Clemente Ricse-Dipas Medrano PDF

UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ
FACULTAD DE ECONOMÍA
TESIS
EFECTOS DEL CAMBIO CLIMÁTICO SOBRE LA TASA DE CRECIMIENTO
DE LA PRODUCCIÓN DE PAPA EN EL VALLE DEL MANTARO: 2000 - 2014
PRESENTADO POR:
CLEMENTE RICSE, Jimmy Francisco
DIPAS MEDRANO, Edinson
PARA OPTAR EL TÍTULO PROFESIONAL DE
ECONOMISTA
HUANCAYO – PERÚ
2016
i
ASESOR:
MG. OSCAR VILLAVERDE MONTOYA
i
A mis padres por ser
parte fundamental de mi
formación profesional.
Jimmy
DEDICATORIA
A mi familia.
Y a la vida que aunque siendo
injusta, aún así es buena, que a
pesar de no tener un moño
encima, aún así es un regalo.
Edinson
ii
AGRADECIMIENTOS
Durante la preparación de esta investigación, hemos contado con el apoyo, comentarios y
asistencia de muchas personas a las cuales deseamos manifestar nuestro más sincero
agradecimiento por la ayuda brindada.
Así mismo, queremos expresar nuestra gratitud a los catedráticos de la Facultad de Economía
de la Universidad Nacional del Centro del Perú, por la guía y exigencia brindada durante la
presente investigación.
Los tesistas
iii
ÍNDICE
ASESOR: ............................................................................................................................................... i
DEDICATORIA ......................................................................................................................................ii
AGRADECIMIENTOS ........................................................................................................................... iii
RELACION DE TABLAS Y FIGURAS...................................................................................................... vi
RESUMEN .......................................................................................................................................... vii
ABSTRACT ........................................................................................................................................ viii
INTRODUCCIÓN ................................................................................................................................. 1
CAPÍTULO I
ASPECTOS GENERALES
1.1. TEMA DE INVESTIGACIÓN .................................................................................................. 2
1.2. PLANTEAMIENTO DEL PROBLEMA ..................................................................................... 2
1.2.1. El sector agrícola y la producción de papa en la región Junín.................................... 6
1.2.2. Dinámica de la producción de la papa de la región Junín ........................................ 10
1.2.3. Comportamiento de las variables climáticas en la región Junín .............................. 10
1.2.4. Formulación del problema general .......................................................................... 14
1.2.5. Formulación de los problemas específicos .............................................................. 14
1.3. OBJETIVO DE LA INVESTIGACIÓN ..................................................................................... 15
1.3.1. Objetivo general ....................................................................................................... 15
1.3.2. Objetivos específicos ................................................................................................ 15
1.4. JUSTIFICACIÓN DE LA INVESTIGACIÓN ............................................................................. 15
1.5. LIMITACIONES DE LA INVESTIGACIÓN ............................................................................. 16
CAPÍTULO II
REFERENCIA TEÓRICA
2.1. ANTECEDENTES DE LA INVESTIGACIÓN ........................................................................... 17
2.2. MARCO TEÓRICO .............................................................................................................. 24
2.2.1. Enfoque de la función de producción: ..................................................................... 24
2.3. MARCO CONCEPTUAL ...................................................................................................... 26
2.4. HIPÓTESIS DE LA INVESTIGACIÓN .................................................................................... 28
2.4.1. Hipótesis general ...................................................................................................... 28
2.4.2. Hipótesis especificas ................................................................................................ 28
2.5. OPERACIONALIZACIÓN DE VARIABLES ............................................................................. 28
iv
CAPÍTULO III
METODOLOGÍA DE LA INVESTIGACIÓN
3.1. TIPO DE INVESTIGACIÓN .................................................................................................. 30
3.2. MÉTODOS DE INVESTIGACIÓN ......................................................................................... 30
3.3. DISEÑO DE INVESTIGACION ............................................................................................. 30
3.4. POBLACIÓN Y MUESTRA................................................................................................... 31
3.5. INSTRUMENTOS DE RECOLECCIÓN DE DATOS ................................................................. 31
3.6. PROCESAMIENTO DE LOS DATOS ..................................................................................... 31
CAPÍTULO IV
ANÁLISIS DE RESULTADOS
4.1. ANÁLISIS DE RESULTADOS................................................................................................ 32
4.1.1. Análisis descriptivo: .................................................................................................. 32
4.1.2. Análisis econométrico .............................................................................................. 37
CAPÍTULO V
CONTRASTACIÓN DE LA HIPÓTESIS
5.1. PRUEBA DE HIPÓTESIS...................................................................................................... 44
5.1.1. Hipótesis general ...................................................................................................... 44
5.1.2. Hipótesis especificas ................................................................................................ 45
DISCUSIÓN ...................................................................................................................................... 45
CONCLUSIONES ..................................................................................................................... 48
RECOMENDACIONES ....................................................................................................................... 50
REFERENCIA BIBLIOGRAFÍA ............................................................................................................. 51
ANEXOS ............................................................................................................................................ 53
v
RELACION DE TABLAS Y FIGURAS
RELACION DE TABLAS
Tabla 1: Valor agregado bruto por sectores (promedio de participación) de

la región Junín 2001- 2014. 9
Tabla 2: Principales productos agrícolas de la región Junín (promedio de
participación) 1966- 2014. 10
Tabla 3: Principales indicadores ambientales en la región Junín. 12
Tabla 4: Operacionalización de variables. 32
Tabla 5: Tasas de Crecimiento de la producción de papa periodo 2000-2014.
Jauja, Concepción y Chupaca. 36
Tabla 6: Temperatura periodo 2000-2014. Jauja, Concepción y Chupaca (en
°C). 37
Tabla 7: Precipitación periodo 2000-2014. Jauja, Concepción y Chupaca (en
mm). 38
Tabla 8: Resumen de estadísticos descriptivos de las variables regresionadas. 41
Tabla 9: Resumen de estadísticos descriptivos de las variables
regresionadas. 42
Tabla 10: Regresión de panel de datos con variable dependiente Logaritmo
de producción de papa. 43
RELACION DE FIGURAS
Figura 1: PBI de Junín por sectores (% de participación) 2001-2014 8

Figura 2: Región Junín: Dinámica agrícola de la papa de 1964 – 2014 11
Figura 3: Tasa de crecimiento de las precipitaciones y tasa de crecimiento de
la producción de papa en la región Junín desde 1990 al 2014 13
Figura 4: Tasa de crecimiento de la temperatura y tasa de crecimiento la
producción de papa en la región Junín desde 1990 al 2014 14
Figura 5: Función de producción con variables climáticas 28
Figura 6: Relación entre la tasa de crecimiento de la producción y las variables
del cambio climático 39
Figura 7: Efecto fijo periódico de la regresión realizada 44
Figura 8: Distribución de la producción con respecto de la temperatura (a) y las
precipitaciones (b) 47
vi
RESUMEN
¿Cuál es el efecto del cambio climático sobre la tasa de crecimiento de la producción de
papa?, para responder esta interrogante el objetivo de esta investigación es determinar los
efectos del cambio climático sobre la tasa de crecimiento de la producción de papa (2000-
2014). Para ello se empleó el modelo microeconómico de la función de producción, con la
intención de validar la hipótesis. Para la contrastación se usó la base de datos de la Dirección
Regional de Agricultura (DRA) de Junín y del SENAHMI, luego los indicadores generados
fueron procesados mediante un análisis de panel.
Los resultados muestran que los efectos de las variables que explican el cambio climático
sobre la tasa de crecimiento de la producción de papa, fue positiva hasta un determinado
nivel (punto máximo) después de la cual el efecto se convierte en negativo. Esto se puede
contrastar al encontrar que los niveles de temperatura y precipitación que maximizan la
producción son iguales a 2.32 (en logaritmos que es equivalente a 10.21 °C) y 1.96 mm
respectivamente, con la cual el grafico de dicha relación tendría la forma de una U invertida
(cóncava).
Palabras clave: Cambio climático, temperatura, precipitaciones, producción.
vii
ABSTRACT
What it is the effect of climate change on the rate of growth of potato production ?, to answer
this question the objective of this study was to determine the effects of climate change on
the rate of growth of potato production for the period 2000 -2014. For it was used the
microeconomic model of the production function, intended to validate the hypothesis that
sought an indirect relationship between the variables that explain both phenomena, for the
constrast was used the database of the DRA-Junín and SENAHMI, then the indicators
generated were processed by analyzing panel.
The results show that the relationship between the variables that explain the growth rate of
potato production and climate change was positive to a certain level (peak) after which the
ratio becomes negative. This can be contrasted to find that the temperature levels and
precipitation maximize production are equal to 2.32 (in logarithms is equivalent to 10.21 °C
and 1.96 mm respectively. With which the graph of this relationship would have the shape
of an inverted U (concave towards the origin).
Keywords: Climate change, temperature, rainfall, production.
viii
INTRODUCCIÓN
El cambio climático como fenómeno global se expresa, fundamentalmente, en el
aumento de la temperatura media, la modificación de los patrones de precipitación por
cuestiones que se trasladan al uso excesivo de materiales ricos en carbono y azufre. A ello
se le llama efecto invernadero y va modificando, lentamente, el comportamiento del
medio ambiente. La agricultura, en este sentido se ve comprometida ante estos cambios
reduciendo su productividad y poniendo en peligro el esfuerzo de aquellos que luchan
para alimentarse de la tierra.
La presente investigación busca determinar los efectos del cambio climático sobre
la tasa de crecimiento de la producción de papa (2000 – 2014), aplicado en el Valle del
Mantaro, basado en el enfoque neoclásico de la teoría del productor, esta se sustentó en 3
provincias de la región: Jauja, Concepción y Chupaca, con datos proporcionados por la
DRA-Junín y el SENAHMI.
En el capítulo I, se presenta el problema, el objetivo y las razones que nos motivan
a realizarla. En el capítulo II, se expone los antecedentes de la investigación, las teorías
que nos ayudan a explicar la investigación, el marco conceptual, la hipótesis, así como el
modelo y la operacionalización de las variables. En el capítulo III, se explica la
metodología que se usó en la investigación; de igual manera se muestra la obtención de
datos y el modelo econométrico. En el capítulo IV, se analiza los resultados. El capítulo
V, da a conocer la contrastación de las hipótesis de investigación y finalmente el capítulo
VI, muestra las conclusiones y propuestas de política planteadas por los investigadores.
1
CAPÍTULO I
ASPECTOS GENERALES
1.1 Tema de investigación
La investigación consiste en determinar los efectos del cambio climático
sobre la tasa de crecimiento de la producción de la papa, en el periodo 2000 - 2014,
aplicado en el Valle del Mantaro, basado en el enfoque neoclásico de la función de
producción.
1.2 Planteamiento del problema
El cambio climático, fenómeno global, que se expresa, fundamentalmente,
en el aumento de la temperatura media, la modificación de los patrones de
precipitación, el alza del nivel del mar, decrecimiento de la superficie de hielo y
nieve, y modificaciones de los patrones de fenómenos climáticos extremos,
representa uno de los grandes desafíos de la humanidad en el presente siglo, la
evidencia disponible muestra que el cambio climático es un fenómeno global,
consecuencia, sobre todo, de las emisiones de gases de efecto invernadero de origen
antropogénico que tienen efectos negativos crecientes y, en muchos casos
2
irreversibles en las actividades económicas, la población y los ecosistemas
(CEPAL, 2010).
Las evidencias más relevantes a nivel global de la presencia del cambio
climático se sostiene sobre las observaciones en el aumento de la temperatura media
del planeta, que en el último siglo (1906-2005) ha aumentado en 0.74 °C mayor al
incremento de los periodos 1901-2000 que fue de 0.6 °C, las proyecciones para los
siguientes años estiman un incremento de 0.2 °C por década, además se observó
que once de los últimos años (1995-2006) se encuentran entre los 12 años más
cálidos desde 1850. Otra de las evidencias se muestra en el nivel medio del mar que
a nivel global se incrementó a una tasa promedio de 1.8 mm por año (1961-2013),
la tasa más rápida fue de 3.1 mm por año durante 1993-2003, mientras que el
aumento total del siglo pasado se calcula en 0.17 m, y se estima un incremento del
nivel del mar de 0.18 a 0.59 m al final del siglo 21 (IPCC, 2013). También se
observa una disminución de la masa de hielo y nieve, se estima que la perdida de
glaciares del mundo habría sido en promedio de 226 Gt/año durante el periodo
1971-2009, la perdida de hielo en el manto de Groenlandia ha aumentado de 34
Gt/año durante el periodo 1992-2001 a 147 Gt/año durante el periodo 2001-2011,
además la superficie media anual del hielo marítimo ártico se ha reducido de entre
0.45 y 0.50 millones de km2, se estima que para fines de siglo la extensión de hielo
marino habrá disminuido durante todo el año, con un océano ártico casi libre de
hielo durante el mes de setiembre antes de mediados del siglo, con respecto a los
glaciares se proyecta que al 2100 su volumen a nivel mundial habrá disminuido
entre un 15% y 55% en un escenario optimista y entre 35% y 85% en un escenario
de alto nivel de emisiones (CEPAL, 2014).
3
Ante tales evidencias mundiales es más que evidente la presencia del
problema en nuestra región, por otra parte, y aunque, el cambio climático resulta
ser un fenómeno global, también es asimétrico.
Se observa que históricamente regiones como las de América Latina y el
Caribe que tienen una participación reducida en las emisiones (9 % de las emisiones
mundiales al 2011), son las más vulnerables a los efectos adversos del cambio
climático, debido principalmente a su ubicación geográfica, clima, condiciones
socioeconómicas, demográficas y la alta sensibilidad de sus activos naturales, se
tienen incluso estimaciones realizadas al 2050 de los costos económicos del cambio
climático para la región, relacionadas con un aumento de 2.5 °C que indican que
este sería entre el 1.5 % y el 5 % del PBI regional, siendo la agricultura la actividad
más afectada económicamente (CEPAL, 2014).
Los efectos y costos económicos que pueda producir el cambio climático,
se distribuye o afecta a diversos sectores de la economía dentro de los cuales uno
de los más sensibles es la agricultura por ser una actividad inminentemente
dependiente de las condiciones climáticas.
La evidencia muestra por diversos modelos y metodologías sobre la
presencia de límites de temperatura o precipitación y de la variabilidad climática
sobre el rendimiento agrícola, además, que dichos efectos no son lineales, es decir,
que aumentos moderados de temperatura podrían ser beneficiosos en algunas zonas
y para determinados productos, sin embargo en el largo plazo y ante aumentos
prolongados de la temperatura se convierte en perjudicial para todos, también
indican que dichos efectos dependen de otros factores como: la disponibilidad de
agua, infraestructura, condiciones socio-económicas y demográficas de los
agricultores (CEPAL, 2014).
4
En ese sentido, la agricultura en América Latina es particularmente
vulnerable al cambio climático debido a que; las condiciones climáticas están cerca
de los límites de temperatura estimados, las condiciones hídricas y socio-
económicas no son las más optimas y a que históricamente existen menos recursos
disponibles para adoptar medidas de adaptación y modernización de la actividad
agrícola.
El Perú lamentablemente no está exento de las estimaciones y proyecciones
hechas por los diversos estudios realizados a nivel regional. Es más, de acuerdo con
el Tyndall Centre for Climate Change Research, el Perú se encontraría entre los
diez países más vulnerables ante el cambio climático, lo que estaría asociado a la
alta dependencia de algunas regiones a sectores sensibles al cambio climático, tales
como el agrícola; así como al bajo nivel institucional, que dificulta la planificación
y ejecución de acciones de adaptación concretas (Vargas, 2009). Sin duda situación
que contribuyó a que en el 2014, la Vigésima Conferencia de las Partes de las
Naciones Unidas sobre el Cambio Climático COP20 se realizara en Lima y en la
cual se presentaron diversos informes que ratificaban este hecho. La autoridad
nacional, representada en dicho evento, por el Viceministro de Desarrollo
Estratégico de los Recursos Naturales del Perú, Gabriel Quijandría, sostuvo que el
Perú es un país altamente vulnerable frente al cambio climático y que entre los
sectores más perjudicados por el calentamiento global en el país se encuentra la
agricultura (Diario Perú 21, 2014).
En efecto los impactos sobre la agricultura para el caso del Perú muestran
inevitables pérdidas, esto debido a la disminución de la productividad de los
principales cultivos tales como la papa, arroz, maíz amarillo duro, caña de azúcar,
plátano y maíz amiláceo, mientras que el café mostraría leves aumentos de
5
productividad al inicio del periodo, para luego disminuir. A través, de diversos
escenarios analizados, la disminución de la producción y productividad de estos
cultivos -que de forma conjunta representan el 47% del Valor Bruto de la
Producción agrícola al 2009- se ahondarían a lo largo del tiempo y los costos serian
equivalentes entre 23.9 % y 33.1 % del PBI sectorial para el 2100 (BID; CEPAL,
2014).
En este contexto de cambio climático, la temperatura promedio de la región
Junín ha venido creciendo en algunos años de manera marcada y en el horizonte
anual se muestra evidencia de variaciones de 0.1C° aproximadamente esto del 2000
al 2008 (INEI, 2011). La variación de la temperatura es tan solo una muestra clara
de que la región Junín no es ajena a los efectos del cambio climático, y como se
muestra en diversos estudios somos una de las regiones más sensibles a los efectos
de este fenómeno.
El impacto del cambio climático sería más severo en economías sensibles,
sin mucho manejo tecnológico, principalmente en actividades como la agricultura,
además si esta es una actividad que se vería afectada, se debe tener en cuenta que
dicha actividad capta un 36% de la PEA para el caso de Junín. Este efecto también
impactaría sobre en el mercado de bienes y el mercado de trabajo. (Vargas, 2009).
1.2.1 El sector agrícola y la producción de papa en la región Junín
Una mirada cercana a la importancia del sector agrícola en la
economía regional es a través de la clasificación del PBI por sectores del
INEI, que agrupa en un solo sector a la agricultura, caza y silvicultura,
siendo la primera la de mayor relevancia. De esta manera la agricultura ha
mostrado ser una de los principales sectores para la economía de la región
6
Junín por su aporte al Valor Agregado Bruto. Sin embargo, aunque sigue
siendo preponderante su aporte ha ido cayendo en los últimos años. De las
11 actividades económicas, la agricultura, comercio, manufactura y
transporte son las actividades que pueden ser consideradas como motor
dinámico de la económica regional. (Ver figura 1).
16,0% 16,0% 16,0% 16,0% 19,5% 19,2%

