See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/333449545

Auge agroexportador en el Peru: un análisis de sobrevivencia de empresas

Conference Paper · May 2019

CITATIONS READS
0 558

1 author:

Eduardo Zegarra
Grupo de Análisis para el Desarrollo
47 PUBLICATIONS   157 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Enhancing implementation of nexus research to support sustainable economic development in Peru View project

Risk analysis View project

All content following this page was uploaded by Eduardo Zegarra on 29 May 2019.

The user has requested enhancement of the downloaded file.

Auge agroexportador en el Perú: un análisis de sobrevivencia de empresas.

Autor: Eduardo Zegarra

Investigador Principal de GRADE
ezegarra@grade.org.pe

Resumen. El presente estudio estima modelos de sobrevivencia de un conjunto de

empresas que han configurado el auge agroexportador peruano de las últimas tres
décadas. En base a un modelo microeconómico de entrada y salida, se estima un modelo
semi-paramétrico de Cox que toma en cuenta características de las empresas como
tamaño, organización jurídica, ubicación espacial. Adicionalmente, se consideran
dotaciones locales de activos, presencia de mano de obra femenina y las existencia de
servicios agropecuarios en las zonas de producción de las empresas. El estudio ofrece un
análisis complementario al Plan Nacional de Exportación PENX 2014-2025, ofreciendo
mayor profundidad con respecto al sector agropecuario exportador al incluir factores
microeconómicos más específicos como elementos explicativos.

Palabras clave: Auge agroexportador, modelos de sobrevivencia, comercio agrícola,

diversificación, política exportadora.
Introducción

El Perú ha tenido un fuerte crecimiento agroexportador durante las últimas dos décadas.
Las agroexportaciones se incrementaron a un ritmo anual de 10% entre 1994 y 2004, y
luego a razón de 14% por año entre 2005 y 20171. Esta evolución favorable fue más notoria
a partir de inicio de los 2000s, en un contexto de políticas específicas como la Ley de
Promoción Agraria 27360 (mayor flexibilidad laboral que el régimen general y pago del 50%
del impuesto a la renta); la mayor inversión pública en grandes proyectos de irrigación
costeños; y la firma de tratados de libre comercio (especialmente con Estados Unidos). Al
año 2017, las agroexportaciones peruanas ascendieron a US$ 4,800 millones, casi cinco
veces las del año 2004, representando el 12% de las exportaciones totales2.
En la presente investigación nos proponemos realizar un análisis de la capacidad de
sobrevivencia de empresas agroexportadoras en el contexto de este auge agroexportador.
Caracterizar y entender los patrones microeconómicos de la exportación es un tema clave
para las políticas de desarrollo económico de un país de tamaño medio y de limitado
mercado interno como el Perú. Las empresas que logran exportar de manera sostenida en
el tiempo tienen características específicas que pueden ser recreadas o expandidas, y se
ubican en territorios con ciertas particularidades y dotación de activos públicos y privados.
Identificar y promover estos factores puede convertirse en un elemento dinamizador
importante para el conjunto de la economía si el proceso exportador es adecuadamente
orientado y acompañado con políticas públicas de diversificación y de permanente
innovación tecnológica y capacitación empresarial y laboral.
El auge agroexportador peruano ha sido mayormente analizado en su dinámica agregada,
o por evoluciones específicas de grupos de productos y mercados de destino. No obstante,
se sabe muy poco de la dinámica micro-económica (a nivel de empresas) detrás de estos
agregados, especialmente con respecto a la capacidad de sobrevivencia. Consideramos
que este es un caso interesante de análisis ya que en el lapso de los últimos veinte años
se han producido procesos de entrada y salida de diversos tipos de empresas a los
mercados externos que dan cuenta de un proceso dinámico y complejo. ¿Qué tipo de
empresas han venido mostrando mayor capacidad de sostener el esfuerzo exportador?
¿Qué factores estructurales organizacionales y productivos influyen en la capacidad de
sobrevivencia de las empresas? ¿Hay un efecto de la composición de la mano de obra
femenina en la capacidad de sobrevivencia exportadora? son algunas de las preguntas que
esta investigación busca responder.

1
Los productos más importantes de este proceso han sido el espárrago, palta, mango, uvas y
algunas hortalizas. Pero también cabe incluir al café y banano como un producto de rápido
crecimiento en la última década. En conjunto, son productos en los que el Perú tiene ventajas
comparativas y competitivas.
2
www.sunat.gob.pe

2
1. El auge agroexportador peruano

Existe amplio consenso en que en el Perú ha ocurrido un auge agroexportador en las

últimas dos décadas. El mayor dinamismo se ha concentrado en las frutas y hortalizas,
como se puede ver en el siguiente gráfico.

Gráfico 1. Exportaciones agrarias anuales 1994-2017 (Miles US$)

6,000,000
otros
5,000,000
frutas y hortalizas
4,000,000 total

3,000,000

2,000,000

1,000,000

0
1990 1995 2000 2005 2010 2015 2020

Fuente: SUNAT. www.sunat.gob.pe

La demanda mundial por algunas frutas y hortalizas ha aumentado de manera significativa

en las últimas dos décadas, especialmente en los países más ricos. Esta tendencia se
asocia a cambios en los hábitos de consumo por los crecientes problemas alimentarios de
una dieta desbalanceada hacia grasas y carbohidratos. Utilizando datos del portal de
COMTRADE, analizamos la evolución de la demanda mundial (importaciones) de 16
productos que el Perú exporta y que son parte del auge agroexportador, como se puede
ver en el cuadro siguiente para el año 2016.

3
 Tabla 1. Exportaciones y demanda mundial de productos de agroexportación 2016
(Miles US$)
Perú % Perú Mundo % al Mundo
1 Espárragos 809,970 28.1% 10,571,000 7.66%
2 Uvas 659,718 22.9% 8,466,736 7.79%
3 Paltas 396,888 13.8% 4,821,859 8.23%
4 Mangos 306,246 10.6% 5,027,100 6.09%
5 Arándanos 241,256 8.4% 2,523,507 9.56%
6 Mandarinas 135,313 4.7% 4,326,989 3.13%
7 Páprika 91,107 3.2% 1,418,148 6.42%
8 Cebollas 71,075 2.5% 2,918,181 2.44%
9 Otros vegetales 54,661 1.9% 3,345,572 1.63%
10 Otras frutas 41,220 1.4% 2,649,205 1.56%
11 Legumbres 36,502 1.3% 11,495,452 0.32%
12 Frijoles 24,460 0.8% 1,365,151 1.79%
13 Aceitunas 7,958 0.3% 100,158 7.95%
14 Naranjas 4,249 0.1% 4,938,445 0.09%
15 Melones 2,305 0.1% 3,590,959 0.06%
16 Tomates 437 0.0% 8,567,357 0.01%
Total 2,883,365 100.0% 76,125,819 3.8%
Fuente: COMTRADE (2018)
Al año 2016, el Perú logró exportar US$ 2.9 mil millones de estos productos, cubriendo un
3.8% de la demanda mundial. Como se puede ver, la oferta está fuertemente concentrada
en cinco productos: espárragos, uvas, paltas, mangos y arándanos, que ocupan el 84% del
total. En estos cinco productos el Perú ocupa entre el 6% y 9% de la demanda mundial.
En el gráfico siguiente se muestra la evolución de la demanda mundial y la oferta
agroexportadora peruana entre 1998 y 2016 (escala logarítmica).

4
 Gráfico 2. Exportaciones y demanda mundial

Perú: evolución de exportaciones y demanda mundial

Escala logarítmica de valor en 1,000 USD
26

24

22

20

18
2000 2005 2010 2015

Peru Xs Mundo Ms

Fuente: COMTRADE

Es claro que ambas series están positivamente correlacionadas, pero también se puede ver
que la oferta exportada peruana ha crecido a una tasa bastante mayor que la de la demanda
mundial por estos productos. Como las series están en logaritmos, la pendiente es
equivalente a la tasa de cambio de la variable. En este caso, la tasa de crecimiento anual
promedio de las agroexportaciones peruanas asciende a 16%, mientras que la tasa de la
demanda asciende a sólo 6.7%. En otras palabras, el crecimiento de la demanda mundial
por los productos peruanos podría explicar un 42% del crecimiento, pero queda un 58%
que ha implicado aumento de la oferta desplazando a otros competidores. Esto indica que
la demanda ha sido importante pero también la capacidad competitiva del sector
agroexportador peruano.
En cuanto a la estructura empresarial del sector agroexportador orientado a frutas y
hortalizas, una cifra difundida por el Ministerio de Trabajo y Promoción del Empleo (MTPE)
sobre las más de 1,000 empresas acogidas al régimen especial de promoción agraria indica
que sólo las 15 primeras concentran casi el 50% de la masa laboral. Igualmente, el MTPS
señala que las empresas de más de 100 trabajadores ocupan al 89% de la masa laboral
total. Esto indica una muy alta concentración de la actividad exportadora en unas pocas
empresas bastante grandes.
2. Revisión de literatura
Hasta hace tres décadas la literatura económica sobre comercio internacional se basaba
casi exclusivamente en el análisis de los patrones de comercio de los países en base a
volúmenes y valores agregados transados. La teoría central era la de las "ventajas
comparativas" en base a modelos del agente representativo, diferencias en dotación de
factores y mercados perfectos para explicar los patrones de comercio. Esta teoría, sin
embargo ha venido siendo cuestionada desde nuevos enfoques como los de información
imperfecta, el rol de preferencias por la diversidad y el funcionamiento de mercados no
competitivos.
Sin embargo, las teorías alternativas a las ventajas comparativas tendieron a mantener el
supuesto del agente representativo, en gran parte también por limitaciones en obtener datos
sobre transacciones de comercio específicas. Esta situación ha empezado a cambiar
debido al creciente acceso a datos sobre transacciones individuales, que permiten

