Introducción

Las obras que tratan el papel de la agricultura en el desarrollo se remontan a los estudios de los economistas clásicos Adam Smith, David Ricardo y Thomas Malthus. La bibliografía moderna del tema incluye numerosos libros y artículos; entre los primeros trabajos se encuentran los de ^{Johnston y Mellor (1961)}, y ^{Hayami y Ruttan (1970}, ¹⁹⁸⁵⁾. Las publicaciones actuales abarcan desde la contribución de la agricultura al crecimiento económico (^{Timmer, 2002}) hasta cómo ésta afecta el ingreso de los hogares pobres dentro de los países (^{Dollar y Kraay, 2002}; ^{Ravallion y Datt, 1996}; ^{Gallup, Radelet y Warner, 1997}). Los estudios respecto al crecimiento económico también incluyen la relación entre el desarrollo y los resultados ambientales (^{Grossman y Krueger, 1995}), así como la volatilidad macroeconómica (^{Ramey y Ramey, 1995}), pero hay pocas obras acerca del efecto que tienen los diferentes sectores económicos en estas variables.

Este artículo contribuye a la bibliografía del tema explorando la relación empírica entre el PIB agrícola y no agrícola y el bienestar, definiendo a este último ampliamente para incluir el PIB per capita y su volatilidad, la pobreza o los efectos de la distribución del ingreso y los resultados en el ambiente. Proponemos una función de bienestar nacional que abarca estos cuatro elementos. La parte empírica intenta responder a cuatro preguntas. ¿Cuál es la contribución de la agricultura al PIB nacional? ¿Cuál es la contribución de la agricultura al ingreso de los hogares más pobres? ¿Cuál es la relación entre la agricultura y los resultados en el ambiente? ¿Cómo afecta la agricultura a la volatilidad del PIB agregado? Después se emplean las elasticidades estimadas del efecto del PIB agrícola y del no agrícola respecto a los cuatro elementos del bienestar nacional para calcular la contribución relativa del desarrollo agrícola al bienestar nacional.¹

El análisis econométrico trata problemas clave de estimación. Primero, se presta atención pormenorizada al tema de la causalidad usan do técnicas econométricas que ayudan a identificar la dirección de la “causalidad de Granger” entre el desarrollo agrícola y el desempeño de las actividades no agrícolas. Las pruebas de la causalidad de Granger se estimaron con técnicas de panel de datos que se fundamentan en variables instrumentales secuencia les en el contexto de estimadores del método general de momentos (MGM) para identificar el efecto del PIB rezagado en el PIB corriente de ambos sectores, a la vez que se controlaba por los efectos fijos de país y los efectos de periodo que son comunes a todos los países (^{Caselli, Esquivel y Lefort, 1996}; ^{Arellano, 2003}). Cuando es conveniente, comparamos las estimaciones del MGM IV con los resultados derivados de mínimos cuadrados ordinarios (MCO) y de regresiones de efectos fijos. Segundo, nos ocupamos del tema de la heterogeneidad internacional no sólo controlando por los efectos fijos de país, sino también examinando si existe heterogeneidad internacional en las elasticidades que vinculan la agricultura y los resultados en el bienestar nacional, con atención especial a la comparación de los resultados para la América Latina y el Caribe (ALC) con los de otros países desarrollados y en desarrollo.

Las elasticidades estimadas pueden ser útiles para discusiones de política. Los gobiernos frecuentemente deben tomar decisiones respecto a la asignación de los gastos públicos entre los sectores económicos. Por ejemplo, es frecuente que los gobiernos asignen gastos públicos en infraestructura, educación o investigación y desarrollo de las actividades agrícolas según el tamaño del sector en relación con el PIB total, o según el número de trabajadores (gen te pobre) empleados en el sector. También hay algunos escritos analíticos que se enfocan en la incidencia de los gastos públicos en todos los grupos de ingreso en las zonas rurales y urbanas. Este artículo contribuye a esos debates y obras del tema con hincapié en que los efectos de bienestar de los gastos en un sector determinado no son forzosamente proporciona les al tamaño relativo del sector en presencia de efectos de “desborde”, en el supuesto de que los gastos públicos agrícolas y no agrícolas tienen efectos similares dentro de cada sector. El apéndice del artículo proporciona un análisis pormenorizado de estos temas, que parecen importantes para las discusiones de política.²

El artículo está organizado de la manera siguiente. La sección I presenta la estructura para des componer los efectos en el bienestar nacional del crecimiento agrícola (y no agrícola) en sus efectos en los cuatro elementos del bienestar. El principal descubrimiento es que los efectos marginales de bienestar que tienen las tasas de crecimiento sectorial dependen de un puñado de parámetros observa dos y estimados. En la sección II se estudia la relación entre los PIB agrícola y no agrícola con base en dos definiciones de agricultura. Una definición se limita a la producción de materias primas agrícolas, en tanto que la segunda incluye las materias primas agrícolas más los alimentos y las bebidas. Las pruebas sugieren que los países en desarrollo (pe ro no los países con ingresos altos) han experimentado efectos positivos de la agricultura respecto al resto de la economía. Los países latinoamericanos y del Caribe han tenido incluso efectos positivos más fuertes que las otras economías en desarrollo; en particular, es tos efectos resulta ron un poco mayores cuando se incluye ron las industrias procesadoras de alimentos como parte del sector agrícola.

En la sección III se estudia los efectos distributivos del aumento de la productividad de la mano de obra agrícola y no agrícola. En todos los países en desarrollo, el ingreso promedio del quintil más pobre de la distribución del ingreso es afectado más favorablemente por el crecimiento de la productividad de la mano de obra no agrícola que por la del sector agrícola.

