Académique Documents
Professionnel Documents
Culture Documents
Resumen
El objetivo de este trabajo es estudiar el comportamiento del mercado espa
nol de aceite de oliva ante distintos escenarios economicos. Para ello se
utiliza un modelo de optimizacion que maximiza el excedente del consumidor y del productor y minimiza el coste de transporte sujeto a restricciones
de produccion y de demanda. Este modelo de equilibrio parcial ofrece en
su solucion optima las cantidades producidas y demandadas en cada zona
geografica, los precios en origen y en destino y las cantidades transportadas
entre zonas. Sin embargo, su utilidad mas importante es que permite examinar los efectos de distintas situaciones de mercado y las repercusiones de
posibles medidas de poltica agraria, mediante analisis de sensibilidad de los
coeficientes del modelo o introduciendo nuevas variables y restricciones.
Los resultados obtenidos muestran el comportamiento de la produccion y
el consumo para distintos niveles de precios y con diferentes tipos de ayudas
a la produccion.
Introducci
on
Po = Pd
a bxo = c + dxd
xo = xd
2
ac
b+d
ad + bc
Po = Pd = P =
b+d
xo = xd = x =
Po
Pd
@
@
@
@
@ Po = c + dxo
@
@
@
@Pd = a bxd
xo , xd
Po0
Pd0
B
B
B Oferta
B
B
B
B
BB
0
xo
xo , xd
a bxd P xd = 0
c + dxo P xo = 0
(1)
(2)
(3)
(4)
xo + xd P = 0
(6)
Ademas de las condiciones de no negatividad:
xo , xd , P 0
(7)
Z = axd
xd xo
x o , xd 0
bx2d
dx2
cxo + o
2
2
(8)
(9)
(10)
Modelos sectoriales
La formulacion anterior ((8) a (10) ) se puede ampliar para modelizar mercados con diferencias geograficas significativas en cuanto a la produccion y
al consumo, y en los que se transporta producto de unas zonas a otras. Para
cada region productora i (i = 1, , m) se define la variable xoi (cantidad
producida en la region i) y la funcion inversa de oferta Poi = ci + di xoi . Para cada region consumidora j (j = 1, , n), una variable que cuantifica la
cantidad consumida, xdj , y una funcion inversa de demanda Pdj = aj bj xdj .
Ademas, se incluyen las variables tij , que recogen las cantidades de producto
que se transportan desde las zonas productoras i a las demandantes j, y los
coeficientes de coste unitario de transporte cij .
M aximizar
n
m
m
n
2
X
X
bj xdj
di x2oi X X
aj xdj
ci xoi +
cij tij
Z=
2
2
j=1
i=1
j=1 i=1
(11)
sujeta a :
n
X
j=1
m
X
i=1
tij xoi
(12)
tij xdj
(13)
(14)
La funcion objetivo (11) es similar a (8) en el sentido de que ambas maximizan el excedente total, si bien (11) incluye P
un termino
Pm de minimizacion de
n
los costes totales de transporte de producto ( j=1 i=1 cij tij ). Este sumando, as como (12) y (13), son expresiones tomadas del conocido modelo del
transporte de Hitchcock. Las restricciones
Pnde oferta (12) limitan las cantidades transportadas desde cada region i ( j=1 tij ) a la cantidad producida en
ella (xoi ). Las restricciones de demanda (13) expresan que la cantidad total
5
P
transportada hasta j desde cualquier zona productora i ( m
i=1 tij ) ha de ser
mayor o igual que la demanda regional (xdj ). De la misma forma que antes
los precios de equilibrio son los valores duales de las restricciones. El precio
de equilibrio de oferta en la region i, Poi , es el valor dual de la restriccion
de oferta i. El precio de equilibrio de demanda en la region j, Pdj , es el
multiplicador de Lagrange de la restriccion de demanda j.
Modelos de este tipo se pueden utilizar para examinar los efectos de establecer, por ejemplo, cuotas al comercio o a la produccion (a
nadiendo lmites
superiores a las variables tij , xoi , respectivamente), tasas de importacion
o subsidios de exportacion (a
nadiendo a los costes unitarios de transporte
cij estas cantidades) o intervenciones en precios (limitando las expresiones
(aj bj xdj ) o (ci + di xoi )). Una exposicion detallada de estos aspectos se
encuentra en Takayama, Judge (1971), Captulo 10.
