Relaciones entre pobreza y medio ambiente - un análisis espacial

Texto completo

(1)UNIVERS IDAD DE LO S ANDES. FAC ULTAD DE ECO NO MIA. RELACIO NES ENTRE PO BREZA Y MEDIO AMBIENTE: UN ANÁLISIS ESPACIAL. JO RG E H IGINIO MALDO NADO. PRESENTADO PO R: LILIANA ANDREA M URCIA BALLES TERO S CO DIGO: 200011112. Julio de 2008.

(2) TABLA DE CONTENIDO TABLA DE CONTENIDO....................................................................................1 1.. INTRODUCCI ÓN .........................................................................................2. 2.. MOTIVACI ÓN..............................................................................................3 2.1. DESARROLLO ECONÓMICO Y GEOGRAFÍA ..................................8. 2.2. POBREZA Y MEDIO AM BIENTE......................................................10. 3.. OBJETI VOS................................................................................................12. 4.. 3.1. HIPÓTESI S .....................................................................................12. 3.2. OBJETI VOS ESPECÍ FICOS ..........................................................13. METODOLOGÍ A........................................................................................13 4.1. AUTOCORRELACIÓN UNI VARIADA..............................................14. 4.1.1. Autocorrelación Global ...................................................................14. 4.1.2. Autocorrelación Lo cal .....................................................................15. 4.2. AUTOCORRELACIÓN MULTI VARI ADA........................................15. 4.2.1. Modelo de Rezago Espacial (Modelo Espacial Autoregresivo) ......16. 4.2.2. Modelo de Error Espacial (Modelo de Media Móvil Esp acial) .....16. 4.2.3. Modelo Autorregresivo Espacial y de Media Móvil ......................16. 5.. MARCO TEÓRICO ....................................................................................17. 6.. ANALÍ SIS DE DATOS ..............................................................................19 7.. 8.. MODELO EMPÍRI CO ..........................................................................20 RESULTADOS ...........................................................................................21. 8.1. ANÁLI SIS UNI VARI ADO ...................................................................24. 8.1.1 Análisis de Correlación Glo bal ..............................................................24 8.1.2 Análisis de Correlación Local................................................................26 8.2 9.. ANÁLI SIS MULTI VARI ADO .............................................................31. CONCLUSI ONES Y RECOMENDACI ONES..........................................37. REFERENCI AS...................................................................................................41 ANEXOS .............................................................................................................44. 1.

(3) 1. INTRO DUCCIÓ N A pesar de que a partir del siglo XIX en el mundo se ha generado un gran cr ecimiento de la r enta per cápita, la po breza sigue r epresentan do un problem a latente y su erradicación un objetivo fun dam ental del desarrollo económico, ante el cr ecim iento de la po blación y m ás recientem ente la in certidum bre so bre las con secuencias de los factores antrópico s que han alterado los eco sistemas, el clim a y la dispon ibilidad de los r ecursos. Una caracterización de las relaciones existentes entre po br eza y m edio am biente constituye un elem ento determ inante para toda política destinada tanto a aliviar la po breza como a garantizar el desarro llo sostenible de los países en vías de desarrollo. Como parte de la estrategia de desarrollo nacional, que tiene como prioridad la erradicación de la po breza 1 el tema del agua ha sido abor dado so lam ente a través de lineam ientos de política para garantizar la cobertura de sistem as de acueducto y alcantarillado en aquellas regiones que presentan déficit en estos r ubros, que paradójicamente están asociadas con la m ayor disponibilidad de agua, pero no se tiene una v isión integral de desarrollo region al que incorpor e las diferentes din ám icas que caracterizan el uso y la disponibilidad del r ecur so a lo largo del país. Este estudio pretende constituir se en una herramienta para caracterizar la relación que existe entre los pro blemas de contaminación y de escasez del agua en lo s municipios colom bianos ( unidades geopolíticas más pequeñas dentro del territorio nacional) y su n ivel de desarrollo h acien do uso de la econom etría espacial. Entre los objetivos del análisis están: determinar si las variables utilizadas tienen un comportamiento definido a lo lar go del territorio, específicamente, si existen aglom eracion es asociadas con la distribución geo gráfica tanto para las variables hídricas como para las variables de po breza (com o Proxy del nivel de desarrollo económico de un m unicipio); adem ás, com pro bar si la especificación del m odelo empírico que busca explicar la r elación mencionada debe incluir un com ponente esp acial y de ser el caso, la forma com o debe incluir se.. 1. De acuerdo con el do cu mento Conpes 91 del Depart amento Nacional de Planeación, titulado: “ Metas y Estrategias de Colo mbia para el Logro de los Objetivos de Desarrollo del Milenio- 2015 ” (DNP,2005 ), el país se co mp ro metió en la Cu mbre del Milenio d e septiembre de 2000 en el marco d e la Asambl ea General d e las Naciones Unidas a definir unas metas n acionales qu e pued an ser al canzadas en el 2015 conocidas co mo las Metas del Milenio, La p rimera meta d efinida por el gobierno nacional colombiano y quizá la más i mportant e es la erradicación de la pob reza extrema y el h ambre.. 2.

(4) Para lograr estos objetivos, este trabajo se presenta como sigue: en una pr imera parte se plantea la motivación a través de la identificación de una br echa literaria que p erm ita ubicar al lector sobre el pro blema que se pretende abordar, y las líneas de investigación so bre las que se enmarca: desarrollo económico, geo grafía y medio am biente, en la segun da parte se p lantea la base teórica y metodológica del estudio ; en la tercera parte se presenta una descripción de los datos que se van a utilizar y del modelo em pírico que se form ula; la cuarta parte contiene los r esultado s y en la quinta se pr esenta las principales conclusiones del estudio y las recom endaciones de política.. 2. MO TIVAC IÓ N Colom bia tiene una gran riqueza en términos hidroló gico s, pero ésta se ve amenazada por los gr aves problem as de m anejo del recurso que enfrenta el país; sus principales ríos presentan altos niveles de contaminación, el abastecim iento de agua potable y la provisión de saneamiento básico es todav ía muy precaria en algunas regiones y existen zonas que, por sus características n aturales o por las tran sformaciones de sus eco sistemas, son cada vez m ás vulnerables ante fenóm eno s climático s que sup eren los promedios históricos, ocasionan do eventos críticos de in un daciones o de escasez del recurso. Esta situación im plica para el país altos costos económ ico s y sociales 2, dado que una por ción importante de la po blación, en su m ayoría hogares en con dición de po breza, es la pr incip al afectada. De acuer do con el I DEAM (2001), la oferta hídrica total del p aís supera los 2000 Km3 al año, equivalente a 57.000 m 3 anuales por habitante; incluy endo los efectos de la contaminación y el desabastecimiento por regulación natur al, se ten dría una dispon ibilidad de 34.000 m 3 al año por persona que en con diciones de año seco se reducen a 26.700 m3 al año por persona. A pesar de que estas cifras in dican una am plia of erta del r ecurso (el promedio m undial es 7.700 m3 al año por per sona), ésta no es homo génea a lo lar go del territorio, como tampoco lo es la distribución de la población ni del desarrollo económico por lo cual la deman da y la presión so bre el recurso es m ayor en algunas regiones que en otras. La localización de la población y de la actividad económica en Colombia está orientada hacia el centro del país; particularmente, las r egiones de más alta presión hídr ica son la An dina y la Caribe. En contraste las regiones del Pacíf ico, Orino quía y Amazonia que. 2. Las pérdidas esti madas para Colombia asociadas a un inadecu ado suministro de agu a, de san eamiento básico e higiene, asciend en a los 1960 billones de p esos. (Larsen ,2004).. 3.

