VARIABILIDAD DE CORTO PLAZO EN LA FORMACIÓN DE … · INIA FORMACIN DE PRECIOS EN EL MERCADO...

Editores: Bruno Lanfranco Crespo*Cecilia Ois Patisson**Alina Bedat Innella**

* Ingeniero Agrónomo, M.Sc., Ph.D., Economía Aplicada y Proyectos. Instituto Nacionalde Investigación Agropecuaria.

** Economistas. Egresadas de la Facultad de Ciencias Económicas y Administración.Universidad de la República.

VARIABILIDAD DECORTO PLAZO ENLA FORMACIÓN DEPRECIOS EN ELMERCADO VACUNODE REPOSICIÓN

Título: VARIABILIDAD DE CORTO PLAZO EN LA FORMACIÓN DE PRECIOS EN ELMERCADO VACUNO DE REPOSICIÓN

Editores: Bruno Lanfranco CrespoCecilia Ois PatissonAlina Bedat Innella

Serie Técnica N° 155

© 2006, INIA

ISBN: 9974-38-219-X

Editado por la Unidad de Agronegocios y Difusión del INIA.Andes 1365, Piso 12. Montevideo - Uruguayhttp://www.inia.org.uy

Quedan reservados todos los derechos de la presente edición. Esta publicación no se podráreproducir total o parcialmente sin expreso consentimiento del INIA.

Parte de este estudio fue presentado como trabajo de investigación monográfico por AlinaBedat y Cecilia Ois, bajo la dirección de Bruno Lanfranco, ante la Facultad de CienciasEconómicas y Administración de la Universidad de la República para la obtención del títulode Lic. en Economía, Plan 1990. La defensa de la monografía se realizó el 3 de febrero de 2006.

Foto de portada: "Lote de terneros". Creslan Sociedad Ganadera (2006).

Instituto Nacional de Investigación Agropecuaria

Integración de la Junta Directiva

Ing. Agr., Ph. D. Pablo Chilibroste - Presidente

Ing. Agr., Dr. Mario García - Vicepresidente

Ing. Agr. Eduardo Urioste

Ing. Aparicio Hirschy

Ing. Agr. Juan Daniel Vago

Ing. Agr. Mario Costa

1 JUSTIFICACIÓN Y OBJETIVOS DEL ESTUDIO ..............................1

2 MARCO TEÓRICO DE LA INVESTIGACIÓN ......................................2

2.1 Los mercados por pantalla y la comercialización de haciendas en Uruguay ............................................................................................2

2.2 El mercado de haciendas como mercado de características..........5

2.3 Teoría de precios hedónicos en un mercado de productos diferenciados .................................................................................10

2.4 Estimación empírica de modelos hedónicos .................................14

3 MATERIALES Y MÉTODOS ............................................................. 15

3.1 Recolección de datos y confección de la muestra ........................15

3.2 Selección y descripción de las variables del modelo .....................16

3.2.1 Características que pueden afectar los precios .....................16

3.2.2 Descripción de las variables................................................... 17

3.3 Métodos econométricos y técnicas de estimación ........................27

3.3.1 Estimación de la probabilidad de venta ..................................27

3.3.2 Estimación del modelo hedónico ............................................ 29

4 RESULTADOS Y DISCUSIÓN ..........................................................31

4.1 Estadísticas preliminares ............................................................... 31

4.2 Aplicación y resultados del modelo probabilístico ..........................34

4.3 Aplicación y resultados del modelo hedónico .................................36

5 CONCLUSIONES E IMPLICANCIAS ................................................48

5.1 Principales conclusiones ............................................................... 48

5.2 Fortalezas y debilidades del estudio e implicancias para el futuro ...........................................................................................52

6 BIBLIOGRAFÍA ..................................................................................54

ÍNDICEPág.

ÍNDICE DE CUADROS

CUADRO 1 - Matriz de correlaciones entre los precios de remate y lasseries de precios de INAC y ACG ...........................................18

CUADRO 2 - Variables estacionales (binarias) y lotes rematados ...............19

CUADRO 3 - Códigos y departamentales, nombre de variables yprocedencia de los lotes .........................................................21

CUADRO 4 - Categorías bovinas, tal como se presentan en loscatálogos de remate................................................................22

CUADRO 5 - Agrupamiento de razas bovinas en la muestraseleccionada ...........................................................................23

CUADRO 6 - Distribución de los lotes de la muestra por raza o gruposde razas ..................................................................................24

CUADRO 7 - Escala de clases y equivalencia numérica usada en esteestudio .....................................................................................25

CUADRO 8 - Escala de estado y equivalencia numérica usada eneste estudio .............................................................................25

CUADRO 9 - Tratamientos nutricionales recibididos por los lotes ...............26

CUADRO 10 - Estadísticas univariadas de algunas variables de interés .......32

CUADRO 11 - Momentos de la distribución de la variable precio y suajuste N(μ σ2) ..........................................................................33

CUADRO 12 - Matriz de correlaciones para características físicas del lote ...34

CUADRO 13 - Parámetros estimados, errores estándar, nivelesde significación y efectos marginales, para el modeloprobabilístico ...........................................................................36

CUADRO 14 - Parámetros estimados, errores estándar, nivelesde significación y signos esperados, para el modelohedónico ..................................................................................38

Pág.

ÍNDICE DE FIGURASPág.

FIGURA 1 - Canales y agentes de comercialización de hacienda enel Uruguay ................................................................................. 3

FIGURA 2 - Curvas de oferta y demanda para el lote n de ganado .............. 9

FIGURA 3 - Trayectoria del precio del lote al cambier la composiciónde la característica zk ............................................................... 9

FIGURA 4 - Funciones de los oferentes y equilibrio de mercado ................12

FIGURA 5 - Funciones de los licitantes y equilibrio de mercado .................14

FIGURA 6 - Histograma de distribución de los precios y ajuste medianteuna PDF normal .......................................................................32

FIGURA 7 - Condiciones del mercado en el período de análisis ypromedios por remate ..............................................................39

FIGURA 8 - Efecto del orden de entrada a remate en el preciode ganado ................................................................................40

FIGURA 9 - Evolución del precio del dólar durante el período de análisis ...41

FIGURA 10 - Efecto estacional sobre los precios .........................................42

FIGURA 11 - Efecto del tamaño del lote en el precio ....................................44

FIGURA 12 - Efecto del precio promedio del lote en el precio .......................45

FIGURA 13 - Efecto conjunto del peso promedio y del tamaño del lotesobre el precio ........................................................................46

FIGURA 14 - Efecto de la clase del lote sobre el precio ................................48

ACG - Asociación de Consignatarios de Ganado

BCU - Banco Central del Uruguay

CDF - Función de Distribución Normal Acumulada (Cumulative DistributionFunction)

CPO - Condiciones de Primer Orden

CSO - Condiciones de Segundo Orden

DICOSE - Dirección de Contralor de Semovientes del MGAP

FCE - Facultad de Ciencias Económicas y Administración

INAC - Instituto Nacional de Carnes

INIA - Instituto Nacional de Investigación Agropecuaria

MCO - Método de Mínimos Cuadrados Ordinarios

MGAP - Ministerio de Ganadería, Agricultura y Pesca

ML - Prueba de multiplicador de Lagrange

MV- Método de Máxima Verosimilitud

PDF - Función de Densidad de Probabilidad Normal (Probability DensityFunction)

UDELAR - Universidad de la República

GLOSARIO DE SIGLAS Y ABREVIACIONES

AGRADECIMIENTOS

En primer lugar, los autores desean expresar su reconocimiento a las firmasintegrantes de Plaza Rural y Pantalla Uruguay por el total apoyo brindado a esteestudio. En especial, se agradece al Ing. Agr. Alejandro Jencquel, gerente de PlazaRural, y al Ing. Agr. Gerardo García Pintos, de Estudio 3000, sin cuya estrechacolaboración en este proyecto no hubiera sido posible. Al Ing. Agr. GuzmánTellechea y al Sr. Alberto Pereira Micoud (Estudio 3000), al Ing. Agr. Álvaro Pasó ya la Ec. Marcel Arnais (Valora Consultoría y Valuaciones), a las Ecs. Laura Salvartey Ana María Teja (FCE-UDELAR), por la información y las ideas aportadas en lasentrevistas.

Finalmente, se desea agradecer al Ec. Álvaro Salazar y al Ing. Agr. JoaquínSecco, miembros del tribunal que evaluó la monografía de Alina y Cecilia, por losaportes y las críticas realizadas en oportunidad de la defensa final del trabajo.Algunas de las sugerencias recibidas han podido ser incorporadas es esta oportu-nidad; otras lo serán seguramente en los estudios que sigan. En cualquier caso, loserrores u omisiones que puedan ocurrir son de entera responsabilidad de losautores.

Resumen

El mercado de haciendas es un mercado diferenciado, donde la calidad del producto estádeterminada por un conjunto de atributos que lo define completamente. Existe un diferencial deprecios (premios y descuentos) que depende de las características del ganado. A través de unmodelo de precios hedónicos se estimó el valor monetario que el mercado otorga a dichascaracterísticas, medidas sobre más de 8.000 lotes (454 mil vacunos) comercializados porpantalla. La mayoría de las variables incluidas en los catálogos incidieron en la formación de losprecios. Peso, sexo, raza, clase, estado, procedencia, uniformidad, tratamiento nutricional yconocimiento del mío-mío, son características que afectaron significativamente el precio. Variasde estas variables mostraron relaciones no lineales o interacciones entre sí. Estrategias demercadeo como el tamaño de lote, orden de entrada al remate, determinación del peso en balanza,recomendación explícita de lotes destacados, son también importantes en la determinación delprecio, así como las condiciones imperantes en el mercado, como la época del año o el nivelgeneral de los precios. Finalmente, vale la pena hacer el esfuerzo de registrar mejor algunascaracterísticas como ser la presencia de astas y el manejo sanitario, las que no pudieron serincluidas en el análisis.

Palabras clave: precios hedónicos, diferenciación de productos, demanda por características

Cattle market can be viewed as a differentiated market, where quality is determined by a set ofattributes that completely define the product. There exist price differentials (premiums anddiscounts) that depend on the specific characteristics of cattle. Market monetary values of thecharacteristics of interest were estimated using a hedonic price model, involving more than 8.000lots (454 thousand heads) traded at cattle video auctions. Most of the variables included in theauction catalogs influenced short-time market prices. Nonlinear relationships and interactionsamong some of the characteristics were also verified. Marketing strategies, such as lot size, order,scale-determined weight, and outstanding lot recommendations, were also relevant in pricedetermination, as well as market conditions measured by season of the sale and current marketprice levels. Finally, it seems worthy some additional efforts to improve recording of somepresumably important characteristics such as presence of horns and health traits, which could notbeen used in the present research.

Keywords: hedonic prices, product differentiation, demand for characteristics

JEL: D44, L15, Q13.

VARIABILIDAD DE CORTO PLAZO ENLA FORMACIÓN DE

PRECIOS EN MERCADOS DEHACIENDAS EN EL URUGUAY

Summary

FORMACIN DE PRECIOS EN EL MERCADO VACUNO DE REPOSICININIA

1

VARIABILIDAD DE CORTO PLAZO EN LAFORMACIÓN DE PRECIOS EN

MERCADOS DE HACIENDAS ENEL URUGUAY

1 JUSTIFICACIÓN Y OBJETIVOSDEL ESTUDIO

La importancia del complejo cárnico bovi-no para la economía del Uruguay amerita unaadecuada comprensión de los procesosinvolucrados a través de toda la cadena. Elsector primario -que comienza con el naci-miento de un ternero, macho o hembra, yculmina con la venta de un novillo o vacagordos para faena- está conformado, las másde las veces, por varios eslabones (cría,recría e invernada). A grandes rasgos, estopermite diferenciar un mercado para faena yotro para reposición.

Resulta fácil deducir que ambos mercadosestán íntimamente interrelacionados. Los fun-damentos básicos de oferta y demanda en elmercado de reposición dependen estrecha-mente de los fundamentos básicos de oferta ydemanda en el mercado de faena, así comoestos últimos dependen de los fundamentos demercado de las etapas siguientes de la cadenay así sucesivamente hasta llegar al últimoeslabón: el consumidor final.

Por lo general, la mayor atención de losanalistas ha sido puesta en el mercado parafaena. La forma en cómo la industria trasmitelas señales provenientes de los mercados -fundamentalmente externos - a los preciosque recibe el productor (invernador), es unapreocupación constante. Menor ha sido, porotra parte, el interés puesto en el funciona-miento del mercado de ganado para reposi-ción, tal vez por la gran dependencia que sele atribuye con respecto al primero.

Este trabajo de investigación es el primeroque estudia, en una forma rigurosa y detallada,las fuentes de variabilidad de corto plazo en laformación de precios en el mercado de hacien-das, en el Uruguay. Si bien la base del análisis

es la misma para ambos mercados, el enfoqueha sido puesto sobre el mercado de reposición.Más allá de su indudable relación con el gordo,la comercialización de ganado para recría einvernada tiene particularidades propias y rele-vantes, que resultan de mucho interés estu-diar.

El advenimiento y consolidación de losmercados ganaderos por pantalla brinda unaposibilidad única para realizar este tipo deestudios, muy difíciles de realizar algunosaños atrás. La información registrada en loscatálogos posibilita un detallado análisis delos factores, fundamentalmente los de cortoplazo (que son los de interés inmediato paralos agentes) que afectan al mercado e inter-vienen en la formación de los precios. En losmercados competitivos, los precios acarreanconsigo señales que es preciso interpretarcorrectamente, para tornar todo el procesomás eficiente. Dicha eficiencia tendrá con-secuencias, a su vez, sobre toda la cadena.

El objetivo de esta investigación es pro-fundizar el conocimiento del mercado dehaciendas, con énfasis en el mercado dereposición. La información generada a travésde casi 40 remates por pantalla llevados acabo durante 3 años en el Uruguay es de granutilidad para que productores, técnicos,analistas y operadores de mercado compren-dan mejor el funcionamiento y los mecanis-mos de generación de precios en el mercadoganadero.

La primera hipótesis planteada es que elmercado de haciendas es un mercado diferen-ciado; existe un diferencial de precios para elganado comercializado -en términos de pre-mios y descuentos- que depende de la calidaddel ganado como producto y es medida a travésde un conjunto de características.

FORMACIN DE PRECIOS EN EL MERCADO VACUNO DE REPOSICIN INIA

2

Siguiendo el enfoque de Ladd y Martin(1976), un lote de ganado dispuesto para laventa puede ser visto como una colección decaracterísticas que lo describe completa-mente. Así, dos lotes pueden poseer distintascantidades o proporciones de un mismo atribu-to o característica; o uno puede presentarcaracterísticas que el otro no posee. Dos lotespueden incluso contener características com-pletamente diferentes uno de otro.

Compradores y vendedores de ganadoasignan distinto valor a lotes con diferentescombinaciones de características, de acuer-do a sus objetivos empresariales y gustospersonales. Esto significa que la demandapor ganado en el mercado depende de lascaracterísticas que posee. La oferta trata deoperar en consecuencia, conformando lotesque posean combinaciones de característi-cas que sean atractivas para los potencialescompradores.

Adaptando el modelo de precioshedónicos de Rosen (1974) con el desarrollode Ladd y Martin (1976) para los mercados defactores, se puede estimar la contribuciónque realizan las características, que descri-ben un lote de ganado, al precio final detransacción del lote en el mercado. Dichomodelo permite estudiar en detalle las rela-ciones de precios de corto plazo en el merca-do de haciendas, brindando información quepuede ser de mucha utilidad para los agentesque operan en dicho mercado.

La estimación del modelo de precioshedónicos permite presentar la contribuciónde las características a la formación delprecio del ganado, en términos de preciosimplícitos. Esto es, el valor de un lote deganado se puede descomponer en la sumatoriade los valores monetarios de la contribuciónmarginal de cada característica.

En particular, los mercados de haciendaspor pantalla, de gran expansión en el país enlos últimos años, constituyen un ámbito muyadecuado para realizar esta investigación.Esto se debe no solamente a que en estos secomercializan grandes volúmenes de ganadosino a que registran en un catálogo una deserie características que se presupone sonlas que afectan en mayor medida los preciosdel ganado.

Dentro de las hipótesis de trabajo plan-teadas en esta investigación, se asume quela información recogida en los catálogos -producto de muchos años de experiencia deexpertos en la materia y a las que el rematadorhace referencia durante el remate - contieneel conjunto correcto de características quedeben ser incorporadas al modelo hedónicopara su estimación. Tal como lo expusieranFaminow y Gum (1986) en su estudio, aquítambién el propósito primario y por tanto elénfasis de la investigación, es la determina-ción de relaciones de precios que puedanayudar a los productores ganaderos a tomardecisiones de producción y comercialización.

Finalmente, se asume que en el cortoplazo existen otros factores que inciden en laformación de los precios de las haciendas,aparte de los atributos propios (peso, raza,sexo, clase, estado, nutrición, origen, sani-dad, homogeneidad). El modelo empíricoincluye también variables que intentan cap-turar, aunque sea en forma general, tanto lascondiciones particulares del remate (opera-dor, remate, orden de entrada, plazo) comolas condiciones de mercado actuales (valordel dólar, expectativas de precio, época delaño) y las condiciones cl imáticasestacionales (lluvias, pasturas).

En el capítulo 2 de esta publicación sediscute exhaustivamente el marco teóricoque sustenta el análisis realizado. En elcapítulo 3 se describe pormenorizadamentela forma de colección de los datos y losmétodos econométricos utilizados. Los re-sultados empíricos de este trabajo se discu-ten en el capítulo 4, en tanto que en capítulofinal se presentan las principales conclusio-nes y se hace una reseña de los trabajos quesurgen de aquí en más.

2 MARCO TEÓRICO DE LAINVESTIGACIÓN

2.1 Los Mercados por Pantalla y laComercialización de Haciendasen Uruguay

Lorente, Ortiz y Vázquez (2002) descri-bieron los distintos canales de comercializa-ción en el Uruguay y el flujo de la hacienda a


3

través de los distintos eslabones que confor-man el sector primario, hasta llegar a la etapade frigorífico. Según estos autores, estoscanales no difieren en gran medida de losexistentes en otras partes del mundo, si bien- aclaran - en los países desarrollados losmercados mostrarían mayores niveles deconcentración.

Esquemáticamente, el flujo a través delos dist intos canales y agentes decomercialización puede visualizarse en laFigura 1. Dejando de lado la exportación deganado en pie, la dirección del mismo puedeir de productor a productor (reposición) o deproductor a frigorífico (faena). En amboscasos, la comercialización puede ser llevadaa cabo en forma directa, de intermediarios(consignatarios) o a través de mercados or-ganizados. En este último caso, lo máscomún ha sido el remate en ferias o, másrecientemente, por pantalla.

Pese a que en algunos países ya tienendos décadas de funcionamiento, los rematespor pantalla han constituido una formanovedosa de comercializar el ganado en elUruguay. Su principal característica es quelas ventas se llevan a cabo sin necesidad demovilizar el ganado hasta el mercado. Comosu nombre lo indica, las imágenes de videode los lotes se proyectan a través de unapantalla gigante instalada en el local deremate y eventualmente se trasmiten a tra-vés de diferentes medios vías de comunica-ción, como ser TV cable o satélite, circuito

cerrado o Internet, alcanzando así un mayoralcance y difusión.

Diversos autores han debatido y compa-rado las características y el funcionamientode los mercados organizados respecto a loque sucede con los mercados dispersos, engeneral y para el caso de los mercados deproductos perecederos (Working, 1956;Sosnick, 1963; Smith, 1964, 1965; Paul,1979; Tomek, 1980; Lang y Rosa, 1981).Otros analistas han profundizado este enfo-que para el caso de los mercados electróni-cos y por pantalla, fundamentalmente paralos productos agropecuarios, estudiando susimplicancias y enumerando las ventajas ydesventajas frente a los remates tradiciona-les en ferias (Ethridge, 1978; Sporleder yMahoney, 1982; Henderson, 1984; Schrader,1984; Sporleder, 1984; Purcell, 1984; Ward,1984; Rust y Bailey; Rhodus, Baldwin yHenderson, 1989; Bailey y Peterson, 1991;Bailey, Peterson y Brorsen, 1991).

De la revisión de estos trabajos surgeque, en el balance general, los beneficiosderivados de los mercados electrónicos o depantalla superarían ampliamente las debili-dades o inconvenientes que puedan ocasio-nar. La organización y la concentración delas transacciones, los mayores volúmenescomercializados y el mayor detalle y objeti-vidad de la información, la posibilidad de unacceso masivo de concurrentes, son todosaspectos que favorecen una mayor transpa-rencia del mercado, mayor competencia,menores costos globales de transacción,

Figura 1. Canales y agentes de comercialización de hacienda en el Uruguay.


4

mayor eficiencia en la formación de los pre-cios y en todo el proceso de comercializa-ción.

No se realizará aquí una discusión sobrela operativa de los mercados por pantalla enel Uruguay, la que puede encontrarse prime-ramente en Lorente, Ortiz y Vázquez (2002)y más actualizada en Bedat y Ois (2005). Enel marco de esta investigación interesa sola-mente caracterizar este formato, cada vezmás importante en el país, en términos de sudesempeño como formador de precios y tras-misor de señales para el mercado.

Chvosta, Rucker y Watts (2001) destaca-ron que en la mayoría de los mercados defactores y productos, es harto difícil que losagentes conozcan exactamente las caracte-rísticas de los bienes y servicios en formaprevia a su comercialización. Leffler y Rucker(1991) indicaron que los costos de transac-ción inciden en la elección de los canales decomercialización, fundamentalmente entrela opción de la negociación directa y otrosprocesos o formatos de venta donde existauna mayor competencia.

El costo de búsqueda de información(Stigler, 1961) que permita superar los pro-blemas de asimetría entre compradores yvendedores (Akerlof, 1970) deriva en impor-tantes costos de este tipo. En adición, lasdificultades de medir en forma objetiva yconfiable algunas de las características deinterés también favorece los altos costos detransacción (Barzel, 1982).

La difusión de la información a través decatálogos, en forma previa y durante el rema-te, tal como se realiza en los remates porpantalla o en algunos remates de reproducto-res1 permite atenuar en gran medida dichosproblemas, colaborando con el abatimientode los costos de transacción. Por otra parte,la certificación de los animales por inspecto-res idóneos2, brinda mayor credibilidad ytransparencia. La garantía de respaldo acer-ca de la veracidad y objetividad de la informa-ción y la transparencia en el arbitraje de losdiferendos son todos factores apreciados por

los agentes, que incluso pueden verse refle-jados en los precios. Klein y Leffler (1981)reconocieron la importancia de estos facto-res y advirtieron que los agentes pueden usarexitosamente los precios como indicaciónde la calidad. Es decir, el conocimiento de laexistencia de un premio en el precio asegurala oferta de calidad.

Barzel (1982) enfatizó la importancia quetienen los sistemas de contratos y garantíasen la comercialización. Agregó incluso quevalores intangibles, como la "confianza" y el"nombre", que los operadores del mercado(rematadores, certificadores) se esfuerzanpor trasmitir y ofrecer como valor agregado,mitigan las dificultades derivadas de unainevitable dosis de subjetividad en la medi-ción de algunas características. Una conse-cuencia de esto es también una reducción delos costos de búsqueda.

Paralelamente, la dimensión "nacional"que adquiere un mercado de pantallas, frenteal carácter local o regional de los rematestradicionales, permite manejar volúmenesbastante mayores de ganado, con beneficiosdirectos para el mercado. La concentraciónde las transacciones facilita el flujo de infor-mación, lo cual deriva en mayor transparen-cia. De acuerdo a Russell y Purcell (1980), laformación de precios en forma centralizadamejora el grado en el cual los precios reflejanlas condiciones reales de la oferta y la de-manda. Como consecuencia, la eficienciacon la cual se desarrollan los procesos derevelación de los precios en el mercado se veincrementada (McPherson, 1956).

Buccola (1985) estableció que en un mer-cado competitivo, la centralización de lastransacciones ayuda a reducir las fluctuacio-nes de precio, lo cual también es una mues-tra de eficiencia en el mercado. Ethridge(1978) reconoció que aunque los mercadoselectrónicos no solucionan algunos proble-mas generales como la inestabilidad de laoferta y la demanda, ayudan a atender doscuestiones básicas: las condiciones de ais-lamiento de algunos mercados locales y las

1 Por ejemplo, en los remates de Kiyú.2 Este aspecto, conjuntamente con la existencia de reglas claras, es clave para el éxito de este formato deventa. Su fortaleza radica, justamente, en la confianza que los agentes depositan en el sistema.


5

carencias de información que muchas veceslos afectan.

La transmisión del remate por distintosmedios (cable, circuito cerrado, satélite, In-ternet) mejora el acceso de los agentes almercado. En especial, permite una mayorparticipación de compradores, que incurrenen menores gastos. No es necesario su trasla-do hasta el lugar del remate, ya que existe laoportunidad de comprar telefónicamente y conmejores posibilidades de negociar un mayorvolumen de hacienda en cada remate. Estotambién se traduce en una disminución de loscostos globales de transacción.

Adicionalmente, al no ser necesario eltraslado del ganado hasta el mercado, queentonces permanece en el establecimientohasta tanto se efectivice su venta, se redu-cen los gastos de transporte y el tiempo totalde traslado de los animales es menor. Todoesto sin entrar a considerar otras ventajasadicionales (el ganado se fatiga menos, semantiene en mejor estado, mejor bienestaranimal y menor riesgo de contagio de enfer-medades).

