Año 15 / Núm.

37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

La productividad en los distritos agrícolas de Durango, México.

Productivity in the agricultural districts of Durango, México.

Juana Hernández Chavarria1, Ivan González Lazalde2 y

María Quetzalcihuatl Galván Ismael3

1CONACYT-Tecnológico Nacional de México/ITDurango. Dirección de correo verificada de

[Link]. . [Link]

2Profesor (Ingeniería Industrial) TECNM/ITDURANGO. [Link]

3TECNM/ITDURANGO. [Link]

DOI: [Link]

Recibido 1 de diciembre 2021.

Aceptado 17de enero 2021.
Publicado 26 de enero de 2022.

Resumen

El objetivo de este trabajo es analizar el índice de productividad de los distritos agrícolas del
estado de Durango, así como identificar la influencia de las categorías escolaridad, edad y
género. Se partió de la hipótesis alterna que la distribución media es diferente en los distritos
y entre las categorías. Se aplicaron las pruebas de Kruskal Wallis y Wilcoxon para identificar
cuáles son los distritos con mayor y menor productividad, así como 129 cuestionarios
estructurados a los productores. Los resultados muestran que existen diferencias en la
productividad entre el distrito VI y el distrito I. Los resultados se pueden explicar por la
modalidad de cultivo, en el distrito VI el 60% es de riego y en el distrito I solo el 24%, aún
cuando coinciden en los tipos de cultivos. No se encuentran diferencias en la productividad
media en relación con las categorías. Los hallazgos muestran que son factores exógenos a las

1
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

características del productor los que tienen mayor impacto, se mostró que el acceso al agua
es uno de ellos.
Palabras clave: Índice de productividad, actividades agrícolas, productividad media,
Durango, México.

Abstract
The objective of this work is to analyze the productivity index of the agricultural districts of
the state of Durango, as well as to identify the influence of the categories of education, age
and gender. It was started from the alternative hypothesis that the mean distribution is
different in the districts and between the categories. The Kruskal Wallis and Wilcoxon tests
were applied to identify results in the districts with the highest and lowest productivity, as
well as 129 structured questionnaires for producers. The results show that there are
differences in productivity between district VI and district I. The results can be explained by
the cultivation modality, in district VI 60% is irrigated and in district I only 24%, still when
they coincide in the types of crops. No differences are found in the average productivity in
relation to the categories. The results show that factors exogenous to the characteristics of
the producer are those that have the greatest impact, it is shown that access to water is one of
them.
Keywords: Productivity index, agricultural activities, average productivity, Durango,
México.

Introducción
Según datos de La Organización de la Naciones Unidas para la alimentación (FAO),
aproximadamente el 40% de la población mundial vive en zonas rurales, de los cuales el 90%
dependen de las actividades agrícolas para su subsistencia. Lo que refleja que millones de
familias en el mundo dependen de la producción agrícola, sin embargo se ha demostrado que
se enfrentan a altos niveles de hambre y pobreza que limitan el aumento de la productividad,
lo que ha obstaculizado el desarrollo agrícola a nivel económico, social y nutricional (FAO,
2020); (FAO, 2015); (Ramírez, Ojeda, & Chaparro-tovar, 2019).

2
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

La productividad agrícola no solo es importante para las zonas rurales, sino para otros
sectores de la economía por su impacto en la seguridad alimentaria y la sostenibilidad
ambiental, el 60% de los alimentos que se consumen en el mundo tienen su origen en la
agricultura rural a pequeña escala (Frison, 2016); (Ramírez et al., 2019); (Sotelsek Salem &
Laborda Castillo, 2019); (Morán, 2021).
México se ubica dentro de la región del APEC (Foro de Cooperación Económica Asia
Pacífico) donde ocupa los siete primeros lugares de desempeño en el sector agropecuario en
materia de valor agregado, producción bruta, área destinada al sector, personal ocupado,
remuneraciones, exportaciones e importaciones. Sin embargo, a pesar de lo anterior, ocupa
los últimos lugares en temas de formación bruta de capital, lo que evidencia la necesidad de
establecer mecanismos para incrementar su productividad y competitividad (Ayvar et al.,
2018).
El objetivo de este trabajo es analizar el índice de productividad de los distritos
agrícolas del estado de Durango, así como identificar si las categorías de escolaridad, la edad
y el género tienen influencia.
Se partió de la hipótesis de trabajo que la distribución media es diferente entre distrito
agrícola y las categorías. Se aplicó la prueba de hipótesis bajo el test de Kruskal Wallis y la
prueba de Wilcoxon para identificar cuáles son los distritos con mayor y menor
productividad.
La actividad agrícola es fundamental para la población rural, en México casi una
cuarta parte de la población nacional viven en áreas rurales (aproximadamente 24 millones
de personas). En Durango las actividades agrícolas aportan el 42% de los ingresos familiares
de la población más pobre (Secretaría de Agricultura y Desarrollo Rural-Gobierno del estado
de Durango, 2018). Las actividades agrícolas se ven afectadas por factores internos y
externos a las unidades productivas (UP); los productores nacionales identifican como
problemas principales los altos costos de los insumos y servicios, la pérdida de cosechas por
causas climáticas, los precios bajos en la comercialización de la cosecha y la falta de
capacitación para los productores (INEGI-CANAINTEX, 2020); (INEGI, 2017); (Secretaría
de Agricultura y Desarrollo Rural-Gobierno del estado de Durango, 2018). En el estado de

3
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

Durango de la Población Económicamente Activa (PEA), 778,302 personas, el 14.7% se

ocupa en el sector primario. Dicho sector representa el 9.5% de las actividades económicas
en la entidad y a nivel nacional aporta 3.4% al Producto Interno Bruto (PIB) Nacional
(Secretaría de Agricultura y Desarrollo Rural-Gobierno del estado de Durango, 2018).
Estudiar la productividad en los distritos agrícolas de Durango permite observar cuáles son
los mejor posicionados y qué características permitan entender las diferencias entre ellos.
Los resultados muestran que efectivamente existen diferencias entre los seis distritos
agrícolas que conforman el estado de Durango, el distrito VI es el de mayor productividad y
el distritos I el de menor. Lo anterior se puede explicar por la modalidad de cultivo, en el
distrito VI el 60% de la agricultura es de riego y el distrito I el 24%, aún cuando coinciden
en los tipos de cultivos sembrados. Los cultivos que se siembran son alfalfa verde, maíz grano
y maíz forrajero en verde.
Este trabajo está divido en cinco apartados, en el primero se describe el sector agrícola
de Durango, el segundo presenta los distritos agrícolas y los municipios que conforman el
estado, el tercero muestra el concepto de productividad y las distintas propuestas para su
medición; en el cuarto se tienen los resultados y por último en el cinco las conclusiones
generales del estudio.

