La producción agropecuaria de Antioquia

A partir del CNA de 2014, el ^{DANE (2016b)} elaboró 12 anexos municipales que sintetizan mucha información proveniente de los micro-datos. El anexo 10 trae consigo los registros de la producción agropecuaria por municipio, la cual se descompone en cultivos agroindustriales, plátano y tubérculos, flores, hortalizas y verduras, cereales, frutales, aves de engorde, cerdo de ceba, y producción de leche. La descripción de la información se hará basado en esta clasificación, al margen de consideraciones que puedan cuestionar, si un determinado cultivo encuadra dentro de estas categorías.

La tabla 1 resume las áreas cosechadas y los totales de producción previamente especificados para cada una de las clasificaciones hechas por el (^{DANE, 2016b}). En agricultura, Antioquia registró 518 000 ha cosechadas para el momento del CNA, asociada a una producción en toneladas de 3 423 249. Los cultivos agroindustriales con 221 888 ha registraron la mayor participación con el 42.8%, seguido del cultivo del plátano y tubérculos con un área de 144 888 ha y participación de 28%. Con participaciones más bajas aparecen los frutales con un área de 87 822 ha y un peso en el área total de 17%, le sigue cereales con 61 431 ha y 1.9% de superficie, para finalmente cerrar con un peso muy bajo de las flores, hortalizas, verduras y legumbres con 0.4% de superficie cosechada.

Se toma como referencia las unidades productoras agropecuarias, UPAS, donde Antioquia registró 100 568 unidades, de las cuales 48 796 registraron presencia de ganado bovino, 15 291 ganado porcino y 36 481 aves. De esta desagregación 48.5% corresponde a ganado bovino, 15.2% a cerdo y 36.3% a aves. A partir de estas generalidades y de acuerdo con las especificidades anteriormente descritas, se pasa a describir los datos y la técnica de componentes principales.

Fuente de datos

Los datos utilizados en esta sección provienen de los anexos estadísticos del Tercer Censo Nacional Agropecuario. En este caso, la unidad de observación son los municipios de Antioquia y las variables de estudio tomadas de los anexos son: hectáreas dedicadas a la agricultura, producción agrícola, producción agroindustrial, producción de leche, producción de cerdo cebado y el inventario total de aves de engorde.

Basado en los mismos anexos se construyó un indicador de alfabetización, medido como la proporción entre productores alfabetos y el total de productores agrícolas, un indicador de déficit de vivienda, calculado como el número de hogares por vivienda en el área rural dispersa y, finalmente, un indicador de la afiliación a salud subsidiada de los productores agrícolas, que se determinó como el cociente entre el número de productores agrícolas que cuentan con el régimen subsidiado de salud y el total de productores.

En total se contó con 125 observaciones de 9 variables, las cuales se especifican en la tabla 2 y el objetivo es aplicar la técnica de análisis de componentes principales para reducir el número de variables y obtener una clasificación de los municipios de acuerdo con la puntuación factorial observada en cada uno de los componentes que se van a extraer.

Análisis de componentes principales

Antes de llevar a cabo un análisis por componentes principales, se debe comprobar si los datos utilizados son adecuados para la técnica, lo que implica que deben satisfacer algunos supuestos². En la tabla 3, se referencia en su parte superior el índice de Kaiser-Meyer-Olkin -KMO-, que busca determinar si puede factorizarse de forma eficiente la matriz de datos originales (^{Bernal, Martínez & Sánchez, 2004}). Para tal fin, el índice se basa en el cálculo de la correlación parcial que mide la relación entre dos variables, eliminando el efecto del resto de variables.

El índice KMO compara los valores de las correlaciones entre las variables iniciales y sus correlaciones parciales. En el caso que el KMO se aproxime a uno, la técnica de componentes principales es adecuada. Por su parte la prueba de Bartlett establece la hipótesis nula donde la matriz de correlaciones no es significativamente distinta de la matriz de identidad. Para tal fin, Bartlett construyó un estadístico que tiene distribución asintótica Ji cuadrado y supone la normalidad multivariante en los datos³.

A pesar de que la prueba es muy empleada y sale por defecto en los cálculos obtenidos por los paquetes estadísticos como el SPSS, presenta un problema: ante un aumento en la muestra n, o número de observaciones, esta tiende a ser estadísticamente significativa; así que bases de datos muy grandes con pocas variables tienden a no rechazar la hipótesis nula. En este sentido, a mayor número de variables para un tamaño n de observaciones, tiende a presentarse multicolinealidad entre las variables, supuesto relevante para la aplicación del análisis de componentes principales.

