01

P G I N A
E V A L U A C I N D E I M P A C T O

PROYECTOS DE RIEGO
PROVINCIAS DE MENDOZA Y SAN JUAN
 02

P G I N A
PROGRAMA DE SERVICIOS AGRCOLAS PROVINCIALES II
P R S TA M O B I R F 7 5 9 7 - A R

PROGRAMAS DE RIEGO EN LAS PROVINCIAS DE

MENDOZA Y SAN JUAN

E VA LUAC I N D E IM PAC TO l MARZO 2 0 1 7

 03

P NDICE
GINA

01 RESUMEN EJECUTIVO 04

02 INTRODUCCIN 06

03 METODOLOGA 08

04 RESULTADOS 11

05 CONCLUSIONES 14
 04

01

P G I N A
RESUMEN EJECUTIVO

La presente evaluacin de impacto se realiz
sobre un total de tres proyectos de riego ejecu-
tados en las provincias de Mendoza y San Juan,
financiados en el marco de la Segunda Fase del
Programa de Servicios Agrcolas Provinciales
(PROSAP) con financiamiento del Banco Inter-
nacional de Reconstruccin y Fomento (Prs-
tamo BIRF 7597-AR).* Asimismo, se incluy a
modo de actualizacin de trabajos
la evaluacin de impacto de proyectos de riego
en las mencionadas provincias, de fases previas
del PROSAP con financiamiento del BIRF y del
Banco Interamericano de Desarrollo.
Para evaluar el impacto del proyecto sobre las
variables de inters, se utiliz metodologa de
dobles diferencias (tambin conocida como
diferencias en diferencias). Esta estrategia es
ampliamente utilizada para la evaluacin de
programas cuando los datos disponibles son
de ndole no experimental (como es el caso de
la presente evaluacin). La metodologa consis-
anteriores1, te en calcular la diferencia entre las diferencias
post- y pre-tratamiento para los productores
beneficiados por el programa y las diferencias
post- y pre-tratamiento para los productores
no beneficiados.

Los proyectos seleccionados fueron imple- La conclusin central de esta evaluacin es

mentados secuencialmente desde el ao 2003
(PROSAP1) y 2010 (PROSAP2) en diversas lo-
calidades pertenecientes a distintos departa-
mentos de las provincias de Mendoza y San
2
Juan . Las obras de infraestructura realizadas
en el marco de estos proyectos beneficiaron a
39.000 productores en un rea aproximada de
320.000 hectreas, y consistieron en la imper-
meabilizacin de canales y la modernizacin
de los sistemas de distribucin3.
que todos los proyectos implementados en
las fases del PROSAP analizadas tuvieron efec-
tos positivos y cuantitativamente importantes
para los productores beneficiados. Especfi-
camente, en el caso del PROSAP2 financiado
por el BIRF, los productores beneficiados por
el Programa experimentaron un incremento
de la produccin de 6,95% y de 7,97% en su
rendimiento en comparacin con el grupo de
control .

1. Evaluacin de proyectos de riego en la provincia de Mendoza. Marzo de 2013.

2. Ver la Tabla 1 a continuacin para un listado completo de las localidades beneficiadas dentro de cada departamento.
3. Es importante destacar que, dado que el programa fue asignado a nivel localidad y que dentro de cada localidad hay productores no be-
neficiados, los efectos encontrados constituyen lmites inferiores del verdadero efecto de inters y el impacto puede ser mayor al reportado.

* Evaluacin realizada por el Dr. Martn Rossi (Consultor externo del Banco Mundial)
 05

P G I N A
Tabla 1: Obras PROSAP

NOMBRE DE FINANCIA DEPARTAMENTOS LOCALIDADES FINALIZACIN

LAS OBRAS MIENTO BENEFICIADOS BENEFICIADAS DE LAS OBRAS

Construccin 5to y BID Lavalle San Costa de Araujo Gustavo 2003

6to Tramo Canal San Martn Andr Tres Porteas Nueva
Martn California

Proyecto Integral BIRF Rivadavia Reduccin 2010

Reduccin Los Andes
Sector 1

Proyecto Integral BIRF Rivadavia Libertad Los Campamentos 2009

Reduccin Los Andes El Mirador La Central
Sector 2

Modernizacin BID Tupungato El Peral Santa Clara Gual- 2009

Sistema de Riego Las tallary
Tunas

Modernizacin Siste- BID Junn San Mar- Junn Medrano Los Arboles 2009
ma de Riego Consti- tn Rivadavia
tucin Medrano

Modernizacin Siste- BID Tunuyn Villa Seca Los Sauces Vista 2010
ma de Riego Arroyo Flores Los Chacayes
Grande