1. El sector agrícola en Durango

Durango es considerado el cuarto estado más extenso de México, representa el 6.29% del
territorio mexicano y está dividido políticamente en 39 municipios. La actividad
agropecuaria se concentra en pequeñas regiones, el porcentaje de la superficie con actividad
agrícola y ganadera es 14% y 17% respectivamente (INEGI, 2017).
Según datos de la Encuesta Nacional Agropecuaria 2017, Durango es uno de los estados que
concentra mayor producción forestal con 255 unidades y una superficie de 2.5 millones de
hectáreas (INEGI, 2019a).
Los principales sectores económicos en Durango son las terciarias (comercio y otros
servicios) con el 59.1% de porcentaje de aportación al PIB estatal (año 2016); le siguen las
actividades secundarias (industria manufacturera, extractiva y de construcción) con el 31%

4
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

de participación al PIB; finalmente, con el 9.9% están las actividades primarias entre las que
destacan la agricultura, la cría y explotación de animales, aprovechamiento forestal, pesca y
caza. El estado tiene una participación de 1.2% en el PIB nacional, ocupando el lugar 26
((INEGI, 2019a); Subsecretaría de Empleo y Productividad Laboral, 2019; (Secretaría de
economia, 2018).
Al cuarto trimestre de 2019, el PIB de México fue de $1,8506,692.62 millones de
pesos (a precios de 2013), donde el PIB de las actividades primarias ascendió a $607,457.39
millones de pesos, el cual representa el 3.82% del valor del total; incluye la agricultura, la
cría y explotación de animales, aprovechamiento forestal, pesca y caza (INEGI-
CANAINTEX, 2020). Durango aportan el 3.4% al PIB primario nacional (INEGI, 2018).
La población ocupada en Durango es de 768,946 personas, donde el sector primario empleó
a 103,265 personas (13.4%) (ver tabla 1.) (INEGI, 2019b).

Tabla 1. Población ocupada por sector de actividad económica en Durango

(segundo trimestre de 2019).

Sector de actividad 2019 %

Primario 103,265 13.4

Secundario 215,715 28.1

Terciario 445,961 58.0

No especificado 4,005 .5

Total 768, 946 100

Fuente: INEGI, 2019.

De la población ocupada en el sector primario, el 80.7% corresponde a actividades

agrícolas, el 18.1% a pecuarias, y el 1.2% restante a las pesqueras (SIAP, 2019a).

5
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

Según datos del Servicio de Información Agroalimentaria y Pesquera (SIAP), al año 2018 el
valor de la producción agropecuaria y pesquera del estado de Durango fue de $34,579,830.84
millones de pesos (a precios corrientes) (SIAP, 2019a). El valor de la producción agrícola
fue de $9,793,165.9 mil pesos, la pecuaria de $24,753,201.94 mil pesos y la pesquera de
$33,463 mil pesos. El 72% del valor de la producción corresponde a las actividades pecuarias,
el 28% a las agrícolas y el 0.10% a las pesqueras (SIAP, 2019a).
Los 39 municipios del estado de Durango realizan alguna actividad agrícola, al año
2018, el total de la superficie sembrada fue de 670,638.4 hectáreas (ha), que incluye los tres
ciclos de producción agrícola registrados: 1) ciclo otoño- invierno (OI), que se siembra en
los meses de octubre-diciembre y se cosecha en abril-agosto, 2) el ciclo primavera-verano
(PV) entre marzo y agosto y se cosecha en septiembre-febrero, y por último el 3) cultivo
Perene (P) que se cosecha en enero-diciembre. El ciclo PV abarca la mayor superficie
sembrada en Durango con el 87.1% del total, lo que significa 584,015.39 ha. Posteriormente
está el cultivo P con el 8.7% y al final con el 4.2 % el ciclo OI (SIAP, 2019a).
Según datos del SIAP de la superficie sembrada total del estado, la modalidad
agrícola de riego representa el 27.8% y la de temporal el 72.3%. El valor total de la
producción, es del 9,793,165.9 miles de pesos, donde la modalidad de riego y el ciclo PV son
los que mayor aportan. En Durango se cultivan alrededor de 72 especies agrícolas de las
cuales destacan, por su aportación al valor total de la producción, el frijol y la alfalfa verde
con 1,183,771.12 mil pesos y 1,769,514.48 mil pesos, respectivamente (SIAP, 2019a).
El estado de Durango tiene una precipitación irregular que a lo largo del tiempo ha
condicionado el desarrollo adecuado de los cultivos. Además de la precipitación irregular,
según evaluaciones de la Secretaría de Desarrollo Rural, actualmente las condiciones del
campo presentan diversas problemáticas, entre ellas el bajo nivel de producción alcanzado
debido a la cantidad de hectáreas que posee cada productor (Secretaría de Agricultura y
Desarrollo Rural-Gobierno del estado de Durango, 2019). Las Unidades de Producción
Familiar (UPF) en Durango poseen en promedio 26 hectáreas (ha), el valor oscila entre la
posesión de menos de una hectárea y 80 hectáreas, es decir, más del 50% de los productores
son minifundistas. Esta situación encarece los costos de producción al no ser rentable la

6
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

tecnificación de los procesos, además de los costosos canales de distribución, por lo cual son
proclives a que los intermediarios les compren la producción a precios bajos; sólo el 18% de
los productores tiene más de 50 hectáreas y puede tener poder de negociación con clientes y
proveedores (Secretaría de Agricultura y Desarrollo Rural-Gobierno del estado de Durango,
2019).

1.2. Distritos agrícolas de Durango.

En el año 1891 se le adjudican a la Secretaría de Fomento las funciones
administrativas inherentes a las actividades agropecuarias, de ubicación de las colonias y de
obras de riego a través de la promulgación de la Ley de Secretarías del Estado (SAGARPA,
2017). En 1988 se publica el acuerdo mediante el cual se establecen los Distritos de
Desarrollo Rural y sus centros de apoyo, y se publica la Ley de Distritos de Desarrollo Rural,
la cual emana de la fracción XX del Artículo 27 Constitucional en lo relativo a la
organización y fomento de las actividades agropecuarias, forestales y de acuacultura, así
como su industrialización y comercialización (Cámara de Diputados del H. Congreso de la
Unión, 1988). Para diciembre del 2001 se publica la Ley de Desarrollo Rural Sustentable que
promueve el desarrollo rural sustentable del país, propiciando un medio ambiente adecuado;
en el artículo 29 de esta ley se establece que:
“Los Distritos de Desarrollo Rural serán la base de la organización territorial y
administrativa de las dependencias de la Administración Pública Federal y Descentralizada,
para la realización de los programas operativos de la Administración Pública Federal…”
(Cámara de Diputados del H. Congreso de la Unión, 2019: 15).
En el mismo artículo se estipula que los distritos estarán conformados tanto por
Consejos Municipales como Estatales y la demarcación territorial lo definirá la Secretaría así
como la ubicación de los centros de apoyo al desarrollo rural sustentable, procurando la
coincidencia con las cuencas hídricas. Además, de la delimitación se contempla la
composición de las regiones rurales con población indígena significativa para respetar y
proteger su cultura y sus formas específicas de organización (Cámara de Diputados del H.
Congreso de la Unión, 2019).

7
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

Para favorecer el vínculo entre los productores, gobiernos estatales y municipales con
el afán de brindar orientación de programas y servicios, la estructura territorial de la
Secretaría de Agricultura y Desarrollo Rural (SADER) está conformada por 191 Distritos de
Desarrollo Rural (DDR) y 713 Centros de Apoyo al Desarrollo Rural (CADER). La
definición correcta de los límites territoriales y su actualización se realiza en apego a la Ley
de Distritos de Desarrollo Rural y la Ley de Desarrollo Rural Sustentable publicadas en el
Diario Oficial de la Federación (SIAP, 2019b).
El estado de Durango está integrado en 39 municipios y está conformado por VI
Distritos de Desarrollo Rural, en la tabla 2 se puede visualizar la distribución de los
municipios por distrito en los cuales se desarrollan actividades tanto agrícolas, pecuarias y
forestales, en la tabla se distinguen estos distritos en cuanto a su actividad preponderante.
Tabla 2. Distritos Agrícolas en el estado de Durango
Distrito Nombre Municipio (clave municipal) Actividad
preponderante
Mezquital (014), Durango (005), Agrícola
Vicente Guerrero (038), Súchil
I Durango (033), Nombre de Dios (016),
Poanas (022), Nuevo Ideal (039) y
Canatlán (001)
El Salto Pueblo Pueblo Nuevo (023), Tamazula Forestal
II
Nuevo (034) y San Dimas (026)
Pánuco de Coronado (020), Agrícola
Guadalupe Victoria (008), Santa
Guadalupe Clara (031), Cuencamé (004),
III
Victoria Peñón Blanco (021), San Juan de
Río (028) y Coneto de Comonfort
(003)

