición y, por lo tanto, (1-α_A) sea más grande, las
desviaciones más rápidas en las tasas de crecimiento se traducirán en la disminución relativa de
la agricultura. El primer resultado es importante, porque nos dice que la transición puede suceder
si la agricultura crece rápidamente o si el valor agregado agrícola se expande lentamente,
mientras el resto de la economía crezca aún más rápidamente. Lo que impulsa el cambio
estructural es la brecha entre las tasas de crecimiento sectoriales.

Esta lección es lo que nos lleva a examinar la Figura 3, donde en un diagrama de dispersión se
describen las tasas de crecimiento promedio de ambos sectores para el período 1984 - 2012. La
elección del período es importante. El lector debe recordar que América Latina en su conjunto
sufrió una profunda crisis económica en 1982, después de lo cual, en diferentes etapas, la región
experimentó un período de profundas reformas estructurales, caracterizadas principalmente por
la apertura comercial y las macro reformas (liberalización del tipo de cambio, inflación y deuda
pública). control, entre otras reformas), (Ver, por ejemplo, Lora, 2012.). En la figura, tenga en
cuenta que la línea roja describe una línea de 45 grados o una línea de crecimiento iso, y que el
año final es el último posible sin abandonar los países. Los países que están por encima de la línea
roja están experimentando lo que hemos descrito como cambio estructural, mientras que los
países que están debajo experimentan la transformación sectorial contraria. Con la excepción de

18
Perú, Ecuador, Paraguay y marginalmente Brasil, la mayoría de los países latinoamericanos han
experimentado una transformación estructural. Sin embargo, claramente la transformación no
es la misma para un país como Chile con una agricultura extremadamente dinámica, en
comparación con México, con diferencias similares en las tasas de crecimiento sectorial, pero con
un desarrollo agrícola mucho más lento.

Figure 3. Growth of Agricultural and Non Agricultural Value Added in Latin America (1984-
2012)
.06

CHL
YN

PAN CRI
DOM
.04

COL
NIC
HND
BOL
GTM
URY PER
BRA ECU
TTOSLVARG

MEX VEN PRY

SUR
.02

CUB JAM
0

-.02 0 .02 .04 .06

Mean Agricultural Growth YA

Note: Source World Development Indicators of the World Bank. Mean growth rates calculated as compound annual
𝑦𝑡+𝑠 1/𝑠
growth rates, i.e. ( ) − 1. Period considered is 1984 – 2012, except for Paraguay and Nicaragua, where due to
𝑦𝑡
data limitations, starting years are 1991 and 1994 respectively.

It is straight forward to recreate a similar decomposition, like that presented in (3), for
the rate at which the labor market transforms:

19
 ̂𝐿
( 𝐿𝐴) = (1 − 𝛽𝐴 )[𝐿̂𝐴 − 𝐿̂𝑁 ], (4)

𝐿𝐴
where 𝛽𝐴 ≡ (𝐿 , 𝐿𝐴 es empleo en agricultura, y L_N es empleo en sectores no agrícolas. La
𝐴 +𝐿𝑁 )

Figura 4 muestra las tasas medias de crecimiento del empleo en los sectores agrícola y no
agrícola. La línea roja es la línea de iso-crecimiento: los países que están por encima muestran un
crecimiento más rápido en el empleo no agrícola y, por lo tanto, la transformación estructural de
sus mercados laborales. Cabe mencionar que ese es el caso de todos los países latinoamericanos,
con excepción de Perú, donde el empleo agrícola ha crecido más rápido que el empleo no
agrícola. La línea azul vertical proporciona otra referencia importante, ya que los países a la
izquierda de esta línea han experimentado un crecimiento negativo en el empleo agrícola, lo que
enfatiza su transformación estructural de los mercados laborales (véase la ecuación (4)). Con un
crecimiento negativo del empleo agrícola, observamos a los países de Argentina, América
Central, (El Salvador) y el Caribe (Trinidad y Tobago, Jamaica, Cuba y República Dominicana). No
obstante, la mayoría de los países de la región muestran un crecimiento positivo del empleo
agrícola..

20
Figure 4. Growth Agricultural and Non Agricultural Employment in Latin America (1984-2012)
.06
LN

BRA
BOL

COL NIC GTM

.04

CRI
HND
VEN PAN PRY

DOM PER
MEX CHL
.02

TTO SLV
SUR ECU

ARG

JAM
CUB URY
0
-.02

-.02 0 .02 .04

Mean Agricultural EmploymentGrowth LA

Note: Source World Development Indicators, FAOSTAT, and national sources. Employment figures are less reliable,
some countries report only urban employment surveys, which affects comparability, and justifies the data collection
effort. Figures used reported in appendix. Mean growth rates calculated as compound annual growth rates. Period
considered is 1984 – 2012.

