1
EFECTO DEL PICO Y PLACA EXTENDIDO EN LOS TIEMPOS PROMEDIO DE DESPLAZAMIENTO EN LA CIUDAD DE BOGOTÁ.
Daniela De La Hoz
Universidad de los Andes, Colombia
Resumen
Las restricciones al uso del carro particular durante determinadas horas se han convertido en varias ciudades del mundo en una política frecuente para controlar la creciente congestión. El programa de restricción vehicular Pico y Placa el cual se aplicó a la ciudad de Bogotá, tuvo fundamentalmente dos fases. En una fase inicial se restringió la circulación únicamente durante las horas pico, posteriormente se pasó a una etapa extendida que prohibió el tránsito vehicular durante 14 horas. Este trabajo busca evaluar si la extensión del Pico y Placa generó una reducción en la congestión de tráfico, a través de un índice que mide el tiempo adicional que tardan sus habitantes en desplazarse en comparación a lo que se demorarían en un escenario donde no hay congestión. A partir de la encuesta CAF para los años 2008 y 2010, se extrajo información acerca de los tiempos de viaje promedio de individuos para una muestra de aproximadamente 2.000 familias. Usando las características sociodemográficas de los individuos, los modos de transporte y un índice de tiempo promedio de desplazamiento, el presente estudio muestra que el Pico y Placa Extendido no logró disminuir los tiempos promedio de circulación. Ello sugiere que no se alcanzó a reducir sustancialmente el uso del carro particular, lo que reabre el debate sobre otros mecanismos que podrían ser más efectivos para disminuir la congestión.
Palabras clave: Restricción vehicular, modos de transporte, Pico y Placa Extendido,
2
1. Introducción
La congestión vehicular, es un fenómeno que afecta a diario a las principales ciudades de Colombia. El crecimiento económico sostenido, la caída en los precios de los vehículos, el aumento del ingreso per cápita y el incremento en la oferta de servicios crediticios han contribuido al aumento significativo del parque automotor del país. Si bien es cierto que este fenómeno se ha dado a lo largo del territorio nacional, ha sido especialmente crítico en la ciudad de Bogotá. La capital ha sido receptora de la mayor cantidad de vehículos que han entrado en circulación en la última década (Andi, 2014).
El parque automotor de Bogotá pasó de 590.9391 unidades en el año 2002, a 1.618.834 vehículos para el año 2012. Esto es equivalente a un crecimiento anual del 10% en los últimos 10 años. Es importante aclarar, que dicho parque automotor está compuesto por 328.078 motocicletas y 1.290.756 automóviles, camionetas y camperos. Por otro lado la dinámica de crecimiento de la malla vial, no se ha dado a la par del crecimiento económico de la ciudad, lo que se ha ido traduciendo en un incremento paulatino de la congestión. Para el año 2004 la ciudad contaba con 45.444 km de vías2. En el 2012 dicha cifra era de 46.659 km, es decir un crecimiento de la malla vial, de tan solo 3% durante 8 años.
En respuesta a la creciente congestión que se presentaba en el año 2008, y junto con la finalidad de no generar mayores traumatismos a la movilidad por la construcción de la fase III de Transmilenio, la ciudad implementó el Pico y Placa Extendido (PYPE) en ese año. Dicha restricción mantendría fuera de circulación aproximadamente al 50% de los automóviles de la ciudad durante 14 horas.
En este orden de ideas, estudiar si el endurecimiento del Pico y Placa (PYP) generó una reducción del tráfico de la ciudad; en razón de una disminución en los tiempos de desplazamiento, permite evaluar la efectividad de una de las políticas que ha generado mayor controversia en materia de movilidad. En primer lugar se puede analizar si los beneficios por una caída en los tiempos promedio de circulación, son lo suficientemente considerables para compensar los perjuicios económicos que la medida pudo haber causado
1 Secretaria de Movilidad. Documento “Bogotá como vamos” Bogotá Colombia años 2008 y 2012. 2
3 a los hogares. Se calcula que el Pico y Placa Extendido (PYPE) afectó entre el 6.3% y el 13.7% del ingreso per cápita de los hogares bogotanos. Ello perjudica no solo a las familias de ingreso medio y alto, sino también a las de ingresos bajos, las cuales utilizan su vehículo como herramienta de trabajo (Medina & Vélez, 2011). En segundo lugar, si los beneficios de la medida no exceden sus costos, se podrían plantear políticas públicas diferentes que puedan resultar más efectivas. Así mismo, el ejercicio no solo permitirá estudiar la manera como los hogares han respondido en el corto plazo a la implementación de la política, sino que también permitirá identificar si en últimas se logró el objetivo principal de la extensión de la medida, desincentivar el uso del carro particular. Se esperaría que una medida como estas genere incentivos al uso del transporte público. No se debe olvidar que no se puede descuidar la calidad del servicio público de transporte, si lo que se quiere es reducir el uso del vehículo. Para nadie es un secreto, que una inversión adecuada en transporte público es un complemento necesario de este tipo de medidas restrictivas. Este documento busca analizar el efecto del Pico y Placa Extendido (PYPE), en los tiempos promedio de desplazamiento de las habitantes de la ciudad. Para realizar dicho análisis se utilizó el estimador de diferencias en diferencias, el cual permitira evaluar el impacto del PYPE en el índice de tiempos de desplazamiento promedio. Dado que para poder evaluar las diferencias relativas entre los distintos grupos debe contarse con un grupo de control y uno de tratamiento, se escogió a la ciudad de Medellín como grupo de control. Medellín ha implementado la restricción vehicular desde el año 2005 y esta no sufrió modificaciones importantes para los años de análisis, incluyendo el periodo en el que se implementó el PYPE en Bogotá. Por otra parte esta ciudad presenta características socio espaciales similares a las de la ciudad de Bogotá, entre otras similitudes que serán explicadas en detalle en el documento. La relevancia de este estudio radica en evaluar la forma como los usuarios de vehículos particulares han respondido a la fase extendida del programa. Ello se puede ver reflejado al estudiar los cambios en los tiempos de viaje promedio de los usuarios de los distintos medios de transporte. Se esperaría que una disminución en los tiempos de viaje sea el resultado de una reducción del uso intensivo del automóvil, considerando que no hubo cambios sustanciales en el mercado de vehículos de otros modos de transporte. Desde que se implementó el PYP en el año de 1998, el objetivo principal era el de descongestionar las vías en las llamadas horas pico o de mayor congestión. Sin embargo
4 después de la restricción de Febrero de 2009, la medida cambió radicalmente su propósito. Con el propósito de modificar los horarios de circulación del parque automotor de la ciudad, se llegó a una prohibición que además de incidir en las horas de desplazamiento, buscaba directamente desestimular el uso del automóvil particular. Para ello se requería desviar a dichos usuarios a otras formas de transporte. Sin embargo, medidas tan drásticas como las tomadas en el 2009, han podido desencadenar en otros problemas. Existe evidencia que el PYP en una fase extendida ha podido llevar a un incremento en el número de vehículos adquiridos, lo cual ha podido afectar de manera negativa el tráfico de la ciudad.
