SciELO - Scientific Electronic Library Online

 
vol.30 número55El conflicto socioambiental en el Río Sonora. Análisis de la acción colectiva de las Organizaciones de la Sociedad Civil de 2014 a 2018Los bancos de alimentos y su rol en el contexto de la pandemia del COVID-19 índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay artículos similaresSimilares en SciELO

Compartir


Estudios sociales. Revista de alimentación contemporánea y desarrollo regional

versión On-line ISSN 2395-9169

Estud. soc. Rev. aliment. contemp. desarro. reg. vol.30 no.55 Hermosillo ene./jun. 2020  Epub 06-Dic-2021

https://doi.org/10.24836/es.v30i55.959 

Artículos

Calidad de Gobierno en el diseño de política pública: el caso del Programa de Concurrencia con las Entidades Federativas en México

Quality of Government in public policy design: The case of the Concurrency Program with federal entities in Mexico

Ulises Yuma-Ibarra* 
http://orcid.org/0000-0002-8096-7494

Mario Camberos-Castro** 
http://orcid.org/0000-0002-3271-2980

*Estudiante del Doctorado en Desarrollo Regional. Centro de Investigación en Alimentación y Desarrollo A. C. Hermosillo, México.

**Centro de Investigación en Alimentación y Desarrollo A.C. Coordinación de Desarrollo Regional. Carretera Gustavo Enrique Astiazarán Rosas, 46. Col. La Victoria, C. P. 83304. Tel. 289 2400 ext. 319


Resumen

Objetivo:

Analizar la distribución de recursos del Programa de Concurrencia con las Entidades Federativas 2015-2017 para determinar el posible uso discrecional de los recursos públicos.

Metodología:

Se realizó un estudio semilongitudinal, el cual permitió realizar una estratificación de unidades de producción beneficiadas del Programa de Concurrencia de acuerdo con tres criterios: 1) el monto del apoyo; 2) el ingreso obtenido en el año y 3) si hubiera efectuado la inversión sin el apoyo.

Resultados:

Se obtuvo una clasificación de seis estratos de unidades de producción. Para las unidades de estratos con menores ingresos es casi imposible conseguir apoyo cuando compiten con las grandes empresas, toda vez que la discrecionalidad permite asignar los recursos preferentemente a las Unidades de Producción de mayores ingresos.

Limitaciones:

Las bases de datos con las cuales se trabaja son de terceros; es deseable levantar información directa con productores beneficiarios.

Conclusiones:

Se observan debilidades en la selección de la población objetivo, en la asignación de recursos a nivel municipal y estrato del productor, lo que se traduce como debilidades para la corrección de disparidades de desarrollo regional.

Palabras clave: desarrollo regional; calidad de gobierno; discrecionalidad; política pública; población objetivo; estratificación de beneficiarios

Abstract

Objective:

To analyze the resources distribution on the Concurrency Program with the Federal Entities 2015-2017 to determine the possible discretional use of the public resources.

Methodology:

A semi-longitudinal study was made, which permitted to develop a stratification of production units, which were benefited by the Concurrency Program under three criteria: 1) the total amount of support (monetarily wise); 2) the yearly obtained income and 3) if it had made the investment without it.

Results:

It was obtained a classification of six production units by stages. For the production units that fall under the lower stages of income is almost impossible to obtain the support when competing against the big companies, given that the discretional modus operandi of resources placement favors the units of production with more significant income sources.

Limitations:

A third party developed the databases; leaving room for a field research to be done with the production units that were given the support.

Conclusions:

We can easily observe weaknesses on the selection of target population, when assigning the resources at a town-level, and the level of income of the companies, which can be translated as an area of opportunity on the way the resources of the program are assigned.

Keywords: regional development; quality of government; discretion; public policy; target population; stratification of beneficiaries

Introducción

Cuando se analiza el impacto de una política pública en México, uno de los temas tabúes por parte de los evaluadores (sean académicos, consultores y/o investigadores) es el referido a la corrupción. Sucede no solo por las restricciones a los evaluadores en materia de trasparencia por parte de quien ostenta el poder y pudiera hacer un uso discrecional de los recursos públicos, sino por la subordinación que existe entre los propios evaluadores y el gobierno. Se dan estas situaciones debido a que es el gobierno quien los contrata, incluidos centros de estudios de renombre. Lo mencionado quedó señalado en la llamada Estafa Maestra, una investigación periodística encabezada por Animal Político y Mexicanos Contra la Corrupción y la Impunidad. La investigación nace de las observaciones hechas en las Cuentas Públicas durante el 2013 y 2014 por la Auditoría Superior de la Federación (ASF). En ella con una muestra de 73 de 2,061 convenios que el gobierno celebró con instituciones públicas, en el 100 % de los casos se encontraron anomalías. El estudio trata del desvío de más de 3.4 mil millones de pesos de recursos públicos que involucra a once dependencias y a ocho universidades públicas a través de empresas fantasmas (Ureste, Castillo y Roldán, 2018).

Las evaluaciones no suelen estimar el grado de discrecionalidad que puede ejercer quien ocupa un puesto de mando en el servicio público, eso también ocurre en la aplicación de herramientas, estrategias y modelos de gestión de política pública; se suele proponer estrategias de intervención gubernamental bajo el supuesto de que existe una buena voluntad por parte de los funcionarios públicos (Solano, 2011), por lo que proponer candados para el control de un probable uso indebido de los recursos no resulta una prioridad en la fase de diseño.

De esta manera, una acción pública de fomento al desarrollo pudiera terminar con impactos inversos a los que teóricamente son planteados. Por ejemplo, en el continente africano, se ha invertido un billón de dólares en ayuda del exterior en los últimos cincuenta años, la cual ha tenido consecuencias en una gran variedad de ámbitos; es decir, en el apoyo del despotismo, en el aumento de la corrupción y un sentido de dependencia entre los africanos (Moyo, 2009). En algunos casos la ayuda internacional es responsable directa de daños sociales, afectando a las instituciones y como incentivo a la corrupción (Easterly, 2006; Knack, 2001).

En México, por ejemplo, se han dado a conocer varios informes por parte de la Auditoría Superior de la Federación (ASF), en los cuales se evidencia discrecionalidad en el uso de recursos por parte de algunas dependencias de gobierno; así, en su informe de la Cuenta Pública 2016, la diferencia entre los ingresos presupuestales de la Ley de Ingresos y lo que realmente se recaudó es de 690,896.9 millones de pesos (mdp), de los cuales la Secretaría de Hacienda y Crédito Público (SHCP) informó sobre el destino del 13.2 % (90,936.4 mdp) de los ingresos excedentes obtenidos. En consecuencia, la SHCP reporta el 86.8% de los ingresos excedentes de forma agregada, sin especificar su aplicación y resultados (ASF, 2017).

En el mismo estudio se observa que en el año en cuestión, Sagarpa operó 14 programas con un monto de 65 mil 157.4 millones de pesos (equivalentes a 52 % de los 124 mil 218 millones destinados para el desarrollo económico en el sector primario), sin que hubiera un padrón exacto de la población a beneficiar, lo cual “disminuyó el grado de certeza sobre la entrega de los recursos” (ASF, 2017, p. 61).

Programas como Oportunidades han tenido impactos reducidos en la sociedad (Bracamontes, Camberos y Huesca, 2014); en el caso de los Programas para el Sector Agropecuario también es discutida dicha eficiencia (Borbón, 2010) y se han identificado vacíos en la delimitación de la población objetivo. Tal situación sugiere la posibilidad de beneficiar a personas que teóricamente no deberían ser contempladas en el diseño de estos programas.

Ante estos resultados disonantes, se advierte, entonces, la necesidad de diseñar mecanismos ligados a las políticas públicas que eviten el posible manejo discrecional de los recursos gubernamentales por parte de los tomadores de decisión. Tales mecanismos tipo “candados” (para evitar el mal manejo financiero público para beneficio personal) deben servir no solo para advertir la discrecionalidad en la asignación de los recursos de quien esté al mando, sino también para prevenir la de los futuros funcionarios públicos, lo que dará por resultado una mayor fortaleza institucional. Más aún, en un contexto en el cual se entiende al buen gobierno como la manera en la que la gobernanza influye en el desempeño económico (World Bank, 1992) e impacta directamente en la calidad de vida de los ciudadanos por medio del ejercicio del poder (Huther y Shah, 1996).