Bailey y Peterson (1991) compararon lasbases estructurales de la formación de pre-cios entre los mercados por pantalla y losremates-feria, concluyendo que la influenciade las características del lote, de la informa-ción de mercado y de las estrategias demercadeo, son esencialmente idénticas enambos formatos de comercialización, en-contrando diferencias solamente en los ta-maños óptimos de lote, para cada caso.Bailey, Peterson y Brorsen (1991), por sulado, encontraron que los precios obtenidosen los mercados por pantalla, ajustados pordiferencias de calidad, costos de transporte,comisiones y plazos de entrega del ganado,eran superiores a los obtenidos en feriasregionales. Sporleder y Mahoney (1982) yMilgrom y Weber (1982) ya habían reportadoresultados similares para el caso de losmercados electrónicos en general.

En resumidas cuentas, la discusión pre-cedente ofrece un sustento teórico muy ro-

busto para realizar un análisis profundo delmercado de haciendas en el Uruguay, utili-zando para ello la información proveniente delos mercados por pantalla. Lorente, Ortiz yVázquez (2002) estimaron, para el ejercicio98/99, en alrededor de 2 millones 700 mil elnúmero de cabezas comercializadas en elmercado de reposición (destino diferente afaena). Dentro de esa cifra, la comercializa-ción a través de ferias alcanzaba a poco másde 855 mil animales.

Lamentablemente, no fue posible actuali-zar esta información para el período de estu-dio. Sin embargo, el enorme crecimiento delos volúmenes comercializados en los mer-cados por pantalla (superó las 200 mil cabe-zas en 2003 y las 300 en 2004 y 2005)habilita a sospechar que este formato tieneactualmente gran relevancia. Esto permiterealizar algunas inferencias de carácter ge-neral sobre el mercado de haciendas a partirde su análisis.

2.2 El Mercado de Haciendas comoMercado de Características

Para analizar el mercado de haciendas yel papel de las características de los anima-les en su comercialización se considera unmodelo en el que una firma ganadera produceganado que es, a su vez, insumo o factor deproducción para otras firmas ganaderas opara frigoríficos y mataderos. En el procesoque comienza con el nacimiento de un terne-ro macho o hembra y culmina con la venta deun novillo o vaca gordos para faena3 seconforma una cadena productiva de varioseslabones, en la que pueden intervenir una ovarias firmas4.

En un mercado competitivo, una firmaindividual no puede mejorar el precio querecibe por su ganado alterando su volumende producción. Sin embargo, el ganado, vistocomo un producto, no es homogéneo. Laheterogeneidad puede ser entendida como

3Una proporción muy importante de las hembras tienen como destino primario la producción de terneros. Recién al final de su vida útil como vientres entran al proceso de invernada y engorde para faena.4 Establecimientos criadores, recriadores, invernadores, o ciclo completo.


6

un factor de diferenciación de producto, entérminos de calidad.

En la definición de productos diferencia-dos usualmente se manejan dos conceptosclaves (Carlton y Perloff, 1994) que, en casodel mercado de haciendas en estudio, sepueden expresar como: 1) si los comprado-res de ganado consideran que dos lotesdifieren en una o más características y secomportan de acuerdo a ello (les atribuyen unvalor distinto), entonces dichos lotes sonproductos diferenciados; 2) dos lotes quedifieren en un grupo de características quepueden considerarse como sustitutos cerca-nos exhibirán una diferencia de precio menoral de otros dos lotes cuyas característicasdiferenciales no admiten un grado similar desustitución.

La calidad del ganado producido puedetener un efecto en el precio que los compra-dores estén dispuestos a pagar. Esta cali-dad depende, a su vez, de un conjunto deatributos o características que el productorpuede controlar a través del manejo nutricionaly sanitario del rodeo, del mejoramientogenético y de sus estrategias de venta.Cuando una firma ganadera dedicada a larecría o a la invernada compra ganado, elprecio a pagar por la hacienda dependerá enbuena medida de la calidad de la misma, estoes, de las características que el lote compra-do posee. Así el enfoque del análisis presen-tado en este trabajo considera que las prefe-rencias de los compradores se centran en losatributos o características del producto, másque sobre el producto en sí.

La calidad de un lote de vacunos produci-dos por la firma puede ser definida a través deun número K de características, tal que z´ =(z1, z2,…, zK) representa el vector de caracte-rísticas que describe al lote y zk mide lacantidad o la proporción en que la caracterís-tica k = 1, 2,…, K se encuentra presente enel lote. Cualquier lote de ganado compradoo producido por la firma puede ser descrito

completamente por valores numéricos conte-nidos en el vector z. Por tanto, pueden con-formarse diferentes lotes con distintos valo-res en z que, puestos a la venta, ofrecen"paquetes" alternativos a los potencialescompradores.

Ladd y Martin (1976) consideraron el casoparticular de una firma produciendo bienesque resultan insumos para otra firma5. Eneste marco, la función de producción6 parauna firma que compra o produce ganado, lotransforma (varía la composición de z) y lovende, se puede expresar como:

El resto de los insumos y factores deproducción necesarios para producir estárepresentado por el vector x´ = (x1, x2,…, xJ)de dimensión J. Nótese que solamente en el

5Este puede ser el caso de un predio ganadero que produce terneros o categorías de recría para engorde oreemplazo de vientres y vende su producción a otros establecimientos ganaderos, o el caso de invernadoresque venden categorías para faena.

6Si bien la gran mayoría de los predios ganaderos deberían ser descriptos a través de una función multiproductopor la variedad de bienes que producen, a los efectos de facilitar el presente análisis se considera que lafirma solamente produce ganado vacuno, ya sea que se lo mida en cabezas, kilos en pie, etc.

(2.1)( ) ( )xz,,...,,,,...,, 2121 FxxxzzzFq jn ==

(2.2)

( ),...,,,,...,, c2121v −−= JK pxxxzzzFp zπ

CF1

−−∑ =

J

j jj xr

caso de establecimientos criadores o deciclo completo la firma produce enteramentez a través del nacimiento de terneros. En loscasos restantes (recriadores e invernado-res), la firma adquiere una composición ini-cial de z en el mercado (a otra firma) y laaltera en mayor o menor medida a través deluso de insumos.

Asumiendo que el productor intentamaximizar sus ingresos netos a partir de laventa de lotes de ganado se puede plantearla función de beneficios de la firma como:

Los parámetros pv y pc son los precios deventa y de compra de hacienda, respectiva-mente y rj es el precio del insumo xj. Si lafirma produce terneros, el término pcz des-

aparece de la ecuación (2.2) y los costosde producción de los mismos se agregan al


7

marginal de zk sobre el costo promedio deproducción. Esto es, a los efectos demaximizar los beneficios derivados por laventa de su ganado - ya sea con destino afaena o con destino a reposición - el produc-tor buscará conformar lotes con un determi-nado conjunto o combinación de caracterís-ticas, tales que el diferencial de precio obte-nido como consecuencia de dicha combina-ción de características compense el costoadicional, de obtenerlas.

Si la firma no produce sus propios novilloso vaquillonas, será al mismo tiempo un de-mandante de ganado como factor de produc-ción. Al aplicar el enfoque de diferenciaciónde productos para el caso de los factoresproducción, Ladd y Martin (1976) obtuvierondos resultados fundamentales: (a) el preciode un factor de producción se equivale a lasuma de los valores monetarios que para elcomprador tienen las características conte-nidas en dichos factores. Por su parte, elvalor monetario de cada característica esigual al producto marginal de la característi-ca contenida en el factor de producción,multiplicado por el valor monetario por unidadde la característica; y (b) la demanda por unfactor de producción depende de las caracte-rísticas presentes en dicho factor.Todo estosignifica que las características del ganadoconstituyen un elemento clave para un pro-ductor que debe comprar animales para recríao invernada.

Finalmente, el cumplimiento de las condi-ciones de segundo orden (CSO) garantiza laexistencia de una solución para el sistema,dada por un conjunto de funciones de deman-da por factores de producción. Sustituyendodichas ecuaciones en la función de produc-ción F(z) se obtiene la función de oferta de lafirma.

Buccola (1980) analizó los diferencialesde precios en el mercado de ganado vacunocon destino a faena en los Estados Unidosutilizando un modelo general de precios deequilibrio. Los precios de equilibrio definenlos precios de reserva de largo plazo para losvendedores y compradores de ganado. Laidea central es que, en el largo plazo, ningúncomprador estará dispuesto a pagar un lotede ganado por encima del precio de equili-

último término. El vector x´ = (x1, x2,…, xJ)corresponde a insumos variables ya quelos costos fijos están contenidos en eltérmino CF.

El segundo y tercer término de la ecua-ción (2.2) corresponden a la totalidad de loscostos variables y se pueden expresar comoel producto entre la cantidad de lotes q y elcosto variable promedio por lote, c(q, z1,z2,…, zK). La composición de z se ve afecta-da por el uso de insumos x. Esto significaque la cantidad total de la característica kpresente en un lote de ganado puesto a laventa es función de la cantidad de insumosutilizados para producirla, dándose las si-guientes relaciones: zk(x) y F(z). El precio decompra o venta de hacienda puede versecomo una función que relaciona el precioobtenido con la calidad de un lote de ganado,medida en términos de sus características(Rosen, 1974; Ladd y Martin, 1976; Buccola,1980; Schroeder y otros, 1988; Kolstad yTurnovsky, 1998).

De esta manera, la función de beneficioplanteada en (2.2) puede reescribirse como:

Las condiciones de primer orden (CPO)para la maximización de beneficios implicanla diferenciación de (2.3) con respecto a q yz, de modo que al igualar a cero las ecuaciones

(2.3)

y

(2.4)

(2.5)

( ) ( ) CF,...,,,,...,, 2121v −−= qzzzqcqzzzp KKπ

0o =∂∂

−∂∂

=∂∂

kkk zcq

zpq

zπ

resultantes se obtiene el sistema deecuaciones (Ladd y Martin, 1976):

Para q ¹ 0, entonces:La expresión (2.5) significa que el nivel

óptimo de equilibrio para la característica zkse obtiene en el punto donde el efecto margi-

nal de zk sobre el precio se iguala al efecto

para k = 1,2,....,K.


8

brio, comportamiento éste que sería incon-sistente con el objetivo de maximización debeneficios. Asimismo, ningún vendedor es-tará dispuesto a aceptar un precio por debajode equilibrio.

En esta misma línea, los estudios deBuccola (1980) y Buccola y Jessee (1979)presentaron evidencias que los precios deganado para faena en remate estaríaninfluenciados tanto por características de losanimales (peso, raza, grado de terminación,edad) como del mercado (tamaño del remate,tamaño del lote, orden de salida a pista, díade remate y localización del mercado). A suvez, los principales factores que afectarían latasa de cambio de los precios de equilibriocon respecto al peso de los animales seríanlas expectativas de precios de faena, loscostos de alimentación de los animales, lascondiciones de humedad del suelo y lastasas de cambio de los inventarios de gana-do.

Por su parte, Marsh (1983; 1985) y Schultzy Marsh (1985) extendieron estos enfoquesmediante la utilización de un modelo deajuste dinámico que ilustra el proceso por elcual los cambios en las condiciones econó-micas afectan la magnitud de los diferencia-les de precios en el mercado de haciendas.La conclusión general a la que arriban es quelos precios de los remates observados en undeterminado momento y lugar reflejan lascaracterísticas de los animales, las condi-ciones económicas imperantes en ese en-tonces y las expectativas acerca de lascondiciones futuras del mercado.

No obstante, Faminow y Gum (1986) ar-gumentaron que los modelos generales parala determinación de los factores que afectanlos diferenciales de precio - como los deBuccola (1980), Kerr (1984), Marsh (1983;1985) y Schultz y Marsh (1985) - si bien sonútiles para analizar la estructura económicade los mercados, no son muy adecuadospara brindar directivas prácticas de significa-ción a vendedores y compradores de ganado.Faminow y Gum (1986) enfatizaron la nece-sidad de utilizar modelos de corto plazo que

estimen las relaciones entre los precios y lascaracterísticas que los afectan. Esto permi-te brindar información útil -para la toma dedecisiones- a productores que compran yvenden ganado, como parte de su actividadempresarial.

Como señalan Faminow y Gum (1986),para un día de remate en particular, sea éstetradicional o por pantalla, la composición decada lote - descrita por el vector de caracte-rísticas z - es fija7 , incluyendo la cantidad deanimales que lo componen, lo cual resulta enuna curva de oferta perfectamente inelástica.Para el n-ésimo lote, con una composiciónzn, el precio de equilibrio refleja la intercep-ción de una curva de demanda con pendientenegativa y una curva de oferta vertical, comose observa en la Figura 2.

Sin embargo, para N lotes, habrá N curvasde oferta y demanda y N diferentes puntos deequilibrio. A los efectos prácticos, el interésno se encuentra en las curvas de oferta ydemanda -las cuales son inobservables paralos agentes que participan del remate (pro-ductores, industriales, operadores)- sino enla variación que se observa en los precios delos distintos lotes rematados. Esta variaciónestá representada por la trayectoria de desplaza-miento de los N puntos de equilibrio cuando varíala composición de z.

Para ilustrar esta idea, supongamos quelos N lotes son del mismo tamaño(q1 = q2 =…= qN) y difieren solamente en elcontenido de la característica zk. Para cadauno de los N lotes considerados existe unacurva de oferta vertical y una demanda conpendiente negativa que, a su vez, determinanN puntos de equilibrio con N precios diferen-tes.

Gráficamente, disponemos la caracterís-tica zk sobre el tercer eje de coordenadas-los otros dos representan precio (P) y can-tidad (Q)- tal como se observa en la Figura 3.Se representan sólo 3 de los N lotes a losefectos de simplificar el análisis. Conectan-do los puntos de equilibrio para los N lotes,se obtiene una curva que representa la tra-

7A veces hay algunos lotes inscriptos que finalmente no salen a remate; en otros casos, algunos lotes muy grandes pueden subdividirse en dos o más lotes pequeños.


9

Figura 2. Curvas de oferta y demanda para el lote n de ganado.

n

Figura 3. Trayectoria del precio del lote al cambiar la composición de la característica zk.

n

yectoria o ruta de expansión seguida por elprecio al variar la cantidad de la característi-ca de interés.

Para desarrollar en mayor profundidadeste análisis, el cual puede fácilmente exten-derse para el caso en que los distintos lotes

difieren en más de una característica, esconveniente apelar a la teoría de precioshedónicos desarrollada por Rosen (1974),para el caso de diferenciación de productosen mercados competitivos.


10

2.3 Teoría de Precios Hedónicos enun Mercado de ProductosDiferenciados

Rosen (1974) formuló su teoría hedónicade precios como un problema económico deequilibrio espacial, en el cual el conjuntocompleto de precios implícitos guía las deci-siones de localización de compradores yvendedores en el espacio K-dimensional decaracterísticas. En ese contexto, los precioshedónicos se definen como los precios implí-citos de los atributos, que son revelados a losagentes económicos a través de los preciosobservados para productos diferenciados yde las cantidades específicas de las caracte-rísticas asociadas a los mismos.

Mediante el modelo hedónico, se puededescribir el punto de equilibrio en un plano deK dimensiones en donde se localizan tantocompradores como vendedores. La clase debienes de interés para el análisis8 puedenentonces ser descriptos por un conjunto com-puesto por K características, las que puedenser representadas en el hiperplano por unvector de coordenadas z´ = (z1, z2,…,zK). Como ya fuera referido anteriormente,todos los productos pueden ser completa-mente descriptos a través de la composiciónde z, cuyos elementos zk miden la presenciao la cantidad de la característica k contenidaen el mismo.

Puede decirse entonces que la existenciade diferenciación en un producto implica laexistencia de una serie de combinacionesposibles de z. Así, la comercialización delproducto de interés involucra la comerciali-zación de paquetes alternativos de caracte-rísticas que están disponibles para los com-pradores.

Para cada punto del hiperplano se puededefinir un precio p(z)= p(z1, z2,…, zK) que guíala elección de compradores y vendedores entérminos de su localización en el espacio decaracterísticas, es decir, los paquetes decaracterísticas que se comercializan.

Simplificando el análisis, se asume en prin-cipio una situación de competencia perfecta,en donde los agentes asignan individualmentepeso cero a las condiciones del mercado9 ytratan a los precios como un parámetro en susdecisiones. La función p(z) es idéntica al con-junto de precios hedónicos, siendo determina-da por las siguientes condiciones de equilibrio:

• La cantidad ofrecida por los vendedores encualquier punto del hiperplano debe serigual a la cantidad demandada por los com-pradores.

• El comportamiento de vendedores y com-pradores está basado en la maximizaciónde beneficios y el precio de equilibrio seobtiene de tal manera que oferta y demandase igualan completamente.

• En equilibrio, ningún agente puede mejorar suposición y todas las opciones (vectores decoordenadas) óptimas son pasibles deobtenerse por parte de aquellos.

• Los precios de equilibrio p(z) se determinanfundamentalmente a través de las preferen-cias de los consumidores10 y los costos deproducción de los vendedores.

A los efectos prácticos del análisis, seasume que el producto es lo suficientementediferenciado, haciendo que las combinacio-nes posibles de z sean lo suficientementeamplias como para que z sea continua entodos sus argumentos. Cada versión del pro-ducto tiene un precio de cotización en elmercado que está asociado a una determina-

8En este caso particular, lotes de ganado vacuno.9Luego se puede levantar esta restricción sin que se pierda la generalidad del análisis y considerar las condiciones del mercado a través de la incorporación de variables que capturen dichas condiciones.10 Rosen (1974), al igual que Houthakker (1952) Lancaster (1966) y Ladd y Suvannunt (1976), puso el énfasisde su desarrollo en términos de bienes o productos finales, no de bienes intermedios. En ese caso, la demandapor características es determinada enteramente en razón de las preferencias del consumidor final. En elenfoque seguido en este estudio, los demandantes de ganado son productores o empresas que lo utilizancomo insumo o factor de producción, razón por la cual se consideró extender las ideas de Rosen (1974) conlos aportes de Ladd y Martin (1976). No obstante, en las explotaciones agropecuarias a menudo los objetivosempresariales se confunden con los objetivos del propietario, por lo que las preferencias de éste puedenintegrarse como parámetro adicional a la función de demanda por factores de producción. Es bien sabidoque el gusto personal del productor ganadero juega un papel importante en el tipo de animales que produce.


11

da combinación fija de z, de modo que elmercado revela una función p(z) =p(z1, z2,…,zK) que relaciona precios y características.Dicha función establece el precio mínimopara un paquete de características cualquie-ra. Si dos firmas ofrecen el mismo conjuntoz a diferentes precios, los compradores ele-girán el de menor valor, siendo la identidaddel vendedor irrelevante en la toma de deci-siones de estos últimos.

Rosen (1974) adoptó el supuesto que cadazk es expresada de forma que pueda ser asimi-lada al concepto de "bien" asegurando que lafunción p(z1, z2,…, zK) sea creciente en todossus argumentos11. La única forma en que elproductor puede alterar su producto es a travésdel uso de insumos adicionales. Se consideraque p(z) es continua y diferenciable al menoshasta el segundo orden, no habiendo ningunarazón que la obligue a ser lineal en susparámetros.

Para analizar la decisión del productorque vende un lote de ganado, se define q(z)como la cantidad de lotes producidos por unafirma con la especificación z. La firma mini-miza costos sujeta a la restricción tecnológi-ca impuesta por la función de producciónpresentada en (2.1), a partir de lo cual seobtiene la función de costos c(q, z, y). Elparámetro y es un factor de desplazamientoque representa otras variables subyacentesen la minimización de costos, como serprecios de insumos y otros parámetros de lafunción de producción.

La función de costos es convexa, conc(0,z) = 0 y las derivadas con respecto a q yzk son positivas (cq > 0 y czk > 0). Estosignifica que el costo marginal de producirmás unidades de un lote con determinadascaracterísticas es positivo y creciente, mien-tras que el costo marginal de "mejorar" lacomposición de z es también positivo y no

decreciente. Cada firma, entonces, maximizasus beneficios escogiendo las cantidades q*y composiciones z* óptimas, en donde elretorno unitario para una cierta composiciónde z se encuentra dado por la función deprecios implícitos de las características enz, expresada en p(z).

Rosen (1974) enfatizó el carácter compe-titivo del mercado12 , aún cuando los costosmarginales de los atributos o características-expresados por la derivada de la función deprecios con respecto a cada característica,pk(z)- no sean constantes. Todos los produc-tores observan los mismos precios y nopueden afectarlos a través de sus decisionesde producción, siendo p(z) independiente deq. El problema del productor es entonceselegir q y zk tal que13 :

Este es exactamente el mismo resultadoobtenido con el enfoque de Ladd y Martin(1976) en (2.5). Las expresiones (2.6) y (2.7)son las CPO obtenidas en (2.4). Expresadasen esta nueva forma muestran claramenteque, en los niveles óptimos de q y z, elbeneficio marginal obtenido a partir de canti-dades adicionales de las características es

11Este supuesto no representa ningún inconveniente ya que si bien en la realidad hay características quepueden ser indeseables – por ejemplo, proporción de animales con algún problema de sanidad – basta conformularla en términos de “ausencia de” la característica.

12Wolinsky (1983), por su parte, enfocó el análisis de los precios como señal de diferenciación por calidad,para el caso de mercados imperfectos, donde los compradores poseen información incompleta (asimetría).Sin embargo, la aparición de los remates de hacienda por pantalla, en el Uruguay, hace presumir una mejoralas condiciones de transparencia y flujo de información entre los agentes. Esto permitiría considerar almercado de haciendas como un mercado competitivo.

13El término q representa la cantidad de lotes producidos con característica z y no la cantidad de animales dentrodel lote, que en este contexto es considerada como una característica del lote (un elemento de z).

(2.6)

(2.7)

pk(z) = czk(q, z1, z2,…, zK)/q,

para k = 1, 2,…, K;

p(z) = cq(q, z1, z2,…, zK).

igual a su costo marginal de producción porunidad vendida. Para el productor, por tanto,el máximo beneficio económico se ubica pro-duciendo una cantidad de lotes y con unacomposición de características tal, que el be-neficio marginal se iguala el costo marginal.Rosen (1974) señala que la convexidad de lafunción de costos c no asegura la satisfacciónde las CSO debido a la no linealidad de p(z),necesitándose algunas restricciones adicionales.


12

Para completar el análisis del lado de laoferta, es conveniente definir la función deloferente d (z1, z2,…, zK; po, y) que indica losprecios unitarios (por lote) que el productorestá dispuesto a aceptar, para lotes de dife-rente composición de z, que proveen unmismo nivel de beneficio po, cuando q está ensu nivel óptimo . Esto permite definir para dtoda una familia de hiperplanos de indiferen-cia. Siguiendo a Rosen (1974), la función deloferente se obtiene diferenciando:

con respecto a q, y despejando d enfunción de z , po y y, con lo que se obtiene

De la diferenciación de (2.8) y (2.9) conrespecto a zk y p, respectivamente, se obtienen:

El precio marginal de reserva del oferentepara la característica k, para un nivel dado dep, es dzk. Como antes, la convexidad de c nogarantiza que dzk zk > 0. Si d es el precio

π = qδ – c(q, z1, z2,…, zK), (2.8)

(2.9)

δzk = czk(q, z1, z2,…, zk)/q > 0

y δπ = 1/q > 0. (2.10)

pk(z*) = δzi(z1*, z2*,…, zK*; πo*, ψ),

para k = 1, 2,…, K; (2.11)

p(z*) = δ(z1*, z2*,…, zK*; πo*, ψ). (2.12)

Figura 4. Funciones de los oferentes y equilibrio de mercado.Fuente: Adaptado de Rosen (1974).

mínimo de oferta que el vendedor está dis-puesto a aceptar para un lote con caracterís-tica z -de modo de asegurarse un nivel debeneficio po- y p(z) es el precio máximo

obtenido por ese lote en el mercado, enton-ces po también puede maximizarse a través

de la maximización del precio de oferta,sujeto a la restricción p =d . De esta manera,para el productor oferente, el máximo bene-ficio y la combinación óptima satisfacen lassiguientes condiciones:

Los asteriscos denotan cantidades ensus niveles óptimos. Para el vendedor delganado, el equilibrio está caracterizado porel punto de coordenadas de tangencia entreel hiperplano que representa las distintascombinaciones de características que lo man-tienen indiferente frente al nivel de beneficiosy el hiperplano que representa el precioimplícito de mercado para dichas caracterís-ticas.

A los efectos de proveer una representa-ción gráfica de la solución, en la Figura 4 seobserva la variación de z en una sola dimen-sión. Haciendo variar solamente la cantidadde la característica zk, la función d (z1*,…,zk,…, zK*; po*, y) define una familia de curvassobre el plano de corte zk d a través delhiperplano de indiferencia, dejando el resto

de las características de z fijas en su nivelóptimo.

δ1

δ2

δδδδδ


13

La curva identificada como d1, representauna unidad de producción cuyos costos ynivel de producción le permiten conformar unlote con un nivel de zk menor que la unidad deproducción representada por la curva d2.Rosen (1974) atribuye la diferencia entre lasdistintas unidades de producción - en elgráfico sólo se han representado dos deellas- a los distintos valores que puede tomarel parámetro y.Dicho parámetro, que involu-cra a cualquier variable que explique lasdistintas condiciones de producción entrelas firmas (por ejemplo, precios de factores,diferencias de tecnología capaces de provo-car desplazamientos en la curva de oferta,etc.), tiene una distribución G(y) que defineuna familia de funciones de oferta que quedan"envueltas", por debajo, por la función deprecios hedónicos p(z1*, z2,…,zK*) del mercado.