Algunos estudios han abordado el análisis del PYPE de diversas formas. A partir de la medición de concentración de Monóxido de Carbono (MC), ventas de vehículos y consumo de gasolina, Bonilla (2013) encuentra evidencia que la extensión de la medida incrementó los niveles de MC, al igual que la posesión de vehículos. Esto sería un indicio que los ciudadanos se ajustaron con relativa rapidez, a la imposición de una medida tan drástica. Por otra parte, otros estudios se han concentrado en la medición de los tiempos promedio de velocidad y los costos económicos de tal restricción. En este sentido este estudio es único ya que aborda el problema desde una perspectiva diferente; en particular utiliza la fuente primaria, los usuarios de los distintos medios de transporte. De éstos se obtuvo información completa sobre el tiempo adicional que les toma desplazarse, en comparación de lo que les tomaría si no hubiera tráfico en la ciudad.
El presente documento realiza en primera instancia una revisión de literatura. Allí se muestra el efecto que han tenido medidas restrictivas al uso del carro particular en otros países. Así mismo se busca exponer qué políticas podrían resultar más eficientes en disminuir el uso del automóvil, a partir de las experiencias de otras ciudades. La segunda parte del trabajo muestra la metodología del análisis, el origen de los datos y la elección de las variables a estudiar. Con ello se dará paso a un estudio de las estadísticas descriptivas, la especificación de los modelos econométricos usados, así como la justificación de la utilización de los mismos. La tercera parte contiene un análisis de los resultados de las regresiones, y la manera en que estos reflejan la respuesta de los individuos ante los
5 cambios en la restricción. Para concluir la investigación se analizarán los resultados, para así finalizar con algunas recomendaciones de política pública.
2. Revisión de Literatura
La efectividad de medidas que restringen el tráfico vehicular, ha generado mucha controversia. La eficiencia de dichas restricciones no es clara, puesto que arbitrariamente se reduce la movilidad de todos los vehículos, sin tener en cuenta las características propias de cada individuo. Como no se tiene en cuenta la disposición a pagar de los conductores se estarían generando ineficiencias3, que podrían ser corregidas al implementar otros sistemas de control de tráfico (Viard & Fu, 2013). Entre las distintas alternativas sugeridas por otros economistas, se encuentra el cobro por congestión de ciertas áreas. Dichos cobros podrían ser más eficientes4, ya que algunos esquemas de fijación de precios de congestión han demostrado su potencial para mejorar los tiempos de viaje en otras ciudades. Para implementar tal medida no se deben descuidar las particularidades propias de cada urbe, haciendo énfasis en las características de diseño adecuadas, para que esta sea implementada con éxito (Santos, 2004).
Al separar el alcance de las restricciones vehiculares en el corto y largo plazo, se pueden obtener resultados muy dispares. Gallego, et all (2013) analizan los programas de Hoy No Circula en México y la restricción similar que existe en Santiago de Chile. Estos concluyen que políticas que podrían parecer efectivas en el corto plazo resultarían perjudiciales en el largo plazo. Esto debido a que los hogares podrían ajustar su stock de vehículos en un periodo de 12 meses. Restringir la circulación de vehículos únicamente durante las horas pico, resulta comúnmente en la caída del tráfico en dichas horas, puesto que se desvía el horario de circulación a horas donde no hay prohibición. Ésta sin embargo no es una medida muy efectiva, si lo que se quiere es disminuir el uso del vehículo privado (Lin, Zhang & Umanskaya, 2011).
Si bien es cierto que restringir la circulación de vehículos particulares podría incidir en las decisiones de movilidad de las personas, nada se logra si dichas políticas no están
3
Ineficiencias en el sentido económico, donde los costos de la medida exceden sus beneficios. 4
Eficiencia en su definición social en donde los costos y beneficios de la sociedad como un todo, incluyen la evaluación de los costos de oportunidad y externalidades de la medida.
6 acompañadas de alternativas de movilidad cómodas y eficientes que logren desincentivar el uso del automóvil. Steg (2003) realizó un estudio de la favorabilidad del transporte público frente al carro particular en Holanda, encontrando que el uso del automóvil particular se evalúa muy positivamente en diferentes aspectos instrumentales, simbólicos y afectivos. El juicio acerca del transporte público resultó ser menos favorable, incluso entre aquellas personas que dijeron utilizarlo más que el carro particular. Sin lugar a dudas la efectividad de una política de restricción como el PYPE, está sujeta a la mejora en las alternativas de transporte. Muchos de los usuarios de automóviles estarían dispuestos a trasladarse a medios de transporte diferentes, si las alternativas lograran proveer la misma calidad de viaje, de forma más rápida y a un precio razonable (Forgach, 2010). Para Weidmann (2005) para hacer del transporte público un medio más eficiente, productivo y atractivo, todas las políticas deberían estar dirigidas a la reducción de los tiempos de desplazamiento.
Otras opciones de transporte han recobrado fuerza en los últimos años. Medios de transporte amigables con el medio ambiente también han sido impulsados en diferentes países, generando con ello otras opciones de movilidad. Bogotá cuenta por ejemplo con una de las redes de ciclo rutas más largas de América latina. Para poder motivar de forma exitosa el uso de bicicletas, estas deben ser un complemento del transporte público en general. Complementos en las disposiciones para bicicletas en vehículos de transporte público, estacionamiento de las mismas en distintos puntos, así como mejoras en la comodidad, la seguridad y los estacionamientos, son claves a la hora de atraer nuevos ciclistas (Pucher & Bueler 2010).
