Introducción

En México existen 15 584 ejidos y comunidades forestales que se denominan núcleos agrarios, y que son poseedores de 45.5 % de la superficie total forestal del país (62 639 719 ha) (^{Reyes et al., 2012}; ^{Conafor, 2019a}; ^{Frey et al., 2019}). Dichas organizaciones crean Empresas Forestales Comunitarias (EFC) para el manejo de los recursos forestales, con el fin de generar beneficios económicos, sociales y ambientales para mejorar su calidad de vida, sin descuidar su viabilidad financiera, competitividad y sustentabilidad ecológica en el largo plazo (^{Frey et al., 2019}); por lo que es fundamental analizar, si las existentes en México cumplen tales propósitos.

Las EFC tienen usos y costumbres que en ocasiones dificultan una administración expedita y no fácilmente acceden a créditos, por lo que dependen de apoyos gubernamentales otorgados por la Comisión Nacional Forestal (Conafor) para aumentar su competitividad y eficiencia; estos se enfocan en disminuir los costos de producción, mejorar la calidad de los procesos, incrementar la eficiencia y agregar valor a sus productos (^{PNUD, 2017}). ^{Frey et al. (2019)} evaluaron el efecto de esos apoyos y concluyeron que la certificación forestal impacta positivamente en la productividad y, en consecuencia, en el ingreso total de la comunidad.

Estudios recientes sobre ingresos de las EFC muestran resultados diferenciados por una gran variabilidad, atribuible a la diversidad en tamaño, región, productividad y costos (^{Cubbage et al., 2011}; ^{Cubbage et al., 2015a}).

En general, las EFC replican un modelo de empresa competitiva para generar empleos y beneficios tanto para sus integrantes, como para las comunidades; mediante la adopción de estrategias de innovación, certificación, de alianzas y mejoras continuas de procesos. Trabajos como los de ^{Cubbage et al. (2013}; ^2015a; ^2015b) y ^{Frey et al. (2019)} indican que la competitividad se relaciona con la capacidad de la empresa (de cualquier tipo) de penetrar en el mercado o aumentarlo; lo anterior se estima a través de los costos de producción, ingresos, beneficios y sustentabilidad de cosecha de la madera, los cuales explican su rentabilidad y eficiencia. ^{Chandra y Shishodia (2017)} y ^{Sasatani (2009)} consideran que los indicadores financieros clásicos (rentabilidad del crecimiento, de los activos, del capital y ganancias antes de intereses, impuestos, depreciación y amortización); así como los costos de producción y la rentabilidad son indispensables para medir la competitividad con mayor precisión.

Generalmente, los estudios sobre competitividad empresarial en México no abordan un esquema amplio que involucre aspectos económicos, ambientales y sociales en su conjunto; por ello, el uso de información actualizada (2017 - 2019) de fuentes directas, la especificación de la naturaleza de las inversiones y la forma de organización de las EFC, en la presente investigación constituyen un enfoque novedoso. Sus aportaciones contribuirán a retroalimentar y complementar el análisis de los resultados del Programa para el Fortalecimiento del Manejo Forestal Sustentable con Enfoque de Paisaje (PFMFSP) y de otros estudios como los de ^{Cubbage et al. (2013}; ^2015a; ^2015b) y ^{Frey et al. (2019)}.

Los indicadores económicos, ambientales y sociales forman parte de la estrategia del PFMFSP para aumentar la competitividad en un mercado local, cuyas importaciones rebasan su propia oferta. De hecho, ^{Cubbage et al. (2015a}; ^2015b) identifican que el incremento a las importaciones de madera aserrada pone en riesgo la eficiencia y sustentabilidad de las EFC en México.

En el presente estudio se midió el efecto de diversos factores de los ámbitos social (empleos, posición de puestos de trabajo y género) y ambiental (certificación de la cadena de custodia de productos forestales y del buen manejo forestal) sobre la producción y productividad de las EFC, mediante la teoría de la empresa y del desarrollo forestal sustentable. El primer objetivo de esta investigación consistió en determinar funciones de producción tipo Cobb-Douglas para medir el efecto de las variables que afectan la productividad. El segundo fue medir la competitividad a partir del Valor del Producto Marginal y determinar los rendimientos a escala para los insumos mano de obra, capital y volumen disponible.

Materiales y Métodos

Resultados

Discusión

En el Modelo I las variables L y K en el grupo de factores de producción fueron altamente significativas (p-valor <0.001). Además, en el Modelo II otras variables de este tipo que determinaron la productividad en las EFC fueron VD y L; en tanto que, la variable K fue significativa a 0.16 % (p-valor < 0.05). CA, CM, CI, PO y PTD no tuvieron efecto alguno en la productividad (p-valor > 0.05); lo que se explicaría porque no tienen relación directa con la productividad, pues más bien se refieren al resultado de estrategias de mercado, de mejoras tecnológicas y de la cuota de género.

