Introducción
Cuando se analiza el impacto de una política pública en México, uno de los temas tabúes por parte de los evaluadores (sean académicos, consultores y/o investigadores) es el referido a la corrupción. Sucede no solo por las restricciones a los evaluadores en materia de trasparencia por parte de quien ostenta el poder y pudiera hacer un uso discrecional de los recursos públicos, sino por la subordinación que existe entre los propios evaluadores y el gobierno. Se dan estas situaciones debido a que es el gobierno quien los contrata, incluidos centros de estudios de renombre. Lo mencionado quedó señalado en la llamada Estafa Maestra, una investigación periodística encabezada por Animal Político y Mexicanos Contra la Corrupción y la Impunidad. La investigación nace de las observaciones hechas en las Cuentas Públicas durante el 2013 y 2014 por la Auditoría Superior de la Federación (ASF). En ella con una muestra de 73 de 2,061 convenios que el gobierno celebró con instituciones públicas, en el 100 % de los casos se encontraron anomalías. El estudio trata del desvío de más de 3.4 mil millones de pesos de recursos públicos que involucra a once dependencias y a ocho universidades públicas a través de empresas fantasmas (Ureste, Castillo y Roldán, 2018).
Las evaluaciones no suelen estimar el grado de discrecionalidad que puede ejercer quien ocupa un puesto de mando en el servicio público, eso también ocurre en la aplicación de herramientas, estrategias y modelos de gestión de política pública; se suele proponer estrategias de intervención gubernamental bajo el supuesto de que existe una buena voluntad por parte de los funcionarios públicos (Solano, 2011), por lo que proponer candados para el control de un probable uso indebido de los recursos no resulta una prioridad en la fase de diseño.
De esta manera, una acción pública de fomento al desarrollo pudiera terminar con impactos inversos a los que teóricamente son planteados. Por ejemplo, en el continente africano, se ha invertido un billón de dólares en ayuda del exterior en los últimos cincuenta años, la cual ha tenido consecuencias en una gran variedad de ámbitos; es decir, en el apoyo del despotismo, en el aumento de la corrupción y un sentido de dependencia entre los africanos (Moyo, 2009). En algunos casos la ayuda internacional es responsable directa de daños sociales, afectando a las instituciones y como incentivo a la corrupción (Easterly, 2006; Knack, 2001).
En México, por ejemplo, se han dado a conocer varios informes por parte de la Auditoría Superior de la Federación (ASF), en los cuales se evidencia discrecionalidad en el uso de recursos por parte de algunas dependencias de gobierno; así, en su informe de la Cuenta Pública 2016, la diferencia entre los ingresos presupuestales de la Ley de Ingresos y lo que realmente se recaudó es de 690,896.9 millones de pesos (mdp), de los cuales la Secretaría de Hacienda y Crédito Público (SHCP) informó sobre el destino del 13.2 % (90,936.4 mdp) de los ingresos excedentes obtenidos. En consecuencia, la SHCP reporta el 86.8% de los ingresos excedentes de forma agregada, sin especificar su aplicación y resultados (ASF, 2017).
En el mismo estudio se observa que en el año en cuestión, Sagarpa operó 14 programas con un monto de 65 mil 157.4 millones de pesos (equivalentes a 52 % de los 124 mil 218 millones destinados para el desarrollo económico en el sector primario), sin que hubiera un padrón exacto de la población a beneficiar, lo cual “disminuyó el grado de certeza sobre la entrega de los recursos” (ASF, 2017, p. 61).
Programas como Oportunidades han tenido impactos reducidos en la sociedad (Bracamontes, Camberos y Huesca, 2014); en el caso de los Programas para el Sector Agropecuario también es discutida dicha eficiencia (Borbón, 2010) y se han identificado vacíos en la delimitación de la población objetivo. Tal situación sugiere la posibilidad de beneficiar a personas que teóricamente no deberían ser contempladas en el diseño de estos programas.
Ante estos resultados disonantes, se advierte, entonces, la necesidad de diseñar mecanismos ligados a las políticas públicas que eviten el posible manejo discrecional de los recursos gubernamentales por parte de los tomadores de decisión. Tales mecanismos tipo “candados” (para evitar el mal manejo financiero público para beneficio personal) deben servir no solo para advertir la discrecionalidad en la asignación de los recursos de quien esté al mando, sino también para prevenir la de los futuros funcionarios públicos, lo que dará por resultado una mayor fortaleza institucional. Más aún, en un contexto en el cual se entiende al buen gobierno como la manera en la que la gobernanza influye en el desempeño económico (World Bank, 1992) e impacta directamente en la calidad de vida de los ciudadanos por medio del ejercicio del poder (Huther y Shah, 1996).
Así pues, en el presente trabajo se toma por objetivo el analizar la distribución de recursos del Programa de Concurrencia con las Entidades Federativas (PCEF) de la Secretaría de Agricultura, Ganadería, Desarrollo Rural, Pesca y Alimentación (Sagarpa) en Sonora, México, para el periodo 2015-2017, con el fin de determinar si es posible que se dé un uso discrecional de los recursos públicos que afecte la corrección de disparidades de desarrollo regional a través de la atención diferenciada a las regiones de mayor rezago. No se evalúa si hay o no corrupción, sino si es factible que, dada la operatividad y las normas del programa, se direccionen a modo los recursos públicos en un sentido diferente al de la fase de diseño del programa (teniendo como fin último el control de la discrecionalidad) por último se plantea una propuesta para fortalecer la institución contra posibles actos discrecionales.
De manera particular, el artículo pretende dos cuestiones: primero, analizar si existen condiciones de una debilidad institucional en cuanto al control de la discrecionalidad se refiere y que esta debería ser prioritaria en el diseño de programas públicos, pues no importa el modelo, estrategia o herramienta de gestión que se use, si el fin de un funcionario público es enriquecerse en la operatividad del programa, toda la teoría del diseño del programa corre el riesgo de fracasar; y segundo, demostrar la factibilidad práctica del concepto de Calidad de Gobierno propuesta por Guillermo Cejudo como una alternativa a la actual estratega de gestión y sus repercusiones en el diseño de programas productivos para apoyar a la población beneficiaria.
Se busca así, constituirse en un eslabón entre la teoría que da sustento a la definición de calidad de gobierno y su aplicación a una Población Objetivo, mediante una política pública sustentada en un programa, que considere la eliminación de la discrecionalidad en la asignación de recursos y cuyos resultados puedan hacerse extensivos a otros programas.
De la discrecionalidad como problema a la Calidad de Gobierno como solución
Actualmente, resulta cada vez más cuestionable e inaceptable, en el diseño de estrategias de política pública, no reconocer esa posible discrecionalidad por parte de los tomadores de decisión en las diferentes instituciones de gobierno. Por ende, es necesario diseñar leyes y programas públicos “blindados” contra posibles funcionarios corruptos, pensando en la actual y en las futuras generaciones de tomadores de decisión.
