I
PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE FACULTAD DE AGRONOMÍA E INGENIERIA FORESTAL
DIRECCIÓN DE INVESTIGACIÓN Y POSTGRADO MAGÍSTER EN ECONOMÍA AGRARIA Y AMBIENTAL
El impacto del subsidio forestal en el cambio del precio de la tierra,
Decreto Ley 701, Chile
Tesis presentada como requisito para optar al grado de
Magíster en Economía Agraria y Ambiental
por:
Diego Aracena Olivares
Comité de Tesis Profesor Guía: William Foster
Profesores Informantes: Óscar Melo Ricardo Bórquez
II
Noviembre 2019 Santiago-Chile
El impacto del subsidio forestal en el cambio del precio de la tierra,
Decreto Ley 701, Chile
III
Agradecimientos
En este momento tan importante, me gustaría agradecer a Dios por darme las herramientas y la oportunidad de adquirir conocimientos en la Universidad Católica, permitiéndome ayudar a las personas.
A mi padre que me ha acompañado siempre, antes física y ahora espiritualmente en esta etapa de mi vida. A mi madre por todo su apoyo y comprensión ante los distintos desafíos que se fueron presentando durante los últimos años.
A todos y cada uno de los profesores del departamento de economía agraria que contribuyeron en mi formación profesional con énfasis en el profesor William Foster, Gustavo Anriquez y Eugenio Bobenrieth quienes me ayudaron a crecer tanto humana como profesionalmente, entregándome valores y conocimientos. Y también por su paciencia.
A mis amigos quienes me dieron su apoyo incondicional además de animarme cuando más lo necesitaba.
Finalmente pero no menos importante, a aquellos funcionarios de la facultad de agronomía que me ayudaron en más de alguna ocasión.
IV ÍNDICE Página 1. INTRODUCCIÓN 1 1.3 CONTEXTO HISTÓRICO 3 3. HIPÓTESIS 5 4. OBJETIVOS 5 5. DATOS Y MÉTODOS 6 5.1 ÁREA DE ESTUDIO ... 7 5.2 METODOLOGÍA ... 7 5.3 MODELOS ESTADÍSTICOS ... 7 6. RESULTADOS Y DISCUSIÓN 134 6.1 ANÁLISIS DESCRIPTIVO ... 13 6.2 RESULTADOS DE LA ESTIMACIÓN DEL MODELO ... 13
7. CONCLUSIONES 24
V
ÍNDICE DE TABLAS
Página
Tabla 1 Descripción de variables utilizadas en los modelos econométricos. ... 11 Tabla 2 Correlación entre precio de la tierra, superficie forestal, potencial de mercado y subsidio forestal ... 16 Tabla 3 Modelo lineal con las principales variables que caracterizan el precio de la tierra y variables que caracterizan el suelo ... 17 Tabla 4 Modelo Lineal de variables explicativas del precio de la tierra, variables que caracterizan la superficie de suelo, superficie de alternativas económicas agropecuarias, temperatura y precipitación media ... 19 Tabla 5 Modelo espacial análisis de regresión manual en 2 etapas con econometría espacial usando OLS. ... 20 Tabla 6 Modelo espacial análisis de regresión manual en 2 etapas con econometría espacial usando SLX ... ¡Error! Marcador no definido. Tabla 7 Modelo espacial realizado con OLS donde es incorporada la variable forestal y bonificación forestal. ... 25 Tabla 8 Modelo espacial realizado con SLX donde es incorporada la variable forestal y bonificación forestal. ... 26
I
ÍNDICE DE ILUSTRACIONES
Página
Figura 1. Histogramas del precio de la tierra por hectárea. ... 14 Figura 2: Histogramas del precio por hectárea, superficie total de comunas y potencial de mercado de comunas. ... 14 Figura 3: Histogramas de frecuencia del logaritmo Bonificación forestal en función de la superficie forestal y porcentaje de superficie forestal en comuna. ... 15 Figura 4: Matriz de diagramas de dispersión que muestra las tendencias entre el precio de la tierra, superficie, potencial de mercado y variables forestales. ... 16 Figura 5: Gráficos de 2 variables del precio por hectárea y la bonificación forestal. ... 17
1
INTRODUCCIÓN
A partir de 1974, la implementación de pagos gubernamentales por la realización de actividad silvoagropecuario generó un incentivo en terratenientes cuyo valor intrínseco es bajo en calidad y fertilidad para desarrollar actividad forestal, incrementando el producto interno bruto (PIB) forestal, generando un aumento en la superficie de suelos no aptos para el uso agropecuario, los cuales no producían un ingreso económico para el propietario por su de baja calidad y fertilidad. Estos suelos antes tenían gran importancia por representar un recurso básico relevante para la supervivencia humana, y por ser un recurso no renovable sometido a la fuerte presión del crecimiento poblacional (Coble, 2017). Estos por causa de un manejo deficiente fueron transformados en suelos de baja calidad y fertilidad. Como respuesta a este problema, surgió un apoyo estatal para el establecimiento de superficie forestal, el cual fue promulgado en 1974 con el objetivo de regular e incentivar el uso de bosques nativos además de establecer normas de fomento a la plantación otorgando subsidios a la forestación y recuperación de suelos degradados (Aylwin et al. 2013) cuya vigencia inició durante el golpe militar y expiró el 31 de diciembre de 2012 contemplando el artículo 12° del decreto Ley N°701 (CONAF, 2018). Administrado por CONAF e INDAP su función era el otorgar un subsidio al costo de forestación y recuperación de suelo el cual cubría entre el 75-90% en suelos frágiles o áreas con desertificación, suelos degradados, actividades de recuperación de suelos, estabilización de dunas y establecimiento de cortinas cortaviento en pequeñas propiedades, comunidades agrícolas o indígenas. Entre los requisitos para la postulación del apoyo estatal, era requerido que aquellos suelos utilizados fueran de Clase VII, correspondiente a suelos no cultivables con pendiente menor a 60%, profundidad delgada, buen drenaje y fuerte riesgo a erosión (Stolpe, 2011) los cuales normalmente tienen como principal uso el desarrollo de animales, plantas silvestres y bosques. Estos suelos poseen texturas edafológicas que van desde una textura arenosa a arcillosa.
Con base en lo mencionado anteriormente, surge interés por conocer el impacto del efecto forestal además de la determinación de su intensidad en el precio de la tierra rural con un enfoque en las regiones que poseen el mayor porcentaje de la superficie nacional forestal, superando el 70%, y conocer si este bono tiene un impacto positivo en los propietarios los cuales tienen alternativas muy limitadas.
2
Este tema también es relevante para los terratenientes, quienes enfrentan continuamente el planteamiento de la toma de decisiones sobre el cómo maximizar sus ingresos incluyendo los apoyos gubernamentales al momento de evaluar las distintas alternativas incluyendo el arriendo, en cuyo caso es posible transferir el apoyo del gobierno asociado a la actividad en un mayor costo de arriendo. Esto ocurre porque los terratenientes son neutrales al riesgo, y “ante la decisión de cómo utilizar su tierra, dadas las alterativas de la silvicultura y la agricultura, se puede esperar que busquen maximizar el valor presente descontado del corriente de futuro esperado el retorno de su tierra” (Stavins & Jaffe, 1990) además de la consideración del valor no económico asociado a la propiedad como el valor moral, social, histórico y emotivo.
Pese a la existencia de estudios que predicen y aconsejan para lograr un desarrollo forestal sustentable (Donoso y Otero, 2005): la superficie forestal anual acumulada ha disminuido en los años posteriores a la derogación del decreto ley (INFOR, 2017), repercutiendo en una pérdida de incentivo por parte de empresas forestales en conservar o aumentar la superficie forestal, la cual había ido en aumento en las últimas 2 décadas (FAO 2015), por tener alternativas económicamente más rentables, generando un cuestionamiento sobre quienes son realmente los beneficiados por actividades asociadas a este rubro.
