agris - gsarsgsars.org/wp-content/uploads/2018/12/gs-agris... · cuestionarios genÉricos y notas...

AGRISGuía para la Encuesta Agrícola Integrada

AGRIS Guía para la Encuesta Agrícola Integrada

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS) i

AGRISGuía para laEncuesta Agrícola Integrada

Estrategia global para el mejoramiento de las estadísticas agropecuarias y rurales Deciembre 2018

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS)ii

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS) iii

Índice

Acrónimos ix

Agradecimientos xii

CAPÍTULO 1ENCUESTANDO UNIDADES DE PRODUCCIÓN AGROPECUARIA EN EL SIGLO 21 1 1.1. Un ecosistema de datos en evolución 1

1.2. El desafío de producir datos correctos para responder a las necesidades prioritarias en la

formulación de políticas, gestión de mercado y apoyo a la investigación 2

1.3. Estado actual de los sistemas de información a nivel de la unidad de producción agropecuaria

de países en desarrollo 4

1.4. Desarrollo de sistemas integrados y costo-eficientes de información estadística 5

CAPÍTULO 2AGRIS EN POCAS PALABRAS 7 2.1. Fundamentación 7

2.2. Unidad estadística de AGRIS: la unidad de producción agropecuaria 9

2.3. Recolección de datos 10

2.3.1. Momento oportuno para la recolección de datos: el ciclo de AGRIS 10

2.3.2. Modo de recolección de datos 11

2.3.3. Muestreo 14

2.3.4. Cuestionarios Genéricos de AGRIS 15

2.4. Temas abarcados 17

2.5. Acceso a datos 21

2.6. Adaptación e implementación de AGRIS a nivel de país 21

CAPÍTULO 3ELEMENTOS DE DATOS EN AGRIS 3.1. Módulo principal de AGRIS: objetivos de la medición y elementos de datos 24

3.2. Módulo Rotatorio de AGRIS – Economía: objetivos de medición y elementos de datos 29

3.3. Módulo Rotatorio de AGRIS – Fuerza de Trabajo: objetivos de la medición de elementos de datos 33

3.4. Módulo Rotatorio de AGRIS – Métodos de Producción y Medio Ambiente: objetivos de la medición

de elementos de datos 36

3.5. Módulo Rotatorio de AGRIS - Maquinaria, Equipo y Activos: objetivos de medición y elementos

de datos 48

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS)iv

CAPÍTULO 4CUESTIONARIOS GENÉRICOS Y NOTAS METODOLÓGICAS DE AGRIS 51 4.1. Nota metodológica del módulo principal de AGRIS 94

