Sei sulla pagina 1di 17

PÁ G I N A

01

PÁ G I N A 01 EVALUACIÓN DE IMPAC TO PROYECTOS DE RIEGO PROVINCIAS DE MENDOZA

EVALUACIÓN

DE

IMPAC TO

PÁ G I N A 01 EVALUACIÓN DE IMPAC TO PROYECTOS DE RIEGO PROVINCIAS DE MENDOZA

PROYECTOS DE RIEGO

PROVINCIAS DE MENDOZA Y SAN JUAN

PÁ G I N A 01 EVALUACIÓN DE IMPAC TO PROYECTOS DE RIEGO PROVINCIAS DE MENDOZA
PÁ G I N A 01 EVALUACIÓN DE IMPAC TO PROYECTOS DE RIEGO PROVINCIAS DE MENDOZA

PÁ G I N A

02

PROGRAMA DE SERVICIOS AGRÍCOLAS PROVINCIALES II

PRÉSTAMO BIRF 7597-AR

PROGRAMAS DE RIEGO EN LAS PROVINCIAS DE

MENDOZA Y SAN JUAN

PROGRAMAS DE RIEGO EN LAS PROVINCIAS DE MENDOZA Y SAN JUAN E V A L U

E

V A

L

U

A

C

I

Ó

N

D

E

I

M

P A

C

T

O

l

M

A

R

Z

O

2

0

1

7

ÍNDICE

PÁ G I N A

03

01 RESUMEN EJECUTIVO

04

02 INTRODUCCIÓN

06

03 METODOLOGÍA

08

04 RESULTADOS

11

05 CONCLUSIONES

14

PÁ G I N A

01

RESUMEN EJECUTIVO

RESUMEN EJECUTIVO

La presente evaluación de impacto se realizó

sobre un total de tres proyectos de riego ejecu-

tados en las provincias de Mendoza y San Juan,

financiados en el marco de la Segunda Fase del

Programa de Servicios Agrícolas Provinciales

(PROSAP) con financiamiento del Banco Inter-

nacional de Reconstrucción y Fomento (Prés-

* Asimismo, se incluyó a

modo de actualización de trabajos anteriores ,

la evaluación de impacto de proyectos de riego

tamo BIRF 7597-AR).

1

en las mencionadas provincias, de fases previas

del PROSAP con financiamiento del BIRF y del

Banco Interamericano de Desarrollo.

Los proyectos seleccionados fueron imple-

mentados secuencialmente desde el año 2003

(PROSAP1) y 2010 (PROSAP2) en diversas lo-

calidades pertenecientes a distintos departa-

mentos de las provincias de Mendoza y San

Juan . Las obras de infraestructura realizadas

en el marco de estos proyectos beneficiaron a

39.000 productores en un área aproximada de

320.000 hectáreas, y consistieron en la imper-

meabilización de canales y la modernización

2

3

de los sistemas de distribución .

Para evaluar el impacto del proyecto sobre las

variables de interés, se utilizó metodología de

“dobles diferencias” (también conocida como

“diferencias en diferencias”). Esta estrategia es

ampliamente utilizada para la evaluación de

programas cuando los datos disponibles son

de índole no experimental (como es el caso de

la presente evaluación). La metodología consis-

te en calcular la diferencia entre las diferencias

post- y pre-tratamiento para los productores

beneficiados por el programa y las diferencias

post- y pre-tratamiento para los productores

no beneficiados.

La conclusión central de esta evaluación es

que todos los proyectos implementados en

las fases del PROSAP analizadas tuvieron efec-

tos positivos y cuantitativamente importantes

para los productores beneficiados. Específi-

camente, en el caso del PROSAP2 financiado

por el BIRF, los productores beneficiados por

el Programa experimentaron un incremento

de la producción de 6,95% y de 7,97% en su

rendimiento en comparación con el grupo de

control .

