La caña de azúcar: ¿una amarga externalidad? - Núm. 59, Enero 2007 - Revista Desarrollo y Sociedad - Libros y Revistas - VLEX 830685545

La caña de azúcar: ¿una amarga externalidad?

AutorDávalos Álvarez Eleonora
Páginas117-164
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
117
La caña de azúcar: ¿una amarga externalidad?*
Not so sweet sugar cane
Eleonora Dávalos Álvarez**
Resumen
Existen numerosos estudios acerca de la relación entre la contamina-
ción del aire y las enfermedades respiratorias, pero generalmente han
sido realizados en grandes ciudades de países desarrollados donde
dicho problema es asociado a las emisiones de fuentes móviles y f‌i -
jas. Esta investigación se centra en una pequeña ciudad de Colombia:
Palmira (Valle del Cauca) con no más de 300.000 habitantes, pero
con un serio problema de contaminación originado por la quema de
la caña de azúcar. De este modo, se plantea una función lineal para
establecer si la quema de la caña de azúcar tiene relación con la con-
centración de partículas menores a diez micras (PM10), seguida de
una función concentración-respuesta para establecer si las variaciones
en la concentración de PM10 afectan la morbilidad. La relación entre
la quema de la caña de azúcar y la concentración de PM10 se estimó
por medio de un modelo de mínimos cuadrados ordinarios, mientras
que en la relación entre las variaciones en la concentración del PM10
* Agradezco la colaboración de la Corporación Autónoma Regional del Valle del Cauca, el Hos-
pital San Vicente de Paúl de Palmira y la Empresa de Energía del Pacíf‌i co, los comentarios de
los profesores Henry Sámaca, Ana María Ibáñez y Juan Carlos Echeverry, y la ayuda brindada
por Leonardo Morales en la construcción de este documento.
**
Asistente de Investigación Convenio BID-Gobernación de Antioquia. Alianza de Antioquia por la
Equidad, Medellín, Colombia. Correo electrónico: eleonora.davalos@antioquia.gov.co.
Este artículo fue recibido el 15 de enero de 2007, modif‌i cado el 14 de mayo de 2007 y aceptado
el 17 de mayo de 2007.
ISSN 1900-7760
(Edición Electrónica)
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
118
y la morbilidad se empleó un modelo Poisson. En ambas estimaciones
se utilizaron datos de series de tiempo diarias entre febrero y junio de
2004. Se halló una asociación positiva entre aumentos en la quema de
la caña de azúcar y la concentración del contaminante, seguida de una
relación positiva entre la concentración del contaminante y el número
de consultas médicas por infecciones respiratorias agudas (IRA). Este
documento analiza por primera vez los efectos de la quema de la caña
de azúcar en la salud pública en Colombia.
Palabras clave: infecciones respiratorias agudas, contaminación del
aire, salud pública.
Clasif‌i cación JEL: I18, Q53.
Abstract
There have been many studies on the relationship between air pol-
lution and respiratory health, but these have usually been conducted
in large cities of developed countries, where pollution is associated
to mobile and f‌i xed-source emissions. This study was conducted in
a small Colombian city of fewer than 300,000 residents, but with
substantial air pollution from sugar cane burning. To establish how
sugar cane burning relates to respiratory health, a lineal function was
used to describe the relationship between controlled sugar cane burns
and the concentration of particles less ten microns (PM10), and a
concentration-response function to relate the concentration of PM10
and the occurrence of respiratory disease. The relationship between
burning and PM10 concentration was estimated with a least-square
model, while a Poisson model described the relationship between
PM10 concentration and disease occurrence. Both estimates used
daily time series data between February and June for each variable. A
positive association between sugar cane burns and the concentration
of pollutants was found, as well as a positive relationship between
concentrations of pollutants and the number of daily hospital admis-
sions for acute respiratory illnesses (ARI). These analyses document
for the f‌i rst time the effects of controlled sugar cane burns on public
health in Colombia.
Key words: acute respiratory illnesses, air pollution, public health.
JEL Classif‌i cation: I18, Q53.
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
119
Introducción
Los países en desarrollo se encuentran frente a un nuevo y creciente
problema, la contaminación del aire. Los elevados niveles de conta-
minación son un riesgo para la salud de los habitantes de estos cen-
tros urbanos. Sin embargo, el parque automotor y la industria siguen
creciendo, haciendo que las mediciones diarias superen los estándares
sugeridos por The United States Environmental Protection Agency
(EPA). Como resultado, la quinta parte de las enfermedades se originan
por factores ambientales (Martínez, 2003) y en Colombia, se estima
que anualmente mueren 6.040 personas a causa de la contaminación
atmosférica (Banco Mundial, como se cita en Minambiente, 2006),
manifestada a través de enfermedades cardiopulmonares, cáncer de
pulmón e infecciones respiratorias agudas (IRA).
La relación entre contaminación y morbilidad o mortalidad, ha sido
objeto de numerosos estudios en la última década, especialmente para
emisiones originadas por fuentes móviles (automóviles) y f‌i jas (indus-
trias), pero con escasas investigaciones en fuentes de área (quemas
agrícolas). Existe, por tanto, incertidumbre acerca de la magnitud del
efecto que puede generar esta práctica agrícola sobre las poblaciones
vecinas. Pese a lo anterior, se lleva a cabo en Colombia durante todo
el año como parte del proceso productivo de la caña de azúcar. Dicha
actividad agrícola se extiende por todo el suroccidente del país, a lo
largo del valle geográf‌i co del río Cauca (véase anexo 1), ocupando
200.000 hectáreas, las cuales son sembradas y cortadas con intervalos
de 12 meses aproximadamente, es decir, se corta y quema caña de
azúcar diariamente.
El objetivo de este artículo es el de analizar el impacto de la quema
de caña de azúcar sobre la salud de la población vecina. Para ello se
emplea el municipio con mayor área de caña de azúcar sembrada en
Colombia: Palmira (Valle del Cauca), el cual es un sitio propicio para
analizar una de las externalidades que se puede derivar de esta prác-
tica agrícola. En este municipio, se desconoce qué proporción de la
contaminación es emitida por esta actividad y no se ha identif‌i cado el
impacto que esta contaminación está generando en sus habitantes. No
obstante, es la principal actividad productiva de la región, razón por
la que esta investigación tiene como objetivos: i) Estimar una aproxi-
mación a la magnitud de emisiones generadas por las tres fuentes; ii)
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
120
Establecer la asociación entre dichas emisiones y la quema de la caña
de azúcar, y iii) Determinar la relación entre las f‌l uctuaciones en la
concentración de PM101 y la morbilidad por IRA.
Estas estimaciones se llevan a cabo mediante la construcción de
una función lineal que establece la relación entre la contamina-
ción atmosférica y las tres fuentes. Después se emplea una función
concentración-respuesta para estimar la relación entre morbilidad y
contaminación, con base en la información suministrada por la au-
toridad ambiental y el principal hospital del municipio. La función
se construye bajo el enfoque de un estudio ecológico y se estima a
través de un modelo Poisson.
La presente investigación se compone por cinco secciones. La sec-
ción I realiza una descripción de la literatura existente. La sección II
expone el modelo teórico que se busca aplicar al estudio de caso. En
la sección III se describe la información utilizada, los métodos y la
estimación empleada, a f‌i n de presentar los resultados en la sección
IV. Por último, se plantean algunas conclusiones y recomendaciones
en la sección V.
I.
La contaminación del aire, la morbilidad y la mortalidad
Un medio ambiente sano permite el correcto desarrollo físico y mental
de los individuos. En consecuencia, cambios en la calidad ambiental
alteran de forma positiva o negativa la calidad de vida, aumentando
o disminuyendo la probabilidad de enfermedad o muerte. Un cambio
negativo en el medio ambiente, a través de un aumento de la contami-
nación, ocasiona un incremento en la morbilidad y mortalidad y, por
ende, una caída en el bienestar.
La contaminación del aire es una externalidad negativa que implica
una pérdida de bienestar. En este caso, la externalidad se aborda desde
la morbilidad. El área de estudio objeto de esta investigación se limi-
ta al municipio de Palmira, localizado en el valle geográf‌i co del río
Cauca, al suroccidente de Colombia, con una población aproximada
de 294.000 habitantes y un área plana de 505 km2, de los cuales el
1 Contaminante emitido por los tres tipos de fuentes.
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
121
97% (40.000 hectáreas) está sembrado de caña de azúcar (Olaya y
Ramírez, 2003).
A. El proceso productivo
La caña de azúcar es un pasto perenne que puede producir durante
varias décadas. Debido a las condiciones climáticas del valle geográf‌i co
del río Cauca, en Colombia no existe zafra2. Por tanto, este cultivo
puede ser sembrado y cosechado a lo largo de todo el año (CEPAL,
2002). La siembra se hace manualmente y el riego se realiza por
surcos. Aproximadamente 12 meses después se procede a cosechar,
actividad que se puede llevar a cabo de manera mecánica, alcanzando
rendimientos entre 20 y 30 toneladas por hora (Madriñán, 2002), o
manualmente a través del corte de la caña; éste puede hacerse en verde
o quemando la caña.
Al quemar la caña de azúcar, un cortero3 corta entre dos y tres toneladas
diarias (Madriñán, 2002), mientras que si se quema la caña, se alcanza
un rendimiento de entre cinco y seis toneladas diarias por cortero. Por
consiguiente, quemar la caña de azúcar antes de la cosecha facilita la
tarea de cortar generando un aumento del 100% en la productividad
de los corteros. Éste es uno de los principales motivos por los cuales
dicha actividad se ha popularizado en todos los países productores
de caña de azúcar, como Brasil, Australia, Cuba, Estados Unidos y
Colombia, entre otros (Asocaña-Cenicaña, 2003).
Para el caso particular de Colombia, el 80% de la caña es cosechada
manualmente y entre el 60% y 80% es quemada antes de ser cortada a
f‌i n de eliminar parte del follaje y facilitar el proceso de corte (Durán,
1999). Dicha quema agrícola genera aumentos en la productividad,
pero libera en la atmósfera monóxido de carbono (CO), dióxido de
azufre (SO2), óxidos de nitrógeno (NO), (NO2), (NOX), metano (CH4),
hidrocarburos no metálicos (NMHC) y partículas menores de 10 micras
(PM10) (Madriñán, 2002). Estás sustancias alteran el funcionamiento
normal del sistema respiratorio (Arbex, 2001), cardiovascular, re-
2 Período en el cual se puede realizar el corte.
3 Persona que lleva a cabo la tarea de cortar manualmente la caña de azúcar.
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
122
productivo y neurológico (Curtis, Rea, Smith-Willis, Fenyves, Pan,
2006). Este trabajo se centra en los efectos nocivos que genera la
contaminación en el sistema respiratorio.
