Traducido del inglés al español - www.onlinedoctranslator.
com
DETERMINANTES DE LA INNOVACIÓN AGRÍCOLA ENTRE PEQUEÑOS
UNA APLICACIÓN ECONOMÉTRICA DEL MODELO TOBIT
Víctor ManuelSantos-Chávez1, Óscar AntonioArana-Coronado1*, Miguel AngelMartínez-Damián1,
laura elenagarza-bueno1, José SaturninoMora-Flores1, Vinicio HoracioSantoyo-Cortés2
CitaciónSantos-Chávez
VM, Arana-Coronado OA,
Martínez-Damián MA, Garza-
Bueno LE, Mora-Flores JS,
Santoyo-Cortés VH. 2023.
Determinantes de la innovación
agrícola entre pequeños
agricultores en México. Una
aplicación econométrica del
modelo Tobit.
Agrocienciahttps://doi.
org/10.47163/agrociencia.
v57i2.2878
Editor en jefe:
Dr. Fernando C. Gómez Merino
Recibido: 12 de octubre de 2022.
Aprobado: 03 de enero de 2023.
Publicado en Agrociencia: 15 de
marzo de 2023.
Este trabajo tiene una
licencia Creative Commons
Reconocimiento-No comercial
4.0 Licencia internacional.
Agrociencia
AGRICULTORES EN MÉXICO.
1 Colegio de Postgraduados Campus Montecillo. Carretera México-Texcoco km 36.5, Montecillo,
Texcoco, Estado de México, México. CP 56264.
2 Universidad Autónoma Chapingo. Carretera México-Texcoco km 38.5, Texcoco, Estado de
México, México. CP 56227.
*Autor para correspondencia: aranaosc@colpos.mx
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
período 2014-2017. La población estadística fue de 2976 agricultores. Los hallazgos revelan que los niveles
de educación más altos y una edad más joven de los productores tuvieron un efecto positivo; los
productores con fincas pequeñas eran más propensos a adoptar prácticas tecnológicas. Por otro lado, los
factores que afectaron negativamente la innovación fueron mayores ingresos dentro y fuera de la finca. El
artículo concluye con recomendaciones de política pública para promover la innovación agrícola en México.
Palabras clave:Extensionismo rural, adopción de tecnología, regresión lineal.
INTRODUCCIÓN
El estudio de la innovación agrícola es un tema fundamental a nivel internacional por su importancia
como uno de los principales factores para mejorar la productividad, la rentabilidad y la
sostenibilidad en los sistemas agroalimentarios. Además, se considera un actor clave en la
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
económico competitivo y sostenible (Läppleet al., 2015; Sewellet al., 2017).
El significado más extendido de innovación implica la aplicación y uso de nuevas ideas, conceptos,
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

prácticas en sus unidades de producción con el fin de incrementar su rentabilidad. En este

contexto, la Organización de las Naciones Unidas para la Agricultura y la Alimentación (FAO)
define la innovación agrícola como un proceso mediante el cual individuos y organizaciones
utilizan productos, procesos o formas organizativas nuevos o existentes por primera vez en un
contexto específico con el objetivo de aumentar la eficiencia, la competitividad y la resiliencia a
los choques o la sostenibilidad ambiental y, por lo tanto, contribuir a la seguridad alimentaria
y al desarrollo económico y sostenible (FAO, 2018).
En México, el 71.3 % de las propiedades agrícolas son pequeñas unidades de producción con una
superficie promedio de hasta 10 ha, que representan el 22.6 % de la superficie agrícola nacional
(INEGI, 2019). Producen alimentos tanto para el autoconsumo como para el mercado, por lo que son
esenciales para garantizar la seguridad alimentaria, aliviar la pobreza rural y contribuir al desarrollo
económico general del país. Estos objetivos solo pueden cumplirse si este tipo de explotaciones se
vuelven más productivas, competitivas y, por lo tanto, más innovadoras. Hasta la década de 1980, la
innovación agrícola se concebía bajo un enfoque vertical que comenzaba con la investigación del
sector público y continuaba con la transferencia de tecnologías y paquetes tecnológicos a través de
los organismos de extensión rural. Esto suponía que la innovación era el resultado primario de la
investigación y que los usuarios o beneficiarios (productores agrícolas) eran los objetivos de las
políticas públicas, a quienes había que transferir tecnologías y nuevas técnicas sin considerar sus
propios conocimientos. Por el contrario, Klerkxet al.(2017) han señalado que la innovación entre los
pequeños agricultores, se da cuando estos interactúan entre sí, así como con proveedores de
insumos y proveedores de servicios de asesoría, dando como resultado la generación de
conocimiento que permite articular las necesidades de los primeros hacia la resolución de sus
problemas, toma de decisiones elaboración y gestión agrícola más eficaz a través de diferentes
servicios donde el principal insumo es el conocimiento.

