ÍNDICES ZOOTÉCNICOS E INDICADORES DE
PRODUCTIVIDAD DE LOS SISTEMAS DOBLE PROPÓSITO[1]
Raúl H. De León-García[2]; Víctor Escudero[3]; Claudia Rivas[4]; Anel Martínez4;
Verónica González4
RESUMEN
El objetivo fue determinar los índices
zootécnicos e indicadores de productividad y su impacto en el sistema doble
propósito. El trabajo se realizó en Colón, Panamá Este y Darién y la
información se obtuvo de una encuesta aplicada a 20 fincas. Los índices
zootécnicos evaluados fueron: tasa de nacimiento (TN), de mortalidad en
terneros (TMT), intervalo entre partos (IEP), días abiertos (DA), edad al
primer servicio (EPS), edad al primer parto (EPP), duración de la lactación
(DL), peso al nacimiento (PN) peso al destete (PD) y la relación vaca en
ordeño: inventario (VO/VT). Los indicadores de productividad considerados
fueron: producción/vaca/día (PDL), productividad/lactancia (PPL), producción de
leche/año (PL/año), producción de leche/ha (PL/ha), kilos de carne/año (PC) y
kilos de carne/ha (PC/ha). El análisis se realizó mediante un diseño de
estadística básica y para los indicadores de productividad se utilizó el
análisis multivariado (AM). Los índices fueron los siguientes: TN: 25,9% (±16,1), TMT: 3,90% (±11,6), PN: 40,12 (±6,83 kg); PD 124,42 (±16,19 kg), IEP: 424,67 (±205,57 días), DA: 151,0 (±88,9) EPS: 19,66 meses, EPP: 28,6 meses, DL: 223,75 (± 25,59 días), VO/VT: 27% (±14%). El AM permitió
conformar cinco grupos, de ellos, el número
5 presentó los mejores indicadores productivos con PLD de 6,46 L (±1,42), PPL 1 479,06 L (±332,17), PL/año 48 666,67 (±8 429,31), PL/ha de 718,65 L (±579,47). De igual
manera, es uno de los grupos con mayor PC
(5 307,12 ±4 833,71) y PC/ha con 145,45 kg (±57,53). Los resultados permiten
concluir la necesidad de mejorar los índices zootécnicos tales como tasa de
nacimientos y proporción vacas en ordeño, vacas totales e indicadores como
producción diaria de leche/vaca y producción total de leche/ha, para lograr la
sostenibilidad de estos sistemas.
Palabras clave: Duración
de la lactación, intervalo entre partos, producción de carne/ha, producción de
leche/ha, tasa de nacimiento.
ZOOTECHNICAL INDICES AND PRODUCTIVITY INDICATORS FOR DUAL-PURPOSE
SYSTEMS
ABSTRACT
The objective was to
determine the zootechnical indices and productivity
indicators and their impact on the productivity of the production system. The
work was carried out in Colón, East Panama and Darién and the information was
obtained from a survey applied to 20 farms. The zootechnical
indices evaluated were: birth rate (BR), calf mortality rate (CM), calving
interval (CI), open days (OD), age at first service (AFS), age at first calving
(AFC), lactation duration (LD), birth weight (BW), weaning weight (WW) and
cow-milking: inventory ratio (MC/I). The productivity indicators considered
were: production/cow/day (PCD), lactation productivity (LP), milk
production/year (MP/year), milk production/ha (MP/ha), kg of meat/year
(MP/year) and kg of meat/ha (MP/ha). The analysis was carried out using a basic
statistical design and multivariate analysis (MA) was used for productivity
indicators. The indices were as follows: BR: 25.9% (±16.1), CM: 3.90%
(±11.6), BW: 40.12 (±6.83 kg); WW 124.42 (±16.19 kg), CI: 424.67 (±205.57 days), OD: 151.0
(±88.9), AFS: 19.66 months, AFC: 28.6 months, LD: 223.75 (±25.59 days), MC/I: 27% (±14%). The MA allowed the formation of 5 groups, of them, number 5 presented the best productive
indicators with a PCD of 6.46 L
(±1.42), LP 1,479.06 L
(±332.17), MP/year 48,666.67 (±8,429.31),
MP/ha 718.65 L (±579.47). It is also one of the
groups with the highest MP/year (5,307.12 ±4,833.71) and MP/ha with 145.45 kg (±57.53). The
results allow us to conclude the need to improve zootechnical
indices and indicators to achieve the sustainability of these systems.