8
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

Indé 011, El Oro (018), Guanaceví Pecuaria

IV Villa Ocampo (009), Ocampo (017), San Bernardo
(025) e Hidalgo (010)
Topia (037), Santiago Papasquiaro Pecuaria
Santiago
V (032), Otáez (019), Tepehuanes
Papasquiaro
(035) y Canelas (002)
Tlahualilo (036), General Simón Agrícola
Bolívar (006), Rodeo (024), Mapimí
(013), Lerdo (012), San Luis del
VI La Laguna Cordero (029), San Pedro del Gallo
(030), Nazas (015), Gómez Palacio
(007) y San Juan de Guadalupe
(026)
Fuente: elaboración propia con datos del SIAP, 2019
En la figura 1 se puede observar la división política del estado de Durango con su clave
municipal y la distribución de los distritos agrícolas.

9
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

Figura 1. División política del estado de Durango y su distribución por distrito

agrícola

Distrito IV

Distrito VI

Distrito V

Distrito III

Distrito II

Distrito I

Fuente: Elaboración propia con software mapa digital, V.6.0 INEGI, 2020

3. Productividad Agrícola.
La productividad es un concepto usado en diferentes ámbitos, se refiere a la cantidad
de producto resultado de utilizar determinados insumos ya sea para un país o un sector en
particular. Para el caso agrícola muestran que hay una tendencia de estancamiento o incluso
disminución de la productividad en los últimos 40 años (Sotelsek Salem & Laborda Castillo,
10
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

2019).
La productividad agrícola es un residuo que se obtiene de la estimación de una
función de producción que busca explicar el comportamiento de los factores del productor
que inciden en dicha productividad (Canales & Corilla, 2019). En el estudio de la
productividad agrícola se pueden incluir aspectos como: 1) la innovación, que genera nuevos
productos y procesos; 2) la educación, la cual permite socializar la innovación y crear nuevos
conocimientos y desarrollar habilidades; 3) la eficiencia, que contribuye al uso y distribución
eficaz de los recursos de la producción; y 4) la infraestructura física e institucional, donde se
gestan los bienes y servicios públicos que fomentan y apoyan la producción agrícola (Canales
& Corilla, 2019).
Para Carro y González (2012), la productividad implica una mejora en el proceso
productivo, es decir una relación positiva entre la cantidad de recursos utilizados y la cantidad
de bienes y servicios producidos. Entonces, “La productividad es un índice que relaciona lo
producido por un sistema (salidas o producto) y los recursos utilizados para generarlo
(entradas o insumos)” (pag. 3). Otros factores identificados que pueden sumar al incremento
de la productividad son los métodos y el equipo (cambios, procedimientos y equipos
empleados para llevar a cabo la producción), la utilización de la capacidad de los recursos y
los niveles de desempeño (Gasca, 2014).
Para evaluar el desempeño de las unidades de producción, la productividad es un
elemento central, es el producto generado por unidad dados los insumos (trabajo, tierra, u
otros) (Zuniga González, 2020). El concepto de productividad agrícola está relacionado con
factores como eficiencia y eficacia en el uso de los recursos, insumos y materiales para las
actividades agrícolas (Bolaños & Tapia, 2019). Los índices de productividad reflejan el
aprovechamiento de cada uno de los factores de la producción en un determinado período
(Mondragón Pérez, 2018).
Para Galarza (2015), la productividad agrícola puede variar por el nivel de uso de los
insumos o de los factores de producción, en ocasiones dicha variación no se puede explicar
por los insumos tradicionales, sino que intervienen otras variables como la tecnología.
Galarza, en sus estudios sobre las actividades agrícolas en Perú, muestra que la baja

11
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

productividad se explicaba por la atomización de las unidades productivas, donde se

observaba una relación negativa entre la productividad y el tamaño de la unidad de
producción. El tamaño influye en el poder de negociación con comercializadores, donde a
menor tamaño, menor poder de mercado, por lo que en ocasiones son victimas de relaciones
cautivas con los demandantes de sus productos (Galarza, 2015).
En estudios realizados en América Latina y el Caribe, se encontró que los países
abundantes en tierra para cultivo registran mayores tasas de crecimiento en su productividad,
en relación a los países con menores extensiones de tierra o con restricciones para el acceso,
de ahí que se concluya que la disponibilidad de tierras agrícolas, la calidad del suelo, la
humedad, la precipitación pluvial y evapotranspiración son factores que explican la
variabilidad en la productividad agrícola (Galarza, 2015); (Canales & Corilla, 2019).
Tello midió la productividad laboral agrícola utilizando un modelo de coeficientes
aleatorio, el autor encontró efectos positivos del nivel educativo, el número de hectáreas
cultivadas y el uso de insumos sobre dicha productividad (Tello, 2016). De igual forma, El
Instituto Interamericano de Cooperación para la Agricultura en un estudio con 15,357
unidades de producción agrícola mostró que a mayor educación hay un efecto de entre 2% y
6% sobre la productividad agrícola. Un nivel educativo mayor permite a la unidad de
producción comprender e interpretar las tecnologías, compra y uso eficiente de los insumos
y mejores capacidades para la toma de decisiones, lo cual tiene un impacto en los resultados
productivos (Instituto interamericano de cooperación para la agricultura, 2015); (Canales &
Corilla, 2019); (Zuniga González, 2020).
En este sentido, la heterogeneidad en los niveles de productividad y la eficiencia
agrícola puede explicarse por las diferencias en la experiencia del capital humano (Galarza,
2015); (Galarza & Díaz, 2016); (Canales & Corilla, 2019); (Zuniga González, 2020). El
capital humano “engloba el conjunto de conocimientos, competencias, habilidades y
atributos que tienen las personas y que facilita la construcción de bienestar personal,
económico y social” (Canales & Corilla, 2019:29). En este sentido, en un estudio en distintos
tipos de cultivos en Colombia se encontró que el promedio educativo de los productores
muestra una relación positiva con la eficiencia productiva (Zuniga González, 2020).

12
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

De igual forma el acceso a infraestructura básica tuvo un efecto positivo, por ejemplo,
el acceso a electricidad incrementó la productividad en cerca al 10%; el uso de carreteras
tuvo un efecto en la productividad de entre 9% y 20%, las unidades de producción que tienen
acceso a electricidad, agua potable y drenaje tiene un efecto positivo; esto indica que la
infraestructura básica influye en mejores resultados en la productividad agrícola (Galarza &
Díaz, 2016). La cercanía con las grandes ciudades y el acceso a carreteras y medios de
transporte también inciden en el aumento de la eficiencia productiva de los cultivos (Zuniga
González, 2020).
Por otro lado, Galarza analizó las diferencias en la productividad agrícola en función
del género de los jefes del hogar, dueños de la unidades de producción, donde encontró que
no estaban asociados al género en sí, sino a los insumos que usan los hombres y las mujeres
en la producción (Galarza, 2015). En un estudio similar Canales y Corilla encontraron que
una unidad de producción agrícola que es liderada por una mujer presenta menores niveles
de productividad en comparación con las que son lideradas por hombres (Canales & Corilla,
2019). En esta misma tesitura estudios de FAO mostraron indicios que la igualdad de género
y la participación de la mujer impactan en el aumento de la productividad agrícola, sin
embargo, hoy en día aún existen diferencias muy marcadas que impactan en los logros
sociales y productivos en el mercado rural agrícola (FAO, 2015).
En cuanto a la edad del productor, en estudios realizado por Canales & Corilla (2019),
encontraron que las unidades agrícolas menos pobres son lideradas por productores jóvenes,
se mostro una relación entre los edad de los agricultores y la productividad.
El acceso al crédito, la solidez financiera y la asistencia técnica también se han
asociado positivamente con la productividad agrícola, ya que son un factor que permite
acceder a más y mejores insumos y semillas y en consecuencia tener mejores rendimientos
(Galarza, 2015); (Cuevas Merecias, Villarreal Villarreal, Carrera Sanchez, & Partida Puente,
2021). En Guayaquil se realizó un estudio a 80 agricultores donde se encontró que el factor
interno que más influye en la productividad agrícola es la falta de capital de trabajo (créditos),
en segundo lugar fue la presencia de plagas y enfermedades en los cultivos y en tercer lugar
el acceso a la tecnología; en cuanto a los factores externos son el precio de mercado de los