La innovación agropecuaria es el resultado de interacciones entre actores, sistemas

productivos, cadenas de valor y sistemas económicos, políticas públicas y sistemas de
investigación y extensión, que se reflejan en tres ejes: el mejoramiento de las capacidades y el
desarrollo del conocimiento individual; la mejora de procesos dentro de las organizaciones y
fincas; y la creación de un entorno político que genere el establecimiento de vínculos, canales
de comunicación y redes que permitan a las organizaciones y personas intercambiar
conocimientos (Klerkxet al., 2017; FAO, 2018), configurando así sistemas territoriales de
innovación. Lundvall (2007) enfatiza que la innovación es un proceso de cambio que ocurre
como resultado de interacciones entre múltiples actores, reconociendo así que va más allá de
la adopción de tecnologías ya que abarca formas alternativas de organizar los sistemas
sociales y económicos para propiciar un entorno que, en acontinuo, articula la resolución de
problemas para diferentes actores a partir de la generación de conocimiento. Esto debería
conducir a la adopción y adaptación de tecnologías en contextos socioeconómicos específicos,
lo que lleva a la co-innovación en la que los agricultores interactúan con sus pares, se conectan
con los eslabones de las cadenas de valor e intercambian conocimientos con investigadores y
extensionistas para abordar problemas con el fin de generar beneficios sociales. aprendizaje y
valor. Fortalecer la innovación agrícola fomenta soluciones a problemas prácticos mientras
Agrociencia 2023. DOI: https://doi.org/10.47163/agrociencia.v57i2.2878
Articulo cientifico 3

brindando oportunidades para mejorar la competitividad y sostenibilidad de los diferentes

actores del ámbito agrícola (Cristiano y Proietti, 2019). Una innovación es una acción colectiva
que debe resultar en cambios observables en los campos económico, social, productivo y
ambiental a nivel de finca y territorio. Por lo tanto, la generación de conocimiento sigue siendo
un requisito previo para la innovación y es un componente crítico de las políticas del sector
agroalimentario, ya que tiene como objetivo fomentar las mejores prácticas tecnológicas,
comerciales y organizativas para el sector primario.
El estudio de la innovación agrícola considera varias dimensiones que la explican.
Por ejemplo Jensenet al.(2014) encontró que los determinantes de la innovación
están relacionados con las características de la unidad productiva, el perfil
socioeconómico del productor, la superficie de tierra, el acceso al crédito, la mano de
obra, la infraestructura, el acceso a los mercados, las condiciones agroecológicas y el
riesgo e incertidumbre. Por su parte, Andersen (2015) afirma que la mayoría de las
investigaciones sobre innovaciones agrícolas se centran en estimar las tasas de
adopción y comprender la relación entre la adopción, su intensidad y las variables
que la explican. Esta investigación se ha centrado en gran medida en el impacto de
la innovación en países en desarrollo y en territorios donde se estima que la mayor
parte de la población tiene formas de producción agrícola asociadas a sus medios de
vida. Como resultado,y otros., 2016).