Así pues, en el presente trabajo se toma por objetivo el analizar la distribución de recursos del Programa de Concurrencia con las Entidades Federativas (PCEF) de la Secretaría de Agricultura, Ganadería, Desarrollo Rural, Pesca y Alimentación (Sagarpa) en Sonora, México, para el periodo 2015-2017, con el fin de determinar si es posible que se dé un uso discrecional de los recursos públicos que afecte la corrección de disparidades de desarrollo regional a través de la atención diferenciada a las regiones de mayor rezago. No se evalúa si hay o no corrupción, sino si es factible que, dada la operatividad y las normas del programa, se direccionen a modo los recursos públicos en un sentido diferente al de la fase de diseño del programa (teniendo como fin último el control de la discrecionalidad) por último se plantea una propuesta para fortalecer la institución contra posibles actos discrecionales.

De manera particular, el artículo pretende dos cuestiones: primero, analizar si existen condiciones de una debilidad institucional en cuanto al control de la discrecionalidad se refiere y que esta debería ser prioritaria en el diseño de programas públicos, pues no importa el modelo, estrategia o herramienta de gestión que se use, si el fin de un funcionario público es enriquecerse en la operatividad del programa, toda la teoría del diseño del programa corre el riesgo de fracasar; y segundo, demostrar la factibilidad práctica del concepto de Calidad de Gobierno propuesta por Guillermo Cejudo como una alternativa a la actual estratega de gestión y sus repercusiones en el diseño de programas productivos para apoyar a la población beneficiaria.

Se busca así, constituirse en un eslabón entre la teoría que da sustento a la definición de calidad de gobierno y su aplicación a una Población Objetivo, mediante una política pública sustentada en un programa, que considere la eliminación de la discrecionalidad en la asignación de recursos y cuyos resultados puedan hacerse extensivos a otros programas.

De la discrecionalidad como problema a la Calidad de Gobierno como solución

Actualmente, resulta cada vez más cuestionable e inaceptable, en el diseño de estrategias de política pública, no reconocer esa posible discrecionalidad por parte de los tomadores de decisión en las diferentes instituciones de gobierno. Por ende, es necesario diseñar leyes y programas públicos “blindados” contra posibles funcionarios corruptos, pensando en la actual y en las futuras generaciones de tomadores de decisión.

A principios de la década pasada, surge una corriente de pensamiento que busca explicar en qué debe consistir el concepto de Calidad de Gobierno. Rothstein y Teorell (2008) proponen un enfoque basado en una serie de estándares institucionales y morales básicos que, a partir de la imparcialidad, minimicen el abuso del poder y construyan un escenario de predictibilidad de la acción del gobierno. Ese enfoque es retomado por Cejudo, Gerhard y Zabaleta (2009) para elaborar una definición de calidad de gobierno que coloca en el eje normativo el control de la discrecionalidad en lugar de la imparcialidad. En este sentido, el trabajo propone una forma de operacionalizar esta idea, retomando para ello la propuesta conceptual de Calidad de Gobierno del Centro de Investigación y Docencia Económica (CIDE), encabezada por Guillermo Cejudo, la cual se define como: “La interacción del conjunto de atributos (tanto de arquitectura institucional como de prácticas de gestión) dirigidos a controlar la discrecionalidad en el ejercicio del poder” (Cejudo et al., p. 6).

Aunque existen numerosas definiciones de Calidad de Gobierno que se explican desde: la corrupción (Goel y Nelson, 1998; Sandholtz y Koetzle, 2000; Knack, 2001; Alesina y Weder, 2002; Seligson, 2002; Sung, 2004; Suphachalasai, 2005; Stulz, 2005; Fogel, 2006;), la calidad institucional (Loayza, 1996; Panizza, 2001; Islam, 2003; Mocan, 2004; Breen y García-Peñalosa, 2005; Ugur y Ararat, 2006; Aixalá y Fabro, 2007), los que retoman la definición del Banco Mundial (Fleck y Hanssen, 2005; Helliwell y Huang, 2005; Méon y Weill, 2005; Islam, 2006; Enikolopov y Zhuravskaya, 2007) y otras definiciones (Huther y Anwar, 1998; Haggard, 1999; Knack, 2002; Oliva y Rivera, 2002; Coffé y Geys, 2005; Clearly, 2007), este trabajo se remite al concepto de Cejudo et al. (2009).

La propuesta de estos autores enfatiza, como fin de ella, el control de la discrecionalidad para el fortalecimiento institucional, por lo que determinar si existe la posibilidad de cometer actos de corrupción se vuelve la parte medular desde esa visión. Esto conlleva aplicaciones no solo en la evaluación de políticas públicas, sino también en su diseño. La discrecionalidad es entendida como la capacidad de una agencia para elegir cierta política alineada a sus propios objetivos, y que diverge de aquellos propuestos por el ejecutivo y la legislatura en la fase de diseño (Calvert, McCubbins y Weingast, 1989). Así, “no todo comportamiento autónomo de la burocracia es discrecional, sino solo aquél que se disocia de los objetivos que se definieron en la esfera política y que a su vez son un cierto reflejo de las preferencias de los ciudadanos” (Cejudo, Gerhard y Zabaleta, 2009, p. 10).

En el caso de México, el Neoliberalismo trajo consigo la práctica de la venta de la venta de las empresas públicas del Estado mexicano a manos de empresas privadas nacionales e internacionales para formar monopolios, en las cuales se incorporarían en su personal administrativo y gerencial a exfuncionarios del gobierno mexicano, incluyendo expresidentes (Olmos y Durán, 2017). Dicha práctica ha sido cuestionada por numerosos sectores de la sociedad al grado de llegar a ser hoy en día regulada por la reciente administración gubernamental, con el propósito de que tanto exfuncionarios como empresas no se beneficien de la llamada “puerta giratoria”, es decir, del intercambio de información privilegiada entre exfuncionarios y empresas a cambio de puestos gerenciales y beneficios económicos.

Por otro lado, la implementación de la Gestión Basada en Resultados no eliminó la corrupción de los programas públicos. De hecho, según el World Justice Project (WJP), México se ubica en el lugar 92 de 113 países evaluados por el WJP en el Índice de Estado de Derecho 2017-2018 (WJP, 2018), con lo que el país cayó cuatro posiciones respecto al mismo índice de 2016 y que lo coloca con el mismo puntaje que Sierra Leona, Liberia y Kenya. A nivel global, el estudio indica que los derechos fundamentales y los límites al poder gubernamental se debilitaron en este periodo.

El INEGI, por su parte, aplica la Encuesta Nacional de Calidad e Impacto Gubernamental (ENCIG) para medir la calidad de los servicios y generar estimaciones sobre la prevalencia de actos de corrupción y la incidencia de los mismos en la realización de trámites, pagos, solicitudes de servicios públicos y otro tipo de contacto con las autoridades, en la que en el 2017, Sonora quedó en primer lugar nacional en el número de actos de corrupción que han padecido sus ciudadanos de servidores públicos (INEGI 2018).

Por ser Sonora uno de los principales estados productores del sector primario en México, se adoptó por analizar, basado en el concepto de Calidad de Gobierno, el programa principal de la Sagarpa (ahora SADER) el Programa de Concurrencia con las Entidades Federativas y diseñar una propuesta para blindar los recursos de posibles actos de discrecionalidad.

El Programa de Concurrencia con las entidades federativas y su Población Objetivo

El Programa Alianza para el Campo comenzó su operación en el año 1996, en el contexto de la Alianza para la Recuperación Económica firmada en octubre de 1995. Los objetivos principales de la Alianza fueron en ese momento: “aumentar progresivamente el ingreso de los productores, incrementar la producción agropecuaria a una tasa superior a la del crecimiento demográfico, producir suficientes alimentos básicos para la población y fomentar las exportaciones de productos del campo”.1 Cambió de nombre en 2008 a Programa de Adquisición de Activos Productivos (PAAP) y en 2011 a Programa de Inversión en Equipamiento e Infraestructura (PAIEI) hasta como lo conocemos hoy, Programa en Concurrencia con las Entidades Federativas (PCEF).

