Está en la página 1de 52

Proyecto Mediano CIES N° 12, periodo 2005-2006

“Minería y economías familiares:


explorando impactos y espacios de conflicto”

Eduardo Zegarra Méndez(*)


José Carlos Orihuela
Maritza Paredes

Informe Final(**)

Abstract: En este estudio evaluamos el impacto de la actividad minero-metálica en los hogares de su


entorno. Usamos un método de emparejamiento en dos etapas, en la primera, entre distritos mineros
y no mineros en variables distritales de 1993-1994, y en una segunda, entre hogares en atributos
específicos. Para medir impactos usamos la ENAHO 2003/04. Debido al tamaño reducido de las
muestras en costa y selva, realizamos el análisis solo en la sierra, y encontramos de un lado, un
efecto positivo de la minería en los ingresos, gastos y reducción de pobreza de las familias, pero con
un impacto negativo en el acceso a servicios de agua y desagüe y en mayor incidencia en
enfermedades agudas. Encontramos, además, evidencia de un proceso de desagrarización de las
zonas mineras, señalando una creciente competencia entre minería y agricultura por los recursos
agrarios en la sierra peruana. Algunos de estos resultados cambian o se profundizan al desagregar
los hogares en urbanos y rurales, o al hacerlo por zonas norte, centro y sur. También encontramos
impactos diferenciados para hogares con distintas dotaciones de educación o por su orientación
agraria, identificando que aún cuando el impacto medio sea positivo, para grupos más pobres o
vulnerables el impacto puede ser claramente negativo en ingresos o gasto, por ejemplo. Este
conjunto de elementos constituyen lo que llamamos un “espacio objetivo” de potenciales conflictos
entre minería y sus entornos, el cual en nuestra opinión no es enfrentado eficazmente por las actuales
políticas, normas e institucionalidad públicas de promoción de la inversión minera en el Perú.

Noviembre del 2006

(*) Investigador Principal de GRADE, comentarios pueden ser enviados a: ezegarra@grade.org.pe.

(**) Este estudio contó con la valiosa asistencia de Jorge Tuesta, asistente de investigación de GRADE.
Asimismo, los autores desean agradecer a Daniel Calvelo por su apoyo con la construcción de información
geográfica, a Propuesta Ciudadana por facilitarnos su información sobre valor de la producción minera, y a
los comentaristas anónimos de las versiones previas de este informe.

1
Resumen Ejecutivo

Introducción

1. El Perú viene atravesando por un boom minero desde hace varios años, con impactos económicos
y sociales importantes a nivel agregado. El producto bruto minero ha crecido a una tasa anual
promedio de 10% en la última década, incrementando su participación en el PBI nacional de 3.5%
a 5.8%. Paralelo a esta evolución favorable, sin embargo, se constata un clima de crecientes
conflictos entre la actividad minera y su entorno local y regional. Este fenómeno ha adquirido
dimensiones que vienen poniendo en entredicho la efectividad de las políticas públicas de
fomento a la inversión minera y manejo de los recursos naturales implementadas en este periodo,
en especial la efectividad de instrumentos como el canon minero o de una institucionalidad
pública sectorializada para el manejo de impactos ambientales.

2. ¿Por qué vienen ocurriendo con mayor frecuencia estos conflictos en zonas nuevas con mayor
potencial agrario? ¿En qué medida existen bases económicas detrás de este creciente descontento?
¿Existe un impacto adverso de la minería en los ingresos de las familias cercanas a la minería, en
su bienestar? ¿son impactos diferenciados?. En esta investigación buscamos aportar a esta
discusión con el uso intensivo de información disponible a nivel distrital y de los hogares
peruanos. El objetivo central es explorar empíricamente los posibles impactos económicos que
habría tenido la actividad minera en las economías familiares de su entorno y que estarían a la
base de este clima de creciente conflicto percibido durante la última década en el Perú.

3. El estudio buscará realizar una estimación de los impactos de la actividad minera en diversos
indicadores de bienestar de las familias ubicadas cerca de esta actividad utilizando encuestas de
hogares nacionales y fuentes de información complementaria a nivel distrital para el periodo
previo al boom minero de la última década. Lamentablemente, las fuentes disponibles de
información no permiten evaluar el bienestar de estos hogares localizados cerca de la minería
“antes y después” de la intervención minera. Frente a esto, planteamos el uso de técnicas de
emparejamiento de distritos y hogares que, bajo ciertos supuestos, permiten simular el impacto
hipotético de la minería en las variables e indicadores de bienestar que nos interesa evaluar.

Marco teórico y enfoque metodológico

4. Usamos un modelo microeconómico para establecer las relaciones básicas de interés entre la
actividad minera y la población (urbana y rural) ubicada en el ámbito de influencia de las
explotaciones. Nuestra hipótesis central es que el importante crecimiento minero observado en el
Perú en los 1990s ha generado efectos diversificados en las economías urbanas y rurales ubicadas
en su entorno. Como se desprende del modelo presentado para el ingreso de las familias, estos
efectos agregados pueden ser adversos en un contexto de severas fallas de mercado y de escasez
de bienes públicos complementarios que hagan viable la reconversión de las familias a actividades
más rentables en un nuevo contexto económico.

5. Son estos efectos los que pueden estar a la base del creciente descontento y relación conflictiva
entre la minería y sus entornos urbanos y rurales observados durante la última década en el Perú.
Parte del problema es que no ha existido una política pública que prevea estos problemas y brinde
a estas familias las ayudas o condiciones necesarias para ajustarse de manera efectiva a un nuevo
contexto. Al respecto, cabe preguntarse por la efectividad de las transferencias vía canon minero a
estas regiones en donde se privilegian inversiones en infraestructura pero con escaso impacto en
la diversificación de alternativas productivas y crecimiento de capacidades de las familias para
mejorar sus ingresos en contextos de cambio.

6. Pese a creciente importancia de entender mejor la relación entre minería y bienestar de los
pobladores rurales en el Perú, existe aún poco trabajo empírico orientado a establecer relaciones
más generales que las que puedan extraerse de algunos estudios de caso. Sin embargo, existe un
antecedente inmediato en la línea de lo que proponemos hacer en este estudio en Barrantes et al.
(2005), que evalúa empíricamente si existe una relación entre localización en zonas mineras y la

i
probabilidad de que un hogar sea pobre. Para el presente estudio planteamos el uso de un enfoque
más amplio para la exploración empírica de la relación entre minería e ingresos y otras variables
de los hogares en el Perú.

7. Planteamos que es posible reducir los sesgos de medir impactos de la minería en los hogares
rurales usando técnicas de emparejamiento similares a la usada por Escobal y Ponce (2002) para
evaluar el impacto de la rehabilitación y mejoramiento de caminos en los hogares rurales
peruanos. Proponemos usar un enfoque similar, pero con una base conceptual diferente. En este
caso no estamos evaluando los impactos de una intervención pública sino los de la presencia de
actividad minera en sus entornos urbanos y rurales. En nuestro caso el proceso de
emparejamiento tiene una justificación conceptual distinta a la literatura convencional de
evaluación de proyectos públicos. El propósito del emparejamiento de lugares geográficos y
hogares que haremos es generar, en una primera etapa, un grupo de distritos comparables con los
distritos mineros en atributos que asumimos importantes para los potenciales impactos de la
minería, en un momento del tiempo que también asumimos apropiado para evaluar lo ocurrido en
la última década.

Fuentes de información y emparejamiento distrital

8. El estudio se basa en el uso de diversas fuentes de información cuantitativa existentes. Se le ha


dado particular atención a fuentes oficiales con datos para todo el territorio nacional como los
censos agropecuario de 1994 y de población de 1993. Ambas bases de datos son fundamentales
para generar un conjunto de distritos “comparables” en un periodo previo al de la intervención de
la actividad minera en la última década. En cuanto a la identificación de la presencia de actividad
minera en el territorio nacional, obtuvimos del MEM la base de datos “Distritos mineros 2003” en
la cual se identifican a empresas medianas y grandes en todo el territorio nacional. En este caso,
sin embargo, no fue posible identificar distintas escala de las operaciones mineras. Además, para
este proceso de identificación de distritos mineros utilizamos datos generados por el grupo
Propuesta Ciudadana, el cual permite estimar la producción minero-metálica en cada distrito en el
periodo 2001-2003. Es sobre estas dos bases de datos que identificamos a los distritos con
minería metálica, no siendo posible generar una variable homegenea de intensidad de la actividad
minera.

9. Un conjunto de 169 distritos son considerados como “mineros” en todo el país de acuerdo a esta
definición. La actividad minera está más o menos distribuída en las tres regiones naturales del
territorio, aunque existen importantes regiones como la costa centro y norte, y la selva alta
oriental (salvo Puno) que tienen escasa o nula presencia de minería metálica. Sobre la base de la
información distrital se procedió a realizar un proceso de emparejamiento de los distritos mineros
con un conjunto de distritos potencialmente comparables. El proceso de emparejamiento se
realizó por separado en cada una de las tres regiones naturales (costa, sierra y selva).

10. Del procedimiento de emparejamiento quedaron 155 distritos mineros o “intervenidos” y 246 de
“control”. Sin embargo, luego del empalme con ENAHO 2003/04 quedaron solamente 68
distritos “intervenidos” y 113 de “control” con información de hogares. Cabe señalar aquí que en
la siguiente etapa del análisis, de comparación entre hogares en distritos mineros y no mineros
(controles), se incluirá la variable generada en la primera etapa del puntaje de propensión como
variable de control en el emparejamiento de hogares, de tal forma que se tenderá a comparar
hogares entre distritos comparables y al mismo tiempo, se incluirán variables relacionadas con
atributos y activos de los hogares que se suponen no son afectados por la actividad minera, al
menos en los plazos de la evaluación.

11. Las muestras resultantes de hogares para las regiones de costa y selva son muy pequeñas (en gran
medida por la poca presencia de la minería en dichas regiones). Debido a esto, sólo haremos el
análisis de impactos de la minería en la región sierra, con desagregaciones urbana y rural, y por
zonas norte, centro y sur.

ii
12. La opción metodológica utilizada para evaluar el impacto que habría tenido la actividad minera en
los hogares es una aplicación adicional del propio método de emparejamiento en una segunda
etapa, ahora emparejando hogares ubicados en distritos mineros con los hogares ubicados en los
distritos comparables.

13. Para las estimaciones de toda la sierra, usamos el método de emparejamiento de “uno a uno”, es
decir, para hogar de tratamiento se ubica un hogar de control contra el cual se mide la diferencia
(impacto) de la minería. En todos los otros casos más desagregados (por zona y ruralidad)
usamos el método de emparejamiento tipo “kernel” en el cual la estimación de la deferencia en las
variables de impacto se realiza entre cada hogar de tratamiento y un ”hogar representativo” de
control que asume el promedio ponderado del valor de la variable en evaluación con un mayor
peso en la ponderación para los hogares dentro del soporte común.

Principales hallazgos

14. Para la estimación agregada, los resultados indican que la minería tendría un impacto positvo en
los ingresos y gastos de las familias ubicadas en su entorno. El ingreso percápita promedio habría
aumentado en +34% y el gasto percápita en +22%. Esta diferencia entre ingreso y gasto podría
atribuirse a la percepción de que los ingresos adicionales generados por la minería son de un
carácter transitorio y por ende parte de estos ingresos se orientarían a formas de ahorro de los
hogares. El importante impacto en el gasto hace que la probabilidad de que las familias sean
pobres es inferior en -11.3% en las zonas mineras versus las zonas no mineras.

15. No obstante este resultado agregado en ingresos y gastos, cuando se realizan las estimaciones a un
nivel más desagregado entre hogares urbanos y rurales, los impactos en ingresos percápita pierden
significancia estadística. En el caso del gasto percápita, se mantiene el resultado positivo para los
hogares rurales con +15.5% de impacto. El impacto en el gasto de los hogares urbanos también es
positivo (+12%) pero sólo significativo al 85% de confianza. Esto hace que el impacto en
reducción de pobreza sea significativo para los hogares urbanos (-9.8%) y rurales (-8.3%). En
este sentido, los resultados sobre gastos percápita aparecen como más robustos que los obtenidos
al nivel agregado para los ingresos percápita.

16. En cuanto al ingreso agropecuario, el resultado agregado indica que el impacto sería negativo (-
13%) pero sin significancia estadística al 90%. No se observa impacto significativo para este
indicador cuando se desagrega la muestra en urbana/rural. Sin embargo, los otros dos indicadores
con respecto a la orientación agraria de las familias indica que sí habría un impacto de
desplazamiento de las familias de la actividad agraria. Por ejemplo, la proporción de ingreso
agropecuario en el ingreso total es inferior en -8.3% en los hogares del entorno minero, impacto
que se mantiene significativo para hogares urbanos (-5.1%) y rurales (-5.6%). Además, la
probabilidad de que una familia dependa de la agricultura es inferior en -7.4% en el agregado,
pero este indicador pierde significancia para la desagregación urbano/rural.

