UNIVERSIDAD NACIONAL JORGE BASADRE GROHOMANNESCUELA DE POST GRADOMAESTRIA EN GESTION Y DESARROLLO SOSTENIBLE

ESTIMACIN DE LOS BENEFICIOS SOCIALES, MEDIANTE LA DISPONIBILIDAD A PAGAR POR UN CAMBIO EN LA CALIDAD DEL AGUA DEL RO LOCUMBA JORGE BASADRE, TACNA

MAESTRANTE: Ing. JOSE LUIS ARIAS CALIZAYACURSO: ECONOMIA AMBIENTALSEMESTRE: ITACNA - PERU

INDICE

I.- INTRODUCCION.....3II.- ANTECEDENTES..3III.- OBJETIVOS...4IV.- MARCO TEORICO...4 V.- METODOLOGIA.8VI.- RESULTADOS11VII.- CONCLUSIONES..14VIII. BIBLIOGRAFIA..15IX.- ANEXOS..16

ESTIMACIN DE LOS BENEFICIOS SOCIALES, MEDIANTE LA DISPONIBILIDAD A PAGAR POR UN CAMBIO EN LA CALIDAD DEL AGUA DEL RO LOCUMBA JORGE BASADRE, TACNA

I.- INTRODUCCIN

En la cuenca del ro Locumba se ha identificado fuentes de contaminacin como son: vertimientos de aguas residuales industriales y domsticos; botaderos de residuos slidos municipales y fuentes de aguas naturales que requiere caracterizar para evaluar su aporte. Se registraron11 vertimientos a los cuerpos naturales de agua, de los cuales 02 son industriales y 09 son del tipo domstico. Las empresas que realizan los vertimientos de aguas residuales industriales son: Southern Copper y la empresa Agroindustrial del Per S.A.C. Por otro lado, la mayora de centros poblados as como distritos inmersos en la cuenca del rio Locumba, realizan vertimientos de aguas residuales domsticas sin tratamiento y sin Autorizacin por parte de la Autoridad Nacional del Agua; por otro lado, existen centros poblados que poseen pozos spticos donde tratan sus aguas residuales domsticas.

II.- ANTECEDENTES

En la actualidad la Cuenca del Ro Locumba est siendo fuertemente alterada debido al impacto negativo que las comunidades aledaas (urbanas y agrcolas) estn ocasionando sobre la calidad de sus aguas. Dicha agresin ambiental hacia sus ros es debido generalmente por la utilizacin de agroqumicos (pesticidas y fertilizantes) que ingresan al ro de manera superficial o por filtracin y a ello se suma, el ingreso de materia orgnica, debido a las aguas residuales (desages) que no tienen tratamiento alguno y que llegan directamente al cuerpo de agua por falta de servicios de saneamiento ambiental y de un sistema de alcantarillado adecuado para la zona. La contaminacin de los ros tributarios que integran la cuenca del Ro Locumba contribuyen sinergticamente al arrastrar los residuos orgnicos e inorgnicos desde una poblacin a otra aguas abajo, incrementando la cantidad de materia orgnica en toda esta cadena de arrastre de contaminantes. Todo esto est cambiando la calidad del agua de la Cuenca del Ro Locumba y as como la salud de la poblacin ubicada ro abajo, debido a los agentes patgenos que son transportados por estas aguas provenientes desde una poblacin altitudinalmente superior.

III.- OBJETIVOS

Objetivo General:

Valorar econmicamente el cambio en la calidad del agua generada por la construccin de una planta de tratamiento primario y secundario para el Ro Locumba.

IV.- MARCO TEORICO

1. UBICACIN GEOGRAFICA Y LIMITESLa provincia Jorge Basadre est ubicada al noroeste de la Regin Tacna a la que pertenece. Comprendida entre las coordenadas 17 25 00 Latitud Sur y 70 30 37 Latitud Oeste.La Provincia de Jorge Basadre tiene los siguientes lmites: Por el Norte: Regin Moquegua Por el Sur: Provincia Tacna Por el Este: Provincia Candarave Por el Oeste: Ocano Pacifico

1.1.- UBICACIN DEL DISTRITO DE LOCUMBA:Se encuentra ubicada sobre la margen derecha del ro del mismo nombre, en la provincia de Jorge Basadre, Regin Tacna, adems se encuentra en las coordenadas 17 36 35 Latitud Sur y los 70 45 39 de Longitud Oeste, presenta un clima semi clido a clido durante el da y con temperaturas templadas por las noches.

Imagen N 1: Ubicacin del rio locumba

2. SUPERFICIE Y ALTITUDLa provincia de Jorge Basadre tiene una extensin total de 2,928.56 km2, siendo el distrito de Ilabaya el de mayor extensin (1111.39 km2), siendo este distrito que por su altitud se puede sealar que tiene dos regionales altitudinales costa y sierra, el distrito de Ite se encuentra en el nivel ms bajo (174 km2). En el cuadro siguiente se detalla las superficies, coordenadas y altitud por distrito.