Riego Canales Soca- BID San Rafael Las Paredes y Capitn Mon- 2012
vn y Frugoni toya

Riego Canal San BIRF Junn y San Villa Cabecera de San Martn 2012
Martn Martn Alto Verde Montecaseros
Chivilcoy Buen Orden Villa
Italia El Rambln Ingeniero
Giagnoni y parte de Rodr-
guez Pea y en Junn, parte
de Los Barriales y La Colonia

Riego Naciente Cha- BIRF Maip y Guay- Tres Esquinas Cruz de Piedra 2012
chingo Pescara malln Rodeo del Medio Coquim-
bito Chachingo Fray Luis
Beltrn de Maip y Corralitos
La Primavera y Colonia Sego-
via de Guaymalln

Riego Canal Nuevo BID Gral. Alvear Bowen y General Alvear 2012
Alvear

Riego Cspedes BIRF Sarmiento Valle de Tulum 2013

Sarmiento

Desarrollo Agrcola y BID Albardn Anga- 2010

Gestin del rea Bajo co San Martn
Riego del Canal del Caucete y 25 de
Norte y 25 de Mayo Mayo

02 INTRODUCCIN
El Programa de Servicios Agrcolas Provinciales
(PROSAP) es implementado desde sus inicios
por el actual Ministerio de Agroindustria de la
Nacin, a travs de la Unidad para el Cambio
Rural, con el objetivo de incrementar la pro-
ductividad y la rentabilidad de los pequeos y
medianos productores agropecuarios y de esta
manera contribuir a la mejora de la competiti-
vidad del sector.
Para lograrlo la estrategia del Programa con-
templa asistencia tcnica, actividades de forta-
lecimiento de capacidades e inversiones direc-
tas que contribuyan a las mejoras de largo plazo
en la productividad, as como en la competitivi-
dad y el acceso a los mercados. El Programa se
focaliza en la ejecucin de subproyectos en las
siguientes reas de intervencin: a) Adminis-
tracin de recursos hdricos; b) Infraestructura
rural (caminos y electrificacin rural); c) Desa-
rrollo tecnolgico y comercial; d) Sanidad agro-
pecuaria; y e) Fortalecimiento institucional.
06
P G I N A
Especficamente, los proyectos de riego tienen
como objetivo general el incremento sosteni-
ble de la produccin y la productividad de los
pequeos y medianos productores, a travs de:
el incremento de la eficiencia en el uso del re-
curso, la mejora de los sistemas de captacin y
conduccin, la disminucin de los procesos de
erosin hdrica, y el fortalecimiento de los es-
quemas asociativos que permitan la operacin
y mantenimiento de los sistemas y la capacita-
cin y transferencia de tecnologa.
Dentro de este marco se llev a cabo la pre-
sente evaluacin que consta de un estudio
retrospectivo de un conjunto de proyectos fi-
nalizados y en operacin. En este sentido, cabe
sealar una reserva respecto al anlisis estads-
tico realizado: los datos sobre la asignacin del
tratamiento son a nivel localidad en vez de a ni-
vel productor y, de acuerdo con los especialis-
tas de riego de PROSAP, salvo en el caso de las
obras del departamento de Rivadavia, en las
dems obras hay localidades beneficiadas que procesar los datos de produccin de todos los 07

abarcan grandes reas con productores que no
son beneficiados por las obras. En consecuen-
cia, los resultados encontrados deben interpre-
tarse como un lmite inferior de los efectos de
inters, es decir, el impacto de los programas es
al menos el encontrado pero puede ser mayor 4.
Los datos utilizados para la presente evaluacin
fueron obtenidos del Instituto Nacional de Vi-
tivinicultura, el cual se encarga de recolectar y
P G I N A
productores vitivincolas del pas. La informacin
disponible, en Tabla 2 a continuacin, compren-
de 14 aos: desde 2002 hasta 2015 inclusive.
El resto del reporte se organiza de la siguiente
manera: la Seccin 3 explica la metodologa
estadstica utilizada y el modelo economtrico
estimado, la Seccin 4 presenta los resultados
encontrados y la Seccin 6 presenta las con-
clusiones de la evaluacin.