A principios de la década pasada, surge una corriente de pensamiento que busca explicar en qué debe consistir el concepto de Calidad de Gobierno. Rothstein y Teorell (2008) proponen un enfoque basado en una serie de estándares institucionales y morales básicos que, a partir de la imparcialidad, minimicen el abuso del poder y construyan un escenario de predictibilidad de la acción del gobierno. Ese enfoque es retomado por Cejudo, Gerhard y Zabaleta (2009) para elaborar una definición de calidad de gobierno que coloca en el eje normativo el control de la discrecionalidad en lugar de la imparcialidad. En este sentido, el trabajo propone una forma de operacionalizar esta idea, retomando para ello la propuesta conceptual de Calidad de Gobierno del Centro de Investigación y Docencia Económica (CIDE), encabezada por Guillermo Cejudo, la cual se define como: “La interacción del conjunto de atributos (tanto de arquitectura institucional como de prácticas de gestión) dirigidos a controlar la discrecionalidad en el ejercicio del poder” (Cejudo et al., p. 6).
Aunque existen numerosas definiciones de Calidad de Gobierno que se explican desde: la corrupción (Goel y Nelson, 1998; Sandholtz y Koetzle, 2000; Knack, 2001; Alesina y Weder, 2002; Seligson, 2002; Sung, 2004; Suphachalasai, 2005; Stulz, 2005; Fogel, 2006;), la calidad institucional (Loayza, 1996; Panizza, 2001; Islam, 2003; Mocan, 2004; Breen y García-Peñalosa, 2005; Ugur y Ararat, 2006; Aixalá y Fabro, 2007), los que retoman la definición del Banco Mundial (Fleck y Hanssen, 2005; Helliwell y Huang, 2005; Méon y Weill, 2005; Islam, 2006; Enikolopov y Zhuravskaya, 2007) y otras definiciones (Huther y Anwar, 1998; Haggard, 1999; Knack, 2002; Oliva y Rivera, 2002; Coffé y Geys, 2005; Clearly, 2007), este trabajo se remite al concepto de Cejudo et al. (2009).
La propuesta de estos autores enfatiza, como fin de ella, el control de la discrecionalidad para el fortalecimiento institucional, por lo que determinar si existe la posibilidad de cometer actos de corrupción se vuelve la parte medular desde esa visión. Esto conlleva aplicaciones no solo en la evaluación de políticas públicas, sino también en su diseño. La discrecionalidad es entendida como la capacidad de una agencia para elegir cierta política alineada a sus propios objetivos, y que diverge de aquellos propuestos por el ejecutivo y la legislatura en la fase de diseño (Calvert, McCubbins y Weingast, 1989). Así, “no todo comportamiento autónomo de la burocracia es discrecional, sino solo aquél que se disocia de los objetivos que se definieron en la esfera política y que a su vez son un cierto reflejo de las preferencias de los ciudadanos” (Cejudo, Gerhard y Zabaleta, 2009, p. 10).
En el caso de México, el Neoliberalismo trajo consigo la práctica de la venta de la venta de las empresas públicas del Estado mexicano a manos de empresas privadas nacionales e internacionales para formar monopolios, en las cuales se incorporarían en su personal administrativo y gerencial a exfuncionarios del gobierno mexicano, incluyendo expresidentes (Olmos y Durán, 2017). Dicha práctica ha sido cuestionada por numerosos sectores de la sociedad al grado de llegar a ser hoy en día regulada por la reciente administración gubernamental, con el propósito de que tanto exfuncionarios como empresas no se beneficien de la llamada “puerta giratoria”, es decir, del intercambio de información privilegiada entre exfuncionarios y empresas a cambio de puestos gerenciales y beneficios económicos.
Por otro lado, la implementación de la Gestión Basada en Resultados no eliminó la corrupción de los programas públicos. De hecho, según el World Justice Project (WJP), México se ubica en el lugar 92 de 113 países evaluados por el WJP en el Índice de Estado de Derecho 2017-2018 (WJP, 2018), con lo que el país cayó cuatro posiciones respecto al mismo índice de 2016 y que lo coloca con el mismo puntaje que Sierra Leona, Liberia y Kenya. A nivel global, el estudio indica que los derechos fundamentales y los límites al poder gubernamental se debilitaron en este periodo.
El INEGI, por su parte, aplica la Encuesta Nacional de Calidad e Impacto Gubernamental (ENCIG) para medir la calidad de los servicios y generar estimaciones sobre la prevalencia de actos de corrupción y la incidencia de los mismos en la realización de trámites, pagos, solicitudes de servicios públicos y otro tipo de contacto con las autoridades, en la que en el 2017, Sonora quedó en primer lugar nacional en el número de actos de corrupción que han padecido sus ciudadanos de servidores públicos (INEGI 2018).
Por ser Sonora uno de los principales estados productores del sector primario en México, se adoptó por analizar, basado en el concepto de Calidad de Gobierno, el programa principal de la Sagarpa (ahora SADER) el Programa de Concurrencia con las Entidades Federativas y diseñar una propuesta para blindar los recursos de posibles actos de discrecionalidad.
El Programa de Concurrencia con las entidades federativas y su Población Objetivo
El Programa Alianza para el Campo comenzó su operación en el año 1996, en el contexto de la Alianza para la Recuperación Económica firmada en octubre de 1995. Los objetivos principales de la Alianza fueron en ese momento: “aumentar progresivamente el ingreso de los productores, incrementar la producción agropecuaria a una tasa superior a la del crecimiento demográfico, producir suficientes alimentos básicos para la población y fomentar las exportaciones de productos del campo”.1 Cambió de nombre en 2008 a Programa de Adquisición de Activos Productivos (PAAP) y en 2011 a Programa de Inversión en Equipamiento e Infraestructura (PAIEI) hasta como lo conocemos hoy, Programa en Concurrencia con las Entidades Federativas (PCEF).
Este, al igual que todos los programas del sector primario, se rige por la Ley de Desarrollo Rural Sustentable (LDRS) que en su Objetivo II, Artículo 5º señala como objetivo: Corregir disparidades de desarrollo regional a través de la atención diferenciada a las regiones de mayor rezago, mediante una acción integral del Estado que impulse su transformación y la reconversión productiva y económica, con un enfoque productivo de desarrollo rural sustentable (DOF, 2019).
El PCEF tiene una cobertura nacional y en su ejecución participan de manera directa los gobiernos estatales, la propia Sagarpa a través de sus delegaciones en los estados y, en algunos casos, también se cuenta con la participación de los gobiernos municipales; asimismo, para la operación de ciertos proyectos de prioridad nacional, la Secretaría se apoya en Agentes Técnicos.
En este sentido, la Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO) realizó un estudio con el fin de identificar potenciales duplicidades y contraposiciones entre programas federales que limiten la consecución de los objetivos de desarrollo rural, como por ejemplo el PECEF, y se encontró que existían 67 relaciones de duplicidad entre programas de la administración pública federal, 24 relaciones de potencial complementariedad y en cuatro casos se observaron riesgos de contraposición (FAO-Sagarpa, 2009), evidenciando un problema de diseño debido a que gran parte de las duplicidades que se identificaron tienen como origen la forma en la que se encuentra definida la población objetivo en cada programa. Por ello, el estudio llegó a la conclusión de que el diseño de los programas productivos del sector rural debería diferenciar claramente los distintos tipos de poblaciones que contiene el universo de personas que componen este sector y que a continuación se definen (FAO-Sagarpa, 2009):
Población de Referencia o Universo. El total de la población utilizada para establecer criterios de comparación de una población en estudio (ejemplo: Figura 1 (a): 1 Unidades Económicas Rurales Agrícolas [UER]).