13
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

productos agrícolas, el alquiler de los terrenos, los precios de los insumos, la falta de
habilidades para comercializar sus productos y la sequía o lluvias excesivas (Morán, 2021).
Las condiciones climáticas y los recursos naturales están íntimamente relacionadas con la
productividad agrícola, Mondragón, en su trabajo sobre la productividad en la producción de
aguacate encontró que las condiciones climatológicas, como las lluvias intensas afectaron los
resultados productivos (Mondragón Pérez, 2018).
De acuerdo con un estudio de la Comisión Económica para América Latina y el
Caribe (CEPAL) en países de América Latina, el acceso y contaminación del agua, el aire,
los suelos, así como la debilidad en las políticas públicas para regular dichos acontecimientos
impactan en los resultados productivos de la agricultura y ocasionan desequilibrios y
desigualdades entre regiones y países (Cuevas Merecias et al., 2021). En términos del acceso
al agua, Jürgen y González, Mahlknecht, González-Bravo, Loge y Morán en sus
investigaciones coinciden con la CEPAL, el agua es uno de los recursos más limitados, lo
que provoca deficiencias en la producción, impactando en la economía familiar, la
productividad y en las condiciones socioeconómicas de los productores (Mahlknecht,
González-Bravo, & Loge, 2020); (Mahlknecht et al., 2020); (Morán, 2021).
Lema y Gatti (2015), estimaron los componentes del cambio de la productividad total
de factores para el caso de la agricultura en Argentina, con una metodología no paramétrica
encontraron cambio técnico, eficiencia técnica y eficiencia de escala, sus resultados
mostraron que la relación entre producción y productividad fue positiva, por lo que concluyen
que la productividad permite aprovechar economías de escala.
El crecimiento de la productividad agrícola es considerado un elemento estratégico
para satisfacer las demandas de alimentos y materias primas, así como para el consumo de
subsistencia de las unidades de producción y en sus ingresos por la comercialización de los
excedentes, por ello es importante encontrar los factores que influyen en el crecimiento de
dicha productividad (OCDE, 2017); (Sotelsek Salem & Laborda Castillo, 2019); (Zuniga
González, 2020).
En suma, para mejorar la productividad agrícola son necesarias políticas públicas
focalizadas, asistencia técnica, apoyo para desastres naturales y capacitación para

14
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

incrementar los años de educación en los productores dueños de las unidades de producción.

Metodología

Este estudio se inserta dentro de las ciencias sociales, estudios del comportamiento y
desarrollo rural al realizar un análisis de la productividad de las UP de los distritos, estimando
los medios de producción que utilizan para llevar a cabo sus actividades productivas. La
modalidad adoptada para la realización del proyecto es de tipo descriptiva al establecer las
características principales de las UP, considerando la distribución de las variables edad, nivel
de escolaridad de los productores, género y segmentándolos por el distrito agrícola al que
pertenece el municipio de residencia.
La unidad de análisis son las comunidades rurales de los distritos agrícolas en el
estado de Durango y los sujetos de estudio son los propietarios de las UP para los años 2018
y 2019. Las muestras se levantaron en 19 de los 39 municipios que conforman la entidad, se
abarcaron 66 localidades catalogadas como rurales. En total se lograron 129 cuestionarios
contestados efectuando el levantamiento a través de un muestreo aleatorio simple. En cuanto
al enfoque utilizado fue mixto al recopilar, analizar y proporcionar tanto información
cuantitativa como cualitativa.
Las herramientas utilizadas para la recolección de información fue un cuestionario de
preguntas cerradas y de opción múltiple aplicado cara a cara, en el que se recopiló
información de la ubicación, organización, superficie, actividades desarrolladas de la UP,
datos demográficos del responsable de la UP, producción y costos de producción de los
principales cultivos agrícolas, nivel tecnológico, así como los activos productivos de la UP.
El marco muestral utilizado fue la lista del padrón de beneficiarios de programas agrícolas
de la Secretaría de Agricultura, Ganadería y Desarrollo Rural del estado de Durango para los
años 2018 y 2019.

15
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

Tabulación y análisis de los datos

La información recabada se concentró en una base de datos en Excel que posteriormente se
exportó al software SPSS V.25, con el propósito de efectuar el análisis de pruebas de
hipótesis bajo el test de Kruskal Wallis, así como en el software MINITAB V.19 en el caso
de las pruebas de Wilcoxon, en cuanto al cálculo de la productividad se utilizó la fórmula
propuesta por la FAO en el año 2019 para actividades agrícolas en América Latina.
La FAO mide la productividad media de los factores, en términos del valor de los
factores capital, insumos y mano de obra invertidos en los factores de la producción. La
presenta como un indicador intermedio, ascendente y como unidad de análisis toma a las
unidades de producción (FAO, 2018). La unidad de medida es en pesos mexicanos.
El método de cálculo se apoya en la siguiente fórmula (FAO, 2018):

𝑉𝑃𝑟𝑜𝑑𝑖
𝑃𝑀𝑒𝑖 =
𝐾𝑖 + 𝐿𝑖 + 𝐼𝑖 (1)
Donde:

𝑃𝑀𝑒𝑖 Es la productividad media de la actividad apoyada en la Unidad de Producción 𝑖

𝑖 = 1 … 𝑛 siendo 𝑛 el total de las unidades de producción
Para lo cual se consideran cuatro tipos de variables (FAO, 2018):
1) El valor de la producción

𝑉𝑃𝑟𝑜𝑑𝑖 = 𝑃𝑖 ∗ 𝑄𝑖 (2)

Donde:
𝑉𝑃𝑟𝑜𝑑𝑖 Es el valor de la producción obtenida en la actividad de la Unidad de Producción 𝑖
𝑃𝑖 Es el precio de referencia o de venta de la producción obtenida en la actividad de la Unidad
de Producción 𝑖
𝑄𝑖 Es la cantidad de producción obtenida en la actividad de la Unidad de Producción 𝑖

16
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

2) El valor total de los activos de la Unidad de Producción.

𝐾𝑖 = 𝑉𝐷𝐼𝑛𝑓𝑘 + 𝑉𝐷𝑀𝑦𝐸𝑘 + 𝑉𝐷𝑀𝑇𝑘

(3)

Donde:

𝐾𝑖 Es el valor total de los activos de la Unidad de Producción 𝑖

𝑉𝐷𝐼𝑛𝑓𝑘 Es el valor del activo en infraestructura 𝑘 de la Unidad de Producción 𝑖
𝑉𝐷𝑀𝑦𝐸𝑘 Es el valor del activo en maquinaria y equipo 𝑘 de la Unidad de Producción 𝑖
𝑉𝐷𝑀𝑦𝑇𝑘 Es el valor del activo en medios de transporte 𝑘 de la Unidad de Producción 𝑖

El valor de cada activo corresponde a la depreciación anual que se obtiene de dividir el valor
de adquisición entre los años estimados de vida útil. En los activos de infraestructura se
consideran 30 años; en la maquinaria y equipo y medios de transporte se consideran 10 años.

