Análisis
multivariado para la caracterización productiva de sistemas de producción
bovina en el trópico alto de la región Pasco
Multivariate
analysis for the productive characterization of bovine production systems in
the high tropic of the Pasco región
Aníbal R. Rodríguez-Vargas1,a,*, Gilmar H. López-Alegre1,b,
Folke C. Tantahuillca-Landeo1,c,
Rolando Azania1,d,
Alfredo R. Bernal-Marcelo1,e
1 Universidad
Nacional Daniel Alcides Carrión, Oxapampa, Perú.
a Mag.,
arodriguezv@undac.edu.pe, 
https://orcid.org/0000-0003-0248-163X
b Mag., glopeza@undac.edu.pe, https://orcid.org/0000-0002-4492-5756
c
Mag.,
ingzfol@hotmail.com, https://orcid.org/0000-0001-6180-7279
d
Ing., rolandfox18@gmail.com, https://orcid.org/0000-0002-5130-4923
e
Dr.,
abernal73@hotmail.com, https://orcid.org/0000-0002-3767-600X
* Autor de
Correspondencia: Tel. +51 963626804
http://dx.doi.org/10.25127/riagrop.20222.828
Resumen
Con el objetivo de caracterizar,
productivamente, los sistemas de producción bovina en el trópico alto de la
región Pasco, se aplicó encuestas en campo a 210 productores en los distritos
de Oxapampa, Chontabamba y Huancabamba, pertenecientes a la provincia de
Oxapampa. Se realizó el análisis de conglomerados jerárquico completo, un
análisis de componentes principales para la reducción de variables tomadas en
la caracterización. Asimismo, para definir la estandarización de la
información, se utilizó la prueba de esfericidad de Barlett y KMO. La
separabilidad de los grupos se realizó mediante el análisis de varianza. Los
aportes de las variables a los componentes oscilaron entre 0.46 (producción de
leche por hato/día) y 0.97 (población rural) que indicaron un amplio rango de proporción
de varianza, explicada por todos los factores. El análisis jerárquico agrupó la
productividad en: bajo (1), regular (2), bueno (3) y muy bueno (4). Los
resultados indican que el 17.4 % de los productores tienen un nivel productivo
bajo, el 50.95 % regular y el 4.16 % muy bueno. En conclusión, más de la mitad
de los sistemas de producción en el trópico alto se encuentran en un nivel
productivo regular, teniendo la necesidad del apoyo técnico para aumentar la
productividad.
Palabras
claves: Desempeño animal, ganadería, nivel
productivo, sistemas de producción, Oxapampa.
Abstract
With the objective of
productively characterizing the bovine production systems in the high tropic of
the Pasco region, field surveys were applied to 210 producers in the districts
of Oxapampa, Chontabamba and Huancabamba, belonging to the province of
Oxapampa. A complete hierarchical cluster analysis, a principal component
analysis for the reduction of variables taken in the characterization was
carried out; also to define the standardization of the information, Barlett's
sphericity test and KMO were used and the separability of the groups was
carried out by means of the analysis of variance. The contributions of the
variables to the components ranged from 0.46 (milk production per herd/day) to
0.97 (rural population) indicating a wide range of proportion of variance
explained by all factors. The hierarchical analysis grouped productivity into:
low (1), fair (2), good (3) and very good (4). The results indicate that 17.4%
of the producers have a low productivity level, 50.95% have a regular level and
4.16% have a very good level. In conclusion, more than half of the production
systems in the high tropics are at a regular production level, with the need
for technical support to increase productivity.
Keywords: Animal
performance, cattle raising, productive level, production systems, Oxapampa.
1.
INTRODUCCIÓN
Los sistemas de producción se caracterizan por la interacción
dinámica entre sus componentes representados por el suelo, planta y animal e
involucran un manejo integrado de todos ellos. Sin embargo, el manejo de los
sistemas ganaderos está sujetos al factor socioeconómico del productor, quien
es el actor regulador de la entrada, proceso y salida del sistema (Maicelo y
Bardales, 2017). En Latinoamérica, el término “sistemas” es una nueva realidad
desde el punto de vista conceptual, ya que per se son sistemas altamente
dinámicos que los hace tener una variedad de definiciones (Cántaro, 2017).