La innovación se refiere a la introducción de un producto (bien o servicio), proceso,

organización y método de marketing nuevo o significativamente mejorado en las prácticas
internas de una empresa (OCDE y Eurostat, 2005). La innovación constituye un sistema que
incluye redes de organizaciones, empresas e individuos interesados en generar nuevos
productos y formas de organización dentro de un contexto socioeconómico determinado
(Banco Mundial, 2006). La forma más habitual de medir la innovación agrícola ha sido
mediante el uso de indicadores por sistema productivo, siendo estos últimos los que utilizan
esta medida comoapoderadopara la innovación Por ejemplo, en México, Martínez-Gonzálezet
al.(2018) evaluó la innovación en el caso de la apicultura, mientras que Lunaet al.(2016) analizó
la adopción de semillas mejoradas en maíz. A nivel internacional, la carne de vacuno (Dheinet
al., 2015) y producción de frijol (Simtowey otros., 2016) ha sido analizado en Brasil y Malawi.
Sin embargo, existe un debate que alude a la observación de que toda innovaciónper se no es
suficiente para evaluar sus efectos a nivel de finca, ni para identificar si tal innovación resuelve
problemas o mejora las condiciones de los productores agrícolas (Cristiano y Proietti, 2019).

Por lo tanto, sigue siendo importante contribuir a la comprensión y medición de la innovación

agrícola utilizando datos a nivel de unidad de producción. Con base en la pregunta de
investigación “¿Qué factores determinan la adopción de innovaciones agrícolas en México?”, el
objetivo de esta investigación fue medir los niveles de innovación agrícola entre los pequeños
productores e identificar los factores que la determinan. La hipótesis de la investigación fue
que las características de la finca, como el tamaño de la unidad de producción y el nivel de
activos, no tienen una influencia determinante en la
Agrociencia 2023. DOI: https://doi.org/10.47163/agrociencia.v57i2.2878
Articulo cientifico 4

innovación agrícola. La población estudiada se derivó de la sistematización de la información

relacionada con los beneficiarios de la política nacional de extensionismo rural en el período
2014-2017, la cual provino del muestreo estadístico de la población objetivo de los programas
antes mencionados.

MATERIALES Y MÉTODOS

Marco analítico para medir la innovación agrícola

Esta investigación asume que la innovación, en su sentido más amplio, se refiere a un conjunto de
variables que dan cuenta de cuatro factores de innovación: producto, proceso, método de
comercialización y método organizacional. Se analizaron seis dimensiones que se considera que dan
cuenta de la innovación agrícola entre los pequeños productores, resultando en seis índices por
categoría y se construyó un índice general de adopción de la innovación. Cada dimensión, así como
el método de medición, se presenta a continuación.
A nivel de finca, donde se pueden observar los efectos de las innovaciones en
mejoras o cambios en las técnicas de producción, se analizó la dimensión de
generación de conocimiento. Mide el fortalecimiento del capital individual de los
productores, lo que conceptualmente estimula las capacidades innovadoras en la
agricultura. La dimensión asume que los productores necesitan innovaciones para
aumentar su eficiencia y competitividad; por lo tanto, explora si ha habido una
reconversión en las prácticas tecnológicas y/u organizacionales en la finca de cada
productor. La segunda dimensión fue el nivel de organización, que evalúa el grado
de interacción entre productores y asume que tal interacción permite la
coproducción de soluciones prácticas a problemas comunes.

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

Conocimiento Organización Producción y Adelante

Hacia atrás Desarrollo de
generación nivel contabilidad encadenamientos
encadenamientos nuevos mercados
registros

- Utilidad del servicio

- Analizar si hubo
de asesoramiento - Interacción entre - Se sigue acceso a nuevos
- Analiza el
de acuerdo con la productores. - Examina si hay evaluando la mercados derivados de
interacción entre
productor Evalúa el nivel procesos de interacción entre
el desarrollo de
productores, observando
- Reconversión de de organización experiencia. productores, observando
tecnológico y si hubiera innovaciones
de acuerdo con la sistematización si hubiera
cooperativa - Examina los artículos.
prácticas organizacionales grado de derivado de cooperativa
como tipo de
innovación en artículos
- Resultados en las fincas cooperación entre prácticas de innovación innovación en el
de consolidado mercado, canal y
derivados de la productores y - Observa si los áreas de mercadeo,
compras, entrada criterios de comercialización,
tecnológico promovido afiliación a productores mantienen colección de productos,
producción, formación y mercado objetivo.
y organizacional organizaciones registros de y poscosecha.
practicas
gestión.
experiencias.

