ECONOMIA AGRARIA EFICIENCIA PRODUCTIVA Y CAMBIO TECNOLOGICO Conceptos y Medici - PowerPoint PPT Presentation

Loading...

PPT – ECONOMIA AGRARIA EFICIENCIA PRODUCTIVA Y CAMBIO TECNOLOGICO Conceptos y Medici PowerPoint presentation | free to download - id: 752674-OTZjO



Loading


The Adobe Flash plugin is needed to view this content

Get the plugin now

View by Category
About This Presentation
Title:

ECONOMIA AGRARIA EFICIENCIA PRODUCTIVA Y CAMBIO TECNOLOGICO Conceptos y Medici

Description:

EFICIENCIA TECNICA: MEDICION Los modelos de ... Indice de Productividad Total de los ... EFECTO DE MANAGEMENT METODOS DE ESTIMACION DE LA FUNCION DE ... – PowerPoint PPT presentation

Number of Views:9
Avg rating:3.0/5.0
Slides: 71
Provided by: Lem142
Learn more at: http://www.ucema.edu.ar
Category:

less

Write a Comment
User Comments (0)
Transcript and Presenter's Notes

Title: ECONOMIA AGRARIA EFICIENCIA PRODUCTIVA Y CAMBIO TECNOLOGICO Conceptos y Medici


1
ECONOMIA AGRARIAEFICIENCIA PRODUCTIVA Y CAMBIO
TECNOLOGICOConceptos y MediciónDaniel
LemaUCEMA
2
Temas
  • Análisis de eficiencia
  • Definición
  • Diferentes modelos single-output multi-output
  • Metodologías de estimación
  • Medición de productividad y eficiencia

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 (función de producción) y
    duales (funciones de beneficios o costos),
    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(Battese y Coelli-1992)
  • 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
Producción Multi-output
33
Producción Multi-output y Funciones de Distancia
  • Las funciones de distancia permiten describir una
    tecnología de la producción con múltiples-output
    sin la necesidad de especificar objetivos de
    comportamiento (tales como minimización de costos
    o maximización de la ganancia).
  • Se pueden especificar funciones de distancia de
    input y de output.

34
Funciones de Distancia Orientadas al Output
  • Una función de distancia orientada al output
    considera la máxima expansión proporcional de el
    vector de output, dado un vector de input.
  • la tecnología de la producción de la firma se
    define usando el conjunto de output, P(x) el cual
    representa el conjunto de todos los vectores de
    output y, que pueden ser producidos usando el
    vector de input x. Esto es
  • P(x) y x puede producir y

35
Funciones de Distancia Orientadas al Output
  • La función de distancia orientada al output,
    introducida por Shepard(1970), se define sobre el
    conjunto de output, P(x), como
  • D0 (x,y) mind (y/d) ? P(x)
  • Donde d es el valor de la función de distancia.

36
Propiedades de la Función de Distancia Orientada
al Output
  • D0 (x,y) es no-decreciente en y, y decreciente en
    x
  • D0 (x,y) es linealmente homogénea en y
  • Si y está contenido en el conjunto de
    posibilidades de producción de x (i.e., y ?
    P(x)), entonces D0(x,y)1
  • La Distancia es igual a uno (i.e., D0(x,y) 1)
    si y esta contenida en el conjunto de la frontera
    de posibilidades de producción (la curva PPC de x)

37
Ilustración Función de Distancia Orientada al
Output y el Conjunto de Posibilidades de
Producción
El valor de la función de distancia (d) para la
firma que usa el nivel de input x para producir
el nivel de outputs definido por el punto A es
igual a d OA/OB.
PPC
38
Función de Distancia Input-Orientada
  • Una función de distancia input orientada se
    define como el mayor número por el que se puede
    dividir proporcionalmente todos los factores de
    producción y seguir generando el mismo nivel de
    output.

39
Función de Distancia Input-Orientada
  • La función de distancia input-orientada se puede
    definir sobre el conjunto de inputs, L(y), como
  • DI (x,y) max? (x/?) ? L(y)
  • donde el conjunto de inputs L(y) representa el
    conjunto de todos los vectores de inputs, x los
    cuales pueden producir el vector de output.
  • Esto es L(y) x x puede producir y
  • y ? es el valor de la función de distancia.

40
Propiedades de la Función Distancia
Input-Orientada
  • DI (x, y) es no-decreciente en x, decreciente en
    y
  • DI (x, y) es linealmente homogénea en x
  • Si x es un elemento del conjunto factible de y
    (i.e., x ? L(y)), entonces DI(x,y)1
  • La Distancia es igual a uno (i.e., DI (x, y) 1)
    si x está sobre la frontera del conjunto de input
    (la isocuanta de y).

41
Ilustración de la Función de Distancia
Input-Orientada
El valor de la función de distancia (?) para el
punto A, que define el punto de producción donde
la firma usa X1A del input 1 y X2A del input 2,
para producir el output y es igual al ratio ?
OA/OB.
Isocuanta
42
Función de Distancia Métodos de Estimación
  • En el análisis anterior se asumió que la función
    de distancia es conocida.
  • En la realidad dicha frontera es desconocida y
    se debe estimar de alguna manera.
  • Dada una serie de datos, existen diferentes
    caminos alternativos, por los cuales se podría
    calcular la frontera.