Introducción 94

4.1.1. Contexto, objetivos de medición, unidad estadística, periodos de referencia y unidades de medición 94

4.1.1.1. El Módulo principal en el contexto de AGRIS 94

4.1.1.2. El Módulo principal y marcos de trabajo estadísticos internacionales 95

4.1.1.3. Objetivos y alcance de la medición 99

4.1.1.4. Unidad estadística y cobertura 99

4.1.1.5. Periodo de referencia y calendario 100

4.1.1.5.1. Periodo de referencia 100

4.1.1.5.2. Calendario 101

4.1.1.6. Unidades de medición 101

4.1.2. Estructura del Módulo principal y principales indicadores 102

4.1.3. Contenido, definiciones y clasificaciones propuestas 104

4.1.3.1. Sección 1: la unidad de producción agropecuaria 104

4.1.3.1.1. Sección 1, sector 1.1: Preparación de la encuesta 104

4.1.3.1.2. Sección 1, sector 1.2: Identificación de la unidad de

producción agropecuaria 104

4.1.3.1.3. Sección 1, sector 1.3: Actividad agropecuaria 105

4.1.3.2. Sección 2: titulares y gerentes 106

4.1.3.3. Sección 3: Producción de cultivos durante el periodo de referencia 107

4.1.3.4. Sección 4: producción de ganado 112

4.1.3.5. Sección 5: economía 117

4.1.3.6. Sección 6. Hogares de los titulares y cotitulares 118

4.1.3.7. Sección 7. Mano de obra utilizada por la unidad de producción

agropecuaria 118

4.1.3.8. Sección 8: vivienda y activos del hogar 119

4.1.3.9. Sección 9: fin de la encuesta 119

4.2. Nota Metodológica del módulo economía de AGRIS 139

Introducción 139

4.2.1. Contexto, objetivos de medición, unidad estadística, periodos de referencia y

unidades de medición 140

4.2.1.1. Le module Économie dans le contexte AGRIS 140

4.2.1.2. Módulo Economía y marcos estadísticos internacionales 142


4.2.1.4. Unidad y cobertura estadística 147

4.2.1.5. Periodo de referencia 148

4.2.1.5.1. Périodes de référence 148



4.2.2. Estructura del módulo economía y principales indicadores 153

4.2.3. Contenido, definiciones y clasificaciones propuestas en el módulo economía 161

4.2.3.1. Sección 1: principales características de la unidad de producción agropecuaria 162



4.2.3.4. Sección 4: inversiones, costos financieros y costos de seguro 171

4.2.3.5. Sección 5: comercialización y almacenamiento 173

4.2.4. Opciones para una versión más corta – identificación de preguntas prioritarias 175

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS) v

4.3. Nota Metodológica del módulo fuerza de trabajo de AGRIS 194

Introducción 194



4.3.1.1. El Modulo Fuerza de Trabajo en el contexto de AGRIS 194

4.3.1.2. El Módulo Fuerza de Trabajo y marcos de trabajo estadísticos internacionales 196

4.3.1.3. Objetivos de la medición 201



4.3.1.5.1. Periodo de referencia 203



4.3.2. Estructura del módulo Fuerza de Trabajo y principales indicadores 205

4.3.3. Contenido, definiciones y clasificaciones propuestas en el módulo Fuerza de Trabajo 210

4.3.3.1. Contenido 210

4.3.3.1.1. Sección 1: Generalidades de las actividades y fuerza de trabajo de

la unidad de producción agropecuaria 210

4.3.3.1.2. Sección 2 – miembros del hogar: tiempo trabajado, principales

actividades, pagos y beneficios por el trabajo en la unidad de


4.3.3.1.3. Sección 3 – Trabajadores externos: características demográficas, tiempo

trabajado, principales actividades, pagos y beneficios por el trabajo en la

unidad de producción agropecuaria 213

4.3.3.1.4. Sección 4: contratistas 215

4.3.3.2. Definiciones y clasificaciones 215

4.4. Nota Metodológica del módulo métodos de producción y medio ambiente de AGRIS 253

Introducción 253



4.4.1.1. El Módulo PME en su contexto AGRIS 253

4.4.1.2. El Módulo PME y marcos de trabajo estadísticos internacionales 255





4.4.2. Estructura del módulo PME y principales indicadores 259


4.4.3.1. Sección 1. Mano de obra utilizada por la unidad de producción agropecuaria 262

4.4.3.2. Sección 2 –Utilización de recursos naturales 263

4.4.3.3. Sección 3 – Producción de cultivos durante el periodo de referencia 267

4.4.3.4. Sección 4: métodos de producción de ganado durante el periodo de referencia 273

4.4.3.5. Sección 5 – Agricultura orgánica certificada durante el periodo de referencia 281

4.4.3.6. Sección 6 – Agroforestería durante el periodo de referencia 282

4.4.3.7. Sección 7 – Acceso y uso de información, infraestructura y recursos comunales durante

el periodo de referencia 282

4.4.3.8. Sección 8 – GEI y temas ambientales durante el periodo de referencia 283

4.4.3.9. Sección 9 – Adaptación al cambio climático y estrategias de mitigación durante el

periodo de referencia 284

4.4.3.10. Sección 10 – Gestión de la basura durante el periodo de referencia 285

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS)vi

4.5. Módulo maquinaria, equipo y ativos de AGRIS Nota Metodológica 299

Introducción 299

4.5.1. Contexto, objetivos de medición, unidad estadística, periodos y unidades de referencia 299

4.5.1.1. El Modulo MEA en su contexto AGRIS 299

4.5.1.2. El Módulo MEA y marcos de trabajo estadísticos internacionales 300





4.5.2. Estructura del módulo MEA y principales indicadores 304


4.5.3.1. Sección 1 – Maquinaria y equipo utilizados por la unidad de producción

agropecuaria durante el periodo de referencia 306

4.5.3.2. Sección 2 – Edificios o estructuras no residenciales utilizadas por la unidad de


4.5.3.3. Sección 3 – Activos seleccionados de propiedad de la unidad de producción

agropecuaria 307

CAPÍTULO 5ESTRATEGIA DE MUESTREO DE AGRIS 309Introducción 309

5.1. Marcos que se recomiendan para AGRIS 310

5.1.1. Enfoque de base múltiple 1: lista de unidades estadísticas 311

5.1.2. Marco múltiple 2: marco zonal y lista de unidades estadísticas 312

5.2. Construcción de marcos 313

5.2.1. Utilización de marcos existentes para AGRIS 313

5.2.1.1. Marco del censo de población 313

5.2.1.2. Marco de datos del censo agrícola 315

5.2.1.3. Empleo de un marco zonal 316

5.2.2. Ausencia de marcos idóneos: opciones prácticas 316

5.2.2.1. Conduciendo un censo agrícola de muestra grande 316

5.2.2.2. Uso de datos administrativos 317

5.2.2.3. La elaboración de marcos duales a partir de imágenes satelitales y datos

administrativos 317

5.3. Opciones para actualizar marcos en el ciclo decenal de AGRIS 320

5.3.1. Lista de unidades estadísticas 320

5.3.1.1. Sistemas de rotación 320

5.3.1.2. Sistemas panel 320

5.3.1.2.1. Actualización del marco 321

5.3.1.2.2. Opciones para actualización 321

5.3.2. Marcos zonales y marcos múltiples 322

5.4. Unidades estadísticas 323

5.5. Estratificación 323

5.6. Diseños de muestreo recomendados 324

5.6.1. Diseño de una lista de unidades de producción del sector hogares y marco zonal:

Muestreo estratificado de dos etapas 325

5.6.2. Diseño de listas de unidades de producción del sector ajeno a hogares y unidades

de producción sin tierras con ganadería: muestreo estratificado de una etapa 326

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS) vii

5.7. Recomendaciones específicas al utilizar marcos alternativos para AGRIS 327

5.7.1. Empleo de listas de unidades estadísticas alternativas 327

5.7.2. Empleo de un marco zonal 327

5.7.2.1. Cobertura 327

5.7.2.2. Estratificación 327

5.7.2.3. Observación de campo 328

5.8. Estimación y varianza del muestreo 329

5.8.1. Diseño de muestreo estratificado en dos etapas 329

5.8.2. Diseño de muestreo estratificado de una etapa 331

5.8.3. Estimaciones basadas en unidades de producción con muestra de área 332

5.8.3.1. Vínculos entre unidades de área y unidades de producción 332

5.8.3.2. Cálculo de ponderación 332

5.8.4. Estimadores de marco múltiple 333

5.8.4.1. Marco zonal y lista de unidades estadísticas 333

5.8.4.2. Caso de dos listas de unidades estadísticas 334

5.9. Tamaño y asignación de la muestra 335

5.9.1. Muestreo estratificado en dos etapas 335

5.9.1.1. Opción 1: comenzando con el tamaño de la muestra de USM 335

5.9.1.2. Opción 2: comenzando con el tamaño de la muestra de UPM 337

5.9.2. Muestreo estratificado en una etapa 338

5.10. Arquitectura modular: principal y módulos 339

5.10.1. Diseño de muestreo en dos etapas 339

5.10.1.1. Submuestreo de las USM en las UPM 339

5.10.1.2. Submuestreo de las UPM 340

5.10.2. Diseño de muestreo en una etapa 340

5.11. Análisis longitudinal 341

5.11.1. Diseño panel 341

5.11.2. Diseño de rotación parcial de la muestra 341

5.11.2.1. Técnica PRN 342

5.11.2.2. Muestreo replicado 344

5.11.2.3. Asuntos prácticos sobre rotación de muestra 344

5.12. Conclusión 345

BIBLIOGRAFÍA 346

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS)viii

ANEXOS – AGRIS Anexo 1. Clasificaciones 355

Anexo 1-1a. Clasificación internacional industrial uniforme de todas las actividades económicas,

rev.4 (CIIU) clasificación detallada de las actividades en el área de competencia para

su inclusión en agris 358

Anexo 1-1b. Otras actividades económicas reflejadas en los módulos de AGRIS y sus referencias

relacionadas con CIIU Rev. 4 365

Anexo 1-1c. Códigos de actividad en los módulos de AGRIS 369

Anexo 1-2. Clasificación indicativa de cultivo versión 1.1 (icc, 1.1) 371

Anexo 1-3. Revisión de la clasificación del producto central 2.1 (ccp rev. 2.1) ampliada para

estadísticas agropecuarias y para uso en AGRIS 377

Anexo 1-4. Sistema de cuentas nacionales 2008 - SCN 397

Anexo 1-5. Clasificación internacional uniforme de ocupaciones (CIUO-08) 400

Anexo 1-6. Clasificación de maquinaria y equipo 416

Anexo 1-7. Clasificación internacional normalizada de la educación (CINE, 2011) 420

Anexo 2. Indicadores calculados de AGRIS 421

Anexo 2-1. Indicadores relacionados con el módulo principal de AGRIS 430

Anexo 2-2. Indicadores relacionados con el módulo principal de AGRIS 447

Anexo 2-3. Indicadores relacionados con el módulo fuerza de trabajo deAGRIS 460

Anexo 2-4. Indicadores relacionados con el módulo métodos de producción y medio

ambiente de AGRIS 476

Anexo 2-5. Indicadores relacionados con el módulo métodos de producción y medio

ambiente de AGRIS 496

Anexo 3. AGRIS y tipología de la finca 505

Anexo 4. Items de datos para cuestionario a nivel individual, módulo opcional AGRIS 511

Anexo 5. CAPI y las soluciones de encuesta 514

Anexo 6. Banco de preguntas - ¿Cómo ayuda? 520

Anexo 7. Paquetes recomendados para muestreo de AGRIS 526

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS) ix

Acrónimos

AAU Área Agrícola Utilizada

AE Área de Enumeración

AID Asociación Internacional de Desarrollo

IFPRI Instituto Internacional de Investigación de Políticas Alimentarias

AGRIS Encuesta Agrícola y Rural Integrada

CAM 2020 Censo Agropecuario Mundial 2020

CAPI Entrevista personal asistida por computadora

CCP Clasificación del Producto Central

CENU Comisión de Estadística de las Naciones Unidas

CGE Equilibrio General Computable

CIOU Clasificación Internacional Uniforme de Ocupaciones

CINE Clasificación Internacional Normalizada de la Educación

CISE Clasificación Internacional de la Situación en el Empleo

DDI Diagnóstico Diferencial Integrado

DENU División de Estadística de las Naciones Unidas

EODM Estimaciones de Oferta y Demanda Mundial

FAO Organización de las Naciones Unidas para la Alimentación y la Agricultura

FDES 2013 Marco para el Desarrollo de Estadísticas Ambientales 2013

FPNU Fondo de Población de Naciones Unidas

GADM Base de Datos de Áreas Administrativas Globales

GEI Gas de Efecto Invernadero

GPS Sistema de Posicionamiento Global

GSARS Estrategia Global para el Mejoramiento de las Estadísticas Agropecuarias y Rurales

GSS Servicios de Estadísticas de Ghana

GTAP Proyecto de Análisis de Comercio Mundial

GWSM Método de Generalizado para Ponderación de Peso

HH Hogar

ICC Clasificación Indicativa de los Cultivos

IDD Iniciativa de Documentación de Datos

LSMS-ISA Estudio de Medición de los Niveles de Vida - Encuestas Agropecuarias Integradas

MEA Maquinaria, Equipo y Activos

MIE Marco Integrado de Encuestas

MSCD Serie Mínima de Datos Básicos

MSF Marco de Muestreo Múltiple

NASS Servicio de Estadísticas Agrícolas Nacionales

ODS Objetivo de Desarrollo Sostenible

OGM Organismo Genéticamente Modificado

OIT Organización Internacional del Trabajo

ONG Organización no gubernamental

ONU Organización de Naciones Unidas

PAC Política Agrícola Común

PAPI Entrevistas con papel y bolígrafo

PEA Persona Económicamente Activa

PE Producción Estándar

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS)x

PME Métodos de Producción y Medio Ambiente

PPS Probabilidad proporcional al tamaño

PPP Producto fitosanitario

PRN Número Aleatorio Permanente

SEN Sistema Estadístico Nacional

SADCM Sistema Armonizado de Designación y Codificación de Mercancías

SCAEI Sistema de Contabilidad Ambiental y Económico Integrado

SCN Sistema de Cuentas Nacionales

SMS Servicio de Mensajes Cortos

SuSo Solución de Encuesta

SGNU Secretaría General de Naciones Unidas

SGP Sistema de Garantía de Participación

SIG Sistema de Información Geográfica

SRS Muestreo Aleatorio Simple

SRSWOR Muestreo aleatorio simple sin sustitución de tamaño

UE Unión Europea

UPA Unidad de producción agropecuaria

UPM Unidad Primaria de Muestreo

USM Unidad Secundaria de Muestreo

ZAE Zonas Agroecológicas

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS) xi

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS)xii

Agradecimientos

La presente Guía para la Encuesta Agrícola Integrada (AGRIS) ha sido preparada por un equipo central de estadísticos agrícolas de alta categoría, con amplio conocimiento, y varias décadas de experiencia en encuestas y censos en varias regiones del mundo. El trabajo del equipo ha sido coordinado por el Sr. François Fonteneau, Gerente del Programa AGRIS en la Oficina Mundial de la Estrategia Global para el Mejoramiento de las Estadísticas Agropecuarias y Rurales, con la asistencia de Neli Georgieva, Estadística, Oficina Mundial.

Varios expertos principales han trabajado en la estrategia general de AGRIS, el contenido de los Cuestionarios Genéricos, la redacción de las preguntas y los flujos lógicos, al igual que en el presupuesto y consideraciones operativas y en las estrategias y prácticas de muestreo. Los siguientes expertos del equipo son autores y coautores de uno o más capítulos: • Capítulo 1: François Fonteneau y Jacques Delincé1 • Capítulo 2: François Fonteneau y Neli Georgieva• Capítulo 3: Neli Georgieva y François Fonteneau • Capítulo 4: Neli Georgieva y François Fonteneau, con aportaciones clave de:

�� Robert Arcaraz1: Módulos Principal, Economía, Métodos de producción y el medio ambiente, Maquinaria, Equipo y Activos

�� Chiara Brunelli2: Módulo de Fuerza de Trabajo�� Frank Cachia1: Módulo de Economía�� Antonio Discenza3: Módulo de Fuerza de Trabajo�� Lynda Kemp1: Módulo principal, Economía, Fuerza de Trabajo, Métodos de Producción y el Medio

Ambiente• Capítulo 5: Dramane Bako1, Jacques Delincé y Marcello D’Orazio3, con las aportaciones clave de Piero

Falorsi3 y Cristiano Ferraz4.• Anexos: Neli Georgieva, con las aportaciones clave de Lynda Kemp, Michael Rahija5, Robert Arcaraz,

Andrea Foroni1 y Mariana Toteva1.

La investigación de conjunto y el apoyo operativo han sido proporcionados por Yakob Seid1, Andrea Foroni, Shima Gholamimehrabadi1 y Jefferson Attipoe6.

Por tanto, la presente publicación es resultado del auténtico trabajo de equipo, y todos sus miembros principales han hecho contribuciones sustanciales a toda la Guía. También se recibieron valiosos aportes y comentarios en varias etapas de miembros del Comité de Asesoramiento Científico de la Estrategia Global (SAC, por su sigla en inglés) así como de otros expertos internacionales, durante una serie de evaluaciones temáticas y transversales de homólogos, organizadas en 2016 y 2017 en las oficinas centrales de la Organización de Naciones Unidas para la Alimentación y la Agricultura (FAO). La Oficina Mundial organizó una reunión de expertos de alto nivel en febrero de 2017. Las aportaciones de estas reuniones han sido particularmente útiles a lo largo del proceso de diseño de la metodología AGRIS.

