Universidad de Magallanes · 2010-09-02 · en la región de Magallanes y Antártica Chilena, para...
Transcript of Universidad de Magallanes · 2010-09-02 · en la región de Magallanes y Antártica Chilena, para...
Universidad de Magallanes Facultad de Ciencias
Escuela de Ciencias y Tecnología en Recursos Agrícolas y Acuícolas
PROPUESTA METODOLOGICA PARA MEDIR EFICIENCIA TECNICA EN ESTANCIAS PRODUCTIVAS
DE MAGALLANES
Trabajo de Titulación presentado como requisito para optar al título de
Ingeniero de Ejecución Agropecuario.
Profesor Guía: José Maripani Maripani
Autores: Rodrigo Díaz Valderrama Miguel Carmona Navarro
Punta Arenas – Chile 2009
PREFACIO
La ganadería en Magallanes es una actividad de vital importancia tanto en el sector
público como privado ya que viene generando industria y mano de obra desde hace 132
años y es considerada esencial para el desarrollo de la región. Partió cuando un buque de la
Armada Chilena trajo 200 ovejas desde las islas Malvinas, dando con ello inicio a la
ganadería en la región.
Este importante rubro regional, dado su actual nivel o el nivel que tiene por alcanzar
con el tema de las exportaciones, debe desarrollar temas de Estado, por su rol como
herramienta fundamental para promover tanto el desarrollo social como el económico, así
como la competitividad de los países en un mundo cada vez más globalizado, lo que obliga
a medir con mayor precisión los recursos empleados, los asignados y las contribuciones que
por esta vía se alcanzan.
Este trabajo, utiliza la metodología de Fronteras de Producción, que proviene del
ámbito económico.
Para llevar a cabo la medición, se utiliza como producto o también llamado
OUTPUT, el ingreso por ventas que posee una estancia productiva, dando a conocer que
dichas ventas provienen de la venta de carne de cordero y ovejas de desecho por el término
de su vida productiva, la venta de la lana esquilada durante una temporada, en sus tres
etapas, (esquila de ojos y entre piernas, esquila preparto, esquila de machos y animales
secos) además, de la venta de los distintos lotes de animales bovinos, entendiéndose en este
rubro los toros viejos, vacas viejas, novillos, terneras y terneros en cantidades de acuerdo al
plantel que se está trabajando en forma reproductiva y conforme a los objetivos por
alcanzar.
El presente trabajo, espera ser un aporte al análisis del sector agropecuario de la
comuna de Punta Arenas en materias de eficiencia técnica, es por ello que se analizan,
mediante un grupo de variables pertinentes también llamados INPUT o insumos, en una
cantidad de superficies productivas o estancias ganaderas, que de acuerdo a sus datos
estadísticos, cantidad de animales, superficie de trabajo y mano de obra empleada, en una
cantidad de años determinada, representan un ejemplo práctico y real de unidades de
trabajo características de la zona, en la que se puede diferenciar a una ganadería desde el
punto de vista de los grandes, medianos y pequeños empresarios regionales.
Miguel Carmona Navarro
Rodrigo Díaz Valderrama
PRÓLOGO
La Economía agraria surge de una manera más sistemática en el siglo diecinueve, y
combina la teoría de la empresa, con la comercialización y la teoría organizacional. En el
siglo veinte pasa a ser una rama empírica de la economía en general, y se vincula con
aplicaciones de la estadística matemática, y rápidamente aparecen importantes
contribuciones de los métodos econométricos. A partir de la década de los 60, los
economistas agrarios comenzaron a analizar los problemas de desarrollo de los países
pobres, el comercio internacional, la política macroeconómica y su relación con la
agricultura de los países ricos y pobres. En estas últimas décadas, se han incorporado una
gran variedad de temas al análisis de la economía agraria, como son: la economía de la
producción (production economics), marketing agropecuario, administración de granjas
(farm management), economía del suelo (land economics), política agraria (agricultural
policy), economía del medio ambiente (environmental economics), organización industrial
(industrial organization), solo por nombrar algunas áreas. Es en este contexto, y
considerando el enorme potencial agropecuario de la región de Magallanes y Antártica
Chilena, se vislumbra en esta investigación un importante aporte al desarrollar una
propuesta metodológica en el área de la economía agraria.
En ésta investigación los autores comienzan analizando la importancia del sector ganadero
en la región de Magallanes y Antártica Chilena, para posteriormente proceder a investigar
los conceptos generales de la eficiencia. En una siguiente etapa, revisan literatura
especializada en la medición de la eficiencia técnica a nivel de predios (granjas), hasta
llegar a proponer una hipótesis que se cuestiona si es posible medir la eficiencia técnica a
nivel de estancias. En concreto, proponen utilizar la técnica de frontera estocástica de
producción, que básicamente consiste en construir una frontera envolvente teórica, a partir
de información teórica de los niveles de producción de cada estancia. Esta frontera
reflejaría el “mejor desempeño” de cada una de las unidades productivas, y permitiría medir
y comparar las observaciones disponibles de cada establecimiento agrícola en relación con
la frontera teórica, y así poder determinar y medir el nivel de eficiencia de cada unidad
productiva. Esta metodología presenta la ventaja, que permitiría determinar de una manera
cuantitativa el nivel de desempeño de cada estancia, así como el promedio de eficiencia
técnica del conjunto de estancias analizadas, adicionalmente se puede analizar y determinar
la estructura productiva del sector. En este contexto los autores han cumplido la tarea que
se impusieron, ya que logran desarrollar la metodología propuesta, y muestran algunas
ventajas de utilizar este tipo de metodología para el conocimiento económico del sector
ganadero y la utilidad que presentaría el disponer de este tipo de análisis al momento de
proponer diversas políticas agropecuarias.
Dr. José F. Maripani Maripani
ÍNDICE PAG. INTRODUCCIÓN 1 CAPITULO I: PLANTEAMIENTO DEL PROBLEMA 1. PRESENTACIÓN DEL PROBLEMA. 4 2. SIGNIFICANCIA DEL ESTUDIO. 5 3. OBJETIVOS DEL ESTUDIO
3.1 OBJETIVO GENERAL 6 3.2 OBJETIVOS ESPECÍFICOS 6
4. HIPÓTESIS DE LA INVESTIGACIÓN. 7 5. OPERACIONALIDAD DE CONCEPTOS. 7
CAPITULO II: MARCO METODOLÓGICO
1. TIPO DE INVESTIGACIÓN 10 2. METODOLOGÍA DE LA INVESTIGACIÓN 10 3. VARIABLES RELEVANTES Y CONSTRUCCIÓN DE BASE DATOS
TEÓRICA
11 4. CONSTRUCCIÓN DE BASE DE DATOS TEÓRICA 12 CAPITULO III: MARCO TEÓRICO 1. DEFINICIÓN. 18 2. CONCEPTO DE EFICIENCIA.
2.1 EFICIENCIA TÉCNICA 20 2.2 EFICIENCIA ASIGNATIVA 20
3. EFICIENCIA ECONÓMICA 21 4. EFICIENCIA ECONÓMICA V/S EFICIENCIA BIOLÓGICA. 22 5. MEDIDAS DE EFICIENCIA ECONÓMICA. 23 6. TÉCNICAS DE MEDICIÓN DE EFICIENCIA. 23 7. ESPECIFICACIONES Y ALCANCES DE LA FRONTERA
ESTOCÁSTICA DE PRODUCCIÓN.
27 7.1 MÉTODO DE ESTIMACIÓN 29 7.2 PRUEBA DE HIPÓTESIS 30
CAPITULO IV: ESTIMACION DE RESULTADOS Y ANALISIS
1. PRESENTACIÓN DE RESULTADOS 31 2. ANÁLISIS 35 CAPITULO V: CONCLUSIONES
1. PROPUESTAS 38
ÍNDICE DE TABLAS EN ANEXO
TABLA Nº 1: Panel de datos Estancia A. TABLA Nº 2: Panel de datos Estancia B. TABLA Nº 3: Panel de datos Estancia C. TABLA Nº 4: Panel de datos Estancia D. TABLA Nº 5: Panel de datos Estancia E. TABLA Nº 6: Panel de datos Estancia F. TABLA Nº 7: Panel de datos Estancia G. TABLA Nº 8: Panel de datos consolidado TABLA Nº 9: Base de datos utilizada en la estimación de la Función Cobb-Douglas. TABLA Nº 10: Base de datos utilizada en la estimación de la Función Translogarítmica. TABLA Nº 11: Comparación y selección de la distribución del error (media-Normal vs. Truncada), y de un modelo no variante en el tiempo vs. un modelo variante. TABLA Nº 12: Comparación y selección de una Función Cobb-Douglas vs. una Función Translogarítmica. TABLA Nº 13: Resultados generados por el Frontier 4.1 para la Función Translogarítmica
1
INTRODUCCIÓN
Este trabajo, introduce varios conceptos relativos al tema de la eficiencia en
sistemas de producción. En muchos programas de estudio este tema lo desarrollan
profesionales de especialidades tales como contabilidad, administración de empresas y/o
economía agrícola. Es por eso que frecuentemente en la presentación del tema, ellos no
toman suficientemente en cuenta los aspectos de interés práctico de zootecnistas,
agrónomos, agropecuarios y veterinarios, ni de las dificultades que sus alumnos puedan
tener con los detalles de los pasos contables. Es necesario aclarar por lo tanto que el
objetivo de este trabajo es facilitar el uso del concepto de eficiencia técnica en análisis de
sistemas comerciales de producción animal. La experiencia indica que este es un punto
débil en la formación de muchos profesionales involucrados en la producción agropecuaria.
La economía de la región de Magallanes se basa en las actividades mineras,
silvoagropecuarias, pesqueras y el turismo. El sector silvoagropecuario es el segundo en
importancia y está representado principalmente por los ovinos, que concentran en la región
el 52% de las existencias nacionales. La ganadería ovina está presente desde el año 1877
principalmente asociada a crianza extensiva ovina. La producción ovina en la patagonia es
una actividad ampliamente difundida y de una importancia ya nombrada en el sistema
pecuario. Su característica más relevante es que se encuentra diseminada en grandes
distancias, haciendo difícil una experimentación que permita estudiar y resolver,
simultáneamente, una multiplicidad de factores interrelacionados y asociados a problemas
económicos y sociales. La base de su producción es de doble propósito tanto carne como
lana, ambos productos con una diversidad de estudios en diferentes áreas como genética,
agronómica, fisiológica, etc. Situándose la mayor cantidad de estudios y proyectos en el
desarrollo de temas como praderas y forrajes, introducción de razas, utilización de
biotecnologías en reproducción, temas que son relacionados en forma directa con mejorar
la eficiencia productiva.
Este trabajo pretende incursionar el tema de eficiencia técnica y encaminar algunos
datos y parámetros que puedan servir para considerar este concepto en la discusión, sobre
las reales potencialidades de las estancias en Punta Arenas.
2
El objetivo de esta investigación consiste en proponer un tipo de metodología para
medir y analizar la eficiencia técnica de las estancias magallánicas en relación a una
función de producción, donde se relacionan los OUTPUT en función de los INPUT,
mediante el método de fronteras estocásticas de producción.
Como objetivos específicos se establecen los siguientes:
- Construcción de un panel de datos que contenga la información de los insumos más
utilizados en la producción de las estancias Magallánicas analizadas.
- Especificación de los modelos de producción (Cobb-Douglas y Tranlogarítmica).
- Estimación de las funciones estocásticas de producción para medir la eficiencia técnica
de las estancias productivas de Magallanes.
- Análisis e interpretación de los resultados obtenidos de los modelos de medición de
eficiencia técnica.
Al plantear la hipótesis en este trabajo, se propone que la eficiencia técnica de las
Estancias Magallánicas no ha sido medida y los ganaderos regionales no se preocupan por
saber en qué nivel están y cuáles de sus insumos utilizados para lograr sus producciones
son relevantes desde el punto de vista de mejorar la productividad del negocio y hacerla
más eficiente.
En el primer capítulo se presenta el problema de investigación, incluyendo la
explicación de la significancia del estudio. Se exponen el objetivo general y los objetivos
específicos que dirigen la investigación. Se presenta la hipótesis que propone la situación
actual en términos de eficiencia técnica de las estancias magallánicas. Para finalizar este
capítulo, se muestran algunas definiciones de los conceptos utilizados en el presente
trabajo.
3
En el segundo capítulo se presenta el Marco Metodológico y el conjunto de etapas
que señalan el procedimiento para llevar a cabo esta investigación. Aquí se determina el
tipo de investigación a desarrollar y el diseño de la misma. Se define y delimita la cantidad
de insumos a utilizar de acuerdo a la experiencia y a la relevancia en el tiempo conforme a
su participación en los procesos de producción y posteriormente muestra la técnica de
recopilación de datos seleccionada. Luego se define cómo se obtendrá la información, en
cuanto a las fuentes a consultar y las técnicas que se utilizarán en el proceso investigativo.
Finalmente, se determinan las herramientas a utilizar en el procesamiento de la información
obtenida.
En el tercer capítulo se presenta el Marco Teórico que sustenta la investigación y
que permite proponer la hipótesis y posteriores análisis dentro del trabajo. Este Marco
Teórico se compone de dos partes principales: la primera, donde se entrega la definición del
concepto de eficiencia, y la segunda, que explica las diferentes técnicas comúnmente
utilizadas para medir la eficiencia técnica.
En el cuarto capítulo, se presentan y discuten los resultados, y se analizan los
hallazgos obtenidos a través de las estimaciones realizadas mediante la técnica de
fronteras estocásticas de producción.
El estudio finaliza con la exposición de las principales conclusiones que se pueden
derivar del análisis que se ha efectuado, con un apartado destinado a las Referencias
Bibliográficas y Anexos que complementan la información y análisis.
4
CAPITULO I: PLANTEAMIENTO DEL PROBLEMA
1. PRESENTACIÓN DEL PROBLEMA
¿Tienen los ganaderos regionales o las estancias como unidades productivas claramente
determinados sus resultados en cuanto a la eficiencia técnica desde el punto de vista de
una función de producción, es decir, de la relación existente entre sus OUTPUT en
función de sus INPUT?
La globalización del mundo en general y del comercio en particular a obligado a las
administraciones de todo tipo de empresas y rubros a exigirse una mayor eficiencia en
su actuación. Este interés por mejorar los niveles de eficiencia es desde hace años es un
objetivo presente en cualquier programa de trabajo y aunque esta filosofía se aplica
como premisa general en todos los campos, hoy en día no es palpable en el área de la
producción agropecuaria. Testimonio de esto es la realidad que vive la ganadería
regional que no cuenta con la claridad, aplicación, implementación o propuesta
metodológica alguna para intentar medir la “eficiencia técnica”.
Las razones que hacen que la ganadería regional tenga una alta prioridad son porque se
considera de gran impacto en el desarrollo de la región producto de su actual
participación en el rubro a nivel nacional e internacional. Es por ello, que el objetivo de
este trabajo es poder entregar o comenzar a visualizar una herramienta de evaluación de
la eficiencia técnica de las estancias productivas en Magallanes, esto es, determinar si
están o no maximizando su producto, dada la cantidad de insumos con que cuentan. El
producto es entendido como la venta anual de la temporada, de la totalidad de los
productos posibles de comercializar, es decir, la venta de corderos y ovejas viejas a
planta faenadora como carne, venta de diferentes categorías de vacunos y finalmente la
venta de su lana.
5
El presente trabajo se enmarca dentro del área de la economía de la producción, y tiene
por finalidad proponer una herramienta metodológica que permita medir la eficiencia
técnica de las estancias productivas de Magallanes, catalogadas como superficie
productiva, grandes, medianas y pequeñas respectivamente, considerando una muestra
representativa de sus insumos utilizados para producir en los últimos 10 años y sus
resultados de venta en este mismo periodo enunciado.
2. SIGNIFICANCIA DEL ESTUDIO
La importancia de esta investigación se verá reflejada desde los resultados de la
metodología propuesta, ya que ella permitirá obtener una herramienta metodológica
para que las unidades productivas de la región de Magallanes puedan identificar luego
de la obtención final de sus resultados productivos, dados por la ventas de corderos,
ventas de su lana y la venta de los vacunos para quienes posean este rubro, cuales son
los insumos más utilizados, como es su relación, de qué manera está dada su
importancia en los procesos y finalmente como pueden ser relevantes en conjunto o en
forma individual en el resultado del proceso productivo final. Estimamos que con esta
información en primer término puede ser utilizada por los ganaderos regionales,
permitiendo con ello un trabajo serio responsable y profesional con la finalidad de
establecer planes de manejo técnico de operación predial que les ayuden a focalizar los
recursos de una manera más eficiente, ya que para un propietario o administrador de
estancias que debe tomar decisiones permanentemente, es útil obtener información
válida que le permita planificar, organizar, dirigir y controlar sus recursos para una
mejor gestión. En segundo término y como una visión general de país podríamos
incluso buscar obtener políticas de estado en cuanto al conocimiento de la eficiencia
técnica de las unidades productivas, para su posterior participación y obtención de
subsidios o fondos especiales para la materialización de proyectos, que le permitan
mejorar sus rendimientos productivos.
6
En los últimos años la ganadería mundial está dirigiendo su atención de forma creciente
a la tecnología y competitividad de los planteles productivos. Los costos de producción
y la necesidad por ingresar a los mercados mundiales en un mundo globalizado han
producido un creciente interés por la medida de la eficiencia con la que se desarrollan
las actividades ganaderas y de producción, principalmente en el mundo del comercio de
la lana. A su vez, otros aspectos han generado un incremento de los estudios referentes
a la eficiencia y a su evaluación en el ámbito productivo, como son el aumento de las
exigencias por parte de los compradores para obtener mejores productos para mejorar el
consumo o la gran inquietud social por exigir a los centros de crianza y producción de
materializar diversas y modernas técnicas de gestión que contribuyan eficazmente a la
protección del medio ambiente.
3. OBJETIVOS DEL ESTUDIO Objetivo General
“Entregar una propuesta metodológica para medir y analizar la eficiencia técnica de
estancias productivas (grande, mediana y pequeña) de la región de Magallanes”
Objetivos Específicos.
Construcción de un panel de datos teórico, que contenga información de insumos y
productos representativos para el proceso productivo de las estancias de
Magallanes.
Especificación de las funciones de producción estocásticas (Cobb-Douglas y
Tranlogarítmica).
Estimación de las funciones estocásticas de producción para medir la eficiencia
técnica de las estancias representadas en el panel de datos teórico.
7
Análisis e interpretación de los resultados obtenidos de los modelos de medición de
eficiencia técnica.
4. HIPÓTESIS DE LA INVESTIGACIÓN
No es posible determinar variables teóricas de productos e insumos, que permitan
estimar una frontera estocástica de producción.
5. OPERACIONALIZACIÓN DE CONCEPTOS
En términos generales, pretendemos que se conozcan los conceptos a utilizar y están
dados principalmente por las características de la ganadería regional, las
especificaciones de nuestra producción y algunos insumos utilizados:
Estancia: Unidad productiva de tierra con instalaciones óptimas para el manejo
agropecuario, con animales domésticos productivos principalmente ovinos, bovinos y
equinos para trabajo de campo y recorrido.
Kilo vivo: Unidad de pesaje en kilos para un animal vivo con 24 horas de encierro
(destare), el pesaje se pude realizar en el predio donde se entregan o en el frigorífico.
Kilo vara: Unidad de pesaje en kilos para animal faenado (completamente limpio sin
viseras e interiores) puede ser vara fría o caliente dependiendo de la temperatura del
animal.
Ovejas de venta: Hembras ovinas que han alcanzado todo su nivel productivo, por lo
general tienes más de 7 años de vida y cinco pariciones, su producción individual se
encuentra bajo el promedio, también encontramos hembras de menor edad con
problemas fisiológicos (mastitis, cegueras, dermatitis, etc.) su venta puede ser unitaria o
kilo vara su destino puede ser mercado nacional o exportación.
8
Corderos(as) de venta: Machos o hembras ovinos de 0 a 6 meses de edad todavía en
estado de lactancia, son producto de venta y su comercialización es por kilos vara, su
destino principalmente es exportación.
Toros de venta: Macho bovino que ya cumplió su etapa reproductiva en el plantel los
años son por norma general más de 6 años pero no necesariamente muy viejos, se
comercializan por kilo vara o kilo vivo, su destino principalmente es mercado nacional.
Vacas de venta: Hembras bovinas que han alcanzado todo su nivel productivo, por lo
general tienes mas de 9 años de vida y su producción individual se encuentra bajo el
promedio, también encontramos hembras de menor edad con problemas fisiológicos
(mastitis, cegueras, dermatitis, etc.). Terneros(as) de venta: Bovinos machos de 6 a 12 meses se venden principalmente para
ser engordados en el norte del país en el caso de los machos, las hembras pueden tener
un destino de reproducción.
Novillos de venta: Bovinos machos de 13 a 36 meses su venta se orienta solo a carne y
se comercializa en peso por kilo vivo o vara.
Vaquillas de venta: Hembras bovinas de 13 a 24 meses pueden ser vendidas como
reproductoras para lo cual su precio seria por unidad o venta para faena siendo su forma
de comercialización el kilo vivo o vara.
Lana de venta: Producción total de lana de la explotación es lana sucia clasificada y
certificada, incluye la lana de pedacería y vellones.
Clasificación: Es la separación que se le da a las diferentes categorías de lana que se
encuentran en el predio, básicamente se divide en lana de pedacería y lana de vellones
con una sub-división en pedacería de lanas tipo barriga (BLS) , ojos (EC), pedazos
cortos bajo 6 centímetros (LKS) , pedazos largos sobre 6 centímetros (PCS) , pedazos
manchados con orinas y fecas , en la sub-división de vellones la separación obedece a la
finura de cada vellón expresada en micrones las cuales son M (23 micrones) , CBK (25
micrones) , FX (27 micrones) y MX (micrones).
9
Certificación: Comprobación de la clasificación lo efectúa una empresa externa y emite
certificados que son validos para la comercialización del producto, en la zona se trabaja
principalmente con el laboratorio reconocido internacionalmente como es la New
Zealand Wool Testing Authority Ltda.
Fardos: Envase de presentación y almacenaje de la lana son de polietileno y contienen
lana en su interior prensada con un peso de 200 kilos aproximadamente.
Numero de ovinos: Cantidad física de animales ovinos en todos sus estados fisiológicos
al 31 de abril del año mencionado.
Número de Bovinos: Cantidad física de animales bovinos en todos sus estados
fisiológicas al 31 de abril del año mencionado.
Ventas de animales: Total de animales comercializados al 31 de abril del año
mencionado.
Porcentaje de marca ovinos: Cantidad de corderos y corderas contabilizados en la
estancia vivos a los tres meses de sus nacimientos.
Porcentaje de marca bovinos: Cantidad de terneros y terneras contabilizados en la
estancia vivos a los cinco meses de su nacimiento.
Número de trabajadores: Cantidad de trabajadores involucrados directamente en las
labores de producción de la estancia.
Remuneraciones: Cantidad fija en pesos que cancela el predio por concepto de
trabajadores se considero para el panel de datos un promedio de 280.000 pesos por
trabajador incluyendo leyes sociales y seguros.
Gastos animales: Gastos relacionados con la producción de los animales.
Otros gastos: Gastos relacionados con el funcionamiento del predio.
10
CAPITULO II: MARCO METODOLÓGICO
1. TIPO DE INVESTIGACIÓN
Esta investigación es descriptiva, ya que consiste en “Medir, evaluar o recolectar datos
sobre diversos aspectos, dimensiones o componentes del fenómeno a investigar”
(Hernández et al. 2002). En este contexto, se tratará de describir una metodología para
medir la eficiencia técnica de las estancias (Grandes, medianas y pequeñas) de
Magallanes, mediante la determinación de las variables relevantes en el proceso
productivo de la ganadería regional, y la estimación de los parámetros asociados a
cada variable, lo que permitirá disponer de una aproximación a la estructura
productiva del sector.
2. METODOLOGÍA DE LA INVESTIGACIÓN
El fundamento metodológico de esta propuesta está en la teoría microeconómica, que
indican que una función de producción representa el máximo nivel de producto que se
puede obtener, considerando la dotación de insumos y la tecnología disponible. Esta
situación nos lleva a considerar el problema del uso eficiente de los insumos, por lo que
se vuelve relevante el proponer alguna metodología que permita determinar las
estructuras productivas y los niveles de eficiencia técnica en este sector productivo.
Para llevar a cabo la presente investigación se proponen variables que permitan medir la
eficiencia técnica de las estancias de Magallanes, mediante el modelo de fronteras
estocásticas de producción (FEP). Se formula un panel de datos, que muestra un grupo
de variables relevantes que permitirán probar o refutar la hipótesis que se ha planteado
en el estudio.
Las variables seleccionadas para medir la eficiencia técnica en las estancias de
Magallanes mediante el modelo de Fronteras Estocásticas de Producción, se han
definido de acuerdo a la revisión bibliográfica realizada y a la experiencia obtenida en
el trabajo desarrollado en un grupo de estancias locales y en las visitas a sectores
ganaderos de Nueva Zelanda, Australia y Argentina.
11
3. VARIABLES RELEVANTES
.Del resultado de la búsqueda de información, se concluye que se han realizado
múltiples trabajos sobre la medición de eficiencia técnica en granjas a nivel mundial
(Bravo-Ureta et. al., 2007), pero de este amplio número de estudios, sólo se encontraron
7 publicaciones que incorporan a ovejas en sus análisis, y están principalmente
relacionados con las cadenas montañosas de Grecia, las cuales, son similares a los
animales caprinos de nuestro país.
Se destaca en el Tabla Nº1 los trabajos, autores y variables que nos entregaron mayor
información para la materialización del presente trabajo.
Tabla Nº 1: Trabajos que consideran granjas con ovejas
TITULO AUTOR VARIABLES Separating technical change from time-
varing technical inefficiency in the absence of distributional assuruptions
G. Karagians
2002
Output (hectoliter), land (há), labour (hours), hard size, intermediate input
Parametric decomposition of output browth using a stochastic input distance
function.
G. Karagians
2004
Output, beef (kg) – lamb (kg) – wool (kg), input, catle-sheep-labor-land-machinary-
materials Explaining output growth with a
heteroscedartic now – neutral production frontier.
G. Karagians
2005
Output (Total gross revenue: meet, milk and wool of sheep), Inputs: labor, flock size, feed expensed, gizzing, other coast, age, education,
debt, improvement plan.
Technical change an efficiency in agriculture
S. O’Neill 2001
Gross output, capital, other input, size of farm, total number labor unit, age, debt ratio,
house told total.
Farm technical efficiency and extension S. O’Neill 2002
Gross output, capital, other input, size of farm, total number of lives toch unit, total
number labor units.
Measuring productivity change and efficiency of farm
S. O’Neill 2004
Average annual rates of technical change by region, farm size and system % of farming
system in the most and lest efficient efficiency quintiles characteristics of the most
and lest efficient farm evaluated at the near valve over the period, relation ship between
farm level factor and efficiency.
Scale economies and efficiency in U.S. agriculture.
C. Paul 2005
Farms, output share, corn, soybean, othercrop, animal, off-farm input share, labour, fuel,
fertilizer, seed, feed, animal input, crop input, other input, capital, land, age, acres.
Fuente: Elaboración propia
12
Para lograr lo antes señalado se han determinado, de acuerdo con la revisión bibliográfica,
las variables para analizar la eficiencia técnica de las estancias mediante el Modelo de
Frontera Estocástica de producción, las cuales, serían las siguientes:
En lo que respecta al Producto del modelo (variable dependiente), OUTPUT, se construye
una relación de las ventas de cada estancia para cada año en estudio donde los resultados
están dados por los ingresos por ventas de carne (corderos, corderas, ovejas de desecho),
lana enfardada sucia al barrer y la venta de los bovinos (terneros, terneras, vacas viejas,
toros de desecho y novillos).
Y = ingresos por ventas
Como variables explicativas, INPUT, se utiliza el número de insumos utilizados para el
proceso productivo como son, remuneraciones, número de ovinos, número de bovinos,
gastos en animales, otros gastos, y la variable tiempo.
X1= remuneraciones
X2= Número de ovinos
X3= Número de bovinos
X4= Gastos en animales
X5= Otros gastos
t = Tendencia en el tiempo, para contabilizar los cambios tecnológicos
4. CONSTRUCCIÓN DE UNA BASE DE DATOS TEORICA
La construcción de un Panel de Datos Balanceado teórico, consistió en determinar los
productos (outputs) e insumos (inputs) más representativos de todas las actividades
contempladas en los procesos productivos de manejo técnico y operación predial por
temporada ganadera en las estancias Magallánicas.
13
Para diseñar este panel se eligieron las variables considerando la revisión bibliográfica
que se enumera en la Tabla N° 1 y se adaptó a las condiciones de la ganadería regional
bajo los siguientes criterios: Numero de ovinos, Nacimiento de ovinos, Numero de
bovinos y Nacimiento de bovinos que tratan de representar como variables proxy del
capital. Para representar la variable trabajo, se utilizó como proxy el total de
remuneraciones (se considero una remuneración promedio de 280.000 pesos por
trabajador); en la construcción de esta variable, se relacionó el número de trabajadores
(ver Tabla N° 2) con la cantidad de animales de dotación en la estancia. Finalmente,
los otros insumos relevantes en el proceso productivo, se representaron mediante las
variables de Gastos de alimentación y Gastos generales.
Se diseñaron siete estancias representativas que consideran diferentes cantidades de
animales. Para el caso de los ovinos, estos fluctúan entre 4.000 y 22.000 animales, y
para el caso de los bovinos, las cantidades van entre 100 y 700 animales, estos
establecimientos se identifican con letras (A, B, C, D, E, F y G, respectivamente).
Para la estimación de cantidades de animales se considero la cantidad de tierra de la
explotación por hectárea (ha), ya que la evidencia empírica muestra que existe una
correlación directa entre la cantidad de animales y el predio. El insumo tierra, puede
mejorar o empeorar su calidad a través del tiempo, pero su cantidad en superficie no
varía en forma natural. La cantidad de animales y tamaño de las explotaciones
obedecen a una revisión de los antecedentes del censo agropecuario (2007) según se
aprecia en el Tabla N° 3 y a la información sobre la estratificación de las estancias en la
región, realizada por el Servicio Agrícola y Ganadero según se aprecia en la Tabla N° 4.
14
Tabla N°2:
Trabajadores y empleados permanentes en estancias de la Región de Magallanes y
Antártica Chilena (censo 2007).
Estancias Empleo permanente
Número
Superficie (ha)
Total ambos sexos
Hombres
Mujeres
XII de Magallanes y Antártica 668 3681489.57 2006 1880 126 Provincia de Magallanes 328 1610424.96 832 768 64 Punta Arenas 213 319048.33 306 270 36 Laguna Blanca 39 341161.7 173 164 9 Río Verde 37 288040 135 124 11 San Gregorio 39 662174.93 218 210 8Provincia Antártica Chilena 11 54295.77 12 11 1
Cabo de Hornos 11 54295.77 12 11 1
Provincia de Tierra del Fuego 218 1369233.75 754 713 41 Porvenir 146 669216.57 381 356 25 Primavera 48 367062.09 148 137 11 Timaukel 24 332955.09 225 220 5Provincia de Última Esperanza 111 647535.09 408 388 20 Natales 85 374446.04 281 269 12
Torres del Paine 26 273089.05 127 119 8
15
Tabla N° 3:
estancias y superficies de la región de Magallanes y Antártica Chilena, con más de
2.000 hás (CENSO 2007)
XII de Magallanes y Antártica De 2000 ha y más
EstanciasSuperficie (ha)
419 5190151.95 Provincia de Magallanes 144 1991069.11 Punta Arenas 33 652684.99 Laguna Blanca 36 344422.7 Río Verde 37 331811.49 San Gregorio 38 662149.93 Provincia Antártica Chilena 6 151907.28 Cabo de Hornos 6 151907.28 Provincia de Tierra del Fuego 178 1779648.87 Porvenir 102 652424.3 Primavera 49 384952.57 Timaukel 27 742272 Provincia de Última Esperanza 91 1267526.69 Natales 61 965221.92 Torres del Paine 30 302304.77
Tabla N° 4:
Estratificación de las estancias de la región de Magallanes y Antártica Chilena
(SAG 2009)
rango acumulado cantidadMayor 100000 4 4Entre 50000 - 99999 9 5Entre 20000 - 49999 35 26Entre 15000 - 19999 53 18Entre 10000 - 14999 74 21Entre 8000 - 9999 103 29Entre 6000 - 7999 162 59Entre 4000 - 5999 315 153Entre 2000 - 3999 692 377Entre 1000 - 1999 905 213Entre 0 - 999 1898 993
Total 1898
16
La representatividad de la base de datos, en relación a los tamaños y escalas de producción
de las distintas estancias, se implementó considerando regularidades empíricas que se
conocen de la región, así por ejemplo, para el caso de las ventas totales, se asume que el
porcentaje de ventas se relaciona en forma directa con los nacimientos. Adicionalmente, se
incorporó información para cada estancia por un periodo de tiempo de 10 años; y con la
finalidad de eliminar las distorsiones que puede producir la inflación, los precios se
expresaron a los valores del año 10. En la Tabla N° 5 se muestran todas las variables de las
bases de datos teórica, así como su estadística descriptiva (Promedio, desviación estándar,
valores mínimos y máximos). La base de datos completa, donde se muestra la información
detallada de cada estancia (7 predios) por año (10 años), se muestra en los Anexos N° 1 y
N° 2.