Estudios realizados por Donoso et al., (2013), indican que diferentes factores no contabilizados en modelos durante las últimas décadas, tiene gran importancia en la determinación del valor de la tierra agrícola con relevancia entre los periodos 1978-1998 y 1999-2008, utilizando como metodología la determinación de los precios hedónicos, la cual evalúa e identifica las variables que determinan los precios de la tierra (Snyder et al., 2007; Madison, 2000; Roka y Palmquist, 1997; Stewart y Libby, 1998; Ready et al., 1997; Palmquist y Danielson, 1989; Miranowski y Hammes, 1984). Existe otro modelo llamado modelo de valor presente, el cual estipula el precio del activo al comienzo de un periodo y este será igual al valor esperado, descontando los rendimientos netos futuros o rentas que pueda generar este activo, los cuales derivaron en fórmulas de capitalización (Latruff et al. 2008) Este es utilizado para determinar también el valor de la tierra considerando las variables que determinan el valor futuro.
Este trabajo contribuye a la investigación sobre el precio de la tierra identificando y mostrando el impacto de la bonificación forestal en el cambio del precio de la tierra. El trabajo elabora una base de datos sobre los bonos y uso de suelos que sirve para
3
el presente análisis y para futuras investigaciones forestales. Además, extiende el análisis de información del precio de la tierra y sus características intrínsecas y extrínsecas, presentando la existencia del mejoramiento o desmejoramiento de personas por efecto forestal. La investigación utiliza la econometría espacial, (Acebedo & Velásquez, 2008). El espacio nos permitirá capturar la influencia que tiene la localización en las asociaciones entre variables, esta dinámica nos va a permitir construir relaciones de interdependencia o no, si es que existe sobre una variable en el espacio.
REVISIÓN BIBLIOGRÁFICA
Con la reforma agraria inició un periodo de expropiación de propiedades que causó una disminución en la demanda de tierras y en disminución de los precios de estas, debido al riesgo de ser expropiadas por el estado, lo que representaría una pérdida de inversión (Cuesta et al, 2017). El Decreto Ley DL 701 (Salas, 1998) fue creado en 1974 ante la necesidad de impulsar y mejorar el desarrollo silvoagropecuario, el cual tuvo una duración 4 décadas aproximadamente. Debido a la cantidad de cambios realizados al decreto ley, su periodo de vigencia fue clasificado en 2 sub periodos (CONAF, 2014). En el primer subperiodo, que va desde 1974 hasta 1996, se fomentó la actividad forestal, otorgando un subsidio estatal tanto a personas naturales como jurídicas, con el objetivo de incentivar la forestación y recuperación de suelos agrícolas y degradados, buscando la sustentabilidad en el mediano y largo plazo (Frene y Nuñes, 2010, Alix-Garcia et al. 2012), además de una bonificación y beneficio tributario para actividades de administración y manejo de bosques (CORFO 2014). En cambio, el segundo subperiodo otorga una bonificación y beneficio tributario para la actividad de administración y el manejo. Terminado su vigencia, la inversión realizada en el Decreto ley fue cercana a 388 millones de dólares (CONAF, 2016), inversión que permitió a Chile aumentar sus exportaciones de 9 millones de dólares anuales a 6 mil millones de dólares, 677 veces más luego de la implementación del subsidio forestal. Esto demostró el positivo efecto generado por un incentivo económico del estado en una parte importante de la economía general. Este crecimiento en los últimos años de vigencia fue el sustento económico familiar de más de 1 millón de personas, alcanzando una superficie de 2,447 millones de ha plantadas netas durante el periodo de Vigencia del DL701, y representando un 2.2% del PIB nacional (INFOR 2018).
4
Hasta el año 1973, no existían registros de países con programas nacionales que incentivaran la actividad forestal en suelos con baja fertilidad y degradados. El DL701 clasificó a Chile como un pionero en programas de gobierno para promover la actividad forestal en suelos arables con baja actitud agrícola. Otro beneficio de esta ley fue la reducción de la tasa de deforestación en el país (Alix-Garcia et al. 2012), además de contribuir a la conservación de especies nativas (Sunderlin et al. 2003). La instauración de esta reforma política destaca por su importancia en la recuperación de ecosistemas y por la posible influencia ejercida en otros países para la creación de regulaciones ambientales que mantengan estos efectos a largo plazo (Tecklin et al. 2011).
Evaluando el aspecto social, el desarrollo forestal e incremento de exportaciones en las últimas décadas no están relacionados con un aumento en el ingreso de los trabajadores asalariados que residen en los lugares donde se realiza esta actividad silvoagropecuaria (Donoso y Otero, 2005). Siendo las regiones III, VII, VIII y IX aquellas que presentaron un peor índice de superación de pobreza de todo el territorio nacional (Frene y Nuñes, 2010). Considerando estos antecedentes, surgieron estudios como el de Anriquez et al. (2018) el cual presenta el impacto socioeconómico evaluado a través de uno de los programas más antiguos y grandes del gobierno de subsidio forestal. En el indican un aumento de pobreza en las zonas donde había bosques subvencionados, también demostraron un cambio en demanda de mano de obra que habría repercutido en la oferta neta de empleo, bajo la hipótesis que al generar un puesto de trabajo en el sector forestal,la superficie ocupada para dicho empleo deja de ser apta para la realización de actividad agrícola, lo cual podría significar una reducción en demanda de empleo por la diferencia de mano de obra que ocupa cada rubro, al sustituir agricultura por actividad forestal, alterando el crecimiento económico y pobreza Ganuza, et al. (1988), Ganuza et al. (2003).
La actividad forestal provoca una pérdida en la fertilidad del suelo, disminuyendo las alternativas de uso por parte de los terratenientes para generar ingresos, afectando también la plusvalía de sus propiedades.
En consideración de los hechos anteriormente mencionados es que ha surgido el gran interés de extender el análisis de superficie forestal y sus efectos en el cambio del precio de la tierra, además de sus características intrínsecas y extrínsecas utilizando el modelo de precios hedónicos.
5
HIPÓTESIS
La evolución del valor de la tierra rural al nivel comunal en Chile ha sido sensible,
ceteris paribus, a los cambios en la composición del uso del suelo, incluyendo el
nivel de y las tendencias en la superficie forestal. El cambio en tiempo del precio de la superficie ofertada por propietarios se observa una correlación inversa por la presencia de bosques, cuyo precio tiene una disminución mayor por hectárea en la medida que la propiedad tiene mayor tamaño. En Chile la política de bonificación forestal debe ser considerada como una fuente de ingreso a los propietarios de la tierra forestal. Esta fuente debe ser especialmente atractiva dado que la actividad forestal bonificada es realizada en un suelo típicamente donde no se realizan otras actividades económicas. Además, el bono es entregado independientemente del término – exitosamente o no – de la actividad forestal, siendo entonces un ingreso seguro y libre de riesgo para el propietario. La hipótesis de esta tesis es que la potencialidad de la bonificación forestal tendría un efecto positivo, ceteris paribus, en el valor de la tierra rural.
Finalmente utilizando econometría espacial se busca evaluar el rol de las distancias de las propiedades a ciudades que afectan de forma inversamente negativa el precio del suelo.
OBJETIVOS
En un contexto del modelo hedónico de precios, documentar las características municipales que puede influir en el valor de la tierra, averiguar la existencia o no de cambios de las características ocurridas en el uso de suelo agrícola y silvoagropecuario forestal de Chile en los últimos 15 años. Evaluar el efecto del apoyo gubernamental en el sector forestal, su efecto en el cambio del precio de suelos ofertados, continuando con las investigaciones referentes al impacto económico causado por el sector forestal en las comunas y en las personas. Generar bases de datos que permitan futuros estudios relacionados con el área forestal, contribuyendo a investigaciones en evaluar, observar e identificar información. También contribuir en la interpretación de resultados obtenidos a partir de distritos poblacionales, ayudando también en la reformulación y elaboración de proyectos, mejorando en el corto y largo plazo los análisis del impacto de intervenciones gubernamentales y apoyo de contribuyentes en las comunas.
6
Finalmente evaluar el impacto entre comunas aplicando en su evaluación herramientas econométricas las cuales además de estudiar relaciones económicas, permiten evaluar políticas económicas y empresariales con base en el estudio de los datos utilizados, los cuales incluyen el uso de econometría espacial.
