PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ ESCUELA DE POSGRADO LA CONTRIBUCIÓN DEL CRÉDITO AL CRECIMIENTO DEL SECTOR AGRÍCOLA, 2007-2011 Tesis para optar el grado de Magíster en Economía AUTOR Ing. Econ. RAÚL MARTÍNEZ CCALLATA ASESOR ELIAS PAULINO MINAYA CUBILLAS (M.A.) JURADO JOSÉ DAVID GALLARDO KU (Ph.D. (c)) PAÚL GONZALO CASTILLO BARDALEZ (Ph.D.) LIMA– PERÚ MAYO, 2018 1 INDICE Índice de Contenido RESUMEN ........................................................................................................................3 INTRODUCCIÓN .............................................................................................................4 I. EL PROBLEMA DE INVESTIGACIÓN .............................................................5 1.1 Planteamiento del Problema ..................................................................................5 1.2 Objetivos de la Investigación...............................................................................10 1.3 Hipótesis ..............................................................................................................11 1.4 Justificación del Estudio ......................................................................................11 1.5 Limitaciones de la Investigación .........................................................................12 II. MARCO TEÓRICO ............................................................................................13 III. MARCO CONCEPTUAL ...................................................................................18 IV. ESTIMACIÓN DEL MODELO Y RESULTADOS ...........................................21 4.1 Especificación del modelo ...................................................................................21 4.2 Los datos ..............................................................................................................23 4.3 Resultados ............................................................................................................25 CONCLUSIONES ...........................................................................................................33 BIBLIOGRAFÍA .............................................................................................................36 ANEXOS .........................................................................................................................38 2 Índice de Gráficos Gráfico N° 1: Participación por ramas de actividades económicas, 2010 (En %) ........... 5 Gráfico N° 2: Ocupados en la agricultura por nivel educativo, 2010 .............................. 6 Gráfico N° 3: Ocupados en la agricultura por categoría ocupacional, 2010 .................... 7 Gráfico N° 4: Pobreza por área de residencia en el Perú, 2007- 2011 ............................. 7 Gráfico N° 5: Incidencia de la pobreza y participación del PBI Agropecuario por regiones, 2010 ................................................................................................................... 8 Gráfico N° 6: Evolución del Valor Bruto de Producción Agropecuaria y Financiamiento Agrario, 2001-2011 .......................................................................................................... 9 Gráfico N° 7: Crédito y Valor Bruto de Producción Agropecuaria por regiones, 2011. 10 Índice de Tablas Tabla N° 1: Variables del modelo .................................................................................. 22 Tabla N° 2: Estadísticas básicas de las variables ........................................................... 24 Tabla N° 3: Resultados del Modelo 1 ............................................................................. 25 Tabla N° 4: Resultados del Modelo 2 ............................................................................. 27 Tabla N° 5: Resultados del Modelo 3 ............................................................................. 29 Tabla N° 6: Selección del modelo .................................................................................. 31 file:///F:/Tesis%20PUCP%20y%20Base%20de%20Datos/LA%20CONTRIBUCION%20DEL%20CREDITO%20AL%20CRECIMIENTO%20DEL%20SECTOR%20AGRICOLA,%202007-2011%20Seminario%20de%20Tésis%20II-31-05-18.doc%23_Toc516085562 file:///F:/Tesis%20PUCP%20y%20Base%20de%20Datos/LA%20CONTRIBUCION%20DEL%20CREDITO%20AL%20CRECIMIENTO%20DEL%20SECTOR%20AGRICOLA,%202007-2011%20Seminario%20de%20Tésis%20II-31-05-18.doc%23_Toc516085564 file:///F:/Tesis%20PUCP%20y%20Base%20de%20Datos/LA%20CONTRIBUCION%20DEL%20CREDITO%20AL%20CRECIMIENTO%20DEL%20SECTOR%20AGRICOLA,%202007-2011%20Seminario%20de%20Tésis%20II-31-05-18.doc%23_Toc516085566 file:///F:/Tesis%20PUCP%20y%20Base%20de%20Datos/LA%20CONTRIBUCION%20DEL%20CREDITO%20AL%20CRECIMIENTO%20DEL%20SECTOR%20AGRICOLA,%202007-2011%20Seminario%20de%20Tésis%20II-31-05-18.doc%23_Toc516085566 3 RESUMEN El propósito principal del siguiente trabajo es analizar la relación que existe con el Financiamiento y el Valor Bruto de Producción (VBP) en el sector agrícola utilizando un Panel de datos a nivel de regiones entre los años 2007-2011. El periodo de la investigación se realiza debido a que no se presenta quiebres estructurales ni cambios de política, la presencia de posibles choques que se pueden tratar como un ruido de corto plazo. Es una respuesta eficiente a las necesidades de préstamo, puesto que, en un mediano plazo el agricultor incrementa la inversión en el agro en la que tiene total dominio de la tecnología, la tierra y recursos humanos teniendo un efecto real en la producción. Este informe trata de responder al objetivo general sobre la financiación formal ha tenido impacto positivo en el valor de la producción y definir si está afectado por otras variables tales como la Política Fiscal de Gasto Público en Proyectos en la actividad de la Agricultura, acceso a la electricidad y agua, medios de comunicación de los teléfonos públicos rurales, las de control como nivel educativo y superficie cosechada de los principales cultivos agrícolas. La conclusión principal establece que existe una relación positiva significativa entre el crédito agrario formal y el Valor Bruto de Producción agropecuario. Un mayor crecimiento en el sector también depende de los regímenes de política y la planificación de la construcción de vías de carreteras, pistas, aumento de la inversión en telecomunicaciones, fomento de la educación, etc. 4 INTRODUCCIÓN El crecimiento económico promedio del Perú entre los años 2007-2011 fue de 6,2%, donde el sector agropecuario creció a una tasa de 4,1% con una participación en el PBI de 5,6% en el año 2011. Las colocaciones del sector financiero al agro en el periodo de análisis crecieron en promedio 25,9%. Estos créditos se han agrupado principalmente en cultivos costeños de la gran agricultura, específicamente del sector de agro exportación y agroindustria, siendo el estudio enfocado en la población rural del sector agrícola. El documento comprende cuatro capítulos y un apartado de conclusiones, bibliografía y anexos. Para dicho fin, en la primera parte se desarrollan el planteamiento del problema que motivó la tesis, luego planteamos el marco teórico que fundamenta la metodología empleada en la investigación en la se hace un breve repaso a las distintas teorías de financiamiento y crecimiento económico, autores como Keynes, Mc Kinnon y Shaw, Aghion y Howit, Trivelli, entre otros. A continuación, se revisa la literatura empírica aplicada al caso. Por último, presentamos el modelo y procedemos a evaluar los efectos de las variables macroeconómicas y financieras en el nivel, las estimaciones econométricas se realizarán con información de tipo panel de datos. Finalmente, se presenta las principales conclusiones del estudio de la tesis. 5 I. EL PROBLEMA DE INVESTIGACIÓN 1.1 Planteamiento del Problema El planteamiento del problema del trabajo consiste en responder a la siguiente pregunta: ¿existe una relación significativa del financiamiento agrario formal y el crecimiento del sector agropecuario entre los años 2007-2011?. El crecimiento económico promedio del Perú en el período de estudio fue de 6,2%, los sectores que más crecieron son construcción (11,1%) y comercio (7,9%), mientras que el sector agropecuario creció a una tasa de 4,1% con una participación en el PBI de 5,6% en el año 2011. En el sector rural más del 60% se tiene carencias en el acceso a los servicios básicos de salud, educación, electricidad y saneamiento, que configuran poblaciones con índices de precariedad en su calidad de vida y de exclusión social. El 75% de los productores agropecuarios, sus actividades primarias no generan los ingresos suficientes. Por ramas de actividades económicas, la agricultura fue la actividad económica que concentra la mayor cantidad de personas que están trabajando. Según la Encuesta Nacional de Hogares (ENAHO) 2010, se tiene que la Población Económicamente Activa (PEA) en el país es de 15 millones de ocupados, de este total en sector agrícola representan el 25%, es decir 3 millones 798 mil trabajadores. Fuente: INEI - Encuesta Nacional de Hogares (ENAHO): 2010. Elaboración: Propia. Gráfico N° 1: Participación por ramas de actividades económicas, 2010 (En %) 6 En el sector agrícola predomina el minifundio y la pequeña propiedad (84%), con un área menor a 10 hectáreas. Pero ahora existe un nuevo neolatifundismo que consiste en la concentración de tierras debido a la privatización de las áreas agrícolas en los espacios de las grandes irrigaciones. Las parcelas de gran extensión agrícola no significan mayor eficiencia y rentabilidad dado que depende de otros factores como la tecnología e integración de los mercados que se hace referencia que 40 has de paltas pueden ser más rentables que 400 has de maíz. De los trabajadores que se dedican a la actividad agropecuaria, caza y silvicultura, el 64% poseen sólo estudios primarios o no tienen nivel educativo. Gráfico N° 2: Ocupados en la agricultura por nivel educativo, 2010 Fuente: INEI - Encuesta Nacional de Hogares (ENAHO): 2010. Elaboración: Propia. De los trabajadores que están en la actividad agraria, un poco más de 1 millón 808 mil (48%) se encuentran trabajando como productores independientes (Empleador o Patrono y Trabajador Independiente). Mientras que la población con empleo dependiente (Empleado y Obrero) alcanzan los 707 mil empleados (19%). Además de lo anterior, hay que resaltar la importancia que tiene en esta actividad económica la presencia de los Trabajadores Familiares No Remunerados (TFNR) que alcanzan 1 millón 260 mil empleados (33%) y que no fueron considerados en el levantamiento de información del III Censo Nacional Agropecuario de 1994. 