A nivel latinoamericano países como México, Chile, Argentina y Venezuela entre otros han venido implementado medidas de restricción vehicular desde hace varias décadas, por lo que diversos estudios se han centrado en analizar sus efectos. En 1986 en Santiago de Chile se implementó dicho control con el fin de disminuir los niveles de contaminación. Se buscaba mejorar los alarmantes niveles de material particulado respirable (PM10) en el aire de la ciudad (Grange & Troncoso, 2010). La medida ha generado mucha controversia, ya que al afectar por igual a familias con diferentes niveles de ingreso, se estarían generando ineficiencias económicas. Una evaluación de la respuesta de los chilenos ante el control
7 encontró que una proporción bastante considerable de familias, habían adquirido un segundo vehículo. En muchas ocasiones, compraron modelos más antiguos, lo cual podría haber contribuido negativamente a generar mayor contaminación en el aire (Fresard, 1998). Algo similar ocurrió en México y Argentina. En los años 70 en la ciudad de Buenos Aires, se comenzó a aplicar la restricción vehicular. Dicha medida se implementó en la zona céntrica del Gran Buenos Aires. Al evaluar la política de prohibición vehicular se encontró que esta no arrojaba buenos resultados en materia de control de tráfico y disminución de la contaminación. Al igual que en Santiago de Chile, muchos usuarios compraron un segundo vehículo, con lo cual el parque vehicular de la ciudad se envejeció paulatinamente debido a la compra masiva de autos usados. El incremento en el número de usuarios de moto fue otra de las consecuencias. Con ello se evidencio que los usuarios buscaron maneras de evadir la medida (Grange & Troncoso, 2010). Por último En la Ciudad de México, tampoco fue efectiva la restricción a la hora de mejorar la calidad del aire. Esto se debió fundamentalmente a que existe evidencia, que no hubo un incremento sustancial del uso del transporte público, implicando esto que no se logró trasladar a los usuarios del automóvil a otras alternativas menos contaminantes. Al igual que lo sucedió en Chile y Argentina los registro de venta de automóviles indicaron que hubo un aumento del parque automotor por medio de la compra masiva de vehículos viejos, que resultaron ser más contaminantes (Davis, 2008) .
Al hacer un recorrido de la literatura sobre este tema, se observaron patrones muy similares con respecto a las implicaciones de la restricción en distintas ciudades. A pesar de que hay extensos análisis del impacto de tales medidas en diferentes ámbitos, ningún documento aborda el problema desde la perspectiva de los usuarios de los diferentes medios de transporte, -de los cuales fue posible extraer valiosa información acerca de sus tiempos promedio de viaje-. Pare el caso Colombiano junto a dicha información se puede profundizar en el análisis, a partir de indicadores de ingreso familiar, nivel educativo, edad, gasto en transporte, medios de desplazamiento, y tipo de trabajo entre otros. No existe actualmente en la literatura, un documento que compare los tiempos promedio de viaje de cada modo de transporte para una muestra representativa de la ciudad. Con ello podremos estudiar la dinámica de movilidad que se ha dado a partir del PYPE. Este trabajo logra explorar como los distintos grupos socioeconómicos han respondido ante la medida.
8
3. Estrategia Empírica
3.1 Datos
El presente estudio utiliza los datos históricos de la Encuesta CAF de la Corporación andina de Fomento, la cual se realiza anualmente en distintas ciudades de Latinoamérica. Para el caso de Colombia se cuenta con información de las ciudades de Bogotá y Medellín para los años5 2008- 2013.Dicha encuesta ofrece mediciones de acceso, calidad, gasto y satisfacción de una serie de servicios básicos, entre los que se encuentra el transporte urbano. El diseño de la muestra es cuantitativo y de carácter concluyente mediante entrevistas personales.6
La encuesta CAF contiene un módulo específico de diversos indicadores de transporte que recoge información de 2000 jefes de hogar y adultos entre los 25 y 65 años de edad. A continuación se muestra la Tabla 1 que permite identificar a la población encuestada.
Tabla 1: población de 25 a 65 años representada en la encuesta CAF
Año Ciudad # de encuestas Población representada en los datos*
2008 Bogotá 400 3.462.409
2008 Medellín 400 1.208.488
2010 Bogotá 600 3.780.190
2010 Medellín 600 1.277.587
*Indica que el muestreo tiene unos pesos específicos los cuales se consideraron al
momento de efectuar las estimaciones.
Para el desarrollo de este trabajo, se seleccionaron preguntas de los diarios de viaje de la población encuestada. Los modos de traslado utilizado, el tiempo promedio de desplazamiento y algunas de las características demográficas de los hogares se incluyeron
5 Las entrevistas de 2008 se realizaron entre el 27 de junio y el 20 de julio, las de 2009 entre el 03 y el 29 de julio, las de 2010 entre el 13 de agosto y el 20 de septiembre, las de 2011 entre el 1° de junio y 29 de julio, las del 2012 entre el 21 de agosto y 19 de octubre de 2012 y las del 2013 entre el 24 de Agosto y 20 de Octubre de 2013.
6 Se estima una confiablidad del 95%, ya que se asume máxima dispersión de los resultados (p/q =1). El instrumento utilizado fue un
cuestionario estructurado y pre codificado.(Caf, 2013) Accesible a través de de http://www.caf.com/media/1632627/informacion_metodologica.pdf
9 también en el análisis. Datos del jefe de hogar o adulto acerca de sus ingresos familiares, el tamaño promedio de este, su nivel educativo, el tipo de trabajo que tiene, junto con otros datos relevantes, completan la información seleccionada. Dado que este estudio busca investigar el efecto que tuvo la medida de PYPE en los tiempos promedio de desplazamiento, se estableció que las encuestas escogidas sean para los años 2008 y 2010. De esta manera aquellos datos obtenidos para el año 2008, representarían el periodo antes de la restricción extendida. Para la información recolectada en 2010, se permitió que los individuos pasaran por un periodo de ajuste en el corto plazo, teniendo en cuenta que la medida extendida se comenzó a aplicar en Febrero de 2009. Esto debido a que gran parte de las respuestas adaptativas del programa, suelen ocurrir durante el primer año de implementación (Gallego et al., 2011).
La construcción de las variables de estudio se dio de la siguiente manera–ver Tabla 2 (anexos) de estadísticas descriptivas de ambas ciudades-. Como se contaba con datos acerca del tiempo de viaje de los encuestados en sus recorridos habituales, pero no con información de la distancia recorrida, se construyó un índice que podría de manera aproximada corregir esta dificultad y además medir el nivel de congestión de la ciudad. Para analizar los efectos de la política, se consideró que la variable dependiente a tratar fuera un índice de tiempo de desplazamiento, calculado como la razón entre el tiempo diario habitual que las personas tardan en desplazarse y el tiempo que se tardarían si no hubiera congestión. La primera medida de tiempo es para un día hábil promedio de la semana, mientras que la segunda medida es el tiempo de desplazamiento de un día Domingo sin congestión (tomado desde el momento en que los ciudadanos se encuentran en el modo de transporte en el que se trasladaron). Las observaciones validas que completaron la información acerca de los tiempos de recorrido para ambos años, fueron de 1779 individuos para las ciudades de Bogotá y Medellín. Este índice de tiempo de traslado arrojó que en el año 2008 las personas en promedio se demoraron, 1.5 veces más de lo que se hubieran demorado si se trasladaran un día sin congestión. Esta cifra fue de 1.4 para el periodo donde el PYPE se encontraba vigente.
