Download - DINAMICA DE LA OFERTA AGROPECUARIA ARGENTINA: ELASTICIDADES DE LOS PRINCIPALES CULTIVOS PAMPEANOS
DINAMICA DE LA OFERTA AGROPECUARIA ARGENTINA: ELASTICIDADES DE LOS PRINCIPALES CULTIVOS PAMPEANOS
VICTOR BRESCIADANIEL LEMA
INSTITUTO DE ECONOMIA Y SOCIOLOGIA
INTA
1. Introducción.
2. Modelización del componente dinámico:
2.1 Enfoque clásico: Expectativas Adaptativas y Ajuste Parcial.
2.2 Enfoque de cointegración y corrección de errores
3. Dinámica de la oferta agropecuaria: Estimación de elasticidades de los principales cultivos pampeanos. 3.1 Resultados: Análisis de Estacionariedad: Augmented Dickey-Fuller (ADF) Unit Root Test. Regresión de corto plazo y Modelo de corrección de errores. Tabla de Elasticidades Area: Corto y Largo Plazo.
4. Discusión de resultados.
Comentarios finales.
Dinámica de la oferta agropecuaria
• Los modelos econométricos de oferta agropecuaria se han formulado en general a partir de series temporales generando estimaciones derivadas de la utilización tanto del modelo desarrollado por Nerlove (1958), o del modelo de Griliches (1960) para estimaciones de oferta agregada.
Enfoque clásico: Expectativas adaptativas y ajuste parcial
• Xt* = a + bPe
xt (1)
• Pext - Pe
x, t-1 = (Px, t-1 - Pex, t-1)
• Pext = Px, t-1 + ( 1 - ) Pe
x, t-1
• Por sustitución recurrente, puede escribirse:
• Pext = ( 1 - ) Pe
x, t-1 (2)
• Sustituyendo (2) en (1) resulta:
• Xt= a/ + b/ Px, t-1 + ( 1 - ) Xt-1 (3)
• Siguiendo una lógica similar a la empleada para el modelo de expectativas de precios, se puede escribir:
• Xt = X* t + (1-) Xt-1 (4)
• Donde (0 < < 1) es el coeficiente de ajuste parcial
• Suponiendo (modelo “naive”) que el precio esperado es el precio rezagado Px,
t-1 y sustituyendo (4) en (1):
• Xt = 1/ a + 1/ b Px, t-1 + (1-) Xt-1 (5)
Enfoque de cointegración y
corrección de errores • Este enfoque es mas general que el
mecanismo de ajuste parcial, ya que permite modelar un espectro mas amplio de ajustes dinámicos. Esto es lo que se pasará a ilustrar a continuación, y lo que constituye el argumento principal de esta presentación
• Las ecuaciones básicas del modelo de ajuste parcial son:
• (7) At - At-1 = (A*t - At-1)
• (8) P*t - P*
t-1 = ß (Pt-1 - P*t-1)
• (9) A*t = a0 + a1 P*
t + a2 Zt + ut
• Con el supuesto adicional ß=1 (expectativas de precios ingenuas: P*
t = Pt-1), se genera la ecuación finalmente estimada:
• At = a0 + a1 Pt-1 + (1- ) At-1 + a2 Zt + ut
• (10)
• Por el otro lado, el enfoque de ECM combina interacciones de corto y largo plazo entre un grupo de variables. Para estar relacionadas en el largo plazo es necesario que las variables sean del mismo orden de integración y que estén cointegradas.
• Supóngase que At y Pt están cointegradas, siendo del mismo orden. La relación de largo plazo entre ellas se expresa como:
• (11) At = 0 + 1 Pt + vt <==> (12)vt = At - 0 - 1 Pt
• Dado que At y Pt están cointegradas, digamos de orden 1, el término vt será estacionario y existe una representación del tipo ECM para estas dos variables (Teorema de Representación de Granger), que se expresa como:
– At = + Pt - vt-1 (13)
– Reemplazando vt-1 por su expresión en (12) (vt = At - 0 - 1 Pt ), se tiene:
At = + Pt - (At-1 - 0 - 1 Pt-1)
– Recordando que, por operador diferencia,
– At=At-At-1 y Pt=Pt-Pt-1, se obtiene:
At = ( + 0 ) + Pt + (1 - ) At-1 – ( - 1) Pt-1
(15)
– Compare los modelos (15) y (10). Coincidirán –obviando variables exógenas adicionales como Zt- sólo si el término para Pt es omitido de la especificación ECM
At = a0 + a1 Pt-1 + (1- ) At-1 + a2 Zt + ut (10)
At = ( + 0 ) + Pt + (1 - ) At-1 – ( - 1) Pt-1 (15)
– lo que demuestra que el modelo de ajuste parcial está anidado dentro del modelo ECM, el que constituye una especificación mas general del problema.