7 Fuente: INEI - Encuesta Nacional de Hogares (ENAHO): 2010. Elaboración: Propia. En el sector rural más del 60% se tiene carencias en el acceso a los servicios básicos como salud, educación, electricidad y saneamiento, que configuran poblaciones con índices de precariedad en su calidad de vida y de exclusión social. El 75% de los productores agropecuarios, sus actividades primarias no generan los ingresos suficientes. En el área urbana la pobreza al año 2011 fue del 18,0%, en el caso de los residentes del sector rural la pobreza afectó al 56,1%, siendo tres veces más que en el sector urbano. Gráfico N° 4: Pobreza por área de residencia en el Perú, 2007- 2011 (Porcentaje) 30,1 25,4 21,3 20,0 18,0 74,0 68,8 66,7 61,0 56,1 42,4 37,3 33,5 30,8 27,8 0 10 20 30 40 50 60 70 80 2007 2008 2009 2010 2011 Urbana Rural Total Fuente: INEI - Encuesta Nacional de Hogares (ENAHO). Elaboración: Propia. Gráfico N° 3: Ocupados en la agricultura por categoría ocupacional, 2010 8 Las regiones con mayor participación del PBI agrícola son Amazonas (33,8%), San Martín, (27,4%), Apurímac (24,0%) y Huánuco (22,5%), y por incidencia de pobreza, las tasas más altas están representadas por Huancavelica (66,1%), Apurímac (63,1%), Huánuco (55,8%) y Amazonas (50,1%). Por otro lado, las regiones de Lima y Moquegua tienen poca participación de la producción agrícola y de incidencia baja de pobreza. Esto quiere decir las regiones más agrícolas tienen los mayores índices de Pobreza y viceversa. (Porcentaje) Fuente: INEI - Encuesta Nacional de Hogares (ENAHO): 2010. . Elaboración: Propia. 8,7 11,6 13,5 14,0 15,7 19,6 20,1 20,3 29,0 31,1 32,5 32,6 35,3 42,5 43,6 49,1 49,1 49,5 50,1 55,9 56,0 58,5 63,1 66,1 Madre de Dios Ica Lima Tacna Moquegua Arequipa Tumbes Ucayali Ancash San Martín Junín La Libertad Lambayeque Piura Pasco Cajamarca Loreto Cusco Amazonas Ayacucho Puno Huánuco Apurímac Huancavelica G ru p o 1 G ru p o 2 G ru p o 3 G ru p o 4 G ru p o 5 Fuente: INEI, Encuesta Nacional de Hogares (ENAHO), 2010; MINAG Elaboración: MINAG-OEEE Incidencia de Pobreza - 2010 (expresada como porcentaje de la población de cada región) 8,9 14,5 3,3 7,9 4,4 12,7 8,5 18,8 6,2 27,4 13,0 19,8 9,7 8,2 9,0 20,1 14,9 11,1 38,8 17,8 16,7 22,5 24,0 10,8 Madre de Dios Ica Lima Tacna Moquegua Arequipa Tumbes Ucayali Ancash San Martín Junín La Libertad Lambayeque Piura Pasco Cajamarca Loreto Cusco Amazonas Ayacucho Puno Huánuco Apurímac Huancavelica Participación del PBI Agropecuario Regional vs. PBI Regional Total Gráfico N° 5: Incidencia de la pobreza y participación del PBI Agropecuario por regiones, 2010 9 Entre los años 2007-2011 el crédito del sector financiero a la agricultura creció en promedio 25,9%. Estas colocaciones tienen poca participación respecto al total y se han concentrado esencialmente en cultivos costeños de la gran agricultura, específicamente del sector de agro exportación y agroindustria. Gráfico N° 6: Evolución del Valor Bruto de Producción Agropecuaria y Financiamiento Agrario, 2001-2011 (Millones de Nuevos Soles) 13 870 14 629 14 926 14 935 15 773 17 068 17 631 18 828 19 353 20 308 21 202 1 529 1 387 1 342 1 265 1 480 1 518 1 965 3 047 3 433 3 975 4 794 0 5 000 10 000 15 000 20 000 25 000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 0 1 000 2 000 3 000 4 000 5 000 6 000 VBP Agropecuario Financiamiento Agrario Fuente: Superintendencia de Banca, Seguros y AFP (SBS) Elaboración: Ministerio de Agricultura y Riego (MINAGRI) Las regiones con mayor crédito y Valor Bruto de Producción agropecuario son Lima, La Libertad, Junín, Ica y Arequipa. Por otro lado, las regiones de Tumbes, Madre de Dios y Moquegua tienen poca participación. Esto quiere decir las regiones de mayor acceso al crédito tiene más valor de la producción en el sector agropecuario. 10 Gráfico N° 7: Crédito y Valor Bruto de Producción Agropecuaria por regiones, 2011 (En millones de nuevos soles) Fuente: Superintendencia de Banca, Seguros y AFP’s (SBS) Ministerio de Agricultura y Riego (MINAGRI), 2011 Elaboración: Propia 1.2 Objetivos de la Investigación Objetivo General: analizar y caracterizar el Financiamiento Agrícola y cómo este impacta en el Valor bruto de Producción (VBP) agropecuario 2007-2011 en el Perú. Objetivos Específicos: determinar si el desarrollo financiero rural tiene un efecto a través de varios canales al crecimiento del sector de Agricultura. Además, definir si está afectado por otras variables tales como la Política Fiscal de Gasto Público en Proyectos de Inversión en la actividad de la Agricultura, infraestructura de acceso a la electricidad y agua, medios de comunicación de los teléfonos públicos rurales, las de control como el nivel de educación y superficie cosechada de los principales cultivos agrícolas. 00 1 000 2 000 3 000 4 000 5 000 Tumbes Madre de Dios Moquegua Ucayali Pasco Tacna Apurimac Huancavelica Ayacucho Loreto Ancash Huanuco Lambayeque Cusco Piura Amazonas San Martin Ica Puno Junin Cajamarca Arequipa La Libertad Lima Valor Bruto de Producción 0 500 1000 1500 2000 2500 3000 3500 Pasco Apurimac Huancavelica Madre de Dios Amazonas Ayacucho Tumbes Huanuco Moquegua Puno Loreto Cajamarca Tacna Cusco Ucayali Ancash San Martin Junin Piura Arequipa Lambayeque Ica La Libertad Lima Crédito Agropecuario 11 1.3 Hipótesis Existe una relación positiva significativa del financiamiento agrario formal y el Valor Bruto de Producción (VBP) del sector agropecuario entre los años 2007-2011. Un aumento en el acceso al crédito conlleva un incremento de la inversión en el sector agrícola de los productores agropecuarios y esto conlleva a un mayor crecimiento del VBP. Las variables de Política Fiscal de Gasto Público en Proyectos de Inversión del sector Agricultura, variables de infraestructura de acceso a electricidad y agua, y medios de comunicación como los teléfonos públicos rurales, de control de superficie cosechada y nivel de educación tienen impacto positivo en el crecimiento económico en el sector Agrícola en el Perú. 1.4 Justificación del Estudio Uno de los principales fines de las políticas de desarrollo es el Financiamiento Agrario. En el Perú hay una precariedad de acceso al crédito agrícola formal y una tasa de pobreza monetaria en la zona rural del país, donde el ingreso de los agricultores es uno de los principales componentes en los hogares pobres, a través de la producción en la propia parcela o por la venta de mano de obra. El periodo de análisis de la investigación 2007-2011, se realiza debido a que en los últimos años no se presenta quiebres estructurales ni cambios de política en el sector agrario o la presencia de posibles choques del fenómeno del niño se puede tratar como un ruido de corto plazo y además el análisis se hace mediante un modelo panel de serie temporal y corte transversal por regiones. Es una respuesta eficiente a las necesidades de financiamiento en el área rural, puesto que, en un mediano plazo el agricultor incrementa inversión en el agro en la que tiene total dominio de la tecnología, la tierra y recursos humanos teniendo un impacto positivo en el crecimiento económico en el sector agrario. El programa de financiamiento ayuda a incrementar el ingreso personal y familiar del agricultor, con lo que podrá mejorar su nivel de vida. Es un aporte para la promoción de inversión en el agro, por cuando promueve el desarrollo dentro de un marco formal ayudando a combatir la informalidad. Esto contribuye a la lucha contra la pobreza, donde el ámbito de acción está localizado en zonas rurales donde se realizan actividades agrícolas que así lo requieren y dirigido a los agricultores de los estratos socioeconómicos menos favorecidos. 12 1.5 Limitaciones de la Investigación Una de las limitaciones del estudio es estimar el crédito informal. La propuesta metodológica del presente trabajo de investigación trata de contribuir con esta agenda, pero se enfrenta a las restricciones de información específicamente con respecto a obtener los datos de créditos para actividades empresariales al sector agricultura, ganadería, caza y silvicultura por tipo de entidad financiera (Bancos, Cajas Rurales, Cajas Municipales, Edpymes y Agrobanco) por regiones en el periodo de estudio y trabajos realizados anteriormente. La investigación presentada es sobre el financiamiento agrario formal. El moderado progreso de la agricultura en el Perú se debe al insuficiente acceso al crédito formal de los productores y al capital se explica por varios factores: alto riesgo con un cronograma fijo, clima, pobreza, etcétera1. 1 Créditos agrarios en el Perú ¿Que dicen los clientes? Carolina Trivelli, 2000. 13 II. MARCO TEÓRICO Literatura teórica En general, existe importante literatura que estudia la relación entre el crecimiento económico y el avance del sistema financiero, pero limitada información en el sector rural. Las restricciones del gobierno, en el sistema bancario (el techo de tipo de interés, altos requerimientos de reserva y dirigido a programas de crédito) obstaculizan el desarrollo económico y reducir el crecimiento del producto, tal como lo plantea McKinnon (1973) y Shaw (1973). Las investigaciones sobre los transformación, invención y mejora tecnológicas de forma endógena enfatizan la visión Schumpeteriana sobre la “destrucción creativa” (Aghion y Howit 1992). Usando el marco de cambios endógenos en la tecnología se incorporan los roles de la intermediación financiera, este financiamiento se invierte en la innovación y tiene efecto en el crecimiento económico. La eficiencia de los sistemas financieros, no puede darse por sentado, especialmente en lo recopilación de datos es una de sus principales funciones. La información asimétrica, las externalidades en los mercados financieros (Stiglitz y Weiss, 1992) y la competencia imperfecta (por ejemplo, el resultado de los costos fijos) pueden conducir a niveles subóptimos de financiamiento e inversión, una asignación ineficiente del capital, o tener otras consecuencias indeseables, como fraude o falta de liquidez, que son perjudiciales para la economía. Trivelli (2007) sobre el “Sistema Financiero y características para el crédito agro en el Perú” existe poco desarrollo del crédito, el riesgo es un tema que limita el crecimiento y que las instituciones microfinancieras no logran enfrentar el problema, pero son claves para ofrecer productos financieros a la pequeña agricultura. 