La variable dependiente podría estar relacionada con ciertas características sociodemográficas de los adultos encuestados, las cuales fueron incluidas al momento de
10 realizar las regresiones. Estas serán explicadas a continuación junto con los detalles de la especificación del modelo.
Un indicador como el ingreso familiar mensual se clasificó de la siguiente manera. Se dividió la muestra en tres categorías; ingresos altos, medios y bajos. Esto a partir del cálculo del salario mínimo vital de una familia para los años 2008 y 2010. La muestra arrojó que en el primer periodo de análisis, la media de ingreso familiar se encontraba ligeramente por debajo de los 400 dólares mensuales, cifra que en promedio se mantuvo muy similar para el segundo periodo de estudio. Los encuestados se encontraron en su mayoría en el sector de bajos ingresos -el cual se clasifico como aquellas familias que tuvieron un ingreso familiar menor a 400 dolares mensuales- , ello es consistente con la dinámica salarial de la ciudad de Bogotá. Se cuenta también con información acerca del tipo de trabajo del encuestado. Para facilitar el proceso de análisis se dividió la muestra entre aquellas personas que laboraron de forma independiente y aquellas que lo hicieron como asalariadas, ya fuera en el sector público o privado. Se observó que aproximadamente el 40% de los encuestados trabajaron de forma independiente, frente a un 60% que lo hicieron como asalariados. Esta cifra es consistente con los datos registrados por el DANE (2013). Se contó con información de los niveles de satisfacción del transporte público. Este se midió en una escala de 1 a 10 –en donde 1 es Nada Satisfecho y 10 es Totalmente Satisfecho-, esto podría se útil al arrojar información acerca de la percepción general de dicho sistema. La información sobre la percepción del transporte público es relevante, a la hora de generar políticas que incentiven su uso. Los niveles de satisfacción en general se encontraron en el rango medio de la tabla, concretamente en un nivel de satisfacción de alrededor de 6 para ambos años. Se incluyó así mismo la variable gasto diario en transporte (US). En promedio este gastó varió entre 1.24 dólares y 1.38 dólares en ambos periodos de estudio. Para el nivel educativo de los encuestados se dividió la muestra en cuatro categorías, a saber primaria o menor, secundaria, técnica superior y universitario o mayor. La educación media de los encuestados para ambos años se encuentra en torno a 10 años de estudio, es decir que el promedio de la muestra culminó sus estudios de secundaria.
Entretanto, se clasificaron los diferentes medios de transporte en 5 categorías. Automóvil particular, transporte público, el cual incluye buses y busetas, -metro-para el caso de la
11 ciudad de Medellín- y Transmilenio-para el caso de Bogotá, se incluyó así mismo una categoría Verde la cual incluye el desplazamiento en bicicleta y caminar, y por último el taxi y la motocicleta particular. Entre los hogares encuestados, alrededor del 16.5% en Bogotá se desplazaron en vehículo particular en el año 2008. Esta cifra aumentó al 17.9% para el 2010, -recordemos que dicho año representa la fase extendida- . De todos los viajes realizados, en el 2008 el 52.3% se realizó en transporte público, mientras que esta cifra cayó considerablemente a 36.3% para 2010. La opción Verde fue el segundo mayor porcentaje de elección de desplazamiento en la ciudad de Bogotá para ambos años, representando un 26% y 38% de los viajes realizados- reflejando la captura de usuarios que antes utilizaban el transporte público-. Del resto de los viajes realizados en 2008 el 5% restante se distribuyeron entre los realizados en taxi (1%) y motocicleta (4%). Para 2010 los usuarios de motocicleta se mantuvieron en alrededor de 4%, mientras que los de taxi aumentaron al 3.6%.
La mayoría de variables como género, tipo de trabajo, modo de transporte, entre otras fueron dicótomas debido a la manera como fueron registradas en la encuesta. Otras variables disponibles fueron edad, número de hijos, tamaño del hogar y magnitudes de dinero
3.2 Selección del indicador de tiempo de desplazamiento y Medellín como ciudad de
control
La identificación y evaluación de los efectos del endurecimiento de la política de PYP requieren de la elección de una variable adecuada. Por ello se escogió el tiempo de desplazamiento de los individuos al lugar donde se dirigen con mayor frecuencia, pues es una información útil para identificar los efectos de la medida en la congestión de la ciudad. Sin embargo información sobre la distancia de dichos recorridos es escasa, por lo que los tiempos de recorrido de Bogotá y Medellín no eran comparables. Al no contar con datos Panel acerca de los individuos en ambos periodos no fue posible controlar por heterogeneidad no observada.
Por ello en lugar de tiempos de desplazamiento y distancia recorrida, se utilizó un índice de desplazamiento, el cual se describió previamente. Los tiempos de desplazamiento del día
12 domingo (sin trancones) se utilizaron como proxy de los días sin congestión. Con ello podemos obtener información relevante de los tiempos adicionales que se están generando con motivo de los atascos vehiculares.
Dadas las características de la encuesta se cuenta con secciones cruzadas repetidas por ello el método de análisis a utilizar fue el de diferencias en diferencias, por lo cual era necesario contar con un grupo de control. Como era imposible tener un grupo de control dentro de la ciudad, ya que el PYPE afectó a todos los vehículos particulares y a todas las localidades de Bogotá por igual, se pensó en la ciudad de Medellín como grupo de control para realizar el estudio econométrico. Ello puede verse como un supuesto bastante fuerte. Sin embargo, si miramos en detalle algunas características de movilidad de esta ciudad, podemos observar que algunas dinámicas de población e infraestructura se asemejan a las de la ciudad de Bogotá. Por un lado, esta ciudad no tuvo cambios en los horarios de restricción durante ambos periodos de estudio. Los horarios de restricción (de 6.30am-8.30am y 5.30pm a 7.30pm) eran equiparables a aquellos existentes en Bogotá antes del año 2009. En segundo lugar al observar las características socio espaciales de ambas ciudades podemos observar varias similitudes. El Grafico 1 muestra la densidad de las localidades y/o comunas junto con el número de habitantes de cada zona en las respectivas ciudades.