El análisis se desarrolla en forma similarpara el caso del comprador, apelando paraello a los resultados de Ladd y Martin (1976).La demanda de ganado está representadapor una función de demanda por factores14 .En este caso, pc = p(z) representa el precioque el productor licitante (demandante) -siendo tomador de precios en el mercado defactores - deberá pagar en el mercado por unlote descrito mediante el vector de caracte-rísticas z. La función de mínimo costo c escontinua, cóncava y no decreciente en losprecios p. Esto es, frente a dos lotes idénti-cos ofrecidos a diferentes precios, los com-pradores que buscan minimizar costos paracada nivel de producción, optarán por el demenor valor.

En forma análoga a la función del oferente, para el caso de la demanda por ganado sepuede definir una función del licitante, q(z1,z2,…, zK; pd, c, l), donde pd es el nivel debeneficios para el demandante. Asumiendouna concavidad estricta de pd se garantizaque es cóncava en z. Como consecuencia,q es creciente en zi pero a una tasa decre-ciente y qzk representa el valor que el produc-tor licitante adjudica a la característica zk aun nivel de c y pd dados.

q . Haciendo variar solamente la cantidad dela característica zk y dejando el resto de lascaracterísticas de z fijas en su nivel óptimo,la función (z1*,…, zk,…, zK*; pd*, l) define unafamilia de curvas de indiferencia, para la quese muestran solamente dos productoreslicitantes, q1 y q2, el último de los cualesprefiere lotes con mayor cantidad de la ca-racterística zk.

Si al igual que y en el caso del oferente, les un parámetro de la función de producciónque representa las distintas condiciones tec-nológicas y de costos de los licitantes, elcual tiene una función de distribución H(l), elpunto de equilibrio para todos los comprado-res queda identificado por medio de unafamilia de funciones de licitantes cuyo envol-torio superior, es la función de precios implí-citos o función hedónica del mercado, p(z1*,z2,…, zK*).

Debe recordarse que, también en estecaso, los compradores participan de un mer-cado competitivo, independientemente delhecho que pk(z) no tiene por que serconstante.Los agentes l icitantes sontomadores de precios de manera que la

Siguiendo con los conceptos manejadospor Rosen (1974), el precio que el productorlicitante está dispuesto a pagar por un lote decaracterística z es q (z; pd, c, l), mientrasque p(z) es el precio mínimo a pagar en elmercado. El productor licitante maximizasus beneficios cuando:

La localización óptima en el espacio K-di-mensional de características se produce en elpunto de tangencia entre los hiperplanos delimi-tados por p(z*) y q (z1*, z2*,…, zK*; pd*, l).

Como en el ejemplo anterior, la Figura 5representa la variación de z en una soladimensión, proyectada en el plano de corte zk

14 En este punto, el desarrollo teórico presentado en este trabajo se aparta de Rosen (1974) quien, como sedijo, asumió que el bien tiene como destino el consumo final.

θzk(z1*, z2*,…, zK*; πd*, λ) = pk(z*),

para k = 1, 2,…, K;

θ(z1*, z2*,…, zK*; πd*, λ) = p(z*). (2.14)

(2.13)


14

función p(z) es la misma para todos ellos eindependiente de sus costos de producción.

Rosen (1974) señaló que, en equilibrio,oferta y demanda se compensan cuando lasfunciones del oferente y del licitante se ha-cen tangentes unas con otras a través de ungradiente común cuyo vector de coordena-das es igual al gradiente de p(z). Esta es lafunción de precios implícitos que equilibra elmercado. De esta forma, los precios p(z)observados resultan una envoltura simultá-nea para una familia de funciones del licitan-te, por un lado, y para una familia de funcio-nes del oferente, por otro.

Sin embargo, Rosen (1974) advirtió queuna función de envoltura, por sí misma, norevela nada acerca de la estructura de losagentes que la generan, los cuales se cons-tituyen, a su vez, en el mecanismo de gene-ración de las observaciones. Si O(z) y D(z)representan las funciones de oferta y deman-da del mercado, respectivamente, para lotesde ganado con el conjunto de atributos ocaracterísticas z, el problema consiste enencontrar una función p(z ) tal queO(z) = D(z) para todo z.

La dificultad fundamental observada eneste caso es que tanto O(z) como D(z)dependen de la función p(z), en todas sus

dimensiones. Si, por ejemplo, las cantidadesofertadas y demandadas no se ajustan enalgún punto del espacio de características alos precios que prevalecen en el mercado, elefecto de un cambio de precio en ese puntono queda confinado a los lotes que contienenesa característica sino que, por el contrario,induce sustituciones y cambios de coorde-nadas al nivel de todo el hiperplano (Rosen,1974).

2.4 Estimación Empírica de ModelosHedónicos

Rosen (1974) y posteriormente Brown yRosen (1982) sugirieron que, estimando pri-mero la función de precios hedónicos, lasfunciones de oferta y demanda, O(z) y D(z),pueden ser estimadas en una segunda eta-pa, incluyendo como regresores a los pre-cios implícitos de las características surgi-dos en la primera. Dado que existe una curvade oferta y una curva de demanda por cadauna de las K características (o elementos dez), la caracterización de todo el mercadoimplica establecer un sistema de 2Kecuaciones. Un ejemplo de la aplicaciónempírica de éste método puede encontrarseen Bowman y Ethridge (1992) para el casodel mercado algodonero en los Estados Uni-dos.

Figura 5. Funciones de los licitantes y equilibrio de mercado.Fuente: Adaptado de Rosen (1974).

θ1

θ2

θθθθθ


15

En las últimas dos décadas, varios auto-res han presentado nuevos aportes y méto-dos alternativos para la estimación de siste-mas de oferta y demanda de productos dife-renciados, tanto directas como indirectas, apartir de los modelos hedónicos de precios(Bartik, 1987; Epple, 1987; Kolstad yTurnovsky (1998); Kristofersson y Rickertsen,2003).

Si bien puede ser muy útil tratar de develarla estructura del mercado de característicasa través del análisis de las fuerzas de laoferta y la demanda que afectan las caracte-rísticas de productos diferenciados, esto noconstituye un objetivo esencial en el presen-te estudio. El énfasis está puesto en proveerinformación a los agentes que participan enel mercado de haciendas sobre los diferen-ciales de precio, esto es, premios y descuen-tos, que el mercado otorga por la presenciao ausencia de atributos que caracterizan alos lotes de ganado que un productor confor-ma para su venta. Se trata de cuantificarinformación que proviene y se observa direc-tamente en el mercado, siendo fácilmenteinterpretable por los productores.

Como apuntaron Faminow y Gum (1986),la estimación de un modelo de precioshedónicos permite a los productores (ya seancompradores y vendedores de ganado) utili-zar la información generada en los rematesde hacienda para mejorar, tanto sus decisio-nes de producción (por ejemplo, el pesoóptimo al cual vender el ganado o las condi-ciones nutricionales previas) como las decomercialización (tamaño más adecuado parael lote y composición del mismo o la presen-tación de información sanitaria, entre otrosaspectos).

Faminow y Gum (1986) insistieron en queel uso de modelos hedónicos, como el pro-puesto en este estudio, no deben ser vistoscomo modelos de predicción que brinden unacompleta información a los productores. Nosustituyen, por tanto, a los tradicionalesanálisis de oferta y demanda que permitananticipar, en alguna medida, los niveles futu-ros de precios y producción de los mercados.Tampoco proporcionan una visión de las di-námicas que afectan a los mismos. Losmodelos de análisis de diferenciales de pre-

cios constituyen simplemente una herramien-ta, que puede ser de gran utilidad, para asistira los agentes en sus procesos de decisión.Pueden ser muy útiles, además, para brindaruna información concisa y resumida de lascondiciones actuales de los mercados.

Finalmente, cabe consignar que el uso demodelos hedónicos ha sido muy extendidoen diversas áreas. Algunos ejemplos de suaplicación pueden hallarse en estudios delos efectos de variables ambientales y socia-les en el mercado inmobiliario y en la valora-ción de tierras en zonas urbanas y suburba-nas, rurales y forestales (Brannman,Buongiorno y Fight, 1981; Hardie y Nickerson,2001; Herriges, Secchi y Babcock, 2003;Munroe, Parker y Campbell, 2004; Bhattarai,Pandit y Hite, 2004; King y Schreiner, 2004;McLaren, Henning y Vendeveer, 2004).

Específicamente en el sector agropecua-rio y agroindustrial, existen aplicaciones parael mercado de maquinaria (Fettig, 1963),cultivos extensivos y hortícolas (Waugh, 1928;Wilson, 1984), reproductores (Dhuyvetter yotros, 1996; Taylor y otros, 2004) y vinos(Combris, Lecocq y Visser, 1997; Melo, Bu-zeta y Marshall, 2004), entre otros. Lostrabajos más importantes que involucran eluso de modelos hedónicos en los mercadosde haciendas se discuten con mayor detalleen los próximos capítulos.

3 MATERIALES Y MÉTODOS

3.1 Recolección de Datos yConfección de la Muestra

Para la realización de la presente investi-gación se desarrolló una base de datos coninformación proveniente de dos de los merca-dos de remates por pantalla de ganado bovi-no más importantes que operan actualmenteen el país: Plaza Rural y Pantalla Uruguay.Ambos operadores fueron invitados a partici-par en el proyecto, contribuyendo cada unocon la información de sus respectivos rema-tes. En el caso de Pantalla Uruguay, secontó con el apoyo directo de Estudio 3000.

Cada operador de mercado proporcionólas planillas electrónicas conteniendo los


16

datos básicos de cada remate, los que fuerontransformados al formato MDB de MicrosoftAccess. Los datos adicionales para comple-tar la información fueron digitados manual-mente desde catálogos impresos o transferi-dos digitalmente desde archivos en formatoPDF.

La base de datos utilizada en el estudioquedó finalmente constituida por 10.964 ob-servaciones, correspondientes a lotes indivi-duales inscriptos para remate, provenientesde 39 remates por pantalla ocurridos entrejunio de 2002 y febrero de 2005. PantallaUruguay contribuyó con 23 remates15 trans-curridos entre el 11/6/02 y el 27/12/04, mientras que Plaza Rural aportó informa-ción de 16 remates16 ocurridos entre el 2/7/03y el 24/2/05.

Para la confección de la muestra definiti-va, primero se descartaron 80 observacionesde lotes inscriptos que finalmente no salierona remate. A continuación y teniendo encuenta que el análisis se centró en los lotesde ganado cuyos precios fueron concertadosal kilo17 se descartaron 2.721 observacionespertenecientes a categorías de cría (vacas yvaquillonas para entore, entoradas o preña-das y piezas de cría) cuya cotización era albulto. Finalmente, se descartaron 85 obser-vaciones adicionales que presentaban datosfaltantes en algunas de las variables de inte-rés, con lo que la muestra final a utilizarse enel análisis empírico ascendió a 8.078 obser-vaciones.

Por otra parte, los datos correspondien-tes a las condiciones del mercado imperantesal momento de cada remate fueron recolecta-dos de distintas fuentes. La información deltipo de cambio corresponde a la publicadapor el Banco Central del Uruguay (BCU) en supágina Web. Las expectativas de preciosfueron consideradas en el modelo a través dela inclusión de los precios del mercado dehaciendas publicados por la Asociación de

Consignatarios de Ganado (ACG), en sus bo-letines semanales.

3.2 Selección y Descripción de lasVariables del Modelo

3.2.1 Características que pueden afectarlos precios

La elección de las variables a ser inclui-das en el análisis surgió primariamente deuna revisión de estudios similares disponi-bles en la literatura especializada. Dichostrabajos fueron, en su totalidad, de origenextranjero debido a la inexistencia de traba-jos nacionales sobre el tema. El conjunto devariables seleccionadas de esta manera fuediscutido con expertos nacionales, vincula-dos a los dos mercados participantes.

De acuerdo al marco teórico desarrolladoen este estudio, el precio de mercado para unlote de ganado vacuno puede estar explica-do, en el corto plazo, por una serie de atribu-tos o características de ese lote. Sobre estabase, el precio de transacción del lote, medi-do en dólares americanos por kilo de pesovivo (U$S/kg) fue considerado como la varia-ble dependiente del modelo.

Schroeder y otros (1988) sostuvieron queen la formación del precio interactúan variosfactores. La diferenciación de precios entrelos lotes puede reflejar diferencias en laoferta y la demanda del ganado según losdiferentes pesos y categorías.Trabajando conremates de toros, Kerr (1984) concluyó que elprecio logrado corresponde al valor implícito delas características de los mismos.

Faminow y Gum (1986) fueron los prime-ros en incluir relaciones no lineales para lasvariables tamaño del lote y peso. De estamanera, lograron determinar que los preciosen los mercados de Arizona estaban efecti-vamente relacionados con el peso, tamaño

15Incluye los remates numerados como del 6 al 12, 14 al 17, 19 al 28, 30 y 31.16Incluye los remates numerados del 15 al 29, teniendo en cuenta que el remate 23 se realizó en dos etapas,

en fechas diferentes, por lo que fueron consideradas como dos remates diferentes (23A y 23B). La basede datos incluye también los remates 30 al 33 y el remate Plaza Angus, los cuales no fueron incluidos en lamuestra final. Los nuevos estudios en curso, a cargo de estos autores, incorporarán información de nuevosremates.

17 Todos los machos y aquellos lotes de hembras correspondientes a vacas de invernada, así como lotes deterneras y vaquillonas cuyo destino podría ser indistintamente la reposición de vientres o el engorde.


17

del lote, sexo, raza, ubicación del remate einteracción sexo/peso.

Buccola (1980), Schroeder y otros (1988),Mintert y otros (1990), Bailey, Peterson yBrorsen (1991), Turner, McKissick y Dykes(1993) y Dhuyvetter y otros (1996) distinguie-ron dos tipos de efectos de corto plazo sobreel precio de remate: por un lado, aquellos queinvolucran características físicas de los ani-males (lotes) y por otro, los referentes a lascondiciones del mercado. Entre las caracte-rísticas físicas del animal a incluir en unmodelo empírico se destacan: peso, raza,sexo, calidad, edad, conformación, estado yastas. Por su parte, entre las característicasdel mercado se citan, entre otras: localiza-ción del mercado, época o estación del añoy tamaño del remate (cantidad de lotes).Bailey y Peterson (1991) consideraron untercer tipo de efecto y es el referente a lasestrategias de comercialización. Entre es-tas, aparecen variables como: tamaño dellote, plazo de financiación, orden de entradaa remate, plazos de entrega.

A continuación, se describen las varia-bles consideradas en este estudio y lasrazones para su inclusión. En la medida delo posible, se procuró utilizarlas tal comoaparecen en los catálogos. Las variablesdescriptivas debieron ser recodificadas enforma numérica. Las variables para el precioy el orden de entrada al remate de cada lotese obtuvieron directamente de los operado-res de mercado.

3.2.2 Descripción de las variables

Precio: La variable Precio registra el valorde transacción alcanzado por cada lote, endólares por kilogramo de peso vivo (U$S/kg). Elprecio es la variable dependiente en el análisis.

Plazo: Variable binaria cuyo valor es 0(cero) si el precio registrado en la transac-ción es contado y 1 (uno) si el precio es aplazo (generalmente 90 días). En el caso dePantalla Uruguay variable Plazo toma siem-pre valor cero, puesto que todas las transac-ciones en el mercado son al contado. ParaPlaza Rural se dan las dos situaciones, sibien las transacciones registradas a plazoson más comunes en las categorías de vien-tres, las cuales no han sido consideradas en

el estudio. De un total de 8.078 observacio-nes, solamente 699 correspondieron a lotesvendidos a plazo (8,7%).

Precio de Referencia: Varios autoresseñalaron que las expectativas de cortoplazo en los precios del ganado juegan unpapel relevante en el mercado (Ward, 1981,Schroeder y otros, 1988; Bailey y Peterson,1991; Bailey, Peterson y Brorsen, 1991;Ba i ley , Brorsen y Fawson, 1993;Dhuyvetter y Schroeder, 1999). Por estarazón, se consideró importante capturarlas expectativas de los agentes a través deun precio de referencia, que en los trabajosmencionados se realizó utilizando preciosde contratos de futuros de ganado en piepara engorde. Al no existir esta opciónpara el Uruguay, se manejaron distintasalternativas para este estudio.

Una posibilidad era utilizar como referen-cia los precios de faena, por lo que se consi-deraron las series de precios de novillos yvacas gordas publicadas por INAC y por laACG (Ng_Inac, Ng_Acg, Vg_Inac y Vg_Acg).Por otro lado se consideraron las series deprecios de reposición, por categoría, publica-dos por la ACG (Pr_Ref). Para tomar unadecisión, se construyó una matriz de corre-laciones para comparar todas las series en-tre sí y con los precios de remate del estudio(Precio). La matriz se presenta en el Cuadro1, donde se incluye también la variable tipode cambio (TC). En la primera columna seaprecia que la variable Pr_Ref es la queexhibe mayor correlación con la variable Pre-cio. Su coeficiente de correlación r fue de0,46, en tanto que las cuatro series de pre-cios de faena mostraron valores similaresque oscilaron entre 0,28 y 0,29. La correla-ción de estas cuatro series entre sí es muyalta, 0,98 a 0,99, en tanto que todas mues-tras una correlación media a alta con losprecios de reposición de la ACG, que seubica entre 0,56 y 0,57.

En base a estas correlaciones puededecirse que, aunque los precios de la ACG nosean estimados a través de un relevamientoestadístico riguroso, pueden igualmente cons-tituir un indicador válido de las condicionesdel mercado, en el corto plazo.


18

Como forma de asegurar que la elecciónresponda a una correcta especificación delmodelo, se utilizó la prueba de RESET18 deRamsey. A través de esta prueba se con-firmó que los precios de reposición de laACG brindaban una mejor especificaciónque las variables de precios de faena, tantode INAC como de la ACG. Por esta razón,se decidió utilizar la variable Pr_Ref comoel precio de referencia en la estimación delmodelo. No obstante, se consideró que lasituación del mercado de faena podía tenerefectos visibles sobre la agilidad o pesa-dez de los mercados de reposición, inclui-dos los remates por pantalla. En conse-cuencia, los precios del novillo gordo deINAC (Ng_Inac) se incluyeron en el modeloprobabilístico (probit) descrito en el capítu-lo de resultados.

Mercado: Como ya fue mencionado, elperíodo abarcado por los remates de cadamercado no coincide exactamente por lo queno es posible comparar resultados entre losmismos. De todos modos y al sólo efecto decontrolar posibles diferencias ambos merca-dos, se utilizó la variable binaria MPR. Pan-talla Uruguay fue la opción por defecto (cero),participando con 4.018 observaciones, mien-tras que la variable tomó el valor 1 (uno) en elcaso de Plaza Rural, que contribuyó con4.060 observaciones.

Remate: Cada uno de los 39 rematesconsiderados en el estudio (23 de PantallaUruguay y 16 de Plaza Rural) fue identificadocronológicamente con la variable ordinalN_Rem, a los efectos de mantener un deter-

minado orden temporal en la muestra. Estavariable captura las condiciones del mercadoimperantes en la fecha de cada remate,sobretodo lo referente a los precios de faena,los que no fueron incluidos en forma directaen el modelo.

Orden: La variable Orden representa elorden de entrada de cada lote, para cadacategoría representada en un remate particu-lar. Buccola (1982) señaló que los preciosintra-remate, corregidos por característicasde calidad, tienden a declinar durante elcurso del mismo debido a las estrategias decompra de los oferentes. El concepto teóricosubyacente es que, aunque todos los com-pradores desean pagar el menor precio posi-ble por un lote de ganado, algunos tratan deminimizar el riesgo de no lograr comprar loslotes que necesitan. Para evitarlo, estosindividuos están dispuestos a realizar ofertasmuy próximas a su máximo precio de reser-va, en las primeras etapas del remate. Amenudo, esto resulta en precios de remateinicialmente más altos, ceteris paribus, quevan decayendo a medida que los comprado-res con mayor aversión al riesgo van sacian-do sus necesidades de compra. Este efectose conoce como "auto-discriminación de loscompradores".

En la práctica, además, los operadoresconsideran que los primeros lotes rematadosson los que van determinando y formandoexpectativas respecto de los precios que sealcanzarán en un cierto día de remate. Poresta razón, el orden de salida a pista se armapara cada categoría, considerando las carac-

Cuadro 1. Matriz de correlaciones entre los precios de remate y las series de precios de INAC yACG.

18Los fundamentos de esta prueba se discuten en el capítulo 5.

Variables Precio Ng_Acg Ng_Inac Vg_Acg Vg_Inac Pr_Ref TC

Precio 1,00000

Ng_Acg 0,28208 1,00000

Ng_Inac 0,29323 0,99297 1,00000

Vg_Acg 0,28321 0,99349 0,99194 1,00000

Vg_Inac 0,29966 0,98741 0,99595 0,99215 1,00000

Pr_Ref 0,45711 0,57293 0,57264 0,56867 0,57507 1,00000

TC 0,06561 0,36140 0,36305 0,37205 0.36687 0,22164 1,00000


19

terísticas de los lotes, en orden decrecienteen términos de calidad. Esto exacerba elefecto de auto-discriminación apuntado porBuccola (1982).

Algunos trabajos, como el de Turner,McKissick y Dykes (1993), trataron el ordende entrada a pista en forma explícita. Sinembargo, en todos los casos considerarondicha relación en forma lineal, no incluyendotérminos cuadráticos. En el presente estudiose incluyó la variable Orden2 para capturarlos potenciales efectos no lineales.

Lote: En los catálogos de remate, loslotes se encuentran identificados por un nú-mero de lote.Cada lote corresponde a unaobservación, en la muestra. A veces, ciertoslotes son divididos durante el remate, enlotes más pequeños que se subastan porseparado; en dicho caso, los sublotes resul-tantes se consideran por separado, comoobservaciones independientes, ya que por logeneral se venden a precios distintos. Estavariable sirve solamente para identificar lasobservaciones y no se utiliza directamenteen la estimación.

Época del año: Los efectos estacionalesson de suma importancia en la producciónagropecuaria. Se estima que el precio de lashaciendas puede verse sensiblemente afec-tado por esta variable debido a sus conse-cuencias sobre la disponibilidad de pasturas,sobretodo a través de las condiciones dehumedad y temperatura. Varios de los estu-dios llevados a cabo a nivel internacionalconsideraron en forma explícita los factoresestacionales (Bailey, Brorsen y Fawson,1993; Bailey y Peterson, 1991; Turner,McKissick y Dykes, 1993; Parcell, Schroeder

y Hiner, 1995; Dhuyvetter y Schroeder, 1999;Benson, Miller y Lichtenwalner, 2003).

Cuatro variables binarias, Tri1, Tri2, Tri3 yTri4, fueron creadas para capturar los efectosde la estación del año sobre las condicionesdel mercado. Por simplicidad, las estacio-nes fueron definidas en términos de trimes-tres, tal como se aprecia en el Cuadro 2. Paracada variable se indica, además, la cantidady la proporción de lotes (observaciones) re-matados en los cuatro períodos del año con-siderados.

Tipo de Cambio: Las transacciones enel mercado de haciendas se realizan,mayoritariamente, en dólares americanos.Por este motivo se creó la variable TC con elprecio del dólar a la fecha de remate; paracada observación, se registró el promedio desu valor nominal del mes en que se realizó elremate. La información es obtenida del BCU.Para el período considerado en la presenteinvestigación, junio 2002 a febrero 2005, elvalor del dólar promedio $ 27,92, oscilandoentre $ 17,79 y $ 29,7119.

Tamaño del lote: Indica el número decabezas de ganado que integran cada lote.La mayoría de los trabajos de referencia hanincorporado el tamaño del lote en forma explí-cita, bajo la presunción de la existencia deuna relación, posiblemente no lineal, con elprecio (Menzie, Gum y Cable, 1972; Sullivany Linton, 1981; Ward, 1981, 1992; Faminowy Gum, 1986; Schroeder y otros, 1988; Minterty otros, 1990; Bailey y Peterson, 1991; Bailey,Peterson y Brorsen, 1991; Bailey, Brorsen yFawson, 1993; Turner, McKissick y Dykes,1993; Parcell, Schroeder y Hiner, 1995;Dhuyvetter y Schroeder, 1999; Avent, Ward y

Cuadro 2. Variables estacionales (binarias) y lotes rematados.

19El amplio rango de variación en la cotización del dólar se debe a la devaluación operada en julio de 2002.

Variable Estación Vale 1 (uno) si el lote fue vendido en

Lotes %

Tri1 Verano enero, febrero y marzo 1.665 20,6 %

Tri2 Otoño abril, mayo y junio 2.143 26,5 %

Tri3 Invierno julio, agosto y setiembre 2.029 25,1 %

Tri4 Primavera octubre, noviembre y diciembre 2.241 27,7 %


20

Lalman, 2003; Dhuyvetter, 2004). La conclu-sión general es que debería esperarse unarelación positiva - y en general decreciente -entre el precio y el tamaño del lote. Paraanalizar si en el mercado uruguayo se verificaeste tipo de relación no lineal, esta variablese incorporó en forma lineal (Cantidad) ycuadrática (Cantidad2).

