UN ANÁLISIS DEL VALOR AGREGADO DE LAS EXPORTACIONES AGROALIMENTARIAS DE ARGENTINA Y DE SUS PRINCIPALES COMPETIDORES EN LOS MERCADOS INTERNACIONALES

Transcripción

1 UN ANÁLISIS DEL VALOR AGREGADO DE LAS EXPORTACIONES AGROALIMENTARIAS DE ARGENTINA Y DE SUS PRINCIPALES COMPETIDORES EN LOS MERCADOS INTERNACIONALES INTRODUCCIÓN Cap, E., Rivera, I. y González, P. La composición de la canasta de exportación de productos y manufacturas de origen agropecuario muestra importantes diferencias entre países, tanto en los rubros involucrados, nivel de elaboración, costos de producción, precios internos, regulaciones y aranceles, estrategias de diferenciación y comercialización, entre otros factores. La canasta de exportaciones agroalimentarias argentinas se integra con una elevada participación de commodities y productos de su primera transformación y una relativamente menor proporción de alimentos listos para el consumo humano. La exploración sistemática de las diferencias de valor agregado por tonelada exportada entre países, es fundamental a la hora de contar con indicadores objetivos para el desarrollo y seguimiento de políticas sectoriales, comerciales y tecnológicas. La caracterización de los factores causales de tales diferencias requiere de la definición de los productos objeto de estudio y la identificación de los principales países competidores de la Argentina en los mercados internacionales. Este trabajo se propone individualizarlos y evaluar, a partir de un modelo econométrico, su contribución en la generación de tales diferencias. Se planteó como objetivo general que la información generada por el modelo desarrollado, brinde herramientas que faciliten y mejoren la calidad en la toma de decisiones, tanto públicas como privadas. A su vez, se definieron como objetivos específicos: Identificar y evaluar cuantitativamente los determinantes de las diferencias de valor agregado entre Argentina y 15 países seleccionados como competidores en los mercados agroalimentarios internacionales. Generar recomendaciones sobre estrategias tendientes a incrementar el valor, la participación y la competitividad de las exportaciones argentinas de origen agropecuario en el comercio internacional.

2 Se propuso como hipótesis de trabajo que las diferencias observadas en el valor agregado de las canastas de exportaciones agroalimentarias de los países bajo estudio obedecen a factores institucionales y estructurales de cada país. En este informe se presenta la variable construida para la comparación entre países (VAXA) y resultados asociados con esta variable. METODOLOGÍA Se construyó la variable dependiente VAXA, definida como: valor agregado, por tonelada métrica, de las exportaciones de un vector de bienes finales (y) producidos por las cadenas agroalimentarias de un país (M), en un año (T) a partir de la suma de las diferencias entre el precio FOB del producto exportado (bien final) y el valor de los insumos de origen agropecuario (POA o commodities) que participan de su composición y de los consumos intermedios (CI) utilizados en la elaboración del bien final, que no provienen de un agente de la cadena. Su expresión matemática es: VAXAMT = y=1,p {[(pfoby * QPOA Z) - Z=1,R (pfobpoa Z * QPOA Z) - (CIp+CId)]* 1/QPOA Z * Qy/ Qy} Donde: pfoby: precio FOB del producto "y". Fuente utilizada: base de datos de UN COMTRADE. Q POAZ: resultado parcial que representa la cantidad de producto primario necesaria para obtener la cantidad de producto exportado "y", se obtiene realizando el siguiente cálculo (QPOAZ=1/coeficiente técnico*qy). coeficiente técnico: relación de transformación de producto primario a producto elaborado. Fuente utilizada: matriz insumo - producto (MIP) obtenida de la base de datos del programa GTAP, Purdue (ver aclaraciones a continuación). Qy: cantidad del producto "y" exportada. Fuente utilizada: base de datos de UN COMTRADE. ppoaz: precio interno del producto primario. Fuente utilizada: FAO, precios al productor.

