pág. 3297
FACTORES QUE CONDICIONAN EL
DESARROLLO RURAL EN AGRICULTORES
QUE UTILIZA UN MICROCRÉDITO MEDIANTE
LA APLICACIÓN DE COMPONENTES
PRINCIPALES (PARTE I)
FACTORS THAT INFLUENCE RURAL DEVELOPMENT IN
FARMERS WHO USE MICROCREDIT THROUGH THE
APPLICATION OF PRINCIPAL COMPONENTS (PART I)
Edgar Laureano Juárez Sepúlveda
Universidad de San Carlos de Guatemala
Carlos Orozco Castillo
Universidad de San Carlos de Guatemala
pág. 3298
DOI: https://doi.org/10.37811/cl_rcm.v9i2.17143
Factores que Condicionan el Desarrollo Rural en Agricultores que utiliza
un Microcrédito mediante la Aplicación de Componentes Principales (Parte
I)
Edgar Laureano Juárez Sepúlveda1
sepulveda@grupoanalitica.com
https://orcid.org/0009-0006-2186-6307
Postdoctorado en Ciencias Agrícolas y
Ambientales
Universidad de San Carlos de Guatemala
Facultad de Agronomía
Consultor y docente universitario, Grupo
Analítica S.A.
Carlos Orozco Castillo
carlosorozcocastillo@gmail.com
https://orcid.org/0009-0004-1495-219X
Postdoctorado en Ciencias Agrícolas y
Ambientales
Profesor e Investigador, Facultad de
Agronomía, Universidad de San Carlos de
Guatemala
RESUMEN
En las Instituciones de Microfinanzas, desde los años noventa hasta el momento (2025), prestan
servicios financieros a los agricultores del área rural para que logren salir de la base de la pirámide
económica, promover que puedan comprar semillas, fertilizantes, insumos, herramienta, maquinaria y
equipo, contratar asistencia técnica y adapten sus ciclos de producción, para contribuir a que salgan de
la pobreza mediante varios ciclos de microcrédito. El objetivo de esta investigación fue aplicar el análisis
factorial a un conjunto de variables de agricultores que obtuvieron crédito para identificar la estructura
subyacente mediante el resumen y la reducción de los datos, con la utilización del ACP, que permite la
construcción de índices que reducen los elementos para representar la mejora económica y la salida de
la pobreza del agricultor, por medio del descubrimiento de los factores con mayor relación e importancia
relacionados al PPI®que determina la posibilidad de estar por encima de la línea nacional de pobreza,
logrando su desarrollo rural, mediante la aplicación del análisis estadístico multivariante. Como
resultado por medio del Análisis Factorial se redujeron las variables identificadas y sus valores
subyacentes de 20 iniciales a 4 finales, para las cuales se determinaron sus ecuaciones y sus puntuaciones
factoriales.
Palabras Clave: pobreza, probabilidad, análisis factorial, desarrollo rural del agricultor y microcrédito
1
Autor principal
Correspondencia: sepulveda@grupoanalitica.com
pág. 3299
Factors that Influence Rural Development in Farmers who use Microcredit
through the Application of Principal Components (Part I)
ABSTRACT
In Microfinance Institutions, from the nineties until now (2025), they provide financial services to
farmers in rural areas so that they can get out of the base of the economic pyramid, promote that they
can buy seeds, fertilizers, inputs, tools, machinery and equipment, hire technical assistance and adapt
their production cycles, to contribute to getting out of poverty through several cycles of microcredit.
The objective of this research is to apply factor analysis to a set of variables of farmers who obtained
credit to identify the underlying structure by summarizing and reducing data, using the ACP, which
allows the construction of indices that reduce the elements to represent the economic improvement and
the way out of poverty of the farmer, through the discovery of the factors with the greatest relationship
and importance related to the PPI® that determines the possibility of being above the national poverty
line, achieving their rural development, through the application of multivariate statistical analysis. As a
result, through Factor Analysis, the identified variables and their underlying values are reduced from 20
initial ones to 4 final ones, for which their equations and factor scores are determined.