Este, al igual que todos los programas del sector primario, se rige por la Ley de Desarrollo Rural Sustentable (LDRS) que en su Objetivo II, Artículo 5º señala como objetivo: Corregir disparidades de desarrollo regional a través de la atención diferenciada a las regiones de mayor rezago, mediante una acción integral del Estado que impulse su transformación y la reconversión productiva y económica, con un enfoque productivo de desarrollo rural sustentable (DOF, 2019).

El PCEF tiene una cobertura nacional y en su ejecución participan de manera directa los gobiernos estatales, la propia Sagarpa a través de sus delegaciones en los estados y, en algunos casos, también se cuenta con la participación de los gobiernos municipales; asimismo, para la operación de ciertos proyectos de prioridad nacional, la Secretaría se apoya en Agentes Técnicos.

En este sentido, la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO) realizó un estudio con el fin de identificar potenciales duplicidades y contraposiciones entre programas federales que limiten la consecución de los objetivos de desarrollo rural, como por ejemplo el PECEF, y se encontró que existían 67 relaciones de duplicidad entre programas de la administración pública federal, 24 relaciones de potencial complementariedad y en cuatro casos se observaron riesgos de contraposición (FAO-Sagarpa, 2009), evidenciando un problema de diseño debido a que gran parte de las duplicidades que se identificaron tienen como origen la forma en la que se encuentra definida la población objetivo en cada programa. Por ello, el estudio llegó a la conclusión de que el diseño de los programas productivos del sector rural debería diferenciar claramente los distintos tipos de poblaciones que contiene el universo de personas que componen este sector y que a continuación se definen (FAO-Sagarpa, 2009):

  • Población de Referencia o Universo. El total de la población utilizada para establecer criterios de comparación de una población en estudio (ejemplo: Figura 1 (a): 1 Unidades Económicas Rurales Agrícolas [UER]).

  • Población Potencial. Población total que presenta la problemática que justifica la existencia del programa y que por ende es elegible para su atención (ejemplo: Figura 1 (a): 2 ¿quiénes en la población de referencia están siendo afectados por el problema? Unidades Económicas Rurales Agrícolas de con bajo nivel de productividad).

  • Población Objetivo. Población que el programa tiene planeado atender en un período dado de tiempo (ejemplo: Figura 1 (a) : 3 ante las restricciones y criterios, ¿qué parte de la población potencial se estará en condiciones de atender? Unidades Económicas Rurales Agrícolas con bajo nivel de productividad, medio y bajo nivel de activos, que no haya sido apoyado en años anteriores y criterio de focalización adicional).

  • Población Beneficiaria. Población que ha sido atendida por el programa desde su inicio (ejemplo: Figura 1 (a) : 4 proporción de la población objetivo efectivamente atendida por el Programa en uno o varios años).

Fuente: elaboración propia con base en FAO-Sagarpa (2009).

Figura 1 Población Objetivo teórica (a) vs Población Objetivo real (b). 

Ahora bien, tomando en cuenta la siguiente Figura 1 (a), se observa que, en los programas como el PCEF, se debería definir, en primer lugar, una población de referencia, de la cual se atiende un problema de desarrollo o condición negativa o necesidad insatisfecha que afecta a una población en un territorio específico; a esa población que padece dicho problema se le llama población potencial. Ante las restricciones de recursos presupuestales y humanos, la eficiente y eficaz aplicación requiere orientar la atención de una población con características claramente definidas y relacionadas con el problema que se pretende resolver. Entonces, la definición de la población objetivo requiere, además, de otros criterios para lograr la focalización que consiste en concentrar la provisión de bienes y/o servicios en una población claramente identificada con criterios de ubicación geográfica, grupos etarios, género, nivel de ingreso, pobreza, etcétera.

Así, la selección de la población objetivo es crucial en el ordenamiento del programa, ya que solucionar la problemática de esta población es lo que justifica la existencia del mismo, puesto que existen recursos presupuestales y humanos limitados y su eficiente aplicación requiere orientarlos a la atención de una población con características claramente definidas y relacionadas con el problema que se pretende resolver.

En este orden de ideas, queda claro que los involucrados con la problemática quedarán en primer lugar al momento de comenzar a hacer el análisis de política pública, pues serán los miembros de la población objetivo para los cuales se pretenda implementar el programa; el análisis de la participación resulta un momento clave a la hora de comenzar la preparación de un proyecto, pues hay que saber a quién queremos mejorar antes de determinar qué es lo que queremos hacer (Camacho, Cascante, Cámara y Sainz, 2001).

En el caso del sector agropecuario, la estratificación de la Población Objetivo se caracteriza de la siguiente manera (FAO, 2012):

  • E1. Estrato de Unidades Económicas Rurales familiares de subsistencia sin vinculación al mercado. No presenta ingresos por ventas o sólo realiza ventas esporádicas de “excedentes no planeados”, pues el objetivo de su producción no es el mercado. Cuya producción tiene como destino al autoconsumo.

  • E2. Estrato de Unidades Económicas Rurales familiares de subsistencia con vinculación al mercado. carácter familiar y presenta ventas de productos primarios que no superan los 55,200 pesos anuales. Adicionalmente, las UER de este estrato presentan emprendimientos no agropecuarios de menor escala; así como la venta de servicios de mano de obra asalariada, lo que complementa el ingreso familiar.

  • E3. Estrato de Unidades Económicas Rurales en transición. se considera en transición debido a que los ingresos que obtienen son suficientes para cubrir las necesidades básicas de una familia, pero los problemas que enfrentan están relacionados con mantener y mejorar la rentabilidad de la unidad agropecuaria. teniendo venta promedio anual de 73,931 pesos.

  • E4. Estrato de Unidades Económicas Rurales empresariales con rentabilidad frágil. Este Estrato presenta como problema principal la rentabilidad frágil, cuyos ingresos por la venta de sus productos provenientes de la actividad agroalimentaria, teniendo venta promedio anual de 151,958 pesos.

  • E5. Estrato de Unidades Económicas Rurales empresariales pujantes. En el estrato empresarial pujante con ventas promedio anuales de 562,433 pesos.

  • E6. Estrato de Unidades Económicas Rurales empresariales dinámicas. Ingresos por la venta promedio anual igual o mayor a 11.7 millones de pesos.

Para cumplir con la transparencia en la entrega de apoyos, el procedimiento realizado por la Sagarpa consiste en abrir ventanillas para la entrega de proyectos, el cual es evaluado y calificado con un porcentaje del 0 al 100, el periodo de calificación de los proyectos es de dos meses y el número promedio de proyectos oscila entre 3,000 y 6,000. Una vez dictaminadas las solicitudes se elabora un listado de mayor a menor calificación, y con base a la disponibilidad de recursos se apoyan primeramente a los proyectos con el puntaje más alto hasta que los recursos se comprometan en su totalidad dejando a los proyectos de menor puntaje como no aprobados o aprobado, pero sin suficiencia de recursos (Figura 2).

Fuente: Sagarpa-Sagarhpa (2017, p. 14).

Figura 2 Proceso operativo del Programa de Concurrencia con las Entidades Federativas. 

Una vez contextualizado el programa y la población objetivo deseable se analiza cuál es la Población Objetivo real y se contrasta con una estimación propuesta de la Población Objetivo deseable bajo una metodología que se explica a continuación.

Metodología

El estudio se realizó a través de un diseño de investigación de tipo descriptivo semilongitudinal con base en los recursos estadísticos generados por las encuestas a beneficiados del PCEF 2015-2017 y el Diagnóstico del sector rural y pesquero de México 2012 (DSRP) (FAO, 2012), el cual registró la estimación de un total de 5 millones 35 mil 223 unidades económicas rurales estratificadas bajo el criterio de valor de los ingresos por ventas, como se observa en la siguiente Tabla 1.

Tabla 1 Estratos de Unidades Económicas Rurales (UER) en el Sector Rural y Pesquero de México 2012 

Estrato UER % UER por Estrato Ingresos por ventas promedio Rango de ingreso por ventas
Mínimo Máximo
E1: Familiar de subsistencia sin vinculación al mercado 1,192,029 22.4 - - -
E2: Familiar de subsistencia con vinculación al mercado 2,696,735 50.6 17,205 16 55,200
E3: En transición 442,370 8.3 73,931 55,219 97,600
E4: Empresarial con rentabilidad frágil 528,355 9.9 151,958 97,700 228,858
E5: Empresarial pujante 448,101 8.4 562,433 229,175 2,322,902
E6: Empresarial dinámico 17,633 0.3 11,700,000 2,335,900 77,400,000
Total 5,325,223 100.0

Fuente: Diagnóstico del sector rural y pesquero (FAO, 2012).

