Introducción El crecimiento de la productividad agrícola es más significativo entre los

desafíos clave del desarrollo antes de la economía de la India, especialmente a tales

preocupaciones como disponibilidad de alimentos y pobreza rural desde principios 1990s.

Dada la limitación de la tierra, la agricultura El crecimiento en la India depende de la

creación de tierras (para cultivos) más productivo. El crecimiento de la PTF en la

agricultura aumenta los ingresos de las comunidades rurales, que promueve su gasto en el

sector no agrícola (Ellis, 2000; Himanshu et al., 2011). Más específicamente, es es probable

que lidere las comunidades agrícolas rurales para apoyar productos y servicios no agrícolas

como el consumidor

bienes y servicios, insumos y servicios para la agricultura

Servicios de producción, procesamiento y comercialización.

Este documento ha examinado las principales tendencias y

factores de cambio en la productividad total de factores (TFP)

crecimiento de los dos cultivos dominantes, a saber. trigo y arroz

en el paisaje agrícola indio Usando el panel

datos de los estados indios para la revolución post-verde

periodo 1981-2010, hemos estimado paramétrico

análisis de frontera estocástica (SFA) (Aigner et al., 1977)

y análisis de envoltura de datos no paramétricos (DEA)

(Charnes et al., 1978), y han comparado los resultados

sobre las medidas de PTF obtenidas de ambos enfoques.

La razón para usar dos enfoques competitivos fue

para verificar si los resultados obtenidos por uno podrían

ser confirmado por el otro.

Al estimar las funciones de distancia de entrada o salida,

DEA no paramétrico se puede utilizar para descomponer TFP

crecimiento en movimientos de la frontera (ganancias técnicas

o innovación) y movimientos hacia la frontera

(ganancias de eficiencia o "ponerse al día") usando Malmquist

índice (ver Coelli y Rao, 2005 para más detalles). los

mérito de SFA, por otro lado, es que considera

ruido estocástico en los datos (por ejemplo, trabajo o capital

variaciones de rendimiento) y también permite

prueba estadística de hipótesis sobre producción

estructura y grado de ineficiencia. Su principal

limitaciones, sin embargo, son que requiere un explícito

imposición de una forma funcional paramétrica particular

representando la tecnología subyacente y también una

suposición distributiva explícita para la ineficiencia

condiciones. Contextualmente, es probable que el SFA paramétrico sea

más atractivo que el DEA no paramétrico en el

casos en los que los datos sufren una medición seria

errores, eventos aleatorios y dificultad para identificar

entradas y salidas, y DEA puede ser una mejor opción cuando

las perturbaciones aleatorias son un problema menor y el precio

la información no está disponible (Färe et al. 1994).

Medición de productividad en India

Agricultura

La agricultura india ha sido testigo tremenda

crecimiento durante las últimas décadas con el

adopción de la tecnología de la Revolución Verde a fines de 1960. Las fuentes y los efectos

del crecimiento han sido de considerable interés para investigadores, formuladores de

políticas y practicantes Con la disponibilidad de una granja a nivel micro datos,

particularmente de CACP, en India, pocos cultivos específicos Los estudios de TFP se han

llevado a cabo desde principios de la década de 1990. (Sindhu y Byerlee, 1992; Kumar y

Mruthyunjaya, 1992; Kumar y Rosegrant, 1994; Kumar et al., 1998; Kumar, 2001; Joshi et

al., 2003). Sin embargo, la India las estimaciones de productividad agrícola carecen de

unanimidad (Tabla 1). Esto puede deberse a diferencias en el métodos de estimación y los

datos utilizados, que tiene resultó en generar debates sobre la tendencia de la India

productividad agrícola Como se puede ver en la Tabla 1, dependiendo de la metodología y

nivel de agregación, los resultados varían sustancialmente en todos los estudios, por lo que

es necesario un escrutinio cuidadoso requerido para conciliar e interpretar los hallazgos. los

La mayoría de los estudios han utilizado el Índice Törnqvist para estimar el crecimiento de

la productividad total de los factores (TFP), con excepciones que usaron el índice