Otra variante de estos modelos son aquellos que representan la oferta de
productos de forma implcita mediante restricciones de factores de produccion en las explotaciones. Si se consideran, ademas, varios productos, distintas regiones de demanda y varias zonas productoras con diferentes tipos de
explotaciones se obtiene un modelo general de la siguiente forma:
X X Z xdjk
X X Z ziv
XXX
M ax Z =
Pdjk (xdjk ) dxdjk
Piv (ziv ) dziv
cijk tijk
j
(15)
xoik
ziv +
XX
k
rikh Yikh
i, k
(16)
cikhv Yikh
i, v
(17)
X
k
(18)
tijk
i, k
(19)
tijk
j, k
(20)
i, j, k, h
(21)
xoik +
xdjk
X
i
El problema de la agregaci
on
La finalidad de un modelo sectorial de equilibrio parcial es obtener estimaciones de producciones y superficies cultivadas de un conjunto de explotaciones,
as como de los precios de mercado de los productos, bajo distintos escenarios economicos. Si se pudiera construir un modelo matematico para cada
umero de explotaciones existentes), la suma de las
empresa agraria (h = n
soluciones de los programas individuales estara exenta de sesgos de agregacion. Sin embargo es imposible proceder as tanto por razones operativas
como por falta de datos disponibles.
Una forma de acometer este problema es modelizar una serie de explotaciones representativas. La solucion agregada se obtiene ponderando la solucion de cada modelo por el n
umero de explotaciones existentes en cada
grupo homogeneo. Alternativamente, se pueden agregar los recursos de cada
conjunto de explotaciones homogeneas y obtener la solucion directamente.
Ambos metodos proporcionan identicos resultados, y los sesgos de agregacion no existiran si las explotaciones agrupadas fuesen exactamente iguales,
algo que nunca ocurre en la realidad.
Day (1963) [2] establecio tres condiciones para poder agrupar explotaciones agrarias sin cometer sesgos de agregacion:
1. Homogeneidad tecnologica. Todas las explotaciones deben tener las
mismas posibilidades de produccion, los mismos tipos de recursos, identico
nivel de capacitacion y tecnologa, es decir, los coeficientes cikhv y aikhf
deben ser iguales en todas las explotaciones incluidas en la catagora h
de la zona i.
2. Proporcionalidad pecunaria. En cada explotacion, el cociente entre el
margen bruto de una actividad y el margen bruto de esa actividad en
el agregado de la clase debe ser constante para todas las actividades.
3. Proporcionalidad institucional. La participacion de cada explotacion
en cada uno de los recursos totales del agregado debe ser la misma para
todos los recursos.
7
Numerosos autores han criticado estas condiciones por considerarlas demasiado estrictas y difciles de cumplir en la practica. Miller (1966) propone
como condiciones suficientes para que pueda hacerse una agregacion exacta:
(1) homogeneidad tecnologica y (2) homogeneidad cualitativa en los vectores
soluciones de las explotaciones individuales. Esta segunda condicion permite
la existencia de recursos y margenes brutos diferentes en las explotaciones
agrupadas siempre que estas variaciones afecten exclusivamente a los niveles
de actividad, pero no a los tipos de actividades que incluyen las soluciones
(Miller, 1966; Lee, 1966).
Sheehy, McAlexander (1965) discuten metodos convencionales que agrupan explotaciones en funcion de las dotaciones de ciertos recursos, y proponen
una clasificacion seg
un los recursos mas limitantes, que denominan metodo
de las rectricciones homogeneas. Frick, Andrews (1965) examinan cuatro
metodos de agrupacion de explotaciones para estudiar sesgos de agregacion:
el metodo que logra minimizar en mayor cuanta el sesgo es el de Sheehy,
McAlexander (1965), aunque consideran que presenta algunas limitaciones
cuando se utiliza para explotaciones con varias producciones.
Paris, Rausser (1973) opinan que las condiciones de Day (1963) son muy
restrictivas, lo que lleva a que la mayora de las aplicaciones practicas se limiten a decir que aparentemente se satisfacen. La metodologa que proponen
es menos restrictiva pero no es operativa porque los criterios de clasificacion
de las explotaciones pueden variar en funcion de las soluciones del modelo.
Spreen, Takayama (1980) demuestran que ni siquiera las condiciones de
Day (1963) aseguran una agregacion estrictamente exacta. Solo es posible
alcanzar una semiagregacionpara la cual la condicion crucial es que bajo
distintos supuestos las explotaciones agrupadas se comporten seg
un identicas
formas de actuacion, algo similar a la segunda condicion de Miller (1966) y
al metodo de las restricciones homogeneas de Sheehy, McAlexander (1965).