Keywords: Birth rate, calving
interval, lactation duration, meat production/ha, milk production/ha.
INTRODUCCIÓN
En nuestro país, los
Sistemas de Producción Bovino de Doble Propósito (SDP), hoy conocidos como “sistemas
lecheros familiares”, han demostrado ser los sistemas productivos más
apropiado para nuestras condiciones por su versatilidad al producir leche y
carne bajo condiciones difíciles de ambiente, alimentación, manejo y políticas
gubernamentales, entre otros factores y
a pesar de ello, en Panamá, la producción de leche ha mantenido un ritmo de
crecimiento sostenido durante los dos últimos años, con un aumento de 8,2% en
la recepción, lo que representa un incremento de 7,4 millones de litros, de los
cuales, los SDP aportan el 20% de la leche agrupando el 73% de los productores
del país según Ministerio de Desarrollo
Agropecuario (MIDA, 2022), pero a pesar de este crecimiento, el sub
sector lechero presenta déficits comerciales que nos llevan a suponer que los
distintos sistemas productivos son incapaces de alcanzar niveles de
competitividad que impulsen el crecimiento de la oferta interna a un nivel que
satisfaga la demanda nacional. Aunado a todo esto, la actividad se ha venido
relacionando con sistemas rudimentarios con bajos índices de productividad
parcial (Ortega-Soto et al., 2007) y con cuestionables niveles de eficiencia,
por lo que se requiere del estudio de los factores que los afectan (Urdaneta et
al., 2013).
El alto grado de
heterogeneidad que existe entre las explotaciones que conforman una población,
dificulta la toma de decisiones de carácter transversal (Cabrera et al., 2004). Dentro del universo de
explotaciones pecuarias existen grupos o estratos diferenciados por el grado de
adopción de tecnología en componentes tales como alimentación, manejo animal,
genética salud animal, reproducción e inclusive en administración de los bienes
y recursos afectando, esta diferenciación, la sostenibilidad de los sistemas.
Este
grado de diversidad y complejidad son fenómenos fácilmente perceptibles, sin
embargo, para apreciar la estructura de algo tan complejo de manera que permita
agrupar esa realidad en unidades más homogéneas se requiere de metodologías a
veces más complejas y ante esta dificultad frecuentemente se tiende a
subestimar las diferencias entre las fincas (Miranda, 1988).
En el mundo moderno, el
manejo de la información es lo que diferencia los países desarrollados de los
no desarrollados siendo ésta, la estrategia tecnológica más importante en el
desarrollo de las diferentes actividades involucradas en el fortalecimiento socioeconómico
de los pueblos.
A
partir del conocimiento de los diferentes factores que interactúan en la
actividad ganadera y de las variables que se generan a partir de ellos, se
pueden desarrollar una serie de indicadores que definen sistemas productivos,
procesos, eficiencia e impacto, desde los cuales se pueden hacer ajustes y
predecir los resultados en los sistemas de producción (Colmenares et al., 2007).
Lo anteriormente expuesto
plantea la necesidad de conocer algunos indicadores productivos de la actividad
ganadera de doble propósito que nos permitan definir la situación actual de los
sistemas y la eficiencia de los procesos. Con la realización de este trabajo
pretendemos cubrir algunos de estos aspectos, haciendo énfasis en la utilidad
que tiene la interpretación de estos indicadores en la determinación de la
productividad de los sistemas de doble propósito.
MATERIALES Y MÉTODOS.
El trabajo se realizó en
las provincias de Colón, Panamá Este y Darién localizadas en el extremo
oriental de la República de Panamá (Figura 1). Estas provincias, de acuerdo a
la clasificación territorial de zonas agroclimáticas elaborada por la Dirección
Nacional de Ganadería del Ministerio de Desarrollo Agropecuario (2002), la cual
establece cinco grandes zonas agroecológicas (Figura 2) y teniendo en cuenta
las condiciones de precipitación, humedad y topografía, se ubican dentro de las
siguientes zonas;
a.