En la región Pasco, los sistemas de producción pecuaria se
caracterizan por su heterogeneidad, debido a que mantienen esquemas de crianza
tradicional no definidos, y expresados en bajos rendimientos, que afectan la
rentabilidad del sistema y comprometen las condiciones de vida del productor
(Sánchez, 2019).
Para comprender la interrelación de los componentes dentro de los
sistemas de producción y a partir de antecedentes que existen sistemas con
características y cualidades semejantes, se deben considerar ciertas
particularidades para identificar los patrones de manejo que permitan tomar
decisiones certeras. En consecuencia, el objetivo de esta investigación fue
caracterizar los sistemas de producción bovina en el trópico alto, a partir de
indicadores sociales y productivos.
2.
MATERIALES Y MÉTODOS
2.1. Lugar de estudio
El estudio se realizó en tres distritos del valle de Oxapampa:
Huancabamba, con altitud de 1666 m s. n. m. y precipitación de 1543 mm/año;
Chontabamba, con altitud de 1900 m s. n. m. y precipitación de 1370 mm/año y
Oxapampa, con altitud de 1814 m s. n. m. y precipitación de 1370 mm/año;
ubicados en la provincia de Oxapampa, región Pasco, Perú (figura 1). La
temperatura ambiental oscila entre 13.2 y 25.0 ºC y la humedad relativa
entre 80 a 90% (SENAMHI, 2019). En la zona predomina la clasificación de zonas
de vida: bosque muy húmedo montano bajo tropical (bmh-MBT) y bosque muy húmedo
montano tropical (bmh-MT) en los tres distritos (Holdridge, 2000).
Figura 1. Ubicación
geográfica del estudio.
2.2. Muestra
La muestra estuvo representada por 210 productores de bovinos,
comprendidos en tres distritos de la provincia de Oxapampa. Los productores
fueron elegidos de manera aleatoria y cada ganadero representó una unidad
experimental. Se estimó una proporción esperada de 70 % con un error máximo
permisible de 0.05, mediante la fórmula:
,
donde:
n= tamaño de la muestra
N= tamaño de la población
Z= nivel de confianza,
p= proporción esperada,
q= probabilidad de fracaso,
E = Error máximo permisible.
2.3. Indicadores evaluados
Las técnicas de evaluación consistieron en el análisis de la
documentación, encuesta, y observación de campo mediante fichas de registro y
cuestionarios. Las variables e indicadores fueron: población rural
(Huancabamba, Chontabamba, Oxapampa), extensión de pastos (1-20, 21-40, 41-60,
>60 ha), número de bovinos por predio (1-3, 4-5, 6-7, 8-9), producción de
leche (1-9, 10-15, 16-25, 26-35, 36-50, 51-80, 81-150 L/hato/día), vacas en
producción de leche/hato (0, 2-5, 6-10, 11-20, 21-30), vacas en seca/hato (0,
2-5, 6-10, 11-20, 21-30), tecnologías reproductivas (1: usa, 2: no usa), tipo
de ganado (Cruces, Holstein, Brown Swiss, Cebuíno, Santa Gertrudis). Las
encuestas fueron realizadas bajo consentimiento de los productores.
Las estadísticas del porcentaje
de población rural y cantidad de pastizales en los distritos de estudio se
muestran en la figura 2.
Figura 2. Indicadores evaluados. A: población rural (%), B: área de
pastizales (ha)
(Fuente: INEI: 2012).
El distrito con mayor población rural, reportado por el INEI
(2012), fue Huancabamba (89.26 %), seguido de Chontabamba (58.92 %) y Oxapampa
(34.81 %).
2.4. Análisis de la
información
La información fue analizada mediante estadística descriptiva.
Para definir la estandarización de la información se utilizó la prueba de
esfericidad de Barlett para definir el grado de estandarización (Ruiz et al.,
2012) y KMO: Kaiser, Meyer y Olkin (Jobson, 2012). Finalmente se realizó el
análisis de conglomerados jerárquicos para identificar los grupos posibles de
acuerdo con sus indicadores sociales y productivos de los criadores de bovinos
por distrito y se confirmó la separabilidad de los grupos mediante un análisis
de variancia de efectos fijos para todas las variables en escala categórica. El
análisis se realizó utilizando el Software SPSS IBM® 22.