En la practica, la elaboracion de modelos sectoriales mediante explotaciones representativas lleva a utilizar unos criterios de agregacion que se reducen
a unas reglas sencillas (Hazell, Norton, 1986):
1. Proporciones similares en las dotaciones de recursos. Este significa
agrupar las explotaciones seg
un tama
nos y disponibilidades de mano
de obra similares.
2. Rendimientos similares. Es frecuente diferenciar las explotaciones de
secano o regado. Un mayor nivel de detalle se puede conseguir en
funcion de clases de suelos, pendientes, climatologa, etc.
3. Tecnologa similar. Clasificacion en funcion de orientaciones productivas predominantes, capacitacion y equipamiento tecnico.
8
M ax Z =
M Bk Yk
sujeta a :
X
k
XX
sujeta a :
akf Yk Df f
Yk
M Bk pk Vpk
X
p
pk 1
pk 0 k
(0, 20) @
Q
M ax Z = M B1 Y1 + M B2 Y2
sujeta a : Y1 + Y2 25
2Y1 + 3Y2 60
Y1 , Y2 0
(0, 0)
M ax Z = 25M B1 2 + 15M B1 3
+10M B2 3 + 20M B2 4
sujeta a : 1 + 2 + 3 + 4 1
1 , 2 0
Y2
@
Q @
Q @
Q @
Q
Q@
Q@
Q (15, 10)
Q
@
Q
@Q
@Q
@QQ
@ Q
Q
@
Q
@
1
(25, 0)
Y1
(22)
xoik
ziv +
X
p
XX
p
xpoik ikp 0 i, k
(23)
p
zikv
ikp 0 i, v
(24)
X
p
xoik +
xdjk
ikp 1 i, k
X
j
X
i
(25)
tijk 0 i, k
(26)
tijk 0 j, k
(27)
(28)
(zikv
), Onal,
McCarl (1989) realizan dos propuestas. La primera se apoya,
una vez mas, en la metodologia de las explotaciones tipo: se formula para
cada una de ellas un subproblema lineal, y las distintas soluciones obtenidas
al realizar analisis de sensibilidad de precios y otros coeficientes se agregan
para llegar a los valores factibles de niveles de produccion y factores variables
p
es el
de las zonas productoras. Por tanto, cada uno de los valores xpoik y zikv
resultado de sumar las soluciones de cada subproblema h de la region i que se
ha resuelto para unas determinadas condiciones tecnicas y economicas p. Este
procedimiento no es mas que una extension del algoritmo de descomposicion
McCarl (1989)
de Dantzig, Wolfe (1961), con la diferencia de que en Onal,
no hay interaccion entre los subproblemas y el problema maestro en cada
iteracion, sino que despues de resolver todos los subproblemas en distintas
condiciones se incorpora esta informacion en el problema maestro.
10
produccion. Onal,
McCarl (1989) sugieren que en estos casos cabe la posibilidad de introducir en el modelo soluciones hipoteticas suministradas por
expertos conocedores del sector.
Una aplicacion practica de esta metodologa se encuentra en Hamilton et
al. (1985) donde se comparan, en un modelo que estudia los efectos de la
reduccion de la concentracion de ozono, estas dos propuestas (inicialmente
sugeridas en McCarl, 1982) con otras agregaciones basadas en explotaciones
tipo y se comprueba el mejor comportamiento de las primeras frente a estas
u
ltimas.
Modelizaci
on del mercado de aceite de oliva en Espa
na
11
herbaceos, llevara a un modelo mas complejo que supera los fines de este
trabajo.
Las regiones consumidoras son las de la publicacion Consumo alimentario en Espa
na (MAPA, 1991)mas otra zona para el resto del mundo, de
forma que el subndice j toma los valores: Andaluca, Canarias, Castilla y
Leon, Centro Sur (Madrid y Castilla-La Mancha), Levante (Comunidad Valenciana y Murcia), Noreste (que agrupa a Catalu
na, Aragon y Baleares),
Noroeste (Galicia y Asturias), Norte (Pas Vasco, Cantabria, La Rioja y Navarra), ademas del sector exterior. El modelo trabaja inicialmente con una
elasticidad-precio de la demanda nacional de aceite de oliva de = 0, 59,
tomada de Mili, Briz (1991), aunque en la seccion siguiente se introducen
elasticidades de investigaciones posteriores. Si se considera que la funcion de
demanda de cada region no depende de las funciones de oferta de otras regiones, su elasticidad (j ) se puede obtener, seg
un Hazell, Norton (1986, pag.