A partir de la tabla anterior se procedió a determinar el número de unidades de producción (UP) que se encuentran dentro de cada estrato para las 32 entidades federativas del país, con un ajuste a los porcentajes para que sumen exactamente el cien por ciento por estrato (Tabla 2).

Tabla 2 Estimación estratificada de Unidades de Producción por entidad federativa en México (2012) 

Entidad federativa Estrato 1 Estrato 2 Estrato 3 Estrato 4 Estrato 5 Estrato 6 Total
Aguascalientes 4,718 7,123 2,043 2,447 2,663 245 19,238
Baja California 1,858 1,052 517 1,446 2,272 289 7,434
Baja California Sur 1,377 2,080 682 817 1,209 88 6,253
Campeche 9,513 23,936 4,315 4,229 3,580 172 45,744
Coahuila 10,544 17,056 3,354 3,348 3,117 379 37,799
Colima 1,191 4,046 1,547 2,647 4,033 159 13,623
Chiapas 63,336 300,999 19,201 16,657 9,735 211 410,138
Chihuahua 21,690 26,314 8,624 12,054 17,198 964 86,843
Distrito Federal 2,031 7,666 754 602 510 10 11,572
Durango 12,395 28,070 8,337 9,643 7,871 275 66,592
Guanajuato 26,190 67,782 18,883 21,291 15,205 665 150,016
Guerrero 86,808 146,109 16,108 15,124 7,946 122 272,216
Hidalgo 63,001 117,193 7,515 6,502 4,233 233 198,678
Jalisco 18,939 42,890 19,952 28,519 25,978 751 137,029
México 151,205 144,987 11,627 10,901 8,714 706 328,140
Michoacán 36,513 82,686 19,634 23,521 22,712 397 185,464
Morelos 3,906 23,586 6,039 5,209 2,694 67 41,502
Nayarit 7,563 25,692 11,227 13,730 9,012 168 67,393
Nuevo León 10,295 13,600 2,547 3,051 4,197 330 34,021
Oaxaca 121,132 185,488 12,844 15,899 8,682 171 344,216
Puebla 101,432 224,706 16,775 13,234 7,053 327 363,527
Querétaro 20,989 15,844 2,596 3,110 2,194 328 45,061
Quintana Roo 8,588 9,724 1,195 3,341 3,231 95 26,174
San Luis Potosí 36,967 88,121 9,748 10,380 6,955 288 152,459
Sinaloa 8,565 15,760 6,556 17,135 24,978 1,046 74,041
Sonora 5,580 11,233 4,602 7,167 9,799 982 39,363
Tabasco 16,908 57,434 8,018 8,352 5,655 153 96,520
Tamaulipas 6,449 17,525 9,812 12,042 12,619 439 58,886
Tlaxcala 25,204 39,953 2,338 1,681 1,423 75 70,673
Veracruz 65,201 258,390 51,895 61,406 33,896 521 471,309
Yucatán 20,392 37,383 3,604 3,454 3,289 173 68,293
Zacatecas 22,439 74,409 14,573 14,964 12,364 261 139,010
Nacional 992,922 2,118,833 307,462 353,901 285,018 11,090 4,069,227

Fuente: Diagnóstico del sector rural y pesquero (FAO, 2012).

Con base en el número de UP en el estado y por estrato (j = 1, 2, 3, 4, 5, 6), se conformó la distribución por municipio, mediante los siguientes pasos:

Paso 1. Obtener el número de Unidades de Producción Agropecuarias censales por municipio, a partir de los Cuadros 15 y 124 del Censo Agrícola Ganadero y Forestal (CAGF) 2007 (INEGI, 2007). Las UP Agropecuarias se determinan mediante la suma de las UP con superficie agrícola del CAGF 2007 y las UP cuya actividad principal es la Cría y Explotación de Animales.

Paso 2. Preparar un cuadro que enlista a los municipios en el estado y los seis estratos. En la última columna se presenta el total de Unidades de Producción Agropecuarias por municipio, determinado a partir de la información de los tabulados mencionados en el paso anterior. En el último renglón se presenta el total de Unidades de Producción Agropecuarias en el estado, que se estimó en el ejercicio anterior.

Paso 3. Estimar el número de UP Agropecuarias por estrato en cada municipio. Mediante la siguiente fórmula:

UPA Municipioi Estratoj=Total UPA Municipioi× Total UPA EstratojTotal UPA Estado (1)

A parir de la ecuación anterior se obtuvo la siguiente estimación estratificada de UP por municipio (ver Tabla 3):

Tabla 3 Sonora: Estimación estratificada de UP por Municipio (2012) 

Entidad federativa Estrato 1 Estrato 2 Estrato 3 Estrato 4 Estrato 5 Estrato 6 Total
Sonora 5,580 11,234 4,602 7,166 9,799 982 39,363
Álamos 398 801 328 511 699 70 2,807
Hermosillo 340 685 280 437 597 60 2,399
Cajeme 310 625 256 399 545 55 2,190
Navojoa 274 551 226 351 480 48 1,929
Huatabampo 246 495 203 316 432 43 1,734
Etchojoa 209 420 172 268 367 37 1,473
San Luis Río Colorado 208 419 172 267 365 37 1,468
Guaymas 195 393 161 250 342 34 1,376
Caborca 162 326 133 208 284 28 1,141
Ures 139 279 114 178 243 24 978
San Ignacio Río Muerto 137 277 113 176 241 24 969
Cumpas 127 255 105 163 223 22 895
Sahuaripa 125 252 103 161 220 22 882
Empalme 113 229 94 146 199 20 801
Bácum 110 222 91 142 194 19 778
Rosario 103 208 85 132 181 18 727
Yécora 92 185 76 118 161 16 648
General Plutarco E. C. 91 183 75 117 160 16 643
Pitiquito 87 175 72 111 152 15 612
Santa Ana 76 153 63 98 134 13 537
Fronteras 76 152 62 97 133 13 533
Ímuris 73 147 60 93 128 13 514
Arizpe 71 143 58 91 124 12 499
Magdalena 69 139 57 89 122 12 488
Benito Juárez 68 136 56 87 119 12 477
Nácori Chico 67 136 56 86 118 12 475
Quiriego 66 133 55 85 116 12 468
San Pedro de la Cueva 64 129 53 82 112 11 450
Agua Prieta 62 125 51 80 109 11 438
La Colorada 62 125 51 80 109 11 437
Moctezuma 52 104 43 66 91 9 364
Puerto Peñasco 50 100 41 64 87 9 351
Villa Pesqueira 49 98 40 62 85 9 343
Trincheras 46 92 38 59 80 8 323
Bacerac 45 91 37 58 80 8 319
Cananea 45 91 37 58 79 8 318
Opodepe 44 89 36 57 77 8 311
Bacadéhuachi 43 87 36 55 76 8 304
Soyopa 43 87 36 55 76 8 304
Nogales 43 86 35 55 75 8 301
Bavispe 42 85 35 54 74 7 299
Sáric 42 85 35 54 74 7 297
San Miguel de H. 41 83 34 53 72 7 289
Villa Hidalgo 37 75 31 48 66 7 263
Nacozari de García 37 75 31 48 65 7 261
Baviácora 37 74 30 47 64 6 258
Huásabas 37 74 30 47 64 6 258
Altar 35 71 29 45 62 6 249
Arivechi 35 71 29 45 62 6 248
Benjamín Hill 35 71 29 45 62 6 248
Cucurpe 34 69 28 44 60 6 241
Huépac 34 68 28 43 59 6 238
Tubutama 34 68 28 43 59 6 238
Bacoachi 33 66 27 42 58 6 232
Tepache 29 59 24 38 52 5 207
Huachinera 29 58 24 37 50 5 203
Carbó 27 54 22 34 47 5 188
Banámichi 26 52 21 33 46 5 184
Aconchi 26 52 21 33 45 5 181
Bacanora 26 52 21 33 45 5 181
Rayón 26 52 21 33 45 5 181
Mazatán 24 49 20 31 43 4 171
Santa Cruz 24 49 20 31 43 4 171
Granados 23 46 19 29 40 4 162
Divisaderos 22 44 18 28 38 4 154
Suaqui Grande 22 44 18 28 38 4 154
Átil 18 37 15 23 32 3 129
Oquitoa 16 33 13 21 29 3 115
Naco 16 33 13 21 28 3 114
Ónavas 15 29 12 19 26 3 103
San Javier 10 20 8 13 18 2 72
San Felipe de Jesús 10 20 8 13 17 2 69

Fuente: elaboración propia con base en datos del Censo Agrícola, Ganadero y Forestal (INEGI, 2007) y del Diagnóstico del sector rural y pesquero (FAO, 2012).