04

1. Evaluación de proyectos de riego en la provincia de Mendoza. Marzo de 2013.

2. Ver la Tabla 1 a continuación para un listado completo de las localidades beneficiadas dentro de cada departamento.

3. Es importante destacar que, dado que el programa fue asignado a nivel localidad y que dentro de cada localidad hay productores no be-

neficiados, los efectos encontrados constituyen límites inferiores del verdadero efecto de interés y el impacto puede ser mayor al reportado.

* Evaluación realizada por el Dr. Martín Rossi (Consultor externo del Banco Mundial)

PÁ G I N A

Tabla 1: Obras PROSAP

NOMBRE DE

FINANCIA

DEPARTAMENTOS

LOCALIDADES

FINALIZACIÓN DE LAS OBRAS

LAS OBRAS

MIENTO

BENEFICIADOS

BENEFICIADAS

Construcción 5to y 6to Tramo Canal San Martín

BID

Lavalle • San Martín

Costa de Araujo • Gustavo André • Tres Porteñas • Nueva California

2003

Proyecto Integral Reducción Los Andes Sector 1

BIRF

Rivadavia

Reducción

2010

Proyecto Integral Reducción Los Andes Sector 2

BIRF

Rivadavia

Libertad • Los Campamentos • El Mirador • La Central

2009

Modernización Sistema de Riego Las Tunas

BID

Tupungato

El Peral • Santa Clara • Gual- tallary

2009

Modernización Siste- ma de Riego Consti- tución Medrano

BID

Junín • San Mar- tín • Rivadavia

Junín • Medrano • Los Arboles

2009

Modernización Siste- ma de Riego Arroyo Grande

BID

Tunuyán

Villa Seca • Los Sauces • Vista Flores • Los Chacayes

2010

Riego Canales Soca- vón y Frugoni

BID

San Rafael

Las Paredes y Capitán Mon- toya

2012

Riego Canal San Martín

BIRF

Junín y San Martín

Villa Cabecera de San Martín

2012

Alto Verde • Montecaseros •

   

Chivilcoy • Buen Orden • Villa

Italia • El Ramblón• Ingeniero Giagnoni y parte de Rodrí- guez Peña • y en Junín, parte de Los Barriales y La Colonia

Riego Naciente Cha- chingo – Pescara

BIRF

Maipú y Guay- mallén

Tres Esquinas • Cruz de Piedra

2012

Rodeo del Medio • Coquim-

   

bito • Chachingo • Fray Luis Beltrán de Maipú y Corralitos • La Primavera y Colonia Sego- via de Guaymallén

Riego Canal Nuevo Alvear

BID

Gral. Alvear

Bowen y General Alvear

2012

Riego Céspedes – Sarmiento

BIRF

Sarmiento

Valle de Tulum

2013

Desarrollo Agrícola y Gestión del Área Bajo Riego del Canal del Norte y 25 de Mayo

BID

Albardín • Anga- co • San Martín • Caucete y 25 de Mayo

 

2010

05

PÁ G I N A

02

INTRODUCCIÓN

INTRODUCCIÓN

El Programa de Servicios Agrícolas Provinciales (PROSAP) es implementado desde sus inicios por el actual Ministerio de Agroindustria de la Nación, a través de la Unidad para el Cambio Rural, con el objetivo de incrementar la pro- ductividad y la rentabilidad de los pequeños y medianos productores agropecuarios y de esta manera contribuir a la mejora de la competiti- vidad del sector.

Para lograrlo la estrategia del Programa con- templa asistencia técnica, actividades de forta- lecimiento de capacidades e inversiones direc- tas que contribuyan a las mejoras de largo plazo en la productividad, así como en la competitivi- dad y el acceso a los mercados. El Programa se focaliza en la ejecución de subproyectos en las siguientes áreas de intervención: a) Adminis- tración de recursos hídricos; b) Infraestructura rural (caminos y electrificación rural); c) Desa- rrollo tecnológico y comercial; d) Sanidad agro- pecuaria; y e) Fortalecimiento institucional.

Específicamente, los proyectos de riego tienen como objetivo general el incremento sosteni- ble de la producción y la productividad de los pequeños y medianos productores, a través de:

el incremento de la eficiencia en el uso del re- curso, la mejora de los sistemas de captación y conducción, la disminución de los procesos de erosión hídrica, y el fortalecimiento de los es- quemas asociativos que permitan la operación y mantenimiento de los sistemas y la capacita- ción y transferencia de tecnología.