B. Los efectos
La exposición a los contaminantes liberados por la quema de la caña
de azúcar genera inicialmente irritación en las mucosas respiratorias
y nasales, seguida de una hiper-reactividad alérgica ocasionada por la
inf‌l amación del sistema mucociliar (Passali, Lauriello, Mezzedimi, Be-
llussi, 1999). Después, dicha inf‌l amación puede degenerar en afecciones
respiratorias altas y bajas, como faringitis, resfriado común, sinusitis,
laringitis, otitis media, bronquitis, neumonía, bronconeumonía, asma
bronquial y enfermedad pulmonar obstructiva crónica, las cuales se
clasif‌i can como IRA (Ostro, Eskeland, Feyzioglu, Sánchez, 1998).
Estas afecciones se presentan con mayor frecuencia en individuos
asmáticos (Nikasinovic et al., 2006) y en niños menores de 15 años
(Ostro et al., 1998), quienes aún no tienen totalmente desarrollado el
sistema respiratorio4. Además, afecta con mayor frecuencia a adultos
mayores5 (Samakovlis, Huhtala, Bellander, Svartengren, 2005), quie-
nes se encuentran en situación de vulnerabilidad ya que el sistema
inmunológico se deteriora debido al proceso normal de envejecimiento.
Dicha situación ha generado interés de diversos estamentos guberna-
mentales y sociales, los cuales motivados por la problemática, han
realizado números esfuerzos por disminuir los efectos de la quema
agrícola en las comunidades vecinas.
C. Esfuerzos para disminuir el impacto de la quema de caña
de azúcar
La práctica agrícola de la quema de la caña de azúcar se adoptó en
Colombia en la mitad de la década de los setenta (Asocaña-Cenicaña,
2003), a f‌i n de facilitar el corte, reducir las plagas, eliminar las malezas,
4 El 80% de los alvéolos se desarrollan entre la fase posnatal hasta la adolescencia (Committee
on Environmental Health, 2004).
5 Individuos con una edad superior a los 60 años.
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
123
aumentar la ef‌i ciencia del cortero y reducir la cantidad de materia extra-
ña que se incorpore en el procesamiento. Esta práctica trajo consigo el
origen de diversas externalidades mencionadas anteriormente. Por tal
motivo, la Asociación de Cultivadores de Caña de Azúcar de Colombia
(Asocaña), ha tratado de disminuir los efectos nocivos generados a las
poblaciones vecinas. Para ello, ha realizado diversas investigaciones,
entre las cuales se destaca el estudio de impacto ambiental efectuado
por la Universidad de la Salle (1991), el cual estableció la necesidad
de instalar una red de estaciones meteorológicas y eliminar las quemas
alrededor de las poblaciones y los aeropuertos.
En 1996, Asocaña llevó a cabo la evaluación del programa de quemas
de caña en el valle geográf‌i co del río Cauca (como se cita en Asocaña-
Cenicaña, 2003), el cual recomendó la instalación de nuevas estaciones
meteorológicas y el mejoramiento de las prácticas agrícolas. Ello pro-
dujo la instalación de 29 estaciones meteorológicas automáticas, que
proporcionan hasta el momento información acerca de los patrones
climáticos, permitiendo tomar decisiones acerca de las quemas. Simul-
táneamente se f‌i rmó el Convenio de Producción Limpia (1996) entre
el Ministerio del Medio Ambiente, las Corporaciones Autónomas del
Valle del Cauca, Risaralda, Caldas, Asocaña, trece ingenios azucareros
y la comunidad del municipio de Palmira, a f‌i n de regular la actividad
de las quemas y llevar a cabo el cumplimiento de las leyes vigentes.
El gobierno nacional reglamentó paralelamente la protección y control
de la calidad del aire mediante el decreto 948 de 1995, el cual declaró
prohibidas las quemas rurales abiertas, exceptuando las quemas agrí-
colas y mineras controladas, quemas que debían ser eliminadas antes
del año 2005. Posteriormente, el decreto 4296 de 2004 modif‌i ca el
artículo 30 del decreto 948 de 1995, autorizando de manera indef‌i nida
las quemas agrícolas controladas. Ello signif‌i ca que se anula el pará-
grafo en el cual las quemas agrícolas serían eliminadas a partir del año
2005, dando vía libre a esta actividad agrícola. En cuanto a los niveles
de PM10 máximos permitidos, el Ministerio de Ambiente, Vivienda y
Desarrollo Territorial por medio de la resolución 601 de 2006, reduce
los límites anuales máximos permitidos a 70 µg/m
3,
nivel que se encuen-
tra por encima del máximo permitido por la EPA (50 µg/m
3
), es decir,
los habitantes de Colombia deben tolerar un nivel de contaminación
superior al adecuado para llevar una vida sana (EPA, 1990).
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
124
D. Estudios empíricos
La contaminación ambiental es una problemática mundial. Las investi-
gaciones al respecto se han realizado a lo largo de los cinco continentes,
hallando resultados muy similares en todos los casos. Por ejemplo,
Pino, Walter, Oyarzun, Villegas y Romieu (2004) establecieron en
Chile una relación positiva y fuerte entre los altos niveles de concen-
tración de partículas menores a 2,5 micras (PM2,5) y el padecimiento
de bronquitis en niños. Mientras que Freidman, Powell, Hutwanger,
Graham y Teague (2001) hallaron en Atlanta, Estados Unidos, que
una disminución del 28% en la emisión de ozono (O3) genera una
disminución del 40% de las visitas de los niños al médico por asma,
Penard-Morand et al. (2005) encontraron en Francia que aumentos en
las emisiones de PM10, O3 y SO2 tienen una signif‌i cativa relación con
altas tasas de asma y rinitis en niños.
Por otro lado, en Australia y Nueva Zelanda, Barnett et al. (2005)
establecieron una fuerte relación entre la exposición a altos niveles
de concentración de PM2,5 y las admisiones hospitalarias por enfer-
medades respiratorias, sin establecer ninguna diferencia por grupos
de edad, pero manteniendo la relación positiva entre contaminación y
enfermedades respiratorias. En este sentido, Samakovlis et al. (2005)
hallaron que, en Suecia, ligeras variaciones en la concentración de
la contaminación generan un aumento en las enfermedades respira-
torias. Para Bogotá, Colombia, Lozano (2004) encontró una fuerte y
signif‌i cativa relación entre contaminación ambiental y el número de
consultas médicas por IRA.
En el caso específ‌i co de la contaminación generada por la quema de la
caña de azúcar, Arbex et al. (2000) encontraron en Araraquara, Brasil,
una signif‌i cativa y positiva relación entre esta quema agrícola y la
cantidad de terapias respiratorias, llegando a la conclusión que esta
práctica ocasiona un deterioro en la salud de la población expuesta a
la contaminación generada por la quema de la caña de azúcar. Poste-
riormente, Cançado et al. (2006) hallaron en Piracicaba, Brasil, una
fuerte relación entre la quema de caña de azúcar y las admisiones
hospitalarias por enfermedades respiratorias, conf‌i rmando una vez
más el deterioro de la salud que padecen los individuos que habitan
en cercanía a cultivos sometidos a esta práctica.
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
125
Por último, entre las investigaciones que relacionan contaminación
con mortalidad, se destacan en la India, Cropper, Simon, Alberini,
Aroa, Sharma (1997), quienes hallaron que los niños y los adultos
mayores de 60 años son los dos grupos de la sociedad más afectados
por la contaminación, padeciendo enfermedades respiratorias y car-
diovasculares que f‌i nalmente los lleva a la muerte. Mientras que en
Chile, Ostro, Sánchez, Aranda, Eskeland (1996) hallaron una fuerte
y consistente asociación entre la exposición al PM10 y la muerte
por enfermedades respiratorias y cardiovasculares. Por otro lado, en
Colombia, Urdaneta (1999) af‌i rma que existe una relación positiva
y altamente signif‌i cativa entre los niveles de PM10 y la mortalidad
por enfermedades respiratorias. Simultáneamente, Lee, Shin, Chung
(1999) corroboran este resultado para Corea. Aproximadamente siete
años después en China, Wong, Tam, Yu, Wong (2006) establecen una
signif‌i cativa asociación entre la muerte por enfermedades respiratorias
y la concentración de SO2, O3, NO2 y PM10.
Una vez expuestos los resultados de algunas investigaciones realizadas
en este campo, es conveniente examinar las investigaciones que se
han llevado a cabo en el área de estudio de esta investigación (Valle
del Cauca). En el caso de la quema de la caña de azúcar, Asocaña en
1996 y 1999 contrató a la Fundación Neumológica Colombiana para
realizar una evaluación del humo de la caña de azúcar en el sistema
respiratorio. Esta investigación concluyó que no existían diferencias
entre las poblaciones expuestas al humo y aquellas que no lo estaban.
Por otro lado, Olaya y Ramírez (2003) realizaron un inventario de
las fuentes móviles y f‌i jas del municipio de Palmira, para evaluar
la calidad del aire, obteniendo una alta correlación entre partículas
suspendidas totales (PST) y PM10, resultados que fueron asociados
al parque automotor y al sector industrial debido a la falta de datos
para el sector agrícola.
El impacto del sector agrícola de Palmira en la contaminación del aire,
es aún desconocido, ya que no se cuenta con investigaciones publica-
das al respecto. Esta situación limita ampliamente cualquier tipo de
estudio, debido a que es la principal actividad del municipio6. No se
6 Palmira tiene sembradas 40.000 hectáreas de caña de azúcar, lo cual representa el 97% del
área plana del municipio. El 98% de las empresas en Palmira pertenecen a la categoría de
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
126
ha establecido, además, ningún tipo de asociación entre enfermedades
respiratorias y exposición a las emisiones de la quema de caña de azú-
car. Por tal motivo, este trabajo presenta una aproximación del aporte
del sector agrícola a la contaminación y el efecto de la contaminación
en las enfermedades respiratorias de los habitantes de Palmira.
II. Marco teórico
Los estudios empleados para establecer la relación entre la contamina-
ción ambiental y la morbilidad o mortalidad por enfermedades respirato-
rias se dividen en dos grupos dependiendo de la unidad de observación
empleada (Pope, Schwartz, 1996; Samet, Johathan, Jaakkola, 1999).
Aquellos que utilizan la unidad de observación individual, establecen
relaciones entre el estado de salud del individuo y los diferentes niveles
de exposición al contaminante en un momento del tiempo, es decir,
emplean información de corte transversal. En este grupo se incluyen,
además, los estudios de cohorte, que permiten analizar los efectos
acumulativos de la exposición a los contaminantes durante el período
de estudio, esto es, son útiles para investigar los efectos crónicos ge-
nerados por la contaminación. Sin embargo, implican un elevado costo
ya que se debe establecer un seguimiento individual a la cohorte que
se está estudiando. Los estudios de cohorte son similares al análisis de
corte transversal, pero incluyen variaciones en la exposición a través
del tiempo, es decir, forman paneles de información.
En contraste se encuentran los “estudios ecológicos”, los cuales
emplean como unidad de observación el grupo. Dichos estudios
examinan la relación entre los contaminantes y la salud, cuando la
exposición al aire contaminado se da en comunidad (Arbex, 2001;
Lozano, 2004). También son útiles para observar los efectos agudos
que genera la contaminación; permite estudiar las variaciones en el
número de ocurrencias de un evento (muertes, visitas al médico o a la
sala de emergencia) a lo largo del tiempo, como función de variables
ambientales (temperatura, humedad relativa, lluvia) y de los diferentes
contaminantes (Saldiva, 1998). Este análisis emplea información de
pequeña industria con menos 20 empleados. El 2% restante corresponde a dos ingenios
azucareros, dos químicas, dos termoeléctricas, siete empresas de muebles y una de alimentos
(Olaya y Ramírez, 2003).
