Introducción

Este trabajo analiza los factores determinantes de la intensidad agraria en Castilla y León mediante un análisis descriptivo y econométrico.

Objetivos

Los principales objetivos del trabajo son:

Base de datos

La base de datos esta compuesta por informacón procedente del Instituto Nacional de Estadística (INE), así como del Fondo Español de Garantía Agraria (FEGA) y del Anuario de Estadística Agraria de Castilla y León.

Las variables utilizadas son:

Análisis descriptivo

tabla_resumen <- function(variable) {
  tabla <- data.frame(
    min = min(variable, na.rm = TRUE),
    Q1 = unname(quantile(variable, 0.25, na.rm = TRUE)),
    median = median(variable, na.rm = TRUE),
    Q3 = unname(quantile(variable, 0.75, na.rm = TRUE)),
    max = max(variable, na.rm = TRUE),
    mean = mean(variable, na.rm = TRUE),
    sd = sd(variable, na.rm = TRUE),
    n = sum(!is.na(variable)),
    missing = sum(is.na(variable))
  )
  
  knitr::kable(tabla)
}
boxplot_personalizado <- function(variable, titulo, unidad, escala) {
  boxplot(variable,
          col = "lightblue",
          main = titulo,
          ylab = unidad,
          cex.main = 0.8,
          cex.axis = 0.8,
          axes = FALSE)
  
  axis(2,
       at = escala,
       labels = format(escala, big.mark = ".", scientific = FALSE))
  
  box()
}

Superficie Agraria Utilizada

tabla_resumen(datos1$sau)
min Q1 median Q3 max mean sd n missing
384708 501428 554264 607640 893652 586348.6 151094.4 9 0 
boxplot_personalizado(datos1$sau,
                      "Boxplot SAU",
                      "Hectáreas",
                      seq(0, 1000000, by = 100000))
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso

Número de explotaciones

tabla_resumen(datos1$explot)
min Q1 median Q3 max mean sd n missing
4496 7225 9361 11678 13820 9429.444 3095.64 9 0 
boxplot_personalizado(datos1$explot,
                      "Boxplot número de explotaciones",
                      "Nº de explotaciones",
                      seq(0, 15000, by = 2000))
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso

Unidades Ganaderas Totales

tabla_resumen(datos1$ugt)
min Q1 median Q3 max mean sd n missing
106790 221520 249949 291574 616921 299333 159007 9 0 
boxplot_personalizado(datos1$ugt,
                      "Boxplot UGT",
                      "Unidades ganaderas",
                      seq(0, 700000, by = 100000))
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso

Ayudas PAC

tabla_resumen(datos1$pac)
min Q1 median Q3 max mean sd n missing
7412016 11463709 13084535 14444386 27526609 14324211 5763194 9 0 
boxplot_personalizado(datos1$pac,
                      "Boxplot ayudas PAC",
                      "Euros",
                      seq(0, 30000000, by = 5000000))
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso

Superficie ecológica

tabla_resumen(datos1$eco_ha)
min Q1 median Q3 max mean sd n missing
3675 4338 6062 8445 20079 8399.444 5965.185 9 0 
boxplot_personalizado(datos1$eco_ha,
                      "Boxplot superficie ecológica",
                      "Hectáreas",
                      seq(0, 25000, by = 5000))
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso

Tierras de cultivo

tabla_resumen(datos1$tierras_cultivo)
min Q1 median Q3 max mean sd n missing
179243 288543 350736 472430 585457 379888.2 138957.6 9 0 
boxplot_personalizado(datos1$tierras_cultivo,
                      "Boxplot tierras de cultivo",
                      "Hectáreas",
                      seq(0, 700000, by = 100000))
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso

Superficie total

tabla_resumen(datos1$superficie_total)
min Q1 median Q3 max mean sd n missing
692300 805200 1030700 1235000 1557800 1046922 304349.1 9 0 
boxplot_personalizado(datos1$superficie_total,
                      "Boxplot superficie total",
                      "Hectáreas",
                      seq(0, 1600000, by = 200000))
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso

Intensidad agraria

tabla_resumen(datos1$int)
min Q1 median Q3 max mean sd n missing
0.1996457 0.2336381 0.3765347 0.409697 0.7018148 0.3836962 0.1685813 9 0 
boxplot_personalizado(datos1$int,
                      "Boxplot intensidad agraria",
                      "Índice de intensidad",
                      seq(0, 1, by = 0.1))
## Warning in prettyNum(.Internal(format(x, trim, digits, nsmall, width, 3L, :
## 'big.mark' y 'decimal.mark' son ambos '.', lo cual puede ser confuso

Interpretación de resultados

Los coeficientes estimados permiten analizar la influencia de cada variable sobre la intensidad agraria.

Conclusiones

El análisis realizado permite identificar los principales factores asociados a la intensidad agraria en Castilla y León.