14 Literatura empírica King y Levine (1993) realizan un estudio del nivel de progreso del Sistema Financiero con datos de ochenta países entre los años 1960-1989. El principal resultado demuestra que hay una relación de los indicadores financieros y crecimiento y enfatiza que políticas alteran la eficiencia financiera ejercen una influencia de primer orden en crecimiento. El sistema financiero desempeña una función importante en la transformación y reasignación de riesgo en una economía además de la diversificación de riesgos en sección transversal, un sistema de finanzas más grande puede mejorar la distribución del riesgo intertemporal (Allen y Gale, 1997). Con la ampliación de este sistema para más agentes económicos habrá una mejor asignación de los riesgos, lo que a su vez puede impulsar la actividad de inversión en capital físico y humano, dando lugar a un mayor crecimiento económico. Levine y Zervos (1998) concluyen que tanto el tamaño del sector bancario y el alcance de la actividad del mercado de valores (medido por la relación entre el valor de acciones negociadas a ya sea la capitalización de mercado o el PIB) se relacionan con el crecimiento económico futuro. Beck, Levine y Loayza (1999) investigan los canales a través de los cuales la intermediación financiera está asociada con el crecimiento. En ese documento, se argumenta que el nexo entre finanzas y el crecimiento económico se ejecuta principalmente sobre el aumento de la productividad total de los factores y no a través del ahorro y el capital físico acumulación. El desarrollo financiero puede influir en el crecimiento por medio de mejoras en la tecnología (por una mejor asignación del ahorro) debido a una acumulación de capital más rápida (aumentar el ahorro interno y atraer capital extranjero). Encuentran que tiene un gran impacto positivo en el total de los factores productividad, que se alimenta por el crecimiento global del Producto Bruto Interno (Beck y Levine, 2000). A nivel regional, Trivelli (2001) explica sobre los créditos agrarios en el Perú de los cambios de tendencia en del crédito y racionamiento mediante una encuesta aplicada 302 agricultores del Valle de Huaral en el año 1998. Una parte de los demandantes son autorracionados, en su mayoría sujetos de crédito formal que optan por trabajar con financiamiento informal o se autofinancian con fondos propios, esto se debe a diferentes factores: al no ser sujetos de crédito principalmente por la no tenencia de título de propiedad, costos y condiciones de los créditos, riesgo, entre otros. 15 Según Levine (2005) responde a la pregunta ¿ayuda el progreso financiero al desarrollo económico? Presenta dos factores claves en las cuales el avance del sistema financiero puede afectar el incremento del Producto Bruto Interno: la acumulación de capital y el cambio tecnológico. Los sistemas financieros generan datos ex-ante acerca de las alternativas de inversión y siguieren donde asignar el capital. Permiten monitorear las inversiones, regulan y diseñan los prestamos (Gobierno corporativo). Facilitan el intercambio, la diversificación y manejo de riesgos. Movilizan y agrupan ahorros, así como promueven la comercialización de bienes y servicios: los mercados financieros disminuyen los costos de transacción y explican la especialización. Aghion et al (2005) enfatiza que países con un cierto nivel de desarrollo financiero convergerá a la tasa de crecimiento del país en la frontera tecnológica y aquellos con menor desarrollo financiero crecerán a una tasa menor. Loayza y Ranciere (2006) realizan un estudio sobre el crédito privado utilizando un Panel de datos de 75 países entre los años de 1960 y 2000, determinando la distinción de corto y largo plazo de intermediación y el efecto en el crecimiento económico. Analizan la contradicción entre dos proposiciones en la literatura en los efectos de la intermediación financiera en la actividad económica: por un lado, el crédito domestico privado tiene un impacto positivo en el crecimiento per cápita de la producción. Esto es interpretado por el crecimiento debido al desarrollo financiero (King y Levin 1993; Levin, Loayza y Beck 2000). Por otro lado, la crisis bancaria encuentra que los agregados monetarios, tal como el crédito domestico son los mejores predictores en medio de la crisis (por ejemplo,Demirguc-Kunta, Gatriache, 1998, 2000, Gourinchas, L Anderretchea, Valdés,2001, Kaminsky y Reinhart, 1999). Mientras que la crisis bancaria impulsa la recesión, una expansión del crédito domestico podría estar entonces asociado con una desaceleración del crecimiento. En el largo plazo, el progreso financiero apoya y promueve la actividad económica. Sin embargo, el camino hacia el desarrollo está lejos de ser uniforme, y en el camino, el crecimiento económico puede sufrir de la fragilidad financiera que caracteriza a los sistemas de maduración. El proceso de crecimiento económico implica una profundización de los mercados y los servicios que canalizar el ahorro hacia la inversión productiva y permitir la diversificación del riesgo, estos positivos aspectos del progreso financiero conducir a una expansión económica. 16 Jalloh (2009), argumenta que el mercado financiero tiene un desempeño importante en la promoción del crecimiento económico. Por movilizar el ahorro a la inversión productiva y facilitar los flujos de capital, lo estimula la inversión en capital físico y humano. Los canales de ahorros a usos más productivos mediante la recopilación y el análisis de información sobre las oportunidades de inversión. Así, al crear un eficiente mecanismo para las transacciones en instrumentos financieros de largo plazo, ofrece una amplia gama de posibilidades para la creación de riqueza del gobierno, corporaciones privadas, individuos, y otras instituciones financieras. Aguilar (2004), en el documento de trabajo de “El Agrobanco y el mercado financiero en el Perú” muestra que, en el año 2001, inicia sus operaciones en un contexto de pocos créditos del sector formal al agro. Los autores Trivelli, et. al (2004) del documento de la oferta financiera en el Perú muestran que las colocaciones formales en el sector rural son reducidas, incluso en el caso de entidades microfinancieras supuestamente especializadas en dicho ámbito. Este resultado se explica por varios factores (por ejemplo, altos riesgos, condiciones del crédito, entre otros), y por la falta de compromiso de los intermediarios con el sector agropecuario. Los fondos del sector agropecuario colocan insuficientes créditos, pero de elevados montos; es decir atienden a clientes grandes en su mayoría con respecto a los pequeños agricultores. Burneo (2008) realiza un estudio sobre el indicador de servicio bancario público y privado utilizando un Panel de datos de una muestra de 24 Regiones del Perú en el período de octubre 2001 a Julio del 2006. Concluye que el sector financiero es un factor importante en el incremento de la producción de bienes y servicios finales de las regiones. Los aportes de Aguilar (2011) realizan un estudio sobre la expansión de las actividades crediticias utilizando un Panel de datos dinámico de una muestra de 24 Regiones del Perú entre los años 2001 y 2008. El impacto del Microcrédito es positivo en el crecimiento por regiones en el Perú. Alvarado y Pintado (2017) realizan un estudio la “Necesidad, demanda y obtención de Crédito en el sector Agropecuario en el Perú”, consiste en las determinantes del acceso y uso del financiamiento por parte de los productores agropecuarios del país, donde la fuente principal de información es el Censo Agropecuario 2012. Utilizan un modelo probit Heckit en tres etapas donde las variables dependientes binarias son de necesidad, solicitud y obtención del crédito. Los resultados en cuanto a la necesidad muestran que la probabilidad de que un productor 17 agropecuario requiera crédito de casi el 70%, lo cual muestra la importancia de promover el acceso de los productores rurales a servicios financieros. Al respecto de la solicitud revelan que la probabilidad de que un productor solicite crédito de una institución financiera en apenas 10,8%. Esto explica que cualquier política que busque expandir el uso de financiamiento debe centrarse principalmente en las variables que influyen en la baja probabilidad de que se lo solicite por ejemplo la asistencia técnica. Con respecto a la obtención, la estimación del modelo muestra que la posibilidad de que un productor agropecuario obtenga crédito de una institución formal una vez que lo solicita es muy alta (87,2%). La variable con mayor influencia en obtener préstamo es la proporción de tierras dedicadas a cultivos de exportación, otras variables importantes son la asistencia técnica y la tenencia de título de propiedad. 18 III. MARCO CONCEPTUAL 3.1 Limitaciones del crédito al sector rural2 Costos altos: las microfinanzas siguen siendo un servicio costoso. A diferencia de los bancos convencionales, las entidades microfinancieras manejan una enorme cantidad de créditos y ahorros pequeños. La administración de esta clase de negocio es más costosa que el manejo de un número reducido de préstamos grandes. Las tasas de interés que cobran las instituciones microfinancieras como las Edpymes que al año 2011 en promedio hasta 50% anual son más altas que las tasas cobradas por los bancos comerciales (por lo general, son mucho más bajas de los prestamistas informales). Las tasas son altas debido al costo de realizar operaciones microfinancieras: las entidades tienen que cubrir el precio del dinero y los costos de transacción, y resarcirse de los préstamos incumplidos. Montos pequeños únicamente: las instituciones microfinancieras prestan reducidas cantidades de dinero. La experiencia ha demostrado que es mejor para los clientes nuevos comenzar con préstamos de poca cuantía (Yollin 2007). Préstamos de corto plazo: la mayoría de los programas de microfinanzas solo ofrecen créditos de corto periodo. Requieren que sus clientes devuelvan el dinero relativamente rápido a menudo en un plazo de 3 o 4 meses y que realicen pagos mensuales. Este enfoque se adecua bien a actividades en las que una inversión rinde ganancias inmediatamente, pero no es tan conveniente en las que la rotación del capital es más lenta, como suele suceder en la agricultura. Subestimación de la importancia de los ahorros: muchas personas en situación de pobreza necesitan ahorros más que servicios de crédito (De Klerk 2008). Los ahorros les ayudan porque estabilizan sus ingresos en el tiempo y funcionan como una especie de seguro, sobre todo cuando se tiene un ingreso económico irregular. Exclusión de las personas más pobres: en el sector de las microfinanzas en las áreas rurales, se ha puesto mucho énfasis en la sostenibilidad. Esto significa que cuando eligen a sus clientes, las instituciones microfinancieras tienen que escoger la capacidad de devolver el préstamo. El resultado no intencionado es que las personas más pobres no pueden acceder a servicios financieros, y el alcance es limitado en el área rural. Es difícil medir el impacto del microcrédito 2 Financiamiento de las Cadenas de Valor, Foro Latinoamericano y el Caribe de Finanzas Rurales, 2010 19 en la reducción de la pobreza, debido a que la mayor parte del financiamiento que reciben las instituciones microfinancieras sigue siendo recursos públicos, se ha cuestionado la eficacia de los préstamos pequeños. 