Elaboración del índice de calidad del café a partir de las características organolépticas y agronómicas empleando análisis factorial bayesiano

Abstract

La zona cafetera de Colombia tiene aproximadamente 3'050.141 Ha, de las cuales el departamento del Valle del Cauca aporta 75.600 Ha distribuidas en los 39 de sus 42 municipios (FNC; 2008,2009).Por su importancia económica y social, el cultivo del café es catalogado como uno de los principales productos agrícolas del país. Para el Ministerio de Agricultura, el café es la principal fuente de demanda y desarrollo en la región interandina, donde se concentra la mayor parte de la población rural y en la cual se genera cerca de 500.000 empleos directos y alrededor de 5.000 empleos en la parte agroindustrial ( Espinal, et al. 2005). A parte de los aspectos económicos y sociales, está la combinación particular de diversos factores ambientales correspondientes a la agroclimatología del cultivo (suelos, las variedades, el clima, la temperatura, la lluvia) y las prácticas de manejo en su fase de cosecha y poscosecha que finalmente resultan en producir un café de excelente calidad. Por este motivo, el Comité de Cafeteros del Valle del Cauca quiere a través de este proyecto, seleccionar e identificar dentro de su departamento, aquellas zonas cafeteras que se caracterizan por un tener una buena calidad, necesario en un futuro para los procesos de certificación y comercialización. Para ello cuenta con alrededor de 900 pruebas de taza que abarcan aproximadamente un año completo (2009-2010), con las cuales se busca relacionar las características organolépticas del café con las características agroclimáticas. La base de datos aportada, posee una gran cantidad de información, pero con la limitante de presentar valores faltantes (missing values), para resolver este problema, se escogió una de tres técnicas de imputación de datos (listwise o case deletion - CD, Hot deck - HD e imputación múltiple ¿MI) según sus bondades. Después se halló el índice de calidad usando un modelo factorial bayesiano, esto porque debido a la naturaleza de los datos y a una posible y compleja parametrización, las técnicas bayesianas permiten abordar los problemas de estimación y de bondad de ajuste, mediante la inferencia en la distribución a posterior