3) El costo de la mano de obra

𝐿𝑖 = 𝐽𝑜𝑟𝑖 ∗ 𝑆𝑎𝑙𝑖 (4)

Donde:

𝐿𝑖 Es el costo de la mano de obra pagada en la actividad de la Unidad de Producción 𝑖

𝐽𝑜𝑟𝑖 Es el número de jornales contratados y pagados en la actividad de la Unidad de
Producción 𝑖
𝑆𝑎𝑙𝑖 es el costo por jornal en la actividad de la Unidad de Producción 𝑖

17
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

4) El costo total de los insumos pagados

𝑛
(5)
𝐼𝑖 = (∑ 𝑖𝑛𝑠𝐼 )
𝐼=1

Donde:

𝐼𝑖 Es el costo total de los insumos pagados en la actividad de la Unidad de Producción 𝑖

𝑖𝑛𝑠𝐼 Es el costo de cada insumo 𝐼 en la actividad de la Unidad de Producción
𝐼 = 1 … 𝑛 Identifica cada insumo en la actividad de la Unidad de Producción

La medición de la productividad por medio de este método permite identificar la

capitalización de las unidades de producción y/o actividades de mejora del nivel tecnológico,
lo que se traduciría en incrementos en los rendimientos productivos, lo cual a su vez
implicaría un aumento en la productividad de la actividad económica realizada (FAO, 2018).

La prueba de Wilcoxon.
La prueba de rango con signo de Wilcoxon permite comparar la media de una población con
un valor hipotético específico. El punto central de esta prueba es ver si la suma de los rangos
positivos es más significativa que la suma de los rangos negativos, en tal caso brinda la
evidencia para aceptar la hipótesis alternativa y rechazar la hipótesis nula considerando cierto
nivel de significancia, mostrando si la mediana de la muestra final es significativamente
mayor que la de la población. Para calcular la prueba estadística que representa la suma
positiva de los rangos se utiliza la ecuación 6, en cambio para el caso del cálculo de la prueba
estadística que representa la suma negativa de los rangos se utilizará la ecuación 7, la razón
es porque la estadística de prueba usa la suma de los rangos positivos o la suma de los
negativos (Lesik, 2019):

18
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

𝑛(𝑛 + 1) 1 en
𝑅+ − −2
+
𝑍𝑊 = 4
(6)
√𝑛(𝑛 + 1)(2𝑛 + 1)
24
donde:
R+ = suma positiva de los rangos positivos
n = tamaño de la muestra
𝑛(𝑛 + 1) 1
𝑅− − −2
−
𝑍𝑊 = 4
(7)
√𝑛(𝑛 + 1)(2𝑛 + 1)
24
en donde:
R- = suma negativa de los rangos positivos
n = tamaño de la muestra

Prueba de Kruskall Wallis.

La comprobación de hipótesis en poblaciones con una distribución que no es normal

requiere el uso de la estadística no paramétrica como lo menciona Levin y Rubin en 2010,
las técnicas útiles que no suponen restricciones respecto a la forma de la distribución de la
población se denominan estadísticas no paramétricas. Al comparar tres muestras una por cada
distrito agrícola se utilizará la prueba Kruskall Wallis para determinar las diferencias
estadísticamente significativas entre cada grupo o categoría.
En la estadística no paramétrica una opción al análisis de varianza (ANOVA) de una
cola es la prueba Kruskall Wallis, la cual utiliza datos continuos de poblaciones que tengan
la misma forma a diferencia de la prueba Wilcoxon que no necesita una distribución normal
o simétrica, teniendo como único requisito que la distribución de todas las poblaciones y
muestras tengan la misma forma, utilizando también rangos al igual que las pruebas de
Wilcoxon (Lesik, 2019). Para casos que involucran más de dos poblaciones esta prueba es
una extensión de la prueba Mann-Whitney. La ecuación 8 es la utilizada para calcular el
estadístico K como una medida de las diferencias entre las observaciones clasificadas en las

19
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

n muestras, la distribución muestral del estadístico K se puede aproximar utilizando una

distribución ji-cuadrada cuando los tamaños de todas las muestras sean al menos 5 pudiendo
tener diferente tamaño (Levin, R. y Rubin, 2010):

12 𝑅𝑗2 (8)
𝐾= ∑ − 3(𝑛 + 1)
𝑛(𝑛 + 1) 𝑛𝑗

en donde:
𝑅𝑗2 = rango al cuadrado para el i-ésimo grupo
n = tamaño total de la muestra
ni = tamaño de la muestra para el grupo i

Hipótesis de trabajo planteadas

Las hipótesis que se someterán a prueba en la prueba de Wilcoxon y la Prueba de Kruskall
Wallis son las siguientes:
 H1: La distribución de productividad media es diferente entre las categorías de
Distrito agrícola
 H1: La distribución de productividad media es diferente entre las categorías de
escolaridad
 H1: La distribución de productividad media es diferente entre las categorías de grupo
de edades
 H1: La distribución de productividad media es diferente entre las categorías de género
Resultados
Con el propósito de precisar las condiciones demográficas de los agricultores bajo estudio se
analizaron las características por grupos de edad, escolaridad y género. De acuerdo a los datos
obtenidos la edad promedio de los productores es de 56 años, mientras que la escolaridad se
encuentra en ocho años en promedio, con una desviación estándar de 14.19 para la edad y de
4.66 para la escolaridad. En cuanto a la edad el 10% de la población cuenta con 38 años o
menos, distribuido en cuartiles en el primero de ellos se encuentran los productores que tienen

20
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

menos de 46 años, en el siguiente cuartil los de 47 y 58 años, en el tercer cuartil de 59 a 65

años de edad y en el último los productores que tienen entre 66 hasta 88 años de edad. La
figura 2 presenta el porcentaje de edad promedio agrupada en décadas, el primer grupo
considera los menores de 30 años (de 23 a 30 años de edad). El 44% de los productores
agrícolas responsables de las UP cuentan con más de 61 años de edad, lo que evidencia la
ausencia del reemplazo generacional, ya que en el extremo opuesto tan sólo el 14% de los
productores tienen menos de 40 años, lo que muestra una baja inserción de la población joven
en el campo de Durango que permita continuar con las actividades productivas en el sector
primario.
Figura 2. Grupo de edades de los productores agrícolas en Durango
35%

29%
30%

25%

20% 20%
20%

15% 13%

9%
10%
5%
5%
2%

0%
Menores de De31- 40 años De 41-50 años De 51-60 años De 61-70 años 71 -80 años Más de 81
30 años años

Fuente: elaboración propia

Al analizar las edades de los productores por distrito agrícola (figura 3) con más de 61 años,
en el distrito I es del 38% de los productores que dirigen las UP, en el distrito III el 53%, en
el VI el 43%, lo anterior muestra que el distrito III es el que tiene mayor porcentaje de
población en este grupo de edad.

21
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

Los menores de 40 años en cada distrito presentan una ocurrencia de distrito I - 12%, distrito
III - 18%, distrito VI - 18%, se observa que el distrito I es el que tiene menor población
ocupada en actividades agrícolas en este grupo de edad.