5. DATOS Y MÉTODOS
Los datos utilizados corresponden a series de precios ofertados en un periodo determinado en avisos clasificados, extraídos de la revista agrícola “el campo” la cual fue publicada en el periódico nacional chileno “el mercurio” entre los años 2000-2015. La sección de avisos clasificados que posee esta revista contiene información de propiedades en venta en el territorio nacional. Registrando características del predio a nivel comunal y factores económicos permitiendo observar cambios y tendencias en las variables. Actualmente existe dificultad al momento de elaborar bases de datos con información continua de transacciones de superficie de suelo en periodos extensos debido a la poca accesibilidad a esta información de fuentes como notarias, corredores de Propiedades, y Tasaciones fiscales. Esta información fue más accesible al generar la información con base en avisos clasificados publicados de periódicos de forma similar a otros autores como Alamos (1958), Bustos (1979), Morande, Soto (1992), Schönhaut (1999) quienes consideran también el hecho que la información de precios publicados no refleja solo el valor intrínseco de la tierra, debido a que incluiyen también los distintos activos que posee el predio tales como; edificios, cultivos y acciones de derechos de agua, principalmente. Las variables extrínsecas utilizadas fueron; el precio de la propiedad ofertada, (destacando las variables precio / ha de tierra (pesos chilenos), superficie y potencial de mercado), superficie forestal, precipitación y temperatura.
El valor del terreno publicado en pesos, dólares y unidades de fomento (UF) el cual fue normalizado a valores en términos reales, dividiendo el valor de la propiedad en el valor promedio de la UF del mes, datos publicados por el Banco Central en el mismo mes en que fue ofertada la propiedad, obteniendo el valor de la propiedad en UF. Finalmente se dividió el valor de la propiedad en UF por la superficie de la propiedad ofertada obteniendo valores en UF/há. Permitiendo obtener resultados más normalizados.
De forma similar fue transformada la unidad de medida del bono forestal entregado por el gobierno a valores en términos reales, utilizando de igual forma el valor de UF para poder utilizarlos en los análisis econométricos, junto a la información del valor de la propiedad.
7
Los datos fueron analizados y evaluados estadísticamenteutilizando el software estadístico Stata 14, permitiendo realizar estudios con distintos modelos econométricos y conociendo el efecto e intensidad de las variables que teóricamente explican el precio de la propiedad, con base en el hecho de que los datos de precios de la tierra, por ser una fuente importante de información en la determinación de los beneficios que puede generar la tierra agrícola (Donoso et al., 2013) además de información gubernamental sobre el tema forestal.
La información forestal fue generada utilizando informes técnicos de CONAF, información del censo agropecuario 2007 y anuarios forestales de INFOR (Bejedetto et al. 2012, 2013, 2014, 2016, 2017). Fue categorizada por comunas y regiones (CORFO 2014). Y Los datos sobre las características edafológicas fueron obtenidos utilizando registros de imágenes satelitales publicadas por ODEPA.
El área de estudio fue todo el territorio nacional con énfasis en las siguientes regiones: Sexta Región Del Libertador Gral. Bernardo O´Higgins con una superficie aproximada de 16387 km2, Séptima Región Del Maule con una superficie total aproximada de 30.296 km2, Octava Región Del Biobío con una superficie total aproximada de 37062.6 km2, novena Región De La Araucanía con una superficie total aproximada de 31.842 km2, y décima Región De Los Lagos con una superficie total aproximada de 67.013 km2 (INE, 2015). Correspondientes a las regiones que recibieron el mayor porcentaje de las bonificaciones forestales durante los años el periodo de vigencia del Decreto ley 701 (DL701).
Los registros temporales fueron agrupados en periodos disminuyendo los valores de la probabilidad de observar valores que causen un ruido en la lectura de datos, generados por muestras poco representativas. Las variables cuantitativas fueron transformadas a Logaritmo natural con el objetivo de normalizar los datos y eliminar unidades, siendo posible observar tendencias de forma más clara facilitando la interpretación a través de tablas y gráficos. Fueron realizados análisis exploratorios y descriptivos de las principales variables que explican el precio de la propiedad según Modrego et al., (2014). Para poder observar el comportamiento de estas en el tiempo, las relaciones y tendencias del cambio del precio de la tierra, con las variables que determinan su valor de acuerdo a los modelos de precios hedónicos utilizando un modelo de regresión simple y modelos de regresión completos incluyendo variables de control (Ertur y Koch, 2007).
Los análisis de ecometría espacial fueron evaluados utilizando los modelos de Mínimos Cuadrados Ordinarios (MCO) y Spatial Lag X (SLX) con el objetivo de ver si
8
la presencia de bosques afecta a otras comunas y el nivel en que las afectan en caso de existir el caso.
Tabla 1. Resumen univariante estadístico de variables principales del conjunto de datos.
Variable Observaciones Promedio
Desvío
Estándar Mínimo Máximo
Log (potencial de mercado) 147 18,440 2,011 12,608 23,611 Log (superficie evaluado en el periodo) 147 4,555 1,380 1,666 8,719 Log (superficie forestal) 147 6,504 2,097 -0,223 10,750 Log (monto de bonificación total
forestal de la comuna en la superficie
agrícola total) 147 -0,563 11,682 -16,118 11,894
Porcentaje de suelo erosionado en la
comuna 147 33,247 26,091 0,437 96,595
Porcentaje de erosión ligera en la
comuna 147 10,936 9,580 0,000 48,970
Porcentaje de erosión moderada en la
comuna 147 17,34 14,294 0,000 69,066
Porcentaje de erosión severa en la
comuna 147 10,788 9,865 0,000 44,341
Porcentaje de erosión muy severa en
la comuna 147 3,923 5,916 0,000 37,354
Porcentaje de erosión no aparente en
la comuna 147 15,042 14,959 0,000 63,065
Porcentaje Superficie de suelo con
clase uso I 147 2,902 6,649 0,000 40,719
Porcentaje Superficie de suelo con
clase uso II 147 8,706 7,880 0,000 35,716
Porcentaje Superficie de suelo con
clase uso III 147 18,507 12,334 0,189 59,041
Porcentaje Superficie de suelo con
clase uso IV 147 10,906 8,442 0,277 47,528
Porcentaje Superficie de suelo con
clase uso V 147 9,508 7,302 0,000 33,327
Porcentaje Superficie de suelo con
clase uso VI 147 0,388 2,809 0,000 31,018
Porcentaje Superficie de suelo con
clase uso VII 147 34,597 19,348 0,616 77,364
Porcentaje Superficie de suelo con
clase uso VIII 147 7,564 9,596 0,000 52,755
Fuente: Elaboración propia (2019)
9
Modelo A
El modelo de regresión A explica el valor de la tierra entre 2012 y 2015 utilizando 19 variables, las cuales caracterizan el precio superficie de suelo ofertada, junto a la probabilidad de obtener un bono forestal. Las variables incluidas en el modelo A son utilizadas por potencial de mercado, superficie por hectárea y valor en el periodo anterior. Estas corresponden a las principales variables según Modrego et al., (2014), las cuales consideran los ingresos de los mercados internos, externos, salarios, e inversión, permitiendo capturar el efecto de toma de decisiones del posible comprador y vendedor de propiedades. Además, se encuentran incluidas las variables que determinan la posibilidad de obtener una bonificación monetaria por plantaciones forestales, correspondientes a; superficie erosionada, superficie forestal y clase de uso de suelo (descripción del modelo en anexos 1).
Log (Y)t+1 = β1 Log(X1)t + β2 Log(X2)t + β3 Log(X3)t + β4 Log(X4)t + β5 (X5)t + β6(X6)t + β7(X7)t + β8(X8)t + β9(X9)t + β10+i(Wi)t + β19(X19)t + β20(X20)t + β21(X21)t + β22(X22)t + β23(X23)t + β24(X24)t + β25(X25)t + β26(X26)t + β27(X27)t + β28 Log(X28)t + β29 Log(X29)t + β30 Log(X30)t + β31 Log(X31)t + β32 Log(X32)t + β33 Log(X33)t + β34 Log(X34)t + β35 Log(X35)t + β36 Log(X36)t + β37 (X37)t + β38 Log(X38)t + β39 Log(X39)t + β1 (X40)t + β1 (X41)t + β1 (X42)t + β1 (X43)t + β1 Log(X44)t + β1 (X45)t + ε
Modelo B
Modelo de regresión el cual incluye las variables del modelo A, más variables climáticas y variables que caracterizan el predio o terreno, donde Luo y Wei (2009) indican que el valor de la tierra está altamente correlacionado con el uso de la tierra. Con base en de esta información fueron incluidas variables que indican la aptitud agrícola de la propiedad además de variables climáticas como la temperatura y precipitación.
