Content uploaded by Norman Aguilar-Gallegos
Author content
All content in this area was uploaded by Norman Aguilar-Gallegos on Jul 30, 2014
Content may be subject to copyright.
JEL: O13, O31, O39, N56 Recibido: 03-07-2013 p. 207 - 228
Norman Aguilar Gallegos *
Manrrubio Muñoz Rodríguez **
Vinicio Horacio Santoyo Cortés ***
Jorge Aguilar Ávila ****
MÉJICO
Resumen
La baja adopción de innovaciones en las unidades de producción agrícola
es una de las causas de los inecientes niveles de producción y por tanto
es importante analizar los factores que inuyen en la adopción. Este
trabajo especica un modelo para explicar el nivel de innovación de
productores de cacao (Theobroma cacao L.), hule (Hevea brasiliensis Muell.
Arg.) y palma de aceite (Elaeis guineensis Jacq.) en México, en función de
variables cuantitativas y cualitativas de 1474 productores y sus ncas. Los
resultados muestran que la edad tiene un efecto negativo sobre la adopción
de innovaciones; la escolaridad, la experiencia y la importancia económica
* Maestro en Ciencias en Horticultura, Estudiante de Doctorado en Problemas
Económico – Agroindustriales. Miembro del grupo de investigación Ciencia,
Sociedad, Tecnología e Innovación en el Sector Rural - Centro de Investigaciones
Económicas, Sociales y Tecnológicas de la Agroindustria y la Agricultura Mundial
(CIESTAAM) de la Universidad Autónoma Chapingo (Méjico).
Contacto: aguilar.norman@gmail.com
** Doctor en Problemas Económico–Agroindustriales, Profesor investigador del
CIESTAAM de la Universidad Autónoma de Chapingo (Méjico), miembro del grupo
de investigación Evaluación y Diseño de Políticas para el Desarrollo Rural.
Contacto: manrrubio2000@yahoo.com.mx
*** Doctor en Geografía Agrícola. Universidad de Aix-Marsella II. Profesor investigador y Director del CIESTAAM
de la Universidad Autónoma de Chapingo (Méjico), miembro del grupo de investigación Análisis de sistemas
agroindustriales, redes de valor y modelos de negocio. Contacto: hsantoyo@gmail.com
**** Doctor en Problemas Económico – Agroindustriales, Profesor investigador del CIESTAAM de la Universidad
Autónoma de Chapingo (Méjico), miembro del grupo de investigación Ciencia, Sociedad, Tecnología e Innovación
en el Sector Rural. Contacto: jorgechapingo@yahoo.com.mx
Proyecto de Investigación DGIP-Vinculación-650
210
de la actividad inuyen positivamente; la supercie en producción explica
mayores niveles de innovación y el género no tiene efecto. De esta manera,
variables del perl del productor y de sus ncas deberían ser consideradas
para plantear estrategias de intervención encaminadas a incrementar los
niveles de innovación.
Innovación, adopción, difusión, conocimiento, México.
The low adoption of innovations in the agricultural production units is
one of the causes in the inecient levels of production and therefore it is
important to analyze the factors that inuence in the adoption. This paper
presents a model to explain the innovation adoption of cocoa (Theobroma
cacao L.), rubber (Hevea brasiliensis Muell. Arg.) and oil palm (Elaeis guineensis
Jacq.) producers in Mexico, in terms of quantitative and qualitative variables
of 1,474 farmers and their farms. The age holds a negative eect on the
adoption of innovations; school level, experience, and economic importance
of the activity inuence positively; the production area explains higher
levels of innovation, and gender does not show any eect. Thus, the prole
producers and their farms variables should be considered for intervention
strategies aimed at increasing levels of innovation.
Innovation, adoption, diusion, knowledge, Mexico.
L
os procesos de innovación están acompañados de cambios en las
funciones de producción que impactan en un mayor crecimiento
económico (Schumpeter, 1935: 22; Solow, 1957: 312; Jasso, 2005:
102). En la década de los años 60, Pavitt (1969: 8 y 1979: 458) demostró con
sus estudios que el motor de los cambios tecnológicos está basado en los
procesos de innovación, pues las actividades de investigación, desarrollo y
diseño resultan en productos y sistemas de innovación de mayor importancia,
destacando que aquellos países e industrias con una mayor capacidad de
inversión en innovación logran mayores niveles de empleo y desarrollo
en comparación con aquellas de reducida inversión en ello. Por tanto, la
innovación es un fuerte impulsor del crecimiento económico y productivo
(Tang, 2006: 68).
En la innovación, la generación de valor es la meta y si ésta no se logra, podrá
hablarse de que se han realizado actividades innovadoras, pero no innovación.
211
Teuken Bidikay Nº 04 (Argentina, Colombia, Méjico) 2013: 207 - 228
El cambio es la vía para generar valor añadido y el conocimiento es la base
para concebir y llevar a buen término el cambio. Entonces, la innovación es
todo cambio basado en conocimientos que genera valor (COTEC, 2007: 17).
Los cambios propiciados por la innovación están basados en conocimiento y
éste puede ser de diversa naturaleza. Las innovaciones que suelen producir
mayor valor son las derivadas de la aplicación de conocimiento tecnológico,
el cual a menudo se combina con otras clases de conocimiento, como el
gerencial, mercantil o sociológico. Puede haber innovaciones basadas
fundamentalmente en alguno de estos últimos tipos de conocimiento, pero
en casi todas las innovaciones aparece de alguna u otra forma la tecnología,
en especial a la hora de su implementación (COTEC, 2007: 18). Como lo
arma González (1989: 117), el cambio tecnológico es un determinante
fundamental del crecimiento económico y su contribución en los aumentos
de productividad es un elemento primordial.
Por tanto, el conocimiento que sustenta el cambio da origen a diferentes tipos
de innovación, así podemos tener, como ya se ha mencionado, innovaciones
tecnológicas pero también innovaciones comerciales y organizativas
(COTEC, 2007: 19). Sin embargo, una de las principales clasicaciones de la
innovación tiene que ver con su grado de novedad, de esta manera tenemos
las innovaciones incrementales que son las mejoras sucesivas a los productos
o procesos existentes; y en contraste, tenemos las innovaciones radicales que
se reeren a la introducción de un producto o proceso realmente nuevo. Las
innovaciones incrementales son de relevante importancia porque a través
de ellas es que se tienen mejoras en la eciencia técnica y la productividad.