(5) soportan alguna presión por el recur so hídrico, cuentan con un alivio por la cercanía de sistem as hídricos de mayor tam año y densidades. (I DEAM, 2004) En el Cuadro 1 se aprecia que lo s departam entos que presentan un m ayor pro blema de oferta física del r ecurso son : La Guajira, San An drés y Providencia, Sucre, Cesár, Valle del Cauca y Norte de Santan der mientras departam entos com o: Amazonas, Caquetá, Chocó, Guain ía, Guaviare y Vaupés no presentan m ayores inconv enientes de abastecimiento de agua. Cuadro 1 Distri bución po rcentual de los m uni cipios seg ún la categoría de oferta hídrica muni cipal por unida d de área. Catego ría Bajo Medio Alto Muy alto. Rango Oferta /Unidad de área ‹0.60 0.60-1.30 1.31-15 ›15 % de municipios por % de municipios por categoria de oferta de c ategoria de oferta de agua, año sec o agua, año medio. % de municipios por % de municipios por categoria de oferta de categoria de oferta de agua, año s eco agua, año medio. Departamento. Departamento 88. 13. Ant ioq uia Arauca. 21. 49. 25. 29. 43. 29. Atlánt ico. 30. Bolívar. 37. 11. Boyacá. 54. 35. Caldas. 20. 76. Amazo nas. 8. 93. Caquetá Casanare. 16. 58. 26. Cauca Cesar. 28. 58. 14. 67. 17. 4. Chocó. 0. 10. 90. Córdo ba. 31. 12. 31. Cundinamarca. 48. 32. 17. 75. 25. Gua nía Gua viare. 100. 100 5. Huila. 50. 35. 10. 29. 57. 14. 70. 30. 52. 45. 3. 3. 2. 76. 17. 6. 4. 68. 28. 7. 0. 33. 60. 26. 23. 21 11. 5 La Gu ajira. 43. 43. 11. 5. 52. 5. 52. 5. 31. 7. 62. 34. 31. 34. 50 Nariño. 44. 42. 15. 77. 15. 8. 78. 18. 5. 95. 5. 62. 8. 46. Magd alen a. 2 Norte San tander 4 Putumayo 7 Quindío. Risarald a San And rés y Pro videncia. 43. 8. 31. 25. 75. 57. 29. 14. 17. 80. 1. 88. 12. 14. 10. 5. 86. 27. 38. 4. 38. 19 Tolima. 43. 48. 2. 4. 76. 5. 15. 4 Valle. 74. 19. 5. 67. 33. 17. 17. 50. 12 Santa nder. Sucre. Vich ada. 86. 100. Vaupé s. 43. 46. 100. 13. 100. 22. 70 Meta. 75. 100. 73 100. 75. 12. 3. 100. 14. 100 1. 93. 5. 88. 13. 7. 74. 20. 2. 88. 5. 17. 17. 2. 7 7. 100 33. 33. 17. Fuente: IDEAM (2001). Un fenóm eno m uy importante, que no es exclusivo de Colom bia, es la rever sión de la tendencia de concentración de la po blación en las ár eas r urales a una población m ás concentrada en las zon as ur banas; según cifr as del DANE, mientras en 1951 el 38,7% de la población habitaba en las ciudades, en 1985 este porcentaje llego a ser del 65.3% y de acuer do con el ultimo Censo Gener al (2005), el 72.6% del total de la población del país habita en los centros ur banos, que de forma paralela han crecido económicamente de manera so stenida durante los últimos decenios. De esta manera, en el país las mayores concentraciones. 4.

(6) poblacion ales se presentan en las ciudades capitales con sus respectivas ár eas de inf luencia conformando el “Triángulo de Oro ” (Bo gotá-Medellín- Cali) ( Galvis, 2001). Como se puede ver en la Figur a 1, los departamentos de Antioquia, Valle del Cauca y el Distrito Capital aportan aproximadamente el 50% del PIB nacional con una po blación equivalente al 38,9% del total y tan solo el 8% del territorio nacional. Estos departam entos, junto con Cundinam arca y Atlántico cuentan con una estructur a in dustrial sólida. En el otro extremo, departamentos como: Chocó, Vichada, Guainía, Vaupés, P utum ayo, Guaviare y Amazonas, cuy a economía se basa en la exp lotación forestal, la caza y la pesca, son los departam entos colom biano s meno s desarro llados desde el p unto de vista económico con un aporte al PI B nacional de m enos del 1%, una po blación equivalente a tan solo el 2,47% del total nacional y una extensión que representa el 41% del territorio. Figura 1 Participación po rcentual dentro del total nacional del Área , la Població n y el PIB pa ra los 32 departamentos de Colombia y el Distrito Capital (2005) 30, 00 25, 00 20, 00 15, 00. % Áre a Total. 10, 00 5, 00. %Población Nacional. 0, 00. % PIB Nacional. Fuente: Datos Censo General DANE (2005). Elaboración propia.. Los cuerpos de agua a lo lar go del territorio r eciben de manera continua aguas residuales del sector agrop ecuar io, doméstico e in dustrial como se muestra en el Cuadro 2. Las escorr entías de tierras agrícolas representan el problema más grave en cuanto a magnitud y a sus características ya que es un tipo de contam inación m ás disp ersa, inform al y de difícil control. Las descargas del tipo dom éstico e industrial están relacionadas directamente con el desarrollo; dado lo anterior, se puede encontrar que dentro de lo s río s m ás contam inados del país se encuentran: el Río Bogotá receptor de las aguas negras del distrito capital, caracterizado por su desarrollo productivo y por concentrar altos n iveles de po blación. 5.

(7) (6.840.116 habitantes)3 y el Río Medellín receptor de las descar gas de la segun da ciudad m ás poblada (2.093.624 de h abitantes)4. Cuadro 2 Producción Diaria de Demanda Bioquímica de Oxígeno (DBO) 5 por Sector Sector. Toneladas. Descri pción Verti mientos de agu as residual es agrí colas con g ran nú mero de cont amin antes y d el sector p ecuario con alta carg a Agrícola y Pecu ario 7.100 orgánica. Los mayores aportant es de carga contaminante son los grandes centros urbanos como Bogotá, Med ellín, Cali, Barranquilla, Mani zales y Cartagena. Do méstico 800 En orden de i mpo rtancia por su aporte, el subsector d e alimentos, producción de licores, fab ricación de sustanci as químicas industriales y la industria de pap el y cartón. Industrial 520 Fuente: DNP- PNU D, 1994. Citado en DNP (2002 ).. Un alto volumen de las aguas r esiduales son descargadas directamente a los diferentes afluentes sin nin gún tratamiento, la Figur a 2 m uestra el n úmero de p lantas de tratam iento que hay por departam ento, éstas repr esentan un niv el de interven ción de aproxim adamente el 10% de las aguas residuales, teniendo en cuenta que un a gran porción de las p lantas no se encuentra en con diciones óptim as de operación como se presenta en la Figura. El bajo tratamiento de las aguas servidas también se debe a la escasa o nula co bert ura de sistemas de alcantarillado que enfrentan los municipio s del país, como se apr ecia en la Figura 3, algunos dep artamentos como: el Vichada, San Andr és, Chocó y Guan ía m uestran un importante rezago frente al resto de los departamentos con una co bertura de alcantarillado inferior al 20%.. 3. De acuerdo con in fo rmación d e la Empresa de Acu educto y Alcantarillado d e Bogot á, “la ciudad descarga aproxi madament e unos 14 m3/s de aguas residuales al sistema de al cantarillado; de este caudal, el 29.6% proviene d e la cuenca del Salitre (incluye la cuenca Torca), el 39,3% d e la d el Fu cha y el 31,1 % de l a del Tunjuelo; en est as dos últi mas cu encas se tien en en cu enta la produ cción de las cuen cas Tintal , Soach a y otras meno res)”. In forme de actividades P TAR Salitre. (s.f). recup erado el 16 de mayo de 2008 , de http://www.acuedu cto.co m.co/wpsv5/wps/portal/ 4 Antioquia representa el 13 % del total de verti mientos de aguas residuales de los centros urbanos, mientras Valle del Cauca p articipa con un 10 % y los demás dep artamentos están por d ebajo del 5 %. (DNP, 2002 ). 5 Dentro de los parámetros qu e se utilizan p ara medir la contaminación del agua se encu entra la Demanda Biológica d e O xíg eno - DBO qu e mid e indirectament e la contaminación del agua por cuenta de la cantidad de oxígeno que demand an las bacterias presentes en la mat eria orgánica para sob revivir.. 6.

(8) Figura 2 Número de plantas de tra tamiento de ag uas residuales a ni vel departamental (2006) 50 45 40 35 30 25 20 15 10 5 0. No. PTAR. AMAZONAS ANTIOQUIA ARAUCA ATLANTICO BOLIVAR BOYACA CALDAS CAQUETA CASANARE CAUCA CESAR CHOCO CORDOBA CUN DINAMARCA GUAINIA G UAVIARE H UILA LA GUAJIRA MAGD ALENA META N ARIÑO NORTE DE SANTANDER PUTU MAYO QUINDIO RISARALD A SAN ANDRES SANTANDER SUCRE TOLIMA VALLE D EL CAUCA VAU PES VICHADA. No. PTARs con oper ación deficiente. Fuente: Datos MA VD T (2006).Elaboración p ropia Figura 3 Coberturas depa rtam entales de alcantarillado (2005). 120. PORCENTAJE. 100 80 60 40 20 0 VICHADA. VAUPES. G UAVIARE. G UAINIA. AMAZO NAS. SAN AN DRES. PUTUMAYO. CASANARE. ARAUC A. VALLE DEL CAUCA. T OLIMA. SUCRE. SANT ANDER. RISARALDA. Q UIND IO. NO RTE DE SANT AN DER. NARIÑ O. MET A. MAG DALENA. LA G UAJIRA. HUILA. CHO CO. CUNDINAMARCA. CO RDO BA. CESAR. CAUCA. CAQUET A. CALDAS. BOYAC A. BOLIVAR. BOG O TA. ATLANT ICO. ANTIO QUIA. Fuente: Datos Censo General DANE (2005). Elaboración p ropia.. La mayoría de estudios que se han hecho para Colom bia sobr e la calidad del agua son análisis so bre la efectividad de las políticas destinadas a r egular y a controlar lo s vertim ientos a los efluentes. Dado que el país ha sido pionero en la región en la im plementación de instrumentos económ ico s como la tasa retributiva para el control de los vertim ientos, ex iste m ucho m aterial disponible so bre la efectividad de este instr umento económ ico (Castro y Bonilla, 2003 y Blackman, 2005).. 7.