Peso: Esta variable es considerada comola de mayor relevancia en la formación delprecio del ganado para reposición deinvernada. De acuerdo a la literatura espe-cializada (Menzie, Gum y Cable, 1972;Buccola, 1980; Buccola, Bentley yJessee,1980; Sullivan y Linton, 1981; Ward,1981, 1982; Faminow y Gum, 1986; Schroedery otros, 1988; Mintert y otros, 1990; Bailey yPeterson, 1991; Bailey, Peterson y Brorsen,1991; Bailey, Brorsen y Fawson, 1993; Turner,McKissick y Dykes, 1993; Parcell, Schroedery Hiner, 1995; Dhuyvetter y Schroeder, 1999;Avent, Ward y Lalman, 2003; Benson, Millery Lichtenwalner, 2003; Dhuyvetter, 2004), elprecio por kilogramo de peso vivo disminuyeen forma decreciente, a medida que aumentael peso promedio de los animales en el lote.En el caso del ganado gordo para faena, estarelación puede ser positiva aunque en formadecreciente (Jones y otros, 1992). Paracapturar una potencial relación no lineal delpeso sobre el precio, medido en U$S/kg enpie, deben considerarse correspondientesvariables lineal y cuadrática, Peso y Peso2.

Pesado: En su gran mayoría, los pesospromedio se obtienen pesando la totalidaddel lote o una muestra tomada al azar. Enaquellos casos en que, por alguna razón, nohay una balanza disponible y no es posiblerealizar la pesada, el inspector hace unaestimación del peso. La incorporación de unavariable binaria que lo capture permite ana-lizar si el hecho que el peso que aparece encatálogo se haya obtenido por pesada o porestimación tiene algún efecto sobre la per-cepción de los compradores. La variablePesado toma valor 1 (uno) cuando el peso seobtuvo pesando todo el lote o una muestra deal menos el 20% de los animales; toma valor0 (cero) si la muestra pesada es menor al

20%, si en el catálogo figura un rango de kiloso si explícitamente se menciona que el pesofue estimado. Cabe señalar que de un totalde 8.078 observaciones, fueron pesadas 6.912(85,6%).

Departamento: En el Cuadro 3 se pre-sentan los códigos departamentales utiliza-dos, los nombres de las variables binariasutilizadas y la distribución de las observacio-nes de la muestra entre dichas variables.

Se presupone que la zona de origen en-mascara los efectos de una serie de variablesrelevantes en la formación de los precios delganado, como el tipo de suelos, el nivel deprecipitaciones (en términos de promedios)y, en cierta medida, los sistemas de produc-ción dominantes que pueden definir aspectosnutricionales y de manejo. Seguramente eldepartamento de origen no sea la mejorforma de capturar dichos efectos. Sin em-bargo - y a cuenta de incorporar en formaexplícita algunas de estas variables en próxi-mos estudios - se decidió discriminar loslotes de esta forma debido a que la informa-ción se encuentra disponible en los catálo-gos. Es posible, incluso, que para los agen-tes sea más fácil aquilatar el efecto conjuntode estas variables en base al departamentode donde provienen.

Por otro lado, la utilización de los cuatroprimeros dígitos del número de DICOSE delvendedor del lote permite un mayor nivel dedetalle, al identificar la procedencia del gana-do hasta el nivel de sección policial. No seconsideró conveniente la incorporación direc-ta al modelo de variables a este nivel20 , noobstante se entiende que es de gran utilidadpoder relacionar el origen de los lotes comer-cializados con el mayor nivel de detalle posi-ble. En consecuencia, la zona de proceden-cia de los lotes se incorporó sobre la base deldepartamento de origen. Para esto, se crea-ron 19 variables binarias (Dep1 hasta Dep19).

Categoría: En la presente investigaciónse consideraron solamente las categoríascotizadas en U$S/kg en pie. Esto incluye,por tanto, todas las categorías de machosexcepto los reproductores (toros). En el caso

20El uso de variables binarias hasta el nivel de sección policial derivaría en una innecesaria pérdida de gradosde libertad y aumento del costo computacional, que no compensa el mayor grado de detalle alcanzado.


21de las hembras, incluye terneras, vacas deinvernada y todos los lotes de vaquillonas ovacas vacías y sin entorar que hayan sidocotizadas de esta forma. Los animales depedigrí son vendidos generalmente en lotespequeños o por unidad, alcanzando valoresque superan la media del remate, no siendoincluidos en el análisis.

En el Cuadro 4 se presenta la clasifica-ción de los animales, de acuerdo a las cate-gorías utilizadas en los catálogos. Paracada categoría, se presenta la cantidad delotes, el número de cabezas, el promedio decabezas por lote y el porcentaje de lotes dela categoría sobre el total de observaciones.Nótese que, en algunos casos, no se trata decategorías excluyentes, lo cual significa queen algunos remates se utilizaron criterios un

Cuadro 3. Códigos departamentales, nombre de variables y procedencia de los lotes.

poco diferentes para separar los lotes porcategoría.

Las diferentes categorías vacunas no fue-ron incorporadas al modelo a través de unavariable específica. En primer lugar, seincluyó la variable binaria Machos para iden-tificar el sexo, siendo su valor igual a 1 (uno)en caso que el lote es conformado sólo pormachos y 0 (cero) si se trata de hembras. Lamuestra utilizada en la estimación se confor-mó con 4.628 lotes de machos y 3.450 lotesde hembras21. La importancia del sexo en ladeterminación del precio del ganado ha sidoampliamente reconocida en la literatura(Menzie, Gum y Cable, 1972; Buccola, 1980;Sullivan y Linton, 1981; Faminow y Gum,1986; Ward, 1992; Bailey, Brorsen y Fawson,1993; Turner, McKissick y Dykes, 1993;

Departamento Código Variable Binaria Observaciones Proporción

Artigas 01 Dep1 444 5,5%

Canelones 02 Dep2 120 1,5%

Cerro Largo 03 Dep3 797 9,9%

Colonia 04 Dep4 59 0,7%

Durazno 05 Dep5 890 11,0%

Flores 06 Dep6 305 3,8%

Florida 07 Dep7 664 8,2%

Lavalleja 08 Dep8 784 9,7%

Maldonado 09 Dep9 129 1,6%

Montevideo 10 Dep10 2 0,0%

Paysandú 11 Dep11 664 8,2%

Río Negro 12 Dep12 463 5,7%

Rivera 13 Dep13 253 3,1%

Rocha 14 Dep14 439 5,4%

Salto 15 Dep15 745 9,2%

San José 16 Dep16 120 1,5%

Soriano 17 Dep17 264 3,3%

Tacuarembó 18 Dep18 447 5,5%

Treinta y Tres 19 Dep19 489 6,1%


22

Langemeier, Schroeder y Mintert, 1993;Dhuyvetter y Schroeder, 1999; Lawrence,Wang y Loy, 1999; Avent, Ward y Lalman,2003; Benson, Miller y Lichtenwalner, 2003;Dhuyvetter, 2004).

Por otro lado, Buccola (1980), Sullivan yLinton (1981) y Mintert y otros (1990) incor-poraron la edad como variable, en tanto queParcell, Schroeder y Hiner (1995) también lohicieron incluso a través de una relacióncuadrática. En el presente estudio, la edadde los animales se registró en forma indirec-ta, a través de su relación con el peso,evitando de esa forma la inclusión de varia-bles que puedan ser linealmente dependien-tes entre sí.

En segundo lugar, se presume que launiformidad del lote puede ser muy elementoimportante a los ojos del comprador. En loque respecta a la uniformidad en términos dela edad (categoría), se incluyó la variablebinaria Edad_Unif, que toma valor 1 (uno) siel lote es parejo en edad y 0 (cero) si esdesparejo. Por ejemplo, en el caso de terne-ros y sobreaños, el lote se consideró comoparejo por edad si todos los animales eran

integrantes de la misma generación (nacidosen la misma estación o época de parición).En las categorías de recría, la definición serealizó en base a si los animales del un loteeran de dentición pareja (todos 2, 4 ó 6dientes), mientras que en los boca llena setomo en cuenta si los animales presentabansimilar nivel de desgaste en la dentición.

Un total de 3.412 lotes (42,2%) fuerondefinidos como uniformes en base estoscriterios.

Razas/Cruzas: La posible influencia de laraza sobre el precio ha sido analizada enforma prácticamente unánime por los distin-tos estudios (Menzie, Gum y Cable, 1972;Buccola, 1980; Sullivan y Linton, 1981;Faminow y Gum, 1986; Schroeder y otros,1988; Mintert y otros, 1990; Bailey y Peterson,1991; Bailey, Peterson y Brorsen, 1991; Jonesy otros, 1992; Bailey, Brorsen y Fawson,1993; Turner, McKissick y Dykes, 1993;Parcell, Schroeder y Hiner, 1995; Dhuyvettery Schroeder, 1999; Avent, Ward y Lalman,2003; Benson, Miller y Lichtenwalner, 2003;Dhuyvetter, 2004).

Cuadro 4. Categorías bovinas, tal como se presentan en los catálogos de remate.

21Incluye lotes compuestos por terneros y terneras, mezclados en distintas proporciones.

Categoría Lotes Cabezas Cab./Lote % Lotes

Terneros / Terneras 182 8.375 46 2,3 %

Terneros 1.831 108.316 59 22,7 %

Novillos 1-2 años 1.497 89.623 60 18,5 %

Novillos 2-3 años 843 48.095 57 10,4 %

Novillos + 2 años 14 607 43 0,2 %

Novillos + 3 años 443 22.704 51 5,5 %

Terneras 1.114 65.287 59 13,8 %

Vaquillonas 1-2 años 602 34.740 58 7,5 %

Vaquillonas + 2 años 182 9.733 53 2,3 %

Vaquillonas sin Servicio 148 8.015 54 1,8 %

Vacas vacías o sin especificar 1 30 30 0,01 %

Vacas de invernada 1.221 58.887 48 15,1 %

Total (*/Promedio) 8.078 454.412 */ 56 100 %


23

En los catálogos de Pantalla Uruguay yPlaza Rural, esta variable se presenta enforma descriptiva por lo que fue necesariohacer una codificación adecuada, según elorigen de la raza o su finalidad de la produc-ción, tratando de agrupar lotes, fundamental-mente para aquellas razas bovinas que pre-sentaban frecuencias bajas de aparición. Setrata de una clasificación arbitraria, realizadasolamente a los efectos de este estudio22. Deesta manera, los lotes fueron divididos enbritánicas, continentales, lecheras, cebuinasy cruzas indiferenciadas. Dada la importan-cia que tienen en el Uruguay las razas Herefordy Angus se las diferenció de las demásbritánicas. La agrupación final se presentaen el Cuadro 5.

Para capturar el efecto "raza" se procedióa crear, primero, una serie de variables binariaspara la identificación de la raza dominante(Raza1, Raza2, Raza3, Raza4, Raza5, Raza6y Raza7). La variable respectiva toma valor 1(uno) si la raza dominante en el lote es lacorrespondiente a dicha raza, tomando el valor0 (cero) en cualquier otro caso.

En segundo lugar, para determinar si den-tro del lote hay cruzas o animales de otra uotras razas (mezcla), diferentes a la domi-nante, se utiliza otra serie de variables binarias(Cr_Her, Cr_AA, Cr_Bri, Cr_Cont, Cr_Lech yCr_Cebu). En cada caso, la variable tomavalor 1 (uno) si dentro del lote hay animalesde la raza de interés o cruzas con otrasrazas23. Adicionalmente, se creó la variablebinaria Cruza para identificar en forma globalsi en un lote hay animales de otra raza,distinta a la predominante no. En el primercaso la variable toma valor 1 (uno), mientrasque de otra manera toma valor 0 (cero).

En el Cuadro 6 se destaca la cantidad delotes para cada categoría de raza, discrimi-nando los lotes que son de "una sola raza"(todas las variables binarias de cruzas tomanvalor cero) del total, es decir, lotes en que laraza es dominante, independientemente quehayan cruzas o animales de otras razas enmenor proporción.

Solamente 1.890 de los 8.078 lotes ana-lizados (23,4%) estuvieron conformados porejemplares de una sola raza definida, sincruzas ni presencias de animales de otra

Cuadro 5. Agrupamiento de razas bovinas en la muestra seleccionada.

22 No hay, por ejemplo, una categoría que agrupe a las razas de doble propósito, como la Normanda.23Por ejemplo, para un lote compuesto íntegramente de ejemplares de la raza Shorton, sin cruzas o animales

de otra raza, las variable Raza3 toma valor 1 (uno) en tanto todas las restantes toman valor (cero). Por otrolado, si el lote es predominantemente Charolais pero hay cruzas con Angus y algunos ejemplares de la razaBrangus, entonces las variables Raza4, Cr_AA y Cr_Cebu toman valor 1 (uno) siendo 0 (cero) las restantes.

Raza o Grupo de Razas

Incluye

Hereford Incluye mocho (polled) y astado y cruzas o mezclas dominadas por Hereford.

Angus Angus colorado y negro y cruzas o mezclas dominadas por Angus.

Otras razas británicas Shorton, Devon y otras cruzas o mezclas dominadas por razas británicas.

Razas continentales Charoláis, Limousin, Fleckvieh y otras razas continentales; mezclas o cruzas dominadas por éstas.

Razas lechera Holando, Normando y Jersey o cruzas lecheras dominantes.

Razas y cruzas cebuinas

Brahman, Nelore, Brangus, Braford y cruzas o mezclas dominadas por cebú.

Sin raza dominante Cruzas indiferenciadas y mezclas de razas, sin una raza predominante.


24

raza. La raza Hereford fue la predominanteen el 66,3% del total de lotes, aunque si seconsideran solamente los lotes de una razadicha predominancia llegó al 78,8%.

Clase: Es una calificación otorgada por elinspector a través de la apreciación subjetivade de los lotes. Se intenta, de alguna mane-ra, comparar los grados de calidad sobre labase de criterios raciales, utilizando unaescala cualitativa. Se presume que estacalificación puede afectar positiva o negativa-mente el precio de un lote, razón por la quefue incluida como variable directamente en elmodelo.

No existe un estándar de calificación co-mún a los dos mercados analizados, al me-nos en forma explícita, no obstante, se esti-ma que pueden equipararse con relativa faci-lidad. A los efectos de incorporar esta varia-ble al estudio, se estableció una equivalenciamediante una escala numérica (N_Clase), enbase a la cual fueron recodificadas las obser-vaciones.

En general, esta variable no ha sidoutilizada como tal por la mayoría de losautores, que han preferido utilizar una va-riable que considere la conformación (frame)de los animales (Menzie, Gum y Cable,1972; Buccola, 1982; Schroeder y otros,1988; Bailey y Peterson, 1991; Bailey,Peterson y Brorsen, 1991; Bailey, Brorseny Fawson, 1993; Turner, McKissick y

Dykes, 1993; Parcell, Schroeder y Hiner,1995; Avent, Ward y Lalman, 2003;Dhuyvetter, 2004).

En el Cuadro 7 se establece la equivalen-cia entre los rangos de calificaciones utiliza-das en los catálogos y la equivalencia numé-rica utilizada en este estudio.

Estado: Esta calificación es otorgada porel inspector sobre la base del estado corporalde los animales, utilizando una escala denotas similar a la utilizada para la variableclase. De la misma forma, si bien las esca-las de estado son similares para ambosmercados, no hay un estándar explícito, ra-zón por la cual se estableció una equivalen-cia a través de la variable numérica N_Est, talcomo se aprecia en el Cuadro 8.

Se presupone que el estado de los anima-les influye sobre la valoración y expectativasde los agentes, traduciéndose en diferencia-les de precio en los remates. En la literaturaespecializada, esta variable (en general, de-finida como flesh, muscling o condition) haestado presente en la mayoría de los trabajosde investigación (Menzie, Gum y Cable, 1972;Buccola, 1980; Sullivan y Linton, 1981;Schroeder y otros, 1988; Bailey y Peterson,1991; Bailey, Peterson y Brorsen, 1991;Bailey, Brorsen y Fawson, 1993; Turner,McKissick y Dykes, 1993; Parcell, Schroedery Hiner, 1995; Avent, Ward y Lalman, 2003;

Cuadro 6. Distribución de los lotes de la muestra por raza o grupos de razas.

Variable para raza Sin cruza/mezcla

Total Raza o Grupo

de Razas Dominante Cruza/Mezcla Lotes % Lotes %

Hereford Raza1 Cr_Her 1.490 78,8% 5.359 66,3%

Angus Raza2 Cr_AA 126 6,7% 674 8,3%

Otras razas británicas

Raza3 Cr_Bri 185 9,8% 488 6,0%

Razas continentales Raza4 Cr_Cont 15 0,8% 87 1,1%

Razas lechera Raza5 Cr_Lech 64 3,4% 131 1,6%

Razas y cruzas cebuinas

Raza6 Cr_Cebu 10 0,5% 39 0,5%

Sin raza dominante Raza7 - 0 - 1.300 16,1%

Total 1.890 100% 8.078 100%


25

Benson, Miller y Lichtenwalner, 2003;Dhuyvetter, 2004).

Nutrición: Esta variable describe el trata-miento nutricional que están recibiendo losanimales al momento de la inspección. Estainformación es reportada en los catálogos, locual sugiere que es una variable relevante.

El Cuadro 9 muestra las posibles alterna-tivas nutricionales, a partir de las cuales secreó la variable binaria Mejoram. La alimen-tación basada en el campo natural se consi-deró la opción por defecto (cero), constitu-yéndose las restantes en alternativasmejoradas, donde la variable toma valor 1

(uno). Cuando el tratamiento nutricional nofue especificado, se lo consideró dentro de laopción por defecto y la variable tomó valor 0(cero). Un total de 1.277 lotes fueron reporta-dos como habiendo recibido algún tipo dealimentación mejorada, con respecto al cam-po natural, lo que representa el 15,8% deltotal.

Mío-Mío: El mío-mío (Bacharis coridifolia)es una maleza tóxica que, de ser ingerida porlos bovinos, provoca lesiones que puedenocasionarles la muerte. Los animales cria-dos en campos en los que el mío-mío estápresente la conocen y no la comen. La

Cuadro 7. Escala de clases y equivalencia numérica usada en este estudio.

Cuadro 8. Escala de estado y equivalencia numérica usada en este estudio.

Calificación Corresponde a lotes definidos como estado: N_Est

E Excelente 10

MB Muy Bueno (Gordo) 9

MBB Muy Bueno Bueno 8

BMB Bueno Muy Bueno; Bueno y Muy Bueno 7

B Bueno (Criando) 6

S Sin especificar 5

BR Bueno Regular (Corriente, Flaquerón, Fuerte, Gral., Bueno para abajo, Correcto)

5

RB Regular Bueno; General Bueno 4

R Regular, General, Comercial, Variable 3

Calificación Corresponde a lotes definidos como clase: N_Clase

E Excelente 10

MB Muy Bueno; Muy Bueno-Excelente 9

MBB Muy Bueno Bueno 8

BMB Bueno Muy Bueno; Bueno y Muy Bueno 7

B Bueno 6

S Sin especificar 5

G General 5

BR Bueno Regular; Bueno General; Bueno Comercial 5

RB Regular Bueno; General Bueno 4

R Regular, General, Comercial, Variable 3


26

inclusión de esta variable, registrada en for-ma sistemática en los catálogos de ambosmercados, fue considerada en virtud que losoperadores de mercado la consideraron rele-vante. La mayoría de ellos concuerda en queexiste una demanda diferenciada por partede los compradores provenientes de zonasdonde la maleza está presente. La incorpo-ración de esta información se realizó a travésde la variable binaria Mio_Mio. El valor pordefecto (cero) corresponde a ganado que noconoce esta maleza; si el ganado conocemío-mío, toma valor 1 (uno). Cabe señalarque el 85,5% de los lotes considerados seidentificaron como de animales conocedoresde la maleza, es decir, un total de 6.908.

Garrapata: Otra información relevante,desde el punto de vista sanitario, es si el loteproviene de una zona de garrapata. En prime-ra instancia, esta variable permite tres alter-nativas, o sea, que los animales provengande una zona libre de garrapata, que proven-gan de zona de garrapata pero que los anima-les no la conozcan (el establecimiento sealibre de garrapata) o que sean de estableci-mientos en que hay historia de garrapata y,por tanto, los animales la conozcan e inclusopresenten ciertos grados de resistencia.

Esta variable es reportada en los catálo-gos, siendo relevante, de acuerdo a los espe-cialistas consultados. Por una limitante degrados de libertad, las tres alternativas seredujeron a una opción binaria, en donde lavariable Zgar, que captura este efecto tomavalor 1 (uno) si el lote proviene de zona degarrapata (aunque el propio establecimientosea libre), siendo de otro modo su valor iguala 0 (cero). Utilizando este criterio, un total de

4.204 observaciones corresponden a lotesoriginarios de zona de garrapata (52%).

Sanidad: En los catálogos de ambosoperadores se describe, con frecuencia, eltratamiento sanitario recibido por el lote enlos últimos, por lo general, 30 días. Se tratade una información que, de ser relevante, esdifícil de codificar adecuadamente para elanálisis.

Varios trabajos incorporaron, de algunaforma, la información sanitaria del lote(Schroeder y otros, 1988; Rhodus, Baldwin yHenderson, 1989; Mintert y otros, 1990;Turner, McKissick y Dykes, 1993; Parcell,Schroeder y Hiner, 1995; Avent, Ward yLalman, 2003; Dhuyvetter, 2004). En esteestudio no fue posible incluir una variablecapaz de capturar correctamente este efec-to, debido a su registro en una forma no muyestandarizada.

Astas: La presencia o ausencia de astasen el ganado ha sido considerada como muyrelevante por la bibliografía internacional(Schroeder y otros, 1988; Bailey y Peterson,1991; Bailey, Peterson y Brorsen, 1991;Bailey, Brorsen y Fawson, 1993; Parcell,Schroeder y Hiner, 1995; Avent, Ward yLalman, 2003). Desafortunadamente, no fueposible incorporarla al modelo debido a quefue registrada en una forma poco precisa y nomuy regular, en los catálogos analizados.

Uniformidad: En tanto que la uniformi-dad respecto a la edad es tenida en cuentapor una variable específica, la variable binariaUnif considera, en forma conjunta, la unifor-midad de tamaño, raza, estado, conforma-ción y otros aspectos destacados en el catá-

Cuadro 9.Tratamientos nutricionales recibidos por los lotes.

Código Alimentación en base a: Mejoram

C Campo Natural 0

M Campo Mejorado 1

P Pradera Convencional 1

V Verdeo o Cultivo Forrajero 1

O Otro 1

S Sin especificar 0


27

logo. La variable toma valor 1 (uno) si el lotees parejo y 0 (cero) si no lo es, a juicio delinspector. Sullivan y Linton (1981), Bailey,Peterson y Brorsen (1991), Avent, Ward yLalman (2003) y Dhuyvetter (2004) utilizaronesta variable.

Recomendado: Se trata de un juiciogeneral realizado por el inspector acerca decada lote particular. Si bien en los primerosremates -en ambos mercados- este juicio noera realizado en una forma sistemática, sefue adoptando rápidamente hasta convertirseen una variable que aparece regularmente enlos catálogos, en sustitución de comentarioscomo: "muy buen lote", "muy lindo lote", "unlotazo", "flor de lote" y otras expresionessimilares.

Como variable binaria, Recom toma valores 1 (uno) cuando el inspector recomienda ellote en forma explícita; si no hay un juicio deeste tenor, la variable toma valor 0 (cero).

Interacción entre Variables: Varios es-tudios consideraron el efecto de lasinteracciones entre varias de las variables.Faminow y Gum (1986) y Dhuyvetter ySchroeder (1999) analizaron la interacciónentre el peso y el sexo de los animales.Schroeder y otros (1988) consideraron lainterrelación de la época del año con el pesoy el estado de los animales, así como elefecto año sobre todas las demás variablesdel modelo. En este estudio y base a seincluyeron relaciones tamaño de lote × peso(C×P) y peso × estado (P×E).

3.3 Métodos Econométricos yTécnicas de Estimación

3.3.1 Estimación de la probabilidad deventa

Cuando un lote entra a la pista de remate24

puede ocurrir que sea efectivamente remata-do o por el contrario se vaya sin vender, porfalta de interés de los compradores. Estosignifica que la variable dependiente tienevalor 0 (cero) en esos casos ya que no se

registró una transacción y por ende tampocose registró un precio.

En teoría, estos tipos de remate se reali-zan sin establecer a priori un precio base; enla práctica, a menudo el rematador comienzala subasta de cada lote invitando a los poten-ciales compradores a ofertar un determinadoprecio mínimo, a partir del cual si hay unoferente puede comenzar la puja. En el casoque ningún oferente acepte comenzar conese valor mínimo, el rematador puede retirarel lote y pasar al siguiente o incluso bajar elprecio mínimo sugerido e invitar nuevamentea los oferentes a pujar. Esto puede repetirsedos o tres veces hasta que comienza la pujao, de no existir interés alguno por parte de loscompradores, el lote se retira del remate sinvender.

Desde el punto de vista teórico, puededecirse entonces que existe un umbral deprecio máximo, específico para cada lote quesale a remate, por encima del cual los com-pradores no están dispuestos a ofertar. De lamisma manera, se puede definir un umbral deprecio mínimo por debajo del cual el vende-dor, a través del rematador, no está dispues-to a recibir ofertas. Cuando ambos precios dereserva coinciden, el lote efectivamente seremata y el precio de transacción registradoes el precio de equilibrio.

