Artículos

 

Factores que explican el rendimiento de caña de azúcar a nivel municipal en México*

 

Factors that explain the yield of sugar cane at municipal level in Mexico

 

Katia Angélica Figueroa Rodríguez^1§, Ana María Teresa García García², Yesica Mayett Moreno³, Francisco Hernández Rosas¹ y Benjamín Figueroa Sandoval⁴

 

¹ Colegio de Postgraduados-Campus Córdoba-Programa en Negocios Agroalimentarios. Carretera Federal Córdoba-Veracruz, km 348, Córdoba, México. C. P. 94946. (fhrosas@colpos.mx).

² UPAEP-Posgrado en Desarrollo Económico y Sectorial Estratégico. (garcana.garcia@gmail.com).

³ UPAEP-Posgrado en Organizaciones y Agronegocios. (yesica.mayett@upaep.mx).

⁴ Colegio de Postgraduados-Campus San Luis Potosí. (benjamin@colpos.mx). §Autora para correspondencia: fkatia@colpos.mx.

 

* Recibido: enero de 2015
Aceptado: abril de 2015

 

Resumen

El cultivo de caña de azúcar (Saccharum officinarum L.) es importante en México en términos de superficie sembrada, empleos generados y productores que participan en su cultivo. Este artículo plantea que el rendimiento por hectárea a nivel municipal del cultivo de caña de azúcar, no se atribuye únicamente a factores de manejo del cultivo y ambientales, sino que requiere considerar factores que se relacionan con la competitividad territorial como son los servicios disponibles y aspectos sociales. La investigación fue de tipo descriptivo y transversal; se utilizó la información del padrón cañero generado (INEGI, 2007) de los 667 municipios que reportaron producción de caña en el país sólo en 267 se pudo construir un índice de servicios necesario para corroborar la hipótesis, en total se construyeron cuatro índices con 18 indicadores. Para el análisis de datos, se usó el análisis de componentes principales y se generó un modelo de regresión múltiple. Los resultados permitieron corroborar la hipótesis que el rendimiento por hectárea a nivel municipal de este cultivo, se atribuye principalmente al manejo del mismo, los daños al cultivo derivados del medio ambiente, los servicios disponibles para el cultivo y aspectos sociales (educación, vivienda y conectividad). Se concluye que el rendimiento de un cultivo debe abordarse con una visión holística ya que fue posible establecer de manera cuantitativa la interconexión de factores no sólo agronómicos y ambientales, como tradicionalmente se piensa. Esto justifica el diseño de una política integral para atender al sector.

Palabras clave: Saccharum officinarum L., educación, manejo, marginación, servicios.

 

Abstract

The cultivation of sugarcane (Saccharum officinarum L.) is important in Mexico in terms of acreage, jobs created and producers involved in its cultivation. This article argues that, the yield per hectare at the municipal level of sugar cane cultivation is attributed not only to crop management factors and environmental, but requires considering factors related to competitiveness such as available services and social aspects as well. The research was descriptive and transversal; padron sugarcane information was used, generated (INEGI, 2007) of the 667 municipalities that reported production of sugarcane in the country, only 267 were able to build an index of services necessary to support the hypothesis, in total four indices were constructed with 18 indicators. For data analysis, principal component analysis was used and multiple regression models were generated. The results allowed to corroborate the hypothesis that the yield per hectare at the municipal level of this crop is mainly attributed to management thereof, crop damage arising from the environment, the services available for cultivation and social (education, housing and connectivity). We conclude that, the crop yield should be approached with a holistic view as it was possible to establish quantitatively interconnection not only agronomic and environmental factors, as traditionally thought. This justifies the design of a comprehensive policy to address the sector.

Keywords: Saccharum officinarum L., education, management, marginalization services.

 

Introducción

Según Banko (2005), la historia de la caña de azúcar en México y América Latina data de la mitad del siglo XVI, donde su cultivo comenzó a difundirse bajo un sistema de haciendas, con un proceso que abarcaba desde la producción agrícola hasta la elaboración de piloncillo y azúcar mascabada, además de la destilación de aguardiente. Durante los inicios del siglo XX, durante el Porfiriato se comenzaron a establecer los sistemas de "ingenios", que consistía en una fábrica y los campos bajo el modelo de "plantación", ambos propiedad de un mismo dueño o empresa. En los años treinta se implementó una reforma agraria para dejar la producción de caña en manos de ejidatarios y pequeños propietarios.

