texto en 
Inglés (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
El acceso al conocimiento se considera cada vez más como un determinante principal del crecimiento económico y la innovación. Mientras que las capacidades tecnológicas e innovativas se han vuelto fundamentales para establecer la competitividad de las empresas (Porta, 2010). COTEC (2001) define innovación como la capacidad de convertir ideas en productos, procesos o servicios nuevos o mejorados que el mercado valora, basada en conocimiento, atiende una necesidad concreta, incrementa la capacidad de riqueza de la empresa y además tiene fuertes implicaciones sociales. Stoneman y Diederen (1994) indican la importancia de la innovación al afirmar que su uso genera potencial productivo y competitividad. Por su parte, Lundvall (2011) resalta la importancia de la innovación como la capacidad de aprender y desarrollar competencias que promueve el emprendimiento y la iniciativa.
Diversos factores, entre ellos: la globalización, el crecimiento poblacional, la demanda constante de más y mejores alimentos, la demanda de energéticos, la preservación del medio ambiente, y otros (Carpio, 2000; Pretty et al., 2010); imponen nuevos retos a la agricultura mundial, como la necesidad de incrementar la producción de alimentos sin perder de vista el uso eficiente de los recursos para dar respuesta a las exigencias productivas del sector agroalimentario.
Ante tal situación, el gobierno mexicano ha propuesto diversas iniciativas para el desarrollo de capacidades de los productores del campo mexicano, una de ellas es el proyecto estratégico de modernización sustentable de la agricultura tradicional (MasAgro). Se trata de una estrategia que centra sus esfuerzos en productores rurales de maíz de zonas de temporal, a través de la adopción de prácticas agronómicas sustentables (CIMMYT, 2011a). El Manual Oslo (OCDE, 2005) define como criterio mínimo para que una práctica de la empresa sea considerada innovación, que sea nueva para la empresa; además menciona que esta no tiene que ser desarrollada por la misma empresa, puede adquirirla de otras a través del proceso de difusión. Con base en lo anterior, en esta investigación se considerarán las prácticas agronómicas como innovaciones.
Identificar el nivel de adopción de innovaciones del productor permite dos cosas: i) la primera, inherente a la innovación, permite evaluar la pertinencia de la innovación para el productor y al mismo tiempo detectar las barreras que limitan el proceso de adopción; ii) la segunda, inherente al productor, facilita identificar las características particulares por las cuáles el productor adopta o no una práctica, así como las oportunidades de innovación que puedan existir.
En diferentes ámbitos y latitudes se han construido diversos indicadores. En México por ejemplo se tienen: el índice de desarrollo humano, generado por el Programa de las Naciones Unidas para el Desarrollo (PNUD-México); el índice de marginación, generado por el Consejo Nacional de Población (CONAPO); el índice de rezago social, generado por el Consejo Nacional de Evaluación de la Política de Desarrollo Social (CONEVAL); el indicador de desarrollo sustentable, generado por el Instituto Nacional de Estadística, Geografía e Informática (INEGI) e Instituto Nacional de Ecología (INE); el Índice de Ruralidad (Zamudio et al., 2008).
En términos generales, un índice es una medida cuantitativa o cualitativa derivada de una serie de observaciones que permiten revelar posiciones relativas (Ciegis et al., 2009). Los índices implican un compromiso metodológico entre la viabilidad técnica, disponibilidad pública para su uso y consistencia sistémica. Diversos autores (Ciegis et al., 2009; Araújo et al., 2012; Jiménez-Valero et al., 2012) refieren que los índices deben tener las siguientes características: credibilidad, representatividad, legitimidad, sensibilidad a cambios y relevancia; además de que deben ser: objetivos, comprensibles, medibles y comparables.
Respecto a la medición de la innovación, Jiménez-Valero et al. (2012) refieren que a nivel internacional existen trabajos que intentan medir la innovación, así por ejemplo, en el sector salud Hikmet et al. (2008) miden el nivel de adopción de innovaciones de los hospitales como el recuento bruto del uso de tecnologías de la información para la salud. En el sector empresarial Chen et al. (2004) propusieron como medición de la innovación el número de nuevas tecnologías que una empresa había desarrollado últimamente; por su parte Tsai y Ghoshal (1998) midieron la innovación a través del número de nuevos productos, servicios y proyectos que una empresa desarrolló en un tiempo determinado.