3.
RESULTADOS Y DISCUSIÓN
Al
reducir las dimensiones de las variables asociadas que explican las
características de los sistemas de producción a tres componentes principales,
mediante correlación parcial, el KMO >0.05 se considera aceptable (Jobson,
2012). Además, el análisis arrojó un valor aproximado de chi-cuadrado
p<0.001 y confirma dicha suposición. El análisis chi-cuadrado Pearson indica
que las variables evaluadas eran independientes y explica los conjuntos que se
agruparon (tabla 1). Esto permitió hacer una clasificación más eficiente por
conglomerados.
Al
reducir los factores, se observó que el comportamiento de las variables se
agrupó en cuatro factores. Los componentes extraídos varían entre 0.46
(producción de leche por hato/día) y 0.97 (población rural) e indican un amplio
rango de proporción de varianza explicada por todos los factores resultantes de
la extracción (tabla 2).
Por
su parte, Velázquez y Perezgrovas (2017), al evaluar los sistemas productivos
de ganado bovino en México, determinaron que los principales componentes
extraídos para indicar el comportamiento de variables son la relación
agrícola/pecuaria (0.967), seguida de la densidad bovina (0.874) y vacunaciones
(0.794), principalmente. En tanto, el número de potreros fue el indicador con
menor proporción de varianza explicada en el análisis.
Tabla 1.
Análisis de los componentes principales estimados en 210
predios de ganado bovino, en la provincia de Oxapampa, Pasco (2019)
|
Indicador
|
Mínimo
|
Máximo
|
Media
|
Componente
|
|
Población rural
|
1
|
3
|
1.95
|
2
|
|
Extensión de pastos (ha)
|
1
|
4
|
1.59
|
2
|
|
Número de bovinos por predio
|
1
|
3
|
1.44
|
2
|
|
Producción de leche (L/vaca/día)
|
1
|
5
|
2.36
|
2
|
|
Producción de leche (L/hato/día)
|
1
|
7
|
4.35
|
1
|
|
Vacas en producción de leche/hato
|
1
|
5
|
2.67
|
1
|
|
Vacas en seca/hato
|
1
|
5
|
2.66
|
2
|
|
Tecnologías reproductivas
|
1
|
2
|
1.38
|
2
|
|
Tipo de ganado
|
1
|
5
|
1.97
|
3
|
Tabla 2. Comunalidades de las variables evaluadas
|
Indicador
|
Inicial
|
Extracción
|
|
Población rural
|
1.000
|
0.972
|
|
Número de bovinos
por predio
|
1.000
|
0.688
|
|
Producción de leche
por vaca/día
|
1.000
|
0.648
|
|
Número de vacas en
producción de leche/hato
|
1.000
|
0.664
|
|
Número de vacas en
seca/hato
|
1.000
|
0.670
|
|
Tecnologías
reproductivas
|
1.000
|
0.680
|
|
Extensión de pastos
|
1.000
|
0.535
|
|
Tipo de ganado
|
1.000
|
0.755
|
|
Producción de leche
por hato/día
|
1.000
|
0.456
|
Tabla 3. Varianza
total explicada de las variables evaluadas por análisis de componentes
principales
|
Componente
|
Autovalores
iniciales
|
Sumas
de las saturaciones al cuadrado de la extracción
|
Suma
de las saturaciones al cuadrado de la rotación
|
|
Total
|
Varianza
%
|
Acumulado
%
|
Total
|
Varianza
%
|
Acumulado
%
|
Total
|
Varianza
%
|
Acumulado
%
|
|
1
|
1.498
|
16.641
|
16.641
|
1.498
|
16.641
|
16.641
|
1.400
|
15.557
|
15.557
|
|
2
|
1.314
|
14.601
|
31.242
|
1.314
|
14.601
|
31.242
|
1.313
|
14.585
|
30.142
|
|
3
|
1.249
|
13.879
|
45.121
|
1.249
|
13.879
|
45.121
|
1.293
|
14.367
|
44.509
|
|
4
|
1.005
|
11.165
|
56.286
|
1.005
|
11.165
|
56.286
|
1.059
|
11.766
|
56.275
|
|
5
|
1.003
|
11.145
|
67.431
|
1.003
|
11.145
|
67.431
|
1.004
|
11.156
|
67.431
|
|
6
|
.930
|
10.332
|
77.764
|
|
|
|
|
|
|
|
7
|
.829
|
9.212
|
86.976
|
|
|
|
|
|
|
|
8
|
.620
|
6.884
|
93.860
|
|
|
|
|
|
|
|
9
|
.553
|
6.140
|
100.000
|
|
|
|
|
|
|
|
Método
de extracción: Análisis de Componentes principales.