3.- POBLACIN

El comportamiento de la poblacin provincial y distrital, descansa en la dinmica socioeconmica que se generan en cada uno de sus pueblos, comunidades, anexos y distritos, en ese sentido, el estancamiento y la baja de la produccin de los sectores productivos, especialmente el agrcola, est generando segn los censos de 1981, 1993, 2005 y 2007 un proceso de disminucin sostenida de la poblacin, tal es as que en 1981, la Provincia Jorge Basadre tena 15,551 habitantes y segn el censo del 2007, tiene 9,872 habitantes que demuestra un decrecimiento poblacional sostenido; de la poblacin actual 5,920 pobladores son varones que representa el 60.0% y 3,952 mujeres que representa el 40.0%, ubicados desde el Litoral peruano hasta las comunidades Alto Andinas de la Provincia.Segn el censo poblacional del ao 2007, realizado por el Instituto Nacional de Estadstica e Informtica, la Provincia Jorge Basadre, con su capital distrito de Locumba, tiene una poblacin de 2,159 habitantes, de los cuales 1,248 son hombres que representa el 57.8 % y 911 son mujeres que representan el 42.2%; siendo la agricultura la principal actividad econmica del distrito de Locumba, la poblacin reside en la zona rural aproximadamente el 54.0% y el 46.0% reside en la zona urbana. Existe una poblacin flotante que por efecto de las siembras y cosechas llegan al valle de Locumba; Asimismo, se debe resaltar la presencia de una poblacin estimada en 100,000 peregrinos que llegan al Santuario del Seor de Locumba, durante el mes de septiembre de cada ao.

4.- ENFERMEDADES DE ORIGEN HDRICO

Diferentes estudios epidemiolgicos han centrado sus esfuerzos en las ltimas dcadas, a fin de determinar cierto tipo de relacin entre la contaminacin hdrica y el bienestar de las personas. Los resultados de estas diferentes investigaciones empricas, en diversos contextos, han logrado determinar un tipo de relacin directa entre los niveles de contaminacin hdrica y los niveles de morbilidad observados para la poblacin. Para el caso de los pases en desarrollo, la Organizacin Mundial de la Salud (OMS, 2004) ha encontrado que las enfermedades asociadas con la contaminacin del agua son la principal causa para la mortalidad. El Per, en su condicin de pas en vas de desarrollo, no ha sido la excepcin a este hecho, y las enfermedades diarreicas agudas (EDA) son una de las principales causas de morbilidad entre los grupos de menores ingresos principalmente.Segn el informe del CNUMAD (1992), se estimaba que el 80% de todas las enfermedades y ms de un tercio de los fallecimientos en los pases en desarrollo se deban al consumo de agua contaminada, es decir de mala calidad, y que en promedio, hasta la dcima parte del tiempo productivo de cada persona se perda a causa de enfermedades relacionadas con el agua.

Imagen N 2: Contaminacin del Rio Locumba

V.- METODOLOGIA

1.- TAMAO DE LA MUESTRA

La poblacin estudiada, estuvo constituida por todos los hogares de los anexos y distrito de Locumba que no cuentan con sistemas de agua y saneamiento bsico. La unidad de anlisis fueron los hogares, y la unidad de muestreo las viviendas de dichas hogares. La poblacin calculada como muestra representativa estuvo constituida por 40 hogares. La informacin fue recolectada entre el 15 de febrero al 15 de Marzo del 2015, mediante la aplicacin de una encuesta estructurada, realizada a las personas responsables del hogar.

2.- MTODO DE LA VALORACIN CONTINGENTE Los dos modelos anteriores se suelen calificar de indirectos por el hecho de estimar la valoracin por comportamientos que se revelan en el mercado. El mtodo de valoracin contingente, en cambio, se incluye entre las formas de valoracin directa, en concreto por encuesta. En el mtodo de la valoracin contingente, los cuestionarios juegan el papel de un mercado hipottico, donde la oferta viene representada por la persona entrevistadora y la demanda por la entrevistada. Existen numerosas variantes en la formulacin de la pregunta que debe obtener un precio para este bien sin mercado real. Un procedimiento tpico es el siguiente: la persona entrevistadora pregunta si la mxima disposicin a pagar sera igual, superior o inferior a un nmero determinado de pesetas. En caso de obtener "inferior" por respuesta, se puede repetir la pregunta disminuyendo el precio de salida. Finalmente, se suele preguntar cual sera el precio mximo que pagara por el bien, teniendo en cuenta sus respuestas anteriores. La persona entrevistada se encuentra en una situacin parecida a la que diariamente se enfrenta en el mercado: comprar o no una cantidad determinada de un bien a un precio dado. La diferencia fundamental es, naturalmente, que en esta ocasin el mercado es hipottico y, por lo general (hay excepciones), no tiene que pagar la cantidad que revela. Este mecanismo puede resultar en un sesgo, generalmente llamado estratgico, que est relacionado con el incentivo o desincentivo a revelar el "verdadero" precio, lo que ha motivado algunas crticas al mtodo.

2.- DEFINICIN DE LAS VARIABLES

En el presente trabajo se hace la valoracin econmica del cambio en la calidad del agua generada por la construccin de una planta de tratamiento primario y secundario para el Ro Locumba. A partir de estas estimaciones, se pretende calcular la contribucin al bienestar total de los habitantes de la zona de Locumba y anexos, gracias al programa de reduccin en la contaminacin del ro. Con el tratamiento primario, desaparecern los olores ftidos y los slidos flotantes desagradables que se presentan en la actualidad. No obstante, este tratamiento har que el agua tenga un olor caracterstico, que se describe como rancio, mohoso, aejo. Con el tratamiento secundario, desaparecern todo tipo de olor y el ro recuperar su color natural. Con un proceso de desinfeccin en el tratamiento secundario, se reducir drsticamente la poblacin de agentes patgenos dentro del ro.

