La transmision de shocks naturales en el sector agricola costarricense y sus interrelaciones de mercado.
| Autor | Hall, Luis J. |
| Cargo | Report |
| Páginas | 85(16) |
CONTENIDO Resumen Summary Introducción Metodología Empírica 1. Datos Evidencia Empírica Fluctuaciones en el Rendimiento del Arroz Fluctuaciones en el Rendimiento del Frijol Fluctuaciones en el Rendimiento del Maíz Conclusión Bibliografía 1. INTRODUCCION
El propósito de este estudio es valorar en que medida los factores naturales y la interrelación de los mercados agrícolas explican las fluctuaciones observadas en la productividad de los productos del sector agrícola costarricense de granos básicos. Se han empleado dos factores. El primero responde a los shocks de origen natural que afectan el sector agropecuario nacional, específicamente se busca valorar el grado de incidencia que las fluctuaciones en la cantidad de lluvia ejercen sobre los rendimientos de producción del arroz, frijol y maíz. Adicionalmente, con el fin de evaluar la incidencia y dinámica del efecto del Niño y la Niña en Costa Rica, se ha incluido la temperatura de la superficie del mar (SST) para determinar en qué medida las fluctuaciones en esta variable explican los movimientos en el rendimiento de estos sectores (2). El segundo tipo de factor que explica las variaciones en los rendimientos y en la producción son los factores de mercado, por lo que hemos incorporado las fluctuaciones de otras regiones que producen el mismo bien para determinar en qué medida, dichas fluctuaciones afectan el rendimiento y nivel de producción de cada uno de los productos agrícolas bajo estudio.
El estudio permite concluir lo siguiente. En primer lugar las fluctuaciones en el rendimiento y en la producción de cada producto están principalmente explicadas por los shocks históricos en el propio producto.
En segundo lugar, las formas de organización de la producción y de la estructura del mercado del arroz son muy distintas a los observados en el frijol y el maíz. El grado de vinculación de las regiones es variable, dependiendo del producto que se analice. Los resultados obtenidos muestran que las fluctuaciones en el rendimiento del sector arrocero no están vinculadas entre las distintas regiones. Una mayor vinculación se observa, sin embargo, en las fluctuaciones de la producción, lo cual sugiere un alto grado de vinculación técnica entre las regiones de Liberia y Nicoya y un importante mecanismo de compartimiento de riesgo entre estas dos regiones para acomodar los shocks. La región de Osa se muestra desvinculada totalmente de estos dos sectores.
Para el caso del frijol, la vinculación entre los sectores se obtiene tanto en rendimiento como en producción lo cual contrasta, significativamente, con el caso de los arroceros y revela la gran diferencia en la estructura de producción y de mercado de cada sector productor. Con el fin de ilustrar este punto, las fluctuaciones en la producción y en el rendimiento de la región de Upala explican en un alto porcentaje la variación en el rendimiento y el nivel de producción de Pérez Zeledón y viceversa. Pocosol, por su parte, muestra una asimetría en tanto sus fluctuaciones son explicadas por estas dos regiones pero no a la inversa.
En tercer lugar, los trastornos climáticos medidos en este caso por variaciones imprevistas en la lluvia tienen un impacto en el rendimiento de la producción de granos básicos en el país. El documento muestra como las fluctuaciones en el rendimiento y la producción de los granos básicos esta explicado por los movimientos en la cantidad de lluvia registrada. Los shocks en la cantidad de lluvia tienden a tener un impacto después del tercer mes y su incidencia puede durar varios meses.
En cuarto lugar, el efecto del Niño y Niña en Costa Rica explica considerablemente las fluctuaciones en los rendimientos de la producción de los granos básicos. Esto se deriva de nuestro estudio sobre las variaciones en el SST. El estudio muestra que las variaciones en el SST explican en más de un 25% las variaciones en el rendimiento y en la producción de los granos básicos en el país. Esto shocks inciden a partir del sexto mes y tienen persistencia prolongada de hasta doce meses.
Finalmente, y como un subproducto de la investigación, se muestra que la fluctuaciones en las cantidades de lluvia están estadísticamente asociadas a las variaciones en el SST. Este es un tema que debe ser estudiado en el futuro en mas detalle. Esto complementa otros hallazgos que han establecido la incidencia del efecto del Niño y la Niña en Costa Rica a partir de las fluctuaciones en la cantidad de lluvia y otras variables.
El resto del documento se organiza de la siguiente manera. En la segunda sección se detalla la metodología empírica empleada, y en el tercero el tipo de información, su periodicidad y las características propias de recolección que pueden incidir sobre los resultados. En la cuarta sección se presentan los resultados de los modelos empleados y se discuten las principales lecciones del trabajo. La última sección recoge las conclusiones del artículo.
