Ministerio de Ganadería, Agricultura y Pesca

Este artículo resume un informe reciente sobre la relación entre la adopción de tecnologías y la productividad parcial de la ganadería de carne vacuna de base pastoril del Uruguay para el ejercicio 2015/2016. El universo de estudio comprende los formularios de la Encuesta Ganadera Nacional del 2016 (EGN) que cumplen requisitos mínimos de consistencia de la información, con al menos 50 hectáreas de superficie de pastoreo, y que no realizan lechería comercial ni engordan animales en sistemas de confinamiento. Al computar la productividad parcial bovina (carne vacuna sobre superficie de pastoreo destinada a bovinos), se encuentra: (1) la productividad media es de 94 kg/ha/año; (2) los establecimientos ubicados en el 10% superior de productividad obtienen un rendimiento 5 veces mayor que los predios del 10% inferior; (3) los productores en el 25% inferior de productividad se caracterizan por: localizarse en los suelos de menor aptitud ganadera, poseer un menor porcentaje de área mejorada, una menor carga promedio, y un menor uso de tecnologías (en particular se destaca un mayor porcentaje con entore continuo y sin producción de reservas de forraje).

1. Motivación

La ganadería juega un rol histórico fundamental en la economía, sociedad y cultura uruguaya (Mondelli y Picasso, 2001). La ganadería de carne y leche es la principal fuente de ingreso del 74% de los establecimientos agropecuarios, y ocupa el 77% del territorio nacional apto para la actividad agropecuaria (12,6 millones de ha, el 70% del territorio nacional).

Sin embargo, en la última década no se observa una tendencia clara en la evolución de      la producción de carne vacuna sobre superficie de pastoreo (Bervejillo, 2015; Peyrou y  col., 2016; Nin, Freirıa y Muñoz, 2019; Aguirre, 2022a). Al interior del sector ganadero se encuentra una gran brecha entre los resultados de los establecimientos; los ubicados en el 10% superior de productividad parcial, logran un rendimiento 8 veces mayor que los que se encuentran en el 10% inferior (Aguirre, 2022a). Describir y comprender la variabilidad de rendimientos es un aporte central para el diseño de políticas.

A nivel experimental existen numerosos estudios que muestran que las principales variables que determinan la productividad ganadera tienen que ver con la alimentación del ganado y con las decisiones de gestión del sistema productivo, incluida la adopción de un conjunto de tecnologías de procesos (Jaurena et al. 2021). Sin embargo, a nivel nacional no hay estudios suficientes que permitan conocer en detalle la relación entre estas variables y los indicadores de desempeño productivo de predios comerciales, que orienten la toma de decisiones de las políticas públicas.

Este articulo resume un proyecto reciente sobre la relación entre la adopción de tecnologías y la productividad parcial de la ganadería de carne vacuna de base pastoril del Uruguay para el ejercicio 2015/2016 (Aguirre, 2022b).

2. Diseño de investigación y metodología

2.1 Metodología de cómputo de la producción de carne

Para estimar la producción de carne por unidad de producción, se utiliza la información de trazabilidad grupal del ganado (Aguirre, 2018). Esta metodología utiliza datos de distintas fuentes. Los datos de cantidad de animales en stock se obtienen del SNIG, que integra las declaraciones juradas anuales de existencias de ganado (DJ) y los movimientos de animales que se registran en el año entre unidades de producción o entre productores y plantas     de faena. Del Instituto Nacional de Carnes (INAC) se obtienen datos de pesos de ganado faenado y, de los remates de ganado, se toman los datos de pesos de ganado flaco o de reposición.

A los efectos de expresar la producción de carne en volumen físico (kg de carne en peso vivo), se suman las distintas categorías de ganado (animales de diferente edad y sexo) multiplicadas por sus respectivos pesos, en cada una de las “cuentas”, sea de existencias (stock), movimientos de ganado flaco, movimientos a plantas de faena, o consumo en los predios.

