AvAnces en InvestIgAcIón AgropecuArIA • 191
Olga María Calvo Hernández y Diego Fernando Quirós Badilla. Aia. 2025, 29: 191-202
iSSN-L 2683 1716
Avances en Investigación Agropecuaria 2025. 29: 191-202
ISSN-L 2683 1716
https://creativecommons.org/licenses/by/4.0/
http://doi.org/10.53897/RevAIA.25.29.105
Factores explicativos del rendimiento de palma
aceitera en la región central sur, Costa Rica
Explanatory Factors for Oil Palm Yield in the Central-South
Region, Costa Rica
Olga María Calvo Hernández* https://orcid.org/0000-0002-6225-3017
Diego Fernando Quirós Badilla https://orcid.org/0000-0003-3023-6957 | diego.quirosbadilla@ucr.ac.cr
Universidad de Costa Rica. Centro de Investigaciones en Economía Agrícola y
Desarrollo Agroempresarial. Escuela de Economía Agrícola y de Agronegocios.
Sede Rodrigo Facio, San Pedro, San José, Costa Rica.
*Autor de correspondencia: olga.calvohernandez@ucr.ac.cr
Recibido: 16 de julio de 2025
Aceptado: 28 de octubre de 2025
Publicado: 05 de noviembre de 2025
Resumen
Objetivo. Identificar los factores determinan-
tes que inciden en el rendimiento de la produc-
ción de palma aceitera a nivel regional en Costa
Rica. Materiales y métodos. Se recolectó
información económica-productiva de 32 per-
sonas productoras de la región central del sur
de Costa Rica, de enero a diciembre de 2023.
Se utilizaron pruebas estadísticas de correla-
ción, prueba t para muestras independientes,
análisis de varianza y de comparación múltiple
para las variables. Se verificaron supuestos de
normalidad y homocedasticidad de las varia-
bles mediante las pruebas de Shapiro-Wilk y
Levene. Se construyó un modelo de regresión
múltiple, al cual le evaluaron supuestos de nor-
malidad, homocedasticidad, multicolinealidad y
correlación. La selección del modelo con mejor
ajuste se basó en los criterios de información de
Akaike y Bayesiano. Resultados. El modelo
Abstract
Objective. To identify the determining factors
that influence palm oil production performance
at the regional level in Costa Rica. Materials
and methods. Economic and production data
were collected from 32 producers in the south-
central region of Costa Rica from January to
December 2023. Statistical correlation tests,
t-tests for independent samples, analysis of va-
riance, and multiple comparisons were used for
the variables. The hypotheses of normality and
homoscedasticity of the variables were verified
using the Shapiro-Wilk and Levene tests. A
multiple regression model was constructed, for
which the hypotheses of normality, homosce-
dasticity, multicollinearity, and correlation were
evaluated. The selection of the most appropriate
model was based on Akaike and Bayesian infor-
mation criteria. Results. The model explained
73 % of the variability in yield, where a larger
192 • AvAnces en InvestIgAcIón AgropecuArIA
Factores explicativos del rendimiento de palma aceitera en la región central sur, Costa Rica
Olga María Calvo Hernández y Diego Fernando Quirós Badilla. AIA. 2025, 29: 191-202
Issn-L 2683 1716
Introducción
La palma aceitera (Elaeis guineensis, Jacq) representa el cultivo permanente con
mayor extensión de área en Costa Rica y el tercer lugar en términos de producción
en toneladas métricas (t) (Instituto Nacional de Estadística y Censos [INEC],
2025). Su versatilidad y múltiples usos impulsó un crecimiento acelerado de la producción
a nivel global durante las últimas décadas (Mayes, 2020). En Costa Rica, la producción
supera las 1.2 millones de toneladas y el área cultivada rebasa las 70 000 hectáreas (ha)
(Sistema de Información del Sector Agropecuario Costarricense, 2025).
Reconocida como la oleaginosa con mayor productividad (Corley, 2009; Danylo et al.,
2021; Hambali y Rivai, 2017), esta puede generar entre tres a ocho veces más aceite por
hectárea que otro cultivo de oleaginoso tropical (Barcelos et al., 2015). En Costa Rica, la
productividad promedio anual es de 14.37 t/ha de fruta fresca (FF) (Cámara Nacional de
Productores de Palma Costa Rica, 2025), valor comparable con las 14 t/ha de FF al año
que se obtienen en promedio en pequeñas unidades productivas en Indonesia (Monzon
et al., 2023). Este último país muestra rendimientos promedios superiores a las 27 t/ha,
con unidades que incluso reportan hasta 40 t/ha de FF/año (Hoffmann et al., 2014).