Los coeficientes en una función del tipo Cobb-Douglas son las elasticidades de los insumos L y K en los modelos I, II y III (Cuadro 1), y representan la variación porcentual del nivel de producto (Q) frente a variaciones porcentuales en el trabajo y el capital. Las elasticidades de los insumos L y K para producir un nivel de producto Q (Modelo I, Cuadro 1) muestran mayor significancia estadística que cuando se agregan al modelo otras variables como VD, las cuales afectan la producción y la productividad (Modelo II, Cuadro 1). Esto es relevante, si se decide utilizar modelos con más variables que expliquen el efecto en la producción de los insumos, como posibles mejoras productivas en el uso de los factores. La significancia estadística de la variable K disminuye al agregar otras como VD y FL (modelos II y III, Cuadro 1).

Para el Modelo III, los factores relativos a la figura legal (propiedad privada y sociedad) constituyen el incremento porcentual en la producción de madera aserrada de una EFC, de manera que para empresa privada: (e^0.781 - 1) 100 = 118 %, en tanto que para la EFC con figura legal sociedad: (e^0.369 - 1) 100 = 44 %. Lo anterior es relevante, puesto que los ejidos y comunidades forestales son más de 85 % del régimen de propiedad forestal, con respecto a la pequeña propiedad y sociedad. Las variables FL1, S, y C no tuvieron efecto en la productividad de las EFC (p-valor > 0.05). En análisis futuros es recomendable que se usen valores monetarios para S en lugar del número de subsidios.

En relación al análisis del VPM para L y K con los datos agregados a nivel nacional, se rechazó la hipótesis Ho: Pmg _L -P _L = 0 para el Modelo II (Cuadro 1), con un nivel de significancia de 0.1 % (p-valor < 0.05). También, se determinó que no existe significancia estadística para las hipótesis Ho: Pmg _L -P _L = 0 y Ho: Pmg _K -P _K = 0 (p-valor > 0.05) en el análisis del VPM a nivel estado (Modelo I, Cuadro 2). Para el Modelo I (Cuadro 3), al determinar la competitividad de las EFC se rechazó Ho: Pmg _L -P _L = 0 en las EFC de Chiapas, Jalisco y Michoacán (p-valor < 0.05); Durango, Puebla y Veracruz (p-valor < 0.1); Oaxaca y Quintana Roo (p-valor < 0.001). Un valor estimado mayor a cero (Cuadro 3), se interpreta como unas EFC no competitivas y que subutilizan el insumo L; lo que significa que el VPM de L es mayor al precio de mercado del recurso L. Para el Modelo III, se rechaza Ho: Pmg _L -P _L =0 en las EFC ubicadas en los estados de Oaxaca y Quintana Roo (p-valor<0.05). De forma similar, se rechaza Ho: Pmg _K -P _K = 0 para las EFC de Chiapas y Oaxaca (p-valor < 0.01).

Respecto al análisis de VPM para VD en los modelos II y III con datos agregados a nivel nacional, se rechaza Ho: Pmg _VD -P _VD = 0 con un nivel de significancia de 0.1 % (p-valor < 0.001). El Modelo II rechaza Ho: Pmg _VD -P _VD = 0 para todos los estados (p-valor < 0.001), excepto el Estado de México y Jalisco en los que no se obtuvo significancia estadística.

Las EFC localizadas en Chiapas, Chihuahua, Durango, Michoacán, Oaxaca, Puebla, Quintana Roo y Veracruz, cuando se obtiene un valor estimado menor a cero (Cuadro 3), se interpreta que sobreutilizan el insumo VD, lo cual significa que el VPM de VD es menor al precio de mercado del recurso VD. Para el Modelo III se rechaza Ho: Pmg _VD -P _VD = 0 para las EFC de Chiapas, Chihuahua, Durango, Estado de México, Jalisco, Michoacán, Oaxaca, Puebla, Quintana Roo y Veracruz (p-valor < 0.001); por lo que tales EFC son no competitivas en el uso del recurso VD (Cuadro 4).

La relación del VPM y del costo del factor es útil para determinar el uso competitivo de los recursos; sin embargo, no se registró significancia estadística que indique la existencia de uso no competitivo de los insumos L y K a nivel nacional para los modelos I y III, ni para K del Modelo II. Esto sugiere que no hay evidencia sobre la sub o sobreutilización de ambos insumos en el proceso productivo, lo cual es consistente con la maximización del ingreso de la empresa. Resultado que contrasta con el obtenido por ^{Frey et al. (2019)}, quienes señalan que las EFC son competitivas en el uso de recursos y en el rendimiento a escala.