Figura 3. Distribución de las edades por distrito agrícola

45%
40% 40%
40%
Porcentaje de recurrencia

35% 32% 33%

30% 27%
24%
25% 22% 23%
20%
20% 18%
15% 15% 14%
15% 13% 12%
9% 10%
10% 8%9% 9%
4% 5%
5%
0% 0% 0% 0% 0%0%
0%
Menores de De31- 40 De 41-50 De 51-60 De 61-70 71 -80 años Más de 81
30 años años años años años años
Rangos de edad de los productores que dirigen las UP

Distrito 1 Distrito 3 Distrito 5 Distrito 6

Fuente: elaboración propia

En cuanto a los años de estudio de los productores líderes de las UP, el 40% tiene
primaria o menos, el 21.6% tiene hasta secundaria. El 18.9% cuenta con estudios de
educación media superior, el 18.9% estudios de educación superior, pero tan sólo el 2.7% los
terminó y el 2.7% cuentan con estudios de posgrado. Existe un 2.7% de los agricultores que
son analfabetas. Lo anterior evidencia que más del 50% de los productores sólo tienen
estudios a nivel secundaria. La tabla 3 concentra la información analizada con anterioridad
presentando las frecuencias acumuladas por grado de estudio.

22
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

Tabla 3. Nivel de escolaridad de los productores agrícolas

Nivel de
Sin
escolari Profesion
estudi Primaria Secundaria Preparatoria Posgrado
dad al
os

Trunc Ter Trun Term Tru Termi Tru Ter

a min ca inada nca nada nca mi
ada nad
a
Porcenta
je total
por 40 21.6 18.9 18.9 2.7
nivel
escolar
Porcenta
je de 18
2.7 18.9 8.1 13.5 2.7 16.2 16.2 2.7 2.7
frecuenc .9
ia
Fuente: elaboración propia
Otro dato importante que surge del análisis es la distribución por género de los
responsables de las UP agrícolas, el 71.32% de los dirigentes son hombres y el 28.68% son
mujeres, es decir existe una predominancia en las actividades agrícolas por el género
masculino.

Discusión
La productividad agrícola de los distritos agrícolas se analizó con relación a estimadores
como las medidas de posición central (media, aritmética y mediana), medidas de posición no
central (mínimos, máximos y cuartiles) y la medida de dispersión (desviación estándar). Los

23
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

resultados muestran que los distritos IV y V se excluyen por no contener suficientes

elementos en el tamaño de la muestra, además de que sus actividades centrales son pecuarias.
Por lo que el análisis se concentra en los distritos I, III y VI donde el promedio de
productividad alcanzado en el distrito VI es mayor que los otros dos, como se muestra en la
tabla 4, presentando también una mayor dispersión. Se puede observar que el distrito I
presenta un menor índice de productividad en el Q1, en comparación con el distrito III y VI;
en el Q2 el distrito I sigue presentando la misma tendencia de menor productividad mientras
que el distrito VI duplica la productividad que presentan en el Q1. En el Q3 el distrito II y el
VI presentan una productividad similar y el distrito I un 25% de menor productividad. Sin
embargo, se puede observar que el rango máximo y mínimo de productividad entre el distrito
I y el III es muy similar (ver figura 4).

Tabla 4. Estadística descriptiva de la productividad por distrito agrícola

Estadísticos
Distrito Media
Median Desviació
s aritmétic Rango Cuartiles (Q)
a n estándar
a
Mínim Máxim Q1 Q2 Q3
o o
I 0.647 0.546 0.506 0.04 1.96 0.27 0.54 0.89
8 6 8
III 0.870 0.853 0.452 0.03 1.94 0.60 0.85 1.22
8 3 1
VI 0.989 1.141 0.460 0.17 2.06 0.53 1.14 1.29
3 1 4
Fuente: elaboración propia

24
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

Figura 4. Diagrama de cajas simple de productividad media agrícola por distrito

Fuente: elaboración propia con SPSS v.25

Productividad media.
En la comprobación de las hipótesis planteadas con la prueba de Kruskal-Wallis para k
muestras independientes considerando a la productividad media agrícola (PmAg) como la
variable independiente y las muestras separadas en categorías de distrito agrícola, categorías
de escolaridad, grupo de edad y categorías de género se encontraron los siguientes resultados
para las hipótesis planteadas.
 H1: La distribución de PmAg es diferente entre las categorías de distrito agrícola
De acuerdo a la prueba con un nivel de significancia (alfa = de 0.012, se acepta la hipótesis
H1, en donde se determina que se encuentran diferencias estadísticamente significativas entre
la PmAg y la categoría de distrito agrícola, es decir el nivel de PmAg presentado en todos los
distritos agrícolas es diferente. Al encontrar diferencias entre la PmAg y las categorías de
distrito agrícola surgen las hipótesis relacionadas con cuál es el distrito que presenta una
mayor o menor productividad media, es decir:
 H1: Existen diferencias en la PmAg entre los distritos agrícolas
Se aplica el test Wilcoxon de rango con signos para determinar las diferencias presentadas
en la productividad entre distritos, el distrito IV y V se excluyen al no contener elementos
25
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

suficientes para aplicar el test, por lo que se aplica la prueba entre los distritos I - III, I – VI
y III – VI encontrando que:
 H1: La PmAg es menor en el distrito I que en el distrito III (alfa = 0.014)
 H1: La PmAg es menor en el distrito I que en el distrito VI (alfa = 0.014)
 H1: La PmAg es mayor en el distrito VI que en el distrito III (alfa = 0.005)
Se puede corroborar la información de la tabla 4 y la figura 4 (diagrama de cajas
simple) donde estadísticamente la PmAg en el distrito VI es mayor que en el distrito I y III y
la que presenta una menor PmAg son las UP familiares del distrito I.
Los resultados muestran que efectivamente existen diferencias entre la productividad
de los distritos agrícolas que conforman el estado de Durango, el distrito VI es el de mayor
productividad y el distrito I el de menor. Dicha productividad se podría explicar por la
modalidad de cultivo, donde en el distrito VI el 60% de la agricultura es de riego y el resto
de temporal. Para el caso del distrito I solo el 24% de la agricultura es de riego, aún cuando
coinciden en algunos de los cultivos sembrados. En el ciclo de riego coinciden en la siembra
de maíz forrajero en verde y de maíz de grano. En el ciclo de temporal coinciden en la siembra
de avena forrajera en verde y de maíz de grano.
Los cultivos de riego en el distrito VI son alfalfa verde, maíz de grano, maíz forrajero
en verde, en la modalidad de temporal se cultivan pastos y praderas, maíz de grano y avena
forrajera en verde.
Para el caso del distrito I en la modalidad de riego se cultivan la avena forrajera en
verde, maíz forrajero en verde y maíz de grano. En la modalidad de temporal se cultivan maíz
de grano, avena forrajera en verde y frijol.
Autores como Sachs (1997), mostró en sus estudios cómo el clima afecta la
productividad agrícola, entre ellos la duración de la precipitación pluvial. Para el caso de
estos distritos, en ambos casos hubo una disminución de la precipitación pluvial en los dos
años analizados. En el distrito VI la precipitación disminuyó de 401.5 milímetros en 2018 a
227.7 milímetros en 2019. Para el caso del distrito I paso de 549.1 milímetros en 208 a 497
en 2019, es decir, la disminución fue menor, sin embargo no determinó su nivel de
productividad y los hallazgos muestran que es el distrito menos productivo.