43
Función de Distancia Métodos de Estimación
  • Fronteras no paramétricas usando programación
    lineal (DEA) (Fare et al, 1989 Fare et al,
    1994)
  • Fronteras paramétricas usando programación lineal
    (Forsund y Hjalmarsson, 1987 Fare et al, 1993)
  • Frontera paramétrica determinística usando
    Mínimos Cuadrados Corregidos (Lovell et al, 1994
    Grosskopf et al, 1996)
  • Estimación de fronteras estocásticas paramétricas
    usando máxima verosimilitud (Hetemaki, 1996).

44
Funciones de Distancia Formas Funcionales
  • Una de las primeras decisiones es la selección de
    una forma funcional adecuada.
  • La forma funcional de las funciones de distancia
    debería ser, idealmente
  • flexibles
  • fáciles de calcular y
  • permitir la imposición de homogeneidad.
  • La forma funcional más usada es la translog
    (Lovell et al, 1994, Grosskopf et al, 1996) ya
    que satisface estos tres requerimientos.

45
Función Distancia Output-orientada Estimación
Paramétrica
  • Con la elección de una forma funcional adecuada
    debemos seleccionar un método apropiado para
    estimar los parámetros de la función.
  • Esta tarea se puede realizar usando álgebra
    simple y reescribiendo la ecuación presentada
    arriba siguiendo la forma funcional de una
    translog (TL)

46
Estimación de las Funciones de Distancia por
Máxima Verosimilitud
  • Uno de los métodos que se puede utilizar es
    aplicar el enfoque de frontera estocástica
    propuesto por Aigner, Lovell y Schmidt (1977), el
    cual implica especificar una frontera con un
    término de error con dos componentes un error
    simétrico que mide el ruido blanco, y un error
    asimétrico que mide la ineficiencia.

47
Estimación de las Funciones de Distancia por
Máxima Verosimilitud
  • Dado que -ln D0i vi ui obtenemos una función
    de distancia estocástica orientada al output

48
Estimación de las Funciones de Distancia
Input-Orientadas
  • La Función Estocástica de Distancia
    input-orientada tiene la siguiente forma
  • Puesto que ln Dii vi ui entonces ET exp(ui)

49
Estimación de las Funciones de Distancia
Orientadas al Output Usando Frontier 4.1
  • Dada una función de distancia estocástica
    orientada al output
  • a) Utilice la opción cost-oriented.
  • b) La eficiencia técnica estimada por esta
    opción, debe transformarse de la siguiente
    manera
  • D0i 1 / EFFi
  • donde EFFi (Cost Efficiency, con valores 1EFF8)

50
Estimación de las Funciones de Distancia
Input-Orientadas Usando Frontier 4.1
  • Dada una función de distancia estocástica
    orientada al input
  • a) Utilice la opción output orientada.
  • b) La eficiencia técnica estimada por esta opción
    será
  • DIi EFFi
  • donde EFFi (Technical Efficiency, con valores
    0EFF1 )

51
MIDIENDO PRODUCTIVIDAD
52
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

53
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

54
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
55
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)
56
VENTAJAS DEL USO DE DATOS DE PANEL
  • Se consideran las características y efectos
    individuales por empresa
  • Además de los efectos del tiempo
  • Variabilidad en individuos y en el tiempo (Cross
    section time series)

57
EFECTO DE MANAGEMENT
  • 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

58
METODOS DE ESTIMACION DE LA FUNCION DE PRODUCCION
  • Metodologías de frontera estocástica
  • Ej. Frontier 4.1 / Stata 10.0
  • Modelo de efectos fijos o métodos no-fronteras

59
MODELO DE EFECTOS FIJOS
  • También se llama mínimos cuadrados con variables
    dummy (LSDV)
  • Manejo es estimado a través de variables dummy,
    es decir, se incluye el efecto especifico de la
    empresa
  • Así, el efecto de la empresa se asume como la
    medida de ET
  • A diferencia de métodos estocásticos, no se
    requiere de un distribución pre determinada del
    error
  • En el método de EF, el error se trata como un
    intercepto separado y fijo para cada empresa en
    el modelo, permitiendo que la eficiencia este
    correlacionada con los inputs

60
Estimaciones de Eficiencia Argentina y Otros
Países
61
ESTIMACIONES DEPRODUCTIVIDAD Y CAMBIO
TECNOLOGICO
62
Gráfico 4. Indice de Productividad Total de los Factores en Agricultura 1968-2008
Productividad en Agricultura
Indice de Productividad Total de los Factores en
Agricultura 1968-2008 Fuente Lema 2010
63
(No Transcript)
64
Fuente Reproducido de El agro y el país una
estrategia para el futuro FIEL (2001)
65
Fuente Reproducido de El agro y el país una
estrategia para el futuro FIEL (2001)
66
Fuente Elaboración propia en base a Evenson y
Diaz Avila (2004)
67
Fuente Reproducido de Evenson y Diaz Avila (2004)
68
(No Transcript)
69
(No Transcript)
70
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.
  • 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
    )
About PowerShow.com