17,2% 19,4%
6,0% 6,0% 7,0%
2,0% 2,0% 7,0% 6,6%
2,0% 2,0% 8,5% 8,9% 9,5%
10,0% 10,0% 2,1%
10,0% 10,0% 6,5% 2,5% 2,7% 2,7%
7,3% 6,6% 6,5%
13,0% 13,0% 12,0% 12,8%
12,0%
14,1% 14,7% 14,1%
5,0% 5,0% 7,0% 7,0%
6,0%
7,0% 7,0% 5,0% 3,3% 7,4% 8,1% 8,2%
6,0%
2,8% 2,9% 2,7%
15,0% 15,0% 16,0% 17,1% 9,0% 8,5% 7,1%
16,0%
11,0% 10,0% 9,0% 15,0% 14,3% 18,5%

9,0% 13,1%
0,0% 0,0% 0,0% 0,0%
0,1% 0,1% 0,1%
0,1%
16,0% 17,0% 15,0% 16,0% 12,9% 13,7% 14,4% 12,0%
2001 2002 2004 2006 2008 2010 2012 2014

Agricultura, Caza y Silvicultura Pesca Minería
Manufactura Electricidad y Agua Construcción
Comercio Transporte y Comunicaciones Restaurantes y Hoteles
Servicios Gubernamentales Otros Servicios
Figura 1: PBI de Junín por sectores (% de participación) 2001-2014.

Fuente: INEI-cuentas nacionales del Perú Elaboración:
Se tiene que el sector agricultura, caza y silvicultura mantiene
un promedio de participación en los últimos 14 años de 14.39%,
seguido del sector Comercio con 13.33% ambos sectores aglomeran un
28% de participación del PBI de la región, por ello que en Junín se
7
podría mencionar que la agricultura es una actividad de mucha
importancia para la economía regional. (Ver tabla 1).
Tabla 1: Valor agregado bruto por sectores (promedio de participación)

de la región Junín 2001- 2014
Sectores del PBI Promedio Acumulado

regional
Agricultura, Caza y 14.39%
Silvicultura
Comercio 13.33% 28%
Minería 12.94% 41%
Manufactura 12.27% 53%
Transporte y 8.29% 61%
Comunicaciones
Construcción 6.85% 68%
Electricidad y Agua 4.29% 72%
Servicios 4.10% 76%
Gubernamentales
Restaurantes y 2.30% 79%
Hoteles
Pesca 0.03% 79%
Otros Servicios 20.48% 100%
Valor Agregado 100.00%
Bruto
Fuente: Ministerio de Agricultura - Oficina - Unidad de Estadística
Elaboración propia
Considerando la dinámica de producción de los principales
productos agrícolas en la región, desde 1966 al 2014, es visible la
predominancia de un grupo de productos, el cual es encabezado por la
papa con una participación promedio de 34.00 % en dicho periodo,
seguido por el plátano con 10.30 % y la naranja con 8.50 %. Además,
consignando dicho promedio acumulado de participación, podemos
encontrar que los cuatro productos con mayor participación que son; la
papa, el plátano, la naranja y alfalfa aglomeran cerca del 59.5% de la
producción total del sector a nivel regional. Dicho de otro modo
8
encontramos que históricamente la producción de papa ha tenido un
gran peso en la el sector agrícola de la región. (Ver tabla 2).
Tabla 2: Principales productos agrícolas de la región Junín (promedio

de participación) 1966- 2014.
PRODUCTO PROMEDIO ACUMULADO

PARTICIPACIÓN (%) (%)
Papa 34.00
Platano 10.30 44.3
Naranja 8.50 52.8
Alfalfa 6.70 59.5
Maiz choclo 5.30 64.8
Piña 5.00 69.8
Yuca 3.72 73.5
Café 3.68 77.2
Cebolla 3.00 80.2
Cebada grano 2.51 82.7
Palta 2.21 84.9
Papaya 2.30 87.2
Mandarina 1.71 88.7
Olluco 1.67 90.4
Maiz amilaceo 1.65 92.1
Trigo 1.61 93.7
Maiz amarillo duro 0.90 94.6
Haba grano verde 0.70 95.3
Arverja grano verde 0.69 96.0
Haba grano seco 0.41 96.4
Limón 0.30 96.7
Mashua 0.29 97.0
Oca 0.28 97.3
Frijol grano seco 0.27 97.5
Mango 0.24 97.8
Arroz cascara 0.20 98.0
Cacao 0.18 98.2
Quinua 0.13 98.3
Arverja grano seco 0.11 98.4
Ajo 0.05 98.4
Coco 0.01 98.5
Achiote 0.01 98.5
Tomate 0.01 98.5
Manzana 0.01 98.5
Soya 0.01 100.0
Fuente: Ministerio de Agricultura - Oficina - Unidad de Estadística
Elaboración propia
9
1.2.2 Dinámica de la producción de la papa de la región Junín
La producción de papa, presenta una tendencia creciente en los
últimos 20 años y una fuerte caída en 1992 como el punto de producción
más baja, además desde 1970 a 1988 la tendencia es casi constante, sin
embargo la superficie cosechada de la papa ha venido decreciendo y por
su parte el rendimiento ha aumentado; es decir, actualmente se produce
cinco veces más que en 1964.
PRODUCCION RENDIMIENTO (kg/ha) SUPERFICIE COSECHADA (ha)

450.000 80.000
400.000 70.000
350.000 60.000
300.000
50.000
250.000
40.000
200.000
30.000
150.000
100.000 20.000
50.000 10.000
0 0
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
Figura 2: Región Junín: Dinámica agrícola de la papa de 1964 – 2014
Fuente: Elaboración propia con datos del Ministerio de Agricultura.
Elaboración propia
1.2.3 Comportamiento de las variables climáticas en la región Junín
Como se había considerado líneas arriba el fenómeno del cambio
climático ha de ser cuantificado mediante indicadores, por ello a
continuación se presenta los principales indicadores del cambio climático,
por un lado la temperatura máxima y mínima del mismo modo la
temperatura media y las precipitaciones.
10
La temperatura máxima ha aumentado en 0.9 °C mientras la
temperatura mínima ha disminuido en 0.2 °C, es decir, hacia el 2008, se
llegó a temperaturas más altas y temperaturas más frías respecto al del año
2000. Mientras que la temperatura promedio también se incrementó,
aunque en menor medida. (Ver tabla 3).
Tabla 3: Principales indicadores ambientales en la región Junín

Años Promedio (°C) Máxima Mínima (°C) Precipitaciones (mm)
(°C)
1990 12.40 20.60 4.20 873.60
1991 11.30 19.30 3.30 789.70
1992 11.90 20.00 3.80 525.60
1993 11.80 19.20 4.40 895.60
1994 11.90 19.90 3.90 833.40
1995 12.50 20.90 4.10 666.80
1996 12.40 20.80 4.00 599.80
1997 12.40 20.60 4.20 654.00
1998 13.00 20.80 5.20 726.20
1999 11.90 16.60 7.20 715.80
2000 12.00 19.00 5.00 675.70
2001 12.00 19.50 4.70 828.30
2002 12.30 19.70 5.20 813.50
2003 12.20 20.00 4.20 800.90
2004 12.20 20.00 4.70 618.00
2005 12.40 20.60 4.20 522.30
2006 12.00 19.70 4.50 619.90
2007 12.40 20.20 4.70 555.60
2008 12.10 19.90 4.20 493.90
2009 11.38 18.26 4.50 735.00
2010 11.90 19.50 4.30 606.45
2011 11.95 20.01 3.90 912.10
2012 11.98 19.87 4.10 691.90
2013 12.26 19.51 5.00 657.20
2014 12.40 19.92 4.88 793.34
Fuente: Servicio Nacional de Meteorología e Hidrología.
Elaboración propia
11
PRODUCCION PRECIPITACIONES
100,00%
80,00%
60,00%
40,00%
20,00%
0,00%
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
-20,00%
-40,00%
-60,00%
Figura 3: Tasa de crecimiento de las precipitaciones y la producción de papa en

la región Junín del 1990 al 2014
Fuente: Servicio Nacional de Meteorología e Hidrología. Instituto-Nacional de Estadística e
Informática.
Elaboración propia
La figura cuatro muestra que la tasa de crecimiento de la
producción de papa tiene una relación inversa con la tasa de crecimiento
de las precipitaciones para algunos periodos (1995) y una relación
directa para otros (1993).
PRODUCCION TEMPERATURA
1,000 0,080
0,800 0,060
0,600 0,040
0,020
0,400
0,000
0,200
-0,020
0,000
-0,040
1990
1993
1996
1999
2002
2005
2008
2011
1991
1992
1994
1995
1997
1998
2000
2001
2003
2004
2006
2007
2009
2010
2012
2013
-0,200 -0,060
-0,400 -0,080
-0,600 -0,100
Figura 4: Tasa de crecimiento de la temperatura y tasa de crecimiento la