(9) 2.1 DES ARRO LLO ECO NÓMICO Y GEOGRAFÍA Los contrastes en el desarrollo económ ico que presentan los países se han explicado a través de dos corr ientes de p ensam iento. Por un lado, se encuentra la hipótesis geo gráf ica que explica cómo estas discrep ancias están dadas por las diferencias geo gráficas, climáticas o ecoló gicas que m uestran las nacion es ( Sach s 2001 y 2003). Por otro lado una teoría alternativa es la h ipótesis institucional, don de el desem peño económico está atado a la organización de la sociedad y a las instituciones establecidas. (Acem oglu, Johnson, Ro binson, 2002, Acemo glu, Johnson y Ro binson, 2006 y Ro drik, Subr amanian y Trebbi, 2002) De acuer do con Sach s (2001) el subdesarrollo de lo s países cercanos a lo s trópico s está determinado por variables geo gr áficas y climatológicas que afectan la calidad del suelo hacién do los menos pro ductivo s agríco lamente y m ás propensos a acunar enf erm edades como la malaria y el den gue. La hipótesis geo gráfica también se sustenta en factores como la distancia a las costas o el relieve escarpado, que aumenta los costos de transporte. Para Colombia, Sánchez y Núñez (2000) encontraron que la geo graf ía afecta tanto el ingreso per cápita como su crecimiento, explican do entre el 36% y el 47% de la variación del ingreso p er cápita m unicipal y entre un 35% y 40% de la variación del cr ecim iento del ingreso per cápita municipal. Otra importante conclusión de este estudio es que las var iables geográficas parecen ser m ás significativas en el caso de lo s m unicipios pobres que en caso de los más r icos; en los primeros la geo grafía explica entre un 25% y un 32% de la variación del in greso per cápita y entre un 24% y 27% de la v ariación del cr ecim iento del in greso per cápita. En contraste en los m unicipios r ico s la geo grafía explica entre un 18% y un 25% de la variación del in greso per cápita y entre un 16% y 17 % de la variación del cr ecimiento del ingreso per cápita 6. En el estudio de Sánch ez y Núñez (2000), las var iables geo gr áficas que presentaron una m ayor influencia sobre las v ariables económicas f ueron la distancia a los mercados doméstico s y la pro ductividad del suelo. De acuerdo con lo s autores “Lo s m unicipio s m ás cercanos a lo s m ercado s doméstico s crecieron más que aquellos más alejados; esos r esultados im plican que la actividad económica se ha venido concentran do alrededor de esos m ercado s y. 6 Bonet (2007) argu menta que las condiciones geográficas de aislami ento que caracterizan la geografí a del Chocó , así como su intenso régi men lluvioso son factores determinantes para que este departamento se encuentre entre los más pobres del p aís.. 8.

(10) sugier e que se ha dado un desarrollo importante de las economías de escala alrededor de los m ercado s doméstico s, que a su v ez ref uerza el crecimiento de éstos” (p. 38). De acuer do con lo anterior la tendencia de la localización de la población y de la actividad económ ica en el país obedece a los planteamientos de Kr ugm an (1998), que busca explicar no solo la división del m undo en países industrializado s y no industrializado s, sino tambien la desigualdad regional al interior de éstos últim os y la em ergencia de centros ur banos gigantes, a través de la tensión de fuerzas centrípetas (econom ías de escala y co stos de transporte) y centríf ugas (inmovilidad de algunos factores) que explican los gr ados de concentración o disp ersión, respectivam ente, a lo largo de un territorio. Las regiones colombianas don de se concentra espacialmente el desarrollo económ ico han sido est udiadas por Galvis (2001), quien realizó un análisis de correlaciones esp aciales utilizando lo s depósitos bancario s y lo s recaudo s de im puestos locales per cápita como índices de la actividad económica a nivel m unicipal. El autor dividió el p aís en subregiones utilizan do en un a prim era categorización las regiones que denominó: “Trapecio An dino”, “Triángulo BMC” y “Corredor Co stero” 7, encontran do correlaciones positivas y significativas para las áreas contenidas en el “Trapecio Andino” y el “Triángulo BMC”. En un a segun da aproximación, el autor utilizó las subregiones def inidas por los CORPES8 sin encontrar resultado s signif icativo s, por último definió las siguientes sub-regiones: Región Central, Región Norte, Región del Chocó, Región Sur y Región Or iental 9, encontrando una corr elación positiva en las region es Norte, Centro y Sur. En la misma lín ea, el trabajo de Barón (2002) definió las r egiones económicas de Colom bia a través de la variable construida: “ Captaciones Departam entales del Sistema Finan ciero” par a lo s año s comprendidos entre 1975 y 2001, tomando un total de 24 departam entos; el autor realiza un an álisis de clu sters que le p erm ite definir las siguientes. 7 El “ Triángulo BMC” hace referenci a a las ciudades de Bogotá, Med ellín y Cali, “ Trapecio Andino” co mprende el área del Triángulo BMC más el área que se prolonga hasta Sant ander esp ecí ficamente a Bucaramanga y su área metropolitana. 8 CORPES (Consejos Regionales de Política Económica y Soci al), las regiones CORPES son: Caribe, CentroOriente, Centro -Occidente, Pací fico y Ori ental. 9 Región Central: Bogotá, Boyacá, Santander, Antioquia, Risaralda, Cald as, Quindío, Toli ma y Valle. Región Norte: Dep artamento de la Costa Caribe y Norte de Sant ander. Región del Chocó: Muni cipios que con fo rman el dep artamento del Chocó. Región Sur: Nariño, Cau ca, Huila y Putu mayo Región Oriental: Caquetá, Meta, Arauca, Casanare, Amazon as, Guainía, Guaviare, Vaup és y Vichada.. 9.

(11) regiones que pr esentan un comportamiento económ ico parecido: Región Central, Región Elite, Región Per iférica, Región Norte, Región Cafetera y Resto.. 10. Pérez (2005) hace también un análisis de la concentración de la po breza con base en los in dicador es de Necesidades Básicas Insatisfechas (NBI) y de Calidad de Vida (I CV) a nivel departamental y m unicipal, haciendo uso de la econometría espacial par a los años de 1985 y 1993. Los resultado s o btenido s m uestran evidencias significativas de depen dencia espacial a nivel departam ental y m unicipal, in dicando que la ubicación geo gráfica es im portante como determ inante de la po breza en el país. La gr an disp aridad en el desem peño económico a lo lar go del territorio colom biano que se ev idencia en la concentración de los niveles de la actividad económ ica en unas pocas ciudades y en las marcadas difer encias existentes entre las zonas periféricas del país y la zona central; pon e de manif iesto la importancia de reconocer el factor espacio dentro del análisis del desarrollo (uno de lo s componentes de este est udio).. 2.2 POBREZA Y MEDIO AMBIENTE De acuer do con el reporte so bre el Desarrollo Hum ano de las Nacion es Unidas, PNUD (2006), la po breza vía in gresos ha dism inuido en el m undo a partir de 1990. La proporción de la po blación mun dial que vive con menos de 1 dólar diar io ha bajado del 28% al 21%, a pesar de lo s av ances que se han alcanzado, este porcentaje contin ua sien do elevado en medio de una economía m undial m ás próspera. La relación de causalidad entre el m edio am biente y la con dición de pobr eza puede ser en dos v ías en la medida que los ho gares po bres ejercen m ayor presión so bre el capital natur al y la degradación am biental agudiza la con dición de po breza. La po breza es la car acterística más visible del subdesarrollo y está muy r elacionada con la porción de la población que habita en el sector rur al y se dedica a actividades agrícolas (Debraj, 2002). En todo el mun do, 900 millones de personas viven en la po br eza absoluta en las zonas rur ales, donde dep en den del con sum o y venta de pro ductos natur ales como forma principal de sustento (PNUD, 2003). El suelo, recur so s hídr ico s, p esqueros y forestales. 10. Región Central: Boy acá, Cundinamarca, Meta, Toli ma, Huila, Cauca y Nariño Región Élite: Bogotá, Antioquia, Atlántico y Valle. Región Peri férica: Caquetá y Chocó Región Cafetera: Caldas, Ris arald a, Santander, Norte de Santander y Quindío Región Norte: Bolívar, Cesar, Córdob a, Guajira, Magdal ena y Sucre. Resto: Arauca, Casan are, Amazon as, Guainía, Guaviare, Vaupés , Vi chada, Putumayo y San Andrés .. 10.