Malmquist basado en la DEA. Eso También es interesante observar que los tres Törnqvist

los enfoques que utilizan datos de la FAO de la Tabla 1 examinan el mismos períodos de

tiempo pero generan TFP muy diferentes estimaciones de crecimiento. Promedio de Coelli

y Rao (2005)
La estimación anual de Törnqvist del 0,90 por ciento es inferior a Estimación de Fuglie

(2012) de 1.39 por ciento anual El crecimiento de la PTF, que es significativamente menor

que Estimación de Ávila y Evenson (2010) del 2,41 por ciento anualmente. Coelli y Rao

(2005) y Nin-Pratt et al. (2010) han estimado la PTF utilizando índices de Malmquist. Pero,

sus resultados difieren, por ejemplo, los de Nin-Pratt et al. estimación indica que el

crecimiento será la mitad de lo que Coelli y estimación de Rao. Sin embargo, como ambos

Malmquist las estimaciones se extrajeron de análisis globales más amplios, las estimaciones

individuales de cada país pueden verse afectadas por la problema de dimensionalidad o el

número de productos y países (Lusigi y Thirtle, 1997). Por otra parte, Coelli y Rao (2005)

señalan que si los precios sombra son realmente correctamente estimado, para muchos

países las estimaciones puede diferir significativamente del promedio de la muestra debido

a la abundancia o escasez de factores específicos del país. Estas dos cuestiones pueden ser

por qué las estimaciones de crecimiento de la PTF de Coelli y Rao difieren según el

método, su índice Törnqvist indicando un crecimiento de TFP más lento que su Índice de

Malmquist. Los diferentes años y cultivos incluidos hacen directo Las comparaciones del

crecimiento de la PTF son difíciles para los datos indios estudios basados. Recientemente,

Ray y Ghose (2010) tienen uso del enfoque DEA para obtener Pareto-Koopmans medidas

de eficiencia técnica de la agricultura producción de estados en la India durante el período

1970-2001. La eficiencia técnica de salida a nivel de India promedió a lo largo de los años,

fue alrededor del 85,5 por ciento de los Pareto Nivel óptimo. Del mismo modo, la técnica

orientada a la entrada la eficiencia fue de 0.86, lo que implica que alrededor del 14 por

ciento la reducción en el nivel promedio de insumos sería posible. Sin embargo, el

periódico no dijo nada sobre El otro componente clave del crecimiento de la PTF, el
progreso técnico Algunos estudios también han intentado medir la PTF crecimiento en un

grupo selecto de cultivos o productos ganaderos, por ejemplo, por Fan et al. (1999) y

Bhushan (2005; 2009). Estos estudios han evaluado el crecimiento de la PTF en el estado

nivel, que es importante para contabilizar todo sector agrícola y permite una mayor

Representación del crecimiento. El presente trabajo es un extensión de los estudios de

Bhushan (2005, 2009) en términos de período de tiempo, cobertura de cultivos y

metodológicos expansión en la estimación del crecimiento de la PTF del arroz y trigo en la

India. información y metodología

Fuentes de datos

Para la estimación del crecimiento de la PTF en el cultivo y

niveles estatales, se recopilaron datos de series temporales para

período 1981-82 a 2011-12 de la Integral

Esquema para estudiar el costo de cultivo del director

Cultivos presentados por el CACP, Dirección de

Economía y Estadística, Ministerio de Agricultura,

Gobierno de India. Las características detalladas de CACP el conjunto de datos se describe

en Bhushan (2015). Los datos desaparecidos anuales sobre el uso de insumos y los

rendimientos por hectárea fueron predichos usando la interpolación basada en las

tendencias polinómicas disponibles en los datos. La cantidad los datos tuvieron prioridad

sobre los datos de precios, donde sea que ambos estaban disponibles para evitar las

anomalías en el precio información: Producción (en kg), trabajo humano (en horas), trabajo

animal (par de horas), insumos químicos que incluyen fertilizante y estiércol (en kg) y

mano de obra por máquina hectáreas fueron calculadas en horas. Todos los datos fueron
transformados tomando promedios móviles centrados de tres períodos para evitar cualquier

clima a corto plazo

fluctuaciones, particularmente efecto de lluvia.