Los estadísticos de varianza de los datos agregados y a nivel estado indican que son no significativos. No obstante, al comparar los datos agregados y por estado para el Modelo II, los estados de Chiapas, Jalisco y Michoacán mantienen la significancia en el uso de L a 5 % (p-valor < 0.5); mientras que Durango, Puebla y Veracruz aumentan el nivel de significancia al 1 % (p-valor < 0.1); Oaxaca y Quintana Roo al 0.1 % (p-valor < 0.001). El Estado de México y Jalisco no alcanzan significancia estadística en el análisis VPM para VD (p-valor > 0.05). Los otros estados mantienen la significancia al 0.1 % (p-valor < 0.001), al igual que para los datos agregados. En el Modelo III solo Oaxaca y Quintana Roo registran significancia al 5 % (p-valor < 0.05) en el análisis VPM para L. Contrariamente a los resultados estadísticos de datos agregados, Chiapas y Oaxaca obtienen una significancia en el análisis VPM para K de 1 % (p-valor < 0.01), y todos los estados presentan significancia de 0.1 % (p-valor < 0.001) en el análisis VPM para VD.

Esto puede deberse a que la gran variabilidad en los registros de las variables surge al agrupar las EFC por estado. Por ejemplo, en Chihuahua el valor de Q anual fue: máxima = 4 709.88, mínima = 94.89 y media= 2 392 Mpt año^-1; cifras sustancialmente mayores a la producción de Puebla, cuyo Q anual fue: máximo = 1 332.02, mínimo = 402.70 y media= 771.051 Mpt año^-1. El valor de las 35 EFC para Q fue: máximo = 6 952.380, mínimo = 90.956 y media= 1 613.229 Mpt año^-1.

La prueba de hipótesis Ho: β _k +β _L = 1 para determinar rendimientos no constantes a escala para los insumos L y K y los resultados de las elasticidades de los factores de producción L y K reflejan que ningún modelo tiene rendimientos constantes a escala (Estadístico F ₁ en Cuadro 1). De hecho, para el Modelo I se obtuvo un rendimiento creciente a escala (β _L + β _K > 1); sin embargo, disminuye al agregar variables continuas (VD, CA, CM, CI, PO y PTD) y nominales (S, CERT y FL) que afectan la productividad en los modelos II y III, respectivamente; por ello, los rendimientos son decrecientes a escala para (β _L + β _K < 1), lo que significa que, en promedio, las EFC estan operando bajo rendimientos decrecientes a escala en el corto plazo; tendencia similar a la descrita por ^{Niquidet y Nelson (2010)}.

En este estudio, se tuvo alta variabilidad de la información de las EFC analizadas, semejante a lo citado por ^{Cubbage et al. (2015b)}; las únicas variables con poca variabilidad entre empresas fueron CA (μ=0.518, σ=0.051) y CM (μ=0.062, σ=0.083). Es posible que dicha variabilidad entre empresas asociadas a CI, CO, PO, PTD, CERT influyó para que no incidieran en la productividad. Por ejemplo, la variable CA en el Modelo II, no tuvo efecto en la producción; la única variable continua con impacto en la productividad fue VD, lo cual es cercano a lo obtenido por ^{Frey et al. (2019)} para la variable inventario total de madera de pino y oyamel por aprovechar en las EFC en México.

Es importante destacar que el apoyo gubernamental mediante subsidios y la certificación forestal no tuvo efecto en la producción, lo que coincide con los resultados de ^{Frey et al. (2019)} para volumen cosechado. Aunque la información del presente estudio tuvo alta variabilidad, la bondad de ajuste fue buena para los modelos, ya que fluctuó entre 81.60 y 84.60 %.

Conclusiones

El modelo tipo Cobb-Douglas como una expresión particular de la función de producción es útil para construir modelos económicos que representan la producción, como la de madera aserrada en unidades físicas. Los modelos económicos I, II y III desarrollados en este estudio pueden contribuir a definir políticas para fomentar la industria maderera por conducto de los factores con mayor impacto, tales como Trabajo, Capital y Volumen disponible de madera.

No existe uso competitivo en los recursos L, K y VD para las 35 EFC analizadas y ubicadas en 10 estados de la república mexicana.

Las variables VD y FL (FL1, FL2 y FL3) tienen efecto en la productividad para los modelos II y III, respectivamente. Las EFC conformadas como empresas privadas y sociedades aportan 118 % y 44 % de la producción, respectivamente. La figura legal de ejido aporta solo 30 % en la producción.

Las funciones de producción generadas son homogéneas de grado n>1 con rendimientos crecientes a escala para el Modelo I y homogéneas de grado n<1 con rendimientos decrecientes a escala para los modelos II y III.

Las variables continuas CA, CM, CI, PO y PTD y nominales (S, CERT) no tienen ningún efecto en la productividad. Aunque el coeficiente de asierre y la capacidad instalada se relacionan con el nivel tecnológico de la industria, no contribuyen en el incremento de la productividad. La variable clasificación de madera es una estrategia para incrementar el valor de la madera con escasos efectos prácticos. Los puestos operativos para mujeres y en la toma de decisiones que son relativos a la cuota de género, tampoco afectan la productividad; sin embargo, en proyectos de inversión apoyados por el Banco Mundial y Conafor se privilegian aquellos que cumplen con la certificación del buen manejo forestal y la cuota de género.

No fue posible identificar el efecto de los subsidios integrados en un solo concepto en la producción, porque se analizó un periodo de tiempo corto (3 años) y los impactos de los apoyos directos e indirectos tardan más tiempo visualizarse.