La evolución y la variabilidad de los pesos de ganado bovino de reposición y de faena son analizados por Aguirre y Durán (2020, 2021). En estos trabajos los autores encuentran que, al permitir variar los pesos por año ganadero y categoría, se logra explicar más del 84%    de la variabilidad de los pesos (por departamento, mes, año ganadero y categoría). Como resultado se concluye que la metodología propuesta es una buena aproximación al valor promedio de los pesos de ganado bovino transado.

La metodología propuesta permite variar los pesos de faena por año y destino del animal, esto logra captar los cambios tecnológicos (por ej: se faenan animales bovinos cada vez más pesados) y efectos climáticos adversos (por ej.: sequía del 2009/2008). Esto es clave para construir series históricas que sean comparables en el tiempo.

Para los pesos de ganado bovino en stock y de reposición (“flacos”) entre productores se usará el mismo conjunto de ponderadores. Los pesos surgen de procesar los microdatos de los remates por pantalla, y computar el peso promedio por categoría y año. Para los pesos de ganado faenado (gordo), se utilizarán por año ganadero y a nivel nacional, los pesos medios de faena de animales en pie a partir de datos del INAC.

​​​​​​​2.2 Definiciones metodológicas

Como paso inicial de todo trabajo empírico, es necesario definir la población sobre la cual se quiere hacer inferencia, es decir, el universo de estudio. Si bien la Encuesta Ganadera Nacional del 2016 (EGN) releva solamente a establecimientos ganaderos (Bervejillo et. al, 2018), el sector es muy heterogéneo. Por tal razón se considera conveniente acotar la población con el fin de que las unidades de producción sean comparables entre sí, controlando algunas fuentes de variación.

Se aplicaron un conjunto de filtros lógicos a las explotaciones ganaderas y de calidad del dato: (1) con declaraciones juradas de stock en el SNIG para los EG 2015 y 2016; (2) se excluyen productores con lechería; (3) se excluyen engordes a corral; (4) con superficie de pastoreo mayor a las 50 has; (5) Con carga menor a 3 (UG Totales/Sup. Pastoreo); (6) con al menos un movimiento de vacunos en el ejercicio ganadero 2015-2016 y con rotación de cabezas sobre stock menor a 3 ([Entradas+Salidas]/Stock]); (7) con variación de unidades ganaderas entre 2015 y 2016 entre -50% y 50%; (8) con variación de superficie de pastoreo entre -50% y 50%; (9) con inconsistencias entre declaraciones juradas y movimientos sobre stock vacuno (error), menor a 25%; (10) con diferencias entre la superficie declarada entre la encuesta ganadera y el SNIG menor al 50%; y (11) con producción de carne total por superficie de pastoreo entre 0 y 500.

3. Resultados

Este apartado presenta un estudio descriptivo de la EGN, focalizándose en el vínculo entre productividad ganadera y tecnologías. Cada observación es un establecimiento ganadero comercial, que define mediante un conjunto de reglas de decisión los insumos a utilizar en el sistema de producción. La producción depende, en gran medida, de factores no controlables por el productor, como el clima y el sistema económico de incentivos donde opera. Al comparar unidades en el mismo ejercicio ganadero se puede considerar relativamente constantes las condiciones económicas del país y específicas del sector, y suponer que no se registran grandes variaciones climáticas entre las principales regiones ganaderas.

Es importante notar que los datos son observacionales y no experimentales, esto implica que no es posible para el analista controlar por diseño las características del establecimiento y del productor. Detrás de los datos existe un proceso generador que opera, donde cada productor decide según algún criterio, los insumos y las tecnologías a emplear. Esto  genera un proceso de selección de las variables de control del productor. Como corolario, se  desprende  que  las  diferencias  encontradas  entre  grupos  (o  las  correlaciones entre variables), no implican causalidad, es decir que no es posible afirmar que cada característica analizada cause los resultados productivos, ya que puede haber terceras variables que estén explicando la correlación.