Zona 2: Caracterizada por
tener una precipitación entre 100 y 200 mm durante los meses secos del año y una
precipitación total anual de 1500 a 3000 mm. La altura sobre el nivel del mar
de esta zona está entre 100 y 400 metros y sus suelos son más bien variados y
ondulados.
b.
Zona 3: Esta zona se
caracteriza por tener entre tres y cuatro meses de sequía; generalmente tiene
un promedio de precipitación total, en los cuatro meses más secos superior a
los 200 mm. La precipitación total anual está entre 2000 y 3000 mm. La altura
sobre el nivel del mar de esta zona está entre 200 y 500 metros; los suelos de
esta región son muy semejantes a los suelos de la zona 2 de sequía intermedia.
c.
Zona 5: Esta zona
agroclimática se caracteriza por ser muy lluviosa, sin tener una temporada de
sequía marcada. Los suelos de esta Zona son variados, de poca a mediana
profundidad.
Metodología
La información se obtuvo de
una encuesta semiestructurada aplicadas a 20 fincas del sistema de doble
propósito localizadas en las cuencas lecheras de Nuevo Tonosí (Colón), Chepo
cabecera, Cañita, Tortí (Panamá Este), Agua Fría,
Santa Fe y Metetí (Darién) y que representan el 10%
de las explotaciones dedicadas a la actividad al momento de levantarlas (Cuadro
1), siguiendo la metodología propuesta por Cabrera et al. (2004) y descrita en trabajos realizados anteriormente
por Vargas-Leitón et al. (2013), Avilez et al. (2010) y De León et al. (2018).
Dentro de las características de las fincas se consideraron; superficie
de la finca, tipo de pasturas, uso de la tierra, inventario ganadero, grupos
raciales (cruces en diferentes proporciones de Bos taurus x Bos indicus), vacas en ordeño y categoría
(vacas secas, novillas en desarrollo, terneras hasta los 12 meses) de los
animales. Los índices zootécnicos que se tomaron en cuenta fueron; tasa de
natalidad (TN), mortalidad de
terneros menores de un año (MT),
peso al nacimiento (PN), peso al
destete (PD), intervalo entre
partos (IEP), edad al primer
servicio (EPS), edad al primer
parto (EPP), duración de la
lactación (DL), relación vaca en
ordeño: inventario (VO/VT) y
carga animal (CA).
Como indicadores de productividad se tomaron en cuenta;
el promedio producción/vaca/día (PDL),
producción de leche no ajustada/lactancia (PLL), producción de leche/ha (PL/ha), producción de leche/año (PL/ha), producción de carne/ha (PC/ha) y producción de carne/año (PC). Las variables económicas fueron los ingresos por venta de
leche al año y los ingresos por venta de kg de carne al año.
Análisis
estadístico
De las encuestas levantadas, se generaron 84 variables las cuales,
utilizando el procedimiento recomendado por Hair et al. (2010) permitió realizar una
estandarización y agregación de estas variables, con el fin de mejorar y
simplificar la estructura de los datos antes de la implementación de los
análisis multivariados.
De las variables generadas, se seleccionaron, de manera a priori,
14 no correlacionadas, basadas en la contribución de las mismas a la
productividad de la finca que se detallan a continuación en el Cuadro 2.
Mediante la técnica de análisis descriptivo se calcularon los promedios,
la desviación estándar y el coeficiente de variación de cada una de las
variables considerando aquellas que presentaban mayor variabilidad (coeficiente
de variación ≥30%) y que no estuvieran correlacionadas (Cuadro 3).
Análisis
descriptivo
El análisis descriptivo permitió obtener
estadísticos para las variables de tipo cuantitativo (Cuadro 4). Esta
información se sometió a un proceso de edición a fin de detectar valores
extremos biológicamente improbables, utilizando como criterio la distribución
de probabilidad (por ejemplo: distribución normal, promedio, desviación
estándar).
Análisis
multivariado
Con el propósito de agrupar fincas homogéneas en términos de índices zootécnicos
e indicadores de productividad, se utilizaron técnicas de análisis
multivariados como; análisis de componentes principales (ACP), análisis de
conglomerados (AC) y análisis discriminante (AD).
RESULTADOS
Y DISCUSIÓN
Características
de las fincas
De acuerdo a los resultados de las encuestas, todo indica que estos
sistemas de producción están en manos de pequeños y medianos productores, con
fincas de 59,93 ha (±35,88) en promedio, destinadas a la actividad ganadera en
su totalidad. Este tamaño de finca es menor a las 67,4 ha reportadas por Guerra
et al. (2016), pero mayor al promedio nacional (45,43 ha).