Keywords: poverty, probability, factor analysis, rural farmer development and microcredit
Artículo recibido 10 febrero 2025
Aceptado para publicación: 13 marzo 2025
pág. 3300
INTRODUCCIÓN
Microfinanzas
Desde la década de los noventa las entidades o instituciones de microfinanzas (IMFs) apoyan el
desarrollo de las comunidades rurales con proyectos, productos y servicios financieros o no financieros
que apoyan a los agricultores con iniciativas que pueden incluir crédito, ahorro, capacitación, asistencia
técnica, entre otros servicios afines. Estos generalmente proporcionan beneficios a los agricultores,
como adaptar los pagos del crédito al ciclo de producción del producto que se siembre, como pagando
el capital e intereses al final de dicho ciclo o por lo general al transcurrir un año.
También se define el concepto de microfinanzas como la intermediación financiera a nivel local y que
además de créditos puede incluir ahorros, depósitos y otros servicios tanto financieros como no
financieros; básicamente es la reasignación de recursos regional y localmente. Rodríguez, J. F. G.,
Caamal, I. C., Martínez, G. P., Armenta, A. R., Ávila, C. L., & Izquierdo, N. B. (2021).
En la actualidad el concepto de microcrédito para agricultores tiene muchas acepciones y giros, que
generalmente siempre versan sobre el tema de “pequeña cantidad” o “pequeño monto”, en cuanto a la
cantidad desembolsada. Para referirse al tiempo del otorgamiento del crédito se utilizan los términos
“progresivos” o “plazos cortos” y para determinar el sector al que se dirige se identifica “pequeños
agricultores”, “comunidades rurales agrícolas” o “comunidades en pobreza”, etc. La terminología real
o definición del concepto en el contexto de los países en desarrollo, viene siendo tan diversa, como
diversos son los problemas socioeconómicos que enfrentan nuestras comunidades agrícolas necesitadas
de estos instrumentos financieros y no financieros de desarrollo. Deben desarrollarse dirigidos a estos
segmentos de población y enmarcados bajo el concepto básico del término estudiado “Desarrollo Rural
para Agricultores". Carsten Sanz, D. C. (2023).
Índice de Probabilidad de Pobreza
La herramienta del Índice de Calificación de la Pobreza en la figura 1, Simple Poverty Scorecard®
poverty assessment tool) estima la probabilidad de que un hogar que se desarrolla en el sector agrícola
en Guatemala y tiene los gastos de consumo inferiores a una línea de pobreza dada, que en Guatemala
se estima que el 59.3% se encuentra en pobreza, es decir, más de la mitad de la población tiene un
consumo por debajo de Q10,218 al año, es decir el costo de alimentación más bienes y servicios,
pág. 3301
incremento del 137% con respecto a la última medición en 2006 (Principales resultados ENCOVI 2014).
La calificación se basa en las repuestas a 10 indicadores sencillos extraídos de la Encuesta Nacional de
Condiciones de Vida (ENCOVI) de 2014, publicada por el Instituto Nacional de Estadística (INE) en
2014.
Figura 1 Cuestionario de preguntas del Progress out of Poverty (PPI®)
Fuente: Schreiner, Mark (2016).
METODOLOGÍA
Clasificación de la investigación
Se selecciona para el desarrollo de la investigación, tomando en consideración el factor tiempo en la
recolección de datos, el cumplimiento de los objetivos y alcance del estudio en los agricultores, un
diseño transeccional o transversal por medio del que se recolectaron datos en un momento específico
del tiempo y se describieron variables para analizar su incidencia e interrelación en este momento dado.
Un diseño específicamente correlacional-causal y descriptivo, por medio del primero se limitaron y
relacionaron las variables del modelo describiendo las correspondencias entre las categorías propuestas
en términos correlaciónales y causa-efecto. Con el segundo tipo de diseño, las variables individuales,
pág. 3302
también se logra describir e indagar su incidencia en el objeto de estudio, el sector agrícola y la
repercusión en su desarrollo. En su modalidad causal, el diseño reconstruyó las relaciones sobre la base
de variabilidad de las variables dependientes e independientes, evaluando la estructura causal completa
o en su conjunto, brindando la oportunidad de predecir el comportamiento, una vez establecida la
causalidad. Hernández-Sampieri, R., & Mendoza, C. (2023).