3 CI: consumo intermedio en la producción del producto "y". CI (%): Fuente utilizada: matriz insumo - producto obtenida de la base de datos del programa GTAP, Purdue (ver aclaraciones a continuación). A partir del CI (%) se calcula el CI (U$S) = CI (%) * VTXy. VTXy: valor total de las exportaciones del producto "y" para el país y año considerado. Fuente utilizada: base de datos de UN COMTRADE. Los datos empleados en la confección de la variable dependiente VAXA son de panel, esto es, combinan series de tiempo (el valor de la variable de un país a lo largo del tiempo, en el caso de este trabajo, la serie utilizada es ) y de sección transversal (valor de la variable para los distintos países considerados). Es importante aclarar que la intención original era que la serie incluyera también la información de los últimos tres años; sin embargo, esto no fue posible, por no estar disponible parte de la información requerida para la construcción de la variable dependiente. Contando con la información suministrada por Commodity Trade Statistics Database (COMTRADE) de las Naciones Unidas, se analizaron las exportaciones agroalimentarias argentinas (exceptuando los productos de la pesca). La metodología utilizada posibilitó trabajar con un grado de desagregación por posición arancelaria de 6 dígitos y alcanzar una canasta representativa de, al menos, el 80% en valor, de las exportaciones argentinas para los productos y el período analizados. Sobre esta base, se preseleccionaron 47 productos. En una etapa posterior del trabajo, diez de ellos, entre los que se encuentran los cueros y las pieles, otras lanas, tabaco, artículos sanitarios de papel, pulpa de madera, algodón y otras preparaciones de alimentos, debieron ser excluídos del análisis, por presentarse inconsistencias en los datos necesarios para la confección del VAXA. A continuación se presenta la lista de productos analizados: Cuadro 1. Listado de productos incluídos en el estudio, por posición arancelaria. Producto Posición arancelaria Aceite de girasol o cártamo en bruto Aceite de girasol o cártamo, fracciones simplemente refinadas Aceite de maní crudo Aceite de soja crudo, desgomado o no Aceite esencial de limón Aceite refinado de soja, no químicamente modificado

4 Aceitunas preparadas o preservadas Ajo, fresco o enfriado Arroz, semi partido o molido Confecciones de azúcar Carne de caballo, asno, mula o burro, fresca, enfriada o congelada Cebollas y echalotes, frescos o enfriados Cortes bovinos sin hueso, congelados Cortes bovinos sin hueso, frescos o enfriados Girasol Harina de trigo o morcajo Jugo de manzana Jugo de uva o mosto no fermentado o espirituoso Lana cardada, en tops, excepto fragmentos Leche y crema en polvo no azucarada <1.5% grasa Limones y limas, frescos o secos Maíz, excepto maíz para siembra Malta, sin tostar Maní con cáscara, sin tostar ni cocer Maní preparado o conservado en formas diversas Manzana, fresca Miel, natural Papas, preparadas, congeladas Peras y membrillos, frescos Poroto seco Porotos de soja Preparaciones de Chocolate/cacao Sorgo Tortas de girasol y otros residuos sólidos Tortas de soja y otros residuos sólidos Trigo excepto trigo duro y morcajo Vino de uva, vino fortificado o mosto, pack < 2 l Al mismo tiempo, se determinaron los principales países competidores (en base al valor al año 2001 de las exportaciones), para cada uno de los 47 productos

5 preseleccionados, realizando un recuento del número de productos en común entre la Argentina y cada uno de estos países. De esta manera, de acuerdo a la frecuencia observada, se estableció un ranking con la selección de los primeros 15 países competidores, que a continuación se detalla: Cuadro 2. Países competidores de Argentina en exportaciones AA, ordenados por cantidad de productos en común. País Productos en común Estados Unidos 45 Alemania y Francia 42 Bélgica y Holanda 37 España e Italia 31 Canadá y China 28 Brasil 23 Australia y Reino Unido 21 Sudáfrica 16 México y Uruguay 13 Fuente: elaboración propia. A esta preselección se agregaron Chile y Nueva Zelanda. Sin embargo, durante la sistematización de la información para cada país, se decidió excluir del análisis a Bélgica, Holanda, España, Sudáfrica y Chile, por no estar disponible parte de la información requerida para la construcción de la variable dependiente. De acuerdo a la metodología seleccionada, entonces, se compara una misma canasta de productos en todos los países, que son los que representan el 80% en valor de la canasta de exportación de productos agropecuarios de Argentina. Una vez elegidos los países y los productos a analizar, se confeccionó la base de datos para todas las variables definidas y se calculó el valor de la variable VAXA para cada producto, país y año considerado. A continuación y de acuerdo a la metodología seleccionada, se comparó una misma canasta de productos en todos los países, que son los que representan el 80% en valor de la canasta de exportación de productos agropecuarios de Argentina. Una vez seleccionados los países y los productos a incluír en el análsis, se confeccionó la base de datos conteniendo los determinantes definidos (es decir, los términos del lado derecho de la fórmula) y se calculó el valor de la variable VAXA para cada producto, país y año considerado.