Dentro de este marco se llevó a cabo la pre- sente evaluación que consta de un estudio retrospectivo de un conjunto de proyectos fi- nalizados y en operación. En este sentido, cabe señalar una reserva respecto al análisis estadís- tico realizado: los datos sobre la asignación del tratamiento son a nivel localidad en vez de a ni- vel productor y, de acuerdo con los especialis- tas de riego de PROSAP, salvo en el caso de las obras del departamento de Rivadavia, en las

06

PÁ G I N A

demás obras hay localidades beneficiadas que abarcan grandes áreas con productores que no son beneficiados por las obras. En consecuen- cia, los resultados encontrados deben interpre- tarse como un “límite inferior” de los efectos de interés, es decir, el impacto de los programas es al menos el encontrado pero puede ser mayor .

4

Los datos utilizados para la presente evaluación fueron obtenidos del Instituto Nacional de Vi- tivinicultura, el cual se encarga de recolectar y

procesar los datos de producción de todos los productores vitivinícolas del país. La información disponible, en Tabla 2 a continuación, compren- de 14 años: desde 2002 hasta 2015 inclusive.

El resto del reporte se organiza de la siguiente

manera: la Sección 3 explica la metodología estadística utilizada y el modelo econométrico estimado, la Sección 4 presenta los resultados encontrados y la Sección 6 presenta las con- clusiones de la evaluación.

07

Tabla 2: Estadísticas Descriptivas

GRUPO

VARIABLE

MEDIA

DESVÍO

OBSERVACIONES

CANTIDAD

ESTÁNDAR

DE FINCAS

Control

Producción

155141.6

351239

216511

20144

Superficie

9.100911

18.33374

266737

20144

Rendimiento

16962.34

17796.42

215092

20144

Tratamiento

Producción

135235.2

248039.2

36369

8174

Superficie

10.0149

26.66635

40043

8174

Rendimiento

14867.3

10345.58

36177

8174

Total

Producción

152278.7

338412.2

252880

28318

Superficie

9.220211

19.62554

306780

28318

Rendimiento

16660.71

16942.96

251269

28318

4. Esto resulta del hecho de que los impactos se ven reducidos debido a que el grupo de productores tratados incluye una cierta canti- dad de productores no tratados que, presumiblemente, reducen el impacto reportado de los proyectos.

PÁ G I N A

03

METODOLOGÍA

METODOLOGÍA

08

La principal ventaja de esta metodología es que permite estimar el efecto de interés controlando por variables inobservables por individuo, siempre que estas permanezcan fijas en el tiempo, y por efectos en el tiempo que afectan a todas las unidades por igual. Es decir, se puede estimar consis- tentemente el efecto de interés sin necesidad de incluir variables por productor que permanezcan constantes en el tiempo ni variables que afecten a todos los agentes por igual en el tiempo (por ejemplo, el desempleo o el crecimiento del PBI).

El supuesto de identificación del método de diferencias en diferencias es el de tendencias comu- nes, es decir que, en ausencia de tratamiento, el grupo tratado hubiese seguido la misma tendencia que el grupo de control. Dicho de otra manera, se utiliza la tendencia del grupo de control como contrafactual de lo que hubiese ocurrido para el grupo tratado si no hubiese recibido el tratamien- to. El Gráfico 1 ilustra la metodología:

5

Tratados Y } Efecto del programa Controles g Tiempo g
Tratados
Y
}
Efecto del programa
Controles
g Tiempo
g

Inicio del programa

Se asume que la tendencia hubiese sido la del grupo de control

Gráfico 1: Método de Dobles Diferencias

5. En el caso de la presente evaluación, el tratamiento fue asignado en diferentes momentos del tiempo a diversos productores. En consecuencia, la estimación del efecto es algo más sofisticada, pero la idea central es la misma que la descripta por el gráfico. Se utiliza la tendencia del grupo de control como contrafactual.