Especficamente, se utiliza el mtodo de valoracin contingente para estimar la disponibilidad a pagar de los habitantes de la zona por diferentes niveles de calidad relacionados con diferentes niveles de flujos de servicios provistos por el ro una vez ya est descontaminado. Se pretende estimar:

X1 Variable continua que representa la distancia en kilmetros del hogar al ro.

X2 Variable binaria que toma el valor de 1 si existe percepcin de malos olores y 0 si no existe percepcin.

X3 Variable que representa el nmero de meses que se perciben al ao los olores ftidos del ro Locumba.

X4 Variable continua que representa el nmero de das que percibi los malos olores en el mes pasado.

X5 variable binaria que toma el valor de 1 si el tipo de olor percibido es constante y 0 si el tipo de olor percibido es temporal.

X6 Variable independiente continua que representa el precio hipottico a pagar por acceder a los benficos del nivel de calidad ambiental A.

X7 Variable dependiente binaria que representa la probabilidad de responder SI (=1) a la pregunta de DAP por el nivel de calidad A, si es NO pagar (=0)

X8 Variable independiente continua que representa el precio hipottico a pagar por acceder a los benficos del nivel de calidad ambiental B.

X9 Variable dependiente binaria que representa la probabilidad de responder SI (=1) a la pregunta de DAP por el nivel de calidad B, si es NO pagar (=0)

X10 Variable independiente continua que representa el precio hipottico a pagar por acceder a los benficos del nivel de calidad ambiental C.

X11 Variable dependiente binaria, que representa la probabilidad de responder Si (=1) a la pregunta de DAP por el nivel de calidad C, NO pagar (=0).

X12 Variable continua que representa el nmero de personas en el hogar.

X13 Variable independiente que representa el ingreso familiar mensual en pesos del entrevistado.

X14 Variable discreta categrica ordenada que representa el estrato socioeconmico.

X15 Variable independiente binaria que representa el nivel de educacin del entrevistado, si es universitaria o mayor (=1), y (=0) si tiene un nivel de educacin inferior al universitario.

VI.- RESULTADOS

VER ANEXO N 3: MODELO ECONOMETRICO 1 - CALIDAD A: RO TRATADO CON OLOR MOHOSO

Como puede apreciarse, los signos de los coeficientes son consistentes con la teora. El signo que acompaa a la variable precio es negativa sealando la relacin inversa entre el valor de la tarifa a pagar por al descontaminacin del agua del ro Locumba y la probabilidad de responder afirmativamente a la pregunta de pago.

El signo que acompaa a la variable ingreso es positivo, sealando una relacin directa entre el ingreso familiar y la probabilidad de responder afirmativamente a la pregunta de pago. El signo positivo de la variable X2, nos dice que a medida que los olores son percibidos por las personas, la probabilidad de responder afirmativamente a la pregunta de disponibilidad es mayor. Por ltimo, el signo negativo que acompaa a la variable X15, nivel de educacin del entrevistado, significa que entre menor sea el nivel de educacin del entrevistado, la probabilidad de responder afirmativamente a la pregunta de disponibilidad a pagar ser memor.

Los resultados de la disponibilidad a pagar son:

--> CALC;COEF1=B(1)$--> CALC;COEF3=B(3)$--> CALC;COEF4=B(4)$--> CALC;COEF5=B(5)$--> CREATE;BETA=B(2)$--> CREATE;ALFA=COEF1+COEF3*X13+COEF4*X2+COEF5*X15$--> CREATE;DAPA=-ALFA/BETA$--> DSTAT; RHS=DAPA$Descriptive StatisticsAll results based on nonmissing observations.===============================================================================Variable Mean Std.Dev. Minimum Maximum Cases===============================================================================-------------------------------------------------------------------------------All observations in current sample-------------------------------------------------------------------------------DAPA 1740.99634 2251.54053 -11809.6332 2977.87603 40

Es decir, en promedio la disponibilidad a pagar (DAP) de las personas por la mejora en calidad A, es de S/. 1740.99634 soles. .

VER ANEXO N 4: MODELO ECONOMETRICO 2 - CALIDAD B; RO INOLORO CON COLOR NATURAL Note que los signos de los coeficientes se siguen manteniendo. Por consiguiente, seguimos teniendo consistencia en los resultados esperados.

--> CALC;COEF1=B(1)$--> CALC;COEF3=B(3)$--> CALC;COEF4=B(4)$--> CALC;COEF5=B(5)$--> CREATE;BETA=B(2)$--> CREATE;ALFA=COEF1+COEF3*X13+COEF4*X2+COEF5*X15$--> CREATE;DAPB=-ALFA/BETA$--> DSTAT1; RHS=DAPB$Descriptive StatisticsAll results based on nonmissing observations.===============================================================================Variable Mean Std.Dev. Minimum Maximum Cases===============================================================================-------------------------------------------------------------------------------All observations in current sample-------------------------------------------------------------------------------DAPB 2885.37615 2408.08368 -11497.7739 4236.50992 40

Es decir, en promedio la disponibilidad a pagar de las personas por la mejora en calidad B, es S/. 2885.37615 soles .