Organización
Innovación de producto Proceso de innovación innovación de marketing
innovación

Figura 1.Dimensiones incluidas en el índice de innovación agrícola.

Agrociencia 2023. DOI: https://doi.org/10.47163/agrociencia.v57i2.2878
Articulo cientifico 5

se han promovido capacidades en la agricultura y, en consecuencia, se ha acercado a los

productores a los distintos eslabones de las cadenas. La dimensión de desarrollo de nuevos
mercados explora si se desarrollaron nuevos nichos de mercado. Es una métrica de análisis
agregado que evalúa la efectividad de la innovación en términos de las oportunidades de
mercado creadas.
El índice propuesto agrega los subíndices de las seis dimensiones en una sola media, cuyos
valores son continuos en el intervalo de 0 a 1, donde 0 es el valor más bajo, y considera que se
adoptaron tecnologías o conocimientos. Un valor de 1 se relaciona con productores que
promovieron cambios en las fincas derivados de la generación de conocimiento y que estos
contribuyeron con nuevos productos o procesos productivos, así como la inclusión de nuevos
encadenamientos y mercados, respectivamente.

Integración de datos

De 2014 a 2017, la FAO evaluó los programas y componentes de la política extensionista a

nivel nacional implementada por el entonces Ministerio de Agricultura, Ganadería, Desarrollo
Rural, Pesca y Alimentación. Con esta información se generó una base de datos (DB)
considerando a los beneficiarios entrevistados en el seguimiento y la evaluación de la política
de extensión rural durante el mismo período de tiempo. Se integraron las bases de datos
anuales para estimar el índice de innovación, resultando una BD de 2976 beneficiarios
distribuidos en 13 estados (Cuadro 1). En cada entidad federativa se utilizó un muestreo
estratificado con representatividad estatal, con un nivel de confianza del 95 % y un error del 10
%.

Tabla 1.Características de la base de datos utilizada en el análisis.

Propiedad
Sexo (%) Educación Tamaño de la Productivo Tamaño del grupo
Estado norte Edad ingreso
Hombres (años) finca (ha) activos (MXN $) extensión
(MXN$)

Chiapas 341 83.6 50.8 5.8 14.76 40 210.6 69 425.3 25.6

Durango 136 83.8 55.5 7.4 39.71 167 467.4 138 473.4 28.2
Estado de México 276 69.2 50.4 9.1 4.42 250 126.9 95 656.0 20.0
Guanajuato 354 80.2 53.7 6.4 14.41 148 463.6 346 181.4 20.3
Michoacán 346 80.1 51.8 6.7 11.64 191 994.3 163 849.4 28.7
Nuevo León 84 91.7 56,6 6.3 15.24 134 330.1 72 994.0 16.5
Oaxaca 383 70.2 50.8 6.7 9.29 89 274.5 112 232.2 24.4
puebla 337 sesenta y cinco 50,9 7.3 5.19 46 749.5 66 967.3 23.8
San Luis Potosí 185 75.1 49.7 6.7 16.32 121 733.8 79 667.6 28.7
Sinaloa 237 82.3 51.8 8.5 15.54 169 919.5 323 053.0 26.1
Sonora 52 86.5 54.4 10.0 15.01 241 842.8 264 504.4 29.7
Tabasco 69 88.4 56,0 7.6 19.77 131 346.9 109 526.1 19.2
Zacatecas 176 85.2 52,9 7.9 31.09 496 966.3 170 583.1 15.7
Totales/Promedio 2976 77.5 51,9 7.2 13.61 153 851.2 155 477.4 23,9
Coeficiente de variación - - 27.31 61.59 191.83 253.79 383.51 42.59

MXN 2018 = 100.