PÁ G I N A

Como todo supuesto de identificación, el su-

puesto de tendencias comunes alude a una

situación contrafactual, por lo cual no puede

contrastarse empíricamente. Sin embargo, si

se dispone de suficiente información para los

períodos previos al tratamiento, es posible

contrastar que las tendencias pre-tratamiento

de las variables de interés eran efectivamen-

te similares entre el grupo de tratamiento y el

de control. Encontrar que las tendencias eran

similares antes del tratamiento otorga mayor

credibilidad al supuesto de identificación. Este

contraste se realiza en la siguiente sección.

Expuesta ya la estrategia de identificación, cabe

destacar que existe la posibilidad de que la esti-

mación sea inconsistente con esta metodología

si existen factores inobservables que varían en

el tiempo y que, a su vez, estén correlacionados

con el tratamiento y las variables de interés.

Formalmente, estimamos el efecto el impacto

del programa a partir de estimar el siguiente

modelo:

it i
it
i

it

t
t

3

it

(1)

Donde denota cualquiera de nuestras varia-

it
it

bles de interés, T es una variable binaria que

toma valor 1 cuando el productor i es tratado

en el período t, β es el parámetro de interés, α

denota el efecto fijo por productor, μ es el efec-

to fijo por período de tiempo, y ε es el término

de error.

it

i

t

it

6

Las variables de interés (Y ) son la producción

total y un proxy de productividad. Las varia-

bles de interés están medidas en logaritmos,

de manera tal que el efecto de interés (β) se in-

terpreta en términos porcentuales.

it

CONTRASTE DE TENDENCIAS PREVIAS AL TRATAMIENTO

Como se destacó en la Sección 2, el supuesto

de identificación de la metodología a utilizar

es el de tendencias comunes. Es decir, se asu-

me que, en ausencia de tratamiento, el grupo

tratado hubiese seguido la misma tendencia

que el grupo de control. Como todo supuesto

de identificación, el supuesto de tendencias

comunes no puede ser contrastado, pero sí es

posible contrastar que las tendencias sean co-

munes antes del tratamiento. Encontrar que las

tendencias eran efectivamente similares antes

de la intervención otorga mayor validez al su-

puesto de identificación.

El contraste de tendencias comunes pre-trata-

miento se realiza a partir de estimar una ver-

sión modificada de la ecuación (1). Siguiendo a

Galiani et al. (2005), se realiza una estimación

usando únicamente las observaciones del pe-

ríodo previo al tratamiento para el grupo tra-

tado y el grupo de control. Primero, se genera

una variable binaria que toma el valor 1 si el

productor es eventualmente tratado y valor 0

en caso contrario. Luego, se genera una inte-

racción entre esta variable “eventualmente tra-

tado” con una tendencia lineal pre-tratamiento

9

09

6. El supuesto de identificación para estimar consistentemente el parámetro β es que, condicional a las variables incluidas (efectos fijos

por productor y por tiempo), el término de error no está correlacionado con la variable de tratamiento.

7. Esta variable se construye sumando, para cada productor, la producción de todas las variedades de uva en un año dado.

8. Esta variable se construye a partir del cociente entre la producción total y el tamaño de la finca para un año dado. Como no toda área

dentro de la finca está sembrada, esta medida no es la productividad estrictamente sino un proxy de la misma.

PÁ G I N A

y se estima la ecuación (1) incluyendo la ten- dencia lineal pre-tratamiento y la interacción generada, excluyendo la variable “tratamiento”. La interacción generada es la diferencia en la tendencia lineal de los productores eventual- mente tratados respecto de la de los no trata- dos. En consecuencia, encontrar que el pará- metro de la interacción no es estadísticamente significativo implica que no hay diferencias sis- temáticas en las tendencias entre ambos gru-

pos, otorgando mayor credibilidad al supuesto de identificación. Los resultados de este contraste pueden apre- ciarse en la Tabla 3 a continuación, cada co- lumna muestra los resultados para cada varia- ble de interés. Es destacable que el coeficiente estimado para la variable “interacción” no es estadísticamente significativo para ninguna de nuestras variables de interés. Esto otorga mayor validez a nuestro supuesto de identificación.