Tabla N° 5: Construcción del Panel de Datos Teóricos
Output rem tra Gtos Anim Otros Gastos Nro. ov % marca nac.ov vtas.ov x ov lan lan kgs Nro. Bov % marca nac.bov vtas.bov
Promedio 103275560 13440000 4 34749804.3 11869710.5 5064 0.7 3544.6 1949.5355 5.033 25490.1 202 0.878 177.505 124.2535
A Desvest 3517310.25 0 0 2063624.41 2134198.36 77.917335 0.01633 91.788 50.483405 0.28609 1564.35 14.1813649 0.043153 17.2417 12.069182
Valor Mín. 98386880 13440000 4 31436790 8744236.8 4970 0.67 3423.7 1883.035 4.66 23770.3 180 0.8 151.2 105.84
Valor Máx 109302960 13440000 4 38913714 15129607.5 5200 0.72 3692 2030.6 5.43 28080 225 0.94 211.5 148.05
Promedio 240184974 30576000 9.1 63748122.4 27017503.4 10187 0.835 8503.8 5527.4505 5.247 53475.5 385 0.923 355.59 248.913
B Desvest 9415114.51 1907291.3 0.57 7885612.73 4082965.62 451.64022 0.037193 496.69 322.8472 0.14469 3256.57 20.6827894 0.029458 25.7512 18.025856
Valor Mín 226516500 26880000 8 53311177.9 19377600 9700 0.78 7954 5170.1 4.9 47775 350 0.86 309.6 216.72
Valor Máx 252661000 33600000 10 80851520 32450282.2 11000 0.88 9592 6234.8 5.4 59400 410 0.96 381.3 266.91
Promedio 319592443 59472000 17.7 79652800.2 41261356.8 19699 0.621 12229 6114.48 4.244 83608.6 670 0.773 518.44 336.986
C Desvest 10836432.6 2267827.2 0.67 7323052.56 4160463.26 640.84059 0.034785 722.98 361.49179 0.18963 4793.74 36.5148372 0.03401 42.6025 27.691614
Valor Mín 305296600 57120000 17 70484880 34683880 18900 0.55 11000 5500 4 77868 600 0.7 420 273
Valor Máx 337225000 63840000 19 90257112.4 46349100 21000 0.68 13464 6732 4.6 94500 720 0.82 560.9 364.585
Promedio 95119697 14112000 4.2 26175916.2 9596673.47 4122 0.783 3228.8 1937.274 5.379 22168.5 202.5 0.797 161.16 112.812
D Desvest 4629557.66 2650403.7 0.79 2517838.66 1424909.51 194.18205 0.030569 221.07 132.64041 0.21216 1290.19 19.3290225 0.026268 13.5346 9.4742069
Valor Mín 91111500 10080000 3 22975700 7372534.4 3900 0.74 3003 1801.8 4.9 19845 170 0.76 137.7 96.39
Valor Máx 105895500 16800000 5 31017360 12399323.3 4500 0.83 3690 2214 5.68 24200 230 0.84 179.4 125.58
Promedio 114886261 20496000 6.1 26310261.3 13544886.5 5998 0.717 4299.8 2364.8845 4.88 29268.2 202.5 0.797 161.16 112.812
E Desvest 2130524.22 1907291.3 0.57 1765723.16 1621655.08 116.12254 0.021628 127.4 70.072343 0.13166 907.423 19.3290225 0.026268 13.5346 9.4742069
Valor Mín 111846000 16800000 5 23707740 11451000 5800 0.68 4080 2244 4.7 28106 170 0.76 137.7 96.39
Valor Máx 117984200 23520000 7 29496050 16262355.2 6200 0.75 4425.2 2433.86 5.1 31000 230 0.84 179.4 125.58
Promedio 67166577 12768000 3.8 13680815.1 7648891.85 4073 0.714 2908 1599.4165 4.23 17228.4 98 0.778 75.74 45.444
F Desvest 1602452.19 2125050.6 0.63 1877507.44 1063473.5 73.189252 0.021705 99.41 54.67541 0.09487 480.012 14.7572957 0.049844 8.18823 4.912938
Valor Mín 64438980 10080000 3 10899200 6049863 3990 0.68 2713.2 1492.26 4.1 16359 80 0.72 64 38.4
Valor Máx 69298800 16800000 5 16874700 9651644.8 4200 0.74 3048.8 1676.84 4.4 18172 120 0.9 90 54
Promedio 471118826 37632000 11.2 134185227 53787390 21869 0.75 16402 11481.722 5.379 117672 514 0.895 460.04 322.028
G Desvest 16988084.8 2650403.7 0.79 10039795.7 6894252.06 426.93872 0.019437 551.26 385.8842 0.21216 5943.48 22.2111083 0.027588 24.6682 17.267745
Valor Mín 427025200 33600000 10 123644004 42702520 20900 0.72 15257 10679.9 4.9 102410 480 0.85 422.4 295.68
Valor Máx 483887200 40320000 12 152535040 66537100 22400 0.78 17004 11902.8 5.68 123824 550 0.92 496.8 347.76
17
El principal propósito de emplear y estudiar los datos en panel, es capturar la
heterogeneidad no observable, ya sea entre las estancias así como su comportamiento a
través del tiempo. Considerando que esta heterogeneidad no se puede detectar ni con
estudios de series temporales ni con datos de corte transversal. Esta estructura de datos
permite realizar un análisis más dinámico al incorporar la dimensión temporal de los datos
individuales de las estancias. Una vez construido el panel de datos, se procedió a la
aplicación del software FRONTIER 4.1, en donde se determinó el nivel de eficiencia
técnica de cada una de las estancias.
CAPITULO III: MARCO TEÓRICO
La base del desarrollo o la economía en la región de Magallanes se basa en cuatro rubros o
actividades, las cuales, sin enunciar su prioridad o importancia, se pueden definir como: las
actividades mineras, las que corresponden a las silvoagropecuarias, las actividades
pesqueras y finalmente el turismo. De acuerdo con nuestro trabajo, el sector que nos
interesa es el silvoagropecuario, el cual, está representado principalmente por la ganadería
ovina que concentran en la región casi el 60% de las existencias nacionales. En esta zona, la
ganadería ovina está presente desde el año 1877 principalmente asociada a la crianza
extensiva, es decir, grandes cantidades de animales en grandes superficies. La producción
ovina en la Patagonia es una actividad ampliamente difundida y de una importancia ya
nombrada en el sistema pecuario, posee la característica que se encuentra diseminada en
grandes distancias, haciendo difícil una experimentación que permita estudiar y resolver,
simultáneamente, una multiplicidad de factores interrelacionados y asociados a problemas
económicos y sociales. En dicho trabajo, la base de su producción es de doble propósito, es
decir, producción de carne y producción de lana, ambos productos con una diversidad de
estudios en diferentes áreas como genética, agronómica, fisiológica, etc. Conforme con lo
anterior, es importante mencionar que la mayor cantidad de estudios y proyectos hasta la
fecha, han sido en la incorporación y mejoras de praderas y forrajes, introducción de nuevas
razas y utilización de biotecnologías reproductivas. Dichos temas que por su incidencia en
el campo o superficie de explotación, están relacionados en forma directa con mejorar la
eficiencia técnica.
18
El propósito de este marco teórico es entregar una revisión de los conceptos que tienen
relación con la medición de la eficiencia técnica de las estancias en Magallanes.
En términos generales, la palabra eficiencia hace referencia a los recursos empleados y los
resultados obtenidos. Por ello, es una capacidad o cualidad muy apreciadas por empresas u
organizaciones debido a que en la práctica todo lo que estas hacen tiene como propósito
alcanzar metas u objetivos, con recursos (humanos, financieros, tecnológicos, físicos, de
conocimiento, etc.) limitados y (en muchos casos) en situaciones complejas y muy
competitivas.
1. DEFINICIÓN Con el propósito de ordenar la definición pues según el área en que se desarrolle o utilice
tiene distintas definiciones, se estimaron para este trabajo las siguientes áreas de definición:
Aplicada a la economía, aplicada a la administración, aplicada a la mercadotecnia, aplicada
a la producción y la primera de ellas, según el diccionario de la Real Academia Española.
Diccionario de la Real Academia Española: • Eficiencia (del latin efficientia) “virtud de producir” es la capacidad de disponer de
alguien o de algo para conseguir un efecto determinado.
Aplicada a la economía. • Según Simón Andrade, define la eficiencia de la siguiente manera: “expresión que
se emplea para medir la capacidad o cualidad de actuación de un sistema o sujeto
económico para lograr el cumplimiento de objetivos determinados, minimizando el
empleo de recursos”.
• Según Gregory Mankiw, la eficiencia es la “propiedad según la cual la sociedad
aprovecha de la mejor manera posible sus recursos escasos”.
19
• Según Samuelson y Nordhaus, la eficiencia “significa utilización de los recursos de
la sociedad de la mera mas eficaz posible para satisfacer las necesidades y los
deseos de los individuos”.
Aplicada a la administración:
• Según Adalberto Chiavenato, eficiencia “significa utilización correcta de los
recursos (medios de producción) disponibles .Puede definirse mediante la ecuación
E=P/R, donde P son los productos resultantes y R los recursos utilizados”.
• Según Koontz y Weihrich, la eficiencia es “el logro de las metas con la menor
cantidad de recursos”.
• Según Robbins y Coulter, la eficiencia consiste en “obtener los mayores resultados
con la mínima inversión”.
• Para Reinaldo O. Da Silva, la eficiencia significa “operar de modo que los recursos
sean utilizados de forma mas adecuada”.
Aplicada a la Mercadotecnia:
• Según el diccionario de Marketing, de Cultural S.A., la eficiencia es el “nivel de
logro en la realización de objetivos por parte de un organismo con el menor costo de
recursos financieros, humanos y tiempo, o con máxima consecución de los objetivos
para un nivel dado de recursos (financieros, humanos, etc)”.
Aplicada a la Productividad:
• Una organización es eficiente desde el punto de vista productivo cuando logra
apertura e integración comercial, mejorando su competitividad, empleando
tecnología y sometiéndose a constantes evaluaciones y comparación de registros.
20
Creemos que como equipo de trabajo e investigación y de acuerdo a las
características del presente documento, que en forma global, simple y consensuada
una posible definición de Eficiencia puede ser:
“OPTIMA UTILIZACIÓN DE LOS RECURSOS DISPONIBLES PARA LA
OBTENCIÓN DE LOS RESULTADOS ESPERADOS”
2. CONCEPTO DE EFICIENCIA
La literatura más tradicional ofrece dos grandes perspectivas desde la cual abordar el
concepto de eficiencia: el enfoque macroeconómico y el microeconómico.
Desde una perspectiva macroeconómica, el concepto de eficiencia se asocia con la
asignación de los recursos escasos con que cuenta una sociedad para satisfacer las
preferencias de sus miembros. En esta línea, una asignación eficiente “es una
asignación de recursos tal que no existe otra asignación disponible que mejore a alguien
sin perjudicar a nadie”. Los criterios de asignación óptima, dada la renta de una
sociedad, se conocen como criterios de eficiencia paretianos y forman la base de la
llamada economía del bienestar. (Milgrom y Roberts, 1993: 28).
Por otra parte, desde la perspectiva microeconómica, la eficiencia analiza la utilización
de recursos en la producción de bienes o servicios y compara esta relación con otras
organizaciones similares. En este escenario, es posible distinguir dos tipos de eficiencia:
2.1- la eficiencia técnica que se refiere a la capacidad de una unidad en producir el
máximo producto posible con un nivel dado de insumos o de utilizar el menor insumo
posible para obtener un determinado nivel de producto.
2.2- la eficiencia asignativa que se refiere a la habilidad para combinar insumos y
productos en óptimas proporciones a la luz de los precios existentes.
21
Koopmans (1951) entrega las primeras consideraciones teóricas sobre eficiencia
técnica, la cual definió como un vector compuesto por insumos y productos, donde es
tecnológicamente imposible incrementar algún producto (y/o reducir algún insumo) sin
simultáneamente reducir algún otro producto (y/o incrementar algún otro insumo). Por
tanto, un productor técnicamente ineficiente podría originar los mismos productos con
menor cantidad de al menos un insumo, o podría usar los mismos insumos para
producir más de al menos un producto.
3. EFICIENCIA ECONÓMICA
En la mayoría de las empresas comerciales, la eficiencia económica es el factor
primordial que determina el tipo de sistema empleado. No existen muchas personas
dispuestas a dedicarse a una actividad sin percibir una remuneración en dinero que se
considere satisfactoria. Todos deben luchar por satisfacer las necesidades básicas para
asegurar la existencia (pan, techo y abrigo como mínimo) y la mayoría se esfuerzan
para conseguir ingresos adicionales que faciliten obtener un cierto nivel de comodidad
en la vida. Las leyes de la economía exigen que cada actividad tenga su ganancia para
que ellas sean sustentables. La producción de alimentos para el consumo humano no
escapa a esta regla, por lo cual la agricultura (ganado, cultivos, frutales y bosques)
requiere una recompensa para incentivar la continuidad de la producción. Son pocos los
ganaderos que continúan en esta industria por "mera pasión", pero esto no impide que
en muchas oportunidades la maximización de ganancias económicas no siempre sea la
primera prioridad del ganadero.
Sin embargo, para los administradores de estancias comerciales cuya responsabilidad es
manejar las finanzas de empresas privadas o estatales, la eficiencia económica que
logren es una consideración de extrema importancia para así contribuir de manera
sustancial al logro de los objetivos gerenciales, administrativos y productivos. Otros
factores que se encuentran muy ligados a la eficiencia y que por ende también deben
tomarse en cuenta, según las condiciones específicas de cada caso, son la estabilidad de
la empresa, el nivel de riesgo, el crecimiento y desarrollo de la explotación y metas
específicas impuestas por el dueño accionistas o institución a cargo.
22
La administración de estancias incluye en sus actividades la manipulación de grandes
cantidades de dinero invertidas (terreno, animales, equipos) con la finalidad de obtener
un ingreso monetario.
El término de eficiencia económica hoy en día en un concepto muy utilizado pero es
importante mencionar que se utiliza en un sentido muy general y de acuerdo a la
percepción de cada una de las personas que lo utilizan, está casi apuntado desde el
punto de vista del sentido común más que al verdadero dominio de los conceptos
técnicos, los cuales, realmente tienen otra implicancia. Por lo tanto en esta sección
presentaremos tres frases para conjurar algunos mitos comunes y desterrar varios
conceptos erróneos que circulan sobre la eficiencia económica.
Alta eficiencia económica NO SIGNIFICA costos muy bajos.
Alta eficiencia económica NO SIGNIFICA altísima producción.
Alta eficiencia económica NO SIGNIFICA máxima eficiencia biológica.
4. EFICIENCIA ECONÓMICA VERSUS EFICIENCIA BIOLÓGICA
Mucha gente insiste sobre el supuesto que un índice de alta eficiencia biológica implica
forzosamente un alto índice de eficiencia económica. Pero si bien esto es cierto en
algunos casos, generalmente este supuesto es erróneo.
El concepto de eficiencia biológica es muy importante y hay que evaluar
cuidadosamente este indicador para poder comprender y manipular exitosamente la
eficiencia económica. Sin embargo cada uno de estos conceptos requiere un enfoque
específico. Así, por un lado hay que prestar atención a los constantes cambios de
precios y costos, mientras que por otro hay que estar atentos a los cambios en los
factores que influyen sobre la eficiencia biológica; esta última es necesaria para poder
maximizar la eficiencia económica pero los valores óptimos que ella asume, los cuales,
varían en los diversos lugares del planeta, como también en distintas estaciones y de
año en año.
23
5. MEDIDAS DE EFICIENCIA ECONÓMICA El interés de medir el nivel de eficiencia económica de los sistemas agropecuarios debe
afrontar una tarea compleja, ya que existe una gran diversidad de métodos para
calcularla.
Esta gran diversidad de métodos crea un cierto nivel de confusión, pero estas
alternativas en cuanto a métodos se justifica en función de la especificidad del propósito
final del análisis económico y de la interpretación de sus resultados. En efecto esta
diversidad de métodos refleja la complejidad generada por el gran número de diversos
sistemas que existen en la práctica.
Lamentablemente no existe un indicador que sea universalmente apropiado para medir
la eficiencia económica. Esto no es sorprendente ya que al analizar la condición de un
paciente, es justificado esperar que el médico no sólo verifique la temperatura, sino
también mida la presión sanguínea, tome el pulso y solicite exámenes de laboratorio.
Así es también en el análisis de la eficiencia económica de las explotaciones pecuarias.
Para esto será necesario comprender los cálculos, derivaciones y la interpretación de
varios parámetros económicos de uso corriente.
Llegar a comprender la metodología y los elementos necesarios para medir la eficiencia
económica exigirá comprender ciertos principios básicos. Cabe señalar además que la
manera de expresar la eficiencia económica dependerá de las condiciones y del
propósito del análisis del estudio a realizar.
6. TÉCNICAS DE MEDICIÓN DE EFICIENCIA
El análisis de la eficiencia en producción (Farrell, 1957) es un área de constante interés
en Economía, al tratar el uso adecuado de los escasos recursos con la tecnología
disponible. Por tanto, dada una tecnología, se trata de obtener el máximo producto dado
un nivel de insumo, o emplear los mínimos insumos para alcanzar cierto nivel de
producto. Frente a este concepto de eficiencia técnica, surge la eficiencia asignativa
cuando la tecnología varía y se toma la mejor combinación de insumos dados los
precios de los mismos.
24
En este análisis resulta crucial la estimación de la función frontera, para posteriormente
comparar las unidades observadas con la frontera estimada y determinar así la
ineficiencia. Una vez estimados los indicadores de eficiencia, en una segunda etapa se
puede proceder a buscar las razones de las diferencias en eficiencia. Con este objetivo
se estiman modelos de regresión tomando como variables explicativas aquéllas no
controlables por el productor o no correlacionadas con las empleadas en la primera
etapa.
Respecto a la estimación de la frontera, tradicionalmente se ha realizado por dos
grandes vías, paramétricas y no paramétricas.
Se estima una función frontera, para posteriormente comparar las unidades observadas
con la frontera estimada y determinar así la ineficiencia. Respecto a la estimación de la
frontera, tradicionalmente se ha realizado por dos grandes métodos, paramétricos y no
paramétricos.
MÉTODO PARAMÉTRICO:
En las técnicas paramétricas, se especifica una determinada forma funcional para
recoger las relaciones entre las variables. Entre las funciones más empleadas destaca la
función Cobb-Douglas, cuyo interés recae fundamentalmente por su sencillez, si bien a
costa de ciertas limitaciones o supuestos sobre las relaciones estimadas. Otras funciones
más complejas son la función Tranlogarítmica, CES –función de elasticidad de
sustitución constante – y generalizada de Leontief.
A su vez, las técnicas paramétricas pueden ser determinísticas y estocásticas:
Determinísticas:
Suponen que toda la distancia entre la frontera de producción y el valor de producción
observado para un predio corresponde a ineficiencia técnica. Se puede representar
como:
25
yi = f(xi ,β) − ui
Y= Output
X = Cantidad de insumos
(= Vector de los parámetros a estimar
U= Ineficiencia técnica
En el caso de las técnicas determinísticas, toda desviación de la frontera se atribuye a
ineficiencia (ui ≥ 0) y por tanto no considera los efectos de shocks aleatorios fuera del
control del productor:
yi = f(xi ,β) − ui
La estimación de la frontera suele realizarse a través de mínimos cuadrados corregidos
(COLS, corrected ordinary least squares), que consiste en corregir el término
independiente por el máximo residuo positivo de la estimación por mínimos cuadrados
ordinarios (OLS) inicial. De esta forma, todas las observaciones se situarán por debajo
de la frontera, excepto la más eficiente, que se corresponderá con la unidad empleada en
la corrección.
Estocásticas:
En estas técnicas las desviaciones de la frontera se descomponen en dos factores que se
asume son independientes entre si. La frontera estocástica de producción puede
representarse con la fórmula que sigue:
Yi = xi( + (Vi - Ui)
Y= Producción
X = Cantidad de insumos
(= Vector de los parámetros a estimar
V= Componente aleatorio
U= Ineficiencia técnica
26
Las fronteras estocásticas fueron introducidas paralelamente por Aigner, Lovell y
Schmidt, 1977; y Meeusen y van den Broeck, 1977), en esta técnica las desviaciones de
la frontera se descomponen en dos factores que se suponen independientes entre si. La
frontera estocástica de producción puede ser representada de la siguiente forma:
Yi = xi( + (Vi - Ui)
Donde, Yi es la producción (o el logaritmo de la producción) de la i-th firma; xi es un
vector k(1 de cantidades de insumos de la i-th firma; ( es un vector de los parámetros a
estimar; Vi son variables aleatorias, de las cuales se asume están i.i.d. N(0,(V2), i son
independientes de los Ui los cuales son variables aleatorias no-negativas, y que
contabilizan la ineficiencia técnica en la producción, y se normalmente se que están
i.i.d. |N(0,(U2)|.
En este caso, la estimación se debe realizar por máxima verosimilitud. Entre los
inconvenientes de esta técnica, podemos mencionar la necesidad de contar con
información fiable sobre la tecnología para determinar la forma funcional, ya que una
incorrecta especificación del modelo podría distorsionar el análisis. Adicionalmente, su
aplicación es compleja en el caso de múltiples productos.
MÉTODO NO PARAMETRICO:
En las técnicas no paramétricas o de programación matemática no se supone una forma
funcional concreta. Así, los índices de eficiencia de las unidades productivas deben ser
estimados en el marco de los supuestos adoptados sobre la tecnología, habitualmente
desconocida, a partir de los datos disponibles.
27
7. Especificaciones y Alcances de la Frontera Estocástica de Producción
La presente propuesta metodológica se llevó a cabo mediante la aplicación de un
Modelo de Frontera Estocástica de Producción (FEP), que como se menciono
anteriormente, fue propuesta independientemente por Aigner, Lovell y Schmidt (1977)
y por Meeusen y van den Broeck (1977). La FEP permitirá determinar la desviación
existente entre el nivel observado de producción de las estancias y la frontera eficiente
o de “mejor desempeño”. En el caso de múltiples productos, la FEP se construye
haciendo una agregación de los distintos productos en análisis, cuando no sea posible
realizar una simple agregación, se puede utilizar alguna unidad de medida común y
representar los distintos outputs como un producto individual (Y). Para el caso de un
producto y K insumos, una función de producción Cobb-Douglas podría escribirse
como:
ititkit
K
kkit uvtxY −+++= ∑
=
ln ln 11
0 λβα
Por otra parte, una función de producción Tranlogarítmica podría escribirse como:
ititkit
K
kk
K
klitkit
K
lklkit
K
kkit uvtttxxxxY −++++++= ∑∑∑∑
== ==
21*lnln*ln
21ln ln 2
11111 11
0 λλδββα
Donde i = 1, 2, …, N, itY representa el producto agregado para la ith estancia en el
periodo t; xkit representa un vector (1×K) insumos para la ith estancia en el período t; 0α ,
sβ , sδ sλ son los parámetros desconocidos a estimar; vit es el error aleatorio, que se
asume sigue una distribución normal con media cero y varianza constante (vi ∼ iid
N(0, 2vσ )); y uit es un error aleatorio, no observable y no negativo, asociado con la
ineficiencia técnica de la estancia ith. El término uit puede tener diferentes
especificaciones. Las que se han utilizado más frecuentemente son la distribución no-
negativa de una normal truncada con una media μ y una varianza constante (Ui ∼ iid
( )2, uN σμ ) y la distribución media-normal o semi-normal (ui ∼ iid ( )2,0 uN σ ). Sin
embargo, la elección de la distribución es una cuestión empírica, por lo que en este
trabajo se van a testear la distribución normal truncada contra la media-normal.
28
La simetría de la función Tranlogarítmica está implícita en la siguiente relación
lkkl ββ = . En este modelo la variable t se define como tendencia del tiempo, con la
finalidad de capturar el cambio tecnológico.
Las elasticidades parciales de producción se calculan
como: txxYe kl
kklk
kxY k
δββ ++=∂∂
= ∑=
lnlnln 3
1* , y están dadas por
Yx
xY
xY k
kk*
lnln
∂∂
=∂∂ , si 0≥
∂∂
kxY
entonces 0*ln≥
∂∂
kk xY
xY . Sin embargo, si la Tranlogarítmica se estima utilizando la
normalización de los datos a la media geométrica, entonces las elasticidades parciales
de producción estarán dadas por los parámetros estimados (por ejemplo βk). En este
caso, los retornos a escala, van a estar dados por la suma de los parámetros lineales
estimados i.e., ∑=
K
kk
1
β . Si la suma de los parámetros de primer orden es mayor que uno,
esto indica que los retornos a escala son crecientes, si es menor a uno, implica retornos a
escala decrecientes, y si la suma es igual a uno implica retornos constantes.
Adicionalmente, se pueden estimar la elasticidad de escala, que se define como:
Y
xk
kk∑==
3
1ƒ
ε , donde kx
Y∂∂
=kƒ es el producto marginal (PM) del producto con respecto al
insumo kth , y puede ser estimada como la derivada del producto con respecto a un insumo.
La estimación de la eficiencia técnica (ET) para la estancia ith bajo el método de la FEP,
está dada por )exp( iuTE −= , donde ui está especificado en la ecuación Cobb-Douglas y
Translogarítmica (Battese and Coelli, 1992). El predictor de la ET se obtiene como la
esperanza del término u , del error condicional compuesto v-u, lo que es equivalente a:
[ ]uvuEET −= )exp( .
29
7.1 Método de Estimación
Puesto que la frontera estocástica de producción depende del valor del error
aleatorio de cada estancia “i”, que es desconocido, la medida de la eficiencia sólo
puede calcularse mediante el uso de predictores.
Coelli (1996) demostró que el uso de estimadores de máxima verosimilitud era el
más apropiado como predictor. Desde el año 1992 el desarrollo informático de
programas como el LIMDEP Econometrics Package (Greene, 1993) y el
FRONTIER PROGRAM (Coelli, 1992), han permitido la estimación de las fronteras
estocásticas por el método de máxima verosimilitud de una manera sencilla.
Todos los cálculos se estimaron utilizando el software FRONTIER 4.1., que utiliza
un método de tres etapas:
• La primera consiste en una estimación del modelo por el método de los mínimos
cuadrados ordinarios en la cual se obtienen los parámetros βi y σ del modelo.
Las estimaciones son insesgadas para todos los parámetros salvo para los
parámetros β0 y σ.
• En una segunda instancia la función de máxima verosimilitud es evaluada para
varios valores de σ fijando los parámetros β en los resultados de la estimación
anterior (excepto por β0). En el caso de los parámetros β0 y σ2 se utilizan los
datos de la estimación anterior ajustados, mientras que todos los demás
parámetros son llevados a valor cero en esta etapa.
• Durante la tercera etapa se realiza un nuevo proceso iterativo con el fin de
obtener los estimadores máximo verosímiles. Dicha instancia se lleva a cabo
aplicando la rutina de maximización de Davidon – Fletcher – Powell (DFP) para
maximizar la función de verosimilitud. Dicho procedimiento se realiza
utilizando los valores encontrados en el proceso iterativo anterior como valores
iníciales de los distintos parámetros.
30
7.2 Pruebas de Hipótesis
Para validar la significancia estadística, tanto de los parámetros como del modelo en
su conjunto, se aplican dos tipos de pruebas de hipótesis de amplia difusión en la
econometría tradicional: el estadístico t y el test de la razón de verosimilitud (LR).
Éste último se llevó a cabo con el fin de elegir la especificación que mejor
represente la estructura de producción así como la significancia de los parámetros
que definen la estructura del error compuesto de los modelos antes mencionados,
utilizando la prueba de razón de verosimilitud generalizado, cuya fórmula es la
siguiente:
[ ])log()log(2 10 HH −−=λ
Donde log (H0) es logaritmo de la función de verosimilitud para el modelo
restringido especificado en la hipótesis nula y log (H1) es el logaritmo de la función
de verosimilitud para el modelo no restringido estipulado en la hipótesis alternativa.
Esta prueba presenta una distribución chi-cuadrado, con grados de libertad iguales
al número de parámetros que se igualan a cero en la hipótesis nula (Arévalo 2006).
CAPITULO IV: ESTIMACIONES, RESULTADOS Y ANÁLISIS
El presente capítulo muestra los principales resultados obtenidos de las estimaciones
realizadas a través de la frontera estocástica de producción, donde se utilizó un panel de
datos anuales con información teórica de 7 estancias diferentes, por un periodo de 10 años,
lo que permitió disponer de un total de 70 observaciones. A continuación se realiza un
análisis de los principales resultados obtenidos.
El proceso econométrico para la estimación de los modelos de fronteras estocásticas de
producción, utilizado en este trabajo, corresponde a la metodología de máxima
verosimilitud del algoritmo FRONTIER 4.1 desarrollado por Coelli (1996), que entrega
estimaciones puntuales de los parámetros y las ineficiencias técnicas para cada estancia en
cada año del presente estudio.
31
Con los datos recolectados, se procedió a estimar dos funciones de producción estocásticas:
una Cobb-Douglas y una Tranlogarítmica. La forma funcional Cobb-Douglas tiene la
ventaja de que la interpretación de los parámetros es directa y la multicolinearidad es más
baja que en otras especificaciones. Por otro lado, la forma funcional Tranlogarítmica
proporciona mayor flexibilidad.
1. PRESENTACIÓN DE RESULTADOS
La Tabla Nº 6 presenta las significancias estadísticas de las especificaciones evaluadas
utilizando la prueba de razón de máxima verosimilitud generalizada, que compara el
valor de la función de máxima verosimilitud entre la hipótesis nula y la hipótesis
alterna. En esta tabla, los valores de ημγ ,, para el Modelo 1 son: 138,78; 0,56 y 2,31
respectivamente, mientras que para el Modelo 2 son: 47,23; 0,75 y 0,78
respectivamente. Finalmente, la diferencia entre los ratios estadísticos de máxima
verosimilitud es de 39,68 entre el Modelo 1 y 2, por lo que se elige el Modelo 2
(Tranlogarítmica).
El primer test se focaliza en la significancia estadística del parámetro γ (H0: γ = 0), y
compara el modelo de frontera estocástica con la frontera de producción media. Como
se puede apreciar en la Tabla Nº 6, se acepta que ambos modelos son estocásticos.
El segundo paso fue testear la hipótesis nula que expresa que la distribución de una
cola, que representa la ineficiencia, es media-normal H0: μ = 0. Esta hipótesis no es
rechazada en cada modelo. El tercer paso, consistió en testear la hipótesis nula de que
la eficiencia técnica es invariante con respecto al tiempo H0: η = 0, la que se rechaza
para los dos modelos (5% nivel de significancia), indicando que la eficiencia técnica es
invariante en el tiempo.
32
La Tabla Nº 6 también muestra el resultado del test de la comparación de los Modelos 1
y 2, donde el Modelo 1 Cobb-Douglas es rechazado y se escoge como preferido al
Modelo 2 Tranlogarítmico.
