Costos de transacción e instituciones en los mercados agrícolas

De acuerdo con la teoría de costos de transacción (TCT), estos representan el uso de recursos debido a que utilizan el mecanismo de precios del mercado, es decir, porque realiza negociaciones, inspecciones, y supervisa contratos, entre otras cosas (^{Coase, 1960}). La TCT parte de supuestos acerca del comportamiento humano, tales como la racionalidad limitada y la tendencia al oportunismo de los individuos (^{Tadelis y Williamson, 2012}; ^{Wang, Wang y Delgado, 2014}), lo que por lo regular desemboca en contratos incompletos y de mucho riesgo para los intereses de quienes los celebran.

Algunos costos de transacción se refieren a lo siguiente: al uso de recursos que implica recabar información del mercado (costos de información); al uso de recursos empleados para pactar las características de los intercambios (costos de negociación); y al uso de recursos necesarios para supervisar el cumplimiento de los pactos alcanzados en la negociación (costos de supervisión) (^{Fischer y Qaim, 2012}; ^{Hill, 1990}; ^{Ouma et al., 2010}).

En particular, los costos de información se refieren a la recolección de información de mercado (^{Brouthers, 2002}). Surgen debido a la presencia de información asimétrica en relación con la demanda, la ubicación geográfica de los socios y de los compradores, las cualidades de los productos (^{Fischer y Qaim, 2012}; ^{Hill, 1990}; ^{Ouma et al., 2010}) y por la conducta esperada del agente con quien se realiza la transacción (^{Escobal, 2001}). Hay que advertir que tener acceso a mayor información que el resto de los competidores, constituye una ventaja para tomar decisiones.

La literatura reciente apunta que las instituciones son un mecanismo para reducir los costos de transacción, al fungir de sistema de gobernanza en los mercados (^{Minten, Assefa y Hirvonen, 2017}). Entre estas instituciones se destacan las conexiones sociales, la confianza, la cooperación y la reciprocidad (^{Gelaw et al., 2016}), las cuales influyen de manera positiva en la conducta de los agentes y mejoran el intercambio. Por lo tanto, crear vínculos sociales de cooperación reduce los costos de transacción (^{Arana-Coronado, Trejo-Pech, Velandia y Peralta-Jiménez, 2019}; ^{Ruben y Heras, 2012}; ^{Shumeta y D’Haeseb, 2016}) y la propensión al oportunismo.

Los beneficios de las instituciones para los mercados agrícolas han sido señalados en otras investigaciones, sobre todo las que analizan las organizaciones agrícolas (^{Barraud-Didier, Henninger y El Akremi, 2012}; ^{Carbajal et al., 2020}; ^{Woldu y Tadesse, 2015}; ^{Zheng, Wang y Awokuse, 2012}). También se ha indicado la importancia de las instituciones informales, como es el caso de ^{Winter-Nelson y Temu (2005)}, quienes encontraron que las asociaciones formales e informales ayudan a reducir los costos de transacción (incluidos los de información) en el mercado del café.

En concreto, la confianza estabiliza las relaciones entre personas y facilita la comunicación y la transmisión de información (^{Arranz y Fernández de Arroyabe, 2011}). Los vínculos sociales y la cooperación compensan la información que no ofrece el mecanismo de precios del mercado (^{Teece, 1992}) y, de igual forma, la reciprocidad actúa como un patrón de intercambio social en el que se transmite información del mercado (^{Ostrom y Ahn, 2003}), lo cual ayuda a reducir los costos de búsqueda.

Mercado de café en el Estado de México

En México hay quinientos mil productores de café (^{Secretaría de Agricultura, Ganadería, Desarrollo Rural, Pesca y Alimentación [SAGARPA], 2018}) que realizan su actividad en 480 municipios; no obstante, más de la mitad de ellos están ubicados en regiones de muy alta marginación (^{Centro de Estudios para el Desarrollo Rural Sustentable y la Soberanía Alimentaria [CEDRSSA], 2019}). Por otra parte, la mayoría de los productores cuentan con minifundios (^{CEDRSSA, 2019}) y deben crear estrategias para reducir el oportunismo de algunos acopiadores.