Población y muestra
Para una población de 128,182 agricultores con un crédito activo, según muestreo aleatorio simple, se
necesitó un tamaño de muestra de 384 agricultores a los que se les entrevistó por medio de un
cuestionario de datos socioeconómicos y de (PPI®), con un nivel de confianza del 95% y un error
máximo aceptable del 5% lo que es adecuado según la determinación del tamaño utilizando muestreo
aleatorio simple para atributos, se aprecia en el cuadro 1, Sapag Chain, N (2014). Se segmentó la muestra
con base a los estratos de agricultores de cada institución, Nolasco-Benitez, E., & Gomis-Bellmunt, O.
(2021).
Cuadro 1 Tamaño de la muestra
Institución
Agricultores
Muestra
Institución
Agricultores
Muestra
A
9,893
30
E
34,204
102
B
10,274
31
F
25,232
76
C
10,221
31
G
12,524
38
D
10,002
30
H
15,832
47
Total
128,182
384
Fuente: Elaboración propia.
Definición de variables
Para las variables, se comprueba y conceptualiza la constitución de su definición operacional, es decir
el conjunto de procedimientos que describieron las actividades a medir en los factores que influyen en
el desarrollo y disminución de pobreza en el agricultor: factor, medida, rango de referencia e
instrumento, Sapag Chain, N (2014). A continuación la identificación de las variables que formaron
inicialmente la primera corrida del índice, en el cuadro 2:
pág. 3303
Cuadro 2 Variables Operacionalizadas
1. Flujo de efectivo
2. Edad
3. Puntuación PPI
4. Años del negocio
5. Plazo
6. Antecedente en la central de
riesgo
7. Gastos de supervisión
8. Recibe supervisión
9. Gastos de asesoría inicial
10. Monto de la inversión para
superar puntuación
11. Tiempo estimado en
lograr el impacto
12. Presupuesto para lograr el
desarrollo rural
13. Excedente disponible
14. Calidad de supervisión
15. Déficit en el monto propuesto
16. Gastos de operación
17. Ingresos del negocio
18. Calidad de la asesoría inicial
19. Capital disponible
20. Cantidad de
supervisiones
Fuente: Elaboración propia.
Esquema básico de operacionalización de variables que definió a priori su categoría e incidencia en los
factores que desarrollan al agricultor y definieron una hipótesis para poder comprobar por medio de
estudios posteriores al presente descubrimiento de factores, en la figura 2.
Figura 2 Esquema básico de Operacionalización de variables que definieron una hipótesis para
comprobar
Fuente: Elaboración propia.
RESULTADOS Y DISCUSIÓN
Proceso estadístico
Las fases o etapas estadísticas y de análisis multivariado que llevaron al modelo de reducción de
variables que determinaron el desarrollo rural en agricultores que utiliza un microcrédito, se define y
esquematiza en la figura 3:
pág. 3304
Figura 3 Esquema básico de Operacionalización de variables y definen una hipótesis para comprobar
Análisis previo de datos
Proporcionó las bases para un mejor resultado de predicción y precisión de la dimensionalidad del
análisis multivariante. Aunque los supuestos básicos subyacentes del análisis factorial son de carácter
conceptuales, más que estadísticos, podrían obviarse bajo la conciencia de que la falta de ellos producirá
disminución de las correlaciones observadas, siendo únicamente necesaria la normalidad, Hair,
Anderson, Tatham, & Black (1999). Se analizan los supuestos de: Normalidad (Gráficos de probabilidad
normal), Homocedasticidad (Prueba de Levene para homocedasticidad), Linealidad (Gráficos de
dispersión), Independencia de los errores y Análisis descriptivo (Estadística). Coro, L. A. C. (2022).