Dado que podemos observar los cambios en las economías en términos de PIB y mercados
laborales, tenemos dos dimensiones para observar la transformación estructural. La Figura 5
explora estas dimensiones en un diagrama de dispersión. En la figura, las líneas horizontales y
verticales indican tasas promedio observadas de valor agregado (diferencial) y crecimiento
laboral entre los países de la región. Estas líneas rojas generan cuatro cuadrantes a través de los
cuales los países distribuyen proporcionalmente 5, 5, 8 y 4 países. También nos permite clasificar
los países en cuatro tipos. En el primer cuadrante (I) tenemos países que han mostrado una
transformación del producto superior al promedio, pero una transformación (o migración)
inferior al promedio de su fuerza laboral. El segundo cuadrante (II) muestra países que son
transformadores rápidos en el mercado laboral y de salida. El tercer grupo (III), reúne a los países
que se están transformando lentamente, tanto en términos de composición sectorial de la
producción y el trabajo. Finalmente, el cuarto grupo de condados (IV) contiene aquellos donde
21
la mano de obra está migrando rápidamente desde el sector agrícola, pero muestra una
transformación lenta de la composición sectorial de la producción..

Figure 5. Difference in Employment and Output Growth Rates: Agriculture vs. Non Agriculture

CUB COL
.03

PAN

DOM
Y N YA
.02 -

TTO
I II
SLV

ARG CRI
MEX
CHL
.01

URY
JAM BOL
GTMVEN
HND
SUR

III NIC
0

IV BRA
PER

PRY
-.01

ECU

-.02 0 .02 .04 .06

Difference in Employent Growth LN - LA

Note: Source World Development Indicators of the World Bank. Mean growth rates calculated as compound annual
growth rates. See period coverage differences under figures 3 and 4.

En las siguientes secciones de este informe, habrá un enfoque profundo puesto en dos
países. El primer país seleccionado se encuentra en el cuadrante III, y es único, ya que el único
país que entre 1984 y 2012 aumentó la producción y la participación laboral de la agricultura,
como se muestra en la figura, con Perú como el único país que miente al suroeste del origen de
la gráfica. El segundo país elegido para un análisis exhaustivo se encuentra en el cuadrante IV,
Nicaragua, entre los mismos países del cuadrante, se selecciona por su nivel de desarrollo
relativamente más bajo y su buena disponibilidad de datos. El estudio de estos países se
complementará con la evidencia de un país en el segundo cuadrante, que está más avanzado en
su transformación estructural y tiene una buena disponibilidad de datos para comparar, Chile.
Ningún país del segundo cuadrante se estudiará en detalle, pero estos países que han

22
experimentado una rápida transformación, como Panamá y Colombia, se considerarán en un
análisis posterior de los países.

La tipología propuesta es útil porque considera la transformación estructural en términos de

ingresos sectoriales y mercados laborales. Sin embargo, hay otras dimensiones importantes
ignoradas. En particular, es importante distinguir y comprender si la transformación está
ocurriendo o no como resultado de una agricultura estancada, que obliga a los recursos y a las
personas a migrar a otros sectores, o si la agricultura desempeña un papel vibrante y de apoyo
en el desarrollo de la agricultura. país. Claramente, las implicaciones para el bienestar rural en
particular son radicalmente diferentes en ambos escenarios. En la siguiente sección, desglosamos
el crecimiento en el sector agrícola para determinar los impulsores y su contribución.

IV. Productivity in Latin American Agriculture. A long-term view (1970 -

2013)

El objetivo de este ejercicio es construir una descomposición completa del crecimiento de la

producción agrícola, para comprender las contribuciones separadas que el progreso tecnológico
y la acumulación de activos hacen al crecimiento total de la producción. Este análisis es
comparable al esfuerzo de Trindade y Fulginiti (2015), pero estamos ampliando la cobertura de
los países a diecinueve países latinoamericanos, así como el horizonte temporal. El punto de
partida para este ejercicio es establecer la relación entre los insumos y el crecimiento agrícola
dentro de un marco de función de producción neoclásica, expresado en logaritmos como:

𝑦𝑖𝑡 = 𝑇𝐸𝑖𝑡 + 𝑓(𝑥𝑖𝑡 , 𝑡; 𝛽). (5)