17. Consideramos que este tema de la relación entre agricultura y actividad minera en la sierra es
importante, y se evalúa también para las estimaciones más desagregadas presentadas luego. El
resultado general obtenido para los hogares sugiere que efectivamente podría haber ocurrido un
proceso de competencia excluyente por los recursos entre minería y agricultura en la sierra
peruana en los últimos años, en el cual la actividad agraria enfrentaría claras desventajas por sus
menores retornos. Igualmente, cabe preguntarse por el impacto diferenciado que puede generar la
presencia minera en los hogares rurales de acuerdo a sus dotaciones de activos agrarios y no
agrarios al momento de ingresar la actividad minera en el ámbito, tema que evaluamos más
adelante.

18. Los otros dos resultados importantes obtenidos tanto para la sierra en su conjunto como para la
desagregación urbano/rural se refieren al acceso a agua potable y la incidencia de enfermedades
agudas en las familias. En el primer caso, la estimación indica que los hogares en zonas mineras
de la sierra tienen una menor probabilidad (-6-5%) de tener acceso a agua potable. Este resultado

iii
se mantiene sólo para los hogares rurales (-11.1%), pero en el caso de los hogares urbanos se
observa un efecto negativo en el acceso a desagüe (-8.6%).

19. Una hipótesis posible para explicar este resultado es que el Estado orientaría menos recursos para
este tipo de inversiones en distritos mineros al considerar que la actividad minera privada cubriría
la diferencia o por asumir que los recursos de canon son suficientes para esto. También podría
ocurrir que exista alguna variable no observable relacionada a los costos de inversión en agua y
saneamiento que haga dicha inversión más cara o difícil en los distritos mineros versus los no
mineros (en este caso, recuérdese que la altura media de los distritos ya fue controlada en el
emparejamiento de distritos, pero podrían jugar algún rol otras variables topográficas no
observables).

20. Igualmente (y quizás en forma correlacionada al resultado en los indicadores de saneamiento), los
hogares de sierra tienen una mayor probabilidad de que algún miembro haya tenido una
enfermedad aguda en el último mes a la encuesta (+3.5%), porcentaje que se basa casi
exclusivamente en el impacto negativo en los hogares urbanos (+6.8%) ya que en los rurales tal
efecto no es estadísticamente significativo. Cabe señalar que esta probabilidad es el doble para
los hogares en general ubicados en zona minera que los hogares de comparación, y es casi el triple
para los hogares urbanos con respecto a sus contrapartes de comparación, es decir, un hogar en
zona urbana con presencia minera tiene tres veces más probabilidad de tener algún miembro que
haya tenido o tenga enfermedad aguda en el mes previo a la aplicación de la encuesta.

21. En cuanto al análisis de los hogares diferenciados por sus activos, se observa que los hogares
rurales con jefes de hogar de menor nivel educativo tienden a tener un impacto menor (o incluso
negativo) de la actividad minera en el distrito. Los impactos más significativos tanto en ingreso
como en gasto se observan recién para familias lideradas por jefes de hogar con más de 9 años de
educación. Para el resto, el impacto es casi nulo o incluso negativo.

22. Igualmente, cuando se evalúan los impactos promedio estimados para las familias agrarias y no
agrarias en el ámbito rural de la sierra se encontró que mientras las familias no agrarias tuvieron
impactos positivos de +41% en ingreso y de +31% en gasto, las familias agrarias tuvieron caídas
de ingresos en -13% en ingresos y de -6.7% en gasto. Esto evidencia claramente que el impacto
de la minería tendría efectos bastante diferenciados (y diferenciadores) en los hogares rurales,
acrecentando en muchos casos la propia desigualdad del ingreso previamente existente.

23. Para los hogares urbanos se ha encontrado un patrón similar para los años de educación del jefe de
hogar En este caso se aprecia que el efecto de la presencia minera en los hogares está fuertemente
correlacionado con los años de educación de los jefes de hogar. Para familias con jefes de hogar
con niveles de educación de sólo primaria, los efectos de la minería en sus ingresos son negativos.

24. Estos patrones diferenciados de impactos de la minería en los ingresos y gastos de los hogares
tanto rurales como urbanos de la sierra peruana sugieren una dimensión importante de conflicto
en la relación entre esta actividad y su entorno. En ausencia de políticas adecuadas y serias
deficiencias en la provisión de bienes públicos a las familias rurales y urbanas de la sierra, el
impacto positivo de la minería tiende a concentrarse en las familias con más activos privados,
aumentando brechas pre-existentes y generando incluso caídas de bienestar en grupos más
vulnerables de la población.

Conclusiones

25. Lo primero que queremos señalar es que existen una serie de limitaciones del análisis que deben
tenerse en cuenta al momento de hacer conclusiones. La metodología de emparejamiento utilizada
se sustenta en la idea de que es posible generar un grupo de control de distritos que sean similares
a los distritos bajo influencia de la minería. El procedimiento utilizado se basa en el uso de
variables observables de los distritos para generar el grupo de control y asume que estas variables
no han sido influenciadas por la propia intervención minera. Debido a las limitaciones de la
información disponible, sólo hemos podido usar variables de este tipo para los años 1993 y 1994,

iv
cuando en un número de casos potencialmente importantes de distritos la minería ya operaba en
años previos. En este sentido, para distritos con esta trayectoria, el análisis tiende a detectar los
impactos adicionales generados durante la última década, más no los impactos acumulados y de
mayor tiempo. Igualmente, sólo hemos podido usar información para identificar a la actividad
minera al nivel distrital, siendo que la minería o bien puede tener impactos a nivel más limitado
dentro de los distritos, o en otros casos puede tener impactos sobre varios distritos, algunos de los
cuales pueden caer dentro del grupo de control.

26. El método de emparejamiento aplicado se basa en el supuesto de que no existen variables no


observables importantes (tanto a nivel distritos como hogares) que hayan influenciado en forma
sistemática en las diferencias entre hogares en distritos mineros y no mineros, y que estas
variables no tienen que ver con los impactos de la actividad minera. Ejemplos potencialmente
importantes de “no observables” son dinámicas migratorias pre-existentes o la existencia de
diversos niveles de capital social en las localidades analizadas en el momento de la intervención
minera. Con la información disponible, sin embargo, no es posible evaluar estas posibilidades,
siendo la única forma de enfrentar el problema a futuro la adecuada construcción de líneas de base
que den cuenta de variables potencialmente importantes como estas.

27. Aceptando estos llamados de cautela, podemos sin embargo plantear algunas conclusiones del
estudio sobre la base de la evidencia empírica encontrada y en el marco de los supuestos hechos
explícitos. En primer lugar, los resultados obtenidos señalan que la presencia minera tiene (o ha
tenido) impactos positivos en los ingresos y gastos medios de las familias de la sierra. Este
resultado, de validarse en sucesivas investigaciones, cuestiona una visión pesimista que
plantearía una relación siempre negativa o nula entre la actividad minera y dinamismo de los
ingresos al nivel local.

28. De otro lado, el incremento estimado de los ingresos o gastos de las familias no está exento de
problemas. En todos los casos se aprecia que los incrementos de ingreso no se mantienen cuando
se pasa a un análisis más desagregado urbano/rural. Incluso en el caso general, el incremento en
ingresos no viene acompañado de un similar incremento en el gasto. Así, es probable que las
familias consideren a los mayores ingresos asociados a la actividad minera como transitorios y no
permanentes, debido a la propia naturaleza temporal de esta actividad.

29. Hemos podido demostrar que el impacto de la minería en los hogares de la sierra tendría un
marcado sesgo a favor de los hogares con mayores activos como educación o activos no agrarios.
En este contexto, los resultados sugieren que el dinamismo minero habría favorecido más a
grupos específicos de la población, pero afectado negativamente a otros, incrementando la brecha
y desigualdad en los ingresos y generando impactos negativos en grupos más vulnerables de la
población. La falta de políticas públicas complementarias habría contribuido a este problema, en
la medida que los hogares más vulnerables no consiguen beneficiarse de las nuevas oportunidades
abiertas por la actividad minera por falta de bienes públicos y apoyos para la adecuada transición.

30. La tercera conclusión de este estudio se refiere a la relación entre la actividad minera y la
actividad agraria, donde hemos encontrado evidencia de una relación de competencia entre la
minería metálica y la agricultura por los recursos productivos. Esta compleja relación de
competencia entre minería y agricultura sería en nuestra opinión un mobilizador clave de las
tensiones que existen entre la actividad minera y sus entornos agrario-rurales. En el caso de la
sierra, en particular, esta competencia por los recursos parece ser más importante, y por ende, las
condiciones para el conflicto más patentes.

31. Otra conclusión importante se refiere a los hogares urbanos de la sierra, donde los resultados
sugieren que el incremento marginal de gastos habría estado acompañado de efectos adversos en
otros ámbitos del bienestar de las familias, como un menor acceso a servicios de agua y desagüe,
o una mayor probabilidad de tener enfermedades agudas. Hemos encontrado también que las
familias urbanas de la sierra con distintas dotaciones de activos (educación) enfrentan de distinta
manera la presencia minera, con grupos urbanos con pérdidas netas de bienestar. En este sentido,
en las zonas urbanas de la sierra encontramos un conjunto de “condiciones” para la existencia de

v
conflictos asociados a la minería, toda vez que genera impactos diferenciados y asimétricos al
interior de esta población.

32. Así, tanto en el ámbito rural como urbano, hemos podido identificar en este estudio la existencia
de espacios importantes de relaciones económicas potencialmente conflictivas entre minería y sus
entornos rurales y urbanos. La evidencia señala que esta relación no es lineal ni automática, ni
podríamos asumir totalmente causalidades respecto a la actividad minera debido a las limitaciones
metodológicas ya mencionadas. Sin embargo, la evidencia encontrada nos parece lo
suficientemente sugerente con respecto a las observaciones sobre múltiples conflictos entre
minería y sus entornos en diversas partes del país: los resultados del ejercicio abonan en la idea
que “cuando el río suena es porque piedras trae”.

33. Finalmente, también queremos destacar como conclusión la urgente necesidad de complementar
este tipo de estudios de corte netamente cuantitativo, con enfoques institucionales y cualitativos
pero a escala más amplia que los consabidos estudios de caso. Estas dimensiones no han sido
“observables” para este tipo de estudio de naturaleza cuantitativa y menos por ser un trabajo de
corte transversal. La evidencia cuantitativa que presentamos, por ende, debe ser entendida en este
contexto y como una fuente general de información que abre a más y nuevas preguntas sobre la
compleja relación entre minería y economías familiares en contextos específicos del territorio
peruano.

Principales recomendaciones

34. En primer lugar es fundamental mejorar de manera sustancial la información disponible sobre los
espacios y familias ubicadas en los entornos de las operaciones mineras más importantes del país.
Esto pasa porque el Estado genere y ponga a disposición de la comunidad información, al nivel
más desagregado posible, sobre la actividad minera y sus ámbitos de influencia.

35. Los hallazgos sugieren un escenario donde los hogares sufren diversos choques en los mercados
locales de bienes y factores frente a los cuales grupos importantes de la población no tienen como
ajustarse en el corto y mediano plazo. En este sentido, las políticas públicas deben orientarse hacia
una estrategia mucho más preventiva o activa en la materia. Programas de capacitación,
reconversión y financiamiento de actividades no agrarias para la población rural en las zonas bajo
influencia minera parecen ser las más adecuadas para reducir estos efectos adversos, siendo que
estos programas no son financiados por los recursos del canon. Mirando el largo plazo, sin
embargo, no habría mejor apuesta que aumentar significativamente la inversión en educación
rural y urbana de calidad en el interior del país.

36. También encontramos evidencia de ciertos impactos negativos directos en el bienestar de los
hogares, como una menor capacidad de obtener acceso a servicios públicos como agua y desagüe,
o impactos directos y negativos en la mayor morbilidad de las familias, especialmente las urbanas.
En este caso, la evidencia parece dar sustento a uno de los temores más comunes detrás de la
resistencia a la minería. Al respecto, en el tema de los servicios lo razonable son acciones y
programas permanentes para mejorar sustancialmente la capacidad de los gobiernos locales y
regionales para proveer servicios a niveles similares a los que tienen otros ámbitos no mineros o
incluso mayores. En el tema de los impactos en la salud de las personas que viven en los entornos
de la minería, es necesario evaluar con mayor profundidad estos efectos y plantear medidas
específicas al respecto, dada la complejidad de la cadena causal.