En el caso que el lote sea retirado sinrematar el precio de equilibrio no se observa.El único valor observable es el sugerido por elrematador, el último de los cuales represen-ta, en los hechos, al precio de reserva delvendedor. El precio de reserva de los poten-ciales compradores se encuentra por debajopero no es observable directamente. Ambosprecios definen respectivamente el límitesuperior e inferior del intervalo dentro del cualse ubicaría el precio teórico de equilibrio.

De acuerdo a lo anterior, el precio dereserva del vendedor podría considerarsecomo una aproximación (proxy) al precioteórico de equilibrio. Sin embargo, dichosvalores no estaban disponibles para este

24 En el caso de un remate por pantalla, por “entrada a pista” de un lote se entiende significa la puesta del mismoa consideración de los oferentes a través del video filmado, por parte del martillero, para que comience lasubasta por el lote.


28

estudio por lo que en ese caso la variableprecio se registró con valor 0 (cero).

Las razones por las cuales un determina-do lote no llega a ser vendido en la instanciadel remate pueden ser variadas. A los efec-tos de echar luz sobre algunas de las posi-bles causas, se plantea un modelo binomial,que para el lote n:

La variable dependiente dn* es una varia-ble latente, es decir, no observable. Lo quese observa es su realización d, la que toma elvalor dn = 1 (lote vendido) cuando dn* > 0 y elvalor dn = 0 (lote no vendido) cuando dn*£ 0. El vector v contiene las característicasque se presume pueden tener algún efectosobre el hecho que el lote sea subastado, porlo que puede tener elementos comunes conz e incluso ser idéntico (v º z). Cada elemen-to del vector g es un parámetro desconocidoa ser estimado y representa la contribuciónde cada característica a dicha probabilidad.

Bajo el supuesto que la muestra seaindependiente e idénticamente distribuida,se puede derivar la función de verosimilitudcorrespondiente multiplicando la probabili-dad para cada una de las observaciones(Johnston y DiNardo, 1997). De esta mane-ra, la función de verosimilitud, especificadacomo L, se escribe como:

Los parámetros g y s se estiman en formaconjunta, no siendo identificables por sepa-rado. Esto significa que la escala numéricade la variable latente no es observable. Nor-malizando la desviación estándar a la unidad

(3.1)** ' nnn ud += γv

donde un* ~ N(μ,σu2), n = 1, 2,…, N.

La estimación (3.1) mediante CMO comosi fuera un modelo de probabilidad lineal tienedos grandes desventajas, a saber: (a) cuan-do se realizan predicciones con el modelo, elvalor de la variable dependiente no quedarestringido al rango entre 0 y 1, tal comoexigen las propiedades de una función deprobabilidad; y (b) el modelo es heterosce-dástico, lo cual viola uno de los supuestosbásicos del modelo clásico de regresión li-neal (Johnston y DiNardo, 1997).

El término un* es el error, el cual se asumeque sigue una distribución normal con mediam= 0 y varianza s2. Aunque la variabledependiente dn* se distribuye normalmenteesto no ocurre con su realización dn. Laexpresión (3.1) es por tanto una funciónbinaria probabilística (probit) a ser estimadapor el método de máxima verosimilitud (MV).

Desarrollando la función de verosimilitudlogarítmica, la probabilidad que el enésimolote que sale a pista sea subastado se puedeescribir como, donde F es la función dedistribución normal acumulada (cdf). A partirde (3.2) surge que la probabilidad que dicholote no sea subastada es, entonces,

(3.2)

( ) ( ) =⎟⎟⎠

⎞⎜⎜⎝

⎛−>=>==

σγ

σ'Pr0Pr1Pr

**

nn

nnudd v

⎟⎠⎞

⎜⎝⎛Φ=⎟⎟

⎠

⎞⎜⎜⎝

⎛<=⎟⎟

⎠

⎞σγ

σγ

σ''Pr

*

nnnu vv

se puede obtener el parámetro g. Aplicandologaritmo a ambos lados de la expresión (3.4)se obtiene la función logarítmica de probabi-

(3.3)( ) ( ) ⎟⎠⎞

⎜⎝⎛Φ−==−==

σγ'11Pr10Pr nnn dd v

lidad, a partir de la cual se puede estimar(3.1) por el método de máxima verosimilitud.

La función de verosimilitud (3.5) esglobalmente cóncava en el conjunto deparámetros g . Tal como lo señala Amemiya(1994, p. 335) el máximo local coincide conel máximo global en esta función por lo que

(3.4)nn d

n

dN

nnL

−

=⎥⎦

⎤⎢⎣

⎡⎟⎠⎞

⎜⎝⎛Φ−⎟

⎠⎞

⎜⎝⎛Φ=∏

1

1

'1'σγ

σγ vv

el método de iteración de Newton-Raphsonconstituye una directa alternativa para suestimación. La correcta especificación de lafunción de verosimilitud significa que la esti-mación por MV asegura las propiedades deconsistencia, eficiencia asintótica y normali-dad asintótica (Johnston y DiNardo, 1997).


29

En realidad, los coeficientes estimadosde g representan la contribución de cada

cas del producto, incluidas en el vector z.Debido a que los animales no se rematan

en forma individual sino agrupados en lotes,la medición de las características de cadalote depende no solamente de los rasgosfísicos particulares de los animales (peso,raza, edad, estado, etc.) sino de la propiaconformación del lote (cantidad de animales,grado de uniformidad de los mismos, etc.)factor éste que depende en buena medida dela estrategia de comercialización utilizada.Por esta razón, el modelo incluye este tipode variables en la regresión múltiple.

La estimación del modelo de precioshedónicos permite explicar el valor que tie-nen los atributos de un producto en el merca-do, dado por el vector que representa losvalores marginales implícitos da cada carac-terística. Este vector se obtiene diferencian-do p(z) con respecto a cada zk y evaluandolas derivadas para cada una de las caracte-rísticas comercializadas (Rosen, 1974):donde p es el precio del lote y pk es el precioimplícito o valor marginal de la característicak. Rosen (1974) enfatizó que los precioshedónicos o valores marginales observadosen (3.8) simplemente conectan los preciosde reserva de equilibrio, d y q, con lascaracterísticas que determinan la calidad delproducto, tal que d(z) = p(z) = q(z), norevelando ninguna información acerca de lasfunciones de oferta y demanda subyacentes,O(z) y D(z).

La función (3.7) debe permitir la inclusiónde relaciones no lineales. Rosen (1974) argu-mentó que la linealidad de p(z) sería improba-ble debido a la existencia de costos margina-les crecientes para los vendedores, así comola imposibilidad de "desatar" los paquetes decaracterísticas para comercializarlos porseparado. Por este motivo, Faminow y Gum(1986) consideraron como un punto crítico la

[ ]{∑=

Φ=N

nnndL

1

'lnln γv

(3.5)

variable a la maximización de la funciónlogarítmica de verosimilitud (3.5). Johnston yDiNardo (1997) señalaron que no resulta degran utilidad reportar solamente los coefi-cientes de los parámetros provenientes de unmodelo probabilístico, ya que no brindan unainterpretación marginal por sí mismos. Estoes suficiente sólo si el interés está centradoexclusivamente en el signo de los coeficien-tes y en su significación estadística. Poreste motivo, en este estudio se presentan losefectos marginales de las característicascontenidas en vn sobre la probabilidad que ellote correspondiente sea efectivamente su-bastado.

Para H variables independientes incluidasen el modelo probabilístico, la derivada de lafunción de probabilidad con respecto a lavariable vh, representa el cambio en la proba-bilidad que el lote n sea efectivamente subas-tado como consecuencia del cambio en unaunidad de vh. Esto se puede expresar como:

La ecuación (3.6) ofrece una medida delefecto marginal que tiene la variable vh sobrela probabilidad que un determinado lote seavendido en el remate. El término f (v´ g ) es lafunción de densidad de probabilidad normalestándar (pdf) de la ecuación probabilística.

3.3.2 Estimación del modelo hedónico

En su desarrollo teórico, Rosen (1974)señaló que los modelos hedónicos puedenser estimados a través de una regresiónsimple, por el método de mínimos cuadradosordinarios (MCO). La variable dependiente esel precio del producto, en este caso, el precioen dólares por kilogramo en pie (U$S/kg)registrado para cada lote de ganado vacuno

( )γφγ 'Pr v×=∂∂

hhv

h = 1, 2,…, H. (3.6)

rematado. Como regresores o variables inde-pendientes, se consideran las característi-

( )Kzzzfp ,...,, 21=

k = 1, 2,…, K,

(3.7)

(3.8)

( ) ( )[ ]}Φ−−+ nnd '1ln1 γv

inclusión de términos cuadráticos de lasvariables seleccionadas.

( ) ( )k

k zpp∂∂= zz


30

Adicionalmente, el modelo considera den-tro de las variables independientes a lascondiciones de mercado al momento delremate (expectativas de precio, valor deldólar, precio del novillo gordo para faena,etc.) y las estrategias de mercadeo de losdistintos operadores de mercado (orden deentrada a pista, condiciones de financia-miento, etc.).

De esta forma, para el lote n = 1,…, N,dado el conjunto de K características que lodescriben completamente, M condiciones demercado y E estrategias de mercadeo consi-deradas, la función (3.7) puede expresarsecomo:

Las variables znk y znk2 representan las

relaciones lineales y cuadráticas de la carac-terística k, en tanto que zni.znk representan laposible interacción de la variable k con lavariable i; la variable wnm representa la m-ésima condición de mercado, mientras queens identifica la estrategia de mercadeo s,todas para el lote n. El modelo posee 1constante, K relaciones lineales, K relacio-nes cuadráticas, (K×K) - K interacciones, Mcondiciones de mercado y S estrategias demercadeo y los coeficientes j, Jk, rk, Vik, tm yus son los parámetros a ser estimados porMCO a través de la regresión multivariada en(3.9). El término en representa el error resi-dual, el cual es independiente e idénticamentedistribuido, tal que en~ N(0,s2I).

Diferenciando (3.9) con respecto a zk seobtiene el precio o valor marginal implícito

prueba general de White y una variante delmismo, conocida como Multiplicador deLagrange (ML) (Greene, 1997, p.549-555;Johnston y DiNardo, 1997, p.166; Kennedy,1998, p. 121).

La hipótesis general para la prueba deWhite supone H0: sk

2 = s2 para todo n;Ha: sk

2 ¹ s2. Para llevarla a cabo se estima unaregresión auxiliar con el cuadrado de losresiduos del CMO como variable dependientey una serie de variables independientes con-formadas por una constante y todas lasvariables no redundantes del modelo, suscuadrados y las correspondientesinteracciones.Bajo la hipótesis de homosce-dasticidad (H0), la distribución asintótica delestadístico N×R2 es Chi-cuadrado con r gra-dos de libertad (cr

2 ), siendo r el número de

n

S

snss

M

mnmm

K

i

K

knkniik

K

knkk

K

knkkn ewzzzzp ευτςρϑϕ ++++++= ∑∑∑∑∑∑

=== === 111 11

2

1

(3.9)i ≠ k

para la característica k. Dejando de lado elsubíndice referente al lote y sustituyendo porlos coeficientes est imados para losparámetros, se obtiene laexpresión empírica de (3.8), que de existirrelaciones cuadráticas e interacciones entrecaracterísticas:

Debido a la posibilidad que los residuossean heteroscedásticos, la ecuación (3.9)fue evaluada a dichos efectos utilizando la

ϑ̂ k, ρ̂ k y ς̂ ik

iikkkkk zzp ςρϑ ˆˆ2ˆ ++=

i ≠ k y k = 1,…, K. (3.10)

variables en la regresión auxiliar menos laconstante.

La prueba ML es igual a la de White con lasola diferencia que como variables indepen-dientes en la regresión auxiliar se utilizan loscuadrados de los valores ajustados de laregresión principal. Dado que la prueba deWhite no proporciona ninguna pista sobre laforma de la heteroscedasticidad, los erroresestándar de los coeficientes de regresiónestimados se construyen utilizando un esti-mador consistente.

Si T = 1 + K(K + 1) + M + S es la cantidadde variables independientes, los parámetrosdel modelo (3.9) se estiman a través de laexpresión:

b es el vector T × 1 de coeficientes de laregresión estimada por MCO, que incluye losvectores de parámetros j, Jk, rk, Vik, tm y usdescritos en (3.9), y es el vector de precios(variable dependiente) de dimensión N × 1 yX es la matriz de datos (variables indepen-

y


31

dientes) de dimensión N × T. Si denomina-mos a la matriz N × N de varianzas-covarianzasde los residuos Cov(e) = S = s2W, la formacorrecta de la matriz de covarianzas de tomala expresión que Davidson y MacKinnon(1993, p. 549) denominan matriz decovarianzas MCO generalizada:

En ausencia de heteroscedasticidad, Wes matriz de identidad IN, de modo queS = s2IN y la expresión (3.12) colapsa a laforma típica Var ( ) = s2(X'X)-1. De otro modo,S ¹ s2IN y (3.12) es la ecuación correcta.Si seconoce la forma de la heteroscedasticidad,resulta fácil calcular W. White (1980) conci-

alrededor de 56 animales, con un peso pro-medio de 247 kilogramos por cabeza. Lacalificación promedio de los lotes en base aclase y estado también fue la misma fue 6,8y 6,2 respectivamente. En el caso de laclase, equivale a lotes calificados entre "bue-no" y "bueno muy bueno" mientras que, entérminos de estado, corresponden a un pro-medio de "bueno".

Obviamente, al dejar de lado los lotes novendidos (Precio = 0) el precio promedio deremate pasó de U$S 0,66 a U$S 0,74 por kilo,disminuyendo consecuentemente la desvia-ción estándar. La Figura 6 permite apreciarun histograma de frecuencias con la distribu-ción de los precios observados en remate, laque puede ajustarse -de acuerdo a la pruebade Kolmogorov-Smirnov- a través de la PDFque aparece superpuesta. Esta prueba eva-lúa que tan bien puede ajustarse una serie deobservaciones mediante una CDF específica(Mood, Graybill y Boes, 1974, p.508-11; Hoggy Tanis, 2001, p.534-38).

El valor del estadístico K-S, paraHo: rn ~ N(m,s2), n = 1,…,7.258, se estimó en0,03546. Dicho valor es menor al valor críticok1-a = 1,22, para a= 0,1 no siendo evidenciasuficiente para rechazar Ho.

Los momentos de la distribución, tanto delos datos observados como del ajuste sedetallan en el Cuadro 11. Las medidas detendencia central, media (promedio de losdatos), mediana (observación que divide ladistribución en mitades iguales) y moda (va-lor más frecuente) no son exactamente coin-cidentes, lo cual sugiere una ligera desvia-ción de la distribución hacia la derecha.

El coeficiente de skewness (0,0415) con-firma este leve desvío.El skewness es eltercer momento alrededor de la media yconstituye una medida de la simetría de unadistribución. Para distribuciones simétricasdicho coeficiente es 0 (cero). Si el valor esdistinto de cero, su magnitud indica el grado

(3.11)( ) yXX 'X'ˆ 1−=β

bió un estimador consistente en presenciade heteroscedasticidad para la matriz devarianza-covarianza, para los casos en quela forma de W es completamente desconoci-da. De acuerdo a las recomendaciones deDavidson y MacKinnon (1993, p.553-554), sihn es el enésimo elemento de la diagonal dela matriz de proyección yen es la estimación de e n, la ecuación (3.12)se estima como:

4 RESULTADOS Y DISCUSIÓN

∧

∧β

( ) [ ] [ ][ ] 112 '''ˆ −− Ω= XXXXXXσβVar

4.1 Estadísticas PreliminaresEn el Cuadro 10 se registran datos esta-

dísticos de algunas de las variables de inte-rés. Se presentan estimaciones correspon-dientes a la media, desviación estándar, valormínimo y valor máximo tomado por la variablede interés, para el total de la muestra (8.078observaciones) y para aquellos lotes quefueron efectivamente vendidos en remate(7.258 observaciones).

Nótese que son mínimas las diferenciasen los valores promedio calculados a partir dela muestra completa (lotes vendidos y novendidos) y la muestra que considera sola-mente los lotes vendidos. En ambos casos,el tamaño promedio de los lotes, para los 39remates considerados en el estudio, fue de

∧β

( ) [ ] ([1

21 ''ˆ.=

−= ∑XX N

n nnn xxeVarEst β

( )][ ] 1'1 −− XXnh (3.13)

X

(3.12)


32

Cuadro 10. Estadísticas univariadas de algunas variables de interés.

Figura 6. Histograma de distribución de los precios y ajuste mediante una pdf Normal.

de asimetría y su signo advierte la direccióndel desvío (Mood, Graybill y Boes, 1974). Unvalor positivo denuncia una desviación haciala derecha que, como puede apreciarse eneste caso, es de pequeña magnitud.

Una medida del exceso o amplitud de lascolas de la distribución (concentración o

dispersión de las observaciones en torno a lamedia) es el coeficiente de kurtosis (Mood,Graybill y Boes, 1974). Una distribución conexcesiva amplitud en las colas significa unamayor probabilidad, respecto a la normal,que ocurran observaciones extremas. Lakurtosis de una distribución normal es 3

Lotes Totales (8.078 observaciones) Lotes Vendidos (7.258 observaciones) Variables

Media D. Est. Mín. Máx. Media D. Est. Mín. Máx.

Precios Remate 0,66287 0,26247 0,00000 2,00000 0,73776 0,14634 0,28000 2,00000

Nov. Gordo ACG 0,75324 0,11978 0,52000 0,90000 0,75244 0,12102 0,52000 0,90000

N. Gordo INAC 0,79545 0,12334 0,53100 0,95700 0,79513 0,12451 0,53100 0,95700

Vaca Gorda ACG 0,63536 0,11082 0,41000 0,75000 0,63473 0,11199 0,41000 0,75000

V. Gorda INAC 0,67279 0,10770 0,43900 0,79700 0,67275 0,10877 0,43900 0,79700

Precio Referencia 0,71550 0,13577 0,20000 1,00000 0,71571 0,13788 0,20000 1,00000

Tipo de Cambio 27,918 2,369 17,788 29,711 27,887 2,317 17,788 29,711

Orden de Entrada 134,60 102,15 1 550 130,94 100,89 1 550

Tamaño de Lote 56,25 36,55 3 460 56,19 36,53 3 460

Peso por Cabeza 246,62 98,12 78,00 590,00 247,33 99,42 78,00 590,00

Clase 6,79 1,77 3 10 6,84 1,75 3 10

Estado 6,21 1,30 3 10 6,20 1,30 3 10


33

(mesocúrtica); valores por encima de 3(leptocúrtica) indican una amplitud inferior ala normal (pico alto y poca cola), en tanto quevalores por debajo de 3 (platicúrtica) son unaindicación de una distribución que exhibeuna amplitud en las colas mayor a la normal(aplanada). En este caso particular, el valorestimado de kurtosis (3,9284) sugiere que laserie de precios muestra una distribución másestrecha y con más pico que la Normal, noobstante lo cual, esta distribución brinda unabuena aproximación, como mostró la pruebaK-S para bondad de ajuste.

Por último, con respecto a este punto,puede verse que el intervalo de confianza quecontiene el 90% de las observaciones seubica entre 0,497 y 0,978 dólares por kilo,como límite inferior y superior, respectiva-mente, para la distribución Normal de ajuste.La distribución real de los datos muestra quedichos valores dejan, a cada extremo de ladistribución, 4,97% y 4,31% de las observa-ciones, respectivamente. Esta apreciaciónconfirma la leptokurtosis observada, con elpequeño sesgo hacia la derecha.

Otro análisis preliminar de los datos, previoa la estimación del modelo, fue la detección deeventuales problemas de multicolinearidad enlos datos, es decir, que dos o más de lasvariables independientes se relacionen en for-ma lineal (Kennedy, 1998). Si la relación lineales exacta, la matriz de datos no puede serinvertida y la ecuación (3.11) no puede estimar-se sin desestimar la o las variables que causanel problema. Sin llegar a este extremo, si larelación es aproximadamente lineal, el proble-ma de colinearidad puede aún ser severo;(3.11) puede estimarse pero con la consecuen-

cia que, al no haber suficiente variación inde-pendiente entre las variables explicativas, susefectos sobre la variable dependiente no pue-den ser estimados en forma confiable. En lapráctica, esto se traduce en regresiones quesatisfacen la prueba F de significación conjuntade los parámetros, los que son incapaces,individualmente, de exhibir efectos significati-vos (en la prueba t).

Para abordar este problema se estimaronlas correlaciones entre cada par de variablesindependientes a ser incluida en el modelo.El coeficiente de correlación r, mide el gradode asociación linear entre dos variables(Johnston y DiNardo, 1997). En el Cuadro 12se presenta la matriz de correlaciones, sólopara las variables independientes que a prioripodían levantar sospechas de presentar al-gún tipo de asociación lineal.

Las bajas correlaciones observadas, per-miten inferir que no habrá problemas de esti-mación, si bien no descartan la posibilidadde relaciones no lineales. Los únicos paresde variables con un grado medio de asocia-ción lineal son: Peso y Edad_Unif (-0,52) donde, a mayor peso aumenta la hete-rogeneidad por edad; y N_Clase con Recom(0,39), es decir, a medida que un lote es demejor clase, es más probable que pueda serrecomendado por el inspector.

4.2 Aplicación y Resultados delModelo Probabilístico

La est imación del caso modeloprobabilístico (probit) se realizó con el obje-tivo de verificar la posibilidad que los determi-nada composición del vector z de caracterís-

Cuadro 11. Momentos de la distribución de la variable precio y su ajuste N(m, s2).

Momentos Observado Ajuste Momentos Observado Ajuste

Media 0,73776 0,73776 X ≤ 0,497 4,97% 5,00%

Moda 0,80000 0,73776 X ≥ 0,978 95,69% 95,00%

Mediana 0,75000 0,73776 Rango 0,4814 90,71% 90,00%

Desv. Estándar

0,14634 0,14634 Valor Mínimo 0,28 - ∞

Varianza 0,021413 0,021416 Valor Máximo 2,00 + ∞

Skewness 0,0415 0,0000 Kurtosis 3,9284 3,0000


34

Cuadro 12. Matriz de correlaciones para características físicas del lote.

ticas pueda tener alguna incidencia en laprobabilidad que un lote sea efectivamentevendido. Para esto se utilizó la muestracompleta, compuesta por N = 8.078 lotes(observaciones), hayan sido o no vendidos.Del total, 7.258 resultaron efectivamente su-bastados (89,8%). Los restantes 820 lotesfueron retirados de la pista sin vender25.

Como variable dependiente se utilizó lavariable binaria vendido, la cual toma valor 1(uno) si el lote fue subastado y 0 (cero) si fueretirado sin vender, para n = 1, 2,…, 8.078. Eneste caso, T = 46. La forma empírica delmodelo (3.1), estimado de esta manera, escomo la señalada en la ecuación (4.1).

Las observaciones correspondientes aMontevideo (Dep10) y Canelones (Dep2) fue-ron consideradas en forma conjunta a travésde la variable Dep0 creada a tal fin.Adicionalmente, para evitar problemas desingularidad en la matriz de datos X, debidoa la presencia de una constante en la regre-sión, se descartó una de las opciones en lasvariables binarias compuestas (departamen-to, raza y trimestre). De esta forma, al des-cartarse las opciones Dep19, Raza1 y Tri4,la opción por omisión26 correspondió a unlote proveniente del departamento de Treintay Tres, de raza Hereford, sin cruzas ni mez-clas de otras razas, vendido en el últimotrimestre del año (octubre a diciembre), nosiendo uniforme ni en edad ni en tamaño,

cuya alimentación previa fue en base a cam-po natural, no conocedor de mío-mío, para elque no se registró información de sanidadprevia y no fue explícitamente recomendado.

Los resultados del modelo probabilísticose presentan en el Cuadro 13. En la primeracolumna aparecen los nombres de las varia-bles cuyos parámetros fueron estimados,mientras que en la segunda y tercera sepresentan las magnitudes estimadas paradichos parámetros y su desvío estándar. Enla cuarta y quinta columna, respectivamen-te, se presentan los valores calculados parael estadístico t de Student, la probabilidadde error de tipo I y la significación, para tresniveles de a (1%, 5% y 10%).

Cabe recordar una vez más, que los valo-res estimados para el vector de parámetrosson aquellos que maximizan la funciónlogarítmica de verosimilitud (3.5). Dicho deotra manera, son los valores que maximizanla probabilidad que los datos observadoshayan sido generados por el modelo. Cabeseñalar que la proporción de prediccionescorrectas del modelo fue de 89,8%. Es en laúltima columna, donde se presentan losefectos marginales de las características deinterés. Las magnitudes allí representadasindican el cambio en la probabilidad que unlote sea efectivamente subastado como con-secuencia del cambio en una unidad (por-centaje) en la característica.

25A menudo, los lotes no vendidos se comercializan inmediatamente de finalizado el remate. A los efectos delanálisis se consideran de todos modos como no vendidos.

26Para las variables binarias simples la opción por defecto es aquella en que la variable toma valor 0 (cero).

