Modelo de intervención y pronóstico de precios pagados al productor de la miel de abeja (Apis mellifera L.) en México

• Samuel Luis-Rojas ^[1] ; Roberto Carlos García-Sánchez ^[1] ; Roberto García-Mata ^[1] ; Oscar Antonio Arana-Coronado ^[1] ; Benito Ramírez-Valverde ^[1]
  1. [1] Colegio de Postgraduados

     Colegio de Postgraduados

     México

     
• Localización: Agrociencia, ISSN 2521-9766, ISSN-e 1405-3195, Vol. 56, Nº. 3, 2022, págs. 638-668
• Idioma: español
• Títulos paralelos:
  • Intervention and forecast models for the price paid to producer of bee (Apis mellifera L.) honey in Mexico
• Enlaces
  • Texto Completo Ejemplar
• Dialnet Métricas: 2 Citas
• Resumen
  • español

    La miel de abeja (Apis mellifera L) es uno de los alimentos más antiguos que el hombre ha apro-vechado para nutrirse y se utiliza desde tiempos ancestrales como un producto benéfico para la salud por sus propiedades endulzantes y curativas. En 2020 la producción en México fue 54 121 toneladas (Mg), que ubicaron al país como el décimo productor mundial. La hipótesis fue que los precios de la miel se pueden explicar por los precios ocurridos en el pasado, y estos influyen en el incremento de la población de colmenas y la producción de miel en México. Para probarla, el objetivo de este estudio fue desarrollar un modelo de pronóstico para el precio pro-medio anual de miel en México (PPML). Los datos fueron del periodo 1966 a 2019 y se utilizó la metodología Box-Jenkins de procesos autorregresivos integrados de medias móviles (ARIMA) con y sin intervención. Los parámetros de los modelos se estimaron con el método de máxima verosimilitud en SAS® y el cambio estructural con la librería correspondiente (strucchange) del programa R. Un modelo basado en la serie PPML se adaptó para el periodo 1966 a 2019 y se va-lidó con los datos de los años 2018 y 2019. La serie presenta cinco periodos de cambios estructu-rales de tendencia de los PPML, (1966-1985), (1986-1995), (1996-2003), (2004-2008) y (2009-2019). El mejor modelo estimado sin intervención fue ARIMA (1, 1, 1) y con intervención fue ARIMA (1, 1, 0); lo cual indicó que los PPML se pueden explicar con los precios de años anteriores. Las predicciones presentaron un error porcentual absoluto medio (MAPE) de 8.16 % para el mode-lo sin intervención y 4.02 % para el modelo con intervención. Ambos modelos estimados, plan-tearon que los PPML tienen una tendencia al alza en el mediano plazo. El modelo ARIMA con intervención estimó el PPML con precisión mayor y proporcionó información para planificar y tomar decisiones para los próximos cinco años.

  • English

    Bee (Apismellifera L) honey is one of the oldest foods that humans have used. Since ancient times, it has been used as a healthy product due to its sweetening and healing properties. In 2020, Mexico produced 54 121 tons (Mg), which ranked the country as the tenth largest producer in the world. The hypothesis was that current honey prices can be explained by previous prices and that they influence the increase in the population of hives and the production of honey in Mexico. To test this hypothesis, the objective of this research was to develop a forecast model for the annual average prices of honey in Mexico (AAPH). The data comprised the 1966 to 2019 prices and the Box-Jenkins methodology of Autoregressive Integrated Moving Average (ARIMA), with and without intervention, was used. The parameters of the models were estimated with the maximum likelihood method of the SAS® software, while the structural change was calculated with the corresponding library (strucchange) of the R software. A model based on the AAPH series was adapted for the 1966−2019 period and validated with data from 2018 and 2019. The series presents five periods of trend structural changes of AAPH: 1966−1985; 1986−1995; 1996−2003; 2004−2008; and 2009−2019. The best estimated model without intervention was ARIMA (1, 1, 1) and the best model with intervention was ARIMA (1, 1, 0), which indicates that the prices of previous years can explain the AAPH. The predictions had a mean absolute percentage error (MAPE) of 8.16 % for the model without intervention and 4.02 % for the model with intervention. Both estimated models suggested that the AAPH have an upward trend in the medium term. The ARIMA model with intervention provided a more accurate estimation of the AAPH and information to plan and make decisions for the next five years.