Se estima que en el Estado de México hay seiscientos caficultores (^{SAGARPA, 2017}) y la mayor parte de su producción (café cereza) se concentra en la región sur de la entidad sobre todo en Amatepec (338 toneladas t), Temascaltepec (40 t), Tlatlaya (26 t), San Simón de Guerrero (16 t), Tejupilco (16 t) y Sultepec (60 t) (^{Sistema de Información Agroalimentaria de Consulta [SIACON], 2020}).

Hay que subrayar que en la región sur del Estado de México se aglutina 93.05% de la producción estatal (^{SIACON, 2020}). Aunado a lo anterior, hay que tener presente que se trata de una zona con cierto grado de homogeneidad en cuanto a sus dinámicas sociales y económicas, debido a su vecindad geográfica con otros estados (Guerrero y Michoacán). Por tales motivos, la presente investigación se concentró en los municipios señalados.

Fiabilidad y validez del instrumento

Al principio se propusieron tres dimensiones para definir las variables de instituciones informales contenidas en el instrumento: confianza (^{Glaeser et al., 2000}; ^{Onyx y Bullen, 2000}; ^{Stanley y McDowell, 2014}), cooperación y reciprocidad (^{Lutz et al., 2017}; ^{Onyx y Bullen, 2000}; ^{Ostrom y Ahn, 2003}) y vínculos sociales (^{Onyx y Bullen, 2000}; ^{Ramírez, 2010}). Además, se añadió una dimensión para los costos de información (^{Brouthers, 2002}; ^{Ouma et al., 2010}). A fin de validar los constructos propuestos, se estimó un análisis factorial exploratorio (AFE). En cuanto a la medida de instituciones formales, se utilizó solo una pregunta sobre si los caficultores recibieron asesoría técnica del CEDCAP como proxy del Programa de Apoyos a Pequeños Productores de la SADER.² Al ser un solo ítem, no se contempló en el análisis factorial, al igual que el indicador correspondiente a la pertenencia a organizaciones productoras de café.

Previamente se realizaron las pruebas de esfericidad de Bartlett y Kaiser-Meyer-Olkin (KMO), con el propósito de establecer la pertinencia del AFE al evaluar si la matriz de correlaciones es una matriz identidad, o sea, si se observa ausencia de correlación entre variables (^{Garza, Morales y González, 2013}).

Es importante señalar que el tamaño muestral es adecuado para el desarrollo del análisis, puesto que autores como De la ^{Garza et al. (2013)} y ^{Hair, Anderson, Tatham y Black (2013)} sugieren que muestras mayores de 50, iguales o mayores de 100 o una razón igual o mayor de 2:1 de sujetos/variables permiten llevar a cabo un AFE. Una vez verificada la pertinencia de los datos, se llevó a cabo la extracción de factores mediante el método de ejes principales, el cual no requiere el cumplimiento del supuesto de normalidad (^{Lloret-Segura, Ferreres-Traver, Hernández-Baeza y Tomás-Marco, 2014}) y se recomienda cuando los factores se integran por pocas variables o para tamaños muestrales pequeños (^{Beauducel, 2001}).

El criterio empleado para retener los factores se basó en la regla Gutman-Kaiser y umbral de la varianza (^{Hair et al., 2013}; ^{Hefetz y Liberman, 2017}). Luego se llevó a cabo una rotación varimax de los factores para obtener una estructura más clara de estos (^{Hair et al., 2013}). Es importante señalar que se mantuvieron aquellos reactivos cuyas cargas factoriales fueran mayor o igual que 0.55 debido al tamaño muestral, como establecen ^{Hair et al. (2013)}.

Por último, se realizó un análisis de fiabilidad estimando el alfa de Cronbach y se evaluaron los resultados obtenidos con criterios aplicables a las ciencias sociales (^{Taber, 2018}). El procedimiento descrito se llevó a cabo, por un lado, para aquellas variables que integraron los constructos institucionales propuestos y, por otro, se aplicó al constructo de costos de información (variable dependiente). Para lo anterior, se utilizó el programa Statistical Package for the Social Sciences (SPSS) en su versión 25.

Análisis factorial exploratorio y de confiabilidad

Los resultados del análisis de adecuación aportan evidencia a favor de efectuar el AFE a la dimensión de costos de información, cuyos valores rechazan la hipótesis nula de no correlación entre variables mediante la prueba de esfericidad de Bartlett (X² : 171.702; gl: 6; p < 0.00) y sugieren, por medio de la prueba KMO, que los resultados obtenidos a partir de un AFE serán adecuados (KMO = 0.67). Después se usaron, como primera aproximación, gráficas de sedimentación (Figuras 1 y 2) para visualizar cuántos factores era necesario extraer, esto es, aquellos puntos que se situaran por encima del eje horizontal contenido en cada gráfica donde el eigenvalor es igual a 1.

