EFICIENCIA PRODUCTIVA Y CAMBIO TECNOLOGICO MODELOS DE FRONTERAS ESTOCASTICAS Daniel Lema UCEMA

1
EFICIENCIA PRODUCTIVA Y CAMBIO
TECNOLOGICOMODELOS DE FRONTERAS
ESTOCASTICASDaniel LemaUCEMA
2
OUTLINE

• Análisis de eficiencia
• Definición
• Diferentes modelos single-output multi-output
• Diferentes metodologías de estimación
• Midiendo productividad
• Eficiencia estimaciones para Argentina y
  comparaciones
• Productividad y Cambio Tecnológico estimaciones
  para Argentina y comparaciones
• Potencial en agricultura y ganadería
• Comentarios finales

3
ANALISIS DE EFICIENCIA
4
Definiciones

• Productividad Parcial es el cociente entre el
  producto y un insumo determinado (e.g., capital,
  tierra, trabajo).
• Productividad Parcial Producto/Insumo
• Output/ Input
• Productividad Total del Factor (PTF) es el
  cociente entre un índice de productos y un índice
  de insumos.
• PTF Indice productos/Indice Insumos

5
Conceptos de Medición de la Eficiencia

• Farrell (1957) propuso que la eficiencia de una
  firma se puede desagregar en dos componentes
• eficiencia técnica, la que refleja la habilidad
  de una firma para obtener el máximo nivel de
  producto, dado un nivel de insumos.
• eficiencia asignativa, la que refleja la
  habilidad de una firma para usar los insumos en
  proporciones óptimas, dado un nivel de precios y
  un nivel de tecnología en la producción.
• Estas dos eficiencias combinadas entregan una
  medida de la eficiencia económica total.

6
Medidas Input-Orientadas Eficiencia Técnica (ET)
y Asignativa (EA)

• Farrell presentó sus ideas usando
• Dos insumos (x1 y x2)
• Un producto (y)
• SS Isocuanta Unitaria
• Eficiencia Técnica (ET)
• ETi OQ/OP
• Eficiencia Asignativa (EA)
• EAi OR/OQ
• Eficiencia Económica (EE)
• EEi OR/OP
• EEi ETi x EAi

7
Medidas Output-Orientadas Frontera de
Posibilidades de Producción

• Dos productos (y1 y y2)
• Un Insumo (x1)
• Eficiencia Técnica
• ETo OA/OB
• - Eficiencia Asignativa
• EAo OB/OC
• - Eficiencia Económica
• EEo ETo x EAo OA/OC

8
Medidas Output-Orientadas Ejemplo con un insumo
x, y un producto y

• Las medidas de ET input-orientada se calculan
  como AB/AP.
• Las medidas de ET output-orientada, se calculan
  comoCP/CD.

9
EFICIENCIA TECNICA

• Habilidad de producir la máxima cantidad de
  producto con una dotación de recursos y un nivel
  tecnológico

?Información ?Capacidad de Gestión
10
MODELOS DE ESTIMACION
EFICIENCIA TECNICA
?Paramétricos ?No paramétricos
?Determinísticos ?Estocásticos
11
METODO PARAMETRICO

• Supone una forma funcional para la función de
  producción

METODO NO PARAMETRICO

• No supone una forma funcional para la función de
  producción

12
METODO DETERMINISTICO

• Supone que toda la distancia entre la frontera de
  producción y el valor de producción observado
  para un predio corresponde a ineficiencia técnica.

13
METODO ESTOCASTICO

• Error compuesto
• Y f(x) (vi - ui)

v componente aleatorio u ineficiencia técnica
14
ESTOCASTICO versus DETERMINISTICO
Frontera de Producción
Ineficiencia Estocástica
Y
Ineficiencia determinística

Error Aleatorio
Nivel de Producción Observado
X
15
EFICIENCIA TECNICA MEDICION

• Los modelos econométricos para la estimación de
  la eficiencia, también pueden dividirse entre
  enfoques primales y duales, dependiendo de los
  supuestos de comportamiento que se hayan tenido
  en cuenta.
• La estimación de funciones de producción también
  se puede categorizar de acuerdo al tipo de datos
  en corte transversal (cross-section) o datos de
  panel (panel data).