3.2 Formas de financiamiento informal3 - Familiares, amigos y vecinos (préstamos que entregan una red social). - Agiotistas (prestamistas profesionales, otorgan créditos a altas tasas de interés y muchas veces otorgado contra la prenda de algún bien). - Comerciantes (tiendas o bodegas locales). - Casa de empeño, rescatistas (son personas que dan créditos contra la entrega futura de productos, para luego venderlo a comerciantes mayoristas). - Industrias (suelen entregar insumos a cambio de la entrega de productos a los que se le dé un valor agregado adicional). - Terratenientes (los terratenientes generalmente entregan la tierra y los insumos a crédito a cambio de una parte de la producción). - Asociaciones de ahorro y crédito (Juntas, incluyen la movilización de ahorros y el otorgamiento de créditos). 3.3 Mercado de créditos e información asimétrica en el sector agrícola Una de las características más resaltantes de la producción agrícola es el largo lapso de tiempo (típicamente de varios meses) entre la preparación de la tierra y la venta final del producto. Las transacciones crediticias permiten a los agricultores comprar insumos y consumir antes de la cosecha. Otra característica de este mercado puede fallar por razones ajenas como mal clima o pestes. Si los mercados de seguros fueran completos, podrían adquirir contratos contra cualquier tipo de riesgo. Sin embargo, si los mercados son incompletos, el acceso a crédito desempeña un papel fundamental que brindan a los hogares suavizar su consumo ante la presencia de fuentes de ingreso inciertas. En las zonas que son más pobres, estas motivaciones por crédito son más fuertes, pues las restricciones de liquidez son más importantes, de modo que es imposible financiar la producción y el consumo a partir de los ahorros del hogar. Es por estas dos razones que los mecanismos de crédito, formal o informal, representa un tema central en las sociedades agrícolas. Casi todos los lugares pobres que se dedican a la agricultura 3 El Financiamiento Informal en el Perú, Javier Alvarado, Felipe Portocarrero, Carolina Trivelli, Francisco Galarza, 2001. 20 muestran que generalmente son complejos y de tipos variados. Algunas ocurren a través de instituciones formales (bancos, financieras, Organismos No Gubernamentales), pero la gran mayoría son de entidades informales: créditos con prestamistas locales; préstamos informales entre amigos y familiares; o atados a compras, transacciones laborales o contratos de alquiler. 21 IV. ESTIMACIÓN DEL MODELO Y RESULTADOS 4.1 Especificación del modelo Las estimaciones econométricas se realizarán con datos de un modelo panel para 24 departamentos del Perú de periodicidad anual entre los años 2007 y 2011. VBPit = α0+ α 1´ Xit + α 2´ Git +α 3´ Zit + α 4´ Wit +ηi + εit El subíndice it representa el corte transversal por departamento “i” y la serie de tiempo “t” (período en años). El VBP it (Valor Bruto de Producción Agropecuario). Xit es una variable financiera del total de créditos al agro regional. Git es una variable de política Fiscal representado por el Gasto Público en proyectos de inversión ejecutado en el sector de agricultura en cada departamento, Zit es un vector de variables de infraestructura en el sector, cuyos indicadores son la cantidad de teléfonos públicos rurales por departamento, acceso a los servicios de agua y electricidad. Wit son variables de control que sirven para la estimación del VBP agropecuario cómo la Superficie Cosechada y Nivel de Educación. Siendo ηi la variable que representa la heterogeneidad de cada departamento y εit es el termino estocástico. 22 Tabla N° 1: Variables del modelo Variable Dependiente Indicador Fuente VBP Agropecuario VBP Agropecuario en el año 't' Ministerio de Agricultura y Riego (MINAGRI) Variables Independientes Indicador Fuente Desarrollo Financiero -Colocaciones de las Instituciones Financieras al Agro Ministerio de Agricultura. Superintendencia de Banca, Seguros y AFPs (SBS). Política Fiscal -Gasto Público en Proyectos de Inversión del Sector de Agricultura. Ministerio de Economía y Finanzas (MEF). Infraestructura - Cantidad de teléfonos públicos rurales por departamento. -Acceso a electricidad -Acceso a agua potable Organismo Supervisor de Inversión en Telecomunicaciones (OSIPTEL). La Encuesta Demográfica y de Salud Familiar (ENDES) del Instituto Nacional de Estadística e Informática Variables de control -Superficie Cosechada -Nivel de Educación Ministerio de Agricultura y Riego (MINAGRI). La Encuesta Demográfica y de Salud Familiar (ENDES) de Estadística e Informática (INEI). 23 4.2 Los datos4 El VBP Agropecuario en millones de soles a precios constantes de 1994 comprende el VBP Agrícola y Pecuario, y la Superficie Cosechada (hectáreas) de los principales cultivos como arroz, cañihua, cebada, cebolla, entre otros provienen de la base de datos del Ministerio de Agricultura y Riego (MINAGRI). La información sobre colocaciones (Créditos para Actividades Empresariales por Sector Económico de Agricultura y Tipo de Empresa del Sistema Financiero) expresado en millones de soles, proviene de las estadísticas publicadas por la Superintendencia de Banca, Seguros y AFP´s (SBS) que considera la suma de los créditos corporativos, a grandes, medianas y pequeñas empresas, y microempresas. La información sobre el Gasto Público en proyectos de inversión ejecutado devengado en el sector Agricultura fue obtenida del Ministerio de Economía y Finanzas (MEF) en millones de soles, mientras que la de telefonía pública rural anual incluye los teléfonos públicos rurales de Telefónica del Perú SAA, Gilat to Home SA y Rural Telecom SAC que proviene del Organismo Supervisor de Inversión en Telecomunicaciones (OSIPTEL). El acceso a energía eléctrica y agua (Porcentaje de viviendas por fuente de agua de red pública y servicio sanitario con desagüe, según área de residencia y departamento) de la Encuesta Demográfica y de Salud Familiar (ENDES) del Instituto Nacional de Estadística e Informática (INEI). La superficie cosechada esta expresado en hectáreas de los principales cultivos del sector Agrícola según departamento y el nivel educativo como el porcentaje de la población de mujeres con educación superior y más por área de residencia y departamento, de la Encuesta Demográfica y de Salud Familiar (ENDES). 4 Existe la limitante de información de la región Callao que está incorporado en el departamento de Lima. 24 En la siguiente tabla se presenta las estadísticas básicas para cada una de las variables del modelo: Tabla N° 2: Estadísticas básicas de las variables Variable Media Desv. Estandar Valor mínimo Valor máximo Valor Bruto de Producción al Agro overall 808.6563 821.6281 66.03897 4223.317 between 55.46578 731.9183 876.134 within 820.1163 34.91202 4155.839 overall 327.6741 1045.67 1.0477 6415.092 between 56.34289 259.4768 416.3419 within 1044.445 -81.58883 6326.424 Banca múltiple overall 288468.9 1005843 19.31801 6160838 between 44631.13 235061.2 359038.3 within 1005037 -70550.1 6090268 Cajas Municipales overall 12981.6 16700.09 8.63 94325.74 between 5207.757 6575.981 20016.31 within 16031.66 -6423.072 87291.04 Cajas Rurales overall 11970.73 16443.05 11.72 62399.38 between 2967.581 8002.398 15235.62 within 16227.8 -3172.576 61697.7 Edpymes overall 3630.603 5922.167 1.04 31042.59 between 674.2473 2713.261 4254.719 within 5889.074 -622.7768 30418.47 Arrendamiento Financiero overall 77982.58 65468.75 19680.41 155085.6 between 65468.75 19680.41 155085.6 within 0 77982.58 77982.58 Financieras overall 5194.88 11341.43 1.16 56582.19 between 3783.033 112.564 8458.259 within 10909.01 -3236.72 53318.81 Agrobanco overall 12943.67 11939.16 617.5151 65707.06 between 6603.18 4882.958 20183.53 within 10336.94 653.104 58467.2 Gasto de Inversión en proyectos overall 25.38473 26.31926 .689536 146.4366 between 4.003583 20.6789 30.09261 within 26.07245 -3.021721 141.7287 Telef. Rurales overall 684.5333 429.5112 69 1873 between 127.3243 532.2083 823.7917 within 414.0068 -47.25833 1751.117 Acceso a electricidad overall 79.01773 13.09287 43.6 98.3 between 3.624778 75.70833 83.87083 within 12.68162 46.9094 101.4094 Acceso a Agua overall 73.98507 14.61817 23.78229 93.08689 between 1.051046 72.89583 75.225 within 14.58765 23.12855 92.88924 Educación overall 14.20883 7.521023 1.1 31.5 between 4.427372 6.295833 16.4 within 6.383784 3.879661 29.37966 Superficie Cosechada overall 127377.9 84660.71 9745.89 328694 between 3526.431 121630.8 130151.7 within 84601.44 8286.186 325920.2 Colocaciones de las Instituciones fiancieras al Agro 25 La información del Valor Bruto de Producción regional en términos nominales no se consideró en valores reales dado que no hay una base de datos publicada de índice de precios agropecuario por departamento. La información de Panel de datos es de frecuencia anual (2007-2011) por lo que se trabajó con un modelo estático y no dinámico. Se puede considerar otras variables en términos per cápita por ejemplo para observar si la distribución del Valor Bruto de Producción Agropecuaria no es muy desigual por regiones o número de teléfonos rurales por habitantes, se podría utilizar en otra investigación de desarrollo como un indicador de bienestar, dado que el objetivo principal analizar la relación en niveles del financiamiento y el crédito agropecuario. 4.3 Resultados Para responder el objetivo principal de investigación, la siguiente tabla muestra los resultados estimados de los modelos panel de datos que estiman el efecto del Financiamiento formal sobre la variable dependiente del Valor Bruto de Producción Agropecuario. 