Aunque el índice KMO no es muy elevado⁴, 0.67 es suficiente para que se proceda a continuar con el análisis; en particular, cuando la prueba de Bartlett da un estadístico de 363.38 que es mayor a 50.9985, valor teórico de la distribución ji cuadrada con 36 grados de libertad y significancia del 5%; por tanto, no se acepta la hipótesis nula.

El siguiente paso es el cálculo de los valores y vectores propios de la matriz de covarianzas o de correlaciones. En este caso se emplea la matriz de covarianzas.

La tabla 4 muestra en la segunda subcolumna -total- los valores propios⁵ -autovalores-. La tercera subcolumna muestra el porcentaje de la varianza total de los datos que explica cada componente en orden decreciente. La primera componente explica 31.5%, la segunda 21.9% y así sucesivamente. Posterior a la obtención de los valores propios surge la pregunta del número de componentes o factores a retener con objeto de reducir la dimensión del conjunto de datos iniciales; estos son los componentes principales.

Aunque no hay un criterio estandarizado sobre la selección o retención de factores, uno de los más utilizados es el de Kaiser, el cual establece que el punto de corte se determina por el último valor propio mayor que uno (^{De la Fuente-Fernández, 2011}). En la tabla 4 se observa que hasta el componente tercero se cumple con este criterio y en consecuencia se pueden seleccionar tres factores, donde la varianza acumulada que logran explicar para el conjunto de datos iniciales es de 67.4%.

Otro criterio empleado para la selección o extracción de los factores -componentes principales- es la utilización de un gráfico de sedimentación. La sedimentación se genera en la parte del gráfico donde la pendiente se hace más plana; de modo que, la parte más inclinada determina el número de componentes a retener. En la figura 1 no hay un cambio de pendiente notable, de manera tenue hay un cambio de inclinación en el componente tres, lo que aunado al criterio de Kaiser reafirma la extracción de tres componentes principales.

Fuente: cálculos propios a partir del software SPSS 23.

Figura 1 Gráfico de sedimentación 

En las tablas 5 y 6 se indican las correlaciones de cada una de las variables iniciales con cada uno de los componentes seleccionados. La tabla 5 muestra la primera extracción calculada, a partir de la cual se identifican las variables iniciales que son agrupadas por cada factor. Esta primera extracción suele ser problemática para interpretar cada factor, puesto que en muchos casos agrupa variables muy diferentes. Por ejemplo, el factor 1 está formado por la producción agroindustrial, la producción agrícola, la proporción de productores afiliados a salud subsidiada por municipio, el índice de productores alfabetos y las hectáreas dedicadas a la agricultura. La mezcla de variables sociales y agrícolas no favorece la interpretación acerca del fenómeno no observable que pretende medir esa variable ficticia -componente-.

Para el factor 3 es también complicada su identificación en cuanto a qué representa. A partir de la misma tabla 5 se integran la producción de cerdos, la producción agroindustrial y el número de hogares por vivienda rural. Esta última variable es la que complica la interpretación de un fenómeno capturado por el componente. Por consiguiente, se necesita realizar una rotación⁶ de la matriz de componentes, con el fin de contar con un agrupamiento de variables por factor que faciliten su respectiva interpretación.

La tabla 6 con la rotación, muestra una selección más clara de las variables pertenecientes a cada factor. Para el factor 1 se registra la producción agroindustrial, la producción agrícola y las hectáreas destinadas a la agricultura. El factor 2 se compone únicamente de variables sociales⁷ y el factor 3 se integra por la producción de leche y la producción de cerdo. Es importante señalar que en ambas tablas la producción avícola no aparece correlacionada con ningún factor y la explicación a ello se sustenta en la tabla de comunalidades.

La comunalidad mide la proporción de la varianza de cada variable que es explicada por los factores extraídos, que en este caso son tres (González et al., 1994). Como se desprende de la tabla 7 los tres factores explican 36.2% de la varianza de la producción avícola y en el total de las variables, constituye la menor varianza. Por consiguiente, es la variable que menor relación tiene con los factores⁸.