De la tabla anterior se obtienen los municipios a apoyar en mayor proporción, por ejemplo, para corregir disparidades de desarrollo regional a través de la atención diferenciada a las regiones de mayor rezago como lo manda la LDRS y se contrastó con los resultados de las encuestas a beneficiados 2015, 2016 y 2017.

Para corroborar la importancia de la estratificación se cruzaron tres reactivos del cuestionario a beneficiados: 1) el monto del apoyo, 2) el ingreso obtenido en el año (de aquí también se determinó el estrato al que pertenece) y 3) si hubiera efectuado la inversión sin el apoyo, para analizar los proyectos donde los apoyos hubieran significado una menor proporción con respecto al monto recibido.

Resultados y propuesta

Por medio de una evaluación de procesos se identificaron posibles debilidades tanto en la determinación de la población objetivo como en el sistema de asignación de recursos. Se observó que, aunque existe una lista de beneficiarios, no hay una lista de las calificaciones, ni de los proyectos apoyados o de los que no fueron beneficiados, por lo que a un proyecto excelente se le podría reprobar de querer hacerlo. Asimismo, es poco el personal (no más de 15) encargado de revisar los miles de proyectos solicitantes que entran año con año, y a los cuales deben calificar en un plazo no mayor a dos meses. En la realidad se tiene una Población Objetivo como se muestra en la anterior Figura 1 (b) con las siguientes problemáticas:

  • Población de Referencia o Universo: representada en la Figura 1 (b) : 1 Unidades Económicas Rurales Agrícolas de México por entidad y municipio ¿Cuántos son?

  • Población Potencial: representada en la Figura 1 (b): 2 No existe definición y/o cuantificación disponible de ¿cuántas de las Unidades Económicas Rurales Agrícolas por municipio tienen bajo nivel de productividad.

  • Población Objetivo: representada en la Figura 1 (b): 3 Para ejemplificar nuestro caso de estudio, la Población Objetivo 2015 fue: “Personas físicas o personas morales, que realizan actividades en el sector agroalimentario” (Sagarpa, 2016) lo que es igual a la Población de Referencia.

  • Población Beneficiaria: representada en la Figura 1 (b): 4 Puede ser quien sea.

Esto permite concluir que la Población Objetivo definida en las reglas de operación no corresponde con la población que el Programa debe atender (Unidades Económicas Rurales Agrícolas de Sonora con bajo nivel de productividad), sino con el universo. Este resultado obliga a plantear las siguientes preguntas: ¿Por qué subsidiar la inversión en productividad a aquellas unidades con alto nivel de productividad? ¿Por qué subsidiar la inversión en productividad a quienes ya se han subsidiado? El no aclarar tales cuestionamientos puede ocultar mecanismos de discrecionalidad en el uso de los recursos públicos del programa. Además, la problemática se ha continuado observando en subsecuentes años y administraciones como se ejemplifica a continuación:

Población objetivo 2008. “Las personas físicas o morales y grupos (preferentemente ejidos, comunidades indígenas y colonias agropecuarias) que se dediquen a actividades agrícolas, pecuarias, pesqueras, acuícolas, agroindustriales y del sector rural en su conjunto ya sea de manera individual u organizada” (Sagarpa, 2007, 9).

Población objetivo 2011. “Las personas físicas o morales que se dedican a actividades agrícolas, pecuarias y/o actividades primarias pesqueras y acuícolas (que cuenten con los permisos o concesiones en la materia)” (Sagarpa, 2010, 10).

Población objetivo 2017. “La población objetivo del Programa está compuesta por las unidades de producción agrícola, pecuaria, de pesca y acuícolas, y las de nueva creación en las entidades federativas, preferentemente de los estratos E2, E3, E4 y E5 (acorde al Diagnóstico, FAO/SAGARPA, se describen sus características en el artículo 11, fracción VI)” (Sagarpa, 2016, 7).

Aunque desde 2017 se intentó implementar una estratificación de la población en los productores a través del DSRP (FAO, 2012), este no contaba con una estratificación a nivel municipal, ni operativamente se especificaba en las Reglas de Operación cómo saber el estrato del productor que acudía a la ventanilla de la Sagarpa a dejar su proyecto. Ante el problema, es necesario resolver la siguiente pregunta ¿Qué ha ocurrido en la realidad con la asignación de los recursos?

Con el fin de dar respuesta a dicha interrogante, se señala que, con base en los resultados presentados en la siguiente Tabla 4, si se compara cómo se distribuyó el recurso por municipios con el lugar que debería ocupar en la distribución de recursos según la estratificación y el lugar que ocupo en la práctica, las casillas más perjudicadas se muestran en letra color rojo y significa que esos municipios fueron desplazados más de 20 lugares en la asignación de recursos. Con ello se demuestra que la asignación de recursos no necesariamente refleja el cumplimiento de Ley de Desarrollo Rural Sustentable (LDRS) que en su Objetivo II, Artículo 5º señala como objetivo: Corregir disparidades de desarrollo regional a través de la atención diferenciada a las regiones de mayor rezago.

