Área de estudio

El distrito de Cabana, situado en la parte oeste de la provincia de San Román en la zona central de la región Puno y en la parte sur del territorio peruano, fue seleccionada como área de estudio. Localizado en las coordenadas 15°17’54” S 70°21’18” O, ocupa una superficie de 191.23 Km² y representa el 8.40% de la extensión territorial de la provincia y se encuentra a 3901 msnm y cuenta con una población de 4843 habitantes (INEI, 2018).

De acuerdo con la Agencia Agraria San Román - Juliaca, los productores de quinua constituyen aproximadamente 1590 productores. Para el cálculo del tamaño de muestra, se ha tomado en cuenta a los productores organizados en cooperativas (663), productores organizados en asociaciones (334) y productores sin asociación (593) que para fines de la investigación constituye la población. El tamaño de la muestra resultó en 268 productores, misma que se determinó con base en la técnica de muestreo aleatorio simple.

Análisis de la red de innovaciones

Se ha caracterizado a los productores de quinua de Cabana en términos de: difusión de innovaciones, selección de actores clave, intercambio de información y conocimiento e intervenciones basadas en red, para estos propósitos se ha utilizado el enfoque del análisis de redes sociales (ARS). Para generar indicadores en el ARS se ha recurrido al software UCINET y NetDraw (^{Monge-Pérez y Hartwich, 2008}). Para el cálculo de los indicadores utilizados en el ARS y la correspondiente interpretación de éstos, se ha utilizado el manual de ^{Aguilar-Gallegos et al. (2017}).

Estimación del índice de adopción de innovaciones

Con la finalidad de hacer comparables las diferentes tipologías de innovaciones se ha recurrido al uso de escalas ordinales de medición entre 0 a 1, los cuales han sido codificadas en función del grado de adopción de las innovaciones: Nunca [0], a veces [0.25], casi siempre [0.50] y siempre [1]. En total se han identificado 27 tipos de innovaciones, los cuales han sido clasificados en tres componentes, en el primer componente productivo se tienen 13 innovaciones, en el segundo componente comercial se tienen 8 innovaciones y en el tercer componente de administración se ha consignado 6 tipologías de innovaciones. Con base en lo anterior, se ha diseñado un índice de adopción de innovaciones (IAI) teniendo en cuenta la estrategia metodológica desarrollado por ^{Tudela-Mamani (2016}), misma que considera tres partes fundamentales: i) definición de ejes de análisis y variables, ii) análisis descriptivo, gráfico y de correlaciones y iii) elaboración del índice mediante componentes principales.

Estimación de los retornos del nivel de adopción de innovaciones sobre el ingreso

Con la finalidad de estimar los retornos del nivel de adopción de innovaciones sobre el ingreso de los productores de quinua de Cabana, se ha adaptado el enfoque teórico de la economía de la educación aportado por ^{Mincer (1974}), quien propone la medición empírica de la tasa de retorno de la educación, mediante la ecuación Minceriana, el cual relaciona los años de educación formal con el ingreso percibido en el mercado de trabajo. En este contexto el modelo planteado es el siguiente:

Como variable dependiente se ha tomado el logaritmo del ingreso total del productor ln(ingresos), las variables explicativas consideradas son: nivel_educ (años escolaridad del productor) y NAI (nivel de adopción de innovaciones). Teóricamente se espera un mayor ingreso como consecuencia del aumento en los años de escolaridad y niveles de adopción de innovaciones. Sin embargo, el cumplimiento de esta hipótesis no es fácil de probarla mediante la estimación de un modelo de regresión lineal simple, debido a que las variables nivel_educ y NAI teóricamente son endógenas. En consecuencia, se ha optado por usar como variables instrumentales la asistencia técnica recibida y la superficie sembrada en hectáreas, y utilizar la metodología de mínimos cuadrados en dos etapas (MC2E), para probar la endogeneidad se ha recurrido al contraste de Hausman, explicitado en ^{Rosales-Álvarez et al. (2013}). En la Tabla 1 se ilustra las variables empleadas en el modelo y su descripción.

Redes de innovaciones agrícolas

En la Figura 1 se ilustra la red de cooperativas o asociaciones mencionadas por los productores; en efecto, los nodos azules representan a los productores encuestados y los nodos rojos representan a los grupos referenciados, por tanto, se observa que el grupo con mayor grado de centralidad es Coopain, es decir, es la cooperativa que fue mencionada más veces por los productores. Por otro lado, también se aprecia que existe gran cantidad de productores que están aislados, a los cuales se observa en el lado izquierdo, estos productores trabajan de manera independiente sin ningún vínculo con el resto de los grupos.