Una vez extraídos los factores, estos tienen la característica de ser incorrelacionados, así que son propicios para utilizarlos en análisis de regresión múltiple. Pero, en esta investigación no se busca la explicación de una variable, a partir de los factores o alguno de ellos. El objetivo está en obtener un índice de municipios agropecuarios de Antioquia que permita identificar aquellos de mayor y menor posición relativa. Para tal fin, de los tres factores extraídos, se construye una puntuación de cada factor para cada municipio. Estos se hallan a través de la estandarización⁹ de los valores observados de las variables iniciales, multiplicados por el coeficiente de puntuación de cada variable dentro de cada componente:

En donde f _ki representa la puntuación factorial del factor k para la observación i, a _kj es el coeficiente de puntuación para la j-ésima variable en el k-ésimo factory Z _j el valor estandarizado de la j-ésima variable.

Interpretación del segundo factor

A medida que los municipios aumentan su tamaño poblacional y emergen actividades económicas diferentes a la agropecuaria, avanzando en sus procesos de desarrollo económico, la cobertura de servicios sociales se incrementa (^{Midgley & Tang, 2001}). Por ejemplo, la cobertura en educación, salud y vivienda es relativamente mejor en los municipios de mayor desarrollo económico donde la actividad agropecuaria comparada con el resto de sus actividades económicas presenta una baja proporción.

^{Bejarano (1998)} explica que los países con mayor desarrollo económico y de su agricultura, las siguientes proporciones: proporción del PIB de la actividad agropecuaria respecto al PIB total y número de agricultores entre la población ocupada total son más reducidas. Extendiendo la argumentación para el caso de los municipios, aquellos de mayor desarrollo económico, asociados a mayor cobertura de servicios sociales, se espera una agricultura relativamente baja. Por consiguiente, a mayor posición relativa de un factor que se compone de indicadores sociales se asocia a municipios de menor capacidad de expansión de su actividad agropecuaria. En este sentido, este factor se ha denominado: insuficiencia para el desarrollo de la agricultura.

Para ampliar la justificación del nombre vinculado al factor 2 se interpreta cada una de las variables que lo componen desde su relación con la agricultura.

Proporción de productores alfabetos de Antioquia

La figura 2 muestra con coloración más oscura a los municipios donde la proporción es mayor. Esta es un cociente de los productores que se declararon ser alfabetos entre el total de los productores por municipio. Además, se observa que la ratio de alfabetización de los productores sobresale en los municipios del Área Metropolitana del Valle de Aburrá¹⁰, el Oriente Antioqueño cercano y norte de Antioquia cercano -la región lechera-.

Fuente: elaboración propia con base en los datos del CNA de 2014 en el software Stata

Figura 2 Proporción de productores alfabetos 

En la obra de ^{Zago (2016)}, se referencia literatura que muestra evidencia sobre la permanencia en la agricultura familiar de poblaciones jóvenes caracterizadas por bajos niveles de educación. Asimismo, se plantea que las mujeres jóvenes con mayores niveles de educación propenden por el abandono de las actividades agrícolas.

Existe literatura que vincula la relación entre la educación de las poblaciones agrícolas y sus repercusiones en procesos de migración y movilidad social. ^{Djurfeldt et al. (2008)} plantean que políticas sociales orientadas a proporcionar cobertura en agua, educación, etcétera, trae consigo cambios de vida que favorece la salida de poblaciones agrícolas hacia otras actividades, lo que conllevaría a una insuficiencia para el desarrollo de la agricultura.

Por su parte ^{Bravo-Ureta, Quiroga & Brea (1996)}, en su estudio sobre las decisiones de migración de las poblaciones agrícolas en el Ecuador, encontraron que la probabilidad de migrar incrementa con la educación, un resultado en consonancia con la hipótesis planteada por Schultz y Sjaastad quienes analizaron la movilidad del trabajo usando un marco de capital humano. De esta investigación se desprende que individuos más jóvenes y educados tengan mayor propensión a migrar (^{Bravo-Ureta et al., 1996}), lo que afecta el desempeño de la agricultura.

Número de hogares por vivienda rural de cada municipio

El número de hogares por vivienda rural, aunque incluye una muestra de otros municipios diferentes a los del indicador de alfabetización, repite varios municipios del Área Metropolitana del Valle de Aburrá, según la figura 3 con coloración más oscura.