In this context, 𝑦𝑖𝑡 is agricultural output for country 𝑖 at time 𝑡; 𝑇𝐸𝑖𝑡 , es la eficiencia técnica, un
índice contenido dentro del intervalo de la unidad que expresa cuán cerca está un país i de la
frontera de producción máxima posible, definido por la función f (∙). La función de producción f
(∙) es una función de x_it un vector de entradas J, tiempo (t) y un vector β de coeficientes
estimados de la forma linealizada de la función de producción. Con el tiempo, la función de
producción evoluciona de acuerdo con la siguiente expresión:

23
 𝜕𝑓(𝑥𝑖𝑡 ,𝑡;𝛽) 𝜕𝑓(𝑥𝑖𝑡 ,𝑡;𝛽)
𝑦̇ 𝑖𝑡 = 𝑇𝐸̇ + ∑𝑗 𝑥̇𝑗𝑖𝑡 + . (6)
𝜕𝑥𝑗𝑖𝑡 𝜕𝑡

This expression indicates that growth of output (note that given that we have (5) expressed in
logs, the time change expression, with a dot above the variable, indicates growth rates), is a result
𝜕𝑓(𝑥𝑖𝑡 ,𝑡;𝛽)
of changes in the accumulation of assets, ∑𝑗 𝑥̇𝑗𝑖𝑡 , and changes in technology: what is
𝜕𝑥𝑗𝑖𝑡

usually known as changes in Total Factor Productivity, or also colloquially as the Solow residual.
Furthermore, TFP growth can be decomposes into:

̇ = 𝑇𝐸̇ + 𝜕𝑓(𝑥𝑖𝑡,𝑡;𝛽)
𝑇𝐹𝑃 (7)
𝜕𝑡

cambios en la eficiencia técnica, es decir, cambios en la forma en que se utilizan los insumos
productivos y el cambio técnico, o cómo la frontera de la producción máxima alcanzable cambia
con el tiempo.

La función de producción se linealiza utilizando una especificación de translog. La técnica de

estimación elegida, frontera estocástica (ver (Kumbhakar y Lovell, 2003)), identifica el nivel de
eficiencia técnica haciendo suposiciones sobre su distribución. En este ejercicio asumimos que la
eficiencia técnica se distribuye truncada normal, con una media que está condicionada a
(determinada por) un vector de observables, y se estima conjuntamente con la función de
producción. Además, permitimos la heterocedasticidad del indicador de eficiencia técnica u_it
(ver (8), más abajo), de manera estructurada, explicada por un vector de características
observables del país. La función de producción f (∙), la media condicional y los componentes de
heteroscedasticidad se estiman conjuntamente por la máxima probabilidad, utilizando el
comando STATA preparado por (Belotti, Daidone, Ilardi y Atella, 2013).

Por lo tanto, el modelo estimado se puede describir mediante la siguiente ecuación

(considerando seis entradas que se describen a continuación):
1 1
𝑦𝑖𝑡 = 𝑎 + ∑6𝑗=1 𝑏𝑗 𝑥𝑗𝑖𝑡 + 2 ∑6𝑗=1 𝑐𝑗𝑗 𝑥𝑗𝑖𝑡 2 + ∑6𝑗=1 ∑6𝑘>𝑗 𝑐𝑗𝑘 𝑥𝑗𝑖𝑡 𝑥𝑘𝑖𝑡 + 𝑑 𝑡 + 2 𝑓 𝑡 2 +

∑6𝑗=1 𝑔𝑗 𝑡𝑥𝑗𝑖𝑡 − 𝑢𝑖𝑡 + 𝑣𝑖𝑡 . (8)

La medida del stock de capital, representada aquí por el número de tractores en el país
(FAOSTAT), requiere una breve discusión. Independientemente del enfoque específico de la
estimación, un análisis de productividad descompone el crecimiento del producto en lo que
24
puede explicarse por la acumulación de insumos y lo que se explica por los cambios en la
tecnología y la eficiencia. Si un factor no se mide bien, el crecimiento inevitable se atribuirá al
progreso técnico que podría explicarse por la acumulación de factores no bien explicada. Para los
países con sectores agrícolas más modernos, como Argentina, Chile y Brasil, es probable que un
simple conteo de tractores sea un proxy menos apropiado para el stock de capital en la
agricultura, porque los tractores representarían un valor decreciente del capital total, lo que
incluyen estructuras y maquinaria especializadas para cultivos particulares, y otras inversiones,
como el riego en el sitio. A pesar de los inconvenientes, esta variable, como se ha usado
tradicionalmente en la literatura, cf. (Headey, Alauddin y Rao, 2010; Trindade y Fulginiti,
2015).Livestock is a composite index of stock of farm animals using (Hayami & Ruttan, 1971)
weights. Agricultural land, also from FAOSTAT, follows FAO’s definition of agricultural land, which
includes land used on permanent crops, annual crops, and pastures. Fertilizers, measures the
sum in tons of three main fertilizers consumed: nitrogen (N), phosphorus (P 2O2), and potassium
(K2O), from FAOSTAT. Finally, pesticides, from FAOSTAT, measures in tons the sum of the
different active ingredients contained in pesticides and used in agricultural production.

