Capítulo 14 – Métodos de investigación

TÉCNICAS MULTIVARIADAS CON APLICACIÓN INTEGRAL EN LA INVESTIGACIÓN AGROPECUARIA

Blanca Isabel Sánchez Toledano1, Agustín F. Rumayor Rodríguez2

Email:

Instituto Nacional de Investigaciones Forestales Agrícolas y Pecuaria. Campo Experimental Zacatecas. Kilómetro

24.5 Carretera Zacatecas-Fresnillo, Apartado Postal 18. Calera de V. R., Zacatecas. C.P. 98500. México. Tel: (478) 9-85-01-98 Y 9-85-01-99 ext. 313

sanchez.blanca@inifap.gob.mx, bsanchez@zacatecas.inifap.gob.mx

RESUMEN

Las investigaciones agropecuarias proporcionan cuantiosa información por la diversidad de temas enfocados en ellas, así como por el gran número de observaciones que integran las muestras estudiadas. A ello se agrega el hecho que las variables investigadas se expresan en diferentes escalas (nominal, ordinal, de razón e interválica).Esta complejidad de factores y variables lleva a la necesidad de incorporar análisis numéricos o métodos estadísticos multivariados que permitan el análisis simultáneo de dos o más variables, la reducción de los datos, la descomposición en factores del fenómeno social, la clasificación y el ordenamiento de las unidades investigadas. Este presente documento intenta estructurar el uso de algunas técnicas multivariadas de una forma lógica, organizada e integrada, y enfatizar en que no son técnicas mutuamente excluyentes o independientes entre sí.El presente trabajo está organizado de la siguiente manera: se presenta una síntesis de cada una de las técnicas, se mencionan algunos resultados de dos ejemplos prácticos obtenidos con el uso de métodos multivariados (adopción de innovaciones tecnológicas y comercialización),se mencionan las aplicaciones en el análisis de encuestas a productores agropecuarios y se propone el uso de las técnicas como un avance metodológico en la investigación del área social, económica y de mercados. Palabras clave: ténciasmultivariadas, aplicación integral e investigación. INTRODUCCIÓN Las investigaciones agropecuarias proporcionan cuantiosa información por la diversidad de temas enfocados en ellas, así como por el gran número de observaciones que integran las muestras estudiadas. A ello se agrega el hecho que las variables investigadas se expresan en diferentes escalas (nominal, ordinal, de razón e interválica).

Esta complejidad de factores y variables lleva a la necesidad de incorporar análisis numéricos o métodos estadísticos multivariados que permitan el análisis simultáneo de dos o más variables, la reducción de los datos, la descomposición en factores del fenómeno social, la clasificación y el ordenamiento de las unidades investigadas. Dentro de los métodos estadísticos multivariados más conocidos se pueden mencionar al análisis de regresión múltiple multivariado, análisis multivariado de varianza, análisis de correlación canónica, análisis discriminante lineal, análisis de componentes principales, análisis de correspondencia y análisis de factores. Estos métodos, ordinariamente, se presentan en artículos o textos de una manera tal que parecería que no hubiese

1 Investigadora del programa de socioeconomía. 2 Investigador del programa de frutales caducifolios.

“La Administración y la Responsabilidad Social Empresarial”

relaciones importantes entre ellos que los doten una estructura común, más allá de mencionar que las técnicas multivariadas se refieren a ciertos procedimientos que tratan un determinado número de observaciones medidas sobre múltiples variables con objetivos muy particulares.

De esta manera, la clasificación de las técnicas multivariadas obedece a los objetivos que se plantean (Johnson and Wichern, 2002; Sharma, 1996; Bilodeau and Brenner, 1999), por ejemplo: dependencias, interdependencias, niveles de asociaciones, agrupamientos, clasificación, proyecciones, representaciones, generación de puntuaciones, comparaciones y reducciones de dimensionalidad. En algunas otras ocasiones, también se consideran combinaciones de estos objetivos (Johnson, 2000) y, a veces, la clasificación obedece al tipo de variables que las componen (Hair et al., 1995).

La intención de este trabajo no es describir la parte matemática o estadística de las técnicas multivariadas aplicadas en el análisis de la información de encuestas de diversa índole, en este caso específico de encuestas sobre adopción de innovaciones tecnológicas y comercialización. Este presente documento intenta estructurar el uso de algunas técnicas multivariadas de una forma lógica, organizada e integrada, y enfatizar en que no son técnicas mutuamente excluyentes o independientes entre sí, por el contrario deben ser usadas de manera secuencial. Gamesalingam y Kumar (2001) aplicaron diferentes técnicas multivariantes (análisis de componentes principales, análisis factorial y de conglomerados) de manera secuencial a los datos de relación financiera para las empresas australianas fallidas y no fallidas, y explicar los diferentes tipos de información que esto puede proporcionar para ayudar a identificar los niveles de dificultad que enfrentan estas empresas.

El presente trabajo está organizado de la siguiente manera: se presenta una síntesis de cada una de las técnicas, se mencionan algunos resultados obtenidos con el uso de métodos multivariados, se discute las aplicaciones en el análisis de encuestas a productores agropecuarios y se propone el uso de las técnicas como un avance metodológico en la investigación del área social, económica y de mercados.

2. METODOLOGÍA Esta sección metodológica incluye una breve descripción de las técnicas multivariadas usadas en el análisis de información de encuestas aplicas a agricultores en el Estado de Zacatecas, la parte de uso de paquetes computacionales para esto e interpretación de los análisis llevados a cabo se encuentra en otros documentos (SAS, 2009; SPSS, 2007; Sánchez y Rumayor 2011). Para la descripción de los resultados obtenidos de análisis multivariados se usarán ejemplos reportados por Sánchez y Rumayor (2010 a y 2010 b), con las bases de datos obtenidas de dos estudios: 1) Impacto de innovación tecnológica y 2) Estudios de comercialización del durazno.