producción de papa en la región Junín desde 1990 al 2014.
Fuente: Servicio Nacional de Meteorología e Hidrología. Instituto-Nacional de Estadística e
Informática.
Elaboración propia
12
Por otro lado la relación en el tiempo entre la tasa de crecimiento
de la papa y la de la temperatura muestra un comportamiento similar al de
las precipitaciones. Es decir, también se observa relación directa e
indirecta para algunos periodos.
En resumen, las tasas de crecimiento de la Región Junín mantienen
un comportamiento de forma directa e indirecta con las variables
climáticas; precipitaciones y temperatura.
Cada vez cobra más importancia el estudio del cambio climático y
sus posibles efectos sobre la agricultura, debido, sin duda, a los costos que
estos representarían en la economía nacional y regional, en ese sentido la
región Junín ubicada en la sierra central del Perú y con una actividad
agrícola importante a lo largo de los años, pero también, escasa de
tecnología, lo que la hace altamente vulnerable a eventos climáticos, por
ende, tendría que profundizarse en estudios e investigaciones –escasos en
la actualidad a nivel de Junín y del Valle del Mantaro- que sirvan como
instrumentos para la toma de decisiones y poder adoptar medidas de
adaptación a futuro.
Al respecto el estado tiene una gran tarea que cumplir respecto a
esta situación problemática, tal como la Constitución lo plantea en su
artículo 67° que el estado tiene la obligación de determinar la política
nacional del ambiente y a promover el uso sostenible de los recursos
naturales (CPP, 1993). El estado también involucra el tema de la gestión
de la calidad ambiental y cambio climático en el plan bicentenario hacia el
2021, en el cual menciona que el Perú es uno de los países con mayor
vulnerabilidad frente a los efectos del cambio climático. El 90% de la
13
población vive en zonas áridas, semiáridas y subhúmedas; un gran
porcentaje de esta se dedica a la agricultura, la pesca y otras labores. Existe
un alto porcentaje de pobreza y extrema pobreza, con pocas posibilidades
de adaptación. Se cuenta con más del 70% de glaciares tropicales del
mundo; y la mayor parte de la energía se genera a partir de centrales
hidroeléctricas. (CEPLAN, 2011).
Debido a la gran variedad de regiones naturales y de factores
geográficos presentes, es de esperar entonces que el cambio climático se
exprese diferenciadamente. Por tal motivo las responsabilidades en
materia de gestión de medio ambiente también involucran a los gobiernos
regionales a través de su gerencia de recursos naturales y de gestión del
medio ambiente, quien tal como menciona la Ley Orgánica de Gobiernos
Regionales en su artículo 53° tiene las funciones de aprobar, ejecutar,
evaluar, dirigir, controlar y administrar los planes y políticas en materia
ambiental y de ordenamiento territorial, implementar el sistema regional
de gestión ambiental y promover la educación e investigación ambiental
en la región.
1.2.4 Formulación del problema general
¿Cuáles son los efectos del cambio climático sobre la tasa de
crecimiento de la producción de papa en el Valle del Mantaro: 2000-2014?
1.2.5 Formulación de los problemas específicos
i. ¿Cuál es el efecto de la temperatura sobre la tasa de crecimiento de
la producción de papa en el Valle del Mantaro: 2000-2014?
ii. ¿Cuál es el efecto de las precipitaciones sobre la tasa de
crecimiento de la producción de papa en el Valle del Mantaro: 2000-2014?
14
1.3 Objetivo de la investigación
1.3.1 Objetivo general
Determinar los efectos del cambio climático sobre la tasa de
crecimiento de la producción de papa en el Valle del Mantaro: 2000-2014.
1.3.2 Objetivos específicos
i. Determinar el efecto de la temperatura sobre la tasa de crecimiento
de la producción de papa en el Valle del Mantaro: 2000-2014.
ii. Determinar el efecto de las precipitaciones sobre la tasa de
1.4 Justificación de la investigación
La investigación planteada contribuirá a conocer en mayor medida el
comportamiento de las variables del cambio climático sobre la tasa de crecimiento
de la papa en el Valle del Mantaro, como también, nos ayudara a poder validar la
teoría sobre dicho fenómeno. Asimismo, los resultados del estudio ayudaran a crear
una mayor conciencia entre productores, distribuidores, consumidores y el estado,
sirviendo como herramienta importante para este último en la toma de decisiones y
la formulación de políticas de adaptación y/o mitigación al cambio climático. Por
otro lado mediante la investigación se desarrollara un método para medir los
parámetros de las variables del cambio climático en el contexto del Valle del
Mantaro, pero con aplicaciones a otras realidades.
15
1.5 Limitaciones de la investigación
Una de las principales limitaciones que se pudo observar dentro de la
elaboración de la investigación fue la de no tener una base de datos primaria, en
cuanto es sumamente especializado el proceso de medición de los datos
atmosféricos, por otro lado la obtención de la data secundaria del SENAHMI fue
dificultosa, en cuanto a que esta no es de libre acceso. Por esta razón se tuvo que
hacer gestiones con la institución que permitieron obtener los datos primero desde
Lima y luego hacia la oficina en Huancayo. Este proceso llevo varios meses que no
fueron contemplados en el proceso de elaboración de la investigación, lo cual
conllevo problemas de brechas de tipo económico y temporales.
16
CAPÍTULO II
REFERENCIA TEÓRICA
1.1 Antecedentes de la investigación
Mora, Ramírez, Ordaz, Acosta, & Serna (2010) en su estudio sobre los
efectos del cambio climático sobre la agricultura, para el caso de Panamá. Usando
un modelo ricardiano, buscan explicar los impactos que el cambio climático
podría generar sobre la producción agropecuaria y sobre los ingresos producidos
por concepto de venta de la tierra, para lo cual usa el método de regresión de
MCO, para el caso del maíz, el banano y el arroz que son los tres productos más
importantes en la alimentación de la población y en la economía del país; para el
caso del maíz se encuentran que los umbrales máximos son en Temperatura 25.4
°C y en precipitaciones 200 mm, en el caso del banano los umbrales máximos
son 25.3 °C y 223 mm y para el caso del arroz es 25.3°C y 268 mm; En lo
referente a los escenarios planteados para el año 2100, arrojan resultados que
manifiestan que las pérdidas del sector podrían estar entre 18% y 19% del PIB,
una interpretación al respecto sugiere que el corto plazo podría verse incentivado,
17
no obstante, en el largo plazo se podrían generar severos daños y pérdidas al
sector.
Galindo (2009) en un estudio hecho en cooperación con el Banco Mundial,
la CEPAL y otras instituciones, sobre la economía del cambio climático en
México hizo una estimación acerca de los posibles costos económicos que el
cambio climático antropogénico generará para el caso mexicano en las diversas
actividades de la economía. Dentro de las cuales está el sector agropecuario que
es una actividad fundamental en la economía mexicana atendiendo a su
participación en el PIB, al empleo directo e indirecto que genera y a su asociación
con los ingresos de los agentes económicos en zonas rurales. En este estudio se
utilizaron tres modelos para el sector agrícola que permiten identificar los
impactos del cambio climático, estos son: el modelo de función de producción,
un modelo de tipo Ricardiano y un modelo de heteroscedasticidad condicional.
El conjunto de los resultados obtenidos permiten hacer varias inferencias sobre
la producción agrícola y los impactos del cambio climático así se concluye que
los rendimientos y la producción agrícola dependen del clima con impactos
heterogéneos por regiones, no lineales y crecientes en el tiempo, el análisis
conjunto de los efectos climáticos muestra que, dentro de ciertos rangos, es
posible compensar el aumento de temperatura con una mayor cantidad de agua,
el rendimiento observado para cada estado con la temperatura del 2006 se aprecia
que existe un comportamiento relativamente similar entre ambos casos con la
notable excepción de Sinaloa y Nayarit que muestran altos rendimientos por
arriba de lo proyectado por la temperatura; ello probablemente es consecuencia
de una mejor infraestructura y tecnología de riego lo que muestra la importancia
de los procesos de adaptación, se realizaron análisis de riesgo para cada uno de
18
los índices y productos modelados, con diferentes escenarios de cambio climático
proyectados hasta el 2100 los escenarios climáticos del IPCC tienen una
intersección importante hasta el 2050 pero después se aprecia que se separan; ello
sugiere que los escenarios climáticos seleccionados serán fundamentales en la
segunda mitad del siglo. Asimismo, se observa una importante caída de los
rendimientos agrícolas para el 2100 ello es, desde luego, sólo hipotético ya que
supone que el resto de las condiciones permanecen constantes, y finalmente la
producción y en general el conjunto de las actividades agropecuarias muestran
un comportamiento estocástico que se traduce en oscilaciones importantes a lo
largo del tiempo lo que implica un nivel de riesgo e incertidumbre.
Ramírez, Ordaz, Mora, Acosta, & Serna (2010), en un estudio sobre
efectos del cambio climático sobre la agricultura para el caso de Nicaragua,
buscan analizar los efectos potenciales del cambio climático sobre el sector
agropecuario en Nicaragua, así como sus efectos económicos utilizando dos
escenarios climáticos y distintos horizontes temporales; para lo cual usa un
modelo de función de producción a fin de determinar los umbrales para cada
producto y de ahí usa el modelo ricardiano a fin de poder ver los efectos sobre el
valor de la tierra en diversos escenarios, los principales productos de este país
que son maíz, frijol y café, las estimaciones se realizaron con el Método de MCO,
para el caso del maíz se encontraron que la temperatura con máximo rendimiento
tiene un umbral de 23.5 °C y precipitación con rendimiento máximo en 60 mm;
en el caso del frejol los umbrales de temperatura y precipitación son 25 °C y 110
mm, para el café estos umbrales son 24.2 °C y 90 mm; Nicaragua depende
fundamentalmente de la producción de maíz y frijol para alimentar a su
población, igualmente de las exportaciones de café. Los resultados indican que
19
estos tres cultivos serán gravemente afectados, repercutiendo de manera
importante en la economía del país. El modelo de funciones de producción
expone que las variaciones en las variables climáticas acarrearán efectos
negativos sobre la producción agropecuaria. Las pérdidas económicas
proyectadas a 2100 representan alrededor de 22% del PIB de 2007 Asimismo, y
de acuerdo con los resultados, en el caso del maíz al año 2100 las pérdidas
podrían oscilar entre 3% y 5% del PIB Para el caso del frijol, las pérdidas
representarían entre 1% y 3% del PIB y en el caso del café los costos económicos
acumulados hacia 2100 se predicen en alrededor de 6% del PIB.
Castilla (2010) en un estudio hace un análisis económico del cambio
climático en la agricultura de la Región Piura, donde busca cuantificar el impacto
del cambio climático sobre los principales productos agroexportables en Piura,
tales como son el mango, limón, plátano y café para ello usa un modelo de
función de producción y encuentra que los productos son explicados en un 50%
por las variables climáticas, logrando afirmar que las variables de temperatura si
afectan el rendimiento del mango y plátano. A medida que aumenta la
temperatura mínima el rendimiento de estos productos aumenta, sin embargo
estos aumentos en el rendimiento son cada vez menores e incluso llevarían a una
disminución en el rendimiento si los aumentos en la temperatura mínima
sobrepasan el umbral u optimo correspondiente, en su trabajo encuentra la
temperatura mínima y máxima que optimizan la producción para cada producto
siendo para el mango de 19.71 °C y 32.21 °C, el plátano es de 17.8 °C y 18.0°C,
el limón son 20.76°C y 31.03°C y para el café es 13.26 °C y 24.79 °C ; así mismo
en base a las estimaciones del modelo propuesto se cuantifica que las pérdidas en
el rendimiento de los cultivos en el año 2030 serán de 7,48% para el mango. El
20
plátano en promedio en 38.51%; pero en el caso del café un mayor aumento de
la temperatura a este cultivo le beneficia hasta en un 41.1%; en el caso del limón
ocurre también un aumento en el rendimiento de 52.74% dependiendo del valor
bajo o alto de la temperatura pronosticada.
"Loyola & Orihuela ( 2010), basándose en un modelo agronómico; que no
es más que el modelo de función de producción, aplicado a los departamentos de
Piura y Lambayeque, y usando algunos cultivos comunes representativos de
ambas regiones, tales como arroz, maíz amarillo, limón, y mango, buscan
determinar el costo del cambio climático en la agricultura de ambas regiones al
2100. Los autores señalan que en el caso de la producción de arroz (en ambos
departamentos) la relación con respecto a la temperatura máxima tiene forma
cóncava, lo cual denota un umbral (este umbral es 25.9°C en el caso de
Lambayeque y 26.9°C para Piura) para la temperatura máxima, donde
incrementos en la temperatura comienza a generar menores rendimientos en la
producción; Para el maíz amarillo duro si la temperatura mínima excede un
determinado umbral tendrá efectos negativos en la producción, Ello sucede a los
17°C y 23°C en Lambayeque y Piura, respectivamente; En cuanto al limón la
relación esperada entre su producción y la temperatura es diferente en cada
departamento. Para Lambayeque es una relación convexa con respecto a la
temperatura máxima (el umbral de temperatura fue 26°C.), mientras que en Piura
es de 38 °C; En el cultivo caña de azúcar se encontró que partir de 24.9°C
incrementos adicionales en la temperatura se comienza a evidenciar reducciones
en la producción de este cultivo así mismo que los resultados sugieren que el
costo del cambio climático es significativo, especialmente a largo plazo, cuando
21
los umbrales de temperatura de los cultivos deberán ser alcanzados. Esta
situación resultó ser más evidente en Piura que en Lambayeque.
Orihuela (2014),en su estudio busca cuantificar monetariamente el
impacto del cambio climático sobre principales productos agrícolas a nivel
departamental en el Perú, para lo cual usa un modelo de producción y lo estima
usando MCO, encontrando que Los resultados econométricos indican que todos
los cultivos (mango, limón y cacao) en análisis son estadísticamente explicados
por la temperatura y precipitación, así los umbrales hallados serian 30.5 °C y
1775.2 mm para el caso del mango, 26.3 °C y 1031,9 mm en el caso del limón,
26.3 °C y 1378,2 mm en el caso del cacao con lo cual demuestra una relación
de tipo convexa entre el rendimiento y las variables climáticas mencionadas. para
el caso de la palta y naranja los resultados son totalmente contrarios siendo 22.7
°C y 28.3 °C valores de acorde a la ficha técnica de dicho cultivo y por ende ante
incrementos de dicha variable climática más allá de ese nivel, el impacto sobre
el rendimiento del cultivo será negativo; la explicación a esto puede deberse por
que estos cultivos (palta y naranja) no requieren de una gran precipitación durante
todo el año o porque se está evidenciando sistemas de irrigación regulados, donde
no hay una dependencia directa con relación a la precipitación. Así mismo de
acuerdo a cada producto se concluyó que por lo tanto, las estimaciones
econométricas tienen consistencia con la ficha técnica de cada cultivo; de acuerdo
a las proyecciones se tiene que a las proyecciones para el periodo 2011-2050, se
prevén pérdidas que pueden llegar como máximo al 2,24%; 3,36%; 0,28% y
2,13% del PIB agrícola del 2011 para el caso del mango, palta, naranja y cacao,
respectivamente. Para el limón se estiman ganancias de hasta 0,14% también del
PIB agrícola del 2011.
22
Guzmán (2015), usando un modelo Ricardiano con datos de corte
transversal, busca estimar el impacto económico del cambio climático sobre la
agricultura en la región cuzco, en el estudio se han estimado los efectos
potenciales de variables climáticas (temperatura y precipitación) en la tierra
irrigada como en secano de manera diferenciada. Las variables climáticas
consideradas resultaron significativas y evidencian una relación cuadrática con
la variable dependiente; En la tierra cultivada bajo riego se encuentra que el
umbral de precipitación es de 52.87 mm, a partir del cual un incremento reduce
el desempzeño de la tierra, por el lado de La temperatura promedio mensual
muestra una relación de tipo “U” con la variable dependiente, es decir que, a
medida que se incrementa la temperatura el desempeño agrícola bajo riego se
reduce hasta determinado punto, luego del cual, el desempeño se incrementa.
Tales puntos son, 10.75 C° y 12.63 C, Para el caso de tierra bajo cultivo secano,
se tiene que a medida que se incrementa la temperatura y la precipitación se
incrementa el desempeño agrícola bajo secano, Tales umbrales son 11.32 °C y
106 mm, de forma similar se obtiene evidencia que el acceso a la infraestructura
de riego por parte de unidades familiares agrícolas de pequeña escala podría ser
considerada una estrategia eficiente que mitigue/adapte de algún modo a los
efectos del cambio climático Lo cual sugiere que, el incremento del acceso y uso
a la infraestructura de riego en la agricultura podría ser un mecanismo relevante
para promover la adaptación y/o mitigación del cambio climático en los hogares
rurales de la Región .
23
1.2 Marco teórico
La presente investigación se sustenta en la teoría de la función de
producción, como principal referencia teórica para relacionar las variables de
estudio, a partir del modelo originario se toman modelos más aproximados al
contexto del presente estudio.
1.2.1 Enfoque de la función de producción:
Varian (1994), en términos generales, muestra que una función
de producción es una herramienta de análisis que permite relacionar las
cantidades de factores que se requieren (X) y la forma en que se
combinan para producir un bien determinado (Q).
𝑄 = 𝑓 (𝑋) (1)
Una definición más elaborada se encuentra en Fleischer,
Lichtman, & Mendelsohn (2007), estos autores señalan que una función
de producción agrícola (Q) puede expresarse como una combinación de
variables endógenas, exógenas y de variables que representan la
habilidad o capacidad de los agricultores. Asimismo, las variables
endógenas (X) pueden incluir trabajo, capital y otros insumos. En tanto
que las exógenas (C) comprenden variables climáticas. Por su parte, las
características de los agricultores (Z) incluyen variables de capital
humano.
𝑄 = 𝑓 (𝑋, 𝐶, 𝑍) (2)
24
Mora, et. al (2010), en una investigación sobre los Efectos Del
Cambio Climático Sobre La Agricultura en Panamá, utilizan el enfoque
de la función de producción agrícola planteado por Fleischer et. Al
(2007), que permite medir los efectos sobre diversos cultivos, ofrece
escenarios climáticos confiables en cuanto a la relación entre los niveles
o rendimientos (Q) de los diversos productos y las variables climáticas
(C). Asimismo, ayuda a identificar los valores máximos a partir de los
cuales las condiciones climáticas se vuelven perjudiciales, tienen
función cuadrática de forma cóncava.
Si se considera a (Z) dentro de (X), se tendría un modelo más
resumido.
𝑄 = 𝑓 (𝑋, 𝐶) (3)
La función se expresaría en forma de ecuación cuadrática de la
siguiente forma:
𝑄 = 𝑋 + 𝛽1 (𝐶) + 𝛽2 (𝐶)2 (4)
Donde:
𝛽 = son los parámetros
La función tiene relación cóncava, por tanto, donde los puntos o
umbrales de la variable climática que optimizan (Q) se expresan de la
siguiente forma:
25
𝜕(𝑄)
= 𝛽1 + 2𝛽2 (𝐶) = 0
𝜕(𝐶)
PUNTO MAXIMO DE
(Q)
HUMBRAL DE ( C )
QUE OPTIMIZA ( Q )
Figura 5: Función de producción con variables climáticas