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
127
series de tiempo, la cual puede estar en diferentes frecuencias (días,
meses, años) dependiendo de la disponibilidad de la información y
del interés del investigador.
La información acerca de los contaminantes, se puede capturar a través
de instrumentos directos, como los sistemas de monitoreo individuales,
que capturan la información tanto de niveles del contaminante como
del tiempo al cual está expuesto el individuo a la contaminación; a esto
se le llama “exposición”. Por otro lado, se encuentran los instrumentos
indirectos, como los sistemas de monitoreo de la calidad ambiental
ubicados a lo largo de las ciudades; éstos capturan la información
acerca de la concentración del contaminante en el tiempo; a esto se le
llama “concentración”. Emplear la información proveniente de instru-
mentos indirectos implica generalmente una disminución en los costos
de la investigación, ya que las estaciones de monitoreo se encuentran
previamente instaladas, pero obliga a suponer que todos los individuos
estuvieron expuestos por igual a una determinada concentración de
contaminante, lo cual puede ser un supuesto importante. Un estudio
ideal consistiría en emplear instrumentos directos, pero éstos son
costosos y difíciles de transportar.
Una vez establecido el tipo de información que se va a utilizar y, por
ende, el estudio a desarrollar, se procede a establecer la relación entre
la contaminación ambiental y la morbilidad o mortalidad. Ésta se puede
llevar a cabo a través de funciones dosis-respuesta o concentración-
respuesta dependiendo de la información con que se cuente, es decir, si
se dispone de información acerca de la exposición al contaminante se
debe emplear una función dosis-respuesta, mientras que si se dispone
de información acerca de la concentración del contaminante se elige
una función concentración-respuesta (EPA, 1999). En otras palabras, el
tipo de información determinará la metodología a emplear (individual
o ecológico) y la función a estimar (dosis-respuesta o concentración-
respuesta). En este caso se desarrolla un estudio ecológico y se estima
una función concentración-respuesta.
A. Función concentración-respuesta
Este estudio estima una función concentración-respuesta que relaciona
la concentración de PM10 con la incidencia de IRA. Para traducir los
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
128
cambios en la concentración de un contaminante a efectos en la salud,
se emplean las funciones concentración-respuesta, donde el análisis
se basa en la estimación de la derivada parcial, respecto a la variable
relacionada con la contaminación. Este tipo de funciones se pueden
expresar con diversas formas funcionales dependiendo de la necesidad
de la investigación, el tipo de información empleada o la facilidad para
interpretar los resultados. La ecuación (1) describe la forma funcional
empleada en esta investigación.
(1)
Donde representa el número de consultas diarias por IRA,
es la concentración máxima diaria de PM10, es una variable am-
biental y es un término de error estocástico. Al derivar parcialmente
respecto a la variable que representa la concentración del contaminante,
se obtiene la ecuación (2), la cual es un efecto marginal que ref‌l eja
cómo cambia el número de consultas diarias por IRA, cuando se pre-
sentan variaciones en la concentración máxima diaria de PM10.
(2)
Para estimar los efectos en la salud (morbilidad) que pueden ser atri-
buidos a la contaminación ambiental, se deben incluir en el análisis
algunas variables de control, como temperatura, humedad relativa,
lluvia, entre otros, dependiendo de la disponibilidad de la información.
De no ser así, se estaría incurriendo en un sesgo de especif‌i cación por
variables omitidas, lo cual invalidaría los resultados.
B. Modelo Poisson
El número de consultas diarias por IRA es una variable de conteo, con
una distribución diferente a una normal. Por tal razón, se emplea una
distribución probabilística alternativa tipo Poisson para llevar a cabo
la estimación. Dicha distribución supone que la variable dependiente
toma valores independientes entre sí, determinados por parámetros
que dependen de variables exógenas. Por tanto, sea una variable
de conteo discreta que representa el número de observaciones que
toma la variable en (siendo el conjunto de todos los valores
posibles que puede tomar ) donde , con parámetros
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
129
los cuales dependen de los valores asumidos por la variable exógena
se tiene que:
(3)
Donde son parámetros y la media y la varianza de son iguales a
con la siguiente distribución de probabilidad asociada:
(4)
Entonces:
(5)
Donde (5) representa los efectos marginales (Gourieroux, 2000).
III. Metodología
Esta investigación estima una aproximación a la proporción de PM10
emitido por cada una de las fuentes, utilizando el procedimiento ex-
puesto por Madriñán (2002) y las estimaciones de Olaya y Ramírez
(2003). Posteriormente, plantea una relación entre las emisiones de
PM10 y las tres fuentes a través de una función lineal, la cual se cons-
truye con información acerca de la concentración máxima diaria de
PM10 en el municipio de Palmira, el número de hectáreas quemadas
diariamente, el consumo de energía eléctrica industrial y el número
de galones de gasolina extra y corriente vendidos en este mismo mu-
nicipio. Por último, se basa en un estudio ecológico, que relaciona
series de tiempo diarias de contaminación del aire, con admisiones
hospitalarias diarias en el municipio de Palmira, estimando una función
concentración-respuesta a través de un modelo Poisson.
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
130
A. Información utilizada
Los datos usados en este estudio se dividen en tres categorías: los datos
ambientales, las fuentes de emisión y la información de morbilidad.
Los datos ambientales fueron suministrados por la Corporación Autó-
noma Regional del Valle del Cauca (CVC). Éstos incluyen informa-
ción de una estación de monitoreo de aire, la cual mide dirección y
velocidad del viento, calidad del aire, humedad relativa y temperatura.
La información fue suministrada por horas diarias para el año 2004.
Sin embargo, no se cuenta con los 365 días, ya que la estación de
monitoreo presentó fallas en más de 190 días y pequeños espacios en
el resto de tiempo. Por consiguiente, sólo se empleó la parte continua
de la información que se limita a 119 días, entre el 2 de febrero y el 6
de junio y un solo contaminante (PM10).
Las emisiones provienen de los tres tipos de fuentes; en el caso de la
fuente de área, la quema de la caña de azúcar es programada mensual-
mente por cada uno de los ingenios azucareros. Esta programación es
enviada a Asocaña; ésta agrega la información y la envía a la CVC.
Sin embargo, la información acerca del número de hectáreas quemadas
programadas diariamente y los incendios accidentales diarios, no fue
suministrada directamente por Asocaña. Por tanto, se emplearon los
informes entregados por Asocaña a la CVC. Dichos informes inclu-
yen datos acerca del ingenio azucarero que llevó a cabo la cosecha,
el nombre de la hacienda, el área cosechada, el método usado para
cosechar (en verde, quema o incendio), la duración de la quema y la
edad de la plantación.
En cuanto a las fuentes f‌i jas, se empleó el consumo de energía eléctri-
ca industrial como variable proxy que captura la actividad industrial
en este municipio; esta información fue suministrada en agregados
mensuales por la Empresa de Energía del Pacíf‌i co (EPSA, S. A). Por
otro lado, para capturar las emisiones del parque automotor, se empleó
el recaudo por sobretasa a la gasolina en Palmira; dicha información
fue suministrada como un agregado mensual por el Ministerio de
Hacienda y Crédito Público. Este recaudo monetario se convirtió en
galones de combustible vendidos, empleando los precios bases sumi-
nistrados por la Unidad de Planeación Minera y Energética (UPME).
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
131
Estas variables mensuales fueron incluidas en el análisis como efectos
f‌i jos mensuales.
La información de morbilidad empleada en esta investigación, consiste
en las consultas diarias por IRA en 2004. Esta información fue sumi-
nistrada por el Hospital San Vicente de Paúl de Palmira (HSVPP), el
cual era para el año 2004 el único hospital público del municipio y se
estimaba que atendía cerca del ochenta por ciento de la población. La
base de datos original (egresos hospitalarios diarios) contiene infor-
mación de cada paciente, como diagnóstico médico, edad, género y
lugar de procedencia, distinguiendo entre área rural o urbana, además
de los días de permanencia en el centro hospitalario. A f‌i n de acceder
a la información, se estableció un convenio entre el HSVPP y esta
investigación, donde dicha entidad suministró la información física y
esta investigación procesó y digitalizó todos los egresos hospitalarios
diarios para el año 2004, entregando copia digital de la información
a dicha entidad.
B. El modelo
A f‌i n de establecer la relación entre la concentración máxima diaria
de PM10 y las tres fuentes de emisión existentes en el municipio de
Palmira, se construye una función lineal que incluye como variable
dependiente el PM10 máximo diario y como variables independientes
el número de hectáreas de caña quemadas en el municipio de Palmira
(AP), el consumo de energía eléctrica industrial en kilovatios hora
(CEEI), la venta de galones de gasolina corriente y extra en Palmira
(GG), la humedad relativa diaria promedio en porcentaje (hr), la
temperatura diaria promedio en grados centígrados (t) y, por último,
la velocidad del viento diaria promedio en metros por segundo (vv).
Debido a que entre la humedad relativa, la temperatura y el viento se
encontró una fuerte colinealidad, se plantean tres ecuaciones diferentes
para evitar problemas en la estimación.
(6)
(7)
(8)
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
132
Las ecuaciones (6), (7) y (8) plantean la relación entre la concentración
máxima diaria de PM10 y las tres fuentes de contaminación atmos-
férica en el municipio de Palmira. Se espera que exista una relación
positiva entre el PM10 y el área de caña quemada, así como con el
número de galones de gasolina vendida. En cuanto al consumo de
energía eléctrica industrial, no es posible establecer a priori la relación
entre el contaminante y el consumo de energía eléctrica industrial, ya
que si la energía eléctrica es sustituta de otra fuente de energía más
contaminante se esperaría una relación inversa, mientras que si el
consumo de energía eléctrica industrial ref‌l eja netamente la actividad
industrial, entonces dicha relación sería positiva, ya que a mayor
actividad, más emisiones. En cuanto a las variables ambientales, se
esperaría que tanto la humedad relativa como el viento presenten una
relación inversa con la contaminación, ya que a medida que el aire es
más húmedo es factible que las partículas respirables disminuyan. En
el caso del viento, éste limpia la contaminación, por tanto, se creería
que un aumento en la velocidad permitiría mejorar la calidad del aire
que se respira.
A f‌i n de medir el impacto de la concentración del contaminante en la
morbilidad por IRA, se emplea una función concentración-respuesta
que relaciona la concentración máxima diaria de PM10 y el número
de admisiones hospitalarias diarias por IRA (NADIRA). Las diferen-
cias geográf‌i cas e individuales no son tomadas en cuenta debido a
las limitaciones de los datos. Se asume que NADIRA es función de
la concentración máxima diaria de PM10 en el municipio de Palmira
con un rezago de hasta cinco días (PM102, PM103, PM105), ya que
la exposición a este contaminante no implica una afección respiratoria
inmediata. El ciclo promedio de desarrollo de una IRA alcanza hasta
cinco días después de la exposición (Committee on Environmental
Health, 2004). Se incluye, además, la temperatura mínima diaria
(Tmin) para controlar mediante variables meteorológicas.