Para el sector agropecuario, se tienen antecedentes desde los años 50, Fliegel (1956) propuso el cálculo del índice de adopción de prácticas agrícolas como el porcentaje de las prácticas que un productor podría adoptar respecto al total de todas ellas; Priya (1962) posteriormente calculó el índice de adopción como el número total de años que un productor había realizado diversas prácticas mejoradas sugeridas por el servicio de extensión agrícola; Santoyo et al. (2002) plantearon el índice de buenas prácticas agrícolas, GAPI por sus siglas en inglés, para evaluar programas de desarrollo rural.
En México, Muñoz et al. (2007) propusieron un índice de adopción de innovaciones (InAI) para medir la capacidad innovadora de un productor; este índice (al cual en adelante se denominará InAI) es muy parecido a lo que Fliegel (1956) propuso. La diferencia radica en que los primeros autores clasificaron las innovaciones en categorías con base en un paquete tecnológico y dentro de cada categoría obtuvieron un InAI, al contabilizar el número de innovaciones que un productor realizó dividido entre el número total de innovaciones de esa categoría. Al final se promedian los InAI de cada categoría para obtener el InAI del productor. Esta propuesta ha sido utilizada principalmente por agentes de cambio cuyo objetivo es promover la innovación, e investigadores (Zarazúa et al., 2009; Zarazúa-Escobar et al., 2011; Zarazúa et al., 2012; Díaz-José et al., 2013; Pérez et al., 2013; Sánchez et al., 2013) que buscan analizar el proceso de adopción de la innovación.
Queda claro que los índices de adopción propuestos por Fliegel (1956); Muñoz et al. (2007) no hacen distinción alguna entre las innovaciones, pues en todos los casos se asume que todas tienen el mismo peso. Así, si dos productores A y B realizan tres innovaciones tendrán el mismo nivel de adopción no importando si son las mismas o no. Sin embargo, se ha percibido que dentro de un paquete tecnológico unas innovaciones son más relevantes que otras, por tanto, las innovaciones realizadas influyen en forma distinta por lo que el peso de cada una de ellas debiera ser diferenciado. De esta manera, la única posibilidad de que dos productores tengan el mismo nivel de adopción es cuando realicen las mismas innovaciones.
Medir la capacidad innovadora de un productor requiere de un índice que tome en cuenta tanto el número como el tipo de innovaciones que dicho productor realiza. De esta manera, este índice será pertinente para el diseño de estrategias, procesos de interacción y la asignación de recursos en el sector agrícola.
A partir de lo anterior, el objetivo de esta investigación fue construir un índice que mida el nivel de adopción de innovaciones por medio del análisis de componentes principales que permita la diferenciación de las innovaciones incluidas en un paquete tecnológico para productores de maíz del estado de Guerrero.
Materiales y métodos
Delimitación espacial y temporal
Se utilizó una base de datos con información de 552 productores de maíz del estado de Guerrero, obtenida a partir de un mapeo detallado de actores (MDA). El trabajo consistió en colectar información relacionada con las características generales del cultivo, las prácticas que realiza el productor, así como la fuente de información de esas prácticas. El levantamiento de la información se realizó durante los meses de septiembre y octubre de 2012.
Innovaciones de estudio
El conjunto de innovaciones fue definido por el Centro Internacional de Mejoramiento del Maíz y Trigo (CIMMYT) en el marco de la estrategia MasAgro, dichas innovaciones corresponden a buenas prácticas agrícolas que los productores deben de realizar para una producción sustentable y comercialización apropiada del producto. Al respecto Pretty (2008) señala que las prácticas que se recomienden a los productores deben de minimizar el impacto ambiental, además de ser accesibles, efectivas y permitirles incrementar su productividad. CIMMYT clasifica al total de innovaciones en cinco categorías. El Cuadro 1 presenta a las innovaciones consideradas en cada categoría y la frecuencia relativa con la que son realizadas por los productores de maíz.
Cuadro 1. Clasificación de las innovaciones del paquete tecnológico para maíz en el estado de Guerrero.
Fuente: CIMMYT (2011b) y cédula de mapeo detallado de actores 2012. *Proporción de productores quienes realizan esas innovaciones.
Análisis de la información
Para obtener el indicador planteado, el tratamiento de la información y los análisis estadísticos se realizaron con el paquete Data Analysis and Statistical Software (STATA) versión 10, en el siguiente orden:
Codificación de las innovaciones. Se utilizó la función indicadora para transformar cada innovación a binaria. Se asignó el valor de 1 si un productor afirmó realizar la innovación y 0 en caso contrario.
