Documentos de Académico
Documentos de Profesional
Documentos de Cultura
com
Agrociencia
DETERMINANTES DE LA INNOVACIÓN AGRÍCOLA ENTRE PEQUEÑOS
AGRICULTORES EN MÉXICO.
UNA APLICACIÓN ECONOMÉTRICA DEL MODELO TOBIT
ABSTRACTO
Comprender la innovación agrícola es crucial, ya que implica establecer condiciones para el crecimiento de
la productividad en el sector agroalimentario a través de estrategias y políticas públicas que mejoren la
producción, la rentabilidad y las prácticas de gestión de los agricultores. El objetivo de este artículo fue
medir la innovación agrícola entre los pequeños agricultores e identificar los factores que la determinan.
Se utilizó un modelo econométrico tipo Tobit para identificar las características de los productores, el perfil
económico y productivo de las fincas y el tamaño de los grupos de extensión, todo lo cual influye en la
innovación. Se integró la información de los beneficiarios de la política de extensión rural en México para el
CitaciónSantos-Chávez
VM, Arana-Coronado OA, período 2014-2017. La población estadística fue de 2976 agricultores. Los hallazgos revelan que los niveles
Martínez-Damián MA, Garza- de educación más altos y una edad más joven de los productores tuvieron un efecto positivo; los
Bueno LE, Mora-Flores JS,
productores con fincas pequeñas eran más propensos a adoptar prácticas tecnológicas. Por otro lado, los
Santoyo-Cortés VH. 2023.
Determinantes de la innovación factores que afectaron negativamente la innovación fueron mayores ingresos dentro y fuera de la finca. El
agrícola entre pequeños artículo concluye con recomendaciones de política pública para promover la innovación agrícola en México.
agricultores en México. Una
aplicación econométrica del
modelo Tobit.
Agrocienciahttps://doi.
Palabras clave:Extensionismo rural, adopción de tecnología, regresión lineal.
org/10.47163/agrociencia.
v57i2.2878
Editor en jefe:
Dr. Fernando C. Gómez Merino INTRODUCCIÓN
El estudio de la innovación agrícola es un tema fundamental a nivel internacional por su importancia
Recibido: 12 de octubre de 2022.
como uno de los principales factores para mejorar la productividad, la rentabilidad y la
Aprobado: 03 de enero de 2023.
Publicado en Agrociencia: 15 de sostenibilidad en los sistemas agroalimentarios. Además, se considera un actor clave en la
marzo de 2023. generación de mejores condiciones para que las pequeñas unidades de producción agrícola
fortalezcan sus medios de vida en un entorno que tiene como objetivo fomentar el desarrollo
Este trabajo tiene una económico competitivo y sostenible (Läppleet al., 2015; Sewellet al., 2017).
licencia Creative Commons
El significado más extendido de innovación implica la aplicación y uso de nuevas ideas, conceptos,
Reconocimiento-No comercial
4.0 Licencia internacional. productos, servicios y prácticas con el propósito de incrementar la productividad (Amaro y Morales,
2016). En las zonas rurales, la innovación es vista como un disparador de procesos a través de los
cuales los pequeños agricultores pueden mejorar la producción y la gestión.
Agrociencia 2023. DOI: https://doi.org/10.47163/agrociencia.v57i2.2878
Articulo cientifico 2
MATERIALES Y MÉTODOS
Las dimensiones cuatro y cinco estaban relacionadas con vínculos hacia atrás y hacia adelante;
ambos analizan el fortalecimiento del capital individual y social para determinar si la innovación
Organización
Innovación de producto Proceso de innovación innovación de marketing
innovación
Integración de datos
Propiedad
Sexo (%) Educación Tamaño de la Productivo Tamaño del grupo
Estado norte Edad ingreso
Hombres (años) finca (ha) activos (MXN $) extensión
(MXN$)
modelo tobit
El modelo de regresión Tobit (Tobin, 1958) es una aplicación del modelo de regresión múltiple
a una variable dependiente limitada, que son aquellas con un rango de valores
sustancialmente restringido (Wooldridge, 2015). El marco general para modelar los
fenómenos de innovación agrícola se basa en modelos de regresión donde la variable de
respuesta es una variable dependiente limitada. Por ejemplo, en los modelos Logit y Probit,
que son modelos de respuesta binaria donde el interés radica principalmente en la
probabilidad de respuesta, la función de variable dependiente es una función no lineal entre 0
y 1. Estos son apropiados si la innovación se reduce a un efecto dicotómico, con valores de 1
cuando hay innovación y 0 cuando no la hay.