En la actualidad el cultivo de caña de azúcar ocupa el séptimo lugar en superficie cultivada con 673 480 hectáreas, generando 440 mil empleos directos y aportando 2.1% al PIB y 8.6% al PIB agropecuario. Pese a su importancia, en un comparativo de los rendimientos a nivel internacional, México tiene rendimientos de 20 toneladas inferiores con respecto a Brasil y de 55 toneladas menores comparado con Colombia, que reporta un rendimiento de 120 toneladas por hectárea (Santillán et al., 2014), lo que pone de relieve la falta de competitividad a nivel internacional de los rendimientos de caña en campo.

A diferencia de otros cultivos, la agroindustria azucarera siempre ha tenido la presencia de organismos o asociaciones que aglutinan a los ingenios o a los productores del país (Singelmann, 2003), bajo su auspicio los socios se han beneficiado de créditos y regular el mercado del azúcar a través del manejo de inventarios, introducir mejores variedades y financiar sistemas de riego. En el mismo sentido, es un cultivo donde los productores y los ingenios han contado con el apoyo del gobierno a través de la banca de desarrollo para obtener créditos, fertilizantes y mecanizar la producción (Banko, 2005).

Pese a los apoyos y a su organización, este sector afronta retos de baja competitividad de la industria producto de una infraestructura cara y deficiente, donde dos de las variables fundamentales son el costo de la materia prima, es decir la caña, y los atributos de calidad que encarecen el precio final del azúcar (Aguilar et al., 2010). A su vez, el alto costo de la materia prima está relacionado a problemas de plantaciones vulnerables, suelos no óptimos para la producción, climas no aptos, el costo de los insumos, el costo del transporte, así como el tamaño de las unidades de producción que limitan la inversión y mejoras al cultivo (Aguilar et al., 2012).

Estudios previos han establecido como variables determinantes del rendimiento en caña de azúcar el clima (Greenland, 2005; Valade et al., 2014), la fertilización (Lofton et al., 2012), la variedad y densidad de siembra (Tyagi et al., 2012), la disponibilidad de riego e inversión en el cultivo (Santillán et al., 2014), el tipo de suelo y las plagas relacionadas con las condiciones climáticas. Mientras que quemas accidentales, mala logística, robo de caña, costos de transporte, mala infraestructura y economías de escala no favorables, superficie promedio por cañero, distancia del predio al ingenio; se han considerado como factores que afectan la rentabilidad del cultivo (Domínguez, 2005; van den Berg y Singels, 2013).

La competitividad adicionalmente tiene que ver con la capacidad de competir, por lo que puede medirse a nivel unidad de producción o empresa, sectorial o geográfica (nivel local, municipal, regional o de país). El concepto de competitividad territorial ha tomado diversos matices dependiendo del autor sin existir a la fecha una concepción única (Banerjee, 2005), relacionándola con la productividad, lo atractivo del territorio para la inversión, la creación de riqueza (Atkociuniene y Petruliene, 2014) o el uso de factores para edificar una posición competitiva y mantenerla en relación con otras regiones (Snieska y Bruneckiené, 2009).

En este último sentido, el Foro Mundial Económico genera anualmente índices de competitividad nacional donde evalúa factores, políticas e instituciones de un país que determinan el nivel de prosperidad que puede lograr una economía (Squalli et al., 2008), pese a lo discutible que pueda ser la utilidad de dicho índice, se concluye del mismo que la competitividad de un territorio no depende únicamente de la disponibilidad de factores de producción sino que es un fenómeno multifactorial.