37. Los resultados obtenidos son compatibles con serias fallas en el aparato público e institucional en
el cual se ha generado el boom minero de los 1990s. Nos parece que la institucionalidad pública
ambiental fragmentada y sectorializada generada en dicha época siembra serias dudas sobre la
capacidad estatal para enfrentar, reducir o eliminar externalidades negativas de la actividad
minera en sus diversas manifestaciones, entre ellas en su entorno económico, manejo de recursos
y la propia salud de la gente. En este caso, sostenemos la necesidad de tener en el Perú un sistema
ambiental integrado, con una autoridad real que pueda enfrentar los problemas en forma sistémica
y con instrumentos apropiados.

vi
Contenido del Informe

Introducción ............................................................................................................................ 2

Sección I: objetivos y metodología de la investigación ........................................................ 5

1.1. Un Modelo de Hogares y Minería ................................................................................. 5


1.2. Metodología utilizada en el estudio ............................................................................... 8

Sección II. Procesamiento de la Información .................................................................... 11

2.1. Las fuentes de información.......................................................................................... 11


2.2. La determinación de los distritos con minería ............................................................. 12
2.3. La construcción del grupo de control para los distritos mineros ................................. 14
2.4. De la información distrital a la información de hogares.............................................. 17

Seccion III: Estimación de impactos de la minería en los hogares urbanos y rurales de


su entorno distrital................................................................................................................ 20

3.1. Descripción de la submuestra de hogares de ENAHO ............................................... 20

3.2. Resultados de estimaciones de impacto usando emparejamiento de hogares.............. 24


3.2.1. Impactos de la minería metálica en los hogares de la sierra en general ............... 24
3.2.2. Impactos de la minería en los hogares de la sierra norte ..................................... 28
3.2.3. Impactos de la minería en los hogares de la sierra centro..................................... 29
3.2.4. Impactos de la minería en los hogares de la sierra sur.......................................... 31
3.2.5. Impactos diferenciados por activos de los hogares en la sierra ............................ 33

Sección IV. Conclusiones y recomendaciones ................................................................... 35


4.1. Principales conclusiones .............................................................................................. 35
4.2. Algunas recomendaciones y discusión de políticas ..................................................... 37

Bibliografía ............................................................................................................................ 40

Anexo Metodológico: el método de emparejamiento......................................................... 42

1
Introducción

El Perú viene atravesando por un boom minero desde hace varios años, con impactos económicos y
sociales importantes a nivel agregado. El producto bruto minero ha crecido a una tasa anual promedio
de 10% en la última década, incrementando su participación en el PBI nacional de 3.5% a 5.8%
(MEM 2004). La evolución creciente del valor de las exportaciones minero metálicas se puede
apreciar en el gráfico siguiente.

Gráfico Nº 1
Evolucion del valor de exportaciones de metales
7,000

cobre oro
6,000
zinc plomo
plata resto
5,000
total
Millones de US$

4,000

3,000

2,000

1,000

0
1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004

Fuente: Ministerio de Energía y Minas (2004)

Esta notable expansión minera puede entenderse por dos factores fundamentales. En primer lugar,
ocurrieron cambios tecnológicos globales que permitieron a la minería explotar minerales que se
encuentran difusos en la tierra, abarcando grandes extensiones con concentraciones relativamente
bajas (Hodges 1995). Como consecuencia, la minería en el país se extendió de zonas tradicionales
altoandinas a nuevas regiones en algunos valles agrícolas de la costa o de la región quechua, entre los
2,000 y 3,000 m.s.n.m. En los 1990s, el número de hectáreas vinculadas a la actividad minera se
triplicó, pasando de 10 millones en 1991 a 34 millones a fines de 2000; de estas últimas, sólo un
tercio correspondía a concesiones vigentes (Glave y Kuramoto 2002).

De otro lado, junto al cambio tecnológico, las reformas institucionales de los 1990s promovieron
también este crecimiento, el cual ha provocado una reconfiguración de las economías locales y mayor
competencia por recursos como la tierra y el agua.

Paralelo a esta evolución favorable, sin embargo, se constata un clima de crecientes conflictos entre la
actividad minera y su entorno local y regional1. Este fenómeno ha adquirido dimensiones que vienen

1
Según Paredes (2006) en Cajamarca, donde desde 1993 opera Yanacocha, la empresa se ha encontrado con
una fuerte oposición de 13 caseríos rurales de la cuenca del Porcón y la población de Bambamarca. Existe entre
los campesinos una percepción generalizada de que la empresa pagó precios injustos por las tierras y que los

2
poniendo en entredicho la efectividad de las políticas públicas de fomento a la inversión minera y
manejo de los recursos naturales implementadas en este periodo, en especial la efectividad de
instrumentos como el canon minero o de una institucionalidad pública sectorializada para el manejo
de impactos ambientales2.

Las comunidades que actualmente tienen algún nivel de conflicto con la actividad minera pueden ser
divididas en dos grandes grupos. Por un lado, las comunidades que han convivido con la minería por
varios años demandan mejores estrategias compensatorias y de control de impactos ambientales y
socioeconómicos, en la medida que perciben que el despegue minero no ha generado progreso en sus
comunidades si no empobrecimiento o en el mejor de los casos estancamiento. Por otro, las
comunidades que no tienen experiencia previa de convivencia con la minería—o ésta es muy
reciente--, plantean al Estado un cambio mucho más amplio de sus políticas de explotación de
recursos naturales y protección ambiental, exigiendo una participación activa en las decisiones antes
que meras compensaciones ex post (De Echave 2004, Paredes 2006).

De otro lado, la mayor parte de los esfuerzos para enfrentar estos problemas desde el Estado, así
como desde ONGs y las propias empresas mineras han estado dirigidos a temas legales y
administrativos y/o resolución de conflictos de casos específicos. El Estado ha realizado esfuerzos
para fortalecer el aparato público minero en el ámbito central y modernizar la legislación ambiental.
Por su parte, las ONGs y empresas mineras han tratado de manejar conflictos particulares a través de
mesas de diálogo y campañas de incidencia con algunos avances puntuales (Propuesta Ciudadana,
2006). Esta aproximación la observamos también en el ámbito académico nacional, donde los
mayores esfuerzos han estado orientados a revisar los marcos legales y estudios de caso3 .

campesinos que vendieron se empobrecieron. Otros dos casos importantes que menciona la autora son
Tambogrande y Tintaya. En Tambogrande, los productores del Valle de San Lorenzo, se opusieron al
yacimiento mineral de tajo abierto que supondría la reubicación de 8,000 habitantes del pueblo, de una
población total de alrededor de 15,000 habitantes. En Tintaya en 1982 el gobierno expropió más de dos mil
trescientas hectáreas de tierras comunales a campesinos y pequeños propietarios de Espinar, para instalar la
mina. Recibieron aproximadamente tres dólares americanos por hectárea y empleo. Aquellos que obtuvieron
empleo, lo perdieron años después, cuando una baja en el precio del cobre hizo que la empresa redujera su
demanda por mano de obra. Asimismo, se empezaron a acumular una serie de reclamos por tierras,
contaminación y abusos. A fines de los 1990s, Tintaya ya en manos privadas, se agudizaron las protestas; pero
empresa y comunidades directamente afectadas, con el apoyo de ONGs y Corecami-Cusco, implementaron un
exitoso proceso de diálogo, el cual, sin embargo, a tenido altibajos como el que se presentó en las protestas de
Mayo del 2005.
2
La relación de la minería con las comunidades andinas tiene una larga historia, no siempre conflictiva.
Cuando después de la independencia la minería sufrió un dramático declive y perdió mucha importancia para el
Estado central y las clases de poder en Lima, ésta mantuvo su importancia para las economías regionales
serranas. Hasta fines del siglo XIX, la minería demandaba insumos para la producción y bienes de consumo
para los campamentos y tenía un impacto importante en la formación del mercado laboral local. Hasta bien
entrado el siglo XX, los trabajadores mineros andinos mantuvieron una condición mixta de campesinos y
operarios de minas. Sólo con la llegada del capital norteamericano a principios del siglo XX se rompe esa
articulación y se crea por primera vez un mercado de trabajo asalariado que, a su vez, influiría en la
monetarización de las economías regionales de sierra central (Contreras 1988).
3
Ver De Echave (2001, 2004 y 2005) y Banco Mundial 2005. Diversos estudios de casos han sido estudiados
con la finalidad de brindar lineamientos de política para mejorar los mecanismos de prevención y resolución de
conflictos.

3
En el ámbito académico internacional, la mayoría de los enfoques teóricos y el análisis empírico que
abordan la discusión sobre los vínculos entre recursos naturales y bienestar lo hacen desde una
perspectiva macroeconómica, teniendo a las cuentas nacionales como unidad de análisis. Por ejemplo,
existe creciente interés por analizar la llamada “maldición de los recursos naturales” (Sachs y Warner,
1995), con evidencia que muestra que los países altamente dependientes de recursos naturales han
tenido tasas de crecimiento más bajas que los países de baja dependencia.

Otro enfoque clásico de corte agregado es el de la llamada “Enfermedad Holandesa”, que explica
como la exportación masiva de un recurso natural puede restar competitividad a otros sectores
exportadores, debido a la apreciación que produce en el tipo de cambio. Otra área de mucho trabajo
de investigación de los impactos agregados de la minería ha sido el estudio del impacto en la
estabilidad macro que generan los choques de precios internacionales de los minerales en economías
altamente dependientes en un producto o una pequeña canasta de productos (Pascó-Font 1995).

Considerable menos interés ha recibido el estudio de los efectos microeconómicos de la industria


extractiva, particularmente la minera, en las economías locales donde ésta florece, que consideramos
clave para comprender el conflicto que discutimos. En primer lugar están los efectos en los precios
relativos de bienes de consumo, insumos de producción y bienes finales que trae el choque de
demanda. En segundo término, los efectos en el mercado laboral que trae las oportunidades de nuevos
empleos. En tercero, el impacto en los activos públicos proveídos por el Estado, o la empresa, como
infraestructura de caminos, agua, electrificación y los relacionados a salud y educación. Finalmente,
las externalidades ambientales y de salud pública que pueden elevar dramáticamente costos de
producción y afectar la capacidad productiva de los agentes económicos afectados. La interacción de
estas consideraciones afecta ingresos y gastos de las unidades familiares y, también directamente su
bienestar en cuanto a variables de salud, por ejemplo.

En general, consideramos que se ha hecho poco aún por darle contenido empírico a algunas de las
preguntas que subyacen al conflicto minería-entorno. ¿Por qué vienen ocurriendo con mayor
frecuencia estos conflictos en zonas nuevas con mayor potencial agrario? ¿En qué medida existen
bases económicas detrás de este creciente descontento? ¿Existe un impacto adverso de la minería en
los ingresos de las familias cercanas a la minería, en su bienestar? ¿son impactos diferenciados?. En
esta investigación buscamos aportar a esta discusión con el uso intensivo de información disponible a
nivel distrital y de los hogares peruanos.

4
Sección I: objetivos y metodología de la investigación

El objetivo central de este estudio es explorar empíricamente los posibles impactos económicos que
habría tenido la actividad minera en las economías familiares de su entorno y que estarían a la base de
este clima de creciente conflicto percibido durante la última década en el Perú. Un mejor
entendimiento de los impactos económicos permitirá un diseño más eficaz de políticas públicas que
no solo deben buscar resolver conflictos sino prevenirlos y mejorar sustancialmente las condiciones
para el desarrollo sostenible de las comunidades urbanas y rurales localizadas cerca de la actividad
minera.

El estudio buscará realizar una estimación de los impactos de la actividad minera en diversos
indicadores de bienestar de las familias ubicadas cerca de esta actividad utilizando encuestas de
hogares nacionales y fuentes de información complementaria a nivel distrital para el periodo previo al
boom minero de la última década. Lamentablemente, las fuentes disponibles de información no
permiten evaluar el bienestar de estos hogares localizados cerca de la minería “antes y después” de la
intervención minera. Frente a esto, planteamos el uso de técnicas de emparejamiento de distritos y
hogares que, bajo ciertos supuestos, permiten simular el impacto hipotético de la minería en las
variables e indicadores de bienestar que nos interesa evaluar.

1.1. Un Modelo de Hogares y Minería

Usaremos un modelo microeconómico para establecer las relaciones básicas de interés entre la
actividad minera y la población (urbana y rural) ubicada en el ámbito de influencia de las
explotaciones. Definimos a la Unidad Económica Familiar (UEF) como una familia ubicada en el
ámbito de la actividad minera que posee activos productivos y financieros, y que asigna su dotación
de fuerza de trabajo y otros activos a actividades económicas (agrarias y no agrarias) en el ámbito de
influencia de la actividad minera.