(9)
La ecuación (9) establece una relación entre el número de admisiones
hospitalarias diarias por IRA y PM10. Se espera que el contaminante
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
133
tenga una relación positiva con el número de consultas médicas por
IRA. En el caso de las variables ambientales, no es claro de antemano
qué signo esperar, ya que a mayor temperatura se genera una mayor
descomposición de los contaminantes, por tanto, habría un mayor
efecto de éstos en la salud; pero a menor temperatura usualmente los
resfriados aumentan.
Para llevar a cabo la estimación de la función concentración-respuesta,
se emplea un modelo Poisson, ya que la variable dependiente es un
variable de conteo. La información utilizada en la estimación obedece
a series de tiempo, capturando los efectos del contaminante a través
del tiempo, pero omitiendo características inherentes al individuo, ya
que éstas se mantienen constantes. Uno de los principales problemas
de las series de tiempo consiste en la estacionariedad de la misma, es
decir, establecer que la relación entre una serie y otra no es espuria.
En este caso, se determinó mediante pruebas de raíz unitaria que las
series de datos empleadas son estacionarias y sin problemas de auto-
correlación (véase anexo 3).
IV. Resultados
A. Estadísticas descriptivas
En el cuadro 1 se encuentran las estadísticas básicas para todas las
variables empleadas en las estimaciones econométricas. Se observa
que en promedio en el HSVPP se atienden a diario dos pacientes
por IRA; sin embargo, la frecuencia relativa de ausencia de pacien-
tes es baja; no se registraron pacientes en nueve de los 119 días
analizados. Ello ref‌l eja el constante f‌l ujo de enfermos por causas
respiratorias. La mayoría de la población que consulta proviene de
la zona urbana alcanzando 97% del total de las consultas, es decir,
la problemática de la contaminación del aire por PM10 está situada
en la cabecera municipal, no en la zona rural donde se originan gran
parte de las emisiones. Esto podría deberse a que las emisiones no
son estáticas, es decir, ellas f‌l uyen dependiendo de la velocidad del
viento y llegan hasta la cabecera municipal donde se concentra la
mayor parte de la población.
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
134
Cuadro 1. Estadísticas descriptivas de las variables.
Def‌i nición de la variable Media
diaria Desviación
estándar Mínimo
diario Máximo
diario
Pacientes IRA 2,16 1,37 0 6
Hectáreas de caña quemada 54,55 26,28 5,25 133,37
Consumo energía eléctrica industrial KWH 5098504 222200,1 4759230 5344906
Galones de gasolina vendidos 960191,9 42587,63 8933141 1006354
PM10 máximo diario ug/m3 91,25 44,44 23,69 235,62
Humedad relativa 67 6,55 51,34 83,72
Temperatura C° 24,58 1,32 21,3 27,76
Temperatura mínima C° 21,25 1,07 18,91 24,09
Temperatura máxima C° 29,49 2,3 22,83 33,51
Variaciones en temperatura 2,73 0,71 0,79 4,23
Velocidad del viento metros por segundo 1,34 0,25 0,83 2,06
Fuente: Cálculos del autor con base en información suministrada por el HSVPP, la CVC, la EPSA,
el UPME y el Ministerio de Hacienda y Crédito Público.
El consumo de energía eléctrica industrial y los galones de gasolina
extra y corriente vendidos en Palmira presentan una baja dispersión;
esto signif‌i ca que las cantidades consumidas y vendidas de estas dos
variables son muy similares en los períodos analizados. El promedio
diario de caña de azúcar quemada es de 55 hectáreas, alcanzando
en algunas ocasiones 133 hectáreas diarias, pero con una dispersión
considerable y son, precisamente, los picos de quemas que inducen la
exacerbación de los síntomas respiratorios; ello signif‌i ca que el meta-
bolismo humano tiene un rango de tolerancia ante la contaminación,
pero cuando es expuesto a altas concentraciones, la tolerancia dismi-
nuye y se presenta la irritación en las mucosas oculares y nasales, la
rinitis alérgica y el asma, entre otros. En este caso, la concentración
de PM10 máximo diario sobrepasó el máximo diario permitido por la
EPA (150µg/m3) en diez ocasiones a lo largo de 119 días, alcanzando
niveles de 235,62 µg/m3 (véase gráf‌i co 1).
La exposición a estas altas concentraciones de contaminación atenta
contra un adecuado estado de salud de los individuos que inhalan este
tipo de aire contaminado, generando diversas enfermedades respira-
torias, cardiovasculares, reproductivas y neurológicas. Según la EPA,
es apenas aceptable exceder este límite en una ocasión por año (EPA,
1990), pues los efectos podrían ser un aumento en la morbilidad y la
mortalidad por causas relacionadas a la contaminación.
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
135
Gráfico 1.
PM10 máximo diario emitido y PM10 máximo diario permitido.
Días
Fuente: Elaborado por el autor con base en información suministrada por la CVC.
En cuanto a las variables ambientales se incluye temperatura promedio
diaria, mínima diaria, máxima diaria y variaciones en la temperatura,
dentro de las variables a analizar, ya que en algunas ocasiones la IRA
se puede presentar por grandes y súbitas variaciones en la temperatura.
En este caso se observa que la dispersión es baja, con una temperatura
promedio diaria de 24 ºC. No existen entonces grandes cambios en la
temperatura que puedan inducir la propagación de resfriados y otro tipo
de afecciones respiratorias, por tanto, es posible que ésta no sea una
de las principales causas de morbilidad. En cuanto a la velocidad del
viento, la dispersión es baja, ref‌l ejando una velocidad diaria constante,
la cual no necesariamente generaría una limpieza en la concentración
de PM10 en el aire.
B. El PM10 y la caña de azúcar
El PM10 en el municipio de Palmira proviene de los tres tipos de
fuentes existentes (f‌i jas, móviles y de área). Sin embargo, se desconoce
la proporción del aporte que hace cada una de ellas. A f‌i n de hallar la
proporción de emisión proveniente de la quema de la caña de azúcar,
se emplea el factor de emisión def‌i nido por Echavarría (1990), como
se cita en Madriñán (2002), el cual establece que una hectárea de caña
quemada emite 75,9 kilogramos día de PM10, esto bajo los siguientes
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
136
supuestos: i) Diez hectáreas por suerte7 y ii) Duración de la quema de
10 a 60 minutos. Empleando este factor para el número de hectáreas
quemadas entre el 2 de febrero y el 6 de junio, se halla que las emisio-
nes de PM10 provenientes de la quema de caña de azúcar ascienden
durante este período a un total de 493 toneladas.
Por otro lado, se estima la proporción de PM10 emitido por el parque
automotor y las industrias, tomando como base los resultados del
estudio realizado por Olaya y Ramírez (2003), el cual llevó a cabo
un inventario de fuentes f‌i jas y móviles en el municipio de Palmira,
obteniendo como resultado una emisión de 2,58 y 2,61 toneladas
diarias de PM10, respectivamente. Si dichas estimaciones no varían
drásticamente de un año a otro debido a que el sector industrial y el
combustible empleado no cambia en tan poco tiempo, se emplean
estas mismas cifras para hallar una aproximación a la proporción de
emisiones en el municipio. La mayor cantidad de PM10 emitido en
el municipio de Palmira procede, por tanto, de la quema de la caña de
azúcar, aportando durante estos 119 días cerca de la mitad del total
de PM10 diario, mientras que el sector industrial aporta en promedio
24% y las fuentes móviles cerca del 26% (véase anexo 2).
Este tipo de cálculos parten de supuestos muy fuertes, ya que no
diferencian entre días hábiles y feriados, suponiendo que tanto indus-
trias como conductores realizan la misma actividad todos los días,
generando una sobreestimación en las emisiones. Sin embargo, es una
aproximación válida dada la falta de medición exacta de las emisiones
generadas por las diferentes fuentes.
Más aún, al sobreponer las series de tiempo del contaminante y las
hectáreas de caña quemadas (véase gráf‌i co 2), se ilustra una similitud
entre las dos series, lo cual podría estar describiendo una relación
entre una variable y la otra. Sin embargo, este tipo de estimaciones
matemáticas e ilustraciones gráf‌i cas, no son muy rigurosas, por tanto
se procede a estimar mediante un modelo econométrico la existencia
de dicha relación.
7 Área de terreno del orden de 20 hectáreas, que se siembra y se recoge al mismo tiempo.
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
137
Una vez estimadas las funciones (6), (7) y (8), se corrobora la relación
observada en el gráf‌i co anterior. Pero ahora se tiene un coef‌i ciente
con el cual se puede af‌i rmar que un aumento en una hectárea de caña
quemada, genera un incremento de 0,64 microgramos por metro cúbi-
co de PM10 máximo diario ( véase cuadro 2). En otras palabras, si se
incrementa la quema de caña en 10%, la concentración máxima diaria
de PM10 aumenta en 4%. Nótese que las variables que capturan las
emisiones de las otras dos fuentes no resultan signif‌i cativas. Mientras
que las hectáreas de caña quemadas ref‌l ejan una relación positiva y
estadísticamente signif‌i cativa entre la quema de la caña de azúcar y
las emisiones de PM10. No obstante, aún se requieren mediciones
más exactas de las otras fuentes para establecer con precisión su
contribución a la contaminación.
Gráfico 2. Área de caña quemada y PM10 máximo diario.
Fuente: Elaborado por el autor con base en información suministrada por la CVC.
Por último, un aumento de la humedad relativa genera una dismi-
nución de la concentración de PM10, mientras que un aumento en
la temperatura produce un incremento en la concentración de este
contaminante, es decir, las diferentes variables ambientales inf‌l uyen
en la concentración de PM10 en la atmósfera, tal y como se intuía
inicialmente, sin embargo para el caso de la velocidad del viento, este
no resultó signif‌i cativo.
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
138
Cuadro 2. Resultados econométricos
PM10 máximo diario Estimación 1 t Estimación 2 t Estimación 3 t
Área de caña quemada en
Palmira 0,6405242*** 3,67 0,6310349*** 3,67 0,6934185*** 4,63
Consumo de energía eléc-
trica industrial -1,82E-5 -0,55 -6,75E-5 -0,69 -3,25E-6 -3,00E-2
Galones de gasolina
vendidos -5,38E-5 -1 -1,06E-5 -0,58 -0,000 -0,5
Humedad relativa -1,812753*** -2,66
Temperatura 8,78795*** 2,81
Velocidad del viento 29,996 1,55
Constante 322,2841** 2,09 -40,062 -0,21 68,055 0,39
Número de observaciones 119 119 119
F-Statistic Test 15 14,38 9,46
R2 0,252 0,253 0,217
Fuente: Elaborado por el autor con base en los resultados de las estimaciones econométricas.