Además, para permitir las medias variables y la variación de la eficiencia técnica,

utilizamos un vector de seis variables, que se espera que estén correlacionadas con el nivel de
eficiencia técnica. Primero, utilizamos el PIB per cápita (en dólares de 2005), como un indicador
del nivel de desarrollo del país. Incluimos la apertura comercial (medida como valor comercial
general sobre el PIB), probablemente correlacionada con la facilidad de importación de
tecnología y mejores prácticas. Como indicador de salud utilizamos la esperanza de vida al nacer,
obtenida del sitio web del PNUD. También incluimos un indicador de cobertura de riego, que es
la porción de tierra agrícola que tiene alguna forma de infraestructura de riego sobre la tierra
agrícola total, del sitio web de AQUASTAT, FAO. La educación es probablemente un determinante
importante de la eficiencia técnica; En este análisis, el gasto público en educación representa el
porcentaje del PIB, según los Indicadores del desarrollo mundial. Finalmente, incluimos el tiempo
en este vector para permitir efectos de cambio de tiempo en la eficiencia técnica.

El conjunto completo de resultados de regresión se presenta en el Apéndice II de este capítulo.

Aquí nos concentramos en los resultados que pueden derivarse de esta regresión. El primer

25
resultado se relaciona con la eficiencia técnica, que indica cuán eficientemente se usan los
insumos en la producción, o qué tan cerca está el país de la producción máxima (o frontera) en
términos de distancia de salida proporcional (con 1 producción de señalización en la frontera).
La Tabla 6 muestra las eficiencias técnicas promedio por país y período (1970-1984) versus (1985-
2013). Como se argumentó anteriormente, estos dos períodos son razonables después de
considerar que definen ampliamente una era de reforma pre-estructural y una era posterior a la
reforma. La eficiencia técnica para la muestra completa oscila entre 0.2 y 0.99. Sin embargo,
como muestra la tabla, los promedios son bastante bajos. El índice de eficiencia técnica promedia
0.43 para el primer período y 0.51 durante el segundo. Todos los países muestran puntajes de
eficiencia técnica promedio más altos durante el segundo período como lo revela la cuarta
columna de la tabla. La eficiencia técnica no se correlaciona bien con los niveles de ingresos, la
correlación entre (log) del PIB per cápita y la eficiencia es de solo 0.11 para el primer período,
aunque sí crece a 0.25 para el segundo período. De hecho, los países más eficientes técnicamente
son Ecuador y República Dominicana, que no son los más ricos. Al centrarnos en los tres países
de particular interés para este informe, vemos historias claramente diferentes. Perú tuvo el
mayor aumento en su eficiencia técnica, pasando del nivel de eficiencia promedio al tercer país
más eficiente de la muestra. Si bien Chile fue el país más eficiente durante el primer período, su
nivel de eficiencia creció menos, convirtiéndose en el cuarto país más eficiente durante el
segundo período. Nicaragua, por otro lado, es uno de los países menos eficientes técnicamente
en la muestra, y mostró poco crecimiento de la eficiencia técnica para seguir siendo uno de los
países menos eficientes técnicamente en la muestra.

26
Table 6. Average Technical Efficiency by Period and Country
COUNTRY 1970-1984 1985-2013 % CHANGE
ARGENTINA 0.368 0.398 7.82
BOLIVIA 0.271 0.324 17.74
BRAZIL 0.312 0.370 17.29
CHILE 0.595 0.668 11.49
COLOMBIA 0.340 0.408 18.19
COSTA RICA 0.437 0.588 29.67
DOMINICAN REPUBLIC 0.575 0.741 25.43
ECUADOR 0.717 0.868 19.11
EL SALVADOR 0.340 0.408 18.05
GUATEMALA 0.487 0.574 16.38
HONDURAS 0.425 0.465 8.89
JAMAICA 0.541 0.584 7.75
MEXICO 0.445 0.558 22.61
NICARAGUA 0.317 0.368 14.74
PANAMA 0.430 0.458 6.18
PARAGUAY 0.374 0.388 3.75
PERU 0.492 0.673 31.21
URUGUAY 0.369 0.410 10.56
VENEZUELA, RB 0.376 0.455 19.01

TOTAL 0.432 0.511 16.70

Note: Authors’ calculations.