VER ANEXO N 5: MODELO ECONOMETRICO - NIVEL DE CALIDAD C: RO INOLORO CON COLOR NATURAL Y BAJA PRESENCIA DE PATGENOS

Al igual que en los dos modelos anteriormente estimados, los signos de los coeficientes siguen sin variar. Los resultados siguen estando de acuerdo con lo esperado

--> CALC;COEF1=B(1)$--> CALC;COEF3=B(3)$--> CALC;COEF4=B(4)$--> CALC;COEF5=B(5)$--> CREATE;BETA=B(2)$--> CREATE;ALFA=COEF1+COEF3*X13+COEF4*X2+COEF5*X15$--> CREATE;DAPC=-ALFA/BETA$--> DSTAT2; RHS=DAPC$Descriptive StatisticsAll results based on nonmissing observations.===============================================================================Variable Mean Std.Dev. Minimum Maximum Cases===============================================================================-------------------------------------------------------------------------------All observations in current sample-------------------------------------------------------------------------------DAPC 6225.98865 17096.6705 -98551.0043 11613.9662 40

En promedio la disponibilidad a pagar de las personas por la mejora en calidad C, es de S/. 6225.9886 soles

Ahora observamos el orden de los valores de disponibilidad para los tres niveles de calidad ambiental propuestos para el ro

--> DSTATOT; RHS=DAPA,DAPB,DAPC$Descriptive StatisticsAll results based on nonmissing observations.===============================================================================Variable Mean Std.Dev. Minimum Maximum Cases===============================================================================-------------------------------------------------------------------------------All observations in current sample-------------------------------------------------------------------------------DAPA 1740.99634 2251.54053 -11809.6332 2977.87603 40DAPB 2885.37615 2408.08368 -11497.7739 4236.50992 40DAPC 6225.98865 17096.6705 -98551.0043 11613.9662 40

Como puede observarse, a mayor nivel de calidad ambiental, la disponibilidad a pagar de los hogares es mayor. Esto es un indicativo de que las personas perciben los problemas ambientales en el distrito de Locumba, y saben que estos problemas pueden impactar negativamente a travs de la afectacin de los flujos de servicios provistos por el ro Locumba y afectados por la contaminacin. En realidad los hogares estn dispuestos a pagar por mejoras ambientales, porque saben que estas, impactarn de manera positiva sus niveles de bienestar.

VII.- CONCLUSIONES

A manera de resumir los aspectos ms significativos a los cuales se arriban se considera que resulta concluyente exponer lo siguiente:

En conclusin a mayor nivel de calidad ambiental, la disponibilidad a pagar de los hogares es mayor. Esto es un indicativo de que las personas perciben los problemas ambientales en el distrito de Locumba, y saben que estos problemas pueden impactar negativamente a travs de la afectacin de los flujos de servicios provistos por el ro Locumba y afectados por la contaminacin. En realidad los hogares estn dispuestos a pagar por mejoras ambientales, porque saben que estas, impactarn de manera positiva sus niveles de bienestar

El proceso de valorar econmicamente el medio ambiente se da a travs de la medicin y cuantificacin de la calidad ambiental debido a que los cambios que se producen generan cambios en el bienestar de las personas.

Algunas tcnicas, como las examinadas, permiten estimar en unidades monetarias el efecto externo sobre las personas de ciertas polticas, acciones y proyectos con impacto ambiental. Son ms fiables cuando la valoracin se realiza sobre los usuarios o personas ms directamente afectadas (valores de uso).

Elempleode los mtodos de valoracin econmica ambiental permite conocer los beneficios que la sociedad atribuye a mejorar la calidad ambiental y los costos que los distintos niveles de intervencin implican en eldesempeode los bienes y servicios ambientales.

VIII.- BIBLIOGRAFIA AZQUETA OYARZUN, A.; (1996). Valoracin econmica de la calidad ambiental. McGraw Hill. Madrid. 299 p.

GREENE, WILLIAM H.. Anlisis Economtrico. TerceraEdicin. Prentice Hall Inc.Espaa, 1998.

ALMANSA SEZ, M.C.; (2001). Valoracin econmica del impacto ambiental en el contexto del anlisis coste-benteficio: aplicacin al proyecto de restauracin hidrolgico forestal de Lubrn (Almera). Universidad de Crdoba. Tesis Doctoral en redaccin. http://www.cepes.org.pe/pdf/OCR/Partidos/diagnostico_calidad_agua tomo2/diagn ostico_calidad_agua_cuenca_rio_locumba.pdf