La Tabla 2 presenta el resumen de datos de los principales

variables utilizadas en la estimación del crecimiento de la PTF del trigo

y arroz de 1980-81 a 2010-11. Los cinco seleccionados

estados, a saber. Haryana, Madhya Pradesh, Punjab,

Rajasthan y Uttar Pradesh, constituidos alrededor del 80 por

centavo del área y 85 por ciento de la producción de trigo

producido en el país. Rendimiento sabio, Punjab y

Haryana son estados altamente productivos, mientras que Rajasthan

y Uttar Pradesh caen bajo estados de mediana productividad

y Madhya Pradesh está en la categoría de baja producción.

Un atributo importante y obvio de la cosecha de trigo alto

estados de rendimiento es un mayor uso de insumos materiales como,

fertilizantes químicos, mano de obra e intensidad de

riego en comparación con los insumos tradicionales como el humano

trabajo y trabajo animal. El resumen de datos de arroz

También cuenta una historia similar, a excepción del caso de Andhra

Pradesh y Karnataka, donde el uso de la máquina,

el trabajo humano y animal es sustancial. Punjab y

Haryana presenta una imagen familiar de la máquina alta

combinado con baja mano de obra humana y animal en arroz

producción.
Esqueleto Metodológico

Las fuentes del crecimiento de la productividad de la agricultura.

se puede dividir en dos componentes principales (Nishimizu

y Page, 1982):

(a) Las ganancias de eficiencia, es decir, el crecimiento del factor de producción, indicando

el movimiento a lo largo del frontera de mejores prácticas de producción, y (b) Las

ganancias tecnológicas, es decir, el cambio de frontera de producción hacia afuera (hacia

adentro) en caso de Progreso tecnológico (retroceso). Basado en la idea original de Farrell

(1957) sobre eficiencia técnica, los estudios posteriores se amplían para centrarse sobre los

métodos de estimación de funciones de producción (Afriat, 1972; Aigner et al., 1977). La

diferencia entre el nivel de producción real de una empresa y el La frontera mide su

ineficiencia técnica. La frontera puede ser fijo o estocástico y la estimación La metodología

puede tomar una paramétrica o no paramétrica Acercarse. Por lo tanto, tanto paramétricos

como no paramétricos los enfoques difieren en los supuestos que hacen con respecto a la

forma de la frontera eficiente y la existencia de error aleatorio

Modelo DEA no paramétrico: índice de Malmquist Introducido por Caves et al. (1982) en

su empirismo uso, el índice Malmquist está construido por medir la distancia radial de la

salida observada y vectores de entrada en los períodos t y t + 1 en relación con dos

tecnologías de referencia: tecnología en el período t y tecnología en el período t + 1. En

este artículo, tenemos midió el crecimiento de la PTF utilizando el índice Malmquist

método descrito en Fδre et al. (1994) y Coelli et Alabama. (2005, cap. 11). Utilizamos el

siguiente modelo especificado por Färe et al. (1994): MOC (xt, yt, xt + 1, yt + 1) = E (xt +

1, yt + 1, xt, yt) × T (xt + 1, yt + 1, xt, yt)… (1) donde, E (.) se refiere al cambio relativo de

eficiencia bajo los rendimientos constantes a escala (CRS). Esta mide el alcance de la

frontera de mejores prácticas para cada observación entre dos períodos de tiempo t y t + 1,

y T (.) representa el cambio técnico que

mide el cambio en la frontera de la tecnología (o innovación) entre dos períodos de tiempo

evaluados en xt y xt + 1. Hemos utilizado el software DEAP (versión 2.1) desarrollado por