​​​​​​​3.1 Distribución de la productividad ganadera parcial

Integrando datos de la EGN con datos del SNIG es posible computar estadísticas básicas en el año ganadero 2015/2016 (año base de la encuesta ganadera). Sin embargo, es necesario utilizar ponderadores muestrales con el fin de extrapolar los resultados de la muestra a la población bajo análisis. De aquí en adelante se va a utilizar expansores muestrales para extrapolar los resultados de la muestra al universo bajo estudio, productores especializados en la producción de carne vacuna. Es importante aclarar que los resultados deben tomarse como exploratorios, ya que se pierde una cantidad relevante de registros al aplicar un conjunto de reglas de consistencia básica de la información.

Al estimar los percentiles de productividad ganadera con los microdatos de la EGN 2016, se encontró una gran variabilidad de los resultados ganaderos (Cuadro 1). Se encontró que los establecimientos ubicados en el 10% superior de productividad obtienen un rendimiento 5 veces mayor que los predios del 10% inferior3 . De aquí en adelante vamos a focalizarnos en el indicador KgCarneBov/SupPBov.

Cuadro 1. Productividad ganadera parcial en EGN 2016

Fuente: Elaboración propia. Universo definido por filtros 1 al 11.

​​​​​​​3.2 Productividad media según características del establecimiento y del titular

Aguirre (2019) presenta un estudio descriptivo de las diferencias de productividad ganadera según variables de interés (del establecimiento y del titular), en el ejercicio ganadero del último Censo General Agropecuario (CGA) 2011, marco muestral de la EGN 2016. Este trabajo al relevar a todos los productores no posee un error de estimación por muestreo estadístico, ya que la muestra es la población bajo análisis. Si bien los resultados encontrados con los formularios de la EGN 2016 están alineados a las diferencias en el último CGA 2011, con los datos de la EGN no es posible afirmar que las diferencias sean estadísticamente significativas entre grupos de productores según: tamaño, región, orientación ganadera y vacuna, asistencia técnica y contratación de servicios.

​​​​​​​3.3 Correlación entre productividad parcial y uso de tecnologías

La correlación entre la productividad ganadera y otras variables son todas estadísticamente significativas al 1%, y posee el signo esperado (figura 1), con la excepción de la técnica de reservar algún potrero para el pastoreo de otoño de las vacas o vaquillonas servidas. Dentro de las variables con correlación negativa, se destacan: superficie de pastoreo sin mejoramientos (-0.18), vacas de cría con toros todo el año (-0.17) y vacas y vaquillonas servidas pastorean juntas en otoño e invierno (-0.1); dentro de las variables con correlación positiva, se encuentran: utiliza la escala de condición corporal de vacunos (0.21), posee asistencia técnica veterinaria (0.18) y realiza diagnóstico de gestación de vientres servidos (0.16).

Figura 1. Correlación de Pearson entre productividad y tecnologías ganaderas

Fuente: Elaboración propia. Universo definido por filtros 1 al 11.

​​​​​​​3.4 Productividad parcial según uso de tecnologías ganaderas

A continuación,  se  ilustra  según  características  de  interés,  la  estimación  puntual  de  la productividad media por subgrupos, y el intervalo de confianza asociado al 95% de confianza. Como es esperable, se encontró que la producción de carne vacuna por hectárea de pastoreo es mayor en los productores que aplican las tecnologías ganaderas sugeridas por la academia (figura 2). Sin embargo, en solamente tres tecnologías las diferencias de medias son estadísticamente significativas: realiza diagnóstico de gestación de vientres servidos, utiliza la escala de condición corporal para clasificar el ganado y posee superficie con mejoramientos.

Fuente: Elaboración propia. Universo definido por filtros 1 al 11.

​​​​​​​3.5 Análisis descriptivos según cuartiles de productividad parcial

En este apartado se van a crear cuatro grupos de productores ordenados según el valor  de productividad ganadera de menor a mayor (cuartiles de productividad). Cada grupo representa el 25% de los productores de la encuesta. Una vez armados los cuartiles, se analiza su composición en variables de interés.