5
identificar a empresas, productos, mercados y tiempos en las transacciones en mercados
internacionales (Bernard et al, 2011). Esto ha abierto un espacio para teorías en las que
los patrones de comercio son explicados por la heterogeneidad de las empresas, productos
y mercados; con múltiples posibilidades de interacción entre los atributos de estas
entidades, su evolución en el tiempo y las estructuras de mercado e instituciones.
Uno de los desarrollos teóricos más importantes es considerar en forma explícita la
heterogeneidad de las firmas para explicar el comercio. La evidencia de datos micro
muestra que sólo una fracción de las empresas logra participar activamente del comercio
internacional; y que generalmente son las empresas más grandes, más productivas y con
mayores niveles tecnológicos (Bernard et al, 2011). Igualmente, se observa que son estas
empresas las que logran sobrevivir más tiempo exportando (o importando), mientras una
gran cantidad de otras empresas tienen intentos fallidos de comercio por lapsos muy cortos
de tiempo.
Estas regularidades empíricas han llevado a la formulación de nuevas teorías y modelos
micro que dan cuenta de patrones de entrada y salida, así como de la capacidad de
sobrevivencia, de empresas, productos y destinos en el comercio. Este último interés dio
lugar a la aparición del llamado análisis de sobrevivencia (survival analysis) en el
comercio, utilizado por primera vez para analizar características de las exportaciones a los
Estados Unidos por Besades y Prusa (2006). Desde ese trabajo pionero, se han venido
generando diversos estudios empíricos con esta metodología, tanto para países
desarrollados como en desarrollo. La variable central analizada es la capacidad de
sobrevivencia de las empresas en los procesos de exportación o importación.
Según Argüello et al (2013), en los estudios que buscan dar cuenta de la capacidad de
sobrevivencia de empresas se pueden distinguir tres tipos de factores que la determinarían:
(i) diversificación de productos y mercados; (ii) heterogeneidad en los mercados de destino;
(iii) redes de información. Cabe señalar que la mayor cantidad de estudios en la literatura
actual se centran en los factores (i) y (ii), como Tovar y Martínez (2011) para Colombia;
Alvarez y Saez (2014) para Chile; Martuscellui y Varela (2015) para Georgia; Rahu (2015)
para Estonia; Stirbat et al (2013) para Laos; Pelkmans-Blalaoing et al (2016) para Filipinas;
y Esteve-Perez et al (2013) para España. Para el Perú también se han aplicado este tipo
de modelos a datos de exportación en por lo menos dos casos: Volpe-Martincus y Carballo
(2009), y Fugazza y McLaren (2014). Ambos se refieren al conjunto de la oferta exportable
y modelan explícitamente la sobrevivencia de empresas en función a características de las
firmas relacionadas a la experiencia exportadora.
El trabajo de Argüello et al (2013) sobre Colombia, de otro lado, es uno de los pocos que
se ubica en el tercer tipo de determinantes (redes) para explicar la capacidad de
sobrevivencia de las empresas exportadoras. Este enfoque nos parece muy importante y
prometedor para empezar a identificar factores estructurales ("internos al país o región")
que pueden influir en la capacidad de sobrevivencia de las empresas, ya que las redes
están conformadas por firmas ubicadas en una misma localidad o territorio, donde se
generan intercambios de información potencialmente relevantes para el éxito exportador.
Este enfoque es de particular importancia para firmas que exportan productos
agropecuarios, y que, por su naturaleza están ubicadas en territorios con ciertas
características. Igualmente, en este tema creemos que cabe rescatar algunos elementos
de la antigua teoría de las ventajas comparativas, en la medida que es posible identificar
factores específicos de los territorios que les otorgan este tipo de ventajas en dotaciones
diferenciadas a las empresas ubicadas en ellos.
En el caso del auge agroexportador peruano es muy relevante el trabajo de Freund y Piérola
(2010), referido a agro-exportaciones. Este trabajo es importante porque pone en el centro

6
de la modelación a la heterogeneidad de las firmas, aunque sólo referida a lo que las
autoras llaman "habilidad". En dicho modelo las diferencias de productividad se explican
exclusivamente por diferencias de habilidad, un atributo no observable. No obstante, es
perfectamente posible ampliar las condiciones de heterogeneidad para incorporar factores
estructurales más cercanos a las denominadas "redes" de Argüello et al (2013), y que
pueden referirse a dotaciones de activos, acceso a infraestructura y servicios, condiciones
climáticas, u otras de carácter localizado. De hecho Argüello et al consideran varios de
estos factores en sus estimaciones para Colombia, aunque centran su atención en el rol
potencial de las "redes" para explicar la capacidad de sobrevivencia.
El presente trabajo se ubica dentro de los tipos de análisis que le otorgan particular
importancia a la heterogeneidad de las firmas en función a factores estructurales en las
localidades donde operan para explicar su sobrevivencia exportadora. Creemos que este
es un enfoque prometedor, tanto para explicar el auge agroexportador peruano como para
discutir potenciales medidas de política que hagan a la agroexportación más sostenible en
el tiempo, y más amplia en su cobertura territorial y socio-económica.
3. Modelo teórico
Utilizaremos como base el modelo teórico desarrollado por Freund y Piérola (2010), que
tiene la ventaja de haber sido planteado explícitamente para explicar la dinámica del sector
agroexportador (no tradicional) peruano durante el auge exportador de los 1990-2000s. El
objetivo central del modelo es explicar la dinámica de entrada y salida de empresas y de
productos del mercado de exportación. Los agentes (emprendedores) tienen
heterogeneidad de productividad (que asocian a diferencias en habilidad), y pueden orientar
su producción al mercado doméstico o al de exportación (se consideran excluyentes, no se
modelo opciones mixtas).
Los agentes deciden si exportan o no comparando en cada periodo si las ganancias entre
orientarse al mercado de exportación es mayor a las del mercado doméstico en función a
diferenciales de precios y de costos de exportación. Los costos de exportación son inciertos
hasta que el agente exporta, cuando se revelan. Es decir, los agentes que están por
exportar enfrentan incertidumbre sobre el costo de exportar y por ende, sobre las
ganancias. Una vez que exportan ya no enfrentan dicha incertidumbre y pueden conocer
la ganancia de exportar indefinidamente. Un agente puede decidir exportar y luego dejar
de exportar (salir) si el costo de exportación es muy alto y la ganancia (revelada) es menor
a la ganancia que obtendría en el mercado doméstico. Este elemento es crucial para
explicar la dinámica de entrada y salida de las empresas.
La lógica del modelo de Freund y Piérola se puede explicar mediante el siguiente gráfico
(basado en la Figura 1, p. 41).

7
 Gráfico 3. Modelo de participación de empresas agroexportadoras
Valor
Valor de exportar y quedarse

Valor de exporter y salir

Valor de Mercado doméstico

  

En el eje horizontal se consigna el valor del parámetro de habilidad del empresario () que
identifica cuán productivo es. Las líneas identifican el valor (presente) de cada estrategia
empresarial y su valor esperado en un horizonte de tiempo (se puede asumir indefinido).
Un agente con < no será empresario, mientras que << sólo produce para el
mercado doméstico. Agentes con <<exportan y salen; y agentes con >**
exportan y se quedan en la exportación.
De esta forma, el modelo genera cuatro tipos de agentes: (i) no empresarios; (ii)
empresarios para mercado local; (iii) empresarios exportadores que entran y salen de la
exportación; (iv) empresarios exportadores que entran y se quedan exportando. El tercer
grupo ocurre porque los agentes no saben el costo de exportación previamente a exportar.
La ubicación de cada agente en este "mapa empresarial" depende del valor de , es decir,
de la productividad del agente para la actividad empresarial. Además, el modelo es útil
para entender qué pasa cuando se mueven los costos de exportación, ya sean costos
recurrentes o costos a la entrada y salida, que implican desplazamientos de las líneas de
valoración de cada estrategia.
Para los propósitos de nuestra investigación, el parámetro más importante del modelo es
, ya que este parámetro estará directamente relacionado a la probabilidad de
sobrevivencia de empresario en el mercado de exportación. A mayor valor de , mayor
probabilidad de sobrevivencia tanto en un punto del tiempo como durante periodos largos.
En el modelo original este parámetro es únicamente asociado a la "habilidad" (no
observable) del empresario. En nuestro caso, expandiremos el significado del parámetro
para asociarlo a diversas características del empresario y el entorno local o regional en el
que se desenvuelve. Así, definimos la función (X), donde las variables X pueden ser:
escala, organización empresarial, presencia de redes, experiencia, acceso a recursos e
infraestructura, acceso a servicios agropecuarios y crédito, entre otros.
Este modelo también permite introducir el tema de la composición de la mano de obra por
género dentro de los factores potencialmente importantes para explicar la sobrevivencia
exportadora. Existen algunas características específicas de las actividades de cosecha y
procesamiento de productos agrícolas perecibles para exportación que pueden hacer más
productiva la mano de obra femenina dentro de ciertos parámetros. Este tipo de relación
entre la composición de género y la productividad ha sido explorada en otros estudios sobre