Población Potencial. Población total que presenta la problemática que justifica la existencia del programa y que por ende es elegible para su atención (ejemplo: Figura 1 (a): 2 ¿quiénes en la población de referencia están siendo afectados por el problema? Unidades Económicas Rurales Agrícolas de con bajo nivel de productividad).
Población Objetivo. Población que el programa tiene planeado atender en un período dado de tiempo (ejemplo: Figura 1 (a) : 3 ante las restricciones y criterios, ¿qué parte de la población potencial se estará en condiciones de atender? Unidades Económicas Rurales Agrícolas con bajo nivel de productividad, medio y bajo nivel de activos, que no haya sido apoyado en años anteriores y criterio de focalización adicional).
Población Beneficiaria. Población que ha sido atendida por el programa desde su inicio (ejemplo: Figura 1 (a) : 4 proporción de la población objetivo efectivamente atendida por el Programa en uno o varios años).
Ahora bien, tomando en cuenta la siguiente Figura 1 (a), se observa que, en los programas como el PCEF, se debería definir, en primer lugar, una población de referencia, de la cual se atiende un problema de desarrollo o condición negativa o necesidad insatisfecha que afecta a una población en un territorio específico; a esa población que padece dicho problema se le llama población potencial. Ante las restricciones de recursos presupuestales y humanos, la eficiente y eficaz aplicación requiere orientar la atención de una población con características claramente definidas y relacionadas con el problema que se pretende resolver. Entonces, la definición de la población objetivo requiere, además, de otros criterios para lograr la focalización que consiste en concentrar la provisión de bienes y/o servicios en una población claramente identificada con criterios de ubicación geográfica, grupos etarios, género, nivel de ingreso, pobreza, etcétera.
Así, la selección de la población objetivo es crucial en el ordenamiento del programa, ya que solucionar la problemática de esta población es lo que justifica la existencia del mismo, puesto que existen recursos presupuestales y humanos limitados y su eficiente aplicación requiere orientarlos a la atención de una población con características claramente definidas y relacionadas con el problema que se pretende resolver.
En este orden de ideas, queda claro que los involucrados con la problemática quedarán en primer lugar al momento de comenzar a hacer el análisis de política pública, pues serán los miembros de la población objetivo para los cuales se pretenda implementar el programa; el análisis de la participación resulta un momento clave a la hora de comenzar la preparación de un proyecto, pues hay que saber a quién queremos mejorar antes de determinar qué es lo que queremos hacer (Camacho, Cascante, Cámara y Sainz, 2001).
En el caso del sector agropecuario, la estratificación de la Población Objetivo se caracteriza de la siguiente manera (FAO, 2012):
E1. Estrato de Unidades Económicas Rurales familiares de subsistencia sin vinculación al mercado. No presenta ingresos por ventas o sólo realiza ventas esporádicas de “excedentes no planeados”, pues el objetivo de su producción no es el mercado. Cuya producción tiene como destino al autoconsumo.
E2. Estrato de Unidades Económicas Rurales familiares de subsistencia con vinculación al mercado. carácter familiar y presenta ventas de productos primarios que no superan los 55,200 pesos anuales. Adicionalmente, las UER de este estrato presentan emprendimientos no agropecuarios de menor escala; así como la venta de servicios de mano de obra asalariada, lo que complementa el ingreso familiar.
E3. Estrato de Unidades Económicas Rurales en transición. se considera en transición debido a que los ingresos que obtienen son suficientes para cubrir las necesidades básicas de una familia, pero los problemas que enfrentan están relacionados con mantener y mejorar la rentabilidad de la unidad agropecuaria. teniendo venta promedio anual de 73,931 pesos.
E4. Estrato de Unidades Económicas Rurales empresariales con rentabilidad frágil. Este Estrato presenta como problema principal la rentabilidad frágil, cuyos ingresos por la venta de sus productos provenientes de la actividad agroalimentaria, teniendo venta promedio anual de 151,958 pesos.
E5. Estrato de Unidades Económicas Rurales empresariales pujantes. En el estrato empresarial pujante con ventas promedio anuales de 562,433 pesos.
E6. Estrato de Unidades Económicas Rurales empresariales dinámicas. Ingresos por la venta promedio anual igual o mayor a 11.7 millones de pesos.
Para cumplir con la transparencia en la entrega de apoyos, el procedimiento realizado por la Sagarpa consiste en abrir ventanillas para la entrega de proyectos, el cual es evaluado y calificado con un porcentaje del 0 al 100, el periodo de calificación de los proyectos es de dos meses y el número promedio de proyectos oscila entre 3,000 y 6,000. Una vez dictaminadas las solicitudes se elabora un listado de mayor a menor calificación, y con base a la disponibilidad de recursos se apoyan primeramente a los proyectos con el puntaje más alto hasta que los recursos se comprometan en su totalidad dejando a los proyectos de menor puntaje como no aprobados o aprobado, pero sin suficiencia de recursos (Figura 2).
Una vez contextualizado el programa y la población objetivo deseable se analiza cuál es la Población Objetivo real y se contrasta con una estimación propuesta de la Población Objetivo deseable bajo una metodología que se explica a continuación.
Metodología
El estudio se realizó a través de un diseño de investigación de tipo descriptivo semilongitudinal con base en los recursos estadísticos generados por las encuestas a beneficiados del PCEF 2015-2017 y el Diagnóstico del sector rural y pesquero de México 2012 (DSRP) (FAO, 2012), el cual registró la estimación de un total de 5 millones 35 mil 223 unidades económicas rurales estratificadas bajo el criterio de valor de los ingresos por ventas, como se observa en la siguiente Tabla 1.
Estrato | UER | % UER por Estrato | Ingresos por ventas promedio | Rango de ingreso por ventas | |
---|---|---|---|---|---|
Mínimo | Máximo | ||||
E1: Familiar de subsistencia sin vinculación al mercado | 1,192,029 | 22.4 | - | - | - |
E2: Familiar de subsistencia con vinculación al mercado | 2,696,735 | 50.6 | 17,205 | 16 | 55,200 |
E3: En transición | 442,370 | 8.3 | 73,931 | 55,219 | 97,600 |
E4: Empresarial con rentabilidad frágil | 528,355 | 9.9 | 151,958 | 97,700 | 228,858 |
E5: Empresarial pujante | 448,101 | 8.4 | 562,433 | 229,175 | 2,322,902 |
E6: Empresarial dinámico | 17,633 | 0.3 | 11,700,000 | 2,335,900 | 77,400,000 |
Total | 5,325,223 | 100.0 |
Fuente: Diagnóstico del sector rural y pesquero (FAO, 2012).
A partir de la tabla anterior se procedió a determinar el número de unidades de producción (UP) que se encuentran dentro de cada estrato para las 32 entidades federativas del país, con un ajuste a los porcentajes para que sumen exactamente el cien por ciento por estrato (Tabla 2).