Modelo C
El modelo C considera las variables del modelo al cual hemos añadido las variables erodabilidad y clase de uso de suelo en hectáreas a los modelos, con el objetivo de aislar e identificar el efecto del bono forestal al momento de determinar el cambio precio del suelo en la comuna. Estas variables permiten observar de forma correcta la alternativa de establecer plantaciones forestales en superficies que no eran aptas
10
para desarrollar otras actividades agropecuarias o silvoagropecuarias, mostrando el efecto forestal sujeto al subsidio otorgado a la propiedad, las cuales deben cumplir de forma estricta una serie de requisitos y características ligadas a las variables anteriormente mencionadas.
El cuarto modelo es un Análisis de regresión simple y múltiple con MCO 𝑦 = 𝜆𝑊𝑦 + 𝑋𝛽 + 𝑊𝑋𝜃 + 𝑢,
𝑢 = 𝜌𝑊𝑢 + 𝜀 Donde:
• Wy : Es el denominado retardo espacial de la variable endógena, que canaliza los mecanismos de interacción endógena.
• X : Correspondiente a variables explicativas del modelo. • Wx : Canaliza los efectos de interacción exógena.
• Wu : Canaliza la interacción en el error.
• ρ, λ, θ : Son los coeficientes de auto correlación espacial asociados a los respectivos mecanismos de interacción.
• W : Es la matriz de pesos, que describe la distribución sobre el espacio de las unidades.
Luego de realizar análisis econométrico, utilizando 3 versiones de prueba de heteroscedasticidad, se evaluó la no existencia de heterocedasticidad en los distintos modelos. En los casos donde existía heterocedasticidad, se corregido usando estimador de varianza robusto el cual fue calculado basado en la lista de puntuaciones de nivel de ecuación y una matriz de covarianza. Esto permitió obtener estimadores para datos ordinarios (cada observación independiente), datos agrupados (datos no independientes dentro de los grupos, pero independiente en todos los grupos), y datos complejos de encuestas de una etapa del grupo estratificado.
El modelo SLX, utilizado para evaluar econometría espacial, según Elhorst (2014), a diferencia de otros métodos como el spatial autoregressive model (SAR), spatial error model (SEM) y spatial autoregressive combined model (SAC), es un modelo más simple y permite evaluar regresores endógenos, el cual contiene variables explicativas rezagadas espacialmente, como es el caso del precio por hectárea utilizado en el modelo. El modelo SLX no contiene, considerando el hecho de no
11
requerir un cálculo adicional para los efectos directos e indirectos a diferencia del SAR, refiriéndose a efectos directos como las estimaciones de los coeficientes de las variables no espaciales y los efectos indirectos como aquellas asociadas a las variables explicativas espacialmente rezagadas. Lo anteriormente mencionado es relevante, ya que, no se impone restricciones previas sobre las relaciones entre efectos directos e indirectos lo cual es una limitante de los modelos SAR y SAC.
Tabla 1. Descripción de variables utilizada en los modelos econométricos.
Variables Descripción
Variables en (Boyd y Turton 2000) y (Miljan 2006) Precio de la tierra Información del valor ofertado de la tierra, presentado en
Unidades de Fomento (UF) por hectárea (Ha), este valor fue calculado dividiendo los valores por el precio de la unidad de fomento promedio de cada año publicado en los avisos clasificados del periódico y normalizado para ser usado en los análisis econométricos, con el fin de obtener resultados más robustos, fueron clasificados 15 años de información en 4 periodos. Fuente: Anuncios económicos clasificados.
Potencial de Mercado Corresponde a una función que busca calcular el tamaño del mercado en la comuna considerando el costo que representa la distancia de las personas para poder acceder a estos mercados, esta base de datos fue evaluada por Modrego et al., (2014). Considerando diversos factores tales como el mercado externo, salarios entre otros factores que determinan el valor futuro de la propiedad en el presente. Fuente: Modrego et al., (2014).
Superficie Diámetro total del predio expresado en hectáreas (ha) de la propiedad ofertada publicada por el vendedor en los avisos clasificados, estudios no indican siempre una relación similar cuando es analizada la elasticidad superficie y precio de la oferta, donde Olguín (2010) indica la existencia de relación directamente proporcional entre precio y superficie Hurtado et al. (1979) como también relación inversamente proporcional entre el precio y la superficie predial de acuerdo a estudios realizados por Troncoso y Tobar (2005) como Schönhaut (2000). Fuente: Anuncios económicos clasificados.
12 % Superficie Forestal
comunal
Porcentaje de hectáreas de bosques existente en comuna evaluada relacionada con la superficie total de hectáreas de la comuna. Fuente: Censo agropecuario 2007.
Bono Forestal por ha en superficie predial
Comuna
Variables Climáticas
Aptitud de Suelo Agrícola
Grado de Erosión
Monto monetario promedio de bonificación forestal por hectárea en la comuna, otorgado por el gobierno.
Identificación geográfica correspondiente a la unidad básica de identificación y administración local del territorio nacional, las que en conjunto conforman provincias.
Registros de precipitación y temperaturas mensual promedios de las distintas comunas del territorio nacional elaborada por Yupanqui (2014).
Corresponde a una agrupación de los suelos según su aptitud indicando mediante una numeración que va desde el 1 al 8 las limitaciones del uso y manejo, de manera tal que el 1 presenta una aptitud para todos los cultivos de la zona y el grupo 8 un uso muy restringido existiendo en los distintos grupos una serie de posibles usos según la Comisión Nacional de Riego.
Variable que caracteriza el nivel de degradación de los suelos y los presenta la superficie erosionada en hectáreas separadas en distintos grados de erosión según su intensidad (León, 2001). Fuente: Elaboración propia usando información de CIREN (2019).
Fuente: Elaboración propia Variables instrumentales
Según Donoso et al., (2013) coeficientes estimados de la función hedónica del valor de las tierras agrícolas para los períodos entre los periodos 1978-1998 y 1999-2008, sin embargo, no incorpora en su indican que aptitud forestal de la tierra tiene un efecto negativo en el cambio del precio de la tierra. Información que fue evaluada considerando el factor espacial, obteniendo resultados no significativos sospechando de existencia de endogeneidad.
13
Se buscó determinar el modelo real que explica el cambio del precio de la tierra utilizando un método de estimación de una sola ecuación para el modelo de regresión lineal de mínimos cuadrados ordinarios utilizando variables instrumentales o también conocidas como mínimos cuadrados en 2 etapas, utilizando regresores exógenos o regresores incluidos, considerando regresores endógenos que se están instrumentando principalmente. El instrumento, lo que hace sobre la variable que esta sesgada la cual es no significativa, porque en el error hay no observables que no se miden, es tratar de incluir aquellos no observables, mediante la inclusión de variables que expliquen aquello que no está incluido.
El manual de prácticas integradas de manejo y conservación de suelos publicado por FAO el 2000, nos habla sobre la importancia de la lluvia que influye en la erosión, considerando la intensidad, duración y frecuencia determinará el volumen y velocidad de escorrentía.
Para realizar el análisis de regresión manual en 2 etapas con econometría espacial usando OLS, para poder evaluar econometría espacial. Fue necesario determinar un beta estimado usando como variable dependiente aquella variable explicativa que tenía problemas por endogeneidad, para posteriormente usar el beta estimado en el análisis de regresión.
6. RESULTADOS Y DISCUSIÓN
6.1 Análisis descriptivo
La figura 1 muestra que la mayor cantidad de propiedades ofertadas entre 2007 y 2011 tiene un valor promedio de 403 UF por hectárea.
14
Figura 1. Histogramas del precio de la tierra por hectárea.