La innovación, en sus diferentes formas o tipos, afecta a todos los sectores
de la actividad económica. Adaptado a las unidades de producción del
sector agropecuario, la innovación, tiene efecto en el incremento de los
rendimientos, la reducción de costos y por consiguiente la mejora de la
rentabilidad. Además, el conocimiento, como base del cambio que sustenta
la innovación, es también acumulativo y local (Dosi, 1988: 1121; Perez, 2004:
219-220; Cimolini y Dosi, 1995: 246).
Por otra parte, en los individuos, la resistencia al cambio para tener un mayor
nivel tecnológico dependerá de los benecios que conlleve el cambio en
comparación con los costos que éste le implique (Guardiola et al., 2002: 1); es
decir, el individuo estará motivado a innovar mientras los benecios superen
sus costos de oportunidad.
212
Bajo este contexto, se tiene evidencia de que los bajos niveles de
producción, la baja competitividad e incluso la ineciencia de las unidades
de producción agropecuarias, se explican en gran parte por el ineciente uso
del conocimiento, la escasa interacción entre los actores locales y por la baja
adopción de innovaciones (Jasso, 2005; Bozoğlu y Ceyhan, 2007; Hartwich et
al., 2007; García et al., 2011; Martínez-González et al., 2011).
En este trabajo se plantea un modelo econométrico para explicar el nivel
de adopción de innovaciones en unidades de producción con cultivos de
plantación de cacao (Theobroma cacao L.), hule (Hevea brasiliensis Muell. Arg.)
y palma de aceite (Elaeis guineensis Jacq.) en México, en función de variables
cuantitativas y cualitativas de los productores y sus unidades de producción,
para proponer acciones que incrementen los niveles de innovación.
La hipótesis central es que la adopción de innovaciones depende
signicativamente de atributos del productor como son género, edad,
escolaridad, años dedicados a la actividad (experiencia); además de la
supercie de la plantación en producción y la valoración subjetiva de la
importancia económica que tiene la actividad para el productor.
Acorde a lo señalado por Aguilar et al. (2011: 85), desde el año 2006 se
implementó en México el modelo de extensionismo denominado Agencias
de Gestión de la Innovación (AGI), las cuales se integran por tres a siete
profesionales encargados de detonar procesos de innovación en territorios
rurales. Como parte del plan de trabajo de las AGI que trabajaron en el año
2009 en cultivos de cacao, hule y palma de aceite, se aplicó una encuesta
a productores en los estados de Campeche, Chiapas, Oaxaca, Tabasco y
Veracruz.
Para seleccionar a los productores a encuestar se efectuó un muestreo
estadístico tomando como base, primero, los Estados de la República
Mexicana con mayor importancia económica y productiva de cada cultivo,
tal es el caso de Chiapas y Tabasco para cacao; de Chiapas, Oaxaca y Tabasco
para hule; de Campeche, Chiapas, Tabasco y Veracruz para palma de aceite.
Después se consideraron las regiones de mayor importancia en cada Estado;
por ejemplo, La Chontalpa en Tabasco para cacao, El Papaloapan en Oaxaca
para Hule y, el Soconusco en Chiapas para palma de aceite. Por último, se
tomó el padrón de productores reportado por instituciones municipales o
estatales sobre el total de productores en cada región; de esta manera, el
213
Teuken Bidikay Nº 04 (Argentina, Colombia, Méjico) 2013: 207 - 228
tamaño de la muestra se determinó con un diseño de máxima varianza para
estimar proporciones, con una precisión del 5% y conabilidad del 95%. Se
conformó una base de datos con 1,474 registros; la información corresponde
a nueve AGI, de las cuales dos fueron de cacao, tres de hule y cuatro de palma
de aceite.
Para determinar el comportamiento del nivel de adopción de innovaciones,
se propuso un modelo de regresión múltiple, utilizando como variable
dependiente el llamado índice de adopción de innovaciones (INAI) de
los productores en los tres cultivos de plantación, y como variables
independientes se utilizaron atributos especícos del productor y de sus
unidades de producción, quedando especicado con la siguiente ecuación:
Y
i
X
i
X
i
X
i
X
i
i
Donde:
Y
i
= INAI del productor en porcentaje.
X
1i
= Edad del productor en años.
X
2i
= Escolaridad del productor en años.
X
3i
= Años en la actividad (experiencia del productor).
X
4i
= Supercie de la plantación en producción en hectáreas (ha).
Índice de adopción de innovaciones (INAI)
Representa la variable dependiente y se reere al nivel de adopción de
innovaciones por parte del productor, es decir, a la capacidad innovadora. Se
calculó adaptando la metodología descrita por Muñoz et al. (2007: 39). El INAI
es obtenido como promedio de la adopción de las innovaciones contenidas
en cada una de ocho diferentes categorías de innovación, las cuales son: a.
Nutrición, b. Sanidad, c. Manejo sostenible de recursos, d. Establecimiento
y manejo de la plantación, e. Administración, f. Organización, g. Cosecha y,
h. Reproducción y mejoramiento genético; la métrica de la innovación se
efectúa categorizando las innovaciones porque se considera, al igual que
Klerkx et al. (2010: 390), que la innovación agrícola no solo se reere a nuevas
214
tecnologías, sino también a la forma de vender y comprar, a la organización
de productores, al cambio institucional, acceso a mercados, cuidado del
ambiente, entre otras, en donde toma mucha relevancia la adopción de
innovaciones incrementales (Perez, 2004: 219) referidas como mejoras
sucesivas a la forma en que se realizan ciertas actividades o procesos en las
unidades de producción. Así, las innovaciones que se presentan en el Cuadro
1 se conceptualizan más como innovaciones incrementales que como
radicales. Para calcular el nivel de innovación en cada una de las categorías, se
contabiliza el número de innovaciones adoptadas por el productor, se divide
entre el número total de innovaciones y se multiplica por cien para expresarlo
en porcentaje. Para contabilizar el número de innovaciones que adoptan los
productores se diseñaron catálogos de innovaciones, mismos que fueron
validados con expertos, sin embargo los catálogos son diferentes en cada
actividad productiva y, en cada región se pueden hacer modicaciones
o precisiones. En el Cuadro 1 se incluyen los catálogos de innovación para
cacao, hule y palma de aceite utilizados en los estados de Chiapas, Oaxaca
y Tabasco, respectivamente. se incluyen los catálogos de innovación para
cacao, hule y palma de aceite utilizados en los estados de Chiapas, Oaxaca y
Tabasco, respectivamente.