8
el sector manufacturero (Wu y Cheng, 2016), aunque en ese caso a través del canal del
clima laboral. Autores que plantean una relación directa entre la composición de género y
productividad en función a roles productivos diferenciados son Hellerstein y Neumark
(1999). En la sección metodológica plantearemos una hipótesis explícita sobre este tema
a ser evaluada en las estimaciones econométricas.
Modelo de sobrevivencia
El análisis de sobrevivencia toma como unidad de estudio a la duración (tiempo) de una
empresa en el mercado desde su ingreso hasta que sale del mismo. Se busca explicar la
variabilidad en dicha duración en función a factores observables (y no observables). Si
definimos a T como el tiempo que un agente dura en el mercado (exposición al riesgo), se
construye la función de sobrevivencia S(t) como:

𝑆(𝑡) = 𝑃𝑟(𝑇 ≥ 𝑡) = 1 − 𝐹(𝑡) , 𝑡 = 1,2, …. (1)

donde F(t) es función acumulativa de probabilidad de duración (sobrevivencia) para cada

unidad discreta de tiempo t. En cada punto de t los agentes o productos tendrán distintas
probabilidades de mantenerse (sobrevivir) en el mercado. La expresión (1) mide la
probabilidad acumulada de sobrevivir, pero también es usual modelar la probabilidad
instantánea de sobrevivencia, conocida como la función de riesgo (hazard function):

𝑓(𝑡)
ℎ(𝑡) = (2)
𝑆(𝑡)

Esta función mide la tasa de riesgo a la que cada agente y/o producto está expuesto a salir
del mercado en cada momento t. La especificación de diversas formas de (2), tanto
paramétricas como no paramétricas, es la base para el análisis de sobrevivencia.
Para nuestro estudio sobre agroexportación es importante incorporar características o
atributos de las empresas en la función de riesgo, de tal forma que podamos medir el
impacto diferencial de estas variables en la probabilidad de sobrevivencia (riesgo). Si
definimos el vector x de atributos, una forma muy usada es la especificación semi-
paramétrica3 de Cox:

ℎ(𝑡) = ℎ0 (𝑡)exp(𝑋′𝛽) (3)

donde h0 es una función de riesgo base de las empresas, y identifica los coeficientes
que afectarán la probabilidad de sobrevivencia.
La expresión (3) asume que las variables en X tienen un impacto similar (constante) a los
largo del tiempo en la función de riesgo básico. Una especificación como (1)-(3) es la base
de nuestra estimación econométrica de sobrevivencia de productos y empresas en los
mercados de exportación. Los detalles de la metodología que usaremos se describen a
continuación.

3
Este enfoque es semi-paramétrico porque el tiempo no juega un rol explícito en el riesgo (no se
asume una forma funcional para el tiempo), solamente se requiere conocer el orden en el que
"mueren" o salen del mercado las unidades sin importar la duración. Todas las unidades enfrentan
el mismo "riesgo base" ℎ0 (𝑡), pero tienen diferentes tasas de riesgo de acuerdo sus características
específicas 𝑋′𝛽.

9
4. Bases de datos
Se utilizan datos del valor de transacciones de exportación de por empresa en el periodo
1994-2017. Para este fin, se han construido dos bases de datos de transacciones de
exportación tomados directamente de los archivos de SUNAT en su página web
(www.sunat.gob) con las exportaciones mensuales por empresa exportadora en dicho
periodo (cuadro 82). Se identificaron a las empresas agroexportadoras en base a un listado
de empresas de la Asociación de Exportadores (ADEX).
Adicionalmente a estas bases de datos, la información se complementó con otras fuentes
de datos. Se aplicó una estrategia de identificación de cada empresa por su nombre exacto
y búsquedas en internet de su RUC en portales como Info Empresa
(https://www.universidadperu.com/empresas/) y Datos Perú (https://www.datosperu.org/).
La identificación del RUC permitió también relacionar la base de empresas de aduanas con
registros de contribuyentes de SUNAT disponibles entre los años 2007 a 2014 (que se
consolidaron en una sola base de todos los contribuyentes registrados en dicho periodo4).
La base de registros SUNAT permite conocer el tamaño de las empresas al registrarse (en
cuanto a rango de ventas y trabajadores), su régimen empresarial, así como el distrito en
el que la empresa se registró. Este último dato de ubicación es clave para nuestra
estrategia de identificación de factores estructurales de producción y acceso a recursos.
Muchas empresas exportadoras se registran tributariamente en Lima pese a que su
actividad productiva se ubica en el interior del país. Para resolver este problema, se
evaluaron a todas las empresas registradas en Lima en el portal Datos Perú
(https://www.datosperu.org/) que contiene información de los lugares de producción de las
empresas. Para todas las empresas que tienen algún lugar de producción con distrito fuera
de Lima, se consignó dicho lugar (el principal si hay más de uno) como distrito de referencia.
En base a esta estrategia fue posible identificar con mucha mayor precisión los lugares de
producción de las empresas para fines de las estimaciones a realizar.
La identificación de los distritos de producción de las empresas es clave para poder utilizar
otra base de datos crucial en esta estimación: los censos agropecuarios realizados por INEI
(www.inei.gob.pe). Se procesaron los censos 1994 y 2012 para obtener información de
cambios por distrito en variables estructurales como la cantidad de mano de obra agrícola
total y femenina5, el nivel de educación, la superficie bajo riego, el acceso a servicios de
asistencia técnica y crédito. Esta base fue integrada a la base de empresas
agroexportadoras para poder evaluar el rol de estos factores estructurales en su capacidad
de sobrevivencia en el esfuerzo exportador.

4
Para nuestra serie de agroexportaciones entre 1994 y 2017, el registro SUNAT 2007-2014 implica
una limitación y potencial sesgo en los datos de las empresas utilizadas para el análisis. Aquellas
empresas que se registraron y salieron del registro antes de 2007 no están representadas.
Igualmente, aquellas que se registraron en SUNAT recién a partir de 2015 no están representadas.
En el primer caso, esto tenderá a sobre-estimar la capacidad de sobrevivencia de las empresas
registradas en el periodo 1994-2006 y que se han mantenido, y en el segundo, no se captarían los
casos de empresas que entraron y salieron del registro en el periodo reciente de los años 2015 y
2016.

5
Una ventaja de este empalme de la base de empresas con los censos agropecuarios es que se
podrá evaluar una dimensión importante de género como es la presencia femenina como
trabajadoras agrícolas en los distritos con actividad agroexportadora.

10
5. Especificación econométrica
Como se señaló previamente, usaremos la especificación semi-paramétrica de Cox:

ℎ(𝑡) = ℎ0 (𝑡)exp(𝑥′𝛽) (3)

donde h0 es una función de riesgo base de las unidades de análisis (productos o

empresas) y identifica los coeficientes que afectarán la probabilidad de sobrevivencia.
En esta expresión buscamos identificar la función h(.) que es el riesgo de sobrevivencia
(permanecer exportando) en cada punto del tiempo t. Para poder estimar (3), requerimos
observar a las unidades de análisis en el tiempo, y saber en qué oportunidad dejaron de
exportar. La observación se realizará en un lapso de 23 años (desde 1994 a 2017), y el
tiempo se medirá en años calendario. Así, para cada unidad de análisis (empresa) sabemos
si exportó en cada año en dicho periodo. Si en un año la empresa no exportó, se considera
una pérdida (no sobrevivencia), y en este caso las empresas pueden tener más de una
pérdida en todo el período (pérdidas múltiples). Esto implica que la empresa puede dejar
de exportar en un año y reaparecer luego.
Aquí cabe considerar una particularidad importante del análisis de sobrevivencia. Como el
análisis debe hacerse necesariamente en un periodo determinado con cortes temporales
(nunca es posible tener toda la historia, ni tampoco es posible saber lo que ocurrirá en el
futuro), los registros de transacciones a utilizar no nos permiten conocer toda la experiencia
de entrada y salida de las unidades registradas. Generalmente se tiene el registro a partir
de un punto del tiempo determinado (en nuestro caso 1994), y mayormente no observamos
el momento en el que las unidades existentes al inicio del registro ingresaron en el pasado
(antes de 1994). Igualmente, dado un punto de corte temporal máximo (2017), no podemos
determinar en qué punto exacto del futuro las empresas saldrán del mercado (si es que lo
hacen). Este es un problema conocido como de datos censurados o información incompleta
para la variable de duración. Es por esto que la metodología econométrica utilizada para
estimar la ecuación (3) o similares se basa en funciones de máxima verosimilitud para datos
censurados.
En cuanto a la especificación econométrica, utilizaremos como base del análisis el modelo
semi-paramétrico de Cox descrito en la expresión (3). Esta especificación asume impactos
constantes de las variables explicativas tanto en el tiempo como con respecto a la función
de riesgo de base. Consideramos que el modelo semi-paramétrico de Cox es adecuado
para las estimaciones que haremos en la medida que no impone forma alguna a la función
de riesgo base ℎ0 (𝑡) en un contexto en el que es difícil plantear a priori que el tiempo (per
se) tiene un efecto determinado (creciente o decreciente) en la tasa de riesgo general. A
diferencia de los estudios de sobrevivencia de seres vivos (donde el tiempo y la edad de la
unidad observada sí tienen una influencia clara en la capacidad de sobrevivencia), tal
relación es más difícil de plantear para actividades económicas de mercado. Al mismo
tiempo, la especificación de Cox permite identificar bien la importancia absoluta y relativa
de los diversos atributos (a través de los coeficientes  para las variables en x’) en cuanto
a afectar la capacidad de sobrevivencia en el mercado, que es el objetivo central del
presente estudio. En el Anexo 1 se evalúa la consistencia (robustez) del modelo de Cox
aplicado a los datos utilizando un test estadístico específico que evalúa el supuesto de los
impactos constantes en la función de riesgo básico.
Antes de presentar las estimaciones del modelo, en la siguiente sección se incluye un
análisis descriptivo detallado de los datos que utilizaremos. Se prestará particular atención

11
a las características especiales que tienen los datos para el análisis de sobrevivencia, para
los cuales no aplican generalmente las estadísticas descriptivas tradicionales.
6. Descripción de los datos
La base de datos de las empresas combinó información de valor exportado, escala, tipo de
empresa, número de empresas exportadoras en la misma provincia (redes) y ubicación
geográfica de la producción a nivel distrital. Esto último permitió relacionar esta base con
datos de cambios en variables estructurales entre los censos agrarios 1994 y 2012. En el
mapa siguiente se presenta la ubicación distrital de las 322 empresas en la base de datos.
Mapa 1. Ubicación de empresas agroexportadoras por distrito

TUMBES LORETO

PIURA AMAZONAS

LAMBAYEQUE CAJAMARCA

SAN MARTIN

LA LIBERTAD

ANCASH HUANUCO
Densidad de empresas
Agroexportadoras UCAYALI
1 Dot = 1
PASCO
1 punto=1 empresa

REGION EMPRESAS JUNIN

ICA 62 LIMA
MADRE DE DIOS
LIMA 62
PIURA 34
LA LIBERTAD 28
HUANCAVELICA
ANCASH 23 CUSCO
AREQUIPA 22
LAMBAYEQUE 19
AYACUCHO APURIMAC
UCAYALI 14 ICA PUNO
JUNIN 11
LORETO 10
MADRE DE DIOS 6
AMAZONAS 5
AYACUCHO 5 AREQUIPA
CAJAMARCA 4
SAN MARTIN 4
TUMBES 3 MOQUEGUA
CALLAO 2

.
CUSCO 2
PUNO 2 TACNA
APURIMAC 1
HUANUCO 1
PASCO 1
TACNA 1
HUANCAVELICA 0 0 90 180 360 Kilometers
MOQUEGUA 0

12
Se puede ver que la mayor cantidad de empresas se ubican en distritos ubicados en la
costa, con las regiones de Ica, Lima, Piura, Ancash y la Libertad como las regiones más
importantes. Un grupo importante de empresas se ubican en regiones de la selva y la
región con menos empresas agroexportadoras es la sierra.
En la tabla siguiente se presentan las variables construidas para la base de empresas con
las agroexportaciones en el periodo 1994 a 2017.
Tabla 2. Variables en base de datos de empresas

Varía
en Desv.
Variable tiempo Obs Media Estd Min Max

Tamaño de empresa
1. Pequeña (base) NO 322 19.9%
2.Mediana NO 322 4.3% 20% 0 1
3.Mediana.. NO 322 24.8% 43% 0 1
4.Grande NO 322 50.9% 50% 0 1

Categoría de empresa
Cooperativa NO 322 5.9% 24% 0 1
Sociedad Anónima NO 322 83.9% 37% 0 1
Otra (base) NO 322 10.2%

Región natural
Costa NO 322 73.0% 44% 0.00 1.00
Sierra NO 322 8.1% 27% 0.00 1.00
Selva (base) NO 322 18.9%

Número de empresas en NO
provincia 322 20.26 18.01 1.00 49.00

Cambio 1994/2012 (censos)

Trabajadoras agrícolas mujeres NO 317 4359 16382 -5365 140703
Ratio de trabajadoras en total NO 317 0.061 0.07 -0.14 0.57
Índice de fragmentación NO 317 0.002 0.05 -0.14 0.57
Nivel educativo NO 317 1.603 0.53 -3.00 2.80
Superficie con riego NO 317 2518 8223 -10469 53989
Orientación a mercado NO 317 -0.046 0.23 -0.53 0.46
Acceso a asistencia técnica NO 317 0.006 0.14 -0.52 0.45
Acceso a crédito agropecuario NO 317 0.052 0.09 -0.50 0.36
Fuentes: Aduanas, páginas web, ADEX, Censos Agrarios 1994 y 2012 (INEI)
Todas las variables utilizadas son fijas en el tiempo, es decir, no varían temporalmente. La
mayoría de empresas son grandes (51%), seguidas por medianas grandes (25%). Las
empresas pequeñas son el 20% y las medianas sólo el 4%. Se trata de un sector altamente
concentrado en empresas grandes. Sólo un 6% de las empresas agroexportadoras están
organizadas como cooperativas (básicamente para exportar café y cacao), y la forma

13
predominante es la sociedad anónima (84%). Igualmente, un 73% de las empresas se
ubican en distritos de la costa peruana, seguida de 19% en selva y sólo 8% en la sierra.
El número promedio de empresas por provincia es de 20.2, con una desviación estándar
de 18, un mínimo de 1 y un máximo de 49 empresas agroexportadoras ubicadas en la
misma provincia.
En el periodo intercensal 1994-2012 hubo un crecimiento tanto en el número de
trabajadoras agrícolas como en la proporción femenina en el trabajo agrícola (creció en 6
puntos porcentuales). Igualmente, hubo un ligero aumento en el índice de fragmentación
de la tierra (Índice de Januwszesky6). Un cambio importante fue en el nivel promedio de
educación, que subió en 1.6 categorías. También se incrementó la superficie bajo riego en
los distritos agroexportadores, con un promedio de 2,800 has. adicionales bajo riego entre
ambos censos. Finalmente, se observa una ligera caída en la orientación al mercado de
los productos (- 4 puntos porcentuales), un estancamiento en el acceso a asistencia
técnica, y un aumento en 4 puntos porcentuales en el acceso a crédito entre ambos censos.
Uno de los retos para el análisis de sobrevivencia es el tratamiento adecuado de los datos
de tal forma que puedan ser procesados y analizados en un paquete econométrico. En
este caso utilizaremos el programa Stata versión 13.0 y sus comandos del tipo st para
analizar los datos correspondientes. Este programa requiere que los datos sean ingresados
de tal forma que sea posible identificar cada sub-periodo (span) en el que las unidades de
análisis están bajo riesgo, en este caso de dejar de exportar o riesgo de salida del mercado
de exportación (failure). Una unidad (empresa) sale del mercado en un año determinado
cuando al año siguiente no exporta. Así, los sub-períodos de análisis son anuales, con el
año de exportación como el periodo inicial y el año siguiente como el período final de cada
sub-período. Si en el año siguiente la empresa no exporta, se tiene una variable indicativa
(failure) que indica que dicha empresa sale del mercado. Si una empresa exporta en el
último año del análisis (2017), la observación se considera censurada, es decir, no sabemos
si saldrá del mercado en los años siguientes. Igualmente, las empresas pueden ingresar a
la exportación en cualquier periodo desde 1994, y se permiten entradas y salidas (failures)
dentro del periodo total (entradas y salidas múltiples, conocido en inglés como multiple
failures).
Una vez generada la información en el formato requerido (luego de aplicado los comandos
stspan y stset), el programa permite generar las variables claves para el análisis de
sobrevivencia, que son tres: (i) tiempo que la unidad está bajo riesgo; (ii) número y tiempo
de las salidas del mercado (failures); (iii) si la unidad tiene información censurada. Luego
de formatear los datos para el análisis de sobrevivencia, se puede utilizar un comando
(stdes) que describe las principales características de los datos en términos de
sobrevivencia. El resultado de este comando aplicado a la base de empresas se muestra
a continuación.