El modelo seleccionado Tranlogarítmica, fue estimado con 27 variables de primer orden
(insumos) y presenta una distribución half-normal, invariante en el tiempo. Mientras
que el modelo Cobb-Douglas, se estimó con 7 variables, y con una distribución half-
normal, e invariante en el tiempo.
Tabla Nº 6
Test de Especificación para los Modelos 1 y 2
Hipótesis Nula H0 χ2 Estadístico χ2 0.95 Valor Decisión Elección
Modelo 1 γ = 0 μ = 0 η = 0
138,78 0,56 2,31
2,71b 3,84 3,84
Rechaza H0 Acepta H0 Acepta H0
Estocástico
Media Normal Invariante
Modelo 2 γ = 0 μ = 0 η = 0
47,23 0,75 0,78
2,71 b 3,84 3,84
Rechaza H0 Acepta H0 Acepta H0
Estocástico
Media Normal Invariante
Modelo 1 vs Modelo 2a
39.68 32,67 Rechaza H0 Modelo 2
Fuente: Elaboración Propia. a. Leer como modelo restringido versus modelo sin restricciones. b. Este valor se obtiene de la tabla de Chi-Cuadrado Mixto.
Los resultados de la estimación de la Frontera Estocástica de Producción para el
Modelo 1 (Cobb-Douglas) y Modelo 2 (Tranlogarítmico) se muestran en la Tabla Nº 7.
Se puede destacar que para el Modelo 1 los parámetros que presentan estimaciones
estadísticamente significativas al 1% son: β2 y β3. Adicionalmente, este modelo no
presenta parámetros para un nivel de significancia estadística del 5%. Finalmente β1 y
β4 son los parámetros que presentan un nivel de significancia estadística al 10%. En el
Modelo 2, los parámetros que presentan estimaciones estadísticamente significativas al
1% son: β2, β3, β34 y β35. Para un nivel de significancia estadística del 5% los
parámetros son: β13, β24 y β45. Posteriormente β15 y δ3, son los parámetros que presentan
un nivel de significancia estadística del 10%. Finalmente se puede mencionar que en
ambos modelos se presentan los parámetros de γσ ,2 .
33
Tabla Nº 7
Parámetros Estimados de Máxima Verosimilitud para la Frontera Estocástica de Producción
Variables Parámetros Modelo 1:
Cobb-Douglas Modelo 2:
Translogarítmico Constante
0α 9.8774 *** 0.126 ***
Remuneraciones ( 1x ) 1β 0.0377 * 0.022
Número de Ovinos ( 2x ) 2β 0.8161 *** 0.820 ***
Número de Bovinos ( 3x ) 3β 0.1603 *** 0.191 ***
Gastos en animales ( 4x ) 4β 0.0438 * 0.044
Otros gastos ( 5x ) 5β 0.0063 0.003
Variable de tiempo ( t ) 1λ -0.0018 ** -0.002 **
(0.5 *2t ) 11λ
-0.540 **
(0.5*21x ) 11β
0.201
(0.5*22x ) 22β
-0.170
(0.5*23x ) 33β
-0.291
(0.5*24x ) 44β
-0.269
(0.5*25x ) 55β
0.000
( 1x * 2x ) 12β 0.029
( 1x * 3x ) 13β 0.362 **
( 1x * 4x ) 14β -0.216
( 1x * 5x ) 15β 0.328 *
( 1x * t ) 1δ -0.015
( 2x * 3x ) 23β -0.250
( 2x * 4x ) 24β -0.354 **
( 2x * 5x ) 25β 0.169
( 2x * t ) 2δ 0.010
( 3x * 4x ) 34β 0.563 ***
( 3x * 5x ) 35β -0.461 ***
( 3x * t ) 3δ 0.013 *
( 4x * 5x ) 45β 0.359 **
( 4x * t ) 4δ -0.011
( 5x * t ) 5δ 0.002
Función de Máxima Verosimilitud σ2 0.0337 * 0.031 γ 0.9865 *** 0.992 ***
Fuente: Elaboración Propia. a. * 10% nivel de significancia, ** 5% nivel de significancia, ***1% nivel de significancia.
34
La Tablas N°8 y N°9 muestran las eficiencias técnicas promedio para las siete estancias
analizadas según los Modelos Cobb-Douglas y Translogarítmico, las que presentan un
promedio de 88,05% y 88,78%, respectivamente.
Tabla Nº 8
Tabla de Eficiencia y promedios por estancias. Estancias Funcion
CobbDouglas Función Translogarítmica
Diferencial
A B C D E F G
0,8898 0,9899 0,6787 0,9816 0,8586 0,8143 0,9508
0,9078 0,9915 0,6991 0,9886 0,8789 0,7860 0,9625
0,0180 0,0016 0,0204 0,0070 0,0203 -0,0283 0,0110
PROMEDIOS 0,8805 0,8878 0,0073
Fuente: Elaboración Propia
Tabla Nº 9
Tabla de Eficiencia y promedios decrecientes por estancias. Estancias Funcion
CobbDouglas Función Translogarítmica
Diferencial
B D G A E F C
0,9899 0,9816 0,9508 0,8898 0,8586 0,8143 0,6787
0,9915 0,9886 0,9625 0,9078 0,8789 0,7860 0,6991
0,0016 0,0070 0,0110 0,0180 0,0203 -0,0283 0,0204
PROMEDIOS 0,8805 0,8878 0,0073
Fuente: Elaboración Propia
35
2. ANÁLISIS
La Tabla N° 7 muestra las estimaciones de los parámetros de la frontera estocástica de
producción para los Modelos Cobb-Douglas y Translogarítmico, se puede comentar que
ambos modelos presentan estimaciones estadísticamente significativas para los coeficientes
de primer orden de los insumos, con excepción de β1, β4 y β5 (remuneraciones, gastos en
animales y otros gastos, respectivamente) en el Modelo Translogarítmico y β5 (otros gastos)
en el modelo Cobb-Douglas. También se puede apreciar que todos los coeficientes de
primer orden muestran los signos esperados desde un punto de vista teórico.
Los parámetros estimados de primer orden, representan las elasticidades parciales de
producción con respecto a los insumos y miden el porcentaje de cambio en la producción
debido a un cambio del 1% en los insumos. En el caso del modelo 2 (modelo seleccionado),
los parámetros estadísticamente significativos son β2 (0,820), y β3 (0,191), en este contexto
si el número de ovinos se incrementa en un 1%, la producción total (output), se
incrementaría en 0,82%, y por otro lado, si el número de bovinos se incrementase en un 1%
el producto total crecería sólo en un 0,191%. Según estos resultados, la elasticidad estimada
más alta es el número de ovinos, lo que ratificaría la importancia de este insumo en el
sistema productivo regional.
La elasticidad de escala corresponde a la suma de las elasticidades parciales de producción,
que este caso correspondería a 1,08 (al ser mayor que uno), lo que estaría indicando que
existen retornos crecientes a escala. Esto implicaría que un incremento unitario proporcional
en todos los insumos (inputs), de por ejemplo un 10%, incrementaría el producto (output) en
un porcentaje mayor que el 10%.
La tendencia del tiempo (t) tiene un coeficiente negativo y estadísticamente significativo,
en la especificación de los dos modelos, de acuerdo a esto se puede señalar que la
ineficiencia técnica de producción declina a través del período de diez años.
36
Para los productos cruzados y cuadráticos del Modelo 2 se puede señalar lo siguiente: (i)
Los coeficientes de los insumos cruzados que son estadísticamente significativos son: β13 ,
β34 y β45, que tienen un signo positivo, lo que indicaría complementariedad, ya que su
producción conjunta implicaría un incremento en el producto total. Respecto de β24 y β35 a
pesar de ser estadísticamente significativos, el signo negativo implica una no
complementariedad. También se observa complementariedad entre el número de bovinos y
el tiempo (δ3). (ii) Los coeficientes de los productos cuadráticos no son estadísticamente
significativos.
De las Tablas N° 8 y N° 9, se puede destacar que la eficiencias técnicas fluctúan entre un
mínimo de 67,87% a un máximo de 98.99% para el Modelo Cobb-Douglas, mientras que
para el Modelo Translogarítmico, el rango está entre 69,91% y 99,15%. También se puede
destacar que la eficiencia en costos de ambos modelos tiene una alta correlación positiva
igual a 0,99, lo que implica que los dos modelos tienen una estrecha relación con las
estancias respecto a su eficiencia. En ambos modelos el valor máximo corresponde a la
estancia B y el valor mínimo a la estancia C. Esto corrobora que la eficiencia técnica de los
dos modelos están estrechamente relacionadas.
De los rankings de eficiencia, se puede destacar que la estancia más eficiente (B) es la que
tiene el porcentaje de marca más alto de ovinos y bovinos (84% y 92% promedio
respectivamente en los 10 años) y tiene un porcentaje de venta promedio de ovinos de un
65% (el segundo más alto) y de un 70% de bovinos (igual a las estancias A, D, E y G),
adicionalmente, se puede señalar que esta estancia está entre los tres predios con más alta
producción promedio de lana por animal con 5,247 Kg. La estancia menos eficiente (C), a
pesar de que ocupa el segundo lugar con mayor número de ovinos y tiene el mayor número
de bovinos, presenta el porcentaje de marca más bajo de ovinos y bovinos (62% y 77,3%
promedio respectivamente en los 10 años) y tiene un porcentaje de venta promedio de
ovinos de un 45% (el más bajo) y de un 65% de bovinos (el segundo más bajo),
adicionalmente, se puede destacar que esta estancia tiene el segundo promedio más bajo de
producción de lana por animal con 4,244 Kg. Estos resultados, nos indican que esta
metodología tiene la capacidad de procesar las diferentes interrelaciones entre las variables,
y que puede estimar la eficiencia para estancias con diferentes niveles de producción.
37
CAPITULO V: CONCLUSIONES
El objetivo de este trabajo es contribuir en la creación de una herramienta o propuesta
metodológica para medir la eficiencia técnica para los predios productivos o estancias de
Punta Arenas. Para cumplir con esta finalidad, se analizó desde una base de datos teórica a
siete estancias con características similares de producción y manejo técnico de operación
predial, dividiéndose en estancias grandes, medianas y pequeñas.
En relación a la metodología del trabajo, se utiliza la aproximación paramétrica de una
función estocástica, lo que implica estimar una frontera de producción en la que la
desviación entre el nivel de producto observado y el nivel máximo posible, implica
descomponer el termino de error en dos componentes: un término de error aleatorio, que
captura el efecto de variables que no están bajo el control de la unidad productiva
analizada, y un término que mide la ineficiencia.
El proceso econométrico para la estimación de los modelos de fronteras estocásticas de
producción, utilizado en este trabajo, corresponde a la metodología de máxima
verosimilitud, estimada mediante el software FRONTIER 4.1.
Se estimaron y compararon dos Modelos, uno Cobb-Douglas (Modelo 1) y el otro
Translogarítmico (Modelo 2). El Modelo seleccionado utilizando la razón de máxima
verosimilitud es el modelo Translogarítmico que se estimó con 27 variables y tiene una
distribución semi-normal y es invariante en el tiempo.
Los parámetros de primer orden del Modelo Translogarítmico, y que son estadísticamente
significativos, corresponden a: número de ovinos (β2 =0,820), y número de bovinos (β3
=0,191). Estos parámetros representan las elasticidades parciales de producción, e indican
que la elasticidad estimada más alta es el número de ovinos, lo que ratificaría la
importancia de este insumo en el sistema productivo regional.
38
La elasticidad de escala es de 1,08, lo que indica que existen retornos crecientes a escala. Esto
implicaría que un incremento unitario proporcional en todos los insumos (inputs), de por
ejemplo un 10%, incrementaría el producto (output) en un porcentaje mayor que el 10%.
Respecto de la hipótesis planteada en esta investigación, que indicaba que “No es posible
determinar variables teóricas de productos e insumos, que permitan estimar una frontera
estocástica de producción”, es refutada, ya que los resultados obtenidos evidencian que es
posible modelar y estimar una frontera estocástica de producción.
En la determinación de las variables a considerar en futuros análisis,, los productos y costos
de la explotación ganadera ovina tienen un cierto grado de complejidad por tener un
complemento biológico difícil de calcular o de ser asignado con un valor determinado,
como son los nacimientos, muertes o cambio de inventario.
1. PROPUESTAS
Considerando que la eficiencia técnica de las estancias, es susceptible de ser calculada
y analizada, a continuación se presentan algunas propuestas que pueden ser
consideradas al momento de diseñar e implementar mecanismos de medición y
planificación agropecuaria:
Se detecta la necesidad de contar con bases de datos agropecuarias, que permitan
construir modelos de economía agraria, y de este modo aplicar diversas herramientas
estadísticas y econométricas.
La estimación de las eficiencias técnicas de las estancias, permitiría conocer la posición
relativa de cada plantel, y de este modo proponer instrumentos de incentivos para
mejorar la capacidad de gestión y uso de la información a nivel predial, lo que
redundaría en esfuerzos por tratar de equiparar los niveles de eficiencia entre las
diferentes estancias. El objetivo de estos instrumentos debiera ser algún incentivo
diferenciado respecto de los que presenten altos y bajos niveles de eficiencia, así por
ejemplo, habría que tratar de motivar a que los que tiene altos niveles de eficiencia
39
compartan sus buenas prácticas, junto con incentivarlos para que la mantengan a través
del tiempo. Respecto de los grupos que presenten bajos niveles de eficiencia, debiera
incentivarse que redistribuyan y reutilicen sus recursos y de este modo mejoren su
relación costo-eficiencia.
La estimación de las fronteras de producción, también permitiría conocer la estructura
productiva promedio del sector ganadero de la región, lo que también contribuiría en el
diseño de instrumentos de política agropecuaria, ya que al reconocer la importancia
relativa de cada insumo, se podrían tomar decisiones que lleven a incrementar de
manera más eficiente los niveles de producción de los diferentes productos (carne
ovina, bovina y lana).
Finalmente es importante destacar que existen variadas técnicas para medir eficiencia
técnica pero todas dependen de la información real con que se pueda contar para
realizar los trabajos y análisis correspondientes.
En el presente trabajo se utilizó una metodología de estimación, pero existen otras que
sería importante probar, como por ejemplo, realizar la medición de eficiencia técnica
mediante una frontera de distancia o desde una frontera de costo. Determinar cual
técnica es la más correcta para utilizarse y medir eficiencia técnica en estancias
ganaderas será una tarea difícil y para la cual se debe considerar el máximo de
información, además, es importante destacar que intentar realizar mediciones y análisis
desde el punto de vista de la ganadería tiene una complejidad por tener un importante
complemento biológico.
40
BIBLIOGRAFÍA
Ahmad, M. "An Econometric Analysis of Output Growth Using Panel Data: The Case of
Vermont Dairy Farms." Ph. D. Dissertation, University of Connecticut, 1994.
Ahmad, M., and B. E. Bravo-Ureta. "Technical Efficiency Measures for Dairy Farms Using
Panel Data: A Comparison of Alternative Model Specifications." Journal of Productivity
Analysis 7(1996): 399-415.
Ahmad, M. and B. E. Bravo-Ureta. "An Econometric Decomposition of Dairy Output
Growth." American Journal of Agricultural Economics 77(1995): 914-921.
Aigner, D., C. A. K. Lovell, and P. Schmidt. 1977. "Formulation and Estimation of
Stochastic Frontier Production Function Models." Journal of Econometrics Nº 6: 21-37.
Alvarez, A. and E. Gonzales. "Using Cross-section Data to Adjust Technical Efficiency
Indexes Estimated with Panel Data." American Journal of Agricultural Economics
81(1999): 894.
Álvarez Pinilla, A. 2001. La Medición de la Eficiencia y la Productividad. Ediciones
Pirámide. Madrid.
Anrique, R. 1999. "Caracterización del Chile Lechero. Competitividad de la Producción
Lechera Nacional". Chapter I. pp. 1-33. Universidad Austral of Chile Agricultural Science
Department. Valdivia, Chile.
Battese, G. E., and S. S. Broca. "Functional Forms of Stochastic Frontier Production
Functions and Models for Technical Inefficiency Effects: A Comparative Study for Wheat
Farmers in Pakistan." Journal of Productivity Analysis 8(1997): 395-414.
41
Battese, G. E. and T. J. Coelli. "A Model for Technical Inefficiency Effects in a
Stochastic Frontier Production Function for Panel Data." Empirical Economics
20(1995): 325-332.
Battese, G. E. and T. J. Coelli. "Frontier Production Functions, Technical Efficiency and
Panel Data: With Application to Paddy Farmers in India." Journal of Productivity Analysis
3(1992): 153-69.
Battese, G. E. and T. J. Coelli. "Prediction of Firm-Level Technical Efficiencies with a
Generalized Frontier Production Function and Panel Data." Journal of Econometrics
38(1988): 387-389.
Coelli, T.J., “A Guide to FRONTIER Version 4.1: A Computer Program for Stochastic
Frontier Production and Cost Function Estimation”, CEPA Working Paper 96/7,
Department of Econometrics, University of New England, Armidale NSW Australia, 1996.
Coelli, T. J., Rao, D. S. and G. E. Battese. An Introduction to Efficiency and Productivity
Analysis, 1998.
Coelli, T.J. y Perelman, S. 1996. A comparation of parametric and non-parametric distance
functions: with application to european railways. Crepp discussion paper. University of
Liege.
Cooper , Charnes, A., W. W., and E. Rhodes. 1978. "Measuring Efficiency of Decision
Making Units." European Journal of Operational Research 2, Nº 6: 429-444.
Cullinae K. and D. Song. "A Stochastic Frontier Model of the Productive Efficiency of
Korean Container Terminals." Applied Economics 35(2003): 251.
42
Demir, N. and S. F. Mahmud. "Agro-Climatic Conditions and Regional Technical
Inefficiencies in Agriculture." Canadian Journal of Agricultural Economics 50(2002): 269-
280.
Farrell, M.J. 1957. “The Measurement of Productive Efficiency”, Journal of The Royal
Statistical Society, Series A, vol. 120, Part III: 253-28
Jondrow, J., Lovell, C. A. K., Materov, I. S. and P. Schmidt. "On the Estimation of
Technical Inefficiency in the Stochastic Frontier Production Function Model." Journal of
Econometrics 19(1982): 233-238.14
Kumbhakar, S. C. and A. Heshmati. "Efficiency Measurement in Swedish Dairy Farms: An
Application of Rotating Panel Data, 1976-88." American Journal of Agricultural
Economics 77(1995): 660-674.
Kumbhakar, S.C. and L. Hjalmarsson. “Technical Efficiency and Technical
Progress in Swedish Dairy Farms.” The Measurement of Productive
Efficiency Techniques and Applications. H.O. Fried, C.A.K. Lovell and P.
Schmidt (eds). Oxford University Press, New York, 257-270, 1993.
Maietta, W. O. “The decomposition of Cost Inefficiency into Technical and
Allocative Components with Panel Data of Italian Dairy Farms.” European
Review of Agricultural Economics 27(2000): 473-495.
Meeusen, W., and J. van den Broeck. "Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error." International Economic Review 18, no. 2(1977): 435-444.
Moreira, V., B. E. Bravo-Ureta and J. Vásquez. “The Analysis of Technical Efficiency for
Small Dairy Farms in Southern Chile: A Stochastic Frontier Analysis with Unbalanced
Panel Data.“ VIII European Workshop on Efficiency and Productivity, Oviedo, Spain,
September 25-27, 2003.
43
Olavarría, J. A. and B. E. Bravo-Ureta. "Total Factor Productivity Growth in The Chilean
Crop Sector: 1961-1996." Latin American Studies Consortium of New England, Occasional
Papers 18(2000): 1-28.
Rezitis, A. N., Tsiboukas K. and S. Tsoukalas. "Measuring Technical Efficiency in the
Greek Agricultural Sector." Applied Economics 11(2002): 1345.
Rivas, T. E. "Dairy Farm Efficiency and the Analysis of Milk Production Growth:
Evidence from Vermont." Ph. D. Dissertation, University of Connecticut, 2003.
Tauer, L. W. "Short-Run and Long-Run Efficiencies of New York Dairy
Farms."Agricultural and Resource Economics Review 22(1993): 1-9.
Anexo 11 (Modelo Cobb-Douglas)
Comparación y Selección de la distribución del error (Media-Normal vs Truncada)Comparación y Selección de un modelo variante vs Invariante
1) To Analyze if Gamma is different from zero (0) …. Looking the LR test of the one-sided error = Check in Kodde and Palm (1986)
2) To Analyze if it is half normal or truncated ….
pout-ti pout-hiTime Invariant Time invarianttruncated Half-normalUnrestricted restricted (c32-e32)*2
Log Likelihood Functio 151,8659 151,5874 0,55696
H0: Half-normal (both are time invariant)We can not reject Ho It is Half Normal
3) Analyze if it is time varian or invariant
pout-hv pout-hiHalf-normal Half-normalTime Variant Time Invariant 1 restrictionUnrestricted restricted eta = 0
152,7416 151,5874 2,3085(c8 -e2)*2
H0: Time invarianteta = 0
We reject that model is time invariant
Thus, the model is: pout-hiHalf-normalTime Invariant
Anexo 11 (Modelo Translogaritmico)
Comparación y Selección de la distribución del error (Media-Normal vs Truncada)Comparación y Selección de un modelo variante vs Invariante
1) To Analyze if Gamma is different from zero (0) …. Looking the LR test of the one-sided error = Check in Kodde and Palm (1986)
2) To Analyze if it is half normal or truncated …. Translog
pout-ti pout-hiTime Invariant Time invarianttruncated Half-normalUnrestricted restricted (c32-e32)*2
Log Likelihood Functio 171,8051 171,4276 0,7551
H0: Half-normal (both are time invariant)We can not reject Ho It is Half Normal
3) Analyze if it is time varian or invariant
pout-hv pout-hiHalf-normal Half-normalTime Variant Time Invariant 1 restrictionUnrestricted restricted eta = 0
171,8200 171,4276 0,78488(c8 -e2)*2
H0: Time invarianteta = 0
We reject that model is time invariant
Thus, the model is: pout-hiHalf-normalTime Invariant
Anexo 12
Chose ModelSIDF
Number ofParameters
Translog 27 Unrestricted H1 171,4276 Log Likelihood Function
Cobb-Douglas 6 Restricted H0 151,5874 Log Likelihood Function
LR = 2 [ L (H 1 ) - L (H 0 ) ] 39,6803
H0: Null Hypothesis: The relevant model is the Cobb-Douglas
Por lo Tanto el modelo elegido es el TRANSLOG
Degree of FreedomDF Statistic
Chi-square (X DF, 5%) 21 32,67 Reject H0Chi-square (X DF, 1%) 21 38,93
Anexo 13
Output from the program FRONTIER Version 4.1
instruction file = pins‐hi.txtdata file = pf‐dta.txt
Error Components Frontier (see B&C 1992The model is a p.f.The dependent variable is logged
the final mle estimates are :
coefficient standard‐error t‐ratio
1 beta0 0,1264 0,0199 6,34912 beta1 0,0216 0,0342 0,63223 beta2 0,8202 0,0559 14,67934 beta3 0,1912 0,0392 4,87665 beta4 0,0436 0,0360 1,21376 beta5 0,0025 0,0184 0,13797 beta6 ‐0,0017 0,0007 ‐2,29648 beta7 ‐0,5401 0,2621 ‐2,06089 beta8 0,2014 0,3645 0,5526
10 beta9 ‐0,1701 0,2221 ‐0,765611 beta10 ‐0,2907 0,1815 ‐1,601912 beta11 ‐0,2693 0,2252 ‐1,195913 beta12 ‐0,0005 0,0008 ‐0,611314 beta13 0,0293 0,1966 0,149215 beta14 0,3621 0,1758 2,059216 beta15 ‐0,2157 0,1665 ‐1,295817 beta16 0,3280 0,1900 1,726118 beta17 ‐0,0152 0,0101 ‐1,501019 beta18 ‐0,2500 0,2324 ‐1,075420 beta19 ‐0,3544 0,1718 ‐2,063221 beta20 0,1690 0,2298 0,735622 beta21 0,0099 0,0091 1,087223 beta22 0,5626 0,1954 2,878524 beta23 ‐0,4611 0,1421 ‐3,245125 beta24 0,0133 0,0074 1,794626 beta25 0,3591 0,1467 2,447527 beta26 ‐0,0110 0,0071 ‐1,551428 beta27 0,0021 0,0078 0,270229 sigma‐squared 0,0308 0,0210 1,470430 gamma 0,9921 0,0060 165,883831 mu is restricted to be zero32 eta is restricted to be zero
log likelihood function = 171,4276
LR test of the one‐sided e = 47,2346with number of restrictions = 1
[note that this statistic has amixed chi‐square distribution]
number of iterations = 78
(maximum number of iterations set at 100
number of cross‐sections= 7
number of time periods = 10
total number of observations = 70
thus there are: 0 obsns not in this panel
technical efficiency estimates :
firm eff.‐est.