Se utilizó en una base de datos de entrevistas hechas a 136 productores agropecuarios de temporal en el estado de Zacatecas, que incluyó 107 preguntas sobre la adopción de una innovación tecnológica en el sistema de siembra de cebada (surcos doble hilera y pileteo). Con el fin de caracterizar el proceso de adopción y los factores determinantes en este proceso, se usó la información obtenida de las encuestas. Las encuestas incluyeron una serie de aspectos, partiendo que éstas se diseñaron con la idea de recabar información sobre la percepción de los mismos respecto al proceso de adopción de la tecnología, se incluyeron diferentes rubros:

1) Tipología del productor, en este sentido se enfatizó en la edad, tipo de tenencia de la tierra, antigüedad como productor, superficie que siembra, nivel de educación, infraestructura disponible, entre otras.

Capítulo 14 – Métodos de investigación

2) Proceso de adopción: se consideraron 4 etapas que sigue el proceso y que se definieron en términos entendibles en la encuesta para el productor, estas fases incluyeron: conocimiento, evaluación o experimentación, adaptación o uso y recomendación o adopción. En este sentido se usaron dos grandes vertientes, primero la percepción de los productores sobre el nivel del conocimiento, prueba, adaptación o recomendación de la tecnología y segundo el tiempo que ocurrió cada una de las etapas. Es también importante definir, de acuerdo con el caso, la necesidad de estudiar los diferentes componentes tecnológicos, ya que la percepción varía si en una tecnología se incluyen diferentes componentes.

3) Factores que afectan el proceso de adopción. En el proceso de captura de información es importante considerar factores externos al proceso en si; algunos ejemplos son contacto con medios de difusión, con asistencia técnica, acceso a programas gubernamentales, contacto con universidades o instituciones de investigación, entre otras.

4) Impactos percibidos por el productor, se incluyen aspectos como mejora en la calidad, precio, rendimiento, productividad, reducción de costos de producción, mejora en el medio ambiente, etc.

5) Otros. En este rubro se incluyen aspectos como la resistencia al cambio y el interés por innovar.

En el caso de las encuestas hechas a productores de durazno, sobre el proceso de comercialización, se incluyeron aspectos sobre atributos del durazno percibidos en la comercialización, aspectos de empaque y diferenciación del producto en el mercado y su ingreso proveniente del cultivo, con el fin de poder definir grupos de productores enfocados a la producción de durazno en el Estado de Zacatecas. Se incluyeron 70 preguntas y se aplicó a 204 productores de durazno en Zacatecas.

La escala usada en las opciones de respuesta en las encuestas fue numérica, discreta, nominal u ordinal, con posibilidades de ser dicotómica o con valores codificados de percepción en enteros.

2.1. Análisis de Conglomerados El análisis de conglomerados es un conjunto de técnicas utilizadas para clasificar los objetos o casos en grupos homogéneos llamados conglomerados (clusters en inglés) con respecto a algún criterio de selección predeterminado. Los objetos dentro de cada grupo o conglomerado, son similares entre sí (alta homogeneidad interna) pero diferentes a los objetos de los otros conglomerados (alta heterogeneidad externa). Es decir, que si la clasificación hecha es óptima, los objetos dentro de cada conglomerado estarán cercanos unos de otros y los grupos diferentes estarán muy apartados entre si. Por ello, es también conocido como análisis de clasificación o taxonomía numérica.

Los pasos del análisis de conglomerados incluyen: a) formulación del problema y las variables a usar, b) selección de una medida de similitud o método, por ejemplo la distancia entre individuos, c) estandarización de datos, que es importante cuando la diferencia de escalas o magnitudes entre variables es grande, y d) proceso de agrupamiento o cluster, que incluye procedimientos jerárquicos y no jerárquicos.

Se usó el paquete estadístico SAS v. 9.2 para llevar a cabo el análisis de conglomerados, con el PROC CLUSTER (SAS, 2008), en una base de datos referente a la caracterización de productores de cebada de temporal del estado de Zacatecas que potencialmente podrían ser usuarios de una innovación tecnológica (Sánchez y Rumayor, 2010). Se usó el procedimiento

“La Administración y la Responsabilidad Social Empresarial”

jerárquico para obtener un dendograma, con variables de adopción de la innovación tecnológica, se seleccionó el método de similitud de la distancia promedio y no hubo necesidad de estandarizar los datos dado que la escala fue la misma entre las variables.

2.2. Análisis de Componentes Principales El Análisis de Componentes Principales (ACP) es una técnica estadística de síntesis de la información, o reducción de la dimensión (número de variables). Es decir, ante un banco de datos con muchas variables, el objetivo será reducirlas a un menor número perdiendo la menor cantidad de información posible. Los nuevos componentes principales o factores serán una combinación lineal de las variables originales, y además serán independientes entre si. Este tipo de análisis es ampliamente utilizado en la estadística multivariante como análisis factorial. Se utiliza para reducir el número de variables en estudio y, por consiguiente la clasificación y análisis de organizaciones, como es el caso de las industrias, universidades, hospitales, ciudades, etc. (Sharma, 1996; Zhu, 1998).

Un aspecto clave en ACP es la interpretación de los factores, ya que ésta no viene dada a priori, sino que será deducida tras observar la relación de los factores con las variables iniciales (habrá, pues, que estudiar tanto el signo como la magnitud de las correlaciones). Esto no siempre es fácil, y será de vital importancia el conocimiento que el experto tenga sobre la materia de investigación.

Los pasos o fases del ACP son: a) análisis de la matriz de correlaciones, este análisis tiene sentido si existen altas correlaciones entre las variables; b) selección de los factores o componentes, la elección de los factores se realiza de tal forma que el primero recoja la mayor proporción posible de la variabilidad original, luego vendrá una segunda selección y así sucesivamente hasta incluir un porcentaje de la varianza suficiente; c) análisis de la matriz factorial, se analiza la matriz que representa los coeficientes factoriales o correlaciones entre las variables y los componentes principales; d) interpretación de los factores, se analizan los coeficientes factoriales, buscando aquellos más cercanos a uno, con valores elevados en una variable o grupo de variables; y e) cálculo de las puntuaciones factoriales, son las puntuaciones que tienen los componentes principales para cada caso, que permitan la representación gráfica.