4.3.1 El primer modelo considera la variable dependiente de Valor Bruto de Producción Agropecuaria, y las variables independientes de desarrollo Financiero (Colocaciones de las Instituciones financieras al Agro), Política Fiscal (Gasto público en proyectos de inversión del sector Agricultura), Infraestructura (Cantidad de teléfonos públicos rurales por departamento, acceso a electricidad y agua potable) y control (Superficie Cosechada y Nivel de educación de las mujeres). Tabla N° 3: Resultados del Modelo 1 Variable GLS-Efectos Aleatorios Efectos Fijos Constante -267.443 (-1,08) -135.828 (-0,49) Colocaciones de las Instituciones fiancieras al Agro .615 (21,46)*** 0.598 (20,5)*** Gasto de Inversión en proyectos 3.496 (2,67)* 2.802(2,10)** Telef. Rurales -.129 (-1,05) .0174(0,11) Acceso a electricidad -.140 (-0,04) -4.383(-1,03) Acceso a Agua 1.673(0,71) .887 (0,36) Educación 14.790 (2,96)*** 31.124 (4,06)*** Superficie Cosechada .004 (8,30)*** .004 (7,07)*** Observaciones 120 120 R cuadrado 0,88 0,87 Nota: Resultados entre paréntesis reportan los z (Efectos Aleatorios) y t (Efectos Fijos)-valores. *** corresponden a coeficientes con significatividad estadística al 1%; ** al 5% y * al 8% 26 Del anterior resultado se observa que las variables de Colocaciones de las Instituciones financieras al Agro, Gasto público en Proyectos de Inversión en el sector Agricultura, Superficie Cosechada y Nivel de educación de las mujeres son significativas estadísticamente (P-value< 0.05) siendo el ajuste del modelo Efectos Aleatorios R2 =0.88 y Efectos Fijos R2=0.87 de los modelos estimadores de mínimos cuadrados ordinarios. El acceso al agua y electricidad si bien son importantes en el incremento del Valor Bruto de Producción Agropecuaria en los resultados del modelo no son estadísticamente significativos. En cuanto al acceso al agua a nivel regional se debe notar que la superficie bajo riego principalmente la costa que representa el 57%, la sierra se encuentra el 38% y selva sólo el 5%, mientras que la superficie bajo secano en mayor porcentaje en las zonas de la sierra y selva donde se concentran el 51% y el 45% respectivamente, mientras que en la región costa sólo el 5%. Los posibles riesgos son las áreas pérdidas en hectáreas ocasionadas por la ausencia de lluvias, que se suma a los fenómenos que ya existen en algunas regiones de heladas y granizadas. En cuanto a la electricidad las unidades agropecuarias que utilizan energía eléctrica, el 42% están en la costa, 42% en la sierra y el 16% en la selva5. En las regiones, la mayor participación del PBI Agropecuario del año 2010 son la selva que son las siguiente Amazonas, San Martín, Ucayali, Cajamarca y de la sierra como Apurímac, Huánuco, Ayacucho, Puno y Huancavelica. En cuanto a los teléfonos rurales pueden tener un impacto poco significativo en el crecimiento del VBP Agropecuario. Los operadores de telecomunicaciones necesitan fuertes incentivos para expandirse en áreas rurales, siendo más costosos los teléfonos celulares son utilizados como sustitutos del teléfono público debido a que la cobertura de la señal de telefonía móvil se está ampliando en el sector rural (Ver ANEXO N° 6). En los mercados de factores de la inversión en educación tiene un efecto positivo en crecimiento sólo en estados cercanos a la frontera tecnológica 6 . Uno de los canales de inversión en educación y crecimiento parece ser la innovación. En este planteamiento se puede estar hablando de cultura financiera es escasa por partes de los agricultores del sector rural. Es por esto que no se considera la variable de educación cómo el porcentaje de las mujeres de nivel superior a más en el siguiente modelo. 5 Resultados Definitivos del IV Censo Nacional Agropecuario 2012 6 Aghion, Boustan, Hoxbi y vandenbussche(2009) 27 4.3.2 El segundo modelo siendo la misma variable dependiente del anterior, las variables independientes son las Colocaciones de las Instituciones financieras al Agro, Política Fiscal de Gasto público en proyectos de inversión del sector Agricultura y control de Superficie Cosechada. Tabla N° 4: Resultados del Modelo 2 Variable GLS-Efectos Aleatorios Efectos Fijos Constante 69.61294 (1,28) 69.501 (1,26) Colocaciones de las Instituciones fiancieras al Agro .655 (23,80)*** .655 (23,37)*** Gasto de Inversión en proyectos 3.772 (3,21)*** 3.765 (3,12)*** Superficie Cosechada .003(9,22)*** .0033 (9,07)*** Observaciones 120 120 R cuadrado 0,86 0,87 Nota: Resultados entre paréntesis reportan los z (Efectos Aleatorios) y t (Efectos Fijos)-valores. *** corresponden a coeficientes con significatividad estadística al 1%; ** al 5% y * al 8% Del análisis realizado para efectos fijos y aleatorios se obtiene que las colocaciones de las instituciones financieras por regiones del sector formal tienen un impacto positivo en el Valor Bruto de Producción agrícola siendo que resulta significativo (P-value=0.00< 0.05). En este caso se tiene un impacto de 0.65 que refleja la proporción en el cual impacta el financiamiento agrario formal en el VBP Agropecuario a nivel regional. Se debe considerar que el financiamiento agrario formal es limitado y abarca las colocaciones que se canalizan a través del sistema financiero (bancos, financieras), pero en mayor proporción ocurren en las instituciones informales: transacciones con prestamistas locales; préstamos informales de amigos y familiares, entre otros. Esto podría ser a causa de que los agricultores no cumplen con los requisitos mínimos exigidos por el sistema formal por ejemplo la titulación de tierras; los productores no requieren créditos para desarrollar sus actividades ya sea que tienen acceso a otras fuentes de financiamiento o no poseen proyectos con rentabilidad suficiente para cubrir los costos del crédito formal. Otra razón puede deberse a partir de las consideraciones de manejo de riesgos y costos de transacción se estén inhibiendo a participar en este mercado.7 7 Catherine Guirkinger y Carolina Trivelli (2006), Limitado Financiamiento Formal para la pequeña agricultura: ¿solo un problema de falta de oferta?. 28 De la misma manera que para la variable anterior se obtiene que el Gasto Público en inversión de proyectos en el sector Agricultura ejecutado devengado tiene una magnitud positiva en el Valor Bruto de Producción agrícola siendo que resulta significativo (P-value=0.002< 0.05). En este caso un impacto de 3.76 que refleja la magnitud en el cual impacta el Gasto Público en el VBP Agropecuario a nivel regional. Se debe considerar que la inversión regional abarca proyectos de inocuidad alimentaria, infraestructura de riego, protección sanitaria vegetal, forestación y reforestación, entre otros. Esta variable es relevante porque un mayor gasto en proyectos de inversión genera externalidades positivas dentro de las economías regionales. Algunos programas a destacar del Ministerio de Agricultura en el sector son: AGRORURAL(Programa Productivo Agrario Rural tiene por finalidad promover el desarrollo agrario rural, a través del financiamiento de proyectos de inversión pública en zonas rurales de menor grado de progreso económico), AGROIDEAS (Programa de Compensaciones para la Competitividad constituye un reconocimiento a la asociatividad y formalidad de los emprendedores en el campo), PSI (Programa Subsectorial de Irrigaciones, tiene por objetivo principal promover el desarrollo sostenible de los sistemas de riego en la costa y sierra, el fortalecimiento de las organizaciones de usuarios, las capacidades de gestión, así como la difusión del uso de tecnologías modernas de riego, para contribuir con el incremento de la producción y productividad agrícola, que permitirá mejorar la rentabilidad del agro y elevar los estándares de vida de los agricultores), entre otros8. Esta variable de control Superficie Cosechada son áreas en las que los cultivos transitorios y permanentes inciden directamente en la producción agrícola con un impacto positivo en el crecimiento del VBP Agropecuario. Dado los rendimientos tiene un efecto positivo en el Valor Bruto de Producción agrícola siendo que resulta significativo (P-value=0.00< 0.05). En este caso se tiene un impacto de 0.3%. 8 http://www.minagri.gob.pe/portal/ 29 4.3.3. El tercer modelo siendo la misma variable dependiente del modelo anterior con impactos diferenciados, las variables independientes son las Colocaciones al Agro por tipo de institución financiera, Política Fiscal de Gasto Público en proyectos de inversión del sector Agricultura seleccionando las regiones que tienen mayor y menor gasto público en proyectos de inversión en el sector9 (ver anexo N°11) y la variable de control de Superficie Cosechada. Tabla N° 5: Resultados del Modelo 3 Variable GLS-Efectos Aleatorios Efectos Fijos Constante 3.756 (0,02) 3.756 (0,02) Banca Múltiple .0006(11,04)*** .0006(12,15)*** Cajas Municipales -.005 (-1,22) -.005 (-1,67) Cajas Rurales .0180 (5,20)*** .0180 (5,33)*** Edpyme .009(0,91) .009 (1,19) Agrobanco -.006 (-1,01) -.006 (-1,51) Inversión Menor 11.442 (2,00)* 11.44 (2,01)** Inversión Mayor 5.682 (2,90)*** 5.682 (3,07)*** Superficie Cosechada .003 (4,35)*** .003 (4,45)*** Observaciones 120 120 R cuadrado 0,9 0,9 Nota: Resultados entre paréntesis reportan los z (Efectos Aleatorios) y t (Efectos Fijos)-valores. *** corresponden a coeficientes con significatividad estadística al 1%; ** al 5% y * al 8% Del anterior modelo se observa que las variables de Colocaciones por tipo de las Instituciones financieras al Agro de la Banca Múltiple y Cajas Rurales, por tipo de mayor y menor Gasto Público en Proyectos de Inversión en el sector Agricultura, Superficie Cosechada y Nivel de educación de las mujeres son significativas estadísticamente (P-value< 0.05) siendo el ajuste del modelo de Efectos Aleatorios y Fijos el R2 =0.9 de los modelos estimadores de mínimos cuadrados ordinarios. Por impactos diferenciados observamos que por tipo de instituciones financieras las Edpymes, Cajas Municipales y Agrobanco no son significativas esto puede deberse al tema de manejo de riesgos y las tasas de morosidad en los créditos al agro, así como el escaso monitoreo y seguimiento. La variable de mayor y menor gasto público de proyectos inversión al agro en las 9 Esta variable considera las regiones que en promedio tienen mayor gasto público de inversión en el sector agrícola que tienen una participación de alrededor del 60% que son las regiones de Piura, La Libertad, Ancash, Cajamarca, Cusco, Arequipa y Ayacucho y el resto de regiones se considera cómo las que tienen menor gasto de inversión. 