Tim Coelli (1996 b) para estimar índices de eficiencia y productividad. Modelo paramétrico

de SFA: índice de Malmquist El SFA aborda la eficiencia técnica y reconoce el hecho de

que los choques aleatorios (como trabajo o rendimiento del capital) fuera del control de los

productores Puede afectar la producción. Estos modelos fueron introducido

simultáneamente por Aigner et al. (1977) y Meeusen y van den Broeck (1977). Hemos

usado El software FRONTIER (4.1) desarrollado por Tim Coelli (1996 a). En este artículo,

hemos usado translog estocástico Producción fronteriza1 modelo con tiempo variable

ineficiencia en los datos del panel como: ln Yit = β0 + Σjβjlnxijt + ½Σjβjj (lnxijt) 2 + ½

ΣjΣkβjklnxijt lnxikt + Σjβjtlnxijtt + βt + ½ βtt2 + vit - uit … (2) donde, ln denota el

logaritmo natural, Yit indexa el productividad de trigo y arroz por hectárea para el i-ésimo

estado en el tiempo t, xj ≠ k, denota varias variables de entrada; y β0, β j, βjj, βjk, βjt, β t,

βtt son los parámetros desconocidos para ser estimado La introducción de la tendencia

temporal, t, interactuado con variables de entrada permite no neutral Cambio técnico en el

modelo. Para dar cuenta de lo no observado, que no varía en el tiempo factores (o efectos

fijos), incluimos un conjunto de entrada variables utilizadas en la producción en la

especificación. Debido al interés en vincular lo ambiental sostenibilidad y eficiencia técnica

en producción, seguimos el desarrollo empírico en la técnica literatura de análisis de

eficiencia por Kumbhakar et al. (1991) y Huang y Lui (1994). El técnico función de

ineficiencia, que varía según los estados Se puede escribir como: uit = δ0 + δ ilnxit + ωit…

(3) donde, ω es el término de error aleatorio, distribuido como N (0, σ2), xit, variables de

entrada (fertilizantes químicos, mano de obra y área irrigada en el modelo actual),

δs son los parámetros de las variables de entrada a estimar.

Las medidas de eficiencia técnica,

TEit = E [exp (-uit) | eit],

donde (eit = vit-uit), se puede utilizar para calcular la eficiencia

Cambiar componente.

Ahora con la ayuda de la eficiencia técnica anterior

medidas, el cambio de eficiencia se puede estimar usando

siguientes ecuaciones (Coelli et al., 2005: 301):

… (4)

… (5)

Malmquist TFP =

(Cambio de eficiencia) × (Cambio técnico)… (6)

Resultados y discusión

Trigo

Antes de examinar los parámetros estimados de la

frontera de producción y los factores que afectan

ineficiencia de los agricultores, investigamos la validez

del modelo utilizado para el análisis. Luego realizamos el

pruebas conjuntas utilizando las pruebas de razón de probabilidad (LR). los

hipótesis nulas relacionadas con tres pruebas de la producción

especificaciones. Los resultados se presentan en la Tabla 3.

La primera hipótesis nula prueba si el Cobb-

Las funciones de producción de Douglas son adecuadas para explicar

La tecnología subyacente de la producción de trigo en el

Estados indios seleccionados. La segunda prueba de hipótesis

si no hay efecto de progreso técnico. El tercero

la hipótesis prueba si el cambio técnico es neutral

y la cuarta hipótesis prueba si técnica

La eficiencia es neutral. Los resultados de la prueba mostraron que todos

tres hipótesis nulas podrían ser rechazadas, lo que indica

que se aceptó una tecnología de producción trans-log construcción

y fue aplicable aquí. La siguiente tabla 4

presenta las estimaciones de SFA de la producción de translog

Para probar formas funcionales, una razón de probabilidad (LR) Se utilizó la prueba. El

translog es preferido como un más forma funcional flexible que permite la interacción de

entradas, a diferencia del Cobb Douglas que no permite para interacciones de entrada y

asume la elasticidad de la sustitución entre entradas es igual a uno (Tabla 3). Los

parámetros de varianza, σ2, de la probabilidad función se estiman en términos de y es

estadísticamente significativo y diferente de cero (Tabla 4). Esto implica que la ineficiencia

aleatoria unilateral componente domina completamente la medición error y otras

perturbaciones aleatorias. El técnico componente de eficiencia, γ, indica que la diferencia

entre salidas reales y potenciales se debe principalmente a diferenciales de productividad

técnica y estatal en trigo productividad en todo el estado. El rechazo de lo nulo hipótesis,