– Por otra parte, el supuesto (verificable) del ECM es que todas sus variables son series estacionarias, lo que genera resultados correctos cuando el modelo es estimado por MCO.
La estimación del Modelo ECM
– El modelo de corrección de errores queda especificado en su versión mas simple por medio de la ecuación (11) presentada mas arriba, donde se modela la relación de largo plazo entre el área cultivada y el precio del commodity bajo estudio, esperándose a priori un valor positivo para 1:
• (11) At = 0 + 1 Pt + vt
– La versión dinámica del modelo de corto plazo para la oferta se presenta en primeras diferencias en la expresión (13), donde representa el desequilibrio con repecto al largo plazo, el que será corregido parcialmente cada período:
– (13) At = + Pt - vt-1
• El proceso de estimación sigue en su primera etapa la rutina correspondiente al análisis de cointegración
• Primero debe evaluarse la estacionariedad de las series, es decir, verificar la ausencia de raíces unitarias. El orden de cointegración de las series se examina por medio del test aumentado de Dickey-Fuller (ADF), tanto para los niveles como para las primeras diferencias de las series.
Lo que sigue es la validación del proceso de cointegración propuesto para el par de variables {At ; Pt}. Para ello, siguiendo la metodología de Engle and Granger (1991) se prueba –vía los tests ADF- si los residuos mínimo-cuadráticos de la estimación de la ecuación (11) son estacionarios, o sea I(0). En este caso la hipótesis nula es de no cointegración y lo que se espera es su rechazo.
También es posible explorar si la cointegración resultante es determinística o estocástica. Para ello se incluye y omite alternativamente un término de tendencia en la ecuación (11). Cuando se lo incluye, la representación toma la forma definida en (11a):
– (11a) At = 0 + 1 Pt + 2 TIME + vt
– La segunda etapa del proceso de estimación se corresponde con el componente de Corrección de Errores. Esto equivale a estimar el modelo referenciado en (13).
– (13a) At = + Pt + vt-1 + et
– De estar expresadas la variables en logaritmos, el coeficiente representa la elasticidad precio de corto plazo de la oferta, medida en este caso por área bajo cultivo. El coeficiente del término de corrección de errores (esperado negativo) mide el ajuste hacia la relación de largo plazo entre At y Pt.
– (13a) At = + Pt + vt-1 + et
– Esto equivale a razonar que si en la relación en niveles (11) se desarrolla un shock aleatorio vt positivo, en el sentido de impulsar At por encima de su sendero esperado, la ecuación en diferencias (13a) –básicamente el Modelo de Corrección de Errores- tomará en cuenta dicho desvío corrigiendo hacia abajo dado el signo negativo esperado para el coeficiente que acompaña a vt-1.