1 0,90782 0,99153 0,69914 0,98865 0,87896 0,78607 0,9625
mean efficiency = 0,8878
Anexo 8EST obs Firm year Output rem tra Gastos AnimaOtros Gastos Nro. Ovinos % marca nac.ovi ventas.ovi x ovi lan lan kgs Nro. Bovinos % marca nac.bov ventas.bovA 1 1 102350000 13440000 4 35822500 12282000 5000 0,7 3500 1925 5 25000 200 0,9 180 126B 2 1 242220000 33600000 10 67821600 19377600 10000 0,86 8600 5590 5,2 52000 400 0,95 380 266C 3 1 305296600 57120000 17 76324150 36635592 18900 0,61 11529 5764,5 4,12 77868 700 0,76 532 345,8D 4 1 93992000 13440000 4 31017360 8459280 4000 0,82 3280 1968 5,5 22000 180 0,84 151,2 105,84E 5 1 114510000 20160000 6 28627500 11451000 6000 0,73 4380 2409 4,9 29400 180 0,84 151,2 105,84F 6 1 67498800 10080000 3 16874700 6749880 4100 0,72 2952 1623,6 4,2 17220 100 0,75 75 45G 7 1 476600000 40320000 12 133448000 47660000 22000 0,75 16500 11550 5,5 121000 500 0,9 450 315A 8 2 98386880 13440000 4 35419276,8 9838688 4980 0,7 3486 1917,3 4,78 23804,4 190 0,88 167,2 117,04B 9 2 241434200 30240000 9 60358550 28972104 9800 0,87 8526 5541,9 5,3 51940 410 0,93 381,3 266,91C 10 2 319217000 60480000 18 79804250 44690380 20000 0,55 11000 5500 4,34 86800 690 0,81 558,9 363,285D 11 2 92156680 10080000 3 25803870,4 7372534,4 4120 0,78 3213,6 1928,16 5,45 22454 170 0,81 137,7 96,39E 12 2 112840560 23520000 7 27081734,4 13540867,2 6120 0,72 4406,4 2423,52 4,8 29376 170 0,81 137,7 96,39F 13 2 66180000 13440000 4 13236000 7941600 4000 0,74 2960 1628 4,2 16800 90 0,77 69,3 41,58G 14 2 483266300 40320000 12 144979890 57991956 22300 0,76 16948 11863,6 5,45 121535 490 0,92 450,8 315,56A 15 3 109302960 13440000 4 32790888 8744236,8 5120 0,7 3584 1971,2 5,34 27340,8 210 0,93 195,3 136,71B 16 3 251071200 30240000 9 60257088 25107120 10200 0,88 8976 5834,4 5,4 55080 390 0,96 374,4 262,08C 17 3 315308000 60480000 18 75673920 34683880 19700 0,62 12214 6107 4 78800 670 0,82 549,4 357,11D 18 3 91902800 13440000 4 22975700 8271252 3900 0,77 3003 1801,8 5,68 22152 190 0,82 155,8 109,06E 19 3 111846000 20160000 6 25724580 14539980 5900 0,7 4130 2271,5 4,9 28910 190 0,82 155,8 109,06F 20 3 64892610 13440000 4 14925300,3 8436039,3 3990 0,71 2832,9 1558,095 4,3 17157 80 0,8 64 38,4G 21 3 483887200 40320000 12 125810672 53227592 21800 0,78 17004 11902,8 5,68 123824 480 0,88 422,4 295,68A 22 4 105172200 13440000 4 38913714 12620664 4970 0,71 3528,7 1940,785 5,43 26987,1 200 0,87 174 121,8B 23 4 226516500 26880000 8 58894290 29447145 9750 0,84 8190 5323,5 4,9 47775 380 0,93 353,4 247,38C 24 4 327878000 63840000 19 88527060 42624140 18900 0,63 11907 5953,5 4,6 86940 710 0,79 560,9 364,585D 25 4 95928400 16800000 5 25900668 9592840 4100 0,83 3403 2041,8 5,2 21320 210 0,78 163,8 114,66E 26 4 117984200 20160000 6 29496050 11798420 6200 0,69 4278 2352,9 5 31000 210 0,78 163,8 114,66F 27 4 68940320 13440000 4 13788064 9651644,8 4120 0,74 3048,8 1676,84 4,3 17716 90 0,8 72 43,2G 28 4 476672000 33600000 10 152535040 57200640 22400 0,75 16800 11760 5,2 116480 520 0,92 478,4 334,88A 29 5 103046280 13440000 4 32974809,6 13396016,4 5120 0,72 3686,4 2027,52 4,98 25497,6 195 0,85 165,75 116,025B 30 5 231787730 30240000 9 53311177,9 32450282,2 10230 0,8 8184 5319,6 5,23 53502,9 350 0,92 322 225,4C 31 5 322990000 57120000 17 71057800 45218600 20000 0,65 13000 6500 4,12 82400 650 0,78 507 329,55D 32 5 91111500 13440000 4 23688990 10933380 4050 0,75 3037,5 1822,5 4,9 19845 225 0,78 175,5 122,85E 33 5 116159680 20160000 6 25555129,6 16262355,2 5980 0,74 4425,2 2433,86 4,7 28106 225 0,78 175,5 122,85F 34 5 68055560 16800000 5 12250000,8 6805556 4130 0,68 2808,4 1544,62 4,4 18172 100 0,78 78 46,8G 35 5 427025200 36960000 11 132377812 42702520 20900 0,73 15257 10679,9 4,9 102410 510 0,85 433,5 303,45A 36 6 104789300 13440000 4 31436790 11526823 5090 0,69 3512,1 1931,655 4,67 23770,3 225 0,94 211,5 148,05B 37 6 252661000 30240000 9 80851520 22739490 11000 0,79 8690 5648,5 5,4 59400 380 0,94 357,2 250,04C 38 6 308142000 60480000 18 73954080 36977040 19000 0,62 11780 5890 4,3 81700 640 0,76 486,4 316,16D 39 6 92446200 16800000 5 27733860 10169082 3900 0,77 3003 1801,8 5,46 21294 210 0,81 170,1 119,07E 40 6 116459280 23520000 7 26785634,4 15139706,4 6060 0,72 4363,2 2399,76 4,8 29088 210 0,81 170,1 119,07F 41 6 67020000 10080000 3 16084800 8042400 4200 0,7 2940 1617 4,1 17220 80 0,9 72 43,2G 42 6 475265000 36960000 11 133074200 66537100 21500 0,78 16770 11739 5,46 117390 500 0,92 460 322A 43 7 99342330 13440000 4 35763238,8 8940809,7 5070 0,68 3447,6 1896,18 5,11 25907,7 180 0,84 151,2 105,84B 44 7 239362110 33600000 10 69415011,9 23936211 9990 0,83 8291,7 5389,605 5,34 53346,6 410 0,9 369 258,3C 45 7 331065000 60480000 18 82766250 46349100 19800 0,68 13464 6732 4,15 82170 720 0,75 540 351D 46 7 92310080 10080000 3 28616124,8 9231008 4120 0,78 3213,6 1928,16 5,3 21836 190 0,77 146,3 102,41E 47 7 112894000 20160000 6 23707740 13547280 6000 0,68 4080 2244 5,1 30600 190 0,77 146,3 102,41F 48 7 69298800 10080000 3 12473784 7622868 4100 0,72 2952 1623,6 4,2 17220 120 0,75 90 54G 49 7 468211200 36960000 11 126417024 56185344 21800 0,74 16132 11292,4 5,3 115540 550 0,89 489,5 342,65A 50 8 101694800 13440000 4 34576232 12203376 4980 0,72 3585,6 1972,08 4,96 24700,8 190 0,91 172,9 121,03B 51 8 231449800 30240000 9 57862450 30088474 9700 0,82 7954 5170,1 5,2 50440 400 0,94 376 263,2
C 52 8 337225000 57120000 17 87678500 40467000 21000 0,59 12390 6195 4,5 94500 650 0,77 500,5 325,325D 53 8 95379410 16800000 5 26706234,8 12399323,3 4130 0,74 3056,2 1833,72 5,45 22508,5 210 0,82 172,2 120,54E 54 8 116904950 20160000 6 25719089 11690495 5890 0,75 4417,5 2429,625 4,9 28861 210 0,82 172,2 120,54F 55 8 64438980 13440000 4 14176575,6 8377067,4 3990 0,68 2713,2 1492,26 4,1 16359 110 0,74 81,4 48,84G 56 8 483153500 36960000 11 144946050 53146885 22100 0,75 16575 11602,5 5,45 120445 540 0,92 496,8 347,76A 57 9 107806800 13440000 4 34498176 14014884 5200 0,71 3692 2030,6 5,4 28080 210 0,8 168 117,6B 58 9 233420800 30240000 9 60689408 30344704 10300 0,78 8034 5222,1 5,3 54590 370 0,9 333 233,1C 59 9 306456000 60480000 18 70484880 39839280 19800 0,62 12276 6138 4,2 83160 600 0,7 420 273D 60 9 105895500 16800000 5 23297010 9530595 4500 0,82 3690 2214 5,35 24075 230 0,78 179,4 125,58E 61 9 116277540 20160000 6 24418283,4 12790529,4 6030 0,72 4341,6 2387,88 4,7 28341 230 0,78 179,4 125,58F 62 9 67220700 13440000 4 12099726 6049863 4100 0,73 2993 1646,15 4,2 17220 90 0,77 69,3 41,58G 63 9 461554000 40320000 12 124619580 46155400 22000 0,72 15840 11088 5,35 117700 520 0,85 442 309,4A 64 10 100864050 13440000 4 35302417,5 15129607,5 5110 0,67 3423,7 1883,035 4,66 23812,6 220 0,86 189,2 132,44B 65 10 251926400 30240000 9 68020128 27711904 10900 0,88 9592 6234,8 5,2 56680 360 0,86 309,6 216,72C 66 10 322346830 57120000 17 90257112,4 45128556,2 19890 0,64 12729,6 6364,8 4,11 81747,9 670 0,79 529,3 344,045D 67 10 100074400 13440000 4 26019344 10007440 4400 0,77 3388 2032,8 5,5 24200 210 0,76 159,6 111,72E 68 10 112986400 16800000 5 25986872 14688232 5800 0,72 4176 2296,8 5 29000 210 0,76 159,6 111,72F 69 10 68120000 13440000 4 10899200 6812000 4000 0,72 2880 1584 4,3 17200 120 0,72 86,4 51,84G 70 10 475553860 33600000 10 123644004 57066463,2 21890 0,74 16198,6 11339,02 5,5 120395 530 0,9 477 333,9
EST obs Firm year Output remA 1 1 1 102350000 13440000B 2 2 1 242220000 33600000C 3 3 1 305296600 57120000D 4 4 1 93992000 13440000E 5 5 1 114510000 20160000F 6 6 1 67498800 10080000G 7 7 1 476600000 40320000A 8 1 2 98386880 13440000B 9 2 2 241434200 30240000C 10 3 2 319217000 60480000D 11 4 2 92156680 10080000E 12 5 2 112840560 23520000F 13 6 2 66180000 13440000G 14 7 2 483266300 40320000A 15 1 3 109302960 13440000B 16 2 3 251071200 30240000C 17 3 3 315308000 60480000D 18 4 3 91902800 13440000E 19 5 3 111846000 20160000F 20 6 3 64892610 13440000G 21 7 3 483887200 40320000A 22 1 4 105172200 13440000B 23 2 4 226516500 26880000C 24 3 4 327878000 63840000D 25 4 4 95928400 16800000E 26 5 4 117984200 20160000F 27 6 4 68940320 13440000G 28 7 4 476672000 33600000A 29 1 5 103046280 13440000B 30 2 5 231787730 30240000C 31 3 5 322990000 57120000D 32 4 5 91111500 13440000E 33 5 5 116159680 20160000F 34 6 5 68055560 16800000G 35 7 5 427025200 36960000A 36 1 6 104789300 13440000B 37 2 6 252661000 30240000C 38 3 6 308142000 60480000D 39 4 6 92446200 16800000E 40 5 6 116459280 23520000F 41 6 6 67020000 10080000G 42 7 6 475265000 36960000A 43 1 7 99342330 13440000B 44 2 7 239362110 33600000C 45 3 7 331065000 60480000D 46 4 7 92310080 10080000
E 47 5 7 112894000 20160000F 48 6 7 69298800 10080000G 49 7 7 468211200 36960000A 50 1 8 101694800 13440000B 51 2 8 231449800 30240000C 52 3 8 337225000 57120000D 53 4 8 95379410 16800000E 54 5 8 116904950 20160000F 55 6 8 64438980 13440000G 56 7 8 483153500 36960000A 57 1 9 107806800 13440000B 58 2 9 233420800 30240000C 59 3 9 306456000 60480000D 60 4 9 105895500 16800000E 61 5 9 116277540 20160000F 62 6 9 67220700 13440000G 63 7 9 461554000 40320000A 64 1 10 100864050 13440000B 65 2 10 251926400 30240000C 66 3 10 322346830 57120000D 67 4 10 100074400 13440000E 68 5 10 112986400 16800000F 69 6 10 68120000 13440000G 70 7 10 475553860 33600000
tra Gastos Anima Otros Gastos Nro. Ovinos % marca nac.ovi ventas.ovi4 35822500 12282000 5000 0,7 3500 1925
10 67821600 19377600 10000 0,86 8600 559017 76324150 36635592 18900 0,61 11529 5764,54 31017360 8459280 4000 0,82 3280 19686 28627500 11451000 6000 0,73 4380 24093 16874700 6749880 4100 0,72 2952 1623,6
12 133448000 47660000 22000 0,75 16500 115504 35419276,8 9838688 4980 0,7 3486 1917,39 60358550 28972104 9800 0,87 8526 5541,9
18 79804250 44690380 20000 0,55 11000 55003 25803870,4 7372534,4 4120 0,78 3213,6 1928,167 27081734,4 13540867,2 6120 0,72 4406,4 2423,524 13236000 7941600 4000 0,74 2960 1628
12 144979890 57991956 22300 0,76 16948 11863,64 32790888 8744236,8 5120 0,7 3584 1971,29 60257088 25107120 10200 0,88 8976 5834,4
18 75673920 34683880 19700 0,62 12214 61074 22975700 8271252 3900 0,77 3003 1801,86 25724580 14539980 5900 0,7 4130 2271,54 14925300,3 8436039,3 3990 0,71 2832,9 1558,095
12 125810672 53227592 21800 0,78 17004 11902,84 38913714 12620664 4970 0,71 3528,7 1940,7858 58894290 29447145 9750 0,84 8190 5323,5
19 88527060 42624140 18900 0,63 11907 5953,55 25900668 9592840 4100 0,83 3403 2041,86 29496050 11798420 6200 0,69 4278 2352,94 13788064 9651644,8 4120 0,74 3048,8 1676,84
10 152535040 57200640 22400 0,75 16800 117604 32974809,6 13396016,4 5120 0,72 3686,4 2027,529 53311177,9 32450282,2 10230 0,8 8184 5319,6
17 71057800 45218600 20000 0,65 13000 65004 23688990 10933380 4050 0,75 3037,5 1822,56 25555129,6 16262355,2 5980 0,74 4425,2 2433,865 12250000,8 6805556 4130 0,68 2808,4 1544,62
11 132377812 42702520 20900 0,73 15257 10679,94 31436790 11526823 5090 0,69 3512,1 1931,6559 80851520 22739490 11000 0,79 8690 5648,5
18 73954080 36977040 19000 0,62 11780 58905 27733860 10169082 3900 0,77 3003 1801,87 26785634,4 15139706,4 6060 0,72 4363,2 2399,763 16084800 8042400 4200 0,7 2940 1617
11 133074200 66537100 21500 0,78 16770 117394 35763238,8 8940809,7 5070 0,68 3447,6 1896,18
10 69415011,9 23936211 9990 0,83 8291,7 5389,60518 82766250 46349100 19800 0,68 13464 67323 28616124,8 9231008 4120 0,78 3213,6 1928,16
6 23707740 13547280 6000 0,68 4080 22443 12473784 7622868 4100 0,72 2952 1623,6
11 126417024 56185344 21800 0,74 16132 11292,44 34576232 12203376 4980 0,72 3585,6 1972,089 57862450 30088474 9700 0,82 7954 5170,1
17 87678500 40467000 21000 0,59 12390 61955 26706234,8 12399323,3 4130 0,74 3056,2 1833,726 25719089 11690495 5890 0,75 4417,5 2429,6254 14176575,6 8377067,4 3990 0,68 2713,2 1492,26
11 144946050 53146885 22100 0,75 16575 11602,54 34498176 14014884 5200 0,71 3692 2030,69 60689408 30344704 10300 0,78 8034 5222,1
18 70484880 39839280 19800 0,62 12276 61385 23297010 9530595 4500 0,82 3690 22146 24418283,4 12790529,4 6030 0,72 4341,6 2387,884 12099726 6049863 4100 0,73 2993 1646,15
12 124619580 46155400 22000 0,72 15840 110884 35302417,5 15129607,5 5110 0,67 3423,7 1883,0359 68020128 27711904 10900 0,88 9592 6234,8
17 90257112,4 45128556,2 19890 0,64 12729,6 6364,84 26019344 10007440 4400 0,77 3388 2032,85 25986872 14688232 5800 0,72 4176 2296,84 10899200 6812000 4000 0,72 2880 1584
10 123644004 57066463,2 21890 0,74 16198,6 11339,02
x ovi lan lan kgs Nro. Bovinos % marca nac.bov ventas.bov5 25000 200 0,9 180 126
5,2 52000 400 0,95 380 2664,12 77868 700 0,76 532 345,85,5 22000 180 0,84 151,2 105,844,9 29400 180 0,84 151,2 105,844,2 17220 100 0,75 75 455,5 121000 500 0,9 450 315
4,78 23804,4 190 0,88 167,2 117,045,3 51940 410 0,93 381,3 266,91
4,34 86800 690 0,81 558,9 363,2855,45 22454 170 0,81 137,7 96,394,8 29376 170 0,81 137,7 96,394,2 16800 90 0,77 69,3 41,58
5,45 121535 490 0,92 450,8 315,565,34 27340,8 210 0,93 195,3 136,715,4 55080 390 0,96 374,4 262,084 78800 670 0,82 549,4 357,11
5,68 22152 190 0,82 155,8 109,064,9 28910 190 0,82 155,8 109,064,3 17157 80 0,8 64 38,4
5,68 123824 480 0,88 422,4 295,685,43 26987,1 200 0,87 174 121,84,9 47775 380 0,93 353,4 247,384,6 86940 710 0,79 560,9 364,5855,2 21320 210 0,78 163,8 114,665 31000 210 0,78 163,8 114,66
4,3 17716 90 0,8 72 43,25,2 116480 520 0,92 478,4 334,88
4,98 25497,6 195 0,85 165,75 116,0255,23 53502,9 350 0,92 322 225,44,12 82400 650 0,78 507 329,554,9 19845 225 0,78 175,5 122,854,7 28106 225 0,78 175,5 122,854,4 18172 100 0,78 78 46,84,9 102410 510 0,85 433,5 303,45
4,67 23770,3 225 0,94 211,5 148,055,4 59400 380 0,94 357,2 250,044,3 81700 640 0,76 486,4 316,16
5,46 21294 210 0,81 170,1 119,074,8 29088 210 0,81 170,1 119,074,1 17220 80 0,9 72 43,2
5,46 117390 500 0,92 460 3225,11 25907,7 180 0,84 151,2 105,845,34 53346,6 410 0,9 369 258,34,15 82170 720 0,75 540 3515,3 21836 190 0,77 146,3 102,41
5,1 30600 190 0,77 146,3 102,414,2 17220 120 0,75 90 545,3 115540 550 0,89 489,5 342,65
4,96 24700,8 190 0,91 172,9 121,035,2 50440 400 0,94 376 263,24,5 94500 650 0,77 500,5 325,325
5,45 22508,5 210 0,82 172,2 120,544,9 28861 210 0,82 172,2 120,544,1 16359 110 0,74 81,4 48,84
5,45 120445 540 0,92 496,8 347,765,4 28080 210 0,8 168 117,65,3 54590 370 0,9 333 233,14,2 83160 600 0,7 420 273
5,35 24075 230 0,78 179,4 125,584,7 28341 230 0,78 179,4 125,584,2 17220 90 0,77 69,3 41,58
5,35 117700 520 0,85 442 309,44,66 23812,6 220 0,86 189,2 132,445,2 56680 360 0,86 309,6 216,72
4,11 81747,9 670 0,79 529,3 344,0455,5 24200 210 0,76 159,6 111,725 29000 210 0,76 159,6 111,72
4,3 17200 120 0,72 86,4 51,845,5 120395 530 0,9 477 333,9
Cobb‐Douglas 1 2 3 4firm year output Rem Nro Ov Nro Bov Gastos Alim
1 1 18,4439089 16,4137459 8,51719319 5,29831737 17,39408672 1 19,305357 17,3300366 9,21034037 5,99146455 18,03239133 1 19,5367943 17,8606649 9,8469172 6,55108034 18,15054 1 18,3587202 16,4137459 8,29404964 5,19295685 17,25005765 1 18,5561727 16,819211 8,69951475 5,19295685 17,16987846 1 18,0276204 16,1260638 8,31874225 4,60517019 16,6413267 1 19,9821881 17,5123582 9,99879773 6,2146081 18,70922241 2 18,404418 16,4137459 8,51318517 5,24702407 17,38276682 2 19,3021075 17,2246761 9,19013766 6,01615716 17,91581323 2 19,5813817 17,9178233 9,90348755 6,5366916 18,19508734 2 18,3390007 16,1260638 8,32360844 5,13579844 17,06603515 2 18,5414864 16,9733617 8,71931738 5,13579844 17,11437016 2 18,0078889 16,4137459 8,29404964 4,49980967 16,39845097 2 19,9960784 17,5123582 10,012342 6,19440539 18,79210561 3 18,509634 16,4137459 8,54090972 5,34710753 17,30566122 3 19,3412471 17,2246761 9,230143 5,96614674 17,91413083 3 19,5690605 17,9178233 9,88837391 6,50727771 18,14194414 3 18,3362421 16,4137459 8,26873183 5,24702407 16,94994775 3 18,5326335 16,819211 8,68270763 5,24702407 17,06295756 3 17,9882443 16,4137459 8,29154651 4,38202663 16,51856837 3 19,9973624 17,5123582 9,98966525 6,1737861 18,65028871 4 18,4711096 16,4137459 8,51117512 5,29831737 17,47685732 4 19,2383283 17,1068931 9,18502256 5,94017125 17,89125473 4 19,6081521 17,9718905 9,8469172 6,56526497 18,29881884 4 18,3791126 16,6368894 8,31874225 5,34710753 17,06977935 4 18,5860613 16,819211 8,73230457 5,34710753 17,19976696 4 18,0487518 16,4137459 8,32360844 4,49980967 16,43931387 4 19,9823392 17,3300366 10,0168162 6,25382881 18,84290491 5 18,4506888 16,4137459 8,54090972 5,27299956 17,31125452 5 19,2613326 17,2246761 9,23307986 5,85793315 17,79165663 5 19,5931319 17,8606649 9,90348755 6,47697236 18,07900424 5 18,3275946 16,4137459 8,30647216 5,4161004 16,98052095 5 18,5704764 16,819211 8,69617585 5,4161004 17,05634866 5 18,035835 16,6368894 8,32603269 4,60517019 16,32103667 5 19,8723536 17,4253468 9,94750444 6,23441073 18,70117061 6 18,4674622 16,4137459 8,53503311 5,4161004 17,26348942 6 19,3475592 17,2246761 9,30565055 5,94017125 18,20812493 6 19,5460713 17,9178233 9,85219426 6,46146818 18,11895494 6 18,3421374 16,6368894 8,26873183 5,34710753 17,13816465 6 18,5730522 16,9733617 8,70946508 5,34710753 17,10337636 6 18,0205016 16,1260638 8,3428398 4,38202663 16,59338537 6 19,9793831 17,4253468 9,97580821 6,2146081 18,70641741 7 18,4140823 16,4137459 8,5310961 5,19295685 17,39243112 7 19,2934881 17,3300366 9,20933987 6,01615716 18,05561373 7 19,6178253 17,9178233 9,89343722 6,57925121 18,23153094 7 18,3406639 16,1260638 8,32360844 5,24702407 17,1694809
5 7 18,5419599 16,819211 8,69951475 5,24702407 16,98131216 7 18,0539381 16,1260638 8,31874225 4,78749174 16,33913977 7 19,96443 17,4253468 9,98966525 6,30991828 18,65509671 8 18,4374867 16,4137459 8,51318517 5,24702407 17,35867712 8 19,2598736 17,2246761 9,17988116 5,99146455 17,87357923 8 19,6362609 17,8606649 9,95227772 6,47697236 18,28918734 8 18,3733733 16,6368894 8,32603269 5,34710753 17,10040765 8 18,5768718 16,819211 8,68101128 5,34710753 17,0627446 8 17,9812293 16,4137459 8,29154651 4,70048037 16,46710167 8 19,995845 17,4253468 10,0033329 6,29156914 18,79187221 9 18,4958513 16,4137459 8,5564139 5,34710753 17,3564172 9 19,2683534 17,2246761 9,23989917 5,91350301 17,92127973 9 19,5405847 17,9178233 9,89343722 6,39692966 18,07090884 9 18,4779633 16,6368894 8,41183268 5,43807931 16,96383565 9 18,5714905 16,819211 8,70450229 5,43807931 17,01084276 9 18,0234918 16,4137459 8,31874225 4,49980967 16,30869347 9 19,9501096 17,5123582 9,99879773 6,25382881 18,64077631 10 18,4292841 16,4137459 8,53895468 5,39362755 17,3794622 10 19,3446475 17,2246761 9,29651807 5,88610403 18,03531423 10 19,5911386 17,8606649 9,89797237 6,50727771 18,3181734 10 18,4214245 16,4137459 8,38935982 5,34710753 17,07435085 10 18,542778 16,6368894 8,6656132 5,34710753 17,0731026 10 18,0367814 16,4137459 8,29404964 4,78749174 16,20427 10 19,9799907 17,3300366 9,99378519 6,27287701 18,6329171
5 6Otros gastos tiempo16,3236453 116,7796283 117,4165308 115,9507746 116,2535876 115,7250353 117,679603 1
16,1018329 217,181844 2
17,6152688 215,8132721 216,4212229 215,8876253 217,8758149 215,9839054 317,038662 3
17,3617856 315,9282964 316,4924127 315,9480235 317,7900875 316,350846 4
17,1981075 417,5679313 416,0765275 416,2834762 416,0826389 417,8620756 416,4104679 517,2952197 517,6270191 516,2073311 516,6043635 515,7332499 517,5697685 516,2601873 616,9396136 617,4258077 616,1348625 616,5328314 615,9002381 618,0132702 616,0061367 716,990903 7
17,6517124 716,0380788 7
16,4216963 715,8466632 717,8441665 716,3172232 817,2196527 817,5159974 816,3331525 816,2742867 815,9410085 817,7885701 816,4556305 917,2281326 917,5003639 916,0700177 916,3642156 915,6155462 917,6475245 916,5321641 1017,1373726 1017,6250258 1016,1188394 1016,5025572 1015,7341963 1017,8597272 10
EST obs Firm year Output rem tra Gastos Anima Otros Gastos Nro. OvinosA 1 1 102350000 13440000 4 35822500 12282000 5000B 2 1 242220000 33600000 10 67821600 19377600 10000C 3 1 305296600 57120000 17 76324150 36635592 18900D 4 1 93992000 13440000 4 31017360 8459280 4000E 5 1 114510000 20160000 6 28627500 11451000 6000F 6 1 67498800 10080000 3 16874700 6749880 4100G 7 1 476600000 40320000 12 133448000 47660000 22000A 8 2 98386880 13440000 4 35419276,8 9838688 4980B 9 2 241434200 30240000 9 60358550 28972104 9800C 10 2 319217000 60480000 18 79804250 44690380 20000D 11 2 92156680 10080000 3 25803870,4 7372534,4 4120E 12 2 112840560 23520000 7 27081734,4 13540867,2 6120F 13 2 66180000 13440000 4 13236000 7941600 4000G 14 2 483266300 40320000 12 144979890 57991956 22300A 15 3 109302960 13440000 4 32790888 8744236,8 5120B 16 3 251071200 30240000 9 60257088 25107120 10200C 17 3 315308000 60480000 18 75673920 34683880 19700D 18 3 91902800 13440000 4 22975700 8271252 3900E 19 3 111846000 20160000 6 25724580 14539980 5900F 20 3 64892610 13440000 4 14925300,3 8436039,3 3990G 21 3 483887200 40320000 12 125810672 53227592 21800A 22 4 105172200 13440000 4 38913714 12620664 4970B 23 4 226516500 26880000 8 58894290 29447145 9750C 24 4 327878000 63840000 19 88527060 42624140 18900D 25 4 95928400 16800000 5 25900668 9592840 4100E 26 4 117984200 20160000 6 29496050 11798420 6200F 27 4 68940320 13440000 4 13788064 9651644,8 4120
G 28 4 476672000 33600000 10 152535040 57200640 22400A 29 5 103046280 13440000 4 32974809,6 13396016,4 5120B 30 5 231787730 30240000 9 53311177,9 32450282,2 10230C 31 5 322990000 57120000 17 71057800 45218600 20000D 32 5 91111500 13440000 4 23688990 10933380 4050E 33 5 116159680 20160000 6 25555129,6 16262355,2 5980F 34 5 68055560 16800000 5 12250000,8 6805556 4130G 35 5 427025200 36960000 11 132377812 42702520 20900A 36 6 104789300 13440000 4 31436790 11526823 5090B 37 6 252661000 30240000 9 80851520 22739490 11000C 38 6 308142000 60480000 18 73954080 36977040 19000D 39 6 92446200 16800000 5 27733860 10169082 3900E 40 6 116459280 23520000 7 26785634,4 15139706,4 6060F 41 6 67020000 10080000 3 16084800 8042400 4200G 42 6 475265000 36960000 11 133074200 66537100 21500A 43 7 99342330 13440000 4 35763238,8 8940809,7 5070B 44 7 239362110 33600000 10 69415011,9 23936211 9990C 45 7 331065000 60480000 18 82766250 46349100 19800D 46 7 92310080 10080000 3 28616124,8 9231008 4120E 47 7 112894000 20160000 6 23707740 13547280 6000F 48 7 69298800 10080000 3 12473784 7622868 4100G 49 7 468211200 36960000 11 126417024 56185344 21800A 50 8 101694800 13440000 4 34576232 12203376 4980B 51 8 231449800 30240000 9 57862450 30088474 9700C 52 8 337225000 57120000 17 87678500 40467000 21000D 53 8 95379410 16800000 5 26706234,8 12399323,3 4130E 54 8 116904950 20160000 6 25719089 11690495 5890F 55 8 64438980 13440000 4 14176575,6 8377067,4 3990G 56 8 483153500 36960000 11 144946050 53146885 22100A 57 9 107806800 13440000 4 34498176 14014884 5200B 58 9 233420800 30240000 9 60689408 30344704 10300C 59 9 306456000 60480000 18 70484880 39839280 19800D 60 9 105895500 16800000 5 23297010 9530595 4500E 61 9 116277540 20160000 6 24418283,4 12790529,4 6030
