You are on page 1of 75

Eficiencia Técnica Relativa de la ganadería doble propósito en la Costa Caribe

POR:

José R. Gamarra V.
No. 53 Diciembre, 2004

La serie Documentos de Trabajo Sobre Economía Regional es una publicación del Banco de la República – Sucursal Cartagena. Los trabajos son de carácter provisional, las opiniones y posibles errores son de responsabilidad exclusiva de los autores y no comprometen al Banco de la República ni a su Junta Directiva.

Eficiencia Técnica Relativa de la ganadería doble propósito en la Costa Caribe* José R. Gamarra V†.

Cartagena de Indias, Diciembre de 2004

Las opiniones aquí expresadas son las del autor y no necesariamente corresponden a las del Banco de la República, ni a las de su Junta Directiva. Quiero manifestar mi agradecimiento a Fernando Leyva por su colaboración en la obtención de la base de datos, y a Ramón Rosales, Joaquín Viloria, Javier Pérez, Jaime Bonet y Adolfo Meisel por sus valiosos comentarios y sugerencias. Este documento tiene como base la investigación con el mismo titulo que fue presentada como tesis de grado para optar al titulo de Magíster en Economía del Medio Ambiente y Recursos Naturales, Universidad de los Andes – Universidad de Maryland. † Economista del Centro de estudios Económicos Regionales (CEER) del Banco de la República, Cartagena. Para comentarios favor dirigirse al correo electrónico jgamarve@banrep.gov.co o al teléfono (5) 6600808 ext 141. Este documento puede ser consultado en la página web del Banco de la República www.banrep.gov.co (ruta de acceso: información económica/documentos e informes/economía regional/documentos de trabajo sobre economía regional).

*

Resumen
Utilizando el análisis de la envolvente de datos (DEA, por sus siglas en inglés) se realizó una medición de la eficiencia técnica relativa para una muestra de 71 fincas doble propósito en la Costa Caribe. Si bien son muchos los estudios realizados con esta metodología en otros países, en Colombia no se habían elaborado estimaciones de este estilo para este sector. La implementación de esta metodología, además de la utilización de regresiones con datos censurados, permitió identificar las prácticas asociadas a un uso eficiente de los recursos. Se encontró un promedio de puntajes de eficiencia de 59.7% para el modelo orientado a los insumos y 60.03% para el modelo orientado a los productos. Además, se encontró que solo el 8% de las fincas operan en una escala eficiente. El estudio también concluye que para lograr una mayor eficiencia en las fincas doble propósito de la Costa Caribe, se debe hacer especial énfasis en la calidad del pie de cría del hato, así como también en los criterios para su selección y continuo mejoramiento.

Palabras clave: Ganadería doble propósito, Caribe colombiano, DEA, economía regional. Clasificación JEL: Q12, Q24, L25.

Conclusiones Bibliografía VIII. Resultados del modelo DEA B. VII. III. Anexos . Modelo tobit. VI. Problema de optimización C. II. Introducción Justificación Marco teórico: DEA 3 5 8 11 18 21 25 32 38 46 49 54 58 A. V. VII.Tabla de Contenido I. Revisión de literatura El doble propósito en la Costa Caribe Datos y resultados A. Ventajas y desventajas del DEA IV.

De esta forma. De manera general se asocia a sistemas rudimentarios con bajos índices de productividad y sistemas de producción anticuados. Colombia es el primer productor de carne de bovino de la Comunidad Andina. 2002). Si bien la participación colombiana en el comercio internacional de carne ha sido pequeña. el doble propósito no ha recibido toda la atención ni importancia que se merece. A pesar de todas las críticas que puedan surgir alrededor de ella. la ganadería es una opción que se debe reconsiderar. eso no quiere decir que no tenga ventajas competitivas. y más específicamente la ganadería costeña.I. A pesar de ser una de las formas de ganadería más tradicionales y de utilizar la mayoría de las tierras en la Costa Caribe. un hato económicamente eficiente deberá ir de la mano de un uso eficiente del suelo así como de los otros recursos de los que dispone. tiene ventajas para la producción ganadera debido a la importante producción de biomasa vegetal. Por su ubicación geográfica el sistema colombiano de pastoreo. 2004). Aún con sistemas rudimentarios de pastoreo extensivo. Para el periodo 1990-2000 diversos indicadores muestran a Colombia como un mercado competitivo en cuento a transabilidad. En este trabajo se 3 . el sexto en América y tiene el décimo primer stock de cabezas más grande del mundo (FAOSTAT. lo que implica una “posición competitiva relativamente alta” en relación a otros países productores de carne (Observatorio de Agrocadenas. balanza comercial y especialización. Introducción Colombia enfrenta una situación en la cual la búsqueda de alternativas de desarrollo económico se ha convertido en una prioridad. Es así que gran parte de la productividad del hato estará definida por las características del suelo.

se utiliza las regresiones censuradas (modelo tobit) en este aparte. por sus siglas en inglés) sobre una muestra de 71 fincas ganaderas doble propósito en la Costa Caribe colombiana con el fin de medir sus índices de eficiencia técnica (ET). Esta segunda parte del análisis busca profundizar en el proceso de identificación de prácticas eficientes. El segundo objetivo planteado se refiere a las prácticas que de alguna manera determinan la eficiencia en la utilización de los recursos. Bajo el enfoque DEA. El avance de las herramientas informáticas de los últimos años ha permitido que estas aplicaciones se hayan extendido a muchas ramas de la investigación económica. El primer objetivo del análisis se debe entender como un análisis sobre la eficiencia de escala (EE) de las fincas. median4 . Una vez encontrados los puntajes de eficiencia de escala se pretende identificar los factores que los afectan. entre cero y 100. La utilización del modelo DEA se propone por la aplicabilidad que ofrecen sus resultados.utiliza el Análisis de la Envolvente de Datos (DEA. haciendo especial énfasis en el uso de la tierra como factor de producción. De esta forma se pretende examinar la relación entre el tamaño de la finca y su eficiencia técnica. y en general bajo racionalidad económica. De este modo se plantean dos objetivos: el primero referente a la escala de las fincas ganaderas y el segundo consiste en analizar los factores que inciden sobre los puntajes de eficiencia. El benchmarking es el pilar sobre el que se basa el DEA. Dada la naturaleza acotada de los puntajes. si una finca estuviese operando bajo rendimientos crecientes o decrecientes a escala podría mejorar su desempeño aumentando o reduciendo su tamaño hasta el óptimo. una finca eficiente deberá funcionar con rendimientos a escala constantes.

2003. se muestran las ventajas y desventajas de esta metodología con respecto a otras. El trabajo se organiza de la siguiente forma: en la primera parte se presenta la justificación seguida de una exposición de la metodología utilizada. Entendiendo la ganadería como un cluster que va desde la producción primaria en las fincas hasta el procesamiento y comerciali5 . hacen que la utilización eficiente de los recursos con los que se cuenta sea un aspecto central de la política interna. Justificación La mayor exposición de los productores primarios al entorno económico internacional. tanto para el modelo DEA como para las regresiones tobit. Después de esto. II. Por último. A continuación se hace una breve descripción de la ganadería doble propósito en la Costa Caribe. Además. se presentan las conclusiones. En esa sección se hace una comparación del DEA con otras formas de medición de eficiencia.te el cual se logra distinguir las firmas eficientes de las que no lo son. p 2). se exponen los datos y resultados encontrados. la firma de tratados y la negociación de nuevos acuerdos comerciales. logra identificar las prácticas eficientes e ineficientes para poder así eliminarlas o replicarlas. Además. actividades y procesos ii) proporcionar una mejor visión a los productores para satisfacer las necesidades de los consumidores y iii) identificar las oportunidades para mejorar las operaciones y procesos actuales (Zhu. La evaluación de desempeño con DEA tiene como objetivos: i) revelar las fortalezas y debilidades de negocios. En la siguiente sección se hace un recuento sobre las investigaciones con DEA en ganadería.

Se pueden distinguir tres tipos de eficiencia: desde lo productivo. Estos coeficientes se refieren al cambio porcentual en el uso de factores que es necesario para alcanzar la frontera óptima. 2000). dados sus respectivos precios y teniendo en cuenta las prioridades de las sociedad” (Kielhorn & von der Sculenburg. Un puntaje de x % indica que es necesario aumentar (reducir) 6 . La eficiencia asignativa “ocurre cuando el producto es alcanzado con la cantidad óptima de recursos disponibles. los indicadores de productividad de la parte alta de la cadena (producción en las fincas) presentan un rezago importante (Martínez & Acevedo. se puede decir que gran parte del atraso en productividad y competitividad de la cadena esta sujeta a la tecnología de las fincas. desde lo económico y desde una perspectiva asignativa. La eficiencia económica se entiende como la obtención de un nivel de producción con el menor costo posible. se puede decir que el comportamiento de los indicadores de este conglomerado han sido al mismo tiempo esperanzadores y preocupantes. La eficiencia técnica (productiva) se refiere a la mejor forma de obtener un nivel de producción dada una combinación de insumos.zación de bienes de consumo masivo. Los puntajes de eficiencia encontrados bajo la metodología DEA son definidos en el sentido de Farrell-Debreu. La medición de eficiencia que se adelanta en este trabajo se refiere a este tipo. Teniendo en cuenta que el valor de la producción en este segmento tiene una gran participación sobre el valor total. 2002). De este modo. Mientras que los indicadores de productividad de la parte industrial de la cadena son esperanzadores debido a su dinamismo. una política orientada a explotar las ventajas en la producción de carne y/o leche colombiana deberá estar orientada a mejorar las condiciones tecnológicas de la producción primaria.

Esto no quiere decir que se no se hayan realizado esfuerzos para abordar el tema productivo en explotaciones doble propósito. En Colombia el DEA ha sido utilizado en distintas ramas de la actividad económica: servicios públicos (electricidad y agua potable). Si bien son numerosas las investigaciones que abordan la medición de eficiencia en ganadería con DEA en el entorno internacional. permitirá mejorar la situación y proyección de las fincas.el producto (la utilización de los insumos) en un (1-x)% para alcanzar un nivel óptimo de producción. Se han realizado investigaciones comparativas de la ganadería con otras alternativas para el uso del suelo. la utilización del benchmarking en la ganadería se convierte en una herramienta de gran aplicabilidad debido al papel fundamental que juega en la identificación de gestiones exitosas. mucho menos para la Costa Caribe. Así las cosas. 2002). y más específicamente para la ganadería. 7 . incrementar la eficiencia general y optimizar el desempeño (Arzubi y Verbel. investigaciones comparativas de sistemas de producción ganaderas. no se han elaborado este tipo de mediciones. banca y hospitales entre otros. La orientación de estrategias dirigidas a la corrección de deficiencias en la utilización de los recursos. pero no se han realizado investigaciones comparativas entre fincas de un mismo sistema productivo. para el caso colombiano no se encontraron investigaciones de este tipo. Para el sector agropecuario. en la formulación de estrategias y políticas. así como también en el análisis de los factores que las sustentan.

la cual parte de la posibilidad teórica de combinar las mejores características de dos o más productores para lograr un productor “virtual” que sea eficiente. la metodología DEA evalúa la eficiencia de un agente refiriéndose al “mejor” productor. Partiendo de los insumos y productos. obtendrán los puntajes más altos. Contraria a las metodologías paramétricas que se centran en el comportamiento de los productores haciendo referencia al promedio. es decir. el DEA provee un ordenamiento de los agentes otorgándoles un puntaje de eficiencia relativa. que tienen una misma finalidad (racionalidad) económica. DEA es una metodología de puntos extremos. el DEA es una metodología utilizada para la medición de eficiencia comparativa de unidades homogéneas. los agentes que obtengan el mayor nivel de producto con la menor cantidad de insumos. En su forma operativa básica. De esta forma. Este modelo parte del comportamiento de una unidad tomadora de decisiones (DMU por sus siglas en inglés) y lo compara con el comportamiento de un productor “virtual” el cual es el resultado de la combinación de las mejores cualidades del resto de los DMU´s considerados. el DEA asume que el primer agente puede cambiar su forma de producción y lograr los resultados del segundo y vice- 8 . Marco teórico: DEA El DEA es un modelo de optimización no paramétrico utilizado para evaluar el desempeño de agentes económicos. serán los más eficientes2 del grupo y por ende.III. Si se consideran dos productores con distintos niveles de insumos y de producción.

La propuesta Charnes. European Journal of Operational Research. Estos trabajos permanecieron mucho tiempo en la esfera teórica debido a la gran carga computacional que suponía su solución. Una vez hecho esto el modelo compara el DMU con ese conjunto de referencia y le otorga un puntaje. 429-444. El modelo orientado a los insumos busca la minimización de los insumos para la Dado que el problema para el productor es dual. Charnes A.versa. Para ello construye un conjunto de referencia (peer o productor virtual). se puede considerar también agentes eficientes como aquellos que logran un nivel de producto con la menor cantidad de insumos. 120. W. La medición de eficiencia empieza con el trabajo de Farrell3 y se operacionaliza con los trabajos de Charnes. Cooper. 30(9). Un productor eficiente obtendrá un puntaje de 100%. Rhodes E. 4 2 Charnes A. Cooper y Rhodes (BCC)5 extendieron el modelo original para incluir rendimientos variables a escala. El modelo realiza un proceso de optimización para cada agente en consideración. Measurement the efficiency of decision making units. Esta extensión del modelo permitió que la unidad evaluada fuese comparada con unidades de similar tamaño. La estimación de coeficientes de eficiencia bajo el esquema de DEA se puede clasificar en dos tipos: i) el orientado a los insumos y ii) el orientado a los productos... Banker.2. Si este productor virtual logra un rendimiento mayor con menos insumos. vol.. Cooper W. Management Science. o si logra la misma producción con menos insumos. entonces el DMU considerado será ineficiente. 253-290. 5 Banker R. 1957. 1984. part. 1978. The measurement of productive efficiency. M. Cooper y Rhodes (CCR)4. Some models for estimating technical and scale inefficiencies in Data Envelopment Analysis. pag 1078-1092. Journal of the Royal Statistical Society (Series A). 9 . Cooper y Rhodes partía de rendimientos constantes a escala. 3 Farrell. III..

se logra una medida sobre un posible aumento del producto con los mismos insumos. el modelo orientado a los insumos provee una medida sobre qué tanto están siendo subutilizados los insumos. Gráfico 1. se obtiene una medida sobre que tanto podrían reducirse los insumos sin afectar el nivel del producto. Por su parte el modelo orientado a los productos busca la maximización de la producción dadas unas cantidades de insumos. si se resta uno (100%) menos el puntaje del modelo orientado a los insumos.producción de un nivel dado de producto. Medición de la eficiencia en función de la orientación Bajo el modelo orientado a los insumos la medida de eficiencia estará definida por la relación AB/AP (Gráfico 1). El modelo orientado a los productos se preocupa por medir qué tanto se podría llegar a producir con esos insumos. De esta forma. si se resta uno (100%) menos el puntaje del modelo orientado a los productos. Igualmente. En otras palabras. 10 . En el modelo orientado al producto el coeficiente de eficiencia estará definido por la relación CP/CD (Gráfico 1).