En la sección IV se estudia los efectos de los sectores económicos en los resultados ambientales. Nos enfocamos en la contaminación del aire, la extracción de aguas dulces y la deforestación. Las pruebas sugieren que el tamaño del sector agrícola en el transcurso del tiempo (dentro de los países) tiene efectos significativos en estos resultados ambientales, pero encontramos una heterogeneidad internacional significativa en los efectos estimados.

La sección V analiza el efecto de la agricultura en la volatilidad del PIB. Más específicamente, nos centramos en el efecto de la agricultura en la desviación estándar de la tasa de crecimiento del PIB. Encontramos que los aumentos en el PIB agrícola y no agrícola disminuyen la volatilidad macroeconómica en los países en desarrollo, mientras que en los países ingresos altos sólo el sector no agrícola reduce la volatilidad.

La sección VI proporciona una estimación del efecto relativo agregado del desarrollo agrícola en el bienestar nacional para los países en desarrollo, los países de la América Latina y el Caribe, y los países con ingresos altos. Al final se concluye con un breve análisis de las consecuencias políticas.

I. Más allá del PIB: El efecto de la agricultura en el bienestar nacional

El bienestar nacional puede expresar se como una función de utilidad que aumenta con el PIB per capita (y),se incrementa con el ingreso promedio del quintil más pobre (y1), crece con un indicador de la calidad ambiental (E) y aumenta con el inverso de una medida de choques inesperados o volatilidad:³

Por conveniencia, se puede considerar que la forma funcional de la función general de bienestar es del tipo Cobb-Douglas: U = y ^α(y1)^β E ^(y) (1/v)^{(1−α−β−γ)}.⁴ Los parámetros α, β y γ son ponderaciones desconocidas de cada elemento en la función general de bienestar nacional. En la sección final de este artículo usamos otras ponderaciones para comparar los efectos marginales de bienestar de la agricultura (A) y la producción no agrícola (N) en diferentes grupos de países. La elasticidad del bienestar nacional respecto a A está dada por la suma de los efectos marginales de A en cada uno de los componentes de la función de bienestar:⁵

en que y es la proporción de la producción sobre la población, Q/G. A su vez, Q está compuesta por la producción agrícola (A) y no agrícola (N), Q = A + N. Puesto que

entonces

en que ∂N /∂A > 0 refleja las externalidades o efectos multiplicadores de la agricultura en el PIB no agrícola. Un efecto marginal negativo reflejará, por ejemplo, un efecto de atracción de recursos que pre domina en el efecto multiplicador. Al dejar que los cambios de población sean exógenos a la producción agrícola, el efecto marginal de A en y se reduce a su efecto en N:

Respecto al segundo elemento en (2), el ingreso promedio de los pobres, y1, es un promedio ponderado de los ingresos rurales y urbanos de los pobres, y ambos son funciones del ingreso agrícola y de otros determinantes. El quintil inferior de la distribución del ingreso de los hogares es y1 = Q ₁/G ₁, con Q ₁ el ingreso total del quintil y G ₁ el de la población del quintil inferior. En la sección III proporcionamos las estimaciones econométricas de:

Estas son elasticidades del ingreso per capita del quintil inferior respecto a la producción por trabajador en A y N, respectivamente. El ingreso del quintil más pobre de la población es también una función de la mano de obra y el valor de la producción en A y N:y1 = f(A, N, L _A , L _N ). Así

y hay un resultado análogo para ey1(N​​/​L). La derivada de y1 respecto a A/L _A puede por tanto expresarse como una función del efecto marginal de A sobre y1 más un efecto indirecto por medio del efecto de A en N:

en que e _x,y son elasticidades cruzadas.

Respecto al tercer elemento en la función de bienestar (2), la calidad ambiental se define como un promedio, ponderado por la tierra, de las calidades ambientales rurales y urbanas, pero pueden usarse otras ponderaciones. Se define un índice de calidad ambiental como sigue: E=E1γ1E2γ2E31−γ1−γ2, en que E ₁, E ₂, E ₃ representan tres resultados ambientales. En particular E ₁ y E ₂ se miden respecto a la referencia de la contaminación per capita. Esto es, E ₁, E ₂, E ₃ se definen como

de modo que E ₁, E ₂ y E ₃ son indicadores de la calidad ambiental; los incrementos en estos índices implican mejoras en la calidad del ambiente. M ₁ y M ₂ son puntos de referencia máxima de la contaminación per capita. El efecto marginal resultante de A sobre E es:

en que las γ son parámetros desconocidos que determinan la ponderación de cada componente en el índice ambiental. Nuestros cálculos, que se analizan al final de este artículo, suponen que estas ponderaciones son iguales.

El efecto de la agricultura en la volatilidad del PIB puede expresar se como sigue:

Así podemos finalmente derivar la elasticidad del bienestar nacional respecto a la agricultura, insertando las expresiones ampliadas para los efectos marginales de A en y, y1, E y 1/v en la ecuación (2):

en que S _A y S _N son las participaciones sectoriales en el PIB. Esta descomposición nos hace posible recuperar la contribución marginal de ambos sectores al bienestar nacional. En la sección II se analiza las estimaciones de e _N,A , la elasticidad de N respecto a A. En la sección III se proporciona estimaciones de ey1(A​/​L), ey1(N​/​L), las elasticidades de y1 respecto a A/L y N/L. Las estimaciones de eE′1,A, eE′2,A, eE′3,A, eE′1,N, eE′2,N, eE′3,N, las elasticidades de las tres medidas de la condición ambiental respecto a A y N, se tratan en la sección IV. En la sección V se examina las estimaciones de e _v,A , e _v,N .