Elaboración propia
1.3 Marco conceptual
Cambio climático
Son las variaciones a largo plazo de los diversos componentes del
clima, tales como la temperatura y las precipitaciones.
El IPCC (2014) en su quinto informe de evaluación sobre cambio climático define
este fenómeno como:
Variación del estado del clima identificable (por ejemplo, mediante pruebas
estadísticas) en las variaciones del valor medio o en la variabilidad de sus
propiedades, que persiste durante largos períodos de tiempo, generalmente
cambiocadecenios o períodos más largos. El cambio climático puede deberse
a procesos internos naturales o a forzamientos externos tales como
26
modulaciones de los ciclos solares, erupciones volcánicas o cambios
antropógenicos persistentes de la composición de la atmósfera o del uso del
suelo. (p. 129)
Temperatura
Variable climática que hace referencia a la temperatura media del
ambiente y para efecto del presente estudio se mide en grados Celsius (°C).
El SENAMHI (2016), define la temperatura ambiente como “temperatura del aire
registrada en el instante de la lectura”,
Precipitación
Variable climática que se refiere a la caída de agua desde la atmosfera a la
superficie de la tierra y la cual es medida en milímetros (mm).
El SENAMHI (2016), define la precipitación como “partículas de agua liquidas o
solidas que caen desde la atmosfera hacia la superficie terrestre”,
Producción de papa
Se entiende por producción de papa al valor total en términos de cantidades,
como resultado de la suma de todas las producciones en el Valle del Mantaro
(Chupaca, Concepción y Jauja).
27
1.4 Hipótesis de la investigación
1.4.1 Hipótesis general
El cambio climático tiene efectos positivos, hasta un punto
máximo, después del cual, sus efectos son negativos sobre la tasa de
1.4.2 Hipótesis especificas
i) La temperatura afecta de manera directa, hasta alcanzar un
máximo, pasado este, la temperatura tienes un efecto negativo sobre la tasa
de crecimiento de la producción de papa en el Valle del Mantaro: 2000-
2014.
ii) Las Precipitaciones afectan de manera directa, hasta
alcanzar un máximo, pasado este, la temperatura tienes un efecto negativo
sobre la tasa de crecimiento de la producción de papa en el Valle del
Mantaro: 2000-2014.
1.5 Operacionalizacion de variables
Se ha optado por utilizar el modelo de la función de producción agrícola
𝑄𝑖𝑡 = 𝑓(𝑋𝑡 , 𝐶𝑡 , )
𝑄𝑖𝑡 = 𝑓(𝑋𝑡 , 𝑇𝑡 , 𝑃𝑡 )
𝑄𝑖𝑡 = 𝑋 + 𝛽1 (𝑇𝑖𝑡 ) + 𝛽2 (𝑇𝑖𝑡 )2 + 𝛽3 (𝑃𝑖𝑡 ) + 𝛽4 𝑃𝑖𝑡2
28
Donde:
Qit = Tasa de crecimiento de la producción de papa
Xit = Otras variables que influyen sobre la producción de papa
Tit = temperatura
Pit = Precipitación
β = parámetros de la función de producción
i = observaciones recogidas según panel (Chupaca, Concepción y Jauja)
t = observaciones recogidas en el tiempo
Tabla 4
Operacionalización de variables
VARIABLE INDICADOR UNIDAD DE FUENTE

MEDIDA
VARIABLE DEPENDIENTE
Qit Tasa de Tasa de Porcentajes DRA-Junín

crecimiento de la crecimiento
producción de
papa
VARIABLE INDEPENDIENTE
Tit Temperatura Temperatura Grados Celsius SENAMHI

media (°C)
Pit Precipitación Precipitación Milímetros (mm) SENAMHI
media
Elaboración propia
29
CAPÍTULO III
METODOLOGÍA DE LA INVESTIGACIÓN
2.1 Tipo de investigación
Se utiliza la investigación de tipo, no experimental-aplicada, donde las
variables de estudio no serán manipuladas sino serán estudiadas según se dan
naturalmente y para poder probar las hipótesis en el contexto del Valle del Mantaro.
Asimismo, la investigación es de nivel explicativa, puesto que se busca
determinar los efectos del cambio climático (variable independiente) sobre la tasa
de crecimiento de la producción de papa (variable dependiente).
2.2 Métodos de investigación
Se utilizó el método inductivo, debido a que la investigación buscará obtener
las generalizaciones a partir de las observaciones sistemáticas de la realidad
estudiada.
2.3 Diseño de investigación
Se utilizó un diseño de tipo panel, pues se buscaba analizar la relación de
las variables en un momento determinado de tiempo.
30
2.4 Población y muestra
La población estudiada en esta investigación esta vinculada a la producción
de la papa dentro del ámbito del Valle del Mantaro, y se toma como referencia las
provincias de Jauja, Concepción y Chupaca.
Por otro lado se asume la muestra que arrojan los reportes estadísticos dentro
de la realidad a investigar.
2.5 Instrumentos de recolección de datos
La técnica utilizada es la de análisis de datos, revisión de bibliografía,
documentos oficiales, reportes estadísticos e institucionales de las variables a
investigar, información de internet etc.
Se utilizan datos de fuentes secundarias como: el Instituto Nacional de
Estadística e Informática (INEI), el Banco Central de Reserva del Perú (BCRP),
Dirección Regional de Agricultura de Junín, Servicio Nacional de Meteorología e
Hidrología (SENAMHI) en los cuales la herramienta principal para acceder a esta
fuente de información serán las direcciones electrónicas de cada una de estas
instituciones.
2.6 Procesamiento de los datos
Para el análisis de los datos se siguió los siguientes pasos. Primero los datos
recolectados serán transferidos, procesados y organizados en el Excel para poder
hacer un análisis estadístico-descriptivo del comportamiento histórico de las
variables del modelo. Luego se hará uso del Eviews en el cual se correrá el modelo
econométrico, para analizar y ver la contribución de las variables del cambio
climático respecto a la tasa de producción agropecuaria del Valle del Mantaro.
31
CAPÍTULO IV
ANÁLISIS DE RESULTADOS
3.1 Análisis de resultados
3.1.1 Análisis descriptivo:
Para el análisis descriptivo partimos evaluando el comportamiento
de las variables en estudio, de tal manera que podamos determinar un nivel
de relación entre estas.
La tasa de crecimiento de la producción de papa en las provincias
designadas como parte de nuestra investigación muestra una tendencia
positiva para el caso de la provincia de Chupaca y decreciente en los últimos
años para el caso de Concepción y Jauja, así mismo las tasas de crecimiento
promedio en los últimos 15 años son de 0.12%, -0.23%, y 0.87% para
Jauja, Concepción y Chupaca respectivamente. (Ver tabla 5)
32
Tabla 5: Tasas de Crecimiento de la producción de papa periodo 2000-
2014. Jauja, Concepción y Chupaca (en toneladas)
Año Jauja Concepción Chupaca
2001 -3.98% -5.73% 17.13%

2002 1.91% 2.91% -16.86%
2003 1.24% -2.48% 0.79%
2004 0.14% -1.30% -0.23%
2005 4.30% 2.93% 0.13%
2006 -1.78% 0.64% 1.22%
2007 -5.75% -3.35% 0.26%
2008 5.34% 3.04% 1.64%
2009 0.88% -1.79% 1.07%
2010 1.10% 1.98% 1.25%
2011 -0.25% 0.00% -0.67%
2012 -0.74% 2.06% 0.37%
2013 -0.68% -1.39% 0.74%
2014 -0.0009 -0.0073 0.0536
Fuente: DRA Junín.
Elaboración propia
Luego observaremos el nivel de temperatura y precipitaciones en
estas zonas. Para el caso del primero, tanto Jauja como Chupaca han tenido
un promedio de 12.20 y 12.40 °C, lo cual es un valor adecuado para la
agricultura, sin embargo para el caso de Concepción el nivel de
temperatura en el periodo de estudio ha sido sustancialmente más frío en
comparación de las otras dos locaciones. En este sentido, el nivel de
temperatura se ha mantenido en 10 °C, 2 grados por debajo de lo normal y
ello constituye un problema para el nivel de producción agrícola. (Ver
tabla 6)
33
Tabla N° 6: Temperatura media 2000-2014. Jauja, Concepción y
Chupaca (en °C)

2000 12.13 10.89 11.82
2001 11.92 9.19 12.29
2002 12.26 9.48 12.48
2003 12.11 9.36 12.25
2004 12.06 9.36 11.53
2005 11.98 9.68 11.69
2006 12.41 9.52 12.10
2007 12.26 9.07 13.10
2008 12.28 9.18 12.83
2009 12.44 8.96 12.74
2010 12.64 10.86 12.21
2011 12.22 11.40 12.25
2012 12.06 11.22 12.66
2013 12.47 11.83 12.48
2014 12.66 11.67 12.87
Fuente: SENAMHI
Elaboración propia
Luego, en el caso de las precipitaciones, el nivel de milímetros se
ha mantenido en un rango de 0.80 a 1.40 mm, salvo en el caso de Jauja
para los años 2000 y 2001; y con respecto de Chupaca en 2005 donde los
niveles están cercanos a 0.60 mm. Esto indica que se han tenido niveles de
agua normales (Ver tabla 7)
34
Tabla N° 7: Precipitación periodo 2000-2014. Jauja, Concepción y
Chupaca (en mm)

2000 0.63 1.19 0.83
2001 0.60 1.29 1.09
2002 0.64 1.21 0.95
2003 0.80 1.19 0.98
2004 0.99 1.19 0.98
2005 1.00 1.21 0.53
2006 0.99 1.24 1.39
2007 1.06 1.24 1.20
2008 1.00 1.08 1.30
2009 1.02 1.39 0.83
2010 0.84 1.26 1.27
2011 1.14 1.34 0.96
2012 0.97 1.12 0.91
2013 1.09 1.16 1.09
2014 1.01 1.12 1.30
Fuente: SENAMHI
Elaboración propia
Dado ello, se puede entender una relación existente entre la tasa de
crecimiento de producción de la papa y las variables que explican el
cambio climático. Por esta razón, aplicamos a los datos una regresión
simple que nos permite estimar que nivel de relación existe entre estas.
Este proceso nos da un alcance de que tan importante es el efecto de una
variable sobre la otra, pero no nos explica la causalidad de la misma. Sin
embargo, nos da mayores luces acerca de la investigación.
35
Figura 6: Relación entre la tasa de crecimiento de la producción y las variables
del cambio climático (Eje y: tasa de crecimiento de la producción de papa. Eje x:
variable climática)
Fuente: DRA Junín –SENAHMI
Elaboración propia
La relación que se puede notar nos indica que hay una relación
débil entre estas variables. Sin embargo se puede notar que hay ya cierta
coherencia en el hecho de usar funciones cuadráticas para entender la
relación entre estos fenómenos y la producción de la papa. Por este motivo
se hace necesaria la utilización de método estadísticos más sofisticados.
Estos se realizarán en la siguiente parte, donde se hará uso de modelos de
36
regresión para entender la relación causal y la significancia en conjunto de
estas dos variables sobre la producción.
3.1.2 Análisis econométrico
En esta parte, iniciamos el análisis en base a la forma funcional que
se deja en la operacionalización de variables, que en función al marco
teórico, reconoce relaciones de causalidad de forma:
𝑄𝑖𝑡 = 𝑋 + 𝛽1 (𝑇𝑖𝑡 ) + 𝛽2 (𝑇𝑖𝑡 )2 + 𝛽3 (𝑃𝑖𝑡 ) + 𝛽4 𝑃𝑖𝑡2
Modelo econométrico:
𝑄𝑖𝑡 = 𝛽𝑜 + 𝛽1 (𝑇𝑖𝑡 ) + 𝛽2 (𝑇𝑖𝑡 )2 + 𝛽3 (𝑃𝑖𝑡 ) + 𝛽4 𝑃𝑖𝑡2 + 𝜗𝑖𝑡
Sobre la utilización de otro tipo de variables, como tecnología u
otras variables que se requieran para entender el comportamiento de la
producción de papa, se hace uso de un proceso autoregresivo (AR) el cual
permite capturar todos los cambios de la producción de papa sin necesidad
de mencionarlos explícitamente, de hecho esto ayuda a no tener necesidad
de hacer uso de otras variables. Junto a esto, el resumen de los estadísticos
de estas variables se muestra a continuación:

regresionadas.
P T Q
Media 1.058222 11.57478 3681.993
Mediana 0.875 11.85 1291
Máximo 4.16 14.06 32893
Mínimo 0 6.87 7
Desv. Std. 0.894307 1.606207 5095.27
Elaboración propia
37
Se puede notar tanto la producción, como la temperatura con alta
desviación estándar, esto implica que se tiene un nivel de cambio fuerte en
el periodo de tiempo, lo cual es lógico dado que estas dos variables tienen
un comportamiento estacional y no de una forma continua, por ello a fin
de minimizar esa variabilidad es necesario suavizar la serie utilizando
logaritmos para ambas variables; Por el contrario las precipitaciones
registran una baja variabilidad. Después de dichas consideraciones y
incluyendo los efectos fijos temporales (𝜗𝑡 ), y de panel (𝜗𝑖 ). Se tiene un
modelo de la siguiente forma:
𝑙𝑜𝑔(𝑄𝑖𝑡 ) = 𝛽𝑜 + 𝛽1 𝑙𝑜𝑔(𝑄𝑖𝑡−1 ) + 𝛽2 𝑙𝑜𝑔(𝑇𝑖𝑡 ) + 𝛽3 [log(𝑇𝑖𝑡 )]2 + 𝛽4 (𝑃𝑖𝑡 ) + 𝛽5 𝑃𝑖𝑡2 + 𝜗𝑡 + 𝜗𝑖
+ 𝜗𝑖𝑡
Después de estimar el modelo en base a la data disponible, esta se
compara con otras estimaciones ver tabla 9

regresionadas
VARIABLES ESTIMACIÓN 01 ESTIMACIÓN 02 ESTIMACIÓN 03 ESTIMACIÓN 04 ESTIMACIÓN 05
CONSTANTE 10.0349 1.93965 -5.32034 1.93965 -28.46052

(2.49648) (0.06872) (-0.19869) (0.06872) (-2.70848)
T -6.297379 9.0890
(-1.26214) (0.17028)
P 0.441040 0.65944 0.2804 0.590582
(-0.77777) (3.53868) (0.98778) (2.54366)
T^2 -7.332055
(-0.29053)
P^2 0.25613 -0.00253 -0.152619
(1.867599) (-0.02715) (-2.47103)
LOG(T) 21.41531 9.08909 23.08837
(0.42125) (0.17028) (2.89563)
LOG(P) 0.65944
(3.53868)
LOG(T)^2 -12.79307 -7.33205 -4.96762
(-0.53100) (-0.29053) (-2.87693)
LOG(P)^2 0.25613
(1.86759)
LOG(Q-1) 0.647144
(15.1839)
R^2 0.067163 0.085403 0.0972283 0.085403 0.910641
R^2 ajustado 0.056622 0.064498 0.0765936 0.064498 0.863543
Elaboración propia
38
Obteniendo un resultado favorable con la estimación del modelo
N° 5, el cual tiene un mayor nivel de explicación ya que el R^2 y R^2
ajustado son los más significativos, en la tabla siguiente se muestra los
resultados detallados del modelo elegido.
Tabla 10: Regresión de panel de datos con variable dependiente

Logaritmo de producción de papa
Variable Coefficient Std. Error t-Statistic Prob.

LOG(Q(-1)) 0.647144 0.04262 15.18393 0
LOG(T) 23.08837 7.973497 2.895639 0.004
LOG(T)^2 -4.96762 1.726708 -2.876931 0.0043
P 0.590582 0.232177 2.543667 0.0114
(P)^2 -0.152619 0.061763 -2.471039 0.0139
C -28.46052 9.066645 -2.708484 0.0071
Effects Specification
Cross-section fixed (dummy variables)
Period fixed (dummy variables)
R-squared 0.910641 Mean dependent var 6.869009

Adjusted R-squared 0.863543 S.D. dependent var 2.019428
S.E. of regression 0.782826 Akaike info criterion 2.615713
Sum squared resid 215.0986 Schwarz criterion 4.100249

Log likelihood -516.3189 Hannan-Quinn criter. 3.196452
F-statistic 17.38325 Durbin-Watson stat 1.601543

Prob(F-statistic) 0
Sample (adjusted): 2000M02 2014M12
Periods included: 179
Cross-sections included: 3
Total panel (balanced) observations: 537
Elaboración propia
Cabe resaltar que en la regresión se hicieron ajustes temporales y
de corte transversal para ajustar más el nivel de significancia global. Por
un lado la diferencia de calidad del terreno agrícola de estas localidades y
el nivel de altitud, vital para el cambio del nivel de temperatura y
precipitaciones, puede ser capturada por el ajuste de corte transversal (𝜗𝑖 ).
Por otro lado, las diferencias temporales son claramente ajustadas por el
39
efecto fijo periódico (𝜗𝑡 ), toda vez que el cambio de periodos de cultivo y
siembra se da consecutivamente en meses específicos.
Mientras que el nivel de efecto fijo sobre las localidades, se tiene
que Jauja tiene un indicador de 0.010213, Concepción con 0.282795 y
Chupaca con -0.293008, que en realidad muestra la posibilidad de
encontrar un nivel de producción menor en Chupaca comparado a los otros
dos distritos.
2
1,5
1
0,5
0
01/01/2000
01/10/2000
01/07/2001
01/04/2002
01/01/2003
01/10/2003
01/07/2004
01/04/2005
01/01/2006
01/10/2006
01/07/2007
01/04/2008
01/01/2009
01/10/2009
01/07/2010
01/04/2011
01/01/2012
01/10/2012
01/07/2013
01/04/2014
-0,5
-1
-1,5
-2
-2,5
-3
Figura 7: Efecto fijo periódico de la regresión realizada