***Signif‌i cancia al 1%. **Signif‌i cancia al 5%.
C. Los pacientes y el PM10
En el diagnóstico por IRA se incluyen tanto las afecciones respiratorias
altas como las bajas (Ostro et al., 1998). Todas estas enfermedades
respiratorias presentan procesos inf‌l amatorios que se desarrollan entre
dos y cinco días después de la exposición al virus o a la contaminación
y generalmente tienen una duración máxima de diez días (Commit-
tee on Environmental Health, 2004). En el municipio de Palmira, el
23% del total de las consultas médicas atendidas en el HSVPP fueron
diagnosticadas como IRA, pues los niños y niñas menores de diez
años y los adultos mayores de sesenta años fueron los dos grupos de
la población que más consultaron (véase gráf‌i co 3), alcanzando el 77%
del total de las consultas por IRA en 2004. Estos dos grupos de edad
son, justamente, los que la literatura sugiere como la población más
vulnerable, ya que los niños aún están en desarrollo y los ancianos
entran en una inevitable inmunosupresión.
Al realizar el análisis por género, se encuentra que 52% de los indi-
viduos que consultan por IRA son hombres que provienen de la zona
urbana. Los meses con mayor af‌l uencia de pacientes son enero, julio,
octubre, noviembre y diciembre (véase anexo 2), mientras que los
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
139
meses con mayor número de hectáreas de caña quemadas son enero,
febrero, marzo, julio y agosto (véase anexo 2). Sólo existe coinciden-
cia en dos de los períodos. Sin embargo, al sobreponer las series de
tiempo del contaminante emitido por la quema de la caña de azúcar
(PM10), junto con el número de pacientes que consultaron por IRA
durante los 119 días a tratar, se observa gran similitud entre las dos
series, aunque los pacientes presentan rezago frente a los picos del
contaminante (véase gráf‌i co 4); dejando ver que las consultas no se
efectúan el mismo día que se presenta la exposición al contaminante,
sino algunos días después, tal como lo describe Committee on Envi-
ronmental Health (2004).
Gráfico 3. Consultas IRA por grupos de edad, 2004.
Fuente: Elaborado por el autor con base en información suministrada por el HSVPP.
La gran similitud de las dos series podría estar mostrando una relación
de causalidad entre una variable y la otra; no obstante esta ilustración
gráf‌i ca, no es suf‌i ciente, por lo cual se lleva a cabo la estimación
econométrica de la función concentración-respuesta, arrojando como
resultado una relación positiva y estadísticamente signif‌i cativa (véase
cuadro 3), entre la concentración máxima diaria de PM10 y el número
de consultas por IRA, con hasta cinco días de rezago tal y como lo
emplean Ostro et al. (1998) y Torres (2002).
400
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
140
Gráfico 4. Número de consultas IRA y PM10 promedio diario.
3
Fuente: Elaborado por el autor con base en información suministrada por la CVC y el HSVPP.
Cuadro 3.
Resultados econométricos de la función concentración-respuesta.
Consultas IRA Coef‌i ciente Z
PM10 rezagado 2 períodos 0,002 0,54
PM10 rezagado 3 períodos 0,001 0,38
PM10 rezagado 5 períodos 0,0060556*** 2,55
Temperatura mínima 0,2205753** 2,01
Constante -1,789636* -1,65
Número de observaciones 114
Chi2-Stadistic Test 12,51
Fuente: Elaborado por el autor con base en los resultados de las estimaciones econométricas.
*** Signif‌i cancia al 1%. **Signif‌i cancia al 5%. Signif‌i cancia al 10%.
Por tanto al analizar los resultados como una elasticidad, podríamos
af‌i rmar que un aumento del 1% en la concentración del PM10 máxi-
mo diario cinco días atrás, generaría hoy un aumento del 0,25% en
el número de consultas por IRA. En cuanto a la temperatura mínima
diaria, se obtiene una relación positiva y signif‌i cativa. Además, las
variaciones en la temperatura no resultaron ser un factor determinan-
te en el aumento de la morbilidad por IRA, ya que al incluirlas en la
estimación se obtuvo un coef‌i ciente no signif‌i cativo.
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
141
Al discriminar los pacientes que consultaron en tres grandes grupos
de edad: i) Niños menores o iguales a diez años, ii) Jóvenes y adultos
menores de sesenta años y iii) Adultos mayores de sesenta años, se
encontró que el primer grupo es afectado por la concentración de
PM10 de la siguiente forma: un incremento en 1% en la concentración
de PM10 máximo diario dos días atrás, generaría hoy un aumento de
0,17% en el número de consultas por IRA y al tratarse de cinco días
atrás, el incremento se traduce en 0,11%. En cuanto al segundo grupo,
la concentración del PM10 no explica las variaciones en el número de
consultas. Por último, los adultos mayores se ven afectados por incre-
mentos en la concentración de PM10 e incrementos en la temperatura
(véase cuadro 4).
Cuadro 4.
Resultados econométricos de la función concentración-respuesta.
Consultas IRA Edad (x) Estimación 1
(x 10) Z Estimación 2
(10 ≤ 60) ZEstimación 3
(x Z
PM10 rezagado 2 períodos 0,0041352** 2.04 -0,0032419 -2.1 0,0001489 0,12
PM10 rezagado 3 períodos -0,0012566 -0.62 -0,0002642 -0.18 0,0022979** 2,09
PM10 rezagado 5 períodos 0,0026775* 1.76 0,0018338 1.52 0,0013706 1,16
Temperatura mínima 0,0819716 1.07 0,0294015 0.5 0,1075978** 2,19
Constante -1,910907 -1.29 -1,430083 -0.63 -6,704717*** -2,50
Número de observaciones 114 114 114
Chi2-Stadistic Test 0.0746 0.1979 0.0139
Fuente: Elaborado por el autor con base en los resultados de las estimaciones econométricas.
***Signif‌i cancia al 1%. **Signif‌i cancia al 5%. *Signif‌i cancia al 10%.
De este modo se llega a resultados similares a los hallados por Ostro
et al. (1998), quienes establecieron que los principales afectados por la
contaminación son los niños; además, los resultados hallados coinciden
con las af‌i rmaciones de Samakovlis et al. (2005), quienes sostienen
que los adultos mayores son el grupo de la población más afectado
por la contaminación, debido al deterioro del sistema inmunológico.
Al comparar la magnitud de los coef‌i cientes hallados se concluye que
éstos son altos, ya que Ostro et al. (1998) obtienen valores para el cuar-
to rezago entre 0,15 y 0,20 dependiendo del grupo de edad. Mientras
que en los análisis que no se emplean variables rezagadas como el de
Lozano (2004), se encuentra un coef‌i ciente de 0,08 y en otros casos
como el de Ostro et al. (1998) varía entre 0,049 y 0,066.
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
142
D. La caña de azúcar y los pacientes
A lo largo de la investigación se presentaron dos relaciones de manera
aislada; primero la relación de causalidad entre la quema de la caña de
azúcar y la concentración de PM10 en la atmósfera y, posteriormente,
la relación entre el PM10 y las IRA. Estos dos análisis a pesar de ser
realizados separadamente, ref‌l ejan de modo indirecto una relación
entre la quema de la caña de azúcar y las IRA, ya que la fuente de la
contaminación es en última instancia la causante de las enfermedades
(véase f‌i gura 1).
Figura 1. Relaciones de causalidad.
Fuente: Elaborado por el autor con base en los resultados y análisis expuestos a lo largo del
artículo.
Empleando los coef‌i cientes hallados en las secciones anteriores, se
estima una aproximación a la magnitud del impacto generado por un
aumento en el área de caña de azúcar quemada, pues que si se duplica
el número de hectáreas de caña quemada, se incrementa en 10% el
número de consultas por IRA. Ello indica que la quema de la caña de
azúcar no sólo genera un aumento en la productividad de los corteros,
sino también una externalidad negativa sobre la población de Palmira,
incrementando las visitas que éstos hacen al médico. Dicho de otro
modo, el aumento en la productividad derivada de esta quema agrícola,
está siendo asumido por la población del municipio de Palmira. Esta
franja de la población está padeciendo, a través de sus problemas de
salud, las debilidades de las leyes ambientales colombianas, las cuales
en este caso no están protegiendo a aquellos que lo requieren.
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
143
V. Conclusiones y recomendaciones
La población de Palmira se está viendo afectada por la contaminación
del aire. Ello se ref‌l eja en las numerosas consultas médicas efectuadas
por IRA y los resultados empíricos de la investigación que corroboran
una relación positiva y signif‌i cativa entre el PM10 y la morbilidad por
esta misma causa. Los grupos de la población más afectados son los
niños y los adultos mayores de sesenta años. En otras palabras, los
niños y niñas de Palmira se enferman de IRA debido a la quema de
la caña de azúcar.
Así mismo, la principal fuente de contaminación atmosférica es la
quema de la caña de azúcar, que emite el 50% del total de la contami-
nación por PM10; relación que se corrobora a través de la estimación
de la función lineal, hallando una estrecha relación entre la quema
de la caña de azúcar y la concentración de PM10 en la atmósfera.
De modo indirecto, la quema de la caña de azúcar está causando un
efecto nocivo en la población, pues la quema de la caña genera PM10
y éste genera IRA.
Paralelamente, los límites diarios máximos permitidos por la EPA son
sobrepasados en diez ocasiones en tan sólo 119 días, sin importar que
este límite sólo se puede rebasar una vez al año a f‌i n de garantizar la
adecuada calidad del aire. Esta situación indica que la autoridad am-
biental no está ejerciendo de manera adecuada su gestión, ni considera
esta situación como un problema.
La sociedad en su conjunto está asumiendo un alto costo por la ex-
ternalidad generada por las diferentes fuentes de contaminación, es
decir, los costos de la contaminación se socializan, mientras que los
benef‌i cios derivados del proceso productivo son capturados de manera
privada. Uno de los mecanismos ef‌i caces para redistribuir esta situación
serían los impuestos a través de tasas retributivas que se apliquen a
las emisiones industriales, agrícolas y vehiculares.
Sería conveniente revisar la regulación acerca de las quemas agrícolas,
ya que esta investigación se limitó a la quema antes de la cosecha; pero
el efecto es aun mayor, pues existe una quema poscosecha, la cual,
según Madriñán (2002), emite 20 toneladas de PM10 diarias adiciona-
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
144
les. La autorización indiscriminada de esta práctica está induciendo al
traslado de un alto costo a los habitantes de los municipios vecinos.
Referencias
ARBEX, M. (2001). “Avaliação dos efeitos do material particulado
proveniente da queima da plantação de cana-de-açúcar sobre a
morbidade respiratória na população de Ararquara-SP”. Tese de
doutorado em medicina, Universidade de São Paulo.
ARBEX, M. A.; BOHM, G. M.; SALDIVA, P. H. N.; CONCEIÇÃO, G.
M. S.; POPE, A. C. III, and BRAGA, A. L. (2000). “Assessment
of the effects of sugar cane plantation burning on daily counts
of inhalation therapy”, Journalof the Air & Waste Management
Association, 50:1745-49.
ASOCAÑA-CENICAÑA (2003). Evaluación y propuesta para regular
las quemas controladas de caña de azúcar. Informe entregado al
Ministerio del Medio Ambiente.