Entidad federativa | Estrato 1 | Estrato 2 | Estrato 3 | Estrato 4 | Estrato 5 | Estrato 6 | Total |
---|---|---|---|---|---|---|---|
Aguascalientes | 4,718 | 7,123 | 2,043 | 2,447 | 2,663 | 245 | 19,238 |
Baja California | 1,858 | 1,052 | 517 | 1,446 | 2,272 | 289 | 7,434 |
Baja California Sur | 1,377 | 2,080 | 682 | 817 | 1,209 | 88 | 6,253 |
Campeche | 9,513 | 23,936 | 4,315 | 4,229 | 3,580 | 172 | 45,744 |
Coahuila | 10,544 | 17,056 | 3,354 | 3,348 | 3,117 | 379 | 37,799 |
Colima | 1,191 | 4,046 | 1,547 | 2,647 | 4,033 | 159 | 13,623 |
Chiapas | 63,336 | 300,999 | 19,201 | 16,657 | 9,735 | 211 | 410,138 |
Chihuahua | 21,690 | 26,314 | 8,624 | 12,054 | 17,198 | 964 | 86,843 |
Distrito Federal | 2,031 | 7,666 | 754 | 602 | 510 | 10 | 11,572 |
Durango | 12,395 | 28,070 | 8,337 | 9,643 | 7,871 | 275 | 66,592 |
Guanajuato | 26,190 | 67,782 | 18,883 | 21,291 | 15,205 | 665 | 150,016 |
Guerrero | 86,808 | 146,109 | 16,108 | 15,124 | 7,946 | 122 | 272,216 |
Hidalgo | 63,001 | 117,193 | 7,515 | 6,502 | 4,233 | 233 | 198,678 |
Jalisco | 18,939 | 42,890 | 19,952 | 28,519 | 25,978 | 751 | 137,029 |
México | 151,205 | 144,987 | 11,627 | 10,901 | 8,714 | 706 | 328,140 |
Michoacán | 36,513 | 82,686 | 19,634 | 23,521 | 22,712 | 397 | 185,464 |
Morelos | 3,906 | 23,586 | 6,039 | 5,209 | 2,694 | 67 | 41,502 |
Nayarit | 7,563 | 25,692 | 11,227 | 13,730 | 9,012 | 168 | 67,393 |
Nuevo León | 10,295 | 13,600 | 2,547 | 3,051 | 4,197 | 330 | 34,021 |
Oaxaca | 121,132 | 185,488 | 12,844 | 15,899 | 8,682 | 171 | 344,216 |
Puebla | 101,432 | 224,706 | 16,775 | 13,234 | 7,053 | 327 | 363,527 |
Querétaro | 20,989 | 15,844 | 2,596 | 3,110 | 2,194 | 328 | 45,061 |
Quintana Roo | 8,588 | 9,724 | 1,195 | 3,341 | 3,231 | 95 | 26,174 |
San Luis Potosí | 36,967 | 88,121 | 9,748 | 10,380 | 6,955 | 288 | 152,459 |
Sinaloa | 8,565 | 15,760 | 6,556 | 17,135 | 24,978 | 1,046 | 74,041 |
Sonora | 5,580 | 11,233 | 4,602 | 7,167 | 9,799 | 982 | 39,363 |
Tabasco | 16,908 | 57,434 | 8,018 | 8,352 | 5,655 | 153 | 96,520 |
Tamaulipas | 6,449 | 17,525 | 9,812 | 12,042 | 12,619 | 439 | 58,886 |
Tlaxcala | 25,204 | 39,953 | 2,338 | 1,681 | 1,423 | 75 | 70,673 |
Veracruz | 65,201 | 258,390 | 51,895 | 61,406 | 33,896 | 521 | 471,309 |
Yucatán | 20,392 | 37,383 | 3,604 | 3,454 | 3,289 | 173 | 68,293 |
Zacatecas | 22,439 | 74,409 | 14,573 | 14,964 | 12,364 | 261 | 139,010 |
Nacional | 992,922 | 2,118,833 | 307,462 | 353,901 | 285,018 | 11,090 | 4,069,227 |
Fuente: Diagnóstico del sector rural y pesquero (FAO, 2012).
Con base en el número de UP en el estado y por estrato (j = 1, 2, 3, 4, 5, 6), se conformó la distribución por municipio, mediante los siguientes pasos:
Paso 1. Obtener el número de Unidades de Producción Agropecuarias censales por municipio, a partir de los Cuadros 15 y 124 del Censo Agrícola Ganadero y Forestal (CAGF) 2007 (INEGI, 2007). Las UP Agropecuarias se determinan mediante la suma de las UP con superficie agrícola del CAGF 2007 y las UP cuya actividad principal es la Cría y Explotación de Animales.
Paso 2. Preparar un cuadro que enlista a los municipios en el estado y los seis estratos. En la última columna se presenta el total de Unidades de Producción Agropecuarias por municipio, determinado a partir de la información de los tabulados mencionados en el paso anterior. En el último renglón se presenta el total de Unidades de Producción Agropecuarias en el estado, que se estimó en el ejercicio anterior.
Paso 3. Estimar el número de UP Agropecuarias por estrato en cada municipio. Mediante la siguiente fórmula:
A parir de la ecuación anterior se obtuvo la siguiente estimación estratificada de UP por municipio (ver Tabla 3):
Entidad federativa | Estrato 1 | Estrato 2 | Estrato 3 | Estrato 4 | Estrato 5 | Estrato 6 | Total |
---|---|---|---|---|---|---|---|
Sonora | 5,580 | 11,234 | 4,602 | 7,166 | 9,799 | 982 | 39,363 |
Álamos | 398 | 801 | 328 | 511 | 699 | 70 | 2,807 |
Hermosillo | 340 | 685 | 280 | 437 | 597 | 60 | 2,399 |
Cajeme | 310 | 625 | 256 | 399 | 545 | 55 | 2,190 |
Navojoa | 274 | 551 | 226 | 351 | 480 | 48 | 1,929 |
Huatabampo | 246 | 495 | 203 | 316 | 432 | 43 | 1,734 |
Etchojoa | 209 | 420 | 172 | 268 | 367 | 37 | 1,473 |
San Luis Río Colorado | 208 | 419 | 172 | 267 | 365 | 37 | 1,468 |
Guaymas | 195 | 393 | 161 | 250 | 342 | 34 | 1,376 |
Caborca | 162 | 326 | 133 | 208 | 284 | 28 | 1,141 |
Ures | 139 | 279 | 114 | 178 | 243 | 24 | 978 |
San Ignacio Río Muerto | 137 | 277 | 113 | 176 | 241 | 24 | 969 |
Cumpas | 127 | 255 | 105 | 163 | 223 | 22 | 895 |
Sahuaripa | 125 | 252 | 103 | 161 | 220 | 22 | 882 |
Empalme | 113 | 229 | 94 | 146 | 199 | 20 | 801 |
Bácum | 110 | 222 | 91 | 142 | 194 | 19 | 778 |
Rosario | 103 | 208 | 85 | 132 | 181 | 18 | 727 |
Yécora | 92 | 185 | 76 | 118 | 161 | 16 | 648 |
General Plutarco E. C. | 91 | 183 | 75 | 117 | 160 | 16 | 643 |
Pitiquito | 87 | 175 | 72 | 111 | 152 | 15 | 612 |
Santa Ana | 76 | 153 | 63 | 98 | 134 | 13 | 537 |
Fronteras | 76 | 152 | 62 | 97 | 133 | 13 | 533 |
Ímuris | 73 | 147 | 60 | 93 | 128 | 13 | 514 |
Arizpe | 71 | 143 | 58 | 91 | 124 | 12 | 499 |
Magdalena | 69 | 139 | 57 | 89 | 122 | 12 | 488 |
Benito Juárez | 68 | 136 | 56 | 87 | 119 | 12 | 477 |
Nácori Chico | 67 | 136 | 56 | 86 | 118 | 12 | 475 |
Quiriego | 66 | 133 | 55 | 85 | 116 | 12 | 468 |
San Pedro de la Cueva | 64 | 129 | 53 | 82 | 112 | 11 | 450 |
Agua Prieta | 62 | 125 | 51 | 80 | 109 | 11 | 438 |
La Colorada | 62 | 125 | 51 | 80 | 109 | 11 | 437 |