Análisis Factorial
Se obtiene la matriz de correlaciones entre los factores y el valor del determinante indica al ser cercano
a 0, la conveniencia de estudiar el modelo con análisis factorial, el valor calculado para el grupo de
factores es 2,667 x 10-19. Se valida la utilización de la matriz de correlaciones y el uso del análisis
factorial por medio de la prueba de esfericidad de Bartlett, obtenido a través de la trasformación chi
cuadrado del determinante de la matriz de correlaciones. La prueba muestra un valor de 16,016.73
(calculado) > 223.16 (tabla X2) y una significancia de .000 que significa una p < 0.01 por lo que se
rechaza la Ho de factores incorrelacionados, demostrando la conveniencia de emplear el método a la
serie de datos. Se determinó la adecuación y fortaleza de la solución por medio del análisis de
componentes, al utilizar el índice KMO o medida de suficiencia general. La referencia del parámetro
pág. 3305
según de la Garza, Morales & González (2013) debe ser KMO ≥ 0.50. Según el criterio, el indicador es
de 0.615, aceptable por ser mayor a 0.50 y muestra que la solución descubierta será fuerte, en el cuadro
3:
Cuadro 3 Prueba de KMO y Bartlett
Fuente: Elaboración propia.
Se analizó cada factor por medio de la matriz o correlación antiimagen, la medida utilizada es la MASi,
medida de adecuación muestral individual de cada factor. Según de la Garza, Morales & González
(2013), de ser el MASi menor a 0.50 el factor deberá ser eliminado del modelo. Según el criterio
mencionado, las que necesariamente se descartan del análisis son gastos de supervisión, gastos de
asesoría inicial, plazo y antecedentes en la central de riesgo. Los anteriores factores son retirados del
modelo. La prueba de esfericidad de Bartlett y el índice KMO o medida de suficiencia general muestra
un valor de 9,663.164 (calculado) > 146.567 (tabla X2) Y significancia de .000 que significa una p <
0.01 y un aumento a 0.626 (KMO) respectivamente, al demostrar definitivamente la conveniencia de
emplear el método análisis factorial para el desarrollo del modelo, como se aprecia en el cuadro 4:
Cuadro 4 Prueba de KMO y Bartlett
Fuente: Elaboración propia.
Las variables descubiertas que deben complementar al Índice de Probabilidad de Pobreza (PPI®): de 20
variables iniciales en el análisis, 6 son eliminadas por el criterio de MASi, se continuó estudiando con
base a las 14 variables restantes, en el cuadro 5 como se presenta:
0.615
Aprox. Chi-cuadrado 16016.730
gl 190
Sig. 0.000
Prueba de KMO y Bartlett
Medida Kaiser-Meyer-Olkin de adecuación de muestreo
Prueba de
esfericidad de
Bartlett
0.626
Aprox. Chi-cuadrado 9663.164
gl 120
Sig. 0.000
Prueba de KMO y Bartlett
Medida Kaiser-Meyer-Olkin de adecuación de muestreo
Prueba de
esfericidad de
Bartlett
pág. 3306
Cuadro 5 Variables finales que componen los factores
1. Flujo de efectivo
2. Puntuación PPI
3. Edad
4. Monto de la inversión para
superar puntuación
5. Presupuesto para lograr el
desarrollo rural
6. Calidad de la asesoría
inicial
7. Años del negocio
8. Déficit en el monto propuesto
9. Recibe supervisión
10. Excedente disponible
11. Cantidad de supervisiones
12. Calidad de supervisión
13. Ingresos del negocio
14. Capital disponible
Análisis de Componentes principales
La obtención de nuevas variables o componentes principales por medio del criterio de varianza total
explicada se presentan en el cuadro para las respectivas 14 variables y muestra la menor pérdida de
información representada por cuatro componentes (CP), la primera que explica el 26.66% de la
variabilidad, la segunda que explica el 13.21%, sucesivamente el 12.29% y 7.65% para el último factor
descubierto. En conjunto tenemos un criterio suficientemente representativo con el 59.82% de
explicación de la variabilidad para seleccionarlas, siendo un criterio comúnmente aceptado, soluciones