http://www.munijorgebasadre.gob.pe/pagina/web_inst/prov_poblacion.php

IX.- ANEXOSANEXO N 1: NUMERO DE MUESTRAS Y VARIABLES N de MuestrasX1X2X3X4X5X6X7X8X9X10X11X12X13X14X15

131421100001500115000530030

2119100100011500120001430031

3219121100011500120001210030

41112301100011500120001530031

5414401000115001200017110031

621651100011500120001430031

71112301100011500120001310030

8111221100011500120001410030

93112151100001500120000430031

1021441100011500120001470030

1121961100011500120001370031

1221123001000120001300016110031

132112151100012000130001350030

14116300100012000130001470040

15109170150001500015000310030

161112301150001500015000610010

172112300150001500020000650021

182112150150001500120001510031

192112300150012000125001450030

2021641150012000125001470031

211112300150012000125001490031

22411240150012000125001370031

23219170150012000125001570031

242112301150002000125001550030

2511430150012000125001690031

262111200150012000125001330030

27416150150012000125001470040

28211260150012000125001330020

291112300150012500135001430040

304112150150013500055000670031

31216301200002000125001210031

3231960200002000125001570030

334112301200002000125001670030

343112300200012500025001410030

35118301200012500130001530030

361112100200012500130001490031

371111702000125001300003110031

38114150200012500130001570030

3921441200002500130001330020

40416200200012500130001490041

ANEXO N2: PROMEDIO--> RESET--> READ;FILE="D:\2da parte Econ Ambiental\c1 Val Conting\MONO.xls"$--> DSTAT;Rhs=ONE,X1,X2,X3,X4,X5,X6,X7,X8,X9,X10,X11,X12,X13,X14,X15;Output=2$Descriptive StatisticsAll results based on nonmissing observations.===============================================================================Variable Mean Std.Dev. Minimum Maximum Cases===============================================================================-------------------------------------------------------------------------------All observations in current sample-------------------------------------------------------------------------------X1 2.05000000 1.03651289 1.00000000 4.00000000 40X2 .975000000 .158113883 .000000000 1.00000000 40X3 9.05000000 3.37372958 1.00000000 12.0000000 40X4 17.0750000 10.7760121 2.00000000 30.0000000 40X5 .425000000 .500640615 .000000000 1.00000000 40X6 1450.00000 388.949934 1000.00000 2000.00000 40X7 .725000000 .452202587 .000000000 1.00000000 40X8 1950.00000 450.071219 1500.00000 3500.00000 40X9 .875000000 .334932064 .000000000 1.00000000 40X10 2487.50000 683.950628 1500.00000 5500.00000 40X11 .825000000 .384807644 .000000000 1.00000000 40X12 4.25000000 1.19292788 2.00000000 7.00000000 40X13 510.000000 313.622344 100.000000 1100.00000 40X14 2.97500000 .530481156 1.00000000 4.00000000 40X15 .475000000 .505736325 .000000000 1.00000000 40

Correlation Matrix for Listed Variables

X1 X2 X3 X4 X5 X6 X7 X8 X1 1.00000 .16428 -.01540 -.20466 -.09141 .10176 -.13403 .17039 X2 .16428 1.00000 .00240 .00113 .13767 -.02085 .26000 .16214 X3 -.01540 .00240 1.00000 .42589 -.02808 -.12506 -.07479 -.05741 X4 -.20466 .00113 .42589 1.00000 -.05359 .19974 -.11142 .15147 X5 -.09141 .13767 -.02808 -.05359 1.00000 -.28311 -.26333 -.35846 X6 .10176 -.02085 -.12506 .19974 -.28311 1.00000 -.22596 .64449 X7 -.13403 .26000 -.07479 -.11142 -.26333 -.22596 1.00000 .24567 X8 .17039 .16214 -.05741 .15147 -.35846 .64449 .24567 1.00000

X1 X2 X3 X4 X5 X6 X7 X8 X9 -.05539 .42366 -.26663 -.26019 .17203 -.14762 .27511 -.12757 X10 .18175 .23414 .03917 .13407 -.32106 .35904 .32022 .91418 X11 -.04179 .34768 .02666 -.04004 -.00333 .02570 .45311 .02221 X12 .19700 .16993 .04778 .11818 -.18247 .00000 -.15448 .04776 X13 .25083 .21200 -.33006 -.14135 -.41970 .13032 .34533 .33061 X14 .18886 -.00764 -.18553 .05416 -.24861 -.06835 .39816 .20942 X15 .10027 .15231 -.05936 -.13844 -.21014 -.07169 .13735 -.00563

X9 X10 X11 X12 X13 X14 X15 X9 1.00000 -.06296 .62171 -.24066 .25631 .41490 .05677 X10 -.06296 1.00000 .04019 .09821 .37116 .28180 .09173 X11 .62171 .04019 1.00000 -.18154 .09986 .35485 -.08893 X12 -.24066 .09821 -.18154 1.00000 .36324 -.15194 .18063 X13 .25631 .37116 .09986 .36324 1.00000 .27896 .42193 X14 .41490 .28180 .35485 -.15194 .27896 1.00000 .04540 X15 .05677 .09173 -.08893 .18063 .42193 .04540 1.00000

ANEXO N 3: MODELO ECONOMETRICO 1 - CALIDAD A: RO TRATADO CON OLOR MOHOSO--> LOGIT;Lhs=X7;Rhs=ONE,X6,X13,X2,X15$Normal exit from iterations. Exit status=0.