Estos resultados pueden contrastarse con lo que se ilustra en la Figura 6, que muestra la
evolución de la Productividad del Factor Total para cada país. La línea roja en las figuras
disecciona cada gráfico para el año 1984. Recuerde que TFP suma la eficiencia técnica y el cambio
técnico o el progreso tecnológico. El gráfico transmite en una imagen las trayectorias dispares de
la PTF entre los países latinoamericanos. Brasil, Chile, Bolivia y México muestran un alto
crecimiento de la PTF durante todo el período, pero los países centroamericanos en general
muestran poco crecimiento de la PTF durante el período. El caso de Perú es especial, el país pasó
de ser un país de crecimiento de TFP lento a rápido entre períodos. Nicaragua, por otro lado,
muestra un crecimiento negativo de la PTF durante el período, como resultado de un cambio
técnico negativo.

27
 Figure 6. Evolution of Total Factor Productivity by Country

ARG BOL BRA CHL COL

100 150 200 250
50

CRI DOM ECU GTM HND

100 150 200 250
TFP Index

50

JAM MEX NIC PAN PER

100 150 200 250
50

1970 1980 1990 2000 2010

PRY SLV URY VEN

100 150 200 250
50

1970 1980 1990 2000 2010 1970 1980 1990 2000 2010 1970 1980 1990 2000 2010 1970 1980 1990 2000 2010

year
Graphs by Country Code

Notes: Authors’calculations

La Tabla 8 y la Tabla 9 proporcionan una contabilidad completa del crecimiento de la

producción agrícola, por acumulación de factores (separados por los seis insumos incluidos). La
contabilidad de la acumulación de factores requiere las elasticidades de los factores que se
muestran en la Tabla 7. Observamos que las elasticidades de los factores suman 0.91, y los
retornos constantes a escala se rechazan para la muestra completa. El ganado muestra la mayor
elasticidad 0.53 (contribución proporcional a la producción), mientras que la tierra y los
fertilizantes tienen elasticidades similares de aproximadamente 0.15. La Tabla 8 y la Tabla 9
muestran que, en promedio, el crecimiento agrícola fue mayor durante el segundo período
(1985-2013), y es el crecimiento de la PTF lo que explica la mayor parte de este salto en las tasas
de crecimiento del producto.

28
Table 7. Estimated Input Elasticities
ELASTICITY
AGRICULTURAL LABOR 0.060**
(0.027)
TRACTORS -0.002
(0.018)
LIVESTOCK 0.529***
(0.063)
LAND 0.134***
(0.047)
FERTILIZERS 0.148***
(0.011)
PESTICIDES 0.041***
(0.006)
RETURNS TO SCALE 0.910
Notes: Standard errors in parentheses, * p<0.10, ** p<0.05, *** p<0.01. Constant returns to scale rejected.

