En este artículo, proponemos la estimación de la productividad agrícola usando datos micro-económicos para el Perú. El método consiste en la estimación de una función de producción agraria, que permite recuperar la productividad como un residuo, y constituye una aplicación directa de desarrollos metodológicos recientes en la estimación de funciones de producción con datos de panel (e.g., Gandhi et al., 2013), pero aplicado en este artículo a datos de sección cru- zada. Debido a la menor información disponible para la estimación con respecto al caso de datos de panel, recurrimos a supuestos de formas funcionales. En particular, se escoge la función de elasticidad de sustitución constante, que permite una mayor flexibilidad que otras formas usadas previamente en la literatura empírica nacional, como la Cobb-Douglas. Encontramos que no hay sustento para la hipót...

In this article, we propose an estimation of the agriculture productivity using micro data forPeru. The method used builds on recent production function’s estimation techniques developed for panel data (e.g., Gandhi et al., 2013) but using cross-section data. Data constraints urge us to impose functional forms for the estimation. In particular, we choose the constant elasticity of substitution function, which is more flexible that other functions used by prior literature in Peru (such as the Cobb-Douglas). We find no evidence of the existence of increasing returns to scale in the Peruvian agriculture, and that the productivity is positively correlated with age, sex, andeducation, and negatively correlated with the farming unit’s acreage and market power.

El objetivo principal de este trabajo es estudiar sistemáticamente algunos determinantes de la productividad de la agricultura peruana, a partir de la estimación de funciones de producción agregadas, donde la producción puede variar por el nivel de uso de insumos o por la llamada productividad total de factores (PTF), definida como la variación en la producción que no es explicada por los insumos típicos, sino por variables como la tecnología. En particular, estimamos la productividad de las unidades agrícolas y examinamos cómo la existencia de poder de mercado podría afectar tanto su medición como su nivel real. Para ello, proponemos un método de estimación adecuado al uso de datos microeconómicos. De otro lado, dada la metodología utilizada, proponemos estudiar la influencia del tamaño de la unidad productiva.

Capítulo 4 del libro “Productividad en el Perú: Medición, determinantes e implicancias“. Se estiman la productividad y la función de producción agrícola con datos microeconómicos para el Perú. El método es una aplicación de desarrollos metodológicos recientes en la estimación de funciones de producción con datos de panel (Ghandi, Navarro y Rivers 2013) aplicado a datos de sección cruzada. Encontramos que, si bien la productividad agrícola está positivamente correlacionada con la educación, el efecto sobre la productividad del acceso a infraestructura básica (como acceso a servicios de agua potable, electricidad y carreteras) es sustancialmente mayor.

In this article, we propose an estimation of the agriculture productivity using micro data forPeru. The method used builds on recent production function’s estimation techniques developed for panel data (e.g., Gandhi et al., 2013) but using cross-section data. Data constraints urge us to impose functional forms for the estimation. In particular, we choose the constant elasticity of substitution function, which is more flexible that other functions used by prior literature in Peru (such as the Cobb-Douglas). We find no evidence of the existence of increasing returns to scale in the Peruvian agriculture, and that the productivity is positively correlated with age, sex, andeducation, and negatively correlated with the farming unit’s acreage and market power.