F 62 9 67220700 13440000 4 12099726 6049863 4100G 63 9 461554000 40320000 12 124619580 46155400 22000A 64 10 100864050 13440000 4 35302417,5 15129607,5 5110B 65 10 251926400 30240000 9 68020128 27711904 10900C 66 10 322346830 57120000 17 90257112,4 45128556,2 19890D 67 10 100074400 13440000 4 26019344 10007440 4400E 68 10 112986400 16800000 5 25986872 14688232 5800F 69 10 68120000 13440000 4 10899200 6812000 4000G 70 10 475553860 33600000 10 123644004 57066463,2 21890
10000Output/1000
% marca nac.ovi ventas.ovi x ovi lan lan kgs Nro. Bovinos % marca nac.bov ventas.bov0,7 3500 1925 5 25000 200 0,9 180 126 10235
0,86 8600 5590 5,2 52000 400 0,95 380 266 242220,61 11529 5764,5 4,12 77868 700 0,76 532 345,8 30529,660,82 3280 1968 5,5 22000 180 0,84 151,2 105,84 9399,20,73 4380 2409 4,9 29400 180 0,84 151,2 105,84 114510,72 2952 1623,6 4,2 17220 100 0,75 75 45 6749,880,75 16500 11550 5,5 121000 500 0,9 450 315 476600,7 3486 1917,3 4,78 23804,4 190 0,88 167,2 117,04 9838,688
0,87 8526 5541,9 5,3 51940 410 0,93 381,3 266,91 24143,420,55 11000 5500 4,34 86800 690 0,81 558,9 363,285 31921,70,78 3213,6 1928,16 5,45 22454 170 0,81 137,7 96,39 9215,6680,72 4406,4 2423,52 4,8 29376 170 0,81 137,7 96,39 11284,0560,74 2960 1628 4,2 16800 90 0,77 69,3 41,58 66180,76 16948 11863,6 5,45 121535 490 0,92 450,8 315,56 48326,630,7 3584 1971,2 5,34 27340,8 210 0,93 195,3 136,71 10930,296
0,88 8976 5834,4 5,4 55080 390 0,96 374,4 262,08 25107,120,62 12214 6107 4 78800 670 0,82 549,4 357,11 31530,80,77 3003 1801,8 5,68 22152 190 0,82 155,8 109,06 9190,280,7 4130 2271,5 4,9 28910 190 0,82 155,8 109,06 11184,6
0,71 2832,9 1558,095 4,3 17157 80 0,8 64 38,4 6489,2610,78 17004 11902,8 5,68 123824 480 0,88 422,4 295,68 48388,720,71 3528,7 1940,785 5,43 26987,1 200 0,87 174 121,8 10517,220,84 8190 5323,5 4,9 47775 380 0,93 353,4 247,38 22651,650,63 11907 5953,5 4,6 86940 710 0,79 560,9 364,585 32787,80,83 3403 2041,8 5,2 21320 210 0,78 163,8 114,66 9592,840,69 4278 2352,9 5 31000 210 0,78 163,8 114,66 11798,420,74 3048,8 1676,84 4,3 17716 90 0,8 72 43,2 6894,032
0,75 16800 11760 5,2 116480 520 0,92 478,4 334,88 47667,20,72 3686,4 2027,52 4,98 25497,6 195 0,85 165,75 116,025 10304,6280,8 8184 5319,6 5,23 53502,9 350 0,92 322 225,4 23178,773
0,65 13000 6500 4,12 82400 650 0,78 507 329,55 322990,75 3037,5 1822,5 4,9 19845 225 0,78 175,5 122,85 9111,150,74 4425,2 2433,86 4,7 28106 225 0,78 175,5 122,85 11615,9680,68 2808,4 1544,62 4,4 18172 100 0,78 78 46,8 6805,5560,73 15257 10679,9 4,9 102410 510 0,85 433,5 303,45 42702,520,69 3512,1 1931,655 4,67 23770,3 225 0,94 211,5 148,05 10478,930,79 8690 5648,5 5,4 59400 380 0,94 357,2 250,04 25266,10,62 11780 5890 4,3 81700 640 0,76 486,4 316,16 30814,20,77 3003 1801,8 5,46 21294 210 0,81 170,1 119,07 9244,620,72 4363,2 2399,76 4,8 29088 210 0,81 170,1 119,07 11645,9280,7 2940 1617 4,1 17220 80 0,9 72 43,2 6702
0,78 16770 11739 5,46 117390 500 0,92 460 322 47526,50,68 3447,6 1896,18 5,11 25907,7 180 0,84 151,2 105,84 9934,2330,83 8291,7 5389,605 5,34 53346,6 410 0,9 369 258,3 23936,2110,68 13464 6732 4,15 82170 720 0,75 540 351 33106,50,78 3213,6 1928,16 5,3 21836 190 0,77 146,3 102,41 9231,0080,68 4080 2244 5,1 30600 190 0,77 146,3 102,41 11289,40,72 2952 1623,6 4,2 17220 120 0,75 90 54 6929,880,74 16132 11292,4 5,3 115540 550 0,89 489,5 342,65 46821,120,72 3585,6 1972,08 4,96 24700,8 190 0,91 172,9 121,03 10169,480,82 7954 5170,1 5,2 50440 400 0,94 376 263,2 23144,980,59 12390 6195 4,5 94500 650 0,77 500,5 325,325 33722,50,74 3056,2 1833,72 5,45 22508,5 210 0,82 172,2 120,54 9537,9410,75 4417,5 2429,625 4,9 28861 210 0,82 172,2 120,54 11690,4950,68 2713,2 1492,26 4,1 16359 110 0,74 81,4 48,84 6443,8980,75 16575 11602,5 5,45 120445 540 0,92 496,8 347,76 48315,350,71 3692 2030,6 5,4 28080 210 0,8 168 117,6 10780,680,78 8034 5222,1 5,3 54590 370 0,9 333 233,1 23342,080,62 12276 6138 4,2 83160 600 0,7 420 273 30645,60,82 3690 2214 5,35 24075 230 0,78 179,4 125,58 10589,550,72 4341,6 2387,88 4,7 28341 230 0,78 179,4 125,58 11627,754
0,73 2993 1646,15 4,2 17220 90 0,77 69,3 41,58 6722,070,72 15840 11088 5,35 117700 520 0,85 442 309,4 46155,40,67 3423,7 1883,035 4,66 23812,6 220 0,86 189,2 132,44 10086,4050,88 9592 6234,8 5,2 56680 360 0,86 309,6 216,72 25192,640,64 12729,6 6364,8 4,11 81747,9 670 0,79 529,3 344,045 32234,6830,77 3388 2032,8 5,5 24200 210 0,76 159,6 111,72 10007,440,72 4176 2296,8 5 29000 210 0,76 159,6 111,72 11298,640,72 2880 1584 4,3 17200 120 0,72 86,4 51,84 68120,74 16198,6 11339,02 5,5 120395 530 0,9 477 333,9 47555,386
Medias 16039,4299Geometricas
Anexo 9
#¡NUM! Data file data: (data is mean‐Cobb‐Douglas
Rem/1000 Nro Ov Nro Bov Gastos Alim Otros gastos firm year output
1344 0,5 0,02 3582,25 1228,2 1 1 9,23356853360 1 0,04 6782,16 1937,76 2 1 10,09501665712 1,89 0,07 7632,415 3663,5592 3 1 10,32645391344 0,4 0,018 3101,736 845,928 4 1 9,148379862016 0,6 0,018 2862,75 1145,1 5 1 9,345832341008 0,41 0,01 1687,47 674,988 6 1 8,817280014032 2,2 0,05 13344,8 4766 7 1 10,77184781344 0,498 0,019 3541,92768 983,8688 1 2 9,194077653024 0,98 0,041 6035,855 2897,2104 2 2 10,09176726048 2 0,069 7980,425 4469,038 3 2 10,37104131008 0,412 0,017 2580,38704 737,25344 4 2 9,128660362352 0,612 0,017 2708,17344 1354,08672 5 2 9,331146031344 0,4 0,009 1323,6 794,16 6 2 8,797548494032 2,23 0,049 14497,989 5799,1956 7 2 10,7857381344 0,512 0,021 3279,0888 874,42368 1 3 9,299293663024 1,02 0,039 6025,7088 2510,712 2 3 10,13090686048 1,97 0,067 7567,392 3468,388 3 3 10,35872011344 0,39 0,019 2297,57 827,1252 4 3 9,125901682016 0,59 0,019 2572,458 1453,998 5 3 9,322293111344 0,399 0,008 1492,53003 843,60393 6 3 8,777903944032 2,18 0,048 12581,0672 5322,7592 7 3 10,7870221344 0,497 0,02 3891,3714 1262,0664 1 4 9,260769192688 0,975 0,038 5889,429 2944,7145 2 4 10,0279886384 1,89 0,071 8852,706 4262,414 3 4 10,39781181680 0,41 0,021 2590,0668 959,284 4 4 9,168772272016 0,62 0,021 2949,605 1179,842 5 4 9,37572091344 0,412 0,009 1378,8064 965,16448 6 4 8,83841139
3360 2,24 0,052 15253,504 5720,064 7 4 10,77199881344 0,512 0,0195 3297,48096 1339,60164 1 5 9,240348393024 1,023 0,035 5331,11779 3245,02822 2 5 10,05099225712 2 0,065 7105,78 4521,86 3 5 10,38279151344 0,405 0,0225 2368,899 1093,338 4 5 9,117254222016 0,598 0,0225 2555,51296 1626,23552 5 5 9,360135981680 0,413 0,01 1225,00008 680,5556 6 5 8,825494623696 2,09 0,051 13237,7812 4270,252 7 5 10,66201321344 0,509 0,0225 3143,679 1152,6823 1 6 9,257121853024 1,1 0,038 8085,152 2273,949 2 6 10,13721896048 1,9 0,064 7395,408 3697,704 3 6 10,33573091680 0,39 0,021 2773,386 1016,9082 4 6 9,131797042352 0,606 0,021 2678,56344 1513,97064 5 6 9,362711871008 0,42 0,008 1608,48 804,24 6 6 8,810161273696 2,15 0,05 13307,42 6653,71 7 6 10,76904271344 0,507 0,018 3576,32388 894,08097 1 7 9,203741953360 0,999 0,041 6941,50119 2393,6211 2 7 10,08314776048 1,98 0,072 8276,625 4634,91 3 7 10,40748491008 0,412 0,019 2861,61248 923,1008 4 7 9,130323532016 0,6 0,019 2370,774 1354,728 5 7 9,331619511008 0,41 0,012 1247,3784 762,2868 6 7 8,843597783696 2,18 0,055 12641,7024 5618,5344 7 7 10,75408971344 0,498 0,019 3457,6232 1220,3376 1 8 9,227146363024 0,97 0,04 5786,245 3008,8474 2 8 10,04953325712 2,1 0,065 8767,85 4046,7 3 8 10,42592051680 0,413 0,021 2670,62348 1239,93233 4 8 9,163032912016 0,589 0,021 2571,9089 1169,0495 5 8 9,36653141344 0,399 0,011 1417,65756 837,70674 6 8 8,770888923696 2,21 0,054 14494,605 5314,6885 7 8 10,78550461344 0,52 0,021 3449,8176 1401,4884 1 9 9,285510923024 1,03 0,037 6068,9408 3034,4704 2 9 10,0580136048 1,98 0,06 7048,488 3983,928 3 9 10,33024441680 0,45 0,023 2329,701 953,0595 4 9 9,267622942016 0,603 0,023 2441,82834 1279,05294 5 9 9,36115011
1344 0,41 0,009 1209,9726 604,9863 6 9 8,813151424032 2,2 0,052 12461,958 4615,54 7 9 10,73976921344 0,511 0,022 3530,24175 1512,96075 1 10 9,218943763024 1,09 0,036 6802,0128 2771,1904 2 10 10,13430725712 1,989 0,067 9025,71124 4512,85562 3 10 10,38079831344 0,44 0,021 2601,9344 1000,744 4 10 9,21108411680 0,58 0,021 2598,6872 1468,8232 5 10 9,332437641344 0,4 0,012 1089,92 681,2 6 10 8,826441043360 2,189 0,053 12364,4004 5706,64632 7 10 10,7696503
2286,62343 0,807123 0,02701677 4163,14414 1821,040388 Promedio 5,5 9,68280534
‐corrected)1 2 3 4 5 6
Rem Nro Ov Nro Bov Gastos Alim Otros gastos tiempo
7,20340552 ‐0,69314718 ‐3,91202301 8,18374637 7,113304962 18,11969625 0 ‐3,21887582 8,82205091 7,569287946 18,6503245 0,63657683 ‐2,65926004 8,94015959 8,206190413 1
7,20340552 ‐0,91629073 ‐4,01738352 8,03971723 6,74043425 17,60887063 ‐0,51082562 ‐4,01738352 7,95953798 7,043247248 16,91572345 ‐0,89159812 ‐4,60517019 7,43098564 6,514694913 18,30201781 0,78845736 ‐2,99573227 9,49888207 8,469262658 17,20340552 ‐0,6971552 ‐3,9633163 8,1724264 6,891492555 28,01433574 ‐0,02020271 ‐3,19418321 8,7054728 7,971503622 28,70748292 0,69314718 ‐2,67364877 8,98474695 8,404928452 26,91572345 ‐0,88673193 ‐4,07454193 7,85569468 6,602931714 27,76302131 ‐0,491023 ‐4,07454193 7,90402968 7,210882499 27,20340552 ‐0,91629073 ‐4,7105307 7,18811058 6,677284952 28,30201781 0,80200159 ‐3,01593498 9,58176523 8,665474497 27,20340552 ‐0,66943065 ‐3,86323284 8,09532086 6,773565018 38,01433574 0,01980263 ‐3,24419363 8,70379039 7,828321657 38,70748292 0,67803354 ‐2,70306266 8,93160377 8,151445212 37,20340552 ‐0,94160854 ‐3,9633163 7,73960732 6,717956074 37,60887063 ‐0,52763274 ‐3,9633163 7,85261714 7,282072283 37,20340552 ‐0,91879386 ‐4,82831374 7,30822797 6,737683107 38,30201781 0,77932488 ‐3,03655427 9,43994836 8,579747095 37,20340552 ‐0,69916525 ‐3,91202301 8,26651692 7,140505657 47,8965527 ‐0,02531781 ‐3,27016912 8,68091433 7,987767147 4
8,76155014 0,63657683 ‐2,6450754 9,08847845 8,357590945 47,42654907 ‐0,89159812 ‐3,86323284 7,85943895 6,866187173 47,60887063 ‐0,4780358 ‐3,86323284 7,98942654 7,07313581 47,20340552 ‐0,88673193 ‐4,7105307 7,22897348 6,872298532 4
8,11969625 0,80647587 ‐2,95651156 9,63256453 8,651735273 47,20340552 ‐0,66943065 ‐3,93734081 8,10091411 7,200127565 58,01433574 0,02273949 ‐3,35240722 8,58131621 8,084879326 58,6503245 0,69314718 ‐2,73336801 8,86866382 8,416678693 5
7,20340552 ‐0,90386821 ‐3,79423997 7,77018057 6,996990681 57,60887063 ‐0,51416453 ‐3,79423997 7,84600825 7,394023126 57,42654907 ‐0,88430769 ‐4,60517019 7,11069619 6,522909523 58,21500643 0,73716407 ‐2,97592965 9,49083023 8,359428121 57,20340552 ‐0,67530726 ‐3,79423997 8,05314905 7,04984694 68,01433574 0,09531018 ‐3,27016912 8,99778457 7,729273247 68,70748292 0,64185389 ‐2,7488722 8,90861455 8,215467365 67,42654907 ‐0,94160854 ‐3,86323284 7,92782424 6,924522126 67,76302131 ‐0,50087529 ‐3,86323284 7,8930359 7,322491041 66,91572345 ‐0,86750057 ‐4,82831374 7,38304491 6,689897732 68,21500643 0,76546784 ‐2,99573227 9,49607705 8,802929873 67,20340552 ‐0,67924428 ‐4,01738352 8,1820907 6,795796342 78,11969625 ‐0,0010005 ‐3,19418321 8,84527334 7,780562603 78,70748292 0,68309684 ‐2,63108916 9,02119056 8,44137206 76,91572345 ‐0,88673193 ‐3,9633163 7,95914055 6,827738438 77,60887063 ‐0,51082562 ‐3,9633163 7,77097176 7,211355975 76,91572345 ‐0,89159812 ‐4,42284863 7,12879935 6,636322863 78,21500643 0,77932488 ‐2,90042209 9,44475634 8,633826126 77,20340552 ‐0,6971552 ‐3,9633163 8,1483367 7,106882821 88,01433574 ‐0,03045921 ‐3,21887582 8,66323883 8,009312361 88,6503245 0,74193734 ‐2,73336801 9,0788469 8,305657013 8
7,42654907 ‐0,88430769 ‐3,86323284 7,89006724 7,122812085 87,60887063 ‐0,5293291 ‐3,86323284 7,85240366 7,063946304 87,20340552 ‐0,91879386 ‐4,50986001 7,25676118 6,730668087 88,21500643 0,79299252 ‐2,91877123 9,58153179 8,578229681 87,20340552 ‐0,65392647 ‐3,86323284 8,14607664 7,245290094 98,01433574 0,0295588 ‐3,29683737 8,71093937 8,017792191 98,70748292 0,68309684 ‐2,81341072 8,8605684 8,290023546 97,42654907 ‐0,7985077 ‐3,77226106 7,75349521 6,859677336 97,60887063 ‐0,50583808 ‐3,77226106 7,80050236 7,153875192 9
7,20340552 ‐0,89159812 ‐4,7105307 7,09835299 6,405205813 98,30201781 0,78845736 ‐2,95651156 9,43043592 8,43718415 97,20340552 ‐0,67138569 ‐3,81671283 8,16912163 7,321823772 108,01433574 0,0861777 ‐3,32423634 8,82497385 7,927032254 108,6503245 0,687632 ‐2,70306266 9,10783259 8,414685407 10
7,20340552 ‐0,82098055 ‐3,86323284 7,86401045 6,908499002 107,42654907 ‐0,54472718 ‐3,86323284 7,86276167 7,292216815 107,20340552 ‐0,91629073 ‐4,42284863 6,99385958 6,523855949 108,11969625 0,78344482 ‐2,93746337 9,42257668 8,649386796 10
7,73483152 ‐0,2142792 ‐3,61129759 8,33402587 7,507163259 5,5
EST obs Firm year Output remA 1 1 102350000 13440000B 2 1 242220000 33600000C 3 1 305296600 57120000D 4 1 93992000 13440000E 5 1 114510000 20160000F 6 1 67498800 10080000G 7 1 476600000 40320000A 8 2 98386880 13440000B 9 2 241434200 30240000C 10 2 319217000 60480000D 11 2 92156680 10080000E 12 2 112840560 23520000F 13 2 66180000 13440000G 14 2 483266300 40320000A 15 3 109302960 13440000B 16 3 251071200 30240000C 17 3 315308000 60480000D 18 3 91902800 13440000E 19 3 111846000 20160000F 20 3 64892610 13440000G 21 3 483887200 40320000A 22 4 105172200 13440000B 23 4 226516500 26880000C 24 4 327878000 63840000D 25 4 95928400 16800000E 26 4 117984200 20160000F 27 4 68940320 13440000G 28 4 476672000 33600000A 29 5 103046280 13440000B 30 5 231787730 30240000C 31 5 322990000 57120000D 32 5 91111500 13440000E 33 5 116159680 20160000F 34 5 68055560 16800000G 35 5 427025200 36960000A 36 6 104789300 13440000B 37 6 252661000 30240000C 38 6 308142000 60480000D 39 6 92446200 16800000E 40 6 116459280 23520000F 41 6 67020000 10080000G 42 6 475265000 36960000
A 43 7 99342330 13440000B 44 7 239362110 33600000C 45 7 331065000 60480000D 46 7 92310080 10080000E 47 7 112894000 20160000F 48 7 69298800 10080000G 49 7 468211200 36960000A 50 8 101694800 13440000B 51 8 231449800 30240000C 52 8 337225000 57120000D 53 8 95379410 16800000E 54 8 116904950 20160000F 55 8 64438980 13440000G 56 8 483153500 36960000A 57 9 107806800 13440000B 58 9 233420800 30240000C 59 9 306456000 60480000D 60 9 105895500 16800000E 61 9 116277540 20160000F 62 9 67220700 13440000G 63 9 461554000 40320000A 64 10 100864050 13440000B 65 10 251926400 30240000C 66 10 322346830 57120000D 67 10 100074400 13440000E 68 10 112986400 16800000F 69 10 68120000 13440000G 70 10 475553860 33600000
tra Gastos Anima Otros Gastos Nro. Ovinos % marca nac.ovi ventas.ovi4 35822500 12282000 5000 0,7 3500 1925
10 67821600 19377600 10000 0,86 8600 559017 76324150 36635592 18900 0,61 11529 5764,54 31017360 8459280 4000 0,82 3280 19686 28627500 11451000 6000 0,73 4380 24093 16874700 6749880 4100 0,72 2952 1623,6
12 133448000 47660000 22000 0,75 16500 115504 35419276,8 9838688 4980 0,7 3486 1917,39 60358550 28972104 9800 0,87 8526 5541,9
18 79804250 44690380 20000 0,55 11000 55003 25803870,4 7372534,4 4120 0,78 3213,6 1928,167 27081734,4 13540867,2 6120 0,72 4406,4 2423,524 13236000 7941600 4000 0,74 2960 1628
12 144979890 57991956 22300 0,76 16948 11863,64 32790888 8744236,8 5120 0,7 3584 1971,29 60257088 25107120 10200 0,88 8976 5834,4
18 75673920 34683880 19700 0,62 12214 61074 22975700 8271252 3900 0,77 3003 1801,86 25724580 14539980 5900 0,7 4130 2271,54 14925300,3 8436039,3 3990 0,71 2832,9 1558,095
12 125810672 53227592 21800 0,78 17004 11902,84 38913714 12620664 4970 0,71 3528,7 1940,7858 58894290 29447145 9750 0,84 8190 5323,5
19 88527060 42624140 18900 0,63 11907 5953,55 25900668 9592840 4100 0,83 3403 2041,86 29496050 11798420 6200 0,69 4278 2352,94 13788064 9651644,8 4120 0,74 3048,8 1676,84
10 152535040 57200640 22400 0,75 16800 117604 32974809,6 13396016,4 5120 0,72 3686,4 2027,529 53311177,9 32450282,2 10230 0,8 8184 5319,6
17 71057800 45218600 20000 0,65 13000 65004 23688990 10933380 4050 0,75 3037,5 1822,56 25555129,6 16262355,2 5980 0,74 4425,2 2433,865 12250000,8 6805556 4130 0,68 2808,4 1544,62
11 132377812 42702520 20900 0,73 15257 10679,94 31436790 11526823 5090 0,69 3512,1 1931,6559 80851520 22739490 11000 0,79 8690 5648,5
18 73954080 36977040 19000 0,62 11780 58905 27733860 10169082 3900 0,77 3003 1801,87 26785634,4 15139706,4 6060 0,72 4363,2 2399,763 16084800 8042400 4200 0,7 2940 1617
11 133074200 66537100 21500 0,78 16770 11739
4 35763238,8 8940809,7 5070 0,68 3447,6 1896,1810 69415011,9 23936211 9990 0,83 8291,7 5389,60518 82766250 46349100 19800 0,68 13464 67323 28616124,8 9231008 4120 0,78 3213,6 1928,166 23707740 13547280 6000 0,68 4080 22443 12473784 7622868 4100 0,72 2952 1623,6
11 126417024 56185344 21800 0,74 16132 11292,44 34576232 12203376 4980 0,72 3585,6 1972,089 57862450 30088474 9700 0,82 7954 5170,1
17 87678500 40467000 21000 0,59 12390 61955 26706234,8 12399323,3 4130 0,74 3056,2 1833,726 25719089 11690495 5890 0,75 4417,5 2429,6254 14176575,6 8377067,4 3990 0,68 2713,2 1492,26
11 144946050 53146885 22100 0,75 16575 11602,54 34498176 14014884 5200 0,71 3692 2030,69 60689408 30344704 10300 0,78 8034 5222,1
18 70484880 39839280 19800 0,62 12276 61385 23297010 9530595 4500 0,82 3690 22146 24418283,4 12790529,4 6030 0,72 4341,6 2387,884 12099726 6049863 4100 0,73 2993 1646,15
12 124619580 46155400 22000 0,72 15840 110884 35302417,5 15129607,5 5110 0,67 3423,7 1883,0359 68020128 27711904 10900 0,88 9592 6234,8
17 90257112,4 45128556,2 19890 0,64 12729,6 6364,84 26019344 10007440 4400 0,77 3388 2032,85 25986872 14688232 5800 0,72 4176 2296,84 10899200 6812000 4000 0,72 2880 1584
10 123644004 57066463,2 21890 0,74 16198,6 11339,02
x ovi lan lan kgs Nro. Bovinos % marca nac.bov ventas.bov5 25000 200 0,9 180 126
5,2 52000 400 0,95 380 2664,12 77868 700 0,76 532 345,85,5 22000 180 0,84 151,2 105,844,9 29400 180 0,84 151,2 105,844,2 17220 100 0,75 75 455,5 121000 500 0,9 450 315
4,78 23804,4 190 0,88 167,2 117,045,3 51940 410 0,93 381,3 266,91
4,34 86800 690 0,81 558,9 363,2855,45 22454 170 0,81 137,7 96,394,8 29376 170 0,81 137,7 96,394,2 16800 90 0,77 69,3 41,58
5,45 121535 490 0,92 450,8 315,565,34 27340,8 210 0,93 195,3 136,715,4 55080 390 0,96 374,4 262,084 78800 670 0,82 549,4 357,11
5,68 22152 190 0,82 155,8 109,064,9 28910 190 0,82 155,8 109,064,3 17157 80 0,8 64 38,4
5,68 123824 480 0,88 422,4 295,685,43 26987,1 200 0,87 174 121,84,9 47775 380 0,93 353,4 247,384,6 86940 710 0,79 560,9 364,5855,2 21320 210 0,78 163,8 114,665 31000 210 0,78 163,8 114,66
4,3 17716 90 0,8 72 43,25,2 116480 520 0,92 478,4 334,88
4,98 25497,6 195 0,85 165,75 116,0255,23 53502,9 350 0,92 322 225,44,12 82400 650 0,78 507 329,554,9 19845 225 0,78 175,5 122,854,7 28106 225 0,78 175,5 122,854,4 18172 100 0,78 78 46,84,9 102410 510 0,85 433,5 303,45
4,67 23770,3 225 0,94 211,5 148,055,4 59400 380 0,94 357,2 250,044,3 81700 640 0,76 486,4 316,16
5,46 21294 210 0,81 170,1 119,074,8 29088 210 0,81 170,1 119,074,1 17220 80 0,9 72 43,2
5,46 117390 500 0,92 460 322
5,11 25907,7 180 0,84 151,2 105,845,34 53346,6 410 0,9 369 258,34,15 82170 720 0,75 540 3515,3 21836 190 0,77 146,3 102,415,1 30600 190 0,77 146,3 102,414,2 17220 120 0,75 90 545,3 115540 550 0,89 489,5 342,65
4,96 24700,8 190 0,91 172,9 121,035,2 50440 400 0,94 376 263,24,5 94500 650 0,77 500,5 325,325
5,45 22508,5 210 0,82 172,2 120,544,9 28861 210 0,82 172,2 120,544,1 16359 110 0,74 81,4 48,84
5,45 120445 540 0,92 496,8 347,765,4 28080 210 0,8 168 117,65,3 54590 370 0,9 333 233,14,2 83160 600 0,7 420 273
5,35 24075 230 0,78 179,4 125,584,7 28341 230 0,78 179,4 125,584,2 17220 90 0,77 69,3 41,58
5,35 117700 520 0,85 442 309,44,66 23812,6 220 0,86 189,2 132,445,2 56680 360 0,86 309,6 216,72
4,11 81747,9 670 0,79 529,3 344,0455,5 24200 210 0,76 159,6 111,725 29000 210 0,76 159,6 111,72
4,3 17200 120 0,72 86,4 51,845,5 120395 530 0,9 477 333,9
MediasGeometricas
#¡NUM!10000
Output/1000 Rem/1000 Nro Ov Nro Bov Gastos Alim Otros gastos
10235 1344 0,5 0,02 3582,25 1228,224222 3360 1 0,04 6782,16 1937,76
30529,66 5712 1,89 0,07 7632,415 3663,55929399,2 1344 0,4 0,018 3101,736 845,92811451 2016 0,6 0,018 2862,75 1145,1
6749,88 1008 0,41 0,01 1687,47 674,98847660 4032 2,2 0,05 13344,8 4766
9838,688 1344 0,498 0,019 3541,92768 983,868824143,42 3024 0,98 0,041 6035,855 2897,210431921,7 6048 2 0,069 7980,425 4469,038
9215,668 1008 0,412 0,017 2580,38704 737,2534411284,056 2352 0,612 0,017 2708,17344 1354,08672
6618 1344 0,4 0,009 1323,6 794,1648326,63 4032 2,23 0,049 14497,989 5799,1956
10930,296 1344 0,512 0,021 3279,0888 874,4236825107,12 3024 1,02 0,039 6025,7088 2510,71231530,8 6048 1,97 0,067 7567,392 3468,3889190,28 1344 0,39 0,019 2297,57 827,125211184,6 2016 0,59 0,019 2572,458 1453,998
6489,261 1344 0,399 0,008 1492,53003 843,6039348388,72 4032 2,18 0,048 12581,0672 5322,759210517,22 1344 0,497 0,02 3891,3714 1262,066422651,65 2688 0,975 0,038 5889,429 2944,714532787,8 6384 1,89 0,071 8852,706 4262,4149592,84 1680 0,41 0,021 2590,0668 959,284
11798,42 2016 0,62 0,021 2949,605 1179,8426894,032 1344 0,412 0,009 1378,8064 965,1644847667,2 3360 2,24 0,052 15253,504 5720,064
10304,628 1344 0,512 0,0195 3297,48096 1339,6016423178,773 3024 1,023 0,035 5331,11779 3245,02822
32299 5712 2 0,065 7105,78 4521,869111,15 1344 0,405 0,0225 2368,899 1093,338
11615,968 2016 0,598 0,0225 2555,51296 1626,235526805,556 1680 0,413 0,01 1225,00008 680,555642702,52 3696 2,09 0,051 13237,7812 4270,25210478,93 1344 0,509 0,0225 3143,679 1152,682325266,1 3024 1,1 0,038 8085,152 2273,94930814,2 6048 1,9 0,064 7395,408 3697,7049244,62 1680 0,39 0,021 2773,386 1016,9082
11645,928 2352 0,606 0,021 2678,56344 1513,970646702 1008 0,42 0,008 1608,48 804,24
47526,5 3696 2,15 0,05 13307,42 6653,71
9934,233 1344 0,507 0,018 3576,32388 894,0809723936,211 3360 0,999 0,041 6941,50119 2393,6211
33106,5 6048 1,98 0,072 8276,625 4634,919231,008 1008 0,412 0,019 2861,61248 923,100811289,4 2016 0,6 0,019 2370,774 1354,7286929,88 1008 0,41 0,012 1247,3784 762,2868
46821,12 3696 2,18 0,055 12641,7024 5618,534410169,48 1344 0,498 0,019 3457,6232 1220,337623144,98 3024 0,97 0,04 5786,245 3008,847433722,5 5712 2,1 0,065 8767,85 4046,7