En su gran mayoría. 2004). W.La escogencia de la orientación del problema dependerá de la naturaleza de los objetivos que se planteen.F (1998) 11 . Problema de optimización Para un conjunto de n productores el DEA hace un ejercicio de n procesos de optimización. De esta forma. Esto no quiere decir que no se hayan realizado investigaciones en las que la referencia de comparación son fincas con nuevas técnicas productivas (Lanski y Reinhard. El problema para el DMU0 es el siguiente6: 6 La exposición del modelo teórico que se hace a continuación se basa en Bowlin. esto es: xij . Se minimiza (maximiza) la cantidad de insumos (productos) y se compara con el productor virtual. Este enfoque permite el diagnóstico sobre la subutilización de los recursos con la tecnología y recursos existentes. A. los usos de DEA en investigaciones de ganadería han empleado el enfoque orientado a los insumos. Del mismo modo. Dicho comportamiento optimizador parte del supuesto de la racionalidad de los productores. xij denotará la cantidad del insumo i utilizado por el DMUj. yrj denotará la cantidad del producto r producido por el DMUj. yrj ≥ 0. Una restricción que se impone aquí es que los DMU utilizan por lo menos un insumo para producir por lo menos un producto. Los DMU cuentan con m insumos (x) los cuales son utilizados para producir un conjunto de s distintos productos (y).

Dado que la carga computacional para cada uno de los n DMU´s es muy grande Charnes et. pero como todo problema de optimización se puede mostrar de forma análoga como un problema de minimización...2.2. la cual es la forma más común de encontrarlo: 12 . v son las ponderaciones de los productos y los insumos respectivamente y representa una constante no arquimidiana mas pequeña que cualquier numero real positivo. (1978) proponen la siguiente transformación: ∑u r =1 m s r y rj − ∑ vi xij ≤ 0 i =1 io m Maximizar ∑u r =1 s r y ro Sujeto a ∑v x i =1 i =1 − u r ≤ −ε − vi ≤ −ε Esta presentación del problema del DEA se conoce como el problema primal..s i =1 v i x io vi < ε i=1..Maximizar ho = ∑u r =1 m i =1 s r y ro Sujeto a io ∑ s ∑v x i ∑ ∑ ∑ m m r =1 m i =1 u r y rj v i x io ur j = 1.m i =1 v i x io ε > 0 Donde u..n ≤1 < ε r=1.. al.2..

Para el 13 .... s r+ . Para el caso de los insumos es la cantidad de insumos de más que están siendo utilizados en el proceso de transformación. s Donde λj representa las ponderaciones presentes que tienen los otros DMU en la construcción del peer para el DMU0.. un agente podría ser comparado con otros que no necesariamente son eficientes a escala pero con tamaños similares.. s i− i = 1 . n r = 1 . La imposición de esta restric- ción para el modelo BCC implica que el conjunto de referencia para el DMU considerado esté más cerca. De este modo. m j = 1 .  es un escalar que multiplica el vector de los insumos y representa la eficiencia de la unidad evaluada.0 = θ x io − ∑ n j =1 x ij λ j − s i− Minimizar  m θ − ε  ∑ s i− +  i =1 ∑ s r =1  s   + r Sujeto a y ro = ∑ n j =1 y rj λ j − s r+ 0 ≤ λ j . De este modo se asegura que un agente sea comparado con otros de tamaño similar. es formulado a partir del modelo original si se incluye la restricción: ∑λ j =1 n j = 1 . pues el DMU0 se esta comparando con agentes eficientes aún cuando no lo sean en términos de escala. Una característica del modelo BCC es que los puntajes encontrados son iguales o superiores a los del modelo CCR. 7 Cantidades de insumos o productos que se puede optimizar. S i− y S r+ representan los slacks7 (holguras) de insumos y productos respectivamente.. lo que resultaría en un puntaje mayor. El modelo con rendimientos variables a escala (BCC).

Si un DMU es eficiente en el sentido CCR entonces será eficiente tanto a escala como técnicamente. Como un segundo aspecto se utilizan regresiones de segunda etapa para controlar los posibles factores que puedan tener efecto sobre estos puntajes. con puntaje menor de 100%. La estimación de los puntajes de eficiencia de escala constituye el primer paso de este trabajo. por lo que su θEE será igual a uno. Para que un DMU pueda ser considerado eficiente en el modelo CCR debe tener eficiencia técnica y eficiencia a escala. técnica y pura se define como: θCCR = θBCC x θEE θEE= θCCR / θBCC. En este tipo de análisis los puntajes obtenidos en el DEA se toman como la variable dependiente. En este orden de ideas se define la siguiente variable: * ε EE = 100 − θEE ε EE =  0 * Si la finca no es eficiente ( ε EE >0) * Si la finca es eficiente ( ε EE ≤ 0 ). Para una finca con un puntaje de 100% el indicador de ineficiencia tendrá un valor de cero. De esta forma para una finca que no es eficiente. De este modo la relación entre eficiencia a escala. Ya que lo se que se caso del producto representa la cantidad de producción que se esta dejando de obtener en compa- 14 . Siguiendo a McCarthy y Yaisawarng (1993) se plantea la utilización de regresiones censuradas para este propósito.Otro aspecto importante de este modelo es que permite la descomposición del índice de eficiencia en eficiencia pura y eficiencia de escala (EE). la * variable ε EE representará un puntaje de ineficiencia. Para que un DMU sea considerado eficiente en el modelo BCC solo deber contar con la eficiente técnica.

15 . H (2004). McCarthy y Yaisawarng (1993) argumentan esta posibilidad para el DEA ya que DMU´s hipotéticos podrían entrar en la muestra y tener un mejor desempeño.  La utilización del modelo tobit se sustenta en la posibilidad de que la variable dependiente pueda tener valores más allá de los observados. β .pretende es encontrar los efectos de otras variables sobre los puntajes de * (in)eficiencia de escala se define la siguiente relación: ε EE = β´X + µ. De esta forma la probabilidad condicional de un puntaje de ineficiencia dado que la finca no es eficiente estará dada por8:  ε * − β ´X j f  EE *  σ dH (ε EE / ε EE > 0. β . X j . σ ) > 0. X j . 2003). σ ) = =  * dε EE  β ´X j  σF   σ         * h(ε EE / ε EE ración al productor virtual.al.d. La inclusión de este tipo agentes haría que las fincas consideradas como eficientes inicialmente fuesen menos eficientes (con puntajes menores de 100%) después de la nueva inclusión. 8 Para una explicación detallada de esta ecuación vea: Bierens.i. la inclusión de estos DMU´s hipotéticos implicaría valores para * la variable ε EE negativos (Souza et. Donde β es * un vector de coeficientes que acompañan a las variables explicativas de ε EE y µ es un vector de error aleatorio i. En otras palabras.

una regresión por mínimos cuadrados ordinarios tendrá resultados sesgados. Así las cosas el valor esperado condicional del puntaje de ineficiencia será: * E ( ε EE /Finca no eficiente)= β´X + σ f (β´X j / σ ) F (β ´X j / σ ) De esta ultima ecuación se puede ver que. una regresión que no considere los valores censurados proveerá unos parámetros sesgados e inconsistentes. por lo que la estimación se hace valida. La utilización de la misma base de datos puede llevar a conclusiones/recomendaciones distintas de- 16 . otras veces. Es de resaltar que bajo este planteamiento las probabilidades condicionales de los puntajes entre 0 y 100 dependen de X y son continuas. enfoques paramétricos El cálculo de la eficiencia productiva de fincas no es un problema abordado exclusivamente por la metodología DEA. La utilización de métodos paramétricos también ha sido una herramienta bastante utilizada en el análisis de eficiencia. DEA vs.Donde f es la función de densidad de la variable y F es la función de densidad acumulativa. Las metodologías que acometen este objetivo pueden ser clasificadas en dos: Paramétricas (Frontera Estocástica. Del mismo modo. pues no incluirá el segundo término a la izquierda de la ecuación. Si bien muchas veces estas metodologías se complementan. los resultados de los dos enfoques son difícilmente comparables. B. Distribution Free y Enfoque Thick) y NoParamétricas (DEA y Free Disposal Hull)9.

Para la evaluación de la eficiencia de fincas lecheras en Australia se utilizaron tres metodologías: Frontera Estocástica. más que encontrar indicadores de eficiencia. DEA y Frontera Bayesiana (Fraser. es la comparación de resultados entre metodologías paramétricas y no paramétricas (Gocht y Balcombe. Los autores concluyen que existe una alta dependencia entre la metodología. Esta comparación 9 Pinzón . Balcombe y Kim. s. 17 . los cuales habían utilizado regresiones paramétricas. aún con la utilización de una misma base de datos (Jaforullah y Whiteman. el grado de agregación de los datos y supuestos con respecto a los resultados a los que lleva el DEA.f). por lo que utilizan pruebas paramétricas para ello. 2003.pendiendo del enfoque escogido. En esta investigación los autores utilizaron la misma base de datos que utilizaron otros autores (Jaforullah y Deblin. 2000). 1996). La investigación hace uso del coeficiente de separación (CoS) para evaluar la diferencia estadística. p 14. Este cambio de metodología se sustento en la debilidad de las regresiones estocásticas para capturar la naturaleza multiproducto de las fincas. Bajo el último enfoque los autores no encontraron ineficiencia alguna. En esas investigación los autores se preocupan por evaluar la confiabilidad y aplicabilidad de los resultados encontrados por DEA. 1999). Bajo las dos primeras encontraron evidencia de ineficiencia. Existen varias investigaciones cuyo propósito. La medición de la eficiencia relativa en fincas lecheras en Nueva Zelanda arrojó resultados diferentes dependiendo de la metodología empleada.

En esa investigación se estimaron los puntajes de eficiencia. se escogió la forma funcional dominante bajo enfoques paramétricos para determinar los puntajes. 2000). Pare ello. así como también la robustez estadística de los resultados. Si bien los estadísticos son muy difícilmente comparables. las ventajas del DEA sobrepasan sus limitaciones. además de la lógica económica de los agentes. Posteriormente. se compararon esos resultados con los hallados por DEA. C. Como lo que se pretende en esta investigación es el análisis de la eficiencia de escala en unidades multiproducto. 18 . El estudio concluye que no existen muchas diferencias de los resultados con respecto a la forma funcional escogida. De esta forma las fortalezas y debilidades de cada metodología para cada caso definirán su implementación o no. depende de las especificidades de los objetivos que se pretenda analizar. Ventajas y desventajas del DEA La escogencia de la metodología para la medición del desempeño de las unidades. La comparación de modelos y especificaciones también fue abordada partiendo de estimaciones en fincas lecheras de Québec (Mbaga. el ordenamiento de los puntajes no resultó tan sensible a la escogencia de la metodología. y existe una correlación muy pequeña con respecto a los resultados hallados por DEA. La implementación de metodologías paramétricas supondría varias limitaciones las cuales no permitirían capturar las características de las firmas consideradas. et al. además de su distribución más probable.de metodologías lleva a los autores a concluir que la escogencia de metodología puede ser determinante dependiendo de la finalidad y los supuestos del modelo.

En primer lugar. Una sola proporción entre un factor y un producto raramente capturará las características agregadas del proceso productivo. debe tenerse en cuenta que las comparaciones que se pueden hacer con esta técnica se limitan a la eficiencia práctica más no al máximo de eficiencia teórica. Cabe anotar que estas limitaciones surgen de la naturaleza de esas mismas ventajas. como si se necesitaría en una estimación de una función de producción a través de regresiones econométricas. Además no es necesario que todos los insumos estén expresados en la misma unidad de medida. Así como se deben tener en cuenta las ventajas. más no con una referencia teórica. . la medición de eficiencia partiendo de indicadores parciales muy difícilmente reflejará la complejidad del proceso de transformación de insumos en productos. Una ventaja adicional de esta metodología es la medición agregada del desempeño. s. De este modo escapan factores externos (por ejemplo factores ambientales no 19 controlables) que pueden afectar el desempeño de las unidades consideradas. Del mismo modo este tipo de modelos puede analizar esquemas de producción con más de un insumo y más de un producto. también es necesario considerar las limitaciones de este tipo de modelo. La naturaleza no paramétrica del modelo hace que la formulación de hipótesis estadísticas sea muy difícil (Anderson. Otra limitación del DEA es que se ocupa de la medición de la eficiencia basándose en la utilización de los insumos.Una de las ventajas de utilizar el DEA es que no se necesita una forma funcional para el esquema de producción. Las fincas se comparan con un productor virtual formado de los datos considerados.f).

altura sobre el nivel del mar. de forma análoga. Una última limitación que cabe mencionar es la alta sensibilidad temporal de los puntajes. Esta dificultad puede ser superada si se consideran unidades con cierto grado de homogeneidad ambiental (régimen de lluvias. calidad de suelo).bles) que pueden afectar el desempeño de las unidades consideradas. Muchas investigaciones recientes resuelven esta limitación haciendo uso de pruebas no paramétricas para pares ordenados.f). esta limitación no debería presentar mayores complicaciones. a regresiones paramétricas con variables omitidas. Una agregación generalizada con DEA se puede entender. arrojando resultados sesgados. a diferencia de las metodologías paramétricas que consideran componentes de error aleatorio en el producto logrado. La implementación de DEA debe hacerse considerando aspectos como la agregación de los datos. el tamaño de la muestra y los retornos a escala (Gocht y Balcombe. Una desagregación excesiva de las variables conducirá a una sobreestimación de los puntajes de eficiencia. Al incluir muchos criterios de comparación cada firma resultaría como única en su clase. Una agregación muy generalizada puede hacer que escapen factores determinantes. s. Por eso los puntajes suelen ser más altos con la metodologías no paramétricas que con las paramétricas. En cuanto al tamaño de la muestra no existe unanimidad. Mientras varios autores señalan que el número 20 . Otra limitación del DEA es que no considera componentes estocásticos. Si se tienen dos conjuntos ordenados de datos en distintos periodos de tiempo los puntajes y ordenamiento que se logre pueden ser muy distintos. Dado que los departamentos de la Costa incluidos en esta investigación no presentan diferencias enormes.

de observaciones debe ser por lo menos cuatro veces el número de las variables consideradas, otros investigadores consideran que esta condición debe ser tan solo tres veces.