+---------------------------------------------+| Multinomial Logit Model || Maximum Likelihood Estimates || Model estimated: Jul 04, 2015 at 08:17:13AM.|| Dependent variable X7 || Weighting variable None || Number of observations 40 || Iterations completed 27 || Log likelihood function -18.42280 || Restricted log likelihood -23.52675 || Chi squared 10.20790 || Degrees of freedom 4 || Prob[ChiSqd > value] = .3706755E-01 || Hosmer-Lemeshow chi-squared = .41925 || P-value= .81089 with deg.fr. = 2 |+---------------------------------------------++---------+--------------+----------------+--------+---------+----------+|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|+---------+--------------+----------------+--------+---------+----------+ Characteristics in numerator of Prob[Y = 1] Constant -24.9977320 .107405D+07 .000 1.0000 X6 -.00208673 .00118831 -1.756 .0791 1450.00000 X13 .00354169 .00173066 2.046 .0407 510.000000 X2 27.6988198 .107405D+07 .000 1.0000 .97500000 X15 -.38290779 .91503825 -.418 .6756 .47500000

+--------------------------------------------------------------------+| Information Statistics for Discrete Choice Model. || M=Model MC=Constants Only M0=No Model || Criterion F (log L) -18.42280 -23.52675 -27.72589 || LR Statistic vs. MC 10.20790 .00000 .00000 || Degrees of Freedom 4.00000 .00000 .00000 || Prob. Value for LR .03707 .00000 .00000 || Entropy for probs. 18.42280 23.52675 27.72589 || Normalized Entropy .66446 .84855 1.00000 || Entropy Ratio Stat. 18.60617 8.39827 .00000 || Bayes Info Criterion 51.60112 61.80902 70.20729 || BIC - BIC(no model) 18.60617 8.39827 .00000 || Pseudo R-squared .21694 .00000 .00000 || Pct. Correct Prec. 80.00000 .00000 50.00000 || Means: y=0 y=1 y=2 y=3 yu=4 y=5, y=6 y>=7 || Outcome .2750 .7250 .0000 .0000 .0000 .0000 .0000 .0000 || Pred.Pr .2750 .7250 .0000 .0000 .0000 .0000 .0000 .0000 || Notes: Entropy computed as Sum(i)Sum(j)Pfit(i,j)*logPfit(i,j). || Normalized entropy is computed against M0. || Entropy ratio statistic is computed against M0. || BIC = 2*criterion - log(N)*degrees of freedom. || If the model has only constants or if it has no constants, || the statistics reported here are not useable. |+--------------------------------------------------------------------++----------------------------------------+| Fit Measures for Binomial Choice Model || Logit model for variable X7 |+----------------------------------------+| Proportions P0= .275000 P1= .725000 || N = 40 N0= 11 N1= 29 || LogL = -18.42280 LogL0 = -23.5268 || Estrella = 1-(L/L0)^(-2L0/n) = .24999 |+----------------------------------------+| Efron | McFadden | Ben./Lerman || .23030 | .21694 | .69711 || Cramer | Veall/Zim. | Rsqrd_ML || .24040 | .37615 | .22524 |+----------------------------------------+| Information Akaike I.C. Schwarz I.C. || Criteria 1.17114 55.29000 |+----------------------------------------+Frequencies of actual & predicted outcomesPredicted outcome has maximum probability.Threshold value for predicting Y=1 = .5000 Predicted------ ---------- + -----Actual 0 1 | Total------ ---------- + ----- 0 5 6 | 11 1 2 27 | 29------ ---------- + -----Total 7 33 | 40

Como puede apreciarse, los signos de los coeficientes son consistentes con la teora. El signo que acompaa a la variable precio es negativa sealando la relacin inversa entre el valor de la tarifa a pagar por al descontaminacin del agua del ro Locumba y la probabilidad de responder afirmativamente a la pregunta de pago.

El signo que acompaa a la variable ingreso es positivo, sealando una relacin directa entre el ingreso familiar y la probabilidad de responder afirmativamente a la pregunta de pago. El signo positivo de la variable X2, nos dice que a medida que los olores son percibidos por las personas, la probabilidad de responder afirmativamente a la pregunta de disponibilidad es mayor. Por ltimo, el signo negativo que acompaa a la variable X15, nivel de educacin del entrevistado, significa que entre menor sea el nivel de educacin del entrevistado, la probabilidad de responder afirmativamente a la pregunta de disponibilidad a pagar ser memor.

Los resultados de la disponibilidad a pagar son:

--> CALC;COEF1=B(1)$--> CALC;COEF3=B(3)$--> CALC;COEF4=B(4)$--> CALC;COEF5=B(5)$--> CREATE;BETA=B(2)$--> CREATE;ALFA=COEF1+COEF3*X13+COEF4*X2+COEF5*X15$--> CREATE;DAPA=-ALFA/BETA$--> DSTAT; RHS=DAPA$Descriptive StatisticsAll results based on nonmissing observations.===============================================================================Variable Mean Std.Dev. Minimum Maximum Cases===============================================================================-------------------------------------------------------------------------------All observations in current sample-------------------------------------------------------------------------------DAPA 1740.99634 2251.54053 -11809.6332 2977.87603 40

Es decir, en promedio la disponibilidad a pagar (DAP) de las personas por la mejora en calidad A, es de S/. 1740.99634 soles. .