El modelo de regresión Tobit permite evaluar la innovación en su sentido más complejo. En
este caso, la variable de respuesta toma valores continuos entre 0 y 1. Además, dada la
naturaleza de los valores del índice de innovación, donde la variable de respuesta es limitada
pero tiene una respuesta de solución de esquina, es decir, una variable que es cero para un no
-fracción trivial de la población y tiene una distribución aproximadamente continua entre
valores positivos, el modelo Tobit puede ser muy útil para estos propósitos. En este modelo, la
variable y es continua a través de valores estrictamente positivos pero asume cero con
probabilidad positiva (Wooldridge, 2015). El modelo Tobit transforma los valores y observados
en una variable latente subyacente, que viene dada por:
yi*sí i*20
=
i (2)
0sí i*#0
yGRAMO
La variable latentey* satisface los supuestos teóricos del modelo lineal clásico, tiene una
distribución normal homoscedástica y una media condicional lineal. Dada la ecuación (1),
se puede ver que los parámetrostbjmedir los efectos parciales de la Xencima,mi(y*|X)
dónde
j
y* es la variable latente. Con base en las ecuaciones (1) y (2), es importante analizar
el efecto de cada variable independiente sobre la variable dependiente, en este caso, el
índice de innovación. Según Wooldridge (2015) conociendo el signo detbjes suficiente
para determinar si las variables independientes tuvieron efecto positivo o negativo sobre
la variable respuesta, ya que los efectos parciales deXencimami(y|y>0, Xj ) ymi(y|X) tienen
el mismo signo que el coeficienteb . j
Agrociencia 2023. DOI: https://doi.org/10.47163/agrociencia.v57i2.2878
Articulo cientifico 7
y=segundo
i 0 11
+ segundo
22
X+bX+b
33 44
X+bX5+b
5
X+b6X6+bX+b
77
X+mi8 8 i
Dóndey:índice
i
de innovación agrícola;X:sexo de los productores;
1
X:ea de los productores;
2
X: educación de
gramo
3
productores;X:tamaño de la finca
4
de los productores;X:activos
5
agrícolas;X:ingresos
6
agrícolas;X:ingresos
7
no
agrícolas;X:tamaño8del grupo de extensiones; ymi:errori al azar.
Se describen las variables predictivas y dependientes incluidas en el modelo Tobit (tabla 2). Dado
que el propósito de la investigación era dar cuenta del comportamiento de un conjunto de variables
y su impacto en las demás, se utilizó como variable respuesta el índice de innovación agrícola. Las
variables predictoras incluyeron unaficticio(sexo de los beneficiarios), y el resto fueron continuos.
Estos fueron la edad y el nivel de educación de los productores, el tamaño de la finca y el nivel de
activos, los ingresos dentro y fuera de la unidad de producción, así como el tamaño de los grupos de
extensión rural en los que participaron los productores.
Dependiente
Adopción de innovaciones agrícolas a Continuo
Agrícola
nivel de propiedad Valores 0£y£1
índice de innovación
Ficticio
Independiente
sexo de los agricultores 0= Hombre, 1= Mujer
Sexo
RESULTADOS Y DISCUSIÓN
Conocimiento
generación
1.00
0.80
Desarrollo de 0,60 Organización
nuevos mercados
0.40 nivel
0.20
0.00
Producción y
Hacia atrás
contabilidad
encadenamientos
registros
Adelante
encadenamientos
El subíndice de transferencia de conocimiento mostró el valor más alto (0,4262), lo que indica
que, desde la perspectiva de los productores, hubo una ampliación de sus capacidades y
posibilidades de acción derivadas de los flujos de información. Sin embargo, estas capacidades
quedaron en acciones individuales a nivel de finca y no rebasaron las posibilidades de acción
colectiva como sujetos, lo que demuestra la baja prevalencia de acciones colectivas de
organización y apoyo entre los productores.
El análisis de los problemas de las políticas de extensión rural puede ayudar a establecer hipótesis sobre el
bajo nivel de innovación agrícola entre los pequeños agricultores en México. Un estudio encontró que los
problemas relacionados con los fenómenos de innovación incluían la falta de oportunidad de los
programas de asistencia técnica en relación con los cronogramas de producción, la falta de continuidad de
los grupos de extensión y los bajos vínculos entre los productores (Santos-Chávezy otros., 2021).