El número de hogares por vivienda es un indicador para medir déficit de vivienda e indirectamente el hacinamiento. En las zonas rurales la mitigación de este déficit es relativamente más fácil con relación a las áreas urbanas siempre y cuando haya la disponibilidad de área (^{DANE, 2009}). En otras palabras, el déficit y su dificultad para reducirlo se asocia a predios rurales relativamente pequeños.

El tamaño de los predios agrícolas restringe la cantidad de tierra disponible por agricultor, lo que puede repercutir negativamente en las posibilidades de producción agropecuaria; en consecuencia, el número de hogares por vivienda rural es un indicador que, de acuerdo a su proporción, captura el potencial de la agricultura para un municipio. A mayor proporción de hogares por vivienda rural menor capacidad de agricultura.

Los campesinos con poca tierra venden su trabajo para complementar sus ingresos, los cuales los pone en una situación tendiente a migrar; de hecho, en el extremo de campesinos sin tierra, se incrementa la propensión a migrar (^{Vijay, 2018}).

En poblaciones rurales con alta densidad por superficie, los predios agrícolas suelen ser pequeños (^{Ricker-Gilbert, Jumbe & Chamberlin, 2014}), el número de hogares aumenta, lo cual implica una mayor dependencia de los hogares por ingresos no agrícolas, de ahí que municipios del Valle de Aburrá hayan destacado por el mayor número de hogares por vivienda rural.

^{Sikorska (2010)} analizó los cambios en las condiciones socio económicas que afectan el mercado de las tierras destinadas a la agricultura en Polonia, y encontró, que alrededor del 32% de las unidades agrícolas de una hectárea aportaron muy poco producto agrícola hacia el mercado y que las familias de sus propietarios derivan ocasionalmente ingresos de la agricultura y en su lugar obtienen sus ingresos de otros empleos y/o pensiones.

Proporción de productores agropecuarios afiliados a salud subsidiada por municipio

En la figura 4 con coloración más oscura se observa la geografía de los municipios con más afiliación a salud subsidiada. Se destacan municipios pobres de la región de Urabá como Necoclí, Arboletes, San Juan de Urabá y Vigía del Fuerte, etcétera. Además de subregiones como el norte lejano como Ituango, Bajo Cauca con Cáceres, Nechí, el nordeste con el Bagre, y al suroriente con Sonsón.

Según ^{Lora (2008}, p. 66), "las afiliaciones al Sistema General de Seguridad Social en Salud se utilizan como indicador de cobertura general, aunque no necesariamente reflejan el uso efectivo de los servicios de salud". La afiliación a salud -subsidiada o no- es un indicador de cobertura y no implica calidad. El subsidio a la salud va dirigido hacia las poblaciones más pobres e históricamente la pobreza es mayor en poblaciones agrícolas con relación a las urbanas. La relación inversa de la afiliación a la salud y el factor significa que un municipio con más proporción de agricultores subsidiados, menor insuficiencia para continuar con la actividad agropecuaria.

Esta relación latente capturada por el componente seleccionado, indica que hay municipios con productores relativamente pobres donde la actividad agropecuaria es la de mayor peso económico, lo que dificulta la transición de los agricultores hacia otras actividades económicas. Lo opuesto favorece la transición; es decir, municipios con menos poblaciones agrícolas de afiliación subsidiada.

Fuente: elaboración propia con base en los datos del CNA de 2014 en el software Stata.

Figura 3 Hogares por vivienda de productores agropecuarios 

Fuente: elaboración propia con base en los datos del CNA de 2014 en el software Stata.

Figura 4 Productores agropecuarios afiliados a salud subsidiada 

Puntuaciones de los factores

Factor agrícola: la ecuación [2] surge del proceso de extracción de los factores y determina la puntuación agrícola para cada municipio.

Una mirada sobre la figura 5 muestra la geografía de los municipios con mayor puntuación en el factor agrícola; podría decirse que la región de Urabá hacia el noroccidente y el Bajo Cauca antioqueño en el extremo nororiental son las áreas que concentran los mayores puntajes. La del Urabá registra la agricultura de exportación con el banano y el plátano, mientras que la del bajo Cauca se vincula a productos para el mercado fundamentalmente local, lo que implica grados de tecnificación y orientación comercial bien diferentes.

Fuente: elaboración propia con base en los datos del CNA de 2014 en el software Stata.