– (13a) At = + Pt + vt-1 + et
Resultados:
Análisis de Estacionariedad: Augmented Dickey-Fuller (ADF) Unit Root Test
Estimación del ECM
SERIEEstadístico
ADFValor críticoal 1% y 5%
Decisión
Log de Área Sembrada con Maíz, enNiveles. LOGAM
- 2.20 -3.61-2.94
No Rechazar Ho al 5%
Log de Area Sembrada con Maíz, en1ras. diferencias. DLOGAM
-4.38 -3.61-2.94
Rechazar Ho al 1%
Log de Area Sembrada con Trigo, enNiveles. LOGAT
-3.61 -3.61-2.94
No Rechazar Ho al 1%
Log de Area Sembrada con Trigo, en1ras. diferencias. DLOGAT
-5.49 -3.61-2.94
Rechazar Ho al 1%
Log de Area Sembrada con Soja, enNiveles. LOGAS
-2.49 -3.64-2.95
No Rechazar Ho al 5%
Log de Area Sembrada con Soja, en1ras. diferencias. DLOGAS
-3.17 -3.64-2.95
Rechazar Ho al 5%
Log de Area Sembrada con Girasol,en Niveles. LOGAG
-0.67 -3.61-2.94
No Rechazar Ho al 5%
Log de Area Sembrada con Girasol,en 1ras. diferencias. DLOGAG
-5.42 -3.61-2.94
Rechazar Ho al 1%
Log de Precio Maíz, en Niveles.LOGPM
-1.85 -3.61-2.94
No Rechazar Ho al 5%
Log de Precio Maíz, en 1ras.diferencias. DLOGPM
-6.17 -3.61-2.94
Rechazar Ho al 1%
Log de Precio Trigo, en Niveles.LOGPT
-2.20 -3.61-2.94
No Rechazar Ho al 5%
Log de Precio Trigo, en 1ras.diferencias. DLOGPT
-6.42 -3.61-2.94
Rechazar Ho al 1%
Log de Precio Soja, en Niveles.LOGPS
-2.55 -3.64-2.95
No Rechazar Ho al 5%
Log de Precio Soja, en1ras. diferencias. DLOGPS
-5.80 -3.64-2.95
Rechazar Ho al 1%
Log de Precio Girasol, en Niveles.LOGPG
-2.28 -3.61-2.94
No Rechazar Ho al 5%
Log de Precio Girasol, en 1ras.diferencias. DLOGPG
-5.53 -3.61-2.94
Rechazar Ho al 1%
Inflación, en Niveles.INFLAC
-4.23 -3.61-2.94
Rechazar Ho al 1%
Inflación, en 1ras. diferencias.DINFLAC
-6.64 -3.62-2.94
Rechazar Ho al 1%
Log de Precio Novillo, en Niveles.LOGPNOV
-4.37 -3.61-2.94
Rechazar Ho al 1%
Log de Precio Novillo, en 1ras.diferencias DLOGPNOV
-6.44 -3.61-2.94
Rechazar Ho al 1%
LS // Dependent Variable is LOGAMSample(adjusted): 1966 2000
Variable Coefficient Std. Error t-Statistic Prob.LOGPM(-1) 0.488686 0.066264 7.374798 0.0000LOGPS(-1) -0.313146 0.048373 -6.473583 0.0000INFLAC(-1) -0.000138 1.92E-05 -7.160719 0.0000LOGAM(-1) 0.613344 0.064532 9.504524 0.0000C 5.237104 0.869530 6.022914 0.0000
R-squared 0.929131 Mean dependent var 15.06846Adjusted R-squared 0.919681 S.D. dependent var 0.206137S.E. of regression 0.058420 Akaike info criterion -5.548617Sum squared resid 0.102388 Schwarz criterion -5.326425Log likelihood 52.43796 F-statistic 98.32832Durbin-Watson stat 1.996625 Prob(F-statistic) 0.000000
LOGAM = 0.48868623*LOGPM(-1) - 0.3131459*LOGPS(-1) - 0.00013757162*INFLAC(-1)+ 0.61334359*LOGAM(-1) + 5.2371044
Largo Plazo: t = t-10.387*LOGAM = 0.48868623*LOGPM - 0.3131459*LOGPS - 0.00013757162*INFLAC + 5.2371044
LOGAM = 1.26*LOGPM - 0.79*LOGPS - 0.000354*INFLAC + 13.43
ECTMAIZ = LOGAM - 1.26*LOGPM + 0.79*LOGPS + 0.000354*INFLAC - 13.43
LS // Dependent Variable is D(LOGAM)Sample(adjusted): 1967 2000