En la figura 2 podemos observar importantes variables que afectan el precio de la tierra, el cual es el potencial de mercado y la superficie de la propiedad medidos en elasticidades, donde el potencial de mercado tiene una leve tendencia a una media a diferencia de la superficie ofertada tiende a estar sesgada a la izquierda, lo cual representa una tendencia de venta de superficie de suelo menor a la media, además de indicarnos la mayor cantidad de propiedades ofertadas tienen una superficie menor a 300 ha.
Figura 2: Histogramas del precio por hectárea, superficie total de comunas y potencial de mercado de comunas.
15
La figura 3 nos permite observar que el comportamiento del bono forestal por hectárea en el periodo 3 en su mayoría es menor a 20 UF por ha para los beneficiados, mientras que la superficie forestal en función de otras actividades en las comunas evaluadas nos muestra que la superficie destinada a actividad forestal tiende a ser menor al 30% en la mayoría de las comunas.
Figura 3: Histogramas de frecuencia del logaritmo Bonificación forestal en función de la superficie forestal y porcentaje de superficie forestal en comuna.
Figura 4: Matriz de diagramas de dispersión que muestra las tendencias entre el precio de la tierra, superficie, potencial de mercado y variables forestales.
16
En la figura 4 podemos ver como el precio de la tierra es inversamente proporcional a la superficie del predio, lo cual significa que la propiedad ofertada tiene un precio menor por hectárea, cuando la superficie ofertada es mayor. Por el contrario el potencial de mercado nos indica que en la medida que la propiedad ofertada tiene mayor potencial de mercado, el valor de la tierra tiende a ser mayor. Respecto a las variables forestales, las propiedades ofertadas en su mayoría tienen un bajo porcentaje de superficie forestal.
Tabla 2. Correlación entre Precio de la tierra, superficie forestal, potencial de mercado y subsidio forestal. Log (Precio en UF por hectárea) Log (Potencial de mercado) Log (Potencial de mercado) Log (Superficie Forestal Log (Bono Forestal) Log (Precio en UF por hectárea) 1,0000 Log (Potencial de mercado) -0,5718 1,0000 Log (Potencial de mercado) 0,6287 -0,2665 1,0000 Log (Superficie Forestal -0,4599 0,3114 -0,3341 1,0000 Log (Bono Forestal) -0.,5568 0,3998 -0,4370 0,7144 1,0000
La tabla 2 muestra una correlación inversa en el precio de la tierra con respecto a la superficie y las variables forestales. En cambio, un potencial de mercado positivo causa un aumento en el precio de la tierra. Un punto relevante a considerar es que el efecto negativo observado en el bono forestal es algo determinado, pero no concluyente, ya que puede variar, siendo este resultado causado por la falta de información que permite explicar realmente como afecta esta información al cambio del precio de las propiedades.
En la figura 5 se observa una tendencia creciente en el precio de la superficie por hectárea desde el año 2000 hasta el año 2015, el cual se encuentra categorizado por periodos, siendo el primer periodo entre el 2000 al 2003, segundo periodo entre 2004 al 2007, tercer periodo entre 2008 al 2011 y finalmente el cuarto periodo desde 2012 hasta 2015.
17
Figura 5: Gráficos de 2 variables del precio por hectárea y la bonificación forestal.
6.2 Resultados de la estimación del modelo.
Tabla 3. Modelo lineal con las principales variables que caracterizan el precio de la tierra y variables que caracterizan el suelo.
Modelo 1 Modelo 2 Modelo 3 Modelo 4
Log (potencial de mercado) 0.251*** 0.170*** 0.166*** 0.159*** Log (superficie evaluado en el periodo 3) -0.142** 0.005 0.014 0.015 Log (superficie forestal)
-0.166*** -0.149**
-0.164*** -0.144** Log (monto de bonificación total forestal de la
comuna en la superficie agrícola total) 0.011 0.018 0.019 0.022* Log (precio de la tierra en la comuna en uf por
ha evaluado en el periodo 3) 0.501*** 0.519*** 0.499*** Constante 3.185*** 1.108 0.672 0.711 R2 0.337 0.397 0.411 0.458 AIC 424.57 412.66 421.07 424.93 BIC 440 431 457 485 Valor-p>F 0 0 0 0 Observaciones 147 147 147 147 * p<0.10, ** p<0.05, *** p<0.01
18
Con alto nivel de significancia, el valor de los precios ofertados es explicado por el potencial de mercado, el precio de la superficie por hectárea y la superficie total de la propiedad publicada coincidiendo con los resultados de Coble (2017) y Modrego (2014), sin embargo, contrario a nuestra teoría planteada, el bono forestal posee un efecto negativo en el valor de la tierra cuando es evaluado solo con las variables principales que determinan el precio de la tierra. Con relación al efecto forestal, posee un efecto negativo indicando que precio tiene una disminución mayor por hectárea en la medida que la propiedad tiene mayor diámetro considerando también la evolución del valor de la tierra rural al nivel comunal en Chile ha sido sensible. Posteriormente fueron incluidas las variables; superficie erosionada y clase de uso. Información añadida que causó un cambio en el efecto del bono forestal y un efecto positivo, aumentando el valor de la propiedad cuando este poseía un bono forestal. (tabla se presenta en el anexo 2).
Tabla 4 incorpora a los modelos presentados en la tabla 1, las variables explicativas de territorios funcionales y climáticas (como la precipitación y temperatura media en las comunas del territorio nacional). El resultado demuestra que la información incorporada entrega más robustez al mejorando la significancia de la superficie forestal y del bono por plantaciones forestales en el cambio del precio de la tierra (la tabla se presenta en el anexo 3).
Tabla 4: Modelo Lineal de variables explicativas del precio de la tierra, variables que caracterizan la superficie de suelo, superficie de alternativas económicas agropecuarias, temperatura y precipitación media.
Modelo 1 Modelo 2 Modelo 3 Modelo 4
Log (potencial de mercado) 0.150** 0.149** 0.169*** 0.189*** Log (superficie evaluado en el periodo 3) 0.034 0.019 -0.047 -0.043 Log (superficie forestal) -0.147** -0.146** -0.073 -0.082 Log (monto de bonificación total forestal de la
comuna en la superficie agrícola total)
0.032* 0.034** 0.041*** 0.039*** Log (precio de la tierra en la comuna en uf por
ha evaluado en el periodo 3) 0.471*** 0.454*** 0.367** 0.401** Constante 1.19 1.618 3.657 -3.609 R2 0.481 0.486 0.522 0.533
19 AIC 426.49 429.05 426.6 431.09 BIC 498 507 516 533 Valor-p>F 0 0 0 0 Observaciones 147 147 147 147 * p<0.10, ** p<0.05, *** p<0.01
Observado en el modelo 1; que si la superficie ofertada aumenta en un 1 por ciento, el valor de la tierra baja en 0.15 porciento con un nivel altamente significativo, en cambio el potencial de mercado, en la medida que aumenta en 1 porciento, el valor de la tierra aumenta en 0.05 porciento aproximado con significancia estadística, con un aumento del 1 porcentaje de superficie arable destinada a actividades forestales causa una disminución del precio de la tierra en 0.315 porciento con un baja significancia, y un aumento del 1% del bono forestal causa que el precio de la tierra disminuye en 0.0058 por ciento lo cual es realmente alto en relación el precio lo cual se asocia por ser un pago hacia el propietario.
El modelo 2; que si la superficie ofertada aumenta en un 1 por ciento, el valor de la tierra baja en 0.247 porciento con un nivel altamente significativo, en cambio el potencial de mercado, en la medida que aumenta en 1 porciento, el valor de la tierra aumenta en 0.049 porciento aproximado con significancia estadística, con un aumento del 1 porcentaje de superficie arable destinada a actividades forestales causa una disminución del precio de la tierra en 0.377 porciento con un baja significancia, y un aumento del 1% del bono forestal causa que el precio de la tierra disminuye en 0.049 por ciento lo cual es realmente alto en relación el precio lo cual se asocia por ser un pago hacia el propietario.