En síntesis, las aplicaciones del DEA en la ganadería presenta limitaciones y virtudes. Para el análisis propuesto aquí las ventajas de la aplicación de esta metodología parecen superar las limitaciones. Dentro de las limitaciones se tiene: la dificultad para realizar pruebas estadísticas, variables no controlables y la inestabilidad de los puntajes en el tiempo. A pesar de estas limitaciones la naturaleza multiproducto de las fincas (carne y leche) hace que la aplicación del DEA ofrezca mejores resultados que la aplicación de metodologías paramétricas (Jaforullah y Whiteman, 1999). IV. Revisión de literatura El DEA se ha convertido en una herramienta de un amplio espectro de aplicación en los últimos años debido a la flexibilidad con que aborda el problema de medición de desempeño (performance). En la esfera agropecuaria han sido numerosas las aplicaciones que se han realizado bajo este enfoque, respondiendo cada una de ellas a una necesidad específica y un enfoque distinto. Desde principios de la década pasada con la aparición de los primeros trabajos (Cloutier y Rowley, 1993) se abrió todo un abanico de oportunidades para este tipo de investigaciones. En esas primeras investigaciones se proponían muy tímidamente los resultados NoParamétricos del DEA como verdaderas alternativas ante el enfoque tradicional de regresiones de Fronteras de Posibilidades de Producción. En esa primera investigación, los autores lograron encontrar los puntajes de eficiencia para una muestra 21

de 187 fincas correspondientes a los años 1988 y 1989. Sin bien los resultados hallados resultaban muy promisorios, debido a la identificación de unidades que no habían mejorado su desempeño, los autores señalan que estos se debían ver con precaución debido a la inestabilidad temporal de los puntajes.

Este mismo enfoque se utilizó para las ganaderías de la parte norte de Victoria, Australia (Fraser y Cordina, 1999). En esa investigación, se encontraron los indicadores de Eficiencia Técnica para los periodos 1994-95 y 1995-96, para una muestra de 50 fincas. Para el primer periodo se encontró un promedio de los puntajes de 85,5% (CCR) y 90,5% (BCC), para el segundo periodo considerado los puntajes fueron 86,4% (CCR) y 90,8% (BCC). Una vez encontrado el ordenamiento de las fincas se analizó su distribución para poder así efectuar pruebas paramétricas y evaluar la hipótesis de igualdad estadística entre los dos años. Se utilizaron tres pruebas para la evaluación de esta hipótesis, la prueba t para pares ordenados con varianza igual, con varianza distinta y la prueba Wilcoxon. En ninguna de las tres pruebas se pudo rechazar la hipótesis de igualdad estadística. Es importante resaltar este segundo paso de la investigación, ya que empezó a corregir las deficiencias de estas aplicaciones, las mismas que fueron señaladas años antes por Cloutier y Rowley (1993).

El estudio de la eficiencia de escala es otro aspecto que se puede abordar por medio del DEA y el cual ha sido igualmente aprovechado por investigadores económicos. El marcado aumento del tamaño promedio de las fincas lecheras en Nueva Zelanda en la década del 90 incentivó la medición del desempeño de estas unidades productivas (Jaforullah y Whiteman, 1999). En esa investigación además 22

de la medición de la eficiencia técnica se indagó sobre la eficiencia de escala de las fincas consideradas. El estudio concluyó que para la muestra de 264 fincas consideradas sólo el 19% operaban en su escala óptima, 28 % por encima y el restante 53% por debajo. La investigación encuentra un promedio de eficiencia global del 83%, un promedio de la eficiencia de escala igual a 94% y un promedio de eficiencia técnica pura de 89%.

La mayor exposición al entorno internacional del sector primario neozelandés también impulsó la medición de la eficiencia en fincas multiproducto (Cloutier y Thomassin, 2000). Esa investigación toma una muestra de 41 fincas del distrito de Tararua en los años 1991 y 1992. El esquema predominante en estas fincas es la producción conjunta de lana y de carne, pero no descartaron otros ingresos. Los autores hicieron uso de la prueba de Wilcoxon10 para pares ordenados y concluyeron que efectivamente existía una desmejora en el desempeño de las fincas consideradas. Bajo otros enfoques, como el paramétrico clásico de regresiones de Fronteras de Posibilidades de Producción, la estimación de puntajes en unidades multiproducto se hace un tópico más complicado. En otra investigación, esta vez para Alemania, se utilizó el DEA para analizar el uso del nitrógeno en fincas productoras de carne y leche (Reinhard y Thijssen, 2000). Esa investigación encontró un índice de eficiencia del 56% para los años considerados.

El análisis de la eficiencia de escala por medio de la utilización de DEA arroja valiosos elementos de análisis para el diseño de estrategias de políticas. La imple-

10

Esta es una prueba no paramétrica análoga a la prueba t para evaluar diferencias de medias, es utilizada cuando el supuesto de normalidad no es asumible.

23

se encontró que la estructura de la tenencia de la tierra no supone una diferencia en los indicadores de desempeño (Ribas. Se utilizaron tres pruebas para analizar la hipótesis de diferencia de medias de los puntajes de los dos grupos: Prueba t. Con este mismo enfoque. Estos autores utilizaron datos sobre parcelas con distintas características de tenencia de la tierra. et.mentación de la Common Agricultural Agenda en la Unión Europea supuso una reorganización de la estructura productiva del sector primario. El estudio no encontró evidencia para rechazar la diferencia estadística de las medias de los puntajes de los dos grupos. 1996). 2000). Kruskall-Wallis y la U de Mann-Whitney. s. por ejemplo.f). lo cual es resultado de la flexibilidad de esta metodología. por lo cual se recomendaba incentivar la disminución del tamaño de estas fincas (Barnes y Oglethorpe. pero en las Islas Azores se estimaron promedios de los puntajes del 66. Los objetivos perseguidos con la utilización del DEA corresponden a las particularidades de cada investigación y su entorno. Bajo este esquema se pueden abordar temas como la concentración de la tierra y la eficiencia en el uso de esta. Para esto dividieron su base de datos en parcelas con concentración parcelaria y en no concentradas. siendo el cambio de la escala un aspecto central. Para la región de Galicia. estas operaban en su mayoría bajo rendimientos decrecientes a escala. al.4%. La aplicación de DEA permitió concluir que. En esa misma investigación los autores concluyeron que la eficiencia no es una característica úni24 . los cuales están muy por debajo de los promedios de estudios muy parecidos en otras regiones (Soares da Silva et al. si bien la tendencia era hacia el aumento del tamaño de las fincas lecheras escocesas.

abarcando del mismo modo diversos paisajes geográficos y socioeconómicos. pues se encontraron fincas lecheras eficientes en los distintos segmentos que consideraron. global y de escala). Esta forma productiva se basa en el vigor híbrido propio del cruce de vacas cebú criollas con razas 25 .ca de un solo tipo o escala de explotación. Como se puede ver las aplicaciones de DEA en la ganadería cubren diversos aspectos propios de esta actividad productiva. A partir de la revisión bibliografía presentada hasta aquí se puede concluir que desde la aparición de las primeras investigaciones a principios de la década pasada la aplicación de DEA ha probado ser una herramienta eficaz y flexible para la medición de desempeño de fincas ganaderas. V. Todas estas investigaciones tienen como común denominador la estimación de los indicadores de los índices de eficiencia (pura. Dentro de las aplicaciones de DEA en la ganadería latinoamericana se pueden citar mediciones sobre los indicadores de eficiencia técnica hechos en la cuenca sur del abasto de Buenos Aires (Arzubi y Berbel. En estas investigaciones los autores encontraron un promedio de 83%. 2001). lo que prueba la flexibilidad de la metodología para abordar temas similares pero a la vez altamente diferenciados. muy parecido a estudios similares hechos en otras partes del mundo. pero cada una de ellas parte de esta estimación y aborda problemas específicos al entorno. El doble propósito en la Costa Caribe El doble propósito hace referencia a una actividad propia del trópico bajo que reúne en un mismo esquema la producción de carne y de leche.

Para los departamentos de la Costa el 58% de su hato es destinado al doble propósito.europeas (Bos taurus x Bos Indicus). siendo los departamentos del Magdalena. o doble utilidad. En la actualidad el doble propósito se caracteriza por el ordeño diario de las vacas y la conservación por cierto período de tiempo del ternero para su posterior venta. Según datos de la Encuesta Nacional Agropecuaria del 2.000. producción de queso o para la venta. El doble propósito merece atención debido a la participación que tienen tanto en el hato como en el uso de las tierras. 2004). 26 . el 35% del hato nacional esta destinado a este esquema de producción. De esta forma la vaca y el ternero son considerados como una unidad biológica y económica durante el periodo de lactancia (ASODOBLE. El doble propósito. La Guajira y Cesar. los de mayor porcentaje de participación de este tipo de ganado sobre el inventario departamental. especialmente en los departamentos de la Costa Caribe. es una forma de producción muy antigua derivada de la costumbre de ordeñar en forma estacional por lo menos una parte de la vacada para extraerles leche para autoconsumo.

34 10. Departamento Bolívar Cesar Córdoba Guajira Magdalena Sucre Total Leche 0.62 Fuente: SISAC-DANE (2000).01 60. De esta forma el doble propósito dejo de ser la forma predominante y pasó a ser la ceba.43 8. de estas el 75% están cubiertas por pastos.55 2. En cuanto al uso del suelo.29 19.95 11.62 3.55 0.79 89.05 0.87 0. 27 . La Costa Caribe cuenta con más de 13. La gran participación de la ganadería de ceba en Sucre y Córdoba se debe a que estos departamentos son los más elásticos al ciclo ganadero.28 % Hato Nacional 3.20 Doble propósito 30.81 34. Distribución porcentual del hato departamental según esquema productivo.32 22.47 4.25 5.49 1. la participación de este esquema de producción es más significativa. Las tierras dedicadas al doble propósito representan más del 80% de la Costa Caribe. En esta extensión de tierra la participación del doble propósito es casi absoluta (las tierras dedicadas a la ceba no llegan al 5%).77 3.2 millones de hectáreas.52 35.65 65.63 77.52 Carne 68. bien sea naturales o sembrados.54 29.Tabla 1. Para el año 2002 con el estancamiento en las expectativas del precio de ganado en pie la proporción de ganado para ceba y doble propósito se intercambiaron.16 0.02 88. (Ver Cuadro 2).55 80.

Un hato con una caracterización muy europea tendrá muy poca adaptabilidad a las inclementes condiciones ambientales de la región. (2001) En los bovinos que se destinan al doble propósito se buscan las mejores cualidades de las razas lecheras y de carne. Uso del suelo según finalidad en la Región Caribe (Izquierda). 80% Bosques Pastos Mejorados Miscelaneos Rastrojos Cultivos Pastos de transhumancia 60% 40% Pantanos.Gráfico 2. Uso y Cobertura del suelo en la Región Caribe (Derecha). Aparte de esto. Bajo este tipo de producción la principal preocupación del ganadero es la búsqueda de un equilibrio de las virtudes de las dos razas. De este modo los animales tienen una caracterización fenotípica intermedia entre las razas especializadas en carne y las de leche. una caracterización muy cebuína (o mestiza) implicará una disminución relativa de la producción de leche. aparte de 28 . La adaptabilidad y ganancia de peso del ganado cebú costeño hace que esta raza sea idónea para el proceso de levante y ceba. cienagas y pajonales 20% 0% Doble Doble Doble proposito proposito proposito leche cría Ceba Pastos Naturales Fuente: Amador et. al. Por otro lado. el mercado de terneros castiga una caracterización racial pronunciada de este tipo.

16% 5.179 1.537 5.66% 1.218 380.668.73% 0. Esta forma de producción ganadera tienes sus ventajas y sus debilidades. el doble propósito permite una mayor resistencia ante cambios estaciónales en comparación a la lechería especializada. Otro aspecto que es necesario resaltar es la relativa elasticidad de la producción doble propósito con respecto al ciclo 29 .no lograr el vigor híbrido propio del cruce de estas razas. Del mismo modo.09% 0.89% 3.026 9.54% 64.14% 23.812 77.367 6. En el proceso de engorde de animales los ingresos solo son recibidos al final del periodo.09% 100% Fuente: SISAC y cálculos del autor. Las diferencias de la producción por vaca en la lechería costeña son un factor que le imprime volatilidad y dependencia a los ingresos del ganadero.224 0. Como primera medida.986 206. Caracterización racial del ganado doble propósito en Colombia Raza Raza criollas Razas colombianas y sus cruces Normando Razas europeas Gyr y Gyrholando Razas cebuínas X Razas europeas Razas criollas X Razas europeas Razas europeas X mestizo Razas europeas X Razas Europeas Total doble propósito Inventario Participación 43. el doble propósito permite manejar una mayor liquidez financiera al ganadero en comparación a la ceba.317 4.782 36.316. Tabla 2. En el siguiente cuadro se muestra la participación de las razas en el hato nacional doble propósito.71% 0. mientras que los ingresos por ordeño y venta de animales son obtenidos con mayor periodicidad (semanal o mensual).592.