6
El índice de Januwszesky mide la fragmentación de las unidades agropecuarias (Escobal, 2017):
“(…) Este indicador se calcula a nivel de UA de la siguiente manera: (J=√Ʃsi / Ʃ√si ), y se mueve en
el intervalo 0 a 1. J = 1 significa que existe concentración de la tierra en una sola parcela. Por otro
lado, el valor de J tiende a 0 si el total de la tierra está repartido en muchísimas parcelas” (p. 24). En
este caso, el indicador se calcula para cada unidad agropecuaria en el censo y se promedia al nivel
distrital para estimar el cambio intercensal.

14
 Tabla 3. Descripción de base de empresas usando stdes

La base contiene 322 empresas, para un total de 1,887 sub-periodos (spans) de exportación
identificados. La media del periodo de sobrevivencia de las empresas es de 5.86 años, con
un mínimo de 1, una mediana de 3 y un máximo de 23 años de sobrevivencia. Un conjunto
de 78 empresas tienen saltos en la serie (múltiples entradas y salidas en exportación anual),
con un promedio de 2.78 años de interrupción entre los episodios de salida y re-entrada.
Finalmente, la base contiene 337 salidas (failures) de empresas del mercado de
exportación, con un promedio y mediana de 1 salida por empresa, con un máximo de hasta
5 salidas (failures). Esto también indica una importante dinámica de entrada y salida de las
empresas.
El estimado no paramétrico K-M de la función de sobrevivencia de empresas se muestra
en el siguiente gráfico.

15
 Gráfico 4. Probabilidad de sobrevivencia de empresas

1.00

0.75

0.50

0.25

0.00
0 5 10 15 20 25
años bajo riesgo

La probabilidad de sobrevivir más de 1 año es 0.67, y la de 2 años de 0.52. La probabilidad

de sobrevivencia de al menos 3 años es 0.41, indicando que sólo un 40% de las empresas
agroexportadoras logran exportar más de 3 años consecutivos. A partir de los 5 años, la
reducción en la probabilidad de sobrevivencia es mucho más lenta que en los cuatro
primeros años.
El estimado no paramétrico K-M por tamaño de empresa se muestra a continuación.
Gráfico 5. Probabilidad de sobrevivencia por tamaño de empresa

1.00

0.75

0.50

0.25

0.00
0 5 10 15 20 25
Años bajo riego

tamano = 1.Pequeña tamano = 2.Mediana

tamano = 3.Mediana Grande tamano = 4.Grande

Se observa una clara mayor capacidad de sobrevivencia de las empresas más grandes,
mientras las otras tres categorías tiene un declive mucho más pronunciado con el aumento
del tiempo bajo riesgo.

16
En el gráfico siguiente se consigna la probabilidad diferenciada por tipo de empresa.
Gráfico 6. Probabilidad de sobrevivencia por tipo
de régimen jurídico de la empresa

1.00

0.75

0.50

0.25

0.00
0 5 10 15 20 25
Años bajo riesgo
cat_empre = Cooperativa cat_empre = Sociedad Anonima
cat_empre = Otras

Los tres tipos de empresa tienen un patrón similar de sobrevivencia en los primeros 4 años,
pero luego se observa una clara diferenciación. Mientras las cooperativas muestran una
mayor capacidad de sobrevivencia luego de los primeros cinco años, las empresas bajo
sociedad anónima tienen menor tasa de sobrevivencia que las cooperativas, pero más que
los otros tipos de empresas (sociedad de responsabilidad limitada y otras). Es probable
que este patrón esté correlacionado con el tamaño de las empresas también.
En el análisis de regresión que se presenta en la sección siguiente se considera el efecto
conjunto de las distintas variables en la probabilidad de sobrevivencia, con lo que es factible
identificar la importancia absoluta y relativa de cada factor considerado.

17
7. Estimación del modelo de Cox

En la tabla siguiente se consignan los resultados de estimar el modelo Cox para las
empresas.
Tabla 4. Estimación de modelo Cox para empresas
(1) (2) (3)
Tamaño de empresa
1.Pequeña (base) 0 0 0
(.) (.) (.)
2.Mediana Grande 0.1875 0.18038 0.2829
-0.29032 -0.29107 -0.30078
3.Mediana 0.08856 0.06152 0.0512
-0.17145 -0.17264 -0.17521
4.Grande -0.57309*** -0.59240*** -0.61497***
-0.16326 -0.16565 -0.17008
Tipo de empresa
Cooperativa -0.48313+ -0.62891** -0.72652**
-0.30603 -0.31662 -0.31946
Sociedad Anónima -0.25675+ -0.22957 -0.28086+
-0.17687 -0.18032 -0.18362
Otras (base) 0 0 0
(.) (.) (.)

Empresas en provincial (redes) 0.00108 0.0041 0.00521

-0.00312 -0.00345 -0.00446

Región natural
Costa -0.31969** -0.22837
-0.16176 -0.17083
Sierra -0.02276 0.07798
-0.22964 -0.26164
Selva (base) 0 0
(.) (.)

Cambio intercensal
Trabajadoras agrícolas -0.00720*
-0.00374
Porcentaje trabajadoras agrícolas -0.65832
-0.90164
Índice de fragmentación -0.29717
-1.16936
Nivel educativo -0.21982**
-0.11061
Superficie con riego 0
-0.00001
Orientación a mercado -0.26307
-0.29614
Acceso a asistencia técnica 0.20419
-0.49424
Accceso a crédito 1.81598**
-0.72297
N 1887 1887 1853
Errores estándar debajo de cada coeficiente.
+ p<0.15, * p<0.1, **p<0.05, *** p<0.001

18
Se han estimado tres modelos. El modelo (1) sólo incorpora el tamaño, tipo de empresa y
número de empresas en la provincia; el (2) agrega la región natural, y el (3) la presencia
laboral femenina y los cambios en condiciones de producción entre los censos 1994 y 2012.
Los resultados de las estimaciones para las empresas indican lo siguiente.
 Las empresas más grandes enfrentan un menor riesgo de salida del mercado, con
un 46% de mayor probabilidad de sobrevivencia que el grupo base (empresas
pequeñas), indicando la ventaja de la escala en el proceso exportador. Esto es
consistente con el resultado a nivel productos en cuanto a la mayor sobrevivencia a
mayor valor exportado por producto.
 Las cooperativas muestran también una mayor capacidad de sobrevivencia de 52%
con respecto al grupo base (otras) en el largo plazo, especialmente cuando superan
los cinco años de exportación. Le siguen en capacidad las sociedades anónimas,
con 24% mayor probabilidad que el grupo base, y que en este caso muestran menor
riesgo a dejar de exportar que las otras formas no cooperativas.
 No se observa un efecto detectable de las "redes", en este caso identificadas por el
número de empresas ubicadas en una misma provincia.
 Las exportaciones de empresas ubicadas en costa muestran mayor capacidad de
sobrevivencia de 27% que las ubicadas en el grupo base (selva) en modelo (2) de
empresas. En el modelo (3) el efecto es de 20%, pero pierde significancia
estadística.
 La mayor dotación de mano de obra femenina en las zonas agroexportadoras
mejora la capacidad de sobrevivencia de las empresas en un promedio de 0.72%
por cada trabajadora adicional en la zona entre 1994 y 2012, indicando que este tipo
de mano de obra genera ciertas ventajas competitivas a las ramas
agroexportadoras.
 Un mayor nivel educativo de los agricultores en las zonas de agroexportación
incrementa la capacidad de sobrevivencia exportadora con un impacto de casi 20%
en la probabilidad por cada nivel adicional.
 El mayor acceso a crédito tiene un efecto negativo (no esperado) en aumentar el
riesgo de dejar de exportar de 515%. Esto indica que el mercado de financiamiento
agrario ha estado mayormente desconectado (e incluso con una relación negativa)
con respecto al auge agroexportador de las últimas dos décadas en el Perú.
En el Anexo 1 se presenta el análisis de robustez de los modelos estimados. Se evalúa
la hipótesis nula de no proporcionalidad de la función de riesgo base, rechazándose
dicha hipótesis a los niveles estándar de confianza estadística. Igualmente, se evalúa
un modelo de empresas con vulnerabilidad (frailty) aleatoria, no encontrándose mayor
evidencia de la existencia de algún efecto de vulnerabilidad intrínseca no observable al
nivel de las empresas.