Fuente: elaboración propia.

Figura 1 Número de factores a extraer para el constructo de costos de información 

Fuente: elaboración propia.

Figura 2 Número de factores a extraer para el constructo de instituciones informales 

Tras estimar el AFE, se observó que los reactivos se agruparon en la dimensión originalmente propuesta, por lo cual, un único factor presentó un eigenvalor mayor de uno (raíz propia = 2.2; varianza acumulada = 55.3%) con cargas factoriales satisfactorias. En la Tabla 1 se ofrece la operacionalización de las variables, seguida de los resultados del coeficiente del alfa de Cronbach, los cuales indican fiabilidad de constructo.

En cuanto a las dimensiones institucionales, se verificó que la matriz de correlaciones no fuera una matriz identidad a través de la prueba de Bartlett (X² : 677.8; gl: 91; p < 0.00) y que los resultados del AFE se ubicaran dentro de los parámetros aceptables, debido al valor observado en la prueba (KMO = 0.809). En este caso, los resultados del AFE sugirieron agrupar los reactivos en tres factores cuyos autovalores fueran mayores de 1, con una varianza acumulada de 51.63% y cargas factoriales adecuadas para el tamaño muestral. Por último, mediante el coeficiente del alfa de Cronbach, se observó la fiabilidad del constructo (véase Tabla 2).

Es importante subrayar que se estimaron las puntuaciones factoriales asociadas con cada uno de los factores (rotados de forma ortogonal) obtenidos mediante el AFE y luego estratificados en altos y bajos costos de transacción, empleando el método de extracción de mínima varianza que proponen ^{Dalenius y Hodges (1959)}. Así, se llevó a cabo la estratificación en cinco niveles (0 = Muy baja; 1 = Baja; 2 = Medio; 3 = Alta; 4 = Muy alta) para los vectores de instituciones informales y en dos niveles para el vector de costos de información (0 = bajos costos de información y 1 = altos costos de información). Los resultados se utilizaron para llevar a cabo un análisis de regresión logística binaria.

Modelo econométrico

En diversos contextos es útil y necesario utilizar variables cualitativas dentro del marco de análisis de regresión. Tales variables pueden ser dicótomas, nominales u ordinales. Ese es el caso del modelo de regresión logística. Cuando el valor de la variable explicada Y es continua, el propósito del análisis de regresión es obtener E(Yi|X1i,X2i,…,Xki) con X=(X1i,X2i,…,Xki) como una matriz de variables explicativas. Sin embargo, cuando Y es de tipo cualitativo, el objetivo no es estimar una media condicionada a partir de las realizaciones de los regresores, sino estimar una probabilidad de ocurrencia del evento de estudio (^{Gujarati y Porter, 2010}). El modelo de regresión se forma parametrizando la probabilidad P dependiendo de los vectores x y β (K × 1). Los modelos más empleados tienen una forma simple con una probabilidad condicional dada por:

donde F(.) es una función especificada.

A fin de asegurar que las probabilidades estén entre 0 y 1, se emplea una función de distribución acumulativa como F(.). Para el caso de una regresión logit, F(.) se cuenta con una distribución logística acumulativa dada por (^{Cameron y Trivedi, 2022}).

Los efectos marginales del modelo logit pueden obtenerse a partir de los coeficientes

Donde β_j indica el efecto proporcional en la probabilidad de Y = 1 ante un cambio en X_ij. Se considera que los estimadores máximo-verosímiles son aquellos valores para los cuales la función de verosimilitud alcanza un máximo. A estos resultados se les aplica una distribución Bernoulli, la cual representa el caso de una distribución binomial con un solo evento; la notación compacta de su función de densidad es (^{Cameron y Trivedi, 2022}):

Cuya función de verosimilitud es:

Y el logaritmo de verosimilitud está dado por:

Al derivar respecto a β se obtiene

Al no existir una solución explícita para β, es necesario el uso de métodos iterativos, como el Newton-Raphson, que converge de manera rápida para los modelos logit. Este método es consistente solo si pi=F(xi'β), debido a que la densidad proviene de una distribución Bernoulli. Por lo tanto, la media sería:

Para la estimación se utilizaron las cargas factoriales extraídas con antelación durante el AFE. De este modo, la variable dependiente está dada por los costos de información, donde Y puede tomar valores de entre cero y uno (0 = bajos costos de información y 1 = altos costos de información), mientras que las variables independientes se conforman por tres grupos: instituciones informales, instituciones formales y características de las unidades económicas rurales. El primer grupo, a su vez, se conforma por tres dimensiones que a continuación se explican.