En estudios sobre marginación, el territorio también se utiliza como unidad de análisis para establecer las dificultades para propagar el desarrollo y la desigualdad entre ciudadanos y grupos sociales. Sin embargo, el concepto está diseñado para dar cuenta del modo en que se enraíza el desarrollo socioeconómico sobre el territorio, por lo que sus referencias son las unidades político-administrativas geográficamente situadas; utilizando como variables: analfabetismo, población sin primaria completa, viviendas sin servicios básicos, nivel de hacinamiento, ingresos y tamaño de la localidad (Cortés y Vargas, 2011). Por lo anterior, explicar la competitividad territorial requiere una visión compleja y sistémica que incluya indicadores económicos, sociales y productivos.

En un estudio realizado por Wasna et al. (2009) en Kenia, los autores encontraron que existen diferencias en ingreso bruto y neto entre productores cañeros que tienen la misma superficie agrícola, identificando que dicho ingreso está determinado por los costos de cosecha, semilla, transporte y el nivel educativo del productor, siendo este último, un factor definitivo para lograr un mejor ingreso. La rentabilidad del sector agrícola entonces no sólo puede explicarse por el manejo del cultivo en la unidad de producción, también deben considerarse las políticas públicas, el mercado, las características de los productores y la competitividad del territorio como parte de un sistema local integral.

En virtud de la importancia de la caña en México en términos de superficie sembrada, empleos generados y el número de productores que participan en su cultivo, se consideró pertinente analizar los factores que explican el rendimiento en toneladas por hectárea, a nivel municipal, que tienen las unidades de producción cañeras. Este artículo plantea que el rendimiento por hectárea a nivel municipal de este cultivo, no se atribuye únicamente a factores de manejo del cultivo y ambientales, sino que también está influenciado por factores que se relacionan con la competitividad territorial como los servicios disponibles y aspectos sociales.

 

Materiales y métodos

El estudio fue hecho con una base de datos elaborada por el Instituto Nacional de Geografía Estadística e Informática (INEGI, 2008), del padrón de cañeros de la zafra 2006-2007 en México, para determinar los factores de competitividad territorial se tomó como unidad de medición el territorio y las estadísticas disponibles a nivel municipal. La concentración de la producción de este cultivo era en 15 de los 31 estados del país (Cuadro 1), mismos que se consideran para el análisis. De igual manera, el número de municipios no es homogéneo para cada Estado, fluctuando desde 22 hasta 100% de los municipios con dicho cultivo. En términos de superficie, también se encontraron variaciones del porcentaje con caña a nivel municipal y en el tamaño de las unidades de producción, por lo que el municipio serviría mejor como unidad de análisis.

Una vez definida la unidad de medición, la base de datos contenía 392 variables que caracterizaban a los 737 municipios donde se reportaba la producción de caña de azúcar en el país. De estos municipios, solo 664 contenían información de unidades de producción útiles para el análisis, el resto contenía información de tipo socioeconómica por lo que se estableció que eran municipios donde tenían sus hogares los productores. Del total de variables se discriminaron aquellas que servirían como indicadores de competitividad territorial, manejo y agroclimáticas. Con base en lo anterior, se procedió a elaborar índices que representaban el porcentaje de alguna de las dimensiones estudiadas para las unidades de producción reportadas en los municipios.

Por ejemplo, para la construcción del indicador siniestro se dividió la superficie (ha) reportada sin afectación por siniestro en dicha zafra, entre la superficie total sembrada con caña por municipio. De igual forma se procedió para el resto de los indicadores construidos. En todos los casos, contrario al índice de marginación que genera la CONAPO y que se enfoca en las limitaciones de los individuos en el territorio (Cortés y Vargas, 2011), los índices que se construyeron se concentraron en la ventaja competitiva para cada variable.

Donde: S_i^{sin daño}: es el número de hectáreas que no sufrió algún siniestro en el municipio; S_i^total: es el número de hectáreas totales del municipio.

Una vez creados los indicadores, se aplicó la técnica de análisis de componentes principales (ACP), al considerarla adecuada para reducir la dimensionalidad y retener al máximo la información de cada indicador. Esta técnica matemática permite sintetizar la complejidad de orden conceptual, en grupos de indicadores que posibiliten ordenar y diferenciar las unidades territoriales del país según la intensidad del uso de los factores de competitividad que afectan los rendimientos de los productores cañeros.