191), dividiendo la elasticidad nacional por la participacion en el consumo
x
de cada region (Kj = xdjd ):
(29)
j =
Kj
Conocidas estas elasticidades regionales, especificando funciones lineales
del tipo P = aj bj xdj y dado un punto en cada una de ellas (P 0 , x0dj ) es
facil obtener sus coeficientes mediante las expresiones:
P0
xdj j
= P 0 bj xdj
bj =
(30)
aj
(31)
P0
P0
P0
= xd Kj =
=b
xdj j
xd
(32)
Kj
Y (31) queda:
aj = P0 bxd Kj
(33)
pta
, 403, 062 millones de litros)
Para precios y cantidades de 1994 (330, 58 litro
se obtiene una pendiente b = 1, 39. Los valores de Kj estimados a partir
de Consumo alimentario en Espa
na (MAPA, 1991)y los de aj calculados
seg
un (33) se muestran en la Tabla 1.
La funcion de demanda utilizada para las exportaciones es Pex = 597.988
0, 75796xdex , que se ha estimado directamente de datos de la FAO por no haberse encontrado ning
un estudio que proporcionase la elasticiad-precio de las
12
Andaluca
Canarias
Castilla y Le
on
Centro Sur
Levante
Noreste
Noroeste
Norte
Kj
0.206998
0.021397
0.050260
0.210420
0.118870
0.236390
0.076406
0.079255
aj
446.55
342.57
358.74
448.47
397.18
463.02
373.39
374.98
103 kg 0 litros
)r (
)
ha
kg
p
donde soi
es la superficie de olivar de almazara de la region i en el a
no p
(Tabla 2), ri es el rendimiento de aceituna del cultivo en la region i (Tabla 3)
y r0 es el rendimiento de la transformacion de la aceituna en litros de aceite
3
para el que se ha tomado un valor de 0, 2246 litros
.
kg
La finalidad de separar superficies y rendimientos es capacitar al modelo para realizar analisis de sensibilidad con respecto a los rendimientos de
aceituna por hectarea de cada region, que es el parametro mas incierto y
con mayores oscilaciones de unos a
nos con otros. Los datos de superficie de
la Tabla 2 corresponden a los de olivar de secano, excepto los de Andaluca
regado. Los datos de rendimiento de la Tabla 3 se han obtenido dividiendo
2
13
Arag
on
Catalu
na
Castilla-La Mancha
C. Valenciana
Extremadura
Andaluca secano
Andaluca regado
Resto de Espa
na
1987
1988
45,263
36,092
106,857 107,819
271,207 271,856
86,891
87,960
180,817 180,764
1038,963 1028,403
77,863
76,105
57,705
55,399
1989
1990
43,317
44,676
112,854 108,794
271,404 270,372
86,680
86,811
166,813 166,743
1038,314 1046,576
79,613
81,998
56,049
55,920
1991
3,244
109,044
267,342
88,910
166,658
1060,269
87,071
55,884
Arag
on
Catalu
na
Castilla-La Mancha
C. Valenciana
Extremadura
Andaluca secano
Andaluca regado
Resto de Espa
na
1992
1993
43,168
43,393
94,027 111,010
255,847 268,177
89,401
85,964
166,200 225,000
1052,339 1051,173
92,940
92,644
56,741
59,077
1994
1995
1996
43,032
42,287
43,218
99,610
98,732 101,542
268,876 272,179 255,098
88,087
83,832
92,307
218,528 219,806 213,789
1076,524 1084,252 1083,369
104,771 116,726 128,679
49,450
54,668
52,541
14
Arag
on
Catalu
na
Castilla-La Mancha
C. Valenciana
Extremadura
Andaluca secano
Andaluca regado
Resto de Espa
na
1987
0,889
0,777
1,195
1,046
0,933
2,507
3,860
0,890
1988
0,551
0,481
0,417
0,761
0,409
1,502
2,108
0,423
1989
0,920
0,888
0,892
0,793
0,920
1,687
3,191
0,911
1990
0,173
0,631
0,548
0,600
0,742
2,344
3,360
0,427
1991
1,101
1,090
0,735
0,924
0,766
1,734
3,110
0,777
Arag
on
Catalu
na
Castilla-La Mancha
C. Valenciana
Extremadura
Andaluca secano
Andaluca regado
Resto de Espa
na
1992
0,680
1,310
0,621
0,633
0,610
2,060
3,121
0,469
1993
0,488
0,865
1,091
0,954
0,631
1,559
3,053
0,854
1994
0,309
0,626
0,357
0,541
0,617
1,769