H0: γ = 0, implica la existencia de estocástico función de producción. El coeficiente de

tiempo es 0.0585, lo que indica un progreso técnico medio del 5,8 por ciento por año. Sin

embargo, esto es estadísticamente insignificante. los coeficiente de tiempo al cuadrado es

negativo y significativo (al nivel del 5%), lo que indica que la tasa de cambio técnico

aumenta a un ritmo decreciente. De nuevo, la eficiencia la respuesta sugiere que los

insumos impulsados por subsidios, como el uso de fertilizantes químicos ahora afecta

negativamente la producción crecimiento, lo que indica que, irónicamente, en lugar de

impulsar productividad, los subsidios ahora podrían estar contribuyendo a menor

productividad, comprometiendo la sostenibilidad y crecimiento futuro de la productividad.

Siguiendo las metodologías descritas anteriormente, Las ecuaciones (1) y (6) se usaron para

estimar la PTF por Enfoques DEA y SFA, respectivamente (Tabla 5). Los dos enfoques han

representado el crecimiento de TFP de 0.93 por ciento (SFA) y 2.03 por ciento (DEA)

(Tabla 5) Sin embargo, al excluir Punjab, la TFP media crecimiento del 0,84 por ciento

(SFA) y del 0,86 por ciento (DEA) se encontraron similares para todo el período de

modelado, indicando robustez de las metodologías utilizadas. los naturaleza dominante del

cambio técnico frente a Se observó un cambio de eficiencia tanto para el enfoques. El

crecimiento de la eficiencia técnica había sido cero o negativo en todo momento; indica que

como el la frontera de producción continuó desplazándose hacia afuera, la producción

mantuvo el ritmo, pero la "brecha de rendimiento" no fue cerrado más. Del mismo modo,

en el caso de entrada contribución al crecimiento de la producción de trigo, excepto Punjab,

tanto la DEA como la SFA han mostrado crecimientos casi similares, sugiriendo
"intensificación de insumos" en el trigo producción en los estados indios. Arrozal La

especificación de SFA para el arroz fue ligeramente diferente de la del trigo, debido a la

gran brecha de rendimiento entre estados de alta y baja productividad. Además, debido a

diferentes zonas agroclimáticas, el cultivo de arroz en estados de bajo rendimiento,

particularmente en Assam y Bihar, ha sido afectado regularmente por inundaciones. Como

puede verse de la Tabla 2, Punjab tiene un rendimiento promedio superior a duplicar el de

estos estados. Por lo tanto, el maniquí se utilizó para control para estos estados en el panel

SFA. Entonces nosotros realizó las pruebas conjuntas usando la razón de probabilidad (LR)

ha utilizado fertilizantes pero ha ahorrado mano de obra durante este período. Esto indica

un desplazamiento hacia afuera de la isocuanta en un tasa más rápida con el tiempo en la

parte intensiva en fertilizantes de El espacio de entrada. El crecimiento de la PTF del arroz

estimado usando un enfoque similar seguido en la TFP de trigo cálculo, se da en la Tabla 8.

A diferencia del trigo, los dos enfoques para el arroz El cultivo representa un crecimiento

de TFP ligeramente diferente - 0.1 por ciento (SFA) y -1.1 por ciento (DEA) (Tabla 8) - en

media para todo el período de modelado de 1981-2010. Las fuentes de crecimiento de la

PTF también diferían de una otro. En el caso de la DEA, el retroceso técnico parecía ser el

principal culpable del crecimiento negativo de la PTF, mientras que para SFA, el progreso

técnico positivo fue compensado por el casi nulo cambio en la eficiencia técnica. Además,

direccionalmente, el crecimiento de la PTF a nivel estatal, a excepción de Karnataka ha

demostrado una casi similar patrón bajo ambos métodos. Una variación sustancial del

crecimiento de la PTF se observó entre los estados2. Una vez más, una mirada a la

contribución de entrada revelada que el uso de insumos había aumentado en general nivel
para DEA y SFA, que muestra la entrada ‘ intensificación en el crecimiento de la

producción de arroz. Esto implica moverse a lo largo de la superficie de producción con

Una tecnología dada. Esto confirma los hallazgos de Kalirajan y Shand (1997) que el

crecimiento de la producción en

la agricultura depende cada vez más del insumo crecimiento en la mayoría de los estados de

la India. La entrada basada El crecimiento es insostenible a largo plazo. Kumar y col.