entre un rango de 60% y 95%, De la Garza, Morales & González (2013). Para interpretar las cargas
factoriales se considera la significancia práctica y estadística, el número de factores, conocimiento y
experiencia sobre el tema. Las componentes subyacentes, en el análisis indica que en general demuestran
valores altos en valor absoluto y parece que recoge información relativa a:
• Aspectos económicos y demográficos (Y1)
• Calidad de la supervisión del uso de la inversión inicial (Y2)
• Superación del nivel de pobreza (Y3)
• Calidad de la asesoría inicial (Y4)
Se construyen los índices y puntuaciones factoriales, los coeficientes permiten expresar cada
componente como combinación lineal de todos los factores, logrando sustituir los datos estandarizados
en la ecuación que define cada factor:
Y1=-0.016CAI+0.227FE+0.228E+0.025CLS+0.161AN-.055MISP+0.223IN+0.154ED-0.076CD-
0.020DMP-0.034PLDR+0.056RS-0.063CNS+0.114PPI
pág. 3307
Y2=-0.152CAI-0.014FE-0.007E+0.373CLS+0.117AN+0.204MISP+0.005IN-
0.100ED+0.216CD+0.029MP-0.033PLDR+0.346RS+0.257CNS+0.106PPI
Y3=-0.060CAI+0.105FE+0.112E-0.057CLS-0.239AN+0.261MISP+0.122IN+0.330ED
+0.327CD-0.003MP+0.077PLDR-0.064RS+0.049CNS-0.351PPI
Y4=0.380CAI+0.012FE+0.019E+0.112CLS-0.005AN-0.082MISP+0.030IN+0.030ED-
0.020CD+0.665MP+0.462PLDR+0.188RS-0.083CNS-0.062PPI
CONCLUSION
Se determina que las variables que optimizan la probabilidad por estar por encima de la línea nacional
de pobreza de un agricultor que obtiene servicios financieros o no financieros de una institución de
microfinanzas, se pueden reducir de veinte a cuatro componentes principales, siempre adicionando las
variables que determinan el Índice de Probabilidad de Pobreza (PPI®) de un agricultor y sus valores
subyacentes se resumen en: Aspectos económicos y demográficos (Y1), Calidad de la supervisión del
uso de la inversión inicial (Y2), Superación del nivel de pobreza (Y3) y Calidad de la asesoría inicial
(Y4), para las cuales se determinó sus ecuaciones con base a sus puntuaciones factoriales.
REFERENCIAS BIBLIOGRÁFICAS
1. Alkire, S., Kanagaratnam, U., & Suppa, N. (2024). A methodological note on the global
Multidimensional Poverty Index (MPI) 2024 changes over time results for 86 countries.
https://ora.ox.ac.uk/objects/uuid:7c94eaa5-84b1-4fa4-8df1-aadadb795d7a
2. Carsten Sanz, D. C. (2023). Microfinanzas y Educación financiera: Relación entre las
microfinanzas (fundamentalmente microcréditos y ahorro) y la educación financiera.
Carsten Sanz, D. C. (2023). Microfinanzas y Educación financiera: Relación entre las
microfinanzas (fundamentalmente microcréditos y ahorro) y la educación financiera.
3. Coro, L. A. C. (2022). El análisis multivariante para un desarrollo rural sostenible del cantón
Guamote, Ecuador. Revista Iberoamericana Ambiente & Sustentabilidad.
Coro, L. A. C. (2022). El análisis multivariante para un desarrollo rural sostenible del cantón
Guamote, Ecuador. Revista Iberoamericana Ambiente & Sustentabilidad, (5), 1.
4. De la Garza, J., Morales, B.N., & González, B.A. (2013). Análisis Estadístico Multivariante.
México, D.F.:McGraw-Hill.
pág. 3308
De la Garza García, J., Serrano, B. N. M., & Cavazos, B. A. G. (2013). Análisis estadístico
multivariante. McGraw-Hill.
5. Dumont, J. R. D., & Cuadros, M. J. L. (2024). Situación de la pobreza en una realidad de cifras
y contexto político en América Latina. Revista Venezolana de Gerencia: RVG, 29(106), 831-
846.
https://dialnet.unirioja.es/servlet/articulo?codigo=9394100
6. Encuesta Nacional de Condiciones de Vida (ENCOVI), Instituto Nacional de Estadística de
Guatemala (INE), enero de 2016.
7. Hair, J., Anderson, R., Tatham, R., & Black, W. (1999). Análisis Multivariante (Quinta ed.).
Madrid: Prentice Hall Iberia.
Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (2004). Análisis multivariante.