II. La contribución de la agricultura al desarrollo no agrícola

La sección anterior proporcionó un marco teórico para tener en cuenta la contribución de la producción agrícola a un índice amplio del bienestar nacional. Las siguientes secciones tratan datos y temas econométricos relacionados con la estimación de las elasticidades en los diferentes sectores en distintos grupos de países.

2. Análisis empírico: Efectos de causalidad de Granger en los diferentes sectores

Estimamos la elasticidad in ter sectorial entre la producción agrícola y la no agrícola según el concepto de causalidad de ^{Granger (1969)}. Esto es, la variable X “causa de conformidad con Granger” una variable Y si los valores pasados de X ayudan a predecir Y. Las especificaciones básicas de Granger para cada sector son:

Yi,t=α0+α1Yi,t−1+α2Xi,t−1+η1+γt+εi,t (4a)

Xi,t=β0+β1Xi,t−1+β2Yi,t−1+η1+γt+εi,t (4b)

El subíndice i representa los países y el subíndice t identifica los periodos. Las η _i son características no observadas de los países, invariables en el tiempo, y las γ _t denotan choques específicos de un periodo que son comunes a todos los países. Estimamos las ecuaciones (4a) y (4b) en primeras diferencias y niveles usando un estimador de sistema. Los efectos de periodo son captados por variables dicotómicas (dummy) específicas a un periodo, a las que se considera estrictamente exógenas. Para asegurar estimaciones consistentes de los coeficientes α y β en (4a) y (4b), nos basamos en ^{Arellano y Bover (1995)}, estimando los modelos vía MGM y usando como variables instrumentales niveles rezagados para la ecuación en diferencias y diferencias rezagadas para la ecuación en niveles. Así, las estimaciones no sufren por el problema de la instrumentación débil que afecta la estimación del modelo en diferencias, como ocurre en ^{Arellano y Bond (1991)}, cuando el proceso de generación de datos de las variables que nos interesan se aproxima a la raíz unitaria (véase ^{Arellano, 2003}, y las referencias que presenta). Concluimos que Xt(Yt) causa de conformidad con Granger Yt(Xt) si α₂(β₂) en las ecuaciones (4a) (4b) es estadísticamente diferente de 0. Si α₂ y β₂ son significativas estadísticamente, entonces hay una realimentación de Xt aYt. Si la causalidad de Granger sólo se encuentra en una sola dirección se dice que la variable explicativa causa conforme a Granger a la variable dependiente. Para estudiar la heterogeneidad regional en las α y las β, también estimamos extensiones de estos modelos. Por ejemplo, para comprobar si los efectos causales de la América Latina y el Caribe son diferentes del resto de la muestra, se puede estimar:

Yi,t=α0+α1Yi,t−1+α1,ALCALC⋅Yi,t−1+α2Xi,t−1+α2,ALCALC⋅Xi,t−α+ηi+γt+εi,t (4c)

Yi,t=β0+β1Xi,t−1+β1,ALCALC⋅Xi,t−1+β2Xi,t−1+β2,ALCALC⋅Yi,t−1+ηi+γt+εi,t (4d)

Fuente: WDI 2004.

Gráfica 1 Correlación simple: Producción no agrícola vs agrícola (t − 1). (1960-2000, periodo de cinco años) 

Fuente: WDI 2004.

Gráfica 2 Correlación parcial: Producción no agrícola vs agrícola (t − 1). (1960-2000, periodo de cinco años) 

En esta especificación, el efecto de X sobre Y para ALC es igual a la suma de α₂ más α _2,ALC , y se puede someter a prueba su significación estadística usando una prueba F.

En el cuadro 1 se muestra los resultados. En el cuadro 1(a) se presenta efectos fijos (EF), conjuntados (pooled) y estimaciones MGM de sistema para la relación entre la producción agrícola en el tiempo t − 1 y la producción no agrícola en el tiempo t, suponiendo coeficientes heterogéneos en el total de las regiones. Las estimaciones reflejan la dirección esperada del sesgo de la variable endógena (la variable dependiente rezagada) en las regresiones de EF y conjuntadas respecto a las estimaciones MGM de sistema. Esto es, el estimador de los datos conjuntados de la variable dependiente rezagada (el crecimiento no agrícola en el periodo t − 1) es significativamente más alto que el que predice el estimador de EF, como lo predice la teoría econométrica. El coeficiente estimado de la variable dependiente rezagada, derivado del estimador MGM de sistema de Arellano-Bover cae entre el MCO conjuntado y las estimaciones de EF, pero la prueba de sobreidentificación de Hansen sugiere que los instrumentos pueden no ser válidos. Esto podría deberse a la presencia de heterogeneidad en los coeficientes. En cualquier caso, los coeficientes en el cuadro 1(a) implican que el desarrollo agrícola causa, de conformidad con Granger, el crecimiento no agrícola en los datos mundiales.

Cuadro 1(a) Efecto de la agricultura en el crecimiento no agrícola: Pruebas de causalidad de Granger con varios estimadores^a. (1960-2000; periodo de cinco años) 

	No agrícola
	Conjuntado (1)	Efectos fijos (2)	Sist MGM (3)
Agrícola (t − 1)	0.0431	0.1177	0.1551
	(0.0091)***	(0.0422)**	(0.0515)***
No agrícola (t − 1)	0.9773	0.8679	0.8931
	(0.0066)***	(0.02750)***	(0.0416)***
Observaciones	601	601	601
Países	128	128	128
Hansen			0

^a Los errores estándar se muestran entre paréntesis. No se informa de intercepciones.

^* Significativo a 10 por ciento.

^** Significativo a 5 por ciento.