BARNETT, A. G.; WILLIAMS, G. M.; SCHWARTZ, J.; NELLER, A.
H.; BEST, T. L., and PETROESCHEVSKY, A. L. (2005). “Air
pollution and child respiratory health: a case-crossover study in
Australia and New Zealand”, American Journal Of Respiratory
And Critical Care Medicine, 171:1272-8.
CANÇADO, J.; SALDIVA, P.; PEREIRA, L.; LARA, L.; ARTAXO, P.;
MARTINELLI, L.; ARBEX, M.; ZANOBETTI, A. and BRAGA,
A. (2006). “The impact of sugar cane–burning emissions on the
respiratory system of children and the elderly”, Environmental
Health Perspectives, 114(5):725-9.
CENICAÑA (2006). Recuperado el 15 de septiembre de 2006, de
http://www.asocana.com.co/ImageView.aspx?url=~/publico/
ingenios/media/mapa.jpg
CEPAL (2002). “El conglomerado del azúcar del Valle del Cauca,
Colombia”, Unidad de Desarrollo Industrial y Tecnológico, Serie
Desarrollo Productivo, (134), 52.
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
145
COMMITTEE ON ENVIRONMENTAL HEALTHN (2004). “Ambi-
ent air pollution: Health hazards to children”, American Academy
of Pediatrics, 114(6):1699-707.
Convenio de Concertación para la Producción más Limpia (1996).
CROPPER, M.; SIMON, N.; ALBERINI, A.; AROA, S., and SHAMA,
P. (1997). “The health benef‌i ts of air pollution control in Delhi”,
Americal Agricultural Economics Journal, 79(5): 1625-9.
CURTIS, L.; REA, W.; SMITH-WILLIS, P.; FENYVES, E., and PAN,
Y. (2006). “Adverse health effects of outdoor air pollutants”.
Environmental International.
DURÁN, E. (1999). “Estudio de caso sobre el manejo convencional
y agro ecológico del cultivo de la caña de azúcar en el Valle del
Cauca, Reserva Natural El Hático”.
EPA (1990). National Ambient Air Quality Standards (NAAQS). Re-
cuperado el 11 de noviembre de 2005, de http://www.epa.gov/
air/criteria.html
EPA (1999). Determining the Adequacy of Existing Data. Recuperado
el 21 de junio de 2006, de http://www.epa.gov/hpv/pubs/general/
datadf‌i n.htm
FREEMAN, A. (2003). The measurement of environmental and re-
source values: Theory and methods, second edition, Resources
for the Future, Washintong, D. C.
FREIDMAN, M. S.; POWELL, K. E.; HUTWANGER, L.; GRA-
HAM, L. M., and TEAGUE, W. G. (2001). “Impact of changes
in transportation and commuting during the 1996 Summer
Olympic Games in Atlanta on air quality and childhood
asthma”, The Journal of the American Medical Association,
285(7):897-905.
FUNDACIÓN NEUMOLÓGICA COLOMBIANA (1996, 1999).
“Evaluación del humo de la caña de azúcar en el sistema respi-
ratorio”, Asocaña.
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
146
GOURIEROUX, C. (2000). “Econometrics of qualitative dependent
variables”, Cap.11, pp. 270-278, Cambridge press.
LEE, J. T.; SHIN, D., and CHUNG, Y. (1999). “Air pollution and daily
mortality in Seoul and Ulsan, Korea”, Environmental Health
Perspectives, 107(8):149-54.
LOZANO, N. (2004). “Air pollution in Bogotá, Colombia: A concentra-
tion-response approach”, Desarrollo y Sociedad, (54):133-77.
MADRIÑÁN, C. (2002). “Compilación y análisis sobre la contamina-
ción del aire producida por la quema y la requema de la caña de
azúcar”, Tesis de Especialización en Agroecología, Universidad
Nacional, Palmira.
MARTÍNEZ, M. (2003). “La demanda por combustible y el impacto
de la contaminación al interior de los hogares sobre la salud: el
caso de Guatemala”, Documento CEDE 2003-06.
MINISTERIO DE AMBIENTE, VIVIENDA y DESARROLLO TE-
RRITORIAL (2006). Por el aire que respiramos. Recuperado
el 11 de octubre de 2006, de http://www.presidencia.gov.co/
prensa_new/columnas/columnas169.htm
NIKASINOVIC, L.; JUST, J.; SAHRAOUI, F.; SETA, N.; GRIMFELD,
A., and MOMAS, I. (2006). “Nasal inf‌l ammation and personal
exposure to f‌i ne particles PM2.5 in asthmatic children, American
Academy of Allergy”, Asthma and Immunology, 117(6):1382-8.
OLAYA, L. y RAMÍREZ, J. (2003). “Evaluación preliminar de la cali-
dad del aire asociada con partículas suspendidas totales y partícu-
las respirables en el casco urbano de Palmira”, Tesis de Pregrado
en Ingeniería Ambiental, Universidad Nacional, Palmira.
OSTRO, B.; ESKELAND, G.; FEYZIOGLU, T. and SÁNCHEZ, J.
(1998). “Air pollution and health effects: A study of respiratory ill-
ness among children in Santiago, Chile”. Policy Research Working
Paper No. 1932, World Bank, Washington, D. C., June 1998
.
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
147
OSTRO, B.; SÁNCHEZ, J.; ARANDA, C., and ESKELAND, G.
(1996). “Air pollution and mortality: results from a study of San-
tiago, Chile”, Journal of Exposure Analysis and Environmental
Epidemiology, 6:97-114.
PASSALI, D.; LAURIELLO, M.; MEZZEDIMI, C., and BELLUSSI, L.
(1999). “Nasal allergy and atmospheric pollution”, International
Journal of Pediatric Oto Rhino Laryngology, 49:257-60
.
PENARD-MORAND, C.; CHARPIN, D.; RAHERISON, C.; KOP-
FERSCHMITT, C.; CALLAUD, D.; LAVAUD, F. et al. (2005).
“Long-term exposure to background air pollution related to
respiratory and allergic health in schoolchildren”, Clinical &
Expimental Allergy, 35(10):1279-87.
PINO, P.; WALTER, T.; OYARZUN, M.; VILLEGAS, R., and
ROMIEU, I. (2004). “Fine particulate matter and wheezing ill-
nesses in the f‌i rst year of life”, Epidemiology, 15(6):702-8.
POPE III, C.; SCHWARTZ, J. (1996). “Time series for the analysis of
pulmonary health data”, American Journal of Respiratory and
Critical Care Medicine, 154.
SALDIVA, P. (1998). “Poluição atmosférica e saude: uma abordagem
experimental”, Greenpeace, SOS, chega de poluição, Brasil.
SAMAKOVLIS, E.; HUHTALA, A.; BELLANDER, T., and SVAR-
TENGREN, M. (2005). “Valuing health effects of air pollution—
Focus on concentration-response functions”, Journal of Urban
Economics, 58(2):230-49.
SAMET; JOHATHAN, M., and JAAKKOLA, J. (1999). “The epide-
miologic approach to investigating outdorr air pollution”, Air
Pollution and Health, Holgate, Academic Press, London.
TORRES, J. (2002). “Análisis de los efectos a corto plazo de la conta-
minación en Bogota”, Tesis de Magíster en Economía del Medio
Ambiente y de los Recursos Naturales, Facultad de Economía,
Universidad de los Andes, Bogotá.
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
148
UNIVERSIDAD DE LA SALLE (1991). “Estudio de impacto ambien-
tal de la quema de la caña de azúcar en el Valle del Cauca”.
URDANETA, S. (1999). “Mortalidad por infecciones respiratorias agu-
das (IRA) y contaminación del aire: una estimación de funciones
dosis-respuesta para Santa Fe de Bogota”, Tesis de Magíster en
Economía del Medio Ambiente y de los Recursos Naturales,
Facultad de Economía, Universidad de los Andes, Bogotá.
WOOLDRIDGE, J. (2000). Introducción a la econometría, 1a edición,
Western College Publishing, México.
WONG, T. W.; TAM, W. S.; YU, T. S., and WONG, A. H. S. (2002).
“Associations between daily mortalities from respiratory and
cardiovascular diseases and air pollution in Hong Kong, China”,
Occupational and Environmental. Medical, 59:30-5.
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
149
Anexo 1. Mapa
Mapa 1. Los ingenios azucareros en el valle geográfico del río Cauca.
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
150
Anexo 2. Gráf‌i cos
Gráfico 1. Consultas IRA HSVPP 2004.
Fuente: Elaborado por el autor con base en información suministrada por el HSVPP.
Gráfico 2. Evolución de las hectáreas de Caña quemadas, 2004.
Fuente: Elaborado por el autor con base en información suministrada por la CVC.
*Información no disponible.
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
151
0
10
20
30
40
50
60
Febrero Marzo Abril Mayo
Mes
Porcentaje
Gráfico 3. Porcentaje emisiones sector, 2004.
Fuente: Elaborado por el autor con base en estimaciones propias.