ANEXO N 4: MODELO ECONOMETRICO 2 - CALIDAD B; RO INOLORO CON COLOR NATURAL--> LOGIT;Lhs=X9;Rhs=ONE,X8,X13,X2,X15$Normal exit from iterations. Exit status=0.

+---------------------------------------------+| Multinomial Logit Model || Maximum Likelihood Estimates || Model estimated: Jul 04, 2015 at 08:40:15AM.|| Dependent variable X9 || Weighting variable None || Number of observations 40 || Iterations completed 24 || Log likelihood function -10.22144 || Restricted log likelihood -15.07081 || Chi squared 9.698741 || Degrees of freedom 4 || Prob[ChiSqd > value] = .4581992E-01 |+---------------------------------------------++---------+--------------+----------------+--------+---------+----------+|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|+---------+--------------+----------------+--------+---------+----------+ Characteristics in numerator of Prob[Y = 1] Constant -25.2805428 .123852D+07 .000 1.0000 X8 -.00215867 .00115420 -1.870 .0614 1950.00000 X13 .00460621 .00274911 1.676 .0938 510.000000 X2 30.4289129 .123852D+07 .000 1.0000 .97500000 X15 -1.06996079 1.26832414 -.844 .3989 .47500000

+--------------------------------------------------------------------+| Information Statistics for Discrete Choice Model. || M=Model MC=Constants Only M0=No Model || Criterion F (log L) -10.22144 -15.07081 -27.72589 || LR Statistic vs. MC 9.69874 .00000 .00000 || Degrees of Freedom 4.00000 .00000 .00000 || Prob. Value for LR .04582 .00000 .00000 || Entropy for probs. 10.22144 15.07081 27.72589 || Normalized Entropy .36866 .54356 1.00000 || Entropy Ratio Stat. 35.00890 25.31016 .00000 || Bayes Info Criterion 35.19839 44.89713 70.20729 || BIC - BIC(no model) 35.00890 25.31016 .00000 || Pseudo R-squared .32177 .00000 .00000 || Pct. Correct Prec. 92.50000 .00000 50.00000 || Means: y=0 y=1 y=2 y=3 yu=4 y=5, y=6 y>=7 || Outcome .1250 .8750 .0000 .0000 .0000 .0000 .0000 .0000 || Pred.Pr .1250 .8750 .0000 .0000 .0000 .0000 .0000 .0000 || Notes: Entropy computed as Sum(i)Sum(j)Pfit(i,j)*logPfit(i,j). || Normalized entropy is computed against M0. || Entropy ratio statistic is computed against M0. || BIC = 2*criterion - log(N)*degrees of freedom. || If the model has only constants or if it has no constants, || the statistics reported here are not useable. |+--------------------------------------------------------------------++----------------------------------------+| Fit Measures for Binomial Choice Model || Logit model for variable X9 |+----------------------------------------+| Proportions P0= .125000 P1= .875000 || N = 40 N0= 5 N1= 35 || LogL = -10.22144 LogL0 = -15.0708 || Estrella = 1-(L/L0)^(-2L0/n) = .25366 |+----------------------------------------+| Efron | McFadden | Ben./Lerman || .36496 | .32177 | .85683 || Cramer | Veall/Zim. | Rsqrd_ML || .34553 | .45413 | .21531 |+----------------------------------------+| Information Akaike I.C. Schwarz I.C. || Criteria .76107 38.88727 |+----------------------------------------+Frequencies of actual & predicted outcomesPredicted outcome has maximum probability.Threshold value for predicting Y=1 = .5000 Predicted------ ---------- + -----Actual 0 1 | Total------ ---------- + -----

0 2 3 | 5 1 0 35 | 35------ ---------- + -----Total 2 38 | 40

Note que los signos de los coeficientes se siguen manteniendo. Por consiguiente, seguimos teniendo consistencia en los resultados esperados.

--> CALC;COEF1=B(1)$--> CALC;COEF3=B(3)$--> CALC;COEF4=B(4)$--> CALC;COEF5=B(5)$--> CREATE;BETA=B(2)$--> CREATE;ALFA=COEF1+COEF3*X13+COEF4*X2+COEF5*X15$--> CREATE;DAPB=-ALFA/BETA$--> DSTAT1; RHS=DAPB$Descriptive StatisticsAll results based on nonmissing observations.===============================================================================Variable Mean Std.Dev. Minimum Maximum Cases===============================================================================-------------------------------------------------------------------------------All observations in current sample-------------------------------------------------------------------------------DAPB 2885.37615 2408.08368 -11497.7739 4236.50992 40

Es decir, en promedio la disponibilidad a pagar de las personas por la mejora en calidad B, es S/. 2885.37615 soles .

ANEXO N 5: MODELO ECONOMETRICO - NIVEL DE CALIDAD C: RO INOLORO CON COLOR NATURAL Y BAJA PRESENCIA DE PATGENOS--> LOGIT;Lhs=X11;Rhs=ONE,X10,X13,X2,X15$Normal exit from iterations. Exit status=0.