19
8. Implicancias de política

El PENX 2014-2025 planteó con bastante claridad la importancia del análisis de las
empresas exportadoras para definir mejor las estrategias de política en este nuevo periodo.
El documento incluso presenta un análisis no paramétrico de sobrevivencia (pp. 28-31) y
plantea como un desafío a superar la baja sobrevivencia de empresas exportadoras en
general, con una tasa promedio de salida de 34% entre 2003-2013, y donde sólo el 12% de
empresas logra sobrevivir por más de 10 años. Un elemento interesante en este análisis
es que el sector agropecuario aparece con la mayor tasa de sobrevivencia promedio (menor
tasa de salida) del conjunto de sectores (ver gráfico 15, pp. 30). No obstante, en el
documento no se indaga sobre qué factores podrían explicar estos diferenciales entre
sectores, ni sobre diferencias al interior de cada sector de acuerdo a características de las
empresas (salvo el tamaño, que sí se analiza con resultados similares a los encontrados
por nosotros). En este contexto, el presente estudio ofrece un análisis complementario y
de mayor profundidad para el sector agropecuario exportador, incluyendo algunos factores
microeconómicos más específicos como elementos explicativos que detallamos más
adelante.
Con respecto a los lineamientos planteados en el PENX y que se orientan a las empresas,
destaca el pilar 1 "Internacionalización de la empresa y diversificación de mercados", pero
también son relevantes los pilares 2 y 3 relacionados a las cadenas logísticas y capacidades
empresariales, respectivamente. Incluso dentro del pilar 2, referido a la oferta exportable,
se tienen algunos lineamientos relevantes para las empresas que luego analizamos. El
pilar 1 busca hacer avanzar a las empresas exportadoras peruanas hacia una mayor
presencia en los mercados internacionales y en las cadenas globales de valor. Los pilares
2 y 3 buscan incrementar la eficiencia de las cadenas logísticas de exportación, y expandir
las capacidades y cultura exportadora de los empresarios.
Una apreciación general del PENX con respecto al tipo de análisis de las empresas es que
no indaga mayormente por las condiciones específicas internas en el que éstas se
organizan y operan. Este es un problema importante en documentos sobre políticas de
comercio exterior, en la medida que tienden a prestarle poca atención a factores internos
en favor de mayor atención a factores externos relacionados con los mercados de
exportación. Al respecto, nuestro análisis de empresas pone en el centro a los factores
internos para entender el proceso de sobrevivencia, complementando y profundizando
diagnósticos como los del PENX.
La evidencia sobre sobrevivencia de empresas obtenida en las estimaciones en este
estudio apunta a la importancia de diversos factores internos y localizados que estarían
influyendo en la capacidad de sobrevivencia de las empresas agroexportadoras. Tal como
se observa en el PENX para el caso general, nuestros hallazgos también indican que hay
un tema de escala importante en la capacidad de sobrevivencia agroexportadora, y las
empresas grandes y muy grandes están mostrando la mayor capacidad. No obstante,
también se observa, entre las formas de organización de las empresas, que las
cooperativas también tienen alta capacidad de sobrevivencia en los productos más
tradicionales, tema que consideramos muy relevante para las políticas.
Al respecto, el PENX sí plantea algunas líneas de acción orientadas a fortalecer la
asociatividad exportadora. Por ejemplo, dentro de la línea de acción 2.2. (Diversificación
de oferta exportable), se encuentra una actividad para la "(…) Implementación de
instrumentos de asistencia técnica y perfeccionamiento de gestión asociativa para la
diversificación exportadora e internacionalización" (pp. 62), y dentro de esta actividad se

20
plantean programas para evaluar y promover "modelos de asociatividad para la
exportación".
Cabe señalar que según el PENX la oferta exportable general adolece no sólo de un
problema de poca diversificación, sino también de una gran concentración en un número
reducido de empresas, donde entre 2003 y 2013 las 10 principales empresas agruparon el
45% del valor exportado (mayormente empresas mineras). Igualmente, las empresas que
exportaron más de US$ 10 millones anuales explican el 88% de las exportaciones. Como
hemos visto en la parte descriptiva de este estudio, en el sector agroexportador de frutas y
hortalizas también existe gran concentración en pocas empresas (ver Tabla 2 en sección
2), con lo cual también es importante plantear estrategias para incrementar la participación
de pequeños y medianos productores en la agroexportación, lo cual requiere de procesos
asociativos para enfrentar los desafíos de escala y calidad.
La posibilidad de promover formas asociativas para la exportación se relaciona a la
posibilidad de generar una basa social más amplia de pequeños y medianos productores
agrarios participando en la exportación. Esto requiere darle soporte a diversas formas de
procesos de asociación y cooperativas que les permita vencer los altos costos fijos de
exportación en el largo plazo. Al respecto, recientemente se ha ejecutado el primer Censo
Nacional de Cooperativas en el Perú (INEI, 2016), el cual puede dar luces sobre este sector
y sus potencialidades para la exportación.
Utilizando la base de datos preliminar de dicho censo, encontramos 379 cooperativas
agropecuarias y agroindustriales localizadas en 198 distritos, las que se muestran en el
Mapa 2. El mapa también incluye a las empresas agroexportadoras de nuestra base de
datos (igual al Mapa 1). Cabe señalar que en el censo de cooperativas, 89 empresas (24%)
indicaron que su principal mercado es el internacional, es decir, hay una capacidad
exportadora importante en este sector.
En el Mapa 2 se puede ver la fuerte presencia de cooperativas agrarias en zonas cafetaleras
y de cacao en la selva alta, y en la costa norte, con la producción de banano orgánico. En
conjunto, se puede observar que existen muchas regiones en las que existen cooperativas
pero no hay mayor actividad agroexportadora. Esta información puede ser útil para
fortalecer la actividad 2.2. del PENX y concentrar esfuerzos en desarrollar capacidades de
exportación en cooperativas ya existentes.

21
 Mapa 2. Presencia de cooperativas y empresas agroexportadoras

TUMBES LORETO

PIURA AMAZONAS

LAMBAYEQUE CAJAMARCA

SAN MARTIN

LA LIBERTAD

ANCASH HUANUCO

Empresas UCAYALI

1 Dot = 1 PASCO
Agroexportadoras
Cooperativas
JUNIN
LIMA
MADRE DE DIOS
Region Agroexp Cooperat
JUNIN 11 56
HUANCAVELICA
CUSCO 2 45 CUSCO
CAJAMARCA 4 39
SAN MARTIN 4 35 AYACUCHO APURIMAC
PIURA 34 34
ICA PUNO
PUNO 2 27
ICA 62 22
LIMA 62 17
HUANUCO 1 16 AREQUIPA
LA LIBERTAD 28 15
AMAZONAS 5 11
MOQUEGUA

.
UCAYALI 14 10
AYACUCHO 5 9
APURIMAC 1 8 TACNA
AREQUIPA 22 8
ANCASH 23 6
LORETO 10 6
0 90 180 360 Kilometers
PASCO 1 5
MADRE DE DIOS 6 4

Cabe señalar que la promoción de la organización de pequeños y medianos productores

agropecuarios es también una política importante del Ministerio de Agricultura y Riego
(MINAGRI, 2015), por lo que esta línea de acción del PENX debe coordinarse con este
sector.

22
Otro hallazgo importante en las estimaciones es la clara ventaja que tiene la costa versus
la sierra y selva para las agroexportaciones con alta capacidad de sobrevivencia. La costa
no sólo tiene ventajas climáticas (temperatura y luminosidad), sino también es una región
donde sólo puede desarrollarse la agricultura bajo riego. Esto permite producir todo tipo de
productos en épocas del año de contra-estación, es decir, cuando hay poca oferta en el
hemisferio norte. Esta ha sido una de las ventajas comparativas más importantes detrás
del auge agroexportador peruano en las últimas décadas. Adicionalmente, la costa tiene
mejor dotación de infraestructura vial, portuaria y aeroportuaria, ofreciendo menores costos
logísticos para las empresas exportadoras.
En comparación, la sierra y selva enfrentan mayores dificultades y altos costos logísticos
para la exportación. Estos son temas a enfrentar al momento de plantear ampliar la
capacidad agroexportadora de estas regiones, de gran envergadura territorial. En este
caso, es necesario pensar estrategias de diferenciación y desarrollo de mercados
especiales y de nicho, no basados en grandes volúmenes sino en productos especiales, de
alto valor y creciente demanda externa. La enorme biodiversidad en la sierra y selva se
convierten en activos fundamentales para promover un modelo agroexportador basado en
esta diversidad y el alto valor nutritivo y gastronómico de los productos andinos y
amazónicos. Aquí cabe mencionar que una de las líneas de acción del PENX es "desarrollo
de la oferta exportable de productos de la biodiversidad" (pp. 62)
Una hipótesis planteada para el presente estudio se refiere al rol de la mano de obra
femenina en la capacidad de sobrevivencia de las empresas. Los resultados indican que
la mano de obra agrícola femenina sí tiene un impacto positivo en la mayor capacidad de
sobrevivencia de empresas agroexportadoras. Nuestros estimados sólo permiten
evidenciar este impacto pero no es posible identificar los canales por los cuales éste ocurre.
Una posibilidad es que existan algunos roles específicos en el proceso productivo en los
cuales la mano de obra femenina tenga mayor productividad que la de los varones debido
a ventajas de la mujeres en el tratamiento y manipuleo de productos agrícolas perecibles y
sometidos a altos estándares de control de calidad y apariencia. Esta opción explicativa es
la planteada por Hellerstein y Neumark (1999). Para poder evaluar si ese canal es el
relevante se necesitaría información específica de la composición de género de la mano de
obra al nivel de las empresas, dato que no han estado disponible para el presente estudio.
Acceder a este tipo de información abriría una línea de investigación futura que podría
contribuir a entender mejor el efecto positivo encontrado de la mano de obra agrícola
femenina en la capacidad de sobrevivencia agroexportadora. Esto también permitiría
diseñar políticas específicas para fortalecer estos mecanismos debido a sus efectos
positivos en la eficiencia y (potencialmente) en la equidad de género.
Cabe señalar que existe evidencia reciente de que el desarrollo del sector agroexportador
en países de Latinoamérica ha generado un aumento importante en el empleo agrícola
femenino (World Bank, 2016). Corroborando esto para el Perú, datos de ENAHO indican
que la proporción de mujeres entre los trabajadores agrícolas en las zonas de
agroexportación costeña se ha incrementado entre 2007 y 2016, como se puede ver en el
gráfico siguiente.