Cuadro 1. Catálogo de innovaciones ejemplo que fueron evaluadas por unidad de
producción, según cadena y estado, para el cálculo del INAI.
Cadena – Estado / Catálogo de innovaciones
1
a01. Aplicación de caldos minerales; b02. Poda de saneamiento; b03. Identicación
de la monilia en sus diferentes etapas; b04. Corte o remoción de frutos enfermos; b05.
Desinfección de herramientas; b06. Uso de selladores; c07. Uso de compostas; c08. Uso
de bocashi; d09. Poda de formación; d10. Poda de mantenimiento; d11. Regulación de
sombra; d12. Uso de herramientas de poda; d13. Realización de drenes; d14. Barreras
vivas y muertas; d15. Pruebas de compatibilidad del polen; d16. Mejoramiento o
incremento de la polinización; d17. Renovación de plantaciones; d18. Asociación con
maderables y/o frutales; e19. Registro de actividades en todo el año; e20. Registro de
ingresos y egresos de la parcela; f21. Acompañamiento a la organización; g.22. Realiza
un control de calidad en el producto que cosecha; h23. Identicación de árboles
tolerantes a monilia; h24. Identicación de árboles productivos; h25. Establecimiento
de viveros; h26. Injertación de árboles.
215
Teuken Bidikay Nº 04 (Argentina, Colombia, Méjico) 2013: 207 - 228
Cadena – Estado / Catálogo de innovaciones
1
a01. Fertilización de fondo; a02. Análisis de suelos; a03. Aplicación de fertilizante; b04.
Realiza podas; b05. Control de plagas; b06. Control de enfermedades del follaje; b07.
Cura las heridas; c08. Coberteras; c09. Trazo anti erosión; c10. Ruedo y arrope; c11.
Difusión de servicios ambientales; c12. Manejo adecuado de envases; c13. Elaboración
de abonos orgánicos; d14. Holladuras de 40 x 40 x 50; d15. Control de malezas; d16.
Cultivos intercalados; e17. Picadores Capacitados; e18. Registros para calicar la calidad;
e19. Recibe pago bajo normas de calidad; e20. Uso de bitácora; f21. Realiza contratos
de comercialización; f22. Pertenencia a organización; g23. Horario de pica de 5-9 horas;
g24. Frecuencia de pica cada 2 días; g25. Frecuencia de pica con estimulante cada 3
días; g26. Ángulo de inclinación de 30-35°; g27. Control de derrames; g28. Consumo
vertical de corteza; g29. Profundidad del corte; g30. Utilización de pica ascendente; g31.
Uso de estimulantes; g32. Colocación de protectores; g33. Utilización de coagulantes
orgánicos; g34. Construcción de piletas; g35. Centros de acopio; g36. Conservación de
hule; g37. Produce látex; g38. Equipamiento para beneciado; h39. Establecimiento
de jardines clonales; h40. Establecimiento de viveros; h41. Establecimiento y planta
desarrollada en bolsa; a42. Uso de análisis de suelo y foliar.
Palma de aceite en Tabasco
a01. Distribución del fertilizante en dos o más veces al año; b02. Renovación de palmas
viejas o dañadas; b03. Desinfección de herramientas de trabajo; b04. Programa de
manejo integrado de plagas; b05. Monitoreo de plagas y enfermedades; b06. Poda de
hojas viejas; c07. Realiza y aplica compostas o abono orgánico; c08. Composta residuos
de cosecha, poda y subproductos; c09. Utilización de coberteras; c10. Prácticas de
control de contaminación ambiental; c11. Uso de control biológico (extractos y
organismos); d12. Selección de terreno por análisis de suelo; d13. Control de malezas;
d14. Tiene equipo necesario para el trabajo cotidiano (cuchillo malayo, pica, chuza);
d15. Cultivos intercalados; d16. Selección de terreno por pendiente; d17. Cuenta con
sistema de riego; d18. Cuenta con drenajes parcelarios; d19. Selección de terreno
por profundidad; d20. Selección de terreno por disponibilidad de agua; e21. Recibe
asistencia técnica especializada; e22. Trabaja conforme a un plan de manejo; e23.
Registro de precios; e24. Esquemas de venta; e25. Calendario de entregas; f26. Participa
en guras asociativas; f27. Realiza compras en común (abasto de insumos); f28. Recibe
asesoría técnica por la organización; f29. Asiste a intercambio de experiencias; f30.
Cuenta con contratos de venta; g31. Cosecha por color, madurez y tamaño; g32. Equipo
de cosecha (carretilla, tractores, caballos); g33. Reducción del tiempo de cosecha/
entrega; g34. Establece calidad del producto; h35. Selección del material vegetativo.
1
Catálogos de innovaciones por categorías: a. Nutrición; b. Sanidad; c. Manejo sostenible de recursos; d.
Establecimiento y manejo de la plantación; e. Administración; f. Organización; g. Cosecha;
h. Reproducción y mejoramiento genético.
216
Variables explicativas en el modelo
Con la determinación del modelo empírico, se espera que la edad del productor
tenga un efecto negativo sobre el INAI; es decir, conforme los productores se
hacen más longevos tienden a innovar menos en sus unidades de producción.
Para el caso de la escolaridad, se prevé que los productores con mayor número
de años de estudio sean quienes tengan una mayor propensión a innovar y
el signo pronosticado sería positivo. En cuanto a los años que el productor ha
realizando la actividad productiva, se espera que el INAI se incremente a medida
que los productores van adquiriendo mayor experiencia. Con las variables edad,
escolaridad y experiencia se prevé cierto nivel de correlación y por tanto de
multicolinealidad, pues con los productores de mayor edad se incrementa la
probabilidad de observar bajos niveles educativos y por su edad más avanzada
éstos podrían contar con mayor experiencia en la actividad. En cuanto a la
supercie de la plantación en producción (hectáreas) se espera un signo positivo,
pues las unidades de producción con mayor supercie corren mayores niveles de
riesgo si producen con un bajo nivel de eciencia, por lo cual el productor tiende
a adoptar un mayor nivel de innovaciones. Estas variables explicativas incluidas
en el modelo son de fácil recopilación y medición en los productores y por esto
se seleccionaron, además son variables que fácilmente podrían utilizarse como
parte de criterios de selección de productores, por ejemplo para priorizar apoyos,
asistencia técnica, difusión de innovaciones, entre otras.