Elaboración propia
Por el lado de los efectos fijos sobre el periodo, podemos notar que
tal como se explicó anteriormente, estas capturan el nivel de cambio en las
estaciones agrícolas, siendo así los niveles con menor producción aquellos
que se ubican en el mes de julio, mientras que el primer trimestre de los
años de estudio son aquellos con mayor nivel de efecto sobre la
producción.
Con respecto a la regresión, los valores encontrados quedan
estructurados de la siguiente manera:
40
𝑙𝑜𝑔(𝑄𝑖𝑡 ) = −28.46 + 0.64𝑙𝑜𝑔(𝑄𝑖𝑡−1 ) + 23.09𝑙𝑜𝑔(𝑇𝑖𝑡 )
− 4.97[log(𝑇𝑖𝑡 )]2 + 0.59(𝑃𝑖𝑡 ) − 0.15(𝑃𝑖𝑡 )2 + 𝜗𝑡 + 𝜗𝑖
+ 𝜗𝑖𝑡
En este sentido, se puede ver que la consistencia global del modelo
está asegurada, es decir, que todas las variables en conjunto explican de
manera significativa a la variable dependiente. Esto se puede verificar a
partir de la lectura del indicador estadístico R^2 y de la probabilidad del
estadístico F. Ambos estadísticos muestran el valor de la correlación entre
variables independientes y dependiente, y al ser el valor del R^2 igual a
91% se establece que las variables regresionadas explican un 91% del
comportamiento de la variable dependiente. Luego esto es corroborado por
el valor probabilístico del F estadístico, el cual muestra un valor de cero,
esto implica que hay un 0% de probabilidad que todas las variables tengan
parámetros iguales a cero, siendo un parámetro igual a cero un indicador
de no significancia de una variable sobre la otra. Por lo tanto podemos
decir que todas las variables expuestas son significantes.
Luego, se observa la significancia parcial, es decir, la significancia
que cada una de las variables tiene sobre la variable dependiente. Esto se
logra a partir de la observación de la probabilidad del estadístico t, el cual
si es menor de 0.10, 0.05 o 0.01 tiene una significancia al 10%, 5% y 1%
respectivamente. Los valores observados en la regresión nos dice que todas
las variables tienen una significancia de 1%, excepto las variables que
explican la precipitación, quienes tienen una significancia al 5%.
41
Finalmente para ver los cambios marginales dentro del modelo,
debemos de hacer uso de la derivación parcial, a fin de encontrar el punto
de inflexión donde los valores de las pendientes cambian y por ende de las
relaciones entre las variables. Así, comenzamos por derivar la función que
resultante de la regresión con respecto del logaritmo de la temperatura y
de la precipitación:
𝑙𝑜𝑔(𝑄𝑖𝑡 ) = −28.46 + 0.64𝑙𝑜𝑔(𝑄𝑖𝑡−1 ) + 23.09𝑙𝑜𝑔(𝑇𝑖𝑡 )
− 4.97[log(𝑇𝑖𝑡 )]2 + 0.59(𝑃𝑖𝑡 ) − 0.15(𝑃𝑖𝑡 )2 + 𝜗𝑡 + 𝜗𝑖
+ 𝜗𝑖𝑡
𝜕𝑙𝑜𝑔(𝑄𝑖𝑡 )
= 23.09 − 9.94 log(𝑇𝑖𝑡 ) = 0
𝜕𝑙𝑜𝑔(𝑇𝑖𝑡 )
𝜕𝑙𝑜𝑔(𝑄𝑖𝑡 )
= 0.59 − 0.30(𝑃𝑖𝑡 ) = 0
𝜕(𝑃𝑖𝑡 )
A partir de estos resultados se encuentra que los niveles de
temperatura y precipitación que maximizan la producción son iguales a
2.32 (en logaritmos que es equivalente a 10.21 °C) y 1.96 mm
respectivamente. Esto implica que por encima de estos niveles la relación
de ambas variables pasa de positiva a negativa y siendo mucho más
intensiva en el caso de la temperatura. Ahora bien, teniendo en
consideración los niveles promedio de estas variables independientes
11.57 °C para la temperatura y 1.05 mm para las precipitaciones, podemos
decir que hay un gran número de observaciones en las que el valor de la
relación es negativa respecto a la variable temperatura y positiva respecto
a la variable precipitaciones, tal como se muestra en la Figura N° 8,
42
Figura 8: Distribución de la producción con respecto de la temperatura
(a) y las precipitaciones (b).
Elaboración propia
Por tanto, se puede concluir que en la mayoría de los casos
observados dentro del periodo estudiado, se encuentra una relación
negativa de la temperatura, y una relación positiva de la precipitación sobre
la tasa de crecimiento de la producción de la papa en la región Junín, por
otro lado, podemos interpretar que la tasa de crecimiento de la papa y las
variables climáticas tienen una relación cóncava en ambos casos. Sin
embargo, la concentración de observaciones en ambas variables está a
lados opuestos a los puntos máximos correspondientes. Esto significaría
que en el Valle del Mantaro y para el periodo 2000-2014, para el caso de
la temperatura, muestra que esta ya ha alcanzado el umbral máximo que
optimiza la tasa de crecimiento de la papa.
43
CAPÍTULO V
CONTRASTACIÓN DE LA HIPÓTESIS
4.1 Prueba de hipótesis
4.1.1 Hipótesis general
La hipótesis general que indica: “El cambio climático tiene efectos
positivos, hasta un punto máximo, después del cual, sus efectos son negativos
sobre la tasa de crecimiento de la producción de papa en el Valle del Mantaro:
2000-2014.” ha quedado contrastada, a partir de la estimación que muestra que la
relación entre la tasa de crecimiento de la producción de la papa y el cambio
climático en el periodo estudiado en la región tienen forma de “U” invertida,
donde inicialmente tiene una relación positiva hasta un umbral o punto máximo,
después de la cual la tasa de crecimiento empieza a decrecer.
Cabe resaltar que la consistencia de los valores encontrados se sustentan
en los valores de los estadísticos R^2 y la probabilidad del F estadístico, los cuales
muestran valores aceptables, con un 90% de explicación del R^2 y 0% de
probabilidad de que todas las variables tengan parámetros iguales a cero.
44
4.1.2 Hipótesis especificas
La hipótesis especifica menciona que: “La temperatura afecta de manera
directa, hasta alcanzar un máximo, pasado este, la temperatura tienes un efecto
negativo sobre la tasa de crecimiento de la producción de papa en el Valle del
Mantaro: 2000-2014.” ha quedado contrastada a partir de que el parámetro de
inflexión o umbral de la temperatura es de 10.21 °C siendo este punto el óptimo,
con la que se alcanza la tasa más alta de crecimiento de la producción de papa de
9.92 % y una producción máxima de 8,317 toneladas de papa y a partir de ahí este
indicador de tasa de crecimiento empieza a decrecer.
Del mismo modo, la hipótesis especifica que menciona que: “Las
Precipitaciones afectan de manera directa, hasta alcanzar un máximo, pasado este,
la temperatura tienes un efecto negativo sobre la tasa de crecimiento de la
producción de papa en el Valle del Mantaro: 2000-2014” ha quedado contrastada
encontrando el parámetro de inflexión o umbral es 1.96 mm, en este punto la tasa
de crecimiento de la producción de la papa es de 9.87% a partir de este decrece la
tasa de crecimiento de la producción de papa,
45
DISCUSIÓN
En torno a lo obtenido de la contrastación de la investigación se halla que
la tasa de crecimiento de la producción de papa y el cambio climático tiene una
relación de “U” invertida, en donde los umbrales de la temperatura y
precipitaciones que maximizan la variable dependiente son 10.21°C y 1.96 mm
respectivamente. Similar relación que encuentra Castilla (2010), en su estudio
sobre el impacto del cambio climático sobre los principales productos
agroexportables en Piura, el autor encuentra la temperatura mínima y máxima
que optimiza la producción para cada producto siendo para el mango de 19.71 °C
y 32.21 °C, el plátano es de 17.8 °C y 18.0°C, el limón son 20.76°C y 31.03°C
y para el café es 13.26 °C y 24.79 °C.
Lo obtenido por nuestra investigación se asemeja a lo encontrado por Mora
et al. (2010) puesto que ellos encuentran relaciones similares a la nuestra. Donde
la producción tiene una relación cóncava sobre las variables climáticas, tal es así
que encuentran que para el caso del maíz, plátano y arroz los umbrales son
superiores a los encontrados en la presente investigación, para el caso del maíz
se encuentran que los umbrales máximo son; en temperatura 25.4 °C y en
precipitaciones 200 mm, en el caso del plátano los umbrales máximos son 25.3
°C y 223 mm y para el caso del arroz es 25.3°C y 268 mm.
De igual forma Guzmán (2015), en su investigación que hace una
comparación bajo distintos sistemas de riego encuentra una relación cuadrática
similar a la nuestra, así mismo logra estimar los efectos potenciales de variables
climáticas (temperatura y precipitación) en la tierra irrigada como en secano; sus
resultados fueron que en la tierra cultivada bajo riego se encuentra que el umbral
de precipitación es de 52.87 mm, y el de temperatura es de 10.75 °C, Para el caso
46
de tierra bajo cultivo secano, se tiene estos umbrales que son 11.32 °C y 106 mm;
al final concluye que el acceso a la infraestructura de riego por parte de unidades
familiares agrícolas de pequeña escala podría ser considerada una estrategia
eficiente que mitigue/adapte de algún modo a los efectos del cambio climático en
los hogares rurales de la región Cuzco.
47
CONCLUSIONES
Esta investigación buscó determinar los efectos del cambio climático, usando en
consideración a ello la temperatura y las precipitaciones frente a la tasa de crecimiento de
la producción de papa. Estos efectos han quedado contrastados a partir de la
determinación de los puntos de inflexión 10.21 °C para la temperatura y de 1.96 mm para
la precipitación; con lo cual se identifica una relación cuadrática de forma cóncava.
También se puede concluir que la tasa de crecimiento de la producción de papa se
vería seriamente afectada ante un incremento de la temperatura y/o precipitaciones, se
debe tener en cuenta que dicha actividad capta un 36% de la PEA para el caso de Junín,
lo que implicaría que también se tenga impactos sobre en el mercado de bienes, el
mercado de trabajo y mercado financiero.
Otra conclusión seria que las relaciones de las variables climáticas sobre los niveles
de producción pueden en algunos casos ser diferentes, es decir para algunos productos
puedan tener una relación directa y para otros una relación inversa en un periodo de
tiempo determinado, en el largo plazo todas van a tener una forma funcional cóncava.
Entre los datos del INEI, años 2007 y 2014 se ha visto que la región Junín
proporcionó poco más de 167 millones de soles en valor de producción en papa, lo cual
es aproximadamente 14% del valor de producción bruto del sector agrícola en esta región
y 1.52% del PBI regional. Haciendo uso de esta información podemos ahora asumir que
haya un efecto negativo vale decir que se tenga un cambio negativo de 10.21% en
temperatura y 1.96% para precipitación, bajo esta mirada una reducción de ambas
variables de cambio climático en un punto fijo promedio de todas las variables nos daría
una producción. Este resultado es claramente preocupante, dado que esto implicaría una
reducción de 0.163% del PBI regional lo cual es aproximadamente un riesgo de pérdidas
48
económicas cercanos a 24 millones de soles anuales para el año 2014, esto manifiesta
claramente la suficiente factibilidad para hacer frente a este fenómeno creado por
nosotros, que puede ser remediado con nuevos avances y mejores técnicas de cultivo, así
como apoyo tecnificado a los agricultores del Valle del Mantaro.
49
RECOMENDACIONES
Se recomienda que la presente investigación sea tomada como referente para la
toma de decisiones sobre políticas de adaptación y/o mitigación al cambio climático para
el sector agrario, permitiendo reducir los efectos adversos de este fenómeno sobre los
niveles de producción de los diversos cultivos.
Dado que se encontró que para el caso de la temperatura se ha alcanzado y superado
el umbral que maximiza la tasa de crecimiento de la producción de la papa, se recomienda
se tome medidas para poder mitigar los efectos negativos en los cuales se encuentran
actualmente, ya que la mayoría de investigaciones concluyen que existirá un aumento
progresivo de la temperatura, y con esto los efectos adversos podrían ser mayores sino se
tomara ninguna medida.
Para posteriores investigaciones se recomienda tomar esta investigación como
referencia, sin embargo somos conscientes que el tema de cambio climático es bastante
amplio, por ende se invita a extender la presente investigación a otros productos usando
modelos de proyección y creación de escenarios futuros.
Es complicado que el Estado en cualquiera de sus tres niveles pueda revertir el
problema del cambio climático en un corto plazo o mediano plazo, dado que es un
problema de ámbito global y además no se cuenta con la tecnología suficiente. Sin
embargo es claro que tiene que haber iniciativas de parte principalmente del Estado para
mejorar la tecnología. Es decir, se creen mayores capacidades técnicas e investigación
sobre productos agrícolas resistentes a altas variaciones ambientales, estas pueden ser
propuestas importantes para mantener un ritmo de crecimiento sostenido en la producción
de papa.
50
REFERENCIA BIBLIOGRAFÍA
BID; CEPAL. (2014). La Economia del Cambio Climatico en el Perú. Lima, Perú:
Biblioteca Nacional del Perú.
Castilla, E. L. (2010). Análisis Económico del Cambio Climático en la Agricultura de la
Región Piura - Perú. Caso: Principales Productos Agroexportables. Piura: CIES.
CEPAL. (2014). Cambio climatico, agricultura y pobreza en America Latina: Una
aproximacion empirica. Santiago de Chile: CEPAL.
CEPAL. (2014). Economia del Cambio Climatico en America Latina y el Caribe :
Paradojas y desafios del desarrollo sostenible. Santiago: CEPAL.
CEPLAN. (2011). Plan Bicentenario Hacia el 2021. Lima.
CPP. (1993). Constitucion Politica del Perú- Art 6. Lima.
Diario Perú 21. (2014). Actualidad. Recuperado el 10 de Diciembre de 2014, de
http://peru21.pe/economia/cambio-climatico-costara-hasta-5-pib-latinoamerica-
segun-cepal-2206273.
Fleischer, A., Lichtman, I. & Mendelsohn, R. (2007). Climate Change, Irrigation, and
Israeli Agriculture. World Bank, Policy Research Working Paper, No. 4135.
Galindo, D. L. (2009). La Economía del Cambio Climático en México:Principales
impactos del cambio climático en México. Mexico.
Guzmán, E. (2015). Impacto Económico del Cambio Climático en la Agricultura en la
Región , Perú: Una Aproximación a través del Modelo Ricardiano. : CIES.
INEI. (2011). Anuario de Estadisticas Ambientales. Lima: INEI.
IPCC, 2013: Cambio Climático 2013: Bases Fisicas: Resumen para responsables de
politicas, Resumen Tecnico y Preguntas Frecuentes. Ginebra. IPCC.
51
IPCC, 2014: Anexo II: Glosario. En: Cambio Climático 2014: Informe de síntesis:
Contribución de los Grupos de trabajo I, II y III al Quinto Informe de Evaluación
del Grupo Intergubernamental de Expertos sobre el Cambio Climático. Ginebra.
IPCC. 129.
Loyola, R., & Orihuela, C. (2011). El Costo Económico del Cambio Climático en la
Agricultura Peruana: el Caso de la Región Piura y Lambayeque. Lima: CIES.
Mora, J., Ramírez, D., Ordaz, J. L., Acosta, A., & Serna, B. (2010). Panamá: Efectos Del
Cambio Climático Sobre La Agricultura. México, D. F: Copyright © Naciones
Unidas.
Orihuela, C. (2014). Efecto Económico del Cambio Climático sobre los Cultivos
Permanentes de la Agricultura Peruana: Periodo 2011-2050. Lima: CIES.
Ramírez, D., Ordaz, J. L., Mora, J., Acosta, A., & Serna, B. (2010). Nicaragua: Efectos
del cambio climático sobre la agricultura. México, D. F: Copyright © Naciones
Unidas.
SENAMHI. (2016). Glosario. Recuperado el 20 de Agosto del 2016, de
http://www.senamhi.gob.pe/?p=1006.
Vargas, P. (2010). El Cambio Climatico y Sus Efectos en el Perú. Moneda; BCRP, 25-
29.
Varian, H. (1994) Microeconomic Analysis, 3° Edition. W. W. Norton & Company. New
York.
52
ANEXOS
Anexo 2: PBI de Junín por sectores (% de participación) 2001-2014

Sectores del PBI 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
regional
Agricultura, 16.0% 17.0% 16.0% 15.0% 14.0% 16.0% 13.0% 12.9% 13.8% 13.7% 16.0% 14.4% 13.0% 12.0%
Caza y
Silvicultura
Pesca 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.1% 0.1% 0.1% 0.1% 0.1% 0.1% 0.1%
Minería 11.0% 10.0% 10.0% 9.0% 10.0% 9.0% 11.0% 13.1% 12.1% 15.0% 17.1% 14.3% 12.4% 18.5%
Manufactura 15.0% 15.0% 15.0% 16.0% 16.0% 16.0% 16.0% 17.1% 10.6% 9.0% 8.0% 8.5% 8.5% 7.1%
Electricidad y 7.0% 7.0% 6.0% 6.0% 5.0% 5.0% 5.0% 3.3% 3.2% 2.8% 2.8% 2.9% 3.0% 2.7%
Agua
Construcción 5.0% 5.0% 5.0% 6.0% 6.0% 7.0% 7.0% 7.0% 7.5% 7.4% 7.0% 8.1% 9.0% 8.2%
Comercio 13.0% 13.0% 13.0% 12.0% 13.0% 12.0% 12.0% 12.8% 13.6% 14.1% 13.9% 14.7% 15.2% 14.1%
Transporte y 10.0% 10.0% 10.0% 10.0% 10.0% 10.0% 11.0% 6.5% 7.3% 7.3% 6.4% 6.6% 6.9% 6.5%
Comunicaciones
Restaurantes y 2.0% 2.0% 2.0% 2.0% 2.0% 2.0% 2.0% 2.1% 2.4% 2.5% 2.5% 2.7% 2.9% 2.7%
Hoteles
Servicios 6.0% 6.0% 7.0% 7.0% 7.0% 7.0% 7.0% 6.6% 6.7% 8.5% 8.7% 8.9% 9.1% 9.5%
Gubernamentales
Otros Servicios 16.0% 16.0% 16.0% 16.0% 17.0% 16.0% 16.0% 17.2% 16.6% 19.4% 19.3% 19.5% 19.1% 19.2%
Valor Agregado 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% 100.0% 100.0%
Bruto
Fuente: INEI-cuentas nacionales del Perú: PBI por departamentos 2001-2014

Elaboración: propia
53
Anexo 2: resultados de regresión (1)
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.25915873
Coeficiente de determinación R^2 0.06716325
R^2 ajustado 0.05662272
Error típico 0.58569132
Observaciones 180
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 2 4.37156439 2.1857822 6.37190523 0.00212716
Residuos 177 60.7170752 0.34303432
Total 179 65.0886395
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%Superior 95.0%
Intercepción 10.0349501 1.91440041 5.24182406 4.4915E-07 6.25696284 13.8129374 6.25696284 13.8129374
Temperatura -6.29737921 1.78297223 -3.53195586 0.00052607 -9.81599859 -2.77875983 -9.81599859 -2.77875983
Precipitaciones 0.44104006 0.14072366 3.13408599 0.00201834 0.16332793 0.71875219 0.16332793 0.71875219
Fuente: SENAMHI /Elaboración propia

Coeficiente de correlación múltiple 0.29223921
Coeficiente de determinación R^2 0.08540376
R^2 ajustado 0.0644987
Observaciones 180
Grados de libertad
Suma de cuadrados
Regresión 4 5.55881437 1.38970359 4.08531569 0.00343243
Residuos 175 59.5298252 0.34017043
Total 179 65.0886395
Intercepción 1.93965759 28.2247609 0.06872184 0.94528949 -53.7650823 57.6443975 -53.7650823 57.6443975
T 9.08909328 53.3759466 0.17028444 0.86498315 -96.2543401 114.432527 -96.2543401 114.432527
T2 -7.33205544 25.2364932 -0.29053385 0.77175187 -57.1391129 42.475002 -57.1391129 42.475002
P 0.65944699 0.18635391 3.53868082 0.00051509 0.2916566 1.02723739 0.2916566 1.02723739
P2 0.25613042 0.13714417 1.8675997 0.06348999 -0.01453903 0.52679987 -0.01453903 0.52679987
54
Coeficiente de0.31181468
correlación múltiple
Coeficiente de determinación
0.0972284 R^2
R^2 ajustado 0.07659362
Observaciones 180
Grados de libertad
Suma de cuadrados
Regresión 4 6.32846398 1.58211599 4.71186984 0.00123348
Residuos 175 58.7601756 0.33577243
Total 179 65.0886395
Intercepción -5.32034619 26.7769374 -0.19869136 0.84273483 -58.1676436 47.5269512 -58.1676436 47.5269512
LOG(T) 21.4153159 50.8365385 0.42125834 0.67408339 -78.9163101 121.746942 -78.9163101 121.746942
LOG(T2) -12.7930728 24.0923022 -0.5310025 0.59609031 -60.3419406 34.755795 -60.3419406 34.755795
P 0.28040325 0.2838707 0.98778508 0.32462168 -0.27984751 0.840654 -0.27984751 0.840654
P2 -0.00253962 0.09352717 -0.02715377 0.97836803 -0.18712601 0.18204678 -0.18712601 0.18204678

correlación múltiple
determinación R^2
R^2 ajustado 0.0644987
Observaciones 180
Grados de libertad
Suma de cuadrados
Regresión 4 5.55881437 1.38970359 4.08531569 0.00343243
Residuos 175 59.5298252 0.34017043
Total 179 65.0886395
Intercepción 1.93965759 28.2247609 0.06872184 0.94528949 -53.7650823 57.6443975 -53.7650823 57.6443975
LOG(T) 9.08909328 53.3759466 0.17028444 0.86498315 -96.2543401 114.432527 -96.2543401 114.432527
LOG(T2) -7.33205544 25.2364932 -0.29053385 0.77175187 -57.1391129 42.475002 -57.1391129 42.475002
LOG(P) 0.65944699 0.18635391 3.53868082 0.00051509 0.2916566 1.02723739 0.2916566 1.02723739
LOG(P)2 0.25613042 0.13714417 1.8675997 0.06348999 -0.01453903 0.52679987 -0.01453903 0.52679987
Anexo 6: base de datos de las variables de estudio
PERIODO Q PAPA (Y)-TM TEMPERATURA (T)-°C PRECIPITACION (P)-