16
EFICIENCIA TECNICA MEDICION

• Los modelos de eficiencia técnica
  no-paramétricos, también se pueden generalizar
  como modelos DEA (data envelopment analysis), que
  se fundamentan en técnicas de programación
  matemática. La ventaja principal del DEA es que
  no requieren una forma funcional específica. El
  mayor inconveniente es que es determinístico, y
  se puede ver afectado por observaciones extremas
  (outliers).
• La literatura empírica se ha focalizado
  principalmente en la medición de la ET y se le ha
  dado relativamente poca atención a la EE y EA.

17
Modelos Paramétricos y el Efecto Aleatorio
18
METODOS PARAMETRICOS PARA COMPARAR MEDICIONES EN
LA EFICIENCIA
Supongamos que la función de producción es
Donde yi es el producto, xik son los insumos, ei
es el residuo para la firma i. Este residuo ei
captura cualquier ineficiencia.
El residuo también puede capturar otros efectos
aleatorios (e.g. variables omitidas, errores de
medición, etc.).
Existen dos caminos uno ignora el efecto
aleatorio y el otro no.
19
IGNORANDO EL EFECTO ALEATORIO EN EL RESIDUO
Consideremos que el residuo ei SOLO captura
ineficiencia, e ignora otros efectos. El modelo
es
ui gt 0.
donde
Supongamos que usamos OLS (MCO) para estimar el
modelo (ui tiene media cero)
En este caso los errores estándar para estos
estimados son apropiados, pero el intercepto es
sesgado hacia abajo, por lo que se necesita
corregir el modelo OLS, conocido como corrected
ordinary least squares (COLS)
20
Un intercepto corregido se puede obtener moviendo
la constante hacia arriba en una cantidad igual
al El residual positivo mayor Umax Cuando esta
corrección se realiza, todos los residuales son
no negativos y al menos uno es cero, lo cual
implica que la eficiencia no excederá el
100. Luego de la corrección la ecuación
anterior se transforma
21
Frontera Estocástica de Producción

• La frontera estocástica de producción fue
  propuesta independientemente por Aigner, Lovell y
  Schmidt (1977) y Meeusen y van den Broeck (1977).
  
• La especificación original involucraba una
  función de producción para datos de corte
  transversal (cross-sectional data) con un término
  de error con dos componentes
• Uno para medir el efecto aleatorio (vi) y
• Otro para medir la ineficiencia técnica (ui).

22

• Este modelo se puede expresar de la siguiente
  manera
• Yi xi? (vi - ui)
• donde
• Yi es la producción (o el logaritmo de la
  producción) de la firma i
• xi es un vector k?1 de cantidades de input de la
  firma i
• ? es un vector de los parámetros a estimar
• vi son variables aleatorias independientes de
  los ui que son variables aleatorias no-negativas,
  y que miden la ineficiencia técnica en la
  producción.

23

• Esta especificación original ha sido usada en un
  amplio número de aplicaciones empíricas en las
  dos últimas décadas.
• Esta especificación también ha sido modificada y
  extendida de diferentes formas. Estas extensiones
  incluyen
• La especificación de funciones de distribución
  más generales respecto de ui, tales como las
  distribuciones normal truncada or two-parameter
  gamma
• El análisis de datos de panel y eficiencias
  técnicas time-varying
• La extensión de esta metodología hacia las
  funciones de costos y también a la estimación de
  sistemas de ecuaciones etc.

24
Frontera Estocástica de Producción
Frontera de Producción
Frontier Output f(xißvi), if vigt0
Error Aleatorio
y f(xißvi)
Y
Frontier Output f(xißvi), if vilt0

Ineficiencia Estocástica
Nivel de Producción Observado
x
xj
xi
25
Frontera Estocástica de Costos

• Si se quiere especificar una frontera estocástica
  de costos, simplemente se tiene que modificar la
  especificación del término de error desde (vi -
  ui) a
• (vi ui).
• Esta sustitución transforma la función de
  producción definida anteriormente en una función
  de costos
• Ci xi? (vi ui)

26

• Ci xi? (vi ui) ,i1,...,N
• donde
• Ci es el logaritmo del costo de producción de la
  firma i
• xi es un vector k?1 de (transformaciones de)
  precios de input y output de la firma i
• ? es un vector de parámetros a estimar
• vi son variables aleatorias e independientes de
  ui que se suponen miden la ineficiencia en costos.