Moctezuma | 52 | 104 | 43 | 66 | 91 | 9 | 364 |
Puerto Peñasco | 50 | 100 | 41 | 64 | 87 | 9 | 351 |
Villa Pesqueira | 49 | 98 | 40 | 62 | 85 | 9 | 343 |
Trincheras | 46 | 92 | 38 | 59 | 80 | 8 | 323 |
Bacerac | 45 | 91 | 37 | 58 | 80 | 8 | 319 |
Cananea | 45 | 91 | 37 | 58 | 79 | 8 | 318 |
Opodepe | 44 | 89 | 36 | 57 | 77 | 8 | 311 |
Bacadéhuachi | 43 | 87 | 36 | 55 | 76 | 8 | 304 |
Soyopa | 43 | 87 | 36 | 55 | 76 | 8 | 304 |
Nogales | 43 | 86 | 35 | 55 | 75 | 8 | 301 |
Bavispe | 42 | 85 | 35 | 54 | 74 | 7 | 299 |
Sáric | 42 | 85 | 35 | 54 | 74 | 7 | 297 |
San Miguel de H. | 41 | 83 | 34 | 53 | 72 | 7 | 289 |
Villa Hidalgo | 37 | 75 | 31 | 48 | 66 | 7 | 263 |
Nacozari de García | 37 | 75 | 31 | 48 | 65 | 7 | 261 |
Baviácora | 37 | 74 | 30 | 47 | 64 | 6 | 258 |
Huásabas | 37 | 74 | 30 | 47 | 64 | 6 | 258 |
Altar | 35 | 71 | 29 | 45 | 62 | 6 | 249 |
Arivechi | 35 | 71 | 29 | 45 | 62 | 6 | 248 |
Benjamín Hill | 35 | 71 | 29 | 45 | 62 | 6 | 248 |
Cucurpe | 34 | 69 | 28 | 44 | 60 | 6 | 241 |
Huépac | 34 | 68 | 28 | 43 | 59 | 6 | 238 |
Tubutama | 34 | 68 | 28 | 43 | 59 | 6 | 238 |
Bacoachi | 33 | 66 | 27 | 42 | 58 | 6 | 232 |
Tepache | 29 | 59 | 24 | 38 | 52 | 5 | 207 |
Huachinera | 29 | 58 | 24 | 37 | 50 | 5 | 203 |
Carbó | 27 | 54 | 22 | 34 | 47 | 5 | 188 |
Banámichi | 26 | 52 | 21 | 33 | 46 | 5 | 184 |
Aconchi | 26 | 52 | 21 | 33 | 45 | 5 | 181 |
Bacanora | 26 | 52 | 21 | 33 | 45 | 5 | 181 |
Rayón | 26 | 52 | 21 | 33 | 45 | 5 | 181 |
Mazatán | 24 | 49 | 20 | 31 | 43 | 4 | 171 |
Santa Cruz | 24 | 49 | 20 | 31 | 43 | 4 | 171 |
Granados | 23 | 46 | 19 | 29 | 40 | 4 | 162 |
Divisaderos | 22 | 44 | 18 | 28 | 38 | 4 | 154 |
Suaqui Grande | 22 | 44 | 18 | 28 | 38 | 4 | 154 |
Átil | 18 | 37 | 15 | 23 | 32 | 3 | 129 |
Oquitoa | 16 | 33 | 13 | 21 | 29 | 3 | 115 |
Naco | 16 | 33 | 13 | 21 | 28 | 3 | 114 |
Ónavas | 15 | 29 | 12 | 19 | 26 | 3 | 103 |
San Javier | 10 | 20 | 8 | 13 | 18 | 2 | 72 |
San Felipe de Jesús | 10 | 20 | 8 | 13 | 17 | 2 | 69 |
Fuente: elaboración propia con base en datos del Censo Agrícola, Ganadero y Forestal (INEGI, 2007) y del Diagnóstico del sector rural y pesquero (FAO, 2012).
De la tabla anterior se obtienen los municipios a apoyar en mayor proporción, por ejemplo, para corregir disparidades de desarrollo regional a través de la atención diferenciada a las regiones de mayor rezago como lo manda la LDRS y se contrastó con los resultados de las encuestas a beneficiados 2015, 2016 y 2017.
Para corroborar la importancia de la estratificación se cruzaron tres reactivos del cuestionario a beneficiados: 1) el monto del apoyo, 2) el ingreso obtenido en el año (de aquí también se determinó el estrato al que pertenece) y 3) si hubiera efectuado la inversión sin el apoyo, para analizar los proyectos donde los apoyos hubieran significado una menor proporción con respecto al monto recibido.
Resultados y propuesta
Por medio de una evaluación de procesos se identificaron posibles debilidades tanto en la determinación de la población objetivo como en el sistema de asignación de recursos. Se observó que, aunque existe una lista de beneficiarios, no hay una lista de las calificaciones, ni de los proyectos apoyados o de los que no fueron beneficiados, por lo que a un proyecto excelente se le podría reprobar de querer hacerlo. Asimismo, es poco el personal (no más de 15) encargado de revisar los miles de proyectos solicitantes que entran año con año, y a los cuales deben calificar en un plazo no mayor a dos meses. En la realidad se tiene una Población Objetivo como se muestra en la anterior Figura 1 (b) con las siguientes problemáticas:
Población de Referencia o Universo: representada en la Figura 1 (b) : 1 Unidades Económicas Rurales Agrícolas de México por entidad y municipio ¿Cuántos son?
Población Potencial: representada en la Figura 1 (b): 2 No existe definición y/o cuantificación disponible de ¿cuántas de las Unidades Económicas Rurales Agrícolas por municipio tienen bajo nivel de productividad.
Población Objetivo: representada en la Figura 1 (b): 3 Para ejemplificar nuestro caso de estudio, la Población Objetivo 2015 fue: “Personas físicas o personas morales, que realizan actividades en el sector agroalimentario” (Sagarpa, 2016) lo que es igual a la Población de Referencia.
Población Beneficiaria: representada en la Figura 1 (b): 4 Puede ser quien sea.
Esto permite concluir que la Población Objetivo definida en las reglas de operación no corresponde con la población que el Programa debe atender (Unidades Económicas Rurales Agrícolas de Sonora con bajo nivel de productividad), sino con el universo. Este resultado obliga a plantear las siguientes preguntas: ¿Por qué subsidiar la inversión en productividad a aquellas unidades con alto nivel de productividad? ¿Por qué subsidiar la inversión en productividad a quienes ya se han subsidiado? El no aclarar tales cuestionamientos puede ocultar mecanismos de discrecionalidad en el uso de los recursos públicos del programa. Además, la problemática se ha continuado observando en subsecuentes años y administraciones como se ejemplifica a continuación:
Población objetivo 2008. “Las personas físicas o morales y grupos (preferentemente ejidos, comunidades indígenas y colonias agropecuarias) que se dediquen a actividades agrícolas, pecuarias, pesqueras, acuícolas, agroindustriales y del sector rural en su conjunto ya sea de manera individual u organizada” (Sagarpa, 2007, 9).