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
152
Anexo 3. Pruebas de raíz unitaria
. dfuller nopacientesira, regress lags(0)
Dickey-Fuller test for unit root Number of obs = 118
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -10.656 -3.504 -2.889 -2.579
MacKinnon approximate p-value for Z(t) = 0.0000
D. nopaciente~a Coef. Std. Err. t P>|t| [95% Conf. Interval]
nopaciente~a
L1. -1.000443 .0938884 -10.66 0.000 -1.186401 -.8144851
_cons 2.178938 .2412346 9.03 0.000 1.701143 2.656734
. dfuller nopacientesira, trend regress lags(0)
Dickey-Fuller test for unit root Number of obs = 118
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -10.621 -4.034 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0000
D. nopaciente~a Coef. Std. Err. t P>|t| [95% Conf. Interval]
nopaciente~a
L1. -1.002918 .0944235 -10.62 0.000 -1.189953 -.8158836
_trend .0015084 .0037026 0.41 0.684 -.0058258 .0088425
_cons 2.094624 .3185135 6.58 0.000 1.46371 2.725538
dfuller nopacientesira, regress lags(1)
Dickey-Fuller test for unit root Number of obs = 117
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -6.821 -3.504 -2.889 -2.579
MacKinnon approximate p-value for Z(t) = 0.0000
D. nopaciente~a Coef. Std. Err. t P>|t| [95% Conf. Interval]
nopaciente~a
L1. -.9078364 .1331034 -6.82 0.000 -1.171513 -.6441595
LD. -.0934752 .094002 -0.99 0.322 -.2796924 .092742
_cons 1.985589 .318399 6.24 0.000 1.354843 2.616335
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
153
. dfuller areapalmira, regress lags(0)
Dickey-Fuller test for unit root Number of obs = 118
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -6.866 -3.504 -2.889 -2.579
MacKinnon approximate p-value for Z(t) = 0.0000
D. Areapalmira Coef. Std. Err. t P>|t| [95% Conf. Interval]
areapalmira
L1. -.5876703 .0855935 -6.87 0.000 -.757199 -.4181416
_cons 31.89681 5.198938 6.14 0.000 21.59966 42.19396
. dfuller areapalmira, trend regress lags(0)
Dickey-Fuller test for unit root Number of obs = 118
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -8.368 -4.034 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0000
D. areapalm~a Coef. Std. Err. t P>|t| [95% Conf. Interval]
areapalmira
L1. -.7568397 .0904472 -8.37 0.000 -.9359983 -.5776812
_trend -.2815504 .0690891 -4.08 0.000 -.4184027 -.1446982
_cons 57.9339 8.040235 7.21 0.000 42.00774 73.86006
. dfuller areapalmira, trend regress lags(1)
Dickey-Fuller test for unit root Number of obs = 117
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -6.747 -4.034 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0000
D. areapalm~a Coef. Std. Err. t P>|t| [95% Conf. Interval]
areapalmira
L1. -.7838925 .1161784 -6.75 0.000 -1.014063 -.553722
LD. .0383465 .0941722 0.41 0.685 -.1482257 .2249187
_trend -.2874587 .0747026 -3.85 0.000 -.4354579 -.1394595
_cons 59.72623 9.83293 6.07 0.000 40.24542 79.20703
. dfuller areapalmira, trend regress lags(2)
Dickey-Fuller test for unit root Number of obs = 116
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -6.042 -4.035 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0000
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
154
D. areapalm~a Coef. Std. Err. t P>|t| [95% Conf. Interval]
areapalmira
L1. -.8446116 .1397947 -6.04 0.000 -1.121624 -.5675991
LD. .0947821 .1194441 0.79 0.429 -.1419044 .3314685
L2D. .0772484 .0953352 0.81 0.420 -.1116647 .2661615
_trend -.3040024 .0799588 -3.80 0.000 -.4624461 -.1455587
_cons 64.05383 11.50664 5.57 0.000 41.25265 86.85501
. dfuller pm10, regress lags(0)
Dickey-Fuller test for unit root Number of obs = 118
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -5.601 -3.504 -2.889 -2.579
MacKinnon approximate p-value for Z(t) = 0.0000
D. pm10 Coef. Std. Err. t P>|t| [95% Conf. Interval]
pm10
L1. -.4070136 .0726647 -5.60 0.000 -.5509351 -.263092
_cons 17.54227 3.451289 5.08 0.000 10.70656 24.37799
. dfuller pm10, trend regress lags(0)
Dickey-Fuller test for unit root Number of obs = 118
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -6.062 -4.034 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0000
D. pm10 Coef. Std. Err. t P>|t| [95% Conf. Interval]
pm10
L1. -.4735538 .0781157 -6.06 0.000 -.6282859 -.3188217
_trend -.0863084 .0405589 -2.13 0.035 -.1666477 -.0059692
_cons 25.61075 5.092753 5.03 0.000 15.52299 35.69852
. dfuller pm10, trend regress lags(1)
Dickey-Fuller test for unit root Number of obs = 117
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -5.204 -4.034 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0001
D. pm10 Coef. Std. Err. t P>|t| [95% Conf. Interval]
pm10
L1. -.4697684 .0902735 -5.20 0.000 -.6486166 -.2909203
LD. -.0270947 .0928087 -0.29 0.771 -.2109655 .1567761
_trend -.0807445 .0420671 -1.92 0.057 -.1640869 .002598
_cons 25.01359 5.698227 4.39 0.000 13.72438 36.30281
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
155
. dfuller pm10, trend regress lags(2)
Dickey-Fuller test for unit root Number of obs = 116
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -4.471 -4.035 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0017
D. pm10 Coef. Std. Err. t P>|t| [95% Conf. Interval]
pm10
L1. -.4479532 .1001834 -4.47 0.000 -.6464733 -.2494332
LD. -.060288 .1027962 -0.59 0.559 -.2639855 .1434095
L2D. -.0921595 .0925348 -1.00 0.321 -.2755235 .0912045
_trend -.0671553 .0430812 -1.56 0.122 -.1525236 .0182129
_cons 23.03981 6.185251 3.72 0.000 10.78332 35.2963
. dfuller hr, regress lags(0)
Dickey-Fuller test for unit root Number of obs = 118
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -5.153 -3.504 -2.889 -2.579
MacKinnon approximate p-value for Z(t) = 0.0000
D. hr Coef. Std. Err. t P>|t| [95% Conf. Interval]
hr
L1. -.3665963 .0711479 -5.15 0.000 -.5075137 -.2256788
_cons 24.7687 4.780582 5.18 0.000 15.30016 34.23725
. dfuller hr, trend regress lags(0)
Dickey-Fuller test for unit root Number of obs = 118
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -5.760 -4.034 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0000
D. hr Coef. Std. Err. t P>|t| [95% Conf. Interval]
hr
L1. -.4429654 .0769008 -5.76 0.000 -.5952911 -.2906397
_trend .0343012 .0145138 2.36 0.020 .0055521 .0630502
_cons 27.83565 4.865077 5.72 0.000 18.19887 37.47243
. dfuller hr, trend regress lags(1)
Dickey-Fuller test for unit root Number of obs = 117
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -4.910 -4.034 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0003
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
156
D. hr Coef. Std. Err. t P>|t| [95% Conf. Interval]
hr
L1. -.4343796 .0884615 -4.91 0.000 -.6096378 -.2591215
LD. .0131611 .0931718 0.14 0.888 -.1714291 .1977514
_trend .0358821 .0149676 2.40 0.018 .0062285 .0655356
_cons 27.1201 5.594316 4.85 0.000 16.03675 38.20345
. dfuller hr, trend regress lags(2)
Dickey-Fuller test for unit root Number of obs = 116
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -4.995 -4.035 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0002
D. hr Coef. Std. Err. t P>|t| [95% Conf. Interval]
hr
L1. -.4880314 .0976959 -5.00 0.000 -.6816223 -.2944406
LD. .0681911 .1034633 0.66 0.511 -.1368284 .2732105
L2D. .1251168 .0946743 1.32 0.189 -.0624866 .3127203
_trend .0404877 .0154683 2.62 0.010 .0098362 .0711393
_cons 30.41943 6.164724 4.93 0.000 18.20362 42.63524
. dfuller hr, trend regress lags(0)
Dickey-Fuller test for unit root Number of obs = 118
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -5.760 -4.034 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0000
D. hr Coef. Std. Err. t P>|t| [95% Conf. Interval]
hr
L1. -.4429654 .0769008 -5.76 0.000 -.5952911 -.2906397
_trend .0343012 .0145138 2.36 0.020 .0055521 .0630502
_cons 27.83565 4.865077 5.72 0.000 18.19887 37.47243
dfuller hr, trend regress lags(1)
Dickey-Fuller test for unit root Number of obs = 117
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -4.910 -4.034 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0003
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
157
D. hr Coef. Std. Err. t P>|t| [95% Conf. Interval]
hr
L1. -.4343796 .0884615 -4.91 0.000 -.6096378 -.2591215
LD. .0131611 .0931718 0.14 0.888 -.1714291 .1977514
_trend .0358821 .0149676 2.40 0.018 .0062285 .0655356
_cons 27.1201 5.594316 4.85 0.000 16.03675 38.20345
. dfuller hr, trend regress lags(2)
Dickey-Fuller test for unit root Number of obs = 116
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -4.995 -4.035 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0002
D. hr Coef. Std. Err. t P>|t| [95% Conf. Interval]
hr
L1. -.4880314 .0976959 -5.00 0.000 -.6816223 -.2944406
LD. .0681911 .1034633 0.66 0.511 -.1368284 .2732105
L2D. .1251168 .0946743 1.32 0.189 -.0624866 .3127203
_trend .0404877 .0154683 2.62 0.010 .0098362 .0711393
_cons 30.41943 6.164724 4.93 .000 18.20362 42.63524
. dfuller t, regress lags(0)
Dickey-Fuller test for unit root Number of obs = 118
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -4.951 -3.504 -2.889 -2.579
MacKinnon approximate p-value for Z(t) = 0.0000
D. t Coef. Std. Err. t P>|t| [95% Conf. Interval]
t
L1. -.3504352 .0707844 -4.95 0.000 -.4906326 -.2102377
_cons 8.568134 1.744097 4.91 0.000 5.11373 12.02254
. dfuller t, trend regress lags(0)
Dickey-Fuller test for unit root Number of obs = 118
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -5.168 -4.034 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0001
D. t Coef. Std. Err. t P>|t| [95% Conf. Interval]
t
L1. -.3782809 .0732017 -5.17 0.000 -.5232794 -.2332824
_trend -.0038863 .0027573 -1.41 0.161 -.0093479 .0015753
_cons 9.484545 1.854443 5.11 0.000 5.811251 13.15784
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
158
. dfuller t, regress lags(1)
Dickey-Fuller test for unit root Number of obs = 117
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -4.396 -3.504 -2.889 -2.579
MacKinnon approximate p-value for Z(t) = 0.0003
D. t Coef. Std. Err. t P>|t| [95% Conf. Interval]
t
L1. -.3508915 .0798177 -4.40 0.000 -.5090098 -.1927731
LD. .0689502 .0927925 0.74 0.459 -.114871 .2527713
_cons 8.594821 1.96587 4.37 0.000 4.700448 12.48919