Agrociencia 2023. DOI: https://doi.org/10.47163/agrociencia.v57i2.2878
Articulo cientifico 6

El análisis de DB muestra que la población es mayoritariamente masculina (77,5 %) con una

edad promedio de 52 años y primaria completa (7,2 años en el sistema escolar). Sus unidades
productivas tienen una superficie promedio de 13.6 ha y un nivel de activos (infraestructura,
equipo y maquinaria, así como medios de transporte) de $153 851 MXN (2018 = 100). El
ingreso promedio anual dentro y fuera de la unidad productiva fue de $155 477 y $19 972
MXN (2018 = 100), respectivamente, este último compuesto principalmente por transferencias
gubernamentales.

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:

y* =b +0 Xb + e, e|x ~ norte(0,s2) (1)

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

Se aplicó el criterio de información de Akaike (AIC) como indicador de la bondad de ajuste

del modelo. Este criterio es de uso común en la práctica y se basa en la distancia
Kullback-Leibler, que mide la aproximación del modelo calculado con los datos reales y se
utiliza para evaluar modelos clasificándolos según el valor AIC; el que tiene el valor AIC
más bajo se considera el mejor modelo (Faraway, 2015). El análisis de los datos se realizó
en el programa estadístico RStudio versión 4.1.2. El modelo empírico con las variables
utilizadas se expresó de la siguiente manera:

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.

Tabla 2.Definición de variables incluidas en el modelo Tobit.

Variable Definición Valor y unidad de medida

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

edad de los agricultores

Edad educación de los agricultores Continuo (años)

Educación superficie de la propiedad Continuo (años)
Tamaño de la finca Inversión en infraestructura, Continuo (hectáreas)
Activos de la propiedad maquinaria y equipo, medios de Continuo (pesos 2018)
transporte de la finca, etc.

Renta de la propiedad Renta de la propiedad dentro Continuo (pesos 2018) Continuo

Ingresos fuera de la finca Ingresos fuera de la finca (pesos 2018) Continuo (número de
Grupo Miembros de los grupos de extensión productores)
Agrociencia 2023. DOI: https://doi.org/10.47163/agrociencia.v57i2.2878
Articulo cientifico 8

RESULTADOS Y DISCUSIÓN

Estimación del índice de innovación agrícola

El valor promedio del índice de innovación agrícola entre los pequeños productores rurales fue
de 0,110 (coeficiente de variación = 92,89). Esto refleja un bajo nivel de innovación agrícola, lo
cual es consistente con otros estudios similares. Por ejemplo, en Irlanda, Läppleet al.(2015)
reportó un valor promedio de 0.4. También se han encontrado tasas de innovación
ligeramente bajas en otros países europeos; 0,18 en Luxemburgo, 0,27 en Grecia y 0,30 en
Hungría, mientras que se encontraron valores más altos en los Países Bajos (0,61), Bélgica
(0,51) y Noruega (0,47) (Autant-Bernardy otros., 2010).
Cuando se desagregó el análisis, se pudo observar el comportamiento que determinó el valor
mínimo del índice. El valor más bajo se encontró en el área de desarrollo de nuevos mercados
(0.0427), lo que muestra que la mayoría de los productores venden sus productos
principalmente en la puerta de la finca a intermediarios (Figura 2).

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

Figura 2.Estimación por dimensiones del índice de innovación agrícola.