Variable Coefficient Std. Error t-Statistic Prob.D(LOGPM(-1)) 0.430326 0.056136 7.665792 0.0000D(LOGPS(-1)) -0.311787 0.042044 -7.415692 0.0000D(INFLAC(-1)) -0.000160 1.65E-05 -9.729811 0.0000ECTMAIZ(-1) -0.382952 0.061521 -6.224773 0.0000C 0.008747 0.009309 0.939601 0.3552
R-squared 0.817155 Mean dependent var -0.002076Adjusted R-squared 0.791935 S.D. dependent var 0.116246S.E. of regression 0.053025 Akaike info criterion -5.738942Sum squared resid 0.081537 Schwarz criterion -5.514477Log likelihood 54.31810 F-statistic 32.40106Durbin-Watson stat 2.008480 Prob(F-statistic) 0.000000
D(LOGAM) = 0.43032595*D(LOGPM(-1)) - 0.3117875*D(LOGPS(-1))- .00016032901*D(INFLAC(-1)) - 0.3829517*ECTMAIZ(-1) + 0.0087465793
Elasticidades Corto Plazo:Maíz-Maíz = 0.43 Maíz-Soja = - 0.31Elasticidades Largo Plazo:Maíz-Maíz = 1.26 Maíz-Soja = - 0.79
LS // Dependent Variable is LOGATSample(adjusted): 1967 2000
Variable Coefficient Std. Error t-Statistic Prob.C 11.58498 2.072224 5.590605 0.0000LOGPT(-1) 0.388151 0.093191 4.165110 0.0003LOGPT(-2) 0.247493 0.101252 2.444328 0.0213LOGPS(-2) -0.407285 0.091014 -4.474973 0.0001LOGPNOV(-1) -0.299524 0.122198 -2.451134 0.0210LOGPNOV(-2) 0.228093 0.130990 1.741295 0.0930LOGAT(-1) 0.196592 0.140172 1.402502 0.1722
R-squared 0.638414 Mean dependent var 15.54343Adjusted R-squared 0.558062 S.D. dependent var 0.158173S.E. of regression 0.105151 Akaike info criterion -4.323482Sum squared resid 0.298530 Schwarz criterion -4.009231Log likelihood 32.25528 F-statistic 7.945177Durbin-Watson stat 1.945226 Prob(F-statistic) 0.000054
LOGAT = 11.584985 + 0.38815126*LOGPT(-1) + 0.24749333*LOGPT(-2) - 0.40728456*LOGPS(-2) - 0.29952427*LOGPNOV(-1) + 0.22809257*LOGPNOV(-2)+ 0.19659153*LOGAT(-1)
Largo Plazo: t = t-1 = t-20.805*LOGAT = 11.584985 + 0.38815126*LOGPT + 0.24749333*LOGPT - 0.40728456*LOGPS- 0.29952427*LOGPNOV + 0.22809257*LOGPNOV
LOGAT = 14.29 + 0.765*LOGPT - 0.49*LOGPS - 0.08*LOGPNOV
ECTTRIGO = LOGAT - 14.29 - 0.765*LOGPT + 0.49*LOGPS + 0.08*LOGPNOV
LS // Dependent Variable is D(LOGAT)Sample(adjusted): 1967 2000
Variable Coefficient Std. Error t-Statistic Prob.C 0.136630 0.026141 5.226618 0.0000D(LOGPT(-1)) 0.383764 0.072524 5.291551 0.0000D(LOGPS(-1)) -0.027777 0.074786 -0.371419 0.7130D(LOGPNOV(-1)) -0.282794 0.103012 -2.745265 0.0103ECTTRIGO(-1) -0.823547 0.120491 -6.834943 0.0000
R-squared 0.710826 Mean dependent var 0.002821Adjusted R-squared 0.670939 S.D. dependent var 0.176566S.E. of regression 0.101285 Akaike info criterion -1.606705Sum squared resid 0.297501 Schwarz criterion -1.382240Log likelihood 32.31399 F-statistic 17.82137Durbin-Watson stat 1.933695 Prob(F-statistic) 0.000000
D(LOGAT) = 0.13662997 + 0.38376436*D(LOGPT(-1)) - 0.02777699*D(LOGPS(-1))- 0.28279446*D(LOGPNOV(-1)) - 0.8235469*ECTTRIGO(-1)
Elasticidades Corto Plazo:Trigo-Trigo = 0.38 Trigo-Soja = - 0.028 Trigo-Novillo = - 0.28Elasticidades Largo Plazo:Trigo-Trigo = 0.77 Trigo-Soja = - 0.49 Trigo-Novillo = - 0.08