6 RESULTADOS En el siguiente cuadro se presentan los resultados del cálculo de la variable VAXA para los países y años considerados: Cuadro 3. Valor de la variable VAXA, en dólares corrientes por tonelada Nueva Zelanda Italia Uruguay nd España Reino Unido Australia Alemania Francia Canadá Brasil México nc nc 86 Argentina EE.UU China Fuente: elaboración propia. nd: no disponible. nc: no confiable, la información disponible presenta inconsistencias. Observando los datos del cuadro, se pueden identificar, en líneas generales, cuatro grupos de países o clusters, asociados a valores similares de VAXA: en el primer grupo se ubican Italia y Nueva Zelanda; en el segundo Uruguay y España; en el tercero Reino Unido, Australia, Alemania, Francia y Canadá; y en el cuarto Brasil, México, Argentina, Estados Unidos y China. A fin de explicar estas diferencias entre grupos de países, se examinó la composición de la canasta de exportaciones de origen agropecuario, siguiendo la clasificación conocida como BICO, propuesta por el Departamento de Agricultura de los Estados Unidos (USDA), que divide a los productos en: productos a granel (Bulk), intermedios o semi procesados (Intermediate) y

7 orientados al consumidor final (Consumer Oriented). La variable utilizada para ponderar la incidencia de cada grupo en la composición de la canasta fue el valor de las exportaciones, medido como el valor de exportación de cada grupo sobre el valor total del país, expresado en porcentaje. Cuadro 4. Resumen de las definiciones contenidas en la clasificación BICO. Productos a granel Productos Intermedios Orientados al consumidor Granos de cereales y oleaginosos (trigo, maíz, girasol, soja, poroto, arroz, sorgo, maní, etc.) Tortas de oleaginosos, harinas, aceites en bruto, malta, semillas, animales vivos, lanas (aceite en bruto de soja, girasol y maní, aceite esencial de limón, tortas y harinas de soja y girasol, malta de cebada, harina de trigo, lana en tops, etc.) Frutas y hortalizas en fresco, jugos de frutas, vinos y mostos, carnes, lácteos, confecciones de azúcar, preparaciones de chocolate y miel. En el siguiente gráfico se presentan los resultados de este análisis para el año 2003 (último año disponible de la serie analizada).

8 Gráfico 1. Relación entre el VAXA (en dólares por tonelada) y la composición de las exportaciones (en porcentaje de productos a granel, intermedios y orientados al consumidor). Año A granel Intermedios Orientados al consumidor VAXA % VAXA (U$S/t) Nueva Zelanda Italia Uruguay España Reino Unido Australia Alemania Francia Canadá Brasil Mexico Argentina EE.UU. China La primera conclusión que surge a partir de la observación del gráfico, es que los países con menores valores de VAXA, presentan una mayor incidencia de productos a granel (granos y oleaginosas en estado de commodity puro) en su canasta de exportación. En el caso de Estados Unidos, las exportaciones de soja, maíz y trigo lideran ese grupo. El maíz explica la mitad del valor del grupo en China 1 y el resto se reparte en forma más o menos equilibrada entre arroz y otros granos (maní, poroto, soja, trigo, etc.). En cuanto al perfil del grupo en el caso de Brasil y Argentina, si bien en ambos predomina el grano de soja, en el caso de Brasil casi explica la totalidad de valor del grupo, en tanto que en Argentina, representa aproximadamente la mitad y, en la otra mitad se destacan el maíz y el trigo. El trigo define la importancia del grupo en Canadá, Francia, Reino Unido, Australia y Alemania. Con respecto a los productos intermedios, Argentina es el único de los países analizados, en el que este grupo predomina en la canasta. El grupo incluye, entre otros, los productos obtenidos a partir de la primera transformación de granos (tortas de oleaginosos, harinas, aceites en bruto, malta, etc.) y lanas. Tanto en el 1 Este país pasó de exportar 16 millones de toneladas de maíz en 2003, a menos de 5 millones en 2007.