(12) contribuyen de manera importante en los in greso s de lo s hogar es pobr es ( Narain, Gupta y Van´t Veld, 2005, Cavendish, 1998 y Cavendish, 2000). Tam bién se ha an alizado el impacto so bre el medio am biente de fenómeno s comúnmente asociados a la pobr eza como la m igración y altas tasas de po blación (Cropper & Griff iths, 1994). Dasgupta, et al. (2003) buscaron las correlaciones esp aciales entre pobr eza y los problemas am bientales más com unes al nivel de las provincias y distritos para Cam boy a y la República Dem ocrática de Laos (deforestación, degradación del suelo, agua potable y alcantarillado y, por último, contaminación del aire dentro y f uer a del hogar). El est udio encontró que la pobreza no es un f actor decisivo para explicar la deforestación sin em bargo el nexo Pobreza/Am biente es muy fuerte par a el r esto de var iables m encionadas. También hay est udios que abogan por que esta relación no siem pre es negativa; Kámiche (2005) realizó un análisis empírico para Nicaragua del nexo entre pobr eza y degr adación am biental a través de la decisión que enfr entan los ho gares po bres de usar fertilizantes quím ico s u or gán icos, dado el diferente im pacto de cada uno so bre el suelo, encontrando que en la práctica la relación entre pobreza y degradación del suelo es po sitiva. Los r esultado s del estudio sugieren que la con dición de po br eza incrementa la probabilidad de utilizar fertilizantes orgánicos frente a los quím ico s, debido principalmente, a la existencia de incentivos económicos ya que los pr im eros son más baratos. La forma como el deterioro ambiental af ecta a los ho gares po bres se ha abordado principalmente a través las r estricciones que enfrentan en cuanto a acceso a servicios básicos como el agua potable, al uso de com bustibles que gener an polución al interior del ho gar y a una inadecuada dispo sición de las aguas servidas y de las basuras. Al respecto, Son gsor e y Mc Granahan (1993) r ealizaron un análisis so br e las dif erencias Intra- ur banas en las tasas de m orbilidad y m ortalidad, por enfermedad diarreica y enfermedades respiratorias en niños m enores de 6 años, en f unción de las dif erencias socioeconómicas. Los autores encontraron una f uerte correlación entre el ingreso y la prevalencia de diarrea en lo s niños; en el caso de las enferm edades respir atorias se encontró una relación m ás débil pero igualmente negativa. De acuer do con Maldonado (2004) en el debate so bre la relación entre pobreza y degr adación del medio ambiente, se postula lo que se conoce como un “Espiral Desen dente”, en la medida que la po breza contribuye a aum entar la presión so bre los recurso s natur ales, lo que a su vez agrava esta condición. Por otro lado, y en contraste a este po stulado, se p lantea que en la medida que las sociedades son más ricas la degradación de los r ecur sos natur ales tiende a ir en aum ento en vez de dismin uir. 11.

(13) En respuesta a este debate surge la h ipótesis de la Curva Ambiental de Kuznets ( CAK) para recon ciliar las dos perspectivas, ésta post ula que el crecimiento económico p uede tener un efecto negativo inicial so br e el m edio ambiente en los países en desarrollo y que esto se va dar hasta cierto um bral a partir del cual el crecimiento económico eventualmente se traducirá en beneficio s am bientales. Para Colombia, no existen mucho s est udio s sobre la relación entre po breza y medio ambiente. I báñez y Uribe (2003) realizaron una evaluación cualitativa de los efectos de las inversiones ambientales por parte de las entidades a car go en el país, so bre do s áreas particulares: la mitigación de la po breza y la activación del desarro llo económico del país, encontrando com o resultado que las inver sion es municipales en medio am biente denotan un aporte reducido en la dismin ución de la po breza y en dinamizar el crecim iento económico. Sin desconocer el car ácter m ultidim ensional de lo s tem as de desarrollo económico y de m edio am biente, la princip al m otivación de este análisis es el vín culo existente entre ellos, ampliamente analizado en la literatura, junto con la falta de est udio s encam inados de forma explícita a analizar las posibles relaciones existentes par a Co lom bia que además incluy an las m arcadas diferencias regionales tanto económ icas como am bientales que se presentan en el país.. 3. O BJETIVO S El presente trabajo de investigación tiene com o o bjetivo general ver ificar la relación propuesta entre pobr eza y m edio am biente. Par a este propósito se hará uso de h erramientas de la econometría espacial, por lo cual la especificación de un m odelo que explica la presión so bre el agua a nivel municipal, a través de variables relacionadas con la con dición de pobreza en los diferentes municipio s, tendrá en cuenta el componente espacial que caracteriza a las variables.. 3.1 HIPÓTESIS La relación entre m edio ambiente, m edido a través de la Deman da Biológica de Oxigeno ( DBO) y el Índice de Escasez del Agua Año Medio (IEAM), y la pobreza en el país se comporta com o lo sugiere la curva am biental de Kuznets. El análisis p ara los m unicipio s de Colom bia con base en información obtenida en un determinado momento del tiem po (Corte transversal) y bajo el supuesto de que lo s entes territoriales presentan el mismo patrón de crecim iento en el tiempo, arrojar á que los m unicipios po bres ( con ín dices bajos de Calidad de. 12.

(14) Vida o altos de Necesidades Básicas In satisf echas) gener an una presión so bre el recur so hídrico que es creciente en la medida que lo s municipio s que presentan m ayores n iveles de desarrollo económico generan una mayor dem an da de agua y causan m ayores externalidades negativas so bre el recur so derivadas de su uso, pero este com portam iento se presentará hasta un n ivel dado a partir del cual m enores índices de po breza estarán asociado s a un mejor desem peño en las variables hídr icas.. 3.2 O BJETIVO S ESPEC ÍFICOS A nivel específico, se trata de: •. Realizar un análisis anterior de las variables para ver si presentan autocorrelación espacial glo bal y local y determinar si es adecuado abordar el análisis supon ien do depen dencia espacial al tratar las var iables hídricas y de po breza.. •. Verif icar la existencia de depen dencia en la var iable explicada, en los residuo s o en ambos términos, p uesta de m anifiesto a través de los contrastes que se o btienen corriendo modelo s de regresión espacial.. •. Analizar estadísticam ente si la presión sobre el recur so esta relacion ada con el n ivel de pobreza a través de un m odelo econom étrico a la luz de la teoría de la Curva Ambiental de Kuznets que incluya el componente esp acial de las variables.. 4. M ETODOLOGÍA Siguiendo a Moreno y Vay á (2002) la autocorrelación espacial supone un incum plimiento de la h ipótesis de indepen dencia entre las observ aciones de una m uestra; esta depen dencia es de carácter multidireccional dado que el valor de la variable en una región puede estar afectado por el valor de ésta en una o var ias de las regiones que la ro dean. Para representar la interdep endencia en el espacio entre cualquier par de region es i y j se define la matriz de peso s espaciales w cuyos elem entos wij representan la inten sidad de la depen dencia existente entre las dos region es.. ⎡ 0 ⎢w 21 w= ⎢ ⎢ . ⎢ ⎣w N 1. w12 0 . wN 2. . .. w1 N ⎤ w2 N ⎥ ⎥ . ⎥ ⎥ 0 ⎦. (1). 13.

(15) Esta matriz puede construir se a través del cr iterio de contigüidad física 11 o de la distancia entre las regiones. Comúnmente esta m atriz se define con base en el concepto de contigüidad física de primer or den don de wij es igual a 1 si existe una frontera com ún entre i, j y a cero si no existe ningún tram o fronterizo común entre las dos unidades esp aciales. (Toral, 2001).. 4.1 AUTOCORRELACIÓN UNIVARIADA La depen den cia espacial a nivel un ivariante se refiere al contraste de la hipótesis n ula de existencia de una distribución aleatoria en el espacio de las variables a lo lar go del territorio.. 4.1.1 Autocorrelación Global Para analizar si las variables de forma indepen diente tiene algún com portam iento en el espacio, se usa el Ín dice de Moran que estima el grado de correlación entre las observaciones como una función de la distancia que las separ a, éste se define como: ⎛ ⎞ ⎛∑ ⎜ ⎟ ⎜ i n I =⎜ ⎟*⎜ ⎜ ∑ ∑ wij ⎟ ⎜ j ⎝ i ⎠ ⎝. − µ )( y j − µ ) ⎞ ⎟ ⎟ 2 ∑i ( yi − µ ) ⎟ ⎠. ∑ w (y ij. j. i. Donde n es el n úmero de o bservaciones,. wij. (2). es el elem ento en la matriz de pesos. y y espaciales correspon diente a las un idades espaciales i, j , y i , j son las o bservaciones p ara los r espectivos sitios y µ es la media de y . Este ín dice tiene una interpretación análoga al coeficiente de correlación conven cional, ya que sus valores se encuentran entre +1 ( que signif ica: fuerte correlación esp acial po sitiva) y –1 ( que significa: f uerte correlación espacial negativa). El ín dice se presentará a través de un gr áfico de dispersión en el cual es posible descomponer el tipo de asociación espacial en cuatro categor ías, cada una de las cuales. Suponiendo la matriz w co mo una cuadri cula si métrica; los criterios de vecindad que s e muestran a continuación, se conocen en la literatu ra, con los no mbres d e algunas d e las fich as del ajedrez:. 11. Criterio lineal : Serán vecinas de i l as regiones qu e co mparten el lado i zquierdo y/o d erecho de i Criterio Torre (Rook ): Serán v ecinas de i las regiones que comparten algún lado con i Criterio Al fil (Bishop): Serán vecinas de i las regiones que comp arten algún v értice con i Criterio Reina (Queen): Serán vecinas de i las regiones que comparten algún lado o v értice con i. 14.