30 regiones son relevantes, además que en las regiones con menor gasto que incluye a regiones de la sierra y selva siendo regiones con mayor participación al agro, tiene un impacto superior que las regiones con mayor gasto sobre el Valor Bruto de Producción del sector agropecuario. Respecto a la información de las Agro exportaciones y Agroindustria. En cuanto a las agroexportaciones hay una data publicada en la página web del Ministerio de Agricultura y Riego (MINAGRI) sobre Comercio Exterior para el agro V.1.1. Es una base de datos de acceso gratuito en la cual se puede encontrar (año 2000 a la fecha): - Comercio total (del ámbito del comercio agrario del Perú) - Rankings - Capítulos del arancel - Subpartidas nacionales El ámbito del sector agrario, corresponde al Anexo No. 1 del Acuerdo de Agricultura de la Organización Mundial de Comercio (OMC), incluyendo a los extractos colorantes y productos forestales maderables. En la base de datos de la Agroindustria del MINAGRI en el Sistema Integrado de Estadísticas Agrarias (SIEA). En las bases de datos mencionadas hay información agregada a nivel nacional por lo que no se incorporó al modelo dado que esta se presenta por regiones. 31 Tabla N° 6: Selección del modelo Variable GLS-Efectos Aleatorios Efectos Fijos GLS-Efectos Aleatorios Efectos Fijos GLS-Efectos Aleatorios Efectos Fijos Constante -267.443 (-1,08) -135.828 (-0,49) 69.61294 (1,28) 69.501 (1,26) 3.756 (0,02) 3.756 (0,02) Banca Múltiple .0006(11,04)*** .0006(12,15)*** Cajas Municipales -.005 (-1,22) -.005 (-1,67) Cajas Rurales .0180 (5,20)*** .0180 (5,33)*** Edpyme .009(0,91) .009 (1,19) Agrobanco -.006 (-1,01) -.006 (-1,51) Colocaciones de las Instituciones fiancieras al Agro .615 (21,46)*** 0.598 (20,5)*** .655 (23,80)*** .655 (23,37)*** Inversión Menor 11.442 (2,00)* 11.44 (2,01)** Inversión Mayor 5.682 (2,90)*** 5.682 (3,07)*** Gasto de Inversión en proyectos 3.496 (2,67)* 2.802(2,10)** 3.772 (3,21)*** 3.765 (3,12)*** Telef. Rurales -.129 (-1,05) .0174(0,11) Acceso a electricidad -.140 (-0,04) -4.383(-1,03) Acceso a Agua 1.673(0,71) .887 (0,36) Educación 14.790 (2,96)*** 31.124 (4,06)*** Superficie Cosechada .004 (8,30)*** .004 (7,07)*** .003(9,22)*** .0033 (9,07)*** .003 (4,35)*** .003 (4,45)*** Observaciones 120 120 120 120 120 120 Test de Haussman (Prob> Chi2) Test de Breuch- Pagan (Prob> Chibar2) R cuadrado 0,88 0,87 0,86 0,87 0,9 0,9 1.000 1.000 1.000 MODELO 3MODELO 2MODELO 1 0.2426 1.000 0.9979 Nota: Resultados entre paréntesis reportan los z (Efectos Aleatorios) y t (Efectos Fijos)-valores. *** corresponden a coeficientes con significatividad estadística al 1%; ** al 5% y * al 8% 32 El primer paso consiste en validad la estructura supuesta para el término del error, en otras palabras, conviene comenzar validando si es que es cierto que en nuestro modelo (it) contiene un elemento no observable particular a cada departamento además de aquel que varía tanto entre agentes como a lo largo del tiempo: it= ηi + εit Para esto se dispone del test de Breusch- Pagan cuya hipótesis nula es que la varianza del término ηi es igual a cero, lo que implicaría it= εit. La aceptación de la hipótesis nula confirma es que la varianza del término ηi es igual a cero, lo que implicaría que el estimador eficiente de mínimos cuadrados generalizados. Para determinar la existencia de correlación entre los efectos no observables específicos de las regiones y los regresores del modelo, es necesario aplicar un test de Hausman. La hipótesis nula de esta prueba plantea que no existe dicha correlación y conviene el uso del estimador de mínimos cuadrados generalizados atendiendo a su eficiencia. De rechazarse, en cambio privilegiar la propiedad de consistencia implica utilizar el estimador Within (o “Intra grupos”) 10. El modelo preferido es el tercero dado que tiene un mayor R2 (0,9) y se explica por impactos diferenciados de colocaciones de instituciones financieras e inversión además de la variable de control de superficie cosechada. Según el test de Breusch Pagan (Prob=1,00>0,05) el estimador eficiente es mínimos cuadrados generalizados. La aceptación de la hipótesis nula en la prueba de Hausman (Prob=0,99> 0,05), mostrado en la imagen anterior, implica la no existencia de una diferencia sistemática de los estimados con la técnica Within y con mínimos cuadrados generalizados. Esto aporta evidencia en contra de la correlación entre el efecto no observado del i-esima departamento y los regresores considerados, lo que determina que el estimador por Efectos Aleatorios sea el más apropiado para conservar su consistencia. 10 Beltrán y Castro (2010), Modelos de datos de panel y variables dependientes limitadas: teoría y practica 33 CONCLUSIONES 1. La hipótesis principal establece que existe una relación positiva significativa entre el financiamiento agrario formal y el Valor Bruto de Producción agropecuario entre los años 2007-2011. Del análisis realizado se obtiene que siendo que resulta significativo tiene un impacto positivo de 0.65. Se debe considerar que el financiamiento agrario formal es reducido y abarca las colocaciones que se canalizan a través del sistema financiero, pero en mayor medida ocurren en las instituciones informales. El escaso conocimiento de los agricultores sobre el sistema financiero y la asimetría de información tienen como consecuencia una limitada demanda de crédito agrícola. 2. Entre las hipótesis secundarias, la variable de Política Fiscal de Gasto Público en Proyectos de inversión tiene un impacto positivo en el Valor Bruto de Producción del sector Agrícola en el Perú. Según los resultados se obtiene un impacto positivo de 3.76. En cuanto a la inversión regional abarca proyectos de inocuidad alimentaria, infraestructura de riego, protección sanitaria vegetal, forestación y reforestación, entre otros. Esta variable es importante porque un mayor gasto en proyectos y actividades generan externalidades positivas dentro de las economías regionales. 3. La hipótesis de las variables de Acceso a la Electricidad y Agua tienen impacto positivo en el crecimiento económico en el sector Agrícola en el Perú. El acceso al agua y electricidad no son estadísticamente significativos en el incremento del Valor Bruto de Producción Agropecuario. Las regiones que tienen una mayor participación del PBI agropecuario dependen del riego "Bajo Secano" mediante las lluvias y la retención de humedad en los suelos (depende de las lluvias). En cuanto a la electricidad las unidades agropecuarias que utilizan energía eléctrica, el 42% se encuentra en la costa y sierra, y sólo el 16% se encuentran en la selva. 4. Los resultados de las variables de los medios de comunicación como los teléfonos públicos rural y nivel de educación tienen impacto positivo en el crecimiento económico en el sector Agrícola en el Perú. En cuanto a los teléfonos rurales pueden tener un impacto poco significativo en el VBP Agropecuario siendo una variable importante como medio de comunicación entre los productores agrarios y la comunidad. En cuanto a los mercados de factores como la inversión en educación tiene un efecto positivo en crecimiento sólo en estados cercanos a la frontera tecnológica. Uno de los canales entre inversión en educación y crecimiento parece ser la innovación. En este planteamiento se puede estar explicando que la educación financiera es escasa por 34 partes de los agricultores del sector rural. Es por esto que no se considera la variable de educación en el siguiente modelo. 5. La variable de control superficie cosechada de los cultivos principales tiene un efecto positivo en el Valor Bruto de Producción Agropecuaria. Dado los rendimientos tiene una incidencia positiva de 0.3%. 6. El modelo por impactos diferenciados observamos que por tipo de instituciones financieras la Banca Múltiple tiene un impacto significativo en el VBP agropecuario mientras que las Edpymes, Cajas Municipales y Agrobanco no son significativas esto puede deberse al tema de manejo de riesgos y las tasas de morosidad en los créditos al agro así como el escaso monitoreo y seguimiento. La variable de mayor y menor gasto público de proyectos inversión al agro en las regiones son relevantes, además que en las regiones con menor gasto tienen mayor participación al agro, se obtiene un impacto superior que las regiones con mayor gasto sobre el Valor Bruto de Producción del sector agropecuario. 7. Entre las sugerencias de política, esta investigación ha significado un reto para evaluar el impacto de las colocaciones en el ámbito formal del sector agropecuario. Es necesaria una información cuantitativa, cualitativa y realizar el estudio, así como la experiencia en el sector agricultura e identifica los problemas principales del crédito. 8. Incrementar el gasto público de inversión en programas de crédito agropecuario como AGRORURAL (Programa de Desarrollo Productivo Agrario Rural tiene por finalidad promover el agro, a través del financiamiento de proyectos de inversión pública en zonas rurales de menor grado de desarrollo económico) y AGROIDEAS (Programa de Compensaciones para la Competitividad); con un eficiente Monitoreo, Gestión y Asistencia Técnica. 9. Mejora de las políticas para el cumplimiento de los requisitos mínimo exigibles de “titulación de tierras” como proyectos del PETT (Proyecto Especial de Titulación de Tierras y Catastro Rural) y el PTRT (Proyecto de Titulación y registro de Tierras) financiado por el BID con la participación del PETT, la SUNARP y el INRENA en calidad de organismos subejecutores y accedan al crédito formal donde las tasas de interés tienen menores costos de transacción que en el mercado informal. 35 10. Las Políticas de Estado de invertir en el Financiamiento Agrario es clave para el crecimiento del sector agropecuario, pero también depende de los regímenes económicos y la planificación de la construcción de vías de carreteras, pistas, mayor inversión en telecomunicaciones, fomento de la educación en el sector rural, etc. 11. Implementar la propuesta de solución del mayor acceso al financiamiento formal de parte de los agricultores elevando los niveles de educación financiera con programas de difusión y capacitación, con proyectos rentables y sostenibles en el tiempo con un adecuado manejo de riesgos del crédito. 