La retención de vientres propia de expectativas favorables va acompañada de un aumento de las cabezas destinadas al doble propósito. Este comportamiento responde a una lógica en la cual el animal es concebido como un bien de capital capaz de producir rendimientos financieros por medio de la producción de terneros y de leche. recurso abundante en esta zona de pa- 11 Periodo en el que la unidad vaca-ternero se rompe pues el ternero es apartado de la vaca. comparar los pesos al destete11 de los animales en fincas que realizan el ciclo completo de ceba con las de doble propósito es erróneo. Cuando las expectativas no son tan buenas la participación del doble propósito en el hato disminuye y se incrementa la del ganado destinado a la ceba. Del mismo modo. Esto hace que muchos de los indicadores considerados por aparte y comparados con otros esquemas sean inferiores. De esta forma el buen comportamiento de los precios de ganado en pie representa un alza de los posibles rendimientos y por ende. ya que no se tendrían en cuenta los ingresos por venta de leche. Comparar por separado la producción de leche en el doble propósito con la de lechería especializada seria erróneo en la medida que desconocerían los recursos que se utilizan para la producción del ternero. El doble propósito en las llanuras de la Costa Caribe es muchas veces criticado por no hacer un uso intensivo de la tierra. aumenta la inversión del bien. La distribución del hato según su finalidad es muy sensible a la situación y expectativas del precio. 30 . La debilidad de este esquema productivo radica en la pérdida de ventajas propias de la especialización de razas.ganadero.

(2002). Máxime cuando se le asocia a fenómenos como la violencia y concentración de la tierra.. Rivas. L. estos mayores rendimientos se sustentaron en unos menores costos unitarios. F.al. el doble propósito es la opción con mayores rendimientos en comparación a los cultivos de arroz y algodón (Herrera et. Para la microregión del Valle del Cesar. Sistema de doble propósito y su viabilidad en el contexto de los pequeños y medianos productores en América Latina Tropical”. menor demanda de mano de obra y una mayor elasticidad para producir tanto leche como carne. 12 31 . En la práctica la realidad es otra. Los sistemas especializados suponen un uso más intensivo del capital (inversiones y gastos operacionales) mientras que en el doble propósito no es así.ís. Pero esto no quiere decir que los sistemas doble propósito no sean competitivos. Curso de actualización en el manejo de ganado bovino de doble propósito. La relación para los gastos de inversión e infraestructura entre los dos tipos de ganaderías puede llegar a ser de 4:112 entre los sistemas especializados y el doble propósito. México. Veracruz. Los indicadores productivos del doble propósito pueden ser muy inferiores a los de sistemas especializados. la producción por vaca en lecherías especializadas puede llegar a ser de 3 a 7 veces más que en el doble propósito. De hecho. El doble propósito es una opción económicamente eficiente para el uso de la tierra. Esta composición de los factores hace que las aparentes ventajas de sistemas especializados se desvanezcan y el doble propósito aparezca como altamente competiti- Holmann. 1999). Los rendimientos por hectárea en ganadería fueron mayores que en los cultivos con los que se comparo.

2003. mayor rentabilidad del capital invertido y menor demanda de recursos financieros13. En este orden de ideas. se puede decir que el doble propósito no solo es una alternativa viable para la utilización del suelo. 1. lo que deriva en unos costos unitarios muy competitivos. La recolección de los datos se hace junto a los ciclos de vacunación contra aftosa. Para el segundo ciclo de vacunación de 2003 se efectuaron 353 encues- 13 Ibid. Del mismo modo se pueden ver diferencias significativas en los ingresos por vaca así como la rentabilidad del capital invertido. Cuadro 6). Pág 15. En comparación a la lechería especializada las diferencias de costos de producción con el doble propósito son significativas. derivando en mejores ingresos netos por vaca/año. VI.63 vs 0.vo. Datos y resultados Los datos utilizados se tomaron de la Encuesta de Costos Ganaderos. Se puede decir que la eficiencia del doble propósito se sustenta en la incorporación de factores abundantes de la región. 32 . Dicha encuesta la realiza FEDEGAN a fincas seleccionadas aleatoriamente a nivel nacional. es también una alternativa eficiente en comparación a sistemas especializados de ganadería. La rentabilidad anual en el doble propósito supera ampliamente la rentabilidad del capital en la lechería especializada. al. Los costos por kilo en lechería especializada pueden estar un 20% por encima de los costos en sistemas doble propósito.32 (Hollmann et.

. En promedio se tiene una capacidad de carga de 1. Esta relación es casi el doble al promedio nacional.Costos de maquinaria.tas14. Para que una finca sea considerada como doble propósito en esta encuesta es necesario que más de la mitad de los ingresos provengan de la venta de leche y tales ingresos deben ser mayores a los percibidos por la venta de animales. mantenimiento. Se tomaron dos productos finales: i. De la base de datos original se tomaron las fincas pertenecientes a los departamentos de la Costa..Hectáreas dedicadas a pastos y iii.Hato (Numero de cabezas de ganado) ii.. adecuación de tierras y cercas (MMABC). Mientras la primera hace referencia al área destinada específicamente a la ganadería la segunda no distingue esto.Valor de la producción anual de leche y ii. La ganadería doble propósito no es excluyente de formas alternativas de uso del suelo en una misma finca. canasta que puede entenderse como un Índice de Precios al Productor para el sub-sector. es de esperarse que el área de pastos sea el factor más influyente en la producción.5 cabezas por hectárea.. Hay que hacer la distinción entre el área de pastos reportada y el área total de la finca. Debido al poco grado de tecnificación presente en la mayor parte de las fincas. lo que redujo la muestra a las 71 fincas incluidas en el análisis. Actualmente esta encuesta se utiliza para la elaboración de la canasta de insumos ganaderos.. Una revisión preliminar de las variables permite apreciar que son fincas muy productivas y con tamaños variados lo cual las hace representativas del total. Por el lado de los insumos se tomaron: i. 14 33 .Ingresos totales por venta de terneros. Hecho esto se seleccionaron las fincas doble propósito.

Del mismo modo. Aunque no tan fuerte como el de los otros dos factores considerados. ver Mapa 1. entre más vacas se tengan se producirá más leche y más terneros. no se puede desconocer el gasto del ganadero en maquinarias e instalaciones (MMABC). Las fincas contenidas en la muestra están distribuidas en la mayoría de las zonas productoras doble propósito de la Costa Caribe. la producción total será una función casi directa del inventario de cabezas. Si bien el grado de tecnificación es bajo. hasta Codazzi en la parte oriental de la región. Aún con índices de productividad por vaca muy bajos. Y desde San Bernardo del Viento al extremo occidental. Desde el sur de la región (sur de Córdoba) hasta las zonas ganaderas de La Guajira. 34 . Por esta razón cabe esperar algún grado de correlación del nivel de producto con estos costos.

35 .Referencia Departamento 1 2 1 2 3 4 5 6 1 2 3 4 5 6 7 8 9 10 Bolívar Bolívar Cesar Cesar Cesar Cesar Cesar Cesar Córdoba Córdoba Córdoba Córdoba Córdoba Córdoba Córdoba Córdoba Córdoba Córdoba Municipio Magangue San Jacinto Codazzi Astrea Bosconia Chimichagua San Martín Valledupar Ayapel Buena Vista Monteria Planeta Rica Pblo Nuevo San Carlos Chimá Chinú Lorica Sahún Numero de Fincas 4 1 5 2 1 2 1 2 1 2 1 2 1 1 1 1 2 1 Referencia 11 12 1 1 1 1 2 3 4 5 6 7 1 2 3 4 5 Departamento Municipio Córdoba San Bernardo Córdoba Valencia Guajira Dibulla 15 Guajira Las Palmas Guajira Riohacha Magdalena Ariguani Magdalena Nva Granada Magdalena Pedraza Magdalena Pivijay Magdalena Remolino Magdalena San Angel Magdalena Santa Ana Sucre Caimito Sucre Corozal Sucre Majagual Sucre Since Sucre Sincelejo Total de fincas Numero de Fincas 1 1 1 1 1 8 2 1 7 1 2 2 1 2 1 3 5 71 15 Dibulla y Las Palmas no aparecen como municipios sino como corregimientos de Riohacha.

4% en ganaderías doble propósito. Otro aspecto que debe considerarse son los diferenciales de precios de un mismo producto. Por este tipo de razones la aplicación de esta metodología debe hacerse en extensiones no muy grandes y relativamente homogéneas. Se hacen aquí dos supuestos sobre las variables no controlables y sobre la formación de precios del ganado en pie en la región. Un ejemplo de estas son las variables ambientales como la calidad del suelo y el régimen de lluvias. La baja participación de los gastos de este rubro en la canasta de costos totales parece explicar esta relación. Los departamentos considerados son: Bolívar. Sucre. Magdalena. El departamento del Atlántico no se incluyó por falta de datos y por no ser un departamento con participación significativa en la ganadería regio36 . Córdoba y La Guajira. De estas regresiones se puede concluir que: i) las relaciones del hato y del área en pastos son considerablemente altas y ii) la relación de los productos con los gastos de maquinaria es alta pero no tan significativa (Anexo 7).Para revisar la relación de los insumos con los productos se realizaron regresiones simples para cada producto. Cesar. siendo el segundo rubro de mayor participación después de la mano de obra. Aunque la encuesta cuenta con una muestra representativa de cada región se limitó el estudio a los departamentos de la Costa Caribe con el fin de minimizar el efecto de variables no controlables que puedan afectar los indicadores de eficiencia. En la canasta de insumos ganaderos que construye FEDEGAN este rubro representa el 16. Estas diferencias tienen un efecto directo sobre los ingresos percibidos y por ende sobre las mediciones a las que llega el DEA. como variables independientes se tomaron los insumos considerados.

una de ellas no cumple con el criterio de más de 50% de ingresos por venta de leche. Se destacan la alta participación de venta de leche en las fincas de los departamentos de Magdalena y Sucre. 16 Ya que esta finca es clasificada por FEDEGAN como doble propósito no se eliminó de la muestra.nal. A continuación se presenta la distribución de los ingresos en función de estas divisiones políticas. Córdoba. Resulta importante resaltar la relación de algunas variables como la participación que tiene cada departamento en el hato nacional. En general. La distribución de los ingresos para las fincas de La Guajira merecen especial atención. No obstante las tres fincas de este departamento son clasificadas como doble propósito por FEDEGAN. de inventario por finca y de ingresos tanto por leche como por carne (venta de terneros en pie). existen diferencias entre algunos departamentos. 37 . Si bien se encuentra cierto grado de homogeneidad en la distribución de los ingresos. todos los departamentos conservan una composición de sus ingresos similar. Cesar y Magdalena. los departamentos con mayor cantidad de ganado son los que registran un mayor tamaño promedio de área de pastos. Es por esto que la distribución promedio de los ingresos resulta tan anormal para La Guajira16. como se aprecia en el Gráfico 3.

38 . De manera más general se ve que la gran mayoría de las fincas tienen tamaños medianos y pequeños (Gráfico 4). Al igual que con el área de pastos. La gran mayoría de las fincas tienen menos de 200 animales. De manera particular se anotan dos con extensiones mayores a las 400 hectáreas. Una situación similar se presenta con el número de animales de las fincas incluidas en la muestra.Gráfico 3. solo dos fincas presentan inventarios de más de 400 animales. La mayoría de ellas esta en el orden de 0-100 hectáreas. Participación de ingresos por venta de leche y animales. 100% 80% 60% 40% 20% 0% Bolívar Cesar Córdoba Guajira Magdalena Sucre Total venta de Animales ($$) Leche anual ($$) Fuente: Encuesta de Costos Ganaderos y cálculos del autor.

Fuente: Encuesta de costos ganaderos (FEDEGAN) y cálculos del autor A. El promedio de los puntajes fue 59. Rango de inventario por finca. con rendimientos constantes a escala (CCR) y con rendimientos variables a escala (BCC). Al final se lograron seis puntajes para cada finca. Los resultados indican que sólo el 12% de las fincas consideradas operan con rendimientos constantes a escala. En total se obtuvieron cuatro ordenamientos de las fincas consideradas. Histograma del área dedicada a pastos (Derecha). Como era de esperarse. ocho y 18 respectivamente (Tabla 3).Gráfico 4. Resultados del modelo DEA Se corrieron dos modelos. A partir de estos cuatros grupos de puntajes se obtuvieron los respectivos indicadores de eficiencia de escala. el número de fincas eficientes bajo rendimientos variables a escala aumentó considerablemente. 20 16 12 8 4 0 0 100 200 300 400 500 600 700 800 900 16 12 Numero de fincas Numero de fincas 8 4 0 0 100 200 300 400 500 Rango de Has de pastos. se corrieron para cada orientación dos variaciones. De la misma manera. uno orientado a los insumos y el otro orientado a los productos.7% y 39 . De hecho. el número de fincas eficientes de un modelo a otro resultó más del doble. Histograma del inventario por finca (Izquierda).

60.25 15. 40 .76% 23.33% 24.76% 18 θEE 83.2% para el modelo orientado a los insumos y a los productos. θEE=θCCR/θBCC Vale hacer una aclaración sobre las fincas consideradas como eficientes.4% 15.03% en los modelos con rendimientos constantes a escala orientado a los insumos y a los productos. Por tanto. Para el caso de rendimientos variables a escala los promedios obtenidos fueron de 71. Una finca eficiente en esta muestra puede resultar ineficiente si se incluyen nuevas fincas.23% 23. respectivamente. no teórica. la eficiencia de las fincas es relativa a la muestra. Por esta razón las comparaciones de resultados entre muestras no es metodológicamente correcto. Tabla 3.61 15.5% 9 Fuente: Encuesta de Costos Ganaderos y cálculos del autor Notas: 1 Puntajes considerando rendimientos constantes a escala 2 Puntajes considerando rendimientos variables a escala 3 Puntaje de eficiencia de escala.25% 8 84. en el que se concentraron más de la mitad de las fincas (Gráfico 5). respectivamente.0.49 20.25% 8 θBCC 72. Como se mencionó anteriormente.76% 18 θEE 3 θCCR 60. Presentación de los puntajes Orientado a los insumos17 Orientado al producto θCCR Media Desv.4 46. el DEA hace comparaciones referidas a la eficiencia práctica.3% y 72.03% 23. Hay que destacar la concentración de los puntajes en el intervalo 40-70%.9 38.90 16. 17 Para solucionar el problema de programación lineal se utilizó el programa Frontier Analyst 2.6% 9 59.2% 15. estándar Mínimo Fincas Eficientes 1 θBCC2 71.