9537,941 1680 0,413 0,021 2670,62348 1239,9323311690,495 2016 0,589 0,021 2571,9089 1169,04956443,898 1344 0,399 0,011 1417,65756 837,7067448315,35 3696 2,21 0,054 14494,605 5314,688510780,68 1344 0,52 0,021 3449,8176 1401,488423342,08 3024 1,03 0,037 6068,9408 3034,470430645,6 6048 1,98 0,06 7048,488 3983,928
10589,55 1680 0,45 0,023 2329,701 953,059511627,754 2016 0,603 0,023 2441,82834 1279,05294
6722,07 1344 0,41 0,009 1209,9726 604,986346155,4 4032 2,2 0,052 12461,958 4615,54
10086,405 1344 0,511 0,022 3530,24175 1512,9607525192,64 3024 1,09 0,036 6802,0128 2771,1904
32234,683 5712 1,989 0,067 9025,71124 4512,8556210007,44 1344 0,44 0,021 2601,9344 1000,74411298,64 1680 0,58 0,021 2598,6872 1468,8232
6812 1344 0,4 0,012 1089,92 681,247555,386 3360 2,189 0,053 12364,4004 5706,64632
16039,4299 2286,62343 0,807123 0,02701677 4163,14414 1821,04039
Data file data: (data is mean‐corrected)Translogaritmica 1 2 3 4firm year output Rem Nro Ov Nro Bov Gastos Alim
1 1 ‐0,44923684 ‐0,531426 ‐0,47886798 ‐0,30072542 ‐0,15027952 1 0,41221125 0,38486473 0,2142792 0,39242177 0,488025043 1 0,64364861 0,91549298 0,85085603 0,95203755 0,606133724 1 ‐0,53442548 ‐0,531426 ‐0,70201153 ‐0,40608593 ‐0,294308645 1 ‐0,336973 ‐0,1259609 ‐0,29654642 ‐0,40608593 ‐0,374487896 1 ‐0,86552533 ‐0,81910808 ‐0,67731892 ‐0,9938726 ‐0,903040237 1 1,08904241 0,56718629 1,00273656 0,61556532 1,16485621 2 ‐0,48872769 ‐0,531426 ‐0,482876 ‐0,35201871 ‐0,161599472 2 0,40896182 0,27950421 0,1940765 0,41711438 0,371446933 2 0,68823597 0,97265139 0,90742638 0,93764882 0,650721084 2 ‐0,55414498 ‐0,81910808 ‐0,67245273 ‐0,46324435 ‐0,478331195 2 ‐0,3516593 0,02818978 ‐0,27674379 ‐0,46324435 ‐0,429996196 2 ‐0,88525685 ‐0,531426 ‐0,70201153 ‐1,09923311 ‐1,14591537 2 1,1029327 0,56718629 1,01628079 0,59536261 1,247739361 3 ‐0,38351167 ‐0,531426 ‐0,45515145 ‐0,25193525 ‐0,238705012 3 0,44810141 0,27950421 0,23408183 0,36710396 0,369764523 3 0,67591479 0,97265139 0,89231275 0,90823493 0,59757794 3 ‐0,55690365 ‐0,531426 ‐0,72732934 ‐0,35201871 ‐0,594418555 3 ‐0,36051223 ‐0,1259609 ‐0,31335354 ‐0,35201871 ‐0,481408736 3 ‐0,9049014 ‐0,531426 ‐0,70451466 ‐1,21701615 ‐1,025797917 3 1,10421667 0,56718629 0,99360408 0,57474332 1,105922491 4 ‐0,42203614 ‐0,531426 ‐0,48488605 ‐0,30072542 ‐0,067508952 4 0,34518264 0,16172118 0,1889614 0,34112847 0,346888463 4 0,71500644 1,02671861 0,85085603 0,96622219 0,754452584 4 ‐0,51403307 ‐0,30828245 ‐0,67731892 ‐0,25193525 ‐0,474586935 4 ‐0,30708443 ‐0,1259609 ‐0,2637566 ‐0,25193525 ‐0,344599336 4 ‐0,84439395 ‐0,531426 ‐0,67245273 ‐1,09923311 ‐1,10505247 4 1,08919347 0,38486473 1,02075507 0,65478603 1,298538651 5 ‐0,44245694 ‐0,531426 ‐0,45515145 ‐0,32604322 ‐0,233111762 5 0,36818685 0,27950421 0,23701869 0,25889037 0,247290343 5 0,69998621 0,91549298 0,90742638 0,87792958 0,534637944 5 ‐0,56555112 ‐0,531426 ‐0,68958901 ‐0,18294238 ‐0,56384535 5 ‐0,32266935 ‐0,1259609 ‐0,29988532 ‐0,18294238 ‐0,488017626 5 ‐0,85731072 ‐0,30828245 ‐0,67002848 ‐0,9938726 ‐1,223329687 5 0,97920788 0,48017491 0,95144327 0,63536794 1,156804361 6 ‐0,42568348 ‐0,531426 ‐0,46102806 ‐0,18294238 ‐0,280876822 6 0,45441352 0,27950421 0,30958938 0,34112847 0,66375873 6 0,65292556 0,97265139 0,85613309 0,86242539 0,574588674 6 ‐0,5510083 ‐0,30828245 ‐0,72732934 ‐0,25193525 ‐0,406201645 6 ‐0,32009347 0,02818978 ‐0,28659609 ‐0,25193525 ‐0,440989976 6 ‐0,87264407 ‐0,81910808 ‐0,65322136 ‐1,21701615 ‐0,950980967 6 1,08623739 0,48017491 0,97974705 0,61556532 1,16205118
1 7 ‐0,47906339 ‐0,531426 ‐0,46496507 ‐0,40608593 ‐0,151935172 7 0,40034236 0,38486473 0,2132787 0,41711438 0,511247473 7 0,72467958 0,97265139 0,89737605 0,98020843 0,687164684 7 ‐0,55248181 ‐0,81910808 ‐0,67245273 ‐0,35201871 ‐0,374885325 7 ‐0,35118583 ‐0,1259609 ‐0,29654642 ‐0,35201871 ‐0,563054116 7 ‐0,83920756 ‐0,81910808 ‐0,67731892 ‐0,81155104 ‐1,205226527 7 1,07128433 0,48017491 0,99360408 0,7108755 1,110730471 8 ‐0,45565898 ‐0,531426 ‐0,482876 ‐0,35201871 ‐0,185689182 8 0,36672785 0,27950421 0,18382 0,39242177 0,329212963 8 0,74311521 0,91549298 0,95621655 0,87792958 0,744821034 8 ‐0,51977242 ‐0,30828245 ‐0,67002848 ‐0,25193525 ‐0,443958635 8 ‐0,31627394 ‐0,1259609 ‐0,31504989 ‐0,25193525 ‐0,481622216 8 ‐0,91191642 ‐0,531426 ‐0,70451466 ‐0,89856242 ‐1,077264697 8 1,10269926 0,48017491 1,00727172 0,69252636 1,247505921 9 ‐0,39729441 ‐0,531426 ‐0,43964726 ‐0,25193525 ‐0,187949232 9 0,37520768 0,27950421 0,24383801 0,31446022 0,37691353 9 0,64743904 0,97265139 0,89737605 0,79788687 0,526542534 9 ‐0,41518239 ‐0,30828245 ‐0,58422849 ‐0,16096347 ‐0,580530665 9 ‐0,32165523 ‐0,1259609 ‐0,29155888 ‐0,16096347 ‐0,533523516 9 ‐0,86965391 ‐0,531426 ‐0,67731892 ‐1,09923311 ‐1,235672887 9 1,05696391 0,56718629 1,00273656 0,65478603 1,096410051 10 ‐0,46386158 ‐0,531426 ‐0,45710649 ‐0,20541524 ‐0,164904242 10 0,45150183 0,27950421 0,3004569 0,28706125 0,490947983 10 0,69799293 0,91549298 0,9019112 0,90823493 0,773806724 10 ‐0,47172124 ‐0,531426 ‐0,60670135 ‐0,25193525 ‐0,470015425 10 ‐0,35036769 ‐0,30828245 ‐0,33044797 ‐0,25193525 ‐0,47126426 10 ‐0,85636429 ‐0,531426 ‐0,70201153 ‐0,81155104 ‐1,340166297 10 1,086845 0,38486473 0,99772402 0,67383422 1,08855081
Promedio 5,5 2,5377E‐17 1,2688E‐16 3,4893E‐17 ‐3,1721E‐17 ‐7,3592E‐16
5 6 7 8 9 10 11Otros gastos tiempo 0.5R*R 0.5No*No 0.5Nb*Nb 0.5GA*GA 0.5OG*OG
‐0,3938583 ‐4,5 0,1412068 0,11465727 0,04521789 0,01129196 0,077562180,06212469 ‐4,5 0,07406043 0,02295779 0,07699742 0,11908422 0,001929740,69902715 ‐4,5 0,4190637 0,36197799 0,45318775 0,18369904 0,24431948‐0,76672901 ‐4,5 0,1412068 0,24641009 0,08245289 0,04330879 0,29393669‐0,46391601 ‐4,5 0,00793307 0,04396989 0,08245289 0,07012059 0,10760903‐0,99246835 ‐4,5 0,33546902 0,22938046 0,49389137 0,40774083 0,492496710,9620994 ‐4,5 0,16085014 0,50274031 0,18946033 0,67844499 0,46281763‐0,6156707 ‐3,5 0,1412068 0,11658461 0,06195859 0,01305719 0,189525210,46434036 ‐3,5 0,0390613 0,01883284 0,0869922 0,06898641 0,107805990,89776519 ‐3,5 0,47302537 0,41171132 0,43959265 0,21171896 0,40299117‐0,90423154 ‐3,5 0,33546902 0,22609633 0,10729766 0,11440036 0,40881734‐0,29628076 ‐3,5 0,00039733 0,03829356 0,10729766 0,09244836 0,04389114‐0,82987831 ‐3,5 0,1412068 0,24641009 0,60415672 0,65656093 0,3443491,15831124 ‐3,5 0,16085014 0,51641332 0,17722832 0,77842675 0,67084246‐0,73359824 ‐2,5 0,1412068 0,10358142 0,03173569 0,02849004 0,269083190,3211584 ‐2,5 0,0390613 0,02739715 0,06738266 0,0683629 0,05157136
0,64428195 ‐2,5 0,47302537 0,39811102 0,41244534 0,17854967 0,20754962‐0,78920718 ‐2,5 0,1412068 0,26450398 0,06195859 0,17666671 0,31142399‐0,22509098 ‐2,5 0,00793307 0,04909522 0,06195859 0,11587718 0,02533297‐0,76948015 ‐2,5 0,1412068 0,24817045 0,74056415 0,52613067 0,296049851,07258384 ‐2,5 0,16085014 0,49362453 0,16516494 0,61153227 0,57521804‐0,3666576 ‐1,5 0,1412068 0,11755724 0,04521789 0,00227873 0,06721890,48060389 ‐1,5 0,01307687 0,0178532 0,05818432 0,0601658 0,115490050,85042769 ‐1,5 0,52707556 0,36197799 0,46679266 0,28459935 0,36161363‐0,64097609 ‐1,5 0,04751904 0,22938046 0,03173569 0,11261638 0,20542517‐0,43402745 ‐1,5 0,00793307 0,03478377 0,03173569 0,05937435 0,09418991‐0,63486473 ‐1,5 0,1412068 0,22609633 0,60415672 0,6105704 0,201526611,14457201 ‐1,5 0,07406043 0,52097046 0,21437237 0,84310132 0,65502255‐0,30703569 ‐0,5 0,1412068 0,10358142 0,05315209 0,02717055 0,047135460,57771607 ‐0,5 0,0390613 0,02808893 0,03351211 0,03057626 0,166877930,90951543 ‐0,5 0,4190637 0,41171132 0,38538017 0,14291887 0,41360916‐0,51017258 ‐0,5 0,1412068 0,2377665 0,01673396 0,15896076 0,13013803‐0,11314013 ‐0,5 0,00793307 0,0449656 0,01673396 0,1190806 0,00640034‐0,98425374 ‐0,5 0,04751904 0,22446908 0,49389137 0,74826776 0,484377710,85226486 ‐0,5 0,11528397 0,45262215 0,20184621 0,66909816 0,3631777‐0,45731632 0,5 0,1412068 0,10627344 0,01673396 0,03944589 0,104569110,22210999 0,5 0,0390613 0,04792279 0,05818432 0,22028781 0,024666420,70830411 0,5 0,47302537 0,36648193 0,37188878 0,16507607 0,25084735‐0,58264113 0,5 0,04751904 0,26450398 0,03173569 0,08249988 0,16973534‐0,18467222 0,5 0,00039733 0,04106866 0,03173569 0,09723608 0,01705191‐0,81726553 0,5 0,33546902 0,21334908 0,74056415 0,45218239 0,333961471,29576661 0,5 0,11528397 0,47995214 0,18946033 0,67518147 0,83950556
‐0,71136692 1,5 0,1412068 0,10809626 0,08245289 0,01154215 0,253021450,27339934 1,5 0,07406043 0,0227439 0,0869922 0,13068699 0,03737360,9342088 1,5 0,47302537 0,40264189 0,48040428 0,23609765 0,43637304
‐0,67942482 1,5 0,33546902 0,22609633 0,06195859 0,0702695 0,23080904‐0,29580728 1,5 0,00793307 0,04396989 0,06195859 0,15851496 0,04375097‐0,8708404 1,5 0,33546902 0,22938046 0,32930754 0,72628549 0,37918151,12666287 1,5 0,11528397 0,49362453 0,25267199 0,61686109 0,63468461‐0,40028044 2,5 0,1412068 0,11658461 0,06195859 0,01724024 0,080112210,5021491 2,5 0,0390613 0,0168949 0,07699742 0,05419059 0,12607686
0,79849375 2,5 0,4190637 0,45717504 0,38538017 0,27737918 0,31879614‐0,38435117 2,5 0,04751904 0,22446908 0,03173569 0,09854963 0,07386291‐0,44321695 2,5 0,00793307 0,04962822 0,03173569 0,11597998 0,09822063‐0,77649517 2,5 0,1412068 0,24817045 0,40370721 0,5802496 0,301472381,07106642 2,5 0,11528397 0,50729816 0,23979638 0,77813551 0,57359164‐0,26187316 3,5 0,1412068 0,09664486 0,03173569 0,01766246 0,034288780,51062893 3,5 0,0390613 0,02972849 0,04944262 0,07103189 0,130370950,78286029 3,5 0,47302537 0,40264189 0,31831173 0,13862352 0,30643512‐0,64748592 3,5 0,04751904 0,17066147 0,01295462 0,16850792 0,20961901‐0,35328807 3,5 0,00793307 0,04250329 0,01295462 0,14232367 0,06240623‐1,10195745 3,5 0,1412068 0,22938046 0,60415672 0,76344373 0,607155110,93002089 3,5 0,16085014 0,50274031 0,21437237 0,6010575 0,43246943‐0,18533949 4,5 0,1412068 0,10447317 0,02109771 0,0135967 0,01717536
0,419869 4,5 0,0390613 0,04513717 0,04120208 0,12051496 0,088144990,90752215 4,5 0,4190637 0,40672191 0,41244534 0,29938842 0,41179823‐0,59866426 4,5 0,1412068 0,18404326 0,03173569 0,11045725 0,17919945‐0,21494644 4,5 0,04751904 0,05459793 0,03173569 0,11104497 0,02310099‐0,98330731 4,5 0,1412068 0,24641009 0,32930754 0,89802285 0,483446631,14222354 4,5 0,07406043 0,49772661 0,22702628 0,59247144 0,6523373
1,1419E‐15 0
12 13 14 15 16 17 180.5 t*t R*No R*Nb R*GA R*OG R*t No*Nb
10,125 0,2544829 0,15981331 0,07986243 0,20930654 2,39141702 0,1440077710,125 0,08246851 0,1510293 0,18782363 0,0239096 ‐1,73189128 0,0840878210,125 0,77895272 0,8715837 0,55491116 0,63995445 ‐4,11971841 0,810046910,125 0,37306718 0,21580462 0,15640326 0,40745973 2,39141702 0,2850770110,125 0,03735325 0,05115095 0,04717083 0,05843528 0,56682403 0,1204233310,125 0,55479739 0,81408907 0,73968754 0,81293884 3,68598634 0,6731687110,125 0,56873843 0,34914021 0,66069046 0,54568958 ‐2,55233828 0,617249856,125 0,25661286 0,1870719 0,08587816 0,32718342 1,85999101 0,169981396,125 0,0542452 0,11658523 0,10382098 0,12978509 ‐0,97826475 0,08095216,125 0,88260954 0,91200543 0,63292476 0,87321257 ‐3,40427988 0,850847276,125 0,55081146 0,37944718 0,39180494 0,74066336 2,86687827 0,311509926,125 ‐0,00780135 ‐0,01305876 ‐0,0121215 ‐0,00835209 ‐0,09866425 0,12826,125 0,37306718 0,58416106 0,60896919 0,44101891 1,85999101 0,771674326,125 0,57642053 0,33768151 0,70770065 0,65697825 ‐1,985152 0,605055583,125 0,24187932 0,13388494 0,12685405 0,38985318 1,32856501 0,11466873,125 0,06542686 0,1026071 0,10335074 0,08976513 ‐0,69876053 0,085932373,125 0,86790924 0,88339597 0,58123497 0,62666174 ‐2,43162848 0,81042963,125 0,38652172 0,1870719 0,31588947 0,41940522 1,32856501 0,256033533,125 0,03947029 0,04434059 0,06063867 0,02835266 0,31490224 0,110306313,125 0,37439741 0,64675403 0,54513568 0,40892176 1,32856501 0,857405723,125 0,56355861 0,32598653 0,62726407 0,60835484 ‐1,41796571 0,571067311,125 0,25768106 0,15981331 0,03587601 0,19485138 0,79713901 0,145817561,125 0,03055906 0,0551677 0,05609921 0,07772383 ‐0,24258177 0,064460111,125 0,87358973 0,99203831 0,77461051 0,87314994 ‐1,54007792 0,822115981,125 0,20880554 0,07766722 0,14630682 0,19760168 0,46242368 0,170640511,125 0,03322302 0,03173399 0,04340604 0,05467049 0,18894134 0,066449581,125 0,35735886 0,58416106 0,58725358 0,33738362 0,79713901 0,73918231,125 0,39285262 0,25200405 0,49976173 0,4405054 ‐0,57729709 0,668376160,125 0,24187932 0,17326785 0,12388165 0,16316675 0,265713 0,148399050,125 0,06624772 0,07236095 0,06911869 0,16147407 ‐0,13975211 0,061361860,125 0,83074248 0,80373837 0,48945728 0,83265499 ‐0,45774649 0,796656460,125 0,36646553 0,09722034 0,29964206 0,27111897 0,265713 0,126155050,125 0,03777382 0,02304359 0,06147114 0,01425123 0,06298045 0,054861730,125 0,20655802 0,30639348 0,37713107 0,30342815 0,15414123 0,665922950,125 0,45685918 0,30508774 0,55546843 0,4092362 ‐0,24008745 0,604516550,125 0,2450023 0,09722034 0,14926525 0,24302978 ‐0,265713 0,084341570,125 0,08653154 0,09534684 0,18552335 0,06208068 0,13975211 0,105609750,125 0,83271904 0,83883926 0,55887447 0,68893298 0,4863257 0,738350920,125 0,22422287 0,07766722 0,12522484 0,17961804 ‐0,15414123 0,18323990,125 ‐0,00807908 ‐0,007102 ‐0,01243141 ‐0,00520587 0,01409489 0,072203660,125 0,53505889 0,99686775 0,77895618 0,66942879 ‐0,40955404 0,794980950,125 0,47044995 0,29557902 0,55798782 0,62219462 0,24008745 0,6030983
1,125 0,24709453 0,21580462 0,0807423 0,37803888 ‐0,79713901 0,188815771,125 0,08208345 0,16053261 0,19676112 0,10522176 0,57729709 0,088961611,125 0,87283406 0,9534011 0,66837169 0,90865949 1,45897709 0,879615571,125 0,55081146 0,28834137 0,3070716 0,55652236 ‐1,22866211 0,236715941,125 0,03735325 0,04434059 0,0709228 0,03726015 ‐0,18894134 0,104389891,125 0,55479739 0,66474801 0,98721078 0,7133124 ‐1,22866211 0,549678871,125 0,47710375 0,34134458 0,5333449 0,54099524 0,72026236 0,706328793,125 0,25661286 0,1870719 0,09868006 0,21271943 ‐1,32856501 0,169981393,125 0,05137846 0,10968354 0,09201641 0,14035279 0,69876053 0,072134973,125 0,87540954 0,80373837 0,68187842 0,73101543 2,28873245 0,839490793,125 0,20655802 0,07766722 0,13686466 0,11848872 ‐0,77070613 0,168803793,125 0,03968397 0,03173399 0,06066556 0,055828 ‐0,31490224 0,079372173,125 0,37439741 0,47751943 0,57248647 0,41264973 ‐1,32856501 0,633050393,125 0,48366661 0,33253378 0,59902104 0,51429922 1,20043727 0,697562216,125 0,23363999 0,13388494 0,09988111 0,13916621 ‐1,85999101 0,110762646,125 0,06815375 0,08789296 0,10534891 0,14272294 0,97826475 0,076677356,125 0,87283406 0,77606578 0,51214233 0,76145015 3,40427988 0,716004576,125 0,18010739 0,04962221 0,17896742 0,19960855 ‐1,07898858 0,094039456,125 0,03672502 0,0202751 0,0672031 0,04450048 ‐0,44086313 0,046930336,125 0,35994488 0,58416106 0,6566687 0,58560884 ‐1,85999101 0,744531386,125 0,56873843 0,37138566 0,62186874 0,52749509 1,985152 0,65657789
10,125 0,24291827 0,109163 0,0876344 0,09849422 ‐2,39141702 0,0938966410,125 0,08397897 0,08023483 0,13722203 0,11735515 1,25776896 0,0862495310,125 0,82569337 0,8314827 0,70841462 0,83083016 4,11971841 0,8191472610,125 0,32241687 0,13388494 0,24977842 0,31814575 ‐2,39141702 0,1528494610,125 0,10187131 0,07766722 0,14528248 0,06626422 ‐1,38727103 0,0832514910,125 0,37306718 0,43127933 0,71219922 0,52255507 ‐2,39141702 0,5697181910,125 0,38398878 0,25933503 0,41894481 0,43960155 1,73189128 0,67230059
19 20 21 22 23 24 25No*GA No*OG No*t Nb*GA Nb*OG Nb*t GA*OG
0,07196404 0,18860613 2,1549059 0,04519286 0,1184432 1,35326437 0,059188830,10457362 0,01331203 ‐0,96425642 0,19151165 0,02437908 ‐1,76589794 0,03031840,51573253 0,59477147 ‐3,82885215 0,57706206 0,6655001 ‐4,28416899 0,423703930,20660806 0,5382526 3,15905188 0,1195146 0,31135786 1,82738669 0,225654970,11105304 0,13757263 1,33445889 0,15207426 0,18838976 1,82738669 0,173730930,61164623 0,67221758 3,04793512 0,89750693 0,98638709 4,47242668 0,896238841,16804391 0,96473225 ‐4,51231454 0,71704508 0,59223502 ‐2,77004392 1,120707450,07803251 0,29729261 1,69006599 0,05688604 0,21672761 1,23206548 0,099492060,07208912 0,09011755 ‐0,67926774 0,15493585 0,19368304 ‐1,45990032 0,17247780,59048147 0,81465582 ‐3,17599234 0,61014785 0,84178847 ‐3,28177085 0,584194730,32165511 0,60805297 2,35358454 0,22158422 0,41888015 1,62135521 0,432522150,11899878 0,08199386 0,96860328 0,1991933 0,13725039 1,62135521 0,12739960,80444575 0,58258414 2,45704035 1,25962804 0,91222971 3,84731589 0,950970241,26805354 1,17716946 ‐3,55698276 0,74285736 0,6896152 ‐2,08376913 1,445270520,10864693 0,3338983 1,13787863 0,06013821 0,18481926 0,62983813 0,175113580,08655516 0,07517735 ‐0,58520458 0,13574202 0,11789852 ‐0,91775989 0,118752980,53322637 0,574901 ‐2,23078187 0,54274112 0,58515937 ‐2,27058733 0,385008650,43233805 0,57401354 1,81832334 0,20924645 0,27781569 0,88004677 0,469119390,15085113 0,07053305 0,78338385 0,16946488 0,07923623 0,88004677 0,108360760,72268966 0,54211005 1,76128665 1,24841262 0,93646977 3,04254037 0,789331131,0988491 1,06572368 ‐2,4840102 0,63562156 0,6164604 ‐1,4368583 1,18619458
0,03273415 0,17778716 0,72732907 0,02030166 0,11026326 0,45108812 0,024752670,06554853 0,09081558 ‐0,28344209 0,11833353 0,16394767 ‐0,51169271 0,166715940,64193053 0,72359153 ‐1,27628405 0,72896882 0,8217021 ‐1,44933328 0,641607360,3214467 0,43414523 1,01597837 0,11956518 0,16148447 0,37790288 0,30419887
0,09089035 0,1144776 0,3956349 0,08681672 0,10934681 0,37790288 0,149565570,7430955 0,42691652 1,00867909 1,21471018 0,69786433 1,64884967 0,70155879
1,32548991 1,16832769 ‐1,5311326 0,85026497 0,74944976 ‐0,98217904 1,4862710,10610116 0,13974774 0,22757573 0,07600451 0,10010691 0,16302161 0,071573630,05861243 0,13692951 ‐0,11850935 0,06402109 0,14956513 ‐0,12944519 0,14286360,48514458 0,8253183 ‐0,45371319 0,46937447 0,7984905 ‐0,43896479 0,486261460,38882152 0,3518094 0,3447945 0,1031512 0,09333219 0,09147119 0,287658410,14634932 0,03392907 0,14994266 0,08927911 0,02069813 0,09147119 0,055214380,81966573 0,65947804 0,33501424 1,21583385 0,97822281 0,4969363 1,204066811,10063372 0,81088167 ‐0,47572163 0,73499641 0,54150177 ‐0,31768397 0,985903710,1294921 0,21083565 ‐0,23051403 0,05138427 0,08366254 ‐0,09147119 0,12844955
0,20549265 0,06876289 0,15479469 0,22642699 0,07576804 0,17056424 0,147427440,49192438 0,60640258 0,42806654 0,49553986 0,61085945 0,4312127 0,406983520,29544237 0,42377199 ‐0,36366467 0,10233651 0,14678784 ‐0,12596763 0,23666978
0,126386 0,05292634 ‐0,14329804 0,11110092 0,04652544 ‐0,12596763 0,08143860,62120108 0,5338553 ‐0,32661068 1,15735918 0,99462534 ‐0,60850807 0,777203951,13851621 1,26952351 0,48987352 0,7153184 0,79762899 0,30778266 1,50574713
0,07064455 0,33076077 ‐0,69744761 0,06169873 0,2888761 ‐0,6091289 0,108081650,1090382 0,05831026 0,31991805 0,21324867 0,1140388 0,62567157 0,13977472
0,61664513 0,8383366 1,34606407 0,67356462 0,91571934 1,47031264 0,64195530,25209266 0,45688107 ‐1,00867909 0,13196665 0,23917025 ‐0,52802806 0,254706390,16697168 0,08772059 ‐0,44481963 0,19820558 0,1041297 ‐0,52802806 0,166555510,81632272 0,58983667 ‐1,01597837 0,97810284 0,70673143 ‐1,21732656 1,049559941,10362633 1,11945682 1,49040612 0,78959107 0,80091702 1,06631324 1,251418780,08966485 0,19328582 ‐1,20719 0,06536606 0,1409062 ‐0,88004677 0,074327740,06051592 0,09230505 0,45954999 0,12919033 0,19705424 0,98105441 0,165313990,71221019 0,76353294 2,39054137 0,65390041 0,70102129 2,19482395 0,594734940,29746493 0,25752623 ‐1,67507121 0,11184883 0,09683161 ‐0,62983813 0,170636020,15173502 0,13963545 ‐0,78762473 0,12133761 0,11166197 ‐0,62983813 0,213463130,75894876 0,54705223 ‐1,76128665 0,96798956 0,69772938 ‐2,24640604 0,836490831,25657743 1,07885492 2,5181793 0,86393073 0,74174173 1,73131589 1,33616170,08263137 0,11513182 ‐1,53876542 0,04735104 0,06597508 ‐0,88177338 0,049218860,09190584 0,12451074 0,85343302 0,1185243 0,16057249 1,10061078 0,192462940,47250666 0,70252007 3,14081617 0,42012138 0,62463395 2,79260406 0,412209240,33916255 0,37827972 ‐2,04479972 0,09344423 0,10422158 ‐0,56337216 0,375885430,15555352 0,10300427 ‐1,02045608 0,0858778 0,05686647 ‐0,56337216 0,188487490,83694461 0,74637662 ‐2,37061621 1,35829254 1,21130811 ‐3,84731589 1,361658931,09941045 0,93256595 3,50957797 0,71791398 0,60896469 2,2917511 1,019684250,0753788 0,08471988 ‐2,05697918 0,03387384 0,03807155 ‐0,92436856 0,03056327
0,14750871 0,12615254 1,35205605 0,14093214 0,12052812 1,29177562 0,206133830,69790495 0,81850439 4,05860042 0,70279829 0,82424332 4,08705719 0,702246730,28515899 0,36321041 ‐2,73015607 0,11841345 0,15082463 ‐1,13370863 0,281381430,1557283 0,07102862 ‐1,48701587 0,11872806 0,05415259 ‐1,13370863 0,10129656
0,94081219 0,69029307 ‐3,15905188 1,08761335 0,79800407 ‐3,65197968 1,317795311,08607329 1,13962386 4,4897581 0,73350279 0,76966931 3,03225401 1,24336836
26 27GA*t OG*t
0,67625774 1,77236233‐2,19611269 ‐0,27956109‐2,72760172 ‐3,145622191,32438887 3,450280541,68519551 2,087622054,06368102 4,46610756‐5,24185291 ‐4,32944730,56559815 2,15484746‐1,30006424 ‐1,62519127‐2,27752376 ‐3,142178181,67415916 3,164810411,50498667 1,036982664,01070353 2,90457407‐4,36708775 ‐4,054089340,59676253 1,8339956‐0,92441131 ‐0,802896‐1,49394474 ‐1,610704881,48604638 1,973017961,20352183 0,562727442,56449477 1,92370038‐2,76480622 ‐2,681459590,10126343 0,5499864‐0,52033268 ‐0,72090583‐1,13167887 ‐1,275641530,71188039 0,961464130,51689899 0,651041171,65757859 0,95229709‐1,94780798 ‐1,716858020,11655588 0,15351785‐0,12364517 ‐0,28885803‐0,26731897 ‐0,454757720,28192265 0,255086290,24400881 0,056570070,61166484 0,49212687‐0,57840218 ‐0,42613243‐0,14043841 ‐0,228658160,33187935 0,111054990,28729434 0,35415205‐0,20310082 ‐0,29132057‐0,22049499 ‐0,09233611‐0,47549048 ‐0,408632760,58102559 0,64788331
‐0,22790275 ‐1,067050380,7668712 0,41009902
1,03074703 1,4013132‐0,56232798 ‐1,01913723‐0,84458116 ‐0,44371093‐1,80783979 ‐1,306260591,66609571 1,6899943‐0,46422294 ‐1,000701090,82303239 1,255372761,86205257 1,99623439‐1,10989659 ‐0,96087794‐1,20405552 ‐1,10804239‐2,69316172 ‐1,941237933,1187648 2,67766606
‐0,65782231 ‐0,916556081,31919725 1,787201261,84289887 2,74001101‐2,03185731 ‐2,26620073‐1,8673323 ‐1,23650823
‐4,32485507 ‐3,856851063,83743518 3,25507312‐0,74206908 ‐0,834027692,20926589 1,889410483,48213022 4,08384967‐2,11506941 ‐2,69398915‐2,12068889 ‐0,967259‐6,03074832 ‐4,424882894,89847865 5,14000592
Anexo 10 (Translogaritmica)