Se incluyeron dos variables indicadoras. La primera es la importancia
económica de la actividad, medida con la proporción de ingresos provenientes
de ésta; las respuestas son: “Baja” para una importancia que represente del
0 al 33% de sus ingresos; “Media”, cuando van del 34 al 66% y, “Alta” para
ingresos que van del 67 al 100%. De acuerdo al fundamento expuesto por
Montgomery et al. (2002: 238), para introducir esta variable cualitativa al
modelo se declararon dos variables indicadoras (D
1i
y D
2i
), las cuales en sus
combinaciones representan las tres posibles respuestas:
D
1i
= 0; D
2i
= 0; entonces BAJA (0 – 33%).
D
1i
= 1; D
2i
= 0; entonces MEDIA (34 – 66%).
D
1i
= 0; D
2i
= 1; entonces ALTA (67 – 100%).
La especicación del modelo se expresa en la siguiente ecuación:
Y
i
= a
0
+ a
1
D
1i
+ a
2
D
2i
+ b
1
X
1i
+ b
2
X
2i
+ b
3
X
3i
+
4
X
4i
+ u
i
217
Teuken Bidikay Nº 04 (Argentina, Colombia, Méjico) 2013: 207 - 228
La segunda variable cualitativa fue el género del productor, incluida a través
de la denición de una sola variable indicadora (D
1i
), siendo expresada de la
siguiente manera:
D
1i
= 0; entonces HOMBRE.
D
1i
= 1; entonces MUJER.
Para este caso, el modelo con la inclusión de la variable indicadora, se denió
según la siguiente ecuación:
Y
i
D
i
D
i
X
i
X
i
X
i
X
i
i
Para estimar el modelo con las variables cuantitativas y cualitativas, se utilizó
el procedimiento de mínimos cuadrados ordinarios (MCO) incluido dentro del
paquete estadístico SAS©. Se calcularon en diferentes rutinas los tres modelos
para cada cultivo de plantación; es decir, el primer modelo sólo con las variables
cuantitativas, el segundo con la adición de la variable indicadora de importancia
económica y, el tercero con las variables cuantitativas y la variable indicadora
de género. Los procedimientos usados para el análisis de datos y la estimación
de los modelos fueron Proc MEANS, Proc CORR y Proc GLM (SAS, 2004).
Estadísticas básicas de las variables del modelo general
De las 1,474 encuestas aplicadas a los productores en los tres cultivos de
plantación 19% fueron de cacao, 32% de hule y 49% de palma de aceite. En el
Cuadro 2 se muestran las estadísticas descriptivas de las variables incluidas
en los modelos; como se puede observar, la mayoría de ellas tienen una
dispersión reducida. La variable supercie en producción fue la excepción,
con coecientes de variación (CV) cercanos al 140%.
En cuanto a la variable dependiente, el índice de adopción de innovaciones
(INAI) en porcentaje tiene un promedio relativamente bajo, no supera el 25%,
siendo en palma de aceite donde se observa el promedio más alto. En los tres
cultivos existen productores con cero por ciento de adopción de innovaciones
y hay algunos que alcanzan hasta el 70%; es decir, dentro de cada cultivo hay
productores que innovan más y otros que lo hacen a niveles reducidos.
La edad resultó ser la variable explicativa con menor variabilidad, tanto de
manera general como en particular por cada uno de los cultivos analizados. Sin
embargo, existen productores de edad muy avanzada, alcanzando los 99 años.
218
La variable escolaridad resultó con una variabilidad alta, pues el rango va
desde cero años hasta el nivel licenciatura (17 años). Sin embargo, para el
caso del cacao, la máxima escolaridad fue de 13 años, lo cual correspondería
al primer año de una carrera profesional o técnica. Los años de experiencia
del productor resultaron ser una de las variables con mayor heterogeneidad
entre los cultivos analizados, los productores con menos experiencia están
en palma de aceite y los de mayor en cacao, alcanzando incluso los 70 años.
La supercie en producción fue la variable con mayor amplitud, reejándose
en un coeciente de variación mayor; se tienen valores desde cero hectáreas
en producción hasta un máximo de 100. Las unidades de producción más
pequeñas están en cacao y las más grandes en palma de aceite.
Cuadro 2. Estadísticas descriptivas de las variables utilizadas
en el modelo para cada una de las plantaciones analizadas.
Plantación Variables Media D.E. Min1 Max C.V.
Cacao
n=280
INAI 19.31 11.68 0 67 60.5
Edad 57.51 13.86 25 91 24.1
Escolaridad 3.54 3.23 0 13 91.2
Experiencia 25.85 14.36 1 70 55.6
Supercie 3.08 2.68 1 27 87.3
Hule
n=472
INAI 17.69 10.98 0 71 62.1
Edad 53.54 13.06 25 88 24.4
Escolaridad 3.64 3.18 0 17 87.4
Experiencia 13.11 10.24 1 49 78.1
Supercie 4.23 5.88 0 100 139.0
Palma de
aceite
n = 722
INAI 24.55 13.03 0 65 53.1
Edad 52.70 13.24 21 99 25.1
Escolaridad 3.94 3.52 0 17 89.2
Experiencia 7.18 4.23 1 16 58.9
Supercie 6.91 7.99 0 100 115.6
Total
n=1,474
INAI 21.35 12.56 0 71 58.8
Edad 53.88 13.42 21 99 24.9
Escolaridad 3.77 3.36 0 17 89.2
Experiencia 12.63 11.37 1 70 90.0
Supercie 5.33 6.80 0 100 127.8
1
Min: Valor mínimo; Max: Valor máximo; D.E.: Desviación estándar;
C.V.: Coeciente de variación (%).
Debido a que el INAI está conformado por el promedio de la adopción
de innovación en cada una de las ocho categorías, es importante analizar
219
Teuken Bidikay Nº 04 (Argentina, Colombia, Méjico) 2013: 207 - 228
los niveles en cada una. En este sentido, se encontraron diferencias
estadísticamente signicativas (p<0.05) para armar que los productores
de palma de aceite son más innovadores que los productores de cacao y
hule, además existen diferencias entre la adopción de cada categoría (Figura
1). Los resultados muestran que los productores de cacao son los más
innovadores en la sanidad de su plantación y en mejorarla genéticamente
pero no han innovado mucho en el manejo sostenible de los recursos, en
manejar adecuadamente su plantación, en administrarla de manera correcta
y durante la cosecha simplemente recolectan el fruto. Por su parte, los
productores de hule tienen niveles de innovación más altos, manejando su
plantación y administrándola pero tienen los niveles más bajos en nutrición
y sanidad, además de ser los menos organizados. Por último, los productores
de palma de aceite han adoptado en mayor medida innovaciones referentes
a la nutrición de sus plantaciones, al manejo sostenible de los recursos, están
mejor organizados y cosechan su producción de mejor forma, pero son los
menos innovadores en sanidad, establecimiento y manejo de su plantación y
en la genética de sus cultivos (Figura 1).