El modelo 5; que si la superficie ofertada aumenta en un 1 por ciento, el valor de la tierra baja en 0.239 porciento con un nivel altamente significativo, en cambio el potencial de mercado, en la medida que aumenta en 1 porciento, el valor de la tierra aumenta en 0.103 porciento aproximado con significancia estadística del 99%, con un aumento del 1 porcentaje de superficie arable destinada a actividades forestales causa una disminución del precio de la tierra en 0.036 porciento con un significancia del 99%, y un aumento del 1% del bono forestal causa que el precio de la tierra disminuye en 0.079 sin relación significativa (la tabla se presenta en el anexo 4).
Tabla 5: Modelo espacial análisis de regresión manual en 2 etapas con econometría espacial usando OLS.
20
Modelo 1 Modelo 2 Modelo 3
OLS OLS OLS
Log (superficie) -0.148*** -0.247*** -0.239***
Log (potencial de mercado) 0.054** 0.110** 0.103***
Variable de ajuste espacial -0.058*** -0.049*** -0.036***
Log (superficie forestal) -0.315* 0.377 0.079
Coeficiente P -0.039 Constante 5.426*** 4.601*** 5.255*** R2 0.539 0.616 0.52 AIC 710.34 738.81 755.75 BIC 746 962 850 Valor-p>F 0 0 0 Observaciones. 372 372 372 * p<0.10, ** p<0.05, *** p<0.01
Observado en el modelo 1 presentado en la tabla 6 correspondiente, muestra que si la superficie ofertada aumenta en un 1 por ciento el valor de la tierra baja en 0.164 porciento con un nivel altamente significativo, en cambio el potencial de mercado, en la medida que aumenta en 1 porciento, el valor de la tierra baja en -2.066 porciento aproximado con significancia estadística alta, con un aumento del 1 por ciento de superficie arable destinada a actividades forestales causa una disminución del precio de la tierra en 0.170 porciento con un baja significancia, y un aumento del 1% del bono forestal causa que el precio de la tierra disminuye en 0.310 por ciento lo cual es realmente alto en relación el precio lo cual se asocia por ser un pago hacia el propietario (la tabla se presenta en el anexo 5)..
Tabla 6: Modelo espacial análisis de regresión manual en 2 etapas con econometría espacial usando SLX.
model_slx1 model_slx2 model_slx3 model_slx4 model_slx5
b/se b/se b/se b/se b/se
Log (superficie) -0.164*** -0.185*** -0.273*** -0.265*** -0.263*** Log (potencial de mercado) 0.014 0.086** 0.080*** 0.026 0.035
21
Log (superficie forestal) -2.066*** 0.431 -1.798*** -2.111*** -1.944***
Constante 3.461 2.229 12.628 41.253** 32.704** R2 0.599 0.63 0.556 0.585 0.584 AIC 668.58 734.66 746.32 741.68 732.57 BIC 723 978 880 914 885 Valor-p>F 0 0 0 0 0 Obs. 372 372 372 372 372 * p<0.10, ** p<0.05, *** p<0.01
El modelo 2 demuestra que si la superficie ofertada aumenta en un 1 por ciento, el valor de la tierra baja en 0,185 porciento con un nivel altamente significativo, en cambio el potencial de mercado, en la medida que aumenta en 1 porciento, el valor de la tierra aumenta en 0,086 porciento aproximado con significancia estadística, con un aumento del 1 por ciento de superficie arable destinada a actividades forestales causa una disminución del precio de la tierra en 0,43 porciento con un baja significancia, y un aumento del 1% del bono forestal causa que el precio de la tierra disminuye en 0.095 por ciento lo cual es realmente alto en relación el precio lo cual se asocia por ser un pago hacia el propietario.
El modelo 3 muestra que si la superficie ofertada aumenta en un 1 por ciento, el valor de la tierra baja en 0,273 porciento con un nivel altamente significativo, en cambio el potencial de mercado, en la medida que aumenta en 1 porciento, el valor de la tierra aumenta en 0,080 porciento aproximado con significancia estadística del 99%, con un aumento del 1 porcentaje de superficie arable destinada a actividades forestales causa una disminución del precio de la tierra en 1,80 porciento con un significancia del 99%, y un aumento del 1% del bono forestal, que causa que el precio de la tierra disminuya en 0,107, sin relación significativa.
22
Con base en el análisis descriptivo y en consideración de los 4 modelos utilizados, podemos decir que el cambio del precio de la tierra es explicado de forma directamente proporcional por la variable potencial de mercado e inversamente proporcional por la variable superficie, disminuyendo el valor por hectárea en la medida que es mayor la superficie total ofertada. Con respecto a las variables forestales, inicialmente no existía una significancia estadística en el primer análisis, sin embargo, al aplicar variables instrumentales para añadir la información forestal que estaban en los errores fue posible demostrar que el bono forestal y la superficie arable destinada a la actividad forestal tienen un nivel altamente significativo en la determinación del precio de la tierra, excepto cuando se controla por efectos fijos de comuna.
Los análisis espaciales no indican presencia de auto correlación espacial en el modelo simple, sin embargo, al utilizar variables instrumentales, el modelo 1 indica que hay presencia de auto correlación espacial, los cuales al ser evaluados en el análisis 5, con los cuales fue posible demostrar con si un alto nivel de significancia de las variables forestales potencial de mercado y superficie en la determinación del cambio de precio de la tierra (la tabla se presenta en el anexo 6).
El diagnóstico espacial (anexo 1) nos indica que no existe autocorrelación espacial entre las variables en los distintos modelos evaluados en la tabla 7 y muestra que existe un efecto significativo entre el precio de la tierra y la bonificación forestal el cual perdura en la medida que incrementamos el número de variables, esto es relevante considerando que la variable bonificación forestal en evaluaciones preliminares posea una nula significancia en el modelo que explica el valor de la tierra.Además en la medida que añadíamos información relevante, esta variable permitió conocer la realidad mostrando un aumento de significancia hasta alcanzar un alto nivel de significancia en la variable de interés evaluada.
Tabla 7: Modelo espacial realizado con OLS donde es incorporada la variable forestal y bonificación forestal.
Modelo 1 Modelo 2 Modelo 3 Modelo 4
Log (potencial de mercado) 0.189** 0.226** 0.228** 0.268** Log (superficie evaluado en el periodo 3) -0.043 -0.061 -0.061 -0.082 Log (superficie forestal) -0.082 -0.101 -0.108 -0.146* Log (monto de bonificación total forestal de la
comuna en la superficie agrícola total) 0.039** 0.040** 0.042** 0.043** Log (precio de la tierra en la comuna en uf por 0.401** 0.359* 0.376* 0.344*
23 ha evaluado en el periodo 3) Constantes -3.609 -5.394 -7.118 -5.898 R2 0.533 0.559 0.570 0.578 AIC 431.09 430.48 435.03 436.15 BIC 533 544 561 568 Valor-p>F 0.0 0.0 0.0 0.0 Observaciones 147.0 147.0 147.0 147.0 * p<0.10, ** p<0.05, p<0.01***
En la tabla 8 se presentan las variables explicativas utilizadas en los modelos de la tabla 2 más las variables de población e infraestructura, las cuales caracterizan incorporando información que caracteriza a las comunas y superficie de tipos de viñas presentes en el territorio nacional considerando que especies de vid destinadas a producción de vino son plantadas en superficies con características similares a las buscadas para establecer especies de interés forestal. Como resultado se puede observar un aumento en la significancia del bono forestal, donde explica un aumento del 3,8% del valor de la propiedad cuando esta posee un bono forestal (la tabla se presenta en el anexo 7).
Tabla 8: Modelo espacial realizado con SLX donde es incorporada la variable forestal y bonificación forestal.