La UEF tiene acceso a una tecnología que define una función de producción (o frontera de
producción) homogénea de grado uno en los servicios de factores como tierra y trabajo, de activos
como educación y otros activos privados:

qa = A(g,e)*f(la,t;Ed,Ka) (1)

donde “qa” es la producción agropecuaria total, “la” es la mano de obra usada en la agricultura y “t” la
cantidad de tierra utilizadas en la producción de qa. “Ed” es el stock de educación de la familia y “Ka”
el stock de diversos activos privados también importantes para la producción agropecuaria. Además,
en (1) se incorpora A(.) como función multiplicativa de la producción que refleja impactos en la
productividad de los factores agrarios de la actividad minera en la zona (“g”), así como de la
inversión en bienes públicos “e” en la zona correspondiente. Cabe señalar que los efectos de la
actividad minera “g” en la productividad de los factores agrarios es potencialmente negativa en la
medida que implique deterioro de las condiciones de producción agraria locales por efectos
contaminantes o por competencia esxcluyente por los recursos agrarios; mientras que el impacto de

5
“e” se asume como positivo al ser orientado a bienes públicos como irrigación o caminos que mejoren
la productividad agraria.

De otro lado, la UEF también tiene acceso a una tecnología de producción para actividades no
agrarias, con la siguiente especificación:

qna = NA(g,e)*h(lna;Ed,Kna) (2)

En este caso, la función de producción h(.) no tiene como argumento a la tierra; los activos privados
son relevantes para las actividades no agrarias y también existe una función multiplicadora de la
productividad no agraria dada por NA(.), con los mismos argumentos relacionados a la actividad
minera que a la función de producción agraria.

La producción agraria y no agraria así como los factores productivos de mano de obra y tierras tienen
mercados locales en donde se fijan precios de bienes, así como salarios y renta de la tierra. El ingreso
neto de una UER viene dado por:

y = p(g,e)*A(g,e)*F(la,t;Ed,Ka)+s(g,e)*NA(g,e)*h(lna;Ed,Kna)–w(g,e)*(la+lna-H)–r(g,e,)*(t-T) (3)

donde p(.) y s(.) son precios relativos del producto agrario y no agrario con respecto a los precios de
los bienes de consumo del hogar rural, y w(.) y r(.) son el salario y renta de la tierra. Asumimos que la
actividad minera afectará estos precios relativos tanto directamente por la actividad productiva y su
impacto en la actividad económica local, como indirectamente cuando existen transferencias por
canon minero que se invierten localmente y afectan la oferta y demanda locales de bienes y servicios.
Además, la actividad minera impacta en los precios de los factores básicos: salario w(.) y el precio de
la tierra r(.). Finalmente, en (3) H y T son las dotaciones propias de mano de obra y tierra de las
UEFs.

La solución a este problema de maximización arroja un ingreso neto de las familias:

y*=y*(g,e;H,T,Ed,Ka,Kna) (4)

Asociadas a (4) estarán funciones de oferta y demanda por trabajo, tierras y capital por parte de las
UEFs. Familias urbanas y rurales tendrán funciones de oferta y demanda marcadamente distintas.

La actividad minera afectará de manera sistemática al ingreso de las UEFs, alterando los precios
relativos de los productos agrarios y no agrarios así como los precios de factores como el trabajo, la
tierra y el capital. Igualmente, dicha actividad afectará la productividad de los factores agrarios y no
agrarios, tanto por la propia actividad productiva con externalidades negativas, como por impactos en
los mercados locales de tierras, mano de obra y capital y por inversiones generadas a partir de la
actividad minera y por transferencias por canon minero en la zona.

La ecuación (4) es una versión reducida del modelo planteado y tiene el propósito de identificar las
principales variables de interés a evaluar en la medición de impactos potenciales de la actividad

6
minera en los ingresos de los hogares ubicados en su entorno. Sin embargo, debido al tipo de
metodología para la evaluación de impactos que usaremos (emparejamiento), no será posible
identificar las relaciones estructurales entre las variables “g” y “e”, por ejemplo, y el ingreso de tal
forma que se puedan diferenciar canales distintos por los cuales la actividad minera habría impactado
en los ingresos de los hogares.

No obstante, sobre la base de (4) haremos un esfuerzo por identificar impactos diferenciados de la
actividad minera de acuerdo a la dotación de educación y otros activos productivos de los hogares.
Esta posible diferenciación de impactos con respecto a la dotación de activos de las UEFs es un tema
crucial para nuestra investigación. En principio, si los mercados de productos y factores funcionaran
perfectamente, las UEFs podrían realizar ajustes inmediatos y poco costosos en sus actividades y
aprovechar óptimamente las nuevas oportunidades económicas generadas por la minería. Sin embargo,
en un contexto de mercados rurales bastante imperfectos, estos ajustes no pueden ocurrir, al menos en
el corto plazo, y se generan efectos adversos en los ingresos y otros ámbitos de bienestar debido a la
actividad minera.

Un ejemplo de esto serían aquellas UEFs que tienen activos predominantemente agrarios (como tierra
y mano de obra especializada en actividades agrarias). Frente a un “choque” minero que tiende a
disminuir la productividad de los factores agrarios e incrementar precios a favor de actividades no
agrarias, estos hogares se verán seriamente afectados en sus ingresos al no poder convertirse
fácilmente en productores no agropecuarios. Una falla que afectaría particularmente a estos hogares
es la del mercado de tierras. La minería puede efectivamente aumentar el precio de una parte de las
tierras locales, incrementando los precios de la tierra para uso agropecuario local, pero no al punto de
poder incentivar una salida de la actividad agropecuaria para muchas UEFs, dados los altos costos de
transacción en este mercado. En ese caso, las UEFs enfrentan un mayor precio de la tierra como costo
de producción, más no pueden beneficiarse de la venta de tierras por fallas en el mercado.

Igualmente, una UEF que sólo ofrece mano de obra en el mercado local podría recibir efectos
positivos por la minería si es que ésta efectivamente eleva los precios del trabajo local. De otro lado,
estas familias pueden ser afectadas adversamente si la actividad minera demanda mano de obra con
perfiles distintos a los de estos asalariados locales (por ejemplo, habilidades específicas para el
trabajo minero), con lo cual se produce una segmentación local del mercado de trabajo con salarios
diferenciados más bajos para los trabajadores locales. El trabajo “importado” incrementará el costo de
vida local.

Nuestra hipótesis central en esta investigación es que el importante crecimiento minero observado en
el Perú en los 1990s ha generado este tipo de efectos diversificados en las economías urbanas y
rurales ubicadas en su entorno. Como se desprende del modelo presentado para el ingreso de las
familias, estos efectos agregados pueden ser adversos en un contexto de severas fallas de mercado y
de escasez de bienes públicos complementarios que hagan viable la reconversión de las familias a
actividades más rentables en un nuevo contexto económico.

Precisamente, son estos efectos los que pueden estar a la base del creciente descontento y relación
conflictiva entre la minería y sus entornos urbanos y rurales observados durante la última década en el

7
Perú. Parte del problema es que no ha existido una política pública que prevea estos problemas y
brinde a estas familias las ayudas o condiciones necesarias para ajustarse de manera efectiva a un
nuevo contexto. Al respecto, cabe preguntarse por la efectividad de las transferencias vía canon
minero a estas regiones en donde se privilegian inversiones en infraestructura pero con escaso
impacto en la diversificación de alternativas productivas y crecimiento de capacidades de las familias
para mejorar sus ingresos en contextos de cambio.

1.2. Metodología utilizada en el estudio

Pese a creciente importancia de entender mejor la relación entre minería y bienestar de los pobladores
rurales en el Perú, existe aún poco trabajo empírico orientado a establecer relaciones más generales
que las que puedan extraerse de algunos estudios de caso. Sin embargo, existe un antecedente
inmediato en la línea de lo que proponemos hacer en este estudio en Barrantes et al. (2005), que
evalúa empíricamente si existe una relación entre localización en zonas mineras y la probabilidad de
que un hogar sea pobre.

Basándose en la Encuesta Nacional de Hogares (ENAHO) del 2002, y con una definición de
localización de los hogares en (i) un distrito minero productor, (ii) un distrito que recibe canon, o (iii)
los departamentos de Ancash o Cajamarca; y controlando por educación, acceso a servicios y
características de la vivienda de los hogares y ubicación rural/urbana, los autores encuentran
evidencia de que la localización en un distrito minero incrementa en 5% la probabilidad de que un
hogar no sea pobre. En este caso, comentan que sólo se pudo observar un efecto ligeramente positivo
en reducir los niveles de pobreza de la población rural en distritos mineros, sin que la transferencia de
canon minero haya implicado mayor impacto, como tampoco para los casos de vivir en
departamentos con gran minería como Cajamarca y Ancash.

Para el presente estudio planteamos el uso de un enfoque más amplio para la exploración empírica de
la relación entre minería e ingresos y otras variables de los hogares en el Perú. Una de las limitaciones
que encontramos en el trabajo empírico de Barrantes et al es que se estima la probabilidad de que un
hogar sea no pobre comparando a los hogares de los distritos mineros con los hogares del resto de
distritos del país. El problema es que no necesariamente el resto de distritos son comparables con los
distritos mineros en diversos atributos (aparte de su ubicación rural y urbana), que pueden ser
relevantes para evaluar el real impacto de la minería en el nivel de bienestar de la población. En este
contexto, el efecto observado en la pobreza de los distritos mineros puede tener importantes sesgos
por variables de atributos distritales o de los hogares no controlados en la estimación.

En realidad, la comparación más apropiada para medir impactos de la minería debería ser entre los
hogares del entorno antes de que ingrese la minería en sus localidades con estos mismos hogares
luego de que se iniciara la actividad minera. Lamentablemente no es posible contar en las encuestas
de hogares como ENAHO con datos de esta naturaleza por dos motivos: las encuestas no se aplican a
los mismos hogares en el tiempo (sólo para una muestra más pequeña); y sólo se cuenta con encuestas
de gran magnitud para los últimos tres años, cuando la actividad minera más importante para nuestro
análisis se ha desarrollado en los últimos 15 años.

8
No obstante estas limitaciones, en este estudio planteamos que es posible reducir los sesgos de medir
impactos de la minería en los hogares rurales usando técnicas de emparejamiento similares a la usada
por Escobal y Ponce (2002) para evaluar el impacto de la rehabilitación y mejoramiento de caminos
en los hogares rurales peruanos. Los autores, en primer lugar, establecieron la comparabilidad de los
centros poblados beneficiados por dicha intervención con centros poblados no beneficiados a través
de la estimación de un soporte común para la probabilidad de que un centro poblado sea beneficiado.
Este soporte común permite descartar centros poblados poco comparables—tanto de tratamiento
como de control--en base a la existencia de atributos que pueden influenciar la probabilidad de ser
beneficiarios de programas de este tipo como capacidad organizacional, indicadores de actividad
económica local, existencia de servicios públicos, entre otras.

Luego de esta primera etapa, los autores proceden al proceso de emparejamiento entre hogares.
Como ellos están interesados en la medición de impactos de la intervención en los ingresos y gastos
de las familias en el corto plazo, ajustan estos indicadores por la tenencia de activos que no serían
impactados por la intervención (capital humano, ganado, activos agrícolas y no agrícolas), de tal
forma que se mida el efecto de la intervención vía impactos en los retornos a dichos activos. Este
ejercicio genera hogares beneficiados y no beneficiados comparables en atributos locales (asociados a
la probabilidad de ser intervenidos) y en activos no influenciables por el propio programa de caminos
(y que afectan los impactos). Las diferencias promedio entre ingreso per cápita, diversificación
ocupacional y consumo per cápita de estos dos grupos son el estimado del impacto medio del
programa de caminos en los hogares rurales, un estimador que es insesgado.

Para los fines de este estudio proponemos una metodología similar, pero con una base conceptual
diferente. En este caso no estamos evaluando los impactos de una intervención pública4 como el de
caminos rurales, sino los de la presencia de actividad minera en sus entornos urbanos y rurales. Es
por esto que nuestro caso el proceso de emparejamiento tiene una justificación conceptual distinta a la
literatura convencional de evaluación de proyectos públicos, en la que se busca que beneficiarios y no
beneficiarios de un programa sean comparables en atributos observables (y no observables)
relacionados con la probabilidad de que los centros poblados y hogares sean beneficiarios del
programa.

En nuestro caso, el propósito del emparejamiento de lugares geográficos y hogares que haremos es
generar, en una primera etapa, un grupo de distritos comparables con los distritos mineros en atributos
que asumimos importantes para los potenciales impactos de la minería, en un momento del tiempo
que también asumimos apropiado para evaluar lo ocurrido en la última década. Por eso buscaremos
emparejar distritos mineros y no mineros en variables del censo de 1993, del censo agropecuario de
1994 y en atributos geográficos como la altura y ubicación geográfica de los distritos. Y aunque no
existen distritos idénticos, sí podemos controlar que estos atributos sean lo más parecidos posibles
luego de un proceso de emparejamiento. Nótese que en este caso la lectura del modelo como la
probabilidad de que un distrito “sea minero” para generar el grupo de comparación no tiene mayor

4
Escobal y Ponce (2002) evalúan no sólo el impacto del Programa de Caminos Rurales, si no también el de
intervenciones por parte de ONGs y otras entidades locales y regionales.

9
sentido, y debe interpretarse más bien como la probabilidad de tener atributos observables similares a
un distrito con presencia minera en la actualidad.