(16) correspon de a los cuadr antes del plano cartesiano. El primer y tercer cuadrante representan una autocorrelación po sitiva y el segun do y cuarto representan una autocorrelación n egativa (Pérez, 2005).. 4.1.2 Autocorrelación Local Para hacer el an álisis de la tendencia de correlación sobr e la m uestra entera de observaciones prom ediando las var iaciones lo cales, con el fin de evaluar la existencia de posibles cluster s (áreas don de las variables se com portan localm ente de manera homogénea y signif icativa), se utilizará un ín dice desarrollado por An selin (1995), cuyo uso está bastante estan darizado y se cono ce con el nom bre de LI SA (Local In dicador of Sp atial Association) que se calcula como sigue: ⎛ ∑ wij ( yi − µ )( y j − µ ) ⎞ ⎜ j ⎟ Ii = ⎜ ⎟ ⎜ ∑i ( yi − µ )2 ⎟ ⎝ ⎠. (3). La suma de los LISAs de todas la o bservaciones es equivalente al in dicador glo bal de asociación espacial, I de Moran. Entre los resultados que arro ja el análisis LI SA se v an a tener en cuenta lo s siguientes: Un m apa de sign ificancia don de lo s diferentes tonos en la escala del verde, del m ás claro al más o scuro, corresponden al valor p par a el cual el estadístico I de Moran es signif icativo al 5%, 1%, 0.1% y al 0.01% respectivam ente y un m apa de clusters que r eúne la información del graf ico de disp ersión y del mapa de sign ificancia, m ostrando las zonas don de existe autocorrelación. estadísticamente significativa. discr iminada por. co lores. que. correspon den a lo s tipos de autocorrelación, análo go a los cuadrantes del plano cartesiano.. 4.2 AUTOCORRELACIÓN M ULTIVARIADA La autocorrelación espacial se p uede dar en la variable depen diente, en el térm ino de error, o en ambos a la vez. La autocorrelación en la variable en dógena repr esenta un Modelo Espacial Autorregresivo SAR ( Sp atial Autoregressive), mientras que si es en el térm ino de error constituye un Mo delo de Media Móvil Espacial SMA ( Spatial Moving Average) por últim o el modelo que in corpora las do s formas po sibles de autocorrelación espacial se cono ce como un m odelo SARMA proceso Autorregresivo Espacial y de Media Móvil ( Spatial Autoregr essiv e Moving aver age) (M ur,1999).. 15.

(17) 4.2.1 Modelo de Rezago Espacial (Modelo Espacial Autoregresivo) De m anera equiv alente a un proceso autorregresivo en series de tiempo, para el caso del Modelo de Rezago E spacial, se in cluye una f unción de la variable depen diente observ ada en otras ubicaciones a la derech a de la ecuación :. y =ρW1 y + Xβ1 + e. (4). µ ~ N(0, σ 2 I ) Donde y es el vector de observ aciones de la v ariable dep en diente,. ρ es el coeficiente. autorregresivo espacial, W1 y representa el rezago esp acial de la var iable en dógena y X es la m atriz de var iables in depen dientes con sus respectivos co eficientes β .. 4.2.2 Modelo de Error Espacial (Model o de Media Móvil Espacial) La variable depen diente no está corr elacionada por sí mism a, en este caso es el térm ino de error el que está correlacionado espacialmente, como se ve a continuación en la expresión de la form a reducida del modelo:. y = Xβ1 + ε. (5). ε = λ W2 ε + µ µ ~ N(0,σ 2 I ) Donde. y es el v ector de o bservaciones de la variable depen diente, X es la matriz de. variables in dep endientes y sus resp ectivos co eficientes β , W2 ε es la matriz de pesos espaciales m ultiplicada por el término de error ε y λ es el co eficiente autorregresivo espacial.. 4.2.3 Modelo Autorregresi vo Espacial y de Media M óvil T anto la variable depen diente com o el térm ino de error están autocorrelacionados espacialm ente:. y =ρ W1 y + Xβ 1 + ε. (6). ε = λ W2 ε + µ µ ~ N(0,σ 2 I ). 16.

(18) Donde y es el v ector de o bserv aciones de la v ariable depen diente, ρ es el coeficiente autorregresivo espacial,. W1 y es representa el r ezago esp acial de la variable y , X es la matriz. de var iables indepen dientes con sus respectivos coeficientes β , W2 ε representa el rezago espacial en el término de error ε y λ es el coeficiente autorregresivo esp acial. Los aspectos gen erales del análisis espacial perm iten entender la forma en que se va abor dar el estudio ante la pr esencia de dep endencia esp acial. E l soporte teórico sobr e el que se formularán lo s m odelos estimados con herram ientas de la econometría espacial, se presenta a continuación.. 5. M ARCO TEÓ RICO El sustento teórico de este trabajo es la hipótesis de la Curva Ambiental de Kuznets para explicar la sen da que relaciona la contam inación am biental y/o degradación de los recursos naturales y el crecimiento económico de un país. Este concepto que originalmente fue planteado por Kuzn ets (1955) para explicar el comportamiento de la desigualdad en el ingreso a medida que tiene lugar el desarrollo económico, se utilizó a partir de la década de los 90´s com o sustento teórico a nivel m acroeconóm ico par a analizar las relaciones medio ambiente y desarrollo. Específicamente se post ula que esta relación tiene forma de U invertida, lo cual im plica que en lo s primeros estados de una econom ía, asociados a bajos niveles de ingreso per cápita, se presentan bajo s niveles de contaminación y deterioro de lo s recursos naturales pero esta relación es creciente; a medida que aumenta el in greso aumenta tam bién la contaminación y el deterioro de lo s recur sos naturales, hasta un n ivel de ingreso a partir del cual, mayor ingreso per cápita implica una dismin ución en los niveles de contam inación. Lo anterior im plica que existe un niv el m áximo de contam inación a partir del cual la relación entre crecim iento económ ico y calidad am biental se invierte y pasa de ser positiva a negativa. En la Figura 4 se aprecia esta r elación, tomando (E=e/y), que se encuentra en el eje vertical, com o las em isiones per cápita y a (Y= y/p) com o el in greso per cápita representado en el eje hor izontal y p artiendo desde cero tanto para el nivel de emisiones y de ingr eso ; se aprecia cómo E aum enta a medida que aumenta el in greso hasta un um br al de in greso Y* a partir del cual se revierte el com portam iento de las em ision es.. 17.

(19) Figura 4Curva Ambiental de Kuznets. E dE =0 dY. dE >0 dY. dE <0 dY. Y Y* Fuente: To mado con modi ficaciones de Andreoni y Levinson (1998).. De acuer do con Panayotou (1993), este comportamiento se podría explicar por que el desarrollo im plica un cam bio estructural que se refleja en un a mayor conciencia so bre el v alor intrínseco del m edio am biente y se traduce en más y mejor regulación, sum ado a una mejor tecnología que f acilita procesos más lim pios. En los est udios existentes para la Curva Ambiental de Kuzn ets predom ina el carácter empírico don de al m odelar indicadores de impacto am biental y de degradación de lo s recursos naturales, se plantea un a f unción que p uede ser tanto cuadrática com o cúbica del in greso per cápita. De acuer do con Stern (2004), el mo delo estándar cuadrático se puede expr esar como:. ln( E / P )it = α i + γ t + β 1 ln(Y / P)it + β 2 (ln(Y / P)) it2 + ε it. (7). Donde E son las em isiones totales, P es la po blación y Y es el ingreso, los primeros do s térm inos son lo s interceptos que v arían de acuer do a los países o regiones i y con el tiempo t . Los supuestos del modelo son: el nivel de emision es per cápita puede ser diferente entre países a cualquier nivel particular de ingreso y la elasticidad del in greso es la misma en todos los países p ara un niv el de in greso dado. El punto máximo de emisiones se expresa com o:. τ = exp( −β 1 /(2β 2 )). (8). Entre los trabajos m ás recientes de estimación de la CAK que se han realizado se han expuesto conclusion es que soportan la ex istencia de la r elación prop uesta, mientras otros por su parte no encuentran nin gún sustento. Bar bier (2003) a partir de un análisis detallado de. 18.