Tabla 4 Estimación estratificada de UP por Municipio, Sonora 

MUNICIPIO LUGAR QUE DEBERÍA OCUPAR 2015 2016 2017
INVERSIÓN LUGAR QUE OCUPÓ DIF. INVERSIÓN LUGAR QUE OCUPÓ DIF. INVERSIÓN LUGAR QUE OCUPÓ DIF.
Álamos 1 2,786,820 13 -12 3,914,342 10 -9 2,656,464 9 -8
Hermosillo 2 68,221,665 1 1 13,675,557 2 0 8,673,640 2 0
Cajeme 3 29,892,871 2 1 13,164,512 3 0 6,494,774 3 0
Navojoa 4 5,055,662 8 -4 4,577,797 8 -4 5,987,530 4 0
Huatabampo 5 6,991,541 6 -1 16,220,946 1 4 10,192,498 1 4
Etchojoa 6 3,757,560 10 -4 4,726,967 7 -1 2,973,783 8 -2
San Luis R. C. 7 998,236 34 -27 3,910,383 11 -4 2,543,461 10 -3
Guaymas 8 12,501,402 3 5 8,842,408 4 4 5,515,746 5 3
Caborca 9 7,557,119 4 5 1,457,183 21 -12 547,430 31 -22
Ures 10 4,070,306 9 1 4,314,041 9 1 3,067,307 7 3
San Ignacio R. M. 11 7,539,635 5 6 7,930,093 6 5 3,187,778 6 5
Cumpas 12 1,073,620 29 -17 1,278,652 23 -11 1,148,139 17 -5
Sahuaripa 13 1,782,608 22 -9 1,607,724 18 -5 905,028 22 -9
Empalme 14 1,854,787 20 -6 2,446,323 14 0 1,786,149 12 2
Bácum 15 5,788,178 7 8 3,485,041 13 2 992,502 18 -3
Rosario 16 1,814,832 21 -5 1,093,450 25 -9 390,000 41 -25
Yécora 17 129,000 59 -42 1,473,256 19 -2 442,283 35 -18
Gral. Plutarco E. C. 18 264,263 55 -37 336,700 47 -29 355,533 45 -27
Pitiquito 19 234,000 57 -38 886,644 29 -10 534,573 32 -13
Santa Ana 20 1,035,964 32 -12 1,057,251 26 -6 1,417,917 14 6
Fronteras 21 899,600 36 -15 524,487 37 -16 410,000 39 -18
Ímuris 22 1,411,854 27 -5 1,700,434 16 6 1,269,819 15 7
Arizpe 23 678,070 39 -16 1,450,440 22 1 724,298 25 -2
Magdalena 24 1,416,690 26 -2 685,359 36 -12 644,170 27 -3
Benito Juárez 25 1,036,548 31 -6 8,095,713 5 20 1,470,898 13 12
Nácori Chico 26 1,223,355 28 -2 193,800 56 -30 158,656 60 -34
Quiriego 27 2,388,937 14 13 687,970 35 -8 432,000 36 -9
San Pedro de la C. 28 534,495 44 -16 710,050 34 -6 979,879 20 8
Agua Prieta 29 0 0 29 177650 60 -31 561525 30 -1
La Colorada 30 3,707,361 11 19 2,016,198 15 15 936,063 21 9
Moctezuma 31 1,882,260 18 13 1,681,938 17 14 868,953 23 8
Puerto Peñasco 32 100,000 64 -32 3,636,500 12 20 2,230,000 11 21
Villa Pesqueira 33 1,041,100 30 3 824,537 32 1 411,913 38 -5
Trincheras 34 1,503,744 25 9 1,025,862 27 7 1,169,548 16 18
Bacerac 35 264,874 54 -19 494,470 39 -4 321,617 47 -12
Cananea 36 584,722 41 -5 183,050 57 -21 123,000 64 -28
Opodepe 37 1,571,000 24 13 840,396 31 6 402,415 40 -3
Bacadéhuachi 38 222,392 58 -20 115,680 65 -27 86,587 67 -29
Soyopa 39 1,765,446 23 16 420,750 44 -5 512,941 33 6
Nogales 40 243,750 56 -16 1,025,650 28 12 248,200 53 -13
Bavispe 41 465,383 47 -6 418,353 45 -4 248,201 52 -11
Sáric 42 544,793 43 -1 228,300 54 -12 378,760 44 -2
San Miguel de H. 43 3,672,467 12 31 1,463,423 20 23 829,658 24 19
Villa Hidalgo 44 455,869 48 -4 332,180 49 -5 136,694 63 -19
Nacozari de G. 45 98,000 65 -20 145,350 63 -18 150,000 61 -16
Baviácora 46 44,200 69 -23 479,283 40 6 988,570 19 27
Huásabas 47 470,289 46 1 177,650 61 -14 103,703 66 -19
Altar 48 2,274,339 16 32 867,900 30 18 122,002 65 -17
Arivechi 49 546,830 42 7 390,384 46 3 183,400 59 -10
Benjamín Hill 50 1,869,711 19 31 96,900 68 -18 380,814 42 8
Cucurpe 51 496,659 45 6 152,999 62 -11 85,942 68 -17
Huépac 52 775,489 38 14 458,160 41 11 703,981 26 26
Tubutama 53 2,106,373 17 36 0 0 53 286,299 49 4
Bacoachi 54 415,326 50 4 231,307 53 1 421,510 37 17
Tepache 55 59,000 67 -12 205,867 55 0 30,000 72 -17
Huachinera 56 384,633 51 5 334,454 48 8 230,199 55 1
Carbó 57 2,293,962 15 42 1,197,687 24 33 380,000 43 14
Banámichi 58 127,075 60 -2 793,370 33 25 317,423 48 10
Aconchi 59 327,800 52 7 452,288 42 17 586,259 29 30
Bacanora 60 602,422 40 20 32,300 69 -9 146,684 62 -2
Rayón 61 1,012,772 33 28 322,549 50 11 464,693 34 27
Mazatán 62 447,694 49 13 100,000 67 -5 80,999 69 -7
Santa Cruz 63 818,483 37 26 517,398 38 25 608,250 28 35
Granados 64 288,161 53 11 141,417 64 0 346,743 46 18
Divisaderos 65 940,218 35 30 436,204 43 22 233,372 54 11
Suaqui Grande 66 102,000 62 4 182,739 58 8 250,000 51 15
Átil 67 104,000 61 6 289,910 51 16 281,578 50 17
Oquitoa 68 0 0 68 232126 52 16 195260 56 12
Naco 69 0 0 69 0 0 69 193610.5 57 12
Ónavas 70 59,000 66 4 32,300 70 0 53,930 70 0
San Javier 71 101,000 63 8 113,050 66 5 49,250 71 0
San Felipe 72 52,500 68 4 180,448 59 13 190,688 58 14

Fuente: elaboración propia con base en datos del Censo Agrícola, Ganadero y Forestal (INEGI, 2007) y Diagnóstico del sector rural y pesquero (FAO, 2012) y Sagarpa-Sagarhpa (2016; 2017; 2018).

Si se compara cómo se distribuyó el recurso del programa por municipios con los resultados de la Tabla 4 de acuerdo con el criterio del número de UP, se obtiene el lugar que debería ocupar en la distribución de recursos según la estratificación y el lugar que ocupo en los hechos, que sería el primer criterio distributivo.

Al hacer una evaluación general, se encontró que 26 municipios pierden preferencia respecto al lugar que ocupan en el número de UP, el más perjudicado de éstos es Álamos que debió ser el preferente, pero que en los hechos ocupó el lugar número 13 en recursos recibidos por un valor de 2 millones 786 mil pesos, cuando se le debieron asignar 68 millones, los cuales fueron recibidos por el municipio de Hermosillo en 2015.

Por otra parte, las disparidades no solo se dieron en las regiones, sino también por estrato, al comparar el nivel de ingreso de los beneficiados se observa una tendencia de apoyo a los estratos con mayor ingreso, en especial el E5 el cual congrega a las Unidades Económicas Rurales empresariales pujantes (Figura 3).

Fuente: elaboración propia con base en datos de los Cuestionarios a Beneficiarios 2015 (Sagarpa-Sagarhpa, 2016), 2016 (Sagarpa-Sagarhpa, 2017) y 2017 (Sagarpa-Sagarhpa, 2018).

Figura 3 Sonora. Porcentaje de productores apoyados por Estrato 2015-2017. 

Dentro de la operación del PCEF se propone establecer medidas que imposibiliten a los operadores a cometer posibles actos de discrecionalidad, por ejemplo, la selección de beneficiarios por parte de la Unidad Técnica mediante un sistema de calificación no es transparente, ya que no se publican las calificaciones de los apoyados ni de los no apoyados. Por ello, alguien con una calificación perfecta pudiera quedar afuera si los operadores así lo decidieran, ninguna secretaría que otorgue apoyos por medio de proyectos actúa transparentando así los resultados; por lo tanto, como parte de esta propuesta, se debería ponerse como requisito transparentar los resultados; incluso, crear un sistema al que pueda tener acceso los productores mediante una clave para que puedan ir corroborando como se van llenando los requisitos.

Así mismo, se detectó en la investigación que cabría darse el caso en que un productor del estrato 6 pudiera, sin problema alguno, llegar a ventanilla diciendo que es del estrato 3, y el funcionario no estaría en condiciones de contradecirlo, ya que en estos casos el solicitante no está exigido a mostrar declaraciones hacendarias, bajo estos criterios la posible discrecionalidad para canalizar los apoyos a personas afines a los servidores públicos puede ser del 100 % si así lo quisieran, ya que no hay mecanismos para evitarlo, con esto no se evidencia que así suceda, sólo que la actual o la próxima generación de servidores públicos tienen la posibilidad de dirigir los apoyos a conveniencia.

De acuerdo con la propuesta que se presenta en este trabajo, la anterior problemática se solucionaría si los apoyos no fueran evaluados por medio de proyectos, sino que, una vez definiendo la población objetivo, la selección fuera aleatoria y estratificada, otorgando más recursos a los estratos que se quieren apoyar más, excluyendo al estrato 6, y dando preferencia a los productores que no han sido apoyados. Por otra parte, debe ser la Secretaría de Hacienda quien expida la estratificación del productor sin decir su ingreso, sólo su estrato, de esta manera se tendría una claridad sin duda que el apoyo se dirige al estrato deseado con la población deseada.

Por otra parte, la Tabla 5 siguiente muestra que productores de ingreso elevado que recibieron apoyos pequeños igualmente habrían efectuado la inversión sin el apoyo, por lo que se entiende que el recurso público no hizo una diferencia sustancial. Sin embargo, es notable el hecho que productores cuyo apoyo represente una parte muy pequeña de sus ingresos al decir que no hubieran efectuado la inversión, indirectamente dicen que no necesitaban tanto el apoyo (como es el caso del productor con 884 mil pesos de ingreso que no hubiera invertido 12 mil pesos), por ende, de lo anterior se deduce que los estratos altos no son los óptimos para apoyar.