Además. lo cual se refleja en el promedio de los puntajes de sus fincas. la cual se caracteriza por la calidad de sus suelos. cercana al Cesar. pues no solo es uno de los departamentos con mayor participación en el hato regional. como se muestra en la Tabla 4.Gráfico 5. Distribución de los puntajes Orientado a Insumos Orientado al Producto. sino que en promedio tiene mayores ingresos por hatos. Una posible explicación a esto es que en su gran mayoría las fincas de este departamento están en la parte sur del departamento. se puede apreciar que el Magdalena y Sucre son los departamentos que tienen un mayor promedio de eficiencia en comparación al resto. Agrupando los resultados encontrados por el departamento de origen. cuenta con la mayor participación en el número de fincas operando a escala eficiente. Bolívar tiene el promedio de puntajes de eficiencia más bajo. las cuales obtuvieron el promedio más alto (superior al 70%). Del mismo modo. Hay que resaltar el alto grado de eficiencia relativa de las fincas de La Guajira. Resulta interesante el caso del departamento del Magdalena. 41 .

66% 90. mantenimiento. El ahorro en gastos de maquinaria. lo que permitiría encontrar mejoras potenciales.52% 74.34% 84. adecuación de tierras y cercas aparece como el posible ahorro más pequeño: 34.38% 2 49.33% 75. Contrario a lo que se puede pensar.94% 71.83% 61. El problema no es aumentar el número de cabezas por hectárea.18% 76. sino mejorar la calidad existente de los animales. Bolívar Orientado a los insumos Orientado a los productos Promedio de θCCR Promedio de θBCC 1 2 Cesar 60.81% 1 Córdoba 56.65% (Ver Tabla 5).03% 90.99% 81. θEE=θCCR/θBCC Una de las características importantes que vale la pena destacar de este tipo de análisis es que permite descomponer la (in)eficiencia acorde a los insumos utilizados.11% 1 Magdalena 61. Para el modelo orientado a los insumos se encontró que en promedio el recurso pastos esta sub-utilizado en un 43.54% 98.Tabla 4.91% 1 73.35% 96. De la misma manera se encontró un posible ahorro del inventario de 40.26% 69.11% 69.99%.92% 1 56. En otras palabras. Estadísticas de puntajes por departamentos.81% 73.29% 82.04% 1 Promedio de θEE Eficientes a Escala Promedio de θCCR Promedio de θBCC Promedio de θEE Eficientes a Escala 3 Fuente: Encuesta de Costos Ganaderos y cálculos del autor Notas: 1 Puntajes considerando rendimientos constantes a escala 2 Puntajes considerando rendimientos variables a escala 3 Puntaje de eficiencia de escala.11% 80.45% 89. se podría disminuir la capacidad de carga sin afectar el nivel de producto si se mejorase las características productivas de los 42 .11% 74.34% 67.21% 3 Sucre 63.26% 73.34% 71.33% 74.90% 1 Guajira 73.04% 82.21% 0 53.52% 77. aumentar la productividad de la tierra en ganadería no quiere decir aumentar su capacidad de carga.02% 3 61. lo que es una cifra relativamente alta por la importancia que tiene este factor en la producción tanto de leche como de carne.24%.79% 2 60.15% 2 63.

49 35. * Corresponde a Costos de maquinaria.97 Fuente: Encuesta de costos ganaderos y cálculos del autor.94 1437.60 33.15 1053.07 81.92 70. Tabla 5. Pastos) MMABC* Total bovinos Actual Objetivo Mejora potencial Actual Objetivo Mejora potencial Actual Objetivo Mejora potencial 127.22 -40. En teoría una mayor capacidad de carga daría mayor productividad a la tierra en el corto plazo.48 -38.29 2806.99 3909.01 25.89 La Magdalena Guajira 68.57 -15.24 Variables Área (Has.00 1546.67 47. Teniendo esto en mente se procedió a identificar las cinco fincas más eficientes18 y las cinco menos eficientes para compararlas variable por variable y ver cuales son las diferencias más significativas entre ellas.93 -67.43 -38. adecuación y cercas.21 3076.52 -26.67 65. 18 43 .97 167.89 276.62 687.86 53.46 -41.72 -34.13 143.89 -50.65 2685.05 -43. Vale la pena aclarar que es la calidad de los animales más no de las razas.23 38.animales utilizados en el doble propósito.44 -43.28 -45.65 -43. Resumen de mejoras potenciales.42 104. mantenimiento.34 -40.07 87. Las amenazas que sobre el suelo puede tener la ganadería son un tema de gran complejidad el cual escapa a los objetivos planteados en este trabajo.22 -26.06 Cesar 77.66 Cordoba 163.67 696.03 -43.22 64.83 130.02 -38.01 -39.67 452. Bolívar 28.99 155. una de las aplicaciones más interesantes del DEA es la facultad de identificar cuales son las prácticas más eficientes para replicarlas o las más ineficientes para suprimirlas.67 Sucre Total 101.67 69.22 42. pero del mismo modo amenaza su sostenibilidad en el largo plazo.25 -26.79 -35.00 7.40 177. Como se mencionó en la parte introductoria del modelo.87 65.94 791.00 54.03 -32.50 2323.78 1097. Por medio de esta comparación se distinguen Fincas eficientes con el mayor número de participaciones en el conjunto de comparaciones para todas las 71 fincas.

Esta diferencia deja ver que la calidad (re)productiva de los animales juega un papel fundamental a la hora de mejorar la rentabilidad de las fincas. Del mismo modo se aprecian variables diferenciadores de este grupo con las fincas con los puntajes más bajos. En promedio las fincas con puntajes más altos venden un 12% más caro que las fincas menos eficientes. son necesarios unos estándares de selección del pie de cría más estrictos y orientados a las nuevas exigencias del mercado. además de hacerlo en extensiones de tierras más pequeñas. obtienen un mejor precio por los terneros y lo hacen en una extensión más pequeña de tierra. en promedio la diferencia resulto de 462 litros mensuales. La verdadera diferencia radica en que las cinco mejores fincas lo hacen con una cantidad mucho menor de animales. si se pretende aumentar la competitividad de las fincas costeñas. En otras palabras. Por el lado de la leche la diferencia es más pronunciada. con una menor cantidad de días entre partos. Este resultado. y que den un producto (ternero) de mayor calidad es prioritario para mejo44 . corroboran los resultados encontrados en términos de mejoras potenciales: una de las principales carencias de las ganaderías doble propósito radica en la calidad de su inventario. unido a la diferencia de capacidad de carga de los dos grupos (Ver Tabla 6).ciertos aspectos comunes en las fincas más eficientes. En la Tabla 6 se muestran las variables con mayor porcentaje de diferencia en los dos grupos de fincas. La búsqueda de animales más productivos. Los dos grupos de fincas tienen una cantidad de ventas de terneros muy similares.

renovación o siembra de forrajes. Por otro lado. Las diferencias entre la calidad de los terneros (reflejada en el precio por el que se venden) y la cantidad de litros mensuales de los dos grupos de fincas es otro aspecto importante. Un tópico importante en estas comparaciones es el gasto destinado al sostenimiento de potreros. pero tendrá ventajas en la producción de leche.rar la productividad ganadera. Una buena relación litros por vaca. correspondiente a las tierras sobre las cuales se efectuó trabajos con herbicidas. una caracterización muy europea del hato será castigada en el mercado de terneros (ganado flaco). De esta forma. enmiendas y riego. Para esto se define la variable mejoras. Como se mencionó anteriormente. disminuirá la presión sobre el suelo. insecticidas. pero con una producción de terneros preferida en el mercado. En promedio. Una mejor calidad productiva del hato no solo mejorará los ingresos para el ganadero. una caracterización muy cebuína esta asociada a una baja producción de leche por vaca. Las fincas más eficientes no solo tienen una producción de leche más alta sino que producen un ternero de mayor precio. se encontró que las fincas menos eficientes hacen un uso más agresivo de los recursos. Es una conclusión muy simple pero muy poderosa en la medida que tiene una directa relación sobre la presión que se ejerce sobre los recursos. no es excluyente de un ternero con buena salida en el mercado. Las diferencias entre los dos grupos de fincas hacen pensar que esto no es necesariamente cierto. esta variable se puede considerar como una proxy del gasto del ganadero en la conservación del suelo y los pastos que lo cubren. realizan mayores intervenciones 45 .

46 . De antemano se podría pensar que las fincas de mayor producción son las que destinan un mayor gasto en este rubro debido a un uso más intensivo del suelo. Al parecer gran parte de la productividad del hato y de los pastos esta sujeta al régimen del agua. el riego sobre las tierras minimiza este efecto y de ahí la posible diferencia en la eficiencia del uso del suelo. tres de ellas tienen algún porcentaje de sus tierras bajo riego. A partir de esta relación se puede establecer una relación directa del uso del agua y la productividad de la finca. en las fincas menos eficientes este tipo de práctica es nula (Tabla 6). muy pobre en verano y pronunciados en invierno. Por ultimo se considera el gasto en maquinaria. En este orden de ideas. mantenimiento. Los marcados picos en producción de pastos. Dentro de las cinco mejores fincas. De las cinco fincas con mayores puntajes. dejan ver la alta dependencia de la producción del hato con el régimen de lluvias.sobre el entorno por medio de la utilización de insecticidas. Las cinco fincas con menores puntajes registraron un gasto promedio de esta variable de 2.8 millones de pesos. Una de las variables más importantes y que merece tratarse por aparte es el riego de las fincas. adecuación y cercas. solo tres registraron este tipo de gastos y con un promedio mucho menor (Tabla 6). enmiendas y herbicidas. El modelo muestra que las ganaderías más eficientes no son las que más gastan.

Para llevar a cabo el análisis tobit se definió una constante además de las siguientes variables independientes: i) Hectáreas dedicadas a pastos –PASTOS-. hace que el análisis tobit tenga ventajas en comparación a otros enfoques.06 -1.000 7.85% 7 32 92 20 150 60 21 35 220 50 70 79 -19 -31.400 8.460 0 1.640 3.220 5352 39.87 1.800 5.95% 2 0 25 15 0 8 0 0 0 0 0 0 8 100% Fuente: Encuesta de Costos Ganaderos y cálculos del autor.43 0.050 2.28% 464 615 547 470 712 561 470 470 567 470 470 489 72 12.47 2. mantenimiento.740 3.02 4.Tabla 6.988 940 2.11% 190 326 349 103 217 Promedio 186 252 274 194 254 Promedio Diferencias % 15. Leche anual ($) Venta de Animales ($) Valor Promedio por ternero Área (Has) Capacidad de Carga Área (Has.760 8. Por medio de este procedimiento es posible identificar el efecto de variables manejadas a nivel finca que están ligadas a su eficiencia de escala.82 2.200 31.39 1.800 5.04 -101. adecuación y cercas.000 0 240 740 500 450 13.350 5.938 7050 54.690 37.52 1. Modelo tobit.000 7. B.350 17.700 21. Mejoras) MMABC* Riego (Has) Referencia ($) 2.572 3. * Corresponde a Costos de maquinaria.100 13.43% 4.25 0.96% 18 15 45 15 600 139 32 2 180 22 0 47 91 65.350 17.04 1. La utilización de regresiones auxiliares para analizar los factores determinantes de los puntajes provee herramientas adicionales para un análisis más detallado de los puntajes de eficiencia de escala. Dada la naturaleza de los puntajes obtenidos por el DEA.180 2.5% 1.612 -2872 -388. ii) Valor 47 . acotados entre cero y 100.270 100 3.16 0. Comparaciones entre las fincas con puntajes más altos y más bajos.080 12.600 2.600 7.43 1.

como variable dependiente se tomaron los complementos de los puntajes obtenidos bajo el modelo orientado a los productos y orientado a los insumos. Con esta agregación no se puede distinguir el efecto individual de cada variable sobre el puntaje de eficiencia. Es decir. de ahí que se sumarán varios rubros para la creación de la variable MMABC. Las regresiones fueron estimadas por máxima verosimilitud e incluyeron matriz de covarianzas robustas Huber/White.vi) Numero de hectáreas sobre las que se utilizaron insecticidas -INSEC. Por medio del análisis de regresiones censuradas es posible desagregar esta variable para examinar los efectos individuales de cada variable sobre el puntaje. los puntajes de ineficiencia de escala. definida como la cantidad de animales por hectárea –CARGA.vi) Gastos en mantenimiento de maquinaria -MMANT-. Los resultados de este modelo se presentan en la Tabla 7. en maquinaria –MAQ-. el gasto en cercas –CERCAS-. 48 .y por ultimo.iv) Numero de hectáreas bajo algún sistema de riego –RIEGO.iii) Capacidad de carga de la finca. Como se mencionó en el marco teórico.promedio de los animales vendidos –VPROM.v) Numero de hectáreas sobre las que se utilizaron fertilizantes orgánicos -FERTI2. mantenimiento de instalaciones –MINST-. Los resultados del modelo DEA son muy sensibles a la de agregación de las variables. en adecuaciones de tierras –ADECU. una presentación más detallada de la salida del paquete estadístico se presenta en el Anexo 4.