- 16) tuvo un efecto positivo en el índice de innovación calculado. En contraste, los hallazgos
destacan que el mayor tamaño de la unidad de producción (pag=0.00735) tuvo un efecto negativo
en la variable respuesta (Cuadro 3).
Nivel de significación: '***' 0,001, '**' 0,01, ' ' 1;valor p: < 2.22e-16; observaciones totales: 2976;
observaciones utilizadas en el modelo: 2650. Un total de 326 observaciones fueron excluidas por
información incompleta.
En relación al perfil de los productores, los resultados indican que la edad (pag=0.85289) y
sexo (pag=0.70283) no tuvo un efecto significativo en la explicación del índice de innovación.
La variable edad tiene signo positivo en el parámetro estimado, lo que contrasta con otros
estudios. Por ejemplo, Lappleet al.(2015) mostró que la edad tiene un efecto negativo en
Agrociencia 2023. DOI: https://doi.org/10.47163/agrociencia.v57i2.2878
Articulo cientifico 10
innovación agrícola en Irlanda, enfatizando que como los productores tienen un horizonte de tiempo más
corto, no invierten recursos económicos y tiempo en acciones de desarrollo de capacidades. En contraste,
los productores de mayor edad en México tienen más tiempo para asistir a las actividades de los grupos de
extensión rural; su inversión se hace en tiempo más que en recursos económicos. Además, Simtoweet al.(
2016) encontró que los productores mayores tienen más experiencia en el manejo de la unidad de
producción y, por lo tanto, poseen mayor capacidad para evaluar la factibilidad de las prácticas inducidas
por los servicios de extensión, en comparación con los productores más jóvenes. Las estimaciones para el
sexo mostraron un signo negativo sobre el valor del índice. No se encontró diferencia entre hombres y
mujeres en el valor promedio del índice de innovación: los hombres registraron un valor de 0.1099,
mientras que las mujeres registraron un valor de 0.1101 (Figura 3). El coeficiente negativo sugiere que las
mujeres que participan en grupos de innovación tienen menos probabilidades de adoptar prácticas y
tecnologías en sus fincas. Este hallazgo es consistente con los resultados de Simtoweet al.(2016), quien
descubrió que ser mujer reduce la probabilidad de adoptar innovaciones en un 28 % en Malawi.
Se observó que la educación se relaciona positivamente con el aumento de la tasa de innovación agrícola.
Esto se alinea con varios estudios que han demostrado que, a menudo, un nivel de educación superior
tiene un impacto en las percepciones de los productores sobre la necesidad de adoptar nuevas prácticas
tecnológicas a través de actividades de intercambio de conocimientos (Jenseny otros., 2014; Dheiny otros.,
2015).
Al ampliar el análisis y recategorizar los valores de la variable educación por grado
escolar, se encontró que los productores sin educación (7 % de la población total)
presentaron el valor promedio más bajo en el índice de innovación (0.071). Los
productores son los más numerosos en el nivel elemental (48 % del total de
productores) y presentaron un valor promedio de 0.099 en la variable respuesta
Agrociencia 2023. DOI: https://doi.org/10.47163/agrociencia.v57i2.2878
Articulo cientifico 11
(Figura 4). El mayor valor se encontró entre los productores con título de licenciatura (0.144),
aunque representan el 13 % del total. El ocho por ciento de los productores tiene título
universitario, mostrando un valor de índice de innovación promedio de 0,141, mientras que los
productores con posgrado (uno de cada 100 productores) tuvo un valor de innovación
promedio de 0,124.
Figura 4.Diagrama de caja del índice de innovación agrícola por nivel educativo.
acarrear costos significativos para los productores. Esto explica por qué el nivel de activos se usa a menudo
como una variable para evaluar el flujo de efectivo de una finca y, en última instancia, es tan relevante para
explicar la innovación agrícola.
Por otro lado, los ingresos dentro (pag=0,6365) y fuera de la unidad de producción (
pag= 0.144) tuvo una influencia negativa en la variable respuesta del modelo Tobit.