29
Table 8. Average annual growth of agricultural production decomposed in factor
accumulation and Total Factor Productivity Growth (1970 - 1984)
Ag. Tech- Tech.
Trac- Live- Ferti- Pesti- Total Total
Country Prod. Labor Land nical Eff.
tors stocks lizer cides inputs TFP
Growth Change Change
Argentina 1.54 0.36 0.11 0.24 -0.03 -0.30 -0.01 0.37 0.94 0.23 1.17
Bolivia 3.08 0.45 1.40 4.33 -0.53 0.22 -0.32 5.56 -1.55 -0.93 -2.48
Brazil 3.75 -0.44 -0.76 5.00 -0.23 -1.50 -0.20 1.87 1.63 0.26 1.88
Chile 2.05 -0.76 -0.01 0.72 0.07 1.10 -0.05 1.07 0.88 0.11 0.98
Colombia 3.05 0.94 -0.21 1.70 -0.03 0.21 -0.21 2.40 0.39 0.26 0.65
Costa Rica 3.07 -0.78 -0.23 1.34 0.85 1.43 -0.26 2.36 0.48 0.23 0.71
Dominican Rep. 2.46 0.28 -0.15 1.73 -0.07 1.25 -0.79 2.25 1.01 -0.80 0.21
Ecuador 1.47 0.76 0.61 1.05 0.39 0.88 -0.09 3.59 0.78 -2.91 -2.12
El Salvador 1.87 0.05 0.54 -0.48 -0.01 0.40 -0.04 0.46 0.36 1.06 1.42
Guatemala 2.57 0.07 -0.38 1.36 -0.43 2.02 -0.14 2.51 0.04 0.03 0.06
Honduras 1.00 0.15 -1.07 1.47 0.01 0.56 -0.02 1.09 -0.04 -0.06 -0.10
Jamaica 0.86 -0.20 0.67 0.10 -0.23 -0.38 -0.63 -0.67 1.09 0.44 1.53
Mexico 3.66 0.07 -0.40 2.61 -0.05 0.31 -0.15 2.39 1.04 0.23 1.26
Nicaragua 0.65 0.43 -0.82 0.32 -0.09 2.10 2.10 4.05 -5.10 1.70 -3.40
Panama 1.35 -0.04 -0.68 0.04 0.47 0.97 0.12 0.87 0.30 0.18 0.48
Paraguay 4.34 1.32 1.16 1.13 0.58 0.31 0.00 4.51 -0.05 -0.12 -0.16
Peru 1.17 -0.11 0.03 -0.49 -0.12 0.18 0.06 -0.45 1.16 0.46 1.62
Uruguay -0.11 -0.81 -0.03 0.16 -0.23 0.06 0.01 -0.84 0.43 0.30 0.73
Venezuela 3.01 -0.06 0.32 1.00 0.12 1.95 -0.31 3.01 0.00 0.00 0.00
Total 2.15 0.09 0.01 1.23 0.02 0.62 -0.05 1.92 0.15 0.08 0.23
Notes: Authors’ calculations.

Chile basó su crecimiento durante el primer período en la acumulación de fertilizantes y

ganado, y el cambio técnico agregó también una parte importante del crecimiento general de la
producción. Durante el segundo período, Chile mostró el crecimiento más rápido de TFP en la
muestra, impulsado por una rápida tasa de cambio técnico, que fue el principal contribuyente al
crecimiento. Entre los factores, fue la acumulación de fertilizantes el factor que explica la mayor
parte del crecimiento observado. Durante ambos períodos, la mano de obra contribuye
negativamente al crecimiento, describiendo el hecho de que el empleo en la agricultura ha
disminuido. Por otro lado, en Perú, durante el primer período, una pequeña tasa de crecimiento
se explica por un pequeño cambio en la PTF, y la acumulación de factores en general contribuye
negativamente al crecimiento. Sin embargo, durante el segundo período, Perú es uno de los de
mejor desempeño en la región, ya que tanto la TFP como la acumulación de factores explican

30
aproximadamente el 2% de una tasa de crecimiento general del 4%. Entre los factores, el ganado,
los fertilizantes y los pesticidas, hacen las mayores contribuciones al crecimiento observado.
Nicaragua, muestra imágenes completamente opuestas para ambos períodos. Durante el primer
período, el escaso crecimiento se basó en una rápida acumulación de factores, lo que compensó
el impacto negativo de una fuerte caída de la PTF. Durante el segundo período, el país mejoró las
tasas de crecimiento de la producción agrícola, basándose en un crecimiento relativamente
rápido de la PTF, contrarrestando muy poco el crecimiento basado en la acumulación de factores.
Este último resultado sugiere una baja tasa general de inversión en agricultura en el país durante
el período.

Table 9 Average annual growth of agricultural production decomposed in factor accumulation