501626 1.125 -3.455918 0. En este orden de ideas.009 -3.066862 0.511 -2.017755 0.028536 0.001918 0.000806 0.00196 0.000498 0.000831 0.765 9.0000 -1.79803 2.559817 0.0044 0.0003 0.75164 1. el valor promedio de los animales vendidos.0147 0.519.001447 0.085499 0.560591 1.9054 -0. de regresión Suma de residuos2 Log likelihood Prom.343349 1. Ya que las variables dependientes son los puntajes de ineficiencia.730 0 62 9 71 0. mientras que el gasto en maquinaria aparece como signi49 .000596 0.461316 0.014953 0.316679 0.001488 0.001425 0.0000 -0.0134 3.227886 0.4624 0.0085 0.001094 0.398849 0.044634 0.14111 6.5855 -0.0103 -0.0000 -81.012516 0.005244 0.0000 0.002410 0. Del mismo modo.311863 0.0071 1.0000 0.0893 -0.003806 0.0000 0. Análisis tobit.0006 -0.E.54341 1. un signo negativo debe interpretarse como un efecto positivo sobre la eficiencia de escala de la finca considerada.001682 0.001097 0. las hectáreas con riego y con fertilizantes orgánicos tienen un efecto positivo y significativo sobre los puntajes de eficiencia. log likelihood Obs Censuradas Izq Obs sin censurar Obs Censuradas Der # de Observaciones Modelo orientado a los insumos Modelo orientado a los productos Coeficiente Std Error P-Valor Coeficiente Std Error P-Valor -73.006.585.0000 -15.218645 0.001243 0.011533 0.0001 0.434890 0. aumentos en el gasto en mantenimiento de instalaciones y de maquinaria estarán asociados a un mejor desempeño de las fincas.2606 -0. El gasto en mantenimiento de cercas solo parece significativo en el modelo orientado a los insumos.387172 0.635918 0.540208 0.588.017.285.662274 0.0018 -0.003477 0.0013 0. Variable C PASTOS VPROM CARGA RIEGO FERTI2 INSEC MMANT MINST MAQ ADECU CERCAS R2 R2 Ajustado S.155012 0.017390 0.021 0 62 9 71 En general las dos regresiones coinciden en las variables que aparecen como significativas así como en los signos obtenidos.Tabla 7.641.0218 0.000148 0.499.830 -2.674 6.000738 0.073276 0.106584 0.3041 -1.

respectivamente. Por ejemplo. Mediante la utilización del Análisis de la Envolvente de Datos se encontró un promedio de 59. De igual manera se 50 . Los coeficientes de la capacidad de carga y número de hectáreas de pastos son de especial interés en tanto tienen directas aplicaciones para el diseño de políticas. Del mismo modo. pero no en el modelo orientado a los insumos.ficativo en el modelo orientado a los productos. incentivos gubernamentales dirigidos hacia el gasto y mantenimiento de maquinarias ayudarían a mejorar el desempeño de las fincas afectadas. Conclusiones Partiendo de la Encuesta de Costos Ganaderos se corrieron cuatro distintos modelos para encontrar los índices de eficiencia técnica relativa (CCR. Los coeficientes de las variables de gastos son interesantes ya que las variables entraron al modelo como miles de pesos y además son variables sensibles a políticas estatales. unos tamaños de fincas más grandes esta asociada a una disminución de los puntajes de eficiencia de escala. BCC) para una muestra de 71 fincas doble propósito en la Costa Caribe.7% y 60. VII. no en su cantidad. El hecho que la capacidad de carga tenga un efecto negativo sobre los puntajes de eficiencia deja ver que para mejorar la competitividad del sector ganadero son necesarios aumentos en la calidad del inventario actual.03% de los puntajes con rendimientos constantes a escala para los modelos orientados a los insumos y a los productos.

producen una cantidad de terneros y litros de leche inferior a las más eficientes.encontró un promedio 71. un 11% del total. el ahorro en la utilización de los recursos que puede lograrse de hacerse un uso eficiente de estos. tomando los precios promedios de los animales vendidos se puede decir que estas fincas tienen una producción de mayor calidad.2% para los puntajes con rendimientos variables a escala para los modelos orientados a los insumos y a los productos. respectivamente. se aprecia que estas últimas tienen una mayor capacidad de carga. Como tercer paso del análisis se revisaron las mejoras potenciales. Este ahorro. Los departamentos con mayor participación del ganado doble propósito en su inventario. Estos departamentos tuvieron la mayor participación en el grupo de fincas eficientes a escala. unido con la relación negativa que tiene la capacidad de carga. pero aún así. Desagregando a nivel departamental los puntajes de las mediciones se aprecia una relación entre la eficiencia y el grado de especialización del departamento en el doble propósito. proporciona argumentos para pensar que el problema no radica en la poca utilización de los predios ni en las razas: el problema está en la calidad de los animales del inventario y de los pastos de los que se alimentan. operan en una escala eficiente. Además. Comparando las fincas más eficientes con las de puntajes más bajos. La subutilización del inventario y del área de pastos aparece como el posible ahorro más significativo. es decir. fueron los de mayores promedios. exceptuando Sucre.3% y 72. De la muestra de 71 fincas se halló que tan solo ocho. 51 .

Contrario a la creencia generalizada de la existencia de un relación inversa entre producción de leche y calidad del ternero. como las perdidas por la falta de especialización. Esto quiere decir que. hacen que este tipo de ganadería sea eficiente en comparación a otras formas de utilización de la tierra. programas como los de repoblamiento bovino deberían estar orientados hacia la mejora de la calidad del ganado en lugar de un aumento de su cantidad. 52 . Como se mencionó anteriormente. La búsqueda de una mayor y mejor producción no implica un sobrepoblamiento bovino en términos de cantidad. pero no deja de ser una alternativa productiva y competitiva. el doble propósito tiene limitaciones. se encontró que un uso eficiente de los recursos puede llevar a buenos promedio litros por vaca y terneros con una buena salida en el mercado. Como primera medida la necesidad de unos mejores criterios de selección y mejoramiento del pie de cría del inventario ganadero. Por el contrario. los resultados de ahorros potenciales encontrados aquí muestran que estas ventajas se pueden reforzar: el potencial del hato y de los pastos son los mayores ahorros posibles. Este manejo eficiente debe entenderse como un uso de los recursos basado en un buen manejo de la información y criterios estrictos en el sostenimiento y ampliación del inventario.Partiendo de estas diferencias se pueden identificar varios aspectos claves para el mejor aprovechamiento de los recursos por parte de las fincas. además de tener ventajas con sistemas especializados de producción. Los menores costos unitarios. Esto no quiere decir que el doble propósito no admita cambios para su mejoramiento. la flexibilidad para producir tanto leche como carne y la menor demanda de factores escasos en la región como el capital financiero.

en las razas utilizadas.A menudo la percepción sobre la ineficiencia de la ganadería en la Costa Caribe se sustenta en el uso extensivo de la tierra y en una menor producción por animal en comparación a los sistemas especializados de leche y carne. calidad de suelos y producción de biomasa vegetal). esta forma de producción es un sistema adaptado a las aptitudes productivas de la región. El número de hectáreas bajo riego y la utilización de insecticidas orgánicos también aparecen como significativos y con un efecto positivo sobre el desempeño de la finca. La baja capacidad de carga característica de la ganadería costeña. no implica necesariamente un uso ineficiente de los recursos. en las condiciones climatológicas y ambientales (régimen de lluvias. en la rentabilidad por hectárea (en comparación a cultivos y sistemas especializados) y en la composición de insumos utilizados hacen que estas comparaciones sean inadecuadas. Como último aspecto del análisis se corrió un modelo tobit para determinar cuales eran las variables que afectaban la eficiencia a escala de las fincas consideradas. 53 . como se practica en otras regiones del país. asociada a ganaderías extensivas. estos viejos argumentos se deban reconsiderar. Este análisis de regresiones censuradas confirmaron las tendencias encontradas por medio de las comparaciones entre las fincas más eficientes y las de menores puntajes. La capacidad de carga de la finca. La diferencias regionales de precios relativos de los insumos. Por el contrario. El efecto del área de pastos apareció con signo negativo y altamente significativo sobre la eficiencia de escala de las fincas. contrario a lo que a priori se podría pensar aparece con signo negativo y significativo solamente para el modelo orientado hacia los insumos.

El efecto negativo de la capacidad de carga y utilización de herbicidas sobre la eficiencia de las fincas son prueba de esto. Por último.La medición de los índices de eficiencia arrojó ciertas luces sobre la situación de la ganadería doble propósito en la Costa Caribe. Este hecho unido a los diferenciales de calidad y producción de las fincas más eficientes. evidencia la necesidad de investigaciones agronómicas sobre la calidad y el manejo de los animales. las amenazas que sobre el suelo pueda tener la ganadería son otro aspecto para futuras investigaciones. pero de igual manera quedan al descubierto interrogantes que merecen especial atención en el futuro. 54 . En los datos del SISAC se aprecia cierta homogeneidad racial en el inventario bovino. Un análisis más detallado sobre la relación del riego también debe ser un aspecto de consideración futura.

55 . Julio..personales. (1984). Some models for estimating technical and scale inefficiencies in Data Envelopment Analysis.edu/dea/homedea.. A.Measuring Performance: An Introduction to Data Envelopment Analysis (DEA). Asociación Colombiana de Ganaderos doble propósito. (1993).VII. (2001). W.edu/~hbierens/EasyRegTours/TOBIT_Tourfiles/TOBIT. “Determinación de índices de eficiencia mediante DEA en Explotaciones lecheras de Buenos Aires” en Producción y Sanidad Animal. pp 169-176.PDF. 17(1-2). Scale Efficiencies and the Mid-Term Review: An Analysis of Scottish Dairy Farming. Banker R. & Cooper W. ASODOBLE (s. Rowley R. Management Science. 39(10) pp 1265-1273 Barnes. D (1993).uk/downloads/conf_papers_04/Barnes. Tomado de www. Banker. (s. Gomez. Tomado de www. Diagnóstico de la cadena y estrategias para la elaboración del Acuerdo de Competitividad del sector de la carne Bovina.. Recuperado el 22 de noviembre de 2004 de Bowlin. I. Arzubi.f).. O.f).aes. Maximum likelihood consistency and DEA: a statistical foundation. Recuperado el 15 de junio de 2004. Informe Final Contrato N° 020-2001 IIICA – ICTA.. Otalora J. En Journal of Cost Analysis. Bierens.psu. 41. pp 1078-1092.la. Tomado http://econ.emp. Recuperado el 15 de Octubre de 2004. Management Science.. A.f) Data Envelopment Analysis Home Page. 30(9). Fall. Berbel. Oglethorpe. (1998). Bogotá D.C Anderson.doc. R. Recuperado el 10 de Abril de 2004. A. J. (2002). Relative technical efficiency: Data Envelopment Analysis and Quebec´s dairy farms. Canadian Journal of Agricultural Economics. H (2004). Tomado de www.pdx.. pp 3-27. T.ac.com/colombia/cartagena/asodoble/. The tobit model. (s. Cloutier L. D.W. Charnes. Bibliografía Amador.

P. Thomassin. Veracruz. On the quality of DEA estimates. Estimating technical effiency: Does the estimation methodoly matter?.. P. (2000). Holmann.. Cooper W. III. Balcombe.fal. Tomado de www. Boston. Análisis de alternativas tecnológicas de los sistemas de producción agropecuarios en el valle del Cesar. (1999). 59. Journal of the Royal Statistical Society (Series A). I. Zalzuk. L.de/download/dea. Pasturas Tropicales. K. 23(3).pdf. 56 . M. (2002). A. J. Tomado de www. 120. México. part. O. Holmann. Fraser. Seiford L.W.fao. Cooper.Cloutier.. pp 429-444. 253-290. Fraser I. Colombia. (1978). M. Data Envelopment Analysis A Comprehensive Text with Models. Recuperado el 15 de junio de 2004. F. W. Balcombe. References and DEA-Solver Software. Data Envelopment Analysis (DEA) and Agricultural Policy Reform in New Zealand. Curso de actualización en el manejo de ganado bovino de doble propósito. Sistema de doble propósito y su viabilidad en el contexto de los pequeños y medianos productores en América Latina Tropical”. J.f). Applications. Agricultural Systems..org . Tone. Food and the Agriculture Organization of the United Nations. (1999). 2. Gocht.M. An application of data envelopment analysis to irrigated dairy farms in Northern Victoria. Torres y J. European Journal of Operational Research.bw. (2003). Kim. Herrera. Farrell. pp 267282. S. Charnes A. Rivas.. Cordina D. Kluver Nijhoff Publishing.. Working Paper 18-2000.W.. K. D. Rhodes E. Measurement the efficiency of decision making units. (s. Centre de Recherché en Gestion.. FAOSTAT (2004). (1999). K. Australia. (1957). The measurement of productive efficiency. Recuperado el 15 de Junio de 2004. F.

International Livestock Research Institute (ILRI) and Systemwide Livestock Program (SLP). Whiteman.J. Recuperado el 11 de Septiembre de 2004. Martínez.10... Romani. F. H. p 353-382. Cali.Holmann... B. (2000). S. M. 79 (3).00.. J. X (2002). Acevedo..M. A.co/home. Mbaga. B (2000). S. L.htm . L. Medina. Guzman. Second Edition.M. and A. The Health Economics Handbook. Jaforullah. Ministerio de Agricultura y Desarrollo Rural – Observatorio de Agrocadenas. Devlin. Lanski. T. (1996). Bogotá. (2003).agrocadenas. (1999). Yaisawarng.gov. Research series SR. Agricultural Systems. Scale efficiency in the New Zealand dairy industry: a non-parametric approach. McCarthy. 57 . Larue. & Reinhard. S (2004). Kielhorn A. Tomado de http://www. Adis International Limited. Analisis por producto – Ganado Bovino. J. Rivera. Farrow. Assesing technical effiency in Québec dairy farms.. 523-541. New York. M. A. Evolución de los Sistemas de Producción de Leche en el Trópico Latinoamericano y su interrelación con los mercados: Un análisis del Caso Colombiano. Graf von der Sculenburg. Documento de Trabajo # 193. Centro Internacional de Agricultura Tropical (CIAT). Technical efficiency in New Jersey schooldistricts in The Measurement of Productive Efficiency. Carulla. England. New Zealand Economic Papers. Ministerio de Agricultura y Desarrollo Rural. (1993). Glaxo Wellcome Group of Companies. Technical efficiency in the New Zealand dairy industry: a frontier production function approach. M. Investigating technical efficiency and potential technological change in Dutch pig farming. A. J. Giraldo. Observatorio de Agrocadenas. Documentos de Trabajo No 20. N. Rivas. Université Laval. Centre for Research in the economics of Agrifood. Oxford University Press. Colombia.Martinez. (2002). pp. R.. Jaforullah. 30. Productividad y Competitividad de la Cadena de Bovinos en Colombia. pp 1-17. The Australian Journal of Agricultural and Resource Economics. 43(4).