En una base de datos, referente al proceso de adopción de una innovación tecnológica por parte de productores de cebada de temporal del estado de Zacatecas (Sánchez y Rumayor, 2011) se aplicó el ACP, con el objeto de reducir el número de variables y seleccionar las más relevantes en el proceso. Se usó el paquete estadístico SAS v. 9.2 para llevar a cabo el análisis de conglomerados, con el PROC PRINCOMP (SAS, 2008). Se llevó a cabo el análisis de la matriz de correlaciones, se seleccionaron los componentes relevantes, se analizaron los coeficientes de correlación, se definieron las variables significativas dentro de cada componente y se calcularon las puntuaciones factoriales para obtener subgrupos dentro de un conglomerado específico, los productores agrícolas adoptantes de la innovación.

2.3. Análisis de Correlación Canónica El análisis de correlación canónica puede ser un instrumento adecuado para tratar los supuestos en los que se dispone de información de un conjunto numeroso de variables que pueden agruparse en dos grupos, el primero formado por las variables explicativas (X´s) y el segundo por las explicadas (Y´s) y, además, dentro de cada grupo se observa un elevado grado de correlación entre las variables. Por ejemplo, si el conjunto de variables de la matriz X es numeroso, y existen correlaciones elevadas entre muchas de ellas, la estimación de un modelo de regresión conduce a

Capítulo 14 – Métodos de investigación

problemas de imprecisión en las estimaciones individuales de los parámetros y a las pruebas de significancia, por la “multicolinealidad” existente.

Una posibilidad para resolver este problema es eliminar variables que estén altamente correlacionadas, seleccionando las que no estén o estén menos correlacionadas entre si y que además mantengan una influencia sobre las variables endógenas fácilmente interpretable desde un punto de vista práctico. Una segunda alternativa es la aplicación de un análisis factorial, recomendable cuando el número de variables con altas correlaciones es elevado y resulta difícil determinar cuáles de ellas constituyen las causas determinantes de la variabilidad de las variables endógenas, cuyo objetivo es reducir la dimensión de la matriz de variables explicativas y explicadas. El análisis factorial, de correlación canónica, se caracteriza por construir variables que son combinación lineal de las originales, de modo que se maximiza el poder explicativo de las causas comunes que ocasionan la variabilidad del conjunto de variables explicativas y explicadas. Además, este análisis garantiza que las variables generadas por este procedimiento están libres de correlación entre si, lo que asegura la inexistencia de multicolinealidad entre estas variables múltiples, pudiendo ser utilizadas como regresores en un modelo de regresión, previa interpretación de su significado práctico. El inconveniente de este procedimiento es que no se garantiza que estas variables múltiples conserven el poder explicativo sobre las variables que se tratan de explicar.

En este caso se presentan resultados con un ejemplo de los datos obtenidos en el estudio de la adopción de la innovación en cebada en Zacatecas (Sánchez y Rumayor, 2011). En el ejemplo numérico, se contemplaron 6 variables que definieron los beneficios económicos percibidos por los productores al adoptar la innovación como variables Y´s y como está asociada con la adopción tecnológica y de los diferentes componentes de la nueva tecnología que incluyó 10 variables, como variables X’s. Al igual que en el análisis de componentes principales, fue necesario revisar la correlación entre las variables incluidas como grupo de variables dependientes y la correlación entre las variables del grupo de variables independientes y la definición de las variables múltiples o canónicas.

2.4. Análisis Canónico Discriminante El análisis discriminante se puede considerar como un análisis de regresión donde la variable dependiente es categórica y tiene como categorías la etiqueta de cada uno de los grupos, y las variables independientes son continuas y determinan a qué grupos pertenecen los objetos. Se pretende encontrar relaciones lineales entre las variables continuas que mejor discriminen en los grupos dados a los objetos. Un segundo objetivo es construir una regla de decisión que asigne un objeto nuevo, que no sabemos clasificar previamente, a uno de los grupos prefijados con un cierto grado de riesgo.

Es necesario considerar una serie de restricciones o supuestos: a) se tiene una variable categórica y el resto de variables son de intervalo o de razón y son independientes respecto de ella; b) es necesario que existan al menos dos grupos, y para cada grupo se necesitan dos o más casos; el número de variables discriminantes debe ser menor que el número de objetos menos 2; c) ninguna variable discriminante puede ser combinación lineal de otras variables discriminantes, son ortogonales; d) el número máximo de funciones discriminantes es igual al mínimo entre el número de variables o el número de grupos menos 1; e) las matrices de covarianzas dentro de cada grupo deben ser aproximadamente iguales; y f) las variables continuas deben seguir una distribución normal multivariante.

“La Administración y la Responsabilidad Social Empresarial”

En este caso se usó una base de datos sobre productores de durazno y su categorización por el porcentaje de su ingreso anual que depende de esta actividad frutícola. La variable categórica es el porcentaje del ingreso que depende del duraznero, se tienen cuatro grupos de productores, se revisó que se cumplieran con los supuestos particularmente de ortogonalidad e importancia de las variables en cada función canónica, se les asignó el nombre respectivo a las funciones y se llevó a cabo una descripción de la relación entre las variables y los grupos de productores.

3. RESULTADOS Y DISCUSIÓN En esta sección se presentan y discuten los resultados obtenidos con las cuatro técnicas multivariadas descritas previamente, en encuestas aplicadas en estudios sobre cebada y durazno.

3.1. Análisis de Conglomerados El análisis de conglomerados permitió diferenciar entre los productores usuarios y aquellos no usuarios de la innovación tecnológica del sistema de siembra en cebada; del total de productores entrevistados, el 27.40% usa la siembra en surcos con doble hilera y el 72.60% no ha usado la tecnología (Figura 1).

Figura 1.- Agrupamiento de productores usuarios y no usuarios de la tecnología de siembra en surcos doble hilera en cebada, de acuerdo con las variables descriptoras y el análisis de conglomerados.

La información proporcionada por la SAGARPA SIAP (2009) menciona que se siembran al año alrededor de 20 mil hectáreas y que estiman que aproximadamente el 30% de la superficie se siembra en surcos doble hilera. Esto lleva a calcular un índice de adopción de la innovación de alrededor del 27%, el cual coincide con el porcentaje de productores usuarios definidos por el análisis de conglomerados (Figura 1).

