ESTIMACIÓN EN ÁREAS PEQUEÑAS EN EL CONTEXTO AGRÍCOLA: UN ENFOQUE METODOLÓGICO USANDO EL MODELO FAY-HERRIOT PARA ESTIMAR EL RENDIMIENTO DE CAFÉ Y CACAO A NIVEL CANTONAL EN ECUADOR

SMALL AREA ESTIMATION IN THE AGRICULTURAL CONTEXT: A METHODOLOGICAL APPROACH USING THE FAY-HERRIOT MODEL TO ESTIMATE COFFEE AND COCOA YIELDS AT THE CANTONAL LEVEL IN ECUADOR

Este trabajo emplea técnicas de armonización de datos, combinando múltiples fuentes de información
auxiliar para implementar el modelo Fay-Herriot en la estimación de rendimientos de café y cacao a nivel cantonal. El
desarrollo de estadísticas desagregadas permite la focalización de políticas públicas y la correcta implementación de
programas sociales. Los métodos de estimación de áreas pequeñas son una herramienta poderosa para generar estimaciones
desagregadas con la ayuda de información auxiliar y el uso de modelos lineales mixtos. El estudio se basa en
la identificación de fuentes de información relacionadas con el contexto agrícola, los datos obtenidos se procesan y se aplica un modelo a nivel de área (Fay-Herriot). Se selecciona un conjunto de variables que ofrecen el mejor desempeño
del modelo en términos de efectos aleatorios y residuos. Los resultados obtenidos permiten estimar el rendimiento de
café y cacao con un coeficiente de variación menor al 33% en aproximadamente el 90% de los dominios.

This study employs data harmonization techniques, combining multiple sources of auxiliary information
to implement the Fay-Herriot model for estimating coffee and cocoa yields at the canton level. The development
of disaggregated statistics allows the targeting of public policies and the correct implementation of social programs.
Small area estimation methods are a powerful tool for generating disaggregated estimates with the help of auxiliary
information and the use of linear mixed models. The study is based on the identification of information sources related
to the agricultural context, the data obtained is processed and a model is applied at the area level (Fay-Herriot). A
set of variables is selected that offer the best performance of the model in terms of random effects and residuals. The
results obtained allow us to estimate the yield of coffee and cocoa with a coefficient of variation of less than 33% in
approximately 90% of the domains.