Con un enfoque que integra la agricultura comercial a gran escala con pequeños
sistemas productivos (Murphy et al., 2021), discuten que el sector palmero enfrenta
diferentes desafíos, entre ellos distintas problemáticas vinculadas con el impacto
ambiental, la sostenibilidad del cultivo, la disponibilidad de mano de obra, el futuro de
los biocombustibles y el estancamiento de los rendimientos (Murphy et al., 2021). Estas
discusiones ponen de manifiesto la necesidad de explorar mecanismos que incrementen
la productividad y permitan evaluar el efecto de diferentes factores sobre el rendimiento
del cultivo (Woittiez et al., 2017).
La brecha entre los rendimientos reales y potenciales de la palma aceitera constituye un
desafío global. Diversos factores agronómicos, como la nutrición, las podas, el control de
malezas y el manejo de la cosecha determinan de manera directa la productividad (Monzon
explicó el 73 % de la variabilidad del rendimien-
to, donde una mayor área de siembra favorece la
producción, mientras que pendientes pronuncia-
das y elevados costos de producción inciden de
forma negativa. Conclusiones. La influencia
combinada de factores productivos y territoria-
les afectan la eficiencia del cultivo en el ámbito
regional. La relación observada entre área sem-
brada, pendiente, costo y rendimiento reafirma
la necesidad de integrar criterios agronómicos
y económicos en la planificación del cultivo.
Palabras clave
Agricultura, análisis estadístico, productividad,
economía agraria.
planted area favors production, while steep slo-
pes and high production costs have a negative
impact. Conclusions. The combined influence
of productive and territorial factors affects crop
efficiency at the regional level. The observed
relationship between planted area, slope, cost,
and yield reaffirms the need to integrate agro-
nomic and economic criteria into crop planning.
Keywords
Agriculture, statistical analysis, productivity,
agricultural production.
AvAnces en InvestIgAcIón AgropecuArIA • 193
Revista de investigación y difusión científica agropecuaria
Olga María Calvo Hernández y Diego Fernando Quirós Badilla. Aia. 2025, 29: 191-202
iSSN-L 2683 1716
et al. 2023; Sugianto et al., 2023), sin dejar de lado las condiciones climáticas y edáficas,
que también la limitan (Monzon et al., 2021). Aspectos socioeconómicos, como el acceso
a insumos, la disponibilidad de asistencia técnica y la participación en cadenas de valor,
influyen de forma significativa en el desempeño de los pequeños productores (Euler et
al., 2016, 2017). A estas limitaciones se suman plagas, enfermedades, competencia de
vegetación, semillas de baja calidad y deficiencias en la fertilización que generan pérdidas
importantes en el cultivo (Woittiez et al., 2017).
La literatura también destaca el papel de la densidad de siembra, el riego, la calidad
de la semilla y los servicios de extensión (Woittiez et al., 2017; Abdul et al., 2022),
así como la gestión administrativa, los periodos de cosecha y la mortalidad de plantas
(Euler et al., 2016). Incluso se plantea la expansión del área sembrada como estrategia
para incrementar la producción (Woittiez et al., 2017; Charry et al., 2020). Asimismo,
la pendiente incide de forma negativa en el rendimiento, al favorecer la escorrentía y la
erosión (Balasundram et al., 2006).
En el plano productivo, uno de los principales desafíos consiste en reducir costos
para mejorar la eficiencia. Incrementos en los costos de producción afectan de manera
negativa el rendimiento del cultivo (Mosquera et al., 2017; 2018). Entre los retos más
complejos del sector agrícola destacan la predicción del rendimiento y la identificación de
las variables que lo determinan, debido a la alta variabilidad de condiciones dinámicas
que limitan la construcción modelos precisos y aplicables a los contextos productivos
(Hilal et al., 2018; Rashid et al., 2021). En este marco, el presente estudio tuvo como
objetivo identificar los factores que explican el rendimiento de palma aceitera en la región
central sur, de Costa Rica.
Materiales y métodos
La investigación recopiló información entre los meses de enero a diciembre de 2023,
mediante la aplicación de una encuesta estructurada a una muestra probabilística de 32
personas productoras de palma aceitera, en la región central sur de Costa Rica. Con
predominancia de sistemas de producción intensivos de monocultivo.
Proceso de muestro y registro de información
En el estudio se utilizó de manera complementaria un registro de datos proporcionado
por la Agencia de Extensión Agropecuaria (AEA) de La Gloria, del Ministerio de
Agricultura y Ganadería (MAG), la cual contenía información de personas asociadas
a dos entes cooperativos de la región (identificados en esta investigación como C01 y
C02), dedicadas al acopio y comercialización de palma aceitera. C01 registraba 21 per-
sonas productoras activas con unidades productivas distribuidas (fincas) en los cantones
de Puriscal y Turrubares (distritos de Chires y Carara en cada caso). C02 mantenía a
17 sujetos con fincas ubicadas sólo en el distrito de Chires.