(2004) también han planteado la preocupación por el uso indiscriminado de los recursos

naturales en el zonas de cultivo intensivo de las llanuras indogangéticas. La situación es

peor en los estados de secano de bajo rendimiento, donde el uso de insumos modernos,

como el trabajo de máquinas e insumos químicos, todavía está muy por debajo del nivel

nacional promedio. Esto tiene implicaciones políticas importantes para el necesidad crucial

de inversión pública en riego y agua gestión en estos estados, como la mayoría de los

agricultores en estos estados son pequeños y marginales y usan insumos recursos a nivel

subóptimo. Una comparación de DEA y SFA La descomposición temporal y espacial de

TFP el crecimiento a nivel estatal utilizando DEA y SFA tiene sugirió que nuestros

resultados son bastante sólidos para la elección de metodología (cuadros 9 y 10). En

comparación con las décadas anteriores, en la reciente década de 2000, Punjab, una de la

Revolución Verde estados estelares, presenciaron una disminución en el crecimiento de la

PTF para tanto arroz como trigo. Esto genera una alarma sobre el sostenibilidad a largo

plazo del sistema de arroz y trigo, que reúne conflictos y complementarios

(Murgai, 2001). La cuestión de la sostenibilidad del arroz La productividad está

emergiendo rápidamente a través de otros estados de rendimiento medio y bajo como

Andhra Pradesh, Uttar Pradesh, Bengala Occidental y Bihar. Mucho de el sistema funciona
con bajo rendimiento debido a la insuficiencia nutrientes y manejo inadecuado del agua

(Timsina y Connor, 2001). El declive en Bihar parece sorprendente en términos de

producción de arroz que aún no ha alcanzado su potencial.3 La disminución podría ser

debido a una serie de inundaciones y sequías que enfrenta el estado en la década de 2000,

que creó un arrastre en el productividad en este estado. En el caso de los estados

productores de trigo, solo Rajasthan y Madhya Pradesh han mostrado una ganancia en TFP

en la última década. Los otros tres de alto rendimiento

Estados enfrentan una disminución en la tendencia de la PTF en la década de 2000 desde el

década anterior Mueller y col. (2012) han enfatizado

El papel crucial de los nutrientes y la gestión del agua en

caminos hacia la intensificación sostenible en

producción de agricultura.

Además, los patrones de tendencia de la eficiencia cambian,

Se ha encontrado que el cambio técnico y el cambio de TFP

ser similar para ambos enfoques, a pesar de más años

fluctuaciones anuales en los resultados de la DEA.

La serie general de DEA TFP para los estados indios

es el más volátil que el de SFA. Esto podría ser

debido al hecho de que el método DEA es más sensible

a los cambios de año a año, mientras que la frontera estocástica

el método parece suavizar estos efectos para algunos

grado (Bayarsaihan y Coelli, 2003). Alternativamente,

los modelos de frontera estocástica, restringidos por parametrización, no pueden responder

rápidamente a un cambio repentino en la tecnología. El desigual y volátil Estimación DEA

de la PTF en los estados productores de trigo de la India podría deberse al cambio repentino

en el composición de combinaciones de entrada-salida. Más lejos Se requiere investigación

para determinar las razones de estos anomalías Coelli y col. (2005) han sugerido un método

de ventana para intentar obtener más estable Fronteras de la DEA al agrupar los datos de

dos o tres períodos adyacentes para construir las fronteras requeridas. Observaciones finales

y camino a seguir El análisis presentado en este artículo es la representación. del

crecimiento agrícola de la PTF en los estados de la India para dos cultivos dominantes,

arroz y trigo, utilizando productos no paramétricos DEA y enfoque paramétrico SFA para

el período1981-2010. Algunas conclusiones importantes que Han surgido de estos

hallazgos: Primero, liderado por un tremendo crecimiento en la frontera estados, Haryana y