Data file data: (data is mean‐corrected)Parametros asociados a las variables β1 β2 β3 β4 β5 λ1 β11 β22 β33 β44 β55 λ11 β12 β13Variables = xi yi x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14firm year output Rem Nro Ov Nro Bov Gastos Alim Otros gastos tiempo 0.5R*R 0.5No*No 0.5Nb*Nb 0.5GA*GA 0.5OG*OG 0.5 t*t R*No R*Nb
1 1 ‐0,449236839 ‐0,531426 ‐0,47886798 ‐0,30072542 ‐0,1502795 ‐0,3938583 ‐4,5 0,1412068 0,11465727 0,04521789 0,01129196 0,07756218 10,125 0,2544829 0,159813312 1 0,412211253 0,38486473 0,2142792 0,39242177 0,48802504 0,06212469 ‐4,5 0,07406043 0,02295779 0,07699742 0,11908422 0,00192974 10,125 0,08246851 0,15102933 1 0,643648612 0,91549298 0,85085603 0,95203755 0,60613372 0,69902715 ‐4,5 0,4190637 0,36197799 0,45318775 0,18369904 0,24431948 10,125 0,77895272 0,87158374 1 ‐0,534425478 ‐0,531426 ‐0,70201153 ‐0,40608593 ‐0,29430864 ‐0,76672901 ‐4,5 0,1412068 0,24641009 0,08245289 0,04330879 0,29393669 10,125 0,37306718 0,215804625 1 ‐0,336972995 ‐0,1259609 ‐0,29654642 ‐0,40608593 ‐0,37448789 ‐0,46391601 ‐4,5 0,00793307 0,04396989 0,08245289 0,07012059 0,10760903 10,125 0,03735325 0,051150956 1 ‐0,865525331 ‐0,81910808 ‐0,67731892 ‐0,9938726 ‐0,90304023 ‐0,99246835 ‐4,5 0,33546902 0,22938046 0,49389137 0,40774083 0,49249671 10,125 0,55479739 0,814089077 1 1,089042414 0,56718629 1,00273656 0,61556532 1,1648562 0,9620994 ‐4,5 0,16085014 0,50274031 0,18946033 0,67844499 0,46281763 10,125 0,56873843 0,349140211 2 ‐0,488727689 ‐0,531426 ‐0,482876 ‐0,35201871 ‐0,16159947 ‐0,6156707 ‐3,5 0,1412068 0,11658461 0,06195859 0,01305719 0,18952521 6,125 0,25661286 0,18707192 2 0,408961821 0,27950421 0,1940765 0,41711438 0,37144693 0,46434036 ‐3,5 0,0390613 0,01883284 0,0869922 0,06898641 0,10780599 6,125 0,0542452 0,116585233 2 0,688235972 0,97265139 0,90742638 0,93764882 0,65072108 0,89776519 ‐3,5 0,47302537 0,41171132 0,43959265 0,21171896 0,40299117 6,125 0,88260954 0,912005434 2 ‐0,554144979 ‐0,81910808 ‐0,67245273 ‐0,46324435 ‐0,47833119 ‐0,90423154 ‐3,5 0,33546902 0,22609633 0,10729766 0,11440036 0,40881734 6,125 0,55081146 0,379447185 2 ‐0,351659302 0,02818978 ‐0,27674379 ‐0,46324435 ‐0,42999619 ‐0,29628076 ‐3,5 0,00039733 0,03829356 0,10729766 0,09244836 0,04389114 6,125 ‐0,00780135 ‐0,013058766 2 ‐0,885256848 ‐0,531426 ‐0,70201153 ‐1,09923311 ‐1,1459153 ‐0,82987831 ‐3,5 0,1412068 0,24641009 0,60415672 0,65656093 0,344349 6,125 0,37306718 0,584161067 2 1,102932697 0,56718629 1,01628079 0,59536261 1,24773936 1,15831124 ‐3,5 0,16085014 0,51641332 0,17722832 0,77842675 0,67084246 6,125 0,57642053 0,337681511 3 ‐0,383511674 ‐0,531426 ‐0,45515145 ‐0,25193525 ‐0,23870501 ‐0,73359824 ‐2,5 0,1412068 0,10358142 0,03173569 0,02849004 0,26908319 3,125 0,24187932 0,133884942 3 0,448101414 0,27950421 0,23408183 0,36710396 0,36976452 0,3211584 ‐2,5 0,0390613 0,02739715 0,06738266 0,0683629 0,05157136 3,125 0,06542686 0,10260713 3 0,675914788 0,97265139 0,89231275 0,90823493 0,5975779 0,64428195 ‐2,5 0,47302537 0,39811102 0,41244534 0,17854967 0,20754962 3,125 0,86790924 0,883395974 3 ‐0,556903654 ‐0,531426 ‐0,72732934 ‐0,35201871 ‐0,59441855 ‐0,78920718 ‐2,5 0,1412068 0,26450398 0,06195859 0,17666671 0,31142399 3,125 0,38652172 0,18707195 3 ‐0,360512226 ‐0,1259609 ‐0,31335354 ‐0,35201871 ‐0,48140873 ‐0,22509098 ‐2,5 0,00793307 0,04909522 0,06195859 0,11587718 0,02533297 3,125 0,03947029 0,044340596 3 ‐0,904901401 ‐0,531426 ‐0,70451466 ‐1,21701615 ‐1,02579791 ‐0,76948015 ‐2,5 0,1412068 0,24817045 0,74056415 0,52613067 0,29604985 3,125 0,37439741 0,646754037 3 1,104216671 0,56718629 0,99360408 0,57474332 1,10592249 1,07258384 ‐2,5 0,16085014 0,49362453 0,16516494 0,61153227 0,57521804 3,125 0,56355861 0,325986531 4 ‐0,422036144 ‐0,531426 ‐0,48488605 ‐0,30072542 ‐0,06750895 ‐0,3666576 ‐1,5 0,1412068 0,11755724 0,04521789 0,00227873 0,0672189 1,125 0,25768106 0,159813312 4 0,345182639 0,16172118 0,1889614 0,34112847 0,34688846 0,48060389 ‐1,5 0,01307687 0,0178532 0,05818432 0,0601658 0,11549005 1,125 0,03055906 0,05516773 4 0,715006437 1,02671861 0,85085603 0,96622219 0,75445258 0,85042769 ‐1,5 0,52707556 0,36197799 0,46679266 0,28459935 0,36161363 1,125 0,87358973 0,992038314 4 ‐0,514033071 ‐0,30828245 ‐0,67731892 ‐0,25193525 ‐0,47458693 ‐0,64097609 ‐1,5 0,04751904 0,22938046 0,03173569 0,11261638 0,20542517 1,125 0,20880554 0,077667225 4 ‐0,307084434 ‐0,1259609 ‐0,2637566 ‐0,25193525 ‐0,34459933 ‐0,43402745 ‐1,5 0,00793307 0,03478377 0,03173569 0,05937435 0,09418991 1,125 0,03322302 0,031733996 4 ‐0,844393948 ‐0,531426 ‐0,67245273 ‐1,09923311 ‐1,1050524 ‐0,63486473 ‐1,5 0,1412068 0,22609633 0,60415672 0,6105704 0,20152661 1,125 0,35735886 0,584161067 4 1,089193473 0,38486473 1,02075507 0,65478603 1,29853865 1,14457201 ‐1,5 0,07406043 0,52097046 0,21437237 0,84310132 0,65502255 1,125 0,39285262 0,252004051 5 ‐0,442456943 ‐0,531426 ‐0,45515145 ‐0,32604322 ‐0,23311176 ‐0,30703569 ‐0,5 0,1412068 0,10358142 0,05315209 0,02717055 0,04713546 0,125 0,24187932 0,173267852 5 0,368186845 0,27950421 0,23701869 0,25889037 0,24729034 0,57771607 ‐0,5 0,0390613 0,02808893 0,03351211 0,03057626 0,16687793 0,125 0,06624772 0,072360953 5 0,699986212 0,91549298 0,90742638 0,87792958 0,53463794 0,90951543 ‐0,5 0,4190637 0,41171132 0,38538017 0,14291887 0,41360916 0,125 0,83074248 0,803738374 5 ‐0,56555112 ‐0,531426 ‐0,68958901 ‐0,18294238 ‐0,5638453 ‐0,51017258 ‐0,5 0,1412068 0,2377665 0,01673396 0,15896076 0,13013803 0,125 0,36646553 0,097220345 5 ‐0,322669354 ‐0,1259609 ‐0,29988532 ‐0,18294238 ‐0,48801762 ‐0,11314013 ‐0,5 0,00793307 0,0449656 0,01673396 0,1190806 0,00640034 0,125 0,03777382 0,023043596 5 ‐0,85731072 ‐0,30828245 ‐0,67002848 ‐0,9938726 ‐1,22332968 ‐0,98425374 ‐0,5 0,04751904 0,22446908 0,49389137 0,74826776 0,48437771 0,125 0,20655802 0,306393487 5 0,979207877 0,48017491 0,95144327 0,63536794 1,15680436 0,85226486 ‐0,5 0,11528397 0,45262215 0,20184621 0,66909816 0,3631777 0,125 0,45685918 0,305087741 6 ‐0,425683483 ‐0,531426 ‐0,46102806 ‐0,18294238 ‐0,28087682 ‐0,45731632 0,5 0,1412068 0,10627344 0,01673396 0,03944589 0,10456911 0,125 0,2450023 0,097220342 6 0,454413519 0,27950421 0,30958938 0,34112847 0,6637587 0,22210999 0,5 0,0390613 0,04792279 0,05818432 0,22028781 0,02466642 0,125 0,08653154 0,095346843 6 0,652925565 0,97265139 0,85613309 0,86242539 0,57458867 0,70830411 0,5 0,47302537 0,36648193 0,37188878 0,16507607 0,25084735 0,125 0,83271904 0,838839264 6 ‐0,551008297 ‐0,30828245 ‐0,72732934 ‐0,25193525 ‐0,40620164 ‐0,58264113 0,5 0,04751904 0,26450398 0,03173569 0,08249988 0,16973534 0,125 0,22422287 0,077667225 6 ‐0,320093467 0,02818978 ‐0,28659609 ‐0,25193525 ‐0,44098997 ‐0,18467222 0,5 0,00039733 0,04106866 0,03173569 0,09723608 0,01705191 0,125 ‐0,00807908 ‐0,0071026 6 ‐0,872644068 ‐0,81910808 ‐0,65322136 ‐1,21701615 ‐0,95098096 ‐0,81726553 0,5 0,33546902 0,21334908 0,74056415 0,45218239 0,33396147 0,125 0,53505889 0,996867757 6 1,086237392 0,48017491 0,97974705 0,61556532 1,16205118 1,29576661 0,5 0,11528397 0,47995214 0,18946033 0,67518147 0,83950556 0,125 0,47044995 0,295579021 7 ‐0,479063387 ‐0,531426 ‐0,46496507 ‐0,40608593 ‐0,15193517 ‐0,71136692 1,5 0,1412068 0,10809626 0,08245289 0,01154215 0,25302145 1,125 0,24709453 0,21580462
Anexo 10 (Translogaritmica)
Data file data: (data is mean‐corrected)Parametros asociados a las variables β1 β2 β3 β4 β5 λ1 β11 β22 β33 β44 β55 λ11 β12 β13Variables = xi yi x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14firm year output Rem Nro Ov Nro Bov Gastos Alim Otros gastos tiempo 0.5R*R 0.5No*No 0.5Nb*Nb 0.5GA*GA 0.5OG*OG 0.5 t*t R*No R*Nb
2 7 0,400342359 0,38486473 0,2132787 0,41711438 0,51124747 0,27339934 1,5 0,07406043 0,0227439 0,0869922 0,13068699 0,0373736 1,125 0,08208345 0,160532613 7 0,72467958 0,97265139 0,89737605 0,98020843 0,68716468 0,9342088 1,5 0,47302537 0,40264189 0,48040428 0,23609765 0,43637304 1,125 0,87283406 0,95340114 7 ‐0,552481806 ‐0,81910808 ‐0,67245273 ‐0,35201871 ‐0,37488532 ‐0,67942482 1,5 0,33546902 0,22609633 0,06195859 0,0702695 0,23080904 1,125 0,55081146 0,288341375 7 ‐0,351185825 ‐0,1259609 ‐0,29654642 ‐0,35201871 ‐0,56305411 ‐0,29580728 1,5 0,00793307 0,04396989 0,06195859 0,15851496 0,04375097 1,125 0,03735325 0,044340596 7 ‐0,839207561 ‐0,81910808 ‐0,67731892 ‐0,81155104 ‐1,20522652 ‐0,8708404 1,5 0,33546902 0,22938046 0,32930754 0,72628549 0,3791815 1,125 0,55479739 0,664748017 7 1,071284325 0,48017491 0,99360408 0,7108755 1,11073047 1,12666287 1,5 0,11528397 0,49362453 0,25267199 0,61686109 0,63468461 1,125 0,47710375 0,341344581 8 ‐0,45565898 ‐0,531426 ‐0,482876 ‐0,35201871 ‐0,18568918 ‐0,40028044 2,5 0,1412068 0,11658461 0,06195859 0,01724024 0,08011221 3,125 0,25661286 0,18707192 8 0,366727853 0,27950421 0,18382 0,39242177 0,32921296 0,5021491 2,5 0,0390613 0,0168949 0,07699742 0,05419059 0,12607686 3,125 0,05137846 0,109683543 8 0,743115213 0,91549298 0,95621655 0,87792958 0,74482103 0,79849375 2,5 0,4190637 0,45717504 0,38538017 0,27737918 0,31879614 3,125 0,87540954 0,803738374 8 ‐0,519772424 ‐0,30828245 ‐0,67002848 ‐0,25193525 ‐0,44395863 ‐0,38435117 2,5 0,04751904 0,22446908 0,03173569 0,09854963 0,07386291 3,125 0,20655802 0,077667225 8 ‐0,316273939 ‐0,1259609 ‐0,31504989 ‐0,25193525 ‐0,48162221 ‐0,44321695 2,5 0,00793307 0,04962822 0,03173569 0,11597998 0,09822063 3,125 0,03968397 0,031733996 8 ‐0,911916421 ‐0,531426 ‐0,70451466 ‐0,89856242 ‐1,07726469 ‐0,77649517 2,5 0,1412068 0,24817045 0,40370721 0,5802496 0,30147238 3,125 0,37439741 0,477519437 8 1,102699258 0,48017491 1,00727172 0,69252636 1,24750592 1,07106642 2,5 0,11528397 0,50729816 0,23979638 0,77813551 0,57359164 3,125 0,48366661 0,332533781 9 ‐0,397294414 ‐0,531426 ‐0,43964726 ‐0,25193525 ‐0,18794923 ‐0,26187316 3,5 0,1412068 0,09664486 0,03173569 0,01766246 0,03428878 6,125 0,23363999 0,133884942 9 0,375207683 0,27950421 0,24383801 0,31446022 0,3769135 0,51062893 3,5 0,0390613 0,02972849 0,04944262 0,07103189 0,13037095 6,125 0,06815375 0,087892963 9 0,647439038 0,97265139 0,89737605 0,79788687 0,52654253 0,78286029 3,5 0,47302537 0,40264189 0,31831173 0,13862352 0,30643512 6,125 0,87283406 0,776065784 9 ‐0,415182392 ‐0,30828245 ‐0,58422849 ‐0,16096347 ‐0,58053066 ‐0,64748592 3,5 0,04751904 0,17066147 0,01295462 0,16850792 0,20961901 6,125 0,18010739 0,049622215 9 ‐0,321655231 ‐0,1259609 ‐0,29155888 ‐0,16096347 ‐0,53352351 ‐0,35328807 3,5 0,00793307 0,04250329 0,01295462 0,14232367 0,06240623 6,125 0,03672502 0,02027516 9 ‐0,869653915 ‐0,531426 ‐0,67731892 ‐1,09923311 ‐1,23567288 ‐1,10195745 3,5 0,1412068 0,22938046 0,60415672 0,76344373 0,60715511 6,125 0,35994488 0,584161067 9 1,056963906 0,56718629 1,00273656 0,65478603 1,09641005 0,93002089 3,5 0,16085014 0,50274031 0,21437237 0,6010575 0,43246943 6,125 0,56873843 0,371385661 10 ‐0,46386158 ‐0,531426 ‐0,45710649 ‐0,20541524 ‐0,16490424 ‐0,18533949 4,5 0,1412068 0,10447317 0,02109771 0,0135967 0,01717536 10,125 0,24291827 0,1091632 10 0,451501831 0,27950421 0,3004569 0,28706125 0,49094798 0,419869 4,5 0,0390613 0,04513717 0,04120208 0,12051496 0,08814499 10,125 0,08397897 0,080234833 10 0,697992927 0,91549298 0,9019112 0,90823493 0,77380672 0,90752215 4,5 0,4190637 0,40672191 0,41244534 0,29938842 0,41179823 10,125 0,82569337 0,83148274 10 ‐0,471721241 ‐0,531426 ‐0,60670135 ‐0,25193525 ‐0,47001542 ‐0,59866426 4,5 0,1412068 0,18404326 0,03173569 0,11045725 0,17919945 10,125 0,32241687 0,133884945 10 ‐0,350367693 ‐0,30828245 ‐0,33044797 ‐0,25193525 ‐0,4712642 ‐0,21494644 4,5 0,04751904 0,05459793 0,03173569 0,11104497 0,02310099 10,125 0,10187131 0,077667226 10 ‐0,856364295 ‐0,531426 ‐0,70201153 ‐0,81155104 ‐1,34016629 ‐0,98330731 4,5 0,1412068 0,24641009 0,32930754 0,89802285 0,48344663 10,125 0,37306718 0,431279337 10 1,086844995 0,38486473 0,99772402 0,67383422 1,08855081 1,14222354 4,5 0,07406043 0,49772661 0,22702628 0,59247144 0,6523373 10,125 0,38398878 0,25933503
DPaVa
β14 β15 δ1 β23 β24 β25 δ2 β34 β35 δ3 β45 δ4 δ5x15 x16 x17 x18 x19 x20 x21 x22 x23 x24 x25 x26 x27R*GA R*OG R*t No*Nb No*GA No*OG No*t Nb*GA Nb*OG Nb*t GA*OG GA*t OG*t
0,07986243 0,20930654 2,39141702 0,14400777 0,07196404 0,18860613 2,1549059 0,04519286 0,1184432 1,35326437 0,05918883 0,67625774 1,772362330,18782363 0,0239096 ‐1,73189128 0,08408782 0,10457362 0,01331203 ‐0,96425642 0,19151165 0,02437908 ‐1,76589794 0,0303184 ‐2,19611269 ‐0,279561090,55491116 0,63995445 ‐4,11971841 0,8100469 0,51573253 0,59477147 ‐3,82885215 0,57706206 0,6655001 ‐4,28416899 0,42370393 ‐2,72760172 ‐3,145622190,15640326 0,40745973 2,39141702 0,28507701 0,20660806 0,5382526 3,15905188 0,1195146 0,31135786 1,82738669 0,22565497 1,32438887 3,450280540,04717083 0,05843528 0,56682403 0,12042333 0,11105304 0,13757263 1,33445889 0,15207426 0,18838976 1,82738669 0,17373093 1,68519551 2,087622050,73968754 0,81293884 3,68598634 0,67316871 0,61164623 0,67221758 3,04793512 0,89750693 0,98638709 4,47242668 0,89623884 4,06368102 4,466107560,66069046 0,54568958 ‐2,55233828 0,61724985 1,16804391 0,96473225 ‐4,51231454 0,71704508 0,59223502 ‐2,77004392 1,12070745 ‐5,24185291 ‐4,32944730,08587816 0,32718342 1,85999101 0,16998139 0,07803251 0,29729261 1,69006599 0,05688604 0,21672761 1,23206548 0,09949206 0,56559815 2,154847460,10382098 0,12978509 ‐0,97826475 0,0809521 0,07208912 0,09011755 ‐0,67926774 0,15493585 0,19368304 ‐1,45990032 0,1724778 ‐1,30006424 ‐1,625191270,63292476 0,87321257 ‐3,40427988 0,85084727 0,59048147 0,81465582 ‐3,17599234 0,61014785 0,84178847 ‐3,28177085 0,58419473 ‐2,27752376 ‐3,142178180,39180494 0,74066336 2,86687827 0,31150992 0,32165511 0,60805297 2,35358454 0,22158422 0,41888015 1,62135521 0,43252215 1,67415916 3,16481041‐0,0121215 ‐0,00835209 ‐0,09866425 0,1282 0,11899878 0,08199386 0,96860328 0,1991933 0,13725039 1,62135521 0,1273996 1,50498667 1,036982660,60896919 0,44101891 1,85999101 0,77167432 0,80444575 0,58258414 2,45704035 1,25962804 0,91222971 3,84731589 0,95097024 4,01070353 2,904574070,70770065 0,65697825 ‐1,985152 0,60505558 1,26805354 1,17716946 ‐3,55698276 0,74285736 0,6896152 ‐2,08376913 1,44527052 ‐4,36708775 ‐4,054089340,12685405 0,38985318 1,32856501 0,1146687 0,10864693 0,3338983 1,13787863 0,06013821 0,18481926 0,62983813 0,17511358 0,59676253 1,83399560,10335074 0,08976513 ‐0,69876053 0,08593237 0,08655516 0,07517735 ‐0,58520458 0,13574202 0,11789852 ‐0,91775989 0,11875298 ‐0,92441131 ‐0,8028960,58123497 0,62666174 ‐2,43162848 0,8104296 0,53322637 0,574901 ‐2,23078187 0,54274112 0,58515937 ‐2,27058733 0,38500865 ‐1,49394474 ‐1,610704880,31588947 0,41940522 1,32856501 0,25603353 0,43233805 0,57401354 1,81832334 0,20924645 0,27781569 0,88004677 0,46911939 1,48604638 1,973017960,06063867 0,02835266 0,31490224 0,11030631 0,15085113 0,07053305 0,78338385 0,16946488 0,07923623 0,88004677 0,10836076 1,20352183 0,562727440,54513568 0,40892176 1,32856501 0,85740572 0,72268966 0,54211005 1,76128665 1,24841262 0,93646977 3,04254037 0,78933113 2,56449477 1,923700380,62726407 0,60835484 ‐1,41796571 0,57106731 1,0988491 1,06572368 ‐2,4840102 0,63562156 0,6164604 ‐1,4368583 1,18619458 ‐2,76480622 ‐2,681459590,03587601 0,19485138 0,79713901 0,14581756 0,03273415 0,17778716 0,72732907 0,02030166 0,11026326 0,45108812 0,02475267 0,10126343 0,54998640,05609921 0,07772383 ‐0,24258177 0,06446011 0,06554853 0,09081558 ‐0,28344209 0,11833353 0,16394767 ‐0,51169271 0,16671594 ‐0,52033268 ‐0,720905830,77461051 0,87314994 ‐1,54007792 0,82211598 0,64193053 0,72359153 ‐1,27628405 0,72896882 0,8217021 ‐1,44933328 0,64160736 ‐1,13167887 ‐1,275641530,14630682 0,19760168 0,46242368 0,17064051 0,3214467 0,43414523 1,01597837 0,11956518 0,16148447 0,37790288 0,30419887 0,71188039 0,961464130,04340604 0,05467049 0,18894134 0,06644958 0,09089035 0,1144776 0,3956349 0,08681672 0,10934681 0,37790288 0,14956557 0,51689899 0,651041170,58725358 0,33738362 0,79713901 0,7391823 0,7430955 0,42691652 1,00867909 1,21471018 0,69786433 1,64884967 0,70155879 1,65757859 0,952297090,49976173 0,4405054 ‐0,57729709 0,66837616 1,32548991 1,16832769 ‐1,5311326 0,85026497 0,74944976 ‐0,98217904 1,486271 ‐1,94780798 ‐1,716858020,12388165 0,16316675 0,265713 0,14839905 0,10610116 0,13974774 0,22757573 0,07600451 0,10010691 0,16302161 0,07157363 0,11655588 0,153517850,06911869 0,16147407 ‐0,13975211 0,06136186 0,05861243 0,13692951 ‐0,11850935 0,06402109 0,14956513 ‐0,12944519 0,1428636 ‐0,12364517 ‐0,288858030,48945728 0,83265499 ‐0,45774649 0,79665646 0,48514458 0,8253183 ‐0,45371319 0,46937447 0,7984905 ‐0,43896479 0,48626146 ‐0,26731897 ‐0,454757720,29964206 0,27111897 0,265713 0,12615505 0,38882152 0,3518094 0,3447945 0,1031512 0,09333219 0,09147119 0,28765841 0,28192265 0,255086290,06147114 0,01425123 0,06298045 0,05486173 0,14634932 0,03392907 0,14994266 0,08927911 0,02069813 0,09147119 0,05521438 0,24400881 0,056570070,37713107 0,30342815 0,15414123 0,66592295 0,81966573 0,65947804 0,33501424 1,21583385 0,97822281 0,4969363 1,20406681 0,61166484 0,492126870,55546843 0,4092362 ‐0,24008745 0,60451655 1,10063372 0,81088167 ‐0,47572163 0,73499641 0,54150177 ‐0,31768397 0,98590371 ‐0,57840218 ‐0,426132430,14926525 0,24302978 ‐0,265713 0,08434157 0,1294921 0,21083565 ‐0,23051403 0,05138427 0,08366254 ‐0,09147119 0,12844955 ‐0,14043841 ‐0,228658160,18552335 0,06208068 0,13975211 0,10560975 0,20549265 0,06876289 0,15479469 0,22642699 0,07576804 0,17056424 0,14742744 0,33187935 0,111054990,55887447 0,68893298 0,4863257 0,73835092 0,49192438 0,60640258 0,42806654 0,49553986 0,61085945 0,4312127 0,40698352 0,28729434 0,354152050,12522484 0,17961804 ‐0,15414123 0,1832399 0,29544237 0,42377199 ‐0,36366467 0,10233651 0,14678784 ‐0,12596763 0,23666978 ‐0,20310082 ‐0,29132057‐0,01243141 ‐0,00520587 0,01409489 0,07220366 0,126386 0,05292634 ‐0,14329804 0,11110092 0,04652544 ‐0,12596763 0,0814386 ‐0,22049499 ‐0,092336110,77895618 0,66942879 ‐0,40955404 0,79498095 0,62120108 0,5338553 ‐0,32661068 1,15735918 0,99462534 ‐0,60850807 0,77720395 ‐0,47549048 ‐0,408632760,55798782 0,62219462 0,24008745 0,6030983 1,13851621 1,26952351 0,48987352 0,7153184 0,79762899 0,30778266 1,50574713 0,58102559 0,647883310,0807423 0,37803888 ‐0,79713901 0,18881577 0,07064455 0,33076077 ‐0,69744761 0,06169873 0,2888761 ‐0,6091289 0,10808165 ‐0,22790275 ‐1,06705038
DPaVa
β14 β15 δ1 β23 β24 β25 δ2 β34 β35 δ3 β45 δ4 δ5x15 x16 x17 x18 x19 x20 x21 x22 x23 x24 x25 x26 x27R*GA R*OG R*t No*Nb No*GA No*OG No*t Nb*GA Nb*OG Nb*t GA*OG GA*t OG*t
0,19676112 0,10522176 0,57729709 0,08896161 0,1090382 0,05831026 0,31991805 0,21324867 0,1140388 0,62567157 0,13977472 0,7668712 0,410099020,66837169 0,90865949 1,45897709 0,87961557 0,61664513 0,8383366 1,34606407 0,67356462 0,91571934 1,47031264 0,6419553 1,03074703 1,40131320,3070716 0,55652236 ‐1,22866211 0,23671594 0,25209266 0,45688107 ‐1,00867909 0,13196665 0,23917025 ‐0,52802806 0,25470639 ‐0,56232798 ‐1,019137230,0709228 0,03726015 ‐0,18894134 0,10438989 0,16697168 0,08772059 ‐0,44481963 0,19820558 0,1041297 ‐0,52802806 0,16655551 ‐0,84458116 ‐0,443710930,98721078 0,7133124 ‐1,22866211 0,54967887 0,81632272 0,58983667 ‐1,01597837 0,97810284 0,70673143 ‐1,21732656 1,04955994 ‐1,80783979 ‐1,306260590,5333449 0,54099524 0,72026236 0,70632879 1,10362633 1,11945682 1,49040612 0,78959107 0,80091702 1,06631324 1,25141878 1,66609571 1,68999430,09868006 0,21271943 ‐1,32856501 0,16998139 0,08966485 0,19328582 ‐1,20719 0,06536606 0,1409062 ‐0,88004677 0,07432774 ‐0,46422294 ‐1,000701090,09201641 0,14035279 0,69876053 0,07213497 0,06051592 0,09230505 0,45954999 0,12919033 0,19705424 0,98105441 0,16531399 0,82303239 1,255372760,68187842 0,73101543 2,28873245 0,83949079 0,71221019 0,76353294 2,39054137 0,65390041 0,70102129 2,19482395 0,59473494 1,86205257 1,996234390,13686466 0,11848872 ‐0,77070613 0,16880379 0,29746493 0,25752623 ‐1,67507121 0,11184883 0,09683161 ‐0,62983813 0,17063602 ‐1,10989659 ‐0,960877940,06066556 0,055828 ‐0,31490224 0,07937217 0,15173502 0,13963545 ‐0,78762473 0,12133761 0,11166197 ‐0,62983813 0,21346313 ‐1,20405552 ‐1,108042390,57248647 0,41264973 ‐1,32856501 0,63305039 0,75894876 0,54705223 ‐1,76128665 0,96798956 0,69772938 ‐2,24640604 0,83649083 ‐2,69316172 ‐1,941237930,59902104 0,51429922 1,20043727 0,69756221 1,25657743 1,07885492 2,5181793 0,86393073 0,74174173 1,73131589 1,3361617 3,1187648 2,677666060,09988111 0,13916621 ‐1,85999101 0,11076264 0,08263137 0,11513182 ‐1,53876542 0,04735104 0,06597508 ‐0,88177338 0,04921886 ‐0,65782231 ‐0,916556080,10534891 0,14272294 0,97826475 0,07667735 0,09190584 0,12451074 0,85343302 0,1185243 0,16057249 1,10061078 0,19246294 1,31919725 1,787201260,51214233 0,76145015 3,40427988 0,71600457 0,47250666 0,70252007 3,14081617 0,42012138 0,62463395 2,79260406 0,41220924 1,84289887 2,740011010,17896742 0,19960855 ‐1,07898858 0,09403945 0,33916255 0,37827972 ‐2,04479972 0,09344423 0,10422158 ‐0,56337216 0,37588543 ‐2,03185731 ‐2,266200730,0672031 0,04450048 ‐0,44086313 0,04693033 0,15555352 0,10300427 ‐1,02045608 0,0858778 0,05686647 ‐0,56337216 0,18848749 ‐1,8673323 ‐1,236508230,6566687 0,58560884 ‐1,85999101 0,74453138 0,83694461 0,74637662 ‐2,37061621 1,35829254 1,21130811 ‐3,84731589 1,36165893 ‐4,32485507 ‐3,856851060,62186874 0,52749509 1,985152 0,65657789 1,09941045 0,93256595 3,50957797 0,71791398 0,60896469 2,2917511 1,01968425 3,83743518 3,255073120,0876344 0,09849422 ‐2,39141702 0,09389664 0,0753788 0,08471988 ‐2,05697918 0,03387384 0,03807155 ‐0,92436856 0,03056327 ‐0,74206908 ‐0,834027690,13722203 0,11735515 1,25776896 0,08624953 0,14750871 0,12615254 1,35205605 0,14093214 0,12052812 1,29177562 0,20613383 2,20926589 1,889410480,70841462 0,83083016 4,11971841 0,81914726 0,69790495 0,81850439 4,05860042 0,70279829 0,82424332 4,08705719 0,70224673 3,48213022 4,083849670,24977842 0,31814575 ‐2,39141702 0,15284946 0,28515899 0,36321041 ‐2,73015607 0,11841345 0,15082463 ‐1,13370863 0,28138143 ‐2,11506941 ‐2,693989150,14528248 0,06626422 ‐1,38727103 0,08325149 0,1557283 0,07102862 ‐1,48701587 0,11872806 0,05415259 ‐1,13370863 0,10129656 ‐2,12068889 ‐0,9672590,71219922 0,52255507 ‐2,39141702 0,56971819 0,94081219 0,69029307 ‐3,15905188 1,08761335 0,79800407 ‐3,65197968 1,31779531 ‐6,03074832 ‐4,424882890,41894481 0,43960155 1,73189128 0,67230059 1,08607329 1,13962386 4,4897581 0,73350279 0,76966931 3,03225401 1,24336836 4,89847865 5,14000592
ANEXO
TABLA Nº8 BASE DE DATOS POR TIEMPO.