|
|
|
|
|
|
|
|
|
|
|
|
|
Se observa que los tres primeros factores aportan el 44.5 % de la
varianza total explicada, seguido de alrededor de 11 % para cada uno de los dos
siguientes factores y en esta investigación, se consideran los cinco factores
ya que en conjunto alcanzan a explicar el 67.43 % de la variabilidad de las
variables originales (tabla 3).
El
análisis evidenció que el distrito de Oxapampa presenta mejores parámetros
productivos y está asociado al mayor uso de razas y modelos de producción
especializados. Esto puede estar catalogado también por una menor proporción de
población rural (34.81 %) (INEI, 2012) y equipamiento básico (corrales,
infraestructura). Una tendencia similar fue reportada por Velázquez (2015),
quien indicó que el uso de equipamiento, aunque no sea moderno, mejora los
parámetros productivos del sistema.
El
análisis de componentes principales para seleccionar y agrupar factores ha sido
muy utilizado en análisis exploratorios, dentro de los sistemas ganaderos, ya
sea en pastizales (Rowan et al., 1994; Pizarro, 2017) e indicadores
productivos (Velázquez y Perezgrovas, 2017), con el fin de seleccionar aquellos
factores responsables de la covarianza total dentro de un grupo de variables
independientes.
Según
la categorización global, un poco más de la mitad (50.95 %) de los sistemas
productivos, en los tres distritos evaluados, están clasificados como nivel
productivo regular (sistema 2), seguido del nivel 3 y 1 (bueno y bajo,
respectivamente). El nivel productivo muy bueno es alcanzado solamente por el
4.76 % de los sistemas de producción evaluados en esta investigación (tabla 4).
En esta investigación, los
sistemas de producción fueron clasificados principalmente como regulares
(sistema 2) y fue, principalmente, Oxapampa, seguido de Huancabamba y
Chontabamba con 22.38, 18.10 y 10.48 %, respectivamente. Sin embargo, cuando se
analizó el sistema de producción bueno (sistema 3), el distrito de Huancabamba
reportó mejor proporción (11.43 %), seguido de Oxapampa y Chontabamba con 8.10
y 7.62 %, respectivamente (tabla 4).
Tabla
1.
Categorización de los sistemas de producción en los
distritos de Oxapampa, Chontabamba y Huancabamba
|
Distrito
|
|
Sistema
|
|
1
|
2
|
3
|
4
|
|
Oxapampa
|
Recuento
|
17
|
47
|
17
|
5
|
|
%
dentro de Distrito
|
19.77
|
54.65
|
19.77
|
5.81
|
|
%
dentro de Sistema
|
47.22
|
43.93
|
29.82
|
50.00
|
|
%
del total
|
8.10
|
22.38
|
8.10
|
2.38
|
|
Chontabamba
|
Recuento
|
8
|
22
|
16
|
2
|
|
%
dentro de Distrito
|
16.67
|
45.83
|
33.33
|
4.17
|
|
%
dentro de Sistema
|
22.22
|
20.56
|
28.07
|
20.00
|
|
%
del total
|
3.81
|
10.48
|
7.62
|
0.95
|
|
Huancabamba
|
Recuento
|
11
|
38
|
24
|
3
|
|
%
dentro de Distrito
|
14.47
|
50.00
|
31.58
|
3.95
|
|
%
dentro de Sistema
|
30.56
|
35.51
|
42.11
|
30.00
|
|
%
del total
|
5.24
|
18.10
|
11.43
|
1.43
|
|
Total
|
Recuento
|
36
|
107
|
57
|
10
|
|
%
del total
|
17.14
|
50.95
|
27.14
|
4.76
|
El sistema de producción muy bueno (sistema 4) fue mayor (2.38 %)
en el distrito de Oxapampa, en comparación con los otros distritos evaluados
quienes mostraron valores de 1.43 y 0.95 %, en Huancabamba y Chontabamba,
respectivamente. Si se analizan los sistemas dentro de cada distrito, Oxapampa
muestra un mayor porcentaje (5,81 %), categorizado como muy bueno, seguido de
Chontabamba (4.17 %) y Huancabamba (3.95 %).