El análisis de componentes principales inicia con una matriz de datos con las variables estandarizadas para evitar efectos de escala (cada variable tiene media cero y varianza uno). Supóngase que la matriz X, de dimensión n x p, contiene las variables estandarizadas medidas en n municipios. Si el vector c, de dimensión p x 1, representa los coeficientes o pesos de las p variables en la combinación lineal, z es un vector columna, de dimensión n x 1, que se obtiene de la combinación lineal z= Xc. El objetivo del análisis de componentes principales consiste en determinar los valores de los pesos que maximizan la varianza de la combinación linear z'z, que se puede escribir como:

Donde= R es la matriz de varianzas y covarianzas X'X, que es igual a la matriz de correlaciones en el caso en que las variables están estandarizadas. El procedimiento consiste en elegir un primer factor, es decir, una combinación lineal de las variables estandarizadas, cuyos pesos permitan dar cuenta del máximo de la varianza de z. El primer componente principal es la combinación lineal de variables originales ponderadas por el vector c₁, que dan cuenta del máximo de varianza del factor, y que tiene asociado el valor propio λ₁. El segundo componente, simbolizado por el vector c₂, tiene una varianza máxima sujeta a la condición de normalización c^t₁c₂=1, y a la restricción de que el primero y segundo componentes deben ser ortogonales, donde el segundo componente tiene asociado el valor propio λ₂. y se cumple que λ₁.>λ₂. Este mismo procedimiento se repite tantas veces como variables haya, obteniéndose así p valores propios (Cortés y Vargas, 2011).

En total se tenían 27 indicadores, con los cuales se intentaron construir 7 índices a través de la técnica de ACP. Para verificar la fiabilidad de los índices construidos se utilizaron dos indicadores: el valor alfa de Cronbach y la medida de adecuación muestral de Kaiser-Meyer-Olkin. Según Hair et al. (1999), un valor aceptable de alfa de Cronbach debe ser de 0.60, aunque es posible aceptar valores más bajos (0.50) cuando se trata de un análisis exploratorio. El segundo caso es el uso del valor de Kaiser-Meyer-Olkin (KMO), como indicador del grado entre las variables y que debe presentar valores de 0.5 o superior (Field, 2005).

En el caso de nuestros datos, se lograron retener 4 índices construidos con 18 indicadores (Cuadro 2), el resto de los indicadores no tenían valores de fiabilidad aceptables por lo que fueron desechados (otros ingresos, servicio médico particular, medio de transporte automóvil, Unidades de Producción (UP) localizadas a menos de 20 km del ingenio, régimen de tenencia privada, terrenos cuyo año de plantación es previa a 2002, terrenos rentados, UP que recibieron capacitación y relación de maquinaria y equipo por UP). El único índice con valor de alfa menor a 0.5 fue el ambiental, mismo que se retuvo debido a que el valor de KMO fue superior a 0.5 y a la importancia que las variables tenían para la construcción del modelo que explica el rendimiento.

Para corroborar la hipótesis del poder explicativo de las variables sobre el rendimiento a nivel municipal, se utilizó la técnica estadística de análisis de regresión múltiple que permite establecer las relaciones entre una variable criterio y varias independientes (predictores). Con esta técnica cada variable predictor es ponderada, de forma que las ponderaciones indican su contribución relativa a la predicción conjunta, siguiendo el modelo (Hair et al., 1999):

Donde: Y₀= rendimiento; b₀= constante; b₁= cambio en el rendimiento asociado a la variable X₁; X₁ = variable predictiva; e= error.

El análisis final de los datos consistió en hacer categorías con los índices creados. Para eso, una vez jerarquizadas las unidades de estudio se procedió a agruparlas en estratos que cumplieran con el requisito de ser homogéneos en su interior y heterogéneos entre ellos. La técnica utilizada fue el árbol de decisión, que es un método de particiones secuenciales del conjunto de datos para maximizar las diferencias de la variable dependiente, el programa utilizado fue CHAID que es un detector de interacción chi-cuadrado (Hair et al., 1999). Para los análisis estadísticos se utilizó el software SPSS® Versión 20.