En estas explotaciones, la alimentación se basa en el uso de pasturas
nativas especialmente ratana (Ischaemun
indicum) que cubre más del 70% de la superficie
de la finca. En menor proporción, encontramos pasturas mejoradas como Tanner (Brachiaria radican) y los cultivares Marandú
y Decumbens (ambas Brachiarias sp.). En lo que se refiere a pastos
de corte, bancos energéticos y bancos proteicos la superficie sembrada, al
momento del levantamiento de las encuestas, era muy poca o nula y la
distribución de la tierra se detalla a continuación en el Cuadro 5.
El inventario ganadero está compuesto en promedio por 71,85 (±39,82)
animales, de los cuales el 22,9% del hato están en ordeño (Cuadro 6), el cual
se realiza de forma manual con apoyo del ternero. En estos sistemas predominan
los animales cruzados con encastes de Holstein x cebú y/o Pardo suizo x cebú en
proporciones que van de 50% a 75% de sangre europea.
En el aspecto de suplementación estratégica, solo las vacas en ordeño
reciben una suplementación energético-proteica, la cual se realiza durante la
época seca, que va de enero a abril y que coincide con la baja disponibilidad
de forraje. Esta suplementación se ofrece a través del suministro de pasto de
corte (aquellos que tienen pequeñas parcelas, principalmente de cultivar
OM-22), alimento balanceado, ensilaje de maíz, pacas, melaza y rastrojos de
cosecha en algunas ocasiones, siendo la mayoría de estos alimentos adquiridos
en el mercado local y/o a través de productores que se dedican a su producción
y venta con precios elevados.
El plan sanitario consiste en realizar dos desparasitaciones al año, sin
embargo, la cantidad de baños que realizan es hasta cuatro meses, lo que indica
serios problemas con los ectoparásitos, coincidiendo con lo señalado por De
León et al. (2018) quienes
indican la posibilidad de resistencia de las garrapatas a los productos
utilizados para su control. Además de los controles de endo
y ectoparásitos, algunas fincas vacunan contra la rabia bovina paralitica
(zonas endémicas a la enfermedad) y la mayoría aplica la vacuna contra pierna
negra, septicemia hemorrágica y carbón sintomático. Como práctica común, todas
las fincas aplican vitaminas, reconstituyentes y minerales inyectables una o
dos veces al año, dependiendo de la cantidad de veces que se desparasiten los
animales.
Índices
zootécnicos
De acuerdo al análisis de los datos, la tasa de nacimientos (TN) es de 25,9% (±16,1), la de
mortalidad en terneros (TMT) de
3,90% (±11,6), el peso al nacimiento (PN)
de 40,12 kg (±6,83) y al destete (PD)
de 124,42 kg (±16,19). Para las variables intervalo entre partos (IEP) y días abiertos (DA) las medias fueron de 424 días (±
205,57) a 151 (±88,9) días, respectivamente. Estas variables se estimaron
teniendo en cuenta el registro de los resultados de los diagnósticos de
gestación realizados en fincas colaboradoras durante cuatro años (Cuadro 7).
Para los indicadores de edad al primer servicio (EPS) y edad al primer parto (EPP) los valores calculados fueron de
19,66 a 28,6, respectivamente mientras que la duración de la lactación (DL) se estimó en 223,75 (±25,59) días.
Otros indicadores zootécnicos que se estimaron fueron la tasa de descarte del
hato (TD) (4,56%), considerando
para este cálculo la cantidad de animales descartados el último año con
respecto al inventario al momento del descarte. La relación vaca en ordeño:
inventario (VO/VT) fue de 27,1%
(±13,6%).
Indicadores
de productividad
Se consideraron como indicadores de productividad de las fincas; la
producción diaria de leche/vaca (PDL), la producción por lactación (PPL), la
producción de leche/año (PL/año), la producción de leche/ha (PL/ha), los
kilogramos de carne producidos al año (PC/año), producto de la venta de
terneros destetados, vacas, novillas y toros de descarte y la venta de terneros
cebados en aquellas fincas que se dedican a la ceba de los terneros, como
también, la producción de kilogramos de carne/ha (PC/ha)
(Cuadro 8).