+---------------------------------------------+| Multinomial Logit Model || Maximum Likelihood Estimates || Model estimated: Jul 04, 2015 at 08:52:25AM.|| Dependent variable X11 || Weighting variable None || Number of observations 40 || Iterations completed 26 || Log likelihood function -16.00482 || Restricted log likelihood -18.54906 || Chi squared 5.088471 || Degrees of freedom 4 || Prob[ChiSqd > value] = .2783397 |+---------------------------------------------++---------+--------------+----------------+--------+---------+----------+|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] | Mean of X|+---------+--------------+----------------+--------+---------+----------+ Characteristics in numerator of Prob[Y = 1] Constant -27.8827612 .132223D+07 .000 1.0000 X10 -.00028174 .00061620 -.457 .6475 2487.50000 X13 .00117097 .00166813 .702 .4827 510.000000 X2 30.3351883 .132223D+07 .000 1.0000 .97500000 X15 -1.13081929 1.00937533 -1.120 .2626 .47500000

+--------------------------------------------------------------------+| Information Statistics for Discrete Choice Model. || M=Model MC=Constants Only M0=No Model || Criterion F (log L) -16.00482 -18.54906 -27.72589 || LR Statistic vs. MC 5.08847 .00000 .00000 || Degrees of Freedom 4.00000 .00000 .00000 || Prob. Value for LR .27834 .00000 .00000 || Entropy for probs. 16.00482 18.54906 27.72589 || Normalized Entropy .57725 .66902 1.00000 || Entropy Ratio Stat. 23.44213 18.35366 .00000 || Bayes Info Criterion 46.76516 51.85363 70.20729 || BIC - BIC(no model) 23.44213 18.35366 .00000 || Pseudo R-squared .13716 .00000 .00000 || Pct. Correct Prec. 85.00000 .00000 50.00000 || Means: y=0 y=1 y=2 y=3 yu=4 y=5, y=6 y>=7 || Outcome .1750 .8250 .0000 .0000 .0000 .0000 .0000 .0000 || Pred.Pr .1750 .8250 .0000 .0000 .0000 .0000 .0000 .0000 || Notes: Entropy computed as Sum(i)Sum(j)Pfit(i,j)*logPfit(i,j). || Normalized entropy is computed against M0. || Entropy ratio statistic is computed against M0. || BIC = 2*criterion - log(N)*degrees of freedom. || If the model has only constants or if it has no constants, || the statistics reported here are not useable. |+--------------------------------------------------------------------++----------------------------------------+| Fit Measures for Binomial Choice Model || Logit model for variable X11 |+----------------------------------------+| Proportions P0= .175000 P1= .825000 || N = 40 N0= 7 N1= 33 || LogL = -16.00482 LogL0 = -18.5491 || Estrella = 1-(L/L0)^(-2L0/n) = .12788 |+----------------------------------------+| Efron | McFadden | Ben./Lerman || .16303 | .13716 | .75733 || Cramer | Veall/Zim. | Rsqrd_ML || .15959 | .23454 | .11945 |+----------------------------------------+| Information Akaike I.C. Schwarz I.C. || Criteria 1.05024 50.45404 |+----------------------------------------+Frequencies of actual & predicted outcomesPredicted outcome has maximum probability.Threshold value for predicting Y=1 = .5000 Predicted------ ---------- + -----Actual 0 1 | Total------ ---------- + -----

0 1 6 | 7 1 0 33 | 33------ ---------- + -----Total 1 39 | 40

Al igual que en los dos modelos anteriormente estimados, los signos de los coeficientes siguen sin variar. Los resultados siguen estando de acuerdo con lo esperado

--> CALC;COEF1=B(1)$--> CALC;COEF3=B(3)$--> CALC;COEF4=B(4)$--> CALC;COEF5=B(5)$--> CREATE;BETA=B(2)$--> CREATE;ALFA=COEF1+COEF3*X13+COEF4*X2+COEF5*X15$--> CREATE;DAPC=-ALFA/BETA$--> DSTAT2; RHS=DAPC$Descriptive StatisticsAll results based on nonmissing observations.===============================================================================Variable Mean Std.Dev. Minimum Maximum Cases===============================================================================-------------------------------------------------------------------------------All observations in current sample-------------------------------------------------------------------------------DAPC 6225.98865 17096.6705 -98551.0043 11613.9662 40

En promedio la disponibilidad a pagar de las personas por la mejora en calidad C, es de S/. 6225.9886 soles

Ahora observamos el orden de los valores de disponibilidad para los tres niveles de calidad ambiental propuestos para el ro

--> DSTATOT; RHS=DAPA,DAPB,DAPC$Descriptive StatisticsAll results based on nonmissing observations.===============================================================================Variable Mean Std.Dev. Minimum Maximum Cases===============================================================================-------------------------------------------------------------------------------All observations in current sample-------------------------------------------------------------------------------DAPA 1740.99634 2251.54053 -11809.6332 2977.87603 40DAPB 2885.37615 2408.08368 -11497.7739 4236.50992 40DAPC 6225.98865 17096.6705 -98551.0043 11613.9662 40

Como puede observarse, a mayor nivel de calidad ambiental, la disponibilidad a pagar de los hogares es mayor. Esto es un indicativo de que las personas perciben los problemas ambientales en el distrito de Locumba, y saben que estos problemas pueden impactar negativamente a travs de la afectacin de los flujos de servicios provistos por el ro Locumba y afectados por la contaminacin. En realidad los hogares estn dispuestos a pagar por mejoras ambientales, porque saben que estas, impactarn de manera positiva sus niveles de bienestar.1