(20) algunos contaminantes y su relación con el crecimiento económico ar gum enta que éste no necesariamente implica un m ejoram iento de la con dición de calidad am biental.. 6. ANALÍS IS DE DATOS Tradicionalm ente la estimación de la CAK se realiza a través de la variable In gr eso Per Capita y var iables para la degradación ambiental también en térm inos Per capita. Este análisis utiliza un enfoque al estilo de la CAK, para rev isar com o indicadores de po breza como el Índice de Calidad de Vida (I CV) y el de Necesidades Básicas Insatisfech as (NBI) se relacionan con variables ambientales com o la Demanda Bioló gica de Oxigeno ( DBO) Per cápita y el Ín dice de Escasez de Agua (IEAM) a nivel mun icip al A partir de un m apa digital de Colombia se o btuv ieron las co bertur as m unicipales que contienen la siguiente inform ación anidada básica: identificador del polígono, có digo, nom bre, área en hectáreas y jurisdicción de la CAR para cada m unicipio en el año 2000. Esta información está contenida en el Aplicativo Informar desarrollado por el In stituto de Investigación de Recur sos Biológicos Alexan der Von Humboldt, el sistem a además r ecopila datos relacion ados con los recurso s bioló gico s del p aís por lo cual también se tomaron las variables hídricas: DBO para m edir la contam inación del agua a nivel m unicipal en toneladas por año y el IEAM que se mide com o: la Demanda An ual de Agua sobre la Oferta An ual Reducida Año por 100, las dos var iables también estaban disponibles para el año 2000. Para el análisis de la po breza se utilizó el NBI que se encuentra disponible en el último censo realizado en el 2005, éste considera pobre una per sona que no tenga cubierta un a de las necesidades básicas def inidas12 , e in digente si tiene al menos dos. La variable se mide como el porcentaje de person as clasif icadas com o pobres dentro de cada m un icip io13 . Se utilizó también el I CV elaborado por el Departam ento Nacional de Planeación y disponible para el año 2003, que se def ine como un p untaje contin uo de 0 a 100 p untos que. 12. De acu erdo con ME RPD- DNP (2006) se considera co mo pobre a aquellos hogares o personas que tengan insatisfecha al menos una de cin co necesidades definid as co mo bási cas: Vivienda inadecuad a (Vivienda con piso de tierra o material precario en l as pared es), Vivienda sin s ervicios (Hogar sin agua por acueducto o, en áreas urbanas , sin conexión a alcantarillado o pozo séptico), Hacinamiento crítico (Nú mero d e personas por cu arto superior a 3), Inasistencia escol ar (Hog ar con niños de 7 a 11 años qu e no asisten a la es cuela) y Alta dependencia econó mica (Hogar con más de tres personas por miembro o cupado y cuyo jefe tenga, co mo máxi mo, tres años de educación primaria ap robados). 13 A aquellos municipios para los que no se cu enta con info rmación sufici ente el DANE asigna el máxi mo valor (100%) para la esti mación.. 19.

(21) resulta de la sum a de puntajes so bre las mismas variables evaluadas a través del NBI m ás variables adicionales de cap ital hum ano y segur idad social. 14 Las diferencias que se presentan entre los dos in dicadores se deben básicamente a la forma como se m ide cada uno dado que el I CV tiene en cuenta variables adicionales al NBI, a que cada ín dice correspon de a años dif erentes y a que el Índice de Necesidades Básicas Insatisfechas esta disponible para m ás municipios que el Ín dice de Calidad de Vida. En este análisis se hace el supuesto de que entre los años 2000 y el 2005 no se dio un cambio sustancial en términos de r educción de po breza en el país.. 15. A contin uación se presentan las estadísticas descriptivas para las variables que se van a utilizar: Cuadro 3 Estadísticas Descri pti vas de las Varia bles de A nálisis VARIABLES. UNIDAD. AÑO. OBSERVACIONES. MEDIA. VARIANZA. DESVIACIÓN ESTÁNDAR. Demanda Biológica de Oxígeno Per Cápita. Toneladas por Año. 2000. 1044. 0,22. 0,072. 0,27. Índice de Escasez de Agua Año Medi o. Porcentaje. 2000. 1044. 3,5. 333. 18. Índice de Calidad de Vida. Puntaje. 2003. 1044. 64. 42. 7. Índice Necesidades Básicas Insatisfechas. Porcentaje. 2005. 1044. 43. 385. 20. Área. Hectáreas. 2000. 1044. 89653. 93.677.698.856. 306.068. Fuente: Datos Aplicativo Informar (2000), DA NE (2005) y D NP (2003).Elaboración P ropia. 7. MODELO EM PÍRICO El modelo em pírico que se p lantea se baza en el po stulado de la CAK para form ular la relación entre las variables hídricas utilizadas y el nivel de desarrollo. Com o se explico. 14. “Este índice combina indicadores de bienes físicos (características de la vivienda y acceso a servicios públicos) con capital hu mano pres ente y potencial (años de educación de jefes de hogar y de mayores d e 12 años, asistencia es colar de niños y jóvenes ) y co mposición del hogar (h acin ami ento y proporción de niños menores de seis años)” MERPD- DNP (2006), p . 17. 15. Desafortunad amente no se contó con datos del mismo periodo para hacer el estudio de manera más precisa, sin embargo se an alizó el co mportamiento de las medid as de pobreza utilizadas, entre esos años (Ver Anexo 1) y no se encontraron diferencias significativas. Lo anterio r sugiere que es adecuado formular este supuesto y que no tiene i mplicaciones i mportantes sobre los resultados que se obtengan .. 20.

(22) anteriorm ente la causalidad de la relación entre degr adación ambiental y desarro llo puede ser de do ble vía, ésto implica que una hipótesis alternativa podría ser que la calidad y la disponibilidad hídr ica afectan el desarrollo económico. En este trabajo sigue la form ulación del m odelo estándar propuesto por la CAK sin desconocer que el pro blema queda abierto a la posibilidad de la aplicación de otros enfoques. En la definición del modelo empírico par a analizar la relación entre la v ariable de calidad del agua junto con la de escasez y el desarrollo económico a nivel m unicipal, se utiliza la forma fun cional defin ida en (1) que representa el comportamiento de la Curva Am biental de Kuznets: ln( DBOPC) i = α i + β1 ln(POBREZA) i + β 2 (ln( POBREZA)) 2i + β3 ln( AREA) i. (9). ln( IEAM ) i = α i + β 1 ln(POBREZA) i + β 2 (ln( POBREZA)) 2i + β 3 ln( AREA) i. (10). Donde las variables dep endientes son: DBO como una medida de la calidad del agua e IEAM para medir la disponibilidad hídrica, las var iables explicativas corresponderán a los índices de po breza que se van a trabajar como una variable proxy para desarrollo económ ico de cada m unicipio y su respectivo cuadrado, adem ás se in cluyó la variable AREA dado que el desarrollo económico se encuentra concentrado en un a extensión pequeña del territorio m ientras una vasta parte compren de r egiones en las que la presión sobre el recurso tiene un efecto margin al por sus características geo gráficas e hidro lógicas. El an álisis univar iado y multivariado r equier e de la def inición de la m atriz de pesos espaciales w , que como se explicó anteriormente se usa p ara crear los rezagos esp aciales que son un prom edio de los valores vecino s. El criterio de vecin dad que se escoja determinará los valores vecinos sobr e lo s que se h ará el prom edio. En este trabajo se utilizarán m atrices del tipo torre (Rook) debido a que si no se tiene nin gún criterio de decisión adicional, las propiedades de esta matriz, son las más deseables al trabajar con polígonos irr egulares como en este caso, además porque este criterio tiene en cuenta un m enor número de municipios vecino s; de esta manera las o bservaciones vecinas ten drían una m ayor influencia so bre la variable.. 8. RES ULTADO S Tomando el NBI, que se encuentra disponible para un m ayor n úmero de m unicip ios, en el Map a 1 se p uede apreciar la distribución de la po breza en el país; p ara r econocer a pr iori las po sibles correlaciones que se pueden estar presentando.. 21.

(23) Como se había en unciado anteriorm ente la localización de lo s m unicipio s que presentan lo s m ayores ín dices de pobr eza, correspon den en su mayoría a las r egiones periféricas del país relacionadas con lo s extremos o fronteras. Es así como entre las r egiones m ás pobres se encuentran el o ccidente nariñense, Chocó, Caquetá, sur del Meta, Amazonas, Putum ayo y Guainía, m ientras al interior del país las zonas más po bres se encuentran en el Piedemonte Llanero y en la Costa Atlántica, en lo s departam entos de Córdo ba, Sucre y el sur de Bo lívar. Entre las r egiones con m ayor desarrollo económico, se destacan el Valle del Cauca y el Eje Cafetero, Antioquia, la Sabana Cun diboy acen se, Huila y Tolima. En el norte del país, se encuentran en condición económ ica favorable, parte del departam ento del Atlántico, alrededor es de Cartagen a ( Bolívar) y de Cúcuta ( Norte de Santan der) y algunos mun icip ios de los Llano s Or ientales (Meta y Casanar e).. Ma pa 1 Percentiles para Índice de Necesida des Básicas I nsatisfechas (2005). Fuente: Estimación propia en GeoDa™. Con r esp ecto a la contam inación hídrica, como se aprecia en el Mapa 2, se tiene que la m ayoría de los m unicipios en la r egión central se agrupan en lo s tres últim os percentiles, lo cual in dica que en esta zona se ejerce una influen cia negativa im portante sobre la calidad del recurso a excep ción del departamento de Antioquia, don de la m ayoría de los m unicipio s se ubican en el segundo per centil que r epresenta las m enores em isiones de DBO per cáp ita.. 22.