mm
1 - 00M01 70 13.26 0.61
1 - 00M02 534 13.43 1.66
55
1 - 00M03 1942 12.65 1.41
1 - 00M04 12798 12.7 0.33
1 - 00M05 18168 12.04 0.53
1 - 00M06 14137 10.47 0
1 - 00M07 7296 9.88 0.35
1 - 00M08 24 10.32 0.1
1 - 00M09 10 12.41 0.12
1 - 00M10 7 12.92 0.88
1 - 00M11 15 13.16 0.58
1 - 00M12 34 12.28 0.94
1 - 01M01 485 12.67 0.61
1 - 01M02 436 12.82 2.08
1 - 01M03 1551 12.57 1.02
1 - 01M04 11267 12.06 0.39
1 - 01M05 20189 11.58 0.68
1 - 01M06 3260 10.46 0
1 - 01M07 1526 9.27 0.21
1 - 01M08 85 10.71 0
1 - 01M09 17 11.93 0
1 - 01M10 26 13.21 0.97
1 - 01M11 32 13.18 0.61
1 - 01M12 480 12.61 0.67
1 - 02M01 140 13.31 0.4
1 - 02M02 415 13.23 2
1 - 02M03 2859 12.96 1.32
1 - 02M04 12308 12.73 0.06
1 - 02M05 17960 11.32 0.38
1 - 02M06 8255 11.19 0
1 - 02M07 3185 9.75 0.5
1 - 02M08 132 10.89 0.21
1 - 02M09 53 12.56 0.24
1 - 02M10 89 13.67 0.79
1 - 02M11 160 13.33 0.55
1 - 02M12 367 12.21 1.22
1 - 03M01 485 13.53 0.82
1 - 03M02 465 12.84 0.91
1 - 03M03 3782 12.38 1.87
1 - 03M04 12136 12.38 0.55
1 - 03M05 17045 11.38 0.08
1 - 03M06 14074 10.27 0.29
1 - 03M07 1865 9.44 0
1 - 03M08 165 10.79 0.29
1 - 03M09 45 12.78 0.12
1 - 03M10 37 13.64 1.21
1 - 03M11 75 12.96 1.45
1 - 03M12 675 12.88 2.03
1 - 04M01 140 13.41 2.05
1 - 04M02 1249 13.19 2.16
1 - 04M03 3637 12.36 1.25
1 - 04M04 10019 12.54 0.96
1 - 04M05 15831 11.83 0.25
1 - 04M06 14734 10.33 0.05
1 - 04M07 5549 9.67 0.02
1 - 04M08 70 10.77 0.07
1 - 04M09 10 12.05 0.45
1 - 04M10 38 13.04 1.06
1 - 04M11 45 13.49 1.23
1 - 04M12 121 12.01 2.37
1 - 05M01 98 12.74 2.18
1 - 05M02 703 12.82 2.18
1 - 05M03 3778 12.52 1.36
1 - 05M04 6366 12.41 0.83
56
1 - 05M05 16741 11.93 0.19
1 - 05M06 32893 10.61 0.05
1 - 05M07 12446 9.23 0.02
1 - 05M08 250 10.59 0.09
1 - 05M09 45 11.8 0.46
1 - 05M10 12 13.28 1.09
1 - 05M11 77 13.4 1.23
1 - 05M12 282 12.42 2.37
1 - 06M01 218 13.44 2.01
1 - 06M02 636 13.32 2.12
1 - 06M03 2182 13.2 1.42
1 - 06M04 5645 12.8 0.95
1 - 06M05 16356 11.84 0.19
1 - 06M06 26678 10.9 0.05
1 - 06M07 7777 10.2 0.02
1 - 06M08 3068 11.04 0.06
1 - 06M09 243 12.6 0.44
1 - 06M10 54 13.4 1.13
1 - 06M11 105 13.49 1.1
1 - 06M12 140 12.67 2.37
1 - 07M01 621 13.19 1.87
1 - 07M02 2331 12.9 2.52
1 - 07M03 3540 12.62 1.92
1 - 07M04 5934 12.3 1
1 - 07M05 11382 11.67 0.27
1 - 07M06 11327 10.92 0.05
1 - 07M07 1852 10.05 0.03
1 - 07M08 440 11 0.04
1 - 07M09 162 12.66 0.41
1 - 07M10 177 13.49 1.08
1 - 07M11 340 13.66 1.16
1 - 07M12 461 12.67 2.37
1 - 08M01 480 13.38 1.92
1 - 08M02 1335 13.14 2.13
1 - 08M03 4098 12.83 1.15
1 - 08M04 11101 12.71 1.09
1 - 08M05 21530 11.86 0.3
1 - 08M06 15156 10.74 0.06
1 - 08M07 4846 9.80 0.02
1 - 08M08 376 10.91 0.08
1 - 08M09 87 12.27 0.49
1 - 08M10 65 13.39 1.01
1 - 08M11 152 13.69 1.32
1 - 08M12 156 12.67 2.37
1 - 09M01 318 13.56 2.36
1 - 09M02 1565 13.44 2.25
1 - 09M03 4265 13.63 1.29
1 - 09M04 17219 13.06 0.7
1 - 09M05 21439 11.98 0.19
1 - 09M06 11688 10.86 0.05
1 - 09M07 6520 10.01 0.02
1 - 09M08 236 11.01 0.14
1 - 09M09 34 12.3 0.44
1 - 09M10 43 13.32 1.12
1 - 09M11 72 13.45 1.28
1 - 09M12 576 12.67 2.37
1 - 10M01 718 13.7 2.14
1 - 10M02 3152 13.75 1.72
1 - 10M03 3586 13.79 0.92
1 - 10M04 19377 13.31 0.9
1 - 10M05 26611 12 0.11
1 - 10M06 13439 10.92 0.04
57
1 - 10M07 2214 10.53 0.01
1 - 10M08 99 11.09 0
1 - 10M09 45 12.82 0.48
1 - 10M10 86 13.39 1.17
1 - 10M11 345 13.35 0.86
1 - 10M12 650 13.06 1.72
1 - 11M01 280 12.99 1.83
1 - 11M02 1982 12.66 2.91
1 - 11M03 3429 12.41 2.7
1 - 11M04 18500 11.9 0.92
1 - 11M05 20150 11.49 0.23
1 - 11M06 17134 11.09 0.07
1 - 11M07 6359 9.81 0.05
1 - 11M08 134 11 0.03
1 - 11M09 65 12.9 0.27
1 - 11M10 104 13.68 1.06
1 - 11M11 225 13.92 1.3
1 - 11M12 463 12.73 2.27
1 - 12M01 681 13.2 1.48
1 - 12M02 1442 12.83 2.02
1 - 12M03 2017 12.03 1.01
1 - 12M04 11363 12.35 1.47
1 - 12M05 18434 11.75 0.41
1 - 12M06 17410 10.28 0.05
1 - 12M07 11409 9.58 0.01
1 - 12M08 1155 10.73 0.07
1 - 12M09 75 11.63 0.75
1 - 12M10 54 13.17 0.85
1 - 12M11 155 13.7 1.37
1 - 12M12 348 13.52 2.13
1 - 13M01 643 13.41 2.59
1 - 13M02 1192 13.14 2.78
1 - 13M03 2993 13.46 1.66
1 - 13M04 11593 12.81 0.5
1 - 13M05 17269 11.95 0.28
1 - 13M06 18939 11.39 0.07
1 - 13M07 7682 9.92 0.04
1 - 13M08 161 11.23 0.35
1 - 13M09 12 12.44 0.11
1 - 13M10 7 13.41 1.36
1 - 13M11 30 13.29 1.59
1 - 13M12 337 13.14 1.79
1 - 14M01 753 12.9 1.78
1 - 14M02 1068 13.3 1.93
1 - 14M03 2800 12.65 2.43
1 - 14M04 13700 13.12 0.89
1 - 14M05 16376 12.71 0.4
1 - 14M06 20051 11.61 0.08
1 - 14M07 4660 11.33 0.2
1 - 14M08 230 11.14 0.01
1 - 14M09 107 13.06 0.69
1 - 14M10 59 12.95 0.46
1 - 14M11 82 13.54 1.28
1 - 14M12 528 13.61 1.98
2 - 00M01 3423 11.65 2.29
2 - 00M02 6511 11.58 2.62
2 - 00M03 13704 11.32 1.91
2 - 00M04 20048 10.85 0.93
2 - 00M05 9330 11.01 0.51
2 - 00M06 7422 9.32 0.17
2 - 00M07 4790 9.11 0.08
2 - 00M08 2461 9.72 0.32
58
2 - 00M09 718 10.86 0.69
2 - 00M10 765 11.4 1.07
2 - 00M11 4870 12.1 1.3
2 - 00M12 9074 11.79 2.37
2 - 01M01 9959 9.88 1.84
2 - 01M02 10551 9.52 3.34
2 - 01M03 4954 9.06 2.21
2 - 01M04 5249 8.84 0.8
2 - 01M05 5593 10.18 0.4
2 - 01M06 5218 7.14 0.3
2 - 01M07 1002 7.79 0.12
2 - 01M08 471 8.22 0.41
2 - 01M09 646 9.13 0.76
2 - 01M10 1426 9.69 1.27
2 - 01M11 1450 10.75 1.48
2 - 01M12 3572 10 2.5
2 - 02M01 6470 10.44 1.88
2 - 02M02 6401 10.12 3.16
2 - 02M03 15153 9.56 1.84
2 - 02M04 8942 9.14 0.84
2 - 02M05 10240 9.64 0.35
2 - 02M06 6354 7.45 0.23
2 - 02M07 1665 8.15 0.1
2 - 02M08 851 8.30 0.28
2 - 02M09 311 9.6 0.75
2 - 02M10 813 9.83 1.41
2 - 02M11 2476 11.27 1.36
2 - 02M12 4176 10.26 2.3
2 - 03M01 4787 10.43 1.82
2 - 03M02 5037 10.08 3.15
2 - 03M03 9027 9.49 1.71
2 - 03M04 6751 9.01 0.83
2 - 03M05 9110 9.31 0.34
2 - 03M06 3731 7.27 0.22
2 - 03M07 521 8.11 0.1
2 - 03M08 30 8.16 0.27
2 - 03M09 518 9.55 0.72
2 - 03M10 574 9.61 1.5
2 - 03M11 5521 11.25 1.37
2 - 03M12 5988 10.09 2.29
2 - 04M01 8780 10.43 1.82
2 - 04M02 8066 10.08 3.15
2 - 04M03 5010 9.49 1.71
2 - 04M04 6051 9.01 0.83
2 - 04M05 5548 9.31 0.34
2 - 04M06 1659 7.27 0.22
2 - 04M07 371 8.11 0.1
2 - 04M08 447 8.16 0.27
2 - 04M09 493 9.55 0.72
2 - 04M10 945 9.61 1.5
2 - 04M11 1871 11.25 1.37
2 - 04M12 7022 10.09 2.29
2 - 05M01 8040 10.58 1.94
2 - 05M02 11781 10.32 3.11
2 - 05M03 5915 9.76 1.95
2 - 05M04 10615 9.38 0.87
2 - 05M05 7480 9.98 0.35
2 - 05M06 3303 7.75 0.22
2 - 05M07 428 8.30 0.11
2 - 05M08 1260 8.5 0.28
2 - 05M09 1514 9.76 0.79
2 - 05M10 1084 9.99 1.29
59
2 - 05M11 2143 11.32 1.39
2 - 05M12 5383 10.52 2.27
2 - 06M01 10826 10.32 1.94
2 - 06M02 6499 10 3.25
2 - 06M03 7582 9.51 2.02
2 - 06M04 7918 9.15 0.83
2 - 06M05 5673 9.97 0.38
2 - 06M06 5807 7.51 0.25
2 - 06M07 2812 8.08 0.11
2 - 06M08 2478 8.4 0.31
2 - 06M09 1014 9.56 0.76
2 - 06M10 1047 10.1 1.35
2 - 06M11 3249 11.25 1.33
2 - 06M12 7329 10.35 2.36
2 - 07M01 7673 10.03 1.75
2 - 07M02 4351 9.65 3.25
2 - 07M03 5033 9.1 1.87
2 - 07M04 9500 8.72 0.8
2 - 07M05 5810 9.46 0.36
2 - 07M06 3493 6.92 0.27
2 - 07M07 791 7.83 0.11
2 - 07M08 262 7.99 0.35
2 - 07M09 663 9.18 0.72
2 - 07M10 1046 9.34 1.46
2 - 07M11 3291 10.86 1.46
2 - 07M12 4816 9.77 2.42
2 - 08M01 8874 10.79 1.67
2 - 08M02 6839 10.35 2.98
2 - 08M03 7019 9.61 0.99
2 - 08M04 10599 8.77 0.81
2 - 08M05 9278 7.83 0.25
2 - 08M06 6220 6.87 0.14
2 - 08M07 1255 8.21 0.07
2 - 08M08 1141 7.72 0.13
2 - 08M09 831 9.69 0.64
2 - 08M10 884 9.02 1.91
2 - 08M11 2848 11.57 1.27
2 - 08M12 4298 9.71 2.1
2 - 09M01 4397 9.27 1.83
2 - 09M02 7573 8.94 3.53
2 - 09M03 7302 8.58 2.75
2 - 09M04 11687 8.65 0.78
2 - 09M05 7438 11.1 0.47
2 - 09M06 3626 6.97 0.4
2 - 09M07 1416 7.44 0.15
2 - 09M08 145 8.26 0.56
2 - 09M09 315 8.65 0.8
2 - 09M10 707 9.67 1.01
2 - 09M11 2569 10.15 1.65
2 - 09M12 4426 9.85 2.73
2 - 10M01 7506 11.17 2.5
2 - 10M02 7908 11.04 3.25
2 - 10M03 10403 10.75 2.45
2 - 10M04 12606 10.47 0.93
2 - 10M05 8304 11.48 0.43
2 - 10M06 3646 9.28 0.19
2 - 10M07 1308 8.85 0.1
2 - 10M08 158 9.65 0.21
2 - 10M09 255 10.71 0.88
2 - 10M10 629 12.38 1
2 - 10M11 3224 12.43 0.95
2 - 10M12 4940 12.05 2.18
60
2 - 11M01 7904 11.74 3.17
2 - 11M02 10648 11.52 3.67
2 - 11M03 9906 11.68 2.49
2 - 11M04 6872 11.16 0.87
2 - 11M05 8063 11.43 0.57
2 - 11M06 9700 10.41 0.1
2 - 11M07 750 9.21 0.07
2 - 11M08 126 10.55 0
2 - 11M09 433 11.77 0.82
2 - 11M10 273 12.6 1.2
2 - 11M11 2511 12.94 0.92
2 - 11M12 3697 11.8 2.19
2 - 12M01 5979 12.31 1.51
2 - 12M02 11494 11.76 2.43
2 - 12M03 10039 11.27 1.22
2 - 12M04 11270 11.36 2.06
2 - 12M05 11268 10.73 0.51
2 - 12M06 12487 9.43 0.47
2 - 12M07 1173 8.98 0
2 - 12M08 234 10.15 0.06
2 - 12M09 132 10.75 0.47
2 - 12M10 259 12.31 0.83
2 - 12M11 3288 13 0.9
2 - 12M12 4980 12.63 3
2 - 13M01 11277 12.59 2.53
2 - 13M02 9202 12.57 1.98
2 - 13M03 8633 12.9 1.41
2 - 13M04 11065 12.11 0.87
2 - 13M05 10197 11.34 0.85
2 - 13M06 5011 10.33 0.15
2 - 13M07 396 9.63 0.01
2 - 13M08 23 10.8 0.49
2 - 13M09 18 11.74 0.3
2 - 13M10 539 12.68 1.24
2 - 13M11 2672 12.76 1.17
2 - 13M12 5314 12.48 2.88
2 - 14M01 9104 12.5 2.51
2 - 14M02 6904 12.65 2.54
2 - 14M03 6009 11.99 2.12
2 - 14M04 12022 11.59 1.12
2 - 14M05 11691 11.52 0.29
2 - 14M06 6134 10.49 0.06
2 - 14M07 741 9.91 0.09
2 - 14M08 43 10.14 0.07000000000000001
2 - 14M09 102 11.71 1.02
2 - 14M10 809 11.82 0.7
2 - 14M11 481 12.79 1.25
2 - 14M12 6410 12.91 1.72
3 - 00M01 192 12.17 1.58
3 - 00M02 756 11.72 2.14
3 - 00M03 1935 11.94 1.76
3 - 00M04 2826 12.15 1.09
3 - 00M05 3480 11.92 0.59
3 - 00M06 1757 10.7 0.06
3 - 00M07 826 10.5 0.04
3 - 00M08 123 11.42 0.21
3 - 00M09 34 11.82 0.44
3 - 00M10 12 12.42 0.57
3 - 00M11 45 12.83 0.51
3 - 00M12 112 12.29 1
3 - 01M01 485 12.63 2.07
3 - 01M02 436 12.55 2.41
61
3 - 01M03 1551 12.56 2.05
3 - 01M04 11267 12.71 1.25
3 - 01M05 20189 12.13 0.4
3 - 01M06 3260 11.32 0.09
3 - 01M07 1526 10.68 0.07000000000000001
3 - 01M08 254 11.67 0.21
3 - 01M09 77 12.16 0.72
3 - 01M10 11 12.88 0.8
3 - 01M11 32 13.25 1.01
3 - 01M12 480 12.95 2.04
3 - 02M01 198 13.02 2.39
3 - 02M02 1112 12.87 2.35
3 - 02M03 2122 13.06 1.5
3 - 02M04 2608 12.75 1.07
3 - 02M05 2667 12.07 0.32
3 - 02M06 1130 10.99 0.11
3 - 02M07 36 10.51 0.13
3 - 02M08 7 11.64 0.15
3 - 02M09 34 12.65 0.49
3 - 02M10 21 13.39 0.66
3 - 02M11 68 13.67 0.79
3 - 02M12 91 13.13 1.42
3 - 03M01 258 12.88 2.19
3 - 03M02 754 12.71 2.85
3 - 03M03 1685 12.55 2.25
3 - 03M04 6020 12.64 1.34
3 - 03M05 839 12.02 0.61
3 - 03M06 436 11.27 0.08
3 - 03M07 321 10.5 0.11
3 - 03M08 41 11.6 0.11
3 - 03M09 12 12.41 1.07
3 - 03M10 66 13.1 0.23
3 - 03M11 81 13.42 0.16
3 - 03M12 136 11.9 0.8
3 - 04M01 269 11.29 1.62
3 - 04M02 500 11.33 1.93
3 - 04M03 1761 11.76 1.42
3 - 04M04 4431 11.9 0.53
3 - 04M05 2549 12.05 0.35
3 - 04M06 660 10.93 0.09
3 - 04M07 153 10.92 0.02
3 - 04M08 54 11.31 0.53
3 - 04M09 9 11.58 0.24
3 - 04M10 32 11.54 1.47
3 - 04M11 43 11.71 1.36
3 - 04M12 25 12.05 2.21
3 - 05M01 278 12.36 0.92
3 - 05M02 896 11.12 1.64
3 - 05M03 1813 11.52 1.62
3 - 05M04 4316 11.91 1.39
3 - 05M05 2392 11.7 0.81
3 - 05M06 611 9.9 0
3 - 05M07 75 10.07 0
3 - 05M08 47 11.34 0
3 - 05M09 17 11.47 0
3 - 05M10 7 12.63 0
3 - 05M11 48 13.36 0
3 - 05M12 79 12.91 0
3 - 06M01 119 12.44 1.64
3 - 06M02 648 11.5 3.66
3 - 06M03 1237 11.6 2.63
3 - 06M04 3492 12.84
62
3 - 06M05 3529 11.87 0.68
3 - 06M06 1937 12.1 0.03
3 - 06M07 205 10.52 0.22
3 - 06M08 56 11.57 0.5
3 - 06M09 32 11.65 1.73
3 - 06M10 15 12.87 0.5
3 - 06M11 67 13.26 1.06
3 - 06M12 154 12.95 2.51
3 - 07M01 178 13.03 3.31
3 - 07M02 793 13.04 1.85
3 - 07M03 1274 13.3 1.78
3 - 07M04 3143 13.55 0.88
3 - 07M05 3710 12.68 0.28
3 - 07M06 1848 11.95 0.29
3 - 07M07 415 11.74 0.5
3 - 07M08 126 12.93 0.25
3 - 07M09 71 13.52 0.35
3 - 07M10 45 13.9 1.08
3 - 07M11 34 13.76 1.62
3 - 07M12 64 13.74 2.18
3 - 08M01 225 12.85 3.04
3 - 08M02 775 13.05 2.33
3 - 08M03 1873 13.16 3.55
3 - 08M04 3126 12.89 1.72
3 - 08M05 3403 12.72 0.59
3 - 08M06 2674 12.1 0.01
3 - 08M07 462 11.46 0
3 - 08M08 177 12.99 0
3 - 08M09 75 12.73 1
3 - 08M10 56 13.12 0.66
3 - 08M11 154 13.71 1
3 - 08M12 95 13.22 1.72
3 - 09M01 258 13.55 2.8
3 - 09M02 1475 13.94 1.54
3 - 09M03 2064 13.97 1.42
3 - 09M04 2528 13.26 0.99
3 - 09M05 3272 12.27 0.06
3 - 09M06 2817 11.03 0.11
3 - 09M07 1113 10.63 0.08
3 - 09M08 101 11.12 0.01
3 - 09M09 86 12.77 0.12
3 - 09M10 132 13.73 0.79
3 - 09M11 116 13.63 0.42
3 - 09M12 147 13.02 1.62
3 - 10M01 367 12.83 2.51
3 - 10M02 1600 12.69 4.16
3 - 10M03 2056 12.8 1.72
3 - 10M04 2877 12.22 1.31
3 - 10M05 3490 11.54 0.31
3 - 10M06 3447 10.47 0
3 - 10M07 947 9.970000000000002 0.06
3 - 10M08 276 11.2 0.03
3 - 10M09 94 12.88 1.07
3 - 10M10 26 13.11 0.86
3 - 10M11 85 14.06 1.19
3 - 10M12 143 12.73 2
3 - 11M01 442 13.04 1.27
3 - 11M02 1543 12.92 2.56
3 - 11M03 1895 12.32 1.24
3 - 11M04 2594 12.65 1.46
3 - 11M05 3515 11.71 0.31
3 - 11M06 3168 10.45 0.24
63
3 - 11M07 857 9.869999999999999 0.01
3 - 11M08 265 11.35 0
3 - 11M09 103 12.09 0.53
3 - 11M10 52 13.12 0.5600000000000001
3 - 11M11 73 13.95 1.21
3 - 11M12 177 13.5 2.13
3 - 12M01 473 13.35 2.41
3 - 12M02 1333 13.54 2.59
3 - 12M03 1681 13.72 0.95
3 - 12M04 2427 12.84 0.76
3 - 12M05 3846 12.17 0.14
3 - 12M06 3679 11.58 0.15
3 - 12M07 955 10.15 0.03
3 - 12M08 162 11.6 0.49
3 - 12M09 138 12.62 0.91
3 - 12M10 43 13.57 0.5500000000000001
3 - 12M11 95 13.55 0.7
3 - 12M12 250 13.26 1.28
3 - 13M01 428 13.22 2.5
3 - 13M02 1435 13.41 1.56
3 - 13M03 1945 12.89 2.13
3 - 13M04 2559 12.62 0.7
3 - 13M05 4018 12.24 1.17
3 - 13M06 3658 11.22 0.14
3 - 13M07 1002 10.7 0.25
3 - 13M08 345 10.88 0.02
3 - 13M09 146 12.69 1.01
3 - 13M10 41 12.67 0.58
3 - 13M11 86 13.51 1.11
3 - 13M12 234 13.68 1.87
3 - 14M01 631 13.58 2.76
3 - 14M02 1690 13.77 2.38
3 - 14M03 2697 13.6 1.84
3 - 14M04 3900 13.03 1.03
3 - 14M05 5510 12.5 0.95
3 - 14M06 7196 11.7 0.45
3 - 14M07 1020 10.72 0.44
3 - 14M08 197 11.54 0.5500000000000001
3 - 14M09 172 12.95 1.26
3 - 14M10 44 13.42 0.86
3 - 14M11 116 13.83 1.21
3 - 14M12 196 13.77 1.87
Fuente: SENAMHI -DRA-Junín
Elaboración propia
64