LS // Dependent Variable is LOGASSample(adjusted): 1967 2000
Variable Coefficient Std. Error t-Statistic Prob.LOGPS(-1) 0.291654 0.143873 2.027165 0.0530LOGPM(-1) -0.276979 0.177634 -1.559270 0.1310LOGAS(-1) 0.850247 0.165752 5.129636 0.0000LOGAS(-2) -0.311820 0.140574 -2.218194 0.0355DS -2.786068 0.776563 -3.587688 0.0014T 0.033852 0.010350 3.270713 0.0030T*DS 0.141297 0.038298 3.689409 0.0010C 5.782024 1.756508 3.291773 0.0029
R-squared 0.996093 Mean dependent var 13.99278Adjusted R-squared 0.995041 S.D. dependent var 1.955387S.E. of regression 0.137699 Akaike info criterion -3.763040Sum squared resid 0.492989 Schwarz criterion -3.403896Log likelihood 23.72777 F-statistic 946.9285Durbin-Watson stat 2.008829 Prob(F-statistic) 0.000000
LOGAS = 0.29165387*LOGPS(-1) - 0.27697884*LOGPM(-1) + 0.85024722*LOGAS(-1)- 0.31182003*LOGAS(-2) - 2.7860677*DS + 0.033852378*T + 0.14129717*(T*DS) + 5.7820241
Largo Plazo: t = t-1 = t-20.461*LOGAS = 0.29165387*LOGPS - 0.27697884*LOGPM + 0.85024722*LOGAS -0.31182003*LOGAS -2.7860677*DS + 0.033852378*T + 0.14129717*(T*DS) + 5.7820241
LOGAS = 12.56 + 0.63*LOGPS - 0.60*LOGPM – 6.06*DS + 0.07*T + 0.30*(T*DS)
ECTSOJA = LOGAT - 0.63*LOGPS + 0.60*LOGPM + 6.06*DS - 0.07*T - 0.30*(T*DS)
LS // Dependent Variable is D(LOGAS)Sample(adjusted): 1967 2000
Variable Coefficient Std. Error t-Statistic Prob.D(LOGPS(-1)) 0.244690 0.124393 1.967070 0.0585D(LOGPM(-1)) -0.239049 0.151628 -1.576551 0.1254ECTSOJA(-1) -0.616654 0.118714 -5.194467 0.0000C 0.330701 0.039476 8.377216 0.0000
R-squared 0.515240 Mean dependent var 0.184516Adjusted R-squared 0.466764 S.D. dependent var 0.226601S.E. of regression 0.165471 Akaike info criterion -0.649909Sum squared resid 0.821421 Schwarz criterion -0.470337Log likelihood 15.04845 F-statistic 10.62876Durbin-Watson stat 1.078708 Prob(F-statistic) 0.000063
D(LOGAS) = 0.24469005*D(LOGPS(-1)) - 0.23904875*D(LOGPM(-1)) - 0.61665442*ECTSOJA(-1) + 0.33070136
Elasticidades Corto Plazo:Soja-Soja = 0.24 Soja-Maíz = - 0.24Elasticidades Largo Plazo:Soja-Soja = 0.63 Soja-Maíz = - 0.60
LS // Dependent Variable is LOGAGSample(adjusted): 1961 2000
Variable Coefficient Std. Error t-Statistic Prob.LOGPG(-1) 0.385606 0.104741 3.681533 0.0008LOGAG(-1) 0.248195 0.136405 1.819552 0.0772C 8.076480 2.043188 3.952882 0.0003T 0.030459 0.004689 6.496028 0.0000
R-squared 0.894242 Mean dependent var 14.43713Adjusted R-squared 0.885429 S.D. dependent var 0.394433S.E. of regression 0.133509 Akaike info criterion -3.932533Sum squared resid 0.641688 Schwarz criterion -3.763645Log likelihood 25.89312 F-statistic 101.4665Durbin-Watson stat 1.927771 Prob(F-statistic) 0.000000
LOGAG = 0.38560618*LOGPG(-1) + 0.2481955*LOGAG(-1) + 8.0764804 + 0.030458681*T
Largo Plazo: t = t-10.752*LOGAG = 0.38560618*LOGPG + 8.0764804 + 0.030458681*T