Figura 5 Factor agrícola 

La yuca, el plátano, el maíz y el arroz son cuatro productos agrícolas que sobresalen en la región del Bajo Cauca antioqueño. Según ^{Tribín (2016)}, el circuito de comercialización de estos productos corresponde a un 61.6% del mercado local, refiriéndose a que la venta de productos se hace dentro del mismo municipio; es decir, ni siquiera entre los municipios de esta región. La producción del plátano, por ejemplo, se comercializa en un 100% en cada uno de ellos, o sea que se consume todo lo que se produce. Además, los cuatro productos mencionados, dice Tribín, pertenecen a economías campesinas, incluso la producción tecnificada asociada al arroz.

La mayor posición relativa en el factor agrícola es para Turbo 7.03, seguido de Apartadó 4.08 y Carepa 3.38. Entre los primeros 10 municipios en puntuación¹¹, se encuentran dos que no pertenecen a la región de Urabá, que son Cáceres y El Bagre. Esto muestra la importancia de Urabá para la agricultura de Antioquia; por su parte Cáceres perteneciente a la región del Bajo Cauca y El Bagre al nordeste son municipios con más fuerza en otras actividades económicas como la minería del oro. La agricultura de estos dos últimos se basa en productos donde no se destacan ni por área cosechada, ni por producción, contrario a Turbo que sobresale en los anteriores parámetros dentro de Antioquia.

Por fuera de las diez primeras puntuaciones, se encuentra Andes con la mayor área cosechada y producción en café, ocupando posición 12 y puntaje de 1.12. Y El Carmen de Viboral representativo en producción de hortalizas, verduras y legumbres con un discreto puntaje en su factor agrícola de 0.266 ocupando el puesto 26.

De 125 municipios, 35 de ellos tienen un puntaje positivo, aunque sean comparativamente muy bajos frente al alcanzado por Turbo. Esta lista la cierra San Andrés de Cuerquia con 0.0098. A partir de ahí, 90 municipios presentan una magnitud negativa en el factor. Esto significa que el tamaño de sus actividades agrícolas es inferior al promedio de todos sus municipios, lo que claramente establece que Antioquia vista por municipios no es tan agrícola; a saber, puede producir variedad de productos, aunque a una escala muy reducida.

Factor pecuario: de nuevo la región del Urabá registra municipios con puntuación relativamente alta en el factor pecuario. Pero, a diferencia del factor agrícola, donde la región es homogénea en su importancia, tres municipios no hacen parte de los más representativos en la parte pecuaria y ellos son: Apartadó, Carepa y Chigorodó, cada uno de ellos se caracteriza por sus cultivos de banano de exportación.

La geografía del factor pecuario según la figura 6 también muestra una relativa importancia de Ituango perteneciente al norte lejano; Tarazá, Cáceres y Caucasia de la región del Bajo Cauca. No obstante, la región con las mayores puntuaciones en el factor pecuario corresponde a la región especializada en leche del norte cercano.

De la ecuación tres se determina que Santa Rosa de Osos le corresponde la mayor posición con puntaje de 7.1, luego continúa Donmatías con puntaje de 4.9 y San Pedro con 2.7. Los tres primeros hacen parte del norte de Antioquia, región con las mayores producciones de leche. Otros municipios de esta región son Entrerrios con puntaje de 2.0 en el puesto quinto y Yarumal con 1.5 y posición octava. Por su parte, Medellín con 2.2 de puntaje, es el puesto cuarto, Barbosa es la posición sexta con 1.8 y cerrando los diez primeros municipios de este factor pecuario están Santo Domingo con 1.3 y Girardota con 0.9.

Tomando en cuenta a Medellín por ser la capital de Antioquia, los diez primeros municipios son cercanos a esta ciudad, cuya población, sin duda alguna, representa una parte importante del mercado de destino de las producciones pecuarias del departamento, caracterizadas en litros de leche y cerdos de ceba. Turbo que es el mejor municipio en el factor agrícola, en este caso ocupa el puesto 15 con puntaje de 0.63, la cual es una cifra distante de Santa Rosa de Osos. Adicionalmente, en la figura 6 se representa con coloración más oscura a otros municipios de Urabá como Necoclí, Arboletes, San Pedro de Urabá y Mutatá y de igual manera se registra en la figura 6 Ituango, Tarazá, Cáceres y Caucasia como municipios del norte y Bajo Cauca entre los más pecuarios. Sin embargo, esto ocurre por el intervalo muy amplio que fue asumido por el número de clases¹².