Si bien Huancabamba registra un alto porcentaje de población rural (89.26 %), no
implica que tengan sistemas de producción bien manejados, ya que solo evidencia
un 1.43 % de sistema muy bueno y fue superior a Chontabamba. Esto podría
asociarse a que la población
rural está más involucrada el cultivo de café, porque esta región (Pasco) se
encuentra entre las 7 principales regiones que concentran el 91 % del total de
productores y área cultivable, junto a Junín, San Martín, Cajamarca, Cusco,
Amazonas y Huánuco (Díaz y Willems, 2017). Por lo tanto, la ganadería se
realiza como segunda actividad.
Análisis de Conglomerados Jerárquico
Debido a que, en el ensayo anterior, cinco componentes explicaron
el 67 % de la varianza, se optó por utilizar las nueve variables de estudio
para el análisis de conglomerados. El mejor intercepto que demostró
separabilidad fue 7, de donde se obtuvieron cuatro grupos que fueron sometidos
al análisis de varianza y se encontró diferencias significativas (p<0.05)
entre los grupos formados para las nueve variables categorías analizadas
(figura 3).
Figura 3.
Dendograma con distancia euclídea, Linkage completo.
k=4, n=210.
Mediante el análisis jerárquico (figura 5), los sistemas de
producción se clasificaron en: bajo (1), regular (2), bueno (3) y muy bueno
(4), según los indicadores productivos tomados en el estudio y evidencian que
la mayor proporción de los sistemas ganaderos fueron categorizados como
sistemas regulares (sistema 2). Sin embargo, menos del 5 % de los sistemas
ganaderos tienen un nivel muy bueno. Esto llama la atención a dirigir mayor
esfuerzo para revertir dichas situaciones que generan mejores indicadores
productivos en el valle de estudio.
Figura
4.
Clúster jerárquico en los distritos de Oxapampa, Chontabamba y Huancabamba.
En estos 4 sistemas de producción, se ha encontrado equivalente
clasificación al utilizar similares variables para analizar los sistemas
ganaderos tropicales en otras latitudes (Velázquez, 2015, Espinosa et al.,
2005, Leos et al., 2008) tipos de productores, confirmando que la
ganadería tropical tiene un patrón de producción similar en Perú y México. En
tanto, los sistemas se tornan un tanto complejos desde su entendimiento hasta
su manejo, interacción y organización dentro de la dinámica del mismo y que
generalmente está atado a la expresión cultural de la población. Nace aquí la
necesidad de la participación de otros entes en la capacitación, elaboración e
implementación de estrategias de mejora para que los sistemas sean cada vez más
eficientes en el uso de recursos, para aprovechar el alto potencial ganadero de
la zona y sea expresado en la mejora de la calidad de vida del poblador.
4. CONCLUSIONES
Al
realizar el análisis de las variables productivas de los sistemas de producción
de ganado vacuno doble propósito en estudio, se evidenció que un 17.4 % de los
productores están clasificados de bajo nivel productivo, mientras que el 4.16 %
fueron clasificados como muy bueno.
El
50.95 % de los sistemas productivos evaluados tuvieron una clasificación de
nivel regular e indican que más de la mitad necesitan de apoyo técnico para
incrementar su producción.
Según los
indicadores evaluados el nivel productivo bajo queda evidenciado en distrito de
Oxapampa con 8.10 % y, a su vez, que el nivel productivo muy bueno fue 2.38 %,
probablemente debido a la mayor intensificación de la producción ganadera. Por
otro lado, el distrito de Huancabamba presentó la mayor proporción de nivel
productivo bueno (11.43 %). Este comportamiento posiblemente se deba a la mayor
población urbana presente en Oxapampa en comparación a los otros distritos
evaluados.
Referencias
Cántaro, J. (2017). Caracterización de los sistemas de
producción ganadera de los distritos nueve de julio (Junín) y tintay puncu
(Huancavelica) en la sierra central. Lima. Tesis de Ingeniero Zootecnista.