^*** Significativo a 1 por ciento.

El cuadro 1(b) presenta los resultados de las regresiones que tratan con la heterogeneidad de grupo interactuando las variables explicativas rezagadas con las variables dicotómicas de ALC y de los países de altos ingresos.⁷ Así, el grupo de referencia está compuesto de países en desarrollo que no se encuentran en la América Latina y el Caribe. Las filas inferiores del cuadro informan de los coeficientes de los países de ALC y los de altos ingresos junto con los valores de probabilidad de las pruebas F. Las dos primeras columnas presentan los coeficientes para la muestra total (128 países) mientras que los resultados de las columnas (3)-(6) usan una muestra de 80 países que tienen datos para ambas definiciones de agricultura.

Cuadro 1(b) Pruebas de causalidad de Granger entre la producción agrícola y la no agrícola: Estimaciones de sistema MGM con heterogeneidad regional^a. (1960-2000, periodos de cinco años) 

		(1)	(2)	(3)	(4)	(5)	(6)
		No agrícola	Agrícola	No agrícola	Agrícola	No agrícula II	Agrícola II
No agrícola (t − 1) (países pobres)		0.876	−0.168	0.922	−0.065	0.964	−0.023
		(0.000)***	(0.009)**	(0.000)***	(0.383)	(0.000)***	(0.701)
No agrícola (t − 1) multiplicado por América Latina y el Caribe (ALC)		0.031	0.177	−0.0368	0.017	−0.116	−0.009
		(0.728)	(0.039)**	(0.605)	(0.837)	(0.125)	(0.874)
No agrícola (t − 1) multiplicado por Alto Ingreso		0.213	0.140	0.214	−0.007	0.214	0.094
		(0.006)***	(0.137)	(0.001)***	(0.931)	(0.000)***	(0.343)
Agricultura (t − 1) (grupo de referencia, países pobres)		0.148	1.203	0.098	1.079	0.054	1.036
		(0.048)**	(0.000)***	(0.173)	(0.000)***	(0.368)	(0.000)***
Agricultura (t − 1) multiplicado por ALC		−0.030	−0.185	0.0411	−0.015	0.123	0.009
		(0.756)	(0.041)**	(0.588)	(0.849)	(0.112)	(0.880)
Agricultura (t − 1) multiplicado por Alto Ingreso		−0.235	−0.147	−0.242	0.010	−0.124	−0.108
		(0.005)***	(0.154)	(0.001)***	(0.900)	(0.000)***	(0.318)
Observaciones		601	601	320	320	320	320
Países		128	128	80	80	80	80
Estadística J de Hansen (valores p)		0.29	0.80	0.77	0.99	0.79	0.93
Correlación serial de 2o orden		0.08	0.31	0.17	0.42	0.07	0.29
Coeficientes regionales y valores p de las pruebas F para la significación de la suma de los coeficientes correspondientes
Efecto para países de América Latina y el Caribe (ALC)
	No agrícola (t − 1)	0.907	0.009	0.885	−0.047	0.847	−0.032
		(0.000)	(0.791)	(0.000)	(0.111)	(0.000)	(0.367)
	Agricultura (t − 1)	0.118	1.017	0.139	1.063	0.177	1.045
		(0.053)	(0.000)	(0.010)	(0.000)	(0.000)	(0.000)
Efecto para países de Alto Ingreso
	No agrícola (t − 1)	1.089	−0.027	1.136	−0.072	1.178	0.071
		(0.037)	(0.546)	(0.000)	(0.007)	(0.000)	(0.220)
	Agricultura (t − 1)	−0.087	1.055	−0.1447	1.089	−0.069	0.927
		(0.040)	(0.000)	(0.000)	(0.000)	(0.000)	(0.000)

^a Estimaciones de dos etapas con errores estándar robustos y una corrección Windmeijer de muestra finita. Los valores p se muestra entre paréntesis. No se informa de interceptos.

^* Significativo a 10 por ciento.

^** Significativo a 5 por ciento.

^*** Significativo a 1 por ciento.

Los resultados en la primera columna sugieren un efecto causal intertemporal significativo que va de la agricultura a la producción no agrícola. Este efecto es un poco más pequeño en los países de ALC que en el grupo de referencia, y es negativo para los países desarrollados. Estos resultados no cambian significativamente en la muestra reducida. Para la muestra más grande, la producción agrícola es causada, de conformidad con Granger, por la producción no agrícola en los países pobres. Los países en desarrollo que no pertenecen a la América Latina y el Caribe muestran un efecto pre dominante de atracción de recursos que se refleja en un coeficiente negativo y estadísticamente significativo en la producción no agrícola rezagada. Los resultados en la columna 3 sugieren que para todos los países en desarrollo la producción agrícola tiene un efecto positivo en la no agrícola, mientras que es to no es cierto para los países con ingresos altos. En contraste, los resultados en la columna 4 indican que para los países en desarrollo hay un efecto Granger que va de la producción no agrícola al crecimiento agrícola para los países pobres que no pertenecen a la América Latina y el Caribe y para los países con ingresos altos, en tanto que este efecto no es significativo para los países de la América Latina y el Caribe.⁸

Cuando el sector agrícola incluye las industrias alimentarias los resultados son un poco diferentes. Las estimaciones en la columna 5 del cuadro 1(b) muestran que los efectos positivos netos de la agricultura en la producción no agrícola son mayores en los países de ALC cuando se incluyen las industrias alimentarias. Esto último puede explicar se observan do que en ALC la proporción de la agricultura en el PIB muestra un incremento muy significativo una vez que se aña de la industria procesadora de alimentos (véase el cuadro A1 del apéndice). Finalmente, el modelo 6 sugiere que una definición amplia da de la producción agrícola no es afectada por la producción no agrícola obtenida en el pasado en todos los países.