1 Consultor, Oficina Mundial2 Organización de Naciones Unidas para la Alimentación y la Agricultura (FAO)3 Istat4 Universidad Federal de Pernambuco, Brasil5 Oficina Mundial6 FAO Ghana

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS) xiii

Las contribuciones de Christophe Duhamel5, Naman Keita1, Michael Steiner7 y Alberto Zezza8 en las diferentes etapas del desarrollo de la metodología han sido fundamentales.

En las diferentes etapas cruciales del diseño de la metodología de AGRIS se recibieron valiosas contribuciones de entidades asociadas, en especial del Banco Mundial, a través de su equipo de Estudio de Medición de los Niveles de Vida, de la Organización Internacional del Trabajo de Naciones Unidas y de Eurostat. La metodología propuesta también fue evaluada por homólogos dentro de la FAO, por medio de su Grupo de Trabajo Interdepartamental sobre Estadísticas. Se reconoce y agradece asimismo las valiosas contribuciones de Gerentes y Expertos de Encuestas y Profesionales del Servicio de Estadísticas de Ghana (GSS, por su sigla en inglés) y del Ministerio de Alimentación y Agricultura de Ghana (MOFA, por su sigla en inglés), quienes trabajaron junto a la Oficina Mundial sometiendo la metodología propuesta a ensayos en el terreno.

La presente publicación ha sido preparada con el apoyo del Fondo Fiduciario de la Estrategia Global, fundado por el Departamento para el Desarrollo Internacional (DfID, por su sigla en inglés) del Reino Unido y la Fundación Bill y Melinda Gates (BMGF, por su sigla en inglés).

Finalmente, quisiéramos agradecer el excelente trabajo de aquellas personas involucradas en la traducción y el diseño de estas pautas. La traducción de este documento fue realizada por Rose Marie Vargas Jastran, como parte del equipo de Dianne Jenny Berest. La edición estuvo a cargo de Fernando Alan Martínez Hernández, Eduardo Vázquez Andrade, Jessica Asenet Zenteno Treviño, Fernando Martínez Gutiérrez, Santos Martínez Santiago y José Luis Hernández Rodríguez del Instituto Nacional de Estadística y Geografía de México, mientras que Reem Azzu hizo el diseño bajo la dirección de Francesca Zoppi.

7 Departamento de Agricultura (EE.UU.)8 Banco Mundial.

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS)xiv

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS) 11

1Capítulo 1

Encuestando unidades de producción agropecuaria en el Siglo 21

1.1. UN ECOSISTEMA DE DATOS EN EVOLUCIÓN

En una época en la cual el Internet brinda respuestas inmediatas a cualquier interrogante de las personas y cuando en ciertas partes del mundo se vive, se sostiene y se disfruta una revolución de datos sin precedentes, el conocimiento sobre las producción, existencias y proyecciones agrícolas a nivel mundial, nacional, local o de unidades de producción agropecuaria aún constituye un desafío. Si bien no cabe duda que los recursos agrícolas y tecnologías en constante evolución actualmente están en condiciones de alimentar a la población mundial, los gobiernos, el sector empresarial y los ciudadanos siguen siendo vulnerables frente a problemas potenciales relacionados con la escasez local de alimentos y forraje, a los efectos de lluvia o calor atípicos, a los precios irregulares, al igual que a las consecuencias de las prohibiciones a la exportación o del cambio climático. Aún resulta difícil obtener información sobre estos factores, especialmente cuando deben recopilarse a nivel de la unidad de producción agropecuaria.

Junto con los sistemas de información agrícola en tiempo casi real basados en la teledetección y otros sensores conectados, es necesario disponer de bases de datos referenciales internacionales estandarizadas y homologadas (como las Estadísticas de la FAO o FAOSTAT, por su sigla en inglés) para contextualizar los nuevos datos en la perspectiva de las tendencias históricas. Tradicionalmente, tales estadísticas agrícolas se han derivado de tres fuentes principales: censos (como el censo decenal agropecuario recomendado; FAO 2015), monografías sobre unidades de producción agropecuaria típicas (por ejemplo, AgriBenchmark sobre costos de producción, Isermeyer (2012) o informes de servicios de extensión) y encuestas anuales (como la Encuesta Agrícola de Junio del Departamento de Agricultura de los EE.UU (USDA, por su sigla en inglés; Cotter et al., 2010). En todo el mundo su calidad ha declinado de manera sistemática principalmente debido a limitaciones presupuestarias, lo cual implica la necesidad de realizar cambios drásticos en la selección de los indicadores a ser monitoreados (véase, por ejemplo, las variables medulares designadas por Estrategia Global para Mejorar las Estadísticas Agrícolas y Rurales, en adelante Estrategia Global; World Bank, FAO & UN, 2011), así como la búsqueda de métodos más económicos de recolección de datos (estimadores de marcos múltiples, integración de datos administrativos), y mejores métodos de análisis (uso de herramientas del Sistema Geográfico de Información, SGI).

Aunque las series de datos de la Encuesta Agrícola Integrada (AGRIS por su sigla en inglés) se utilizarán mayormente para el diseño y monitoreo de políticas a nivel de país, las bases de datos internacionales de referencia también se verán beneficiadas, ya que se obtendrán y difundirán indicadores de mayor calidad de las fuentes de AGRIS.

GUÍA PARA LA ENCUESTA AGRÍCOLA INTEGRADA (AGRIS)2

1.2. EL DESAFÍO DE PRODUCIR DATOS CORRECTOS PARA RESPONDER A LAS NECESIDADES PRIORITARIAS EN LA FORMULACIÓN DE POLÍTICAS, GESTIÓN DE MERCADO Y APOYO A LA INVESTIGACIÓN

Las estadísticas orientadas al usuario tienen como objetivo atender tres amplias categorías de necesidades: definición de políticas, gestión de mercados y apoyo a la investigación. Esto dio lugar a que la Estrategia Global para el Mejoramiento de las Estadísticas Agrícolas y Rurales (en adelante GSARS o Estrategia Global) identifique las variables básicas que se ocupan de la producción de cultivos y ganadería, datos socio económicos relacionados y el ambiente de la cubierta de suelo territorial para incluirlos en su Conjunto Mínimo de Datos Centrales (MSCD, por su sigla en inglés)1 propuesto. Los microdatos de calidad a nivel de unidad de producción agropecuaria agrícola, recolectados por medio de encuestas de fincas, con metodologías idóneas, son imprescindibles para producir este MSCD, el cual a la postre podrá aportar información a las tres categorías antes mencionadas de usuarios de los datos.

Los responsables de formular políticas por lo general se apoyan en resultados que utilizan modelos de equilibrio general o parcial (M’Barek et al., 2012) para sacar conclusiones sobre las consecuencias de la decisiones que interfieren con la ley de mercados. Los modelos buscan reiteradamente el equilibrio entre la demanda y la oferta en función de las cantidades y precios de las mercancías que compiten por recursos económicos, limitados por factores de producción como la tierra, los recursos humanos y el capital. Las ecuaciones del modelo remedan el comportamiento de agentes económicos a través de parámetros denominados elasticidades. Las principales categorías son elasticidades de demanda, oferta y sustitución específicas de cada mercancía, que en algunos modelos da lugar a la estimación de miles de parámetros de estudios econométricos. Por otra parte, las variables involucradas en las ecuaciones representan cantidades (número de ha o de animales), valores monetarios (importación o exportación de carne en términos de dólares de EE.UU, costos de producción) e incluso información cualitativa (riesgo aceptado, tipo de suelo). Estas variables deben conocerse de la manera más precisa para series de tiempo que abarcan los 15 a 20 años previos, y su coherencia interna es esencial para la identificación de soluciones al sistema de ecuaciones.

Las fuentes de datos son bases de datos internacionales a cargo de organismos como la Organización de Naciones Unidas para la Alimentación y la Agricultura (FAO), el Banco Mundial (BM), la Unión Europea (UE) y el USDA, y son alimentadas por una amplia variedad de fuentes: censos nacionales, monografías, datos administrativos, teledetección, y encuestas, entre ellas las encuestas en fincas. Con todo, la calidad de estas bases de datos por lo general se ve limitada por valores atípicos, fuentes de datos conflictivas, datos de fuentes faltantes u obsoletas, a menudo debido a la ausencia de encuestas recientes. La importancia de estos modelos y las correspondientes bases de datos resulta más clara una vez que se examina su contenido (por ejemplo, las variables que contienen) y cobertura (lapso de tiempo y países ). El Proyecto de Análisis de Comercio Mundial (GTAP-9, por su sigla en inglés), de lejos el modelo de Equilibrio General Computable (CGE, por su sigla en inglés), abarca a 140 países y 57 mercancías para los años 2004, 2007 y 2011 (nótese el desfase entre el año actual y los datos disponibles más recientes). Para el análisis nacional, las matrices de contabilidad social del Instituto Internacional de Investigación de Políticas Alimentarias (IFPRI, por su sigla en inglés) están entre las bases de datos más importantes e incluyen a 60 países de África, Asia y Sud América. No obstante, también en este caso, los datos más recientes son más bien antiguos: 2012.

La gestión de mercado, determinada por los ministerios de agricultura y el sector privado, también se apoya en la disponibilidad de estadísticas agrícolas recientes y confiables, entre ellas las encuestas a unidades de producción agropecuaria. Si bien el comercio de mercancías agrícolas representa apenas una pequeña parte de la producción (23% para el trigo y 8% para el arroz en 2015), la rigidez de la elasticidad de la demanda de alimentos provoca tan alto impacto de las producciones en la volatilidad del precio, que los informes de las Estimaciones de la Oferta y Demanda Agrícola Mundial (WASDE, por su sigla en inglés) del USDA se preparan en el mayor secreto, se publican en fechas y horas fijas durante el día y repercutan de manera directa en el establecimiento de los precios

1 Véase Cuadro 1 en World Bank, FAO 6 UN (2011).


internacionales. Las estrategias de importación y exportación, la planificación presupuestaria, y las medidas de apoyo al precio son prioridades recurrentes de las autoridades nacionales que requieren estadísticas agrícolas pasadas y presentes. De igual manera, la industria alimentaria multinacional y los fondos de inversión especulativos se apoyan en el bien público proporcionado por el sistema de estadísticas para optimizar sus opciones de producción en función de las del consumidor, al igual que sus estrategias de inversión de corto o largo plazo. Tales estudios con frecuencia se concentran únicamente en el sector agrícola, y los modelos involucrados tienden a basarse en el equilibrio parcial (EP). Estos estudios se utilizan para planificar y para la posevaluación, y requieren datos regionales. Se pueden considerar como los estudios más importantes para los gobiernos nacionales.