Grafico 1 Vehículos por habitante en distintas zonas de Bogotá y Medellín
13 Este grafico nos muestra que las localidades con menor densidad de población tienen un mayor número de vehículos. Dichas zonas son El Poblado y Laureles para el caso de Medellín. Se calcula que 230.000 personas aproximadamente viven en estos distritos lo cual corresponde al 10% de la población de la ciudad (Dane, 2013). En Bogotá las localidades de Usaquén, Chapinero y Teusaquillo muestran dinámicas poblacionales similares. La población de mayores ingresos que reside en estas localidades – aproximadamente 830.000 personas- (Dane, 2013) corresponde a un décimo de la población de la ciudad. Por otro lado aquellos lugares que tienen una mayor densidad de habitantes, también poseen una menor cantidad de vehículos. Si se observan en detalle las características sociales y demográficas de estas zonas, -como se puede ver en detalle en el grafico número 1-, aquellos lugares con un mayor número de carros (zonas más oscuras en el gráfico), resultan ser los de mayor poder adquisitivo. Por otro lado al observar con detenimiento dicho gráfico, podemos observar que estas localidades y/o comunas se concentran en puntos específicos de cada ciudad. Para el caso de Bogotá las zonas con un mayor número de vehículos por habitante se encuentran en el norte de la capital. Lo análogo sucede para la zona sur de la ciudad de Medellín. Los gráficos socio espaciales de ambas ciudades muestran similitudes evidentes, los lugares donde se producen las mayores congestiones en ambas ciudades se concentran en aquellos puntos específicos donde la población devenga mayores ingresos, sitios que se encuentran muchas veces lejos de las poblaciones más vulnerables y con menor cantidad de vehículos.
En segundo lugar al mirar con detenimiento los espacios viales de ambas ciudades se pueden observar ciertas coincidencias. El grafico número 2 muestra el número de vehículos por metro lineal de vía en Bogotá y Medellín. Podemos observar que el mayor número de automóviles por metro de vía se encuentra en las zonas de mayor poder adquisitivo. El mapa así mismo logra evidenciar los puntos de mayor congestión. Nuevamente en ambas ciudades estos puntos se concentran en la parte norte de Bogotá y en la zona sur de Medellín. Al extraer información del estado de la malla vial de ambas ciudades podemos observar cómo estas se encuentran en estados similares. De acuerdo con información del IDU (2010) el 60% de la malla vial de la ciudad de Bogotá se encontraba en mal estado, cifra similar a la de Medellín 62% para el periodo de estudio.
14 Por último al tener en cuenta el servicio de transporte público en ambas ciudades observamos algunas características similares. Medellín es la única ciudad de Colombia que cuenta con el sistema de Metro. A pesar de no ser directamente comparable con el sistema de transporte masivo de la ciudad de Bogotá (Transmilenio), este logra suplir las necesidades de muchos usuarios –como sucede en Medellín con el metro- y mediante el uso del sistema de carriles exclusivos, logra proveer pese a sus problemas un servicio de transporte más rápido que el tradicional. Logrando transportar al igual que el Metro de Medellín a una cantidad considerable de personas.
Con ello se evidenciaron ciertas características propias de ambas ciudades que permiten la comparación entre ellas. Habiendo hecho un análisis de las dos metrópolis, ello indica que Medellín al ser la segunda ciudad más grande de Colombia, puede servir como una ciudad de control debido a las características y dinámicas propias que presenta, con una economía en ascenso y un acelerado crecimiento económico (Dane, 2010) el cual no resulta muy lejano a las dinámicas presentes en la capital.
Todo esto junto a que el PYP en Medellín se implementó en el 2005, permite dar un tiempo de ajuste suficiente, para que esta ciudad se adapte a las dinámicas propias de la implementación del programa, las cuales son comparables al periodo previo antes de la implementación de la restricción drástica en Bogotá.7 Así mismo al no tener cambios significativos durante el periodo de estudio, ello hace posible la selección de dicha ciudad como grupo de control en el análisis de la extensión medida.
7 Comparables debido a que se implementaron únicamente durante las horas pico, restringiendo la
15
Grafico 2 Vehículos por metro lineal de vía, Bogotá y Medellín
Gráfica 1. Fuente: (Medina & Vélez, 2011) Borradores de economía,. Pag 42.
3.3 Enfoque econométrico
Este estudio utiliza el modelo de diferencias en diferencias (MDD) para evaluar los efectos directos de la política de endurecimiento del PYP sobre el índice de tiempo promedio de viaje de los ciudadanos, usando los individuos de la muestra de la ciudad Medellín como el grupo de control. Medellín no sufrió cambios de horario en el PYP durante el periodo comprendido entre 2008 a 2010, lo que posibilitó la elección de esta ciudad. Aunque no se dispone de datos panel, es posible identificar el efecto de la política con información de secciones cruzadas repetidas, mediante una evaluación de impacto. El modelo econométrico general tiene la siguiente forma.
𝑦𝑖 = 𝛼0 + 𝛼1𝐷2𝑖 + 𝛼2𝐷𝐵𝑖+ ρD2𝐷𝐵𝑖+ 𝜀𝑖 (1)
En la ecuación 𝐷𝐵 (1) es una variable binaria que toma el valor de 1 si el individuo está en el grupo de tratamiento (Bogotá) y cero si está en el grupo de control (Medellín). Dado que
16 se trabajaron dos periodos (t= 2008 y t =2010), 𝐷2 es otra variable binaria que toma el valor de 1 cuando t =2010 (después del PYPE) y cero cuando t=2008 (antes del PYPE).