Para estimar el tamaño de la muestra se utilizó un muestreo probabilístico estratificado
por cooperativa y se aplicó la fórmula de población finita, con el fin de definir el número
de personas a entrevistar por cada cooperativa.
194 • AvAnces en InvestIgAcIón AgropecuArIA
Factores explicativos del rendimiento de palma aceitera en la región central sur, Costa Rica
Olga María Calvo Hernández y Diego Fernando Quirós Badilla. AIA. 2025, 29: 191-202
Issn-L 2683 1716
(1)
donde:
n = Tamaño de la muestra de población finita.
N = Población total.
zα/2 = Valor de la distribución normal estándar asociado al nivel de significancia.
P = Proporción esperada de la población.
Q = Complemento de P.
e = Error máximo permitido.
Con un nivel de significancia de 0.05, una desviación típica de 1.96, un error de 0.1 y
una proporción esperada del 50 %, el cálculo de la muestra determinó 17 personas pro-
ductoras para C01 y 15 para C02. El equipo de investigación diseñó, revisó y validó
un cuestionario junto con el personal de la AEA de La Gloria, con el que se documen-
tó información de 32 personas productoras, que abarcó aspectos económicos, sociales,
ganaderos, forestales y diversificación productiva. Además, se registraron rendimientos,
densidades de siembra, áreas, costos, mano de obra, insumos, la presencia de plagas y
enfermedades propias del cultivo de palma aceitera (cuadro 1). Seguido, se recolectaron
los datos a través de visitas de campo o llamadas telefónicas.
Cuadro 1
Resumen de las categorías y variables incluidas de manera previa en el análisis
estadístico para la construcción del modelo, 2023
Categoría Variables
Datos generales Género, edad, domicilio, ocupación, afiliación, años de afiliación,
escolaridad, ubicación y acceso a la finca, área total de la finca,
cantidad de miembros familiares, dependientes de la actividad
palmera, ingreso familiar, porcentaje que representa la palma del
ingreso familiar, entre otros.
Cultivos complementarios Cultivo, área cultivada, plantas/ha, costo de producción, frecuencia
de cosecha, cantidad cosechada, entre otros.
Ganadería Sistema de explotación, cantidad de animales, modalidad, hectáreas
dedicadas a pasto mejorado, entre otras.
Componente forestal Cantidad de árboles en la finca, proyectos de reforestación, objetivo
y fuentes de la reforestación, medidas aplicadas para la protección
ambiental.
Cultivo de palma Años de dedicarse al cultivo, edad de la plantación, renovaciones
del cultivo, rendimiento anual por hectárea, densidad de siembra,
área dedicada al cultivo, material genético y proveedores, entre otras.
AvAnces en InvestIgAcIón AgropecuArIA • 195
Revista de investigación y difusión científica agropecuaria
Olga María Calvo Hernández y Diego Fernando Quirós Badilla. Aia. 2025, 29: 191-202
iSSN-L 2683 1716
Categoría Variables
Información de costos
(mano de obra e insumos)
Renovaciones, mantenimientos, terrazas, coberturas, barreras vivas,
fertilizaciones, enmiendas, combate de malezas, podas, control de
plagas y enfermedades, costo/ha, entre otras.
Cosecha Entrega de la cosecha, contrato de entrega, años de contrato, expec-
tativas, acarreo y transporte de la fruta, entre otros.
Otra información Servicios contables, alquileres, visitas técnicas, carga financiera
(deudas), entre otras.
Análisis estadístico
Con el fin de contrastar el rendimiento medio entre los distritos se utilizó el análisis de
varianza (ANOVA) y la prueba post hoc de LSD de Fisher. Además, mediante prue-
bas de correlación de Pearson se analizaron las relaciones entre las variables cuantitativas
continuas con el rendimiento. Finalmente, se construyeron diferentes modelos de regresión
múltiple, según el fundamento teórico para analizar los factores que influyen en el rendi-
miento. Como consecuencia del tamaño de la muestra, la cantidad de grados de libertad
fue limitada, por lo que sólo se seleccionaron las variables que optimizaron los resultados
del modelo. El rendimiento se definió como la variable dependiente y el género, domi-
cilio, rendimiento, área, pendiente y costo por tonelada, como las variables explicativas.
Para todos los casos se verificaron los supuestos de normalidad con la prueba de
Shapiro-Wilk, mientras que, para constatar la homocedasticidad se utilizaron las pruebas
de Levene y Breush-Pagan. Se utilizaron pruebas de correlación para detectar posibles
problemas de multicolinealidad en el modelo de regresión lineal múltiple; además, se estimó
el Factor de Inflación de Varianza (VIF). Los criterios de Información de Akaike (AIC),
de Información Bayesiano (BIC) y el coeficiente de determinación (R2) se utilizaron
como mecanismos de comparación de los modelos y fundamentaron la selección de aquel
con mayor ajuste. Todas las pruebas y los modelos se ejecutaron a través del software
estadístico R Studio Versión 2024.12.0+467.