La dimensión de registros productivos y contables (0.0434) muestra que, si bien los

productores están participando en grupos de extensión rural donde uno de los criterios de
evaluación es llevar registros productivos y contables para sistematizar experiencias, no
existen mecanismos para incentivar la interiorización de estos. prácticas en fincas a mediano
plazo. En cuanto al nivel de organización se encontró un valor de 0.092 indicando que los
productores no están trabajando ni interactuando con sus pares de manera colectiva; su
sentido de acción es principalmente individual (Figura 2).
En concordancia con este tipo de acción individual, los subíndices de encadenamientos hacia adelante
(0.086) y encadenamientos hacia atrás (0.11) también reflejan un conflicto importante: las relaciones que
amplían y diversifican la capacidad productiva y de comercialización de los productores no se han
modificado. Su comportamiento acentúa una preferencia por la acción individual, lo que en ocasiones
conduce a su exclusión de los eslabones de las cadenas agroalimentarias.
Agrociencia 2023. DOI: https://doi.org/10.47163/agrociencia.v57i2.2878
Articulo cientifico 9

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).

Determinantes de la innovación agrícola con pequeños agricultores en México El valor

AIC del modelo Tobit fue de 47,58, que fue sustancialmente más bajo que otros modelos
similares. Läppleet al.(2015) exhibió un valor AIC de 533.85 de su modelo Tobit. El AIC
calculado nos permite establecer que los datos analizados pueden expresarse
adecuadamente, de forma compacta, a través del modelo analítico seleccionado.
El ajuste del modelo revela que tanto la educación superior (pag=8.75mi-10) y activos agrícolas (pag= <2mi

- 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).

Tabla 3.Estimación de parámetros del modelo Tobit.

Variable Estimacion Error estándar valor z Pr(>|z|)

Interceptar 1.882e-02 1.714e-02 1.098 0.27220

Sexo: Mujer - 2.729e-03 7.152e-03 - 0.382 0.70283
Edad - 4.294e-05 2.316e-04 - 0.185 0.85289
Educación 4.802e-03 7.833e-04 6.131 8.75e-10 ***
Tamaño de la finca - 3.113e-04 1.161e-04 - 2.681 0.00735 **
Activos de la propiedad 1.375e-07 1.069e-08 12.866 < 2e-16 ***
Renta de la propiedad - 6.984e-10 7.570e-09 - 0.092 0.92649
Ingresos fuera de la finca - 8.247e-08 7.073e-08 - 1.166 0.24364
Grupo 3.948e-04 2.937e-04 1.344 0.17894
Valor de probabilidad logarítmica - 1.940e+00 1.939e-02 - 100.028 < 2e-16 ***

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.

Figura 3.Diagrama de caja del índice de innovación por sexo.

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.

La evidencia empírica reciente ha confirmado que el tamaño de la finca y la inversión en activos

productivos son dos elementos clave para explicar los determinantes de la innovación agrícola. En
este sentido, Läppleet al.(2015) encontró que el tamaño de la finca generalmente se asocia con tasas
de innovación positivas; sin embargo, los resultados del modelo Tobit muestran que, aunque esta
variable tiene un efecto significativamente mayor que las otras variables, su valor es negativo. Una
explicación de este resultado es que los agricultores con una escala productiva superior a la media
(13,6 ha) pueden percibir un mayor riesgo al aplicar nuevas prácticas tecnológicas en sus unidades
de producción en comparación con los pequeños productores. Este fenómeno ha sido observado en
otros estudios, y también se encontró que el riesgo y la incertidumbre que genera la adopción de
nuevas tecnologías tienen una alta incidencia en fincas con mayor escala productiva (Jensenet al.,
2014; Wosseny otros., 2017).
De acuerdo con los valores estimados del modelo Tobit, el nivel de activos productivos es la variable
más importante entre los factores que determinan el índice de innovación agrícola. Esta variable se
ha utilizado como una medida indirecta para estimar la capacidad de una finca para invertir en
nuevas tecnologías o prácticas agrícolas. El principal argumento es que la mayoría de las tecnologías
que se promueven entre los pequeños productores están dirigidas principalmente a mejorar el
manejo de cultivos y ganadería, y en la mayoría de los casos requieren técnicas basadas en algún
insumo, como semillas mejoradas, nutrición de cultivos, o en el caso del subsector ganadero , para
el manejo de la salud del rebaño, así como dietas especializadas, que
Agrociencia 2023. DOI: https://doi.org/10.47163/agrociencia.v57i2.2878
Articulo cientifico 12

