Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
1
Universidad de los Andes
Alfonso Mejía 201424750
Memoria de Grado
Recursos Naturales y Desigualdad: un análisis para la implementación de
una Reforma Agraria
Resumen:
Para la implementación de una reforma agraria, es necesario ver la desigualdad de tierras
como una variable fundamental. Como se ha visto en la literatura, esta desigualdad ha traído
toda clase de problemas socioeconómicos para el país y es pertinente no dejar esta variable
a un lado. El presente trabajo muestra el efecto que tienen diferentes tipos de cultivos (café,
aguacate, caña, cacao, ahuyama, arroz) sobre la desigualdad de tierras para así responder a la
pregunta ¿por medio de qué cultivos se puede disminuir dicha desigualdad?
1. Introducción:
1.1 Trade-off entre eficiencia e igualdad
Si se mira la tendencia expuesta por el Banco Mundial, el valor agregado de la agricultura
como porcentaje del PIB ha venido disminuyendo drásticamente desde finales de los años
noventa, sin embargo (como se puede ver en el gráfico 1) es importante aclarar que en
comparación con otras economías de América Latina (Chile, Argentina, y Brasil) , Colombia
tiene una mayor participación de la agricultura. Esto evidencia la importancia que tiene la
agricultura en el país. Producciones como la caña son las que han demostrado tener más
rendimientos, aportando hasta el 4.7% de la producción total agropecuaria. (La República,
2014) Por otro lado, aunque se evidencie que la agricultura es relativamente fuerte en
Colombia, hay otras variables que hay que tener en cuenta. Según Oxfam, el 1% de las fincas
de mayor extensión representan el 81% de la tierra en el país, lo que se puede evidenciar es
que puede haber un trade-off entre productividad/eficiencia y otras variables como lo puede
ser la desigualdad de tierras. Esto es algo que se puede evidenciar aún más en las economías
de escala, donde se busca a toda costa mejorar la eficiencia, descuidando otros factores como
2
puede ser la redistribución. Otro factor para considerar es que no todas las producciones
tienen las mismas dinámicas. Unas son más intensivas en mano de obra y no requieren tanta
extensión de tierra (el café), mientras que otras son más intensivas en capital y se caracterizan
por ser latifundios (caña).
Los reportes de la Federación Nacional de Cafeteros mostraron que, en 2013, el café
representó el 43% del alza del PIB agropecuario (que fue del 8%) ya que su valor agregado
tuvo un incremento del 34%. En adición, el café representó el 31% de todas las exportaciones
agropecuarias y el 4% del total. Reportes como este, muestran que existen producciones que
pueden llegar a tener dinámicas equitativas (como lo ha demostrado el café históricamente)
sin sacrificar eficiencia.
La pregunta que esto genera es ¿Qué tipo de cultivos influyen a que se dé una menor
desigualdad de tierras en Colombia y por qué? Otro planteamiento que hay que hacerse es el de
si es mejor apostar por las grandes extensiones para aumentar el bienestar en el campo. Sin embargo,
hay que aclarar que bienestar no necesariamente es tener un alto ingreso en recursos naturales
(RRNN), ya que como se dice en la economía, pueden llegar a ser una bendición o una maldición.
Por un lado, puede significar una bendición ya que un aumento en productividad aumenta las
dotaciones iniciales y permite una mejor redistribución. Por otro lado, puede representar una
maldición ya que se puede incentivar a que unos pocos se queden con la riqueza así aumentando la
desigualdad. La tesis principal de este trabajo va más hacia la segunda premisa: un aumento de la
productividad en sectores intensivos en mano de obra (café, por ejemplo) disminuye la desigualdad
de tierras. El objetivo de este trabajo es crear un modelo econométrico que pueda explicar el efecto
de los diferentes RRNN sobre la desigualdad.
1.2 Desigualdad como variable
Dentro del estudio del agro en Colombia, es fundamental considerar la desigualdad de tierras
como una variable importante. Como se verá en la revisión de literatura, hay estudios que
demuestran la importancia de considerar la desigualdad dentro del marco del desarrollo
económico. Principalmente, y considerando la coyuntura histórica del país, se puede ver que
muchos de los problemas sociales que se han tenido son gracias a estas dinámicas desiguales
que han estado presentes a lo largo de los años. Un ejemplo claro de esto es la formación de
grupos armados. Dube y Vargas en su trabajo,” Commodity price shocks and civil conflict:
Evidence from Colombia” ponen en evidencia esto. En su análisis mostraron que hay cultivos
3
que incentivan más al conflicto armado (posteriormente, en la revisión de literatura, se
expondrá mediante qué mecanismos sucede esto). Esto está ligado a las características que
tiene cada producción, como lo es la diferenciación entre un cultivo intensivo en capital o en
trabajo. Estas características son también determinantes para la desigualdad que genera cada
producción. Por esto se puede inferir que el conflicto armado y la desigualdad están
estrechamente relacionados, por lo que se evidencia la importancia de tratar la desigualdad
de tierras como una de las variables más importantes a la hora de estudiar las dinámicas del
campo.
Por otro lado, desde un punto de vista más teórico, hay un problema con la forma en la que
se mide la desigualdad, en especial de tierras, en Colombia. Actualmente lo que más se usa
para medir desigualdad de tierras es el coeficiente de Gini. El problema con esto, visto desde
los datos que hay para el país, es que este coeficiente tiene una varianza demasiado pequeña
y se comporta prácticamente como una constante. Esto evita que se pueda hacer un buen
análisis cuantitativo cuando se quiere analizar el tema de tierras. En efecto, uno de los
objetivos del presente trabajo es ver si se puede encontrar una alternativa al Gini de tierras.
Posteriormente en el marco teórico se expondrá la metodología por la cual se hallará esta
nueva variable.
1.3 Análisis histórico
Desde antes de la independencia, Colombia ha sido uno de los países más desiguales en
América Latina. Actualmente, Colombia es el segundo país más desigual de Latinoamérica
y esta problemática radica también en las tierras. Según Marta Juanita Villaveces, Fabio
Sánchez, y Jean-Paul Faguet en el trabajo, “The Paradox of Land Reform, Inequality and
Development in Colombia” (2016), hablan de cómo la mala distribución de tierras (incluso
antes de la independencia) ha afectado el desarrollo del campo. Esto hace referencia a que,
desde la colonia, se veía que la tierra era, en parte, de los criollos y de la iglesia, algo que no
varió después de que Colombia se independizó.
Posterior a la independencia, Colombia quedó con una gran deuda externa, principalmente
con Inglaterra, ya que por medio de ésta la financió. A consecuencia de esto, el Estado decidió
mitigar los gastos de militares y funcionarios del gobierno por medio de los pagos en bonos.
Los que recibían estos bonos estaban obligados a venderlos y la mejor forma de hacerlo, era
4
comprando tierra. Mientras que el precio por fanegada era de 1 peso en el interior y a 2 pesos
en la costa, los compradores concretaban transacciones que oscilaban entre 5 y 10 centavos
por fanegada. Esto incentivó a que la asignación de tierra se concentrara.
Otro factor fundamental fue la adjudicación de baldíos a raíz de la ley de 1821. Con esta ley
se buscaba también pagar la deuda pública por medio de tierras (alrededor de 3 millones de
fanegadas), incentivando la migración de trabajadores europeos. Esta ley no funcionó ya que
los trabajadores europeos no vinieron, en parte, por oposición de ciertos sectores, como lo
era el clero. Aprovechándose de la situación, varios empresarios y empresas extranjeras
decidieron apropiarse de estos baldíos. Este tipo de situaciones solo ejemplifican lo que se
expone en el trabajo de Villaveces, Sánchez, y Faguet. (Restrepo, 2014)
Desde la segunda mitad del siglo XX, diferentes gobiernos han tratado de plantear una
reforma agraria que pueda solventar los problemas de desigualdad que se generan por la
injusta distribución de tierras en el país. El mayor acercamiento que ha habido hacia una
reforma agraria fue gracias a la ley 135 de 1961, que fue promovida por el expresidente
Carlos Lleras Restrepo pocos años antes de ejercer su mandato en 1966; sin embargo, no
pudo hacerse gracias al Pacto de Chicoral (1973). Este pacto consistió en una reunión sin
precedentes entre líderes liberales, conservadores, y terratenientes para tumbar la propuesta
del presidente de la época. Este tema de tierras no ha dejado de tener una gran importancia a
la hora de tomar decisiones de política pública y la posibilidad de implementar una reforma
agraria no se ha lapidado.
2 Revisión de Literatura:
Hay dos posiciones principales sobre el efecto de los RRNN sobre la desigualdad. Por un
lado, Dollar y Kraay (2005) demuestran que un aumento en el comercio reduce la desigualdad
en países en desarrollo con buenas instituciones. Goderis y Malone, de la misma manera,
muestran con un modelo que ante un boom de RRNN intensivos en trabajo, la desigualdad
(en términos de ingreso) cae a corto plazo; esto se da por un fenómeno llamado el efecto
gasto. Este efecto representa el aumento de demanda en sectores no transables intensivos en
mano de obra como lo es el de los servicios (restaurantes, por ejemplo). Por otro lado, Perry
y Olarreaga (2006) demuestran que este efecto no sucedió en Latinoamérica después de la
apertura económica de los 90. La explicación que se da es que gracias a un efecto
5
schumpeteriano de destrucción creativa ya que se aumenta la demanda de trabajadores
calificados. Si no se complementa una apertura económica con la consolidación de
instituciones financieras sólidas que puedan permitir una movilización de factores de un
sector a otro, los países en desarrollo siempre van a perder luego de una apertura económica.
De manera concisa, el impacto de un boom en los RRNN depende de si hay una buena
institucionalidad (en especial una buena institucionalidad financiera).
Battacharyya y Hodler (2009) precisamente hicieron un modelo basado en teoría de juegos
que argumenta que entre más haya rentas debido a los RRNN, aumenta la corrupción en
países con instituciones democráticas pobres. A consecuencia de esto, aumenta la
desigualdad. Es por esto por lo que una buena institucionalidad es fundamental para mitigar
este efecto. De la misma manera, Perry y Olivera (2009) analizan el caso colombiano. Ellos
encontraron que las instituciones municipales determinan el nivel de eficiencia en términos
de distribución de las regalías y transferencias nacionales. Si las instituciones no son buenas,
aumenta la corrupción por lo que hay un impacto directo en el incremento de la desigualdad.
Ahora bien, la desigualdad no tiene por qué ser solo medida por medio de la desigualdad de
ingresos (como se ha expuesto en los trabajos previos). También hay una amplia literatura
que expone que la asignación de tierras es fundamental para el desarrollo. Binswanger,
Deininger, y Feder (1995) asocian la baja distribución de tierras con un bajo crecimiento y
poca productividad de los factores de un país. De la misma manera, Coastworth (2012)
argumenta que una mala institucionalidad implica una mayor desigualdad. En adición,
Coastworth dice que estos procesos han estado presentes desde antes de la independencia en
los países de América Latina. Precisamente, Faguet, Sanchez, y Villaveces (2016) usaron un
panel entre 1961 a 2010 para evidenciar que la distribución de tierras ha sido heterogénea y
que las élites han distorsionado las decisiones optimas en los municipios de Colombia.
También se hace énfasis en este trabajo sobre el origen de esta desigualdad y argumentan que
la mala asignación de recursos va desde la época de la colonia.
Otro factor que toca tener en cuenta a la hora de manejar el impacto de los RRNN sobre la
desigualdad es que hay que hacer una diferenciación entre los diferentes tipos de RRNN:
intensivos en capital (azúcar) o intensivos en mano de obra (café). Dube y Vargas, por
ejemplo, hacen un análisis de la incidencia de los diferentes tipos de RRNN sobre el conflicto
6
armado. Ellos analizan dos canales principales: efecto costo de oportunidad y efecto
rapacidad. El primero alude a casos donde un aumento del precio de un bien intensivo en
trabajo lleva a una reducción del conflicto armado. Esto se da cuando hay un costo de
oportunidad de ser parte del conflicto y normalmente se da cuando la gente tiene algo que
perder, puede ser tierras. El segundo canal sucede cuando hay un aumento en el precio de un
bien que es intensivo en capital. El efecto rapacidad se da cuando un aumento repentino de
los ingresos es acaparado por unos pocos, generando malestar. En efecto, un aumento en los
precios de bienes intensivos en capital implica un aumento en el conflicto. Aunque el trabajo
de Dube y Vargas no hable de desigualdad, como se dijo antes, no es excluyente del conflicto.
La intuición del presente trabajo se va a inspirar en la de Dube y Vargas, ya que es posible
que estos canales sean parecidos también para la desigualdad de tierras.
3 Marco Teórico:
3.1 Índice de Palma:
Como se dijo antes, trabajar el concepto la desigualdad de tierras en Colombia no es tan fácil.
En primer lugar, no hay mucha información ya que lo que más se asemeja es el Gini de tierras
y no está la información anual para poder hacer un buen análisis panel. En adición, el Gini
de tierras en Colombia casi no tiene varianza, por lo que es muy difícil hacer un buen análisis
econométrico con eso ya que se asemeja a una constante. Viéndolo desde una perspectiva
más general, hay muchas críticas hacia el coeficiente de Gini en sí, por lo que actualmente
hay cada vez más economistas que buscan llegar a una medida alterna a esta.
Jose Gabriel Palma es un economista chileno que trabaja como profesor en la Universidad
de Cambridge. Él, gracias a sus inconformidades con el índice de Gini, decidió crear su
propio índice denominándolo el “Índice de Palma”. Según él, “El Gini es útil,
pero estadísticamente limitado y poco transparente,” por lo que se ingenió la manera de medir
la desigualdad de forma más robusta. Su teoría radica en el hecho de que el Gini no refleja la
verdadera desigualdad y actualmente muchos economistas creen que la única manera de
evaluar una política inclusiva es si esta mejora las condiciones de vida del 40% más pobre
(cosa que con el Gini no se mide bien). Por lo tanto, el Índice de Palma consiste en medir la
cantidad de recursos que tiene el 10% más rico sobre la que tiene el 40% más pobre.
7
Para el caso colombiano, el presente trabajo tiene como objetivo construir el índice de palma
de tierras para cada municipio. Para esto se usó la base de datos de Rango de Terrenos del
Instituto Geográfico Agustín Codazzi. Esta base de datos es un panel que va desde el año
2000 al año 2009 donde se exponen diferentes rangos de tierra por municipio (menor a una
hectárea, entre 1 y 5, de 5 a 10, etc…) y cuánta gente pertenece a cada rango. Gracias a esto,
fue posible encontrar cuantas tierras (en hectáreas) tiene tanto el 40% más pobre como el
10% más rico. Posteriormente se dividió el 10% sobre el 40% y se obtuvo el Índice de Palma
para cada municipio.
3.2 Modelo:
Para poder analizar el impacto que tienen diferentes producciones agrícolas, se hará un
modelo para cada producción cuya variable dependiente es la medida de desigualdad, el
logaritmo del Índice de Palma. Las variables que lo compondrán son:
- PIB agrícola municipal (en millones)
- Razón del área sembrada de cada cultivo por municipio (área sembrada sobre el área
total del municipio)
- Ingresos totales del municipio
- Índice de Ruralidad
- Población total del Municipio
Los cultivos que se analizarán son:
- Café
- Aguacate
- Cacao
- Ahuyama
- Caña
- Arroz
4 Metodología:
Para la construcción del modelo, se requirió de la unión entre el Panel Municipal CEDE y las
Evaluaciones Agropecuarias (EVAS). Posteriormente se le introdujo la variable de
desigualdad. El resultado fue un panel que abarca del año 2007, al año 2009 ya que todas las
bases solo coinciden en esos tres años. Aunque la temporalidad es poca, se puede
8
implementar la metodología de efectos fijos (Panel) ya que hay información para todos los
municipios. Los modelos son los siguientes:
- log(𝑃𝑎𝑙𝑚𝑎)𝑖𝑡 = ∅0 + ∅1𝐿𝑜𝑔(𝑃𝐼𝐵𝑎𝑔𝑟í𝑐𝑜𝑙𝑎_𝑚𝑢𝑛𝑖𝑐𝑖𝑝𝑎𝑙)𝑖𝑡 +
∅2log(𝑅𝑎𝑧ó𝑛 _𝐴𝑟𝑒𝑎𝑆𝑒𝑚𝑏𝑟𝑎𝑑𝑎_𝐶𝑎𝑓𝑒)𝑖𝑡 + ∅3𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛_𝐶𝑎𝑓𝑒𝑖𝑡 + 𝑋𝐵𝑖𝑡 + 𝑉𝑖𝑡
- log(𝑃𝑎𝑙𝑚𝑎)𝑖𝑡 = 𝛽0 + 𝛽1𝐿𝑜𝑔(𝑃𝐼𝐵𝑎𝑔𝑟í𝑐𝑜𝑙𝑎_𝑚𝑢𝑛𝑖𝑐𝑖𝑝𝑎𝑙)𝑖𝑡 +
𝛽2log(𝑅𝑎𝑧ó𝑛 _𝐴𝑟𝑒𝑎𝑆𝑒𝑚𝑏𝑟𝑎𝑑𝑎_𝐶𝑎ñ𝑎)𝑖𝑡 + 𝛽3𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛_𝐶𝑎ñ𝑎𝑖𝑡 + 𝑋𝐵𝑖𝑡 + 𝑈𝑖𝑡
- log(𝑃𝑎𝑙𝑚𝑎)𝑖𝑡 = µ0 + µ1𝐿𝑜𝑔(𝑃𝐼𝐵𝑎𝑔𝑟í𝑐𝑜𝑙𝑎_𝑚𝑢𝑛𝑖𝑐𝑖𝑝𝑎𝑙)𝑖𝑡 +
µ2log(𝑅𝑎𝑧ó𝑛 _𝐴𝑟𝑒𝑎𝑆𝑒𝑚𝑏𝑟𝑎𝑑𝑎_𝐴𝑔𝑢𝑎𝑐𝑎𝑡𝑒)𝑖𝑡 + µ3𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛_𝐴𝑔𝑢𝑎𝑐𝑎𝑡𝑒𝑖𝑡 +
𝑋𝐵𝑖𝑡 + 𝑍𝑖𝑡
- log(𝑃𝑎𝑙𝑚𝑎)𝑖𝑡 = 𝛼0 + 𝛼1𝐿𝑜𝑔(𝑃𝐼𝐵𝑎𝑔𝑟í𝑐𝑜𝑙𝑎_𝑚𝑢𝑛𝑖𝑐𝑖𝑝𝑎𝑙)𝑖𝑡 +
𝛼2log(𝑅𝑎𝑧ó𝑛 _𝐴𝑟𝑒𝑎𝑆𝑒𝑚𝑏𝑟𝑎𝑑𝑎_𝐶𝑎𝑐𝑎𝑜)𝑖𝑡 + 𝛼3𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛_𝐶𝑎𝑐𝑎𝑜𝑖𝑡 + 𝑋𝐵𝑖𝑡 +
𝑊𝑖𝑡
- log(𝑃𝑎𝑙𝑚𝑎)𝑖𝑡 = 𝜋0 + 𝜋1𝐿𝑜𝑔(𝑃𝐼𝐵𝑎𝑔𝑟í𝑐𝑜𝑙𝑎_𝑚𝑢𝑛𝑖𝑐𝑖𝑝𝑎𝑙)𝑖𝑡 +
𝜋2log(𝑅𝑎𝑧ó𝑛 _𝐴𝑟𝑒𝑎𝑆𝑒𝑚𝑏𝑟𝑎𝑑𝑎_𝐴ℎ𝑢𝑦𝑎𝑚𝑎)𝑖𝑡 + 𝜋3𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛_𝐴ℎ𝑢𝑦𝑎𝑚𝑎𝑖𝑡 +
𝑋𝐵𝑖𝑡 + 𝑌𝑖𝑡
- log(𝑃𝑎𝑙𝑚𝑎)𝑖𝑡 = 𝜑0 +𝜑1𝐿𝑜𝑔(𝑃𝐼𝐵𝑎𝑔𝑟í𝑐𝑜𝑙𝑎_𝑚𝑢𝑛𝑖𝑐𝑖𝑝𝑎𝑙)𝑖𝑡 +
𝜑2log(𝑅𝑎𝑧ó𝑛 _𝐴𝑟𝑒𝑎𝑆𝑒𝑚𝑏𝑟𝑎𝑑𝑎_𝐴𝑟𝑟𝑜𝑧)𝑖𝑡 + 𝜑3𝐼𝑛𝑡𝑒𝑟𝑎𝑐𝑐𝑖ó𝑛_𝐴𝑟𝑟𝑜𝑧𝑖𝑡 + 𝑋𝐵𝑖𝑡 +
𝐴𝑖𝑡
Se decidió usar un modelo log-log ya que lo más importante es ver un cambio porcentual, no
el cambio exacto. Esto también ayuda a que los resultados sean más evidentes ya que se
manejan datos que pueden tener valores muy altos (PIB agrícola, por ejemplo).
En adición, se interactúan las variables de área sembradas y PIB agrícola para poder ver el
efecto marginal que tienen las diferentes producciones sobre la desigualdad. Las variables de
control son los ingresos totales del municipio, el índice de ruralidad, y la población total. Los
ingresos serán la variable institucional, que probarán el punto expuesto por Coastworth
mencionado anteriormente.
4.1 Limitaciones
9
El presente modelo puede tener problemas de especificación ya que el área sembrada de cada
producto puede afectar directamente el PIB agrícola municipal. En efecto, se decidió hacer
una variación al modelo principal para ver qué tan robustos son los resultados. Para esto se
le añade una variable dummy a cada modelo. Esta variable toma el valor de 1 si el municipio
es productor de dicho bien y 0 de lo contrario. En adición se eliminaron las variables de razón
de área sembrada y las respectivas interacciones. Con estos cambios, se garantiza que
ninguna variable independiente afecte el resultado de otra.
En adición, también se pone en evidencia las limitaciones que hay en cuanto a datos, más
que todo con las variables sacadas de las Evaluaciones Agropecuarias (EVAS). Si hubiera
más observaciones de más productos, sería posible hacer un análisis más robusto.
5 Resultados y análisis
5.1 Café
Los resultados que se obtuvieron con el modelo de café mostraron que un aumento de 1 punto
porcentual en el PIB agrícola municipal representa un efecto negativo de 0.363 puntos sobre
el índice de Palma. El logaritmo de la razón de café, que es el área sembrada de café sobre el
área total del municipio, representa un efecto positivo sobre el índice de palma de 0.301
puntos porcentuales. La interacción muestra que este efecto se mitiga a medida que el
municipio tiene más producción de café. Esto se puede analizar en el sentido de si un
municipio tiene un PIB agrícola alto, y es predominantemente cafetero, se reduce el índice
de Palma en 0.156 puntos porcentuales cada vez que la interacción aumenta en 1 punto
porcentual, cosa que evidencia que se puede incentivar la producción de café, tener eficiencia
y tener un efecto negativo sobre la desigualdad.
¿Por qué se da esto? Principalmente, como se ha podido ver a lo largo de la historia, el café
ha demostrado ser una producción que tiene dinámicas más equitativas. El mejor ejemplo de
esto es el “efecto costo de oportunidad” expuesto por Dube y Vargas, como se mencionó
anteriormente. El hecho de tener un alto costo de oportunidad para ir al conflicto armado
radica, principalmente, en que la gente era dueña de tierras. Es por esto que se evidencia que
el café, que es un cultivo intensivo en mano de obra en su mayoría, demuestra incentivar a la
igualdad de tierras. En adición, para que haya una eficiencia considerable, no es necesario
acudir a grandes latifundios de tierras; hay cabida para los pequeños y medianos productores.
10
Los resultados del modelo alterno controlado por la dummy de café no muestran resultados
significativos; sin embargo, los signos son consistentes con el modelo principal, es decir, el
coeficiente de la dicótoma tiene un coeficiente negativo.
5.2 Aguacate
Los resultados, con respecto al aguacate, no mostraron un efecto alguno sobre la desigualdad
de tierras. Esto se puede dar a que la producción de aguacate es demasiado heterogénea. Por
un lado, se tienen los grandes productores de aguacate hass, que han demostrado tener unos
altos rendimientos, principalmente, por la exportación. Como se puede evidenciar, es posible
que estos grandes productores todavía no tengan el poder suficiente para afectar la
concentración de tierras. Por otro lado, el aguacate es un fruto que se produce en tierra cálida
y no requiere de características específicas (en cuanto a área) para que se produzca. En efecto,
al ser tan heterogéneo, puede que, en sí, la producción de aguacate influya a la desigualdad
de tierras en diferentes direcciones, por lo que hace que no se vea algo significativo en el
modelo.
Los resultados del modelo alterno controlado por la dummy de producción de aguacate no
arrojaron resultados significativos; sin embargo, el coeficiente de la dicótoma es consistente
con los resultados del modelo original (aunque este tampoco arroje resultados significativos).
El signo negativo explica que si un municipio es productor de café, puede haber un efecto
negativo hacia la desigualdad.
5.3 Caña
Los resultados, así como los del aguacate, no mostraron un efecto significativo con respecto
a la caña. Esto puede deberse a la limitación de los datos ya que la caña es una de las
producciones que más requiere de latifundio. Según Alfonso Aza Jácome, profesor de la
Inade Business School, expone que la tierra cultivada con caña se concentra en 2,750
propietarios; algo que representa una alta concentración. (La República, 2018) Esto puede
llevar a problemas que tienen que ver con el poder que tienen unos pocos sobre la producción
de los derivados de la caña. El ejemplo más reciente es la formación del “cartel del azúcar”,
donde los líderes de esta producción hicieron maniobras fraudulentas para proteger la
producción del azúcar. Sin adentrar mucho al tema, esto demuestra que cuando se concentra
11
mucho el poder, van a haber fallas de mercado. En el caso de la caña, para poder tener los
rendimientos que se requieren para tener ese “poder de mercado” es necesario tener grandes
latifundios de tierra. Es entonces donde se puede intuir que esta alta concentración de tierras,
en el caso de la caña, puede llevar a fallas.
El modelo alterno controlado por la dummy de producción de caña tampoco arrojó resultados
significativos. Analizando el signo de la variable dicótoma, se puede ver que tiene signo
positivo, como se esperaría que tuviera un cultivo intensivo en capital.
5.4 Cacao
El cacao tampoco mostró efectos significativos sobre la desigualdad de tierras. Si bien la
producción de chocolate (cacao) se ha concentrado históricamente por medio de empresas,
como lo es Luker, actualmente se ha demostrado que se puede llegar a una eficiencia
considerable, sin necesidad de apostarle a grandes producciones. Según Fedecacao, hay
producciones que han logrado producir 2,000 kilos por hectárea, por lo que se evidencia que
no necesariamente tiene que haber un trade-off entre desigualdad y eficiencia.
Los resultados del modelo alterno, controlando con la variable dicótoma de producción de
cacao si arrojaron un resultado significativo: la producción de cacao tiene una incidencia
positiva de 0.079 puntos porcentuales sobre el índice de palma. En efecto, se puede
evidenciar que puede haber concentración de la tierra en cuanto a la producción de cacao.
5.5 Ahuyama
Este modelo tampoco mostró que hay un efecto entre la productividad de la ahuyama y la
desigualdad de tierras. Se decidió usar la ahuyama porque puede representar a las hortalizas.
Al haber limitación en los datos, el producto del que más se recolectaba información era la
ahuyama. Las dinámicas de las hortalizas pueden no ser muy determinantes sobre la
desigualdad de tierras. Si se mira el mismo significado de las hortalizas (planta comestible
que se cultiva en el huerto), se ve que un aumento de la producción no necesariamente influya
sobre las dinámicas distributivas (en término de tierras).
El modelo alterno omitió la variable dicótoma de producción de ahuyama. Esto puede ser
gracias a las limitaciones que hay en cuanto a datos ( número de observaciones de ahuyama).
5.6 Arroz
12
El modelo de arroz arrojó unos resultados importantes para el presente trabajo. Primero, se
pudo identificar que la información del arroz era lo suficientemente amplia como para dividir
el análisis en dos tipos de producción: el arroz con métodos de riego y el arroz de producción
mecanizada. Posterior a eso, se hizo un modelo para el arroz en general y uno para cada tipo
de producción.
El resultado del modelo del agregado del arroz muestra con una significancia del 90% que
cuando hay un aumento del 1% en la razón de área sembrada, hay un aumento de 0.509
puntos porcentuales del índice de Palma. La interacción muestra que cuando hay un aumento
en la productividad de este bien, esto se mitiga con un impacto negativo de 0.05 puntos
porcentuales.
Los resultados del arroz riego mostraron, con un 99% de confianza, que un aumento del 1%
en la razón de área sembrada de arroz tipo riego significan un aumento de 0.555 puntos
porcentuales en el índice de Palma. La interacción, también con una significancia del 99%,
muestra que este efecto también se mitiga marginalmente. Es decir que cuando esta
interacción tiene un aumento de un punto porcentual, el índice de Palma se reduce en 0.0565
puntos porcentuales.
Por otro lado, los resultados del arroz mecanizado mostraron con un 95% de confianza que
un aumento de 1 punto porcentual en la razón de áreas sembradas de arroz mecanizado
implica un aumento de 0.259 puntos porcentuales del índice de Palma. La interacción tiene
un coeficiente de -0.0256. Esto implica que también se mitiga el efecto total de la razón de
áreas sembradas, pero con una menor magnitud.
Lo que hay que resaltar con esto, es que se pudo identificar que hay efectos diferentes cuando
se cambian las dinámicas de producción. El arroz de tipo riego representa una producción
más tradicional, como las que se han podido ver a través de la historia en regiones como el
Huila o el Tolima. El arroz de tipo mecanizado representa una producción donde el riego y
el procesamiento son, como lo dice el nombre, mecanizados. Aquí se evidencia un cambio
de factores, mientras que el mecanizado requiere de menos gente (más intensivo en capital)
y puede representar producciones más grandes, el otro representa una producción
predominantemente de mano de obra. Los resultados del arroz son consistentes con el
13
planteamiento principal: cultivos intensivos en mano de obra tienden a incentivar menos la
desigualdad de tierras.
El modelo alterno de arroz, controlado por la variable dicótoma de producción de arroz
también omitió dicha variable. Los problemas pueden ser parecidos a los mencionados
anteriormente en el caso de la ahuyama.
6 Conclusiones
La desigualdad de tierras en Colombia ha sido un factor crucial para entender las dinámicas
sociales del campo. Como se ha visto, a lo largo de la historia, la distribución de tierras se ha
concentrado en unos pocos y esto se debe a diferentes factores, como lo puede ser la
coyuntura sociopolítica o simplemente malas decisiones. Esto ha llevado a que se haya
intentado implementar una reforma agraria desde mediados del siglo pasado, sin embargo,
no se ha logrado implementar una solución que acate los intereses de la mayoría.
Según la literatura económica, se puede evidenciar que el tema de desigualdad de tierras es
fundamental para el planteamiento de una buena reforma agraria. Trabajos como el de Faguet,
Sánchez, y Villaveces lograron muestran que, si no se aborda el tema de tierras, las políticas,
que pueden ser óptimas, no tienen el efecto deseado. Por otro lado, trabajos como el de Dube
y Vargas muestran que, si la gente tiene tierra, el costo de oportunidad para incurrir en
actividades delictivas es mayor. En efecto, es necesario ver la desigualdad de tierras como
uno de los pilares fundamentales a la hora de implementar una reforma agraria.
Para esto, es necesario identificar canales por los cuales se pueda llegar a una menor
desigualdad de tierras. El presente trabajo logró encontrar que hay producciones que mitigan
la desigualdad de tierras, como lo fueron el arroz, el café, y el cacao (con el modelo alterno).
También se encontró que es posible que los efectos varíen dependiendo si un cultivo es más
intensivo en capital que otro. A la hora de implementar una reforma agraria, se puede
considerar darle más importancia a aquellos que muestren que tienen un efecto negativo sobre
la desigualdad de tierras.
14
Bibliografía:
Binswanger, H. P., Deininger, K., & Feder, G. (1995). Power, distortions, revolt and reform
in agricultural land relations. Handbook of development economics, 3, 2659-2772.
-Bhattacharyya, S., & Hodler, R. (2010). Natural resources, democracy and corruption.
European Economic Review, 54(4), 608-621.
-Coatsworth, J. H. (2012). Desigualdad, instituciones y crecimiento económico en América
Latina. Economía, 35(69), 204-230.
-Dollar, D., & Kraay, A. (2003). Institutions, trade, and growth. Journal of monetary
economics, 50(1), 133-162.
-Faguet, J. P., Sanchez, F., & Villaveces, M. J. (2016). The paradox of land reform,
inequality and local development in Colombia. The London School of Economics and
Political Science, London, UK.
-Goderis, B., & Malone, S. W. (2011). Natural resource booms and inequality: theory and
evidence. Scandinavian Journal of Economics, 113(2), 388-417.
-Perry, G., & Olarreaga, M. (2006). Trade liberalization, inequality and poverty reduction
in Latin America. ABCDE, St. Petersburg.
- (Dube, O., & Vargas, J. F. 2013). Commodity price shocks and civil conflict: Evidence
from Colombia.
- Restrepo, M. A. (2014). La tierra en la historia de Colombia. Bogotá: Academia
colombiana de ciencias económicas.
- Federación Nacional de Cafeteros, 2013. “Sector Cafetero es motor de la economía y
garantía de estabilidad y paz social”
15
Anexos
Gráfico 1: Valor Agregado de la Agricultura como porcentaje del PIB
Gráfico 2:
Tabla 1:
Variable Mean Std. Dev. Min Max Observations
log(Palma) overall 212.627 .8015918 -.0338265 5.920.173 N = 1792
between .7800369 -.0338265 5.644.787 n = 528
within .1208037 .2703243 3.342.514 T-bar = 3.39394
16
Modelo Café:
Modelo Aguacate:
(1)
VARIABLES log_ndicedepalma
log_pibagricolamun -0.363***
(0.133)
log_razon_cafe 0.301***
(0.0107)
interaccion -0.156***
(0.00255)
ndicederuralidadPoblacinr -1.379**
(0.697)
Ingresostotalesy_corry_cap -9.80e-07**
(3.85e-07)
PoblacinTotalEstimacionesd 1.55e-05***
(2.54e-06)
Constant 5.855***
(1.572)
Observations 1,792
Number of cdigomunicipio 528
R-squared 0.764
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
(1)
VARIABLES log_ndicedepalma
log_pibagricolamun 0.0153
(0.265)
log_razon_aguacate 0.0329
(0.0476)
interaccion_aguacate -0.00262
(0.00489)
ndicederuralidadPoblacinr -1.548
(1.391)
Ingresostotalesy_corry_cap 2.81e-08
(7.68e-07)
PoblacinTotalEstimacionesd -3.17e-05***
(4.83e-06)
Constant 3.916
(3.128)
Observations 1,792
Number of cdigomunicipio 528
R-squared 0.061
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
17
Modelo Caña:
Modelo Cacao:
(1)
VARIABLES log_ndicedepalma
log_pibagricolamun -0.0139
(0.264)
log_razon_caña 0.0505
(0.343)
interaccion_caña 0.00147
(0.0329)
ndicederuralidadPoblacinr -1.523
(1.389)
Ingresostotalesy_corry_cap -3.94e-08
(7.68e-07)
PoblacinTotalEstimacionesd -3.15e-05***
(4.83e-06)
Constant 4.167
(3.116)
Observations 1,792
Number of cdigomunicipio 528
R-squared 0.060
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
18
Modelo Ahuyama:
Modelo Arroz:
(1)
VARIABLES log_ndicedepalma
log_pibagricolamun 0.00458
(0.264)
log_razon_cacao -0.0245
(0.0509)
interaccion_cacao 0.00391
(0.00526)
ndicederuralidadPoblacinr -1.386
(1.394)
Ingresostotalesy_corry_cap -1.04e-08
(7.68e-07)
PoblacinTotalEstimacionesd -3.17e-05***
(4.83e-06)
Constant 3.933
(3.118)
Observations 1,792
Number of cdigomunicipio 528
R-squared 0.061
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
(1)
VARIABLES log_ndicedepalma
log_pibagricolamun -0.0139
(0.264)
log_razon_ahuyama 0.393
(0.327)
interaccion_ahuyama -0.0360
(0.0319)
ndicederuralidadPoblacinr -1.504
(1.389)
Ingresostotalesy_corry_cap -2.12e-08
(7.68e-07)
PoblacinTotalEstimacionesd -3.15e-05***
(4.84e-06)
Constant 4.179
(3.114)
Observations 1,792
Number of cdigomunicipio 528
R-squared 0.061
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
19
Modelo Arroz Riego:
(1)
VARIABLES log_ndicedepalma
log_pibagricolamun -0.0275
(0.263)
log_razon_arroz 0.509*
(0.287)
interaccion_arroz -0.0500*
(0.0255)
ndicederuralidadPoblacinr -1.639
(1.386)
Ingresostotalesy_corry_cap -5.92e-08
(7.66e-07)
PoblacinTotalEstimacionesd -3.05e-05***
(4.83e-06)
Constant 4.343
(3.106)
Observations 1,792
Number of cdigomunicipio 528
R-squared 0.066
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
20
Modelo Arroz Mecanizado
Modelo Café: Controlado por medio de una dummy de producción de café
(1)
VARIABLES log_ndicedepalma
log_pibagricolamun -0.0439
(0.263)
log_razon_arroz_riego 0.555***
(0.202)
interaccion_arroz_riego -0.0565***
(0.0198)
ndicederuralidadPoblacinr -1.691
(1.385)
Ingresostotalesy_corry_cap -1.62e-07
(7.67e-07)
PoblacinTotalEstimacionesd -2.98e-05***
(4.84e-06)
Constant 4.508
(3.106)
Observations 1,792
Number of cdigomunicipio 528
R-squared 0.066
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
(1)
VARIABLES log_ndicedepalma
log_pibagricolamun -0.0137
(0.263)
log_razon_arroz_mecanizado 0.259**
(0.125)
interaccion_arroz_mecanizado -0.0256**
(0.0112)
ndicederuralidadPoblacinr -1.581
(1.384)
Ingresostotalesy_corry_cap -5.31e-08
(7.66e-07)
PoblacinTotalEstimacionesd -3.04e-05***
(4.82e-06)
Constant 4.171
(3.104)
Observations 1,792
Number of cdigomunicipio 528
R-squared 0.066
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
21
Modelo Aguacate: Controlado por medio de una dummy de producción de aguacate
Modelo Cacao: Controlado por medio de una dummy de producción de cacao
(1)
VARIABLES log_ndicedepalma
log_pibagricolamun -0.0139
(0.264)
dummy_CAFE -0.00667
(0.0351)
ndicederuralidadPoblacinr -1.571
(1.389)
Ingresostotalesy_corry_cap -7.41e-09
(7.68e-07)
PoblacinTotalEstimacionesd -3.15e-05***
(4.83e-06)
Constant 4.202
(3.115)
Observations 1,792
Number of cdigomunicipio 528
R-squared 0.059
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
(1)
VARIABLES log_ndicedepalma
log_pibagricolamun 0.0227
(0.266)
dummy_aguacate -0.0269
(0.0241)
ndicederuralidadPoblacinr -1.496
(1.390)
Ingresostotalesy_corry_cap 4.27e-08
(7.69e-07)
PoblacinTotalEstimacionesd -3.17e-05***
(4.83e-06)
Constant 3.815
(3.132)
Observations 1,792
Number of cdigomunicipio 528
R-squared 0.060
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
22
Modelo Caña: Controlado por medio de una dummy de producción de caña
Modelo Ahuyama: Controlado por medio de una dummy de producción de ahuyama
(1)
VARIABLES log_ndicedepalma
log_pibagricolamun -0.0344
(0.264)
dummy_cacao 0.0793*
(0.0418)
ndicederuralidadPoblacinr -1.615
(1.387)
Ingresostotalesy_corry_cap 9.96e-08
(7.69e-07)
PoblacinTotalEstimacionesd -3.18e-05***
(4.82e-06)
Constant 4.430
(3.112)
Observations 1,792
Number of cdigomunicipio 528
R-squared 0.061
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
(1)
VARIABLES log_ndicedepalma
log_pibagricolamun -0.00901
(0.266)
dummy_caña 0.00285
(0.0209)
ndicederuralidadPoblacinr -1.565
(1.392)
Ingresostotalesy_corry_cap -7.27e-09
(7.68e-07)
PoblacinTotalEstimacionesd -3.15e-05***
(4.83e-06)
Constant 4.150
(3.137)
Observations 1,792
Number of cdigomunicipio 528
R-squared 0.059
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
23
Modelo Arroz: Controlado por medio de una dummy de producción de arroz
(1)
VARIABLES log_ndicedepalma
log_pibagricolamun -0.0133
(0.264)
o.dummy_ahuyama -
ndicederuralidadPoblacinr -1.579
(1.388)
Ingresostotalesy_corry_cap -1.00e-08
(7.68e-07)
PoblacinTotalEstimacionesd -3.15e-05***
(4.83e-06)
Constant 4.201
(3.113)
Observations 1,792
Number of cdigomunicipio 528
R-squared 0.059
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
(1)
VARIABLES log_ndicedepalma
log_pibagricolamun -0.0133
(0.264)
o.dummy_arroz -
ndicederuralidadPoblacinr -1.579
(1.388)
Ingresostotalesy_corry_cap -1.00e-08
(7.68e-07)
PoblacinTotalEstimacionesd -3.15e-05***
(4.83e-06)
Constant 4.201
(3.113)
Observations 1,792
Number of cdigomunicipio 528
R-squared 0.059
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1