Si bien la literatura identifica múltiples factores que influyen en el rendimiento de
la palma aceitera, como la edad del cultivo, las condiciones climáticas y edafológicas, la
nutrición, las podas, el control de malezas, el nivel de conocimiento técnico, entre otras. En
este estudio no todas estas variables mostraron una relación estadística significativa con el
rendimiento de producción, ya fuera de manera individualizada o modelizada. Por lo que
se exhiben, para este caso, los datos y variables del modelo con el mejor ajuste (cuadro 2).
Resultados
Perfil de la muestra
El 71 % de las personas productoras poseía su lugar de residencia (no se refiere a la finca
sino a su vivienda habitual) en el distrito de Chires, el 20 % en Carara y el resto en otras
zonas. Más del 75 % se dedica a la actividad agrícola como ocupación principal y el 82 %
196 • AvAnces en InvestIgAcIón AgropecuArIA
Factores explicativos del rendimiento de palma aceitera en la región central sur, Costa Rica
Olga María Calvo Hernández y Diego Fernando Quirós Badilla. AIA. 2025, 29: 191-202
Issn-L 2683 1716
se encontraba asociado a una entidad cooperativa de la región. La edad promedio de las
personas encuestadas estuvo entre los 48 y 64 años, con un predominio de una población
mayor de 50 años. El 82 % fueron hombres y la mayoría contaba con primaria completa,
y alrededor, de 12 años (en promedio) de experiencia en el cultivo.
Condiciones previas de los factores bajo estudio para el modelo de regresión múltiple
Las mujeres representaron menos de una cuarta parte de las personas dedicadas a la
actividad de palma aceitera, en comparación con la cantidad de hombres incluidos en la
muestra. El distrito de Chires, en el cantón de Puriscal, concentró la mayor cantidad de
domicilios de las personas productoras (cuadro 2). El área promedio de las fincas fue
de 8.11 ha y estas presentaron una pendiente media máxima superior al 15 %. El rendi-
miento por hectárea fue de 8.50 t, menor que el promedio nacional (14.37 t/ha de fruta
fresca), mientras que los costos de producción por tonelada oscilaron entre 250 USD
(dólares estadunidenses) y 2 400 USD anuales por hectárea (cuadro 2).
Cuadro 2
Descripción de las variables cualitativas y cuantitativas que fueron utilizadas en la
estimación del modelo Costa Rica, 2025
Variables cualitativasDescripción Cantidad Porcentaje
Género (n = 32) Hombre 26 81.25
Mujer 6 18.75
Domicilio (n = 32) Chires 23 71.88
Carara 7 21.88
Otro 2 6.25
Variables cuantitativas Unidad de medida Media DE
Rendimiento (n = 32) t/ha/anuales 8.50 5.02
Área de palma (n = 32) ha de cultivo 8.11 5.31
Pendiente máxima (n = 29) Porcentaje de inclinación 15.63 9.28
Costo por tonelada (n = 28) Dólares estadunidenses 283.26 292.54
Todas las variables continuas mostraron una correlación estadística significativa al 5 %, lo
que evidenció su relación con el rendimiento. La pendiente y el costo por hectárea regis-
traron coeficientes negativos, de modo que su incremento afecta de manera desfavorable
el rendimiento (cuadro 3).
AvAnces en InvestIgAcIón AgropecuArIA • 197
Revista de investigación y difusión científica agropecuaria
Olga María Calvo Hernández y Diego Fernando Quirós Badilla. Aia. 2025, 29: 191-202
iSSN-L 2683 1716
Cuadro 3
Pruebas de correlación del rendimiento con las variables continuas, Costa Rica, 2025
Variable n r Estadístico (t) gl p-valor
Área de palma 32 0.44 2.653 30 0.013
Pendiente máxima 29 -0.35 -1.997 28 0.035
Costo por tonelada 28 -0.59 -3.726 26 0.001
La prueba LSD de Fisher, con significancia al 5 %, confirmó que el distrito de Chires (p=0.03) se diferencia
de los otros dos.
Explicación de la variable dependiente rendimiento en función de las variables
regresoras
El modelo mostró un ajuste solido a pesar del tamaño de la muestra (n= 32), este logra
explicar el 73 % de la variabilidad presente en el rendimiento. Dada la significancia del
modelo, se puede indicar que existe evidencia estadística que permite señalar la presencia
de variables independientes que sí logran sustentar cambios en el rendimiento (cuadro 4).