De otro lado, en la segunda etapa del proceso de emparejamiento (ahora entre hogares) seguimos el
enfoque tradicional de controlar por atributos de los hogares que consideramos no han sido afectados
por la propia actividad minera (como edad, género y educación del jefe de hogar y tamaño del hogar).
Este es uno de los supuestos importantes detrás de la metodología de emparejamiento. Igualmente,
estaremos asumiendo que no existen variables no observables importantes que hayan influído en las
variables bajo evaluación y que sean “exógenas” a la intervención minera, uno de los supuestos más
problemáticos y que no puede ser verificado sin datos de tipo panel. Si ese fuera el caso, es decir, si
no observables hubieran estado detrás de efectos evaluados, los impactos estimados estarían sesgados
y no deberían atribuirse a la presencia minera. En todos los casos, los resultados que obtenemos en
este estudio deben tomarse con la debida cautela debido a estas consideraciones.

10
Sección II. Procesamiento de la Información

Debido a la complejidad y gran número de bases de datos utilizadas para este estudio, en esta sección
describimos con cierto detalle todo el proceso realizado para generar la información utilizada en las
estimaciones.

2.1. Las fuentes de información

El estudio se basa en el uso de diversas fuentes de información cuantitativa existentes. Se le ha dado


particular atención a fuentes oficiales con datos para todo el territorio nacional como los censos
agropecuario de 1994 y de población de 1993. Ambas bases de datos son fundamentales para generar
un conjunto de distritos “comparables” en un periodo previo al de la intervención de la actividad
minera en la última década. Igualmente, ha sido crucial obtener información sobre la actividad
minera distribuida en el territorio nacional.

El último Censo Nacional Agropecuario (CENAGRO) fue realizado en el año 1994 por el INEI y el
Ministerio de Agricultura y tiene datos sobre las características básicas de todos los productores
agropecuarios del país. El CENAGRO permite tener datos sobre el uso de la tierra, la estructura de
propiedad, las características de la actividad productiva agropecuaria y forestal, la infraestructura de
riego, etc.

De otro lado, hemos utilizado el Censo de Población y Vivienda realizado por el INEI en el año 1993.
En este caso nos interesan variables como el número de viviendas, acceso a servicios de agua y
electricidad; y también una serie de indicadores socio-económicos construídos a través del Mapa de
Pobreza de Foncodes (1996) con datos del propio censo y otras fuentes.

En cuanto a la identificación de la presencia de actividad minera en el territorio nacional, se


realizaron gestiones ante el Ministerio de Energía y Minas (MEM) para obtener la mayor información
posible sobre los proyectos mineros en todo el territorio nacional. Obtuvimos la base de datos
“Distritos mineros 2003” en la cual se identifican a empresas medianas y grandes en todo el territorio
nacional. En este caso, sin embargo, no fue posible identificar distintas escala de las operaciones
mineras. Además, para este proceso de identificación de distritos mineros utilizamos datos generados
por el grupo Propuesta Ciudadana, el cual permite estimar la producción minero-metálica en cada
distrito en el periodo 2001-2003. Es sobre estas dos bases de datos que identificamos a los distritos
con minería metálica, no siendo posible generar una variable homegenea de intensidad de la
actividad minera5 .

5
Una limitación importante, que no ha podido ser superada en este estudio es la falta de información sobre la
“edad” de la actividad minera en cada distrito. Esta variable hubiera permitido distinguir zonas con presencia
minera previa a la última década, de los distritos que tienen una presencia minera más reciente. En la práctica,
nuestra identificación privilegia a los distritos que en el período 2001-2003 tenían un importante nivel de
actividad minera al margen de la historia previa. Además, recoge los efectos adicionales que hubiera generado
la actividad minera en zonas “antiguas” desde 1993, emparejando todos los distritos en ese año. En este sentido,
estaremos midiendo los impactos adicionales de la “vieja minería” en sus entornos en la última década.

11
En todos estos casos, la información disponible más desagregada está al nivel distrital, y es sobre este
nivel que se realizará todo el análisis respectivo. Esta es una limitación importante de nuestro análisis
en la medida que en algunos casos el nivel distrital puede ser muy agregado para captar impactos más
específicos de la minería en sus entornos inmediatos, especialmente en distritos muy grandes. De
otro lado, en operaciones mineras de gran evergadura, es muy probable que el ámbito de impactos e
influencia de la minería sean mucho mayores a los del distrito en la que ésta está ubicada. En ambos
casos, sin embargo, las propias características de la información disponible nos imponen dichas
limitaciones, y estas deben ser tomadas en cuenta al “leer” los resultados.

La otra fuente de datos fundamental para este estudio es la Encuesta Nacional de Hogares (ENAHO)
realizada por el INEI (en su versión más amplia desde 2001). Dicha encuesta tiene por objetivo el
estudio de las condiciones de vida y pobreza de la población y medir el alcance de los programas
sociales en la mejora de las condiciones de vida de las familias. La población bajo estudio de la
encuesta está constituida por el conjunto de viviendas particulares y sus ocupantes del área urbana y
rural del país. La encuesta se realiza en el ámbito nacional en los 24 departamentos del país y en la
Provincia Constitucional del Callao, zonas geográficas en las cuales se tiene representatividad
estadística con margen de error conocido para variables críticas como el ingreso o el nivel de pobreza.

La ENAHO nos permite medir variables de ingresos, gastos, orientación agraria y otras relacionadas
al bienestar de las familias, que se asumen habrían sido impactadas por la actividad minera en forma
sistemática en la última década.

2.2. La determinación de los distritos con minería

Como se señaló, las bases de datos usadas para identificar distritos con minería provienen del
Ministerio de Energía y Minas (MEM) y de los datos consolidados por el grupo Propuesta Ciudadana.
Sobre estas dos fuentes es que establecemos la definición para identificar a un distrito como “minero”.
La definición requiere que el distrito tenga algún tipo de actividad de explotación minera metálica al
año 2003 en la base de datos del MEM, es decir que existan operaciones mineras metálicas
registradas en el MEM a esa fecha. Además, se complementó esta información con los estimados de
producción física y valor de productos metálicos por distritos en el periodo 2001-2003 generados por
Propuesta Cuidadana, que permitió identificar algunos distritos como mineros y que no aparecen en la
base de datos del MEM. La ubicación de los distritos considerados “mineros” se presenta en el Mapa
N° 1.

Un conjunto de 169 distritos6 son considerados como “mineros” en todo el país de acuerdo a esta
definición. Como se puede apreciar, en este caso la actividad minera está más o menos distribuída en
las tres regiones naturales del territorio, aunque existen importantes regiones como la costa centro y
norte, y la selva alta oriental (salvo Puno) que tienen escasa o nula presencia de minería metálica.

6
El Perú tiene más de 1800 distritos a nivel nacional.

12
Mapa N° 1: Distritos mineros general

Sobre esta definición de distritos mineros, nuestro enfoque metodológico requiere generar distritos
comparables con los “intervenidos” en función a variables exógenas a la propia intervención minera.
Para este fin se decidió usar varias fuentes de información como se describió en la sub-sección 2.1.:
(i) el Censo Nacional Agropecuario de 1994; (ii) el Mapa de Pobreza de Foncodes (que usa datos
censales de 1993 y otras fuentes); (iii) el Censo de Población y vivienda de 1993; (iv) Información
cartográfica sobre altitud media y ubicación geográfica de los distritos. La idea básica es utilizar
información relevante sobre los distritos en una etapa previa al llamado “boom minero” de la última
década, de tal forma que la comparabilidad misma sea lo menos afectada posible por el proceso bajo
análisis.

13
2.3. La construcción del grupo de control para los distritos mineros

Para la construcción del llamado “grupo de control” de distritos se revisaron las principales variables
de las fuentes de datos a utilizar y se decidió incluir en un proceso de emparejamiento de los distritos
“mineros” con el resto de distritos del país las siguientes a nivel distrital:

Variables Fuente

Proporción de superficie agropecuaria bajo riego CENAGRO 94


Proporción de superficie agropecuaria bajo secano CENAGRO 94
Proporción de pastos en superficie agropecuaria CENAGRO 94
Vacas por superficie total agropecuaria CENAGRO 94
Ovinos por superficie total agropecuaria CENAGRO 94
Proporción de superficie agropecuaria en superficie total CENAGRO 94
Mediana de la altura de los cc.pp. del distrito INEI
Porcentaje de la població es rural en 1993 Mapa de Pobreza
Tasa de analfabetismo en 1993 Mapa de Pobreza
Tasa de mortalidad infantil en 1993 Mapa de Pobreza
Número de viviendas en 1993 Censo 93
Proporción con agua potable en 1993 Censo 93
Proporción con desague en 1993 Censo 93
Proporción con electricidad en 1993 Censo 93
Distrito es Pobre Extremo en 1996 Mapa de Pobreza
Ubicación geográfica INEI

En el Cuadro N° 1 se presentan los valores de estas variables para los distritos intervenidos y el resto
de distritos del país 7 . Como se puede ver, existen diferencias significativas entre los grupos de
distritos mineros y no mineros para algunas de las variables consideradas. En estricto, ambos grupos
de distritos no son muy comparables para fines de evaluar potenciales impactos de la minería en la
medida que estos distritos ya tenían diferencias significativas en la etapa previa al asumido mayor
dinamismo minero de la última década.

En las variables del Censo Agropecuario, por ejemplo, los distritos mineros muestran una mayor
proporción de superficie bajo riego y de pastos en la superficie agropecuaria, y al mismo tiempo, una
menor proporción de superficie agropecuaria en la superficie total. En las dotaciones de ganado
vacuno y ovino no se observan diferencias significativas entre los distritos en ambas definiciones. En
general, es importante equilibrar los grupos de distritos en variables que dan una idea de potencial
agropecuario, que en este caso sería al año 1994 cuando se realizó el Censo Agropecuario.
De otro lado, la mediana de la altura de los centros poblados en los distritos muestra diferencias
bastante pronunciadas entre distritos minero y no mineros, ubicándose los primeros a alturas más altas.

7
Se han excluído los distritos de Lima Metropolitana y el Callao del conjunto de distritos del país para todo el
análisis posterior

14
En cuanto a las variables del mapa de pobreza de Foncodes, que usa información del Censo de
Población y Vivienda de 1993 y otras fuentes, la comparación de distritos mineros y no mineros
arroja que sólo habrían diferencias significativas en la tasa de pobreza extrema. También se observan
diferencias en cuanto al acceso a servicios de desagüe y electricidad, donde los distritos mineros
tenían un mayor acceso promedio en el año 1993 que los no mineros.

Finalmente, también se pueden observar diferencias en la distribución geográfica de los distritos entre
costa, sierra y selva, y entre norte, centro y sur. El proceso de emparejamiento que se aplicará a los
distritos posteriormente busca equilibrar estas muestras en el conjunto de estas dimensiones también.

Cuadro N° 1
Valores distritales antes de proceso de emparejamiento
¿ Minero ?
No Si t-test
Proporción de superficie agropecuaria bajo riego 0.535 0.614 0.026 **
Proporción de superficie agropecuaria bajo secano 0.649 0.629 0.571
Proporción de pastos en superficie agropecuaria 0.271 0.387 0.000 **
Vacas por superficie total agropecuaria 59.8 9.8 0.734
Ovinos por superficie total agropecuaria 502.7 166.8 0.785
Proporción de superficie agropecuaria en superficie total 0.406 0.323 0.000
Mediana de la altura media del distrito 2619.0 3375.0 0.000 **
Porcentaje de la població es rural 59.15 58.81 0.886
Tasa de analfabetismo en 1993 23.43 21.92 0.160
Tasa de mortalidad infantil en 1993 66.79 66.53 0.906
Número de viviendas en 1993 2205.0 2389.0 0.598
Proporción con agua potable en 1993 0.26 0.28 0.231
Proporción con desague en 1993 0.19 0.23 0.071 **
Proporción con electricidad en 1993 0.08 0.11 0.024 **
Distrito es pobre extremo 0.110 0.053 0.023 **
Costa 0.170 0.130 0.182
Sierra 0.651 0.817 0.000 **
Selva 0.160 0.047 0.000 **
Norte 0.304 0.136 0.000 **
Centro 0.357 0.509 0.000 **
Sur 0.314 0.349 0.343
Para test de diferencia de medias: * significativo al 90%; ** signifcativo al 95%

Fuentes: CENAGRO 1994, Mapa de Pobreza de Foncodes (1996); Base Cartográfica de distritos INEI

Sobre la base de la información distrital ya descrita se procedió a realizar un proceso de


emparejamiento (ver Anexo Metodológico sobre las características de este procedimiento) de los
distritos mineros con un conjunto de distritos potencialmente comparables. El proceso de
emparejamiento se realizó por separado en cada una de las tres regiones naturales (costa, sierra y
selva). El uso de las regiones naturales como ámbitos del emparejamiento de distritos genera un
mayor grado de comparabilidad entre distritos a nivel nacional en el resultado final.