Los resultados de la investigación sobre el uso y adopción de la tecnología de siembra en surcos, sugieren que los productores usuarios de la innovación tienen menos tiempo de vivir en la región;

Capítulo 14 – Métodos de investigación

mayor experiencia en el cultivo de la cebada (6 a 10 años); mayor nivel de educación; tienden a sembrar mayor superficie y comentan que tienen un rendimiento superior, que el grupo no usuario. Los productores no usuarios de la innovación (72%) mencionaron que existen factores que restringen el uso de innovaciones en el sistema de producción de cebada, dentro de los que destacan la falta de recurso económico, disponibilidad de maquinaria y asistencia técnica. Estos resultados coinciden con lo expuesto por Feder y Zilberman (1985) sobre los factores necesarios para tener una adopción de tecnologías eficiente en los países de América Latina. Con el análisis de conglomerados, Lin y Lee (2010) generaron segmentos del mercado tecnológico en cuatro países, Estados Unidos, Canadá, España e Italia; este análisis multivariado permitió identificar de tres a cuatro segmentos de mercado en cada país, además permitió analizar las diferencias y similitudes de los segmentos entre los diferentes mercados internacionales.

Los productores de los dos grupos expresaron conocer la innovación, pero las diferencias se dieron en el tiempo de conocimiento de la nueva tecnología. El grupo de usuarios conoce la siembra en surcos desde hace años, mientras que la otra parte la conoce desde hace sólo 2 años. A pesar de que la mayoría la conocen, los usuarios mencionaron estar totalmente de acuerdo en haberla probado mientras que el grupo de no usuarios no ha evaluado en sus predios la innovación tecnológica. El conocimiento de la innovación es una primera etapa en la adopción de ésta, y requiere de tiempo suficiente para que la etapa concluya de forma satisfactoria. Posteriormente, se da la evaluación de la innovación, por el productor en su predio, y esta evaluación parece ser un punto crítico en la adopción, la prueba o evaluación de la tecnología la realizaron los productores hasta después de alrededor de 3 años, de conocer la innovación. Rivera y Romero (2003), mencionan que el productor no aplica de inmediato la tecnología que se le transfiere, sino que espera a que algún otro productor lo haga primero o se toma tiempo para analizar lo que se le ha dado a conocer. Esto es debido a una actitud de desconfianza en las prácticas agrícolas diferentes a las que de manera tradicional lleva a cabo el productor mismo. Esto sugiere que la estrategia para promover las innovaciones tecnológicas en cada grupo debe ser diferenciada. En un estudio sobre turismo, que se llevó a cabo en el estado de Michoacán, el análisis de conglomerados diferenció cinco diferentes segmentos de visitantes. Esta clasificación llevó a desarrollar productos para los visitantes, estrategias de mercadotecnia y ayuda en la toma de decisiones de las autoridades del sector, para mejorar la competitividad, diferenciadas por segmento (Serrato, et. al 2010).

Dentro del grupo de usuarios de la innovación, los productores se clasificaron en innovadores y adoptantes tempranos, grupos A y B (Figura 1), las variables contrastantes entre estos grupos de productores adoptantes de la tecnología fueron la edad, nivel educativo o de formación y el rendimiento de grano obtenido, entre otras. Según (Rogers, 1986) los productores innovadores, tienden a ser más jóvenes y presentan un nivel de estudio de secundaria o superior. Como se puede notar, el análisis de conglomerados permitió diferenciar grupos generales, como usuarios y no usuarios de la innovación, además de subgrupos dentro de éstos como los innovadores y adoptantes tempranos dentro de los usuarios (grupos A y B). También, este análisis permite hacer una descripción de los grupos más sencilla y objetiva, además de asignarle a cada grupo un nombre representativo de acuerdo a sus características, como ocurrió en estudios muy diferentes entre si, tal es el caso de grupos de clientes de instituciones bancarias (Siddiqui and Tripathi. 2010) o de jóvenes con características psicológicas por tipo de objetivos en la vida a largo plazo (Bronk and Finch, 2010).

“La Administración y la Responsabilidad Social Empresarial”

3.2. Análisis de Componentes Principales Para esta técnica, se usó la base de datos descrita anteriormente para el análisis de conglomerados, sobre la adopción de innovaciones por productores agrícolas de cebada, de manera particular se efectuó el análisis con los productores usuarios de la innovación como una forma de describir el proceso de adopción de tecnología. El análisis de componentes principales, dentro de los productores identificados como usuarios de la tecnología del sistema de siembra en surcos doble hilera con pileteo (Sánchez y Rumayor, 2011), permitió en primer término diferenciar dos grupos de variables ortogonales, independientes entre sí. Al primer grupo (Componente Principal 1) se le designó como “conocimiento y evaluación de la tecnología de siembra en surcos doble hilera”, para abreviarla conocimiento, e incluyó las variables que tuvieron que ver con el conocimiento y evaluación del sistema de siembra y sus componentes tecnológicos individuales, el valor único (raíz) se integró por trece variables individuales. Es decir en este valor único, para cada productor, de una función lineal se integraron trece variables originales correlacionadas entre si. El segundo grupo de variables (Componente Principal 2) se le asignó el nombre de “conocimiento, evaluación, adopción y resultado económico de la pileteadora”, abreviada como pileteo, e incluyó a las variables que implicaban obtener información sobre este componente tecnológico, su valor se integró por siete variables individuales. Las dos variables múltiples representaron aproximadamente el 30% de la variabilidad o varianza total, en 60 variables originales incluidas en este primer análisis, sobre adopción de la tecnología y sus diferentes componentes tecnológicos estos dos componentes principales incluyeron 20 de las variables originales. Esto implica que se tuvo una reducción de las dimensiones estudiadas, al pasar de 20 variables a solo dos componentes principales, que permitieron asignar dos valores únicos y no correlacionados para cada productor usuario de la innovación tecnológica. Tres medidas de desempeño, es decir, la satisfacción del cliente, la productividad y la competitividad tecnológica se obtuvieron de una muestra amplia de centros de producción en Australia y Nueva Zelanda, y se analizaron por esta técnica de análisis multivariado (Terziovski, 2002).