Población objetivo 2011. “Las personas físicas o morales que se dedican a actividades agrícolas, pecuarias y/o actividades primarias pesqueras y acuícolas (que cuenten con los permisos o concesiones en la materia)” (Sagarpa, 2010, 10).
Población objetivo 2017. “La población objetivo del Programa está compuesta por las unidades de producción agrícola, pecuaria, de pesca y acuícolas, y las de nueva creación en las entidades federativas, preferentemente de los estratos E2, E3, E4 y E5 (acorde al Diagnóstico, FAO/SAGARPA, se describen sus características en el artículo 11, fracción VI)” (Sagarpa, 2016, 7).
Aunque desde 2017 se intentó implementar una estratificación de la población en los productores a través del DSRP (FAO, 2012), este no contaba con una estratificación a nivel municipal, ni operativamente se especificaba en las Reglas de Operación cómo saber el estrato del productor que acudía a la ventanilla de la Sagarpa a dejar su proyecto. Ante el problema, es necesario resolver la siguiente pregunta ¿Qué ha ocurrido en la realidad con la asignación de los recursos?
Con el fin de dar respuesta a dicha interrogante, se señala que, con base en los resultados presentados en la siguiente Tabla 4, si se compara cómo se distribuyó el recurso por municipios con el lugar que debería ocupar en la distribución de recursos según la estratificación y el lugar que ocupo en la práctica, las casillas más perjudicadas se muestran en letra color rojo y significa que esos municipios fueron desplazados más de 20 lugares en la asignación de recursos. Con ello se demuestra que la asignación de recursos no necesariamente refleja el cumplimiento de Ley de Desarrollo Rural Sustentable (LDRS) que en su Objetivo II, Artículo 5º señala como objetivo: Corregir disparidades de desarrollo regional a través de la atención diferenciada a las regiones de mayor rezago.
MUNICIPIO | LUGAR QUE DEBERÍA OCUPAR | 2015 | 2016 | 2017 | ||||||
---|---|---|---|---|---|---|---|---|---|---|
INVERSIÓN | LUGAR QUE OCUPÓ | DIF. | INVERSIÓN | LUGAR QUE OCUPÓ | DIF. | INVERSIÓN | LUGAR QUE OCUPÓ | DIF. | ||
Álamos | 1 | 2,786,820 | 13 | -12 | 3,914,342 | 10 | -9 | 2,656,464 | 9 | -8 |
Hermosillo | 2 | 68,221,665 | 1 | 1 | 13,675,557 | 2 | 0 | 8,673,640 | 2 | 0 |
Cajeme | 3 | 29,892,871 | 2 | 1 | 13,164,512 | 3 | 0 | 6,494,774 | 3 | 0 |
Navojoa | 4 | 5,055,662 | 8 | -4 | 4,577,797 | 8 | -4 | 5,987,530 | 4 | 0 |
Huatabampo | 5 | 6,991,541 | 6 | -1 | 16,220,946 | 1 | 4 | 10,192,498 | 1 | 4 |
Etchojoa | 6 | 3,757,560 | 10 | -4 | 4,726,967 | 7 | -1 | 2,973,783 | 8 | -2 |
San Luis R. C. | 7 | 998,236 | 34 | -27 | 3,910,383 | 11 | -4 | 2,543,461 | 10 | -3 |
Guaymas | 8 | 12,501,402 | 3 | 5 | 8,842,408 | 4 | 4 | 5,515,746 | 5 | 3 |
Caborca | 9 | 7,557,119 | 4 | 5 | 1,457,183 | 21 | -12 | 547,430 | 31 | -22 |
Ures | 10 | 4,070,306 | 9 | 1 | 4,314,041 | 9 | 1 | 3,067,307 | 7 | 3 |
San Ignacio R. M. | 11 | 7,539,635 | 5 | 6 | 7,930,093 | 6 | 5 | 3,187,778 | 6 | 5 |
Cumpas | 12 | 1,073,620 | 29 | -17 | 1,278,652 | 23 | -11 | 1,148,139 | 17 | -5 |
Sahuaripa | 13 | 1,782,608 | 22 | -9 | 1,607,724 | 18 | -5 | 905,028 | 22 | -9 |
Empalme | 14 | 1,854,787 | 20 | -6 | 2,446,323 | 14 | 0 | 1,786,149 | 12 | 2 |
Bácum | 15 | 5,788,178 | 7 | 8 | 3,485,041 | 13 | 2 | 992,502 | 18 | -3 |
Rosario | 16 | 1,814,832 | 21 | -5 | 1,093,450 | 25 | -9 | 390,000 | 41 | -25 |
Yécora | 17 | 129,000 | 59 | -42 | 1,473,256 | 19 | -2 | 442,283 | 35 | -18 |
Gral. Plutarco E. C. | 18 | 264,263 | 55 | -37 | 336,700 | 47 | -29 | 355,533 | 45 | -27 |
Pitiquito | 19 | 234,000 | 57 | -38 | 886,644 | 29 | -10 | 534,573 | 32 | -13 |
Santa Ana | 20 | 1,035,964 | 32 | -12 | 1,057,251 | 26 | -6 | 1,417,917 | 14 | 6 |
Fronteras | 21 | 899,600 | 36 | -15 | 524,487 | 37 | -16 | 410,000 | 39 | -18 |
Ímuris | 22 | 1,411,854 | 27 | -5 | 1,700,434 | 16 | 6 | 1,269,819 | 15 | 7 |
Arizpe | 23 | 678,070 | 39 | -16 | 1,450,440 | 22 | 1 | 724,298 | 25 | -2 |
Magdalena | 24 | 1,416,690 | 26 | -2 | 685,359 | 36 | -12 | 644,170 | 27 | -3 |
Benito Juárez | 25 | 1,036,548 | 31 | -6 | 8,095,713 | 5 | 20 | 1,470,898 | 13 | 12 |
Nácori Chico | 26 | 1,223,355 | 28 | -2 | 193,800 | 56 | -30 | 158,656 | 60 | -34 |
Quiriego | 27 | 2,388,937 | 14 | 13 | 687,970 | 35 | -8 | 432,000 | 36 | -9 |
San Pedro de la C. | 28 | 534,495 | 44 | -16 | 710,050 | 34 | -6 | 979,879 | 20 | 8 |
Agua Prieta | 29 | 0 | 0 | 29 | 177650 | 60 | -31 | 561525 | 30 | -1 |
La Colorada | 30 | 3,707,361 | 11 | 19 | 2,016,198 | 15 | 15 | 936,063 | 21 | 9 |
Moctezuma | 31 | 1,882,260 | 18 | 13 | 1,681,938 | 17 | 14 | 868,953 | 23 | 8 |