27
Frontera Estocástica de Costos
Nivel de Producción Observado
Error Aleatorio
CT
Frontera de Costos
Effi
Error
Ineficiencia Estocástica

Error Aleatorio
Y
28
Frontera Estocástica Producción Para datos de
Panel

• De acuerdo a Battese y Coelli (1992), la función
  de frontera estocástica de producción, puede
  escribirse como
• donde
• Yit representa el output
• ß es un vector (K?1) de los parámetros a estimar
• vit es un error aleatorio que se asume sigue una
  distribución normal con media cero y varianza
  constante
• uit es un error aleatorio no observable y
  no-negativo asociado con la ineficiencia técnica
  

29
Frontera Estocástica Producción (Battese y
Coelli-1992)

• Siguiendo a Battese y Coelli (1992)
• uit se puede definir como
• donde
• uit es un escalar desconocido a estimar.
• La Eficiencia Técnica, se incrementa, permanece
  constante, o disminuye en el tiempo, cuando el
  valor de ? gt 0, ? 0 or ? lt 0, respectivamente.
• El término uit puede tener diferentes
  especificaciones (i.e. non-negative truncation of
  a normal distribution)

30
Frontera Estocástica Producción (Battese y
Coelli-1995)

• La especificación de Battese y Coelli (1995) se
  puede expresar del mismo modo que en la ecuación
  anterior
• Pero ahora uit son variables aleatorias
  no-negativas que miden la ineficiencia técnica en
  la producción

31
Frontera Estocástica Producción (Battese y
Coelli-1995)

• uit, se puede expresar como
• uit zit d Wit
• donde
• Wit es una variable aleatoria definida por la
  distribución normal truncada con media cero y
  varianza ?2.
• zit es un vector de variables de (p?1) el cual
  puede influir en la eficiencia de la firma.
• ? es un vector de parámetros a estimar de (1?p).
• La eficiencia técnica para la firma i es

32
MIDIENDO PRODUCTIVIDAD
33
PRODUCTIVIDAD

• El aumento de la productividad se puede definir
  como el incremento de la producción fruto de un
  mejor uso de la cantidad de recursos disponibles
  
• ? Eficiencia Técnica
• ? Progreso Tecnológico

34
PROGRESO TECNOLOGICO

• Aumento en la producción proveniente de un nuevo
  proceso productivo fruto de avances en el
  conocimiento científico

• Generación de Tecnología
• Difusión y Adopción de Tecnologías

35
Crecimiento de la Producción Efecto del Cambio
Tecnológico

• VPT
• ()
• X

T2
Frontera 2
Frontera 1
T1
CT
T0
X1
VPT Valor Producto Total CT Costo Total T0
Producción Observada T1 Prod. Máx. Tecn. 1 dado
X1 T2 Prod. Máx. Tecn. 2 dado X1
36
Crecimiento en la ProducciónCambios en la
tecnología y en la eficiencia técnica
Cambio Técnico Paso de la Frontera 1 a la
Frontera 2. Producción Eficiente T1 en el
periodo 1 T2 en el periodo 2 Output del
productor Y1 en el periodo 1 Y2 en el periodo
2 Medición del Cambio Técnico T2 - T1
Ineficiencia Distancia entre la frontera y el
ouput del productor E1 y E2. Mejora de la
eficiencia en el tiempo E1 E2 Cambio en el
Input Z
Crecimiento Total de la Producción Tres
Efectos Crecimiento en el input, Cambio Técnico
y Mejora en la eficiencia. Y2-Y1 Z (T2 -
T1) (E1 E2)
37
VENTAJAS DEL USO DE DATOS DE PANEL

• Efectos de la empresa son considerados
• Además de los efectos del tiempo

38
EFECTO DE MAGEMENT

• El productor puede modificar el sistema de
  producción
• Afectando productividad parcial
• Por lo tanto, el manejo (administración) es una
  variable importante de incluir en el modelo
• De lo contrario existe una especificación
  incompleta
• Pero, manejo no es directamente observable, se
  requiere de una variable proxy