Con este enfoque multivariado también fue posible definir cuatro subgrupos de productores usuarios de la innovación y que no habían sido detectados con el análisis de conglomerados, estos subgrupos se integraron de acuerdo a los valores de cada multivariable o componente principal para cada productor individual (Figura 2). Los cuatro subgrupos se designaron como: a) alto conocimiento de la tecnología sin uso del pileteo, b) alto conocimiento de la tecnología con uso del pileteo, c) bajo conocimiento de la tecnología sin uso del pileteo y d) bajo conocimiento de la tecnología con uso del pileteo. Cada valor único (valor raíz), obtenido para cada productor, permitió agruparlos en uno de los cuatro grupos antes mencionados, incluso la técnica permitirá en un futuro ubicar a cualquier productor usuario que se integre al uso de la innovación dentro de uno de los subgrupos. Una innovación del método estadístico de análisis de componentes principales fue el hecho de usarlo para integrar los subcomponentes de un Nuevo Índice de Globalización (NIG), de acuerdo a las características de la estructura de las variables (Vujakovic, 2010). El objetivo de este paso fue el análisis de la multidimensionalidad de la globalización en tres aspectos: las finanzas, el comercio y la política, y la globalización social. Así el análisis de componentes principales también se usó para la obtención de valores para los indicadores individuales de nuevas observaciones en el índice general y su agrupamiento (Vujakovic, 2010).

En forma general, es posible anotar algunos aspectos sobre cada una de las multivariables y sus características. En primer término, la variable conocimiento de la tecnología de surcos doble

Capítulo 14 – Métodos de investigación

hilera para cebada y sus componentes tecnológicos individuales sugiere que todos los productores incluidos conocen en cierta magnitud la tecnología promovida y sus componentes (sembradora, fertilización, control de maleza, etc.), sin importar el grupo de conocimiento tecnológico en que fueron agrupados. El 59% de los 37 productores usuarios de la tecnología, e incluidos en las entrevistas, se clasificaron como con alto conocimiento de la tecnología, el resto se consideró como de bajo conocimiento. Las diferencias más importantes en la variable conocimiento se dan en el tiempo de conocer la tecnología estudiada y sus componentes individuales, en forma genérica es posible mencionar que los productores que comentaron estar más involucrados con el conocimiento y evaluación de la tecnología (grupos 1 y 3), conocen la tecnología por más tiempo (4 años) que aquellos con un menor grado de conocimiento (2 a 3 años).

Figura 2.- Agrupamiento de los productores usuarios de la tecnología del sistema de siembra en surcos doble hilera y pileteo en cebada de temporal, de acuerdo a las variables conocimiento de la tecnología (CP 1) y uso

del pileteo (CP 2).

En lo que respecta a la variable pileteo, la pregunta sobre el uso de la pileteadora en el sistema de siembra en surcos en cebada, con el análisis llevado a cabo, claramente diferenció dos grupos (1 y 3) de productores que no usan el pileteo, de los grupos 2 y 4 que si lo usan. El 43% de los productores identificados como usuarios de la tecnología, usan el pileteo, el 57% restante no utilizan este componente tecnológico. El análisis de las dos variables, lleva a comentar que: a) el tiempo de conocimiento y evaluación de una tecnología es básica para su adopción y b) la adopción de los diferentes componentes tecnológicos de una innovación se da de forma diferenciada en tiempo y nivel de adopción. Hernández y Porras (2006), señalan que existen diferencias en el índice y velocidad de conocimiento dentro de los componentes tecnológicos en un sistema de producción. La parte relevante del presente trabajo es que con un enfoque multivariado fue posible identificar esa diferencia entre multivariables independientes o componentes principales.

-11

-6

-1

4

-8 -6 -4 -2 0 2 4

Adopción y uso de pileteo

Con

ocim

ient

o y

eval

uaci

ón d

e la

tecn

olog

ía

Alto conocimiento sin uso de pileteo Alto conocimiento con uso de pileteoBajo conocimiento sin uso de pileteo Bajo conocimiento con uso de pileteo

“La Administración y la Responsabilidad Social Empresarial”

Los datos de comportamiento institucional suelen ser recogidos con el fin de construir indicadores de las organizaciones bien definidos. También, se puede notar que los resultados del análisis de bases de datos, a través de la minería de datos, suele contener tanto variables cualitativas y cuantitativas, por lo que puede ser inapropiado asumir alguna distribución específica subyacente (multivariable). Una restricción del análisis de componentes principales tradicional es que la relación entre variables debe ser lineal. Por lo tanto, una técnica adecuada para hacer frente a estas cuestiones debe ser adoptada; se considera que el análisis no lineal de componentes principales con escalamiento óptimo, un método recientemente desarrollado para incorporar todo tipo de variables, es útil para descubrir y manejar las relaciones no lineales (Constantini, et. al., 2010). De igual forma, el análisis de componentes principales se ha convertido en la base para la selección de variables independientes de los métodos de regresión lineal funcional (Hall and Yang, 2010) o incluso en la regresión lineal típica (Rumayor, 1993).

3.3. Análisis de Correlación Canónica Existe una importante diversidad de resultados sobre la relación benéfica entre la productividad del sistema de producción y la adopción de las innovaciones tecnológicas, para los productores agrícolas. Se ha mencionado que la adopción de aquellas innovaciones que tienen que ver con la parte financiera es más sencilla y expedita, que la que tiene que ver con otros parámetros como calidad y seguridad (Poon et al., 2006). No existen reportes que hayan usado un enfoque multivariado en este sentido, solamente existen algunas publicaciones con análisis de correlación bivariado (Chirwa, 2005; Allub, 2001). El análisis multivariado se convierte así en una herramienta poderosa para poder describir de un modo más sencillo este impacto.

El análisis de correlación canónica permite llevar a cabo un análisis de correlación de manera conjunta de un grupo de variables múltiples o variables canónicas, en lugar de una correlación individual con variables simples o sencillas. El análisis genera una serie de ecuaciones múltiples y sus correlaciones, encontrando la más alta correlación entre las dos primeras variables múltiples y posteriormente conforme se van generando nuevas variables canónicas, el nivel de correlación se va reduciendo.