Figura 1. Comparación de medias de los índices de adopción de innovaciones (%)
en cada categoría entre cultivos.
Categorías de Innovación: Cat A: Nutrición; Cat B: Sanidad; Cat C: Manejo
sostenible de recursos; Cat D: Establecimiento y manejo de la plantación; Cat
E: Administración; Cat F: Organización; Cat G: Cosecha; Cat H: Reproducción y
genética; Gral: INAI general.
a b c Medias con diferentes literales por barra, indican diferencias
estadísticamente signicativas (p<0.05) entre cultivos por cada categoría,
según prueba de Scheé.
220
Análisis de varianza (ANOVA) de las variables utilizadas en el modelo
Los resultados del análisis de varianza se obtuvieron tomando como variables
de clase el cultivo, la importancia económica percibida por el productor y el
género, presentándose de forma separada.
ANOVA con respecto a la plantación
En el Cuadro 3 se exhiben diferencias estadísticamente signicativas (p<0.05)
en el INAI, en donde los mayores niveles de innovación se tienen en palma
de aceite; la edad de los productores resultó ser estadísticamente mayor en
cacao, y en escolaridad no se encontraron diferencias (p>0.05). Además, los
productores de cacao son los de mayor experiencia en su plantación, los de
palma de aceite los de menor y los de hule están en un punto intermedio.
En cuanto a la supercie en producción, los productores de cacao tienen los
predios más pequeños, los de palma de aceite los más grandes y los de hule
se encuentran en un punto intermedio.
Cuadro 3. Análisis de varianza de las variables incluidas
en el modelo con respecto al cultivo de plantación.
Plantación n INAI (%) Edad Escolaridad Experiencia Superficie
Cacao 280
19.31 a 57.51 b 3.54 a 25.85 c 3.08 a
±0.70 ±0.83 ±0.19 ±0.86 ±0.16
Hule 472
17.69 a 53.54 a 3.64 a 13.11 b 4.23 b
±0.51 ±0.60 ±0.15 ±0.47 ±0.27
P. aceite 722
24.55 b 52.70 a 3.94 a 7.18 a 6.91 c
±0.49 ±0.49 ±0.13 ±0.16 ±0.30
a b c Medias con diferentes literales por columna, indican diferencias
estadísticamente signicativas (p<0.05) según prueba de Scheé.
± Los valores seguidos después del símbolo corresponden al error estándar.
ANOVA con respecto a la importancia económica
Una alta proporción de productores (53.3%) indican que la importancia
económica de la actividad es baja (0 a 33% de sus ingresos) y está relacionada
con niveles de INAI bajos, diferentes estadísticamente (p<0.05) a los
productores que expresan un impacto medio (34 a 66%) y alto (67 a 100%)
221
Teuken Bidikay Nº 04 (Argentina, Colombia, Méjico) 2013: 207 - 228
en donde sus INAI son más altos. Una variable que también resultó diferente
fue la de la experiencia del productor en la plantación, pues a medida que
aumenta, los impactos económicos son más altos. Esto nos reere entonces
a una especie de profesionalización en determinada actividad productiva,
al dedicarle más años a practicarla y así aumentar los niveles de innovación
(Cuadro 4). También se encontró que los productores con baja importancia
económica son de menor edad, para este caso la escolaridad no volvió a
tener signicancia al igual que la supercie (p>0.05).
Cuadro 4. Análisis de varianza de las variables incluidas en el modelo con respecto
a la percepción del productor sobre la importancia económica de la actividad.
Importancia
económica
n INAI (%) Edad Escolaridad Experiencia Superficie
Baja 786
19.33 a 51.70 a 3.88 a 10.03 a 5.36 a
±0.41 ±0.49 ±0.12 ±0.41 ±0.24
Media 485
23.19 b 55.74 b 3.77 a 14.98 b 5.37 a
±0.60 ±0.58 ±0.15 ±0.48 ±0.34
Alta 203
25.15 b 57.93 b 3.35 a 17.04 c 5.06 a
±0.97 ±0.88 ±0.24 ±0.69 ±0.34
a b c Medias con diferentes literales por columna, indican diferencias
estadísticamente signicativas (p<0.05) según prueba de Scheé.
± Los valores seguidos después del símbolo corresponden al error estándar.
ANOVA con respecto al género
De los 1,474 registros analizados, la mayor proporción son hombres (83.3%). Se
encontraron diferencias estadísticamente signicativas (p<0.05) solamente
en las variables edad y supercie de la plantación en producción; los hombres
resultaron tener una mayor edad y poseer las supercies mayores. Lo más
relevante es que el INAI no tuvo diferencias entre el género, además tanto
hombres como mujeres tienen los mismos niveles de escolaridad e igual
número de años dedicándose a la actividad productiva (Cuadro 5 ).
222
Cuadro 5. Análisis de varianza de las variables incluidas en el modelo
con respecto al género del productor.
Género
n INAI (%) Edad Escolaridad Experiencia Superficie
Hombre 1,228
21.52 a 54.43 b 3.82 a 12.83 a 5.58 b
±0.35 ±0.38 ±0.10 ±0.33 ±0.19
Mujer 246
20.79 a 51.15 a 3.50 a 11.61 a 4.06 a
±0.89 ±0.22 ±0.64 ±0.46
a b Medias con diferentes literales por columna, indican diferencias
estadísticamente signicativas (p<0.05) según prueba de Scheé.
± Los valores seguidos después del símbolo corresponden al error estándar.
El modelo que explica la adopción de innovaciones en función de cuatro
variables características de los productores de cacao, hule y palma de aceite
En el Cuadro 6 se presentan los resultados referidos a los modelos de regresión
múltiple aplicados para cada uno de los cultivos de plantación analizados. Al
hacer una evaluación general de los nueve modelos estimados, se destaca
que todos ellos resultaron con signicancias aceptables; para el caso de
cacao los tres modelos son signicativos al 5%, mientras que en hule y palma
de aceite lo fueron al 1%.