El apoyo a la investigación es la tercera meta orientada al usuario más importante de las estadísticas agrícolas. El trabajo científico académico basado en bases de datos de acceso libre es esencial tanto para los responsables de formular políticas como para los investigadores de mercado. Miles de documentos científicos se publican mensualmente. Además de la validación de datos, este trabajo proporciona las llamadas estadísticas secundarias que son resultado del análisis micro econométrico para el desarrollo y validación de nuevas hipótesis económicas, y proporcionan estimaciones de la mayor parte de los parámetros de los modelos de EP y EGC antes mencionados (como el IMPACTO del IFPRI o GTAP de Purdue; véase Nelson et al., 2014). En este contexto, el acceso a los microdatos es un requisito esencial. Los investigadores tienden a realizar su propia encuesta de pequeña escala cuando es posible, intentando remedar las metodologías aplicadas por fuentes confiables. La duplicación en la recolección de datos es elevada, y hay una gran necesidad de mayor transparencia metodológica por parte de las entidades nacionales oficiales de datos a fin de permitir una mayor coincidencia y fomentar la armonización de datos.

En resumen, se han identificado cuatro pilares principales de estadísticas agrícolas: producción de cultivos y ganadería, socio economía de unidades de producción agropecuaria, costo de producción, y cuentas agrícolas nacionales. Se requieren microdatos primarios para realizar el microanálisis a nivel de la unidad de producción agropecuaria individual, en tanto que los modelos de macroanálisis requieren datos secundarios agregados, entre ellos la cuenta agrícola nacional que, basada parcialmente en datos administrativos, proporciona el valor de importaciones, exportaciones y aranceles, y por lo general está estructurada en matrices de contabilidad social. En todos los casos, los datos de buena calidad son una condición fundamental y requieren que se organicen regularmente encuestas de calidad a nivel de la unidad de producción agropecuaria. La calidad de estas encuestas y de los datos que generan puede evaluarse en términos de objetividad (ausencia de sesgo), confiabilidad (precisión conocida), limpieza (ausencia de valores atípicos), integridad (falta mínima de datos), oportunidad (disponibilidad del periodo precedente) y coherencia (encuesta integrada).

Si l’on résume les besoins des utilisateurs, la plupart des pays manquent encore des bases de données nécessaires à Resumiendo las necesidades del usuario, la mayor parte de los países carecen de las bases de datos requeridas para poner en marcha modelos económicos que proporcionan los insumos necesarios para la formulación de políticas, gestión de mercado y apoyo a la investigación. En general, los datos disponibles tienen más de cinco años, un factor que debilita cualquier análisis. La coherencia entre series de datos suele ser pobre debido a la falta de integración de las fuentes de datos. Demasiados países deben enfrentarse con índices de falta de datos que entorpecen la solidez del análisis. Por último, dada la escasa existencia de modelos estocásticos, rara vez se debate la precisión de los datos, aunque los análisis de sensibilidad han demostrado ampliamente que "basura adentro implica basura afuera". Considerando que la vasta mayoría del contenido de las bases de datos es proporcionada por costosas encuestas, mejorar la recolección de datos y las encuestas en los países en desarrollo debe ser parte de las prioridades de la mayoría de los países.


1.3. ESTADO ACTUAL DE LOS SISTEMAS DE INFORMACIÓN A NIVEL DE LA UNIDAD DE PRODUCCIÓN AGROPECUARIA DE PAÍSES EN DESARROLLO

La necesidad de mayor cantidad de datos estadísticos, mejores y más baratos, así como más rápidos en el sector agrícola y rural en general es ampliamente reconocida. Si bien en años recientes se ha avanzado un poco en el acceso a la información existente, gracias al movimiento en favor de los datos abiertos, en muchos países aún hay brechas muy grandes en la producción de datos. Estas brechas se explican en gran parte por una ausencia de recolección de datos de calidad, ya sea a través de censos o encuestas. Algunos países aún no han apalancado con éxito las innovaciones técnicas e institucionales disponibles para la industrialización de la producción estadística. De hecho, la vasta mayoría de los 75 países2 que actualmente son idóneos para los recursos de la Asociación Internacional de Desarrollo (IDA, por su sigla en inglés) no han realizado ninguna encuesta agrícola anual, tal como muestra la figura 1.1. a continuación:

FIGURA 1.1. FALTA DE ENCUESTAS Y CENSOS EN LOS PAÍSES DE LA AID

Las actuales brechas a menudo se cubren mediante "aproximaciones" y otros cálculos no confiables. De manera alternativa, se realizan encuestas ad hoc en pequeña escala, que no permiten inferencia sobre la población total de unidades de producción agropecuaria, ni monitoreo del avance en el tiempo; no obstante, este enfoque conlleva costos de transacción muy elevados. Esto ocurre en varios países donde se emprenden varias encuestas en pequeña escala sin mucha armonización estadística, generando así estimaciones en conflicto que eventualmente confunden a los usuarios de los datos. Esto a su vez aumenta la carga en las personas, unidades de producción agropecuaria y sistemas de datos, y no garantiza la calidad de datos que requieren los usuarios. Por otra parte, este enfoque impide cualquier tipo de monitoreo de los marcos de políticas y no sirve de apoyo para una mayor inversión en agricultura. Por último, constituye un obstáculo a la rendición de cuentas y transparencia requeridas por los mercados y democracias que funcionan.

Esta situación no es específica de los sistemas estadísticos agrícolas, ya que los sistemas estadísticos en general experimentan inversión insuficiente, falta de capacidad y bajo desempeño en demasiados países en desarrollo. En realidad, los sistemas de estadísticas agrícolas experimentan limitaciones adicionales vinculadas con el aislamiento institucional y la complejidad técnica. En términos generales, la calificación para el indicador de la capacidad estadística más común muestra que la situación mundial y regional está mejorando en promedio (UNSG, 2016; anexo, p. 26). Pero, la evidencia anecdótica sugiere que la capacidad gubernamental para producir estadísticas básicas de hecho ha declinado en varios países en desarrollo en décadas recientes. Esto refleja que los donantes y los gobiernos de estos países en ocasiones han perdido el interés en mejorar la capacidad de los gobiernos en desarrollo de producir estadísticas básicas. Una evaluación independiente observaba que, en todo el continente africano, solo

2 http://ida.worldbank.org/about/borrowing-countries

http://ida.worldbank.org/about/borrowing-countries


cuatro países tenían la capacidad de producir estadísticas básicas sobre agricultura (FAO, 2008). Otros estudios observaron que la demanda internacional de estadísticas a menudo sobrepasa la demanda local, un tema que de hecho asesta un golpe en el corazón mismo del reto (OPM, 2009).

La Estrategia Global fue aprobada en 2010 por la Comisión de Estadísticas de Naciones Unidas (UNSC, por su sigla en inglés) para abordar estas preocupaciones relacionadas con la deficiencia en la disponibilidad o calidad de datos y con la falta de capacidad en los países en desarrollo (WB, FAO & UN, 2011). Un estudio realizado por la FAO y el Banco de Desarrollo Africano, en el contexto de la Estrategia Global (FAO & AfDB, 2017), mostró que la implementación del Plan de Acción de la Estrategia Global ha tenido un impacto positivo cuantificable en la capacidad de los países de producir la serie mínima requerida de estadísticas agrícolas, tal como se estipula en los objetivos de la Estrategia. También se ha avanzado respecto a la recolección de datos, en la cual varios países tienen el apoyo del Banco Mundial en la implementación de calidad de encuestas panel, a partir de la metodología LSMS-ISA. Sin embargo, aún queda mucho por hacer para elevar la calidad de las estadísticas en países en desarrollo. Esto solo puede hacerse con un apoyo dual: del lado de la producción de datos y del lado del uso de datos, con el incentivo de la demanda sostenida nacional de mejores datos agrícolas. Más de diez países africanos han identificado el diseño e implementación de AGRIS como prioridad3 para producir rápidamente los datos agrícolas cruciales que requieren los usuarios. Varios países de Asia y de la región del Pacífico y América Latina han expresado asimismo esta demanda. La coincidencia con las prioridades nacionales, tal como se identifica en las estrategias estadísticas nacionales4 y programas de trabajo, debe constituirse en un principio reglamentario de AGRIS para asegurar una sostenibilidad de largo plazo de los sistemas de datos.

Como programa decenal integrado de encuestas, AGRIS sienta las bases para la creación de un sistema eficiente de estadísticas agrícolas. Junto al censo agrícola, al que complementa, un sistema de información de mercado agrícola versátil, y un uso apropiado de los datos de teledetección y administrativos, AGRIS es la piedra angular para el establecimiento de un sistema exhaustivo de información rural.

1.4. DESARROLLO DE SISTEMAS INTEGRADOS Y COSTO-EFICIENTES DE INFORMACIÓN ESTADÍSTICA

Considerando que las encuestas son actualmente el método más económico de recolectar estadísticas agrícolas multipropósito, AGRIS aspira a responder a las necesidades de los institutos nacionales de estadísticas que están dispuestos a cumplir con las recomendaciones de la Estrategia Global.