 

Resultados y discusión

Del total de municipios analizados, únicamente para 267 se pudo construir el índice de servicios. En el Cuadro 3 se presenta el número de municipios retenidos por entidad federativa. Si se compara la media de estos municipios con los 737 reportados como municipios cañeros (Cuadro 1), se observa que los municipios para los cuales se pudo construir el índice de servicios tienen mayor superficie cañera y las unidades de producción (UP) son de mayor tamaño. No obstante, de los 664 municipios, solamente 267 fueron considerados en el modelo debido a que el factor servicios sólo se pudo construir para estos municipios, el resto no contaban con uno o todos los servicios.

El Cuadro 4 presenta la matriz de correlación de las variables utilizadas en el estudio. Como se puede observar no se tienen problemas de multicolinearidad, de igual manera todos los valores de factor de inflación de lavarianza (FIV) y de tolerancia tuvieron valores por debajo de 10 y superior a 0.2 (Bowerman y OConnell, 1990), por lo que el modelo es aceptable.

En el Cuadro 5 se presentan los resultados del modelo de regresión múltiple, donde el valor de β se relaciona con la ponderación que tiene cada factor para explicar el rendimiento del cultivo. Se aprecia que los factores: de manejo, ambiental, de servicios y social tienen un poder explicativo sobre el rendimiento. El modelo fue significativo y su valor de R² es adecuado, ya que explica 59% de la variabilidad del rendimiento.

Manejo. Este factor resultó el de mayor poder explicativo en el modelo, lo que significa que regar, controlar plagas y enfermedades y fertilizar son acciones estratégicas para el rendimiento del cultivo. No obstante, estudios previos señalan que por lo general en el sector cañero: "se utiliza una sola fórmula de fertilizante (o muy pocas) por ingenio, el uso de plaguicidas es indiscriminado; se aplica riego sin tener en cuenta las propiedades del suelo y exigencias del cultivo" (Gómez et al., 2010), por lo que estos factores debieran administrarse con mayor ahínco. Caraballoso y Marín (2011), establecen que un buen manejo del suelo puede incrementar hasta 65% el rendimiento, sin embargo en sus resultados reportan que los factores de pendiente y drenaje son los que realmente tienen un efecto significativo en el rendimiento en caña y que su poder explicativo es menor por lo que la fertilidad del suelo y los años de explotación de la parcela podrían ser factores con mayor poder explicativo.

Factores ambientales. Según Valade et al. (2014), la presencia de plagas y enfermedades está asociada a factores ambientales por lo que son un indicador de su impacto en el rendimiento del cultivo. Como puede verse en el modelo generado, este es el segundo factor de relevancia para explicar el rendimiento de caña. No obstante, los problemas fitosanitarios además de relacionarse al ambiente, también se vinculan con la sensibilidad de las variedades de caña utilizadas por lo que éste es otro factor que debe considerarse (Pineda et al., 2000).

Servicios. Los estudios de competitividad territorial establecen que los servicios así como la infraestructura disponibles son relevantes para mejorar la rentabilidad de las empresas establecidas en dichos territorios. Para la creación del indicador se utilizaron seis variables: trabajo colectivo, firma de contratos, capacitación y asistencia técnica, contratación de mano de obra y uso del crédito. Los resultados del análisis estadístico demuestran que los servicios tienen un efecto sobre el rendimiento de caña de azúcar.

En el caso del trabajo colectivo, en México este trabajo generalmente se focaliza en los frentes de corte donde los productores aceptan que un grupo de trabajo integrado por los mismos productores corte o realice otras actividades colectivas como el control de plagas (Vázquez, 2010), por lo que las iniciativas colectivas de servicios repercuten favorablemente en el rendimiento. Mientras que la firma de contratos permite a los productores tener más seguridad sobre quién adquirirá su producto y reduce la incertidumbre, siendo un incentivo para la inversión en el cultivo (Genesove y Mullin, 2001), a la vez permite mejorar la gestión de la cadena de abasto y con ello asegurar una fecha de corte óptima (Le Gal et al., 2008).