El cuadro 1(b) también presenta la prueba de Hansen para la validez de los instrumentos y la prueba de la correlación serial de segundo orden. Todas las especificaciones parecen tener instrumentos válidos a niveles de confianza tradicionales. No podemos rechazar la hipótesis nula de la no correlación serial a un nivel de confianza de 5%. La especificación (1) tiene un valor p límite para esta prueba de especificación. Sin embargo, con la muestra más pequeña, la prueba de especificación rechaza con seguridad la presencia de correlación serial de segundo orden en los modelos 3 y 4. No obstante, las estimaciones del coeficiente no cambian significativamente, excepto para los países pobres que no están en la América Latina y el Caribe.⁹

En resumen, encontramos que la agricultura puede tener efectos de Granger positivos netos en el crecimiento no agrícola de los países en desarrollo. Estos efectos positivos son también más altos en ALC cuando la agricultura incluye las industrias asociadas con el procesado de alimentos.

III. El efecto de la productividad agrícola en los quintiles de ingreso

El crecimiento de diferentes sectores podría tener distintos efectos en los hogares pobres. ^{Ravallion y Datt (1996)} no encuentran ningún efecto del crecimiento de la industria manufacturera india en los pobres, incluso en áreas urbanas, mientras que el crecimiento rural redujo la pobreza en las zonas rurales y en las urbanas. ^{Gallup, Radelet y Warner (1997)} encuentran que un crecimiento de 1% en el PIB agrícola conduce a un incremento de 1.61% en el ingreso per capita del quintil inferior, en tanto que un incremento equivalente en el PIB industrial aumenta el ingreso del quintil inferior en sólo 1.16%.¹⁰ Lamentablemente, los datos usa dos por es tos autores sólo incluye ron 35 países en desarrollo y las diferencias en los efectos sectoriales no fueron significativas estadísticamente. ^{Timmer (2002)} estudia la contribución de la producción agrícola y no agrícola por trabajador al ingreso per capita en todos los diferentes quintiles de la distribución del ingreso. Aunque encuentra un efecto un poco mayor de la producción agrícola no es probable que las diferencias sectoriales en sus estimaciones fueran estadísticamente significativas.

Los datos de las proporciones del ingreso entre cada quintil provienen de ^{Dollar y Kraay (2002)} y los ingresos per capita se obtuvieron de los Indicadores del Desarrollo Mundial (WDI) del ^{Banco Mundial (2003)}.¹¹ Los datos de la población económicamente activa se tomaron de Faostat, los datos de las producciones sectoriales y la fuerza de los WDI, 2003. Los datos resultantes abarcan los años 1960-2000. Las estimaciones econométricas utilizan un panel de promedio de cinco años. Para estudiar la contribución del PIB agrícola al ingreso de los diferentes quintiles estimamos nuestras especificaciones usando MGM para tratar con la endogeneidad de los PIB sectoriales, lo que distingue nuestro trabajo del resto de las obras de este tema. Más específicamente, las estimaciones de sistema MGM IV, explicadas en la sección II.2, usan rezagos apropiados de los PIB sectoriales como variables instrumentales.

En el cuadro 2 se presenta los efectos estimados de la producción por trabajador en la agricultura y en la no agricultura en el ingreso per capita de cada quintil, a la vez que se controla por la heterogeneidad regional. Todas las regresiones aprobaron sin problemas las pruebas de especificación. Los resultados implican que la productividad de la mano de obra agrícola tiene un efecto significativo en el ingreso promedio del primer quintil y que no muestra una heterogeneidad significativa entre las regiones. Pero la producción agrícola por trabajador tiene un efecto más pequeño que la producción no agrícola por trabajador en el ingreso promedio del primer quintil. La estimación del efecto del ingreso no agrícola por trabajador en el ingreso del primer quintil tampoco muestra heterogeneidad entre las regiones.

Hay algunos resultados sorprendentes respecto al ingreso de los quintiles 2-5. Primero, la producción agrícola por trabajador explica una proporción creciente del ingreso de los quintiles 2 y 3 para el grupo de países pobres y de la América Latina y el Caribe. Sin embargo, la producción no agrícola por trabajador explica la mayor parte del ingreso para todos los quintiles y todos los grupos de países. El efecto es significativamente mayor para los quintiles 2, 4 y 5 de la América Latina y el Caribe que para otros países pobres. Este efecto es incluso mayor para los quintiles 2-5 en los países de altos ingresos.

IV. Resultados ambientales

En esta sección se exploran las determinantes de tres resultados ambientales: las emisiones de CO₂,¹² las extracciones de agua dulce y la deforestación. Los escritos actuales respecto a los determinantes de la calidad ambiental en los países en general muestran una influencia dominante de estudios como los de ^{Grossman y Krueger (1995)} y ^{Shafik (1994)} que encontraron una curva de Kuznets ambiental, según la cual la contaminación se incrementa con el desarrollo y llega a un máximo a cierto nivel de ingreso, para decrecer después. La existencia de esta relación, como lo señaló ^{Cole (2003)}, ha sido puesta en duda sobre la base de que i) hay problemas de endogeneidad que afectan algunas de las estimaciones; ii) frecuentemente las muestras se limitan a los países de la OCDE; iii) algunas series no son estacionarias y por tanto los estimadores lineales tradicionales producen correlaciones espurias, y iv) la heteroscedasticidad en los datos de corte transversal puede también haber producido estimaciones sesgadas. ^{Cole (2003)} tiene en cuenta estas consideraciones y aun así encuentra una curva de Kuznets en forma de U invertida para algunos contaminantes. Sin embargo, el enfoque de Cole ha sido criticado por ^{Stern (2004)} debido a pruebas, en las series de tiempo, que rechazan la existencia de una curva de Kuznets ambiental.¹³ En nuestro enfoque la presencia de una curva de Kuznets debe ser captada por los coeficientes diferenciados por grupos de países que perciben el efecto de cada sector en los resultados ambientales, debido a que los grupos de países varían según el nivel de ingresos.