. dfuller t, regress lags(2)
Dickey-Fuller test for unit root Number of obs = 116
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -4.428 -3.505 -2.889 -2.579
MacKinnon approximate p-value for Z(t) = 0.0003
D. t Coef. Std. Err. t P>|t| [95% Conf. Interval]
t
L1. -.3885047 .087735 -4.43 0.000 -.5623402 -.2146691
LD. .1095604 .1007104 1.09 0.279 -.0899843 .3091052
L2D. .0859458 .0943039 0.91 0.364 -.1009052 .2727969
_cons 9.51798 2.160312 4.41 0.000 5.2376 13.79836
. dfuller vv, regress lags(0)
Dickey-Fuller test for unit root Number of obs = 118
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -6.943 -3.504 -2.889 -2.579
MacKinnon approximate p-value for Z(t) = 0.0000
D. vv Coef. Std. Err. t P>|t| [95% Conf. Interval]
vv
L1. -.5657038 .0814731 -6.94 0.000 -.7270715 -.404336
_cons .7482248 .1109836 6.74 0.000 .5284079 .9680418
. dfuller vv, trend regress lags(0)
Dickey-Fuller test for unit root Number of obs = 118
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -7.500 -4.034 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0000
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
159
D. vv Coef. Std. Err. t P>|t| [95% Conf. Interval]
vv
L1. -.6384887 .085127 -7.50 0.000 -.8071089 -.4698684
_trend -.0014768 .0006029 -2.45 0.016 -.0026711 -.0002825
_cons .9336758 .132442 7.05 0.000 .6713336 1.196018
. dfuller vv, trend regress lags(1)
Dickey-Fuller test for unit root Number of obs = 117
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -5.793 -4.034 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0000
D. vv Coef. Std. Err. t P>|t| [95% Conf. Interval]
vv
L1. -.601538 .1038476 -5.79 0.000 -.8072787 -.3957972
LD. -.004291 .0915401 -0.05 0.963 -.1856484 .1770665
_trend -.00154 .0006208 -2.48 0.015 -.0027698 -.0003102
_cons .8909565 .1585336 5.62 0.000 .5768729 1.20504
. dfuller vv, trend regress lags(2)
Dickey-Fuller test for unit root Number of obs = 116
Interpolated Dickey-Fuller
Test Statistic 1% Critical Value 5% Critical Value 10% Critical Value
Z(t) -5.636 -4.035 -3.448 -3.148
MacKinnon approximate p-value for Z(t) = 0.0000
D. vv Coef. Std. Err. t P>|t| [95% Conf. Interval]
vv
L1. -.6666148 .1182797 -5.64 0.000 -.9009939 -.4322357
LD. .0787742 .1116937 0.71 0.482 -.1425543 .3001026
L2D. .0891387 .0927553 0.96 0.339 -.0946622 .2729395
_trend -.0016316 .000645 -2.53 0.013 -.0029096 -.0003535
_cons .982046 .1798199 5.46 0.000 .6257207 1.338371
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
160
Anexo 4. Estimaciones econométricas
. regress pm10md areapalmira galonesgasolina consumoeei hr , robust
Linear regression Number of obs = 119
F( 4, 114) = 15.00
Prob > F = 0.0000
R-squared = 0.2517
Root MSE = 39.112
pm10mdo Coef. Robust
Std. Err. t P>|t| [95% Conf. Interval]
areapalmira .6405242 .1743072 3.67 0.000 .295223 .9858253
galonesgas~a -.0000538 .0000987 -0.55 0.587 -.0002493 .0001417
consumoeei -.0000182 .0000182 -1.00 0.318 -.0000542 .0000177
hr -1.812753 .6803342 -2.66 0.009 -3.16049 -.4650162
_cons 322.2841 154.2075 2.09 0.039 16.80018 627.768
. regress pm10md areapalmira galonesgasolina consumoeei t, robust
Linear regression Number of obs = 119
F( 4, 114) = 14.38
Prob > F = 0.0000
R-squared = 0.2529
Root MSE = 39.081
pm10mdo Coef. Robust
Std. Err. t P>|t| [95% Conf. Interval]
Areapalmira .6310349 .1719415 3.67 0.000 .2904201 .9716498
galonesgas~a -.0000675 .000098 -0.69 0.492 -.0002616 .0001265
consumoeei -.0000106 .0000184 -0.58 0.564 -.0000471 .0000258
t 8.78795 3.128542 2.81 0.006 2.590332 14.98557
_cons -40.06216 191.5769 -0.21 0.835 -419.5746 339.4503
. regress pm10md areapalmira galonesgasolina consumoeei vv, robust
Linear regression Number of obs = 119
F( 4, 114) = 9.46
Prob > F = 0.0000
R-squared = 0.2170
Root MSE = 40.008
pm10mdo Coef. Robust
Std. Err. t P>|t| [95% Conf. Interval]
Areapalmira .6934185 .1497881 4.63 0.000 .3966893 .9901476
galonesgas~a -3.25e-06 .000105 -0.03 0.975 -.0002113 .0002047
consumoeei -.0000101 .0000201 -0.50 0.615 -.0000499 .0000296
vv 29.99628 19.41379 1.55 0.125 -8.462291 68.45485
_cons 68.05517 173.2621 0.39 0.695 -275.1757 411.2861
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
161
. poisson nopacientesira pm10md2r pm10md3r pm10md5r tmin,robust
Iteration 0: log pseudolikelihood = -189.42178
Iteration 1: log pseudolikelihood = -189.42178
Poisson regression Number of obs = 114
Wald chi2(4) = 12.51
Prob > chi2 = 0.0139
Log pseudolikelihood = -189.42178 Pseudo R2 = 0.0199
nopaciente~a Coef. Robust
Std. Err. z P>|z| [95% Conf. Interval]
pm10md2r .0007698 .0014118 0.55 0.586 -.0019972 .0035368
pm10md3r .0005019 .0013113 0.38 0.702 -.0020681 .0030719
pm10md5r .0028157 .0011215 2.51 0.012 .0006177 .0050137
tmin .1025615 .0512153 2.00 0.045 .0021813 .2029417
_cons -1.789636 1.086349 -1.65 0.099 -3.91884 .3395683
. mfx
Marginal effects after poisson
y = predicted number of events (predict)
= 2.1506642
Variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X
pm10md2r .0016556 .00305 0.54 0.587 -.004323 .007635 91.1103
pm10md3r .0010794 .00281 0.38 0.701 -.004433 .006592 92.06
pm10md5r .0060556 .00237 2.55 0.011 .001402 .01071 93.651
tmin .2205753 .10956 2.01 0.044 .005851 .435299 21.2105
. poisson menores10 pm10md2r pm10md3r pm10md5r tmin,robust
Iteration 0: log pseudolikelihood = -150.39131
Iteration 1: log pseudolikelihood = -150.39131
Poisson regression Number of obs = 114
Wald chi2(4) = 8.51
Prob > chi2 = 0.0746
Log pseudolikelihood = -150.39131 Pseudo R2 = 0.0198
menores10 Coef. Robust
Std. Err. z P>|z| [95% Conf. Interval]
pm10md2r .0037104 .0017981 2.06 0.039 .0001863 .0072346
pm10md3r -.0011275 .0017961 -0.63 0.530 -.0046477 .0023927
pm10md5r .0024025 .0013995 1.72 0.086 -.0003406 .0051455
tmin .0735509 .0690754 1.06 0.287 -.0618344 .2089363
_cons -1.910907 1.48516 -1.29 0.198 -4.821768 .9999538
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
162
. mfx
Marginal effects after poisson
y = predicted number of events (predict)
= 1.1144878
Variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X
pm10md2r .0041352 .00202 2.04 0.041 .00017 .0081 91.1103
pm10md3r -.0012566 .00201 -0.62 0.532 -.005201 .002688 92.06
pm10md5r .0026775 .00152 1.76 0.078 -.000303 .005658 93.651
tmin .0819716 .07669 1.07 0.285 -.068343 .232286 21.2105
. poisson entre10y60 pm10md2r pm10md3r pm10md5r tmin,robust
Iteration 0: log pseudolikelihood = -110.54898
Iteration 1: log pseudolikelihood = -110.54896
Iteration 2: log pseudolikelihood = -110.54896
Poisson regression Number of obs = 114
Wald chi2(4) = 6.02
Prob > chi2 = 0.1979
Log pseudolikelihood = -110.54896 Pseudo R2 = 0.0181
entre10y60 Coef. Robust
Std. Err. z P>|z| [95% Conf. Interval]
pm10md2r -.0057918 .0028956 -2.00 0.045 -.0114672 -.0001165
pm10md3r -.000472 .002693 -0.18 0.861 -.0057502 .0048062
pm10md5r .0032761 .0021871 1.50 0.134 -.0010105 .0075627
tmin .0525274 .10505 0.50 0.617 -.1533669 .2584217
_cons -1.430083 2.259654 -0.63 0.527 -5.858924 2.998758
. mfx
Marginal effects after poisson
y = predicted number of events (predict)
= .55973712
Variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X
pm10md2r -.0032419 .00155 -2.10 0.036 -.006275 -.000209 91.1103
pm10md3r -.0002642 .00151 -0.18 0.861 -.003219 .00269 92.06
pm10md5r .0018338 .00121 1.52 0.129 -.000536 .004204 93.651
tmin .0294015 .05888 0.50 0.618 -.085992 .144795 21.2105
59
PRIMER SEMESTRE DE 2007, PP. 117-164.
DESARROLLO Y SOCIEDAD
163
. poisson entre10y60 pm10mdr pm10md2r pm10md3r pm10md4r pm10md5r tmin,robust
Iteration 0: log pseudolikelihood = -110.20939
Iteration 1: log pseudolikelihood = -110.20936
Iteration 2: log pseudolikelihood = -110.20936
Poisson regression Number of obs = 114
Wald chi2(6) = 7.01
Prob > chi2 = 0.3196
Log pseudolikelihood = -110.20936 Pseudo R2 = 0.0211
entre10y60 Coef. Robust
Std. Err. z P>|z| [95% Conf. Interval]
pm10mdr .0011382 .0040109 0.28 0.777 -.006723 .0089994
pm10md2r -.0058883 .0028185 -2.09 0.037 -.0114124 -.0003642
pm10md3r .0001857 .0026401 0.07 0.944 -.0049889 .0053603
pm10md4r -.0063633 .0094606 -0.67 0.501 -.0249057 .012179
pm10md5r .0039822 .0025058 1.59 0.112 -.000929 .0088934
tmin .047993 .1047448 0.46 0.647 -.1573031 .253289
_cons -1.278806 2.212056 -0.58 0.563 -5.614355 3.056743
. mfx
Marginal effects after poisson
y = predicted number of events (predict)
= .55741957
Variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X
pm10mdr .0006344 .00225 0.28 0.777 -.003766 .005035 90.4196
pm10md2r -.0032823 .00153 -2.14 0.032 -.00629 -.000274 91.1103
pm10md3r .0001035 .00147 0.07 0.944 -.002782 .002989 92.06
pm10md4r -.0035471 .00528 -0.67 0.502 -.013893 .006799 44.009
pm10md5r .0022198 .00138 1.61 0.108 -.000488 .004927 93.651
tmin .0267522 .05802 0.46 0.645 -.086966 .14047 21.2105
. poisson mayoresde60 pm10md2r pm10md3r pm10md5r tmin,robust
Iteration 0: log pseudolikelihood = -97.212792
Iteration 1: log pseudolikelihood = -97.21278
Iteration 2: log pseudolikelihood = -97.21278
Poisson regression Number of obs = 114
Wald chi2(4) = 10.33
Prob > chi2 = 0.0353
Log pseudolikelihood = -97.21278 Pseudo R2 = 0.0406
menoresde60 Coef. Robust
Std. Err. z P>|z| [95% Conf. Interval]
pm10md2r .0003332 .0028812 0.12 0.908 -.0053139 .0059802
pm10md3r .0051431 .0025544 2.01 0.044 .0001366 .0101496
pm10md5r .0030677 .002666 1.15 0.250 -.0021577 .008293
tmin .2408217 .1188421 2.03 0.043 .0078954 .473748
_cons -6.704717 2.678571 -2.50 0.012 -11.95462 -1.454815
La caña de azúcar ¿una amarga externalidad?
Eleonora Dávalos Álvarez
164
. mfx
Marginal effects after poisson
y = predicted number of events (predict)
= .44679469
Variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X
pm10md2r .0001489 .00129 0.12 0.908 -.002373 .002671 91.1103
pm10md3r .0022979 .0011 2.09 0.037 .000138 .004458 92.06
pm10md5r .0013706 .00119 1.16 0.248 -.000953 .003694 93.651
tmin .1075978 .04913 2.19 0.029 .011303 .203892 21.2105

VLEX utiliza cookies de inicio de sesión para aportarte una mejor experiencia de navegación. Si haces click en 'Aceptar' o continúas navegando por esta web consideramos que aceptas nuestra política de cookies. ACEPTAR