Por otra parte, la mayoría de los programas de capacitación y formación de técnicos azucareros o que atenderán al sector cañero se enfocan en aspectos agrícolas como manejo de suelo, variedades, control de plagas y enfermedades (Milanés-Ramos et al., 2011); estos temas son después replicados en los procesos de capacitación y asesoría a productores. En lo referente al uso de mano de obra los resultados son congruentes con un estudio previo de Hussain y Khattak (2011), quienes encontraron que la producción de caña estaba directamente ligada a la cantidad de mano de obra utilizada, lo cual es lógico debido a que un productor que realiza todas sus actividades agrícolas demanda mayor mano de obra.

El crédito es otro factor importante en el sector, en el caso cañero se cuenta con el apoyo de los ingenios para recuperar los créditos por lo que el riesgo es menor que en otras actividades agropecuarias los productores cañeros han sido clientes de antaño de la banca de desarrollo (FIRA y FND), esta inyección de liquidez permite mejorar la actividad agrícola y se vuelve importante para tener un mejor nivel de vida (Alam et al., 2014).

Factores sociales. Por último, el factor social tuvo poder explicativo positivo y significativo. En lo referente a educación los resultados pueden explicarse con la contribución de Windle y Rolfe (2005), quienes encontraron que los productores australianos con mayores niveles de educación tienden a especializarse más en caña lo que implica que a mayor nivel educativo mayor superficie dedicada a un sólo cultivo, con ello se logran economías de escala que impactan positivamente en el rendimiento. De igual manera, un mayor nivel educativo implica un mayor desarrollo de competencias técnicas y de toma de decisiones (Armida et al., 2011). Mejores condiciones de la calidad de la vivienda implican que los productores tendrían un perfil empresarial, de acuerdo en un estudio de Bustillo et al. (2009) los autores encontraron que los cañeros son productores de tipo empresarial que se rigen por la normatividad de los ingenios y la lógica de la ganancia, lo que implica que siguen las recomendaciones técnicas del ingenio y están enfocados a obtener mayores rendimientos. Finalmente, el factor conectividad, al contar con vías de comunicación pavimentada se reducen los tiempos de traslado y se facilita acceder a insumos más económicos que aquellos productores en comunidades aisladas.

 

Conclusiones

La producción de caña de azúcar es uno de los cultivos más importantes a nivel mundial, por superficie y el número de productores involucrados y empleos generados. El rendimiento del cultivo es un factor importante para este sector pues en casos como el de México, el pago aún se hace en función de la biomasa y no por la calidad del jugo de la caña. La mayoría de los estudios previos sobre los factores que explican el rendimiento del cultivo se basan en aspectos de tipo ambiental, como son la precipitación y el tipo de suelo o aspectos de manejo del cultivo (fertilización y nutrición del cultivo, el riego, el manejo del suelo, entre otros). Este estudio integró variables adicionales como los servicios y aspectos sociales; los primeros considerados como parte de los componentes de competitividad territorial que favorecen el desarrollo de los productores o empresas y los segundos que reflejan como un grado menor de marginación propicia mayores inversiones en el cultivo así como una perspectiva empresarial de manejo del mismo.

Los resultados permiten corroborar la hipótesis que el rendimiento por hectárea a nivel municipal del cultivo de caña de azúcar, se atribuye a factores de manejo del cultivo, ambientales, los servicios disponibles y aspectos sociales. Siendo los más importantes el manejo que se le da al cultivo, seguido por los daños derivados del ambiente.

El estudio conlleva una visión holística del cultivo de caña de azúcar en México, al establecer de manera cuantitativa la interconexión de los factores estudiados. Esto justifica el crédito al sector cañero, así como la necesidad de capacitación y asesoría, mientras que el apoyo con programas sociales para mejorar la calidad de vida de los cañeros son también relevantes, por lo que debe diseñarse una política integral para atender al sector, no sólo en apoyos con insumos.

La principal limitación del estudio es que es un estudio transversal, debido a la ausencia de datos disponibles para realizar uno de tipo longitudinal, pese a ello, los resultados son ilustrativos del fenómeno estudiado.

 

Agradecimientos

La presente investigación fue financiada con fondos de la LPI-13 del Colegio de Postgraduados y del proyecto "Diseño de un programa contemporáneo de manejo integrado de mosca pinta en caña de azúcar" (SAGARPA-SNITT).