36 BIBLIOGRAFÍA - Aguilar Andía Giovanna (2011), Microcrédito y Crecimiento Regional en el Perú. - Alvarado Javier, Portocarrero Felipe, Trivelli Carolina, Galarza Francisco (2001), El Financiamiento Informal en el Perú. - Aghion Philippe, Dewatripont Mathias and Rey Patrick (1999), Competition, Financial Discipline and Growth. - Aghion Philippe, Bacchetta Philippe, Ranciere Romain and Rogoff Kenneth (2005), Exchange rate volatility and productivity growth: The role offinancial development - Banco Central de Chile (2002), The Direction of Causality Between Financial Development and Economic Growth. - Banco Central de Reserva (2011), Estadísticas Económicas-Cuadros anuales históricos. - Beck, Levine y Loayza (1999) Financial intermediation and growth: Causality and causes. - Beck, Demirg-Kunt y Vojislav Maksimovic (2008) Financing patterns around the world: Are small firms different? - Beltrán y Castro (2010), Modelos de datos de panel y variables dependientes limitadas: teoría y practica - Burcu Kıran, Burak Güriş y Nilgün Çil Yavuz (2012), Financial Development and Economic Growth: A Panel Data Analysis of Emerging Countries. - Carlin Wendy and Mayer Colin (2000), Finance, investment, and growth. - Catherine Guirkinger y Carolina Trivelli (2006), Limitado Financiamiento Formal para la pequeña agricultura: ¿solo un problema de falta de oferta?. Debate Agrario N° 40 Lima:CEPES. - Escobal Javier (2006), Desarrollando mercados rurales: El rol de la incertidumbre y la restricción crediticia. 37 - FitzGerald Valpy (2006), Financial Development and Economic Growth. - Foro Latinoamericano y el Caribe de Finanzas Rurales (2010), Financiamiento de las Cadenas de Valor. - Levin, Ross & Zervos, Sara (1998). “Stock Markets, Banks, and Economic Growth," World Bank American Economic Review. - Miller Stephen M., Christou Christina and Apergis Nicholas (2010), Convergence Patterns in Financial Development: Evidence from Club Convergence. - Ministerio de Agricultura (2011), Informe de Seguimiento Agroeconómico. - Norman V. Loayza and Romain Ranciére (2006), Financial Development, Financial Fragility, and Growth. - Harrison Paul, Zeira Joseph and Sussman Oren (2004), Finance and Growth: Theory and New Evidence. - Levine Ross (1998), The Legal Environment, Banks, and Long-Run Economic Growth. - Superintendencia de Banca y Seguros y AFPs (2011), Boletín Estadístico. - Trivelli Carolina (2000), Créditos agrarios en el Perú ¿Que dicen los clientes?. - Trivelli Carolina, Morales Rosa, Galarza Francisco y Aguilar Giovanna (2004), la oferta Financiera en el Perú. - The Review of Economic Studies (2006), Financial Deepening, Inequality, and Growth: A Model-Based Quantitative Evaluation. 38 ANEXOS Anexo N°1 CANTIDAD DE TELÉFONOS PÚBLICOS RURALES POR DEPARTAMENTO * Departamento 2006 2007 2008 2009 2010 ** 2011 ** AMAZONAS 580 619 716 661 907 916 ANCASH 929 969 1 222 1 101 1 312 1 321 APURIMAC 605 554 679 607 879 889 AREQUIPA 412 437 553 556 666 687 AYACUCHO 593 668 795 719 1 073 1 131 CAJAMARCA 1 247 1 301 1 578 1 522 1 872 1 873 CUSCO 885 1 015 1 177 1 105 1 660 1 677 HUANCAVELICA 425 446 637 652 902 920 HUANUCO 659 677 755 732 1 080 1 102 ICA 165 159 231 168 230 227 JUNIN 600 589 779 693 1 007 1 094 LA LIBERTAD 678 738 917 810 1 150 1 126 LAMBAYEQUE 338 302 503 370 448 479 LIMA 497 479 631 599 646 637 LORETO 410 479 506 549 925 974 MADRE DE DIOS 102 133 155 141 171 169 MOQUEGUA 113 119 133 138 155 145 PASCO 346 327 354 324 420 413 PIURA 804 838 1 092 855 1 178 1 242 PUNO 826 853 1 089 962 1 195 1 257 SAN MARTIN 631 690 928 755 951 974 TACNA 96 98 123 104 115 127 TUMBES 88 73 91 69 87 92 UCAYALI 186 210 216 218 301 299 Total 12 215 12 773 15 860 14 410 19 330 19 771 (*) Información anual. Incluye los teléfonos públicos rurales de Telefónica del Perú SAA, Gilat to Home SA y Rural Telecom SAC. (**) Información anual. Incluye los teléfonos públicos de financiamiento propio de Gilat To Home SA y los teléfonos públicos del Proyecto BAS adjudicado a Telefónica del Perú SAA. 39 Anexo N° 2 12 215 12 773 15 860 14 410 19 330 19 771 18 987 18 790 18 044 18 029 16 455 0 5 000 10 000 15 000 20 000 25 000 2006 2007 2008 2009 2010 (**) 2011 (**) 2012(**) 2013 (**) 2014(***) 2015(***) 2016(***) CANTIDAD DE TELÉFONOS PÚBLICOS RURALES EN EL PERÚ: 2006-2016 Fuente: OSIPTEL Anexo N° 3 HOGARES CON SERVICIO DE TELEFONÍA MÓVIL, JUNIO 2012 Fuente: Estudio de Demanda Residencial 2012. OSIPTEL Elaboración: FITEL – Área de Planificación de Proyectos 40 Anexo N° 4 MODALIDAD 2009 2010 2011 2012 2013 2014 2015 2016 Líneas de telefonía fija instaladas 3 548 609 3 601 243 3 688 664 3 799 037 3 818 625 3 375 148 3 667 663 3 119 972 Líneas de telefonía fija en servicio 2 965 297 2 952 126 3 042 105 3 193 037 3 205 894 3 032 536 2 912 316 2 917 435 Líneas móviles en servicio 24 702 060 29 115 149 32 461 415 29 388 077 29 793 297 31 666 244 34 235 810 36 954 940 Líneas de telefonía pública en servicio 193 536 207 758 210 146 222 441 214 282 207 100 193 326 157 028 P/. Información Preliminar Fuente: MTC - DGRAIC Elaboración: MTC - OGPP - Oficina de Estadística LÍNEAS INSTALADAS Y EN SERVICIO, SEGÚN MODALIDAD DE SERVICIO: 2009-2016 (Unidades) Anexo N° 5 350 730 81 790 0 100 200 300 400 500 600 700 800 900 2005 2009 COBERTURA MÓVIL A NIVEL DE DISTRITO SEGÚN ÁMBITO URBANO Y RURAL (Número de distritos atendidos por al menos un operador) Urbano Rural Fuente: OSIPTEL Elaboración: Propia 41 Anexo N° 6 PORCENTAJE DE VIVIENDAS POR FUENTE DE AGUA DE RED PÚBLICA Y SERVICIO SANITARIO CON DESAGÜE, SEGÚN ÁREA DE RESIDENCIA Y DEPARTAMENTO, PERÚ 2007-2011 Área de residencia y departamento Departamento 2007 2008 2009 2010 2011 2007 2008 2009 2010 2011 Amazonas 62,4 62,4 66,3 64,5 69,6 77,5 77,5 70,1 76,6 78,1 Áncash 81,2 81,2 85,5 83,2 89,3 86,7 86,7 87,5 90,5 91,0 Apurímac 68,1 68,1 68,9 74,1 79,1 76,9 76,9 83,2 80,8 85,9 Arequipa 90,7 90,7 92,2 95,3 98,3 87,0 87,0 86,6 86,9 88,8 Ayacucho 59,7 59,7 69,5 70,4 76,4 75,6 75,6 85,6 87,8 88,0 Cajamarca 48,4 48,4 59,6 62,1 59,0 70,9 70,9 79,2 84,1 82,3 Cusco 78,1 78,1 70,3 72,8 81,9 80,3 80,3 80,6 87,7 86,3 Huancavelica 67,6 67,6 74,1 80,6 79,1 69,5 69,5 77,1 84,2 82,9 Huánuco 43,6 43,6 63,5 69,7 68,9 53,0 53,0 65,3 62,3 64,1 Ica 89,3 89,3 94,1 95,9 97,0 84,6 84,6 83,6 81,1 80,1 Junín 90,6 90,6 85,6 89,3 90,9 85,0 85,0 83,4 88,9 85,3 La Libertad 78,7 78,7 81,9 89,4 87,7 79,1 79,1 80,5 80,9 80,7 Lambayeque 83,1 83,1 88,4 91,4 93,9 70,9 70,9 68,8 73,6 86,9 Lima 98,1 98,1 96,2 96,5 97,6 90,5 90,5 84,6 80,0 79,5 Loreto 66,3 66,3 58,9 61,9 69,1 33,8 33,8 29,8 23,8 27,8 Madre de Dios 80,6 80,6 73,8 78,2 86,3 73,2 73,2 69,1 58,9 64,1 Moquegua 94,9 94,9 90,7 92,8 94,3 91,8 91,8 93,1 87,2 87,5 Pasco 76,3 76,3 86,6 86,2 85,0 70,7 70,7 80,1 77,7 75,6 Piura 75,2 75,2 76,5 82,5 88,5 72,8 72,8 69,8 68,2 67,7 Puno 62,9 62,9 71,1 75,7 76,3 50,9 50,9 55,8 48,9 48,5 San Martín 61,6 61,6 64,6 76,6 79,6 60,1 60,1 64,6 60,0 65,2 Tacna 94,3 94,3 94,7 98,2 92,3 88,3 88,3 83,5 92,6 85,2 Tumbes 92,5 92,5 93,0 96,1 97,0 67,9 67,9 67,6 72,3 69,0 Ucayali 72,8 72,8 71,6 74,2 75,8 52,5 52,5 53,3 56,3 54,9 Electri cidad Fuente de Agua a red pública Fuente: ENDES (La Encuesta Demográfica y de Salud Familiar del Instituto Nacional de Estadística e Informática) Elaboración: Propia 42 Anexo N° 7 USO CONSUNTIVO DEL AGUA SUPERFICIAL POR VERTIENTE, 2015 Total P/ Agrario Industrial Poblacional Minero 2015 17 169 317 245 15 505 111 897 83 185 647 1 393 417 640 187 602 061 Pacífico 13 547 639 863 12 457 427 746 67 106 936 958 582 337 64 522 844 Tacna 117 479 639 102 710 000 - 14 769 639 - Locumba-Sama 238 607 121 217 511 578 - 5 921 288 15 174 255 Moquegua 90 099 857 75 380 000 27 500 13 436 634 1 255 723 Tambo-Alto-Tambo 293 707 195 285 770 000 1 044 987 5 871 276 1 020 932 Chili 520 287 594 409 000 000 2 426 470 72 258 666 36 602 458 Colca-Siguas-Chivay 620 613 153 616 650 000 1 662 435 2 264 490 36 228 Camaná-Majes 698 543 774 694 510 000 867 927 2 889 460 276 387 Ocoña-Pausa 306 482 485 303 740 000 124 102 2 076 368 542 015 Chaparra Acarí 129 892 646 117 389 540 38 437 12 298 164 166 505 Grande 28 589 889 27 550 000 113 187 919 052 7 650 Ica 129 910 227 129 850 000 163 59 344 720 Río Seco - - - - - Pisco 267 709 083 267 690 000 13 513 300 5 270 San Juan 95 130 236 95 120 000 - 9 776 460 Mala-Omas-Cañete 375 742 045 361 580 000 4 462 431 5 773 382 3 926 232 Chillón-Rímac-Lurín 894 369 292 295 150 000 192 840 599 026 452 - Chancay-Huaral 328 816 554 322 665 200 12 145 5 664 014 475 195 Huaura 813 746 057 802 731 536 7 568 640 1 954 970 1 490 911 Barranca 559 584 912 539 010 000 10 680 890 9 622 194 271 828 Casma Huarmey 114 171 784 111 791 051 - 2 242 479 138 254 Huaraz 480 241 533 463 875 757 1 818 349 13 556 293 991 134 Santa-Lacramarca- Nepeña 552 088 330 537 248 122 301 371 14 394 134 144 703 Santiago de Chuco 26 859 073 24 560 000 - 1 376 716 922 357 Moche-Virú-Chao 714 377 044 714 120 000 11 168 245 376 500 Chicama 598 726 574 593 030 000 5 132 734 533 038 30 802 Jequetepeque 827 696 315 820 910 000 88 135 5 890 523 807 657 Zaña 175 618 132 175 580 000 8 132 30 000 - Chancay-Lambayeque 1 114 664 585 1 007 720 000 18 928 250 87 817 948 198 387 Motupe-Olmos-La Leche 60 783 650 60 640 000 - 143 650 - Medio y Bajo Piura 716 786 263 699 800 000 - 16 986 263 - Alto Piura - Huancabamba 98 456 183 95 194 962 - 3 261 221 - San Lorenzo 385 211 666 379 240 000 - 5 935 385 36 281 Chira 940 933 117 892 490 000 11 288 316 37 154 801 - Tumbes 231 713 855 217 220 000 294 814 14 199 041 - Atlántico 3 228 866 511 2 701 614 151 16 045 505 399 368 117 111 838 738 Chinchipe - Chamaya 117 649 243 100 193 317 6 570 17 317 072 132 284 Bagua - Santiago 60 884 270 57 100 000 3 942 3 780 328 - Utcubamba 60 753 771 53 733 901 11 038 7 008 777 55 Chotano-Llaucano 145 812 153 137 280 000 7 000 7 452 117 1 073 036 Las Yangas-Suite 24 215 286 19 630 000 - 4 560 688 24 598 Cajamarca 209 300 265 189 116 606 437 730 18 484 304 1 261 625 Crisnejas 271 207 515 267 630 000 - 3 574 495 3 020 Huamachuco 20 925 630 8 670 000 85 453 7 687 311 4 482 866 Pomabamba 6 192 927 1 071 224 20 722 5 044 618 56 363 Huari 149 723 924 126 410 000 5 580 1 129 049 22 179 295 Alto Marañon 21 604 230 15 260 000 1 489 030 2 220 793 2 634 407 Iquitos 34 711 847 - 2 231 406 32 480 441 - Alto Amazonas 3 432 014 - 704 268 2 727 746 - Alto Mayo 313 530 364 299 156 309 588 101 13 785 954 - Tarapoto 128 446 614 107 750 646 905 748 19 790 220 - Huallaga Central 366 624 838 358 985 175 - 7 638 485 1 178 Tingo Maria 5 599 261 2 080 000 34 568 3 484 693 - Alto Huallaga 190 916 899 170 450 000 887 442 19 578 894 563 Pucallpa 19 354 799 6 