Cuadro 4
Resultados del modelo de regresión lineal múltiple
Variables Coeficientes Error estándar %
Intercepto 9.07 1.64 1
Área de palma 0.50 0.13 1
Pendiente máxima -0.21 0.08 5
Género
Mujer 4.21 2.35 10
Domicilio
Carara 0.87 1.76 —
Otro 5.06 2.42 5
Costo por hectárea -1.76E-05 4.50E-06 1
n 32
R20.73
F 8.62
F (p-valor) 0.00013
El área de palma y costo por hectárea ejercen los efectos más relevantes sobre el rendimiento
del cultivo, mientras que la pendiente máxima y el distrito otro (variable domicilio), mos-
traron influencias de menor magnitud. El distrito otro se asoció con mayor rendimiento en
comparación con Chires, en tanto que, Carara no presentó diferencias significativas con este.
198 • AvAnces en InvestIgAcIón AgropecuArIA
Factores explicativos del rendimiento de palma aceitera en la región central sur, Costa Rica
Olga María Calvo Hernández y Diego Fernando Quirós Badilla. AIA. 2025, 29: 191-202
Issn-L 2683 1716
Un incremento en el costo por hectárea reduce de forma ligera pero no significativa
el rendimiento, con una afectación más pronunciada conforme los costos aumentan.
De igual manera, mayores porcentajes de pendiente disminuyen la cantidad de FF/ha.
Respecto al domicilio, las personas productoras residentes en distritos clasificados como
otro obtuvieron rendimientos significativos superiores frente a quienes habitan en Chires,
mientras que Carara no mostró diferencias significativas.
Discusión
Los resultados de este estudio evidencian que la escala de producción incide de manera
significativa en el rendimiento del cultivo. Un mayor número de hectáreas se traduce en
incrementos de productividad, lo que coincide con lo señalado por Woittiez et al. (2017)
y Charry et al. (2020), quienes destacan la expansión del área sembrada como estrategia
para mejorar la eficiencia productiva. Este comportamiento puede asociarse a los efectos
de las economías de escala, dado que la optimización del uso de equipo, mano de obra,
transporte e insumos genera mayor eficiencia y dilución de los costos unitarios en áreas
agrícolas más extensas (De Roest et al., 2018; Aladesuru et al., 2024). Asimismo, la
relación entre área y productividad podría estar vinculada con la mayor vulnerabilidad
de las unidades productivas pequeñas frente a plagas, enfermedades y eventos climáticos
adversos (Dhillon y Moncur, 2023).
Si bien la expansión del cultivo puede favorecer la economía de las regiones
productoras, también plantea cuestionamientos sobre sus externalidades ambientales.
La producción de palma aceitera se asocia con procesos de deforestación, pérdida de
biodiversidad, deterioro de ecosistemas y agotamiento de suelos (Pérez y Pérez, 2023).
En cantones como Osa (Costa Rica), su expansión implicó la sustitución de cobertura
natural y pasturas, además de impactos negativos sobre el suelo, el agua, el clima, la
dinámica social y económica local (Salas, 2020). Incluso se documentaron presiones sobre
áreas protegidas y zonas de amortiguamiento, que en algunos casos fueron reemplazadas
por nuevas plantaciones de palma.
En cuanto a las variables analizadas, el estudio constató un efecto negativo de
la pendiente sobre el rendimiento, un aumento en los niveles de pendiente reduce la
productividad en 0.21 unidades. Este resultado adquiere relevancia considerando que el
38 % de las fincas se ubican en terrenos con pendientes entre 10 y 20 %, y que un 25 %
se encuentra en áreas con pendientes superiores a 20 %. Estos hallazgos coinciden con lo
reportado por Balasundram et al. (2006) y Murtilaksono et al. (2011), quienes también
identificaron efectos negativos de las pendientes sobre el rendimiento.
En zonas como Osa, donde se cultiva palma aceitera en pendientes superiores a 50 %,
se registran costos elevados de siembra, cosecha y mantenimiento, lo que repercute en
menores ingresos y productividad (Salas, 2020). De manera similar, Puriscal presenta
suelos degradados y pendientes pronunciadas que favorecen la erosión, la pérdida de
fertilizantes y reducen la disponibilidad de agua para las plantas, con efectos directos sobre
la productividad (Bah et al., 2014; Banabas et al., 2008; Comte et al., 2012). Aunque
no es común que la palma aceitera se establezca en estas condiciones, la búsqueda de
AvAnces en InvestIgAcIón AgropecuArIA • 199
Revista de investigación y difusión científica agropecuaria
Olga María Calvo Hernández y Diego Fernando Quirós Badilla. Aia. 2025, 29: 191-202
iSSN-L 2683 1716
alternativas productivas propició su cultivo en zonas poco adecuadas, lo cual se refleja en
los datos de esta investigación.
Con relación a los costos, esta variable emergió como un factor crítico y robusto de
manera estadística. El modelo evidenció que mayores costos de producción reducen de
significativamente el rendimiento, lo cual coincide con lo señalado por Mosquera et al.