39
Estimaciones de Eficiencia Argentina y Otros
Países
40
(No Transcript)
41
(No Transcript)
42
ESTIMACIONES DEPRODUCTIVIDAD Y CAMBIO
TECNOLOGICO
43
Productividad en Agricultura
Fuente Elaboración en base a Crecimiento y
Productividad de la Agricultura Argentina
1970-1997, Lema ( 1999)
44
Fuente Reproducido de El agro y el país una
estrategia para el futuro FIEL (2001)
45
Fuente Reproducido de El agro y el país una
estrategia para el futuro FIEL (2001)
46
Fuente Elaboración propia en base a Evenson y
Diaz Avila (2004)
47
Fuente Reproducido de Evenson y Diaz Avila (2004)
48
(No Transcript)
49
Potencial en agricultura y ganadería
50
(No Transcript)
51
(No Transcript)
52
(No Transcript)
53
Cereales y oleaginosas Brechas de rendimiento
entre NT Bajo y NT Alto

• TRIGO
• Promedio 48 (min. Córdoba 39 -max. NOA 66 )

• MAIZ
• Promedio 48 (min. Santa Fe 38 -max. CH-F 73
  )

• GIRASOL
• Promedio 45 (min. Santa Fe 36 -max. CH-F 62
  )

• SOJA
• Promedio 39 (min. Bs.As.No 34 -max. NOA 60
  )

Fuente INTA Perfil Tecnológico de la
Producción Agropecuaria
54
(No Transcript)
55
(No Transcript)
56
(No Transcript)
57
(No Transcript)
58
CEREALES Y OLEAGINOSAS Producción Potencial
59
70
55
48
44
Fuente INTA Perfil Tecnológico de la
Producción Agropecuaria
60
65
63
58
45
25
61
(No Transcript)
62
COMENTARIOS FINALES
63
Eficiencia

• En promedio podría incrementarse un 25 la
  producción agricola con la misma cantidad de
  insumos.
• La producción potencial actual de los principales
  granos alcanzaría 95 millones de Ton.
• En ganadería el diferencial de eficiencia
  promedio sería de aproximadamente 35/40 de
  acuerdo con estimaciones econométricas
• El potencial de incremento de producción
  estimado en base a información calificada
  comparando niveles tecnológicos bajos y altos es
  mucho mayor de 88 a 160 kg/ha/año en cría (80)
  y de 366 a 700 kg/ha/año en invernada (92).

64
Productividad Total

• La productividad agropecuaria total creció a una
  tasa aproximada del 2 anual acumulativo en los
  últimos 20/30 años.
• La tasa es mayor agricultura (3/4 anual) y
  menor en ganadería (1)
• El producto agricola creció en los ultimos 30
  años a una tasa aproximada del 3.5 anual
  acumulativo.
• Un 40/50 del crecimiento del producto se explica
  por incrementos de productividad.
• El resto por incremento del uso de factores e
  insumos (tierra, capital, fertilizantes)
• Una parte importante de la mejora de
  productividad (50) podría explicarse por mejoras
  en genética vegetal (tradicional)

65
Productividad Total

• Perspectivas en agricultura las mejoras en
  productividad de las próximas décadas seguramente
  estarán asociadas a la revolución de OGM
  (equivalente de mejoras en variedades mejoradas
  tradicionales)
• Perspectivas en ganadería si bien se observaron
  en los ultimos años importantes mejoras de
  productividad (mismo stock, aumento de tasa de
  extracción y menor uso de superficie -5 mill de
  ha-) existen importantes ganancias potenciales
  particularmente en la actividad de cría.

66
Referencias

• Bravo Ureta, Boris y Víctor Moreira Lopez (2006)
  Retornos de la inversión en investigación y
  medidas de eficiencia técnica en la agricultura
  una comparación de la evidencia internacional
  Revista Argentina de Economía Agraria. Vol IX,
  No. 1.
• Cap Eugenio Perfil Tecnológico de la Producción
  Agropecuaria Instituto de Economía y
  Sociología INTA (www1.inta.gov.ar/ies)
• Evenson, Robert and Flavio Diaz Avila (2004).
  Total Factor Productivity Growth in Agriculture
  The Role of Technological Capital Manuscript
  Economic Growth Center, Yale University.
• FIEL (2001) El agro y el país una estrategia
  para el futuro. Trabajo preparado para las
  Jornadas de AACREA 2001.
• Lema, Daniel Crecimiento y productividad en la
  agricultrua argentina 1970-1997 . Instituto de
  Economía y Sociología INTA (www1.inta.gov.ar/ies
  )