Puerto Peñasco | 32 | 100,000 | 64 | -32 | 3,636,500 | 12 | 20 | 2,230,000 | 11 | 21 |
Villa Pesqueira | 33 | 1,041,100 | 30 | 3 | 824,537 | 32 | 1 | 411,913 | 38 | -5 |
Trincheras | 34 | 1,503,744 | 25 | 9 | 1,025,862 | 27 | 7 | 1,169,548 | 16 | 18 |
Bacerac | 35 | 264,874 | 54 | -19 | 494,470 | 39 | -4 | 321,617 | 47 | -12 |
Cananea | 36 | 584,722 | 41 | -5 | 183,050 | 57 | -21 | 123,000 | 64 | -28 |
Opodepe | 37 | 1,571,000 | 24 | 13 | 840,396 | 31 | 6 | 402,415 | 40 | -3 |
Bacadéhuachi | 38 | 222,392 | 58 | -20 | 115,680 | 65 | -27 | 86,587 | 67 | -29 |
Soyopa | 39 | 1,765,446 | 23 | 16 | 420,750 | 44 | -5 | 512,941 | 33 | 6 |
Nogales | 40 | 243,750 | 56 | -16 | 1,025,650 | 28 | 12 | 248,200 | 53 | -13 |
Bavispe | 41 | 465,383 | 47 | -6 | 418,353 | 45 | -4 | 248,201 | 52 | -11 |
Sáric | 42 | 544,793 | 43 | -1 | 228,300 | 54 | -12 | 378,760 | 44 | -2 |
San Miguel de H. | 43 | 3,672,467 | 12 | 31 | 1,463,423 | 20 | 23 | 829,658 | 24 | 19 |
Villa Hidalgo | 44 | 455,869 | 48 | -4 | 332,180 | 49 | -5 | 136,694 | 63 | -19 |
Nacozari de G. | 45 | 98,000 | 65 | -20 | 145,350 | 63 | -18 | 150,000 | 61 | -16 |
Baviácora | 46 | 44,200 | 69 | -23 | 479,283 | 40 | 6 | 988,570 | 19 | 27 |
Huásabas | 47 | 470,289 | 46 | 1 | 177,650 | 61 | -14 | 103,703 | 66 | -19 |
Altar | 48 | 2,274,339 | 16 | 32 | 867,900 | 30 | 18 | 122,002 | 65 | -17 |
Arivechi | 49 | 546,830 | 42 | 7 | 390,384 | 46 | 3 | 183,400 | 59 | -10 |
Benjamín Hill | 50 | 1,869,711 | 19 | 31 | 96,900 | 68 | -18 | 380,814 | 42 | 8 |
Cucurpe | 51 | 496,659 | 45 | 6 | 152,999 | 62 | -11 | 85,942 | 68 | -17 |
Huépac | 52 | 775,489 | 38 | 14 | 458,160 | 41 | 11 | 703,981 | 26 | 26 |
Tubutama | 53 | 2,106,373 | 17 | 36 | 0 | 0 | 53 | 286,299 | 49 | 4 |
Bacoachi | 54 | 415,326 | 50 | 4 | 231,307 | 53 | 1 | 421,510 | 37 | 17 |
Tepache | 55 | 59,000 | 67 | -12 | 205,867 | 55 | 0 | 30,000 | 72 | -17 |
Huachinera | 56 | 384,633 | 51 | 5 | 334,454 | 48 | 8 | 230,199 | 55 | 1 |
Carbó | 57 | 2,293,962 | 15 | 42 | 1,197,687 | 24 | 33 | 380,000 | 43 | 14 |
Banámichi | 58 | 127,075 | 60 | -2 | 793,370 | 33 | 25 | 317,423 | 48 | 10 |
Aconchi | 59 | 327,800 | 52 | 7 | 452,288 | 42 | 17 | 586,259 | 29 | 30 |
Bacanora | 60 | 602,422 | 40 | 20 | 32,300 | 69 | -9 | 146,684 | 62 | -2 |
Rayón | 61 | 1,012,772 | 33 | 28 | 322,549 | 50 | 11 | 464,693 | 34 | 27 |
Mazatán | 62 | 447,694 | 49 | 13 | 100,000 | 67 | -5 | 80,999 | 69 | -7 |
Santa Cruz | 63 | 818,483 | 37 | 26 | 517,398 | 38 | 25 | 608,250 | 28 | 35 |
Granados | 64 | 288,161 | 53 | 11 | 141,417 | 64 | 0 | 346,743 | 46 | 18 |
Divisaderos | 65 | 940,218 | 35 | 30 | 436,204 | 43 | 22 | 233,372 | 54 | 11 |
Suaqui Grande | 66 | 102,000 | 62 | 4 | 182,739 | 58 | 8 | 250,000 | 51 | 15 |
Átil | 67 | 104,000 | 61 | 6 | 289,910 | 51 | 16 | 281,578 | 50 | 17 |
Oquitoa | 68 | 0 | 0 | 68 | 232126 | 52 | 16 | 195260 | 56 | 12 |
Naco | 69 | 0 | 0 | 69 | 0 | 0 | 69 | 193610.5 | 57 | 12 |
Ónavas | 70 | 59,000 | 66 | 4 | 32,300 | 70 | 0 | 53,930 | 70 | 0 |
San Javier | 71 | 101,000 | 63 | 8 | 113,050 | 66 | 5 | 49,250 | 71 | 0 |
San Felipe | 72 | 52,500 | 68 | 4 | 180,448 | 59 | 13 | 190,688 | 58 | 14 |
Fuente: elaboración propia con base en datos del Censo Agrícola, Ganadero y Forestal (INEGI, 2007) y Diagnóstico del sector rural y pesquero (FAO, 2012) y Sagarpa-Sagarhpa (2016; 2017; 2018).
Si se compara cómo se distribuyó el recurso del programa por municipios con los resultados de la Tabla 4 de acuerdo con el criterio del número de UP, se obtiene el lugar que debería ocupar en la distribución de recursos según la estratificación y el lugar que ocupo en los hechos, que sería el primer criterio distributivo.
Al hacer una evaluación general, se encontró que 26 municipios pierden preferencia respecto al lugar que ocupan en el número de UP, el más perjudicado de éstos es Álamos que debió ser el preferente, pero que en los hechos ocupó el lugar número 13 en recursos recibidos por un valor de 2 millones 786 mil pesos, cuando se le debieron asignar 68 millones, los cuales fueron recibidos por el municipio de Hermosillo en 2015.
Por otra parte, las disparidades no solo se dieron en las regiones, sino también por estrato, al comparar el nivel de ingreso de los beneficiados se observa una tendencia de apoyo a los estratos con mayor ingreso, en especial el E5 el cual congrega a las Unidades Económicas Rurales empresariales pujantes (Figura 3).
Fuente: elaboración propia con base en datos de los Cuestionarios a Beneficiarios 2015 (Sagarpa-Sagarhpa, 2016), 2016 (Sagarpa-Sagarhpa, 2017) y 2017 (Sagarpa-Sagarhpa, 2018).
