Resumen En el año 2022, se realizó un estudio a 14 productores de cebada maltera bajo el programa "Siembra por contrato" en la provincia de Chimborazo, con el objetivo de analizar las características socioeconómicas que impactan las pérdidas en el cultivo. Se recopiló información en áreas sociales, institucionales, productivas, ambientales, comerciales, de transferencia tecnológica y económicas. Para agrupar individuos con características similares, se aplicó el Análisis de Componentes Principales (PCA) y se utilizaron herramientas estadísticas con códigos en R. El análisis identificó cuatro grupos (clusters) explicados por seis componentes que representan el 82,42% de la variabilidad total. Estos grupos revelaron fuentes socioeconómicas influyentes en las pérdidas de cebada, como el nivel de educación, ocupación, tenencia de tierras, tipo de suelo, variedad de cebada y porcentaje de maleza. El cluster B, junto con el productor 14, mostró el mayor rendimiento comercializado, superando los 3 001 kg. En contraste, los productores de los clusters A y D presentaron rendimientos bajos (1 000 a 3 000 kg), independientemente de la variedad de cebada cosechada. El Análisis de Regresión por Mínimos Cuadrados Parciales (PLS) determinó que el peso de los granos influye directamente en las pérdidas durante la cosecha mecanizada.
Abstract In 2022, a study was conducted on 14 malting barley producers under the "Siembra por contrato" program in Chimborazo province, aiming to analyze the socioeconomic characteristics impacting crop losses. Information was collected across social, institutional, productive, environmental, commercial, technological transfer, and economic areas. To group individuals with similar characteristics, Principal Component Analysis (PCA) was applied using statistical tools and R programming codes. The analysis identified four clusters explained by six components, representing 82,42% of the total variability. These clusters revealed socioeconomic factors influencing barley losses, such as education level, occupation, land tenure, soil type, barley variety, and weed percentage. Cluster B, along with producer 14, showed the highest commercial yield, exceeding 3 001 kg. In contrast, producers in clusters A and D had low yields (1 000 to 3 000 kg), regardless of the barley variety harvested. Partial Least Squares (PLS) regression analysis determined that grain weight directly influences losses during mechanized harvesting.