E. 27(2).Berbel.Peñaloza. Departamento Nacional de Planeación. SISAC (2000). G. Soares. Assessing the significance of Factors in Output oriented DEA measures of efficiency: An application to Brazilian banks. European Review of Agricultural Economics. Miranda. Recuperado el 15 de junio de 2004. G. Thijssen G. Caracterización de la Ganadería Bovina en Colombia. IV Congreso nacional de economía agraria. Evaluación de la Eficiencia en instituciones hospitalarias públicas y privadas con Data Envelopment Analysis (DEA).. A. Nº 244. Boston 58 . Lopez C. Kluwer Academic. Análisis no paramétrico de eficiencia en las explotaciones lecheras de las Azores a partir de los datos RICA-A.doc. Primera Edición.. DANE.. (s.. (2003)..usc. Ribas. Arzubi. Blass.. Concentración Parcelaria y Eficiencia Técnica de las Explotaciones Lecheras En Galicia. J. Pamplona. Flores. Reinhard S. J.es/~idega/aribas. Mª. (2003). Souza.. A. Nitrogen Efficiency of Dutch Dairy Farms: a Shadow Cost System Approach. Zhu. (2000). B. R. Economía agraria y recursos naturales: nuevos enfoques y perspectivas. pp 167-186. Archivos de Economía. Recuperado el 20 de noviembre de 2004.f). Tomado de .. (2003). España. Tomado de www. Quantitative models for performance evaluation and benchmarking: data envelopment analysis with spreadsheets and DEA Excel Solver. (2001). Encuesta Nacional Agropecuaria.

77 39.91 89.56 99.23 56.79 59.36 20.58 72.61 29.71 98.89 63.73 86.97 31.36 70.58 97.54 20.23 56.12 63.5 62.86 49.76 63.56 53.42 56.84 26.42 59.47 33.01 100 81.91 62.62 98.65 62.08 65.31 60.96 51.38 89.45 59 .34 100 65.98 50.69 100 85.77 51.63 100 94.66 52.31 47.38 100 60.4 55.04 98.09 64.18 43.85 86.29 37.61 51.45 51.29 47.13 88.26 58.2 43.73 45.75 100 75.72 51.47 33.2 100 75.81 48.67 100 90.04 96.4 73.12 100 75 59.02 24.88 100 29.52 83.64 26.07 89.46 51.73 70.46 51.48 77.08 65.04 97.98 50.51 87.36 70.10 46.65 65.29 59.56 79.52 36.96 70.86 49.73 70.76 98.8 98.61 51.88 37.71 98.24 64.15 98.19 99.41 100 81.33 73.20 75.12 67.61 29.53 57.27 92.61 CCR 100 50.73 45.VIII.11 80.01 84.61 71.77 87.20 72.4 55.98 100 95.46 BCC 100 62.48 77.82 100 52.75 98.66 52.57 97.21 80.6 100 64.7 64.12 51.60 84.11 69.44 64.05 97.12 51.67 70.01 56.05 59.50 61.82 98.79 84.99 100 73.16 100 66.03 96.12 63.12 67.97 45.67 29.5 100 56.61 51.92 43.06 60.16 100 66.76 98.69 81.73 60.66 52.91 62.13 88.08 65.29 47.46 49.63 87.46 Orientado al Producto BCC 100 51.91 76.06 60.95 100 99.26 58.38 100 60.55 55.29 53.90 98.27 90.55 66.09 79.13 93.90 99.70 100 62.97 31.11 80.24 100 62.17 81.15 60.33 95.12 51.29 37.42 59.72 60.81 48.46 88.97 45.26 58.54 70.67 29.92 100 91.85 81.31 47.85 86.7 64.90 92.74 87.16 100 40.69 81.26 58.15 91.61 100 99.35 96.56 50.86 49.91 76.23 51.83 75.02 24.57 97.05 100 70.12 51.51 68.5 100 56.05 59.11 69.20 72.15 31.69 51.91 100 70 56.18 43.41 Escala 100 97.23 51.91 89. Anexos Puntajes de eficiencia técnica relativa Orientado a los Insumos CCR 91 92 93 94 194 97 101 102 103 104 277 279 276 274 278 301 267 270 320 282 291 258 286 292 293 344 35 139 31 33 140 36 28 219 217 216 70 71 72 73 161 162 163 164 80.51 98.2 Escala 80.46 46.66 52.36 20.07 97.78 86.1 39.62 72.29 100 60.23 50.

42 52.47 95.44 26.79 29.32 25.44 100 99.87 73 90.18 66.81 82.23 52.65 81.1 89.9 100 73.2 60.54 55.19 22.13 100 100 100 100 74.64 39.49 100 87.70 97.90 100 73.68 15.30 95.42 33.66 51.40 83.36 100 88.42 76.02 98.22 100 59.72 99.29 100 57.34 100 78.41 51.46 60.87 75.19 22.200 90.42 33.95 82.10 99.50 94.75 166 350 326 328 330 348 349 351 352 353 74 165 208 211 190 252 253 186 250 254 256 331 332 333 334 335 51.61 51.25 54.12 100 16.34 100 58.22 42.76 100 91.10 83.68 15.2 90.98 100 89.54 100 96.56 56.42 52.90 100 73.23 52.33 92.18 71.10 92.62 La identificacion de la finca así como su ubicacion son reserva de FEDEGAN.34 100 91.84 91 100 93.46 34.31 66.12 100 16.35 71 86.03 29.60 95.46 22.18 73.70 86.9 100 73. 60 .81 28.55 100 83.66 92.92 82.76 100 64.94 99.49 85.13 85.8 100 65.29 100 57.36 95.13 52.49 92.28 91.01 100 43.88 100 16.25 54.43 100 100 100 100 63.54 55.66 51.76 43.95 82.44 26.13 100 38.87 80.82 64.200 52.44 79.36 95.44 91.4 60.34 100 58.66 92.80 100 93.64 39.21 100 60.30 67.43 60.47 100 94.87 75.87 92.18 66.23 86.32 33.7 76.55 100 83.23 80.82 45.

83333 0.58333 0.67 470.35625 2.25 470.20 473.86957 1.87500 1.00 470.75 576.15 581.69667 2.55000 2.08333 1.86 596.38667 0.00 492.00 552.50000 2.87500 1.67 749.71 586.13333 0.15 581.44444 1.40000 1.75 576. Mejoras) MMABC Forrajes (Has) 28 31 33 35 36 70 71 72 73 74 75 91 92 93 94 97 101 102 103 104 139 140 161 162 163 164 165 166 18000 5400 9000 36000 144000 81000 42000 54600 39000 33000 12600 9000 5100 1560 3720 14400 21600 14400 5760 20700 100800 62280 81000 42000 54600 39000 33000 12600 14100 5860 8690 58600 154800 59068 27852 36953 22470 18600 7050 9400 2350 2170 2350 7380 18101 13600 2350 13600 92000 59920 59068 27852 36953 22470 18600 7050 30 10 14 100 280 99 58 78 39 32 15 20 5 4 5 15 34 24 5 24 120 80 99 58 78 39 32 15 470.17250 0.00 470.65 480.65 480.25 470.00 620.55000 120 14 12 298 400 300 180 230 140 120 58 35 23 17 25 30 70 40 20 53 497 296 300 180 230 140 120 58 145 25 43 190 8 500 82 50 20 0 20 0 0 0 0 16 120 0 15 30 240 160 500 82 50 20 0 20 200 500 850 5350 5430 13700 6600 4700 3200 2200 2800 0 62 35 70 1800 3300 300 0 1500 5700 2100 13700 6600 4700 3200 2200 2800 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 40 0 0 0 40 0 0 0 0 0 0 0 61 .40000 1.00 532.83333 0.42500 1.34000 1.38 566.58333 0.89355 0. Variables utilizadas en el modelo.00 542.00 586.00 217 50 32 209 869 277 150 210 210 190 33 117 43 26 35 39 114 65 25 87 926 416 277 150 210 210 190 33 160 20 15 300 400 310 180 240 150 120 60 50 23 18 25 36 80 45 20 60 500 300 310 180 240 150 120 60 1.85200 1. Número Leche anual ($$) Total venta de Animales ($$) Total Venta de Animales Valor Promedio Total bovinos Area (Has) Capacidad de Carga Area (Has.00 566.45000 1.89355 0.40000 1.Anexo 2.67 766.25000 1.20 473.44444 1.00 596.50 470. Pastos) Area (Has.

89 711.87500 1.56800 0.64800 1.89 550.42857 2.81818 1.00 470.67 619.12 95 10 102 224 115 92 58 47 39 50 75 103 3 346 196 91 180 319 81 42 33 257 176 45 75 250 430 90 37 94 423 40 50 120 139 21 7 50 182 90 90 150 30 3 35 40 70 13 160 125 140 220 250 125 37 65 280 150 40 70 180 50 150 32 30 504 45 45 102 113 4.12500 1.27778 1.00 470.23077 1.47143 0.23077 2.88889 1.82 520.52381 1.00 750.60 470.83929 0.60000 0.26 470.15625 3.00000 1.186 190 194 208 211 216 217 219 250 252 253 254 256 258 267 270 274 276 277 278 279 282 286 291 292 293 301 320 326 328 330 331 332 333 334 3600 15000 7800 25200 8100 21600 8100 8100 5400 2700 9360 5400 4500 36000 28800 14400 21600 28800 13500 4500 6660 28800 43200 8100 10800 21600 14400 10800 7200 14400 59760 12960 17820 31500 46080 940 4640 7050 26400 10200 13570 17080 4340 1880 2350 3760 2350 1410 27200 33200 12300 17000 42110 6110 1410 2820 27701 26901 4688 5640 18730 27536 23209 3690 5570 63252 2820 1880 15002 8570 2 10 15 50 18 18 24 8 4 5 8 5 3 51 42 20 30 68 13 3 6 52 58 9 12 38 50 35 6 10 105 6 4 20 17 470.13333 0.72 463.10 504.13 1 557.65000 0.23009 21 6 40 168 85 80 100 24 3 34 38 60 12 160 125 104 220 150 75 27 45 200 40 35 68 170 45 80 0 30 0 40 44 95 109 32 18 22 13 4 150 600 6 6 2 4 0 5 200 95 32 180 200 50 0 20 130 156 23 30 40 43 50 15 20 380 48 10 2 5 500 2460 3270 2900 945 1550 240 300 400 450 850 100 790 5100 300 10500 13740 2950 4000 0 0 2250 10500 340 350 320 1600 1100 0 0 8600 560 900 450 5650 3 0 0 0 0 30 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 20 20 0 0 0 0 0 0 0 0 0 0 0 0 62 .13514 0.17333 1.16250 1.11111 1.27600 0.72 663.02222 0.00 492.91786 1.48 615.60000 1.00 464.00 470.67 753.00 566.56667 13.67 542.02 470.38889 8.00 566.00 528.50 470.50769 0.00 470.00 0.00 470.07143 1.00 470.17647 1.00 470.04000 1.00 532.88 470.42857 1.38667 1.33 790.00 533.

83333 1.86957 0.10909 2.50 512.45333 0.22449 1.42 61 184 80 100 120 139 359 55 75 92 120 98 110 200 1.29 542. Mantenimiento) Maquinaria ($$. Siembra) Fertilizante (Has) Fertilizante (Has.22 546.26364 1.75 510.335 344 349 350 351 352 353 11160 27000 31800 21000 24000 21600 108000 4318 27552 37180 15750 20430 15190 64052 8 54 68 30 41 28 125 539.76 525.79500 50 56 90 100 95 100 180 0 82 45 10 20 8 60 60 2000 1000 200 1300 580 7800 0 0 0 0 0 0 10 Número Forrajes (Has. Combustible) Matenimiento / Instalaciones ($$) Adecuacion de tierras ($$) Bebederos y saladeros ($$) Cercas ($$) 28 31 33 35 36 70 71 72 73 74 75 91 92 93 94 97 101 102 103 104 139 140 161 0 0 0 40 0 0 0 0 0 0 0 0 0 0 0 0 20 0 0 0 0 0 0 0 0 15 40 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 120 20 13 0 4 250 40 0 0 0 0 0 0 0 0 0 30 0 0 0 100 40 250 0 0 0 40 4 0 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 15 0 0 0 0 25 5 15 70 0 250 40 50 20 0 20 0 0 0 0 16 30 0 0 30 100 120 250 0 0 0 3000 0 1200 800 500 0 200 0 0 0 0 0 0 0 0 0 0 2000 0 1200 0 0 0 200 0 2500 2000 1200 0 2000 0 0 0 0 0 0 0 0 0 0 2000 0 2500 0 0 300 1000 500 2500 1500 0 500 0 0 0 62 35 70 500 600 300 0 0 1000 900 2500 0 0 0 0 3000 4000 1000 500 1000 0 1500 0 0 0 0 0 0 0 0 0 0 0 4000 0 0 50 700 400 500 500 500 200 0 500 0 0 0 0 0 400 0 0 300 0 0 500 200 500 500 450 1530 3000 800 2000 1500 0 800 0 0 0 0 1300 2300 0 0 1200 700 1200 3000 63 . Organico) Herbicidas (Has) Insecticidas (Has) Riego (Has) Cercas (Has) Maquinaria ($$.00 498.

162 163 164 165 166 186 190 194 208 211 216 217 219 250 252 253 254 256 258 267 270 274 276 277 278 279 282 286 291 292 293 301 320 326 328 0 0 0 0 0 3 0 5 0 0 0 0 0 1 0 0 0 1 20 15 0 0 0 0 0 0 0 0 0 0 0 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 3 0 0 0 1 0 20 0 0 0 0 0 0 20 5 0 0 0 10 0 0 0 0 0 0 0 0 0 7 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 40 0 0 0 0 5 0 5 10 0 30 0 0 2 2 3 0 2 80 30 30 100 50 30 0 20 40 100 20 20 0 20 50 15 20 2 0 0 0 0 0 7 5 0 0 0 0 0 0 0 1 0 1 0 10 0 0 0 0 0 0 0 1 0 0 0 10 0 0 0 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0 0 20 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 40 50 20 0 20 21 2 7 3 4 90 600 6 0 0 0 0 0 100 0 2 80 150 20 0 0 50 30 3 10 40 0 0 0 0 800 500 0 200 0 0 80 600 100 205 0 0 0 0 0 0 0 0 500 0 5000 600 1500 0 0 0 0 1000 0 0 40 0 500 0 0 2000 1200 0 2000 0 0 200 700 0 420 0 0 0 0 0 0 0 0 400 0 1000 12000 100 0 0 0 0 1500 0 0 0 1200 300 0 0 1500 0 500 0 0 0 0 450 0 0 350 0 0 0 150 400 100 250 1200 300 2000 500 850 0 0 0 150 3000 300 50 100 0 300 0 0 1000 500 1000 0 1500 0 1500 800 0 0 0 0 0 0 300 450 0 540 0 0 500 0 500 0 0 0 0 0 0 0 0 0 0 0 0 500 500 200 0 500 0 500 160 2000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100 1000 40 50 60 400 0 0 0 800 2000 1500 0 800 500 180 560 800 320 1200 240 300 400 0 0 0 0 3000 0 2000 640 0 4000 0 0 2000 4000 0 250 120 0 0 0 0 64 .