(2017; 2018), quienes demostraron que aumentos en los costos de producción generan
caídas proporcionales en la productividad del cultivo. Esto se muestra en armonía con
los resultados de este estudio y el comportamiento de la variable de costo de producción.
De manera general y afín a los resultados de esta investigación, conviene resaltar que
el tamaño de la muestra toma relevancia a la hora de interpretar los datos en este modelo.
Un tamaño de muestra pequeño puede dar lugar a un incremento en la varianza de los
coeficientes y, como consecuencia, disminuir la precisión de las estimaciones y limitar la
capacidad del modelo para detectar relaciones reales entre el rendimiento y las variables
independientes. Por lo que se podría condicionar la representatividad de los hallazgos,
dado que el número de casos incluidos puede que no refleje la realidad completa del
sector a nivel regional.
Cabe destacar que, la gran variabilidad observada en los costos y rendimientos,
junto con el tamaño reducido de la muestra se reflejaron como limitantes importantes de
este estudio. Condiciones como estas pueden hacer que el modelo sea sensible a valores
atípicos y restringir la generalización de los hallazgos; sin embargo, la significancia
estadística obtenida en variables clave como, el costo de producción, confirma la solidez
la tendencia identificada. Es esencial resaltar que los resultados de esta investigación
deben ser entendidos como un análisis preliminar y exploratorio del comportamiento de
la producción de palma aceitera en la región central sur de Costa Rica, por lo que es
importante que sea verificado y reforzado en investigaciones posteriores que contemplen
mayor número de observaciones e incluso otras regiones, con la finalidad principal de
optimizar la información generada.
Pese a esta limitante, la significancia estadística que se obtuvo en variables, como el
costo de producción, demuestra congruencia con el efecto identificado, lo que otorga validez
a la tendencia descrita. Los resultados presentados constituyen un análisis preliminar y
exploratorio sobre el comportamiento de la producción de palma aceitera en la región
central sur de Costa Rica. Estos deben interpretarse a la luz del contexto territorial
regional, reconociendo que las particularidades edafológicas y topográficas condicionan
el comportamiento del cultivo y limitan la comparación directa de esta investigación con
estudios desarrollados en ambientes más favorables. Se recomienda que estos hallazgos
sean corroborados y fortalecidos en futuras investigaciones, con el propósito de verificar
la validez y alcance de la información generada.
Es necesario subrayar que Puriscal y Turrubares presentan condiciones edáficas y
topográficas particulares con suelos Inceptisoles y Ultisoles, además de pendientes que
alcanzan hasta 64° (Comité Directivo Territorio Central Sur e INDER, 2025), lo que
difiere por mucho de las condiciones óptimas recomendadas para la producción de palma
aceitera (suelos profundos y porosos, con pendientes menores al 2 %) (Ramírez et al.,
200 • AvAnces en InvestIgAcIón AgropecuArIA
Factores explicativos del rendimiento de palma aceitera en la región central sur, Costa Rica
Olga María Calvo Hernández y Diego Fernando Quirós Badilla. AIA. 2025, 29: 191-202
Issn-L 2683 1716
2017). Estas características locales podrían explicar por qué algunas relaciones obtenidas
en el modelo divergen de lo reportado en la literatura especializada.
Conclusiones
Los resultados de este estudio evidenciaron que el rendimiento del cultivo de palma acei-
tera está influenciado de manera significativa por distintas variables. El área sembrada y
la pendiente del terreno reflejaron una relación estadística directa con el rendimiento. Un
aumento en el área cultivada se asocia con un incremento en la producción por hectárea,
mientras áreas de siembra con pendientes más pronunciadas con un menor rendimiento
por hectárea. En conjunto, estos hallazgos subrayan la importancia de optimizar el uso
del área cultivada, mitigar los efectos de la topografía desfavorable y controlar los costos
de producción para mejorar el rendimiento del cultivo de palma aceitera a nivel local.
Agradecimientos
A las personas productoras de palma aceitera de la región central sur por su disponibi-
lidad para participar de este estudio. Al personal técnico de la Agencia de Extensión
de La Gloria, Ministerio de Agricultura y Ganadería, por su ayuda en la logística. A la
maestra Luz Barrantes Aguilar de la Escuela de Economía Agrícola y Agronegocios de
la Universidad de Costa Rica, por su apoyo en el desarrollo de la investigación.
Literatura citada
Abdul, I.; Wulan Sari, D.; Haryanto, T. y Win, T. (2022). Analysis of factors affecting the technical
inefficiency on Indonesian palm oil plantation. Sci. Rep. 12(1): 3381
Aladesuru, D.; Cechura, L.; Neuenfeldt, S.; Kuhn, T.; Kristkova, Z.; Kroupová, Z.; Ratinger, T.; Gocht,
A.; Müller, M. y Storm, H. (2024). Impacts of agricultural production decisions on the safe and just
operating space: A systematic literature review. Q. Open. 2024: qoae027.