Los grupos de variables usados en el análisis de correlación canónica fueron seis, los que fueron definidos como: productividad, beneficios, conocimiento, adopción, tipología y contacto con medios, en la base de datos de adopción de cebada (Sánchez y Rumayor, 2010). Las variables de productividad incluyeron aspectos, como rendimiento, precio y las ventajas que percibía el productor con la innovación, por ejemplo en la reducción de actividades como las prácticas de labranza. Las variables de beneficio fueron aquellas que percibía el productor como un beneficio económico dentro de su actividad, en este sentido se usó la percepción general sobre la tecnología así como las percepciones para los diferentes componentes tecnológicos. Las variables relacionadas con el conocimiento fueron aquellas que indagaron en la encuesta sobre el nivel de conocimiento y experimentación de los productores sobre los componentes tecnológicos que integraron a la innovación tecnológica bajo estudio. La percepción del nivel de adopción de la innovación tecnológica fue estudiada a través de un grupo de variables que incluyó el uso actual de la innovación y sus diferentes componentes tecnológicos y de la recomendación que daba el productor sobre éstos. La tipología del producto es un grupo de variables que se ha considera importante en los estudios socioeconómicos, en este caso se incluyeron algunas como edad, tiempo de residencia en la región, experiencia como productor y nivel de educación, entre otras. Finalmente, un último grupo de variables incluido fue el del contacto del productor con los medios. Se definieron una serie de pares de grupos de variables para complementar la

Capítulo 14 – Métodos de investigación

información sobre la adopción de la tecnología surcos doble hilera y pileteo con un análisis de correlación canónica multivariada (Cuadro 1). Las salidas del análisis de correlación canónica obtenidas permitieron estimar el coeficiente de correlación cuadrado y su probabilidad, para determinar cuáles de los pares de variables eran significativas.

La interpretación del análisis de correlación canónica llevó entonces a definir cuáles de las variables individuales incluidas en el grupo de la variable canónica, fueron las más relevantes en la correlación. A continuación se hace una pequeña descripción de las relaciones canónicas significativas encontradas:

a) Productividad. En el caso de las variables que midieron la productividad y la adopción de la innovación, su correlación fue significativa, indicando que la percepción del productor sobre la productividad de su sistema y el uso de la innovación están asociadas. De manera específica, en el caso de la productividad, la percepción de los productores fue que con la innovación se mejora la posibilidad de usar la cultivadora, se reducen pasos de maquinaria y se evita pérdidas de agua y suelo. Esta variable está correlacionada con el uso o adopción del componente tecnológico de la fertilización por parte del productor. Otra correlación calculada, para estas mismas variables canónicas, incluyó la variable rendimiento de grano y a la del tiempo de uso de la sembradora especializada, la cual no fue significativa. Esto lleva a sugerir que la adopción tecnológica no necesariamente mejora los rendimientos por unidad.

En el caso de productividad y tipología, se obtuvo una correlación significativa (Cuadro 1). Los productores que tienen mayor edad y menor tiempo de ser agricultores perciben que una ventaja importante de la innovación es que evita la pérdida de agua y suelo en un mayor nivel, que los productores jóvenes o con mayor experiencia.

La productividad y el conocimiento de la innovación también presentaron una correlación significativa (Cuadro 1). En este aspecto, es posible decir que los productores que expresaron tener mayor tiempo de conocer la tecnología, la sembradora y la densidad de siembra, y tener mayor tiempo de experimentación con la innovación no perciben un mayor grado de mejora en el precio de la cebada.

b) Beneficios Económicos. La percepción de los productores sobre los beneficios de la innovación y sus componentes tecnológicos tuvo una correlación significativa con el conocimiento de la innovación y la adopción de la misma pero no fue significativa con la tipología del productor, es decir las características del productor no se asocian con el nivel de percepción de los productores sobre el beneficio económico de la innovación o sus componentes tecnológicos.

En lo que se refiere a las correlaciones significativas, es posible comentar que los productores con un mayor grado de conocimiento del sistema de siembra en surcos y la prueba de éste en su predio perciben mayores beneficios económicos con el sistema donde se aplicó la innovación, que con el sistema tradicional al voleo. Esto sugiere que el conocimiento de la innovación y la experimentación en el predio del productor es importante para que el productor perciba un beneficio al usar la innovación (Maksabedian, J. 1980). En la Figura 3 se presenta un gráfico con la correlación canónica obtenida, como un ejemplo de la asociación encontrada entre las variables anotadas.

“La Administración y la Responsabilidad Social Empresarial”

Figura 3. Correlación canónica entre las variables nivel de beneficio económico de la innovación y conocimiento y experimentación de la tecnología.

De igual forma, la correlación canónica significativa entre beneficios y adopción permitió identificar la adopción diferenciada de los componentes tecnológicos. El tiempo de uso de la sembradora especializada y el nivel de uso de la cultivadora para control de la maleza se encontraron asociadas con la percepción de que el uso de la sembradora tiene un alto beneficio económico. Esto indica que los productores identifican los componentes tecnológicos de manera independiente y que además requieren usarlos para percibir un mayor nivel de beneficios. De manera específica, la sembradora en surcos doble hilera es percibida por los productores como una buena inversión dentro de la innovación tecnológica promovida, esto coincide con reportes sobre la facilidad en la adopción de una tecnología cuando se tiene un beneficio económico (Poon et al., 2006).

c) Conocimiento y adopción de la innovación tecnológica. El análisis de correlación canónica de estas variables se llevó a cabo contra la tipología del productor y el contacto de éste con los medios. El análisis indicó que la adopción de la innovación no está correlacionada con ninguna de las variables canónicas de tipología o contacto con medios, sugiriendo que existen otros factores más relevantes para que el productor use las innovaciones.

En el caso del conocimiento de la innovación, éste se correlacionó de manera significativa con la tipología del productor pero no con el contacto de éste con los medios. Los resultados indican que un mayor tiempo de conocer la innovación tecnológica está asociada con la antigüedad que tiene el productor de vivir en la región. Esta correlación tiene lógica ya que se puede asumir que la innovación se promovió en la región solamente, no en otras regiones productoras del país, y que por lo tanto los que más tiempo tienen de vivir en la región tienen un nivel de conocimiento mayor.