and Total Factor Productivity Growth (1985 - 2013)
Ag. Tech- Tech.
Trac- Live- Ferti- Pesti- Total Total
Country Prod. Labor Land nical Eff.
tors stocks lizer cides inputs TFP
Growth Change Change
Argentina 2.28 -0.04 0.37 -0.06 0.34 0.74 0.12 1.46 0.70 0.11 0.81
Bolivia 3.76 0.27 0.66 1.92 -0.12 -0.61 0.13 2.25 1.12 0.39 1.51
Brazil 3.78 0.03 -0.29 1.84 0.14 0.12 -0.29 1.55 1.96 0.27 2.23
Chile 3.38 -0.20 -0.01 -0.24 0.01 1.22 -0.07 0.71 2.42 0.25 2.67
Colombia 2.26 0.04 0.00 -0.12 -0.04 0.28 0.12 0.28 1.12 0.86 1.99
Costa Rica 3.36 0.03 0.10 0.02 -0.51 1.34 0.42 1.40 1.37 0.60 1.96
Dominican Rep. 1.79 -0.23 0.00 0.07 -0.08 0.51 0.39 0.66 8.05 -6.92 1.13
Ecuador 3.26 0.32 -0.04 0.37 -0.02 0.85 -0.35 1.13 1.48 0.64 2.12
El Salvador 1.14 -0.07 -0.24 0.14 0.02 1.12 0.25 1.22 -0.04 -0.04 -0.08
Guatemala 3.91 0.25 0.34 1.49 -0.04 1.06 -0.06 3.02 0.50 0.39 0.89
Honduras 2.81 0.15 -0.14 -0.14 0.07 1.56 -0.18 1.32 1.03 0.45 1.49
Jamaica 0.89 -0.03 -0.09 0.26 -0.13 -0.77 -0.51 -1.29 1.50 0.68 2.18
Mexico 2.11 0.01 -0.36 0.08 0.00 0.07 -0.15 -0.36 2.21 0.26 2.47
Nicaragua 2.62 0.07 -0.83 0.37 -0.03 0.39 0.23 0.19 -5.65 8.08 2.43
Panama 0.99 -0.04 -0.26 -0.13 0.24 0.80 -0.23 0.38 0.48 0.14 0.61
Paraguay 3.88 0.41 0.69 0.65 0.38 1.38 0.20 3.71 0.13 0.04 0.17
Peru 3.90 0.21 0.14 0.84 -0.29 0.45 0.49 1.86 1.65 0.39 2.04
Uruguay 2.92 0.10 0.25 -0.15 -0.15 2.20 0.46 2.72 0.11 0.09 0.20
Venezuela 2.75 -0.01 0.01 0.30 0.00 0.24 -0.30 0.24 1.72 0.79 2.51
Total 2.73 0.07 0.01 0.39 -0.01 0.68 0.03 1.18 1.14 0.41 1.54
Notes: Authors’ calculations.

31
32
REFERENCES
Alderman, H. (1986). The effect of food price and income changes on the acquisition of food by
low-income households. (IFPRI, Ed.). Washington DC.
Anríquez, G., Daidone, S., & Mane, E. (2013). Rising food prices and undernourishment: A cross-
country inquiry. Food Policy, 38(1), 190–202.
Belotti, F., Daidone, S., Ilardi, G., & Atella, V. (2013). Stochastic frontier analysis using Stata. Stata
Journal, 13(4), 719–758.
Bernard, A. B., & Jones, C. I. (1996). Productivity Across Industries and Countries: Time Series
Theory and Evidence. The Review of Economics and Statistics, 78(1), 135–146.
doi:10.2307/2109853
Chenery, H. B. (1960). Patterns of industrial growth. The American Economic Review, 50(4), 624–
654. doi:10.1257/jep.6.3.79
Chenery, H. B., & Taylor, L. (1968). Development Patterns: Among Countries and Over Time. The
Review of Economics and Statistics, 50(4), 391–416.
Chenery, H., & Syrquin, M. (1975). Patterns of development 1950-1970. New York: Oxford
University Press.
Clark, C. (1940). The Conditions of Economic Progress. Macmillan and co. London: MacMillan.
doi:10.2307/2225658
Faruqui, U., Gu, W., Kaci, M., Laroche, M., & Maynard, J.-P. (2003). Differences in productivity
growth: Canadian-U.S. business sectors, 1987–2000. Monthly Labor Review, (April), 16–29.
Hayami, Y., & Ruttan, V. W. (1971). Agricultural Development: An International Perspective.
Baltimore: Johns Hopkins University Press.
Headey, D., Alauddin, M., & Rao, D. S. P. (2010). Explaining agricultural productivity growth: an
international perspective. Agricultural Economics, 41(1), 1–14. doi:10.1111/j.1574-
0862.2009.00420.x
Hirschman, A. O. (1958). The Strategy of Economic Development. Yale studies in economics, 10.
Yale University Press.
Johnston, B. F., & Mellor, J. W. (1961). The role of agriculture in economic development. The
American Economic Review, 51(4), 566–593. doi:10.2307/2229883
Kumbhakar, S. C., & Lovell, C. A. K. (2003). Stochastic Frontier Analysis. Cambridge University
Press.
Kuznets, S. (1957). Quantitative Aspects of the Economic Growth of Nations: II. Industrial
Distribution of National Product and Labor Force. Economic Development and Cultural
Change, 5(4), 1–111.
Lewis, W. A. (1954). Economic Development with Unlimited Supplies of Labour. The Manchester

