DIAGNÓSTICO DE LA CADENA DE VALOR DE CAFÉS ESPECIALES DEL TOLIMA MEDIANTE GAMLSS

Abstract

Los Modelos Lineales clásicos o generales son el fundamento de gran parte de las pruebas estadísticas, dentro de los que se cuentan los modelos de regresión y análisis de varianza, siendo muy útiles en el desarrollo de las ciencias, pues su estructura, refleja los elementos explicativos de un fenómeno por medio de relaciones funcionales probabilísticas entre variables (González y Soler, 2011). La necesidad de utilizar técnicas más flexibles y expandir la posibilidad de emplear distribuciones diferentes a la normal, dio origen a los Modelos Lineales Generalizados, con el trabajo de Nelder y Wedderburn (1972) y se han convertido en una herramienta obligada para los usuarios e investigadores de la Estadística Teórica y Aplicada, convirtiéndose en una solución especialmente adecuada para modelos de dependencia con datos no métricos. Sin embargo, entre los años 1989 y 1990, Hastie y Tibshirani dieron paso a los Modelos Aditivos Generalizados, en los cuales algunas variables independientes del modelo se pueden utilizar como funciones suaves tipo Fourier ó Spline, Hastie y Tibshirani (1990). No obstante, el gran avance en este campo y los métodos computacionales modernos de Rigby y Stasinopoulus (2017, pp. 24) presentan a la comunidad científica, la versión más actualizada de modelos conocidos como los Modelos Aditivos Generalizados de Localización, Escala y Forma (GAMLSS), los cuales fusionan los modelos lineales generalizados y los modelos aditivos generalizados, que tratamos en el siguiente trabajo, como aplicación a un diagnóstico de la cadena de valor de cafés especiales del Tolima, usando la información recogida en las encuestas aplicadas a 59 asociaciones productivas de cafés especiales del departamento del Tolima en marzo de 2019. La investigación hace parte de la labor del grupo de investigación Cadenas de Valor y Competitividad Regional adscrito a la Facultad de Ciencias Económicas y Administrativas de la Universidad del Tolima.