Los productores más rezagados (cuartil 1) producen 39 kg de carne vacuna por hectárea de superficie de pastoreo. Estos productores en promedio se caracterizan por: localizarse en establecimientos con menor índice CONEAT promedio (79), poseer un porcentaje menor de superficie con mejoramientos (7,4%) y una menor carga (0.74). Estos establecimientos poseen un mayor rezago tecnológico, debido a que usan en menor proporción las tecnologías sugeridas por la academia. En particular poseen, una mayor proporción media de entore continuo (46%), una menor proporción de diagnóstico de gestación (28%), no realizan     un manejo diferencial de las vaquillonas servidas en otoño e invierno (57%) y no realizan reservas de forraje (92%).

La diferencia entre el tercer y segundo cuartil es de menor magnitud en productividad (107 vs 78). En promedio los establecimientos del tercer cuartil son más pequeños que los del segundo cuartil (655 vs 873 UG), poseen un mayor índice CONEAT (99 vs 85), una mayor proporción de mejoramientos (15,6 vs 11,3%) y una mayor carga (0,95 vs 0,86). Dentro de las diferencias tecnológicas se destaca una menor proporción de entore continuo (16% vs 30%), una revisión de toros previos al entore (69% vs 52%), diagnóstico de gestación (64% vs 49%).

La diferencia entre el cuarto y el tercer cuartil en productividad es importante (174 vs 107). El 25% superior de productividad posee un menor tamaño promedio (423 vs 655 UG), una mayor proporción de área mejorada (26,5% vs 15,6%) y mayor carga (1,19 vs 0,95). Dentro de las diferencias tecnológicas se observa un mayor uso de la escala de condición corporal (49% vs 33%), destete precoz (20% vs 8%) y reserva de forrajes (29% vs 14%); sin embargo, esta diferente intensidad en el uso de tecnologías no es estadísticamente significativa.

4. Conclusiones

Este articulo contribuye a la caracterización reciente de la ganadería de carne vacuna de base pastoril en Uruguay, computando las diferencias de rendimientos por características relevantes en la última Encuesta Ganadera Nacional (EGN) 2016.

En forma coherente con antecedentes previos, se encuentra una gran variabilidad de resultados y diferencias entre grupos7 . El signo de la correlación lineal entre productividad ganadera vacuna y tecnologías ganaderas propuestas por la academia es el esperado. La productividad vacuna media es mayor en unidades que aplican las tecnologías ganaderas sugeridas por la academia.

Al segmentar la distribución de la productividad ganadera en cuartiles, se encuentra una relación creciente de productividad con la variable carga y ratio de área con mejoramientos.

A modo de síntesis, este trabajo encuentra grandes diferencias en el desempeño de los productores ganaderos, los establecimientos ubicados en el 10% superior de productividad parcial presentan rendimientos más de 5 veces mayores que los ubicados en el 10% inferior. Sin embargo, estas diferencias de rendimientos no controlan por la distinta intensidad en el uso de otros insumos (por ej.: CONEAT, ratio de área mejorada, dotación, trabajadores totales, suplementación, etc), orientación tecnológica (por ej.: relación lanar vacuno y relación novillo vaca de cría), asistencia profesional, infraestructura, uso de tecnologías y clima.

Como corolario, al comparar grupos se obtienen intervalos de confianza muy amplios, ya que las diferencias de productividad ganadera no controlan por el uso de insumos. Para mejorar la precisión hay dos caminos: aumentar el tamaño de la muestra (opción no viable) y especificar una función de producción ganadera que controle por el uso de los principales insumos y de esa forma disminuir la varianza residual entre grupos.

Una medida más refinada del desempeño productivo del establecimiento es la productividad total de los factores o la eficiencia técnica (Fuglie et. al. ,2019). La medición del concepto de eficiencia técnica surge de estimar una función de producción y una frontera estocástica asociada, midiendo la gestión de la unidad productividad como la distancia entre la producción observada y la potencial (dado un nivel de insumos, variables ambientales y una tecnología de producción).