Aunque los modelos resultaron tener una signicancia estadísticamente
aceptable, la R
2
fue baja, sobretodo para los tres modelos de cacao. Los
valores de R
2
más altos se encontraron en los modelos estimados en palma
de aceite, pero éstos solo llegaron a poco más de 0.19. Sin embargo, los
modelos no fueron evaluados para predecir el comportamiento del INAI sino
para encontrar las variables que inuyen sobre la adopción de innovaciones
por parte del productor. En los modelos de hule se obtuvieron resultados
muy similares al caso de cacao aunque ligeramente mayores.
En cuanto a las variables con mayor inuencia en la adopción de innovaciones
se obtuvieron los siguientes resultados:
a. La edad en la mayoría de los modelos resultó signicativa al 5%, y para
el caso de cacao y palma de aceite la variable tuvo el comportamiento
esperado, pues resultó con signo negativo, no así para el caso de hule en
donde fue positivo (Cuadro 6). Para el caso en donde se obtuvo el signo
223
Teuken Bidikay Nº 04 (Argentina, Colombia, Méjico) 2013: 207 - 228
Cuadro 6. Resultados de los modelos de regresión múltiple que explican al INAI (%) para los tres cultivos de plantación, incluyendo las variables indicadoras:
importancia de la actividad y género del productor.
Plantación Modelo Intercepto Edad Escolaridad Experiencia Superficie D1 D2 R2 Pr > F
Cacao
1
26.6535
(3.9620)
***
-0.1430
(0.0700)
**
-0.2797
(0.2477)
NS
-0.0117
(0.0620)
NS
0.7059
(0.2639)
***
NA
NA
0.0410
0.0210
2
25.2550
(4.0430)
***
-0.1315
(0.0709)
*
-0.2942
(0.2467)
NS
-0.0260
(0.0625)
NS
0.6909
(0.2628)
***
2.8765
(1.5240)
*
3.3612
(2.5627)
NS
0.0565
0.0137
3
27.3376
(3.9732)
***
-0.1364
(0.0699)
**
-0.2752
(0.2470)
NS
-0.0285
(0.0627)
NS
0.6557
(0.2650)
**
-3.1253
(1.9375)
NS
NA
0.0500
0.0148
Hule
1
7.9114
(2.7036)
***
0.1021
(0.0461)
**
0.3893
(0.1778)
**
0.0847
(0.0528)
NS
0.4205
(0.0843)
***
NA
NA
0.0837
0.0001
2
6.7488
(2.6776)
**
0.1063
(0.0454)
**
0.4345
(0.1754)
**
-0.0281
(0.0587)
NS
0.3804
(0.0842)
***
3.2577
(1.1831)
***
5.9441
(1.4594)
***
0.1165
0.0001
3
8.2939
(2.7594)
***
0.0990
(0.0463)
**
0.3704
(0.1799)
**
0.0852
(0.0528)
NS
0.4202
(0.0843)
***
-0.9354
(1.3324)
NS
NA
0.0846
0.0001
Palma de
aceite
1
19.3414
(2.1610)
***
-0.1137
(0.0373)
***
-0.0788
(0.1344)
NS
1.4574
(0.1167)
***
0.1502
(0.0581)
***
NA
NA
0.1847
0.0001
2
19.6635
(2.1705)
***
-0.1171
(0.0373)
***
-0.0835
(0.1341)
NS
1.3997
(0.1346)
***
0.1416
(0.0583)
**
-0.2145
(1.1355)
NS
3.6984
(1.5573)
**
0.1928
0.0001
3
19.7522
(2.2300)
***
-0.1187
(0.0379)
***
-0.0867
(0.1349)
NS
1.4662
(0.1173)
***
0.1467
(0.0583)
**
-0.8912
(1.1887)
NS
NA
0.1854
0.0001
NA: No aplica; NS: No signicativo; * Signicancia al 10% (p<0.1); ** Signicancia al 5% (p<0.05); *** Signicancia al 1% (p<0.01).
Los valores indicados entre paréntesis corresponden al error estándar.
224
esperado (negativo), los resultados indican que conforme se incrementa
la edad, el INAI disminuye; es decir, los productores de edades mayores
tienen una menor propensión a innovar. Bozoğlu y Ceyhan (2007: 653)
encontraron que la edad del productor inuía de manera positiva sobre la
ineciencia de las unidades de producción y los productores jóvenes son
más receptivos a la innovación.
b. Para el caso de la escolaridad, ésta resultó no signicativa en cacao
y palma de aceite, no así para hule en donde fue signicativa al 5%
(Cuadro 6) y se obtuvo el signo esperado, positivo. Aunque en el Cuadro
3. no se proporciona evidencia de diferencias signicativas (p>0.05)
entre la escolaridad de los productores a nivel de cultivo, al combinarse
las variables independientes para explicar el comportamiento de la
dependiente, en el caso de hule el aumento en los niveles de escolaridad
llega a incrementar casi hasta medio punto porcentual el INAI; por tanto,
la propensión a innovar aumenta a medida que se tienen mayores niveles
de escolaridad, pues el productor posee más habilidades para decodicar
conocimiento explicito y adoptar e implementar innovaciones.
Cuando una persona sabe qué se puede hacer y cómo utilizar los
conocimientos, las experiencias y las aptitudes facilitan los procesos
de innovación (Nagles, 2007: 84). En otro estudio sobre los factores
que inuyen en el nivel tecnológico de ncas ganaderas, la escolaridad
tuvo una signicancia importante y positiva (Velasco-Fuenmayor
2009: 191). Por su parte, Mariano (2012: 46) encontraron en un
estudio sobre la determinación de factores que inuyen en la adopción
tecnológica en arroz y prácticas integradas en el manejo del cultivo, que
la escolaridad del productor es signicativa al 1% y positiva.
c. En cuanto a la experiencia del productor, resultó no signicativa (p>0.05)
para cacao y hule y no explica el comportamiento del INAI. Sin embargo, es
muy importante en palma de aceite en donde un año más de experiencia
en la actividad conlleva un incremento de hasta 1.45% en el INAI. En
este caso, también se obtuvo el signo positivo esperado en la variable
(Cuadro 6). El hecho de que para cacao y hule no haya sido signicativa,
se le atribuye a que en palma de aceite se tienen los productores más
jóvenes en cuanto experiencia (7.2 años) en comparación al cacao y hule
con 25.8 y 13.1, respectivamente (Cuadro 2), razón por la cual la curva de
aprendizaje ya está más madura. Además, también se atribuye este efecto
a que el cultivo de palma de aceite es relativamente nuevo en México y no
225
Teuken Bidikay Nº 04 (Argentina, Colombia, Méjico) 2013: 207 - 228
así el cacao que es muy viejo y el de hule que está en un punto intermedio;
de esta manera en palma de aceite sí se nota una diferencia entre el
incremento de la experiencia y su efecto en la adopción de innovaciones.