Figura 1 Redes de principales cooperativas y/o asociaciones 

En la Figura 2 se ilustra el análisis de clientes de los encuestados (nodos azules), ocho de los productores no mencionaron a sus clientes (nodos rojos alineados a la izquierda), los demás se encuentran altamente distribuidos, en efecto, los clientes que más fueron mencionados son cinco, los cuales se encuentran resaltados en nodos de colores y son “Coopain”, “Copaiseg”, “Paulina Charca” y “los mercados de Cabana y Juliaca”. También se logra apreciar que existen productores que tienen clientes que no comparten con nadie. Lo anterior pone en evidencia que la comercialización de quinua en el distrito de Cabana no es muy dispersa debido a que existen grupos de acopiadores importantes, por lo tanto, los productores no pueden cambiar con facilidad de cliente al no existir un nivel de competencia considerable en la demanda.

Figura 2 Redes de clientes mencionados por los productores 

En la Figura 3 se ilustra la red de proveedores de insumos (un aproximado de 20 proveedores mencionados), se observa que los de mayor importancia son “Coopain” e “INIA” ya que resultan con mayor centralidad. Sin embargo, más de la mitad de los productores indica que los insumos que usan como semillas y abono son propios, por tanto, no necesitan comprarlos, al igual que para el caso de los clientes no se observa un grado de concentración importante donde los productores puedan fácilmente cambiar de proveedores.

Figura 3 Redes de proveedores de insumos mencionados por los productores 

En cuanto a los proveedores de maquinarias, en la Figura 4 se observa que existen tres grupos de proveedores bien definidos: “Coopain”, “Municipalidad de Cabana” y “proveedores particulares”, se observa un alto grado de concentración y centralidad hacia estos proveedores, debido a que los productores encuestados señalan que el municipio y cooperativa son los dos principales proveedores de maquinarias y cuando no hay disponibilidad contratan de forma particular (diferentes personas y no un proveedor en específico), es decir, existe un nivel de competencia que permite a los productores cambiar de proveedor con mayor facilidad.

Figura 4 Redes de proveedores de maquinarias mencionados por los productores 

Índice de adopción de innovaciones

En la Tabla 3 se presenta los valores promedios del índice de adopción de innovaciones para la totalidad de variables consideradas como innovaciones adoptadas por los productores de quinua de Cabana (27 innovaciones divididas en tres componentes: productivo, comercialización y administración). Se evidencia que los productores que pertenecen a Capac Colla, Vizallani y Coopain presentan valores más altos de 0.6327, 0.5926 y 0.5491, respectivamente, en un segundo grupo se destaca a productores que pertenecen a Biorganico y Copaiseg quienes tienen un índice de 0.4182 y 0.3998, respectivamente, un tercer grupo de productores categorizados como individuales tienen el más bajo índice (0.2732).

La principal fortaleza de la mayoría de los productores radica en la adopción de innovaciones de carácter productivo, principalmente en el uso de maquinaria, abono, estiércol y control de malas hierbas. Sin embargo, los productores individuales son los que tienen bajos niveles de innovación, evidentemente este grupo de productores necesitan una atención especial por parte de las entidades públicas que tienen que ver con el fomento de la agricultura en la región.

Para evaluar las innovaciones a nivel de componentes se utiliza el gráfico radial representado en la Figura 5, en ésta se puede observar que la mayoría de los productores destacan en innovaciones de carácter productivo, constituyéndose en su principal fortaleza, sin embargo, se observa que solamente los productores asociados a Copaiseg, Vizallani y Coopain, claramente destacan en innovaciones de carácter comercial (valor del índice por encima del promedio general). Asimismo, resulta importante mencionar que la principal debilidad de la mayoría de los productores de quinua está relacionada con la escasa innovación en el componente de administración. No esta demás enfatizar que los valores promedio del índice por debajo del promedio general indican que esas innovaciones requieren de medidas correctivas urgentes, en consecuencia, los mayores puntos de atención están relacionados con las innovaciones en el componente de administración para la totalidad de productores. Por otro lado, los productores asociados a Biorganico, Capac Colla y productores individuales deben mejorar sus innovaciones de tipo comercial.