Con ello se busca que el estimador de diferencias en diferencias (ρ) logre capturar el impacto del endurecimiento de la medida, sobre el índice del tiempo promedio de desplazamiento (𝑦) . La segunda ecuación incluirá adicionalmente a la estimación realizada en (1) una variable dummy Dauto, que toma el valor de 1 para aquellas personas dentro de la población encuestada, que utilizaron su automóvil como medio de transporte para desplazarse y 0 en otro caso. Por su parte a la ecuación (3) captura otras posibles variables que podrían estar incidiendo en los tiempos de recorrido. Entre estas se pueden encontrar características como tipo de trabajo (𝑥𝑖𝛽). La regresión (4) utilizó las mismas variables que la ecuación (3) pero se realizó por Mínimos Cuadrados en dos etapas. La regresión (5) tuvo en cuenta que posiblemente al utilizar únicamente el efecto de Dauto en la regresión no se estaría teniendo en cuenta la relación de otras posibles interacciones, por lo que se realizó una regresión adicional que incluyo la interacción de las variables DBDauto, D2Dauto y D2DBDauto. En una sexta regresión se excluyeron aquellas observaciones de los individuos que utilizaron el modo verde (caminar y bicicleta) para transportarse, ya que a comparación del primer periodo el porcentaje de individuos que utilizo el modo verde fue significativamente mayor, lo que podría estar incidiendo en los resultados obtenidos. Por último la regresión (7) realiza una estimación similar a la realizada en (5) pero también excluye aquellas observaciones de las personas que se movilizaron a pie o en bicicleta. Para la realización del análisis se corrieron varios modelos. Se comenzó por un modelo de Mínimos Cuadrados Ordinarios (MCO), el cual incorpora las variables 𝐷2 , 𝐷𝐵 y D2𝐷𝐵 como variables explicativas (Modelo 1). Seguidamente y adicional al modelo (1) se incluyó la dummy de utilización del automóvil Dauto (modelo 2). Esta regresión también se estimó por MCO. En un tercer modelo se incluyó el tipo de trabajo, una dummy que toma el valor de 1 para los que trabajaron de forma independiente y 0 para los que se encontraban asalariados. La decisión de transportarse en auto podría ser endógena (ya que la decisión de usar el automóvil afecta los tiempos de desplazamiento, pero a su vez los individuos afectan su decisión de tomar auto dependiendo de los tiempos de viaje). Se decidió instrumentar esta decisión y por ello se recurrió al método de MC2E,
17 variables como ingreso y nivel educativo estarían afectando la decisión de tomar auto, por lo que el cuarto modelo incorpora esta posibilidad. Un modelo 5 incorporó la interacción de las variables del modelo (2) junto con las Dummies de DBDauto, D2Dauto y DBD2Dauto estimándose también por el método de MCO. Los modelos (6) y (7) estiman regresiones que excluyen las observaciones de los individuos que utilizaron el modo verde, ambas son similares a las regresiones (1) y (5) respectivamente. Desafortunadamente para este tipo de interacciones no se pudo incluir un modelo que tuviera en cuenta la posible endogenidad de Dauto, esto debido a que el número de instrumentos resultaba insuficiente. No hubo suficientes características del individuo y el hogar que lograran explicar la posesión de auto. (Diferentes al ingreso y la educación)
4. Resultados
Los resultados se exponen en la Tabla 2 y 3 e indican que el Pico y Placa en su fase extendida no logró reducir el índice de tiempo de desplazamiento promedio. El estimador de diferencias en diferencias (EDD), (ρ) capturo el impacto de la política; la extensión de la restricción sobre el índice de tiempo de desplazamiento. Los modelos de MCO en general que incluyeron el modo de transporte verde, resultaron en una significancia de la mayoría de variables de estudio. El coeficiente de la regresión para dichos modelos (ρ) muestra un signo positivo en las cuatro regresiones corridas con este método. Se observa sin embargo que la magnitud de dicho coeficiente varía significativamente entre las regresiones de MCO. Los modelos indican que el tiempo de traslado en promedio aumento entre el 6 y el 21%, en el periodo donde el PYPE estuvo vigente, cuando se incluyeron todos los modos de transporte. Al incluir en el modelo de MCO las variables de tipo de trabajo (trabajador independiente y asalariado) y Dummy de auto observamos que estas resultan ser significativas. Por otra parte al incluir el tipo de trabajo en la regresión de MCO, podemos observar como esta característica incidió en los tiempos de traslado. En general los trabajadores independientes duraron un 2% más que aquellos que trabajaron como asalariados. Esta diferencia podría no ser muy grande, pero al ser estadísticamente significativa, arroja un dato bastante interesante, en el cual se podría ahondar en futuros estudios. Posterior al análisis de los resultados realizados por el método de MCO, se aplicó
18 una regresión de mínimos cuadrados en dos etapas, debido a los posibles problemas de endogenidad que podrían existir en la decisión del modo de transporte. Se observan sin embargo, algunos cambios. Al correr dicho modelo junto con la interacción del tipo de trabajo, se pierde la significancia de Dauto. Para el modelo en dos etapas se observa que en concordancia con los resultados obtenidos por los primeros modelos de MCO, se estima que el tiempo de recorrido de los usuarios fue en promedio un 14% mayor que en el periodo previo a la implementación del PYPE. Por otra parte la Dummy de trabajo resultó ser siempre significativa. Sin embargo su magnitud cambio con respecto al modelo de MCO, ya que en esta el tiempo de desplazamiento de los trabajadores independientes, fue de un 10% más a diferencia del 2% obtenido en la primera regresión. Finalmente los errores estándar variaron levemente con respecto a las primeras regresiones realizadas por MCO. Por otro lado al omitir las observaciones de los individuos que utilizaron los modos de transporte verde, la significancia de ρ se pierde a lo largo de las dos regresiones que excluyeron a esta muestra y los errores estándar frente a los otros resultados cambian bastante entre sí. Para el caso concreto de los modelos (6) y (7) se pierde la significancia de todas las variables que habían resultado significativas en los otros modelos que incluyeron el modo de transporte verde. Esta sería una explicación de que PYPE no redujo el tiempo de viaje, pero al parecer los signos positivos y de significancia que se encontraron en las otras regresiones para la interacción de la variable D2DB, se debieron al aumento en el número de personas que se desplazaron por medio de este tipo de transporte, indicando esto que la gente en promedio camino y uso más la bicicleta que en el periodo previo a la implementación del PYPE.
Es importante aclarar que desafortunadamente al no contar con instrumentos suficientes para realizar las regresiones (5) y (7) por MC2E estas pueden ser sesgadas, sin embargo se decidió mostrar estas estimaciones realizadas por el método de MCO ya que mostrarlas podría ayudar a entender si hay cambios en los coeficientes de las variables. El coeficiente de D2DB indicaría el efecto sobre los otros modos de transporte. Como este coeficiente no fue significativo podría decirse que los automóviles y otros modos de transporte (exceptuando el modo verde), no incrementaron ni disminuyeron sus tiempos de viaje.