33
 School, 22(2), 139–191. doi:10.1111/j.1467-9957.1954.tb00021.x
Lora, E. (2012). Structural Reforms in Latin America: What Has Been Reformed and How to
Measure It. Washington DC.
Martin, W., & Mitra, D. (2001). Productivity Growth and Convergence in Agriculture versus
Manufacturing. Economic Development and Cultural Change, 49(2), 403–422.
doi:10.1086/452509
Nurkse, R. (1953). Problems of Capital Formation in Underdeveloped Countries. Oxford: Basil
Blackwell.
Ocampo, J. A., & Parra, M. A. (2003). The terms of trade for commodities in the twentieth century.
CEPAL Review, 79, 7–35.
Prebisch, R. (1949). El Desarrollo Económico de la América Latina y Algunos de sus Principales
Problemas. El Trimestre Económico, 16(63(3)), 347–431.
Rosenstein-Rodan, P. N. (1943). Problems of Industrialisation of Eastern and South-Eastern
Europe. The Economic Journal, 53(210/211), 202–211. doi:10.2307/2226317
Syrquin, M. (1988). Patterns of structural change. In Handbook of Development Economics (Vol.
1, pp. 203–273). doi:10.1016/S1573-4471(88)01010-1
Trindade, F. J., & Fulginiti, L. E. (2015). Is there a slowdown in agricultural productivity growth in
South America? Agricultural Economics, 46(S1), 69–81. doi:10.1111/agec.12199

34
Appendix I
Figure I.1. Average labor productivity growth in Agriculture and Non Agricultural Sectors.

Growth in Average Labor Productivity

.04

CHL
BRA CRI NIC
DOM
ARG
ECU
SUR URY
.02

HND TTO
JAM
SLV
VEN
BOL GTM
MEX PAN
COL
PER
PRY
0

CUB
-.02

-.02 0 .02 .04

Growth in Non-Agriculture

35
Appendix II
Stochastic Frontier Estimation of Agricultural Production Function
Production Function Mean 𝑢 Var. (𝑢)
*** ** **
LnX1 -3.563 LnX2 LnX3 -0.158 GDP per capita, 0.047 -3.840***
(0.600) (0.062) log (0.023) (0.785)
*** *** *
LnX2 1.882 LnX2 LnX4 0.289 Trade (% of GDP ) -0.001 -0.002
(0.450) (0.044) (0.000) (0.022)
LnX3 -1.52 LnX2 LnX5 0.016 Life expectancy -0.021*** -0.279**
(1.122) (0.019) at birth (0.003) (0.140)
*** ***
LnX4 -1.032 LnX2 LnX6 -0.060 Irrigation ratio (%) -0.075 0.223**
(1.277) (0.013) (0.006) (0.104)
** ***
LnX5 1.039 LnX3 LnX4 0.474 Government exp. -0.001 -1.199**
(0.449) (0.143) Educ. (% GDP) (0.007) (0.508)
LnX6 0.271 LnX3 LnX5 -0.003 Time 0.002 0.111*
(0.173) (0.062) (0.008) (0.064)
*** ***
LnX1 LnX1 0.086 LnX3 LnX6 0.015 Constant 2.117 42.648***
(0.023) (0.020) (0.502) (10.427)
* **
LnX2 LnX2 -0.038 LnX4 LnX5 -0.114 𝜎𝑢 0.073
(0.022) (0.046) 𝜎𝑣 0.094
***
LnX3 LnX3 -0.427 LnX4 LnX6 0.03 Log-likelihood 575.272
(0.136) (0.018) F-test p-value 0
*** ***
LnX4 LnX4 -0.506 LnX5 LnX6 0.033 Obs. 855
(0.168) (0.008)
LnX5 LnX5 0.076*** Time (t) 0.061*
(0.022) (0.033)
LnX6 LnX6 -0.006 Time Time 0
(0.007) (0.000)
LnX1 LnX2 -0.108*** t LnX1 0.002***
(0.022) (0.001)
***
LnX1 LnX3 0.445 t LnX3 0.006***
(0.058) (0.001)
***
LnX1 LnX4 -0.253 t LnX4 -0.013***
(0.057) (0.004)
***
LnX1 LnX5 -0.082 t LnX5 0.006**
(0.018) (0.003)
***
LnX1 LnX6 -0.037 t LnX6 0
(0.012) (0.001)
***
Var. (v) -4.719 t LnX7 0
(0.081) (0.000)
Constant 33.528***
(5.337)

36
Notes: Standard errors in parentheses, * p<0.10, ** p<0.05, *** p<0.01. Data source, World Bank, World
Development Indicators. Inputs 𝑥𝑖 , in order are: 1. Labor in agriculture, 2. tractors, 3. Livestock as stock, 4.
agricultural land, 5. fertilizers, and 6. pesticides

37