Bah, A.; Husni, M.; Teh, C.; Rafii, M., Syed, O. y Ahmed, O. (2014). Reducing Runoff Loss of Applied
Nutrients in Oil Palm Cultivation Using Controlled-Release Fertilizers. Adv. Agric. 2014(1): 1-9.
Balasundram, S.; Robert, P.; Mulla, D. y Allan, D. (2006). Relationship between oil palm yield and soil
fertility as affected by topography in an Indonesian plantation. Commun. Soil Sci. Plant Anal. 37(9-
10): 1321-1337.
Banabas, M.; Turner, M.; Scotter, D. y Nelson, P. (2008). Losses of nitrogen fertiliser under oil palm in
Papua New Guinea: 1. Water balance, and nitrogen in soil solution and runoff. Soil Res. 46(4): 332-339.
Barcelos, E.; Rios, S.; Cunha, R.; Lopes, R.; Motoike, S.; Babiychuk, E.; Skirycz, A. y Kushnir, S.
(2015). Oil palm natural diversity and the potential for yield improvement. Front. Plant Sci. 6: 190.
Cámara Nacional de Productores de Palma Costa Rica. (2025). Historia de la palma en Costa Rica. https://
canapalma.cr/historia.php (Consultada 14 de junio 2025).
Charry, A.; Vélez, A.; Romero, M.; Ivanova, Y.; Tristán, M.; Lema, S.; Sánchez, J.; Orjuela, F. y Jäger,
M. (2020). Estrategia integral para el fortalecimiento del plan de competitividad de la cadena de palma
aceitera en Ucayali 2020-2030. https://cgspace.cgiar.org/items/3cd31ecf-ca71-4243-baa6-4f08b3d7d4c0
(Consultada 02 junio 2025).
Comité Directivo Territorio Central Sur e INDER. (2025). Plan de Desarrollo rural Territorial 2024-2030.
https://www.inder.go.cr/wp-content/uploads/2025/08/PDRT-Puriscal-Turrubares-Mora-Santa-Ana.pdf
(Consultado 02 junio 2025).
AvAnces en InvestIgAcIón AgropecuArIA • 201
Revista de investigación y difusión científica agropecuaria
Olga María Calvo Hernández y Diego Fernando Quirós Badilla. Aia. 2025, 29: 191-202
iSSN-L 2683 1716
Comte, I.; Colin, F.; Whalen, J.; Grünberger, O. y Caliman, J. (2012). Chapter three - Agricultural practices
in oil palm plantations and their impact on hydrological changes, nutrient fluxes and water quality in
Indonesia: A review. Adv. Agron. 116: 71-124.
Corley, R. (2009). How much palm oil do we need? Environ. Sci. Policy. 12(2): 134-139.
Danylo, O.; Pirker, J.; Lemoine, G.; Ceccherini, G.; See, L.; McCallum, I.; Hadi, M.; Kraxner, F.; Achard,
F. y Fritz, S. (2021). A map of the extent and year of detection of oil palm plantations in Indonesia,
Malaysia and Thailand. Sci Data. 8(1): 96.
De Roest, K.; Ferrari, P. y Knickel, K. (2018). Specialisation and economies of scale or diversification and
economies of scope? Assessing different agricultural development pathways. J. Rural Stud. 59: 222-231.
Dhillon, R. y Moncur, Q. (2023). Small-scale farming: A review of challenges and potential opportunities
offered by technological advancements. Sustain. 15(21): 15478.
Euler, M.; Hoffmann, M.; Fathoni, Z. y Schwarze, S. (2016). Exploring yield gaps in smallholder oil palm
production systems in eastern Sumatra, Indonesia. Agric. Syst. 146: 111-119.
Euler, M.; Krishna, V.; Schwarze, S.; Siregar, H. y Qaim, M. (2017). Oil palm adoption, household
welfare, and nutrition among smallholder farmers in Indonesia. World Dev. 93: 219-235.
Hambali, E. y Rivai, M. (2017). The potential of palm oil waste biomass in Indonesia in 2020 and 2030.
Environ. Earth Sci. 65: 012050.
Hilal, Y.; Ishak, W.; Yahya, A. y Asha’ari, Z. (2018). Development of genetic algorithm for optimization
of yield models in oil palm production. Chil. J. Agric. Res. 78(2): 228-237.
Hoffmann, M.; Castaneda A.; Wijk, M.; Giller, K.; Oberthür, T.; Donough, C. y Whitbread, A. (2014).
Simulating potential growth and yield of oil palm (Elaeis guineensis) with PALMSIM: Model description,
evaluation and application. Agric. Syst. 131: 1-10.