26
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

Teniendo en cuenta que el distrito VI tiene el índice de productividad más alto, hay que
destacar que en este caso la precipitación anual no influyó en este resultado, lo que se puede
explicar porque los municipios que conforman este distrito se ubican en la región de la
Laguna, donde desemboca el río de la presa más grande de la entidad y el recurso hídrico se
utiliza para el cultivo de riego.
En el caso del distrito I hay que tener en cuenta que a pesar de que llueve más no hay
presas donde captar el agua, ya que debido a la orografía de la región las presas son pequeñas,
lo que explica que el porcentaje de cultivo de riego sea menor y quizá sea una explicación de
la baja productividad de las actividades agrícolas. Lo que concuerda con lo explicado por
Gallup en 1998 y Galvis-Aponte en el 2001, quienes mostraron que las condiciones
geográficas y las fuentes de agua como ríos, lagos y presas de una región, en este caso de un
distrito, condicionan su nivel de productividad.
Continuando con la prueba Kruskall-Wallis para las categorías de escolaridad, grupo de edad
y género se plantearon las siguientes hipótesis alternas:
 H1: La distribución de productividad media es diferente entre las categorías
escolaridad
 H1: La distribución de productividad media es diferente entre las categorías de grupo
de edad
 H1: La distribución de productividad media es diferente entre las categorías de género
En los tres casos las hipótesis alternas se rechazan, aceptando la H0 en donde se determina
estadísticamente que no se encuentran diferencias entre la PmAg y las categorías de
escolaridad, grupo de edad y género, por lo que se puede decir, que el nivel de productividad
alcanzado no muestra diferencias estadísticamente significativas.
Estos hallazgos muestran que son otros factores exógenos a las características del productor
los que más influyen en el índice de productividad, en este caso se mostró que el acceso al
agua es uno de ellos. Los productores expresan que hace falta inversión pública para la
captación de agua de lluvia que permita aumentar los cultivos de riego y de esta forma
contribuir a mejorar sus niveles de desarrollo. Existen trabajos que evidencian que el campo
mexicano actualmente ocupa los últimos lugares en temas de formación bruta de capital, lo

27
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

que muestra la necesidad de establecer mecanismos para incrementar su productividad

(Secretaría de Agricultura y Desarrollo Rural-Gobierno del estado de Durango, 2018)
(Secretaría de Agricultura y Desarrollo Rural-Gobierno del estado de Durango, 2019).
Tal como dijeron Ayvar, Lenin y Delfin en el año 2018, donde a pesar del buen
desempeño de México dentro de los APEC, el sector primario requiere mayores niveles de
inversión, principalmente en el factor capital para acceder a mayores niveles de desarrollo.
En el caso de Durango hay reflejo de lo que ocurre a nivel nacional, donde hay una tendencia
a la baja en los niveles de competitividad y productividad, aunado al envejecimiento de la
población que se dedica a las actividades agrícolas.

Conclusiones
La edad promedio de los productores bajo estudio es de 56 años, mientras que la escolaridad
se encuentra en ocho años en promedio. El 44% de los productores agrícolas responsables de
las UP cuentan con más de 61 años de edad, lo que evidencia la ausencia del reemplazo
generacional, ya que en el extremo opuesto tan sólo el 14% de los productores tienen menos
de 40 años lo que muestra una baja inserción de la población joven en el campo de Durango
que permita continuar con las actividades productivas en el sector primario.
El distrito III es el que tiene el mayor porcentaje de productores con más de 61 años.
En cuanto a los menores de 40 años el distrito III y VI son los que tienen más productores
jóvenes, aunque el porcentaje es bajo 18%.
En cuanto a los años de estudio de los productores líderes de las UP, el 40% tiene
primaria o menos, el 21.6% tiene hasta secundaria. Solo el 18.9% cuentan con estudios de
educación superior, pero tan sólo el 2.7% los terminó.
En cuanto al género de los responsables de las UP agrícolas, el 71.32% de los
dirigentes son hombres y el 28.68% son mujeres, es decir existe una predominancia en las
actividades agrícolas por el género masculino.
La hipótesis de trabajo H1: La distribución de PmAg es diferente entre las categorías
de distrito agrícola se acepta, ya que se determinó que sí existen diferencias estadísticamente

28
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

significativas entre la productividad media y la categoría de distrito agrícola, es decir el nivel

de PmAg presentado en todos los distritos agrícolas es diferente.
El distrito VI es el de mayor productividad y el distrito I el de menor. Dicha
productividad se podría explicar por la modalidad de cultivo, en el distrito VI el 60% de la
agricultura es de riego y en el distrito I solo el 24%, aún cuando coinciden en algunos
cultivos. En el ciclo de riego coinciden en la siembra de maíz forrajero en verde y de maíz
de grano. En el ciclo de temporal coinciden en la siembra de avena forrajera en verde y de
maíz de grano.
Se observa que el acceso y los mecanismos de captación del agua es uno de los
factores que explican las diferencias en la productividad agrícola, entre ellos la duración de
la precipitación pluvial. Para el caso de estos distritos, en ambos casos hubo una disminución
de la precipitación pluvial en los dos años analizados. En el distrito VI la precipitación
disminuyó de 401.5 milímetros en 2018 a 227.7 milímetros en 2019. Para el caso del distrito
I paso de 549.1 milímetros en 2018 a 497 en 2019, es decir, la disminución fue menor, sin
embargo no determinó su nivel de productividad y los hallazgos muestran que es el distrito
menos productivo.
Teniendo en cuenta que el distrito VI tiene el índice de productividad más alto, hay
que destacar que en este caso la precipitación anual no influyó en este resultado, lo que se
puede explicar porque los municipios que conforman este distrito se ubican en la región de
la Laguna, donde desemboca el río de la presa más grande de la entidad y el recurso hídrico
se utiliza para el cultivo de riego.
En el caso del distrito I hay que tener en cuenta que a pesar de que llueve más no hay
presas donde captar el agua, ya que debido a la orografía de la región las presas son pequeñas,
lo que explica que el porcentaje de cultivo de riego sea menor y quizá sea una explicación de
la baja productividad de las actividades agrícolas.
En cuanto a las hipótesis alternativas se rechazan, aceptando la H0 en donde se
determina estadísticamente que no se encuentran diferencias entre la PmAg y las categorías
de escolaridad, edad y género, por lo que se puede decir, que el nivel de productividad
alcanzado no muestra diferencias estadísticamente significativas.

29
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

Los hallazgos muestran que son factores exógenos a las características del productor los que
influyen en el índice de productividad, se mostró que el acceso al agua es uno de ellos. Los
productores expresan que hace falta inversión pública para la captación de agua de lluvia que
permita aumentar los cultivos de riego y de esta forma contribuir a mejorar sus niveles de
desarrollo en los distritos agrícolas.
Orientaciones futuras.
Para futuras investigaciones los distritos agrícolas y las actividades agropecuarias se
podrían estudiar desde aspectos puramente cualitativos sobre la percepción de los
productores en relación a las condiciones actuales del sector en México. Además también se
puede estudiar la productividad pecuaria. Por otro lado, se puede analizar la cadena de valor
de las actividades primarias y observar cómo es su relación con los clientes y proveedores
para identificar áreas de oportunidad para su desarrollo. Por último se podría estudiar y
evaluar el impacto de programas gubernamentales de apoyos económicos y en especie para
las actividades agropecuarias.