9 caso de Argentina como en el de Brasil, las exportaciones del complejo oleaginoso explican la alta incidencia del grupo. En el caso de Uruguay, en cambio, los productos intermedios están representados principalmente por la lana en tops y, en segundo lugar, por la malta de cebada. Mientras que en Alemania, la participación de los productos del grupo es más balanceada (tortas de soja, lana en tops, malta de cebada, harina de trigo, etc.). Los valores intermedios de VAXA, en cambio, no parecen estar asociados a ningún patrón evidente de composición de los grupos de productos. Los valores más altos de VAXA, en general aparecen asociados con una mayor participación de productos orientados al consumidor. Este es el grupo más heterogéneo, dado que incluye productos tan diversos como frutas y hortalizas frescas, cortes de carne bovina, lácteos y vinos, entre otros. La composición del grupo en los distintos países es igualmente diversa. Así, en el caso de Nueva Zelanda, los lácteos y luego la carne bovina predominan, los vinos en Italia, España y Francia, la carne en Australia, Uruguay y Canadá, en tanto que en Alemania y Reino Unido la composición es más balanceada aunque en ambos aparecen las confecciones de azúcar y preparaciones de chocolate. La excepción a ese comportamiento general es México que, con un valor bajo de VAXA, presenta un predominio de productos orientados al consumidor. Entre ellos, se destacan las preparaciones de chocolate y confecciones de azúcar, las que explican casi la mitad del valor, en tanto que en el resto predominan las frutas y hortalizas y sus derivados y la miel. En la ponderación de productos para el cálculo del VAXA, la gravitación de cebollas y echalotes y de limones y limas, determina la caída del VAXA total. Otro indicador que permite analizar los valores de VAXA obtenidos, es el valor promedio de la tonelada exportada (contemplando únicamente los productos considerados), muy difundido en diversos trabajos. Claramente, el VAXA calculado es inferior al valor promedio por tonelada, sin embargo, la relación entre ambas variables (es decir, qué proporción del valor promedio representa el VAXA) depende de la estructura de cada canasta.

10 Gráfico 2. VAXA, valor promedio de la tonelada exportada (en dólares corrientes y participación del VAXA en el valor promedio. Año ,400 1,200 Valor prom export (U$S/t) VAXA (U$S/t) % VAXA /Valor prom U$S/t 1, % VAXA/Valor prom Nueva Zeland a Italia Uruguay España Reino Unido Australia Alemania Francia Canadá Brasil Mexico Argentina EE.UU. China - En general, la relación entre VAXA y Valor promedio de la tonelada exportada, sigue una tendencia que se corresponde con los distintos valores del VAXA. MODELO ECONOMÉTRICO El objetivo al modelizar el VAXA, era identificar los factores causales de las diferencias en el valor agregado de la canasta de exportación argentina de productos agroalimentarios versus la de sus principales competidores en los mercados internacionales, evaluando a partir de un modelo econométrico el valor agregado por tonelada exportada de POA y MOA para el conjunto de los países seleccionados. Para este caso se desarrolló un Modelo de Regresión de Efectos Fijos con Datos de Panel. El mismo considera el carácter individual de cada país (unidad transversal) permitiendo que la intersección varíe con cada país y, que los coeficientes de pendientes sean constantes para cada uno de ellos. En la estimación del modelo original, las variables independientes que iban a ser incluídas en la especificación del mismo eran las siguientes:

11 Tamaño del mercado interno (proxy: número de habitantes). Nivel de ingreso de los consumidores locales (proxy: PBI per cápita). Productividad promedio de la economía. Productividad del sector agropecuario. Productividad del sector agroindustrial, Distancia a los mercados que explican el 70 % de las exportaciones agroalimentarias (EXPOAA). Inversión bruta fija anual en el sector. Desarrollo de instrumentos financieros (proxy: relación stock de crédito al sector / producto sectorial). Tipo de cambio real. Subsidios a la producción. Subsidios a la exportación. Impuestos a la exportación. Pertenencia a un bloque comercial (zona de libre comercio, unión aduanera, unión económica, etc.). Variable dummy. Fracción del total de EXPOAA destinada al bloque comercial de pertenencia. Capacidad de innovación del sistema de IyD de apoyo al sector (proxy: inversión anual como % del producto sectorial). Grado de concentración de la industria (proxy: porcentaje del total de ventas que suman las 10 empresas más grandes). Competitividad no-precio (grado de desarrollo de mecanismos de certificación de calidad, trazabilidad, etc.). El listado final de variables independientes excluyó a algunas de las listadas (la mayor restricción encontrada para no incluir el listado completo de las variables independientes originalmente seleccionadas, fue la imposibilidad de contar con series de datos completas en algunos casos y la total carencia de información en otros). Las variables finalmente empleadas fueron las siguientes: A_PI: Índice de producción agrícola, =100 (FAO/SYB código 3510) ARABLE: Área de cultivos anuales y perennes, expresado en miles de hectáreas (estimaciones de FAO código 3720) CPI: Calidad institucional (CPI Transparency score value). CREDIT: Crédito privado bancario y de otras instituciones financieras expresado como % del PBI GDP_PER_CAPITA: PBI per cápita expresado en dólares.