(24) Mapa 2 Percentiles Dema nda Biológica de Oxigeno per capita m unici pal (2000 ). Fuente: Estimación propia en GeoDa™. En el Mapa 3, se observ a cómo en la región central, al igual que al norte y noroccidente del país, la m ayoría de m unicipios se ubican en el cuarto percentil que implica altos índices de escasez de agua en un año promedio, sin embargo el resto del país en especial las zonas perif éricas se ubican en lo s percentiles uno y do s; in dicando bajo riesgo de desabastecim iento hídr ico.. 23.

(25) Mapa 3 Índice de Es casez de Agua año Medio a nivel m unicipal (2000). Fuente: Estimación propia en GeoDa™. 8.1 ANÁLIS IS UNIVARIADO Las diferencias regionales que se presentan para las var iables de interés justifican a priori, hacer uso de los estadísticos de dependencia espacial a n ivel glo bal y local p ara determinar la existencia de p atrones significativos de asociación esp acial en la distribución de las v ariables en el territorio. Este an álisis se realiza contin uación.. 8.1.1 Análisis de Correlación Global En la Figura 5 se presentan los diagram as de disper sión del estadístico I de Moran para el Ín dice de Calidad de Vida y el de Necesidades Básicas In satisf echas par a contrastar la presen cia de un esquema de autocorrelación espacial glo bal. En el diagram a la línea de regresión que atraviesa los puntos distribuido s dentro de los cuatro cuadrantes representa el valor del estadístico. El estadístico I de Moran para los in dicador es de po breza I CV y NBI es de 0.5584 signif icativo al 1% (valor p de 0.0010) y de 0.6247 sign ificativo al 1% (valor p de 0.0010), respectivamente; lo anterior muestra que hay una corr elación po sitiva entre las variables (eje x) y sus respectivos retardos espaciales (eje y). La disper sión de lo s puntos en el plano entre los cuadrantes I y III, im plica que las poblaciones con un I CV alto están ro deadas de poblacion es que tam bién tienen un alto ICV ( cuadrante I) y las poblaciones con un bajo ICV. 24.

(26) están rodeadas de po blaciones que presentan un bajo ICV (cuadrante III), se p uede hacer el análisis equivalente para la variable NBI. Figura 5 Análisis de Auto correlació n Global: Diagra ma de Dispersión del Esta dístico I de Moran para las Varia bles ICV y NBI. (A). (B). Fuente: Estimación propia en GeoDa™. Para la variable que mide la calidad del agua (DBO per cápita), en la figura 6.A se observa una correlación po sitiva y significativa al 5% entre las o bservacion es de la var iable y el rezago espacial de ésta (I de Moran de 0.0459 con un valor p de 0.0150). Por su parte la variable que mide la disponibilidad del recurso (I EAM) Figura 6. B, tiene un índice de autocorrelación global positivo de 0.0138 que no es signif icativo (valor p de 0.1090).. Figura 6 A nálisis de A utoco rrelación Global: Diagrama de Dispersión del Esta dístico I de Mora n para las Variables DB O per cápita e IEAM (A). (B). Fuente: Estimación propia en GeoDa™. Los resultado s o btenido s del análisis de depen dencia glo bal a nivel univariante m uestran; la presencia de autocorrelación esp acial positiva y, con excepción de la variable. 25.

(27) IEAM, significativa. De este apartado tam bién se puede con cluir que las m edidas de pobreza presentan una mayor corr elación espacial que las v ariables hídricas.. 8.1.2 Análisis de Correlación Local Si bien el test de autocorrelación anteriormente descrito es válido para contrastar la presen cia de un esquem a estadísticamente significativo de autocorrelación, éste es calculado de forma conjunta para toda la muestra lo cual impide conocer si existen clusters de m unicipios localizados en áreas específicas del territorio donde se concentren valores m ás elevados o m ás bajo s que en el r esto del país. En esta sección se procede al cálculo del estadístico LI SA El análisis de corr elación local univ ariado p ara el Índice de Necesidades Básicas Insatisfechas se muestra en los Mapas 4 y 5 y para el Índice de Calidad de Vida en los Mapas 6 y 7. Lo s Mapas 4 y 6 muestran agr upacion es tanto de m unicipio s que de acuer do con los índices no se con siderarían po bres cómo de lo s que si están dentro de esta clasif icación. El color rojo par a el caso del I CV (azul par a el NBI) r epresenta lo s clu sters de m unicipios que m uestran mejores in dicadores, básicamente: en la Región Andina, en la Costa Atlántica y parte de los Llanos Orientales, mientras en azul ( Rojo para el NBI) se identifican lo s clusters de po breza don de el sur del país pr esenta una propor ción im portante de lo s m unicipios m ás pobres. En lo s Mapas 5 y 7, tras el cóm puto del contraste I i , se resaltan aquellas regiones que presentan lo s valores significativos de dicho contraste. Lo s c luste rs identificados en los Mapas 5 y 7, en su m ayoría, son signif icativos al 1 y 5 %.. 26.

(28) Ma pa 4 LISA (Local Indicato r of Spatial Association) Clusters NBI. Fuente: Estimación propia en GeoDa™. Ma pa 5 LI SA (Lo cal I ndica tor of Spatial Associatio n) Sig nificancia NBI. Fuente: Estimación propia en GeoDa™. 27.

(29) Ma pa 6 LISA (Local Indicato r of Spatial Association) Clusters ICV. Fuente: Estimación propia en GeoDa™. Ma pa 7 LISA (Local Indicator of Spatial Association) Significancia IC V. Fuente: Estimación propia en GeoDa™. Los Mapas 8 y 9 evidencian la ex istencia de cluste rs ( sign ificativos al 5 y 1%) de m unicipios que ejercen m enor presión sobre los recurso s hídricos, básicamente en los departam entos de Antio quia, Meta y Nariño como lo m uestran las áreas azules. Par a el caso de cluste rs de contaminación del agua éstos se presentan en los dep artamentos de Norte de. Santander, Santander, Boyacá, Cun dinamarca y Valle del Cauca, como lo muestran las áreas en rojo.. 28.

(30) Ma pa 8 LI SA (Lo cal I ndica tor of Spatial Associatio n) Cl usters DB O per cápita. Fuente: Estimación propia en GeoDa™. Ma pa 9 LI SA (Lo cal I ndica tor of Spatial Associatio n) Sig nificancia DBO per cápita. Fuente: Estimación propia en GeoDa™. En los Mapas 10 y 11 para la var iable Ín dice de Escasez de Agua Año Medio, se observa claramente que las zonas periféricas representan agr up acion es de m unicipio s con poco riesgo. de desabastecimiento hídrico. La autocorrelación. que predomina es. estadísticamente sign ificativa al 1% , p ara las regiones que no presentan pro blem as de escasez de agua que están rodeadas de regiones con características sim ilar es; se p uede o bservar que en los departam entos de Antioquia y Casanare, por ejem plo, existe un cluster de m unicipios que 29.

(31) no enfrentan problemas de desabastecimiento hídrico con un nivel de significancia del 5%. Para el caso de de alguno s m unicipios de los departamentos de Cundinam arca, Tolim a, Santander, Bolív ar y Atlántico, existen autocorrelaciones bastante significativas entre m unicipios que enfrentan problemas de insuficiencia hídrica. Ma pa 10 (Local Indicato r of Spa tial Association) Clusters IEA M. Fuente: Estimación propia en GeoDa™. Ma pa 11 LISA (Lo cal I ndicator of Spatial Associatio n) Significancia I EA M. Fuente: Estimación propia en GeoDa™. 30.