De la posición 35 en adelante todos los puntajes son negativos, siendo el menos negativo Anorí y ocupando el último puesto Carepa. Un puntaje negativo implica que 90 municipios de Antioquia se encuentran por debajo del promedio y por tanto son precarios en lo pecuario; esto es más preocupante si se elimina una veintena de municipios con puntaje positivo pero inferiores a 0.7, lo que nos daría una muestra de 15 municipios que pueden considerarse pecuarios.

Fuente: elaboración propia con base en los datos del CNA de 2014 en el software Stata.

Figura 6 Factor pecuario 

Factor de insuficiencia de agricultura: mediante la ecuación 4 se determina la puntuación de cada municipio.

La figura 7 muestra en su coloración más oscura a los municipios de mayor insuficiencia para desarrollar la agricultura. En este índice, los puntajes positivos no son buenos para el desarrollo de la agricultura por las consideraciones esbozadas anteriormente¹³. Un puntaje positivo implica mayor condición de insuficiencia para desarrollar la agricultura en su municipio y los puntajes negativos representan lo contrario. Del Área Metropolitana, cinco de sus municipios se encuentran entre los diez primeros en insuficiencia, siendo Caldas quien ocupa el primer puesto del departamento con 3.03, el resto son Girardota 2.15, Envigado 2.13, Copacabana 2.07 y Sabaneta 1.75. Amagá ocupa el segundo lugar con 2.4 y Rionegro con 2.17 el puesto tercero. Exceptuando a San José de la Montaña y a Carepa, una característica de estos primeros municipios en insuficiencia es su relativa vecindad y la relativa alta densidad de sus poblaciones.

Fuente: elaboración propia con base en los datos del CNA de 2014 en el software Stata.

Figura 7 Factor de insuficiencia de agricultura 

Para los productores agropecuarios residentes en estos municipios del Área Metropolitana o cercana a ella, coexisten con otras actividades económicas presentes en sus territorios que facilitan el tránsito hacia otras ocupaciones contrarias a la agricultura. También el pequeño tamaño de los predios refuerza este tránsito, pues con el tiempo la productividad media del productor cae, ante un incremento del número de hogares por vivienda y esta situación, sin lugar a duda reduciría las posibilidades de desarrollar una agricultura.

A partir de la posición 54 con Fredonia, empieza el puntaje negativo, lo que da un resultado de 72 municipios que presentan un factor de poca insuficiencia para el desarrollo de la agricultura, siendo el de menor insuficiencia Murindó con puntaje de -2.84. No obstante, la menor insuficiencia no es indicador de fortalecimiento para la agricultura de los municipios de puntaje más negativo, todo esto depende de la combinación con los otros dos factores. En el caso de Carepa y Apartadó sobresalen en la puntuación del factor agrícola, pero como se observa en la figura 7, son de puntajes positivos¹⁴.

Índice de municipio agropecuario

A partir de los tres factores anteriores es posible determinar un índice de posición relativa para cada municipio sobre su actividad agropecuaria. La suma del factor agrícola f ⁱ _A , más el factor pecuario f ^¡ _P , menos el factor de insuficiencia f ^¡ _l , determinan un índice de municipio agropecuario¹⁵, IMA _i así:

La figura 8 presenta la geografía del índice y a primera vista, los municipios de coloración más oscura son los de mayor puntuación o municipios agropecuarios. La geografía del índice muestra que el norte de Antioquia, en especial los que están más distantes de Medellín son los más agropecuarios. Exceptuando el eje bananero de Urabá¹⁶ con sus productos de agro exportación, la agricultura de estos enfrenta dificultades para llegar al principal centro de consumo de Antioquia¹⁷ por aquello de los altos costos de transporte y eso debilita el establecimiento de cultivos con orientación comercial y/o productiva.

Fuente: elaboración propia con base en los datos del CNA de 2014 en el software Stata.