23
 Gráfico 3. Proporción de trabajadoras mujeres en total
de trabajadores agrícolas de la costa

31%
29% No agroex
27% Agroex
25%
23%

21%
19%
17%
15%
2007 2012 2016
Fuente: ENAHOs 2007, 2012 y 2016 (INEI)
La proporción subió de 21 a 29% entre 2007 y 2016. En contraste, en zonas costeñas en
las que no hay agroexportación la proporción se ha mantenido estable alrededor del 20%.
Al respecto, el mismo reporte del Banco Mundial encuentra resultados mixtos sobre las
ventajas de este tipo de empleo para las mujeres rurales. De un lado, algunos estudios
encuentran efectos positivos en ingresos, seguridad alimentaria y capacidad de negociación
de las mujeres (…). De otro lado, una serie de otros estudios plantean cuestionamientos a
temas específicos como la inestabilidad del empleo (contratos cortos), la naturaleza
repetitiva y el bajo nivel de habilidades requerido por los empleos, bajos salarios y
esquemas de explotación de la mano de obra femenina en ciertos contextos (…).
Los hallazgos en el presente estudio son consistentes con un aumento en la demanda por
mano de obra femenina en el sector agroexportador moderno ya que esto le otorga ventajas
competitivas a las empresas. No obstante, en un contexto institucional y normativo sesgado
en contra de la participación laboral femenina, esto no necesariamente generaría mejores
condiciones laborales y de ingresos a estas trabajadoras. Por esto motivo, la creciente
presencia femenina en la mano de obra agrícola agroexportadora debería llevar también a
políticas específicas de protección para este sector, con acciones para facilitar su
participación laboral en condiciones similares a las de los varones, y con capacidad para
recibir ingresos adicionales de acuerdo a una mayor productividad si es que esto se
corrobora.
Los resultados también indican la importancia de otros factores localizados como la
educación en mejorar la capacidad de sobrevivencia del esfuerzo exportador de las
empresas. Un mayor nivel educativo de los agricultores en las zonas de agroexportación
incrementa la capacidad de sobrevivencia exportadora. Esto indica que también deben
articularse políticas de capacitación laboral en las zonas agroexportador, buscando además
que los trabajadores puedan recibir una mayor retribución por su trabajo y su aprendizaje
en los procesos agroindustriales correspondientes.
Finalmente, la evidencia encontrada en este estudio señala que el mayor acceso a crédito
en las zonas agroexportadoras está relacionado a un efecto negativo (no esperado) en
aumentar el riesgo de dejar de exportar. Esto indica que el mercado de financiamiento

24
agrario ha estado mayormente desconectado del auge agroexportador de las últimas dos
décadas en el Perú, y sugiere la necesidad de una política explícita para conectar el acceso
a crédito con las agroexportaciones, especialmente para sectores de productores que
actualmente no tiene dicho acceso por diversas fallas de mercado en los servicios
financieros rurales. Al respecto, cabe señalar como una limitación del PENX que no se
hayan considerado políticas de financiamiento para el sector agroexportador,
especialmente para promover la participación de nuevos actores, incluyendo a sectores de
pequeños y medianos productores que actualmente no están participando del auge
agroexportador.

25
Referencias

Alvarez R. y C. Sáez (2014) “Post financial crisis and exports expansion: Micro-evidence
from Chilean exporters”. MPRA Paper 60637. 41 p.
Argüello R., A. García y D. Valderrama (2013) “Information externalities and export trade
duration at the firm level”. Serie Documento de Trabajo N° 147. Universidad del
Rosario, Colombia.
Banco Mundial (2016) “World Feminization of Agriculture in the Context of Rural
Transformations: What is the Evidence?”. Report ACS20815.
Bernard A., B. Jensen, S. Redding, P. Schott (2011) "The empirics of firm heterogeneity
and international trade" Working Paper NBER 17627. National Bureau of Economics
Research. 40 p.
Besedes T. y T. Prusa (2006) “Ins, Outs, and the Duration of Trade”. En Canadian Journal
of Economics, Vol. 39, N° 1, pp. 266-295.
Cardoza G., G. Fornes, V. Farber, R. Gonzáles y J. Ruiz (2016) “”Barriers and public
policies affecting the international expansion of Latin American SMEs. Evidence from
Brazil, Colombia and Peru. En Journal of Business Research, 69, pp. 2030-2039
Cleves M., W. Gould, Y. Marchenko (2016) "An Introduction to Survival Analysis Using
Stata". Third Edition (Revised). A Stata Press Publication. StataCorp. Lakeway Drive,
College Station, Texas 77845.
Escobal Javier (2017) “Análisis espacial de la adopción de tecnologías agrarias en el Perú
Una mirada desde el Censo Nacional Agropecuario 2012” Organización de las
Naciones Unidas para la Alimentación y la Agricultura (FAO). Lima, 2017. 66 pp.
Esteve-Perez S., F. Requena-Silvente y V. Pallardó-López (2013). “The duration of firm-
destination export relationships: evidence fro Spain 1997-2006”. En Economic Inquiry,
Vol. 31, N° 1, pp. 159-180
Freund C. y M.D Piérola (2010) “Export entrepreneurs: Evidence from Peru”. Policy
Research Working Paper Series 5407. World Bank
Fugazza M. y A. McLaren (2014) “Market Access, Export Performance and Survival
Evidence from Peruvian Firms”. En Review of International Economics, 23(3), pp. 599-
624.
Hellerstein J. y D. Neumark (1999) "Sex, Wages and Productivity: An Empirical Analysis
of Israeli Firm-Level Data". En International Economic Review, Vol 40, N° 1, pp. 95-
123.
Hess W. y M. Persson (2012) “The duration of trade revisited. Continuous-time versus
discrete-time hazards”. En Empirical Economics, 43. pp. 1083-1107
Martuscelli A. y G. Varela (2015) “Survival is for the Fittest. Export Survival Patterns in
Georgia”. Policy Research Working Paper 7161. Trade and Competitiveness Global
Practice Group. World Bank.
Ministerio de Agricultura y Riego-MINAGRI (2015) "Plan Estratégico Sectorial Multianual
PESEM 2015-2021". 186 pp.
Ministerio de Comercio Exterior y Turismo (2015) "PENX, Plan Estratégico Nacional
Exportador 2025". 90 pp.

26
Ministerio de Economía y Finanzas (2018). "Plan Nacional de Competitividad y
Productividad. D.S. Nº 345-2018-EF. 124 pp.
Pelkmans-Blalaoing E.O. A., van Heuvelen, H. Gerrit y J.M. Viaene (2016) “Firm Export
Survival: Micro-Evidence from the Philippines”. CESifo Working Paper 6270. 38 pp.
Ministerio de la Producción-PRODUCE (2015) “Plan Nacional de Diversificación
Productiva”. Lima: Ministerio de la Producción-PRODUCE. 126 pp.
Rahu Siim (2015) “The Role of Uncertainty for Export Survival: Evidence from Estonia”.
Working Paper s/n. The University of Tartu.
Schuster M., L. Vranken y M. Maertens (2017) “You Can(’t) Always Get the Job You Want:
Stated versus Revealed Employment Preferences in the Peruvian Agro-industry”.
Working Paper / 2017.04. Institute of Development Policy and Management. 28p.
Stirbat L., R. Record y K. Nghardsayone (2013) “Determinants of Export Survival in the
Lao PDR”. Policy Research Working Paper 6301. Trade and Competitiveness Global
Practice Group. World Bank.
Tello Mario (2016) “Inserción en economía internacional, crecimiento y diversificación
productiva”. Lima: Consorcio de Investigación Económica y Social-CIES. 29 p.
Tovar J. y L.R. Martinez (2011) “Diversification, networks and the survival of exporting”.
Serie Documentos CEDE, 2011-08. Universidad de los Andes.
Volpe-Martincus y J. Carballo (2009) “Survival of new exporters in developing countries:
does it matter how they diversify?” IDB Working Paper Series 140.
Wu Ruohan y Xueyu Chen (2016) "Gender equality in workplace: the effect of gender
equality on productivity growth among Chilean manufacturers". En The Journal of
Developing Areas. Bol. 50, N° 1, pp. 257-273.