19
Conclusiones
A simple vista se podría esperar que el PYPE trajera una disminución considerable en los tiempos promedio de desplazamiento. Al ser una medida que prohibió la circulación de los vehículos durante 14 horas, la intuición inicial indicaría que los individuos se trasladarían en otros medios de transporte en los días de restricción. Sin embargo es posible que en un periodo de año y medio, donde por lo general los individuos se han adaptado a la implementación del programa (ver Gallego et al., 2011), se hayan generado nuevos comportamientos para evadir la medida. Por un lado las personas con mayor poder adquisitivo podrían haber adquirido otro carro para evadirla. Por otro lado se podrían haber generado nuevas dinámicas de transporte privado, como la compra de motocicletas; ello gracias a las facilidades de financiamiento y la relativa facilidad de desplazamiento que esta otorga.
El estudio da una idea sobre el impacto en general de medidas drásticas de prohibición, y da luces de las respuestas de los usuarios de distintos modos de transporte a esta. Se hace evidente que no ha sido efectiva a la hora de disminuir los niveles de congestión. Por una parte y pese a lo drástico de la medida esta no logro modificar los tiempos de desplazamiento (al excluir las observaciones de los individuos que tomaron la opción verde). Esto podría indicar que el PYPE no genera los beneficios esperados. Esto se ha podido reflejar en el posible incremento en la compra de vehículos, y como lo indican las estadísticas descriptivas; el uso del carro particular no ha caído a lo largo del tiempo. El porcentaje de personas que se movilizo en este medio, aumento para el periodo de la restricción extendida. Se comprobó así mismo mediante las regresiones econométricas expuestas, junto a las estadísticas mostradas, que en general la medida resulto contraproducente a la hora de buscar trasladar a los usuarios de vehículos particulares a otras alternativas de transporte. De igual modo muchos usuarios de transporte público se trasladaron a opciones verdes, ello posiblemente debido a que las congestiones vehiculares no lograron disminuirse a lo largo del tiempo.
El estudio sin embargo presenta algunas limitaciones. La muestra puede ser relativamente pequeña y esto puede hacer que algunos de los coeficientes fueran no significativos.
20 Aumentar el tamaño de la muestra podría ayudar a capturar mayores dinámicas de movilidad de la ciudad. Así mismo el diseño de la encuesta no permitió incluir otras variables de interés, puesto que muchas de estas no aparecían en ambos años de estudio. Esto podría haber generado algún sesgo en el análisis, al ocultar diversas características propias de los individuos que podrían estar explicando la variable dependiente. Desafortunadamente no se contó con panel de datos por lo que no se puede controlar por la heterogeneidad no observable. El tipo de trabajo resultó ser significativo en este estudio. Al revisar la literatura existente, se observa que dichos trabajadores suelen ser los de menores ingresos. Por lo general los sectores más pobres de la sociedad, suelen no estar vinculados a algún tipo de contrato laboral. La falta de un lugar fijo de trabajo, junto con los lugares de vivienda posiblemente más alejados de los centros económicos de las ciudades, podrían explicar el por qué se demoraron más en desplazarse frente a sus pares asalariados (Cortes, 1963).
Para finalizar y gracias en parte a los resultados obtenidos en este trabajo, se realizaran a continuación algunas recomendaciones de política.
1. En primer lugar, medidas tan drásticas de prohibición han demostrado ser contraproducentes. Por lo tanto si se quiere controlar la circulación de vehículos a partir de una restricción vehicular, esta debe ser menos drástica.
2. Si se quisiera mantener una restricción tan extendida, esta debería estar acompañada de políticas públicas de mejoramiento en los servicios alternativos de transporte. Estos deben suplir al menos las necesidades de tiempo, comodidad y eficiencia que se obtienen al movilizarse en un vehículo particular.
3. Se deben explorar otras alternativas de control de tránsito, ajustadas a las dinámicas propias de una ciudad como Bogotá. Estas deben generar un costo menor que los beneficios que se podrían obtener en materia de movilidad, para la sociedad como un todo.
4. Por último es importante tener en cuenta que la congestión de la ciudad no se puede solucionar únicamente con medidas que restrinjan la utilización del vehículo. Otros factores como el deterioro en la malla vial que se acerca a un 60% de los carriles existentes (IDU,
21 2010), la falta de un sistema público de transporte cómodo y eficiente (debido en gran parte a los enormes retrasos en los procesos de chatarrización), los problemas de construcción de vías y la mala semaforización de Bogotá (que no cuenta en su mayoría con un sistema de semaforización inteligente), han contribuido enormemente al deterioro del tránsito. El problema es complejo y requiere enormes inversiones de varios sectores para que se puedan ver resultados que impacten finalmente en una reducción de los tiempos de desplazamiento.
Bibliografía
Cortes, A. Teoría económica, tomo 1; Editorial Andrés Bello, Santiago de Chile (1963). Bonilla, J.,(2013). Effects of driving restrictions on air quality and car use in Bogotá.
University of Gothenburg, Sweden Universidad de los Andes, Colombia
Davis, L., (2008). The Effect of Driving Restrictions on Air Quality in Mexico City. Journalof Political Economy 116(1), 38–81.
Forgach, V., 2010 How to improve effectively the use of public transportation. Working paper, European Conference of Transport Research Institutes.
F. Fresard. Actas x congreso panamericano de ingeniería de tránsito y transporte,
Santander, España. Efecto real de la restricción vehicular en Santiago de Chile. Septiembre 21 a 24 1998
Gallego, F., Montero, J.-P., and Salas, C. (2013). The Effect of Transport Policies on Car Use: Evidence from Latin American cities. Journal of Public Economics107: 47-62
Grange, L. C., & Troncoso, R. (2010). Impacto de la Restricción Vehicular sobre los Flujos en el Transporte Urbano de Santiago
Lin, C., W. Zhang, and V. Umanskaya. 2011. “The Effects of Driving Restrictions on Air Quality: Sao Paulo, Bogota, Beijing, and Tianjin.” Working paper
Medina, C y Vélez, C (2011). “Aglomeración económica y congestión vial: los perjuicios por racionamiento del tráfico vehicular”. Borradores de Economía, No 678. Banco de la República, Bogotá.
Metropolitan Atlanta Rapid Transit Authority, 2010 “North Atlanta Corridor Project, Alternatives Analysis. Working paper
Pucher, J., Buehler, R., 2008. Making cycling irresistible: Lessons from the Netherlands, Denmark, and Germany. Transport Reviews 28 (4), 495-528.