Confianza (X₁) se considera una institución dentro de la NEI, y el capital social (^{Casson, Della Giusta y Kambhampati, 2010}) sensible a comportamientos oportunistas (^{Herreros, 2004}), por lo que la honestidad de los agentes implicados es importante. La confianza permite prever la conducta de un individuo o de un grupo en un intercambio comercial (^{Williamson, 1993}) con base en interacciones anteriores (^{Ostrom y Ahn, 2003}). Por lo tanto, es una condición indispensable para las transacciones (^{Akerlof, 1978}) que facilita coordinar acciones, resolver controversias (^{Ostrom y Ahn, 2003}), desincentivar el comportamiento oportunista y posibilitar el flujo de información (^{Arranz y Fernández de Arroyabe, 2011}).

Vínculos sociales y cooperación (X₂) se refiere a las relaciones reiteradas entre caficultores que les permiten crear vínculos de cooperación (^{Teece, 1992}). Además, proporcionan información no obtenida a partir del mecanismo de precios de mercado incentivando la transmisión de información entre productores (^{Teece, 1992}) y restringiendo el oportunismo (^{Ruben y Heras, 2012}).

Reciprocidad (X₃) representa características esenciales en el capital social, pues permite crear y sostener relaciones duraderas de intercambio entre múltiples agentes específicos (^{Gordon, 2006}). Es un patrón de intercambio social que aumenta la probabilidad de resolver problemas colectivos involucrando expectativas mutuas de pago después de proporcionar ayuda (^{Ostrom y Ahn, 2003}).

El segundo grupo de variables está integrado por organizaciones, para lo cual se pregunta a los caficultores si pertenecen a una organización cafetalera (X₄). Esta variable se incluye debido a que proporciona una base institucional a los productores que les permite reducir sus costos de transacción (^{Gelo et al., 2020}; ^{Zheng et al., 2012}). Del mismo modo, se pregunta a los productores si recibieron asistencia técnica del servicio de extensionismo (X₅) como parte de los planes de desarrollo y trabajo de la SADER. Esta pregunta se empleó para analizar el efecto de una institución formal, puesto que los programas gubernamentales también se sugieren para reducir costos de transacción (^{DeBoe y Stephenson, 2016}).

Por último, se integraron algunas variables relacionadas con las características de las unidades de producción y los caficultores. La primera es si cuentan con una marca de café (X₆), puesto que, de acuerdo con ^{Tarziján y Paredes (2012)}, diferenciar un producto y facilitar que sea reconocido contribuye a reducir los costos de transacción y a obtener prestigio y la lealtad de los consumidores. Así mismo se consideró si tienen o no un teléfono celular (X₇), lo cual permite establecer contacto con otros productores agrícolas y con compradores (^{Minkoua Nzie, Bidogeza y Azinwi Ngum, 2017}). Con estas variables se propuso una especificación cuya estimación se realizó en el programa STATA (versión 14). En la Tabla 3 aparecen las estadísticas descriptivas de los cien cuestionarios aplicados.

Resultados del modelo econométrico

La muestra se compone de cien productores de café vinculados al mercado que contestaron el cuestionario en los municipios de Amatepec (33%), Temascaltepec (11%), San Simón de Guerrero (14%), Tlatlaya (25%), Sultepec (13%) y Tejupilco (4%), de los cuales 30% es miembro de alguna organización de caficultores y 75% recibe asesoría de técnicos extensionistas. Así mismo 22% desarrolló una marca para la venta de su producción y 89% cuenta con teléfono celular. Cabe señalar que, durante la aplicación del instrumento, se tuvo el cuidado de que no quedara ninguna pregunta sin contestar.