Los índices zootécnicos e indicadores de productividad de las fincas
encuestadas fueron comparados con los resultados obtenidos por De León et al.
(2018) y al ser analizados, se observa que es muy poco lo que han mejorado,
sobre todo los indicadores de productividad como producción de leche/vaca/día;
promedio de leche/lactación y producción de leche/ha
que son indicadores de productividad que muestran la sostenibilidad del sistema
(Cuadro 9).
Al analizar los índices e indicadores de las fincas
encuestadas y comparar con lo reportado por De León et al. (2018) (Cuadro 9),
se puede observar que para la zona oriental del país los indicadores son más
altos que los reportados a nivel nacional para variables como superficie de la
finca, inventario ganadero y vacas en ordeño, sin embargo, la proporción de
vacas en ordeño: inventario, es solo de 27%, mientras que, a nivel nacional es
de 50%. Por otra parte, el promedio de la duración de la lactación para la
región es de 29 días más corto que a nivel nacional, sin embargo, el promedio
diario/vaca es 10% mayor.
Análisis
multivariado
Con el propósito de evaluar y comparar los índices zootécnicos e
indicadores de productividad dentro de estratos homogéneos e identificar
fortalezas y debilidades en cada estrato, se procedió a realizar un análisis
multivariado que permitió distinguir las variables que inciden en el grado de
heterogeneidad y homogeneidad entre las explotaciones y así generar grupos
representativos de subsistemas productivos.
Análisis de Componentes principales (ACP)
Mediante el análisis de componentes principales, se extrajeron 14
posibles factores principales, para los que se cuantificaron los autovalores respectivos y la proporción marginal de
varianza explicada por cada uno de ellos.
Las comunalidades
iniciales representan la varianza de cada variable explicada por todos los
componentes principales, siendo que, antes de la extracción, el número de
componentes coincide con las variables, este siempre será 1,000, mientras que
la comunalidad final indica la variabilidad de cada
variable que es explicada por el conjunto de componentes retenidos por el
modelo (Cuadro 10). Este análisis indicó que las variables quedan bien
explicadas por el modelo en más del 70,8%.
Los valores propios y las inercias explicadas por los componentes
iniciales se observan en la primera columna del Cuadro 11 y en la segunda, los
valores luego de la extracción. Para nuestro análisis solo retuvimos aquellos
componentes cuyos valores propios fueron mayores a 1,000 (Carmona, 2014).
Atendiendo este criterio, se puede observar que únicamente los cinco
primeros factores principales mostraron autovalores
mayores que uno. Estos explicaron respectivamente el 32,120%; 21,523%; 17,509%;
11,119% y 7,420% de la varianza presente, en el conjunto original de las 14
variables observadas, para un acumulado de 89,691%. En trabajos similares,
Guerra et al. (2016) con cuatro
factores explicó el 71,7% de la varianza, mientras que De León et al. (2018), también con
cinco factores, definió el 81,49% de la varianza. Por otro lado, el gráfico de
sedimentación (Figura 3) justifica la elección de cinco componentes
principales, el punto de inflexión-comienzo de zona de sedimentación de la
curva tras los cinco componentes, para el modelo.
La proporción de varianza explicada por los
factores adicionales (de 6 a 14) fue menor al 6,0, por lo que, según Johnson y Wichern (1998), son considerados factores triviales y de
importancia limitada para efectos descriptivos.
El análisis de correlaciones permitió identificar las variables con
mayor impacto en cada uno de los cinco componentes seleccionados (Cuadro 12).
Es así como se puede observar que el primer factor presenta asociaciones
fuertes y positivas con variables productivas como vacas en ordeño, producción
de leche/lactación, producción de leche/año, lo que es reflejo de que es un
factor relacionado con la productividad.