Variables Peso N_Est N_Clase Mejoram Edad_Unif Unif Recom Machos

Peso 1,00000

N_Est 0,13397 1,00000

N_Clase 0,03002 0,39862 1,00000

Mejoram -0,06548 0,16690 0,10740 1,00000

Edad_Unif -0,51782 0,06313 0,14489 0,06768 1,00000

Unif -0,03610 0,03336 0,16905 -0,00060 0,18499 1,00000

Recom 0,06375 0,19118 0,39129 -0,01416 0,06886 0,09846 1,00000

Machos -0,06163 0,03583 -0,01439 0,01265 0,09870 0,06901 0,05213 1,00000


35

nnnn

nnnn

nnnn

nnnnnn

nnnnnn

nnnnnn

nnnnn

nnnnnn

kknnn

uRecomUnifSanidadMioMioMejoramEstNClaseN

UnifEdadCebuCrLechCrContCrBriCrAACrHerCrTriTriTriRazaRazaRazaRazaRazaRazaDepDepDepDepDepDep

DepDepDepDepDepDepDepDepDepDepDepPesoCantidadrefPInacNgTCVendido

++++++++

++++++++++

++++++++++++

+++++++++++

+++++=

454443

42414039

38373635

343332313029

282726252423

222120191817

1615141312

11109876

543210

___

____ ___321

765432 181716151413

1211987 654310

(4.1) __

γγγγγγγ

γγγγγγγγγγ

γγγγγγγγγγγγ

γγγγγγγγγγγ

γγγγγγ

De acuerdo a los resultados de la pruebat para Ho: g t = 0 y Ha: gt ¹ 0, t = 0, 1, 2,…,46, se observa que, aparte de la constantedel modelo, las siguientes variables tuvieronun efecto significativo (al 1% o 5%) y positivosobre la probabilidad de subasta de un lote:Pr_Ref, Peso, Dep0, Dep5, Dep7, Dep8,Dep12, Dep14, Raza1, N_Clase, Mio_Mio yUnif. Las variables que mostraron un efectosignificativo pero negativo fueron: Ng_Inac,Dep13, Tri1, Tri2, Tri3, Cruza y N_Est. Losdemás parámetros no fueronsignificativamente distintos de 0 (cero), paraninguno de los tres niveles de a considera-dos.

En cuanto a las condiciones del mercado,puede decirse que aumentos en el precio dela categoría de ganado en subasta, así comodisminuciones en el precio del novillo gordo,derivan en incrementos en la probabilidadque el lote sea vendido, dado por la contribu-ción marginal de sus respectivos coeficien-tes. Esto podría interpretarse como quemayores relaciones flaco/gordo favorecen ohacen menos pesada la comercialización enel mercado de reposición, ceteris paribus.

En cuanto a la época del año, los anima-les que salen a remate en el primer, segundoy tercer trimestre del año tienen mayor pro-babilidad de no ser vendidos que los quesalen a la venta en el cuarto trimestre. Esteefecto parece ser mayor en los dos primerostrimestres y sobre todo en el segundo.

A igualdad de otras condiciones, lotes deanimales más pesados, de raza Hereford, de

mejor clase, uniformes en tamaño y conoce-dores de mío-mío, tienen mayor posibilidadde ser efectivamente vendidos en remate.Mientras tanto, los lotes compuestos poranimales de varias razas o con cruzas, tie-nen menor probabilidad de ser rematados.

Por último, en lo que respecta al origen delos lotes, comparados con el departamentotomado como base (Treinta y Tres), se obser-va que lotes provenientes de Montevideo/Canelones, Durazno, Florida, Lavalleja, RíoNegro y Rocha tienen mayor probabilidad deser subastados. Los ganados provenientesde Rivera tienen una probabilidad menor,siempre en comparación con los de Treinta yTres, a igualdad de otras condiciones parti-culares del lote o de la situación de losmercados. Esto es cierto para el períodoconsiderado, no siendo posible saber si setrata de un efecto permanente o si reflejacondiciones (agua, pasturas) específicas deesos años.

4.3 Aplicación y Resultados delModelo Hedónico

Para la estimación del modelo hedónicopor MCO se consideraron las observacionescorrespondientes a los lotes efectivamentesubastados, quedando de esta manera lamuestra integrada por N = 7.258 observacio-nes. Reparametrizando la ecuación (3.9), demodo que bt sea el vector de coeficientes a serestimado, el modelo estimado se puede escri-bir como la fórmula (4.2).


36

En este caso, T = 56 es la cantidad deparámetros estimados. La prueba de signifi-cación conjunta de los T - 1 parámetrosasociados a la variable de interés. El valordel estadístico F55, 7.202 = 810,89 determinó elrechazo de la hipótesis nula (Ho:b1 =b2 =…= b55 = 0), lo cual permite decir que elmodelo en su conjunto tiene un buen poderde explicativo.

Al igual que en el caso del modeloprobabilístico, también las observaciones

correspondientes a Montevideo (Dep10) yCanelones (Dep2) fueron consideradas enforma conjunta a través de la variable Dep0.Los problemas de singularidad en la matrizX, debido al uso de variables binarias fueronevitados descartando nuevamente las opcio-nes Dep19, Raza1 y Tri4.

El lote base fue definido como un lote dehembras, proveniente de una zona sin garra-pata del departamento de Treinta y Tres, deraza Hereford, sin cruzas ni mezclas de otrasrazas, vendido al contado en el último trimes-

Cuadro 13 . Parámetros estimados, errores estándar, niveles de significación y efectos margina-les, para el modelo probabilístico.

Nivel de significación (a) de la prueba t8.032,a de Student, a dos colas: *** 1%; ** 5%; * 10%.


37

nnnnn

nnnn

nnnnn

nnnnnn

nnnnnn

nnnnnn

nnnnn

nnnnn

kknnn

RecomUnifMioMioMejoramEstNClaseNUnifEdadZgarCebuCrLechCrContCrBriCrAACrHerCrRazaRazaRazaRazaRazaRazaDepDepDepDepDepDep

DepDepDepDepDepDepDepDepDepDepDepCxPPxC

PesadoPesoPesoCantidadCantidadMachosTriTriTriMPRrefPTCPlazoOrdenOrdenremNPrecio

εβββββββββ

βββββββββββββββββ

βββββββββββββ

βββββββββββββββββ

++++++++++

+++++++++++++++++

+++++++++++++

++++++++++++++++=

55545352

5150494847

4645444342

414039383736

353433323130

292827262524

23222120191817

1615141312

11109876

543210

_ ____

_____ 765432 181716151413

12119876 54310

22 321_

(4.2) 2_

tre del año (octubre a diciembre), en rematede Pantalla Uruguay. El peso promedio dellote fue estimado por el inspector y no esuniforme ni en edad ni en tamaño, siendoalimentado en campo natural, no conocedorde mío-mío, para el que no se registró infor-mación de sanidad previa y no fue explícita-mente recomendado.

La correcta especificación del modelo fueevaluada a través de la prueba de RESET deRamsey de orden 2. Las hipótesis, Ho:e ~N(0,s2I) y Ha: e~N( m,s2I) y m ¹ 0, equiva-len a evaluar la posibilidad que la formafuncional (3.9) elegida sea incorrecta, que sehayan omitido variables en (4.2) o correlaciónentre X y e (Ramsey, 1969; Ramsey ySchmidt, 1976). Específicamente, la pruebade segundo orden evalúa la inclusión deinteracciones y términos cuadráticos en ellado derecho de la ecuación, así como laposibilidad que el ajuste de la forma funcionalse deba a observaciones fuera de rango ooutliers (Hall y Cummins, 2005). El valor delestadístico fue de 4,91, lo que no permitiórechazar Ho; no hay, por tanto, evidenciaestadística para sospechar una mala especi-ficación del modelo.

El valor calculado para el coeficiente decorrelación múltiple fue R2 = 0,860968, entanto que la magnitud para la versión ajusta-da fue casi la misma, R2 = 0,859906. Estoindica que el modelo no fue penalizado por laposible inclusión de variables de pobre poderexplicativo, siendo una garantía adicional desu correcta especificación.

Por último y en lo que respecta al métodode estimación, se llevaron a cabo las prue-bas de White y del Multiplicador de Lagrange(ML), discutidas en el capítulo anterior. Sibien la primera no arrojó evidencias deheteroscedasticidad, sí lo hizo la segunda,razón por la cual la estimación del modelopor MCO se realizó utilizando la correcciónde White (1980), en la versión presentada en(3.13).

En el Cuadro 14 se presentan los coefi-cientes estimado de los parámetros de laregresión multivariada, acompañados de loscorrespondientes errores estándar y del es-tadístico t. En las dos últimas columnas seaprecian, la probabilidad de cometer error detipo I y la significación estadística, para tresniveles de a (1%, 5% y 10%).

La prueba de significación de losparámetros, para las hipótesis Ho: bt = 0 yHa: bt ¹ 0, para t = 1,…, 56, muestra el altoporcentaje de coeficientes de parámetrosque resultaron significativos. Un total de 44de los 56 parámetros estimados fueronestadísticamente significativos (las pendien-te son significativamente distintas de 0), almenos al 10% (a = 0,1).Para el 5% designificación, 40 parámetros resultaron sig-nificativos; reduciendo la probabilidad decometer error de tipo I a 1%, esta cantidaddisminuye a 37, cifra igualmente alta.

A los efectos de facilitar el análisis, ladiscusión de los resultados se realizará va-riable por variable, contrastando los efectosobservados con el comportamiento espera-


38

Cuadro 14. Parámetros estimados, errores estándar, niveles de significación y signos esperados,para el modelo hedónico.

Nivel de significación (a) de la prueba t7.202, de Student, a dos colas: *** 1%; ** 5%; * 10%.

Variable Signo Esperado

Estimación del Parámetro

Desviación Estándar Estadístico-t Probabilidad y

Significación Constante + 0,348849 0,017947 19,4380 0,000 *** N_Rem + 0,003008 0,000165 18,2088 0,000 *** Orden – - 0,000141 0,000026 - 5,41293 0,000 *** Orden2 +/– 0,0000003 0,00000006 4,46107 0,000 *** Plazo + 0,002745 0,002591 1,05998 0,289 TC +/– 0,001291 0,000263 4,91740 0,000 *** Pr_Ref + 0,498840 0,020433 24,4139 0,000 *** MPR + 0,010455 0,002809 3,72197 0,000 *** Tri1 – - 0,019595 0,002060 - 9,51060 0,000 *** Tri2 – - 0,043791 0,002074 - 21,133 0,000 *** Tri3 – - 0,003793 0,002031 - 1,86769 0,062 * Machos + 0,054499 0,003657 14,9015 0,000 *** Cantidad + 0,000394 0,000071 5,57471 0,000 *** Cantidad2 – - 0,0000005 0,0000002 - 2,88361 0,004 *** Peso – - 0,000841 0,000068 - 12,3830 0,000 *** Peso2 + 0,0000007 0,0000001 7,12634 0,000 *** Pesado + 0,013302 0,001866 7,12766 0,000 *** P×E +/– 0,000025 0,000005 4,62335 0,000 *** C×P +/– - 0,0000008 0,0000001 - 4,15876 0,000 *** Dep0 +/– 0,019983 0,005458 3,66154 0,000 ** Dep1 +/– - 0,005534 0,003771 - 1,46751 0,142 Dep3 +/– 0,000005 0,003533 0,00135 0,999 Dep4 +/– 0,017723 0,006831 2,59471 0,009 *** Dep5 +/– 0,021860 0,003605 6,06406 0,000 *** Dep6 +/– 0,026897 0,004650 5,78499 0,000 *** Dep7 +/– 0,017464 0,003760 4,64511 0,000 *** Dep8 +/– 0,010039 0,003337 3,00868 0,003 *** Dep9 +/– - 0,002389 0,005399 - 0,44252 0,658 Dep11 +/– 0,011986 0,003698 3,24120 0,001 *** Dep12 +/– 0,023005 0,004174 5,51151 0,000 *** Dep13 +/– - 0,001692 0,004732 - 0,35761 0,721 Dep14 +/– 0,007226 0,003933 1,83719 0,066 * Dep15 +/– 0,007779 0,004108 1,89370 0,058 * Dep16 +/– 0,017466 0,007347 2,37730 0,017 ** Dep17 +/– 0,025111 0,004605 5,45299 0,000 *** Dep18 +/– 0,009437 0,003794 2,48757 0,013 ** Raza2 +/– 0,015283 0,004342 3,51955 0,000 *** Raza3 +/– 0,003454 0,003098 1,11473 0,265 Raza4 +/– - 0,037133 0,007535 - 4,92780 0,000 *** Raza5 +/– - 0,111901 0,007072 - 15,841 0,000 *** Raza6 +/– - 0,002364 0,008062 - 0,29327 0,769 Raza7 +/– - 0,000257 0,003427 - 0,07501 0,940 Cr_Her – - 0,005791 0,003198 - 1,81091 0,070 * Cr_AA – - 0,001139 0,001624 - 0,70161 0,483 Cr_Bri – - 0,002591 0,001704 - 1,52055 0,128 Cr_Cont – - 0,005012 0,001520 - 3,29797 0,001 *** Cr_Lech – - 0,003429 0,001436 - 2,38798 0,017 ** Cr_Cebu – - 0,005174 0,001614 - 3,20717 0,001 *** Zgar +/– 0,000187 0,001839 0,10150 0,919 Edad_Unif + 0,000290 0,001762 0,16468 0,869 N_Clase + 0,006381 0,005573 11,4504 0,000 *** N_Est +/– - 0,006607 0,001580 - 4,18262 0,000 *** Mejoram + 0,004845 0,001892 2,56092 0,010 *** Mio_Mio + 0,006587 0,002370 2,77963 0,005 *** Unif + 0,011384 0,001450 7,85099 0,000 *** Recom + 0,006934 0,002261 3,06729 0,002 ***


39

Figura 7. Condiciones del mercado en el período de análisis y promedios por remate.

do a priori. Por esta razón se incluyó en elcuadro una columna con presenta el signoesperado para cada coeficiente, previo a suestimación.

Remate: La variable N_Rem resultó signi-ficativa y de signo positivo (0,003008), lo cualsignifica un diferencial promedio en los pre-cios entre remates de 0,3 centavos de dólar.Para todo el período, redunda en una mejorade 11,7 centavos por kilo en los preciospromedios de las haciendas entre junio de2002 y febrero de 2005, en los remates porpantalla. La razón puede buscarse en laFigura 7. El período de análisis abarcó untotal de 39 remates, desde el 11-14 de juniode 2002 (6to remate de Pantalla Uruguay)hasta el 24-25 de febrero de 2005 (29no

remate de Plaza Rural). Durante dicho perío-do se produjo una sensible mejora en lascondiciones del mercado de la carne paranuestro país, luego de la crisis originada porel rebrote de fiebre aftosa. La paulatina recu-peración de los principales destinos de ex-portación para la carne uruguaya -fundamen-talmente Canadá y Estados Unidos- se apre-cia a través de la evolución ascendente delprecio del novillo gordo.

Esto repercutió, como era previsible, enel mercado de reposición, tal cual surge dela evolución de los precios promedio de trescategorías (terneros, novillos de más de tresaños y vacas de invernada), en remates porpantalla. Las tres categorías muestran unatendencia de crecimiento en los valores deremate, a lo largo del período.

Orden de Entrada: Los resultados obte-nidos parecen confirmar el hecho que, en eltranscurso de los remates de hacienda, losprecios tienden a declinar. Debe entenderseque se trata de un efecto marginal, ceterisparibus, o sea que, el orden de entrada apista tiene, por sí solo, incidencia en losprecios de remate de un lote de ganado. Nodebe confundirse este efecto con el produci-do por el ordenamiento de los lotes, por partede los organizadores del remate, en base acriterios de calidad y de logística. Más bienque este ordenamiento intenta sacar prove-cho del efecto "auto-discriminación de loscompradores", analizado por Buccola (1982),de manera de reforzar o realzar los diferen-ciales de precio a obtener por los lotes queposeen una combinación ventajosa de ca-racterísticas.

Pre

cio

del

Gan

ado

(U$S

/kg

enp

ie)


40

Tanto la variable Orden (-0,000141) comoOrden2 (0,0000003) resultaron estadística-mente significativas. A medida que transcu-rre el remate el precio cae en forma decre-ciente, es decir, la caída es más pronunciadaal principio y se estabiliza hacia el final,haciéndose prácticamente nulo el descuen-to, a partir del orden 250, como se ilustra enla Figura 8. Para un lote cualquiera, en unremate de 250 lotes, el castigo por entrar apista en último lugar y no primero, es dealrededor de 2 centavos por kilo.

El precio marginal implícito en (3.10) es lapendiente de esta curva, cuya expresiónempír ica resulta: porden= -0,000141+0,0000006 × Orden. Así, por ejemplo, un loteque entra a remate en el orden 50 recibe uncastigo de 0,013 centavos de dólar por kilo-gramo de peso vivo, ceteris paribus. Esteresultado es similar al obtenido por Dhuyvettery otros (1996) trabajando con datos de rema-tes de toros en Kansas, donde también en-contraron una relación negativa pero decre-ciente entre el orden de entrada a pista y elprecio de remate.

Plazo de Financiación: Si bien el signodel coeficiente estimado para la variable Pla-zo fue positivo, como se esperaba, no pudocomprobarse que su magnitud seasignificativamente distinta de cero, para nin-

guno de los niveles de utilizados. Si bieneste resultado puede parecer sorprendenteen primera instancia, la falta de significaciónpuede deberse al bajo número de observacio-nes con precios cotizados a plazo27, sola-mente 640 de un total de 7.258, lo cualrepresenta un 8,8%.

Tipo de Cambio: El tipo de cambio,representado por la variable TC, es otra delas variables que representan las condicio-nes del mercado o, más correctamente, al-guna de las condiciones macroeconómicasque afectan al mercado. El coeficiente esti-mado fue positivo y significativo (0,001291).No debe concluirse, en base a este resulta-do, que la mejora en la cotización del dólarobservada hasta el tercer trimestre de 2004,en la Figura 9, sea directa responsable de lamejora en los precios promedio del ganadoen los remates por pantalla.El factor principalfue, seguramente, la recuperación de losmercados internacionales para la carne uru-guaya. Por otra parte, dado que el ganado secotiza en dólares, el tipo de cambio influyemás que nada el poder de compra de bienese insumos no transables (salarios, leyessociales, impuestos, etc.) para la empresa.

Precio de Referencia: Para la elecciónde esta variable se tuvo en cuenta la pruebade Ramsey, cuyo resultado positivo (rechazo

Figura 8. Efecto del orden de entrada a remate en el precio del ganado.

27Debe recordarse que solamente Plaza Rural remata a plazo, siendo más común esta modalidad en el casode los vientres.


41

de Ho) descartó el uso de los precios delnovillo o la vaca gorda, tanto de INAC comode la ACG. La variable Pr_Ref correspondeentonces al precio promedio registrado porcategoría en el mercado de reposición, en losdías previos al remate y publicado por laACG. Su coeficiente estimado (0,49884) re-sultó positivo y significativamente distinto de0 (cero). Esto no significa que los precios dereposición de la ACG determinen el precio enlos remates de pantalla. En la medida queaparecen más operadores, hay mayor canti-dad de remates al año y los días entreremates tienden a acortarse. Por sus propiascaracterísticas, es más que probable que elpapel de los remates por pantalla en la forma-ción de precios esté aumentando, así comosu influencia sobre las otras modalidades decomercialización de ganado (ferias tradicio-nales y ventas directas).

De todos modos, los precios publicadossemanalmente por la ACG demostraron seruna referencia útil para los agentes al exhibiruna buena relación con los precios que sur-gen de los remates por pantalla

Mercado: Como ya fue expuesto reitera-das veces a lo largo de este trabajo, losremates provenientes de Pantalla Uruguaycomprenden un período que va desde el 11/6/02 al 27/12/04, mientras que los de Plaza

Rural van desde el 2/7/03 al 24/2/05. Entre elremate de Pantalla Uruguay que abre elperíodo de estudio y el primer remate dispo-nible de Plaza Rural hay un año de diferencia.Es precisamente durante ese período, en elcual se llevaron a cabo 10 remates de Panta-lla Uruguay, que los precios de las haciendasse hallaban deprimidos como consecuenciade los problemas con la aftosa. A partir dejulio de 2003 y coincidiendo con el primerremate de Plaza Rural considerado, los valo-res comenzaron a recuperarse. Por estasrazones, se aguardaba, lógicamente, que elcoeficiente asociado a la variable MPR resul-tara de signo positivo y seguramente signifi-cativo - tal como lo fue, al 1% -ya que laopción por defecto (valor cero) es PantallaUruguay.El diferencial promedio entre am-bos mercados fue de1centavo por kilo(0,010455), de lo cual no puede concluirse,vale recalcarlo, que en un mercado se paguemejor que en el otro.La única razón paraincluir esta variable fue poder capturar ycontrolar este efecto.

Estación del Año: El efecto estacionalsobre los precios resultó ser significativo. Lostres coeficientes asociados a las variablesbinarias, Tri1(-0,019595), Tri2(-0,043791) yTri3 (-0,003793) fueron de signo negativo yestadísticamente distintos de 0 (cero), los dosprimeros al 1% y el último al 10%.

Figura 9. Evolución del precio del dólar durante el período de análisis.Nota: El salto registrado entre la primera y segunda observación corresponde a la devaluación del 2002.

Tipo

de

cam

bio

($/U

$S)


42

Para apreciar mejor este resultado es útilrecurrir a la Figura 10 donde los preciospromedio por estación o trimestre, para unlote con determinadas características, sonrepresentados a través de barras verticales.La base es un lote hipotético de 50 machosHereford puro, de clase buena,homogéneosen edad y tamaño, con un peso promedio de200 kg, pesado en balanza, que entra alremate en el orden 50 y se vende contado enPantalla Uruguay. Los animales provienendel departamento de Treinta y Tres, sonbuenos de estado y estuvieron sobre camponatural; conocen mío-mío pero vienen de unazona libre de garrapata, habiendo sido reco-mendados por el inspector. La única carac-terística que varía, es pues, la época del añoen que se realiza el remate.

Puede apreciarse un marcado efectoestacional en los precios promedio. Losprecios disminuyen desde el verano hacia laentrada del invierno, producto seguramentede un aumento en la oferta de ganado decampo. Muchos de los oferentes, segura-mente sean productores que procuran bajarla dotación antes del invierno, por no dispo-ner de pasturas suficientes (vendiendo terne-ros destetados, vaquillonas vacías y novillosy vacas para invernar). El aumento paulatino

en la disponibilidad de forraje en los camposhacia la primavera permite a los productoresretener los animales y eventualmente au-mentar sus dotaciones más allá de laspariciones. Esto ocasionaría un excedenteen la demanda que impulsaría hacia arriba losprecios en la forma observada.

Las condiciones de humedad y tempera-tura juegan un papel importante en la dispo-nibilidad de pasturas, por lo que cualquierapartamiento de las condiciones normalesde la estación en un año particular (sequíaso inundaciones) puede achicar o exacerbarestas diferencias.

Sexo: El coeficiente estimado para lavariable Machos fue significativo al 1% y designo positivo (0,054499) lo cual indica quelos lotes compuestos exclusivamente pormachos se cotizaron, en promedio, 5,5 cen-tavos de dólar por encima de los lotes com-puestos por hembras o mixtos. La razón porla que el mercado paga más por los machos,a igualdad de otras condiciones, se debe aque las hembras tienen la posibilidad deingresar al rodeo de cría, aumentando por lotanto el lapso de tiempo para su transforma-ción en el producto final del sector primario,es decir, en carne. En ese caso, recién alfinal de su vida útil como vientres entran al

Figura 10. Efecto estacional sobre los precios.


43

proceso de invernada y engorde para faena.Este es un resultado consistente con labibliografía especializada (Schroeder y otros,1988; Bailey y Peterson, 1991; Bailey,Brorsen y Fawson, 1993; Turner, McKissicky Dykes, 1993; Dhuyvetter y Schroeder, 1999;Avent, Ward y Lalman, 2003).

El modelo hedónico utilizado en este es-tudio asume que la diferencia entre sexos semantiene constante a través de las distintascombinaciones posibles entre las restantescaracterísticas, no modificando los gradientesde la regresión. Es decir, solo opera sobre laconstante del modelo. Para analizar la posi-bilidad que las pendientes sean diferentespara ambos sexos - lo cual significa que bt>0de la ecuación (4.2) difieran entre machos yhembras - se utilizó la prueba de Chow(1960). Mediante esta prueba se evalúa laestabilidad de los parámetros de la regresiónentre dos submuestras - en este caso, unacompuesta por los lotes constituidos sola-mente por machos y otra con los lotes dehembras y lotes mixtos28 .

Por esta razón, la regresión se corrió,también, para cada submuestra por separa-do. Las sumas de cuadrados de los errores(SCE) se comparan mediante una versiónespecial de la prueba F, la cual contrasta dosmodelos, uno de los cuales presenta la res-tricción que los parámetros de la regresiónno difieren entre lotes de distinto sexo(Greene, 1997, p.350-51). El resultado de laprueba no permitió rechazar la hipótesis nulaque los parámetros de la regresión son losmismos para lotes de ambos sexos. En otraspalabras, puede asumirse que tanto los lotesde machos como de hembras, son diferen-ciaciones dentro de un mismo mercado.

Tamaño del Lote: Los coeficientes esti-mados para las variables Cantidad (0,000394)y Cantidad2 (-0,0000005) fueron ambos sig-nificativos al 1%, determinando una relacióncuadrática entre el número de animales en ellote y el precio por kilogramo de peso vivo.Para cada categoría de animales, a medidaque aumenta el tamaño del lote, el precio deremate se incrementa en forma decrecientehasta alcanzar un precio máximo. A partir deeste tamaño óptimo, sucesivos incrementos

en el tamaño de lote derivan en una caídacada vez más pronunciada en el precio.