En general, los estudios sobre la relación entre los ingresos agrícolas y la innovación
agrícola no son concluyentes. Un tuboet al.(2021) encontró que los productores con
mayores ingresos dentro de la unidad de producción son más propensos a utilizar
nuevas prácticas agronómicas. Sin embargo, entre los pequeños y medianos
productores de México, el ingreso dentro de la unidad de producción influye
negativamente en la decisión de los agricultores de adoptar nuevas prácticas
agrícolas. Una explicación adicional a este hallazgo se deriva del tipo de programas
de extensión en los que participaron los productores rurales incluidos en el estudio:
durante el período 2014-2017 estuvieron orientados hacia los pequeños
productores. Por lo tanto, su evaluación muestra que cuando los productores de
altos ingresos se incorporan, es menos probable que aprovechen los servicios de
asistencia técnica porque no están diseñados para satisfacer sus necesidades, como
agregar valor a los productos, prácticas de manejo poscosecha o inducción a nuevos
canales de comercialización; en cambio,
En el caso de los ingresos fuera de la finca, los resultados muestran que los productores que
realizan actividades fuera de la finca pierden la oportunidad de implementar y adoptar innovaciones
agrícolas. Esto es consistente con los hallazgos de Läppleet al.(2015), quienes mostraron resultados
similares y se dieron cuenta de que trabajar fuera de la unidad de producción tiene un costo de
oportunidad significativo en la participación de actividades de innovación agrícola en Irlanda.
Además, Sauer y Zilberman (2012) demostraron que los ingresos fuera de la unidad de producción
tenían un efecto negativo en la adopción de innovaciones entre los productores de ganado lechero
en Dinamarca.
Los resultados del estudio muestran que el tamaño de los grupos de extensión (pag=0.1214) no es
un factor determinante en el índice de innovación agrícola. Sin embargo, el signo positivo del
coeficiente muestra que un aumento en el tamaño de los grupos podría afectar positivamente la
innovación agrícola entre los pequeños productores.
Los hallazgos revelan que una política pública de innovación agrícola orientada a resultados con una
población objetivo centrada en los pequeños productores podría utilizar criterios de selección centrados en
el tamaño de la finca, la inversión en activos productivos de la unidad de producción y la educación de los
beneficiarios. Esta propuesta se explica a continuación:
En primer lugar, se debe diseñar una acción de gobierno encaminada a mejorar la innovación
agrícola con base en un criterio de mayor inclusión en términos de educación. El modelo mostró que
los productores con mayor educación formal tienen más posibilidades de mejorar sus condiciones
como resultado de su participación en la política extensionista rural. Sin embargo, el modelo de
innovación debe ajustarse para permitir que los productores menos educados utilicen su propio
conocimiento, en gran parte ancestral, para adquirir, sintetizar, aprovechar nuevos
Agrociencia 2023. DOI: https://doi.org/10.47163/agrociencia.v57i2.2878
Articulo cientifico 13
CONCLUSIONES
El estudio permitió establecer una medida del grado de innovación agrícola entre los
pequeños productores rurales de México, tomando en cuenta múltiples factores que dan
cuenta de este fenómeno. Se encontró un nivel muy bajo de innovación, lo que se explica
principalmente por las acciones de los productores, que se caracterizan por un
comportamiento individual, resultando en una baja integración para la producción y
comercialización. De igual forma, el artículo presentó un modelo econométrico para analizar la
innovación agrícola basado en una variable de respuesta continua, a diferencia de otros
modelos que utilizan variables dependientes limitadas, principalmente variables dicotómicas.
Los resultados mostraron la mayor importancia de las variables educación, nivel de activos
productivos de la unidad de producción y tamaño de la finca para mejorar la innovación
agrícola entre los pequeños productores rurales de México.
Finalmente, los resultados muestran que para los pequeños agricultores, el tamaño de la unidad de
producción se relaciona negativamente con el índice de innovación agrícola, lo que sugiere que
brindar servicios de asesoría rural a los pequeños agricultores puede impulsar la generación de
conocimiento dirigido a aumentar su producción. Sin embargo, se necesitan mecanismos de
asociación de agricultor a agricultor más eficientes para mejorar el acceso al crédito y los mercados
y garantizar el bienestar de los hogares agrícolas aumentando su rentabilidad e ingresos.
REFERENCIAS
Amaro MR, Morales MA. 2016. Sistema sectorial de innovación biotecnológica en México:
análisis y caracterización de sus principales componentes. Redes 42 (22): 13–44. Andersen MA.