Modelo SLX 1 Modelo SLX 2 Modelo SLX 3 Modelo SLX 4
Log (potencial de mercado) 0.189*** 0.218*** 0.217*** 0.258*** Log (superficie evaluado en el periodo) -0,1 -0,108 -0,103 -0,124
Log (superficie forestal) -0,05 -0,076 -0,086 -0,111
Log (monto de bonificación total forestal de la
comuna en la superficie agrícola total) 0.039** 0.042*** 0.043*** 0.043***
Constante -17,469 -24,353 -24,615 -19,077 R2 0,523 0,559 0,568 0,577 AIC 440,33 436,58 441,75 442,6 BIC 551 559 576 583 Valor-p>F 0 0 0 0 Obs. 147 147 147 147
24
* p<0.10, ** p<0.05, *** p<0.01
En evaluaciones iniciales, el bono forestal era considerado un factor negativo al estar directamente correlacionado con la superficie forestal, esto ocurre porque es comparada la presencia de bosques con otras actividades agropecuarias que generan un ingreso económico mayor, sin embargo, no es correcto el comparar superficie forestal con superficie bonificada, ya que la superficie forestal utilizada no está restringida a actividades exclusivas para la plantación de bosque, siendo posible su comparación con otras actividades agropecuarias con fines productivos, a diferencia de superficie forestal con bono forestal, la cual contiene entre sus requisitos que sean suelos de alta erodabilidad y baja fertilidad no siendo posible su comparación con plantaciones frutales, hortícolas entre otras actividades, resaltando la importancia de incluir información edafológicas, tales como; una mejor clase de suelo y grados leves de erodabilidad en las variables que explican nuestro modelo del precio de la tierra, permitiendo aumentar la robustez del modelo y acercarnos más al modelo que muestre el efecto real del bono forestal en la determinación del valor del suelo .
7. CONCLUSIONES
Al lograr caracterizar las superficies ofertadas con las variables explicativas, fue posible obtener el efecto de contribuyentes a la actividad forestal en los precios de la tierra.
Se demostró que la bonificación forestal logra un impacto positivo en el valor de las propiedades a diferencia de la superficie forestal, el cual tiene un efecto inverso a la bonificación forestal. Los resultados de econometría espacial nos muestran una relación inversamente proporcional entre comunas con superficie de bosque y el valor de las propiedades de comunas vecinas.
Finalmente, luego de realizar una serie de análisis econométricos, fue posible demostrar que la falta de robustez en los modelos iniciales se debía a la falta de variables explicativas, la cual es observada en el aumento de significancia entre el primer y último modelo utilizado.
25
8. REFERENCIAS
• Acevedo Bohórquez, I., & Velásquez Ceballos, H. (2008). Algunos conceptos de la econometría espacial y el análisis exploratorio de datos espaciales. Ecos De Economía: A Latin American Journal of Applied Economics, 12(27), 9-2. Retrieved from http://publicaciones.eafit.edu.co/index.php/ecos-economia/article/view/705 • Alamos Montero, Victor. 1958. Estudio sobre el precio real de la tierra Agrícola a
partir de 1910. Facultad de Agronomía. Pontificia Universidad Católica de Chile. • Alix-Garcia, J.M., E.N. Shapiro, and K.R.E. Sims. 2012. “Forest Conservation and
Slippage: Evidence from Mexico’s National Payments for Ecosystem Services Program.” Land Economics 88(4):613–638. Available at
• Anríquez, G., and R. López. 2007. “Agricultural growth and poverty in an archetypical middle income country: Chile 1987-2003.” Agricultural Economics 36(2):191–202. • Anriquez, G. & Toledo, G. & Arriagada, R., 2018. "Hidden Welfare Effects of Tree
Plantations," 2018 Conference, July 28-August 2, 2018, Vancouver, British Columbia 277284, International Association of Agricultural Economists.
• Aylwin, José, Nancy Yáñez y Rubén Sánchez. 2013. “Pueblo mapuche y recursos forestales en Chile: Devastación y conservación en contexto de globalización económica”. Documento de trabajo IWGIA, Observatorio Ciudadano. Santiago Chile. • Bejedetto, A., R. Manuel, M. Rodríguez, and L. Duchens. 2014. “PLANTACIONES
FORESTALES EFECTUADAS DURANTE EL AÑO 2014.”
• Benedetto, A., A. Cavieres, R. Lisboa, and M. Pinto. 2014. “PLANTACIONES FORESTALES EFECTUADAS DURANTE EL AÑO 2013.”
• Benedetto, A., L. Duchens, A. Baldini, and E. Vial. 2013. “PLANTACIONES FORESTALES EFECTUADAS DURANTE EL AÑO 2012.”
• Benedetto, A., L. Duchens, A. Urrutia, and E. Vial. 2012. PLANTACIONES FORESTALES ESTABLECIDAS DURANTE EL AÑO 2011.
• Bravo-Ureta, B., and P. Fuentes. 2003. Determinantes del valor de la tierra agrícola en Chile. Selected Paper presented at the VIII Congress of Chilean Agricultural Economists, Santiago, Chile. Organized by the Asociación de Economistas Agrarios de Chile.
• Bustos V. J.M. 1979. Comportamiento de los precios de la tierra en Chile. Tesis. Facultad de Agronomía Pontificia Universidad Católica de Chile.
• Catalán R., P. Wilken, A. Kandzior, D. Tecklin, H.B. 2006. Bosques y Comunidades del sur de Chile Editorial.
26
• Ciren.cl. (2019). CIREN | Descarga de Capas | Ciren. [online] Available at: https://www.ciren.cl/descarga-de-capas/ [Accessed 8 Sep. 2018].
• Coble, Rosa. “Modelo hedónico de precios de la tierra agrícola en Chile entre 1990-2015: Uso de análisis espacial”. Tesis Departamento de Economía Agraria de la Facultad de Agronomía e Ingeniería Forestal de la Pontificia Universidad Católica de Chile, 2017. Impreso.
• Corporación Nacional Forestal. (2014). Evaluación de Resultados del Decreto Ley N ° 701 de 1974.
• Corporación Nacional Forestal. 2018. “DL 701 y sus reglamentos”, 2018,
http://www.conaf.cl/nuestros-bosques/plantaciones-forestales/dl-701-y-sus-reglamentos/.
• Corporación Nacional Forestal (2017). Decreto Ley 701 Cuarenta Años de Incentivos
a la Forestación. Santiago: Ministerio de Agricultura, p.7.
• Comición Nacional de Riego. Pauta para estudios de suelos. Comición Nacional de
Riego. Octubre del 2017. URL:
http://bibliotecadigital.ciren.cl/handle/123456789/9665
• CORFO. 2014. “INFORME GESTIÓN INCENTIVO TRIBUTARIO.”
• Cuesta José I., José G. Díaz & Francisco A. Gallego & Felipe González & Guillermo Marshall, 2017. "La reforma agraria chilena: hechos estilizados a la luz de una nueva base de datos," Estudios Públicos, Centro de Estudios Públicos, vol. 0(146), paginas 7-48.
• Diewert, W.E. 1971. “An Application of the Shephard Duality Theorem: A Generalized Leontief Production Function.” :481–507.
• Donoso, G., Cancino, J., R. Olguín, and D. Schönhaut. 2013. A comparison of farmland value determinants in Chile between 1978-1998 and 1999-2008 Ciencia e Investigación Agraria, 40: 85-96.
• Donoso P. y L. Otero. 2005. Hacia una definición de País Forestal: ¿Dónde se sitúa Chile? Bosque 26(3): 5-18.
• Ertur, Cem and Wilfried Koch. 2007. “Growth, Technological Interdependence and Spatial Externalities: Theory and Evidence,” Journal ofApplied Econometrics, 22, 1033–1062.
• Elhorst, J. P. (2014). Spatial econometrics from cross-sectional data to spatial panels introduction. NEW YORK: Springer Berlin Heidelberg. doi:10.1007/978-3-642-40340-8_1
• Frene C. y M. Nuñes. 2010. Hacia un nuevo Modelo Forestal en Chile. Bosque Nativo. 47: 25-35.
27
• Ganuza, E., Taylor, L., Morley, S. 1988. “Polítıtica Macroeconómica y Pobreza en America Latina y el Caribe.” Mundi Prensa.
• Gertler, P., S. Martínez, P. Premand, L. Rawlings, and Vermeerschm Christel. 2011. La evaluación de impacto en la práctica.
• Elhorst, J. P. (2014). Spatial econometrics from cross-sectional data to spatial panels introduction. NEW YORK: Springer Berlin Heidelberg. doi:10.1007/978-3-642-40340-8_1
• INFOR (Instituto Forestal) (2017), “Anuario Forestal 2017” [base de datos en línea], https://wef.infor.cl/publicaciones/publicaciones.php [fecha de consulta: mayo de 2018].