EST obs year Output rem tra Gastos AnimaleOtros Gastos Nro. Ovi % marca nac.ovi ventas.ovi x ovi lan lan kgs Nro. Bov % marca nac.bov ventas.bovA 1 1 102350000 13440000 4 35822500 12282000 5000 0,7 3500 1925 5 25000 200 0,9 180 126B 2 1 242220000 33600000 10 67821600 19377600 10000 0,86 8600 5590 5,2 52000 400 0,95 380 266C 3 1 305296600 57120000 17 76324150 36635592 18900 0,61 11529 5764,5 4,12 77868 700 0,76 532 345,8D 4 1 93992000 13440000 4 31017360 8459280 4000 0,82 3280 1968 5,5 22000 180 0,84 151,2 105,84E 5 1 114510000 20160000 6 28627500 11451000 6000 0,73 4380 2409 4,9 29400 180 0,84 151,2 105,84F 6 1 67498800 10080000 3 16874700 6749880 4100 0,72 2952 1623,6 4,2 17220 100 0,75 75 45G 7 1 476600000 40320000 12 133448000 47660000 22000 0,75 16500 11550 5,5 121000 500 0,9 450 315A 8 2 98386880 13440000 4 35419276,8 9838688 4980 0,7 3486 1917,3 4,78 23804,4 190 0,88 167,2 117,04B 9 2 241434200 30240000 9 60358550 28972104 9800 0,87 8526 5541,9 5,3 51940 410 0,93 381,3 266,91C 10 2 319217000 60480000 18 79804250 44690380 20000 0,55 11000 5500 4,34 86800 690 0,81 558,9 363,285D 11 2 92156680 10080000 3 25803870,4 7372534,4 4120 0,78 3213,6 1928,16 5,45 22454 170 0,81 137,7 96,39E 12 2 112840560 23520000 7 27081734,4 13540867,2 6120 0,72 4406,4 2423,52 4,8 29376 170 0,81 137,7 96,39F 13 2 66180000 13440000 4 13236000 7941600 4000 0,74 2960 1628 4,2 16800 90 0,77 69,3 41,58G 14 2 483266300 40320000 12 144979890 57991956 22300 0,76 16948 11863,6 5,45 121535 490 0,92 450,8 315,56A 15 3 109302960 13440000 4 32790888 8744236,8 5120 0,7 3584 1971,2 5,34 27340,8 210 0,93 195,3 136,71B 16 3 251071200 30240000 9 60257088 25107120 10200 0,88 8976 5834,4 5,4 55080 390 0,96 374,4 262,08C 17 3 315308000 60480000 18 75673920 34683880 19700 0,62 12214 6107 4 78800 670 0,82 549,4 357,11D 18 3 91902800 13440000 4 22975700 8271252 3900 0,77 3003 1801,8 5,68 22152 190 0,82 155,8 109,06E 19 3 111846000 20160000 6 25724580 14539980 5900 0,7 4130 2271,5 4,9 28910 190 0,82 155,8 109,06F 20 3 64892610 13440000 4 14925300,3 8436039,3 3990 0,71 2832,9 1558,095 4,3 17157 80 0,8 64 38,4G 21 3 483887200 40320000 12 125810672 53227592 21800 0,78 17004 11902,8 5,68 123824 480 0,88 422,4 295,68A 22 4 105172200 13440000 4 38913714 12620664 4970 0,71 3528,7 1940,785 5,43 26987,1 200 0,87 174 121,8B 23 4 226516500 26880000 8 58894290 29447145 9750 0,84 8190 5323,5 4,9 47775 380 0,93 353,4 247,38C 24 4 327878000 63840000 19 88527060 42624140 18900 0,63 11907 5953,5 4,6 86940 710 0,79 560,9 364,585D 25 4 95928400 16800000 5 25900668 9592840 4100 0,83 3403 2041,8 5,2 21320 210 0,78 163,8 114,66E 26 4 117984200 20160000 6 29496050 11798420 6200 0,69 4278 2352,9 5 31000 210 0,78 163,8 114,66F 27 4 68940320 13440000 4 13788064 9651644,8 4120 0,74 3048,8 1676,84 4,3 17716 90 0,8 72 43,2G 28 4 476672000 33600000 10 152535040 57200640 22400 0,75 16800 11760 5,2 116480 520 0,92 478,4 334,88A 29 5 103046280 13440000 4 32974809,6 13396016,4 5120 0,72 3686,4 2027,52 4,98 25497,6 195 0,85 165,75 116,025B 30 5 231787730 30240000 9 53311177,9 32450282,2 10230 0,8 8184 5319,6 5,23 53502,9 350 0,92 322 225,4
C 31 5 322990000 57120000 17 71057800 45218600 20000 0,65 13000 6500 4,12 82400 650 0,78 507 329,55D 32 5 91111500 13440000 4 23688990 10933380 4050 0,75 3037,5 1822,5 4,9 19845 225 0,78 175,5 122,85E 33 5 116159680 20160000 6 25555129,6 16262355,2 5980 0,74 4425,2 2433,86 4,7 28106 225 0,78 175,5 122,85F 34 5 68055560 16800000 5 12250000,8 6805556 4130 0,68 2808,4 1544,62 4,4 18172 100 0,78 78 46,8G 35 5 427025200 36960000 11 132377812 42702520 20900 0,73 15257 10679,9 4,9 102410 510 0,85 433,5 303,45A 36 6 104789300 13440000 4 31436790 11526823 5090 0,69 3512,1 1931,655 4,67 23770,3 225 0,94 211,5 148,05B 37 6 252661000 30240000 9 80851520 22739490 11000 0,79 8690 5648,5 5,4 59400 380 0,94 357,2 250,04C 38 6 308142000 60480000 18 73954080 36977040 19000 0,62 11780 5890 4,3 81700 640 0,76 486,4 316,16D 39 6 92446200 16800000 5 27733860 10169082 3900 0,77 3003 1801,8 5,46 21294 210 0,81 170,1 119,07E 40 6 116459280 23520000 7 26785634,4 15139706,4 6060 0,72 4363,2 2399,76 4,8 29088 210 0,81 170,1 119,07F 41 6 67020000 10080000 3 16084800 8042400 4200 0,7 2940 1617 4,1 17220 80 0,9 72 43,2G 42 6 475265000 36960000 11 133074200 66537100 21500 0,78 16770 11739 5,46 117390 500 0,92 460 322A 43 7 99342330 13440000 4 35763238,8 8940809,7 5070 0,68 3447,6 1896,18 5,11 25907,7 180 0,84 151,2 105,84B 44 7 239362110 33600000 10 69415011,9 23936211 9990 0,83 8291,7 5389,605 5,34 53346,6 410 0,9 369 258,3C 45 7 331065000 60480000 18 82766250 46349100 19800 0,68 13464 6732 4,15 82170 720 0,75 540 351D 46 7 92310080 10080000 3 28616124,8 9231008 4120 0,78 3213,6 1928,16 5,3 21836 190 0,77 146,3 102,41E 47 7 112894000 20160000 6 23707740 13547280 6000 0,68 4080 2244 5,1 30600 190 0,77 146,3 102,41F 48 7 69298800 10080000 3 12473784 7622868 4100 0,72 2952 1623,6 4,2 17220 120 0,75 90 54G 49 7 468211200 36960000 11 126417024 56185344 21800 0,74 16132 11292,4 5,3 115540 550 0,89 489,5 342,65A 50 8 101694800 13440000 4 34576232 12203376 4980 0,72 3585,6 1972,08 4,96 24700,8 190 0,91 172,9 121,03B 51 8 231449800 30240000 9 57862450 30088474 9700 0,82 7954 5170,1 5,2 50440 400 0,94 376 263,2C 52 8 337225000 57120000 17 87678500 40467000 21000 0,59 12390 6195 4,5 94500 650 0,77 500,5 325,325D 53 8 95379410 16800000 5 26706234,8 12399323,3 4130 0,74 3056,2 1833,72 5,45 22508,5 210 0,82 172,2 120,54E 54 8 116904950 20160000 6 25719089 11690495 5890 0,75 4417,5 2429,625 4,9 28861 210 0,82 172,2 120,54F 55 8 64438980 13440000 4 14176575,6 8377067,4 3990 0,68 2713,2 1492,26 4,1 16359 110 0,74 81,4 48,84G 56 8 483153500 36960000 11 144946050 53146885 22100 0,75 16575 11602,5 5,45 120445 540 0,92 496,8 347,76A 57 9 107806800 13440000 4 34498176 14014884 5200 0,71 3692 2030,6 5,4 28080 210 0,8 168 117,6B 58 9 233420800 30240000 9 60689408 30344704 10300 0,78 8034 5222,1 5,3 54590 370 0,9 333 233,1C 59 9 306456000 60480000 18 70484880 39839280 19800 0,62 12276 6138 4,2 83160 600 0,7 420 273D 60 9 105895500 16800000 5 23297010 9530595 4500 0,82 3690 2214 5,35 24075 230 0,78 179,4 125,58E 61 9 116277540 20160000 6 24418283,4 12790529,4 6030 0,72 4341,6 2387,88 4,7 28341 230 0,78 179,4 125,58F 62 9 67220700 13440000 4 12099726 6049863 4100 0,73 2993 1646,15 4,2 17220 90 0,77 69,3 41,58G 63 9 461554000 40320000 12 124619580 46155400 22000 0,72 15840 11088 5,35 117700 520 0,85 442 309,4A 64 10 100864050 13440000 4 35302417,5 15129607,5 5110 0,67 3423,7 1883,035 4,66 23812,6 220 0,86 189,2 132,44B 65 10 251926400 30240000 9 68020128 27711904 10900 0,88 9592 6234,8 5,2 56680 360 0,86 309,6 216,72C 66 10 322346830 57120000 17 90257112,4 45128556,2 19890 0,64 12730 6364,8 4,11 81747,9 670 0,79 529,3 344,045
D 67 10 100074400 13440000 4 26019344 10007440 4400 0,77 3388 2032,8 5,5 24200 210 0,76 159,6 111,72E 68 10 112986400 16800000 5 25986872 14688232 5800 0,72 4176 2296,8 5 29000 210 0,76 159,6 111,72F 69 10 68120000 13440000 4 10899200 6812000 4000 0,72 2880 1584 4,3 17200 120 0,72 86,4 51,84G 70 10 475553860 33600000 10 123644003,6 57066463,2 21890 0,74 16199 11339,02 5,5 120395 530 0,9 477 333,9
Promedio 201620619,7 26928000 8 54071849,51 23532344,66 10144,6 0,73143 7302,3 4424,966 4,913143 49844,4 324,8571 0,83443 272,81 186,178357Desvest 139943467,2 16164611 5 39800768,45 17053863,3 7077,89 0,06813 4943,3 3379,015 0,497092 35440,7 193,4039 0,06685 160,85 108,417555Valor Minimo 64438980 10080000 3 10899200 6049863 3900 0,55 2713,2 1492,26 4 16359 80 0,7 64 38,4Valor Maximo 483887200 63840000 19 152535040 66537100 22400 0,88 17004 11902,8 5,68 123824 720 0,96 560,9 364,585
EST obs Firm year Output rem tra Gastos Animales Otros GastosA 1 1 102350000 13440000 4 35822500 12282000B 1 1 242220000 33600000 10 67821600 19377600C 1 1 305296600 57120000 17 76324150 36635592D 1 1 93992000 13440000 4 31017360 8459280A 2 2 98386880 13440000 4 35419277 9838688B 2 2 241434200 30240000 9 60358550 28972104C 2 2 319217000 60480000 18 79804250 44690380D 2 2 92156680 10080000 3 25803870 7372534A 3 3 109302960 13440000 4 32790888 8744237B 3 3 251071200 30240000 9 60257088 25107120C 3 3 315308000 60480000 18 75673920 34683880D 3 3 91902800 13440000 4 22975700 8271252A 4 4 105172200 13440000 4 38913714 12620664B 4 4 226516500 26880000 8 58894290 29447145C 4 4 327878000 63840000 19 88527060 42624140D 4 4 95928400 16800000 5 25900668 9592840A 5 5 103046280 13440000 4 32974810 13396016B 5 5 231787730 30240000 9 53311177,9 32450282,2C 5 5 322990000 57120000 17 71057800 45218600D 5 5 91111500 13440000 4 23688990 10933380A 6 6 104789300 13440000 4 31436790 11526823B 6 6 252661000 30240000 9 80851520 22739490C 6 6 308142000 60480000 18 73954080 36977040D 6 6 92446200 16800000 5 27733860 10169082A 7 7 99342330 13440000 4 35763239 8940810B 7 7 239362110 33600000 10 69415011,9 23936211C 7 7 331065000 60480000 18 82766250 46349100D 7 7 92310080 10080000 3 28616125 9231008A 8 8 101694800 13440000 4 34576232 12203376B 8 8 231449800 30240000 9 57862450 30088474C 8 8 337225000 57120000 17 87678500 40467000D 8 8 95379410 16800000 5 26706235 12399323A 9 9 107806800 13440000 4 34498176 14014884B 9 9 233420800 30240000 9 60689408 30344704C 9 9 306456000 60480000 18 70484880 39839280D 9 9 105895500 16800000 5 23297010 9530595A 10 10 100864050 13440000 4 35302418 15129608B 10 10 251926400 30240000 9 68020128 27711904C 10 10 322346830 57120000 17 90257112 45128556D 10 10 100074400 13440000 4 26019344 10007440
Nro. Ovinos % marca nac.ovi ventas.ovi x ovi lan lan kgs Nro. Bovinos % marca nac.bov5000 0,70 3500 1925 5,00 25000 200 0,90 180
10000 0,86 8600 5590 5,2 52000 400 0,95 38018900 0,61 11529 5765 4,12 77868 700 0,76 532
4000 0,82 3280 1968 5,50 22000 180 0,84 1514980 0,70 3486 1917 4,78 23804 190 0,88 1679800 0,87 8526 5541,9 5,3 51940 410 0,93 381,3
20000 0,55 11000 5500 4,34 86800 690 0,81 5594120 0,78 3214 1928 5,45 22454 170 0,81 1385120 0,70 3584 1971 5,34 27341 210 0,93 195
10200 0,88 8976 5834,4 5,4 55080 390 0,96 374,419700 0,62 12214 6107 4,00 78800 670 0,82 549
3900 0,77 3003 1802 5,68 22152 190 0,82 1564970 0,71 3529 1941 5,43 26987 200 0,87 1749750 0,84 8190 5323,5 4,9 47775 380 0,93 353,4
18900 0,63 11907 5954 4,60 86940 710 0,79 5614100 0,83 3403 2042 5,20 21320 210 0,78 1645120 0,72 3686 2028 4,98 25498 195 0,85 166
10230 0,8 8184 5319,6 5,23 53502,9 350 0,92 32220000 0,65 13000 6500 4,12 82400 650 0,78 507
4050 0,75 3038 1823 4,90 19845 225 0,78 1765090 0,69 3512 1932 4,67 23770 225 0,94 212
11000 0,79 8690 5648,5 5,4 59400 380 0,94 357,219000 0,62 11780 5890 4,30 81700 640 0,76 486
3900 0,77 3003 1802 5,46 21294 210 0,81 1705070 0,68 3448 1896 5,11 25908 180 0,84 1519990 0,83 8291,7 5389,605 5,34 53346,6 410 0,9 369
19800 0,68 13464 6732 4,15 82170 720 0,75 5404120 0,78 3214 1928 5,30 21836 190 0,77 1464980 0,72 3586 1972 4,96 24701 190 0,91 1739700 0,82 7954 5170,1 5,2 50440 400 0,94 376
21000 0,59 12390 6195 4,50 94500 650 0,77 5014130 0,74 3056 1834 5,45 22509 210 0,82 1725200 0,71 3692 2031 5,40 28080 210 0,80 168
10300 0,78 8034 5222,1 5,3 54590 370 0,9 33319800 0,62 12276 6138 4,20 83160 600 0,70 420
4500 0,82 3690 2214 5,35 24075 230 0,78 1795110 0,67 3424 1883 4,66 23813 220 0,86 189
10900 0,88 9592 6234,8 5,2 56680 360 0,86 309,619890 0,64 12730 6365 4,11 81748 670 0,79 529
4400 0,77 3388 2033 5,50 24200 210 0,76 160
ventas.bov126266346106117
266,91363
96137
262,08357109122
247,38365115116
225,4330123148
250,04316119106
258,3351102121
263,2325121118
233,1273126132
216,72344112
ANEXO 1
BASE DATOS ESTANCIA A
EST obs year Output rem tra Ga.Animales Otros Gastos Nro. Ovi % marca nac.ovi * vtas.ovi x ovi lan lan kgs Nro. Bov % marca nac.bov **ventas.bovA 1 1 102350000 13440000 4 35822500 12282000 5000 0,70 3500 1925 5,00 25000 200 0,90 180 126A 2 2 98386880 13440000 4 35419277 9838688 4980 0,70 3486 1917 4,78 23804 190 0,88 167 117A 3 3 109302960 13440000 4 32790888 8744237 5120 0,70 3584 1971 5,34 27341 210 0,93 195 137A 4 4 105172200 13440000 4 38913714 12620664 4970 0,71 3529 1941 5,43 26987 200 0,87 174 122A 5 5 103046280 13440000 4 32974810 13396016 5120 0,72 3686 2028 4,98 25498 195 0,85 166 116A 6 6 104789300 13440000 4 31436790 11526823 5090 0,69 3512 1932 4,67 23770 225 0,94 212 148A 7 7 99342330 13440000 4 35763239 8940810 5070 0,68 3448 1896 5,11 25908 180 0,84 151 106A 8 8 101694800 13440000 4 34576232 12203376 4980 0,72 3586 1972 4,96 24701 190 0,91 173 121A 9 9 107806800 13440000 4 34498176 14014884 5200 0,71 3692 2031 5,40 28080 210 0,80 168 118A 10 10 100864050 13440000 4 35302418 15129608 5110 0,67 3424 1883 4,66 23813 220 0,86 189 132
Promedio 103275560 13440000 4 34749804 11869711 5064 0,70 3544,61 1949,54 5,03 25490 202 0,88 178 124Desvest 3517310,2 0 0 2063624,413 2134198,365 77,91734 0,02 91,79 50,48 0,29 1564 14 0,04 17 12Valor Minimo 98386880 13440000 4 31436790 8744237 4970 0,67 3423,70 1883,04 4,66 23770 180 0,80 151 106Valor Maximo 109302960 13440000 4 38913714 15129608 5200 0,72 3692,00 2030,60 5,43 28080 225 0,94 212 148
GASTOS Y VALORES ESTANCIA A.
gas.animales %otros.gas % Año Lana $ Ovi.vtas Bov.venta0,35 0,12 1 1700 18000 2000000,36 0,1 2 1700 18000 200000
0,3 0,08 3 1700 18000 2000000,37 0,12 4 1700 18000 2000000,32 0,13 5 1700 18000 200000
0,3 0,11 6 1700 18000 2000000,36 0,09 7 1700 18000 2000000,34 0,12 8 1700 18000 2000000,32 0,13 9 1700 18000 2000000,35 0,15 10 1700 18000 200000
* Porcentaje de venta de animales de un 55% de los nacimientos.** Porcentaje de venta de animales de un 70% de los nacimientos.
ANEXO 2
BASE DATOS ESTANCIA B
EST obs year Output rem tra Ga.Animales Otros Gastos Nro. Ovi % marca nac.ovi * vtas.ovi x ovi lan lan kgs Nro. Bov % marca nac.bov **ventas.bovB 1 1 242220000 33600000 10 67821600 19377600 10000 0,86 8600 5590 5,20 52000 400 0,95 380 266B 2 2 241434200 30240000 9 60358550 28972104 9800 0,87 8526 5542 5,30 51940 410 0,93 381 267B 3 3 251071200 30240000 9 60257088 25107120 10200 0,88 8976 5834 5,40 55080 390 0,96 374 262B 4 4 226516500 26880000 8 58894290 29447145 9750 0,84 8190 5324 4,90 47775 380 0,93 353 247B 5 5 231787730 30240000 9 53311178 32450282 10230 0,80 8184 5320 5,23 53503 350 0,92 322 225B 6 6 252661000 30240000 9 80851520 22739490 11000 0,79 8690 5649 5,40 59400 380 0,94 357 250B 7 7 239362110 33600000 10 69415012 23936211 9990 0,83 8292 5390 5,34 53347 410 0,90 369 258B 8 8 231449800 30240000 9 57862450 30088474 9700 0,82 7954 5170 5,20 50440 400 0,94 376 263B 9 9 233420800 30240000 9 60689408 30344704 10300 0,78 8034 5222 5,30 54590 370 0,90 333 233B 10 10 251926400 30240000 9 68020128 27711904 10900 0,88 9592 6235 5,20 56680 360 0,86 310 217
Promedio 240184974 30576000 9 63748122 27017503 10187 0,84 8504 5527 5,25 53475 385 0,92 356 249Desvest 9415114,51 1907291 1 7885612,727 4082965,615 451,6402 0,04 496,688 322,8472 0,14 3256,6 20,68279 0,03 26 18Valor Minimo 226516500 26880000 8 53311178 19377600 9700 0,78 7954 5170 4,90 47775 350 0,86 310 217Valor Maximo 252661000 33600000 10 80851520 32450282 11000 0,88 9592 6235 5,40 59400 410 0,96 381 267
GASTOS Y VALORES ESTANCIA B.
gas.animales %otros.gas % Año Lana $ Ovi.vtas Bov.venta0,28 0,08 1 1700 18000 2000000,25 0,12 2 1700 18000 2000000,24 0,1 3 1700 18000 2000000,26 0,13 4 1700 18000 2000000,23 0,14 5 1700 18000 2000000,32 0,09 6 1700 18000 2000000,29 0,1 7 1700 18000 2000000,25 0,13 8 1700 18000 2000000,26 0,13 9 1700 18000 2000000,27 0,11 10 1700 18000 200000
* Porcentaje de venta de animales de un 65% de los nacimientos.** Porcentaje de venta de animales de un 70% de los nacimientos.
ANEXO 3
BASE DATOS ESTANCIA C
EST obs year Output rem tra Ga.Animales Otros Gastos Nro. Ovi % marca nac.ovi * vtas.ovi x ovi lan lan kgs Nro. Bov % marca nac.bov **ventas.bovC 1 1 305296600 57120000 17 76324150 36635592 18900 0,61 11529 5765 4,12 77868 700 0,76 532 346C 2 2 319217000 60480000 18 79804250 44690380 20000 0,55 11000 5500 4,34 86800 690 0,81 559 363C 3 3 315308000 60480000 18 75673920 34683880 19700 0,62 12214 6107 4,00 78800 670 0,82 549 357C 4 4 327878000 63840000 19 88527060 42624140 18900 0,63 11907 5954 4,60 86940 710 0,79 561 365C 5 5 322990000 57120000 17 71057800 45218600 20000 0,65 13000 6500 4,12 82400 650 0,78 507 330C 6 6 308142000 60480000 18 73954080 36977040 19000 0,62 11780 5890 4,30 81700 640 0,76 486 316C 7 7 331065000 60480000 18 82766250 46349100 19800 0,68 13464 6732 4,15 82170 720 0,75 540 351C 8 8 337225000 57120000 17 87678500 40467000 21000 0,59 12390 6195 4,50 94500 650 0,77 501 325C 9 9 306456000 60480000 18 70484880 39839280 19800 0,62 12276 6138 4,20 83160 600 0,70 420 273C 10 10 322346830 57120000 17 90257112 45128556 19890 0,64 12730 6365 4,11 81748 670 0,79 529 344
Promedio 319592443 59472000 18 79652800 41261357 19699 0,62 12229 6114 4,24 83609 670 0,77 518 337Desvest 10836432,6 2267827 1 7323052,56 4160463,257 640,8406 0,03 722,984 361,49179 0,19 4793,7 36,51484 0,03 42,602 27,69161393Valor Minimo 305296600 57120000 17 70484880 34683880 18900 0,55 11000 5500 4,00 77868 600 0,70 420 273Valor Maximo 337225000 63840000 19 90257112 46349100 21000 0,68 13464 6732 4,60 94500 720 0,82 561 365
GASTOS Y VALORES ESTANCIA C.
gas.animales % otros.gas % Año Lana $ Ovi.vtas Bov.venta0,25 0,12 1 1700 18000 2000000,25 0,14 2 1700 18000 2000000,24 0,11 3 1700 18000 2000000,27 0,13 4 1700 18000 2000000,22 0,14 5 1700 18000 2000000,24 0,12 6 1700 18000 2000000,25 0,14 7 1700 18000 2000000,26 0,12 8 1700 18000 2000000,23 0,13 9 1700 18000 2000000,28 0,14 10 1700 18000 200000
* Porcentaje de venta de animales de un 50% de los nacimientos.** Porcentaje de venta de animales de un 65% de los nacimientos.
ANEXO 4
BASE DATOS ESTANCIA D
EST obs year Output rem tra Ga.Animales Otros Gastos Nro. Ovi % marca nac.ovi * vtas.ovi x ovi lan lan kgs Nro. Bov % marca nac.bov **ventas.bovD 1 1 93992000 13440000 4 31017360 8459280 4000 0,82 3280 1968 5,50 22000 180 0,84 151 106D 2 2 92156680 10080000 3 25803870 7372534 4120 0,78 3214 1928 5,45 22454 170 0,81 138 96D 3 3 91902800 13440000 4 22975700 8271252 3900 0,77 3003 1802 5,68 22152 190 0,82 156 109D 4 4 95928400 16800000 5 25900668 9592840 4100 0,83 3403 2042 5,20 21320 210 0,78 164 115D 5 5 91111500 13440000 4 23688990 10933380 4050 0,75 3038 1823 4,90 19845 225 0,78 176 123D 6 6 92446200 16800000 5 27733860 10169082 3900 0,77 3003 1802 5,46 21294 210 0,81 170 119D 7 7 92310080 10080000 3 28616125 9231008 4120 0,78 3214 1928 5,30 21836 190 0,77 146 102D 8 8 95379410 16800000 5 26706235 12399323 4130 0,74 3056 1834 5,45 22509 210 0,82 172 121D 9 9 105895500 16800000 5 23297010 9530595 4500 0,82 3690 2214 5,35 24075 230 0,78 179 126D 10 10 100074400 13440000 4 26019344 10007440 4400 0,77 3388 2033 5,50 24200 210 0,76 160 112
Promedio 95119697 14112000 4 26175916 9596673 4122 0,78 3228,79 1937,27 5,38 ####### 203 0,80 161 113Desvest 4629557,7 2650404 1 2517838,664 1424909,508 194,182 0,03 221,07 132,64 0,21 1290,19 19,33 0,03 13,53 9,47Valor Minimo 91111500 10080000 3 22975700 7372534 3900 0,74 3003,00 1801,80 4,90 ####### 170 0,76 138 96Valor Maximo 105895500 16800000 5 31017360 12399323 4500 0,83 3690,00 2214,00 5,68 ####### 230 0,84 179 126
GASTOS Y VALORES ESTANCIA D.
gas.animales % otros.gas % Año Lana $ Ovi.vtas Bov.venta0,33 0,09 1 1700 18000 2000000,28 0,08 2 1700 18000 2000000,25 0,09 3 1700 18000 2000000,27 0,1 4 1700 18000 2000000,26 0,12 5 1700 18000 200000
0,3 0,11 6 1700 18000 2000000,31 0,1 7 1700 18000 2000000,28 0,13 8 1700 18000 2000000,22 0,09 9 1700 18000 2000000,26 0,1 10 1700 18000 200000
* Porcentaje de venta de animales de un 60% de los nacimientos.** Porcentaje de venta de animales de un 70% de los nacimientos.
ANEXO 5
BASE DATOS ESTANCIA E
EST obs year Output rem tra Ga.Animales Otros Gastos Nro. Ovi % marca nac.ovi * vtas.ovi x ovi lan lan kgs Nro. Bov % marca nac.bov **ventas.bovE 1 1 114510000 20160000 6 28627500 11451000 6000 0,73 4380 2409 4,90 29400 180 0,84 151 106E 2 2 112840560 23520000 7 27081734 13540867 6120 0,72 4406 2424 4,80 29376 170 0,81 138 96E 3 3 111846000 20160000 6 25724580 14539980 5900 0,70 4130 2272 4,90 28910 190 0,82 156 109E 4 4 117984200 20160000 6 29496050 11798420 6200 0,69 4278 2353 5,00 31000 210 0,78 164 115E 5 5 116159680 20160000 6 25555130 16262355 5980 0,74 4425 2434 4,70 28106 225 0,78 176 123E 6 6 116459280 23520000 7 26785634 15139706 6060 0,72 4363 2400 4,80 29088 210 0,81 170 119E 7 7 112894000 20160000 6 23707740 13547280 6000 0,68 4080 2244 5,10 30600 190 0,77 146 102E 8 8 116904950 20160000 6 25719089 11690495 5890 0,75 4418 2430 4,90 28861 210 0,82 172 121E 9 9 116277540 20160000 6 24418283 12790529 6030 0,72 4342 2388 4,70 28341 230 0,78 179 126E 10 10 112986400 16800000 5 25986872 14688232 5800 0,72 4176 2297 5,00 29000 210 0,76 160 112
Promedio 114886261 20496000 6 26310261 13544887 5998 0,72 4299,79 2364,88 4,88 29268,20 203 0,80 161 113Desvest 2130524,22 1907291 1 1765723,158 1621655,085 116,123 0,02 127,40 70,07 0,13 907,42 19,33 0,03 13,53 9,47Valor Minimo 111846000 16800000 5 23707740 11451000 5800 0,68 4080,00 2244,00 4,70 28106,00 170 0,76 138 96Valor Maximo 117984200 23520000 7 29496050 16262355 6200 0,75 4425,20 2433,86 5,10 31000,00 230 0,84 179 126
GASTOS Y VALORES ESTANCIA E.
gas.animales % otros.gas % Año Lana $ Ovi.vtas Bov.venta0,25 0,1 1 1700 18000 2000000,24 0,12 2 1700 18000 2000000,23 0,13 3 1700 18000 2000000,25 0,1 4 1700 18000 2000000,22 0,14 5 1700 18000 2000000,23 0,13 6 1700 18000 2000000,21 0,12 7 1700 18000 2000000,22 0,1 8 1700 18000 2000000,21 0,11 9 1700 18000 2000000,23 0,13 10 1700 18000 200000
* Porcentaje de venta de animales de un 55% de los nacimientos.** Porcentaje de venta de animales de un 70% de los nacimientos.
ANEXO 6
BASE DATOS ESTANCIA F
EST obs year Output rem tra Ga.Animales Otros Gastos Nro. Ovi % marca nac.ovi * vtas.ovi x ovi lan lan kgs Nro. Bov % marca nac.bov **ventas.bovF 1 1 67498800 10080000 3 16874700 6749880 4100 0,72 2952 1624 4,20 17220 100 0,75 75 45F 2 2 66180000 13440000 4 13236000 7941600 4000 0,74 2960 1628 4,20 16800 90 0,77 69 42F 3 3 64892610 13440000 4 14925300 8436039 3990 0,71 2833 1558 4,30 17157 80 0,80 64 38F 4 4 68940320 13440000 4 13788064 9651645 4120 0,74 3049 1677 4,30 17716 90 0,80 72 43F 5 5 68055560 16800000 5 12250001 6805556 4130 0,68 2808 1545 4,40 18172 100 0,78 78 47F 6 6 67020000 10080000 3 16084800 8042400 4200 0,70 2940 1617 4,10 17220 80 0,90 72 43F 7 7 69298800 10080000 3 12473784 7622868 4100 0,72 2952 1624 4,20 17220 120 0,75 90 54F 8 8 64438980 13440000 4 14176576 8377067 3990 0,68 2713 1492 4,10 16359 110 0,74 81 49F 9 9 67220700 13440000 4 12099726 6049863 4100 0,73 2993 1646 4,20 17220 90 0,77 69 42F 10 10 68120000 13440000 4 10899200 6812000 4000 0,72 2880 1584 4,30 17200 120 0,72 86 52
Promedio 67166577 12768000 4 13680815 7648892 4073 1 2908 1599 4,23 17228 98 0,78 76 45Desvest 1602452,2 2125051 1 1877507,443 1063473,501 73,1893 0,02171 99,4098 54,67541 0,09 480,01 14,7573 0,05 8,1882 4,912938021Valor Minimo 64438980 10080000 3 10899200 6049863 3990 1 2713 1492 4,10 16359 80 0,72 64 38Valor Maximo 69298800 16800000 5 16874700 9651645 4200 1 3049 1677 4,40 18172 120 0,90 90 54
GASTOS Y VALORES ESTANCIA F.
gas.animales % otros.gas % Año Lana $ Ovi.vtas Bov.venta0,25 0,1 1 1700 18000 200000
0,2 0,12 2 1700 18000 2000000,23 0,13 3 1700 18000 200000
0,2 0,14 4 1700 18000 2000000,18 0,1 5 1700 18000 2000000,24 0,12 6 1700 18000 2000000,18 0,11 7 1700 18000 2000000,22 0,13 8 1700 18000 2000000,18 0,09 9 1700 18000 2000000,16 0,1 10 1700 18000 200000
* Porcentaje de venta de animales de un 55% de los nacimientos.** Porcentaje de venta de animales de un 60% de los nacimientos.
ANEXO 7
BASE DATOS ESTANCIA G
EST obs year Output rem tra Ga.Animales Otros Gastos Nro. Ovi % marca nac.ovi * vtas.ovi x ovi lan lan kgs Nro. Bov % marca nac.bov **ventas.bovG 1 1 476600000 40320000 12 133448000 47660000 22000 0,75 16500 11550 5,50 121000 500 0,90 450 315G 2 2 483266300 40320000 12 144979890 57991956 22300 0,76 16948 11864 5,45 121535 490 0,92 451 316G 3 3 483887200 40320000 12 125810672 53227592 21800 0,78 17004 11903 5,68 123824 480 0,88 422 296G 4 4 476672000 33600000 10 152535040 57200640 22400 0,75 16800 11760 5,20 116480 520 0,92 478 335G 5 5 427025200 36960000 11 132377812 42702520 20900 0,73 15257 10680 4,90 102410 510 0,85 434 303G 6 6 475265000 36960000 11 133074200 66537100 21500 0,78 16770 11739 5,46 117390 500 0,92 460 322G 7 7 468211200 36960000 11 126417024 56185344 21800 0,74 16132 11292 5,30 115540 550 0,89 490 343G 8 8 483153500 36960000 11 144946050 53146885 22100 0,75 16575 11603 5,45 120445 540 0,92 497 348G 9 9 461554000 40320000 12 124619580 46155400 22000 0,72 15840 11088 5,35 117700 520 0,85 442 309G 10 10 475553860 33600000 10 123644004 57066463 21890 0,74 16199 11339 5,50 120395 530 0,90 477 334
Promedio 471118826 37632000 11 134185227 53787390 21869 0,75 16402 11482 5,38 117672 514 0,90 460 322Desvest 16988084,8 2650404 1 10039795,67 6894252,061 426,9387 0,02 551,263 385,8842 0,21 5943,5 22,21111 0,03 24,668 17,26774501Valor Minimo 427025200 33600000 10 123644004 42702520 20900 0,72 15257 10680 4,90 102410 480 0,85 422 296Valor Maximo 483887200 40320000 12 152535040 66537100 22400 0,78 17004 11903 5,68 123824 550 0,92 497 348
GASTOS Y VALORES ESTANCIA G.
gas.animales % otros.gas % Año Lana $ Ovi.vtas Bov.venta0,28 0,1 1 1700 18000 200000
0,3 0,12 2 1700 18000 2000000,26 0,11 3 1700 18000 2000000,32 0,12 4 1700 18000 2000000,31 0,1 5 1700 18000 2000000,28 0,14 6 1700 18000 2000000,27 0,12 7 1700 18000 200000
0,3 0,11 8 1700 18000 2000000,27 0,1 9 1700 18000 2000000,26 0,12 10 1700 18000 200000
* Porcentaje de venta de animales de un 70% de los nacimientos.** Porcentaje de venta de animales de un 70% de los nacimientos.
TABLA SINTETICA DE DATOS
Output rem tra Gastos AnimaleOtros Gastos Nro. Ovinos % marcaPromedio 103275560 13440000 4 34749804,27 11869710,54 5064 0,7
4 A Desvest 3517310,248 0 0 2063624,413 2134198,365 77,91733511 0,0163299Valor Minimo 98386880 13440000 4 31436790 8744236,8 4970 0,67Valor Maximo 109302960 13440000 4 38913714 15129607,5 5200 0,72Promedio 240184974 30576000 9 63748122,38 27017503,42 10187 0,835
1 B Desvest 9415114,506 1907291,27 1 7885612,727 4082965,615 451,6402206 0,0371932Valor Minimo 226516500 26880000 8 53311177,9 19377600 9700 0,78Valor Maximo 252661000 33600000 10 80851520 32450282,2 11000 0,88Promedio 319592443 59472000 18 79652800,24 41261356,82 19699 0,621
7 C Desvest 10836432,6 2267827,15 1 7323052,56 4160463,257 640,8405938 0,0347851Valor Minimo 305296600 57120000 17 70484880 34683880 18900 0,55Valor Maximo 337225000 63840000 19 90257112,4 46349100 21000 0,68Promedio 95119697 14112000 4 26175916,2 9596673,47 4122 0,783
2 D Desvest 4629557,66 2650403,74 1 2517838,664 1424909,508 194,1820452 0,0305687Valor Minimo 91111500 10080000 3 22975700 7372534,4 3900 0,74Valor Maximo 105895500 16800000 5 31017360 12399323,3 4500 0,83Promedio 114886261 20496000 6 26310261,28 13544886,52 5998 0,717
5 E Desvest 2130524,215 1907291,27 1 1765723,158 1621655,085 116,1225406 0,0216282Valor Minimo 111846000 16800000 5 23707740 11451000 5800 0,68Valor Maximo 117984200 23520000 7 29496050 16262355,2 6200 0,75Promedio 67166577 12768000 4 13680815,07 7648891,85 4073 0,714
6 F Desvest 1602452,186 2125050,59 1 1877507,443 1063473,501 73,1892524 0,0217051Valor Minimo 64438980 10080000 3 10899200 6049863 3990 0,68Valor Maximo 69298800 16800000 5 16874700 9651644,8 4200 0,74Promedio 471118826 37632000 11 134185227,2 53787390,02 21869 0,75
3 G Desvest 16988084,75 2650403,74 1 10039795,67 6894252,061 426,9387154 0,0194365Valor Minimo 427025200 33600000 10 123644003,6 42702520 20900 0,72Valor Maximo 483887200 40320000 12 152535040 66537100 22400 0,78
nac.ovi ventas.ovi x ovi lan lan kgs Nro. Bovinos % marca nac.bov ventas.bov3544,61 1949,5355 5,033 25490,13 202 0,878 177,505 124,2535
91,788 50,4834055 0,286087 1564,347 14,18136492 0,0431535 17,24169 12,069181613423,7 1883,035 4,66 23770,3 180 0,8 151,2 105,84
3692 2030,6 5,43 28080 225 0,94 211,5 148,058503,77 5527,4505 5,247 53475,45 385 0,923 355,59 248,913496,688 322,847203 0,144687 3256,57 20,68278941 0,0294581 25,75122 18,02585554
7954 5170,1 4,9 47775 350 0,86 309,6 216,729592 6234,8 5,4 59400 410 0,96 381,3 266,91
12229 6114,48 4,244 83608,59 670 0,773 518,44 336,986722,984 361,491791 0,189631 4793,74 36,51483717 0,0340098 42,60248 27,69161393
11000 5500 4 77868 600 0,7 420 27313464 6732 4,6 94500 720 0,82 560,9 364,585
3228,79 1937,274 5,379 22168,45 202,5 0,797 161,16 112,812221,067 132,640411 0,212156 1290,195 19,32902251 0,0262679 13,53458 9,474206856
3003 1801,8 4,9 19845 170 0,76 137,7 96,393690 2214 5,68 24200 230 0,84 179,4 125,58
4299,79 2364,8845 4,88 29268,2 202,5 0,797 161,16 112,812127,404 70,072343 0,131656 907,4228 19,32902251 0,0262679 13,53458 9,474206856
4080 2244 4,7 28106 170 0,76 137,7 96,394425,2 2433,86 5,1 31000 230 0,84 179,4 125,58
2908,03 1599,4165 4,23 17228,4 98 0,778 75,74 45,44499,4098 54,6754103 0,094868 480,0121 14,75729575 0,0498442 8,18823 4,912938021
2713,2 1492,26 4,1 16359 80 0,72 64 38,43048,8 1676,84 4,4 18172 120 0,9 90 54
16402,5 11481,722 5,379 117671,9 514 0,895 460,04 322,028551,263 385,884198 0,212156 5943,483 22,21110833 0,0275882 24,66821 17,26774501
15257 10679,9 4,9 102410 480 0,85 422,4 295,6817004 11902,8 5,68 123824 550 0,92 496,8 347,76