190 000 90 502 13 074 297 - Atalaya 2 442 570 - 119 250 2 323 320 - Perené 43 790 255 18 860 444 714 484 20 992 032 3 223 295 Tarma 13 263 301 2 530 000 1 616 502 9 116 799 - Pasco 58 699 469 18 424 684 312 328 16 631 740 23 330 717 Mantaro 258 666 417 192 410 000 258 689 48 064 293 17 933 435 Huancavelica 101 366 492 77 030 612 389 613 14 785 768 9 160 499 Ayacucho 303 381 658 276 824 410 10 732 26 546 516 - Bajo Apurímac-Pampas 57 196 257 44 700 000 1 596 696 9 112 958 1 786 603 Medio Apurimac-Pachachaca 53 275 488 43 290 000 449 371 8 909 895 626 222 Alto Apurimac-Velille 97 095 974 68 960 000 1 398 678 4 675 300 22 061 996 La Convención 23 769 225 10 430 000 1 251 867 12 087 358 - Cusco 27 281 018 5 678 058 309 113 21 289 047 4 800 Sicuani 22 163 018 16 272 243 13 560 5 877 215 - Maldonado 8 950 044 76 522 70 175 7 311 469 1 491 878 Inambari 6 639 475 5 420 000 25 347 824 125 370 003 Titicaca 392 810 871 346 070 000 33 206 35 467 186 11 240 479 Ramis 110 407 906 95 740 000 1 740 5 230 306 9 435 860 Huancané 26 400 151 23 090 000 - 2 208 061 1 102 090 Juliaca 76 121 106 60 100 000 18 810 15 432 849 569 447 Ilave 179 881 708 167 140 000 12 656 12 595 970 133 082 Administración local del agua Uso consuntivo (m3) Fuente: Autoridad Nacional del Agua (ANA) 43 Anexo N°8 GASTO PÚBLICO EN PROYECTOS DE INVERSIÓN (%) Región 2007 2008 2009 2010 2011 Total general Piura 8,76% 5,16% 6,11% 18,10% 14,11% 10,84% La Libertad 6,03% 6,73% 9,64% 13,59% 12,84% 10,10% Ancash 8,30% 9,53% 8,88% 7,46% 10,81% 9,01% Cajamarca 15,25% 13,00% 7,64% 2,51% 2,12% 7,51% Cusco 8,42% 7,83% 7,70% 6,41% 7,03% 7,40% Arequipa 5,57% 7,59% 8,26% 5,72% 8,69% 7,21% Ayacucho 8,19% 4,08% 4,91% 5,57% 5,69% 5,62% Puno 3,68% 2,21% 5,45% 6,74% 2,95% 4,29% Huancavelica 5,80% 4,83% 4,34% 3,42% 3,48% 4,27% Tacna 3,40% 5,06% 6,58% 2,77% 2,31% 3,97% Moquegua 2,87% 3,30% 5,87% 3,70% 2,64% 3,69% Loreto 3,03% 8,32% 3,37% 1,50% 1,32% 3,35% Lambayeque 2,96% 3,51% 3,53% 2,76% 3,31% 3,21% Lima 2,78% 3,09% 3,21% 3,03% 3,08% 3,05% Apurimac 2,27% 2,30% 2,75% 4,26% 2,93% 2,97% San Martin 2,86% 3,83% 2,34% 2,75% 2,37% 2,80% Junin 1,85% 2,57% 2,06% 2,30% 3,03% 2,39% Ucayali 0,61% 1,45% 1,88% 1,56% 2,58% 1,67% Ica 0,75% 0,59% 0,75% 1,25% 3,03% 1,34% Huanuco 1,47% 0,98% 0,75% 1,00% 2,14% 1,28% Tumbes 2,61% 0,57% 1,38% 1,00% 0,52% 1,16% Pasco 0,81% 1,34% 1,18% 0,97% 1,05% 1,07% Amazonas 1,21% 1,49% 0,78% 0,96% 0,79% 1,03% Madre de Dios 0,52% 0,65% 0,64% 0,68% 1,20% 0,75% Fuente: SBS. Elaboración: Propia. 44 Anexo N° 9 MODELO 1-MODELO PANEL DE EFECTOS ALEATORIOS rho 0 (fraction of variance due to u_i) sigma_e 290.01171 sigma_u 0 _cons -267.4432 248.5291 -1.08 0.282 -754.5512 219.6649 superficie_cosechada .0043257 .0005211 8.30 0.000 .0033044 .0053471 educación_superior_femenina 14.79019 4.999561 2.96 0.003 4.991232 24.58915 acceso_a_agua 1.673402 2.364317 0.71 0.479 -2.960574 6.307378 acceso_a_electricidad -.1398583 3.56112 -0.04 0.969 -7.119525 6.839809 Gasto_Inversión_Proyectos 3.49573 1.307093 2.67 0.007 .9338754 6.057585 telef_rurales -.1286588 .1224868 -1.05 0.294 -.3687285 .1114108 Colocaciones_Agro .615008 .0286536 21.46 0.000 .5588481 .6711679 vbp_agropecuario Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Wald chi2(7) = 811.23 overall = 0.8787 max = 24 between = 0.4144 avg = 24.0 R-sq: within = 0.8817 Obs per group: min = 24 Group variable: año Number of groups = 5 Random-effects GLS regression Number of obs = 120 Anexo N° 10 MODELO 1-MODELO PANEL DE EFECTOS FIJOS rho .16887121 (fraction of variance due to u_i) sigma_e 290.01171 sigma_u 130.72516 _cons -135.8276 277.1638 -0.49 0.625 -685.2143 413.5591 superficie_cosechada .0039559 .0005593 7.07 0.000 .0028474 .0050645 educación_superior_femenina 31.12482 7.657895 4.06 0.000 15.94554 46.30409 acceso_a_agua .887591 2.464366 0.36 0.719 -3.997211 5.772393 acceso_a_electricidad -4.383365 4.253806 -1.03 0.305 -12.81515 4.048417 Gasto_Inversión_Proyectos 2.802436 1.335577 2.10 0.038 .1550906 5.449781 telef_rurales .0173677 .156043 0.11 0.912 -.2919366 .326672 Colocaciones_Agro .5981729 .0291842 20.50 0.000 .5403247 .6560211 vbp_agropecuario Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = -0.1442 Prob > F = 0.0000 F(7,108) = 120.52 overall = 0.8669 max = 24 between = 0.0991 avg = 24.0 R-sq: within = 0.8865 Obs per group: min = 24 Group variable: año Number of groups = 5 Fixed-effects (within) regression Number of obs = 120 45 Anexo N°11 MODELO 2-MODELO PANEL DE EFECTOS ALEATORIOS rho 0 (fraction of variance due to u_i) sigma_e 319.30502 sigma_u 0 _cons 69.61294 54.28173 1.28 0.200 -36.7773 176.0032 superficie_cosechada .0033648 .0003648 9.22 0.000 .0026497 .0040799 Gasto_Inversión_Proyectos 3.772219 1.1739 3.21 0.001 1.471418 6.07302 Colocaciones_Agro .6551793 .0275264 23.80 0.000 .6012286 .70913 vbp_agropecuario Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Wald chi2(3) = 699.40 overall = 0.8577 max = 24 between = 0.9713 avg = 24.0 R-sq: within = 0.8573 Obs per group: min = 24 Group variable: año Number of groups = 5 Random-effects GLS regression Number of obs = 120 Anexo N°12 MODELO 2-MODELO PANEL DE EFECTOS FIJOS F test that all u_i=0: F(4, 112) = 0.02 Prob > F = 0.9990 rho .00095188 (fraction of variance due to u_i) sigma_e 319.30502 sigma_u 9.856079 _cons 69.50062 55.33932 1.26 0.212 -40.14715 179.1484 superficie_cosechada .0033666 .0003713 9.07 0.000 .0026309 .0041023 Gasto_Inversión_Proyectos 3.765264 1.205328 3.12 0.002 1.377062 6.153466 Colocaciones_Agro .6553473 .0280385 23.37 0.000 .5997925 .710902 vbp_agropecuario Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = -0.0202 Prob > F = 0.0000 F(3,112) = 224.34 overall = 0.8577 max = 24 between = 0.9712 avg = 24.0 R-sq: within = 0.8573 Obs per group: min = 24 Group variable: año Number of groups = 5 Fixed-effects (within) regression Number of obs = 120 46 Anexo N°13 MODELO 3-MODELO PANEL DE EFECTOS ALEATORIOS _cons 3.756383 167.6479 0.02 0.982 -324.8274 332.3402 superficie_cosechada .0030489 .0006858 4.45 0.000 .0017047 .0043932 InversiónReg_mayor2 5.68237 1.849069 3.07 0.002 2.058261 9.306479 InversiónReg_menor 11.44161 5.697542 2.01 0.045 .2746317 22.60859 agrobanco -.0065067 .0043173 -1.51 0.132 -.0149685 .0019551 edpyme .0089234 .0075113 1.19 0.235 -.0057984 .0236453 crac .0180362 .0033835 5.33 0.000 .0114047 .0246677 cmac -.0054854 .0032942 -1.67 0.096 -.0119418 .000971 banca_multiple .0005964 .0000491 12.15 0.000 .0005002 .0006926 vbp_agropecuario Coef. Std. Err. z P>|z| [95% Conf. Interval] corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000 Wald chi2(8) = 410.77 overall = 0.8973 max = 12 between = 0.9249 avg = 11.2 R-sq: within = 0.8975 Obs per group: min = 10 Group variable: año Number of groups = 5 Random-effects GLS regression Number of obs = 56 Anexo N°14 MODELO 3-MODELO PANEL DE EFECTOS FIJOS _cons -53.40331 194.9149 -0.27 0.785 -446.4866 339.68 superficie_cosechada .003128 .0007191 4.35 0.000 .0016777 .0045782 InversiónReg_mayor2 5.758754 1.983234 2.90 0.006 1.759181 9.758327 InversiónReg_menor 12.29725 6.143852 2.00 0.052 -.0930033 24.68751 agrobanco -.0051493 .0051067 -1.01 0.319 -.0154478 .0051493 edpyme .0073237 .0080299 0.91 0.367 -.0088702 .0235176 crac .0186446 .0035827 5.20 0.000 .0114195 .0258698 cmac -.0045297 .003704 -1.22 0.228 -.0119995 .0029401 banca_multiple .0005862 .0000531 11.04 0.000 .0004792 .0006933 vbp_agropecuario Coef. Std. Err. t P>|t| [95% Conf. Interval] corr(u_i, Xb) = -0.1257 Prob > F = 0.0000 F(8,43) = 47.32 overall = 0.8965 max = 12 between = 0.9222 avg = 11.2 R-sq: within = 0.8980 Obs per group: min = 10 Group variable: año Number of groups = 5 Fixed-effects (within) regression Number of obs = 56 47 Anexo N°15 MODELO 1-TEST DE BREUSCH PAGAN Y HAUSMAN TEST DE BREUSCH PAGAN Prob > chibar2 = 1.0000 chibar2(01) = 0.00 Test: Var(u) = 0 u 0 0 e 84106.79 290.0117 vbp_agr~o 675072.7 821.6281 Var sd = sqrt(Var) Estimated results: vbp_agropecuario[año,t] = Xb + u[año] + e[año,t] Breusch and Pagan Lagrangian multiplier test for random effects TEST DE HAUSMAN (V_b-V_B is not positive definite) Prob>chi2 = 0.2426 = 7.94 chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic B = inconsistent under Ha, efficient under Ho; obtained from xtreg b = consistent under Ho and Ha; obtained from xtreg superficie~a .0039559 .0043257 -.0003698 .000203 educación_~a 31.12482 14.79019 16.33462 5.800667 acceso_a_a~a .887591 1.673402 -.785811 .6950589 acceso_a_e~d -4.383365 -.1398583 -4.243506 2.326648 Gasto_Inve~s 2.802436 3.49573 -.6932945 .2743611 telef_rura~s .0173677 -.1286588 .1460266 .0966768 Colocacion~o .5981729 .615008 -.0168351 .0055402 fijos . Difference S.E. (b) (B) (b-B) sqrt(diag(V_b-V_B)) Coefficients 48 Anexo N°16 MODELO 2-TEST DE BREUSCH PAGAN Y HAUSMAN TEST DE BREUSCH PAGAN Prob > chibar2 = 1.0000 chibar2(01) = 0.00 Test: Var(u) = 0 u 0 0 e 101955.7 319.305 vbp_agr~o 675072.7 821.6281 Var sd = sqrt(Var) Estimated results: vbp_agropecuario[año,t] = Xb + u[año] + e[año,t] Breusch and Pagan Lagrangian multiplier test for random effects TEST DE HAUSMAN Prob>chi2 = 1.0000 = 0.00 chi2(3) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic B = inconsistent under Ha, efficient under Ho; obtained from xtreg b = consistent under Ho and Ha; obtained from xtreg superficie~a .0033666 .0033648 1.84e-06 .000069 Gasto_Inve~s 3.765264 3.772219 -.0069547 .273449 Colocacion~o .6553473 .6551793 .000168 .0053346 fijos . Difference S.E. (b) (B) (b-B) sqrt(diag(V_b-V_B)) Coefficients 49 Anexo N°17 MODELO 3-TEST DE BREUSCH PAGAN Y HAUSMAN TEST DE BREUSCH PAGAN Prob > chibar2 = 1.0000 chibar2(01) = 0.00 Test: Var(u) = 0 u 0 0 e 115054.3 339.1966 vbp_agr~o 892134.8 944.5289 Var sd = sqrt(Var) Estimated results: vbp_agropecuario[año,t] = Xb + u[año] + e[año,t] Breusch and Pagan Lagrangian multiplier test for random effects TEST DE HAUSMAN Prob>chi2 = 0.9979 = 0.50 chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B) Test: Ho: difference in coefficients not systematic B = inconsistent under Ha, efficient under Ho; obtained from xtreg b = consistent under Ho and Ha; obtained from xtreg superficie~a .003128 .0030489 .000079 .0002162 InversiónR~2 5.758754 5.68237 .0763834 .7170506 InversiónR~r 12.29725 11.44161 .8556448 2.298896 agrobanco -.0051493 -.0065067 .0013574 .0027274 edpyme .0073237 .0089234 -.0015998 .0028391 crac .0186446 .0180362 .0006085 .001178 cmac -.0045297 -.0054854 .0009558 .0016935 banca_mult~e .0005862 .0005964 -.0000101 .0000202 fijos . Difference S.E. (b) (B) (b-B) sqrt(diag(V_b-V_B)) Coefficients