El procedimiento requiere primero una estimación de un modelo probit donde la variable dependiente
dicotómica es si el distrito es minero o no. El modelo probit se estima en función de las variables en
las cuales se pretende realizar el emparejamiento (ver Cuadro N° 1) en cada uno de los ámbitos
señalados.

15
Luego de esta estimación, es posible identificar a los distritos que tienen la mayor “cercanía” con los
distritos mineros de acuerdo a una sola variable, llamada puntaje de propensión (“propensity score”
en inglés), siendo posible emparejar cada distrito minero con uno o más equivalentes del grupo no
minero o de control dentro del ámbito geográfico correspondiente. En nuestro caso usamos el
emparejamiento “uno a dos”, es decir, por cada distrito minero se trató de ubicar dos distritos de
control o comparación8.

Luego del proceso de emparejamiento, los valores para las mismas variables en ambas definiciones de
los distritos se presenta en el Cuadro N° 2.

Cuadro N° 2
Valores distritales luego de proceso de emparejamiento
¿ Minero ?
No Si t-test
Proporción de superficie agropecuaria bajo riego 0.614 0.633 0.647
Proporción de superficie agropecuaria bajo secano 0.662 0.662 0.998
Proporción de pastos en superficie agropecuaria 0.372 0.416 0.240
Vacas por superficie total agropecuaria 6.3 10.5 0.200
Ovinos por superficie total agropecuaria 68.2 180.7 0.141
Proporción de superficie agropecuaria en superficie total 0.346 0.319 0.238
Mediana de la altura media del distrito 3441.0 3529.0 0.457
Porcentaje de la població es rural 59.33 59.00 0.914
Tasa de analfabetismo en 1993 23.41 22.68 0.588
Tasa de mortalidad infantil en 1993 69.79 67.77 0.449
Número de viviendas en 1993 2306.0 2346.0 0.922
Proporción con agua potable en 1993 0.277 0.281 0.869
Proporción con desague en 1993 0.226 0.227 0.963
Proporción con electricidad en 1993 0.100 0.105 0.718
Distrito es pobre extremo 0.045 0.052 0.752
Costa 0.106 0.103 0.938
Sierra 0.878 0.884 0.862
Selva 0.016 0.013 0.788
Norte 0.102 0.142 0.223
Centro 0.472 0.529 0.263
Sur 0.427 0.329 0.051
Para test de diferencia de medias: * significativo al 90%; ** signifcativo al 95%

Fuentes: CENAGRO 1994, Mapa de Pobreza de Foncodes (1996); Base Cartográfica de distritos INEI

Como se puede ver, los valores de las variables distritales para los grupos han dejado de tener
diferencias estadísticamente significativas (de acuerdo al test de medias) luego del proceso de
emparejamiento realizado.

8
Cabe señalar que en el proceso de emparejamiento se ha permitido que algunos distritos mineros también
salgan del grupo intervenido si es que su valor en el valor de puntaje de propensión está más allá del máximo
valor correspondiente al grupo de distritos no mineros. Es decir, lo que hace el procedimiento de
emparejamiento es eliminar a los distritos cuyo valor en la función de probabilidad estimada estén fuera del
soporte común para los grupos minero y no minero.

16
La distribución de distritos mineros y de control resultante para ambas definiciones se muestra en el
Mapa N° 2 (el color rojo identifica distritos mineros o “intervenidos” y celeste a los distritos no
mineros o “de control”).

Mapa N° 2: Distritos Mineros y sus Distritos de Control

2.4. De la información distrital a la información de hogares

El objetivo final del análisis que se realizará se refiere a variables de bienestar de los hogares, y es por
tanto necesario utilizar las encuestas de hogares disponibles, en este caso las ENAHO. Las ENAHO
son encuestas con representación estadística para grandes dominios geográficos (rural/urbano,

17
costa/sierra/selva/Lima), y últimamente (desde el 2001) con representación departamental. Sin
embargo, estas encuestas no se aplican a todos los distritos a nivel nacional (aunque cubren casi el
50% de estos). Por este motivo, es necesario generar el empalme entre los distritos resultantes del
proceso de emparejamiento descrito en la subsección 2.3. y los distritos con información de ENAHO
2003/04, que es la encuesta que usamos para este estudio.

Una preocupación importante se refiere al sesgo que se podría introducir en el proceso de


emparejamiento descrito anteriormente una vez que se usan solamente los distritos con información
de ENAHO y que empalman con los distritos mineros y no mineros definidos en la subsección 2.3.
El sesgo que generaría mayor preocupación es que en la submuestra de distritos con ENAHO
reaparezcan diferencias significativas entre los distritos mineros y no mineros. Felizmente, este sesgo
parece no haber ocurrido, como se puede apreciar en el Cuadro N° 3.

Cuadro N° 3
Valores distritales en sub-muestra de distritos que tienen ENAHO 2003/04
Minero general
No Si t-test
Proporción de superficie agropecuaria bajo riego 0.612 0.524 0.175
Proporción de superficie agropecuaria bajo secano 0.688 0.732 0.499
Proporción de pastos en superficie agropecuaria 0.360 0.387 0.624
Vacas por superficie total agropecuaria 3.6 15.9 0.025 **
Ovinos por superficie total agropecuaria 25.3 351.4 0.020 **
Proporción de superficie agropecuaria en superficie total 0.371 0.337 0.344
Mediana de la altura media del distrito 3328.0 3500.0 0.356
Porcentaje de la població es rural 60.21 54.86 0.280
Tasa de analfabetismo en 1993 24.52 23.19 0.548
Tasa de mortalidad infantil en 1993 67.09 66.94 0.971
Número de viviendas en 1993 3908.0 3872.0 0.965
Proporción con agua potable en 1993 0.297 0.319 0.529
Proporción con desague en 1993 0.268 0.280 0.762
Proporción con electricidad en 1993 0.137 0.140 0.910
Distrito es pobre extremo 0.035 0.029 0.829
Costa 0.142 0.088 0.290
Sierra 0.832 0.882 0.359
Selva 0.027 0.029 0.910
Norte 0.106 0.147 0.418
Centro 0.407 0.500 0.225
Sur 0.487 0.353 0.080 **
Para test de diferencia de medias: * significativo al 90%; ** signifcativo al 95%

Fuentes: CENAGRO 1994, Mapa de Pobreza de Foncodes (1996); Base Cartográfica de distritos INEI

Como se puede ver, en la muestra de distritos que tienen información de ENAHO 2003/04 los grupos
mantienen valores medios sin diferencias significativas entre distritos mineros y no mineros de
control (sólo se genera un ligero desbalance en la dotación ganadera). En general, este resultado nos
permite mantener los grupos minero y de control de acuerdo al proceso de emparejamiento utilizado
en 2.3., con la ventaja que ese procedimiento utilizó la mayor cantidad de información disponible
sobre el conjunto de distritos del país para la comparabilidad antes de realizar el filtro de los distritos
con información en ENAHO (y así evitar que el uso de ENAHO introduzca sesgos en el propio
proceso de emparejamiento).

18
Del procedimiento de emparejamiento quedaron 155 distritos mineros o “intervenidos” y 246 de
“control”. Sin embargo, luego del empalme con ENAHO 2003/04 quedaron solamente 68 distritos
“intervenidos” y 113 de “control” 9 con información de hogares. Cabe señalar aquí que en la
siguiente etapa del análisis, de comparación entre hogares en distritos mineros y no mineros
(controles), se incluirá la variable generada en la primera etapa del puntaje de propensión como
variable de control en el emparejamiento de hogares, de tal forma que se tenderá a comparar hogares
entre distritos comparables y al mismo tiempo, se incluirán variables relacionadas con atributos y
activos de los hogares que se suponen no son afectados por la actividad minera, al menos en los
plazos de la evaluación. De esta forma se logrará reducir significativamente los sesgos
potencialmente existentes en el emparejamiento de hogares, aunque puedan subsistir sesgos
relacionados con variables no observables que no han podido ser captadas en este estudio o que no
pueden ser reducidos cuando no se cuenta con datos de tipo panel.

9
La ENAHO no tiene representatividad distrital o provincial. No obstante, para los fines de este estudio el
tema crucial no es la representatividad estadística de la muestra si no si al utilizar una sub-muestra de hogares
de ENAHO introducimos sesgos sistemáticos en el proceso de emparejamiento de distritos, tema que ya se
discutió previamente.

19
Seccion III: Estimación de impactos de la minería en los hogares urbanos y
rurales de su entorno distrital

3.1. Descripción de la submuestra de hogares de ENAHO

El presente estudio usa la muestra nacional de hogares de ENAHO 2003/04 para comparar hogares
ubicados en distritos mineros y no mineros. Se han identificado diez (10) variables de los hogares a
evaluar10 :

• Ingreso per cápita


• Gasto per cápita
• Ingreso agropecuario
• Proporción de ingreso agropecuario
• Familia es agraria (más del 60% del ingreso es agropecuario)
• Familia es pobre (por línea de pobreza de gasto)
• Hogar tiene acceso a agua potable
• Hogar tiene acceso a desagüe
• Algún miembro del hogar tiene una enfermedad crónica
• Algún miembro del hogar tiene una enfermedad aguda (último mes)

Las tres primeras variables están en soles corrientes para el periodo anual, la cuarta es una proporción
entre 0 y 1, mientras que las restantes son variables dicotómicas (tienen valor de 1 ó 0). Además de
estas variables de impacto, se usarán algunas variables de control para el análisis de regresión y para
el emparejamiento de hogares en la estimación de impactos como

• Valor del puntaje de propensión (“propensity score”) tomado del emparejamiento distrital
• Edad del Jefe de Hogar
• Tamaño del Hogar (número de miembros)
• Jefe de Hogar es varón
• Años de educación del Jefe de Hogar

10
Inicialmente habíamos considerado la posibilidad de explorar tanto el impacto de la minería en variables
relacionadas a capital social, o considerarlas como potenciales variables de control en el emparejamiento. Sin
embargo, nos encontramos con serias limitaciones de información. La información que se encuentra en las
ENAHOs no provee variables adecuadas o “proxies”. El concepto de capital social iniciado en Putnam (1993)
se refiere al resultado de un conjunto de elementos (participación cívica voluntaria, equidad política, lazos de
solidaridad, confianza, tolerancia y estructuras sociales de cooperación), que en su conjunto, y no por separado,
constituyen el capital social de una comunidad. El tipo de información con el que cuentan las encuestas de
hogares recoge la participación de los hogares en las organizaciones, pero no el nivel de presencia y legitimidad
en la comunidad. Además la ENAHO no provee información sobre la naturaleza de estas organizaciones, su
calidad de participación, el rol divisivo o cohesionador que juegan en la comunidad, los incentivos que llevan a
los hogares a participar, pudiendo ser estos paternalistas o democráticos. En términos prácticos con la
información existente no es posible saber si la participación en las organizaciones que lista la ENAHO pueden
tener un impacto positivo o negativo sobre el desarrollo de las comunidades, o en el grado de heterogeneidad de
estas organizaciones de una comunidad a otra. Por estas razones decidimos no incluir este tipo de análisis en el
estudio.

20
La incorporación del valor del “propensity score” tomado del proceso de emparejamiento de distritos
realizado previamente permite mantener la cercanía entre hogares de distritos comparables al
momento de realizar el emparejamiento de hogares. Igualmente, las otras variables de control (que
integran el “propensity score” de esta segunda etapa de emparejamiento) reflejan atributos y activos
de los hogares que se asumen no afectados de manera significativa por la intervención minera en los
distritos. Esto permite que los hogares sean comparables en estos atributos observables al momento
de estimar diferencias en las variables de impacto.

Cuando realizamos el empalme entre distritos con minería (y sus controles) y los distritos con
ENAHO 2003/04, las muestras de hogares resultaron ser:

Cuadro Nº 5
Control Tratamiento Total
Costa 402 96 498
Sierra 1,932 1,300 3,232
Selva 58 299 357
Total 2,392 1,695 4,087
Fuente: ENAHO 2003/2004, INEI.

Como se puede ver, las muestras de hogares son muy pequeñas para las regiones de costa y selva (en
gran medida por la poca presencia de la minería en dichas regiones)11. Debido a esto, sólo haremos el
análisis de impactos de la minería en la región sierra, con desagregaciones urbana y rural, y por zonas
norte, centro y sur.

En el Cuadro N° 6 se presentan los valores medios de las variables de los hogares de sierra tomadas
de ENAHO para el grupo de control, de tratamiento y para los hogares que no han sido considerados
en el análisis (no pertenecen ni a grupo control ni a tratamiento).