 

Literatura citada

Aguilar, R. N.; Rodríguez, L, D. A.; Enríquez R, V.; Castillo M, A. y Herrera S,A. 2012. The Mexican sugarcane industry: overview, constraints, current status and long-term trends. Sugar Tech. 14(3):207-222.         [ Links ]

Aguilar- Rivera, N.; Galindo- Mendoza, G.; Fortanelli- Martínez, J. y Contreras- Servin, C. 2010. Competitividad internacional de la industria azucarera de México. Theoria. 19(1):7-29.         [ Links ]

Alam, M.; Ullah, R.; Mirza, A. I.; Saleem, W.; Elahi, M. and Sultan, H. 2014. Impact of microcredit scheme on socio-economic status of farmers. A case study of PRSP in District Gujranwala. South Asian Studies. 29:161-169.         [ Links ]

Armida-Alcudia, L.; Ruiz-Rosado, O.; Salgado-García, S.; Gallardo-López, F.; Nava-Tablada, M. E. y Juárez-López, J. F. 2011. Socioeconomic and technological factors in sugar cane (Saccharum officinarum L.) agroecosystems production in Chontalpa, Tabasco. Trop. Sub. Agroecosy. 13(3):261-269.         [ Links ]

Atkociuniene, V. and Petruliene, D. 2014. Impact of multifunctional agriculture on territorial competitiveness: Theoretical approach. Econ. Rural Develop. 10(2):7-15.         [ Links ]

Banerjee, S. 2005. International competitiveness and sugar strategy options in Australia, Brazil and the European Union. Int. J. Bus. St. 13(1):39-66.         [ Links ]

Banko, C. 2005. La industria azucarera en México y Venezuela. Un estudio comparativo. Carta Económica Regional. 17(92):41-54.         [ Links ]

Bowerman, B. L. and O'Connell, R. T. 1990. Linear statistical models: an applied approach. 2ª. Ed. Duxbury, Belmont, CA. 251 p.         [ Links ]

Bustillo- García, L.; Martínez- Dávila, J. P.; Osorio- Acosta, F.; Salazar-Lizán, S.; González-Acuña, I. y Gallardo- López, F. 2009. Grado de sustentabilidad del desarrollo rural en productores de subsistencia, transnacionales y empresariales, bajo un enfoque autopoiético. Revista Científica, FCV-Luz. 19(6):650-658.         [ Links ]

Caraballoso, V. y Marín, E. 2011. Influencia de algunos factores edafoclimáticos sobre los rendimientos de la caña de azúcar en la localidad de Paredes. Agrotecnia de Cuba. 38(1):63-68.         [ Links ]

Cortés, F. y Vargas, D. 2011. Marginación en México a través del tiempo: a propósito del índice de Conapo. Estudios Sociológicos. 29(86):361-387.         [ Links ]

Domínguez- Ruvalcaba, L. 2005. Desarrollo regional y competitividad: la agroindustria azucarera en México. Nóesis. Rev. Cienc. Soc. Hum. 15(027):227-250.         [ Links ]

Field, A. 2005. Discovering statistics using SPSS. 2ª. Ed. SAGE, London.         [ Links ]

Genesove, D. and Mullin, W. P. 2001. Rules, Communication, and collusion: narrative evidence from the sugar institute case. The American Economic Review. 91(3):379-398.         [ Links ]

Gómez, I. A.; Hernández, A.; Ascanio, M. O.; Sánchez, M. E.; Durán, J. L.; Benítez, L.; Villegas, R.; Ponce de León, D. y López, M. 2010. Grupos de suelos y su distribución en las áreas del ingenio Central Motzorongo, Veracruz, México. Cultivos Tropicales. 31(2):32-36.         [ Links ]

Greenland, D. 2005. Climate variability and sugarcane yield in Louisiana. J. Appl. Meteorol. 44(11):1655-1666.         [ Links ]

Hair, J. F. J.; Anderson, R. E.; Tatham, R. L. y Black, W. C. 1999. Análisis multivariante. 5ª. Ed. Prentice Hall Iberia, Madrid, España.         [ Links ]