Bozoğlu y Ceyhan (2007: 652) indican que la escolaridad y años de
experiencia inuyen positivamente sobre la eciencia de las unidades de
producción. Por otra parte, Martínez-González et al. (2011: 371; 2013: 191)
indican que la experiencia del productor en la actividad ovina y caprina
en México es fundamental e inuye sobre el éxito, la permanencia de las
unidades de producción y la generación de ingresos y empleos.
d. Para el caso de la supercie de la plantación en producción, en todos
los modelos muestra un nivel de signicancia del 1% (Cuadro 6) y con
signo positivo. Por tanto, productores con mayor supercie en producción
tienden a mayores niveles en la adopción de innovaciones. Además,
existen diferencias signicativas (p<0.05) en la supercie de cada una
de los cultivos de plantación (Cuadro 3), lo cual contribuye a explicar
la importancia que tiene el tamaño de las unidades de producción en la
adopción de innovaciones (INAI). Cabe mencionar que los resultados de
este estudio no coinciden con los de Bozoğlu y Ceyhan (2007: 653), pues
ellos no encontraron signicancia del tamaño de la explotación sobre la
eciencia de la misma, lo cual se podría explicar porque la incluyeron como
una variable indicadora. En el caso de las explotaciones ganaderas, se ha
encontrado que el tamaño de las unidades de producción está asociado a
mejores parámetros productivos y a un mayor nivel tecnológico (Velasco-
Fuenmayor et al., 2009: 193; Martínez-González et al., 2011: 375). Jara-
Rojas et al. (2012: 59), en un estudio sobre los factores que determinan la
adopción de prácticas para la conservación de agua, encontraron que el
tamaño de las unidades es signicativo y positivo. Estos resultados también
llevan a plantear que el incremento en el tamaño de la explotación conlleva
más riesgo en la producción y rentabilidad de la misma, por lo cual la
adopción de innovaciones, y por ende la necesidad de conocimiento, se
hacen más indispensables para los productores, además de que deben ser
de mayor nivel y calidad. En un trabajo sobre adopción de innovaciones
en agricultura protegida, se encontró que la escasa presencia de actores
difusores de innovaciones en la actividad está relacionado con bajos niveles
de producción en invernaderos de mayor tamaño y con niveles tecnológico
más sosticados, por lo que el manejo de esas tecnologías necesitaba de
mayor capacitación de los productores para la apropiación y adopción de
innovaciones en esa actividad (García et al., 2011: 210).
226
Con respecto a las variables indicadoras incluidas en los modelos, del análisis
del Cuadro 6 se desprende lo siguiente:
a. Los modelos representados con número arábigo 2, que incluye la
variable indicadora , resultaron
ser signicativos a diferentes niveles según el cultivo. Para el caso de
cacao la signicancia es del 10%, pero solo para la variable indicadora
que incluye el nivel de importancia económica “Media (33 – 66%)”;
los resultados para hule y palma de aceite son más signicativos (del
1 y 5%, respectivamente) en donde los coecientes obtenidos son
más coherentes, pues a mayor percepción del productor acerca de la
importancia económica de la actividad, mayor INAI. Con esta evidencia
se puede armar que a medida que el productor percibe una mayor
importancia económica de su actividad, éste incrementará sus niveles de
adopción de innovación (Cuadro 6).
b. En el caso del género, como variable indicadora introducida al modelo
y que en el Cuadro 6 se diferencia con el número arábigo 3, no se encontró
signicancia (p>0.05) para explicar al INAI. Es decir, tanto mujeres como
hombres tienen los mismos niveles de innovación en las diferentes
plantaciones, resultados que ya se habían mostrado en el . Tendencias
similares fueron encontradas por Mariano (2012: 45) en el cultivo de
arroz, en donde el género no es signicativo en la adopción de tecnologías
y prácticas integradas de manejo. Sin embargo, la participación de la
mujer en diferentes actividades durante el proceso de producción en
explotaciones en Turquía resultó positivo y signicativo para reducir la
ineciencia técnica de las unidades de producción (Bozoğlu y Ceyhan,
2007: 653).
Los tres modelos generales que relacionan la adopción de innovaciones en
función de las características del productor y de la supercie de su unidad de
producción, fueron estimados satisfactoriamente a través del método MCO;
en ellos se pudo constatar que los atributos asociados a los productores y a
sus unidades de producción inuyen sobre la adopción de innovaciones, por
lo que deberían ser considerados para plantear estrategias de intervención
encaminadas a incrementar dichos niveles.
Los resultados encontrados sugieren que al diseñar estrategias para dinamizar
los procesos de innovación en actividades productivas agrícolas, se debe
227
Teuken Bidikay Nº 04 (Argentina, Colombia, Méjico) 2013: 207 - 228
tener en cuenta trabajar con productores jóvenes, con mayores niveles de
escolaridad y con años de experiencia intermedia, ya que tienden a innovar
en mayor medida; aún más si éstos poseen supercies más grandes. Esto sin
duda está asociado a que estos estratos sí ven viabilidad en la actividad y están
dispuestos a invertir para mejorar. Al contrario, los productores demasiado
pequeños o de mayor edad muestran una mayor reticencia a innovar.
Una de las estrategias complementarias es buscar que los productores
más innovadores compartan el conocimiento que poseen con los menos
innovadores a través de la interacción de productor a productor, con lo cual
se puede incrementar la masa crítica necesaria para detonar procesos de
innovación más ecientes.
Dado que la adopción de innovaciones es un proceso complejo y las variables
que en él inuyen no se limitan a las estudiadas, para futuras investigaciones
se recomienda incluir como parte del modelo la interacción social que
existe entre los diferentes actores que conuyen en un mismo territorio y
en una misma actividad, para encontrar el efecto que éstas tienen sobre la
generación, difusión y adopción de innovaciones. También se recomienda
abundar más sobre las características intrínsecas de cada cultivo, pues
los resultados encontrados sugieren que el tipo de cultivo puede ser un
elemento importante que limite una mayor adopción de la innovación.