Capítulo 14 – Métodos de investigación

GRUPO DE VARIABLES DEPENDIENTES

GRUPO DE VARIABLES INDEPENDIENTES

R2 P

Productividad Adopción 0.74 0.05 *

Productividad Tipología 0.68 < 0.01 **

Productividad Conocimiento 0.94 < 0.01 **

Beneficios Conocimiento 0.91 < 0.01 **

Beneficios Tipología 0.58 0.19 NS

Beneficios Adopción 0.84 < 0.01 **

Conocimiento Tipología 0.94 < 0.01 **

Conocimiento Contacto 0.68 0.51 NS

Adopción Tipología 0.56 0.51 NS

Adopción Contacto 0.59 0.37 NS

NS= No significativa, * = Significativa a P=0.05, y ** = Significativa a P=0.01 o menos. Cuadro 1.- Grupos de variables usados en el análisis de correlación canónica, como variables dependientes e independientes, coeficiente de correlación canónica cuadrado y probabilidad de significancia para el primer

grupo de correlaciones en cada pareja.

3.4. Análisis Discriminante Canónico A diferencia de las otras tres técnicas multivariadas incluidas en el presente trabajo, el análisis discriminante se llevó a cabo con una base de datos de una encuesta aplicada a 204 productores sobre su percepción en la comercialización del durazno de Zacatecas. En la base de datos se disponía de información sobre los productores de durazno del Estado que permitió ubicarlos en cuatro grupos categóricos de productores, basados en el porcentaje de su ingreso total anual que corresponde al de este cultivo frutícola: a) no conocen el porcentaje, b) tienen menos del 20% de su ingreso dependiente de este cultivo, c) tienen igual al 20%, y d) tienen un porcentaje mayor al 20%. El análisis discriminante canónico, dentro de los productores, permitió en primer término diferenciar dos grupos de variables independientes entre si. Al primer grupo o función canónica (Can 1) se le designó como “principales atributos del fruto y empaque del durazno”, para abreviarlo atributos, e incluyó las variables que tuvieron que ver con el color externo, color de la pulpa, época de cosecha, identificación de origen y etiquetado individual. El segundo grupo (Can 2) se le asignó el nombre de “condiciones del fruto”, abreviada como vida de anaquel, e incluyó a las variables de tipo de fruto, vida de anaquel, daño fisiológico (oscurecimiento de pulpa, daño por frio, oxidación).

“La Administración y la Responsabilidad Social Empresarial”

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8

-0.8 -0.6 -0.4 -0.2 0 0.2 0.4

TIPO DE FRUTO, VIDA DE ANAQUEL Y DAÑOS

ATR

IBU

TOS

DEL

FR

UTO

Y

EMPA

QU

E

Plantación de durazno sin objetivo Plantación de durazno de traspatio

Plantación de durazno como parte del sistema Plantación de durazno como negocio

Con este análisis multivariado fue posible nombrar a los cuatro grupos de productores, de acuerdo a los valores promedio de cada uno de los grupos categóricos del porcentaje de ingreso anual dependiente del durazno (Figura 4). Los cuatro grupos se nombraron como: 1) plantación de durazno sin objetivo, 2) plantación de durazno de traspatio, 3) plantación de durazno como parte de un sistema de producción y 4) plantación de durazno como negocio.

Todos los grupos de productores no tienen diferencias en variables socioeconómicas, tienen una edad promedio de 55 años, una escolaridad de secundaria y nunca han tenido crédito o seguro agrícola.

Figura 4.- Análisis Discriminante Canónico de cuatro grupos de productores de durazno de acuerdo al nivel de ingreso que representa en su economía y su ubicación en dos funciones canónicas.

En lo que se refiere a los cuatro grupos formados, es posible hacer comentarios generales de cada uno de ellos, en las variables o funciones canónicas que los separaron, en los siguientes términos:

Grupo 1: Son productores que tienen plantación de durazno sin un objetivo de producción e incluye al 13.2% de los encuestados. Los productores mencionan que son relevantes los atributos del fruto en su durazno, sin embargo no tienen el más mínimo interés en aspectos de postcosecha, como la vida de anaquel del fruto.

Grupo 2: En este grupo se encuentran productores que consideran la plantación de durazno como de traspatio, el 38.2% de los productores encuestados se encuentran dentro de este grupo. Son productores que no se preocupan por los atributos del fruto y del empaque puesto que probablemente consideran que producen buen durazno, pero se puede decir que consideran cierta relevancia en la vida de anaquel de la fruta.

Grupo 3: Productores que consideran al durazno como una parte de su sistema de producción, el 17.6% de los productores que se encuestaron se encuentran dentro de este grupo. Estos productores ya tienen una mayor visión del mercado y consideran muy relevante la atención a los atributos del fruto y el empaque, y al igual que los del grupo 2 consideran cierta relevancia en la vida de anaquel del durazno.

Grupo 4: En este último grupo se incluyen productores que ven al durazno como un negocio, perteneciendo a este grupo un 30.8% de los productores encuestados. Estos productores tienen

Capítulo 14 – Métodos de investigación

interés en el mercado y consideran relevantes los atributos del fruto y del empaque, además de que ponen atención en el tipo de fruto que producen, en que el durazno no tenga daños fisiológicos y a la vida de anaquel.

Este análisis tiene lógica ya que los productores se benefician y comprometen con un cultivo en diferentes dimensiones de acuerdo a diversas variables. Esta técnica ha sido útil en diferentes investigaciones, como es el caso de estudios en cerdos presentado por Delgado et al., 2000, en el cual se realizó una caracterización exteriorista de las distintas variedades del cerdo Ibérico utilizando una muestra de 566 individuos pertenecientes a nueve variedades de la raza Ibérica y se analizaron un total de siete variables cualitativas. Otro estudio en el cual al análisis discriminante canónico fue importante es en la comparación del nivel de escolaridad del profesorado de tiempo completo de la Universidad de Colima en relación con su desempeño docente y académico (Magaña et al., 2007).

4. CONCLUSIONES Y APLICACIONES

• Las técnicas multivariadas son herramientas apropiadas para el estudio sistemático y simultáneo de dos o más variables.