Lima. Univ. Nacional Agraria La Molina. 140 p. Disponible en: http://repositorio.lamolina.edu.pe/handle/UNALM/3353
Díaz,
V.C. & Willems, M.C. (2017). Línea de base del sector café en el Perú.
Programa de Commodities Verdes, iniciativa global del Programa de las Naciones
Unidas para el Desarrollo (PNUD). 58p. Disponible en: https://www.pe.undp.org/content/peru/es/home/library/environment_energy/linea-de-base-del-sector-cafe-en-el-peru.html.
Espinosa,
O.A., Álvarez, M.A., Del Valle, M.C. & Chauvette, M. (2005). La economía de
los sistemas campesinos de producción de leche en el Estado de México. Téc
Pecu Méx. 43(1):39-56. Disponible en: http://www.redalyc.org/articulo.oa?id=61343104
Holdridge,
L. (2000). Ecología basada en zonas de vida. San José, Costa Rica: IICA.
216 p. Disponible en:https://repositorio.iica.int/bitstream/handle/11324/7936/BVE19040225e.pdf?sequence=1&isAllowed=y
[INEI]
Instituto Nacional De Estadística E Informática. (2012). Estadísticas
vitales en los distritos del Perú. Lima. Perú. [Internet], [12 diciembre
del 2020]. Disponible en: https://www.inei.gob.pe/
Jobson,
J.D. (2012). Applied multivariate data analysis: volume II: Categorical
and Multivariate Methods. Springer Science y Business Media. 732 p.
Disponible en: JD Jobson -
2012 - books.google.com
Leos,
R.J., Serrano, P.A., Salas, G.J., Ramírez, M.P. & Sagarnaga, V.M. (2008).
Caracterización de ganaderos y unidades de producción pecuaria beneficiarios
del Programa de estímulos a la productividad ganadera (PROGAN) en México. Agric
Soc Des. 5(2):213-230. Disponible en:
<http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1870-54722008000200005&lng=es&nrm=iso>.
ISSN 1870-5472.
Maicelo,
J.L. & Bardales, J. (2017). Caracterización de los sistemas de producción y
formulación de indicadores de adaptabilidad del ganado bovino
Simmental-Fleckvieh, región Amazonas. Revista de Investigación en
Ciencia y Biotecnología Animal, 1(1). Disponible en: http://dx.doi.org/10.25127/ricba.20171.163.
Pizarro,
C.S. (2017). Degradación y vulnerabilidad al cambio climático en pastizales
altoandinos. Tesis de maestro es producción animal. Lima: Univ. Nacional
Agraria La Molina. 201 p. Disponible en: http://repositorio.lamolina.edu.pe/handle/UNALM/2916.
Rowan,
R.C., Ladewig, H.W. & White, L.D. (1994). Perceptions vs. recommendations:
a rangeland decision-making dilemma. Journal of Range Management, 47(5),
344-348. Disponible en: https://journals.uair.arizona.edu/index.php/jrm/article/viewFile/8952/8564.
Ruiz,
M., Ruiz, J., Verena, T. & Cach, J. (2012). Estudio de sistemas de
producción de carne bovina en un municipio del estado de Hidalgo, México. Rev.
Cubana Cien. Agríc. 46 (3): 261- 265. Disponible en: https://www.redalyc.org/pdf/1930/193025294006.pdf.
Sánchez,
J. (2019). Caracterización de los sistemas de producción de vacunos para el
desarrollo ganadero en el distrito de Oxapampa Pasco. Lima. Univ. Nacional
Agraria la Molina. Tesis de maestría. 140 p. Disponible en: http://repositorio.lamolina.edu.pe/handle/UNALM/3814.
[SENAMHI]
Servicio Nacional de Meteorología e Hidrología del Perú. (2019). Ministerio del
Ambiente. [Internet]. Disponible en: https:// www.senamhi.gob.pe
Velázquez,
A.J. & Perezgrovas G.R. (2017). Caracterización de sistemas productivos de
ganado bovino en la región indígena XIV Tulijá-Tseltal-Chol, Chiapas, México. Agrociencia, 51(3),
285-297. Disponible en: http://www.scielo.org.mx/scielo.php?pid=S1405-31952017000300285&script
=sci_arttext.