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

conocimiento, y aplicarlo para resolver problemas en sus unidades de producción y mejorar la

adopción de innovaciones agrícolas.
En segundo lugar, una iniciativa política para mejorar el acceso al crédito y aumentar el nivel de
activos de los productores facilitaría la innovación agrícola. Idealmente, la política de innovación
debería estar dirigida a aquellos productores con una inversión mínima en activos productivos, lo
que se relaciona positivamente con las tasas de adopción de la innovación, según los hallazgos de
esta investigación.

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

Dhein MD, Emvalomatis D, Saatkamp H, Augusto J, Ribas G, Jardim J. 2015. Factores

afectando la adopción de prácticas de gestión económica en la producción de ganado vacuno en el
estado de Rio Grande do Sul, Brasil. Revista de Estudios Rurales 42: 21–28. http://dx.doi.org/10.1016/j.
jrurstud.2015.09.004
Faraway J. 2015. Modelos lineales con R (Segunda Edición). Grupo Taylor & Francis: Nueva York,
Nueva York, Estados Unidos. 255 págs.

INEGI (Instituto Nacional de Estadística y Geografía). 2019. Encuesta nacional agropecuaria

2017. Porcentaje de unidades de producción y por estrato de superficie. Ciudad de México,
México. https://www.inegi.org.mx/programas/ena/2019/ (Consultado: agosto de 2022).
Jensen LP, Picozzi K, Monteiro O, de Jesus da Costa M, Spyckerelle L, Erskine W. 2014. Social
las relaciones afectan la adopción de tecnologías agrícolas: el caso de las variedades de cultivos alimentarios
en Timor-Leste. Seguridad alimentaria 6 (3): 397–409. https://doi.org/10.1007/s12571-014-0345-5 Klerkx L,
Petter Stræte E, Kvam GT, Ystad E, Butli Hårstad RM. 2017. Logrando el mejor ajuste
configuraciones a través de subsistemas de asesoramiento en AKIS: estudios de caso de prestación de
servicios de asesoramiento para diversos tipos de agricultores en Noruega. Revista de Educación y Extensión
Agrícola 23 (3): 213–229. http://dx.doi.org/10.1080/1389224X.2017.1320640
Läpple D, Renwick A, Thorne F. 2015. Midiendo y comprendiendo los impulsores de la agricultura
innovación: Evidencia de Irlanda. Política alimentaria 51: 1–8. http://dx.doi.org/10.1016/j.
foodpol.2014.11.003
Luna BM, Altamirano J, Santoyo V, Rendón R. 2016. Factores e innovaciones para la adopción
de semillas mejoradas de maiz en Oaxaca. Revista Mexicana de Ciencias Agrícolas 15 (1): 2995–
3007.
Lundvall BA. 2007. Sistemas Nacionales de Innovación - Concepto analítico y peaje de desarrollo.
Industria e Innovación 14 (1): 95–119. https://doi.org/10.1080/13662710601130863
Martínez-González EG, Arroyo-Pozos H, Aguilar-Gallegos N, García Álvarez-Coque JM,
Santoyo-Cortés VH, Aguilar-Ávila J. 2018. Dinámica de adopción de buenas prácticas de
producción de miel en la península de Yucatán, México. Revista Mexicana de Ciencias
Pecuarias 9 (1): 48–67. http://dx.doi.org/10.22319/rmcp.v9i1.4366
OCDE (Organización para la Cooperación y el Desarrollo Económicos), Eurostat (Oficina de Estadística
de las Comunidades Europeas). 2005. Manual de Oslo: la medición de las actividades científicas y
tecnológicas (Tercera edición). París, Francia. https://doi.org/10.1787/9789264013100- es

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