A partir de los datos recabados, se estimó un modelo de regresión logística binaria de lo general a lo particular. Por tal motivo se excluyeron de las estimaciones aquellas variables que no fueran significativas al 5%. Como ya se dijo, la literatura sugiere una relación inversa entre las variables que componen la especificación y los costos de información, lo cual es congruente con los signos negativos en los regresores (véase Tabla 4).

Como se aprecia en los resultados de la estimación, fueron necesarias tres especificaciones para obtener un modelo cuyas variables explicativas fueran significativas en su totalidad. Por eso se descartaron las variables extensionismo y celular (p ‒ valor > 0.05).

Para evaluar la significación de las variables de manera individual bajo la hipótesis nula de que el valor de los coeficientes es cero, se estimó la prueba de Wald. Los resultados señalan que la hipótesis nula debe rechazarse, es decir, que los valores de los estimadores sí son significativos (Tabla 5).

Con el fin de evaluar el ajuste de la especificación, se realizaron pruebas cuyos resultados señalan que los coeficientes aportan información significativa al modelo (razón de verosimilitud χ²). El porcentaje de información añadido a la simple probabilidad que ofrecería solo el intercepto (pseudo R² y R² de Cox-Snell/ML) es considerablemente bueno, al igual que la capacidad predictiva del modelo ⸻count y count ajustado⸻ (véase Tabla 6), lo cual sugiere buen ajuste y capacidad de predicción aceptable.

También se realizó la prueba de Stukel, cuya hipótesis nula se refiere a una correcta especificación. Contrasta si en realidad el modelo sigue una distribución logística o si se asemeja a una familia de distribuciones h-logit, cuyo comportamiento en las colas y simetría está determinado por dos parámetros adicionales α y β. Los resultados obtenidos para el modelo de costos de información (p ‒ valor = 0.3659) no permiten rechazar la hipótesis nula. En resumen, se ha proporcionado evidencia en favor de la significación estadística, ajuste, correcta especificación y capacidad predictiva del modelo propuesto para el análisis de costos de información.

Discusión de resultados

Una vez evaluado el ajuste y la significación estadística de los estimadores, es posible interpretarlos. En primer lugar, se observa que el signo negativo en los coeficientes es congruente con lo que sugiere la literatura y proporciona evidencia a favor de que las instituciones informales reducen los costos de información de los productores de café en el sur del Estado de México, tal como se planteó.

Hay que advertir que la interpretación de los coeficientes para modelos logísticos es diferente de la que puede realizarse en el contexto de análisis de regresión por mínimos cuadrados ordinarios, por lo que se recurre a los momios de probabilidad o bien a las probabilidades marginales tomando como referencia la categoría “bajos costos de información” = 0. Para el caso presente, se emplearon las segundas a fin de observar los cambios en las probabilidades de incurrir en altos costos de información en función de las variables que conforman la especificación (véase Tabla 7).

Según los resultados obtenidos, la presencia de muy bajos niveles de confianza (X₁) tiene 80.48% de probabilidades de incurrir en altos costos de información. En contraste, las probabilidades caen a 18.51% si el grado de confianza se ubica en la categoría “muy alto”. Esto obedece a que la confianza mejora la reputación de los agentes, proporciona oportunidades futuras para realizar transacciones con mayor eficiencia y facilita los flujos de información (^{Arranz y Fernández de Arroyabe, 2011}).

Pero muy bajos niveles de vínculos sociales y cooperación (X₂) con otros caficultores elevan las probabilidades de tener altos costos de información a 67.37%, mientras que si son muy altos, la probabilidad es solo de 30.22%. Lo anterior se explica a la luz de lo que señala ^{Hill (1990)}, quien sugiere que el mercado selecciona a aquellos individuos que ofrecen mecanismos eficientes de cooperación, lo cual supone que, dadas sus experiencias anteriores, los productores detectan a otros agentes con quienes establecieron relaciones de cooperación e incurren en menores costos de información.

En cuanto a la reciprocidad (X₃), un muy bajo nivel en esta variable repercute en una probabilidad de 66.62% de presentar altos costos de información, frente a 32.54% en caso de manifestar muy alto nivel de reciprocidad. Al respecto, ^{Chen (2010)} señala que la reciprocidad produce autocontrol en los individuos, debido a que perjudicar a otro con sus actos implica también un perjuicio para sí mismo. Por lo tanto, se recomienda que los productores compartan información de forma recíproca acerca de la ubicación de compradores, precios y otros elementos necesarios para colocar sus productos, lo cual economiza en costos de búsqueda.