10

Tabla 3: Contraste de tendencias previas al tratamiento

VARIABLES

(1) Ln (PRODUCCIÓN)

(2) Ln (RENDIMIENTO)

Interacción

0.00620

0.00666

(0.00556)

(0.00535)

Observaciones R cuadrado Número de viñedos

206,209

204,815

0.006

0.002

24,249

23,969

Errores estándar agrupados a nivel viñedo entre paréntesis. l *** Significativo al 1%, ** Significativo al 5%, * Significativo al 10%

9. Galiani, S., Gertler, P., & Schargrodsky, E. (2005). Water for life: The impact of the privatization of water services on child mortality. Jour- nal of political economy, 113(1), 83-120.

PÁ G I N A

04

RESULTADOS

RESULTADOS

La Tabla 4 a continuación reporta los resulta- dos de estimar el impacto de PROSAP2-BIRF en las provincias de Mendoza y San Juan sobre cada una de las variables de interés. En todas las regresiones se agruparon los errores están- dar a nivel viñedo para controlar por la posible correlación entre los términos de error de cada viñedo en el tiempo.

10

Como se puede observar en la Columna (1), los productores beneficiados por el programa experimentaron un incremento de 6,95% en la

producción en comparación al grupo de con- trol. Un resultado cualitativamente similar aun- que de mayor magnitud se puede observar en el rendimiento: los productores beneficiados por el programa experimentaron un incremen- to de 7,97% en su rendimiento en comparación con el grupo de control. Tanto el incremento en la producción como en el rendimiento son estadísticamente significativos al 1%, lo cual implica que la probabilidad de encontrar un efecto de esta magnitud cuando realmente el efecto es nulo es menor al 1%.

1 1

Tabla 4: Impacto de PROSAP 2 (BIRF)

VARIABLES

(1) Ln (PRODUCCIÓN)

(2) Ln (RENDIMIENTO)

Tratamiento

0. 0695***

0. 0797***

(0. 01239)

(0. 01177)

Observaciones R cuadrado Número de viñedos

204,073

202,665

0.0406

0.0395

20,669

20,205

Errores estándar agrupados a nivel viñedo entre paréntesis. l *** Significativo al 1%, ** Significativo al 5%, * Significativo al 10%

10. Los resultados son robustos a agrupar los errores estándar a nivel localidad y nivel departamento.

PÁ G I N A

La Tabla 5 siguiente reporta los resultados de

estimar el impacto de todos los proyectos de

riego ejecutados en la primera y segunda fase

del PROSAP, incluyendo aquellos financiados

por el BID, en las mismas provincias y sobre

cada una de las variables de interés. Como se

puede observar en la Columna (1), los produc-

tores beneficiados por el programa experimen-

taron un incremento de 6,5% en la producción

en comparación al grupo de control. Nueva-

mente, un resultado cualitativamente similar

aunque de mayor magnitud se puede observar

en el rendimiento: los productores beneficia-

dos por el programa experimentaron un incre-

mento de 7,4% en su rendimiento en compa-

ración con el grupo de control.

Tanto el incremento en la producción como

en el rendimiento son estadísticamente signi-

ficativos al 1%. Cabe destacar que los efectos

estimados para PROSAP2-BIRF y PROSAP1 y 2

son cuantitativamente similares. Tomando la

estimación de que PROSAP generó un incre-

mento promedio en la producción de 6,5%,

el diferencial de productividad de todos los

productores tratados en cada año valorizado

al precio promedio de las uvas alcanza la ci-

fra de 493.150.771,50 pesos argentinos. Dicha

ganancia por productividad, traducida en un

mayor volumen de producción puede inter-

pretarse además como una renta perpetua

para aquellos productos que recibieron los

11 beneficios de programa.