12 VALUE_ADDED: Estimación de Componentes Añadidos y Seleccionados de valor a precios constantes de 1990 en millones de dólares VAMAN: Estimación de Componentes Añadidos y Seleccionados de valor a precios constantes de 1990 en Manufacturas en millones de dólares PBI $BILLION_ : expresado en miles de millones de dólares año base POBLACION : Número de habitantes. TI: Tasa de interés bancaria, promedio anual (FMI) VAAGR: Estimación de Componentes Añadidos y Seleccionados de valor a precios constantes de 1990 en Agricultura, caza, forestación y pesca, en millones de dólares Para la estimación de los coeficientes de las variables independientes, se empleó el Modelo de Efectos Fijos, también llamado De Variables Dummy. Para ello, se formuló el siguiente supuesto: las diferencias en valor agregado observables entre países, atribuibles a condiciones estructurales preexistentes, por ejemplo, senderos específicos de acumulación de capital humano, pertenencia a un bloque comercial o político ya desaparecido (como el Commonwealth británico) o procesos de desarrollo institucional diferenciales, pueden ser capturados eficazmente por la ordenada al origen, que es distinta para cada país 2. El resto de los parámetros a estimar es común a todos los países. ESPECIFICACIÓN DEL MODELO Suponiendo que tenemos observaciones de sección transversal i = 2,...,N y observaciones de series de tiempo t = 1,2,...,T, la observación (i,t) en este modelo, puede ser escrita de la siguiente manera: K VAXA it = β 1i + Σ β k X kit + e it (4) k = 2 Donde: VAXA it : es el valor agregado, por tonelada métrica, de la canasta de productos agroalimentarios exportados por el país i, en el año t. 2 Una vez efectuada la estimación econométrica, se someterá a prueba la hipótesis nula (no hay diferencias entre ordenadas al origen). Si ésta no puede ser rechazada, el modelo será reformulado y se repetirá el módulo de estimación.

13 β 1i : ordenada al origen de la unidad de sección transversal i, β k : parámetros a estimar, comunes a todos los países. X kit : variables independientes. e it : variables aleatorias, independiente e idénticamente distribuidas. Una forma más conveniente de escribir el modelo es la siguiente: N VAXA it = Σ β 1j D jt + Σ β k X it + e it (5) j = 1 k = 2 K donde las D jt son variables dummy y toman valores de 0 o 1, según el criterio: D jt = 1 si j = i 0 si j i De esta manera, existe una variable dummy por cada país y la que corresponde al país j tomará el valor 1 para las observaciones correspondientes al individuo j, pero será 0 para las observaciones correspondientes a otros países. Si dejamos que jt =( ) sea un vector (T x 1) de unos, entonces, para el individuo i, la ecuación (3), puede ser escrita en notación matricial como: VAXA i = β1i jt + Sip βs + ei i = 1, 2,, N Donde: VAXAi1 x 2i1 x 3i1 x Ki1 e i1 VAXAi2 x 2i2 x 3i2 x Ki2 e i VAXA i =. X si =.... e i = VAXAiT x 2iT x 3iT x KiT e it