En el Cuadro se presenta, además, el test de medias entre el grupo intervención y el grupo de control;
y entre el grupo de hogares no considerados (Resto ENAHO) y el grupo de control. La primera
comparación (tratamiento-control) indica tanto potenciales diferencias en atributos exógenos que se
desean controlar en un emparejamiento de hogares (segunda etapa), así como evidencia inicial de
impactos que serán re-evaluados luego del proceso de emparejamiento de hogares. La segunda
comparación (Resto ENAHO-control) es útil para distinguir particularidades del grupo bajo análisis
del conjunto de hogares rurales de la sierra peruana.

En cuanto a la primera comparación, se observan diferencias significativas en algunos de los atributos


de los hogares, tanto a nivel general como en la sub-muestra urbana y rural. Es por esto necesario
considerar estas variables en el emparejamiento de hogares.

11
Realizamos un análisis del impacto de la minería en costa y selva, cuyos resultados puede ser solicitado a los
autores. Un hallazgo interesante en selva, y distinto al encontrado para sierra, se refiere a la relación positiva
entre presencia minera y actividad agraria, que en este caso plantea el problema de los impactos negativos en la
sostenibilidad del ecosistema amazónico.

21
También se ven diferencias significativas en los valores medios de las variables de impacto entre el
grupo tratamiento y el grupo de control. Estas diferencias son previas al emparejamiento de hogares,
y en el caso de toda la muestra de la sierra las diferencias son significativas para casi todas las
variables salvo para gasto percápita y enfermedades crónicas. En general, se observa que los
ingresos son mayores para el grupo tratamiento, aunque esta diferencia se hace no significativa
cuando se divide la muestra en urbana y rural. También se observa que los hogares en distritos
mineros tienen una menor orientación agraria y menor acceso a servicios de agua y desagüe. Estas
diferencias tienden a mantenerse con la desagregación urbano/rural. También se observa que los
hogares de tratamiento tienden a tener mayor incidencia de enfermedades agudas.

Estas diferencias dan un primer indicio de posibles impactos de la minería en los hogares de la sierra
peruana. Sin embargo, debido a que estas muestras no han sido sometidas al proceso de
emparejamiento, los resultados pueden estar sujetos a importantes sesgos, generados por ejemplo por
las variables de atributos de los hogares que no se han controlado. Igualmente, se requiere que la
comparación de valores se haga entre hogares que estén “relativamente cerca” en cuanto al
emparejamiento realizado en la primera etapa. Por este motivo se considera al valor del “puntaje de
propensión” (propensity score) de la primera fase como variable en el cálculo del puntaje de la
segunda etapa.

Adicionalmente, el Cuadro N° 6 permite observar que los hogares considerados para el análisis del
impacto de la minería tienen diferencias bastante importantes con respecto a los hogares que han sido
excluídos del análisis (Resto ENAHO). Por ejemplo, las familias urbanas bajo análisis tienen
ingresos per cápita mayores que los hogares excluídos del análisis, así como jefes de hogar con
mayores niveles de educación. Del cuadro se desprende que las mayores diferencias entre los hogares
bajo análisis y los excluídos se debe a diferencias en los hogares urbanos, más que a los rurales.

El siguiente paso en la metodología es generar un nuevo emparejamiento, esta vez entre hogares, para
estimar los impactos de la minería en los hogares urbanos y rurales de la sierra peruana. En la
siguiente sub-sección presentamos los resultados de dicha estimación, con desagregaciones de la
muestra en urbana y rural, y entre zonas norte, centro y sur. Además de esto, se presenta un análisis
de impactos diferenciados en los hogares de acuerdo a sus niveles de educación y orientación agraria.

22
Cuadro N° 6
Estadística Descriptiva de Hogares de Sierra
Control Tratamiento t-test(*) Resto ENAHO t-test(*)
SIERRA TOTAL
Edad del jefe de hogar 48.8 47.59 0.032 ** 49.72 0.037 **
Años de educación de JH 7.55 7.12 0.016 ** 6.08 0.000 **
Tamaño del hogar 4.34 4.30 0.596 4.32 0.744
JH es varón 77.0% 77.6% 0.667 79.6% 0.016 **

Ingreso familiar percápita 3,536 4,011 0.017 ** 2,679 0.000 **


Gasto familiar percápita 3,084 3,212 0.244 2,537 0.000 **
Ingreso agropecuario 2,718 2,204 0.002 ** 3,280 0.000 **
Proporción de Ing. Agrop 34.3% 27.4% 0.000 ** 44.7% 0.000 **
Familia es agraria 30.2% 23.3% 0.000 ** 38.6% 0.000 **
Es pobre 54.1% 50.6% 0.049 ** 61.0% 0.000 **
Tiene agua potable 69.3% 65.5% 0.027 ** 55.7% 0.000 **
Tiene desagüe 44.9% 37.6% 0.000 ** 25.5% 0.000 **
Enfermedad crónica 5.4% 6.2% 0.354 7.0% 0.017 **
Enfermedad aguda 6.3% 8.2% 0.037 ** 6.7% 0.534
Observaciones 1,932 1,300 4,469

SIERRA URBANA Control Tratamiento t-test(*) Resto ENAHO t-test(*)


Edad del jefe de hogar 47.96 46.62 0.061 * 48.99 0.105
Años de educación de JH 9.76 8.79 0.000 ** 8.62 0.000 **
Tamaño del hogar 4.41 4.22 0.082 * 4.34 0.473
JH es varón 73.9% 74.2% 0.894 74.9% 0.570

Ingreso familiar percápita 5,085 5,445 0.277 4,550 0.033 **


Gasto familiar percápita 4,296 4,142 0.373 4,027 0.077 *
Ingreso agropecuario 844 833 0.938 1,041 0.182
Proporción de Ing. Agrop 7.1% 7.4% 0.812 9.4% 0.013 **
Familia es agraria 4.8% 5.1% 0.789 6.2% 0.133
Es pobre 37.1% 36.8% 0.891 38.8% 0.402
Tiene agua potable 88.3% 84.2% 0.012 ** 85.7% 0.057 *
Tiene desagüe 81.0% 61.5% 0.000 ** 69.0% 0.000 **
Enfermedad crónica 3.4% 5.5% 0.035 ** 3.6% 0.845
Enfermedad aguda 5.1% 9.1% 0.001 ** 4.7% 0.615
Observaciones 1,018 766 1,394

SIERRA RURAL Control Tratamiento t-test(*) Resto ENAHO t-test(*)


Edad del jefe de hogar 49.74 48.99 0.405 50.05 0.619
Años de educación de JH 5.08 4.73 0.081 * 4.93 0.324
Tamaño del hogar 4.27 4.41 0.262 4.31 0.641
JH es varón 80.4% 82.6% 0.308 81.8% 0.348

Ingreso familiar percápita 1,811 1,954 0.164 1,830 0.774


Gasto familiar percápita 1,735 1,878 0.037 ** 1,861 0.011 **
Ingreso agropecuario 4,805 4,171 0.025 ** 4,295 0.014 **
Proporción de Ing. Agrop 64.6% 56.2% 0.000 *+ 60.7% 0.005 **
Familia es agraria 58.5% 49.4% 0.001 ** 53.3% 0.005 **
Es pobre 73.1% 70.4% 0.274 71.1% 0.248
Tiene agua potable 48.0% 38.8% 0.001 ** 42.1% 0.001 **
Tiene desagüe 4.7% 3.4% 0.223 5.7% 0.235
Enfermedad crónica 7.5% 7.1% 0.761 8.5% 0.350
Enfermedad aguda 7.7% 6.9% 0.609 7.7% 0.987
Observaciones 914 534 3,075
(*) Con respecto a grupo de control
Fuente: ENAHO 2003/2004, INEI

23
3.2. Resultados de estimaciones de impacto usando emparejamiento de hogares

La opción metodológica utilizada para evaluar el impacto que habría tenido la actividad minera en los
hogares es una aplicación adicional del propio método de emparejamiento en una segunda etapa,
ahora emparejando hogares ubicados en distritos mineros con los hogares ubicados en los distritos
comparables establecidos en la sección 2. Los hogares intervenidos o de “tratamiento” son aquellos
ubicados en los distritos con minería. Se han generado estimaciones separadas para todos los hogares
de la sierra, para los hogares rurales y urbanos, así como por zonas norte, centro y sur. La
distribución de hogares de la sierra usados en el análisis se presenta en el cuadro siguiente:

Cuadro Nº 7
Por ubicación Por intervención
Total
Urbano Rural Control Intervenido

Norte 132 264 157 239 396


Centro 786 532 642 676 1,318
Sur 866 652 1,133 385 1,518

Total 1,784 1,448 1,932 1,300 3,232


Fuente: ENAHO 2003/2004, INEI.

Para las estimaciones de toda la sierra (donde tenemos el mayor número de observaciones), usamos el
método de emparejamiento de “uno a uno”, es decir, para hogar de tratamiento se ubica un hogar de
control contra el cual se mide la diferencia (impacto) de la minería. En todos los otros casos más
desagregados (por zona y ruralidad) usamos el método de emparejamiento tipo “kernel” en el cual la
estimación de la deferencia en las variables de impacto se realiza entre cada hogar de tratamiento y
un ”hogar representativo” de control que asume el promedio ponderado del valor de la variable en
evaluación con un mayor peso en la ponderación para los hogares dentro del soporte común 12 .
Presentamos los resultados para cada uno de los ámbitos analizados.

3.2.1. Impactos de la minería metálica en los hogares de la sierra en general

En el Cuadro Nº 8 se presentan los resultados de la estimación de diferencias o “impactos” entre el


grupo de tratamiento y de control para todos los hogares de la sierra bajo análisis. Dentro de las
variables incorporadas en el cálculo del puntaje de propensión se incluyó variables dicotómicas
identifando a los hogares rurales, así como para ubicación en las zonas norte y centro. Esto permite
que estos criterios entren en el puntaje de propensión y hagan que los hogares en una categoría tengan
mayor probabilidad de tener un hogar de comparación en la misma categoría. Sin embargo, debido a
que entran diversas variables en el puntaje de propensión, no puede descartarse que se terminen

12
Como señalan Escobal y Ponce (2002) el método “uno a uno” genera el menor sesgo en el estimado, pero
tiende a generar errores estándar mayores. Por el contrario, el método kernel incorpora un sesgo mayor pero
genera estimados más precisos. Así, la decisión entre ambos métodos tiene que ver con un balance entre costos
del sesgo versus ganancias de eficiencia estadística.

24
comparando hogares de categorías y zonas distintas. Es para reducir este problema que en las sub-
secciones siguientes se hace el análisis dentro de categorías específicas (rural/urbano,
norte/centro/sur).

Para esta estimación agregada, los resultados indican que la minería tendría un impacto positvo en los
ingresos y gastos de las familias ubicadas en su entorno. El ingreso percápita promedio habría
aumentado en +34% y el gasto percápita en +22%. Esta diferencia entre ingreso y gasto podría
atribuirse a la percepción de que los ingresos adicionales generados por la minería son de un carácter
transitorio y por ende parte de estos ingresos se orientarían a formas de ahorro de los hogares. El
importante impacto en el gasto hace que la probabilidad de que las familias sean pobres es inferior en
-11.3% en las zonas mineras versus las zonas no mineras.

Cuadro Nº 8
Impacto de minería en hogares de la Sierra
Variable Tratam. Control Diferenc. Error Est. T-stat
SIERRA TOTAL
Ingreso per cápita 4010.8 2984.4 1026.4 263.3 3.90 **
34.4%
Gasto per cápita 3212.2 2640.6 571.6 143.5 3.98 **
21.6%
Ingreso agropecuario 2203.9 2532.0 -328.1 227.9 -1.44
-13.0%

Proporción de ingreso agrop. 27.4% 35.8% -8.3% 2.1% -3.99 **


Familia es agraria 23.3% 30.7% -7.4% 2.4% -3.11 **
Pobre 50.6% 61.9% -11.3% 2.6% -4.34 **
Tiene agua 65.5% 72.1% -6.5% 2.4% -2.70 **
Tiene desagüe 37.6% 39.5% -1.8% 2.6% -0.71
Enfermedad crónica 6.2% 5.8% 0.3% 1.3% 0.24
Enfermedad aguda 8.2% 4.8% 3.5% 1.3% 2.67 **
Tratam. Control Diferenc. Error Est. T-stat
SIERRA URBANA
Ingreso per cápita 5444.6 4706.1 738.5 716.6 1.03
15.7%
Gasto per cápita 4142.3 3698.1 444.2 279.1 1.59
12.0%
Ingreso agropecuario 832.6 1128.3 -295.7 320.0 -0.92
-26.2%

Proporción de ingreso agrop. 7.4% 12.5% -5.1% 2.2% -2.36 **


Familia es agraria 5.1% 8.1% -3.0% 2.3% -1.32
Pobre 36.8% 46.6% -9.8% 4.1% -2.38 **
Tiene agua 84.2% 86.8% -2.6% 2.6% -1.00
Tiene desagüe 61.5% 70.1% -8.6% 3.7% -2.32 **
Enfermedad crónica 5.5% 3.1% 2.3% 1.6% 1.47
Enfermedad aguda 9.1% 2.3% 6.8% 1.6% 4.32 **
Tratam. Control Diferenc. Error Est. T-stat
SIERRA RURAL
Ingreso per cápita 1977.4 1766.5 210.8 183.2 1.15
11.9%
Gasto per cápita 1897.9 1643.2 254.7 108.1 2.36 **
15.5%
Ingreso agropecuario 4288.5 4431.7 -143.2 432.2 -0.33
-3.2%

Proporción de ingreso agrop. 56.8% 62.4% -5.6% 3.1% -1.78 *


Familia es agraria 50.7% 55.2% -4.6% 4.3% -1.06
Pobre 69.7% 78.0% -8.3% 3.8% -2.20 **
Tiene agua 36.4% 47.5% -11.1% 4.3% -2.58 **
Tiene desagüe 3.6% 4.2% -0.6% 1.7% -0.34
Enfermedad crónica 7.1% 5.1% 2.0% 2.2% 0.89
Enfermedad aguda 6.9% 6.1% 0.8% 2.3% 0.35
Fuente: ENAHO 2003/2004, INEI

25
No obstante este resultado agregado en ingresos y gastos, cuando se realizan las estimaciones a un
nivel más desagregado entre hogares urbanos y rurales, los impactos en ingresos percápita pierden
significancia estadística. En el caso del gasto percápita, se mantiene el resultado positivo para los
hogares rurales con +15.5% de impacto. El impacto en el gasto de los hogares urbanos también es
positivo (+12%) pero sólo significativo al 85% de confianza. Esto hace que el impacto en reducción
de pobreza sea significativo para los hogares urbanos (-9.8%) y rurales (-8.3%). En este sentido, los
resultados sobre gastos percápita aparecen como más robustos que los obtenidos al nivel agregado
para los ingresos percápita.