22 Pucher, J., Thorwaldson, L., Buehler, R., Klein, N., 2010b. Cycling in New York: Policy innovations at the urban frontier. World Transport Policy and Practice 16 (2), 7-50. Rosales, R., Perdomo, J. A., Morales C. y Urrego A. (2013). Fundamentos de econometría intermedia: teoría y aplicaciones .Bogotá D.C.: Universidad de Los Andes.
Santos, Georgina. 2004b. “Urban Congestion Charging: A Second-Best Alternative.” Journal of Transport Economics and Policy 38:345–369.
Steg, L., 2003. Can public transport compete with the private car. IATSS Research 27 (2), 27–35.
Viard, V.B., and Fu, S. (2013). The Effect of Beijing’s Driving Restrictions on Pollution and Economic Activity. Working paper, Cheung Kong Graduate School of Business.
23
Anexos
Tabla 1 Estadísticas descriptivas
|
Pico y Placa periodo 2008
Variable Media Desviación Min Max
Estándar
Edad 41.40 11.69 25 65
Genero (1=mujer,0=hombre) 0.49 0.50 0 1
Educación
1=Primaria o menor 0.19 0.02 1 1
2=Secundaria 0.46 0.05 2 2
3= Técnica superior 0.10 0.10 3 3
4=Universitaria o mayor 0.25 0.03 4 4
Ingreso familiar mensual
1 ≤ 400US 0.47 0.2 1 1
2= Entre 400US - 800US 0.30 0.04 2 2
3 ≥801US 0.29 0.10 3 3
Número de hijos 1.98 1.70 0 11
Tamaño del hogar (Número de personas) 4.13 1.75 1 13
Tiempo promedio de desplazamiento entre Semana (Minutos) 40.98 28.49 2 150 Tiempo promedio de desplazamiento Domingos (Minutos) 30.5 10.5 1 150 Tiempo de desplazamiento entre Semana / Tiempo de desplazamiento Domingos 1.51 0.55 0.3 4
Gasto diario en transporte (US) 1.38 1.38 0 11
Nivel de satisfacción con el transporte público (1:Nada satisfecho - 10:Totalmente satisfecho)
6.13 2.17 1 10
Modo de Transporte
Automóvil particular 0.17 0.38 0 1
Motocicleta particular 0.04 0.20 0 1
Autobús / Transmilenio 0.52 0.50 0 1
Taxi 0.01 0.13 0 1
24
Fase Extendida: Pico y Placa periodo 2010
Variable Media Desviación Min Max
Estándar
Edad 42.25 12.11 25 65
Genero (1=mujer,0=hombre) 0.50 0.50 0 1
Educación
1=Primaria o menor 0.16 0.02 1 1
2=Secundaria 0.43 0.05 2 2
3= Técnica superior 0.13 0.10 3 3
4=Universitaria o mayor 0.27 0.03 4 4
Ingreso familiar mensual
1 ≤ 400US 0.44 0.2 1 1
2= Entre 400US - 800US 0.31 0.3 2 2
3 ≥801US 0.25 0.4 3 3
Número de hijos 1.95 1.41 0 7
Tamaño del hogar (Número de personas) 4.25 1.80 1 12
Tiempo promedio de desplazamiento entre Semana (Minutos) 34.79 28.53 1 180 Tiempo promedio de desplazamiento Domingos (Minutos) 24.47 21.12 1 240 Tiempo de desplazamiento entre Semana / Tiempo de desplazamiento Domingos 1.46 0.66 0.11 8
Gasto diario en transporte (US) 1.24 2.25 0 16
Nivel de satisfacción con el transporte público (1:Nada satisfecho - 10:Totalmente
satisfecho) 6.37 2.43 1 10
Modo de Transporte
Automóvil particular 0.18 0.39 0 1
Motocicleta particular 0.04 0.20 0 1
Autobús / Transmilenio 0.37 0.48 0 1
Taxi 0.04 0.19 0 1
25
Tabla 2 Regresiones econométricas
Variable Índice de tiempo adicional
Modelo 1 Modelo 2 Modelo 3 Modelo 5 Modelo 6 Modelo 7 Modelo
(MCO) (MCO) (MCO) (MCO) (MCO) (MCO) Dummy 2010 (D2)
-0.25*** -0.25*** -0.20*** -0.24*** -0.03*** 0.26*** (0.06) (0.06) (0.06) (0.06) (0.07) (0.07) Dummy Bogotá (DB)
0 .00 -0.01 0.12 -0.03 0.10 0.03 (0.07) (0.07) (0.07) (0.07) (0.08) (0.08) Dummy interacción (D2DB)
0.19** 0.19** 0.06* 0.21* 0.09 0.13 (0.08) (0.08) (0.08) (0.08) (0.09) (0.09) Dummy interacción (DBDAUTO)
0.02 -0.05
(0.26) (0.26)
Dummy interacción (D2DAUTO)
-0.25 -0.23
(0.25) (0.25)
Dummy interacción (D2DBDAUTO)
-0.03 0.06
(0.29) (0.30)
Dummy Auto
0.20*** 0.14* 0.11* 0.30 (0.06) (0.06) (0.20) (0.02) Dummy Tipo de trabajo (Independientes)
0.02*
(0.04)
#Observaciones 1779 1779 711 1779 1135 1135
R2 0.02 0.03 0.03 0.028 0.03 0.05
Errores estándar en negrilla y paréntesis. *Significativo al 10%
**Significativo al 5% ***Significativo al 1%
26
Tabla 3 Primera etapa modelo 4
Variable
Modelo Modelo 4
D2 0.00
(-0.02)
DB 0.03
(0.03)
D2Db -0.02
(0.04)
Secundaria 0.01
(0.02)
Educación técnica 0.02
(0.04) Educación Universitaria o mayor 0.18***
(0.04)
Ingreso Medio 0.02
(0.02)
Ingreso alto 0.16***
(0.04)
Estadístico F 4.83
P Valor 0.00
Test de Hausman 0.05**
Errores estándar en paréntesis.
*Significativo al 10% **Significativo al 5% ***Significativo al 1%
27
Variable
Modelo Modelo 4
(MC2E) Dummy 2010 (D2) -0.03***
(0.06)
Dummy Bogotá (DB) 0.11
(0.08) Dummy interacción (D2DB) 0.14*
(0.08)
Dummy Auto (Dauto) 0.00
(0.26) Dummy Tipo de trabajo (Independientes) 0.09* (0.04)
#Observaciones 711
R2 0.03
(Test de Sargan – Hansen ) P valor
1.16 0.88
Errores estándar en paréntesis. *Significativo al 10%
**Significativo al 5% ***Significativo al 1%