Tabla 5 Análisis de los Apoyos e Ingresos por Estratos 2015 

Hubiera Invertido Monto de Apoyo Ingreso Total Apoyo vs Ingreso Estrato FAO
250,000 69,600,000 0.4% 6
213,509 36,400,000 0.6% 6
6,666 816,666 0.8% 5
250,000 27,600,000 0.9% 6
250,000 24,000,000 1.0% 6
17,000 1,577,000 1.1% 5
15,000 1,160,000 1.3% 5
No 12,000 884,000 1.4% 5
14,000 914,000 1.5% 5
No 11,000 650,000 1.7% 5
42,000 2,000,000 2.1% 5
17,000 748,000 2.3% 5
100,000 4,300,000 2.3% 6
100,000 4,170,000 2.4% 6
No 5,625 210,000 2.7% 4

Fuente: elaboración propia con datos del Cuestionario a Beneficiarios 2015 (Sagarpa-sagarhpa, 2016).

Los estratos mayores no son los óptimos para apoyar, ¿Para qué apoyar a un productor que puede financiar fácilmente un proyecto con recursos propios y no quiere hacerlo? ¿Para qué apoyar a un productor que pude financiarse sin complicaciones un proyecto y no necesita ser financiado, dejando sin oportunidad de recursos a productores de los estratos bajos? Al respecto, los resultados en la asignación de los recursos en los municipios de Sonora atendiendo a la metodología de estratificación por niveles de ingreso de la FAO del programa analizado, muestran como las UP pertenecientes a los estratos 5 y 6, que poseen a su vez una mayor cuantía de recursos resultaron las más beneficiadas, esto propiciado por la falta de una población objetivo bien definida, con lo cual se demuestra debilidad estructural, ya que un tomador de decisión puede libremente seleccionar como beneficiado a un productor que no necesite el apoyo.

Conclusiones

En este trabajo se ha puesto de manifiesto, a la luz del concepto de calidad de gobierno, cómo el uso de criterios en la asignación de recursos de un programa, debido a la discrecionalidad permitida a la propia institución, termina por favorecer a los productores que pertenecen a los estratos que poseen una mayor cuantía de recursos. Esto es debido a las deficiencias en las definiciones de la población objetivo a lo largo de los años, y cómo se aplican los requisitos en favor de los más aventajados. Lo anterior pone en duda uno de los aspectos que más tiene que ver con el buen gobierno: la equidad con la que debe distribuir los recursos considerando como prioritario hacerlos llegar a los individuos que menos tienen.

Así mismo, se señala en el trabajo, cómo se pudiera dar la discrecionalidad en la selección de beneficiarios de un programa, ya que los listados de beneficiados se publican sin la calificación obtenida y sin el listado de los no beneficiados, por lo que no se sabe si un no beneficiado tuvo mayor calificación que otro que si recibió el apoyo. Esto evidencia un problema de debilidad estructural en el cual se pudiera efectuar la discrecionalidad de los apoyos hasta en un cien por ciento de los casos, a través de seleccionar a conveniencia a los beneficiarios, con lo cual se pone de manifiesto que los indicadores propuestos por el CIDE para evaluar el control de la discrecionalidad son perfectibles; más aún, si se toma en cuenta que ejercicios como el presente se pudieran hacer para evaluar otras partes del proceso de un programa, por ejemplo, las licitaciones.

Los vacíos que pueden permitir la discrecionalidad, en este caso, pueden corregirse si la selección fuera estratificada y aleatoria como ya se mencionó, con una correcta definición de la población objetivo y también si implementaran mecanismos para reconocer el estrato al que pertenece un productor, como lo sería una constancia expedida por la Secretaría de Hacienda. Se evidencia además una diferencia en el diseño de política pública cuando el fin último es el control de la discrecionalidad, se debe considerar la posibilidad de un diseño de estrategia de gestión con este fin, sobre todo en países con altos índices de corrupción.

Finalmente, es necesario señalar que poner a competir a las UP de los seis estratos bajo las mismas reglas, es condenar a los que más necesitan apoyo a no obtenerlo, toda vez que la discrecionalidad, sinónimo de mala calidad de gobierno, permite asignar los recursos preferentemente a las UP ubicadas en los estratos 5 y 6. Ello es así, porque, además de contar con el complemento del capital que solicitan, cuentan con personal dedicado a labores administrativas que les facilita cumplir con los trámites exigidos, sin contar son los círculos de amistad política que pudieran tener. Es por ello que deberían operarse recursos para los dos estratos y asignarles separadamente a los cuatro primeros, considerando como prioridad los índices de marginación y de pobreza junto al de cuidado del medio ambiente.

Referencias

Aixalá, J y Fabro, G. (2007). A model of growth augmented with Institutions. Economic Affairs, 27, 71-74. doi:10.1111/j.1468-0270.2007.00758.x [ Links ]

Alesina, A. y Weder, B. (2002). Do Corrupt Governments Receive Less Foreign Aid? The American Economic Review, 92(4), 1126-1137. doi:10.1257/00028280260344669 [ Links ]

ASF (2017). Informe General Ejecutivo de la Cuenta Pública 2016. Recuperado de https://www.asf.gob.mx/Trans/Informes/IR2016ii/documentos/InformeGeneral/IG2016.pdfLinks ]

Borbón, C. (coord.) (2010). Diagnóstico sectorial agropecuario, pesquero y recursos naturales del estado de Sonora. Hermosillo, México: Sagarpa-Sagarpha-CIAD. [ Links ]

Bracamontes, J. Camberos, M. y Huesca, L. (2014). El impacto en los primeros años de aplicación del programa Oportunidades por tipo de pobreza en México y Baja California, 2002-2006. Estudios Fronterizos, 15(30), 127-154. doi:10.21670/ref.2014.30.a05 [ Links ]

Breen, R. y García-Peñalosa, C. (2005). Income Inequality and Macroeconomic Volatility: An Empirical Investigation. Review of Development Economics, 9, 380-398. doi:10.1111/j.1467-9361.2005.00283.x [ Links ]

Calvert, R., Mc Cubbins, M. y Weingast, B. (1989). A Theory of Political Control and Agency Discretion. American Journal of Political Science, 33(3), 588-611. doi:10.2307/2111064 [ Links ]

Camacho, H., Cascante, R., Cámara, L. y Sainz, H. (2001). El Enfoque del marco lógico: 10 casos prácticos (Primera ed.). Madrid, España: Fundación CIDEAL. [ Links ]

Cejudo, G., Gerhard, R. y Zabaleta, D. (2009). Guía de indicadores de buen gobierno en las entidades federativas. México: CIDE. Recuperado de http://www.libreriacide.com/librospdf/DTAP-226.pdfLinks ]

Clearly, M. (2007). Electoral Competition, Participation and Government Responsiveness in Mexico. American Journal of Political Science , 51(2), 83-299. doi:10.1111/j.1540-5907.2007.00251.x [ Links ]

Coffé, H. y Geys, B. (2005). Institutional Performance and Social Capital: An Application to the Local Government Level. Journal of Urban Affairs, 27(5), 485-501. doi:10.1111/j.0735-2166.2005.00249.x [ Links ]

DOF (2019) Ley de Desarrollo Rural Sustentable, última reforma publicada. 12-04-2019. Recuperado de http://www.diputados.gob.mx/LeyesBiblio/pdf/235_120419.pdfLinks ]

Easterly, W. (2006) The White-Man’s Burden. Nueva York. United States of America: The Penguin Press. [ Links ]

Enikolopov R. Y Zhuravskaya, E. (2007). Decentralization and Political Institutions. Journal of Public Economics. 91(11), 2261-2290. doi:10.1016/j.jpubeco.2007.02.006 [ Links ]

FAO (2012) Diagnóstico del sector rural y pesquero de México 2012. Recuperado de http://www.fao.org/3/a-bc980s.pdfLinks ]

FAO-Sagarpa (2009). Instrumentos metodológicos: Población potencial, objetivo y beneficiaria de un programa público. México, D. F.: FAO. [ Links ]

