Resumen de Evaluación de cinco métodos para el pronóstico y el análisis de tendencia de la producción agrícola de Panamá: Una herramienta para las instituciones y empresas del sector

Juan Corella Justavino, Juan H. Rusnak, José R. Binns H., Carmen C. Rovira C., Odilio Ayala, Rubén D. Ríos e, Xóchilt Acosta., Eybar E. Vargas.

• español

  Como una orientación para que los administradores y profesionales de las ciencias agrícolas mejoren la planificación de presupuestos y estados financieros proyectados, se analizaron cinco métodos de pronósticos y la tendencia de la regresión lineal, en una serie de tiempo, para 30 cultivos agrícolas en Panamá. Los cinco métodos de pronósticos aplicados fueron el Promedio Móvil Simple (PMS), el Promedio Móvil Ponderado (PMP), la Suavización Exponencial (SE), la Regresión lineal simple (RLS) y la Regresión Polinómica (RP) y el único método de tendencia utilizado fue el RLS. Los datos se corrieron en el software Excel. Los resultados de las estadísticas básicas (ver tabla1) mostraron que, de 30 rubros analizados en el 2019, en 16 casos la producción estuvo por debajo del promedio de la serie histórica. En la tabla 2 se observa que, de los 30 rubros pronosticados, 6 casos correspondieron al PMS, 14 casos al PMP, 9 casos a la SE y en un caso al método de la RP.  En el análisis de tendencia, para después del año 2019, de los 30 casos analizados, 19 rubros mostraron tendencia al decrecimiento, 9 mostraron al incremento y dos a mantener la producción constante.  Se concluye que los pronósticos para la producción de cultivos agrícolas pueden variar de un método a otro, dependiendo además de la data y del tiempo, de un alto coeficiente de determinación del modelo de regresión, de un resultado en números reales positivos y del menor error porcentual de desviación absoluta.

• English

  As an orientation for agricultural science managers and practitioners to improve budget planning and projected financial statements, five forecasting methods and the trend of linear regression, over a time series, for 30 agricultural crops in Panama were analyzed. The five forecasting methods applied were Simple Moving Average (SMA), Weighted Moving Average (WMA), Exponential Smoothing (SE), Simple Linear Regression (SLR) and Polynomial Regression (PR) and the only trend method used was SLR. The data was run in Excel software. The results of the basic statistics (see table 1) showed that, of 30 items analyzed in 2019, in 16 cases production was below the average of the historical series. Table 2 shows that, of the 30 items predicted, 6 cases corresponded to the SMA, 14 cases to the WMA, 9 cases to the SE and in one case to the PR method.  In the trend analysis, for after 2019, of the 30 cases analyzed, 19 items showed a tendency to decrease, 9 showed an increase and two to were predicted to maintain constant production.  It is concluded that the forecasts to produce agricultural crops may vary from one method to another, depending also on addition to the data and time, a high coefficient of determination of the regression model, a result in positive real numbers and the lowest percentage error of absolute deviation.