Tabla 2: Estadsticas Descriptivas

GRUPO VARIABLE MEDIA DESVO OBSERVACIONES CANTIDAD

ESTNDAR DE FINCAS

Control Produccin 155141.6 351239 216511 20144

Superficie 9.100911 18.33374 266737 20144

Rendimiento 16962.34 17796.42 215092 20144

Tratamiento Produccin 135235.2 248039.2 36369 8174

Superficie 10.0149 26.66635 40043 8174

Rendimiento 14867.3 10345.58 36177 8174

Total Produccin 152278.7 338412.2 252880 28318

Superficie 9.220211 19.62554 306780 28318

Rendimiento 16660.71 16942.96 251269 28318

4. Esto resulta del hecho de que los impactos se ven reducidos debido a que el grupo de productores tratados incluye una cierta canti-
dad de productores no tratados que, presumiblemente, reducen el impacto reportado de los proyectos.
03
08

P G I N A
METODOLOGA

La principal ventaja de esta metodologa es que permite estimar el efecto de inters controlando
por variables inobservables por individuo, siempre que estas permanezcan fijas en el tiempo, y por
efectos en el tiempo que afectan a todas las unidades por igual. Es decir, se puede estimar consis-
tentemente el efecto de inters sin necesidad de incluir variables por productor que permanezcan
constantes en el tiempo ni variables que afecten a todos los agentes por igual en el tiempo (por
ejemplo, el desempleo o el crecimiento del PBI).

El supuesto de identificacin del mtodo de diferencias en diferencias es el de tendencias comu-

nes, es decir que, en ausencia de tratamiento, el grupo tratado hubiese seguido la misma tendencia
que el grupo de control. Dicho de otra manera, se utiliza la tendencia del grupo de control como
contrafactual de lo que hubiese ocurrido para el grupo tratado si no hubiese recibido el tratamien-
to. El Grfico 1 ilustra la metodologa: 5

}
Y Tratados
g

Efecto del programa

Se asume que la
tendencia hubiese
Controles sido la del grupo
de control

g Tiempo
Inicio del programa

Grfico 1: Mtodo de Dobles Diferencias

5. En el caso de la presente evaluacin, el tratamiento fue asignado en diferentes momentos del tiempo a diversos productores. En
consecuencia, la estimacin del efecto es algo ms sofisticada, pero la idea central es la misma que la descripta por el grfico. Se utiliza
la tendencia del grupo de control como contrafactual.
Como todo supuesto de identificacin, el su-
puesto de tendencias comunes alude a una
situacin contrafactual, por lo cual no puede
contrastarse empricamente. Sin embargo, si
se dispone de suficiente informacin para los
perodos previos al tratamiento, es posible
contrastar que las tendencias pre-tratamiento
de las variables de inters eran efectivamen-
te similares entre el grupo de tratamiento y el
de control. Encontrar que las tendencias eran
similares antes del tratamiento otorga mayor
credibilidad al supuesto de identificacin. Este
contraste se realiza en la siguiente seccin.
Expuesta ya la estrategia de identificacin, cabe
destacar que existe la posibilidad de que la esti-
macin sea inconsistente con esta metodologa
si existen factores inobservables que varan en
el tiempo y que, a su vez, estn correlacionados
con el tratamiento y las variables de inters.
Formalmente, estimamos el efecto el impacto
del programa a partir de estimar el siguiente
modelo:
it i it t 3 it
Donde it denota cualquiera de nuestras varia-
bles de inters, Tit es una variable binaria que
toma valor 1 cuando el productor i es tratado
en el perodo t, es el parmetro de inters,
denota
i el efecto fijo por productor, t es el efec-
to fijo por perodo de tiempo, y it es el trmino
de error. 6
6. El supuesto de identificacin para estimar consistentemente el parmetro es que, condicional a las variables incluidas (efectos fijos
por productor y por tiempo), el trmino de error no est correlacionado con la variable de tratamiento.
7. Esta variable se construye sumando, para cada productor, la produccin de todas las variedades de uva en un ao dado.
8. Esta variable se construye a partir del cociente entre la produccin total y el tamao de la finca para un ao dado. Como no toda rea
dentro de la finca est sembrada, esta medida no es la productividad estrictamente sino un proxy de la misma.
Las variables de inters (Y it ) son la produccin 09
P G I N A
total y un proxy de productividad. Las varia-
bles de inters estn medidas en logaritmos,
de manera tal que el efecto de inters () se in-
terpreta en trminos porcentuales.
CONTRASTE DE TENDENCIAS PREVIAS AL
TRATAMIENTO
Como se destac en la Seccin 2, el supuesto
de identificacin de la metodologa a utilizar
es el de tendencias comunes. Es decir, se asu-
me que, en ausencia de tratamiento, el grupo
tratado hubiese seguido la misma tendencia
que el grupo de control. Como todo supuesto
de identificacin, el supuesto de tendencias
comunes no puede ser contrastado, pero s es
posible contrastar que las tendencias sean co-
munes antes del tratamiento. Encontrar que las
tendencias eran efectivamente similares antes
de la intervencin otorga mayor validez al su-
puesto de identificacin.
El contraste de tendencias comunes pre-trata-
miento se realiza a partir de estimar una ver-
sin modificada de la ecuacin (1). Siguiendo a
(1)
Galiani et al. (2005), 9 se realiza una estimacin
usando nicamente las observaciones del pe-
rodo previo al tratamiento para el grupo tra-
tado y el grupo de control. Primero, se genera
una variable binaria que toma el valor 1 si el
productor es eventualmente tratado y valor 0
en caso contrario. Luego, se genera una inte-
raccin entre esta variable eventualmente tra-
tado con una tendencia lineal pre-tratamiento
y se estima la ecuacin (1) incluyendo la ten- pos, otorgando mayor credibilidad al supuesto 10