Por otra parte, se observa que pertenecer a una organización cafetalera (X₄) no proporciona ningún beneficio a los productores. Por el contrario, aumenta las probabilidades de presentar altos costos de información (65.19%). En este sentido, lo anterior se contrapone con las contribuciones de ^{Liu, Yang y Wen (2019)}, ^{Ortega et al. (2019)} y ^{Sengere, Curry y Koczberski (2019)}, quienes señalan que las cooperativas brindan ventajas a los productores agrícolas. Y es que también hay evidencia que cuestiona los beneficios que ofrecen este tipo de organizaciones a sus miembros. ^{Arana-Coronado et al. (2019)} incluyen en su análisis la posibilidad de que las cooperativas se comporten de forma oportunista con los caficultores en el momento de vender su producto a través de estas. Así mismo ^{Gelo et al. (2020)} sugieren que, aunque las organizaciones de productores representan alternativas institucionales que coadyuvan en la reducción de costos de información, rara vez tienen éxito en tal propósito.

En el mismo tenor, la asesoría brindada por los técnicos extensionistas contratados por SADER (X₅) para brindar apoyo técnico y de mercado a los productores de café, no refleja ningún efecto significativo en términos estadísticos sobre los costos de información de los caficultores. De acuerdo con el Instituto Nacional de Investigaciones Forestales, Agrícolas y Pecuarias (^{INIFAP, 2016}), en el Estado de México se verifica una baja oferta de profesionales interesados en desempeñarse en este campo. Por tal motivo se han tenido que contratar a técnicos que obtuvieron bajas calificaciones en el proceso de selección, además de no existir un plan de trabajo que parta de un diagnóstico previo. Esta cuestión puede ser un factor importante en la no significación de la variable X_5.

Por otro lado, si se cuenta con una marca de café (𝑋₆), las probabilidades de enfrentar altos costos de información caen de 53.51% a 27.97%. Sobre este punto, ^{Herrera-Rodríguez, Gutiérrez-Ortiz y Torres-Fernández (2022)} han señalado que la inversión en publicidad permite a los agentes económicos dar a conocer su presencia en el mercado, lo cual ayuda a reducir sus costos de información.

Que los caficultores usen teléfono celular (X₇) para reducir sus costos de información no resultó significativo en términos estadísticos, como sugieren ^{Minkoua Nzie et al. (2017)}. Al respecto, hay que señalar que durante las visitas a las comunidades donde se recabaron los cuestionarios, se observó falta de cobertura de la red de telefonía móvil, sobre todo en aquellas comunidades pertenecientes a los municipios de Tlatlaya (Peña del Agua, Terroncillos y Los Ocotes), San Simón de Guerrero (San Diego Cuentla y San Gabriel Cuentla), Amatepec (San Miguel, Los Timbres y El Veladero) y Sultepec (Rincón del Cristo y Rincón de San Andrés), lo cual impide que la comunicación entre los agentes que participan en el mercado sea eficiente y permita reducir los costos de las transacciones, en particular los que se relacionan con la obtención de información. Esto último es un elemento importante si se considera que los productores deben desplazarse largas distancias a pie para establecer contacto con otros productores y con compradores potenciales.

En suma, para el caso específico de las instituciones informales, se observa que los agentes muestran preferencias sociales en lugar de comportarse de forma aislada del resto de competidores (^{Campos, 2016}). De esta forma lo social resulta esencial en los mercados imperfectos para reducir las asimetrías de participación y para formar asociaciones informales, las cuales, junto con las cooperativas, son la única forma de colusión que permiten el Estado y sus órganos de competencia.

El origen de este tipo de colusión en las actividades agrícolas puede atribuirse al poder de compra de los agentes en mercados locales y externos; a la poca capacidad que tienen los productores para satisfacer la demanda si actúan aisladamente; a cierto grado de homogeneidad en la producción que permite a los individuos unir sus productos; y a cierto grado de simetría entre los productores, entre otros (^{Motta, 2018}).

Las instituciones informales surgen, además, como una necesidad de los productores de contar con regulaciones institucionales para orientar y controlar las actividades del mercado, debido a la ausencia de regulaciones formales que operen de forma efectiva en la zona de estudio.