Muchos trabajos analizaron la posibili-dad que el tamaño de lote y el precio deremate exhiban una relación no lineal. Sinembargo, aunque en todos los casos seencontró una relación positiva, no todoslos autores pudieron concluir que la rela-ción efectivamente sea de esa forma.Bailey, Peterson y Brorsen (1991), Bailey,Brorsen y Fawson (1993) y Dhuyvetter ySchroeder (1999) solo pudieron constataruna relación positiva pero lineal, ya que lavariable cuadrática no resultó significativaen ningún caso. Por el contrario, Faminowy Gum (1986), Schroeder y otros (1988),Mintert y otros (1990), Turner, McKissick yDykes (1993), Parcell, Schroeder y Hiner(1995) y Avent, Ward y Lalman (2003)encontraron una relación cuadrática, aligual que en el presente estudio.

La Figura 11 ilustra la relación hallada,sobre la base de un ejemplo hipotético: lotede machos Hereford, sin mezclas ni cruzas,de clase buena, homogéneos en edad ytamaño, pesando 200 kg promedio, pesadoen balanza, que entra al remate en el orden50 y se vende contado en Pantalla Uruguay.Nuevamente, los animales provienen del de-partamento de Treinta y Tres, son buenos deestado y estuvieron sobre campo natural;conocen mío-mío pero vienen de una zonalibre de garrapata, habiendo sido recomenda-dos por el inspector.

El tamaño óptimo del lote depende, entreotras cosas, de la categoría vacuna, expre-sada a través del peso promedio de losanimales. Para las categorías más jóveneso livianas, el tamaño óptimo tiende a sermayor que para animales más desarrolladosy pesados. Si se observa a través de laexpresión obtenida para el precio implícito dela característica tamaño de lote (pendientede la curva), se advierte que el mismo esfunción, no sólo de la cantidad de animalesen el lote, sino también de su peso promedio:pcantidad = 0,000394 - 0,000001 × Cantidad- 0,0000008 × Peso

En primer lugar, a medida que aumenta eltamaño de lote,el premio disminuye, hasta

28 En el caso de los terneros, hay lotes mixtos.


44

que, por encima del tamaño óptimo, se con-vierte en un castigo. En este caso particular,el tamaño óptimo se ubicó en 234 animales(es el valor que hace cero al pcantidad).

Al respecto, debe tenerse en cuenta queeste tamaño óptimo lo es exclusivamente entérminos del precio. Si bien esta relación segu-ramente incorpora, en forma implícita, relacio-nes de escala, por ejemplo, en el transporte,puede no estar tomando en cuenta otros efec-tos sobre los costos. En otras palabras, aúncuando la conformación de lotes de tamañoóptimo maximice el precio a obtener por el lote,puede no hacer lo mismo con el beneficio.

Peso Promedio del Lote: Los coeficien-tes estimados para las variables Peso(-0,000841) y Peso2 (0,0000007) fueron am-bos significativos al 1%. Este resultado esconsistente con los registrados en la literatu-ra disponible. A medida que aumenta el pesovivo de los animales, el precio por kilo dismi-nuye en forma decreciente, resultando enuna relación cuadrática como la que se apre-cia en la Figura 12.

La pendiente de esta curva - derivada de laecuación (4.2) con respecto al peso - repre-senta el precio implícito de la característica"peso promedio" del lote. Este precio estáinfluido por tres variables: el propio peso, lacantidad y el estado corporal de animales enel lote:ppeso = - 0,000841 + 0,000001 × Peso

- 0,0000008 × Cantidad + 0,000025 × EstadoPor un lado, el descuento que recibe el

vendedor por el peso de los animales se vareduciendo a medida que este aumenta. Enotras palabras, el descuento es mayor en lascategorías jóvenes o más livianas, que en lasadultas o más pesadas.En segundo lugar, eldescuento se hace mayor cuanto mayor seael tamaño del lote. En términos económicos,cuanto mayor es la oferta de kilos, el preciopor kilo disminuye.

En tercer lugar, la interacción entre elpeso y el estado, capturada por la variableP×E (0,000028) permite discriminar mejorentre categorías o entre animales de diferen-te condición dentro de la misma categoría.Así, por ejemplo, a igualdad de peso, losanimales con mejor estado reciben un mejorprecio por kilo ceteris paribus. Asimismo, unbajo peso en animales adultos seguramenteva asociado a una peor condición corporal,mientras que con ese mismo peso, una cate-goría joven puede estar en excelente estado,lo cual se verá reflejado en un mejor preciopor kilo.

Peso en Balanza: El coeficiente estima-do para esta variable resultó ser significativa-mente distinto de cero y -como era dable aesperar- de signo positivo (0,013302). Estosignifica que, más allá de la confianza queinspira la idoneidad y profesionalismo de losinspectores, los agentes discriminan entre

Figura 11. Efecto del tamaño del lote en el precio.

Pre

cio

(U

$S

/kg

)

Relacin entre Precio y Tamao de Lote

Tamao de Lote (cabezas)


45

aquellos lotes cuyo peso es claramente es-tablecido en la balanza, de aquellos en losque el peso ha debido ser estimado medianteapreciación visual. A igualdad de condicio-nes, los lotes pesados en balanza recibieron1 centavo más por kilo.

Interacción entre Peso y Tamaño deLote: Los resultados encontrados en estetrabajo de investigación muestran que elpeso promedio y la cantidad de animales dellote se influyen mutuamente. Este efecto fuecapturado por la variable C×P, cuyo coefi-ciente resultó ser significativo al 1% y designo negativo (-0,0000008).

Por un lado, el tamaño óptimo de lote varíade acuerdo al peso. Lotes más pesados (porejemplo, categorías adultas) exhiben un ta-maño óptimo menor que aquellos más livia-nos (categorías más jóvenes). Por otro lado,en lotes de mayor tamaño, la disminución delprecio por kilo a medida que aumenta elprecio promedio de los animales, es másacentuada. Esto se distingue claramente enla Figura 13. Nótese que, a igualdad de otrascondiciones, para un lote promediando los100 kg (terneros/as) el tamaño óptico puedesituarse en más de 300 cabezas, en tantoque para un lote de 450 kg (novillos o vacasde invernada) puede ubicarse en menos de60 animales. Visto desde el punto de vistadel peso, en lotes de tamaño más reducido,

el efecto negativo del peso sobre el precio porkilo se ve atenuado en relación a lotes másnumerosos.

Departamento de Origen: Como ya fueseñalado, el departamento tomado comobase fue Treinta y Tres. Los resultados obte-nidos señalan que los lotes provenientes delos departamentos de Artigas (Dep1), CerroLargo (Dep3), Maldonado (Dep9) y Rivera(Dep13) no exhiben diferencial de precios,positivo o negativo, con respecto a los origi-narios de Treinta y Tres, para ninguno de losniveles de significación utilizados.

Los restantes departamentos exhibieronpremios, respecto al departamento base.Los coeficientes asociados a Canelones/Montevideo (Dep0), Colonia (Dep4), Durazno(Dep5), Flores (Dep6), Florida (Dep7),Lavalleja (Dep8), Paysandú (Dep11), RíoNegro (Dep12) y Soriano (Dep17) resultaronsignificativos al 1%, o sea para a = 0,01.

Los coeficientes de San José (Dep16) yTacuarembó (Dep18) fueron significativa-mente diferentes de cero para a = 0,05(5%), mientras que los coeficientes esti-mados para Rocha (Dep14) y Salto (Dep15)lo fueron para a = 0,1 (5%). Cabe destacarnuevamente que esto es válido para elperíodo considerado. Debido a la reducidacantidad de años disponibles, no es posi-

Figura 12. Efecto del peso promedio del lote en el precio.

Relacin entre Precio y Peso Vivo

Peso Vivo (kg)

Pre

cio

(U$

S/k

g)


46ble aquí discriminar los posibles efectosde un año particular (sequías, etc.) entrelas distintas zonas del país.

Razas y Cruzas: En lo que respecta a laraza predominante en el lote, los coeficien-tes correspondientes a las razas británicas(Raza3), cebuinas (Raza6) y sin raza predo-minante (Raza7) no mostraron diferenciassignificativas con respecto a la raza Hereford,que actuó como base.Mientras tanto, a igual-dad de otras condiciones, los lotes dondepredominaban las razas continentales(Raza4) y las lecheras (Raza6) recibieron undescuento frente a los Hereford, de 3,7 y 11centavos de dólar por kilo, respectivamente.Ambos parámetros estimados fueron negati-vos y distintos de cero al 1% (-0,037133 y -0,111905, respectivamente). Loslotes en los que la raza predominante fueAberdeen Angus (Raza2) recibieron un pre-mio de 1,5 centavos de dólar por kilo, ya queel coeficiente respectivo resultó positivo ysignificativamente distinto de cero (0,015283).

En el caso de las cruzas, no se observa-ron diferencias significativas en los preciosobtenidos por lotes de una sola raza, frente alotes que, además de la raza predominante,tenían animales Aberdeen Angus (Cr_AA) ode otras razas británicas (Cr_Bri) o cruzascon estas razas, para ninguno de los nivelesde significación considerados. En cambio,cuando la raza predominante no era Herefordse registró un descuento hacia lotes conanimales o cruzas de esta raza (Cr_Her); elcoeficiente del parámetro asociado a dichavariable resultó negativo (-0,005791) y signi-ficativo al 10%. Lotes con cruzas o animalesde razas continentales (Cr_Cont), lecheras(Cr_Lech) y cebuinas (Cr_Cebu), cuando noeran predominantes, sufrieron descuentos, aigualdad de otras condiciones. En el caso delas continentales (-0,005012) y cebuinas (-0,005177), los parámetros estimados fueronnegativos y significativamente diferentes decero al 1%, en tanto que para las razaslecheras (-0,003429), la significación esta-dística fue al 5%.

Figura 13. Efecto conjunto del peso promedio y del tamaño del lote sobre el precio.

Trayectoria del Precio segn Peso y Tamao de Lote


47

Zona de Garrapata: La discriminación delotes con respecto a su procedencia de zo-nas libres de garrapata no resultó ser unfactor de incidencia en el precio. El coefi-ciente de la variable Zgar no resultó significa-tivo para ninguno de los niveles de a . De darleimportancia a este tema, es probable que loscompradores atiendan más al hecho que elpredio esté libre, independiente de si estálocalizado en una zona libre o no.

Uniformidad del Lote: Los potencialescompradores dan mucha importancia a launiformidad del lote, en términos de aspec-tos como el tamaño y la conformación, no asíen la edad de los animales (por sí misma).En tanto que el coeficiente asociado a lavariable Edad_Unif no resultó significativopara ninguno de los niveles de a considera-dos, el de la variable Unif (0,011384) sí lo fueal 1%. Los lotes parejos en tamaño y tipo deanimal recibieron un plus estimado en 1,1centavos por kilo respecto a los desparejos.

Clase: La variable numérica N_Clase, uti-lizada como proxy para la variable claseutilizada en los catálogos, logró capturardicho efecto en la formación del precio de loslotes vacunos en remate. El valor delparámetro correspondiente fue significativoal 1% y de signo positivo (0,006381) indican-do que, a medida que mejora la calificaciónrecibida por un lote, su precio de rematemejora. A modo de ejemplo, la bonificaciónrecibida en el precio por un lote de clase"excelente" fue de 2,6 centavos por kilo conrespecto a un lote "bueno", de 3,2 centavosrespecto a uno "bueno regular" y de 4,5centavos por kilo comparado a uno "regular",ceteris paribus. Esto se advierte a través dela Figura14.

Estado: La condición corporal, medida através de la variable (N_Est), exhibió unarelación negativa (-0,006607) con el precio deremate, siendo significativa al 1%. Sin em-bargo, como ya fue discutido, la interacciónentre peso y estado (P×E) mostró un efectopositivo en el precio. Esto indica que eldescuento recibido por un determinado lotede ganado -por tener mejor estado que otro-disminuye a medida que su peso aumenta.Esto sucede hasta llegar a un cierto peso, a

partir del cual un incremento en el estado setraduce en un premio. Esto no significa que,a igualdad de otras condiciones, el preciofinal recibido sea más alto, debido a la rela-ción negativa entre el precio y el peso. Estodependerá, en definitiva de la diferencia depesos entre ambos lotes.

El diferencial de precios relativo al estadode los animales del lote es:

pestado = - 0,006607 + 0,000025 × Peso

En este estudio, el punto de inflexiónocurrió para un peso promedio de 252,5 kilos.

Tratamiento Nutricional: La informaciónacerca del tratamiento nutricional recibidopor el ganado que sale a remate ha sido unfactor relevante para los agentes.El parámetroestimado para la variable Mejoram resultósignificativo desde el punto de vista estadís-tico (para a = 0,01) y de signo positivo(0,004845), indicando que los lotes alimenta-dos en base a mejoramientos, praderas,verdeos o raciones recibieron un premio de0,5 centavos por kilo en relación a los alimen-tados exclusivamente a campo natural,ceteris paribus.

Mío-Mío: El conocimiento del mío-mío,por parte de los animales, es visto por losagentes como una ventaja y los resultadosobtenidos en este estudio sugieren que setrata de una característica por la que estándispuestos a pagar un premio. El coeficienteasociado a la variable Mio_Mio resultó positi-vo (0,006587) y significativamente distinto decero al 1%.

Recomendado: La significación estadís-tica, al 1%, del coeficiente asociado a estavariable confirma la hipótesis que, más alláde ver el video, los potenciales compradoresasignan importancia a la opinión subjetiva delinspector. La variable Recom resume, dealguna manera, un juicio general que englobael conjunto de atributos del lote, distinguien-do a aquellos que poseen característicassobresalientes. El parámetro estimado(0,006934) indica que, a igualdad de otrascondiciones, los lotes recomendados reci-ben una bonificación sobre el precio de rema-


48

te, respecto a los lotes que no han recibidoesta calificación.

5 CONCLUSIONES EIMPLICANCIAS

5.1 Principales Conclusiones

Este trabajo de investigación involucró elanálisis, a través de un modelo de precioshedónicos, de 39 remates de vacunos porpantalla de los mercados operadores Panta-lla Uruguay y Plaza Rural, efectuados entreel 11 de junio de 2002 y el 24 de febrero de2005. Un total de 10.964 lotes (617.512 ani-males) conformaron la muestra total. Elestudio se concentró en aquellos lotes deganado cuyo precio fue concertado al kilo.Integrados por machos (excepto reproducto-res) y hembras (vacas de invernada, ternerasy vaquillonas solteras), cuyo destino pudieraser indistintamente el engorde o la reposi-ción de vientres, dichos lotes representaronun total de 8.078 observaciones (454.412cabezas vacunas) con información completapara el análisis.

Los resultados obtenidos permitieron ava-lar las hipótesis planteadas al comienzo dela investigación. La primera hipótesis confir-

mada por este estudio es que el mercado dehaciendas es un mercado diferenciado. Exis-te un diferencial de precios para el ganadocomercializado, en términos de premios ydescuentos, que depende de la calidad delganado, medida a través de una serie decaracterísticas o atributos.

Un lote de ganado puesto a la venta puedeser considerado como una colección de ca-racterísticas que lo describe completamen-te. Las diferencias en el contenido de dichascaracterísticas explican las diferencias exhi-bidas en los precios de venta, en el cortoplazo. La razón es que compradores yvendedores de ganado asignan distinto valora lotes con diferentes combinaciones decaracterísticas, de acuerdo a sus objetivosempresariales y gustos personales. La de-manda por ganado depende de las caracte-rísticas que posee y la oferta trata de operaren consecuencia. Los vendedores de gana-do tratan de conformar lotes que contengancaracterísticas deseables, de modo demaximizar sus beneficios.

En segundo lugar, se planteó que el mo-delo de precios hedónicos construido en esteestudio permitiría estimar la contribución decada una de las características del lote alprecio final de transacción del mismo en el

Figura14. Efecto de la clase del lote sobre el precio.


49

mercado. Las relaciones de corto plazo enlos precios del mercado de haciendas seestudiaron en detalle, confirmando una hipó-tesis que habilita, de aquí en más, la genera-ción de un cúmulo de información que tienemucha utilidad para los agentes que operanen dicho mercado.

En particular, la estimación del modelopermitió presentar los efectos de las caracte-rísticas de interés que, en forma de preciosimplícitos, contribuyen a la formación delprecio del ganado. Así, el valor de un lote deganado se descompuso en la sumatoria dede las contribuciones marginales (en valoresmonetarios) de cada característica. Se obtu-vo evidencia estadística suficiente como paraconfirmar que el peso promedio del ganadoguarda una relación negativa, aunque no li-neal, con el precio por kilo de la hacienda. Enotras palabras, a medida que el peso prome-dio aumenta, el precio cae en forma decre-ciente. Dicha relación se ve afectada, ade-más, por la cantidad de cabezas del lote (enforma negativa) y su estado (en forma positi-va). Cabe señalar que el hecho que el pesodel ganado sea obtenido en balanza y noestimado a ojo, significa una garantía por lacual los compradores están dispuestos apagar un premio.

Por su lado, la cantidad de animales dellote es claramente una estrategia de merca-deo, más allá que pueda estar determinado,en última instancia, por la disponibilidad deanimales para la venta y las condiciones deltransporte (tamaño de las jaulas, por ejem-plo). Los resultados encontrados sugierenque existe un tamaño óptimo de lote, pordebajo del cual incrementos en la cantidadde animales se traducen en mejores preciospor kilo; por encima del tamaño óptimo, porencima los precios tienden a ser menores.Este tamaño óptimo depende básicamentedel peso promedio de los animales, es decir,para animales jóvenes, más livianos, el tama-ño óptimo será mayor que para animales másviejos y pesados.

El sexo de los animales es otra caracte-rística de importancia en la formación de losprecios del ganado. A igualdad de otrascaracterísticas, los lotes compuestos ente-ramente por machos reciben mayores pre-

cios. La hipótesis es que las hembras, al serdemandadas también como vientres de re-emplazo, llegan con mayor edad a la faena yademás tienen un menor rendimiento carni-cero promedio.

La raza predominante y la presencia decruzas o ejemplares de otras razas en el lote,son factores a tener en cuenta. De todasmaneras, el hecho que las proporciones ra-ciales no sean parejas (predominancia casiabsoluta de Hereford y baja proporción deotras razas) invita a tomar con precaución losresultados obtenidos, sobretodo en algunosaspectos. Los resultados obtenidos sí pare-cen ser concluyentes en el sentido que loteshomogéneos, desde el punto de vista racial(de una sola raza), constituyen una caracte-rística deseable para los compradores y lacual se refleja en el precio. Esto, sobretodo,si además se traduce en una pérdida deuniformidad en tamaño y conformación.

La evidencia recogida sugiere una ciertapreferencia en el precio por el ganadoAberdeen Angus, como raza predominante,frente al Hereford; esto puede deberse, sim-plemente, al hecho que la oferta de AberdeenAngus es sensiblemente menor a la deHereford. Para aquellos que prefieren Angus,puede ser más difícil satisfacer la demandaque para quienes prefieren Hereford.

Las razas continentales y lecheras, por elcontrario, recibirían un precio menor en rela-ción al Hereford, ceteris paribus. Tanto loslotes en los que predomina el cebú como losconstituidos por dos o más razas sinpredominancia de ninguna o cruzasindiferenciadas, no mostraron diferencias fren-te al Hereford.

Por otro lado e independientemente de laraza predominante, la presencia de animaleso cruzas británicas, fundamentalmente An-gus, no tiene consecuencias negativas en elprecio. La presencia de ganado Hereford, nocomo raza predominante sino como razaaccesoria o como cruza, parece derivar en undescuento sobre el precio del lote. Como semencionó anteriormente, el hecho que lasdistintas razas o grupos de razas no seencuentren presentes en proporción másequilibrada, hace que no puedan establecer-se conclusiones definitivas sobre caracterís-ticas asociadas a la raza.


50

La procedencia de los animales, factorasociado a las condiciones geográficas decrianza (sobre todo pasturas, tipos de sue-los y sistemas de producción) es una variablerelevante al momento de la venta. La clasifi-cación en base al departamento puede ser unpoco arbitraria y no discriminar adecuada-mente esta característica, en la forma másdeseable. Por otro lado, de haber estadodisponible, de igual forma, el departamentode destino, hubiera sido posible incorporar elefecto "distancia" y analizar su incidencia enla demanda de ganado. No obstante loantedicho, la variable departamento capturóel efecto región en forma aceptable, indican-do la existencia de diferenciales de preciocomo consecuencia del mismo.

Como complemento de lo anterior, losresultados del estudio no permiten afirmarque la procedencia de zonas de garrapatasea motivo de penalización en el precio de unlote. La pregunta que queda planteada enconsecuencia es si, dentro de las zonas degarrapata, el hecho que el ganado provengade un establecimiento libre puede constituiruna ventaja comercial frente a otro donde lapresencia de este ácaro sea crónica. Encontrapartida, el conocimiento del mío-míopor parte de los animales, por el hecho deprovenir de ambientes en donde esta malezatóxica está presente, sí es un atributo valo-rado por el mercado.

La clase y el estado de los animales, sontambién dos características que inciden en laformación de precios de corto plazo. Ambascaracterísticas, calificadas en forma cualita-tiva en los catálogos, fueron transformadasen variables cuantitativas que lograron captu-rar dichos atributos en forma satisfactoria.De acuerdo a los resultados obtenidos, amedida que mejora la clase de un lote deanimales, su precio mejora. En el caso delestado, la relación con el precio es negativaaunque más compleja, debido a la interacciónexistente con el peso de los animales. Aigual peso promedio entre dos lotes, el quepresenta mejor estado recibe un mejor pre-cio.

Adicionalmente, puede afirmarse que lacostumbre -convertida poco a poco en unapráctica estándar- de recomendar en forma

explícita a los lotes que manifiestanglobalmente una proporción sobresaliente deatributos deseables, ha sido apreciada porlos compradores. Estos han mostrado unadisposición a pagar un mayor precio por loslotes que han sido distinguidos de esta ma-nera.

El tratamiento nutricional de los animalesprevio al remate también puede ser conside-rado como una estrategia de marketing, quedepende de las condiciones de producción.La evidencia recogida revela que el ganadoque recibe algún tipo de alimentaciónmejorada tiende a recibir mejores preciosque los alimentados exclusivamente sobre labase de pasturas naturales.

Una tercera hipótesis investigada fue que,en el corto plazo, existen otros factores queinciden en la formación de los precios delganado, más allá de los atributos inherentesal lote. En lo que es particular al ganadocomercializado a través de remates, el ordende entrada a pista (virtual, en los remates porpantalla) es un factor importante. Los efec-tos de la llamada "auto-discriminación de loscompradores", causada por los distintos gra-dos de aversión al riesgo y responsable de ladeclinación de los precios de venta en eltranscurso de los remates, es bien conocido.Los organizadores de los remates tratan demaximizar este efecto a través de un ordena-miento predeterminado de los lotes, en basea criterios de calidad y logística, como formade mejorar los resultados de la subasta.

Los efectos de otros factores relativos alas condiciones de remate no pudieron serdiscriminados en este trabajo. Las posiblesdiferencias entre mercados (Plaza Rural yPantalla Uruguay) no fueron analizadas, enrazón que los períodos de tiempo abarcadospor los remates de cada operador no fueroncoincidentes. Por otro lado, la baja propor-ción de lotes vendidos a plazo (inferior al 9%del total) pudo ser responsable por la insufi-ciente evidencia estadística recogida paraesta característica, como para concluir quelos compradores debieran pagar un premiopor esta causa.

En lo que respecta a las condicionesgenerales del mercado al momento de la


51

venta, factores como las condiciones gene-rales de la economía, el efecto y las expec-tativas de precio, juegan también un papel derelevancia. Se hizo el esfuerzo de capturardichos efectos, complejos de por sí, aunquedebe quedar claro que las variables escogi-das pueden no ser las que mejor los reflejen.

El tipo de cambio, por ejemplo, fue inclui-do para capturar, en cierta medida, las con-diciones macroeconómicas imperantes. Lasignificación mostrada sobre los precios nodebe interpretarse necesariamente como unarelación directa y permanente. Si bien elprecio del dólar puede afectar las posibilida-des de exportación de la industria frigorífica,no necesariamente tiene por qué tener unefecto directo y permanente sobre los pre-cios. Este estudio, de carácter eminente-mente microeconómico, no permite estable-cer conclusiones sobre aspectos que estánmás relacionados a condicionesmacroeconómicas. El objetivo de incluir estetipo de variables en el estudio respondesimplemente a la necesidad de controlar, enlo posible, dichos efectos.

Por otra parte, no debe olvidarse que lasituación económica general del país y delmercado de la carne, en particular, fue muydistinta al inicio, en comparación con el restodel período analizado (devaluación, recupe-ración de mercados). En el mismo sentidodiscutido anteriormente se identificó cadaremate. El objetivo fue aislar las diferenciasen el marco general de la economía y delmercado cárnico, que llevaron a que losprecios promedio de comercialización de lashaciendas fueran incrementándose paulati-namente entre el primer remate y el último.