dencia lineal pre-tratamiento y la interaccin
generada, excluyendo la variable tratamiento.
La interaccin generada es la diferencia en la
tendencia lineal de los productores eventual-
mente tratados respecto de la de los no trata-
dos. En consecuencia, encontrar que el par-
metro de la interaccin no es estadsticamente
significativo implica que no hay diferencias sis-
temticas en las tendencias entre ambos gru-
P G I N A
de identificacin.
Los resultados de este contraste pueden apre-
ciarse en la Tabla 3 a continuacin, cada co-
lumna muestra los resultados para cada varia-
ble de inters. Es destacable que el coeficiente
estimado para la variable interaccin no es
estadsticamente significativo para ninguna de
nuestras variables de inters. Esto otorga mayor
validez a nuestro supuesto de identificacin.

Tabla 3: Contraste de tendencias previas al tratamiento

VARIABLES (1) Ln (PRODUCCIN) (2) Ln (RENDIMIENTO)

Interaccin 0.00620 0.00666

(0.00556) (0.00535)

Observaciones 206,209 204,815

R cuadrado 0.006 0.002
Nmero de viedos 24,249 23,969

Errores estndar agrupados a nivel viedo entre parntesis. l *** Significativo al 1%, ** Significativo al 5%, * Significativo al 10%

9. Galiani, S., Gertler, P., & Schargrodsky, E. (2005). Water for life: The impact of the privatization of water services on child mortality. Jour-
nal of political economy, 113(1), 83-120.
 11

P G I N A
04
La Tabla 4 a continuacin reporta los resulta-
dos de estimar el impacto de PROSAP2-BIRF
RESULTADOS

produccin en comparacin al grupo de con-

en las provincias de Mendoza y San Juan sobre
cada una de las variables de inters. En todas
las regresiones se agruparon los errores estn-
dar a nivel viedo para controlar por la posible
correlacin entre los trminos de error de cada
viedo en el tiempo. 10
Como se puede observar en la Columna (1),
los productores beneficiados por el programa
experimentaron un incremento de 6,95% en la
trol. Un resultado cualitativamente similar aun-
que de mayor magnitud se puede observar en
el rendimiento: los productores beneficiados
por el programa experimentaron un incremen-
to de 7,97% en su rendimiento en comparacin
con el grupo de control. Tanto el incremento
en la produccin como en el rendimiento son
estadsticamente significativos al 1%, lo cual
implica que la probabilidad de encontrar un
efecto de esta magnitud cuando realmente el
efecto es nulo es menor al 1%.

Tabla 4: Impacto de PROSAP 2 (BIRF)

VARIABLES (1) Ln (PRODUCCIN) (2) Ln (RENDIMIENTO)

Tratamiento 0. 0695*** 0. 0797***

(0. 01239) (0. 01177)

Observaciones 204,073 202,665

R cuadrado 0.0406 0.0395
Nmero de viedos 20,669 20,205

Errores estndar agrupados a nivel viedo entre parntesis. l *** Significativo al 1%, ** Significativo al 5%, * Significativo al 10%