-
METODOLOGÍA EMPÍRICA
La metodología empírica que se utiliza para explorar la transmisión de shocks en el sector agrícola en este estudio es pragmática en su análisis de la varianza. La metodología VAR utilizada se ha escogido para dar a conocer los hechos "estilizados" fundamentales de los shocks en el sector de granos básicos. En particular, en este estudio se siguen los métodos propuestos por Koop, Pesaran y Potter (1996) y Pesaran y Shin (1997) quienes proponen el análisis VAR generalizado. Su análisis apunta al examen de los shocks "históricamente correctos" en contraposición a los shocks ortogonales usualmente utilizados en los estudios estándares. Este tipo de shock histórico resulta de suma importancia en la medida que caracteriza completamente las correlaciones históricas de la información al no imponer restricciones de identificación en la matriz de correlaciones contemporáneas. Es importante mantener presente que al no imponer este tipo de restricciones de ortogonalidad, los shocks históricos permiten evaluar apropiadamente la correlación contemporánea de la información.
Para fijar ideas con respecto a la metodología empírica empleada del VAR generalizado, considérese la representación de un promedio móvil en un modelo VAR (3):
[y.sub.t] = C[(L).sup.-1] x [[my].sub.t] (1)
donde [y.sub.t] es un vector (columna) que contiene las k variables del modelo, C(L) es una matriz polinomial cuadrada de rezagos, y [[my].sub.t] es un vector (columna) de innovaciones VAR que se supone se distribuye normalmente multivariado con media cero y matriz de covarianzas [OMEGA]. (4) Observe que puesto que los coeficientes en C(L) son fijos, [y.sub.t] es una variable aleatoria que se distribuye normalmente con media cero y matriz de covarianza C[(L).sup.-1] x [OMEGA] x C[(L).sup.-1'.]
En vez de evaluar los shocks ortogonales, el análisis de respuesta impulso (GIR) VAR generalizado evalúa la probabilidad condicional de [y.sub.t] para un shock [[my].sub.t] dado. Estas esperanzas condicionales resumen completamente la información en la estructura de covarianza y, por lo tanto, no requiere de suposiciones adicionales y arbitrarias como las que impone los supuestos de orden en los VARs tradicionales. De esta forma, se puede definir la función impulso generalizada, GIR, para un shock al i-ésimo elemento de [[my].sub.t] en el periodo 0, es decir, [m.sub.i,0] :
GIR([Y.sub.t], [m.sub.i,0] = v) = E[[Y.sub.t] | [m.sub.i,0] = v, [OMEGA]] = C[(L).sup.-1] x E[[[my].sub.t] | [m.sub.i,0] = v,[OMEGA]], (2)
Donde, por lo tanto, se condiciona la esperanza en el shock del período 0 y en la estructura de covarianza observada en los datos. Usando las propiedades de la distribución normal multivariada y fijando el tamaño del shock en su propio valor histórico [[sigma].sub.i,i] 1/2, obtenemos (5);
GIR ([Y.sub.t], [m.sub.i,0] = [[sigma].sub.i,i] 1/2) = C[(L).sup.-1] x [[OMEGA].sub.i] x [[sigma].sub.i,i] 1/2 (3)
donde [[OMEGA].sub.i] es la ith columna de [OMEGA] y [[sigma].sub.i,i] es la varianza de la innovación de la ith variable en [y.sub.t].
La Ecuación (3) especifica entonces el GIR utilizado en este estudio. En general, este GIR diferirá de las funciones-impulso estándar en el tanto no están definidas conceptualmente de la misma forma y no se emplean los supuestos de ortogonalidad. Obsérvese que la forma en que se deriva estas funciones impulso, GIR, difieren significativamente de las funciones impulso estándar en la medida en que no hay necesidad de una ordenación en el empleo de las variables a ser estimadas en el modelo. (6) Nótese adicionalmente que, a pesar de que estas funciones impulso generalizadas, GIR diferirán en general de las estándar, en los siguientes casos ambas funciones serán numéricamente equivalentes: (i) cuando las innovaciones VAR sean ortogonales entre sí, en cuyo caso, las funciones respuesta impulso estándar son invariantes respecto a su orden; y (ii) cuando la ith variable se presenta primero en la descomposición de Choleski. (7) Aunque el primer caso es poco probable de darse, el segundo caso es particularmente importante para comprender la relación entre ambas funciones impulso.
Con base en el punto anterior sobre las implicaciones de identificación derivadas del lugar de la i-th variable en la descomposición de Choleski, podemos afirmar, que los shocks históricos derivados de las fluctuaciones estocásticas del SST pueden ser interpretados tanto por la definición estándar como por el modelo generalizado. Keating (1996) muestra que sí el sistema es definido en bloques recursivo entonces por medio de la descomposición de Choleski podemos recuperar las innovaciones estructurales. (8) En esta investigación se asumen dos niveles de bloques recursivos. Primero, el SST no es afectado por ninguna de las otras variables del modelo. Segundo, la cantidad de lluvia únicamente es afectada por el SST y no por las variables de rendimiento agrícola. Esto significa que el efecto de un shock del SST y la cantidad de lluvia están identificados en el sentido de Keating (1996) cuando...
Para continuar leyendo
Solicita tu prueba