3,155
0,376
1995
0,570
1,021
0,345
0,918
0,733
0,752
2,484
0,582
1996
1,263
1,367
0,808
0,671
0,885
2,845
4,250
0,928
Tabla 3: Rendimiento del olivar (toneladas de aceituna por hectarea). Anuario de Estadstica Agraria, MAPA, varios a
nos
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
Aceituna de almazara
miles de t
3663,1
2054,4
2661,3
3153,2
2725,4
2945,8
2605,7
2608
1594
4328,3
Aceite de oliva
kg de aceite
miles de t
kg de aceituna
733,72
0,2003
399,38
0,1944
550,77
0,20695
639,39
0,20278
592,97
0,21757
623,08
0,21152
549,06
0,21072
526,88
0,20202
336,08
0,21084
954,15
0,22045
15
OFERTA
x o Po
Arag
on
7,11 311
Catalu
na
23,11 312
Castilla-La Mancha 43,15 307
16,37 311
Valencia
Extremadura
36,87 307
Andaluca secano
459,97 304
92,22 304
Andaluca regado
Resto de Espa
na
8,87 308
DEMANDA
Andaluca
Canarias
Castilla y Le
on
Centro
Levante
Noreste
Noroeste
Norte
Exportaci
on
xd
100,35
14,75
35,08
101,20
63,57
107,07
42,83
45,51
177,32
Pd
307
322
310
308
308
314
314
312
329
Validaci
on del modelo
17
Referencias
[1] Dantzig G.B., Wolfe P. (1961). The decomposition Algorithm for Linear
Programs. Econometrica, 29(3):767-778.
[2] Day R.H. (1963). On aggregation linear programming models of production. Journal of Farms Economics, 45(4): 797-813.
[3] Frick G.E., Andrews R.A. (1965). Aggregation bias and four methods
of summing farm supply functions. Journal of Farms Economics, 47(4):
696-700.
[4] Gonzalez Alcon J.M. (1996). La Poltica Agraria Comunitaria en el Aceite
de Oliva Espa
nol. Universidad de Granada y Fundacion Caja de Granada,
Granada.
[5] Hazell P.B.R., Norton R.D(1986). Mathematical Programming for Economic Analysis in Agriculture. Macmillan, New York.
[6] Lee J.E. (1966). Exact aggregation - a discussion of Millers Theorem.
Agricultural Economics Research, 18(2): 58-61.
[7] McCarl B.A.(1982). Cropping activities in agricultural sector models: a
methodological proposal. American Journal of Agricultural Economics,
64(4): 768-772.
[8] Miller T.A. (1966). Sufficient conditions for exact aggregation in linear
programming models. Agricultural Economics Research, 18(2): 52-57.
[9] Mili S., Briz J. (1991). Analisis del comportamiento de la demanda y
de los precios del aceite de oliva en Espa
na: un enfoque econometrico.
Revista Olivae, 37: 6-15.
[10] MAPA (varios a
nos). Anuario de Estadstica Agraria. Ministerio de Agricultura, Pesca y Alimentacion, Madrid.
[11] MAPA (1991). Consumo Alimentario en Espa
na. Ministerio de Agricultura, Pesca y Alimentacion, Madrid.
[12] Onal
H. ,McCarl B.A. (1989). Aggregation of heterogeneous firms in
mathematical programming models. European Journal of Agricultural
Economics, 16(4): 499-513.
18
[13] Onal
H. ,McCarl B.A. (1991). Exact aggregation in mathematical programming sector models. Canadian Journal of Agricultural Economics,
39(2): 319-334.
[14] Paris Q. ,Rausser G.C. (1973). Sufficient conditions for aggregation of linear programming models. American Journal of Agricultural Economics,
55(4): 659-666.
[15] Takayama T., Judge G.G. (1971). Spatial and Temporal Price and Allocation Models. North Holland Publishing, Amsterdam.
[16] Sheehy S.J., Mc Alexander R.H. (1965). Selection of representative
Benchmark farms for supply estimation. Journal of Farms Economics,
47(4): 681-695.
[17] Spreen T.H., Takayama T. (1980). A theoretical note on aggregation of
linear programming models of production. American Journal of Agricultural Economics, 62(1): 146-151.
19