• Las aplicaciones del análisis multivariado son diversas, las mostradas en este trabajo constituyen sólo una pequeña fracción de sus usos posibles.

• Las técnicas multivariadas explicadas deben ser vistas de manera secuencial, con el propósito de tener un análisis completo y exhaustivo de resultados en las investigaciones.

5. BIBLIOGRAFÍA [1] Allub, L. (2001). Aversión al riesgo y adopción de innovaciones tecnológicas en pequeños

productores rurales de zonas áridas: un enfoque causal. Estudios sociológicos, 19 (2), 467- 493. [2] Bilodeau, M. and Brenner, D. (1999). Theory of Multivariate Statistics. New York: Springer-

Verlag. [3] Bronk, K. y W. Holms. (2010). Adolescent Characteristics byType of Long-Term Aim in Life.

Applied developmental science, 14(1), 35-44. [4] Constantini, P., M. Linting and G. C, Porzio. 2010. Mining performance data through nonlinear

PCA with optimal scaling. Appl. Stochastic Models Bus. Ind. 26:85–101. [5] Chirwa E. W. (2005). Adoption of fertiliser and hybrid seeds by smallholder maize farmers

insouthern Malawi. Development Southern Africa 22(1), 1-13. [6] Delgado, J., C. Barba, E. Diéguez y P. Cañuelo. (2000). Caracterización exteriorista de las

variables del cerdo Ibérico basadas en caracteres cualitativos. Archivos de Zootecnia, 49 (185), 201-207.

[7] Feder, G., R. Just, D. Zilberman. (1985). Adoption of agricultural innovations in developing countries: a survey. Economic, development and cultural change, 33(2), 255 - 298.

[8] Gamesalingam, S and K Kumar. (2001). Detection of financial distress via multivariate statistical analysis. Managerial Finance, 27(4), 45–55.

[9] Hair, F., R. Anderson, R. Tatham and W. Black. (1995). Multivariate Data Analysis. New Jersey. U.S.A :Prentice Hall.

[10] Hall, P. y Yang, Y. (2010). Ordering and selecting components in multivariate or functional data linear prediction.Journal of the royal statistical society, (2010)72, 93-110.

[11] Hernández, C. y F. Porras. (2006). Estudio sobre la adopción de variedades mejoradas de frijolen las principales zonas productoras de frijol de la región Brunca de Costa Rica. AgronomíaMesoamericana 17(3): 357-367.

[12] Johnson, D. (2000). Métodos Multivariados aplicados al análisis de datos. México: Thomson.

“La Administración y la Responsabilidad Social Empresarial”

[13] Johnson, R. and Wichern, D. (2002). Applied Multivariate Statistical Analysis. New Jersey: Prentice Hall.

[14] Lim, H y Lee h. (2010). Development of consumer techno segmentation and its application to international markets. International journal of consumer studies, 34(2010), 87-95.

[15] Magaivia, M., O. Montesinos y C. Hernández. 2007. Comparación del nivel de escolaridad para el desempeño docente y académico del profesorado de tiempo completo de la Universidad de Colima. Investigación, 12(3), 165-634.

[16] Poon, C., A. Jha, M. Christino, M. Honour, R. Fernandopulle, B. Middleton, J. Newhouse, L. Leape, D. Bates, D. Blumenthal and R. Kaushal. (2006). Assessing the level of healthcareinformation technology adoption in the United States: a snapshot. BMC Medical Informatics and Decision Making, 6(1):1-9.

[17] Rivera, A. y H. Romero. 2003. Evaluación del nivel de transferencia y adopción de tecnología enel cultivo de caña de azúcar en Córdoba, Veracruz, México. Avances en la investigación agropecuaria. 21(2):20-40.

[18] Rogers, E. (1986). Communication technology: The new media in society. New York: Free Press. [19] Rumayor, A. (1993). Análisis multivariado de componentes en la investigación

agropecuaria.Investigación científica, 1(004), 43-51. [20] SAGARPA Servicio de Información Agroalimentaria y Pesquera. 2006. Avances de Siembras y [21] Cosechas por Estado y Año Agrícola. Secretaría de Agricultura, Ganadería, Desarrollo

Rural,Pesca y Alimentación. http://siap.gob.mx (Consultado el 22 de septiembre de 2009). [22] Sánchez, B. y Rumayor, A. (2010 a). Estudio sobre la innovación tecnológica en el sistema

deproducción de cebada de temporal en Zacatecas. Resúmenes.XXIII Congreso Nacional y IIIInternacional de Fitogenética. pp. 470.

[23] Sánchez, B. y Rumayor, A. (2010 b). Siembra en surcos doble hilera, una innovación tecnológica en el sistema de producción de cebada de temporal en zacatecas. En H. Salinas; (Eds), Estrategias de Investigación para la innovación tecnológica: principales logros en el Norte-Centro de México (pp 81-91). Coahuila: Inifap.

[24] Sánchez, B, Rumayor, A. y Espinoza J. (2011). Adopción de la tecnología “siembra en surcos doble hilera y pileteo” en cebada maltera en el estado de zacatecas: un análisis del proceso y los impactos. Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias Folleto Técnico no.31. En impresión.

[25] Serrato, M., J. Tello, A. Díaz, S. García y J. Castillo. (2010). Visitor profile, satisfaction levels and clustering of tourists for decision making in Michoacan, Mexico. International transactions in operational research, 17 (2010) 119–143.

[26] Sharma, S. (1996). Applied Multivariate Techniques. New York: Wiley. [27] Siddiqui M. y Tripathi S. (2010). An analytical study of complaining attitudes: With reference to

the banking sector.Journal of Targeting, Measurement and Analysis for Marketing (2010) 18, 119 – 137.

[28] Terziovski, M. (2002). Achieving performance excellence through integrated strategy of radical innovation and continuous improvement. Measuring Business Excellence, 6(2), 5–14.

[29] Vujakovic, P. (2010). How to Measure Globalization? A New Globalization Index (NGI). International Atlantic Economic Societ, (2010) 38:237

[30] Zhu, J. (1998). Data envelopment analysis vs. principal component analysis: An illustrative study of economic performance of Chinese cities. European Journal of Operation Research, 111, 50–56.