330 331 332 333 334 335 344 349 350 351 352 353 0 0 0 0 0 0 0 0 0 4 0 10 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 350 8 0 0 5 0 25 10 0 6 4 20 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 2 0 0 0 25 10 0 0 0 30 40 10 0 0 0 56 10 0 10 4 20 3000 0 0 0 0 0 0 0 0 0 0 4000 3000 0 0 0 0 0 0 0 0 0 0 700 0 0 350 0 650 0 0 500 0 500 300 1000 0 0 0 450 5000 0 0 0 0 0 0 1200 800 200 0 0 0 60 0 0 0 100 80 400 1800 360 550 0 0 0 2000 500 200 700 200 500 65 .

70 2.56 102.00 26.10 17.00 24.740 71 66 .158.57 1.84 0.75 0.00 164.958.04 13.00 98.89 # Cabezas 19.07 2.300 3.600.00 497 71 MMABC 2.83 3.68 70. Productos Total venta de Leche anual Media Unidad de medida Error típico Mediana Desviación estándar Curtosis Coef de asimetría Mínimo Máximo Cuenta 26.00 926 71 Insumos Área Pastos 101.695 $$ Miles 2.000 71 Total venta de Animales 20.25 1.42 3.84 3.800 71 Total bovinos 154.610.84 10.Anexo 3.34 2.89 940 154.12 1.94 $$ Miles 408.86 Has 11.685.438.00 13.924. Estadísticas descriptivas de las variables.560 144.06 1.62 6.87 11.093 $$ Miles 3.820.

Anexo 4.D.691171 3.819952 7. Modelo orientado a los insumos. Error 10.311863 2.017755 0.75164 -0.0000 0.001918 0.Censored Normal (TOBIT) (Quadratic hill climbing) Sample: 1 71 Included observations: 71 Left censoring (value) series: 0 Right censoring (value) series: 100 Convergence achieved after 22 iterations QML (Huber/White) standard errors & covariance Coefficient C PASTOS VPROM CARGA RIEGO FERTI2 INSEC MMANT MINST MAQ ADECU CERCAS SCALE:C(13) R-squared Adjusted R-squared S.293875 -5.570409 9 71 Mean dependent var S. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter.017390 1.611441 2.001094 0.0000 0.0006 0.86699 7.000831 -0.0218 0. Análisis tobit.012516 0.630879 Prob.155012 0. Método: ML .E.85765 9588.004400 -0.9009 -3.073276 0.545422 2.543410 1.28419 15.003806 Error Distribution 12.79803 -0.044634 -3.52004 0.5855 0.001447 z-Statistic 7.519730 0 62 1.193558 1. Variable Dependiente: Puntaje de eficiencia de escala.420934 7.066862 15.218645 0.126998 2.455918 0.0000 84.511 -249.566678 -2.0000 0.000596 0.2606 0.763878 7.098018 0.0000 0.316679 0.559817 0.0071 0. 0. of regression Sum squared resid Log likelihood Avg.000738 0.364208 -4. Right censored obs Total obs Std.01488 0. log likelihood Left censored obs Uncensored obs 73.343349 12.002410 0.0103 0.0085 67 .120576 -3.124871 -0.0003 0.405658 7.

560591 10.000148 -0.734555 0.0001 0.106584 0.40650 -5.35232 7.812991 0 71 Mean dependent var S.801699 0.641021 0 71 1. 0.0000 0.001097 z-Statistic 12.Variable Dependiente: Puntaje de eficiencia de escala.398849 -0.0000 0.662274 1. Modelo orientado a los productos Method: ML .540208 0.E.0000 82.648239 8.474241 -1.062533 7.116752 2.0018 0.635918 0.011533 1.001960 -0.717783 2.387172 -0. of regression Sum squared resid Log likelihood Avg.461316 0.001682 0.9054 0.Censored Normal (TOBIT) (Quadratic hill climbing) Sample: 1 71 Included observations: 71 Left censoring (value) at zero Failure to improve Likelihood after 6 iterations QML (Huber/White) standard errors & covariance Coefficient C PASTOS VPROM CARGA RIEGO FERTI2 INSEC MAQ MINST MMANT ADECU CERCAS SCALE:C(13) R-squared Adjusted R-squared S.D.247748 7.001425 0.213656 3.0147 0.227886 0.501626 0.98459 15.001243 0.216562 -1.028536 -1.027585 6.939192 -3.734847 Prob.000806 Error Distribution 9.17674 6006.0134 0. dependent var Akaike info criterion Schwarz criterion Hannan-Quinn criter.085499 0. Right censored obs Total obs Std.003477 0.3041 0.830 -258. log likelihood Left censored obs Uncensored obs 81.005244 0. Error 6.440698 0.0893 0.0000 0.698969 -3.118868 -0.5125 -3.4624 68 .0013 0.000498 0.014953 0.434890 0.14111 -0.

Anexo 5. Distribución de los puntajes del modelo con rendimientos variables a escala. Orientado a los insumos Orientados a los productos 69 .

70 . Identificación de la finca Número de veces que la finca apareció en conjunto de referencia.Anexo 6. Frecuencia de apariciones de una finca en la construcción del conjunto de referencia de unidades no eficientes.

13576961 1.04874041 2.828859529 0.6291E-08 0.894682591 0. de los cuadrados 1.57018 71 71 .73916 71 Estadísticas de la regresión Variable dependiente: Valor por venta de terneros Coeficiente de correlación múltiple Coeficiente de determinación R^2 R^2 ajustado Error típico Observaciones ANÁLISIS DE VARIANZA Grados de libertad Regresión Residuos Total Coeficientes Total bovinos Area (Has.41289722 0.10170253 Probabilidad 8.03630195 0.39931581 69.43320451 47.52599544 Probabilidad 1.42887291 Estadístico t 8.027947609 3 68 71 Suma de cuadrados 3.97264843 2. Pastos) MMABC 99.73414957 4. Pastos) MMABC 85.6045E+10 7442463067 4.809120103 10461.9963493 2.9569E+10 Error típico 14.1994437 0.779882143 12060.3538839 22.7872E-11 0.3226E+10 145457353 0.49441606 Estadístico t 5.3487E+10 Error típico 12. Regresión entre insumos y productos. Estadísticas de la regresión Variable dependiente: Valor venta de leche Coeficiente de correlación múltiple Coeficiente de determinación R^2 R^2 ajustado Error típico Observaciones ANÁLISIS DE VARIANZA Grados de libertad Regresión Residuos Total Coeficientes Total bovinos Area (Has.9678E+10 9891100014 4.800456939 0.2418848 25.0079665 0.654458109 3 68 71 Suma de cuadrados 3.13164903 P.910417228 0.00011189 Promedio de los cuadrados 1.2015E+10 109447986 0.Anexo 7.5921071 0.

1997 Abril. 2000 Mayo. 2001 los noventas Comercio de Colombia con el Caribe insular. Juan David Barón R. Joaquín Vilorda de la Hoz Título Café Caribe: la economía cafetera en la Sierra Nevada de Santa Marta Los cultivos de camarones en la costa Caribe colombiana Las exportaciones de algodón del Caribe colombiano La economía del carbón en el Caribe colombiano El ganado costeño en la feria de Medellín. Aguilera Díaz Luis Armando Galvis A. Cartagena y Santa Marta (1990-2000) Noviembre. 2001 Octubre. 2002 Febrero. 1986-2000 Cereté: Municipio agrícola del Sinú Mayo. 1926 . Aguilera Diaz Jaime Bonet Morón Joaquín Viloria de la Hoz Jaime Bonet Morón María M. María M. 1999 Diciembre.1995 Febrero. 1987-1998 Marzo. 2002 72 . 2002 Enero. 1999 Enero. Jaime Bonet Morón Jaime Bonet Morón Joaquín Viloria de la Hoz María M. 1974-1996 La agricultura del Caribe Colombiano. 1999 El crecimiento regional en Colombia.ÍNDICE "DOCUMENTOS DE TRABAJO SOBRE ECONOMIA REGIONAL" No. 2000 Perfil socioeconómico de Barranquilla. 1998 Octubre. 1998 Enero. Aguilera Díaz Jorge Luis Alvis Arrieta Luis Armando Galvis A. Joaquín Viloria de la Hoz María M. 1999 Determinantes de la demanda por turismo hacia Cartagena. María M. 1990-1998 La demanda de carnes en Colombia: un análisis econométrico Las exportaciones colombianas de banano. 1999 La convergencia regional en Colombia: una visión de largo plazo. 1950 – 1998 La matriz insumo-producto del Caribe colombiano Agosto. 2001 Descentralización en el Caribe colombiano: Las finanzas departamentales en Abril. 2001 Enero. 1998 Mayo. La topografía económica de Colombia Las regiones económicas de Colombia: Un análisis de clusters Magangué: Puerto fluvial bolivarense Los ciclos económicos regionales en Colombia. 2000 Abril. Aguilera Díaz Jaime Bonet Morón Luis Armando Galvis A. 2000 De Colpuertos a las sociedades portuarias: los puertos del Caribe colombiano Octubre. 2002 Enero. Jaime Bonet Morón Luis Armando Galvis A. Noviembre. 2000 1973-1998 ¿Qué determina la productividad agrícola departamental en Colombia? Marzo. Aguilera Díaz Igor Esteban Zuccardi H. 1998 Octubre. 1980-1996: Una aproximación con el Junio. 1990-1999. Adolfo Meisel Roca Luis Armando Galvis A. 1998 Mayo. 1950 – 1997 Radiografía socio-económica del Caribe Colombiano ¿Por qué perdió la Costa Caribe el siglo XX? Fecha Noviembre. 1999 método Shift-Share El empleo industrial urbano en Colombia. 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 Autor Joaquín Viloria de la Hoz María M. 2000 El crecimiento económico de las ciudades colombianas y sus determinantes. Aguilera Diaz Joaquín Viloria de la Hoz Adolfo Meisel Roca Jaime Bonet Morón Adolfo Meisel Roca Luis Armando Galvis A.

2003 turismo. raizales y Agosto. Joaquín Viloria de la Hoz Luis Armando Galvis A. 2004 res clave Consideraciones para una política económica regional en Colombia Noviembre.Mayo.Noviembre. Gerson Javier Pérez V. María M. Joaquín Viloria de la Hoz Jorge García García María M. Peter Rowland María M. Aguilera Díaz Joaquín Viloria de la Hoz Jorge García García Adolfo Meisel R.2003 ¿Qué sucedió con las disparidades económicas regionales en Colombia entre Septiembre. 2004 Enero. 2004 2002 Los ciclos ganaderos en Colombia. 2003 Enero. Aguilera Díaz Juan David Barón R. María M. Igor Esteban Zuccardi H. 2003 1980 y el 2000? La tasa de cambio real regional y departamental en Colombia. Aguilera Díaz Juan David Barón R. 2002 poder adquisitivo Efectos regionales de la política monetaria Educación primaria en Cartagena: análisis de cobertura. Integración regional de los mercados laborales en Colombia. 1953 . 2004 políticas gubernamentales La estatura de los colombianos: un ensayo de antropometría histórica. 2002 Atlántico Salinas de Manaure: La tradición wayuú y la modernización Mayo. 1988-1993 Palma africana en la Costa Caribe: Un semillero de empresas solidarias Febrero. 2004 Marzo. Gamarra V. Gerson Javier Pérez V. 2004 Noviembre. 2002 Julio. 2004 Octubre. 2004 Agosto. Adolfo Meisel Roca Adolfo Meisel Roca Juan David Barón R. 2002 Junio. Margarita Vega A. 2004 53 Eficiencia Técnica Relativa de la ganadería doble propósito en la Costa Caribe Diciembre. 2002 Octubre. Gerson Javier Pérez V. 1950-2001 Políticas económicas regionales: cuatro estudios de caso La Mojana: Riqueza natural y potencial económico Descentralización fiscal y disparidades en el ingreso regional: experiencia colombiana La economía de Ciénaga después del banano Junio. 2004 El cultivo de algodón en Colombia entre 1953 y 1978: una evaluación de las Abril. 2002 Junio. Colombia: Panyas. 2003 en la década de 1990 La continentalización de la Isla de San Andrés. 2002 Perfil socioeconómico de Tubará: Población dormitorio y destino turístico del Octubre.27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 Luis Armando Galvis A. 2004 73 . 1980-2002 Ganadería bovina en las Llanuras del Caribe colombiano ¿Por qué la descentralización fiscal? Mecanismos para hacerla efectiva Aguachica: Centro Agroindustrial del Cesar La economía ganadera en el departamento de Córdoba Septiembre. 1910. Joaquín Viloria de la Hoz Juan David Barón R. 2004 Noviembre. Aguilera Díaz Jaime Bonet Adolfo Meisel Roca Joaquín Viloria de la Hoz Juan David Barón Gerson Javier Pérez V. 2004 La economía del departamento de Córdoba: ganadería y minería como secto. 2003 La descentralización y las disparidades económicas regionales en Colombia Julio. 1984-2000 Riqueza y despilfarro: La paradoja de las regalías en Barrancas y Tolú Determinantes de la migración interdepartamental en Colombia. costos y eficiencia Julio. 2002 La inflación en las ciudades de Colombia: Una evaluación de la paridad del Julio. 2003 Octubre. Peter Rowland Jose R.