Instituto Nacional de Estadística y Censos. (2025). Resultados: Encuesta Nacional Agropecuaria. https://inec.
cr/estadisticas-fuentes/encuestas/encuesta-nacional-agropecuaria?page=2 (Consultada 22 mayo 2025).
Mayes, S. (2020). The history and economic importance of the oil palm. En: M. Ithnin y A. Kushairi, The
Oil Palm Genome.Springer Nature Switzerland AG. Pp. 1-8.
Monzon, J.; Slingerland, M.; Rahutomo, S.; Agus, F.; Oberthür, T.; Andrade, J.; Couëdel, A.; Rattalino,
J.; Hekman, W.; Beuken van den, R.; Hidayat, F.; Pradiko, I.; Purwantomo, D.; Donough, C.; Sugianto,
H.; Lim, Y.; Farrell, T. y Grassini, P. (2021). Fostering a climate-smart intensification for oil palm. Nat.
Sustain. 4(7): 595-601.
Monzon, J.; Lim, Y.; Tenorio, F.; Farrasati, R.; Pradiko, I.; Sugianto, H.; Donough, C.; Rattalino, J.;
Rahutomo, S.; Agus, F.; Slingerland, M.; Zijlstra, M.; Saleh, S.; Nashr, F.; Nurdwiansyah, D.; Ulfaria,
N.; Winarni, N.; Zulhakim, N. y Grassini, P. (2023). Agronomy explains large yield gaps in smallholder
oil palm fields. Agric. Syst. 210: 103689.
Mosquera, M.; Valderrama, M.; Ruiz, E.; López, D.; Castro, L.; Fontanilla, C. y González, M. (2017).
Costos de producción para el fruto de palma de aceite y el aceite de palma en 2015: estimación en un
grupo de productores colombianos. Palmas. 38(2): 10-26.
Mosquera, M.; Valderrama, M.; Ruíz, E.; López, D.; Castro, L. y González, M. (2018). Costos económicos
de producción para el fruto de palma aceitera y el aceite de palma en 2016: estimación para un grupo
de productores colombianos. Palmas. 39(2): 13-26.
Murphy, D.; Goggin, K. y Paterson, R. (2021). Oil palm in the 2020s and beyond: Challenges and
solutions. CABI agric. biosci. 2(1): 39.
Murtilaksono, K.; Oarmosarkoro, W.; Sutarta, E.; Siregar, H.; Hidayat, Y. y Yusuf, A. (2011). Feasibility
of Soil and Water Conservation Techniques on Oil Palm Plantation. Agrivita. 33: 63-69.
Pérez, H. y Pérez, M. (2023). Does the oil palm (Elaeis guineensis) generate a negative impact on the
soil? A review. Agron. Mesoam. 34(1).
Ramírez, F.; Piedra, L.; Morales, V. y Orozco, M. (2017). Manual de buenas prácticas agrícolas
ambientales para el cultivo de palma aceitera. https://repositorio.una.ac.cr/items/ffafece6-05ea-47f2-8703-
0f8bb0812c1f (Consultada 30 mayo 2025).
202 • AvAnces en InvestIgAcIón AgropecuArIA
Factores explicativos del rendimiento de palma aceitera en la región central sur, Costa Rica
Olga María Calvo Hernández y Diego Fernando Quirós Badilla. AIA. 2025, 29: 191-202
Issn-L 2683 1716
Rashid, M.; Bari, B.; Yusup, Y.; Kamaruddin, M. y Khan, N. (2021). A comprehensive review of crop
yield prediction using machine learning approaches with special emphasis on palm oil yield prediction.
IEEE Access. 9:63406-63439.
Salas, D. (2020). Cambios en la superficie sembrada de palma aceitera en el cantón de Osa, Puntarenas.
Período 2014-2018. RGAC. 2(65): 93-119.
Sistema de Información del Sector Agropecuario Costarricense. (2025). Estadísticas del sector agropecuario
costarricense. Reportes de área y producción. https://moduloestadistico.infoagro.go.cr/estadisticas/
areaproduccion/reportes (Consultada 22 mayo 2025).
Sugianto, H.; Monzon, J.; Pradiko, I.; Tenorio, F.; Lim, Y.; Donough, C.; Sunawan.; Rahutomo, S.;
Agus, F.; Cock, J.; Amsar, J.; Farrasati, R.; Iskandar, R.; Rattalino J.; Saleh, S.; Santoso, H.; Tito, A.;
Ulfaria, N.; Slingerland, M. y Grassini, P. (2023). First things first: Widespread nutrient deficiencies
limit yields in smallholder oil palm fields. Agric. Syst. 210: 103709.
Woittiez, L.; Wijk van, M.; Slingerland, M.; Noordwijk van, M. y Giller, K. (2017). Yield gaps in oil
palm: A quantitative review of contributing factors. Eur. J. Agron. 83: 57-77.