Punjab, el progreso tecnológico ha sido el principal impulsor constante de productividad

crecimiento en las últimas tres décadas a nivel de India. por trigo, el crecimiento de la PTF

por el método DEA fue de 2.03 por ciento y progreso técnico 2.01 por ciento, mientras que

para arroz, fue -1.1 por ciento para ambos. Parte de técnica retroceso, especialmente en la

mayoría de los productores de arroz Estados, podría haber sido debido a la disminución de

la calidad de recursos naturales, como la fertilidad del suelo y el agua. minería, lo que

garantiza una mayor investigación. Segundo, la eficiencia técnica se ha estancado en todo

momento, con una mejora o disminución ocasional, indicando que a medida que la frontera

de producción continuó desplazarse hacia afuera, la producción mantuvo el ritmo, pero el

"rendimiento gap "no se cerró más, en otras palabras, no Se produjo un cambio en la

eficiencia. Así, desde nuestro empírico resultados, concluimos que la disminución y

posterior mejora en la productividad en arroz y trigo la producción en los estados indios es

probablemente un resultado de combinación de problemas con la gestión y estructura de

incentivos, así como la ausencia de avance en tecnología agrícola. Tercero, la caída en las
estimaciones de TFP para trigo y arroz en la última década para Punjab,

independientemente de metodología utilizada, revela una imagen alarmante sobre el

sostenibilidad del sistema de producción de trigo paddy en el estado. Los impactos

ambientales que provocan la saturación.

en productividad necesita ser explorado más a fondo con más

investigaciones a nivel micro. Además, entre los de bajo rendimiento

estados, como Rajasthan, Karnataka y Madhya

Pradesh, que han mostrado una mejora en el

progreso técnico y por lo tanto TFP en el período posterior de

2000, también sufre un retroceso técnico en el período posterior.

El pobre cambio técnico es probablemente el resultado de

falta de inversión en tecnología, mientras que baja técnica

la eficiencia se debe generalmente a la gestión y

problemas de incentivos, así como poca información

diseminación (Brooks et al., 1991; Foster y

Rosenzweig, 1996; Acharya, 1997; Desai y

Namboodiri, 1997; Munshi, 2004).

Cuarto, desde la perspectiva metodológica, el

cambio técnico resultó ser más dominante

fuente de crecimiento de la PTF, independiente de la elección de

metodologías

En el último, el documento proporciona una cuantitativa

comprensión del sistema de producción agrícola sobre

el pasado reciente y, a largo plazo, es un primer útil

paso hacia una idea de lo que podemos esperar en

Los años venideros.

Una extensión obvia de este estudio sería la

aplicación de este enfoque para incorporar más cultivos

y estados o a nivel de distrito. Otro interesante

el trabajo podría estar incorporando una política de orden superior

variables como subsidios, inversión gubernamental,

variables que representan la dotación de recursos,

infraestructura, extracción de aguas subterráneas, etc., en el

ecuación de eficiencia de SFA. Además, nuestro entendimiento

de las consecuencias del crecimiento agrícola de la PTF en el

economías y entornos son limitados y dignos de

exploración adicional en los niveles micro y macro.

Agradecimientos

El autor agradece al Prof. Abhijit Sen, Prof.

Kirit Parikh, Prof. R S Deshpande y los anónimos.

árbitro de este diario por sus útiles comentarios y

valiosas ideas y sugerencias sobre el borrador anterior.

Se aplica el descargo de responsabilidad habitual.

Referencias

Acharya, S.S. (1997) Política de precios agrícolas y

desarrollo: algunos hechos y cuestiones emergentes. indio

Journal of Agricultural Economics, 52 (1): 1-27.

Afriat, S. (1972) Estimación de la eficiencia de las funciones de producción.

Revista Económica Internacional, 13: 568-598