Hussain, A. y Khattak, N.-u.-R. 2011. Economic analysis of sugarcane crop in District Charsadda. J. Agric. Res. 49(1):153-163.         [ Links ]

INEGI (Instituto Nacional de Estadística, Geografía e Informática). 2008. Padrón nacional cañero 2007. SAGARPA-INEGI.         [ Links ]

Le Gal, P. Y.; Lyne, P. W. L.; Meyer, E. and Soler, L. G. 2008. Impact of sugarcane supply scheduling on mill sugar production: a South African case study. Agricultural Systems. 96(1-3):64-74.         [ Links ]

Lofton, J.; Tubana, B. S.; Kanke, Y.; Teboh, J.; Viator, H. and Dalen, M. 2012. Estimating sugarcane yield potential using an in-season determination of normalized difference vegetative index. Sensors. 12(6):7529-7547.         [ Links ]

Milanés-Ramos, N.; Castillo-Morán, A.; Rodríguez-Lagunes, D. A.; Herrera-Solano, A. and J. I. Sarquís, H. O. R. 2011. In search of sustainability of the sugarcane crop and sugar industry: The role of preparation and training of human resources. Int. J. Bio-Res. Stress Manag. 2(1):054-089.         [ Links ]

Pineda- Ruiz, E.; Rodríguez- Camacho, I.; Más- Martínez, R.; Pérez-Iglesias, H.; García- Ruiz, I.; Díaz- Mujica, F.; Barroso-Medina, F.; Valencia- Núñez, A.; Carballo- Rosario, C. y Quintana- Martínez, J. 2000. Estudio de los suelos y evaluación de los factores limitantes para el manejo agrícola integral de plantaciones cañeras en Villa Clara. Centro Azúcar. 2:83-91.         [ Links ]

Santillán- Fernández, A.; Santoyo- Cortés, V. H.; García- Chávez, L. R. y Covarrubias- Gutiérrez, I. 2014. Dinámica de la producción cañera en México: Período 2000 a 2011. Agroproductividad. 7(6):23-29.         [ Links ]

Singelmann, P. 2003. La transformación política de México y los gremios cañeros del PRI. Rev. Mex. Sociol. 65(1):117-152.         [ Links ]

Snieska, V. and Bruneckiené, J. 2009. Measurement of Lithuanian regions by regional competitiveness index. Eng. Econ. 61(1):45-57.         [ Links ]

Squalli, J.; Wilson, K. y Hugo, S. 2008. An analysis of growth competitiveness. Int. Rev. Appl. Econ. 22(1):105-126.         [ Links ]

Tyagi, V. K.; Sharma, S. and Bhardwaj, S. B. 2012. Pattern of association among cane yield, sugar yield and their components in sugarcane (Saccharum officinarum L.). J. Agric. Res. 50(1):29-38.         [ Links ]

Valade, A.; Ciais, P.; Vuichard, N.; Viovy, N.; Huth, N.; Marin, F. and Martiné, J. F. 2014. Modeling sugar cane yield with a process-based model from site to continental scale: uncertainties arising from model structure and parameter values. Geoscientific Model Development Discussions. 7(1):1197-1244.         [ Links ]

van den Berg, M. and Singels, A. 2013. Modelling and monitoring for strategic yield gap diagnosis in the South African sugar belt. Field Crops Research. 143:143-150.         [ Links ]

Vázquez- Palacios, F. R. 2010. Impacto de los estilos de vida entre cafetaleros y cañeros en la vejez. Rev. Antropología Iberoamericana. 5(3):430-446.         [ Links ]

Waswa, F.; Netondo, G.; Maina, L.; Naisiko, T. and Wangamati, J. 2009. Potential of corporate social responsibility for poverty alleviation among contract sugarcane farmers in the Nzoia Sugarbelt, Western Kenya. J.Agric. Environ. Ethics. 22(5):463-475.         [ Links ]

Windle, J. and Rolfe, J. 2005. Diversification choices in agriculture: a choice modelling case study of sugarcane growers. Austr. J. Agric. Res. Econ. 49(1):63-74.         [ Links ]