Determinación de los pesos específicos de las categorías. Se obtuvieron los pesos específicos de las categorías como la proporción de innovaciones que cada categoría contiene con respecto al total de innovaciones. La suma de los pesos específicos es igual a la unidad.
Determinación de la matriz de correlaciones. Se construyó la matriz de correlaciones tetracóricas de las innovaciones de cada categoría, lo anterior por la naturaleza binaria de los datos. Se transformó cada matriz de correlaciones a semidefinida positiva. Es importante señalar, que para el caso de la categoría de tecnologías poscosecha no se presenta la matriz de correlaciones debido a que contiene solo una innovación.
Determinación de los pesos específicos de las innovaciones. Se utilizó la técnica de análisis de componentes principales para obtener los coeficientes propios del grupo de innovaciones correspondientes a cada categoría. Después se realizó el cálculo de la proporción (cociente del coeficiente de cada innovación y la suma de todas) de cada innovación dentro de la categoría correspondiente. La suma de los pesos específicos de las innovaciones dentro de cada categoría es igual a la unidad. Es importante precisar que dentro del proceso de análisis de componentes principales sólo se consideraron las innovaciones realizadas, esto implica que en la ecuación final algunas innovaciones tuvieron coeficiente cero.
Cálculo del índice ponderado de innovaciones agrícolas (IPIA). Con los pesos específicos obtenidos se procedió al cálculo del IPIA a partir de la ecuación [1]:
Donde: IPIA= índice ponderado de innovaciones agrícolas; Ci= peso de la i-ésima categoría; Inj= peso de la j-ésima innovación dentro de la i-ésima categoría.
Resultados y discusión
Descripción de la población de estudio
El 19.02% de los productores rurales de maíz no cuentan con algún grado de escolaridad, 57.07% tienen primaria, 17.57% tienen secundaria, 4.89% tienen nivel medio superior y sólo 1.45% cuenta con educación superior. En lo que se refiere a la edad, 12.86% de la población es menor de 30 años, 20.47% se encuentra dentro del rango de 30 a 40 años, 22.64% corresponden de 40 a 50 años, 19.93% de 50 a 60 años y 24.09% es mayor de 60 años. Foturoti et al. (2006) encontraron al grado académico y la experiencia en la actividad como factores determinantes para la adopción de innovaciones.
El régimen de propiedad de la tierra de los productores rurales es colectiva con 72.10%, seguida por la propiedad privada con 26.27% y sólo 1.63% es rentada. El 28.68% de los productores utilizan maíz criollo y el resto semillas mejoradas, en promedio la superficie sembrada es de 1.6 ha por productor y el rendimiento promedio es de 2.77 t ha-1.
Pesos específicos de las categorías
En el Cuadro 2 se presentan los pesos específicos por categoría según se describió en el apartado de materiales y métodos.
Análisis de correlación
En lo que respecta a la categoría de mercado y financiamiento, se observó una alta correlación positiva (Cuadro 3) entre la innovación de ventas por contrato y las compras y ventas en común, lo anterior se explica por las economías de escala que se generan al asociarse los productores. También se encontró una alta correlación positiva entre las innovaciones uso de crédito y ventas por contrato: en gran medida, la certidumbre de las ventas propicia el uso de créditos (Muñoz et al., 2002).
Cuadro 3. Matriz de correlaciones tetracóricas para la categoría mercado y financiamiento del paquete tecnológico de maíz en el estado de Guerrero.
*, **= significativo al 0.05 y al 0.01 niveles de probabilidad respectivamente. Fuente: elaboración con información del mapeo detallado de actores (2012).
En el Cuadro 4, se presenta la matriz semidefinida positiva de las correlaciones tetracóricas para la categoría manejo agronómico. Las correlaciones encontradas muestran una interrelación entre las innovaciones de: labranza mínima, uso de cultivos de cobertura, asociación de cultivos y rotación de cultivos con altas significancias. Lo anterior se debe a que estas innovaciones son de fácil adopción además que no implican costos adicionales al productor para implementarlas; también influye el hecho de que estas innovaciones han sido promovidas por agentes de cambio en el marco de la estrategia MasAgro ya que son pilares de la agricultura de conservación (AC) (CIMMYT, 2011c).