AGRIS propone un programa decenal modular para la recolección de datos, a partir de un marco maestro (GSARS, 2015b), que garantiza la coherencia de datos en el tiempo y entre series temáticas de variables centrales. Las opciones para desarrollar el marco maestro se dejan a discreción de las autoridades nacionales, ya que todas ellas heredan sistemas muy diferentes. Si un censo agrícola decenal es operativo, brindará naturalmente las bases para la elaboración del marco maestro. Si solo se levanta un censo de población en hogares periódicamente, la inclusión de un módulo agrícola focalizado permitirá derivar el marco maestro agrícola para el sector de hogares. En otros casos, el desarrollo de un marco de área (puntos o segmentos) ofrecerá una solución eficiente. En todos los escenarios, será necesaria la geo-localización de unidades de muestreo, y los marcos múltiples en general mejorarán la calidad del

3 Global Strategy & AfDB. 2015. Identification of technical assistance needs in agricultural statistics of African countries: Action Plan for Africa of the Global Strategy. Joint Global Strategy-AfDB Report: Roma.4 Entre los ejemplos de estas estrategias están los Planes Estratégicos para las Estadísticas Agrícolas y Rurales diseñados en el contexto de Estrategia Global, al igual que las Estrategias Nacionales para el Desarrollo de Estadísticas genéricas.


marco, al combinar la lista de unidades estadísticas y el marco de área con fuentes administrativas (especialmente para el sector ajeno a hogares).

Teniendo en mente los crecientes retos vinculados con la falta respuesta a la encuesta, la falta de datos y baja calidad relacionada con cuestionarios extensos, AGRIS recomienda el enfoque modular. Se espera que el brinde datos anualmente cuya importancia justifique solicitar ese tiempo a los agricultores (principalmente sobre producción de cultivos y ganadería). Formularios digitales previamente llenados en tablets facilitarán el proceso de la entrevista y acortarán el tiempo necesario para el acceso y análisis de datos. Las preguntas se limitarán a variables centrales, y cualquier elemento recolectado será sometido a priori a un análisis de datos e identificación del usuario. Además, cuando sea posible, se aplicará una serie de Módulos rotatorios en frecuencias variables, sobre la base de muestras de Módulo principal. Estos Módulos rotatorios ofrecerán conocimiento adicional en áreas de competencia temática: Economía, Fuerza de Trabajo, Métodos de Producción y Medio Ambiente, y Maquinaria, Equipo y Activos.

Las recomendaciones sobre estrategias de muestreo se emiten en dos niveles: Primero, las unidades de producción agropecuaria comerciales se separan de los hogares, lo cual favorece el diseño de un plan estratificado en dos etapas para hogares y un muestreo estratificado de una etapa para unidades de producción comerciales. Segundo, debe tener lugar la rotación de la muestra en el tiempo a fin de limitar la carga que supone la encuesta y permitir el análisis longitudinal de datos panel, que es particularmente eficiente cuando los observadores están interesados en estimar la evolución de tendencias.

Trabajando con los estimadores Horvitz-Thomson, AGRIS insiste en la importancia de la estimación sin sesgo y la capacidad de cuantificar la varianza del muestreo. En la adopción del muestreo estratificado o muestreo de probabilidad proporcional al tamaño se debe obtener una precisión relativa de 10 por ciento como máximo, asegurando un tamaño adecuado de muestra y optando por el nivel más pequeño de estimación administrativa, de modo que la precisión relativa esperada pueda lograrse con tamaños de muestra que sean compatibles con el presupuesto disponible.

Por último, reconocido el vínculo con los ODS (UN, 2017), la serie propuesta de Cuestionarios Genéricos AGRIS generará datos básicos para el monitoreo de los ODS relevantes. Entre los 232 indicadores de los ODS, AGRIS ofrece información esencial y directa para cuatro indicadores de los ODS e información esencial pero indirecta para otros 15 indicadores de los ODS (véase capítulo 2 para mayores detalles).

La revolución de datos en curso, un contexto mundial significativamente alterado por medio de la agenda 2030, y la necesidad de utilizar la cooperación para el desarrollo de manera más efectiva y basada en la evidencia, han dado paso al incremento súbito del apoyo internacional para recolección de datos y elaboración de estadísticas. En este contexto, es necesario perfilar una visión de las Estadísticas Agrícolas para 2030. La meta debe ser ciertamente sistemas de información actualizados y de acceso abierto. Estructurada como sistema de información, la integración de datos debe ser un requisito satisfecho con recolección integrada de datos, basada en la geo-localización del muestreo o unidades enunciativas. Tal enfoque permitirá introducir referencias cruzadas en el nivel micro de los registros y variables de varias fuentes (encuesta-censo decenal, encuestas anuales o periódicas, datos administrativos, opiniones expertas y colaboración masiva). La eficiencia debe ser una palabra clave, considerando que la nueva tecnología asequible (teléfonos móviles, tablets, GPS, almacenamiento en nube) permite reducir la carga para los encuestados, redundancia en las encuestas, así como errores y retrasos en el ingreso de datos, mientras se introducen funcionalidades para una verificación de calidad en tiempo real y un enfoque sin uso de papel. Esto permite alcanzar mayor calidad a menor precio, siempre que se aplique un filtro drástico al mismo tiempo, para rechazar cualquier esfuerzo de recolección de datos cuyo costo no esté justificado por una ganancia en términos de análisis de datos. La validación debe asimismo ser parte del proceso, para así asegurar que se imputen adecuadamente las faltas de respuesta, la necesidad de que los datos sean anónimos está científicamente optimizada y los cortes en las series temporales son atenuados por métodos multivariados.


Capítulo 2

AGRIS en pocas palabras

2.1. FUNDAMENTACIÓN

La necesidad de más datos estadísticos y de mejor calidad de manera más económica y rápida en los sectores agrícola y rural está ampliamente reconocida. Si bien, en años recientes, hubo cierto avance en el acceso a información disponible gracias al movimiento en favor de datos abiertos, en muchos países aún hay brechas importantes en la producción de datos. Como se describe detalladamente en el Capítulo 1, estas brechas son en gran parte resultado de una ausencia de esfuerzos por recolectar datos de calidad, ya sea en censos o encuestas. Algunos países aún deben apalancar con éxito las innovaciones técnicas e institucionales disponibles para la industrialización de la producción estadística. De hecho, la mayoría de los países de la AID no han conducido censos agrícolas o encuestas anuales durante los últimos 15 años.

La Estrategia Global para mejorar las Estadísticas Agrícolas y Rurales (en adelante Estrategia Global) fue aprobada en 2010 por la Comisión de Estadística de Naciones Unidas (UNSC, por su sigla en inglés), para abordar estas preocupaciones relacionadas con la deficiente disponibilidad o calidad de datos y con la falta de capacidad en países en desarrollo (World Bank et al., 2011). La Estrategia Global es un esfuerzo coordinado para proporcionar un marco conceptual e institucional para la producción de datos; establecer una Serie Mínima de Datos Básicos (MSCD, por su sigla en inglés) necesarios para responder a las demandas elementales y emergentes de las políticas de desarrollo nacionales; desarrollar metodologías costo-eficientes para la producción y uso de datos; así como establecer las estructuras y capacidades de gobernabilidad necesarias.

Como uno de los principales aspectos de los métodos costo-eficientes, AGRIS está diseñada para ayudar a las agencias nacionales a acelerar la producción de datos desagregados de calidad sobre las dimensiones técnicas, económicas y ambientales de las unidades de producción agropecuaria.1 AGRIS se desarrolla a partir del trabajo anterior de Estrategia Global para presentar una oportunidad única de canalizar estas innovaciones metodológicas y lograr impactos reales en los sistemas de datos sobre el terreno.

1 "Una unidad de producción agropecuaria es una unidad económica de producción agrícola bajo una sola administración, que comprende todo el ganado conservado y la tierra utilizada total o parcialmente para producción agrícola, independientemente del título, forma legal o tamaño. La administración única puede ser ejercida por una persona u hogar, conjuntamente por dos o más personas u hogares, por un clan o tribu, o por una persona jurídica como corporación, cooperativa o entidad de gobierno. La tierra de explotación podría estar conformada por una o más parcelas, estar ubicada en una o más áreas separadas o en una o más divisiones territoriales o administrativas, donde las parcelas comparten los mismos medios de producción, como mano de obra, construcciones agrícolas, maquinaria o animales de tiro" (FAO, 2015).

2


Los datos que genera AGRIS aspiran a informar el diseño e implementación de políticas, mejorar la eficiencia de mercado y apoyar la investigación. AGRIS se constituye en una fuente inestimable de datos y ofrece un marco para diseñar, monitorear y evaluar cualquier política o inversión agrícola o rural. Los cuestionarios genéricos propuestos de AGRIS abarcan la mayor parte de los requisitos de datos de la MSCD a nivel de unidad de producción agropecuaria. Proporcionan asimismo datos básicos para el monitoreo de indicadores relevantes para los Objetivos del Desarrollo Sostenible (ODS), una serie de objetivos adoptados por los países el 25 de septiembre de 2015 para acabar con la pobreza, proteger el planeta, y asegurar la prosperidad para todas las personas como parte de una nueva agenda de desarrollo sostenible.2 Cada objetivo considera el logro de metas específicas en el curso de los próximos 15 años, y cada una de esta metas tiene indicadores específicos.3 AGRIS ofrece información esencial y directa para los cuatro indicadores de los ODS siguientes:

• 2.3.1: Volumen de producción por unidad de trabajo por clases de tamaño de empresa de agricultura/ pasturas/ silvicultura

• 2.3.2: Ingreso promedio de los productores de alimentos en pequeña escala, por sexo y estatus indígena• 2.4.1: Proporción del área agrícola en la agricultura productiva y sostenible• 5.a.1: (a) Proporción de la población agrícola total con posesión o garantía de derechos sobre la tierra agrícola,

por sexo; y (b) participación de mujeres entre los propietarios o titulares de derechos sobre la tierra agrícola, por tipo de tenencia

AGRIS contribuye a los siguientes 15 indicadores de ODS adicionales, sobre la subpoblación de la población relacionada únicamente con unidades de producción agropecuaria: • 1.1.1: Proporción de población que se encuentra debajo de la línea internacional de la pobreza, por sexo, edad,

situación de empleo y ubicación geográfica (urbana/rural)• 1.2.1: Proporción de población que vive por debajo de la línea nacional de la pobreza, por sexo y edad• 1.2.2: Proporción de hombre, mujeres y niños de todas las edades, que viven en la pobreza en todas sus

dimensiones de acuerdo a definiciones nacionales• 1.3.1: Proporción de población que está cubierta por pisos o sistemas de protección social, por sexo, distinguiendo

entre niños, personas desempleadas, personas de edad, personas con discapacidad, mujeres embarazadas, recién nacidos, víctimas de lesiones laborales y personas en situación de pobreza y vulnerabilidad