Análisis de Conglomerados (AC)
A través del Análisis de Conglomerados (AC), las
fincas con índices zootécnicos e indicadores de productividad similares se
agruparon formando grupos homogéneos, maximizando la heterogeneidad entre los
mismos. Este análisis gráfico del comportamiento de los estadísticos permitió
definir el número óptimo de conglomerados similares (Figura 4), con un nivel de
0,05 de probabilidad utilizando los coeficientes de determinación parcial (CDSP
o Semi-Partial R2) como escala de acuerdo al método
de Ward, lo que permitió obtener cinco niveles de conglomerados homogéneos en
el que se agruparon las 20 explotaciones ganaderas con la siguiente
conformación; Grupo #1,
conformado por las fincas 1, 16, 12 y 14; Grupo #2, las fincas, 2, 3, 17, 9 y 18; el Grupo #3 las fincas 10, 15, 13, 19; el Grupo #4 lo forman las fincas 4 y 8, y
finalmente el Grupo #5 estuvo
compuesto por las fincas 5, 6, 7, 11 y 20.
Análisis
Discriminante (AD)
En vista que el análisis de conglomerados agrupa las fincas, estén o no
en la población original (Ling & Killough, 1976) y con el propósito de comprobar la bondad
de estas clasificaciones, se utilizó la técnica de Análisis Discriminante (AD),
que permite describir y clasificar elementos representados por un número
elevado de variables.
Este método analítico permitió encontrar la varianza e intra-varianza
mínima entre las combinaciones lineales de variables, permitiendo resaltar la
diferencia entre clases, facilitando su delimitación.
El Análisis Discriminante indico que, según el Análisis de
Conglomerados, 11 fincas fueron mal clasificadas, siendo reclasificadas con
1,000 de probabilidad de pertenecer al nuevo grupo, tal como se muestra en el
Cuadro 13.
Utilizando técnicas de análisis multivariados (ACP, AC y AD) y
considerando las 14 variables seleccionadas a priori, se conformaron
cinco grupos de fincas con varianza e intra-varianza mínimas, las cuales se
detallan en el Cuadro 14 con sus respectivos indicadores de productividad.
Teniendo en cuenta los indicadores de productividad considerados para
este estudio, el Grupo #3 es el que presenta los indicadores más bajo para
promedio vaca/día (3,44 L), producción de leche por lactación (721 L) y
producción de leche/ha (363,75 L) y producción de leche/año (18706,25), sin
embargo, es más eficiente en la producción de kg carne/año (287307 kg) que el
Grupo #1 que presenta mejores indicadores en cuanto a producción de leche, no
así para producción de carne. De los
cinco grupos conformados, el Grupo #4 a pesar de tener mejores indicadores para
promedio/vaca (6,78 L), producción/lactación (1870,66 L), producción de
leche/año (59312,50 L) y producción de carne/año, sus indicadores para
producción de leche/ha (593,68 L) y kilogramos de carne/ha (55,82 kg) no son
tan altos como los de los Grupos #2 y #5 (95,26 kg y 145,45 kg, respectivamente)
debido principalmente a que son fincas con mayor superficie.
CONCLUSIONES
·
Los índices
zootécnicos como porcentaje de nacimientos, relación vaca en ordeño: vacas
totales en el hato, tasa de nacimientos y tasa de mortalidad de las fincas
intervenidas no presentan mejoras en relación a los reportados en trabajos
anteriores.
·
El análisis
multivariado permitió agrupar las fincas en cinco grupos considerando 14
variables a priori.
·
De los cinco grupos
conformados, el grupo #5 fue uno de los que presentó mejores indicadores
productivos, al lograr indicadores de producción similares a otros grupos, pero
en menor superficie de terreno (producción de kg de carne/ha. Y producción de
leche/ha.).
REFERENCIAS
Avilez,
J. P., Escobar, P., Von Fabeck, G., Villagran, K., García, F., Matamoros, R., &
García-Martínez, A. (2010). Caracterización productiva de explotaciones
lecheras empleando metodología de análisis multivariado. Universidad de Zulia, 20, 74-80. https://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0798-22592010000100011
Cabrera, D. V.,
García, M. A., Acero, D. L. C. R., Castaldo, A.,
Perea, J. M., & Peinado, J. M. (2004). Metodología para la caracterización y tipificación de sistemas
ganaderos. Dpto. Producción Animal Producción Animal y Gestión. Universidad
de Córdoba. Documentos de Trabajo. ISSN: 1698-4226 DT 1, Vol. 1/2004.
Carmona, F. (2014).