8. Hernández-Sampieri, R., & Mendoza, C. (2023). Metodología de la investigación: las rutas
cuantitativa, cualitativa y mixta. Segunda Edición. Editores Mcgraw-Hill. Ciudad de México
DF.
Hernández-Sampieri, R., & Mendoza, C. (2020). Metodología de la investigación: las rutas
cuantitativa, cualitativa y mixta.
9. Him Camaño, M., Corrales-Herrero, H., & Miranda-Escolar, B. (2023). Evolución de la pobreza
y de la distribución del ingreso en Panamá: una aproximación espacial.
https://buleria.unileon.es/handle/10612/13851
10. Luque, F. E. V., Orbe, A. L. V., Wilson, S. A. C., & Espinosa, J. A. P. (2024). An entrepreneurial
option to reduce the poverty index of the beneficiaries of the human development voucher in
Guayaquil. Centro Sur, 8(4), 51-64.
https://centrosureditorial.com/index.php/revista/article/view/365
11. Méndez, A. (2024). El análisis factorial: una introducción conceptual para la enseñanza y
aprendizaje. Enseñanza e Investigación en Psicología, 6(1), 1-13.
Méndez, A. (2024). El análisis factorial: una introducción conceptual para la enseñanza y
aprendizaje. Enseñanza e Investigación en Psicología, 6(1), 1-13.
pág. 3309
12. Mercadal, I. (2020). El impacto de las microfinanzas en el desarrollo de los países
emergentes (Doctoral dissertation, Universitat Politècnica de València).
13. Nawab, T., Raza, S., Shabbir, M. S., Yahya Khan, G., & Bashir, S. (2023). Multidimensional
poverty index across districts in Punjab, Pakistan: estimation and rationale to consolidate with
SDGs. Environment, Development and Sustainability, 25(2), 1301-1325.
https://link.springer.com/article/10.1007/s10668-021-02095-4
14. Nolasco-Benitez, E., & Gomis-Bellmunt, O. (2021). Acceso a la electricidad y desarrollo
rural. CienciAmérica, 10(3), 57-72.
Nolasco-Benitez, E., & Gomis-Bellmunt, O. (2021). Acceso a la electricidad y desarrollo
rural. CienciAmérica, 10(3), 57-72.
15. Pedraza Gallego, M. (2022). El impacto de las microfinanzas en el papel de la mujer en países
en desarrollo.
Pedraza Gallego, M. (2022). El impacto de las microfinanzas en el papel de la mujer en países
en desarrollo.
16. República de Guatemala: Encuesta Nacional de Actividades Productivas. Instituto Nacional de
Estadística de Guatemala (INE). Principales resultados. Guatemala, diciembre 2023.
17. República de Guatemala: Encuesta Nacional de Condiciones de Vida 2014 (ENCOVI). Instituto
Nacional de Estadística de Guatemala (INE). Principales resultados. Guatemala, diciembre
2015.
18. Rodríguez, J. F. G., Caamal, I. C., Martínez, G. P., Armenta, A. R., Ávila, C. L., & Izquierdo,
N. B. (2021). Planeación Estratégica aplicada al desarrollo local de comunidades y pueblos en
situación de pobreza. Investigación Operacional, 42(3).
Rodríguez, J. F. G., Caamal, I. C., Martínez, G. P., Armenta, A. R., Ávila, C. L., & Izquierdo,
N. B. (2021). Planeación Estratégica aplicada al desarrollo local de comunidades y pueblos en
situación de pobreza. Investigación Operacional, 42(3).
19. Sapag Chain, Nassir. (2014). Proyectos de Inversión, Formulación y Evaluación. Segunda
Edición. Editorial Pearson, Santiago de Chile.
Chain, N. S. (2007). Proyectos de inversión: formulación y evaluación. Pearson educación.
pág. 3310
20. Schreiner Mark. (2016). La Herramienta del Índice de Calificación de la Pobreza™ Guatemala.
Schreiner, M., Woller, G., & Woller, G. (2016). Simple poverty scorecard poverty-assessment
tool: Guatemala. SimplePovertyScorecard. com/GTM_2006_ENG. pdf, retrieved, 12.