• 1.4.1: Proporción de población que vive en hogares con acceso a servicios básicos• 1.4.2: Proporción de población adulta con derechos de tenencia de la tierra garantizados, con documentación

legalmente reconocida y que percibe sus derechos a la tierra como seguros, por sexo y tipo de tenencia• 1.5.1: Número de muertes, personas desaparecidas y personas directamente afectadas por desastres por 100 000

habitantes• 2.5.2: Proporción de razas locales, clasificadas como en riesgo, no en riesgo o nivel de riesgo de extinción

desconocido• 5.5.2: Proporción de mujeres en puestos gerenciales • 5.b.1: Proporción de personas que poseen teléfono móvil, por sexo• 7.1.1: Proporción de población con acceso a electricidad• 8.7.1: Proporción y número de niños de 517 años inmersos en trabajo infantil, por sexo y edad • 9.1.1: Proporción de la población rural que vive dentro de los 2 km de un camino transitable todo el año• 9.c.1: Proporción de población que cuenta con una red para teléfonos móviles, por tecnología • 17.8.1 Proporción de personas que utilizan el Internet

Como programa decenal de encuestas integradas por muestreo, AGRIS sienta las bases para la creación de un sistema eficiente de estadísticas agrícolas. Junto al censo agrícola al que complementa, un sistema de información

2 http://www.un.org/ga/search/view_doc.asp?symbol=A/RES/70/1&Lang=E3 https://unstats.un.org/sdgs/metadata/

http://www.un.org/ga/search/view_doc.asp?symbol=A/RES/70/1&Lang=E https://unstats.un.org/sdgs/metadata/


de mercado agrícola versátil, y un uso apropiado de los datos recogidos por teledetección y datos administrativos, AGRIS es una piedra angular para el establecimiento de un sistema exhaustivo de información rural. AGRIS no tiene como objetivo reemplazar encuestas especializadas, ya sea en términos de mercancías (tales como las encuestas sobre arroz o fruta de exportación) o geográficas (encuestas sobre ganado nómada, horticultura, etc.).

Sin AGRIS, las brechas de datos pueden llenarse únicamente con mecanismos ad hoc por debajo del nivel óptimo y con costos de transacción elevados. Esto aumentaría aún más la carga sobre personas, unidades de producción agropecuaria y sistemas de datos, y no garantizaría la calidad de los datos que requieren los usuarios. Por último, impediría el monitoreo de los marcos de políticas y se constituiría en un obstáculo a la rendición de cuentas y a la transparencia necesarias para el funcionamiento de los mercados.

2.2. UNIDAD ESTADÍSTICA DE AGRIS: LA UNIDAD DE PRODUCCIÓN AGROPECUARIA

La unidad de producción agropecuariaLa unidad estadística de AGRIS es la unidad de producción agropecuaria, como productora agrícola independiente. La definición propuesta por AGRIS es la establecida por la FAO en su Programa del Censo Agropecuario Mundial 2020 (o WCA 2020; FAO 2015).

“Una unidad de producción agropecuaria es una unidad económica de producción agropecuaria bajo gestión única, que comprende todo el ganado mantenido en ella y toda la tierra dedicada total o parcialmente a fines de producción agrícola, independientemente del título, forma jurídica o tamaño. La gestión única puede ser ejercida por una persona, por un hogar, por dos o más personas u hogares conjuntamente, por un clan o una tribu, o por una persona jurídica como una empresa, una cooperativa o un organismo público. Las tierras de la unidad de producción agropecuaria pueden constar de una o más parcelas, situadas en una o más áreas separadas en una o más divisiones territoriales o administrativas, siempre que todas las parcelas compartan los mismos medios de producción, como mano de obra, edificios agrícolas, maquinaria o animales de tiro”.

La unidad de producción agropecuaria está bajo una sola administración, ejercitada por el titular.

Utilizando la terminología del Sistema de Cuentas Nacionales (SNA 2008, por su sigla en inglés), las unidades de producción agropecuaria pueden agruparse en: (1) las que están definidas como unidades familiares (unidades de producción en el sector de hogares); y (2) todas las unidades institucionales comprometidas con la producción agrícola (unidades de producción en el sector ajeno al hogar), como corporaciones e instituciones gubernamentales. En la mayoría de los países, gran parte de la producción agrícola está en el sector de hogares. El concepto de "unidad de producción agropecuaria" está por tanto estrechamente relacionado con el concepto de "hogar". AGRIS debería abarcar a ambas subpoblaciones como sectores de unidades de producción del hogar y ajeno al hogar respectivamente.

Cobertura y uso del umbralAGRIS debe abarcar todas las actividades agrícolas relevantes que llevan a cabo las unidades de producción agropecuaria en un país. Las agencias nacionales implementadoras pueden fijar los umbrales con el objetivo de abarcar la mayor parte posible de la producción agrícola y excluir a las unidades de producción muy pequeñas que contribuyen poco a la producción agrícola total. Estos umbrales deben decidirse preferiblemente antes de la


realización del censo agrícola, y mantenerse para todas las encuestas conducidas entre dos censos. Es necesario evaluar cuidadosamente los beneficios de establecer umbrales; si la simplicidad operativa y ahorros presupuestarios son ventajas obvias, entre las desventajas está la imposibilidad de responder a la necesidad de monitorear unidades de producción de pequeña escala, que a menudo es una preocupación política fundamental.

AGRIS y la tipología de fincasUna tipología de fincas permite la clasificación de unidades de producción agropecuaria de acuerdo con múltiples dimensiones con el objetivo de lograr un mejor entendimiento de las estructuras de las fincas y diversidad de la producción entre países y dentro de un país. La tipología de fincas, es particularmente útil para una selección más eficiente de las metas de las políticas e inversiones agrícolas y rurales.

La tipología de fincas es un elemento importante para un sistema estadístico agrícola eficiente a nivel nacional. La clasificación de fincas en tipos homogéneos: (1) posibilita el análisis de su estructura, desempeño y sostenibilidad; (2) permite la formulación, implementación y evaluación de políticas que se enfoquen en diferentes aspectos del desarrollo sostenible; y (3) a nivel nacional, proporciona elementos para un diseño más eficiente de la muestra y correspondencia de datos por medio de la estratificación de la población ampliamente diversificada de las unidades de producción agropecuaria.

Se crea una tipología de fincas sobre la base de datos individuales (microdatos) relacionados con las unidades de producción agropecuaria. Es posible aplicar una tipología de fincas ya establecida a los datos generados por AGRIS para un análisis mejorado por tipo, lo cual podría tener consecuencias en la selección de la estrategia de muestreo. Los datos generados por AGRIS pueden utilizarse para diseñar una tipología de fincas útil. En este sentido, las dimensiones clave para tales tipologías son el tamaño de la unidad de producción, especialización de la mercancía y orientación y diversificación del mercado. Los Módulos Principal y Rotatorios pueden de hecho generar estos datos a partir del primer año de su implementación. En el Anexo 3 sobre tipología agrícola se encuentran más detalles.

2.3. RECOLECCIÓN DE DATOS

2.3.1. Momento oportuno para la recolección de datos: el ciclo de AGRISAGRIS está sincronizada con el censo agrícola y funciona en un ciclo de diez años. AGRIS pretende disminuir la carga de levantar censos, programando la recolección de datos temáticos sobre este periodo de tiempo. Esto contribuirá a un flujo más regular de datos, lo cual estaría más en consonancia con las limitadas capacidades actuales para la producción y uso de estadísticas.

AGRIS está compuesta por una serie de preguntas que pueden clasificarse en una de dos categorías principales: una sección central y otra rotatoria. La sección central (también conocida como la "Principal" o "Módulo Principal") es una encuesta de producción mejorada, que también se enfoca en una gama de temas diferentes, los cuales se mantienen en gran parte iguales en cada ronda de la encuesta. La sección rotatoria (que comprende varios "Módulos rotatorios") está dedicada a temas específicos, cuya frecuencia de implementación variará entre países con diferentes sistemas agrícolas y prioridades de demanda de datos.

El siguiente cuadro presenta un posible flujo del módulo para los cuatro Módulos rotatorios recomendados: "Economía", "Fuerza de Trabajo", Métodos de Producción y Medio Ambiente, y "Maquinaria, Equipo, Activos". Los recursos financieros y humanos que se requieren para sostener e implementar esa modalidad son relativamente


estables en el ciclo de diez años, y hace de esta una estructura viable para una entidad que produce datos. La naturaleza modular flexible de AGRIS facilita la modificación de este escenario propuesto, mejorando así su relevancia nacional y costo-eficiencia. Es posible agregar otros Módulos rotatorios para responder a necesidades específicas de datos.

CUADRO 2.1. FLUJO RECOMENDADO DE LOS MÓDULOS DE AGRIS

Años 1 2 3 4 5 6 7 8 9 10

Módulo principal

Directorio de unidades de producción agropecuaria (UPA)

• • • • • • • • • •

Producción de Cultivos + Ganadería • • • • • • • • • •

Otras variables clave • • • • • • • • • •

Módulo Rot. 1 Economía • • • • •

Módulo Rot. 2 Fuerza de Trabajo • •

Módulo Rot. 3 Métodos de Producción y Medio Ambiente • •

Módulo Rot. 4 Maquinaria, Equipo y Activos • •

Para mejorar la memoria del encuestado y proporcionar información oportuna dirigida a la eficiencia de mercado y toma de decisiones, la recolección de datos puede llevarse a cabo varias veces durante el año. Este es particularmente el caso para el Módulo principal en países con varios periodos de cosecha. Los Módulos rotatorios, en particular los Módulos Economía y Fuerza de Trabajo, podrían requerir varias rondas de recolección de datos durante sus años de implementación. Los planes de submuestreo podrían utilizarse para ajustarse a las limitaciones presupuestarias, mientras se producen más datos frecuentes con diferentes niveles de envergadura estadística.