2015. Inversión pública en I+D agrícola de EE. UU. y los beneficios económicos.
Política alimentaria 51: 38–43. http://dx.doi.org/10.1016/j.foodpol.2014.12.005
Atube F, Malinga G, Nyeko M, Okello D, Alarkol S, Okello-Uma I. 2021. Determinantes de
Estrategias de adaptación de los pequeños agricultores a los efectos del cambio climático: Evidencia del
norte de Uganda. Agricultura y seguridad alimentaria 10 (6): 2–14. https://doi.org/10.1186/s40066-
020-00279-1
Autant-Bernard C, Chalaye S, Manca F, Moreno R, Suriñach J. 2010. Midiendo la adopción
de innovación Una tipología de países de la UE basada en la encuesta de innovación. La Revista
Europea de Investigación en Ciencias Sociales 23 (3): 199–222. https://doi.org/
10.1080/13511610.2010.54 7739
Baloch MA, Thapa G. 2016. El efecto de los servicios de extensión agrícola: Fecha caso de los agricultores en
Baluchistán, Pakistán. Revista de la Sociedad Saudita de Ciencias Agrícolas 17 (3): 282–289.
https://doi.org/10.1016/j.jssas.2016.05.007
Cristiano S, Proietti P. 2019. Evaluación de los efectos de las innovaciones interactivas a nivel de finca: el
potencial de la RICA. Revista de Educación y Extensión Agrícola 25 (2): 103–116. https://
doi.org/10.1080/1389224X.2019.1583812
Agrociencia 2023. DOI: https://doi.org/10.47163/agrociencia.v57i2.2878
Articulo cientifico 14
FAO (Organización para la Agricultura y la Alimentación). 2018. Cómo liberar el potencial de la innovación
agrícola para lograr los Objetivos de Desarrollo Sostenible. Documento de exposición de
conceptos. Roma, Italia. https://www.fao.org/3/BU658ES/bu658es.pdf (Consultado: agosto de
2022).
Santos-Chávez VM, Santiago-Cruz M de J, Martínez-Damián MÁ, Santoyo-Cortés VH, Álvarez-
Macías AG. 2021. Caracterización de extensionistas rurales en México una contribución desde el
análisis de correspondencias. Revista Mexicana de Ciencias Agrícolas 12 (8): 1445– 1457. https://
doi.org/10.29312/remexca.v12i8.2893
Sauer J, Zilberman D. 2012. Implementación de tecnología secuencial, externalidades de red y
riesgo: el caso de los sistemas de ordeño automático. Economía agrícola 43 (3): 233–251. https://
doi.org/10.1111/j.1574-0862.2012.00579.x
Sewell AM, Hartnett MK, Gray DI, Blair HT, Kemp PD, Kenyon PR, Morris ST, Wood BA. 2017.
Uso de la teoría y la investigación educativas para refinar la extensión agrícola: posibilidades y barreras
para el aprendizaje y el cambio de prácticas de los agricultores. Revista de Educación y Extensión
Agrícola 23 (4): 313–333. https://doi.org/10.1080/1389224X.2017.1314861
Simtowe F, Asfaw S, Abate T. 2016. Determinantes de la adopción de tecnología agrícola bajo
conciencia parcial de la población: el caso del guandú en Malawi. Economía agrícola y
alimentaria 4 (7): 2–21. https://doi.org/10.1186/s40100-016-0051-z
Tobin J. 1958. Estimación de relaciones para variables dependientes limitadas. Econométrica 26 (1):
24–36. https://doi.org/10.2307/1907382
Wooldridge J. 2015. Introducción a la econometría (Quinta edición). Aprendizaje Cengage:
Ciudad de México, México. 860 págs.
Agrociencia 2023. DOI: https://doi.org/10.47163/agrociencia.v57i2.2878
Articulo cientifico 15
Banco Mundial. 2006. Mejorar la innovación agrícola: cómo ir más allá del fortalecimiento
de los sistemas de investigación. Washington, D.C., Estados Unidos. https://openknowledge.worldbank.org/
handle/10986/7184 (Recuperado: agosto 2022).
Wossen T, Abdoulaye T, Alene A, Haile MG, Feleke S, Olanrewaju A, Manyong V. 2017. Impactos
de acceso a la extensión y membresía cooperativa sobre adopción de tecnología y bienestar del hogar.
Revista de Estudios Rurales 54: 223–233. http://dx.doi.org/10.1016/j.jrurstud.2017.06.022