Un ejemplo de ACP paso a paso. Departament d’Estadística https://www.ub.edu/cursosR/files/ejemploACP.pdf
Centro de Competitividad de la Región
Occidental de Panamá. (2018). Visión
2050. Región Oriental. Estrategia para el Desarrollo Sostenible.
APEDE/SENACYT. 86p. https://www.cecomro.com/wp-content/uploads/2020/03/VISION-2050-REGION-ORIENTAL_TALLER-13-12-18-1.pdf
Colmenares, O., Martínez,
N., Domínguez, C., Birbe, B., & Herrera, P.
(2007). Indicadores
productivos y reproductivos en fincas Ganaderas en los Llanos Centrales.
Capítulo II. En: Simposio: Tecnologías Apropiadas para la Ganadería de los
Llanos de Venezuela. http://www.avpa.ula.ve/eventos/i_simposio_tecnologias/pdf/articulo6.pdf
De
León-García, R. H., Escudero, V., Rivas, C., Martínez, A., & González, V.
(s/f). Indicadores de Productividad de
los sistemas de doble propósito de las provincias de Colón, Panamá Este y
Darién.
De
León-García, R. H., Thomas, G., & Castillo, O. (2018). Caracterización y tipificación de pequeñas fincas
doble propósito de la provincia de Bocas del Toro-Panamá. Ciencia Agropecuaria, (29), 13-41. http://www.revistacienciaagropecuaria.ac.pa/index.php/ciencia-agropecuaria/article/view/51
Guerra-Martínez,
P., Cedeño, Y., & Quiel, R. (2016). Tipificación y
caracterización de pequeñas y medianas fincas ganaderas del distrito de
Gualaca, Chiriquí. Panamá. Ciencia
Agropecuaria, (25), 22-44.
http://www.revistacienciaagropecuaria.ac.pa/index.php/ciencia-agropecuaria/article/view/91/64
Hair, J. F., Anderson,
R. E., Babin, B. J., & Black, W. (2010). Multivariate data analysis.
7 ed. New York, USA, Prentice Hall College Division. 768 p. https://www.drnishikantjha.com/papersCollection/Multivariate%20Data%20Analysis.pdf
Johnson, R., &
Wichern, D. (1998). Applied
multivariate statistical analysis. 4 ed. New York, USA, Prentice Hall. 799.
Ling, R. F., & Killogh, G. C. (1976).
Probability tables for cluster analysis based on a theory of random graphs. Journal of the American Statistical
Association, 71(345), 27-35.
Ministerio de
Desarrollo Agropecuario. (2022). Sector
lechero panameño presenta gran oportunidad de crecimiento. https://mida.gob.pa/sector-lechero-panameno-presenta-gran-oportunidad-de-crecimiento/
Ministerio de Desarrollo Agropecuario.
(2002). Informe sobre la situación de los
recursos zoogenéticos en Panamá. Proyecto de Planificación de Desarrollo
Agrícola (PAN 74005). Dirección Nacional de Ganadería. https://es.slideshare.net/syandrea/panama-9928748
Miranda, E. E.
(1990). Tipificación de pequeños
agricultores. Ejemplo de la metodología aplicada a los productores de
frijol de Itarare, S.P., Brasil. In: Escobar, G.; Berdegue, J. (eds.) Tipificación de sistemas de producción
agrícola 119-140. https://www.academia.edu/49500366/Tipificaci%C3%B3n_de_sistemas_de_producci%C3%B3n_agr%C3%ADcola
Ortega-Soto, L.,
Albornoz-Gotera, A., & Segovia-López, E. (2007).
Índice de productividad total de la ganadería de doble propósito del Municipio
Colón, estado Zulia-Venezuela. Revista
Científica, 17 (3), 268-274.
http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S0798-22592007000300009
Urdaneta, F.,
Dios-Palomares, R., & Cañas, J. A. (2013). Estudio comparativo
de la eficiencia de sistemas ganaderos de doble propósito en las zonas
agroeconómicas de los Municipios Zulianos de la Cuenca del lago de Maracaibo,
Venezuela. Revista Científica, 23
(3), 211-219. https://www.redalyc.org/articulo.oa?id=95926665008
Vargas-Leitón, B., Solís, G. O., Segura, S. F. & León, H. H.
(2013). Caracterización y Clasificación de Hatos Lecheros en Costa Rica
mediante Análisis Multivariado. Agronomía
Mesoamericana, 24(2), 257-275. https://www.redalyc.org/pdf/437/43729228003.pdf