228
Bibliografía
t AGUILAR Á., J.; RENDÓN M., R.; MUÑOZ R., M.; ALTAMIRANO C., J. R. y
SANTOYO C., H. V. (2011). Agencias para la gestión de la innovación en
territorios rurales. En: Del Roble P. L., M.. 2011. Territorio y ambiente:
aproximaciones metodológicas. Edit. Siglo XXI-IPN. ISBN 978-607-03-
0350-0. pp 79-98.
t BOZOĞLU, M. y CEYHAN, V. (2007). Measuring the technical eciency and
exploring the ineciency determinants of vegetable farms in Samsun
province, Turkey. En: Agricultural Systems, vol. 94(No. 3): 649-656.
t COTEC. (2007). La Persona Protagonista de la Innovación. Fundación
COTEC para la Innovación Tecnológica. Madrid, España. 143 p.
t CIMOLI, M. y Dosi, G. (1995). Technological paradigms, patterns of
learning and development: an introductory roadmap. En: Journal of
Evolutionary Economics, vol. 5: 243–268.
t DOSI. (1988). Sources, procedures and microeconomic eects of
innovation. En: Journal of Economic Literature, vol. 36: 1120–1171.
t GARCÍA S., E. I.; AGUILAR Á., J. y BERNAL M., R. (2011). La agricultura
protegida en Tlaxcala, Méjico: La adopción de innovaciones y el nivel de
equipamiento como factores para su categorización. En: Teuken Bidikay,
(No. 2): 193-212.
t GONZALEZ D., J. (1989). El cambio tecnológico en la agricultura: teoría y
aplicaciones al caso de España y Andalucía. En: Revista de Estudios Agro-
Sociales, (No. 147): 117-153.
t GUARDIOLA, X.; DÍAZ-GUILERA, A.; PÉREZ, C. J.; ARENAS, A. y LLAS, M.
(2002). Modelling diusion of innovations in a social network. En: Physical
Review E., vol. 66(No. 2): 1-4.
t HARTWICH, F.; MONGE P., M.; AMPUERO R., L. y SOTO, J. L. (2007).
Knowledge management for agricultural innovation: lessons from
networking eorts in the Bolivian Agricultural Technology System. En:
Knowledge Management for Development Journal, vol. 3(No. 2): 21-37.
t JARA-ROJAS, R.; BRAVO-URETA, B. E. y DÍAZ, J. (2012). Adoption of water
conservation practices: A socioeconomic analysis of small-scale farmers
in Central Chile. En: Agricultural Systems, vol. 110: 54-62.
229
Teuken Bidikay Nº 04 (Argentina, Colombia, Méjico) 2013: 207 - 228
t JASSO V., J. (2005). La dimensión evolutiva de la innovación: un rumbo
necesario de la política cientíca, tecnológica y de innovación. En:
Economía y Sociedad, 10(15): 99–119.
t KLERKX, L.; AARTS, N. y LEEUWIS, C. (2010). Adaptive management in
agricultural innovation systems: The interactions between innovation
networks and their environment. En: Agricultural Systems, vol. 103(No.
6): 390-400.
t MARIANO, M. J.; VILLANO, R. y FLEMING, E. (2012). Factors inuencing
farmers’ adoption of modern rice technologies and good management
practices in the Philippines. En: Agricultural Systems, vol. 110: 41-53.
t MARTÍNEZ-GONZÁLEZ, E. G.; MUÑOZ-RODRÍGUEZ, M.; GARCÍA-MUÑIZ, J.
G.; SANTOYO-CORTÉS, V. H.; ALTAMIRANO-CÁRDENAS, J. R. y ROMERO-
MÁRQUEZ, C. (2011). El fomento de la ovinocultura familiar en México
mediante subsidios en activos: lecciones aprendidas. En: Agronomía
mesoamericana, vol. 22 (No. 2): 367-377.
t MARTÍNEZ-GONZÁLEZ, E. G.; MUÑOZ-RODRÍGUEZ, M.; SANTOYO-CORTÉS,
V. H.; GÓMEZ-PÉREZ, D. y ALTAMIRANO-CÁRDENAS, J. R. (2013). Lecciones
de la promoción de proyectos caprinos a través del programa estratégico
de seguridad alimentaria en Guerrero, México. En: Agricultura, Sociedad
y Desarrollo, vol. 10 (No. 2): 117-193.
t MONTGOMERY, D. C.; PECK, E. A. y VINING, G. G. (2002). Introducción al
análisis de regresión lineal. Compañía Editorial Continental, México, D. F.
pp. 237-259 p.
t MUÑOZ R., M.; AGUILAR Á., J.; RENDÓN M., R. y ALTAMIRANO C., J. R. (2007).
Análisis de la dinámica de innovación en cadenas agroalimentarias.
Universidad Autónoma Chapingo – CIESTAAM / PIIAI. Chapingo, México. 72 p.
t NAGLES G., N. (2007). La gestión del conocimiento como fuente de
innovación. En: Revista – Escuela de Administración de Negocios, (No.
61): 77-87.
t PAVITT, K. (1969). Technological innovation in European industry: The
need a world perspective. En: Long Range Planning: 8-13.
t PAVITT, K. (1979). Technical innovation and industrial development. 1.
The new causality. En: Futures, vol. 11(No. 6): 458-470.
230
t PÉREZ, C. (2004). Technological revolutions, paradigm shifts and socio-
institutional change. En: Reinert, E. S. ed. Globalization, economic
development and inequality an: alternative perspective. Cheltenham,
UK. ISBN 1-85898-891-8. pp. 217–242.
t SAS. (2004). SAS/STAT ®. User’s Guide, Version 9.1. Cary, NC, USA. p. 480.
t SCHUMPETER, J. A. (1935). Análisis del Cambio Económico. Urquidi,
V. L. (trad.). En: Ensayos Sobre El Ciclo Económico. Fondo de Cultura
Económica. México, D. F. pp. 17-34.
t SOLOW, R. M. (1957). Technical Change and the Aggregate Production
Function. En: The Review of Economics and Statistics, vol. 39(No. 3): 312-
320.
t TANG, J. (2006). Competition and innovation behaviour. En: Research
Policy, vol. 35(No. 1): 68-82.
t VELASCO-FUENMAYOR, J.; ORTEGA-SOTO, L.; SÁNCHEZ-CAMARILLO, E.
y URDANETA, F. (2009). Factores que inuyen sobre el nivel tecnológico
presente en las ncas ganaderas de doble propósito localizadas en el
estado Zulia, Venezuela. En: Rev. Científ. FCV-LUZ, vol. 19(No. 2): 187-195.
construidos con diversas técnicas. Son abundantes también las