Figura 8 Índice de municipios agropecuarios 

Al revisar los cuatro intervalos de puntajes que aparecen en la figura 8, Santa Rosa de Osos ocupa el primer puesto en el índice de municipios agropecuarios con puntuación de 8.3 y le sigue Turbo con 7.12. A partir de este, la caída en el puntaje se hace significativa, al pasar a 3.8 para Arboletes y de ahí continuar con una caída más suave dentro del intervalo de mayor puntuación, alcanzando su último valor con Medellín de 0.81. En este primer intervalo se contiene a 33 municipios de Antioquia y la diferencia entre su mayor y menor valor muestra la heterogeneidad que hay entre los que resultaron más agropecuarios.

De hecho, un puntaje de 0.81 es bastante bajo al compararse con lo obtenido por Santa Rosa de Osos y Turbo, por ese motivo los municipios agropecuarios pueden ser menos, dependiendo de un criterio de corte discrecional. Por ejemplo, si la puntuación más baja para considerarse municipio agropecuario fuera de dos, trece clasifican, siendo Apartadó el de cierre con 2.05 de puntaje. No obstante, es indudable que los que tengan puntaje negativo no son agropecuarios y en este sentido, desde la posición 56 -incluyéndola- con Betania, empieza el puntaje menos negativo hasta llegar al más negativo con San José de la Montaña y puntaje de -3.71.

En la figura 8, la geografía del índice en sus tonos más claros muestra un patrón de concentración de varios municipios en proximidad a Medellín como Copacabana, Envigado, Caldas, Sabaneta, Rionegro, Itagüí, Amagá, Guarne, entre otros. Este patrón de concentración también es coherente con el patrón de aglomeración de los municipios con mayor posición en su factor de insuficiencia; es decir, los que no tengan condiciones para el desarrollo agrícola. Pero, aparte de categorizar entre municipios agropecuarios y no agropecuarios, es posible hacer un grado de discriminación en el IMA, que permita ampliar la interpretación del índice construido.

Al observar la tabla A1 en el anexo -puntuaciones factoriales-, es posible hacer una discriminación de tres categorías¹⁸: municipios con factor agrícola y pecuario positivos, pero factor de insuficiencia negativo; municipios con todos los factores con signo negativo y municipios con factor agrícola y pecuario negativos, pero factor de insuficiencia positivo¹⁹.

Municipios agropecuarios -factor agrícola y pecuario positivo e insuficiencia negativa-

En la tabla 8 se seleccionaron los municipios que clasifican en este criterio. En total se extrajeron 11 de los 125, lo cual es una proporción muy baja de 0.088. Sin embargo, están dentro de los que tienen más ranking en el IMA, así que previamente han sido categorizados como agropecuarios. Al disponer de unos factores agrícolas y pecuarios positivos, los hacen relativamente agropecuarios y con un factor de insuficiencia negativo, refuerza la permanencia de su actividad agropecuaria; puesto que los productores agropecuarios no cuentan con condiciones sociales para desviarse hacia otras actividades²⁰.

Municipios rurales de agricultura pobre -todos sus factores negativos-

En la tabla 9 aparecen 43 municipios para los cuales los tres factores son negativos; pero no se debe confundir con los primeros registros del IMA que son positivos. Si se revisa la fórmula del IMA, esto es factible porque el factor de insuficiencia es negativo y al estar precedido de signo negativo dentro de la fórmula es un componente aditivo, que dependiendo de su magnitud, puede contrarrestar las cifras negativas de los otros dos factores.

Un factor agrícola y pecuario negativo es un indicador de un municipio que no es agropecuario porque el tamaño de su actividad agropecuaria frente al promedio de Antioquia es menor, y que además, con el factor de insuficiencia negativo, sus productores agropecuarios cuentan con condiciones sociales que no favorecen transitar hacia otras actividades económicas y, en consecuencia, se encuentran sumidos en una agricultura muy precaria y al mismo tiempo atrapados, sin posibilidades de transformación hacia otras actividades; por consiguiente, se trata de municipios que están en una trampa de pobreza agrícola.

Municipios no agropecuarios -factor agrícola y pecuario negativos e insuficiencia positiva-

La tabla 10 recoge la selección de 27 municipios que no son definitivamente agropecuarios, en vista de que ninguno de sus componentes muestra una inclinación -así sea débil- hacia una actividad agropecuaria. Su factor de insuficiencia positivo indica que sus productores agropecuarios se encuentran en municipios que no están en condiciones de favorecer la sostenibilidad de una agricultura, por las razones previamente planteadas en la explicación de este factor.