10. Los resultados son robustos a agrupar los errores estndar a nivel localidad y nivel departamento.
La Tabla 5 siguiente reporta los resultados de
estimar el impacto de todos los proyectos de
riego ejecutados en la primera y segunda fase
del PROSAP, incluyendo aquellos financiados
por el BID, en las mismas provincias y sobre
cada una de las variables de inters. Como se
puede observar en la Columna (1), los produc-
tores beneficiados por el programa experimen-
taron un incremento de 6,5% en la produccin
en comparacin al grupo de control. Nueva-
mente, un resultado cualitativamente similar
aunque de mayor magnitud se puede observar
en el rendimiento: los productores beneficia-
dos por el programa experimentaron un incre-
mento de 7,4% en su rendimiento en compa-
11
racin con el grupo de control.
Tabla 5: Impacto de PROSAP (todos)
VARIABLES
Tratamiento
Observaciones
R cuadrado
Nmero de viedos
Errores estndar agrupados a nivel viedo entre parntesis. l *** Significativo al 1%, ** Significativo al 5%, * Significativo al 10%
RESULTADOS POR PROVINCIA
La Tabla 6 en la pgina siguiente reporta los
resultados de estimar la ecuacin (1) para cada
provincia por separado. Las Columnas (1) y (2)
presentan las estimaciones del impacto del
programa sobre la produccin y el rendimien-
to, respectivamente, utilizando nicamente
10. Recordar que, dado que el programa fue asignado a nivel localidad y que dentro de cada localidad hay productores no beneficiados,
los efectos encontrados constituyen lmites inferiores del verdadero efecto de inters.
Tanto el incremento en la produccin como 12
P G I N A
en el rendimiento son estadsticamente signi-
ficativos al 1%. Cabe destacar que los efectos
estimados para PROSAP2-BIRF y PROSAP1 y 2
son cuantitativamente similares. Tomando la
estimacin de que PROSAP gener un incre-
mento promedio en la produccin de 6,5%,
el diferencial de productividad de todos los
productores tratados en cada ao valorizado
al precio promedio de las uvas alcanza la ci-
fra de 493.150.771,50 pesos argentinos. Dicha
ganancia por productividad, traducida en un
mayor volumen de produccin puede inter-
pretarse adems como una renta perpetua
para aquellos productos que recibieron los
beneficios de programa.
(1) Ln (PRODUCCIN) (2) Ln (RENDIMIENTO)
0.0650*** 0.0740***
(0.00894) (0.00854)
248,619 247,009
0.043 0.040
25,097 24,796
las observaciones de la provincia de San Juan.
Se puede apreciar que el impacto estimado es
similar al encontrado en la seccin anterior:
los productores beneficiados incrementaron
su produccin y rendimiento en 6,2% y 6,77%,
respectivamente. El efecto es estadsticamen-
te significativo al 10%, lo cual implica una re-
duccin en la confianza respecto al modelo menores que los hallados en la seccin ante- 13

anterior, pero el efecto es significativo a un
nivel estndar de confianza. Una posible ex-
plicacin de la reduccin de significatividad
estadstica es la reduccin en la muestra al
restringirse nicamente a San Juan.
Las estimaciones para la provincia de Men-
doza pierden significatividad estadstica, y las
magnitudes de los impactos estimados son
P G I N A
rior (ver columnas (3) y (4) de la Tabla 6. Una
explicacin posible a este resultado es que
en Mendoza existan ms productores no be-
neficiados en localidades beneficiadas, por lo
cual el impacto reportado sea ms subestima-
do. Respecto a la prdida de significatividad
estadstica, una posible explicacin es la re-
duccin del tamao muestral por restringirse
nicamente a una provincia.

Tabla 6: Impacto de PROSAP por provincia

VARIABLES (1) PRODUCCIN (2) RENDIMIENTO (3) PRODUCCIN (4) RENDIMIENTO

(SAN JUAN) (SAN JUAN) (MENDOZA) (MENDOZA)
Tratamiento 0.0620* 0.0677* 0.00547 0.00914
(0.0377) (0.0376) (0.00845) (0.00803)

Observaciones 58,359 57,840 189,574 188,500

R cuadrado 0.110 0.108 0.043 0.044
Nmero de viedos 5,976 5,846 18,647 18,492

Errores estndar agrupados a nivel viedo entre parntesis. l *** Significativo al 1%, ** Significativo al 5%, * Significativo al 10%
 14

P G I N A
05 CONCLUSIONES

Los proyectos evaluados generaron un aumen-

to de la produccin y el rendimiento para los
productores beneficiados por el PROSAP. Como
fue mencionado anteriormente, dado que el
programa fue asignado a nivel localidad y que
dentro de cada localidad existen productores
no beneficiados, cabe destacar que los efectos
encontrados constituyen lmites inferiores del
efecto de inters. En consecuencia, el efecto
real del programa es al menos el encontrado,
pero podra ser mayor. Cabe destacar que las
estimaciones de PROSAP2-BIRF y la totalidad
de PROSAP arrojan resultados cuantitativa-
mente similares.
 15
REGISTROS FOTOGRFICOS DE LA SITUACIN PREVIA

P G I N A
AL PROYECTO
 16

P G I N A
REGISTROS FOTOGRFICOS DE LA SITUACIN POSTERIOR
AL PROYECTO
P G I N A
17