LOGAG = 0.51*LOGPG + 10.73 + 0.040*T
ECTGIRASOL = LOGAG - 0.51*LOGPG - 10.73 - 0.040*T
LS // Dependent Variable is D(LOGAG)Sample(adjusted): 1962 2000
Variable Coefficient Std. Error t-Statistic Prob.D(LOGPG(-1)) 0.416520 0.087465 4.762144 0.0000ECTGIR(-1) -0.708277 0.159037 -4.453545 0.0001C 0.196898 0.041349 4.761806 0.0000
R-squared 0.571845 Mean dependent var 0.029800Adjusted R-squared 0.548059 S.D. dependent var 0.198396S.E. of regression 0.133375 Akaike info criterion -1.117506Sum squared resid 0.640397 Schwarz criterion -0.989540Log likelihood 24.79136 F-statistic 24.04085Durbin-Watson stat 1.982984 Prob(F-statistic) 0.000000
D(LOGAG) = 0.41652042*D(LOGPG(-1)) - 0.70827691*ECTGIR(-1) + 0.19689776
Elasticidades Corto Plazo:Girasol-Girasol = 0.42Elasticidades Largo Plazo:Girasol-Girasol = 0.51
Tabla de Elasticidades Area: Corto y Largo Plazo
Variable
Producto
Precio Maíz
Precio Trigo
Precio Soja
Precio Girasol
Precio Novillo
Maíz CP LP
0.43
1.26
- 0.31
- 0.79
Trigo CP LP
0.38
0.77
- 0.028
- 0.49
- 0.28
- 0.08
Soja CP LP
- 0.24
- 0.60
0.24
0.63
Girasol CP LP
0.42
0.51
0
5000000
10000000
15000000
20000000
25000000
196019621964196619681970197219741976197819801982198419861988199019921994199619982000
Gráfico 1: Área sembrada por Cultivo.Total País. 1960-2000 (en Hectáreas)
Trigo
Soja
Maíz
Girasol
0
10000000
20000000
30000000
40000000
50000000
60000000
196019621964196619681970197219741976197819801982198419861988199019921994199619982000
Gráfico 2: Producción por Cultivo.Total País. 1960-2000 (en Toneladas)
Trigo
Soja
Maíz
Girasol
Mercado Internacional
x
Mercado Doméstico
O
CD
Q Q Q Q Q
Q
Q 1 2 3 4 e
e
P P
D O d d
P
P
1
0
P
B
C D E F
A
=0.46
=1
P
() ()
EXPORTACIONES AGROPECUARIAS ARGENTINASEXPORTACIONES AGROPECUARIAS ARGENTINAS
ELASTICIDADES PRECIO (EPE) DE CORTO PLAZO DE LA OFERTA de EXPORTACION.ELASTICIDADES PRECIO (EPE) DE CORTO PLAZO DE LA OFERTA de EXPORTACION.
PRODUCTO EPO () EPD () y% (1-y)% EPE
Oferta Agropecuaria 0.11 0.31 70.0 30.0 1.09Agregada
0.33 0.31 70.0 30.0 1.82
Trigo 0.38 0.10 35.8 64.2 0.65
Maíz 0.43 0.10 36.0 64.0 0.73
Soja 0.24 0.50 2.6 97.4 0.26
Girasol 0.42 0.50 21.8 78.2 0.68
Carne Vacuna 0.14 0.35 88.0 12.0 3.73
EPE = {|EPD| + EPO} / (1-)
Elasticidad Precio de las Exportaciones ArgentinasProducción Agropecuaria Agregada
1,091,19
1,311,44
1,60
1,79
1,000,93
0,860,800,74
0,70,72
0,74
0,76
0,78
0,8
0,680,66
0,640,62
0,6
0,830,91
0,991,09
1,211,35
0,770,710,660,620,58
0,00
0,50
1,00
1,50
2,00
2,50
3,00
0,5 0,52 0,54 0,56 0,58 0,6 0,62 0,64 0,66 0,68 0,7 0,72 0,74 0,76 0,78 0,8 0,82 0,84 0,86 0,88 0,9
Participación del consumo en la producción
Ela
stic
ida
d
EPEAgreg Escenario 1 Escenario 2
0
Elasticidad Precio de las Exportaciones ArgentinasMaíz
0,730,75
0,78
0,81
0,85
0,88
0,700,68
0,660,64
0,62
0,84
0,87
0,90
0,93
0,97
1,01
0,810,78
0,760,73
0,71 0,700,72
0,750,78
0,81
0,84
0,680,66
0,640,62
0,60
0,50
0,60
0,70
0,80
0,90
1,00