1 2

Tabla 5: Impacto de PROSAP (todos)

VARIABLES

(1) Ln (PRODUCCIÓN)

(2) Ln (RENDIMIENTO)

Tratamiento

0.0650***

0.0740***

(0.00894)

(0.00854)

Observaciones R cuadrado Número de viñedos

248,619

247,009

0.043

0.040

25,097

24,796

Errores estándar agrupados a nivel viñedo entre paréntesis. l *** Significativo al 1%, ** Significativo al 5%, * Significativo al 10%

RESULTADOS POR PROVINCIA las observaciones de la provincia de San Juan.

Se puede apreciar que el impacto estimado es

La Tabla 6 en la página siguiente reporta los

resultados de estimar la ecuación (1) para cada

provincia por separado. Las Columnas (1) y (2)

los productores beneficiados incrementaron

presentan las estimaciones del impacto del

respectivamente. El efecto es estadísticamen-

programa sobre la producción y el rendimien-

te significativo al 10%, lo cual implica una re-

to, respectivamente, utilizando únicamente

su producción y rendimiento en 6,2% y 6,77%,

similar al encontrado en la sección anterior:

10. Recordar que, dado que el programa fue asignado a nivel localidad y que dentro de cada localidad hay productores no beneficiados, los efectos encontrados constituyen límites inferiores del verdadero efecto de interés.

PÁ G I N A

ducción en la confianza respecto al modelo anterior, pero el efecto es significativo a un nivel estándar de confianza. Una posible ex- plicación de la reducción de significatividad estadística es la reducción en la muestra al restringirse únicamente a San Juan.

Las estimaciones para la provincia de Men- doza pierden significatividad estadística, y las magnitudes de los impactos estimados son

menores que los hallados en la sección ante- rior (ver columnas (3) y (4) de la Tabla 6. Una explicación posible a este resultado es que en Mendoza existan más productores no be- neficiados en localidades beneficiadas, por lo cual el impacto reportado sea más subestima- do. Respecto a la pérdida de significatividad estadística, una posible explicación es la re- ducción del tamaño muestral por restringirse únicamente a una provincia.

1 3

Tabla 6: Impacto de PROSAP por provincia

VARIABLES

(1) PRODUCCIÓN

(2) RENDIMIENTO

(3) PRODUCCIÓN

(4) RENDIMIENTO

(SAN JUAN)

(SAN JUAN)

(MENDOZA)

(MENDOZA)

Tratamiento

0.0620*

0.0677*

0.00547

0.00914

(0.0377)

(0.0376)

(0.00845)

(0.00803)

Observaciones R cuadrado Número de viñedos

58,359

57,840

189,574

188,500

0.110

0.108

0.043

0.044

5,976

5,846

18,647

18,492

Errores estándar agrupados a nivel viñedo entre paréntesis. l *** Significativo al 1%, ** Significativo al 5%, * Significativo al 10%

PÁ G I N A

05

CONCLUSIONES

CONCLUSIONES

Los proyectos evaluados generaron un aumen- to de la producción y el rendimiento para los productores beneficiados por el PROSAP. Como fue mencionado anteriormente, dado que el programa fue asignado a nivel localidad y que dentro de cada localidad existen productores no beneficiados, cabe destacar que los efectos encontrados constituyen límites inferiores del efecto de interés. En consecuencia, el efecto real del programa es al menos el encontrado, pero podría ser mayor. Cabe destacar que las estimaciones de PROSAP2-BIRF y la totalidad de PROSAP arrojan resultados cuantitativa- mente similares.

14

PÁ G I N A

REGISTROS FOTOGRÁFICOS DE LA SITUACIÓN PREVIA AL PROYECTO

1 5

PÁ G I N A REGISTROS FOTOGRÁFICOS DE LA SITUACIÓN PREVIA AL PROYECTO 1 5
16 PÁ G I N A
16
PÁ G I N A

REGISTROS FOTOGRÁFICOS DE LA SITUACIÓN POSTERIOR AL PROYECTO

16 PÁ G I N A REGISTROS FOTOGRÁFICOS DE LA SITUACIÓN POSTERIOR AL PROYECTO
1 7 PÁ G I N A
1 7
PÁ G I N A