Figura 5 Índice de adopción de innovaciones a nivel de componentes 

Retorno del nivel de adopción de innovaciones sobre el ingreso

La estimación del modelo econométrico de retornos del nivel de adopción de innovaciones sobre el ingreso se ha realizado mediante un proceso de análisis riguroso de varias formas funcionales. En efecto, en la Tabla 4 se reporta los resultados de las estimaciones econométricas por MC2E, donde se aprecia que los signos de los coeficientes estimados son los correctos y sus magnitudes razonables, existe un ajuste regular en términos del coeficiente de determinación (R²), es decir, el 22% de la variación en los ingresos del productor está siendo explicada por el nivel educativo y el nivel de adopción de innovaciones (en este tipo de modelos no interesa maximizar el coeficiente de determinación, lo que interesa es encontrar las relaciones de causalidad).

Con respecto a la prueba de dependencia del modelo estimado, el estadístico F resultó en 37.85 con una probabilidad de 0.0000, concluyéndose que existe dependencia conjunta en el modelo; en efecto, el nivel educativo y nivel de adopción de innovaciones explican estadísticamente en su conjunto el ingreso del productor al 1% de significancia. Con respecto a la prueba de relevancia estadística, se puede apreciar que todas las variables explicativas del modelo son estadísticamente relevantes en forma individual al 1% de significancia, es decir, cada una de las variables explicativas en forma individual aporta información importante al modelo de regresión.

Con la finalidad de verificar el cumplimiento de los principales supuestos del modelo de regresión, se ha realizado las pruebas de multicolinealidad, heterocedasticidad, endogeneidad y normalidad de los residuos. Con respecto a la multicolinealidad, en primer lugar se ha calculado el determinante de la matriz de correlaciones cuyo valor resultó en 0.9952 (usencia de multicolinealidad), complementariamente se ha estimado la medida de colinealidad de Belsley, Kuck y Welsch cuyo resultado fue 1.072 considerándose ausencia de colinealidad en el modelo.

Con respecto al problema de heterocedasticidad, se han realizado las pruebas de Breusch-Pagan-Godfrey y la prueba de White, en ambos casos no se puede rechazar la hipótesis nula de homocedasticidad (p-valor mayor que 0.01), es decir, el modelo original no presenta heterocedasticidad, sin embargo, para garantizar eficiencia en la estimación de los parámetros, se ha procedido a estimar el modelo econométrico por el método de White (errores estándar consistentes).

Para la evaluación de la endogeneidad en el modelo econométrico se ha aplicado el contraste de Hausman tomando como instrumento para el nivel educativo la asistencia técnica recibida y para el nivel de adopción de innovaciones la superficie sembrada, es evidente que existe correlación entre cada variable y su instrumento (la asistencia técnica está correlacionada con el nivel educativo y la superficie sembrada influye sobre el nivel de adopción de innovaciones). En ambos casos se ha verificado la presencia de endogeneidad de las variables nivel educativo y nivel de adopción de innovaciones según el contraste de Hausman, motivo por el cual se ha procedido con ajustar el modelo utilizando variables instrumentales mediante el método de MC2E, misma que se reporta en el Tabla 4.

Para probar la normalidad de los residuos, en la Figura 6 se ilustra el histograma de los residuos (se observa una alta concentración de observaciones cercana a cero y frecuencias comparativamente bajas hacia los extremos) y el contraste de Jarque-Bera que acepta formalmente la normalidad de los residuos (p-valor mayor que 0.01).

Figura 6 Histograma de residuos del modelo de regresión 

Habiendo validado el modelo econométrico, se procede con la interpretación correspondiente; en efecto, la variable nivel educativo presenta una relación positiva con el ingreso del productor, evidenciando que cada año adicional de escolaridad genera un 7.8% de retorno sobre el ingreso. Por su parte, el nivel de adopción de innovaciones también presenta una relación positiva con la generación de ingresos económicos, reflejando que por cada nivel de innovación adoptada se tiene un retorno del 49.09% sobre el ingreso del productor. Al comparar ambas variables explicativas, se concluye que, en los productores de quinua de Cabana, la adopción de innovaciones es la que tiene mayor impacto en la generación de ingresos económicos.

En la Tabla 5 se ilustra el nivel de adopción de innovaciones y su relacionamiento con la generación de ingresos económicos, claramente se puede observar correspondencia entre la adopción de innovaciones y el ingreso, es decir, al considerarse una red un conjunto de interrelaciones, los productores de quinua que adoptan más innovaciones y además toman decisiones con base en su red tienen mejores resultados económicos, frente a aquellos productores con poca innovación que toman decisiones de manera individual.