• Latruffe, L., Doucha, T., Medonos, T., & Voltr, V. (2008). Capitalisation of the government support in agricultural land prices in the Czech Republic Kapitalizace dotací do cen zemědělské půdy v České Republice. Agricultural Economics, 54(10), 451–460.
• León J. (2001) Estudio y control de la erosión hídrica. Universidad Nacional de Colombia. Sede Medellín, Medellín.
• Madison, D. 2000. A hedonic analysis of agricultural land prices in England and Wales. University College London and University of East Anglia. European Review of Agricultural Economics 27: 510-532.
• Ministerio de Desarrollo Social. 2015. “Una Medición de la Pobreza Moderna y Transparente para Chile.”
• Miranowski, J.A., and B.D. Hammes. 1984. Implicit prices of soil characteristics for far mland in Iowa. American Journal of Agricultural Economics 66: 745 -749.
• Modrego, F., McCann, P., Foster, W., Offert, R., 2014. Regional market potential andthe number and size of firms: observations and evidence from Chile. SpatialEcon. Anal. 9 (1), 348–392
• Morande, F.G. 1992. The Dynamics of Real Asset Prices, The Real Exchange rate, Trade reforms and Foreign Capital Inflows. Chile, 1976-1989. Journal of Development Economics, Vol 39, pp. 111-139.
• Olguín Ricardo. Determinantes del precio de la tierra agrícola en chile en los periodos “1978-1998” y “1998-2008”. Tesis Departamento de Economía Agraria de la Facultad de Agronomía e Ingeniería Forestal de la Pontificia Universidad Católica de Chile, 2010. Impreso.
• Palmquist , R. and L. Daniel son. 1989. A hedonic study of the effects of erosion control and drainage on farm land values American Journal of Agricultural Economics Economics 71: 55-62.
28
• Ready, R., M. Berger, and G. Blomquist. 1997. Measuring amenity benefits from farm land: hedonic pricing vs. contingent valuation. Growth and Change 28: 438- 458. • Roka, F. M., and R. B. Palmquist. 1997. Examining the use of national databases in
a hedonic analysis of regional farm land values. American Journal of Agricultural Economics 79: 1651-56.
• Salas, C.F. 1998. “FOMENTO FORESTAL DECRETO LEY 701 DE 1974 Y LEY 19.561.” ODEPA 11:1–16.
• Schlatter J. y Otero L. 1995. Efecto de Pinus radiata sobre las características químico-nutritivas del suelo mineral superficial. Bosque (Valdivia), vol.16, no.1, p.29-46. ISSN 0717-9200.
• Schönhaut, D., 1999. Análisis de los precios de la tierra agrícola en Chile entre los años 1978–1998. Departamento de Economía Agraria de la Facultad de Agronomía e Ingeniería Forestal de la Pontificia Universidad Católica de Chile, Santiago, Chile. • Schönhaut, D. 1999. Análisis de los precios de la tierra agrícola en Chile entre los
años 1978 – 1998. Departamento de Economía Agraria de la Facultad de Agronomía e Ingeniería Forestal de la Pontificia Universidad Católica de Chile.
• Snyder, Stephanie A.; Kilgore, Michael A.; Hudson, Rachel; Donnay, Jacob. 2007. Deter minants of forest land prices in Nor ther n Minnesota: A hedonic pricing approach. Forest Science 53: 25-36.
• Stavins, R.N., and A.B. Jaffe. 1990. “Unintended Impacts of Public Investments on Private Decisions: The Depletion of Forested Wetlands.” The American Economic Review 80(3):pp.337–352. Available at: http://www.jstor.org/stable/2006670.
• Stewart, P.A., and L.W. Libby. 1998. Determinants of farm land value: the case of Dekalb County, Illinois. Review of Agricultural Economics 20: 80 -95.
• Stolpe, neal. 2011. Conservación de suelo. Sag Ministerio de Agricultura, Santiago, Chile. 2ª. Ed.
• Sunderlin, W., Dewi, S., Puntodewo, A., Müller, D., Angelsen, A., & Epprecht, M. 2003. “Why Forest Are Important for Global Poverty Alleviation: a Spatial Explanation.” Health care for Children in Rural Southern Tanzania 361(9357):561– 566.
• Tecklin, D., C. Bauer, and M. Prieto. 2011. “Making environmental law for the market : the emergence , character , and implications of Chile ’ s environmental regime.” Environmental Politics 20(6):879–898.
• Universidad de Concepción Departamento de Economía ed. 2009. ANÁLISIS DE LA CADENA DE PRODUCCIÓN Y COMERCIALIZACIÓN DEL SECTOR FORESTAL CHILENO: ESTRUCTURA, AGENTES Y PRÁCTICAS.
30
Anexos 1: Descripción de variables del modelo A.
• Y : Precio por ha.
• X1 : Correspondiente a variables explicativas del modelo. • X2 : Superficie de la propiedad ofertada.
• X3 : Bono forestal por superficie. • X4 : Superficie forestal.
• X5 : Porcentaje superficie comunal sin erosión. • X6 : Porcentaje superficie con erosión ligera.
• X7 : Porcentaje superficie comunal con erosión severa • X8 : Porcentaje superficie comunal con erosión muy severa • X9 : Porcentaje superficie comunal con erosión no aparente
• Wi : Porcentaje superficie comunal con clase de suelo i, donde i va
desde 1 hasta 8.
• X19 : Macrozona geográfica.
• X20 : Territorios funcionales en la Comuna
• X21 : Proporción de superficie de cultivos en la comuna
• X22 : Proporción de superficie de árboles frutales en la comuna • X23 : Proporción de superficie de plantaciones en la comuna • X24 : Proporción de superficie de praderas en la comuna • X25 : Proporción de superficie de árboles frutales en la comuna • X26 : Territorios funcionales en la Comuna
• X27 : Proporción de superficie de cultivos en la comuna • X28 : Precipitación durante el verano.
• X29 : Precipitación durante la primavera. • X30 : Precipitación durante el invierno. • X31 : Precipitación durante el otoño. • X32 : Temperatura media en primavera. • X33 : Temperatura media en otoño. • X34 : Temperatura media en invierno. • X35 : Temperatura media en verano
• X36 : Proporción de superficie con riego en la comuna.
• X37 : Proporción de superficie con riego micro localizado. en la comuna.
31
• X38 : Proporción de superficie con riego tradicional en la comuna. • X39 : Superficie de riego total en la comuna.
• X40 : Proporción de superficie de vid variedad país comuna. • X41 : Proporción de superficie de vid variedad pisquera comuna. • X42 : Proporción de superficie de vid variedad blanca comuna. • X43 : Proporción de superficie de vid variedad tinta comuna. • X44 : Población de personas en la comuna.
• X45 : Proporción de superficie con infraestructura en la comuna.
Anexo 2. Modelo lineal con las principales variables que caracterizan el precio de la tierra y variables que caracterizan el suelo.
Modelo 1 Modelo 2 Modelo 3 Modelo 4
Log (potencial de mercado) 0.251*** 0.170*** 0.166*** 0.159*** Log (superficie evaluado en el periodo 3) -0.142** 0.005 0.014 0.015 Log (superficie forestal)
-0.166*** -0.149**
-0.164*** -0.144** Log (monto de bonificación total forestal de la
comuna en la superficie agrícola total) 0.011 0.018 0.019 0.022* Log (precio de la tierra en la comuna en uf por
ha
evaluado en el periodo 3) 0.501*** 0.519*** 0.499***
Porcentaje suelo erosionado la comuna 0.005 0.011
Porcentaje de erosión ligera en la comuna -0.001 0.001 Porcentaje de erosión moderada en la comuna -0.002 -0.002
Porcentaje de erosión severa en la comuna 0.011 0.01
Porcentaje de erosión muy severa en la comuna 0.013 0.022 Porcentaje de erosión no aparente en la comuna 0.011 0.009
Superficie de suelo con clase uso I 0.024
Superficie de suelo con clase uso II -0.018
Superficie de suelo con clase uso III -0.005
Superficie de suelo con clase uso IV -0.013
Superficie de suelo con clase uso V 0.014
Superficie de suelo con clase uso VI -0.011
Superficie de suelo con clase uso VII 0
Superficie de suelo con clase uso VIII 0.009
Constante 3.185*** 1.108 0.672 0.711