27
Anexo 1. Análisis de robustez de resultados

A.1.1. Robustez de especificación del modelo de Cox

El supuesto más importante detrás del modelo de Cox es el referido a la proporcionalidad
en la función de riesgo, que implica que las variables independientes X tienen un impacto
similar (constante) a los largo del tiempo en la función de riesgo base.
Para poder evaluar la robustez de la especificación del modelo de Cox a los datos
aplicaremos el test de residuos de Schoenfeld (Cleves et al, 2016). El test utiliza los
residuos de la estimación del modelo Cox y estima una función del tiempo para evaluar si
existe alguna relación (positiva o negativa). Bajo la hipótesis nula, se espera que no exista
relación entre los residuos y el tiempo, y por ende, se tiene un test del supuesto de
invariabilidad del impacto de las variables independientes a lo largo del tiempo.
El test puede aplicarse a cada una de las variables independientes, y también en forma
global al conjunto del modelo. En el cuadro siguiente se consigna el test de Schoenfeld
para el modelo de empresas, tanto para cada variable como para el conjunto.
Tabla A.1. Test de Schoenfeld Modelo de Empresas

Test of proportional-hazards assumption

Time: Time

rho chi2 df Prob>chi2

1b.tamano . . 1 .
2.tamano 0.03766 0.50 1 0.4805
3.tamano 0.00917 0.03 1 0.8654
4.tamano -0.04216 0.65 1 0.4204
1.cat_empre -0.01139 0.04 1 0.8365
2.cat_empre -0.02323 0.19 1 0.6667
3b.cat_empre . . 1 .
1.region_n~l -0.05575 1.03 1 0.3091
2.region_n~l -0.00487 0.01 1 0.9279
3b.region_~l . . 1 .
prov_empr 0.01308 0.07 1 0.7946
d_trab_muj -0.05801 1.05 1 0.3047
d_rat_muj 0.06289 1.66 1 0.1976
d_v_janus 0.07861 3.19 1 0.0740
d_v_nivedu -0.07424 1.65 1 0.1992
d_v_sriego -0.03631 0.54 1 0.4605
d_v_mercado -0.03179 0.38 1 0.5368
d_v_asist 0.06205 1.30 1 0.2535
d_v_credi 0.07610 1.86 1 0.1725

global test 20.54 16 0.1969

Se rechaza la hipótesis nula a niveles convencionales para el modelo general, es decir, los
datos muestran estabilidad en el comportamiento de las variables independientes en la
variable de riesgo base a lo largo del tiempo. También se rechaza la hipótesis nula para
casi todas las variables, excepto para el índice de Januszesky. En conjunto, el supuesto
principal de la especificación de Cox aparece adecuado para describir el comportamiento
de los datos.
A.1.2. Introducción de vulnerabilidad (frailty) en el modelo de empresas
El concepto de vulnerabilidad (frailty) se utiliza en los modelos de sobrevivencia en la
estimación de efectos aleatorios (no observables). La variable de vulnerabilidad entra en
la función de riesgo base en forma multiplicativa en la forma siguiente:

28
 ℎ𝑖𝑗 (𝑡) = ℎ0 (𝑡)𝛼𝑖 exp(𝑥𝑖𝑗 𝛽)
donde 𝛼𝑖 es la variable de vulnerabilidad para el grupo "i". Se asume que esta variable
tiene valor esperado 1 y varianza 𝜃. Esta variable introduce co-variación entre miembros
del grupo "i" en el tiempo y la intensidad de la vulnerabilidad se mide con 𝜃.
En el caso del modelo de empresas, se puede plantear la existencia de una variable de
vulnerabilidad intrínseca no observable para casa empresa, Esto introduce autocorrelación
en el tiempo al nivel de las empresas, alterando un supuesto del modelo de Cox (sin
vulnerabilidad).
Se estimó mediante el paquete econométrico Stata el modelo de Cox para empresas en la
versión con todas las variables independientes introduciendo una variable de vulnerabilidad
como un efecto aleatorio no observable (Cleves et al, 2016) . Los resultados de la
estimación se pueden observar en el cuadro siguiente.
Tabla A.2. Modelo Cox de Empresas con Vulnerabilidad
No. of subjects = 317 Obs per group: min = 1
No. of failures = 334 avg = 5.845426
Time at risk = 1853 max = 23

Wald chi2(16) = 47.48

Log likelihood = -1652.4438 Prob > chi2 = 0.0001

_t Haz. Ratio Std. Err. z P>|z| [95% Conf. Interval]

tamano
2.Mediana 1.316849 .4208 0.86 0.389 .7039374 2.463418
3.Mediana Grande 1.036528 .1928851 0.19 0.847 .719752 1.492723
4.Grande .5318255 .0952552 -3.53 0.000 .3743783 .7554883

cat_empre
Cooperativa .4684939 .1589763 -2.23 0.025 .2409137 .9110584
Sociedad Anonima .746421 .1464049 -1.49 0.136 .5081911 1.096328

region_natural
Costa .7912157 .1450101 -1.28 0.201 .5524473 1.13318
Sierra 1.064146 .2974541 0.22 0.824 .6152767 1.840485

prov_empr 1.005209 .004707 1.11 0.267 .9960256 1.014477

d_trab_muj .9924193 .0039449 -1.91 0.056 .9847175 1.000181
d_rat_muj .5248089 .4933572 -0.69 0.493 .0831404 3.312764
d_v_janus .6379061 .7688863 -0.37 0.709 .0600869 6.772266
d_v_nivedu .806389 .0956679 -1.81 0.070 .6390873 1.017487
d_v_sriego .9999989 8.25e-06 -0.13 0.896 .9999828 1.000015
d_v_mercado .7689524 .2408404 -0.84 0.402 .4161962 1.420695
d_v_asist 1.165885 .609513 0.29 0.769 .4184619 3.248294
d_v_credi 6.744506 5.248124 2.45 0.014 1.467581 30.99547

theta .097368 .0907824

Likelihood-ratio test of theta=0: chibar2(01) = 1.32 Prob>=chibar2 = 0.125

El estimado para 𝜃 no es distinto de cero, y por ende no existe mucha evidencia de la

existencia de un efecto vulnerabilidad intrínseco a nivel de empresas. Esto también se
corrobora cuando se comparan coeficientes de ambos modelos (sin y con vulnerabilidad)
en el cuadro siguiente.

29
 Tabla A.3. Modelos sin y con vulnerabilidad

nofrail frail
b/se b/se

1.Pequeña 0.00000 0.00000

(.) (.)
2.Mediana 0.28290 0.27524
(0.30078) (0.31955)
3.Mediana Grande 0.05120 0.03588
(0.17521) (0.18609)
4.Grande -0.61497*** -0.63144***
(0.17008) (0.17911)
Cooperativa -0.72652** -0.75823**
(0.31946) (0.33933)
Sociedad Anonima -0.28086+ -0.29247+
(0.18362) (0.19614)
Otras 0.00000 0.00000
(.) (.)
Costa -0.22837 -0.23418
(0.17083) (0.18328)
Sierra 0.07798 0.06217
(0.26164) (0.27952)
Selva 0.00000 0.00000
(.) (.)
Empresas en provin~a 0.00521 0.00520
(0.00446) (0.00468)
d_trab_muj -0.00720* -0.00761*
(0.00374) (0.00397)
d_rat_muj -0.65832 -0.64472
(0.90164) (0.94007)
d_v_janus -0.29717 -0.44956
(1.16936) (1.20533)
d_v_nivedu -0.21982** -0.21519*
(0.11061) (0.11864)
d_v_sriego -0.00000 -0.00000
(0.00001) (0.00001)
d_v_mercado -0.26307 -0.26273
(0.29614) (0.31321)
d_v_asist 0.20419 0.15348
(0.49424) (0.52279)
d_v_credi 1.81598** 1.90873**
(0.72297) (0.77813)

N 1853 1853

+ p<0.15, * p<0.1, ** p<0.05, *** p<0.01

Se puede ver que los coeficientes (en este caso exponenciados) son muy parecidos para
ambos modelos, lo que implica que no hay evidencia de algún efecto vulnerabilidad a nivel
de las empresas en los datos.

30

View publication stats