Los datos de la producción sectorial, las emisiones de CO₂ y las extracciones de agua se obtuvieron de los Indicadores del Desarrollo Mundial 2004. Las superficies forestales se obtuvieron de FAO. Los datos de la contaminación del aire abarcan el periodo 1970-2000, los datos del agua dulce son de 2000, y los referentes a los bosques son de dos años, 1990 y 2000.

En el cuadro 3(a) se muestra los resultados de las estimaciones de los efectos fijos (EF) de países de los determinantes sectoriales de la emisión de CO₂, suponiendo así que las emisiones sectoriales son exógenas a la contaminación del aire. Los valores de probabilidad de la prueba F de la significación de los coeficientes asociados con los países de la América Latina y el Caribe y los de altos ingresos se presenta en la parte inferior del cuadro. La regresión (1) estudia la contribución de las actividades agrícolas y no agrícolas a las emisiones de CO₂. El resultado sugiere que el principal determinante de las emisiones de CO₂ en todos los países es el sector no agrícola. De interés es que el sector no agrícola de los países de ALC contribuye más a la contaminación del aire que en otros países en desarrollo y de altos ingresos.

El cuadro 3(b) se centra en las extracciones de agua dulce. El modelo 1 se estimó con una sección transversal de países, mientras que el modelo 2 usa variables instrumentales, esto es, las diferencias rezagadas de los PIB sectoriales para los periodos t − 1,t − 2 y t − 3, en los que cada periodo está separado por cinco años, para controlar por la endogeneidad de los PIB sectoriales.

Como los instrumentos son en diferencias, no se correlacionan con los efectos fijos de país. Las pruebas de Hansen de la validez de los instrumentos son adecuadas. La última especificación no muestra ninguna diferencia significativa entre sectores como una fuente de ex tracciones de agua dulce en los países pobres. En la América Latina y el Caribe y en los países de altos ingresos, el sector agrícola podría ser una fuente significativamente mayor de uso del agua que el sector no agrícola, lo que era de esperarse. Esta conclusión está basada en los coeficientes regionales cuyas pruebas F se muestra en la parte inferior del cuadro.

En el cuadro 3(c) se evalúa los determinantes sectoriales de la deforestación. Los coeficientes de regresión en la columna 1 son de una sección transversal de países, mientras que en la columna 2 se presenta resultados de una especificación con las tres diferencias rezagados de los PIB sectoriales como IV. Los coeficientes del último modelo son más pequeños en valor absoluto que los derivados del modelo 1, que supone que los PIB sectoriales son exógenos. También, la prueba Hansen de la validez de los instrumentos sugiere que las variables instrumentales elegidas son válidas. El hallazgo importante es que la principal fuente de la deforestación es la agricultura, como se esperaba, pero también obtuvimos una estimación de la magnitud del efecto promedio entre los países en desarrollo. No obstante, este coeficiente no es significativo para los países de la América Latina y el Caribe ni para los países de altos ingresos. Estos resultados son congruentes con los de ^{Templeton y Scherr (1999)}, quienes encuentran que, en algunas circunstancias, el desarrollo agrícola puede no perjudicar la calidad ambiental, por que el crecimiento puede traer consigo nuevas técnicas productivas que aminoran los efectos negativos en el ambiente. También ^{Scherr (2000)} hace hincapié en este resultado en la reseña que ella hace de lo que se ha escrito respecto a lo que se ha denominado la “espiral descendente”, que relaciona la pobreza con la degradación ambiental. Pero debemos enunciar una limitante, que es el hecho de que hemos estimado efectos promedio. Esto implica que en algunos casos el crecimiento agrícola ha traído consigo degradación ambiental, incluso una grave deforestación en algunos países como Brasil y en algunas economías andinas.

V. El efecto de la agricultura en la volatilidad macroeconómica

En esta sección se estudia los determinantes sectoriales de la volatilidad macroeconómica. La relación entre crecimiento y la volatilidad macroeconómica ha sido estudiada en un documento seminal por ^{Ramey y Ramey (1995)} y más recientemente por ^{Hnatkovska y Loayza (2003)}, entre otros. Ramey y Ramey encuentran que la volatilidad reduce el crecimiento económico, pero no estudian la causalidad en sentido contrario: entre la volatilidad y el crecimiento.

^{Hnatkovska y Loayza (2003)} consideran que la volatilidad está determinada por la desviación estándar de la tasa de inflación, los desajustes en el tipo de cambio, las desviaciones estándar de los choques de los términos del comercio exterior y la frecuencia de las crisis bancarias. Nosotros seguimos un enfoque diferente. Como se dijo líneas arriba, evaluamos si la estructura productiva tiene un efecto en la volatilidad del crecimiento del PIB.

Para medir la volatilidad calculamos la desviación estándar de las tasas de crecimiento del PIB durante cuatro periodos de diez años, que abarcan de 1960 a 1999. Desarrollamos la regresión de la volatilidad respecto a los PIB promedio de los sectores usan do efectos fijos. Como las producciones sectoriales también se incluyen en el PIB total, instrumentamos las producciones sectoriales por la diferencia en los valores iniciales de los PIB sectoriales. También usamos dos rezagos de este conjunto de instrumentos.

El cuadro 4 muestra la estadística descriptiva de nuestra base de datos. Este cuadro muestra la media, la desviación estándar, el mínimo y el máximo de la desviación estándar de la tasa de crecimiento del PIB, el PIB agrícola y el PIB no agrícola en el transcurso de los decenios y en las diferentes regiones. Estos datos muestran que el PIB agrícola es más volátil que el no agrícola en las diferentes regiones y decenios. El PIB agrícola es más volátil en el caso de los países pobres que no están en la América Latina y el Caribe, y menos para los países de ALC y los de ingresos altos. Esta pauta es la que tiende a predominar, con algunas excepciones para el PIB total y el PIB no agrícola.

En el cuadro 5 se presenta en primer lugar los resultados de las estimaciones de los efectos fijos que incluyen instrumentos y en segundo lugar las estimaciones de efectos fijos sin instrumentos. Los resultados indican que las producciones agrícola y no agrícola contribuyen a disminuir la volatilidad en la caso de los países pobres que no pertenecen a ALC y en el de estos últimos. Para los países con ingresos altos, los coeficientes indican que la agricultura contribuye a aumentar la volatilidad, mientras que la producción no agrícola la reduce.

Los resultados indican que el efecto del sector no agrícola en la reducción de la volatilidad macroeconómica aumenta con el ingreso (captado por nuestras variables dicotómicas regionales interactuantes); la magnitud de esta elasticidad es más pequeña para los países pobres que no se encuentran en la América Latina y el Caribe, seguida por una elasticidad para los países de ALC y de magnitud aún mayor para los países con ingresos altos. Aunque la elasticidad que capta el efecto de la agricultura en la volatilidad macroeconómica sigue la pauta opuesta, esta elasticidad indica que la agricultura disminuye la volatilidad para los países pobres que no son latinoamericanos o caribeños y aunque tiene la mayor magnitud para este grupo de países, también encontramos que la agricultura disminuye la volatilidad para los países de ALC y, que por lo contrario, aumenta la volatilidad para los países con ingresos altos.

Artículos recientes de ^{Imbs y Wacziarg (2003)} y ^{Klinger y Lederman (2004)} han encontrado una pauta congruente en las etapas de diversificación en los sectores económicos y en las exportaciones de nuevos productos, respectivamente. Esta pauta tiene la forma de una U invertida a medida que aumenta el desarrollo. Retornando a nuestros resultados, parece que hay una congruencia entre nuestros resultados para el sector agrícola y su efecto en la disminución de la volatilidad macroeconómica. El crecimiento del sector agrícola está relacionado positivamente con una disminución en la volatilidad macroeconómica en los países de ALC y los otros países pobres, mientras que para los países de ingresos altos esta relación se invierte. En el caso de los países con ingresos altos este efecto podría deberse a un incremento en la especialización en la producción de productos agrícolas y/o mayores rigideces en la mezcla de productos en este sector. En contraste, los resultados para el sector no agrícola parecen inexplicables a la luz de los estudios de ^{Imbs et al (2003)} y ^{Klinger et al (2004)}, por que el efecto que tiene el crecimiento en el sector no agrícola en la disminución de la volatilidad macroeconómica llega a su máximo en los países con ingresos altos. Para el caso de ^{Imbs et al (2003)} este resultado puede deberse a la amplia agregación disponible en sus datos.

Una manera de aclarar estos resultados es recurrir al “hecho estilizado” de ^{Chenery y Syrquim (1975)}. Para que exista una pauta de disminución se necesita un crecimiento más rápido en el sector no agrícola; sin embargo, ^{Bravo Ortega y Lederman (2005)} no sólo confirman esta pauta con datos más actualizados, sino que también encuentran que la velocidad a la que disminuye la proporción de la agricultura disminuye con el (aumento del) ingreso (más rápido en los países pobres no incluidos en ALC, más lento en los países con ingresos altos). Esto implica que la brecha en las tasas de crecimiento entre los sectores declina con el desarrollo. Con esto en mente, podemos hacer que nuestros resultados de la volatilidad sean congruentes con las pautas que se encuentran en las etapas de diversificación.

VI. Efectos totales de bienestar

La ecuación (3) en la sección I muestra que la elasticidad del bienestar con respecto al PIB agrícola depende de las elasticidades estimadas econométricamente, de la participación de cada sector en el PIB nacional y de los resultados ambientales corrientes. En el cuadro 6 se presenta nuestras estimaciones de las elasticidades de bienestar sectoriales. El primer conjunto de cálculos (fila 8 en el cuadro 6) utiliza ponderaciones iguales para el PIB per capita, el ingreso promedio del quintil inferior, el índice ambiental y la volatilidad. El segundo conjunto de cálculos (fila 9 del cuadro 6) presenta las elasticidades de bienestar suponiendo que el PIB per capita soporta el 40% de la ponderación. Estos cálculos usan elasticidades estadísticamente significativas para cada grupo de países, mientras que la significación fue derivada de pruebas F de la suma de la elasticidad asociada con el grupo de referencia más los coeficientes de las variables que interactúan con las correspondientes variables ficticias regionales.¹⁴

Las elasticidades en el cuadro 6 sugieren que el bienestar nacional en los países con ingresos altos será más beneficia do por medio del crecimiento no agrícola. Esto es apoya do por la semejanza que se presenta de las elasticidades de bienestar sectoriales, independientemente de los supuestos concernientes a las ponderaciones en la función del bienestar nacional. En realidad, el crecimiento agrícola disminuye el bienestar en estos países. El bienestar de los países en desarrollo también es más favorecido por el desarrollo no agrícola, aunque la contribución de la agricultura es positiva y relativamente mayor que su proporción en el PIB.

En los países en desarrollo que no son de ALC, el coeficiente entre las mejoras en el bienestar debidas al crecimiento no agrícola respecto a las ganancias en el bienestar debidas al crecimiento agrícola es 1.67. Cuando el desarrollo pre domina en la función de bienestar nacional, entonces, la mejoras marginales en el bienestar provenientes del desarrollo no agrícola son mucho mayores que las mejoras provenientes del desarrollo agrícola; de hecho, el coeficiente entre ellas es 2.62. En los países de ALC la proporción entre las mejoras en el bienestar generadas por el crecimiento no agrícola sobre las ganancias en bienestar debidas al crecimiento agrícola es 3.5. Cuando el desarrollo general pre domina en la función de bienestar nacional, el coeficiente entre las mejoras en el bienestar provenientes del crecimiento no agrícola respecto a las ganancias de bienestar debidas al crecimiento agrícola es 3.6, un poco mayor que en el caso anterior.

Los cocientes entre las contribuciones relativas al bienestar y las participaciones sectoriales relativas del PIB se presentan en las filas 11 y 12 del cuadro 6. Estos coeficientes mi den la contribución al bienestar por pun to porcentual del PIB nacional para cada sector. Un coeficiente igual a uno implica que la contribución de cada sector es proporcional a su participación en el PIB, mientras que un coeficiente mayor que uno implica que la contribución de la agricultura al bienestar nacional es más que proporcional a su participación relativa en el PIB.¹⁵

Para los países de ALC estos coeficientes se aproximan a 2, lo que implica que la contribución agrícola relativa al bienestar nacional ha sido aproximadamente del doble de su proporción de 12% en el PIB. Por las pruebas en el cuadro 6 está claro que este resultado proviene del efecto positivo de la agricultura en el resto de la economía, lo que también fortalece el efecto re ductor de la pobreza de la agricultura. Para los otros países en desarrollo los coeficientes son 2.12 y 1.35. Éstos también se deben al efecto positivo del crecimiento de la agricultura en el resto de la economía, pero la magnificación del efecto positivo de la agricultura en el desarrollo es relativamente menor que en los países de ALC a causa de que la participación de la agricultura en el PIB es mayor que en los países de ALC. Los cocientes negativos de -3.8 y -3.14 en los países con ingresos altos indican que el crecimiento agrícola implica pérdidas de bienestar. Esto se debe principalmente a que la producción agrícola en los países desarrollados tiene un efecto neto de atracción de recursos en el sector no agrícola, lo que reduce la contribución de la agricultura al bienestar nacional.¹⁶

Conclusiones

Estudiamos los efectos de realimentación de Granger en el PIB agrícola y el no agrícola. Los resultados indican que la agricultura causa de conformidad con Granger el desarrollo del sector no agrícola, pero que hay una considerable heterogeneidad regional. En el caso de los países de ALC este efecto parece ser un poco más débil que en el caso de otros países pobres. En lo que se refiere al efecto de la producción no agrícola en la agricultura, encontramos un efecto pre dominante de atracción de recursos en los países en desarrollo que no son de ALC y en los de ingresos altos, que dirige recursos al sector no agrícola.

En lo que se refiere al efecto de la agricultura en los ingresos de los hogares pobres, las pruebas econométricas refutan la sabiduría tradicional. Nuestros resultados indican que los quintiles más ricos se benefician más de los avances en la productividad de la mano de obra agrícola que los hogares más pobres. En es te artículo también se examina el efecto de la producción agrícola y de otros sectores de la actividad económica entres resultados ambientales. Los hallazgos empíricos sugieren que los efectos ambientales sectoriales varían según las regiones. En ALC la agricultura es ambientalmente neutral, excepto en el caso de las extracciones de agua. Por último, la volatilidad macroeconómica es afectada significativamente por el tamaño de los sectores agrícola y no agrícola en los tres grupos de países. Los resultados indican que el efecto del sector no agrícola en la disminución de la volatilidad macroeconómica aumenta con el ingreso, mientras que la elasticidad que capta el efecto de la agricultura en la volatilidad macroeconómica sigue la pauta opuesta.

Estos resultados proporcionan los elementos necesarios para calcular la elasticidad del bienestar respecto a la producción agrícola y no agrícola. Además, es tos resultados tienen importantes consecuencias políticas en tanto pue da interpretar se a la causalidad de Granger como una causalidad económica. Sin embargo, para los países de ALC hay trade offs a pesar de que la agricultura tiene grandes efectos positivos de desborde, además de efectos multiplicadores en el resto de la economía promedio de ALC. En particular, la agricultura no favorece tan to a los pobres cuando se la compra con el crecimiento no agrícola (cuadro 6, fila 2) y representa sólo una parte relativamente pequeña de la economía nacional (cuadro 6, fila 10).

Como se demuestra en el apéndice, los efectos marginales de bienestar de las tasas de crecimiento sectoriales pueden ayudar a recabar más información para la toma de decisiones; por ejemplo, respecto a la asignación de los gastos públicos en los diferentes sectores. En el supuesto de que los incrementos de los gastos públicos sectoriales tienen consecuencias sectoriales equivalentes, los efectos de bienestar nacional deberían determinar la asignación óptima de los gastos.¹⁷ No obstante, debemos reconocer que nuestras estimaciones y cálculos no bastan para hacer prescripciones pormenorizadas de política. Más bien, los hallazgos sugieren que las decisiones políticas deben considerar los desbordes in ter sectoriales potenciales del crecimiento de cada sector. De otro modo, la asignación de recursos de uno a otro sector podría ser sub óptima desde la perspectiva del bienestar social.