1,10
0,2 0,22 0,24 0,26 0,28 0,3 0,32 0,34 0,36 0,38 0,4 0,42 0,44 0,46 0,48 0,5
Participación del consumo en la producción
Ela
sti
cid
ad
EPEMaíz Escenario 1 Escenario 2
Elasticidad Precio de las Exportaciones ArgentinasSoja
0,27
0,28
0,29
0,30
0,26
0,320,32
0,33
0,34
0,35
0,36
0,32
0,25 0,260,26
0,270,27
0,28
0,25
0,25
0,25
0,25
0,260,26
0,25
0,31 0,31
0,31
0,31
0,25 0,250,25
0,25
0,24
0,26
0,28
0,30
0,32
0,34
0,36
0,38
0 0,02 0,04 0,06 0,08 0,1
Participación del consumo en la producción
Ela
sti
cid
ad
EPESoja Escenario 1 Escenario 2
Elasticidad Precio de las Exportaciones ArgentinasTrigo
0,650,67
0,700,73
0,76
0,79
0,630,61
0,590,57
0,55
0,83
0,87
0,90
0,93
0,97
1,01
0,810,78
0,760,73
0,71
0,620,64
0,670,69
0,720,75
0,600,58
0,560,55
0,53
0,50
0,60
0,70
0,80
0,90
1,00
1,10
0,2 0,22 0,24 0,26 0,28 0,3 0,32 0,34 0,36 0,38 0,4 0,42 0,44 0,46 0,48 0,5
Participación del consumo en la producción
Ela
stic
idad
EPETrigo Escenario 1 Escenario 2
Elasticidad Precio de las Exportaciones ArgentinasGirasol
0,74
0,78
0,81
0,85
0,78
0,82
0,85
0,89
0,93
0,97
0,75
0,620,65
0,670,70
0,73
0,76
0,60
0,650,62
0,68
0,71
0,60
0,570,55
0,720,69
0,66
0,64
0,580,56
0,540,520,50
0,55
0,60
0,65
0,70
0,75
0,80
0,85
0,90
0,95
1,00
0,1 0,12 0,14 0,16 0,18 0,2 0,22 0,24 0,26 0,28 0,3 0,32 0,34
Participación del consumo en la producción
Ela
stic
idad
EPEGirasol Escenario 1 Escenario 2
Elasticidad Precio de las Exportaciones ArgentinasCarne Vacuna
5,09
5,78
6,65
7,82
3,92
4,87
5,53
6,36
7,48
3,27
4,91
6,11
6,93
7,98
9,38
3,423,15
3,734,10
2,922,712,53
3,57
3,012,78
2,592,41
4,47
4,093,76
3,483,24
3,02
2,00
2,50
3,00
3,50
4,00
4,50
5,00
5,50
6,00
6,50
7,00
7,50
8,00
8,50
9,00
9,50
0,82 0,83 0,84 0,85 0,86 0,87 0,88 0,89 0,9 0,91 0,92 0,93 0,94 0,95
Participación del consumo en la producción
Ela
sti
cid
ad
EPECarne Escenario 1 Escenario 2
EXPORTACIONES AGROPECUARIAS ARGENTINASEXPORTACIONES AGROPECUARIAS ARGENTINAS
VALOR DE LAS EXPORTACIONES ADICIONALES ANTE MEJORES PRECIOSVALOR DE LAS EXPORTACIONES ADICIONALES ANTE MEJORES PRECIOS
ESCENARIO 1: Q y P promedios 97/98 – 99/00
Qd P EPE P Qe $
PRODUCTO [mill. Ton] [u$s/Tn] [%] [u$s/Tn] [mill. Ton] [mill. u$s]
Trigo 14.181 103.19 35.8 0.65 10 1.362 65.776
Maíz 16.549 89.08 36.0 0.73 5 0.816 40.600
Soja 19.646 171.32 2.6 0.26 15 6.450 122.934
Girasol 6.265 186.18 21.8 0.68 12 0.467 42.571
$ = P * Qd * (1-) * {EPE + (P / 2 * P * EPE)}
EEXXPPOORRTTAACCIIOONNEESS AAGGRROOPPEECCUUAARRIIAASS AARRGGEENNTTIINNAASS
VVAALLOORR DDEE LLAASS EEXXPPOORRTTAACCIIOONNEESS AADDIICCIIOONNAALLEESS AANNTTEE MMEEJJOORREESS PPRREECCIIOOSS
ESCENARIO 2: Mayores Q y menores P
$ = P * Qd * (1-) * {EPE + (P / 2 * P * EPE)}
Qd P EPE P Qe $ PRODUCTO [mill. Ton] [u$s/Tn] [%] [u$s/Tn] [mill. Ton] [mill. u$s] Trigo 18 100 35.8 0.65 5 0.892 39.652 Maíz 20 80 36.0 0.73 3 0.659 28.949 Soja 25 150 2.6 0.26 10 6.250 94.498 Girasol 8 160 21.8 0.68 5 0.308 21.931