Fleck, R. y Hanssen, F. (2005). How Bad Can a Government Be? Neighborhood Constraints and the Quality of National Governments. Recuperado de https://ssrn.com/abstract=718102Links ]

Fogel, K. (2006). Oligarchic Family Control, Social Economic Outcomes and the Quality of Government. Journal of International Business Studies, 37(5), 603-622. [ Links ]

Goel, R. y Nelson, M. (1998). Corruption and Government Size. Public Choice, 97(12), 107-120. doi:10.1023/A:1004900603583 [ Links ]

Haggard, S. (1999). Governance and Growth: Lessons from the Asian Economic Crisis. Asian-Pacific Economic Literature, 13(2), 30-42. doi: 10.1111/1467-8411.00061 [ Links ]

Helliwell, J. y Huang, H. (2005). How’s your Government? International Evidence Linking Good Government and Well-being. National Bureau of Economic Research. Recuperado de https://www.nber.org/papers/w11988Links ]

Huther, J. y Shah, A. (1996). A simple measure of good governance and its application to the debateon the appropriate level of fiscal decentralization. Washington, United States of America: World Bank. [ Links ]

Huther, J. y Shah, A. (1998). Applying a Simple Measure of Good Governance to the Debate on Fiscal Decentralization. World Bank Policy Research. Recuperado de http://documents.worldbank.org/curated/en/673221468766535925/128528322_20041117142109/additional/multi-page.pdfLinks ]

INEGI (2007). Censo Agrícola, Ganadero y Forestal 2007. Recuperado de http://www.beta.inegi.org.mx/proyectos/agro/agricola/2007/Links ]

INEGI (2018). Encuesta Nacional de Calidad e Impacto Gubernamental (ENCIG) 2017. Recuperado de https://www.inegi.org.mx/programas/encig/2017/Links ]

Islam, R. (2003). Do More Transparent Governments Govern Better? World Bank Policy Research. Recuperado de https://elibrary.worldbank.org/doi/pdf/10.1596/1813-9450-3077Links ]

Islam, R. (2006). Does More Transparency go Along With Better Governance? Economics & Politics, 18(2), 121-167. [ Links ]

Knack, S. (2001). Aid Dependence and the Quality of Governance: Cross-Country Empirical Tests. Southern Economic Journal, 68(2), 310-329. doi: 10.2307/1061596 [ Links ]

Knack, S. (2002), Social Capital and the Quality of Government: Evidence from the States. American Journal of Political Science , 46(4), 772-785. doi:10.2307/3088433 [ Links ]

Loayza, N. (1996). The Economics of the Informal Sector: A Simple Model and Some Empirical Evidence from Latin America. Carnegie-Rochester Conference Series on Public Policy 45, 129-162. doi:10.1016/S0167-2231(96)00021-8 [ Links ]

Méon, P. G. y Weill, L. (2005). Does Better Governance Foster Efficiency? An Aggregate Frontier Analysis. Economics of Governance, 6(1), 75-90. doi:10.1007/s10101-004-0080-z [ Links ]

Mocan, N. (2004). What Determines Corruption? International Evidence from Micro Data. Cambridge, National Bureau of Economic Research. Recuperado de https://www.nber.org/papers/w10460Links ]

Moyo, D. (2009). Dead aid: Why aid is not working and how there is a better way for Africa. New York: Farrar Straus Giroux [ Links ]

Oliva, M. y Rivera L. (2002). Political Institutions, Capital Flows and Developing Country Growth: An Empirical Investigation. Review of Development Economics , 6(2), 248-262. doi:10.1111/1467-9361.00152 [ Links ]

Olmos, R. y Durán, V. (2017) Fox. Negocios a la sombra del poder. Ciudad de México: Grijalbo. [ Links ]

Panizza, H. (2001). Electoral Rules, Political Systems and Institutional Quality. Economics & Politics, 13(3), 311-342. doi:10.1111/1468-0343.00095 [ Links ]

Rothstein, B. y Teorell, J. (2008). What is Quality of Government? A Theory of Impartiality in the Exercise of Political Power. Governance, 21(2), 165-190. doi:10.1111/j.1468-0491.2008.00391.x [ Links ]

Sagarpa (2007). Reglas de Operación 2008 de los Programas de la Secretaría de Agricultura, Ganadería, Desarrollo Rural, Pesca y Alimentación. Diario Oficial de la Federación, 31 de diciembre, México. Recuperado de http://dof.gob.mx/nota_detalle.php?codigo=5012061&fecha=31/12/2007Links ]

Sagarpa (2010). Reglas de Operación 2011 de los Programas de la Secretaría de Agricultura, Ganadería, Desarrollo Rural, Pesca y Alimentación. Diario Oficial de la Federación , 31 de diciembre, México. Recuperado de http://dof.gob.mx/nota_detalle.php?codigo=5173481&fecha=31/12/2010Links ]

Sagarpa (2016). Reglas de Operación 2017 de los Programas de la Secretaría de Agricultura, Ganadería, Desarrollo Rural, Pesca y Alimentación. Diario Oficial de la Federación , 31 de diciembre, México. Recuperado de http://dof.gob.mx/nota_detalle.php?codigo=5468327&fecha=31/12/2016Links ]

Sagarpa-Sagarhpa (2016). Compendio de indicadores 2015. Programa de Concurrencia con las Entidades Federativas, cuestionario a beneficiarios. Recuperado de http://oiapes.sagarhpa.sonora.gob.mx/notas/CTEE-Monitoreo.pdfLinks ]

Sagarpa-Sagarhpa (2017). Compendio de indicadores 2016. Programa de Concurrencia con las Entidades Federativas, cuestionario a beneficiarios. Recuperado de https://hacienda.sonora.gob.mx/media/3492/compendio-de-indicadores-pcef-2016-2017.pdfLinks ]

Sagarpa-Sagarhpa (2018). Compendio de indicadores 2017. Programa de Concurrencia con las Entidades Federativas, cuestionario a beneficiarios. Recuperado de https://www.gob.mx/cms/uploads/attachment/file/442515/Compendio_de_Indicadores_PCEF_2017.pdfLinks ]

Sandholtz, W. y Koetzle, W. (2000). Accounting for Corruption: Economic Structure, Democracy and Trade. International Studies Journal, 44(1). 31-50. doi:10.1111/0020-8833.00147 [ Links ]

Seligson, M. A. (2002). The impact of Corruption on Regime Legitimacy: A Comparative Study of four Latin American Countries. Journal of Politics, 64(2), 408-433. [ Links ]

Solano, D. (2011). La Motivación por el Servicio Público: entendiendo las claves para tener un buen funcionario público. Revista de Gestión Pública y Desarrollo; 5(50), 13-19. [ Links ]

Sung, H. E. (2004). Democracy and Political Corruption: A Cross-National Comparison. Crime, Law and Social Change; 41, 179-194. doi:10.1023/B:CRIS.0000016225.75792.02 [ Links ]

Suphachalasai, S. (2005). Bureaucratic Corruption and Mass Media, Environmental Economy and Policy Research. Discussion Paper Series No. 5. Cambridge. Recuperado de https://papers.ssrn.com/sol3/papers.cfm?abstract_id=722403Links ]

Ugur, M. y Ararat, M. (2006). Does Macroeconomic Performance Affect Corporate Governance? Evidence from Turkey. Corporate Governance: An International Review, 14(4), 325-348. doi:10.1111/j.1467-8683.2006.00510.x [ Links ]

Ureste, M., Castillo, M. y Roldán, N. (2018). La Estafa Maestra. Graduados en desaparecer el dinero público. Animal Político. Recuperado de https://www.animalpolitico.com/estafa-maestra/Links ]

WJP (2018). The World Justice Project: Rule of Law Index 2017-2018. Recuperado de http://data.worldjusticeproject.org/Links ]

World Bank (1992). Development and Good Governance. Washington, DC: World Bank. [ Links ]

1 Discurso de Ernesto Zedillo Ponce de León, Los Pinos, 31 de octubre 1995.

Recibido: 30 de Abril de 2020; Revisado: 05 de Mayo de 2020; Aprobado: 13 de Mayo de 2020

Autor para correspondencia: Mario Camberos-Castro. Dirección: mcamberos@ciad.mx

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons