RESULTADOS
Resultados descriptivos.
Aspectos
específicos de las familias residentes en el distrito de Uchiza.
Dentro de este apartado de los resultados
descriptivos, se presenta información específica de los pobladores del distrito
de Uchiza, los cuales permitieron conocer datos relevantes vinculados a las
variables de estudio y que contribuyó al logro de los objetivos de esta
investigación.
Referente a la primera tabla, se observa que entre los
agricultores un 44% disponen de 6 a 10 hectáreas de arroz, mientras que un 5%
de los agricultores disponen entre 17 a 20 hectáreas de arroz.
Tabla 1.
Porcentaje de hectáreas de arroz por productor, en el distrito de
Uchiza
|
Has de arroz |
Frecuencia |
Porcentaje |
|
[3-6> |
16 |
37 |
|
[6-10> |
19 |
44 |
|
[10-13> |
3 |
7 |
|
[13-17> |
3 |
7 |
|
[17-20] |
2 |
5 |
|
Total |
43 |
100 |
De acuerdo con la tabla 2, se aprecia
que el 28% de los agricultores llevan dedicándose al cultivo de arroz entre 7 a
12 años, otro 28% de agricultores llevan dedicándose al cultivo de arroz entre
12 a 16 años, mientras que un 19% llevan dedicándose al cultivo de arroz entre
21 a 25 años.
Tabla 2.
Cantidad de años dedicados al cultivo de arroz.
|
Años de cultivo |
Frecuencia |
Porcentaje |
|
[3-7> |
3 |
7 |
|
[7-12> |
12 |
28 |
|
[12-16> |
12 |
28 |
|
[16-21> |
8 |
19 |
|
[21-25] |
8 |
19 |
|
Total |
43 |
100 |
Fuente: Encuesta
aplicada.
Con respecto a la figura 1, se observa que el 76.7% de
los agricultores han recibido capacitación, lo que puede permitir que tengan un
mayor manejo de sus cultivos, aumentando el rendimiento de sus producciones;
mientras que el 23.3% de los agricultores no ha recibido capacitación alguna.
Figura 1.
Capacitaciones recibidas de los agricultores de arroz.
A continuación, se muestra que el 53.5% de los
trabajadores han recibido capacitación sobre el manejo del cultivo de arroz, lo
que permite que tengan mayores probabilidades de ser contratados y que
dispongan de una mayor remuneración; mientras que un 46.5% de los trabajadores
no han recibido capacitación sobre el manejo del cultivo de arroz (figura 2).
Figura 2. Capacitación a los
trabajadores
La figura 3, muestra que el 27.9% de los agricultores usa mochila y machete para el manejo de los cultivos de arroz, el 23.3% usa palana, machete, cultivadora y fumigadora, un 16.3% usa machete, cuchillo, fumigadora, lo que nos permite afirmar que los agricultores usan diferentes herramientas para el manejo del cultivo de arroz.
Figura 3. Herramientas usadas para el manejo de los cultivos de arroz
La
figura 4, describe los resultados y muestra que el 58.1% de los agricultores
han invertido en maquinarias para mejorar la producción de arroz; mientras que
un 41.9% de los agricultores no han realizado inversión en maquinarias
Figura 4. Inversión en maquinarias
De acuerdo con la tabla 3, se observa que al
30.2% de los agricultores ha invertido un monto de 20000 soles para la
adquisición de maquinarias, un 14% de los agricultores ha invertido un monto de
15000 soles, un 9.3% ha invertido un monto de 55000 soles y un 2.3% ha
invertido un monto de 67000 en adquisición de maquinarias.
Tabla 3.
Inversión realizada para la adquisición de maquinarias.
|
Inversión |
Frecuencia |
Porcentaje |
|
0 |
18 |
41.9 |
|
15000,00 |
6 |
14.0 |
|
20000,00 |
13 |
30.2 |
|
25000,00 |
1 |
2.3 |
|
55000,00 |
4 |
9.3 |
|
67000,00 |
1 |
2.3 |
|
Total |
43 |
100.0 |
Fuente: Encuesta
aplicada.
La figura 5, muestra que el 25.6% de los agricultores producen 5.5 toneladas de arroz por hectárea de cultivo, un 20.9% de los agricultores producen 5 toneladas de arroz por hectárea de cultivo, un 11.6% de los agricultores producen 6.5 toneladas de arroz por hectárea de cultivo y un 9.3% de los agricultores producen 7 toneladas de arroz por hectárea de cultivo.
Figura 5. Toneladas de arroz producido por hectáreas de cultivo.
En
la siguiente tabla 6, se observa que existe un 37% de agricultores que producen
entre 20 a 39 toneladas de arroz al año, mientras que un 7% de agricultores
produce entre 76 a 95 toneladas de arroz al año.
Figura 6. Toneladas
producidas de arroz al año
En
la tabla 4, se observa que el 28% de los agricultores tienen un ingreso entre
3,500 soles a 36,167 soles anuales por la venta de arroz y un 5% de los
agricultores tienen un ingreso 166,833 soles a 199,500 soles anuales por la
venta de arroz.
Tabla 4.
Ingresos
por venta de arroz al año
|
Ingreso por ventas |
Frecuencia |
Porcentaje |
|
[3500-36167> |
12 |
28 |
|
[36167-68833> |
9 |
21 |
|
[68833-101500> |
10 |
23 |
|
[101500-134167> |
7 |
16 |
|
[134167-166833> |
3 |
7 |
|
[166833-199500] |
2 |
5 |
|
Total |
43 |
100 |
Fuente: Encuesta
aplicada.
Finalmente,
se aprecia que en el distrito de Uchiza, provincia de Tocache, departamento de
San Martín el 23% de agricultores invierten entre S/ 25,000 soles a S/ 46,000
soles anuales para la producción de arroz, mientras que un 2% de agricultores
gastan entre S/ 109,000 soles a S/ 130,000 soles anuales para la producción de
arroz.
Tabla 5.
Inversión por producción de arroz al año
|
Gasto por producción |
Frecuencia |
Porcentaje |
|
[4000 – 25000> |
9 |
21 |
|
[25000 – 46000> |
10 |
23 |
|
[46000 – 67000> |
9 |
21 |
|
[67000 – 88000> |
8 |
19 |
|
[88000 – 109000> |
6 |
14 |
|
[109000 - 130000] |
1 |
2 |
|
Total |
43 |
100 |
Fuente: Encuesta
aplicada.
Análisis inferencial.
Para contrastar la hipótesis de investigación,
se ha tomado en consideración al mejor modelo que explique la productividad de
los factores. El modelo ideal se muestra en la siguiente tabla:
Tabla 6.
Representación del modelo elegido.
|
Dependent
Variable: CPTF |
|
|
||
|
Date:
03/12/20 Time: 10:16 |
|
|
||
|
Included
observations: 43 |
|
|
||
|
Convergence
achieved after 5 iterations |
|
|||
|
Coefficient covariance computed using observed
Hessian |
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable |
Coefficient |
Std. Error |
z-Statistic |
Prob. |
|
|
|
|
|
|
|
|
|
|
|
|
|
C |
-5.354750 |
2.238222 |
-2.392412 |
0.0167 |
|
NUA |
0.237930 |
0.120153 |
1.980217 |
0.0477 |
|
CP |
3.224716 |
1.298009 |
2.484355 |
0.0130 |
|
INVM |
2.155731 |
0.913291 |
2.360398 |
0.0183 |
|
|
|
|
|
|
|
|
|
|
|
|
|
McFadden
R-squared |
0.670169 |
Mean
dependent var |
0.697674 |
|
|
S.D.
dependent var |
0.464701 |
S.E. of regression |
0.251340 |
|
|
Akaike info
criterion |
0.590302 |
Sum
squared resid |
2.463702 |
|
|
Schwarz
criterion |
0.754135 |
Log
likelihood |
-8.691499 |
|
|
Hannan-Quinn
criter. |
0.650719 |
Deviance |
17.38300 |
|
|
Restr.
deviance |
52.70268 |
Restr.
log likelihood |
-26.35134 |
|
|
LR statistic |
35.31969 |
Avg. log
likelihood |
-0.202128 |
|
|
Prob(LR
statistic) |
0.000000 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Obs with
Dep=0 |
13 |
Total
obs |
43 |
|
|
Obs with
Dep=1 |
30 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Fuente: Estimaciones de los modelos binarios.
La variable independiente logra explicar a la variable dependiente mediante la siguiente ecuación:
La ecuación del modelo presenta valores para cada
coeficiente de las variables explicativas que deben de ser evaluados para
conocer si son aceptables o significativos para explicar a la productividad del
cultivo de arroz, por parte de los productores que habitan en el distrito de
Uchiza, provincia de Tocache, departamento de San Martín; es por ello por lo
que se procede a realizar las principales pruebas estadísticas de relevancia
global e individual.
a)
Pruebas de significancia global
Esta prueba permite conocer la influencia de la constante y de la variable
independiente en la variable estudiada, para eso se basa en la prueba de Chi
cuadrado, la misma que plantea la siguiente hipótesis:
· 
·
(De cumplirse esta hipótesis, se afirmaría que las variables regresoras
son significativas en la probabilidad de que la se tenga una productividad en
el cultivo de arroz).
Nivel
de significación: α = 5%
Figura 7. Delimitación de las regiones de aceptación y
de rechazo de la hipótesis nula
El criterio de decisión pasa por encontrar el valor
calculado del estadístico y compararlo con el valor tabular, en el caso que sea
inferior al punto crítico (7.81) se ubicaría en la región de aceptación de la
hipótesis nula, por lo cual se debe de reconocer que las variables explicativas
no son significativas para explicar a la variable dependiente. Todo lo
contrario, sucedería en el caso de tener un valor calculado del estadístico
superior, puesto que se estaría rechazando la veracidad de la hipótesis nula y
en consecuencia se afirmaría que las variables explicativas sí son
significativas en la probabilidad de que la se tenga una productividad en el
cultivo de arroz.
Al observar el valor del LR Statistic de la tabla de
la regresión del modelo elegido, se puede constatar que posee un valor de 35.31
el cual es comparado con el valor tabular. Tal como se puede denotar, el valor
estimado en la regresión es superior y se ubica en la región de rechazo de la
hipótesis nula estadística, es por ello por lo que se puede afirmar que las
variables antigüedad de la unidad económica, capacitación e inversión de
capital, sí logran explicar de manera significativa a la probabilidad de
alcanzar una productividad en el cultivo de arroz, dentro de la zona de estudio
considerada en la presente investigación. Asimismo, se posee un valor de la
significancia global de la estimación, menor al 5% fijada para la prueba, este
detalle permite reafirmar el cumplimiento de la hipótesis.
b) Pruebas de significancia individual
Similar al caso de la prueba de
relevancia global, aquí también se evalúa la significancia de las variables
independientes para explicar o determinar a la variable de estudio, solo que en
este análisis se evalúa de manera individual, es decir una variable explicativa
a la vez. El planteamiento de su hipótesis es plasmado de la manera
siguiente.
·
(La variable independiente antigüedad
de la unidad económica, capacitación o inversión de capital no es significativa
en el modelo para explicar la probabilidad de ser productivo en el cultivo de
arroz).
·
(La variable independiente antigüedad
de la unidad económica, capacitación o inversión es significativa en el modelo
para explicar la probabilidad de ser productivo en el cultivo de arroz).
Nivel de significación: α = 5%
Una
vez definida las áreas y los puntos críticos para el análisis de relevancia
individual, se procede a compararlos con los resultados o valores calculados
mediante de la estimación del presente modelo.
-
Análisis respecto al parámetro de la constante.
-
Análisis respecto a la variable antigüedad de
la unidad económica.
-
Análisis respecto a la variable capacitación.
-
Análisis respecto a la variable inversión de
capital
En términos generales para el análisis de relevancia individual, se puede
concluir que todas las variables explicativas consideradas en el modelo logran
ser significativos al momento de explicar a la productividad de arroz en la
zona de estudio. Esta afirmación puede ser corroborada al observar también las
probabilidades estimadas de cada variable, las mismas que no superan al 5%, es
decir al nivel de significancia de la prueba.
Estimación de los efectos marginales
Con la finalidad de tener una interpretación de los resultados
encontrados en el presente trabajo de investigación, se procede a realizar el
análisis de los efectos marginales, las cuales también son conocidas como
elasticidades dentro de la teoría económica. Su estimación permite conocer la
dimensión del cambio en la variable dependiente, dado un incremento en cada una
de las variables independientes; para ello es necesario hacer uso de las
derivadas parciales a la estimación del modelo, mediante la siguiente expresión
para cada uno de los casos.
-
Análisis marginal respecto a la antigüedad de
la unidad económica.
-
Análisis marginal respecto a la capacitación.
-
Análisis marginal respecto a la inversión de
capital.