Un conjunto de trabajos han estimado fronteras de producción con registros privados en Uruguay (Lanfranco y Buffa, 2013; García-Suárez, Perez-Quesada y Molina, 2018; García- Suárez y Lanfranco, 2019). Recientemente, Aguirre, García-Suárez y Sicilia (2021) utilizando datos desagregados del Censo General Agropecuario 2011, encuentran que el nivel de eficiencia técnica promedio es del 77,3%, y que el ratio entre el 10% superior e inferior de eficiencia técnica es del 58%. Este trabajo tiene la limitante de no tener la información de tecnologías ganaderas, ya que dicha información no se pregunta en el censo. Para realizar mejores recomendaciones de política sería recomendable avanzar en la estimación de la eficiencia técnica con los microdatos de la EGN 2016, ya que la EGN permite incorporar las tecnologías ganaderas dentro de la estimación de una función de producción.

Una pregunta de primer orden es conocer el efecto causal del uso de tecnologías ganaderas. La principal dificultad empírica, es que el uso de tecnología no es aleatorio (los usuarios que las emplean tiene un patrón particular), de esa forma se genera un sesgo de selección en la composición entre grupos, los usuarios que emplean la tecnología son diferente     por la característica de interés y en terceras variables (que afectan simultáneamente la probabilidad de uso de tecnologías y la productividad). Bajo determinados supuestos de identificación y métodos econométricos recientes, es posible aproximarnos al efecto causal de las tecnologías ganaderas.

Es importante aclarar que una mayor productividad no implica necesariamente un mayor margen para el productor. El modelado económico de las decisiones del establecimiento, contemplando los costos de oportunidad y los riesgos, es un camino relevante a explorar.

5. Lista de referencias

Aguirre, E. (2022a). Evolución de la productividad ganadera en Uruguay (2005-2021). Informe de consultoría BID. (próximamente)

Aguirre, E. (2022b). Productividad y adopción de tecnologías en la ganadería de carne vacuna en Uruguay. Informe de consultoría BID. (próximamente)

Aguirre, E. (2019). Productividad ganadera de los establecimientos de carne bovina del Censo General Agropecuario. Anuario OPYPA, 497-510.

Aguirre, E. (2018). Evolución reciente de la productividad ganadera en Uruguay (2010-2017). Metodología y primeros resultados.  Anuario OPYPA, 457-470.

Aguirre, E. y Durán, V. (2020). Evolución de los pesos de faena vacuna. Anuario OPYPA 2020,417-429.

Aguirre, E. y Durán, V. (2021). Dinámica de los pesos de ganado vacuno de reposición en  los remates por pantalla en Uruguay. Estudios de Economía Agraria y Ambiental. No. 21-1.

Aguirre, E., García-Suaréz, F. y Sicilia, G. (2021). Eficiencia técnica en la ganadería de carne bovina pastoril. Medición y exploración de sus determinantes en Uruguay. Documento de Trabajo/FCS-Decon; 13/21. :                                                                                           Bervejillo, J.; Campoy, D.; Gonzalez, C. y Ortiz, A. (2018). Resultados de la Encuesta Ganadera Nacional 2016. MGAP-OPYPA.

Bervejillo, J. E. (2015). Uruguay’s beef industry: an assessment of WTO disciplines on market access in agriculture.

Bonferroni, Carlo (1936). Teoria statistica delle classi e calcolo delle probabilità. Pubblicazioni del R Istituto Superiore di Scienze Economiche e Commericiali di Firenze 8, pages. 3-62

Fuglie, K., Gautam, M., Goyal, A., & Maloney, W. F. (2019). Harvesting prosperity: Technology and productivity growth in agriculture. The World Bank.

Garcıa-Suárez, Federico y Bruno Lanfranco (2019). “Eficiencia técnica y aspectos tecnológicos de productores seleccionados. Uso sostenible del campo natural.” En: Revista INIA 73. URL, págs. 135-147.

Garcıa-Suárez, Federico, Gabriela Perez-Quesada y Carlos Molina (2018). “Rangeland cattle production in Uruguay: single-output versus multi-output efficiency measures”

Jaurena M., Durante M., Devincenzi T., Savian J.V., Bendersky D., Moojen F.G., Pereira M., Soca P., Quadros F.L.F., Pizzio R., Nabinger C., Carvalho P.C.F. and Lattanzi F.A. (2021). Native