(32) 8.2 ANÁLISIS MULTIVARIADO Aunque las variables depen dientes DBO per capita e IEAM están autocorrelacionadas positivam ente en el esp acio, el valor del estadístico I de Moran en lo s do s casos f ue reducido y no signif icativo par a la variable I EAM; por lo tanto no es evidente que el modelo espacial m as adecuado sea el de rezago espacial. Partiendo del mo delo propuesto en la ecuación 9, al realizar la estim ación por M CO 16 , como se m uestra en el Cuadro 4, se obtiene como resultado un ajuste del modelo de 2.45 % y de 3% utilizando como variables exp licativas lo s do s ín dices de po breza prop uestos: I CV y NBI, respectivam ente. Las v ariables exógenas son estadísticamente significativas y tienen el signo esperado lo cual in dica que la relación prop uesta entre la contaminación hídr ica a niv el m unicipal se com porta com o una parábola invertida, de acuer do a la formulación teórica de la Curva Am biental de Kuznets. Cuadro 4 Es timación a tra vés de Míni mos Cuadrados Ordi narios del Mo delo 9 utili zando como varia bles independientes las dos m edi das de po breza. Variables independientes. Variable dependiente LN DB O -60.458. Variables independientes. Variable dependiente LNDB O -3.643. CON STANTE. (0.000) ***. C ON STAN TE. (0.000) ***. LNIC V. (0.000) ***. LN NB I. (0.000) ***. 28.765. 1.332. -3.491 LNIC V2. (0.000) ***. -0.190 LN IB I2. -0.0400 LN AR EA. (0.000) ***. (0.000) *** -0.0296. LN AR EA. (0.014) **. ESTADISTIC O DE PR UEB AS DEL MODELO 0.024. R2. 0.030. -632.242. Log likelihood. -628.84. A kaike inf o criterion. 1272.48. Akaike inf o criterion. 1265.68. Schwarz criterion. 1292.29. Schwarz criterion. 1285.48. N. 1044. N. 1044. R. 2. Log likelihood. DIAGNOSTIC O DE DEPEN DEN CIA ESPAC IAL 110.073 Lagrange Multiplier (lag). (0.000) ***. 106.750 Lagrange Multiplier (lag). (0.000) ***. 16. Entre l as formas fun cionales posibles s e prefirió el modelo LOG-LO G definido en l a ecuación 1 po r la sencillez d e la interpretación de sus coeficientes que represent an el asticidades, su mado a que la estimación de este tipo de mod elos permit e solucionar problemas de heterocedasticidad , de existencia de observaciones atípicas y de distribuciones asi métricas en los residuos. Esta especi ficación, ad emás, mostró los mejores resultados reportados para los datos y la relación no lineal propuesta.. 31.

(33) 1.348 R obust LM (lag). 1.316. (0.245). R obust LM (lag). (0.251). 115.712 Lagrange Multiplier (error). 112.355. (0.000) ***. Lagrange Multiplier (error). (0.000) ***. Robust LM (error). (0.008) **. Lagrange Multiplier (SA RMA). (0.000) ***. 6.986. 6.921. R obust LM (error). (0.008) **. Lagrange Multiplier (SAR MA ). ( 0.000) ***. 117.060. 113.672. Variable sig nificativa al (*) diez por cie nto, (**) cinco por cie nto y (***) uno por cie nt o.. Fuente: Estimación propia en GeoDa™. En la Figura 7 se muestra que el punto de quiebre de la relación entre la contaminación hídrica m edida a través de la Dem anda Bioló gica de Oxigeno Per capita y NBI, se presenta cuan do el valor del logaritm o del ín dice es 3,50 que en niveles repr esenta un NBI de 33,11%. Esto implica que mun icip ios con un. porcentaje de ho gar es con necesidades básicas. insatisfechas por debajo del 33%, se pueden aso ciar a lo s m unicip ios que gener an m enores niveles de contaminación hídr ica en términos de DBO. Figura 7 R elación LN DBO y LN NBI. 0 -0,5. 0. 1. 2. 3. 4. 5. -1. LN DBO. -1,5 -2 -2,5 -3 -3,5 -4 -4,5 LN NBI. Fuente: D atos Aplicativo Informar (2000), DA NE (2005)y D NP (2003).Elaboración Propia. Los resultado s que se m uestran en el Cuadro 4, quedan invalidado s p uesto que los contrastes de los m ultiplicadores de Lagr ange par a el rezago (LM-LAG), para el error (LMERR) y para am bos ( SARM A), que se muestran en la salida que resulta de correr la regresión por MCO en Geo Da™, r echazan la hipótesis n ula de no ex istencia de autocorrelación espacial lo cual im plica que es adecuado formular un m odelo espacial par a corregir la depen dencia que presenta el m odelo. A continuación se presentan los tres m odelos esp aciales posibles:. 32.

(34) LNDBO= α + β1WLNDBO+ β 2 LNPOBREZA + β 3 ( LNPOBREZA) 2 + β 4 LNAREA LNDBO= α + β1 LNPOBREZA + β 2 ( LNPOBREZA) 2 + β 3 LNAREA + β 4WERROR. (11) (12). LNDBO= α + β1WLNDBO+ β 2 LNPOBREZA + β 3 ( LNPOBREZA) 2 + β 4 LNAREA + β 5WERROR (13). Donde WLNDBO representa la var iable depen diente rezagada en el espacio y WERROR incluye la dep en dencia espacial en los residuo s. En el Cuadro 5 se presentan los r esultado s obtenidos para lo s tres m odelos esp aciales que se estim aron utilizando com o variable depen diente el Ín dice de Necesidades Básicas Insatisfechas, ya que con esta variable exó gena el mo delo presentó un mayor R2 en la estim ación por M CO. Los mo delo s presentan un mejor ajuste que se refleja en un error están dar más bajo que el o btenido a través de MCO ya que tanto el estadístico Akaike como el criterio de Schwarz son inferiores en los m odelos espaciales, además presentan un v alor de verosimilitud m ayor17 . Para el modelo de rezago espacial, el m odelo de error espacial y en el m odelo SARMA, todas las variables son signif icativas y tienen los signos esperado s conf irmando la relación en form a de U invertida entre el desarrollo y la contam inación hídr ica a nivel de los m unicipios de Co lombia par a un m om ento dado del tiem po. Con respecto a la depen dencia espacial, el único m odelo que corrige el efecto esp acial, es el modelo Autoregr esivo Espacial y de Media Móvil ( SARMA) com o lo m uestra el Likelihoo d Ratio Test; de los tres, es el único modelo para el que no se r echaza la hipótesis de no autocorrelación esp acial. Cuadro 5 Estimación de los tres posi bles modelos es paciales. MODELO. R ezago Espacial. Variables independientes. Error Espacial. Autorregresivo Espacial y de Media Móvil. Variable dependiente LN DBO 0.377. 0.027. W_LNDB O. (0.000)*** -2.652. (0.027) ** -3.564. -3.449. C ONSTAN TE. (0.000)***. (0.000)***. (0.000) ***. 1.054. 1.175. LN NBI. (0.000)***. (0.000)***. 1.175 (0.000) ***. 17. El R2 que se obtiene al correr el modelo por Míni mos Cuadrados Ordinarios no es co mprable con el que se obtiene en modelos esti mados que incorporan un co mponente espacial debido a que estos son modelos estimados por Máxi ma Verosi militud.. 33.

(35) LN IBI2 LNA REA. -0.148. -0.163. -0.165. (0.000)***. (0.000)***. (0.000) ***. -0.02111306. -0.017. -0.021. (0.064)*. (0.216) 0.411. (0.055)*. (0.000) ***. (0.000) ***. W ERR ORNBI. 0.630. ESTADISTIC O DE PR UEB AS DEL MODELO R. 2. Log likelihood. 0.133. 0.143. 0.159. -585.002. -582.460. -554.47. A kaikeinf o criterion. 1180. 1172.92. 1120.94. Schwarz criterion. 1204.76. 1192,724. 1150.64. N. 1044. 1044. 1044. DIAGNOSTIC O DE DEPEN DEN CIA ESPAC IAL Likelihood Ratio Test. 87.675. 92.758. 0.194. (0.000)***. (0.000)***. (0.659). Variable sig nificativa al (*) diez por ciento , (**) cinco por cient o y(***) u no por cie nt o.. Fuente: Estimación propia en GeoDa™. El análisis para el Ín dice de Escasez de Agua a través de la estimación por MCO del Modelo 10, que se pr esenta en el Cuadro 6, m uestra un m ayor ajuste que en el análisis que se hizo para contaminación. El desarro llo de los municipio s estaría explican do un 16 %, aproximadam ente, de la dispon ibilidad del recur so hídrico (enten dida como la r elación entre oferta y dem an da). Para el m odelo que se estima con el Índice de Necesidades Básicas Insatisfechas se tiene que ni ésta variable ni su cuadrado son significativas, sin em bar go, no ocurr e lo m ismo al utilizar el Ín dice de Calidad de Vida donde to das las var iables son signif icativas, por lo cual se va a utilizar ésta com o variable dependiente en la estimación de los m odelos espaciales. Los signo s de la variables in dependientes m uestran que, contrario a la forma propuesta por la Curva Am biental de Kuznets, la relación entre la disponibilidad del recuso hídrico y el desarrollo tiene form a de U; m un icip ios muy po bres tienen pro blemas de escasez de agua, como es el caso de municipios de la Costa Atlántica, y en la medida que lo s m un icip ios son m enos po bres presentan menores problemas de abastecim iento hasta un p unto a partir del cual un m ayor desarrollo esta ligado a mayores ín dices de escasez de agua; como es el caso de región central, don de la demanda de agua es muy alta y la oferta no es suficiente, por las características hidro lógicas de la región y por la m ayor presión a la que se expon e el recurso. En la Figura 8 se puede apreciar la concavidad de la relación entre el Índice de Escasez Hídrico y el Índice de Calidad de Vida. El punto a partir del cual cambia el comportam iento;. 34.