Referencias
Ayvar, F; Lenin, J; Delfin, O. (2018). Competitividad y productividad del sector
agropecuario mexicano en APEC, 1980-2015. Revista Mexicana de Estudios Sobre La
Cuenca Del Pacífico, 12(23), 7–30.
Bolaños, A. G. B., & Tapia, D. A. S. (2019). La productividad agrícola más allá del
rendimiento por hectárea: análisis de cultivos de arroz y maíz duro en ecuador. Revista
de Ciencias de La Vida, 29(1), 70–83. Retrieved from
[Link]
_alla_del_rendimiento_por_hectarea_analisis_de_los_cultivos_de_arroz_y_maiz_duro
_en_Ecuador/link/5c7933ba299bf1268d2f7cc1/download
Cámara de Diputados del H. Congreso de la Unión. (1988). Ley de Distritos de Desarrollo
Rural. Diario Oficial de la Federación.
Cámara de Diputados del H. Congreso de la Unión. (2019). Ley de Desarrollo Rural
Sustentable. Diario Oficial de La Federación, DOF. Retrieved from

30
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

[Link]
Canales, T., & Corilla, M. (2019). Factores que incidieron en la productividad agrícola en
la Región Junín - 2017. Universidad Nacional del Centro del Perú, Huancayo, Perú.
Retrieved from
[Link]
equence=1&isAllowed=y
Cuevas Merecias, I., Villarreal Villarreal, L. A., Carrera Sanchez, M. M., & Partida Puente,
A. (2021). Factores financieros de la eco Innovación en procesos y organización que
impactan en la productividad del sector Aagrícola del Valle de San Quintín, Baja
California, México. Revista Innovaciones de Negocios, 18(35).
[Link]
FAO. (2015). El estado mundial de la agricultura y la alimentación. La protección social y
la agricultura: romper el ciclo de la pobreza rural. Roma: FAO. Retrieved from
[Link]
FAO. (2018). La agricultura y el desarrollo rural en México. Retrieved December 10, 2020,
from [Link]
FAO. (2020). Statistical Year book: World food and Agriculture. Retrieved from
[Link]
Frison, E. (2016). IPES-Food report from uniformity to diversity: a paradigm shift_ from
industrial agriculture to diversied agroecological systems. [De la uniformidad a la
diversidad]. Retrieved from [Link].
Galarza, F. (2015). Productividad total de factores en la agricultura peruana: estimación y
determinantes. Economía, XXXVIII(76), 77–116.
Galarza, F., & Díaz, J. (2016). Infraestructura y productividad de la agricultura a pequeña
escala en el Perú. In Céspedes, P. Lavado, & N. Ramírez (Eds.), Productividad en el
Perú: medición, determinantes e implicancias (pp. 93–124). Lima, Perú: Universidad
del Pacífico.
Gasca Ávila, M. (2014). Productividad. (TenNM/ITDurango, Ed.) (Primera ed). Durango,
México.

31
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

INEGI-CANAINTEX. (2020). Conociendo la industria textil y de la confección. México.

Retrieved from
[Link]
[Link]
INEGI. (2017). Resultados de la Actualización del Marco Censal Agropecuario 2016.
Actualización del marco censal agropecuario 2016. México. Retrieved from
[Link]
INEGI. (2018). La encuesta nacional agropecuaria (ENA). Retrieved February 23, 2021,
from [Link]
INEGI. (2019a). Encuesta nacional agropecuaria. México. Retrieved from
[Link]
INEGI. (2019b). Resultados de la encuesta nacional de ocupación y empleo (ENOE), cifras
durante el segundo trimestre de 2019 para el estado de Durango. México. Retrieved
from
[Link]
9_08.pdf
Instituto interamericano de cooperación para la agricultura. (2015). Una productividad
competitiva, incluyente y sustentable: oportunidad para el continente americano.
Cancún-Riviera Maya.
Lema, D., & Gatti, N. (2015). Estimación no Paramétrica de los Componentes del Cambio
en la Productividad Agrícola de Argentina y Países Del Cono Sur 1961-2012. In
Reunión Anual de la Asociación Argentina de Economía Agraria 2015 (p. 23). Buenos
Aires, Argentina: Repositorio de la Inta. Retrieved from
[Link]
ES_InstdeEconomia_Lema_D_Estimacion_no_parametrica_componentes_cambio.pdf
?sequence=3&isAllowed=y
Lesik, S. (2019). Aplied Statistical Inference with Minitab. (2da edició). Boca Raton: FL:
CRC Press Taylor y Francis Group.
Levin, R. y Rubin, D. (2010). Estadística para administración y economía (7ma edn.).

32
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

México D. F.: Pearson.

Mahlknecht, J., González-Bravo, R., & Loge, F. (2020). Agua-energía-seguridad
alimentaria: una perspectiva Nexus de la situación actual en América Latina y el
Caribe. Energía, 194. [Link]
Mondragón Pérez, D. E. (2018). Productividad agrícola y exportación de la palta en los
países del continente americano durante el periodo 2008-2017. Universidad César
Vallejo. Retrieved from
[Link]
[Link]?sequence=1&isAllowed=y
Morán, M. (2021). Diagnóstico de factores internos y externos que inciden en la
productividad de pequeños agricultores del recinto “las cañas”, Cantón, Lomas de
Sargento. Universidad de Guayaquil.
OCDE. (2017). Comercio y la agricultura. Paris, Francia. Retrieved from
[Link]
[Link]
Ramírez, H. A. Z., Ojeda, H. E. I., & Chaparro-tovar, R. J. (2019). Aproximación
metodológica del modelo de productividad agrícola rural. Revista Crítica
Transdisciplinar, 2(1), 23–32. Retrieved from
[Link]
de-productividad-agricola-rural/
SAGARPA. (2017). Memoria y Prospectiva de las Secretarías de Estado. (I. I. N. de E. H.
de las R. M. Secretaría de Cultura, Ed.) (Primera). México: Secretaria de Agricultura y
Desarrollo Rural.
Secretaría de Agricultura y Desarrollo Rural-Gobierno del estado de Durango. (2018).
Compendio de Indicadores 2018, Durango, Programa de Concurrencias con las
Entidades Federativas. Victoria de Durango, Durango: SADER-FAO. Retrieved from
[Link]
Secretaría de Agricultura y Desarrollo Rural-Gobierno del estado de Durango. (2019).
Compendio de Indicadores 2019, Durango, Programa de Concurrencias con las

33
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

Entidades Federativas. Victoria de Durango, Durango.

Secretaría de economia. (2018). Información económica y estatal. Retrieved September 26,
2020, from [Link]
SIAP. (2019a). Estadisticas de producción agrícola. Retrieved from
[Link]
SIAP. (2019b). Ubicación y límites territoriales de la estrutura de la SADER. Retrieved
from [Link]
estructura-de-la-sagarpa
Sotelsek Salem, D. F., & Laborda Castillo, L. (2019). Desarrollo y productividad agrícola
en América Latina: el problema de la medición. Agricultura Sociedad y Desarrollo,
1(1), 61–83. [Link]
Subsecretaría de empleo y productividad laboral. (2019). Durango, información laboral.
México. Retrieved from
[Link]
Tello, M. (2016). Productividad, capacidad tecnológica y de innovación, y difusión
tecnológica en la agricultura comercial moderna en el Perú: un análisis exploratorio
regional. Economía, 39, 103–144. [Link]
Zuniga González, C. A. (2020). Crecimiento de la productividad total de los factores en la
agricultura: análisis del índice de Malmquist de 14 países, 1979-2008. REICE: Revista
Electrónica de Investigación En Ciencias Económicas, 8(16), 68–97.
[Link]

CÓMO CITAR
Hernández Chavarria, J., González Lazalde, I., & Galván Ismael, M. Q. (2022). La productividad en los
distritos agrícolas de Durango, México. Revista De Investigación Académica Sin Frontera: División De
Ciencias Económicas Y Sociales, (37), 37. [Link]

34
 Año 15 / Núm. 37 / Enero-junio 2022
Revista de Investigación Académica sin Frontera
ISSN 2007-8870

Neliti - Indonesia's Research Repository

35