Independientemente de la tendencia re-gistrada en el nivel general de los precios,debe destacarse la existencia de un efectoestacional asociado al ciclo anual de creci-miento de pasturas y que afecta la capacidadque tienen los predios de mantener determi-nado nivel de carga animal. En los momen-tos del año en que hay baja disponibilidad depasturas y por tanto baja capacidad de rete-ner el ganado en el campo, la oferta deganado aumenta originando una caída en elnivel general de los precios. En veranos muysecos, por ejemplo, este efecto tiende a

acentuarse. Por el contrario, en los mesesde mayor crecimiento y disponibilidad deforraje, los productores que poseen el gana-do tienen menor necesidad de vender, entanto que los que no lo tienen registran unamayor demanda, lo cual deriva en un aumen-to en los precios.

Este comportamiento estacional de losprecios fue plenamente confirmado por laevidencia recogida. No obstante, en próxi-mos estudios se intentará incluir directamen-te variables que reflejen las condiciones detemperatura y humedad.

Por último, al no ser posible utilizar unamedida directa de la expectativa de precios,se procuró capturar dicho efecto en formaindirecta a través de los precios semanalespara el mercado de reposición, informadospor la ACG. Sin abrir juicios de ningún tiposobre la forma en que estos valores de refe-rencia son construidos, es evidente que cons-tituyen al menos una referencia útil acerca delas condiciones imperantes en el mercado.

5.2 Fortalezas y Debilidades delEstudio e Implicancias para elFuturo

Una hipótesis establecida al inicio deeste estudio era que los mercados de hacien-das por pantalla, de gran expansión en elpaís en los últimos años, constituyen elámbito ideal para una investigación de estaenvergadura. Un supuesto básico confirma-do por este trabajo fue que la informaciónregistrada en los catálogos contiene unadescripción bastante detallada de las carac-terísticas que afectan en mayor medida losprecios del ganado.

El registro de características lote a lotepermite trabajar con un gran volumen dedatos y con el mayor nivel de desagregaciónposible en los micro datos. Esta es una delas mayores fortalezas de este tipo de análi-sis, siendo la primera vez que se encara untrabajo de estas características, al menos enel mercado de haciendas.

Cabe resaltar, que muchas de éstas ca-racterísticas no se registran en una formaestandarizada, en tanto que para otras, es


52

muy difícil hacerlo en forma cuantitativa. Estoobligó, en algunos casos, a recodificar variasde estas variables, en un formato numéricoque pudiera ser utilizado en el modelo cons-truido a tal fin (el caso de las variables paraclase y estado); en otros casos, debieroncrearse variables específicas para capturarcaracterísticas que en los catálogos apare-cen en forma no muy estructurada (como serlas variables que capturan atributos como laraza o la uniformidad de lote basada encriterios de edad, tamaño o conformación).Todo esto conlleva riesgos de cometer erro-res de codificación que pueden atentar con-tra la capacidad explicativa del modelo.

En este estudio, los efectos de las varia-bles climáticas fueron consideradas en tér-minos de promedios a través de variablesestacionales. La idea, en algunos trabajos defuturo es incluir variabales como: precipita-ciones, humedad del suelo o índice verde delas pasturas, en forma explícita.

Adicionalmente, algunas característicasconsideradas a priori de importancia, ni si-quiera pudieron ser incluidas en una formaaceptable, debiendo por tanto ser excluidas.Tal es el caso de la presencia o ausencia decuernos o del historial sanitario del lote pre-vio a la venta. Sobretodo en el caso de lasastas, se trata de una debilidad del modeloque fue imposible subsanar a partir de lainformación disponible.

De todas maneras, el formato decomercialización por pantalla tiene comopilar fundamental la confianza en el sistemade inspección previa de las haciendas y lagarantía que las características de interéshan sido medidas en la forma más objetiva eimparcial posible. Esto atenúa en gran me-dida las falencias que pueda presentar.

Es importante recalcar una vez más quelos modelos de precios hedónicos no permi-ten, por sí mismos, identificar la estructurade las curvas de oferta y demanda, a partir delas cuales se puede estimar de manera ópti-ma los precios y las cantidades de equilibrio.No se puede, por lo tanto, anticipar movi-mientos en la oferta y la demanda ni identifi-car tendencias de mercado. No hay informa-ción suficiente que revele los fundamentosdel mercado de características.

Los precios hedónicos se definen comolos precios implícitos de los atributos, queson revelados a los agentes económicosinvolucrados a través de los precios observa-dos para estos productos diferenciados y delas cantidades específicas de las caracterís-ticas asociadas a los mismos. La utilidad deeste tipo de análisis es brindar informaciónútil para estos agentes que operan en elmercado, acerca de los efectos que tienenlas características de interés en la formacióndel precio de venta final.

Por último, es importante hacer menciónque este trabajo de investigación, cuyosresultados han sido presentados y discuti-dos exhaustivamente en esta publicación,constituye nada más que el primer mojón deuna amplia línea de investigación que se abreen la materia. Varios estudios complemen-tarios ya están siendo encarados por losautores.

En ese sentido, se extenderá el análisishedónico a las categorías de vientres, lasque exhiben características distintivas quejustifican su consideración como un merca-do específico. Puede resultar útil discriminartambién las especificidades del mercado deterneros o el mercado de novillos, exclusiva-mente.

Paralelamente, el modelo hedónico estásiendo adaptado para el estudio de los mer-cados de reproductores. En particular, unacorrecta cuantificación del valor que otorga elmercado a las características - tantofenotípicas como genotípicas - de los toros,constituye un paso previo a la construcciónde índices de selección que incorporen ca-racterísticas de alto impacto económico.

Por último, uno de los objetivos de trabajoplanteados para el futuro inmediato es incor-porar la información de nuevos remates, nosolamente de los dos mercados principa-les al momento de ser realizado este estu-dio (Pantalla Uruguay y Plaza Rural), sinode otros mercados que operan actualmen-te (Lote 21, Pantalla del Norte, PantallaLavalleja, etc.). Con nueva informacióndisponible, se procederá a repetir los aná-lisis, como forma de evaluar la confiabili-dad de los resultados obtenidos hasta aho-


53

ra y verificar la robustez de las técnicaseconométricas empleadas.

Pero más allá de cualquier otra consi-deración, la razón fundamental que justifi-ca la continuación de estos trabajos, es lautilidad que tiene la cabal comprensión y elcontinuo monitoreo del funcionamiento delos mercados de haciendas y de los meca-nismos de formación de precios de cortoplazo, para los productores ganaderos, enprimer lugar, así como para técnicos, ana-listas y operadores del mercado de hacien-das. La fluidez en la información ayuda ahacer los mercados más trasparentes ycomo consecuencia de ello, más eficien-tes. Sin embargo, es vital que dicha infor-mación sea confiable. La información,cuando esta sustentada por la evidencia,ayuda a tomar mejores decisiones produc-tivas y económicas.

BIBLIOGRAFÍA

AKERLOF, G.A. (1970) "The Market for 'Lemons':Quality Uncertainty and the MarketMechanism." Quart. J. Econ. 84(3): 488-500.

AMEMIYA, T. (1994) Introduction to Statisticsand Econometrics. Cambridge, MA: HarvardUniversity Press.

AVENT, R.K., WARD, C.E. y LALMAN, D.L. (2003)"Market Valuation of Preconditioning FeederCalves." Paper submitted to Journal ofAgricultural and Applied Economics.

BAILEY, D.V., BRORSEN B.W. y FAWSON, C.(1993) "A Comparison of Video CattleAuction and regional Market Prices." Rev.of Agr. Econ. 15(1): 103-119.

BAILEY, D.V. y PETERSON, M.C. (1991) "AComparison of Pricing Structures at Videoand Traditional Cattle Auction." West. J.Agr. Econ. 16(2): 392-403.

BAILEY, D.V., PETERSON, M.C. y BRORSEN B.W.(1991) "A Comparison of Video CattleAuction and regional Market Prices." Amer.J. Agr. Econ. 73(2): 465-475.

BARTIK, T.J. (1987) "The Estimation of DemandParameters in Hedonic Prices Models." J.of Political Econ. 95(1): 81-88.

BARZEL, Y. (1982) "Measurement Cost and theOrganization of Markets." J. Law Econ. 25(1):27-48.

BEDAT, A. y OIS, C. (2005) "Funcionamiento yMecanismos de Formación de Precios enlos Remates Ganaderos por Pantalla en elUruguay." Universidad de la República,Facultad de Ciencias Económicas y deAdministración. Trabajo de InvestigaciónMonográfico. Montevideo, Uruguay: 112 pp.

BENSON, G., MILLER, D. y LICHTENWALNER, R.(2003) "Beef Cattle Marketing in NorthCarolina." North Carolina State University.Department of Agriculture and ResourceEconomics. ARE Nº 32.

BHATTARAI, G.R., PANDIT, R. y HITE, D. (2004)"Willingness to Pay for Public Goods: AHedonic Demand Model for NeighborhoodSafety, School and Environmental Quality."Selected Paper. Presented at the SouthernAgricultural Economics Association (SAEA)Annual Meetings. Tulsa, OK.

BOWMAN, K.R. y ETHRIDGE D.E. (1992)"Characteristic Supplies and Demands ina Hedonic Framework: U.S. Market forCotton Fiber Attributes." Amer. J. Agr. Econ.74(4): 991-1002.

BRANNMAN, L., BUONGIORNO, J. y FIGHT, R.(1981) "Quality Adjusted Price Indices forDouglas-Fir Timber." West. J. Agr. Econ.6(2): 259-272.

BROWN, J.N. y ROSEN, H.S. (1974) "On theEstimation of Structural Hedonic PriceModels." Econometrica. 50(3): 765-768.

BUCCOLA, S.T. (1980) "AN APPROACH TO THEANALYsis of Feeder Cattle PriceDifferentials." Amer. J. Agr. Econ. 62(3): 574-580.

BUCCOLA, S.T. (1982) "Price Trends at LivestockAuctions." Amer. J. Agr. Econ. 64(1): 63-69.

BUCCOLA, S.T. (1985) "Pricing Efficiency inCentralized and Noncentralized Markets."Amer. J. Agr. Econ. 67(3): 583-590.

BUCCOLA, S.T., BENTLEY, E. y JESSEE, W.B.(1980) "The Role of Market Price-WeightRelationships in Optimal Beef CattleBackgrounding Programs." So. J. Agr. Econ.12(1): 65-72.

BUCCOLA, S.T. y JESSEE, D.L. (1979) "A U. S.Regional Model of Feeder Steer-Heifer PriceDifferentials." So. J. Agr. Econ. 11(1): 61-65.

CARLTON, D.W. Y PERLOFF, J.M. (1994). ModernIndustrial Organization. 2nd Edition. NewYork: HarperCollins College Publishers.


54

CHOW, G.C. (1960) "Tests of Equality between Sets of Coefficients in Two Linear Regressions."Econometrica. 28(3): 211-222.

CHVOSTA, J., RUCKER, R.R. y WATTS, M.J. (2001) "Transaction Costs and Cattle Marketing: TheInformation Content of Seller Provided Presale Data at Bull Auctions." Amer. J. Agr. Econ.83(2): 286-301.

COMBRIS, P., LECOCQ, S. y VISSER, M. (1997) "Estimation of a Hedonic Price Equation forBordeaux Wine: Does Quality Matter?" The Econ. Journal 107(441): 390-402.

DAVIDSON, R. y MACKINNON, J. (1993) Estimation and Inference in Econometrics. New York:Oxford University Press.

DHUYVETTER, K.C. (2004) "Preconditioning Beef Calves: Are Expected Premiums Sufficient toJustify the Practice?" Selected Paper. Presented at the Western Agricultural EconomicsAssociation (WAEA) Annual Meetings. Honolulu, HA.

DHUYVETTER, K.C. y SCHROEDER, T.C. (1999) "Determinants of Feeder Cattle Price-WeightSlides." Selected Paper. Presented at the Western Agricultural Economics Association(WAEA) Annual Meetings. Fargo, ND.

DHUYVETTER, K.C., SCHROEDER, T.C., SIMMS, D.D., BOLZE, R.P. y GESKE, J. (1996) "Determinants ofPurebred Beef Bulls Price Differentials." J. of Agr. and Res. Econ. 21(2): 396-410.

EPPLE, D. (1987) "Hedonic Prices in Implicit Markets: Estimating Demand and Supply Functionsfor Differentiated Products." J. of Political Econ. 95(1): 59-80.

ETHRIDGE, D.E. (1978) "A Computerized Remote-Access Commodity Market: Telcot." So. J. Agr.Econ. 10(2): 177-182.

FAMINOW, M.D. y GUM, R.L. (1986) "Feeder Cattle Differentials in Arizona Auction Markets." West. J. Agr.Econ. 11(2): 156-163.

FETTIG, L.P. (1963) "Adjusting Farm Tractor Prices for Quality Changes, 1959-1962." J. of FarmEcon. 45(2): 599-611.

FRENCH, K. y MCCORMICK (1984) "Sealed Bids, Sunk Costs, and the Process of Competition." J.Bus. 57(4): 417-441.

GREENE, W.H. (1997) Econometric Analysis. 3rd Edition. London: Prentice Hall.

HALL, B.H. y CUMMINS, C. (2005) Time Series Processor. Palo Alto, CA: TSP Reference Manual. TSPInternational, Version 5.0.

HARDIE, I. y NICKERSON, C. (2001) "The Effect of a Forest Conservation Regulation on theValue of Subdivisions in Maryland Space." The University of Maryland. Department ofAgricultural and Resource Economics. Working Paper 03-01.

HENDERSON, D.R. (1984) "Electronic marketing in Principle and Practice." Amer. J. Agr. Econ. 66(5):848-853.

HERRIGES, J.A. SECCHI, S. y BABCOCK, B.A. (2003) "Living with Hogs in Iowa: The Impact ofLivestock Facilities on Rural Residential Property Values." University of Iowa Center forAgricultural and Rural Development. Working Paper 03-WP 342.

HOGG, R.J y TANIS, E.A. (2001) Probability and Statistical Inference. 6th Edition. Upper SaddleRiver, NJ: Prentice Hall.

HOUTHAKKER, H.S. (1952) "Compensated Changes in Quantities and Qualities Consumed." Rev.Econ. Studies 19(3): 155-164.

JOHNSTON, J. y DINARDO, J. (1997) Econometric Methods. 4th Edition. New York: McGraw-Hill.

JONES, R., J., SCHROEDER, T., MINTERT, J. y BRAZLE, F. (1992) "The Impacts of Quality on CashFed Cattle Prices." So. J. Agr. Econ. 24(2): 149-162.

KENNEDY, P. (1998) A Guide to Econometrics. 4th Edition. Cambridge, MA: The MIT Press.


55

KERR, W.A. (1984) "Selective Breeding, Heritable Characteristics and Genetic-basedtechnological Change in the Canadian Beef Cattle Industry." West. J. Agr. Econ. 9(1):14-28.

KING, S.A. y SCHREINER, D.F. (2004) "Hedonic Estimation of Southeastern Oklahoma ForestlandPrices." Selected Paper. Presented at the Southern Agricultural Economics Association(SAEA) Annual Meetings. Tulsa, OK.

KLEIN, B. y LEFFLER, K.B. (1981) "The Role of Market Forces in Assuring Contractual Performance."J. of Political Econ. 89(4): 615-641.

KOLSTAD, C.D. y TURNOVSKY, M.H.L. (1998) "Cost Functions and Nonlinear Prices: Estimatinga Technology with Quality-Differentiated Products." The Rev. of Econ. and Stat. 80(3): 444-453.

KRISTOFERSSON, D. y RICKERTSEN, K. (2003) "Efficient Estimation of Hedonic Inverse InputDemand Systems." Selected Paper. Presented at the American Agricultural EconomicsAssociation (AAEA) Annual Meetings. Montreal, Canada.

LADD, G.W. y MARTIN, M.B. (1976) "Prices and Demands for Input Characteristics." Amer. J. Agr.Econ. 58(1): 21-30.

LADD, G.W. y SUVANNUNT, V. (1976) "A Model of Consumer Goods Characteristics." Amer. J. Agr.Econ. 58(3): 504-510.

LANCASTER, K.J. (1966) "A New Approach to Consumer Theory." J. of Political. Econ. 74(2): 132-157.

LANG, M.G. y ROSA, F. (1981) "Price Variation in Direct and Terminal Markets for Cattle and Hogs:An Illinois Case." Amer. J. Agr. Econ. 63(4): 704-707.

LANGEMEIER, M., SCHROEDER, T. y MINTERT, J. (1992) "Determinants of Cattle FinishingProfitability." So. J. Agr. Econ. 24(2): 41-47.

LAWRENCE, J.D., WANG, Z. y LOY, D. (1999) "Elements of Cattle Feeding Profitability in MidwestFeedlots." J. Agr. and Applied Econ. 31(2): 349-357.

LEFFLER, K.B. y RUCKER, R.R. (1991) "Transaction Costs and the Efficient Organization ofProduction: A Study of Timber Harvesting Contracts." J. of Political Econ. 99(5): 1061-1087.

LORENTE, J.P., ORTIZ, H. y VÁZQUEZ, S. (2002) "Canales de Comercialización en Ganadería."Universidad de la República, Facultad de Agronomía. Tesis de Grado. Montevideo, Uruguay:95 pp.

MARSH, J.M. (1983) "A Rational Distributed Lag Model of Quarterly Live Cattle Prices." Amer. J. Agr.Econ. 65(3): 539-547.

MARSH, J.M. (1985) "Monthly Price Premiums and Discounts between Steer Calves and Yearlings."Amer. J. Agr. Econ. 67(2): 307-314.

McPHERSON, W.K. (1956) "How Well Do Auctions Discover the Price of Cattle." J. Farm Econ. 38(1):30-43.

MELO O., BUZETA, J.E. y MARSHALL, M.B. (2004) "Determinantes del Precio del Vino en el MercadoChileno: Un Estudio de Precios Hedónicos." Trabajo Seleccionado. Presentado en el 1erCongreso Regional de Economistas Agrarios. Mar del Plata, Argentina.

McLAREN, R.S., HENNING, L.A. y VENDEVEER, L.R. (2004) "Marginal Effects of Land Characteristicsand Purchase Factors on Rural Land Values." Selected Paper. Presented at the SouthernAgricultural Economics Association (SAEA) Annual Meetings. Tulsa; OK.

MENZIE, E.L., GUM, R.L. y CABLE, C.C. (1972) "Major Determinants of Feeder Cattle Prices at ArizonaLivestock Auctions."

MILGROM, P.R. y WEBER, R.J. (1982) "A Theory of Auctions and Competitive Bidding." Econometrica.50(5): 1089-1122.

MINTERT, J., BLAIR, J., SCHROEDER, T. y BRAZLE, F. (1990) "Analysis of factors Affecting CowAuction Price Differentials." So. J. Agr. Econ. 22(2): 23-30.

MOOD, A.M., GRAYBILL, F.A. y BOES, D.C. (1974) Introduction t the Theory of Statistics. 3rd Edition.New York: McGraw-Hill.


56

MUNROE, D.K., PARKER, D.C. y CAMPBELL, H.S. (2004) "The Varied Impact on Residential Propertyvalues in a Metropolitan, Micropolitan, and Rural Areas: The Case of the Catawba RegionalTrail." Selected Paper. Presented at the American Agricultural Economics Association (AAEA)Annual Meetings. Denver, CO.

PARCELL, J.L., SCHROEDER, T.C y HINER, F.D. (1995) "Determinants of Cow-Calf Pair Prices." J.of Agr. and Rec. Econ. 20(2): 328-340.

PAUL, A.B. (1979) "Some Basic Problems of Research into Competition in Agricultural Markets."Amer. J. Agr. Econ. 61(1): 170-177.

PURCELL, W.D. (1984) "Implications of Electronic Marketing for Agriculture: Discussion." Amer. J.Agr. Econ. 66(5): 866-867.

RAMSEY, J.B. (1969) "Tests for Specification Error in Classical Linear Least Squares Analysis."J. of the Royal Stat. Soc. Series B. 31(2): 350-371.

RAMSEY, J.B. y SCHMIDT, P. (1976) "Some Further Results on the Use of OLS and BLUS Residualsin Specification Error Tests." J. American Stat. Assoc. 71(354): 389-390.

RHODUS, W.T., BALDWIN, E.D. y HENDERSON D.R. (1989) "Pricing Accuracy and Efficiency in a PilotElectronic Hog Market." Amer. J. Agr. Econ. 81(4): 874-882.

ROSEN, S. (1977) "Hedonic Prices and Implicit Markets: Product Differentiation in Pure Competition."J. of Political Econ. 82(1): 34-55.

RUSSELL, J.R. (1984) "Implications of Electronic Marketing for Agriculture: Discussion." Amer. J.Agr. Econ. 66(5): 864-865.

RUSSELL, J.R. y PURCELL, W.D. (1980) "Implementation of Electronic Marketing of Slaughter Cattlein Virginia: Requirements and Procedures." So. J. Agr. Econ. 12(1): 77-84.

RUST, C.H. y BAILEY, D.V. (sin fecha) "Beef Marketing Technology (Electronic)." Beef CattleHandbook. Product of the Extension Beef Cattle Resource Committee. BCH-8640. URL: http://www.iowabeefcenter.org/pdfs/bch/08460.pdf.

SCHROEDER, T., MINTERT, J., BRAZLE, F. y GRUNEWALD, O. (1988) "Factors Affecting Feeder CattlePrice Differentials." West. J. Agr. Econ. 13(1): 71-81.

SCHULTZ, R.W. y MARSH, J.M. (1985) "Steer and Heifer Price Differences in the Live Cattle andCarcass Markets." West. J. Agr. Econ. 10(1): 77-92.

SCHRADER, L.F. (1984) "Implications of Electronic Trading for Agricultural Prices." Amer. J. Agr.Econ. 66(5): 854-858.

SMITH, V.L. (1964) "Effect of Market Organization on Competitive Equilibrium." Quart. J. Econ. 78(2):181-201.

SMITH, V.L. (1965) "Experimental Auction Markets and the Walrasian Hypothesis." J. of PoliticalEcon. 73(4): 387-393.

SOSNICK, S.H. (1963) "Bidding Strategy at Ordinary Auctions." J. of Farm Econ. 45(1): 163-182.

SPORLEDER, T.L. (1984) "Implication of Economic Trading for the Structure of AgriculturalMarkets." Amer. J. Agr. Econ. 66(5): 859-863.

SPORLEDER, T.L. Y MAHONEY, K.A. (1982) "Allocative Efficiency in Electronic Marketing forFeeder Cattle." Selected Paper. Presented at the American Agricultural EconomicsAssociation (AAEA) Annual Meetings. Logan, UT .

STIGLER, G.J. (1961) "The Role of Market Forces in Assuring Contractual Performance." J. ofPolitical Econ. 69(3): 213-225.

SULLIVAN, G.M. y LINTON, D.A. (1981) "Economic Evaluation of an Alternative MarketingSystem of Feeder Cattle in Alabama". So. J. Agr. Econ. 13(2): 85-89.


57

TAYLOR, M.K, DHUYVETTER, K.C., KASTENS, T.L., DOUTHIT, M., y MARSH, T.L. (2004) "PriceDeterminants of Show Quality Quarter Horses." Selected Paper. Presented at the WesternAgricultural Economics Association (WAEA) Annual Meetings. Honolulu, HA.

TOMEK, W.G. (1980) "Price Behavior on a Declining Terminal Market." Amer. J. Agr. Econ. 62(3):434-444.

TURNER, S.C., MCKISSICK, J. y DYKES, N.S. (1993) "Reputation Selling in Feeder Cattle Teleauctions."Review of Agricultural Economics 15(1): 9-19.

WARD, C.E. (1992) "Inter-Firm Differences in Fed Cattle Prices in the Southern Planes." Amer. J.Agr. Econ. 74(2): 480-485.

WARD, C.E. (1984) "An Empirical Study of Competition in the Price Discovery Process for SlaughterLambs." West. J. Agr. Econ. 9(1): 135-144.

WARD, C.E. (1982) "Relationship Between Fed Cattle Market Shares and Prices Paid by BeefPackers in Localized Markets." West. J. Agr. Econ. 7(1): 79-86.

WARD, C.E. (1981) "Short-Period Pricing Models for Fed Cattle and Impacts of Wholesale CarcassBeef and Live Cattle Futures Market Prices." So. J. Agr. Econ. 13(1): 125-132.

WAUGH, F.V. (1928) "Quality Factors Influencing Vegetable Prices." J. of Farm Econ. 10(2): 185-196.

WHITE, H. (1980) "A heteroscedasticity-Consistent Covariance Matrix Estimator and a Direct Testfor Heteroskedasticity." Econometrica. 48(4): 817-838.

WILSON, W.W. (1984) "Hedonic Prices in the Malting Barley Markets." West. J. Agr. Econ. 9(1): 29-40.

WOLINSKY, A. (1983) "Prices as Signals of Product Quality." Rev. Econ. Studies 50(4): 647-658.

WORKING, W.K. (1956) "New Ideas and Methods for Price Research." J. Farm Econ. 38(5): 1427-1436.


58

Impreso en Editorial Hemisferio Sur S.R.L.Buenos Aires 335Montevideo - Uruguay

Edición Amparada al Decreto 218/98Depósito Legal /336-889/06

VARIABILIDAD DE CORTO PLAZO EN LA FORMACIÓN DE … · INIA FORMACIN DE PRECIOS EN EL MERCADO...

Documents

Transcript of VARIABILIDAD DE CORTO PLAZO EN LA FORMACIÓN DE … · INIA FORMACIN DE PRECIOS EN EL MERCADO...