14 Y β s = (β 2, β 3 β K ). Si dejamos que K = K 1, entonces puede verse que β s es un vector (K x 1) de coeficientes de pendiente, y X si es una matriz (T x K ) de observaciones de las variables independientes (excluyendo la constante), para el país i. El conjunto completo de observaciones NT se puede escribir de la siguiente manera: y 1 j T 0 0 X s1 β 11 e 1 y 2 0 j T 0 X s2 β 12 e = y N 0 0 j T X sn β 1N e N β s Lo que nos interesa es estimar β 1 y β s. El vector β 1 contiene las N ordenadas al origen, una para cada país, mientras que βs es el vector de parámetros que hemos supuesto comunes a todos los países. RESULTADOS El modelo se trabaja con un conjunto de datos de panel, donde la unidad transversal son los países (13 países), considerados a lo largo del tiempo ( ). Para su estimación se utilizó el paquete econométrico EViews6. Con la variables consideradas se corrieron varios modelos con la inclusión o ausencia de algunas ellas. En la tabla siguiente se muestra los distintos coeficientes de acuerdo a la incorporación de variables. Coeficientes Modelo 1 modelo 2 modelo 3 modelo 4 modelo 5 C A_PI ARABLE CPI CREDIT GDP_PER_CAPITA $_ VALUE_ADDED E VAMAN TI POBLACION 2.56E-06 VAAGR 7.00E-05 GDP $BILLION_

15 De los resultados se puede observar que cuatro variables (TI, POBLACION, VAAGR y GDP $BILLION_) de las once consideradas, tienen un peso poco significativo para explicar el VAXA. Por lo tanto el modelo seleccionado es el que contempla las variables A_PI,ARABLE, CPI, CREDIT, GDP_PER_CAPITA $_, VALUE_ADDED y VAMAN. La salida de este modelo es: Dependent Variable: VAXA U$S_T_ Method: Panel Least Squares Date: 08/30/07 Time: 09:56 Sample: Periods included: 8 Cross-sections included: 13 Total panel (unbalanced) observations: 100 Coefficient Std. Error t-statistic Prob. C A_PI ARABLE CPI CREDIT GDP_PER_CAPITA $_ VALUE_ADDED E VAMAN Effects Specification Cross-section fixed (dummy variables) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regresión Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) 0 Las variables ARABLE, CPI, CREDIT, VALUE_ADDED, VAMAN, presentan valores del estadístico t superiores al rango de aceptación (con probabilidad de 0.95 y n=79, t=1,66). El modelo estima una relación negativa entre el VAXA y el CPI, o sea a mayor índice de transparencia menor VAXA, lo mismo ocurre con el crédito. El resto de las variables que resultaron seleccionadas, tienen un valor de sus coeficientes pequeño. Con este resultado no se llega a aceptar la hipótesis planteada de identificar a través del modelo cuales son los factores causales de las diferencias en el valor agregado de la canasta de exportación argentina de productos agropecuarios y agroindustriales versus la de sus principales competidores. También se estimó un modelo con efectos aleatorios (en este caso se supone que la intercepción de una unidad individual se extrae de manera aleatoria). Se realizó la prueba Hausman, en donde la H 0 es que los estimadores de efectos aleatorios y de

16 efectos fijos no difieren sustancialmente. Si se rechaza la hipótesis, los estimadores difieren, luego el modelo efectos fijos es más apropiado que efectos aleatorios. En nuestro caso se aceptó la hipótesis. COMENTARIOS SOBRE LOS RESULTADOS DE LA CORRIDA DEL MODELO Se considera probable que, al examinar los resultados de los modelos de regresión de panel obtenidos, los mismos estén sujetos a la estructura de los datos con los que se trabajó. Una manera de abordar este problema es ampliar el intervalo de tiempo considerado, dado que si la N es grande y un t pequeño, podría ser que el número de parámetros de efectos fijos sea muy grande en relación con el número de datos disponibles. Teniendo en cuenta que a su vez que el número de dummies considerados restringe los grados de libertad y tal regresión quizás no sea significativa. CONCLUSIONES Ya sea porque las variables explicativas seleccionadas no fueron las correctas o porque los proxys utilizados no son suficientemente representativos de esas variables (o los datos empleados sean de confiabilidad cuestionable), lo que en definitivamente cuenta es que la modelización propuesta en este trabajo no ha alcanzado los objetivos esperados, ya que los resultados de las corridas fueron decepcionantes ya que no se ha logrado identificar variables que expliquen la variabilidad observada en el valor agregado de las exportaciones agropecuarias entre países competidores de Argentina. Sin embargo, la construcción de la variable dependiente (VAXA), requirió un análisis muy detallado de los procesos de agregado de valor, lo que sí ha aportado elementos de juicio que entendemos pueden constituir una contribución en el sentido de la comprensión de la situación relativa de nuestro país, en el contexto del mercado internacional de productos agropecuarios.