Los métodos de imputación de encuesta-a-encuesta pueden ser una manera costo-eficiente de llenar algunas brechas de datos en el esquema anterior de AGRIS, o entre AGRIS y otras encuestas relevantes (como encuestas independientes sobre fuerza de trabajo). Los desafíos cruciales para la imputación encuesta-a-encuesta se refieren a que los dos tipos de encuestas (o módulos) deben diseñarse en una forma similar (lo cual incluye las preguntas que se formulen), y los parámetros modelo no deben cambiar con el tiempo.

2.3.2. Modo de recolección de datosEn el contexto de los países en desarrollo, mejorar la calidad de los datos –y en particular la precisión y la oportunidad– sigue siendo la prioridad más alta. Las entrevistas cara a cara realizadas por censores profesionales continúan siendo el mejor medio para la recolección de datos de calidad. Siempre que se requiera, la recolección de datos puede incluir el uso de bitácoras de los encuestados (o registros vía el servicio de mensajes cortos [SMS]), por ejemplo en el caso de múltiples temporadas de cosecha o datos de la ganadería (Módulo principal), o costo de producción (Módulo Rotatorio de Economía). Se recomienda el uso de tecnologías para la Entrevista Personal Asistida por Computadora (CAPI, por su sigla en inglés) a fin de mejorar la calidad y oportunidad de los datos. Los dispositivos complementarios de plataformas móviles facilitadas por CAPI podrían utilizarse para realizar una serie de mediciones directas –ya sea de geocodificación y mediciones de área de parcelas (del Sistema de Posicionamiento Global, GPS), o mediciones relacionadas con el medio ambiente (índices de cobertura de hoja, características de suelo y agua, etc.). Todos los Cuestionarios Genéricos de AGRIS propuestos en el capítulo 4 están disponibles en formato CAPI (véase Anexo 5 sobre CAPI y las Soluciones de la Encuesta).


RECUADRO 1. BENEFICIOS DE LA RECOLECCIÓN DE DATOS DE LA ENCUESTA BASADA EN CAPI

El conjunto de herramientas de AGRIS aprovecha las tecnologías CAPI de modo que estén en consonancia

con las prácticas modernas de recolección de datos. En contraste con los métodos tradicionales de entrevistas

con papel y bolígrafo, durante las entrevistas CAPI los datos se ingresan en una aplicación en tablet en lugar

de escribirlas en papel. Mayormente a causa de estas diferencias, las tecnologías CAPI han demostrado que

reducen costos, mejoran la calidad de los datos, maximizan la oportunidad de los resultados y, en algunos

países, mejoran la experiencia general.

Reducción de costos

Los métodos de entrevistas con papel y bolígrafo (PAPI, por su sigla en inglés) conllevan ciertos costos que se

alivian o minimizan utilizando CAPI. Puesto que las entrevistas PAPI requieren respuestas que deben escribirse

en un cuestionario en papel, los datos deben digitalizarse posteriormente al ser ingresados manualmente o

escaneados y leídos por computadora en forma de ingreso de datos. Además, varios países requieren que

los cuestionarios llenados en papel sean almacenados durante años antes de desecharlos. Sin embargo, la

impresión, ingreso y almacenamiento de datos son una importante fuente de costos, y puede introducir errores

ajenos al muestreo. Utilizando CAPI se minimizan estos costos y los errores en el ingreso de datos pueden

eliminarse casi completamente.

Con todo, CAPI requiere costos fijos de arranque para adquisición de equipo y costos variables relacionados

con la transferencia de datos. Los estudios señalan que estos costos son compensados por la reducción del

costo de imprimir, ingresar y almacenar datos (Rahija et al., 2016; Zhang et al., 2012; King et al., 2013; Leisher,

2014). Un estudio experimental realizado por Cayers et al en 2010 descubrió que los costos fijos adicionales

de equipo y transferencia de datos se compensaron con ahorros en el caso de aproximadamente 4000

encuestados. En un programa decenal de encuestas, como el de AGRIS, el equipo se utilizará durante muchos

años, elevando así al máximo la costo-eficiencia de CAPI y la sostenibilidad del programa de encuestas,

inclusive para muestras de menor tamaño.

Mejorando la calidad de los datos

CAPI permite al diseñador de encuestas incorporar verificaciones para validar datos en el cuestionario, y

administra estrictamente el flujo de los cuestionarios utilizando patrones de salto. Es más, automatiza la

codificación de respuestas –factor que mejora la calidad de los datos y elimina una fuente potencial de errores.

Los tipos comunes de verificación de la validación de datos aseguran que se recolecten datos coherentes, y

que los valores estén en el rango esperado. Por ejemplo, en el cuestionario del Módulo principal de AGRIS,

las verificaciones de la validación son utilizadas para asegurar que el número total de horas de trabajo en

una actividad específica no exceda el número total de horas trabajadas en todas las actividades. Además, la

validación se utiliza para evitar potenciales errores en el ingreso de datos. Por ejemplo, es poco probable que

la edad del titular exceda los 100 años. Si se ingresa en el cuestionario un valor que viola tal condición, aparece

un mensaje de alerta para el censor.

Los cuestionarios complejos como el de AGRIS a menudo contienen muchos patrones de salto, que pueden

resultar complicados de seguir para los encuestadores; esto aumentaría la carga del encuestado y se

constituiría en una fuente de error. CAPI permite que el diseñador del cuestionario exija estrictamente el

cumplimiento de los patrones de saltos a partir de las respuestas proporcionadas a preguntas anteriores. Por

ejemplo, si la unidad de producción reporta que produce ganado, se presentarán preguntas posteriores sobre

el ingreso y costo relacionados con la producción de ganado; por el contrario, si no se reporta la producción

de ningún ganado, no se plantearán preguntas relacionadas con el ganado. Consecuentemente, esta fuente

común de carga y error puede eliminarse completamente.

��


En Rahija et al., 2016, la Oficina de Estadísticas de Uganda (UBOS, por su sigla en ingles) reportó mejoras

importantes en la calidad de los datos entre la primera ronda de la Encuesta Panel Nacional, que fue

administrada utilizando PAPI, y rondas sucesivas, implementando CAPI. De hecho, las verificaciones de

coherencias se citaron como una fuente primaria de la mejora.

Aumentando al máximo la oportunidad

Como se mencionó anteriormente, durante la recolección de datos con CAPI se digitalizan los datos durante

la entrevista y simultáneamente los datos se someten a verificaciones predefinidas de calidad de datos. Esto

implica que la etapa de ingreso de datos posrecolección requerida para PAPI se elimina completamente. Es

más, el tiempo empleado en la depuración de datos se reduce al mínimo, pues las verificaciones a la calidad de

los datos realizadas durante las entrevistas reducen al mínimo errores de ingreso de datos y de coherencia. El

resultado es que los datos están listos para analizarse y utilizarse para la formulación de políticas, meses antes

que con el cuestionario PAPI.

La Encuesta de Comunidad de Sudáfrica de 2016 incluía una muestra de aproximadamente 1.3 millones de

hogares en todo el país. El trabajo de campo tuvo lugar a lo largo de seis semanas a principios de 2016, y los

resultados se publicaron y distribuyeron el 30 de junio de 2016 (Statistics South África, 2016).

Mejorando la experiencia del encuestador

Los encuestadores son quizás las personas más importantes en el proceso de recolección de datos. Por tanto,

sus preferencias deben tomarse en cuenta atentamente. La entrevista PAPI les exige llevar consigo una gran

cantidad de cuestionarios en papel al campo y estar bien organizados para dar seguimiento a cuáles han sido

completados, cuáles requieren nuevas visitas, cuáles pueden entregarse para revisión al supervisor, etc. Al

utilizar la entrevista CAPI, el encuestador solo tiene que llevar la tablet, que controla todos los cuestionarios

automáticamente; en consecuencia su trabajo se facilita. Además, crea un ambiente más seguro para la

protección de los datos de los encuestados, al reducir el riesgo de pérdida de cuestionarios durante la

recolección y transmisión.

En Uganda y la República de Tanzania se realizó una pequeña encuesta sobre encuestadores que han utilizado

tanto CAPI como PAPI, para comparar sus experiencias. Los resultados señalan una experiencia más positiva del

encuestador cuando utilizó CAPI.

FIGURA 1.2. CALIFICACIÓN DE LA EXPERIENCIA DEL ENCUESTADOR EN CAPI Y PAPI

Fuente: Rahija et al., 2016.


Se recomienda el uso sistemático de coordenadas del Sistema de Posicionamiento Global (GPS por sus siglas en inglés) en la ubicación de unidades de producción y parcelas, para acelerar las verificaciones sobre el terreno de los sistemas de información por teledetección complementarios.

La recolección de datos en modo combinado es otra posibilidad para las oficinas implementadoras nacionales. La combinación de entrevistas cara a cara con encuestas telefónicas (o en web) se constituyen en otra opción, especialmente para el segmento sobre unidades de producción agropecuaria comerciales. Sin embargo, esto no ha sido puesto a prueba en el diseño de la actual metodología propuesta y cualquier beneficio potencial (principalmente ahorros en el costo) debe evaluarse cuidadosamente respecto a posibles inconvenientes en la calidad de los datos.

2.3.3. MuestreoLa estrategia de muestreo de AGRIS, que incluye tamaño de la muestra, será decidida por las entidades implementadoras nacionales a partir de los marcos de muestras disponibles, de la capacidad de diseñar e implementar técnicas complejas de muestreo y trabajo de campo correspondiente, del presupuesto disponible y de la exactitud de los datos finales, así como del desglose requerido.

En el capítulo 5 de esta guía se proponen pautas de muestreo específicas y detalladas, basadas en la investigación avanzada conducida por la Estrategia Global sobre el Marco Maestro de Muestreo y el Marco de Encuestas Integradas (ISF, por su sigla en inglés) (véase GSARS, 2014b y GSARS, 2015b, al igual que http://gsars.org/fr/resource-center/).para mayores detalles).