Clemente Ricse-Dipas Medrano PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Clemente Ricse-Dipas Medrano PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ

EFECTOS DEL CAMBIO CLIMÁTICO SOBRE LA TASA DE CRECIMIENTO

DE LA PRODUCCIÓN DE PAPA EN EL VALLE DEL MANTARO: 2000 - 2014

CLEMENTE RICSE, Jimmy Francisco

DIPAS MEDRANO, Edinson

PARA OPTAR EL TÍTULO PROFESIONAL DE

MG. OSCAR VILLAVERDE MONTOYA

Durante la preparación de esta investigación, hemos contado con el apoyo, comentarios y

agradecimiento por la ayuda brindada.

Tabla 1: Valor agregado bruto por sectores (promedio de participación) de

Figura 1: PBI de Junín por sectores (% de participación) 2001-2014 8

¿Cuál es el efecto del cambio climático sobre la tasa de crecimiento de la producción de

2014). Para ello se empleó el modelo microeconómico de la función de producción, con la

intención de validar la hipótesis. Para la contrastación se usó la base de datos de la Dirección

fueron procesados mediante un análisis de panel.

sobre la tasa de crecimiento de la producción de papa, fue positiva hasta un determinado

contrastar al encontrar que los niveles de temperatura y precipitación que maximizan la

Palabras clave: Cambio climático, temperatura, precipitaciones, producción.

generated were processed by analyzing panel.

of an inverted U (concave towards the origin).

Keywords: Climate change, temperature, rainfall, production.

El cambio climático como fenómeno global se expresa, fundamentalmente, en el

aumento de la temperatura media, la modificación de los patrones de precipitación por

se le llama efecto invernadero y va modificando, lentamente, el comportamiento del

medio ambiente. La agricultura, en este sentido se ve comprometida ante estos cambios

reduciendo su productividad y poniendo en peligro el esfuerzo de aquellos que luchan

para alimentarse de la tierra.

la tasa de crecimiento de la producción de papa (2000 – 2014), aplicado en el Valle del

Mantaro, basado en el enfoque neoclásico de la teoría del productor, esta se sustentó en 3

provincias de la región: Jauja, Concepción y Chupaca, con datos proporcionados por la

En el capítulo I, se presenta el problema, el objetivo y las razones que nos motivan

a realizarla. En el capítulo II, se expone los antecedentes de la investigación, las teorías

modelo y la operacionalización de las variables. En el capítulo III, se explica la

metodología que se usó en la investigación; de igual manera se muestra la obtención de

datos y el modelo econométrico. En el capítulo IV, se analiza los resultados. El capítulo

V, da a conocer la contrastación de las hipótesis de investigación y finalmente el capítulo

1.1 Tema de investigación

La investigación consiste en determinar los efectos del cambio climático

sobre la tasa de crecimiento de la producción de la papa, en el periodo 2000 - 2014,

aplicado en el Valle del Mantaro, basado en el enfoque neoclásico de la función de

1.2 Planteamiento del problema

El cambio climático, fenómeno global, que se expresa, fundamentalmente,

en el aumento de la temperatura media, la modificación de los patrones de

precipitación, el alza del nivel del mar, decrecimiento de la superficie de hielo y

nieve, y modificaciones de los patrones de fenómenos climáticos extremos,

representa uno de los grandes desafíos de la humanidad en el presente siglo, la

evidencia disponible muestra que el cambio climático es un fenómeno global,

consecuencia, sobre todo, de las emisiones de gases de efecto invernadero de origen

antropogénico que tienen efectos negativos crecientes y, en muchos casos

Las evidencias más relevantes a nivel global de la presencia del cambio

climático se sostiene sobre las observaciones en el aumento de la temperatura media

del planeta, que en el último siglo (1906-2005) ha aumentado en 0.74 °C mayor al

siguientes años estiman un incremento de 0.2 °C por década, además se observó

observa una disminución de la masa de hielo y nieve, se estima que la perdida de

1971-2009, la perdida de hielo en el manto de Groenlandia ha aumentado de 34

Gt/año durante el periodo 1992-2001 a 147 Gt/año durante el periodo 2001-2011,

glaciares se proyecta que al 2100 su volumen a nivel mundial habrá disminuido

entre un 15% y 55% en un escenario optimista y entre 35% y 85% en un escenario

de alto nivel de emisiones (CEPAL, 2014).

ser un fenómeno global, también es asimétrico.

Se observa que históricamente regiones como las de América Latina y el

climático, debido principalmente a su ubicación geográfica, clima, condiciones

socioeconómicas, demográficas y la alta sensibilidad de sus activos naturales, se