Dentro de la operación del PCEF se propone establecer medidas que imposibiliten a los operadores a cometer posibles actos de discrecionalidad, por ejemplo, la selección de beneficiarios por parte de la Unidad Técnica mediante un sistema de calificación no es transparente, ya que no se publican las calificaciones de los apoyados ni de los no apoyados. Por ello, alguien con una calificación perfecta pudiera quedar afuera si los operadores así lo decidieran, ninguna secretaría que otorgue apoyos por medio de proyectos actúa transparentando así los resultados; por lo tanto, como parte de esta propuesta, se debería ponerse como requisito transparentar los resultados; incluso, crear un sistema al que pueda tener acceso los productores mediante una clave para que puedan ir corroborando como se van llenando los requisitos.
Así mismo, se detectó en la investigación que cabría darse el caso en que un productor del estrato 6 pudiera, sin problema alguno, llegar a ventanilla diciendo que es del estrato 3, y el funcionario no estaría en condiciones de contradecirlo, ya que en estos casos el solicitante no está exigido a mostrar declaraciones hacendarias, bajo estos criterios la posible discrecionalidad para canalizar los apoyos a personas afines a los servidores públicos puede ser del 100 % si así lo quisieran, ya que no hay mecanismos para evitarlo, con esto no se evidencia que así suceda, sólo que la actual o la próxima generación de servidores públicos tienen la posibilidad de dirigir los apoyos a conveniencia.
De acuerdo con la propuesta que se presenta en este trabajo, la anterior problemática se solucionaría si los apoyos no fueran evaluados por medio de proyectos, sino que, una vez definiendo la población objetivo, la selección fuera aleatoria y estratificada, otorgando más recursos a los estratos que se quieren apoyar más, excluyendo al estrato 6, y dando preferencia a los productores que no han sido apoyados. Por otra parte, debe ser la Secretaría de Hacienda quien expida la estratificación del productor sin decir su ingreso, sólo su estrato, de esta manera se tendría una claridad sin duda que el apoyo se dirige al estrato deseado con la población deseada.
Por otra parte, la Tabla 5 siguiente muestra que productores de ingreso elevado que recibieron apoyos pequeños igualmente habrían efectuado la inversión sin el apoyo, por lo que se entiende que el recurso público no hizo una diferencia sustancial. Sin embargo, es notable el hecho que productores cuyo apoyo represente una parte muy pequeña de sus ingresos al decir que no hubieran efectuado la inversión, indirectamente dicen que no necesitaban tanto el apoyo (como es el caso del productor con 884 mil pesos de ingreso que no hubiera invertido 12 mil pesos), por ende, de lo anterior se deduce que los estratos altos no son los óptimos para apoyar.
Hubiera Invertido | Monto de Apoyo | Ingreso Total | Apoyo vs Ingreso | Estrato FAO |
---|---|---|---|---|
Sí | 250,000 | 69,600,000 | 0.4% | 6 |
Sí | 213,509 | 36,400,000 | 0.6% | 6 |
Sí | 6,666 | 816,666 | 0.8% | 5 |
Sí | 250,000 | 27,600,000 | 0.9% | 6 |
Sí | 250,000 | 24,000,000 | 1.0% | 6 |
Sí | 17,000 | 1,577,000 | 1.1% | 5 |
Sí | 15,000 | 1,160,000 | 1.3% | 5 |
No | 12,000 | 884,000 | 1.4% | 5 |
Sí | 14,000 | 914,000 | 1.5% | 5 |
No | 11,000 | 650,000 | 1.7% | 5 |
Sí | 42,000 | 2,000,000 | 2.1% | 5 |
Sí | 17,000 | 748,000 | 2.3% | 5 |
Sí | 100,000 | 4,300,000 | 2.3% | 6 |
Sí | 100,000 | 4,170,000 | 2.4% | 6 |
No | 5,625 | 210,000 | 2.7% | 4 |
Fuente: elaboración propia con datos del Cuestionario a Beneficiarios 2015 (Sagarpa-sagarhpa, 2016).
Los estratos mayores no son los óptimos para apoyar, ¿Para qué apoyar a un productor que puede financiar fácilmente un proyecto con recursos propios y no quiere hacerlo? ¿Para qué apoyar a un productor que pude financiarse sin complicaciones un proyecto y no necesita ser financiado, dejando sin oportunidad de recursos a productores de los estratos bajos? Al respecto, los resultados en la asignación de los recursos en los municipios de Sonora atendiendo a la metodología de estratificación por niveles de ingreso de la FAO del programa analizado, muestran como las UP pertenecientes a los estratos 5 y 6, que poseen a su vez una mayor cuantía de recursos resultaron las más beneficiadas, esto propiciado por la falta de una población objetivo bien definida, con lo cual se demuestra debilidad estructural, ya que un tomador de decisión puede libremente seleccionar como beneficiado a un productor que no necesite el apoyo.
Conclusiones
En este trabajo se ha puesto de manifiesto, a la luz del concepto de calidad de gobierno, cómo el uso de criterios en la asignación de recursos de un programa, debido a la discrecionalidad permitida a la propia institución, termina por favorecer a los productores que pertenecen a los estratos que poseen una mayor cuantía de recursos. Esto es debido a las deficiencias en las definiciones de la población objetivo a lo largo de los años, y cómo se aplican los requisitos en favor de los más aventajados. Lo anterior pone en duda uno de los aspectos que más tiene que ver con el buen gobierno: la equidad con la que debe distribuir los recursos considerando como prioritario hacerlos llegar a los individuos que menos tienen.
Así mismo, se señala en el trabajo, cómo se pudiera dar la discrecionalidad en la selección de beneficiarios de un programa, ya que los listados de beneficiados se publican sin la calificación obtenida y sin el listado de los no beneficiados, por lo que no se sabe si un no beneficiado tuvo mayor calificación que otro que si recibió el apoyo. Esto evidencia un problema de debilidad estructural en el cual se pudiera efectuar la discrecionalidad de los apoyos hasta en un cien por ciento de los casos, a través de seleccionar a conveniencia a los beneficiarios, con lo cual se pone de manifiesto que los indicadores propuestos por el CIDE para evaluar el control de la discrecionalidad son perfectibles; más aún, si se toma en cuenta que ejercicios como el presente se pudieran hacer para evaluar otras partes del proceso de un programa, por ejemplo, las licitaciones.
Los vacíos que pueden permitir la discrecionalidad, en este caso, pueden corregirse si la selección fuera estratificada y aleatoria como ya se mencionó, con una correcta definición de la población objetivo y también si implementaran mecanismos para reconocer el estrato al que pertenece un productor, como lo sería una constancia expedida por la Secretaría de Hacienda. Se evidencia además una diferencia en el diseño de política pública cuando el fin último es el control de la discrecionalidad, se debe considerar la posibilidad de un diseño de estrategia de gestión con este fin, sobre todo en países con altos índices de corrupción.
Finalmente, es necesario señalar que poner a competir a las UP de los seis estratos bajo las mismas reglas, es condenar a los que más necesitan apoyo a no obtenerlo, toda vez que la discrecionalidad, sinónimo de mala calidad de gobierno, permite asignar los recursos preferentemente a las UP ubicadas en los estratos 5 y 6. Ello es así, porque, además de contar con el complemento del capital que solicitan, cuentan con personal dedicado a labores administrativas que les facilita cumplir con los trámites exigidos, sin contar son los círculos de amistad política que pudieran tener. Es por ello que deberían operarse recursos para los dos estratos y asignarles separadamente a los cuatro primeros, considerando como prioridad los índices de marginación y de pobreza junto al de cuidado del medio ambiente.