Cabe observar que se requerirá una capacitación adecuada sobre el uso de la computadora y la aplicación CAPI

para los entrevistadores sobre encuestas, además de la capacitación específica para la encuesta, y el soporte para

la aplicación durante la recolección, a fin de apoyar a los entrevistadores en cualquier problema técnico que pueda

surgir. Se proponen cuestionarios CAPI para los Cuestionarios Genéricos de AGRIS. Estos están disponibles en el

paquete de Solución de la Encuesta y se puede acceder a este en https://solutions.worldbank.org.

FUENTES

King, J., Buolamwini, J., Cromwell, E., Panfel, A., Teferi. T. et al., 2013. « A Novel Electronic Data Collection

System for Large-Scale Surveys of Neglected Tropical Diseases ». PLoS ONE, vol. 8, no 9 : e74570.

Liesher, C. 2014. « A Comparison of Tablet-Based and Paper-Based Survey Data Collection in Conservation

Projects ». Social Sciences, vol. 3, no 2, p. 264–271.

Zhang, S., Qiong, W. et al., 2012. « Smartphone Versus Pen and Paper Data Collection of Infant Feeding Practices

in Rural China ». Journal of Medical Internet Research, vol. 14, no 5 : e119.

Rahija, M., Mwisomba, T., Kamwe, M., Muwonge, J. et Pica-Ciamarra, U. 2016. Are tablet-based surveys a

cost-effective alternative to paper surveys in developing countries? A cost comparison from sample surveys in

Kenya, Tanzania, and Uganda. Article rédigé en vue de la septième Conférence internationale sur les statistiques

de l’agriculture (ICAS VII), 26–28 octobre 2016. Rome.

Statistics South Africa. 2016. About Community Survey. Disponible en:

http://cs2016.statssa.gov.za/?page_id=135. Acceso 12 julio 2017.

http://gsars.org/fr/resource-center/https://solutions.worldbank.orghttp://cs2016.statssa.gov.za/?page_id=135


Existen diferentes temas teóricos y prácticos relacionados con marcos y, en muchos países, aún limitan las opciones para encuestar y finalmente reducen la calidad y utilidad de los datos. La naturaleza de estos temas oscila entre la genérica (como la cobertura marco, para las listas de unidades estadísticas en particular) y la más específica (como la deficiente exactitud de las estadísticas de ganadería basadas en marcos de área).

La estrategia de muestreo de AGRIS es versátil, capaz de responder a las necesidades de varias situaciones nacionales. En pocas palabras, la estrategia se articula en torno a los siguientes elementos:• Muestra aleatoria estratificada multietapa para unidades de producción agropecuaria del sector hogares, basada

en una lista de unidades estadísticas, cuando sea relevante, o en un marco de área (puntos o segmentos);• Muestra aleatoria estratificada sencilla para unidades de producción agropecuaria del sector ajeno a hogares;• Muestreo panel para facilitar análisis longitudinales; y• Submuestreo para Módulos rotatorios.

La estacionalidad es una dimensión clave en la agricultura. La elección del momento oportuno para la recolección de datos es de importancia crucial. El uso apropiado de las submuestras y paneles permitirá a AGRIS captar algunos factores de estacionalidad. Se brindan opciones metodológicas para administrar la recolección de datos una sola o varias veces al año, tanto para el Módulo principal como los Rotatorios.

Para cada año dado son muchos los beneficios analíticos y operativos de realizar las encuestas a las mismas unidades de producción agropecuaria para los diferentes Módulos rotatorios programados para ese año y para el Módulo principal. Cuando sea posible se deben considerar las submuestras del Módulo principal. Esto se incluye con más detalle en el capítulo 5 de esta guía.

2.3.4. Cuestionarios Genéricos de AGRIS

Cuestionarios genéricos, independientes y exhaustivosEn la presente guía, se proponen cuestionarios genéricos de AGRIS para cada módulo. Son genéricos en el sentido que requerirán mayor adaptación por parte de las entidades ejecutoras nacionales antes de su implementación. La adaptación es necesaria por diferentes razones, entre ellas:• Aumentar su relevancia dados los temas de políticas prioritarias en el país.• Aumentar su relevancia, dados los tipos de unidades de producción agropecuaria en el país y los diferentes

sistemas agrícolas que existen. Una tipología de fincas existente podría ayudar a afinar los cuestionarios, especialmente los patrones de saltos.

• Para aumentar su relevancia, considerando el nivel de conocimiento de los encuestados. Esta es una preocupación primordial en los países en desarrollo, donde los agricultores, incluidos los titulares, muchas veces son analfabetos. Los cuestionarios deben incluir solo preguntas que puedan ser respondidas por los agricultores, y que generen datos de calidad. Este es particularmente el caso de AGRIS, que no propone mediciones objetivas de forma predeterminada. Se deben implementar pruebas de campo para apoyar esta adaptación.

• Para aumentar su relevancia, dado el sistema actual de encuestas en curso.• Para ajustar el tamaño de los cuestionarios al presupuesto disponible de AGRIS y a la estrategia de muestreo.

Las preguntas que generarán estimaciones con una varianza inaceptable deben eliminarse de los cuestionarios.

Los cuestionarios genéricos de AGRIS propuestos en esta guía son versiones independientes. Un cuestionario está disponible para el Módulo principal, el Módulo de Economía y cada uno de los Módulos rotatorios. Hay interconexiones obvias entre estos módulos independientes, como se describe con más detalle en los capítulos relevantes de esta guía. No obstante, las versiones independientes facilitan la adaptación del paquete AGRIS genérico por parte de las entidades ejecutoras nacionales a sus necesidades específicas, especialmente si ya tienen


una buena encuesta de producción. Cuestionarios integrados anuales (por ejemplo cuestionarios para los Módulos Principal y Rotatorio) en correspondencia con el flujo del módulo AGRIS recomendado y presentado en el cuadro 1.1, se pondrán a disposición en la siguiente versión de esta guía. Estos cuestionarios anuales integrados serán especialmente útiles para las entidades implementadoras nacionales que deseen adoptar el paquete AGRIS en su conjunto.

Los cuestionarios genéricos de AGRIS propuestos en la presente guía son versiones exhaustivas. Están diseñadas para generar datos relevantes en una amplia gama de temas prioritarios. Con todo, las entidades ejecutoras nacionales quizás deseen reducir el tamaño de sus cuestionarios adaptados de AGRIS y dejar de lado algunas de las partes propuestas. Las observaciones metodológicas brindan pautas para tales reducciones para algunos de los Módulos rotatorios.

Los marcos estadísticos internacionales relevantes que se aplican y utilizan en AGRISLa metodología genérica de AGRIS se propone como un bien público a las entidades estadísticas para su posterior adaptación e implementación. Se pretende que los datos resultantes se utilicen de una manera coherente para efectuar agregaciones y comparaciones subnacionales, regionales e internacionales significativas. En este contexto, la metodología de AGRIS se vale en gran parte de diversos marcos estadísticos internacionalmente avalados, como las clasificaciones estadísticas, y es articulada con otros programas relevantes de recolección de datos (como el CAM 2020 promovido por la FAO). La metodología de AGRIS, que incluye el contenido, diseño e implementación de los cuestionarios (por medio de CAPI) se ha beneficiado de diferentes innovaciones en la recolección de datos, gracias a la implementación de la Estrategia Global y el Programa de Investigación de LSMS-ISA, promovido por el Banco Mundial.

El alcance de las actividades en AGRIS está definido en virtud de la CIIU rev. 4; los productos abarcados por AGRIS se basan en la Clasificación Central de Productos de Naciones Unidas (CPC, por su sigla en inglés) Versión 2.1, adaptada al contexto de AGRIS. Más allá de la articulación esencial en términos de los tiempos entre el ciclo de diez años de AGRIS y el desarrollo del marco a partir del censo agrícola, la metodología de AGRIS está vinculada –en la medida de lo posible– con el CAM 2020 en términos de elementos, definiciones y clasificaciones relevantes. Por ejemplo, la Clasificación Indicativa de Cultivos versión 1.1 (ICC, por su sigla en inglés), basada en la CPC ver. 2.1, es utilizada para cultivos tanto en el CAM como en AGRIS.

El Sistema de Cuentas Nacionales, 2008 (SNA 2008) es un marco estadístico que brinda una serie exhaustiva, coherente y flexible de cuentas macroeconómicas para propósitos de formulación de políticas, análisis e investigación. El SNA define la empresa y el establecimiento como dos tipos principales de unidades de producción económica. Con el propósito de lograr coherencia con el SNA 2008, AGRIS adopta el principio según el cual la unidad de producción agropecuaria debe tratarse como equivalente a la unidad del establecimiento en virtud del SNA. Las definiciones del sector hogares y sector ajeno a hogares en agricultura también se desarrolla dentro del marco del SNA.

Las clases de uso de tierra propuestas en AGRIS se armonizan con la clasificación del uso de la tierra del Marco Central del Sistema de Contabilidad Ambiental-Económico (SEEA 2012). Se introdujo cierta adaptación de las clases con uso de tierra agrícola en el contexto de AGRIS para una mejor captación de todos los tipos de uso de tierra para la producción de cultivos.


2.4. TEMAS ABARCADOS

AGRIS abarca diferentes dimensiones técnicas, económicas, ambientales y sociales de unidades de producción agropecuaria a través de su Módulo principal y sus cuatro Módulos rotatorios sobre Economía, Fuerza de Trabajo, Métodos de Producción y Medio Ambiente, y Maquinaria, Equipo y Activos. Los siguientes cuadros ofrecen listas de los temas que se abarcan en cada módulo. Se proporcionan más detalles en el capítulo 3 (sobre elementos de datos), que introduce los Cuestionarios Genéricos de AGRIS.

AGRIS recolecta datos desagregados por sexo sobre temas cruciales por medio de los módulos Principal y Rotatorios. Esto conlleva una identificación más refinada de los hogares encabezados por hombres y mujeres y ayudará a evaluar la contribución de las mujeres a la agricultura por medio de la mano de obra y su acceso y control de los activos, recursos y servicios productivos.

Además de estos cuestionarios a nivel de la unidad de producción, podría resultar útil para las autoridades nacionales administrar un cuestionario indi

agris - gsarsgsars.org/wp-content/uploads/2018/12/gs-agris... · cuestionarios genÉricos y notas...

Documents