Cuadro 4. Matriz de correlaciones tetracóricas para la categoría manejo agronómico del paquete tecnológico de maíz en el estado de Guerrero.
*, **Significativo al 0.05 y al 0.01 niveles de probabilidad respectivamente. Fuente: elaboración con información del mapeo detallado de actores (2012).
Para la categoría de nutrición, se observaron altas correlaciones positivas entre la innovación de mejoradores de suelo con las innovaciones de uso de abonos orgánicos y control de enfermedades, en ambos casos fueron altamente significativas (Cuadro 5). En todas las correlaciones significativas la relación fue positiva, lo anterior motiva a pensar que las innovaciones incluidas dentro de la categoría nutrición son las adecuadas.
Cuadro 5. Matriz de correlaciones tetracóricas para la categoría nutrición del paquete tecnológico de maíz en el estado de Guerrero.
*, **Significativo al 0.05 y al 0.01 niveles de probabilidad respectivamente. Fuente: elaboración con información del mapeo detallado de actores (2012).
La categoría de organización y administración sólo contiene dos innovaciones: consolidación organizativa y registros técnico-productivos-administrativos, su coeficiente de correlación tetracórica fue positiva (0.625) con alta significancia estadística (p≤ 0.01).
Análisis de componentes principales (ACP)
Utilizando la matriz de correlaciones del Cuadro 4, se realizó el ACP para la categoría manejo agronómico, se consideraron los tres primeros componentes que explican 63.3% de la varianza total. En el Cuadro 6, se presentan los valores de los componentes y el peso de cada innovación.
Cuadro 6. Componentes principales de la categoría manejo agronómico y pesos específicos por innovación.
Fuente: elaboración con información del mapeo detallado de actores (2012).
La columna peso indica la contribución relativa de cada innovación dentro de la categoría de manejo agronómico. La innovación con mayor peso fue el uso de semilla mejorada, seguida por el uso de maquinaria especializada, otras innovaciones con peso sobresalientes son el uso de semilleros nacionales y tipo de riego. La relevancia de estos hallazgos radica en que si estas innovaciones son practicadas por los productores incrementaran su nivel de adopción; sin embargo, su práctica implica costos adicionales al productor lo que condiciona su adopción.
De igual forma, se realizó un ACP con la matriz de correlaciones de la categoría mercado y financiamiento del Cuadro 3, sólo se consideró el primer componente, el cual explica casi 55% de la varianza total. En el Cuadro 7, se presentan los valores del primer componente y el peso de cada innovación.
Cuadro 7. Componentes principales de la categoría mercado y financiamiento y pesos específicos por innovación.
Fuente: elaboración con información del mapeo detallado de actores (2012).
La innovación ventas por contrato tuvo mayor peso dentro de esta categoría, de manera particular se considera muy importante contar con un mercado definido para llevar a cabo la venta de su producción, podría considerarse a la innovación ventas por contrato como la detonadora en la adopción del resto de innovaciones en esta categoría. El peso de la innovación: uso del seguro agrícola se explica por las características de los productores, quienes tienen una edad avanzada y baja escolaridad, además de contar con pequeños predios con régimen de temporal; Muñoz et al. (2002) señalan que los productores con superficies relativamente grandes, régimen de riego y financiamiento son quienes tienen mayor propensión en contratar seguros.
Para la categoría de nutrición del Cuadro 5 se emplearon los cuatro primeros componentes principales debido a que estos explican poco más de 70% de la varianza total. La salida con los valores de las componentes y el peso de cada innovación en la categoría nutrición, se presenta en el Cuadro 8.
Cuadro 8. Componentes principales de la categoría nutrición y pesos específicos por innovación.
Fuente: elaboración con información del mapeo detallado de actores (2012).
La innovación con mayor peso dentro de esta categoría fue fertilización balanceada con más de 15% de contribución relativa, esta innovación está interrelacionada con otras innovaciones de esta categoría como son el análisis de suelo, el uso de fertilizantes y uso de mejoradores de suelo. La práctica de estas innovaciones es esencial para que las plantas adquieran los nutrientes necesarios, por ello MasAgro impulsa este tipo de innovaciones porque esto permitirá mejoras en los rendimientos (CIMMYT, 2011a; CIMMYT, 2011c).
Como se mencionó, la categoría organización y administración sólo contiene dos innovaciones: consolidación organizativa y registros técnico-productivos-administrativos. Por tanto, el ACP genera sólo un componente, la cual explica poco más de 81% de la varianza total, el valor encontrado para dichas innovaciones fue de 0.707. De donde el peso para cada innovación dentro de esta categoría fue de 0.5 (Inj).
Índice ponderado de innovaciones agrícolas (IPIA)
En la construcción del índice se utilizó el peso específico por categoría (Ci) y el peso específico (Inj) de las innovaciones dentro de cada categoría por medio de la ecuación (1) para calcular el IPIA de cada productor rural de maíz.
Comparación entre el índice ponderado de innovaciones agrícolas y el índice de adopción de innovaciones
Se hicieron comparaciones entre los índices IPIA e InAI para mostrar la pertinencia de la propuesta. El IPIA presentó un rango de 0.008 a 0.835, un valor promedio de 0.293 y una mediana de 0.275; mientras que el InAI -se calculó conforme a la propuesta metodológica de Muñoz et al. (2007) - tuvo menor rango de variación, con valores de 0.034 a 0.724, un valor promedio de 0.251 y una mediana de 0.241 (Figura 1). Esta figura exhibe una mayor cobertura y simetría del IPIA en relación con el InAI; también es posible observar en la figura como el IPIA es capaz de identificar aquellos valores extremos contrario a lo que sucede con el InAI.
Figura 1. Comparación de las distribuciones del nivel de adopción de los productores de maíz en el índice de adopción de innovaciones y en el índice ponderado de innovaciones agrícolas.
Otra característica a considerar es que el InAI se trata en realidad de una variable discreta ya que los posibles valores que puede tomar son saltos en una misma magnitud; es decir, el primer valor posible está dado por el cociente 0/29 (cuando un productor no realiza ninguna innovación); el segundo valor posible es 1/29 (cuando un productor realiza una innovación); y así sucesivamente hasta el último valor posible cuyo cociente es 29/29 (cuando un productor realiza todas las innovaciones). Estos saltos se eliminan con el IPIA debido a que los pesos por innovación y por categoría son distintos, lo que arroja como resultado que los datos sean continuos. Lo anterior ha pasado desapercibido por aquellos investigadores quienes han abordado el proceso de adopción de la innovación (Zarazúa et al., 2009; Zarazúa-Escobar et al., 2011; Zarazúa et al., 2012; Díaz-José et al., 2013; Pérez et al., 2013; Sánchez et al., 2013); esto condiciona la profundidad de análisis para determinar los efectos del nivel de adopciones.
Con fines de profundizar en el análisis de la comparación, en el Cuadro 9 se propone una categorización del nivel de adopción de innovaciones del productor. Debe notarse que para ambos índices el intervalo va de cero a uno.
Utilizando la categorización anterior, se comparó la distribución conjunta de ambos índices (Cuadro 10).
Cuadro 10. Comparación de la distribución del nivel de innovación asignada por el índice de adopción de innovaciones y por el índice ponderado de innovaciones agrícolas para productores de maíz en el estado de Guerrero.
Fuente: elaboración con información del mapeo detallado de actores (2012).
En el Cuadro 10 se observa la forma en que se distribuyen nivel de adopción de los productores según el índice. Así por ejemplo, el InAI clasifica a 281 productores en un nivel bajo; sin embargo, el IPIA los redistribuye, manteniendo en un nivel bajo a 222 productores mientras que a 16 y 43 de ellos los clasifica en los niveles muy bajo y medio respectivamente. Esto evidencia que el InAI no discrimina las innovaciones que el productor realiza mientras que el IPIA sí lo hace.
Conclusiones
El índice de adopción de innovaciones ponderado permite identificar las innovaciones con mayores contribuciones. Esto es importante porque en la realidad existen innovaciones clave que inciden directamente en la competitividad del productor; estas innovaciones pueden quedar ocultas al integrar un indicador de innovaciones basado en el conteo simple.
La medición de las innovaciones propuesto considera pesos específicos de cada innovación. Así, el índice de adopción de innovaciones de un productor estará en función de qué innovaciones realiza y no en el número de innovaciones que realiza. Para el estado de Guerrero, se recomienda reducir el universo de innovaciones mapeadas, pasando de las 29 a las 15 innovaciones que son las que tienen mayor peso en los productores rurales de maíz.
Futuras investigaciones podrían centrarse en la validación de indicadores de adopción de innovaciones empleando ponderaciones y pesos específicos, en lugar de emplear conteos simples para el diseño de indicadores de adopción.