En cuanto al ingreso agropecuario, el resultado agregado indica que el impacto sería negativo (-13%)
pero sin significancia estadística al 90%. No se observa impacto significativo para este indicador
cuando se desagrega la muestra en urbana/rural. Sin embargo, los otros dos indicadores con respecto
a la orientación agraria de las familias indica que sí habría un impacto de desplazamiento de las
familias de la actividad agraria. Por ejemplo, la proporción de ingreso agropecuario en el ingreso
total es inferior en -8.3% en los hogares del entorno minero, impacto que se mantiene significativo
para hogares urbanos (-5.1%) y rurales (-5.6%). Además, la probabilidad de que una familia dependa
de la agricultura es inferior en -7.4% en el agregado, pero este indicador pierde significancia para la
desagregación urbano/rural.

Consideramos que este tema de la relación entre agricultura y actividad minera en la sierra es
importante, y se evalúa también para las estimaciones más desagregadas presentadas luego. El
resultado general obtenido para los hogares sugiere que efectivamente podría haber ocurrido un
proceso de competencia excluyente por los recursos entre minería y agricultura en la sierra peruana en
los últimos años, en el cual la actividad agraria enfrentaría claras desventajas por sus menores
retornos. Igualmente, cabe preguntarse por el impacto diferenciado que puede generar la presencia
minera en los hogares rurales de acuerdo a sus dotaciones de activos agrarios y no agrarios al
momento de ingresar la actividad minera en el ámbito, tema que evaluamos más adelante.

Los otros dos resultados importantes obtenidos tanto para la sierra en su conjunto como para la
desagregación urbano/rural se refieren al acceso a agua potable y la incidencia de enfermedades
agudas en las familias. En el primer caso, la estimación indica que los hogares en zonas mineras de la
sierra tienen una menor probabilidad (-6-5%) de tener acceso a agua potable. Este resultado se
mantiene sólo para los hogares rurales (-11.1%), pero en el caso de los hogares urbanos se observa un
efecto negativo en el acceso a desagüe (-8.6%).

Una hipótesis posible para explicar este resultado es que el Estado orientaría menos recursos para este
tipo de inversiones en distritos mineros al considerar que la actividad minera privada cubriría la
diferencia o por asumir que los recursos de canon son suficientes para esto. También podría ocurrir
que exista alguna variable no observable relacionada a los costos de inversión en agua y saneamiento
que haga dicha inversión más cara o difícil en los distritos mineros versus los no mineros (en este
caso, recuérdese que la altura media de los distritos ya fue controlada en el emparejamiento de
distritos, pero podrían jugar algún rol otras variables topográficas no observables).

26
Igualmente (y quizás en forma correlacionada al resultado en los indicadores de saneamiento), los
hogares de sierra tienen una mayor probabilidad de que algún miembro haya tenido una enfermedad
aguda en el último mes a la encuesta (+3.5%), porcentaje que se basa casi exclusivamente en el
impacto negativo en los hogares urbanos (+6.8%) ya que en los rurales tal efecto no es
estadísticamente significativo. Cabe señalar que esta probabilidad es el doble para los hogares en
general ubicados en zona minera que los hogares de comparación, y es casi el triple para los hogares
urbanos con respecto a sus contrapartes de comparación, es decir, un hogar en zona urbana con
presencia minera tiene tres veces más probabilidad de tener algún miembro que haya tenido o tenga
enfermedad aguda en el mes previo a la aplicación de la encuesta.

Debido a que estos resultados pueden estar introduciendo algunos sesgos al existir posibilidad de
emparejar hogares en zonas geográficas dispersas, en las siguientes sub-secciones dividimos la
muestra aún más en zonas norte, centro y sur.

27
3.2.2. Impactos de la minería en los hogares de la sierra norte

Los resultados del análisis de impactos para los hogares de la sierra norte se presentan en el Cuadro
Nº 9.
Cuadro N° 9
Impacto de minería en hogares de la Sierra Norte (kernel)
Variable Tratam. Control Diferenc. Error Est. T-stat
SIERRA NORTE TOTAL
Ingreso per cápita 2859.5 2486.8 372.7 591.9 0.63
13.0%
Gasto per cápita 2107.1 2040.2 66.8 316.6 0.21
3.2%
Ingreso agropecuario 2404.8 1898.4 506.3 523.9 0.97
21.1%

Proporción de ingreso agrop. 40.8% 33.0% 7.8% 7.1% 1.09


Familia es agraria 37.1% 28.2% 8.9% 8.8% 1.01
Pobre 69.4% 68.5% 0.8% 8.6% 0.09
Tiene agua 57.3% 87.9% -30.6% 7.7% -4.00 **
Tiene desagüe 28.2% 36.3% -8.1% 8.4% -0.96
Enfermedad crónica 4.0% 4.0% 0.0% 2.9% 0.00
Enfermedad aguda 2.4% 8.1% -5.6% 4.6% -1.23
Tratam. Control Diferenc. Error Est. T-stat
SIERRA NORTE URBANA
Ingreso per cápita 6762.5 4444.2 2318.3 1967.9 1.18
34.3%
Gasto per cápita 3712.2 3391.0 321.1 898.3 0.36
8.7%
Ingreso agropecuario 220.3 1511.3 -1291.0 802.2 -1.61
-586.0%

Proporción de ingreso agrop. 1.2% 12.3% -11.1% 5.8% -1.90 *


Familia es agraria 0.0% 0.0% 0.0% 0.0% .
Pobre 41.4% 56.5% -15.1% 19.4% -0.78
Tiene agua 93.1% 100.0% -6.9% 4.8% -1.44
Tiene desagüe 86.2% 85.2% 1.0% 11.2% 0.09
Enfermedad crónica 13.8% 15.4% -1.6% 11.2% -0.15
Enfermedad aguda 0.0% 0.0% 0.0% 0.0% .
Tratam. Control Diferenc. Error Est. T-stat
SIERRA NORTE RURAL
Ingreso per cápita 1716.5 1466.8 249.7 252.7 0.99
14.5%
Gasto per cápita 1640.9 1401.3 239.6 215.3 1.11
14.6%
Ingreso agropecuario 3218.1 2508.1 710.0 599.4 1.18
22.1%

Proporción de ingreso agrop. 52.8% 44.1% 8.7% 7.2% 1.21


Familia es agraria 46.3% 37.7% 8.6% 9.3% 0.93
Pobre 78.0% 83.8% -5.7% 7.6% -0.76
Tiene agua 50.0% 83.4% -33.4% 8.2% -4.09 **
Tiene desagüe 9.8% 7.1% 2.6% 5.5% 0.48
Enfermedad crónica 1.2% 0.0% 1.2% 1.2% 1.00
Enfermedad aguda 2.4% 6.2% -3.7% 4.4% -0.85
Fuente: ENAHO 2003/2004, INEI

Como se puede ver, existen pocas variables en las cuales aparezcan diferencias significativas entre el
grupo intervenido y el grupo de control. A nivel de todos los hogares sólo se aprecia un efecto
negativo y muy elevado (-30.6%) en el acceso a agua potable, impacto que en este caso se concentra
en los hogares rurales (-33.4%). El otro efecto significativo se observa en la menor proporción de

28
ingresos agropecuarios en los hogares urbanos (-12.3%). Este conjunto de resultados tienen que ver
con un número muy limitado de observaciones para la sierra norte en la muestra bajo análisis (ver
Cuadro Nº 7).

3.2.3. Impactos de la minería en los hogares de la sierra centro

La sierra centro tiene un número mucho mayor de observaciones en la muestra, por lo que se pueden
obtener resultados más precisos en cuanto al impacto de la minería en los hogares urbanos y rurales.
En el Cuadro Nº 10 se presentan los resultados para esta zona. Como se puede ver, a nivel agregado
se obtienen impactos en casi todas las variables bajo análisis. El ingreso percápita de los hogares se
habría incrementado en 21% y el gasto percápita en 17%, con una caída en la tasa de pobreza de -
10.7%. Al igual que en el caso general, el impacto en ingresos pierde significancia para las
desagregaciones en urbano y rural, pero sí se mantiene el impacto positivo en el gasto percápita y por
ende en la pobreza sólo para los hogares urbanos (-13.4%), mientras que en los hogares rurales el
impacto en pobreza no es significativo. En este caso observamos que el impacto positivo en reducción
de pobreza se ha concentrado en las zonas urbanas mas no en las rurales de la sierra central.

Los indicadores sobre orientación agraria de los hogares de sierra central señalan un impacto
importante en estas variables para el nivel agregado y especialmente para los hogares urbanos. En
este último caso, los ingresos agropecuarios (de los que los generan) cayeron en -76% y la proporción
del ingreso agropecuario en el ingreso total dismunyó en -7.6%. Igualmente, la proporción de
familias agrarias cayó en -7% para los hogares urbanos en zonas mineras versus las zonas no mineras.
Es probable que este proceso explique—al menos en parte—el impacto positivo en el gasto percápita
y caídas de pobreza observadas en los hogares urbanos de la sierra central. De otro lado, este impacto
de “desagrarización” no aparece como significativo para las zonas rurales de la sierra central.

En cuanto al acceso a servicios de saneamiento de los hogares de sierra central, los resultados son
negativos tanto a nivel agregado como para las desagregaciones urbana y rural. En el agregado, un
hogar de sierra central ubicado en distrito minero tiene -8.6% menos de probabilidad de tener agua
potable, y -15% de tener desagüe. A nivel urbano, la probabilidad es inferior en -7% y en los hogares
rurales en -13%. Para desagüe, los urbanos tienen -17.4% de menor acceso (para un 71% de acceso
en el grupo de comparación) y los rurales de -6.2% (para un nivel bajísimo de acceso de 9% en el
grupo de comparación).

29
Cuadro Nº 10
Impacto de minería en hogares de la Sierra Centro (kernel)
Variable Tratam. Control Diferenc. Error Est. T-stat
SIERRA CENTRO TOTAL
Ingreso per cápita 4310.6 3410.8 899.8 446.3 2.02 **
20.9%
Gasto per cápita 3274.1 2722.5 551.6 214.5 2.57 **
16.8%
Ingreso agropecuario 1927.9 2020.2 -92.3 273.4 -0.34
-4.8%

Proporción de ingreso agrop. 24.1% 30.5% -6.4% 2.9% -2.16 **


Familia es agraria 19.8% 26.4% -6.6% 3.3% -2.03 **
Pobre 49.9% 60.6% -10.7% 3.7% -2.90 **
Tiene agua 63.7% 72.2% -8.6% 3.4% -2.53 **
Tiene desagüe 35.1% 50.1% -14.9% 3.7% -4.00 **
Enfermedad crónica 8.6% 7.1% 1.5% 1.9% 0.78
Enfermedad aguda 8.7% 7.2% 1.5% 1.9% 0.78
Tratam. Control Diferenc. Error Est. T-stat
SIERRA CENTRO URBANA
Ingreso per cápita 5670.6 4545.3 1125.3 713.8 1.58
19.8%
Gasto per cápita 4060.2 3418.7 641.5 287.4 2.23 **
15.8%
Ingreso agropecuario 696.4 1224.6 -528.2 189.5 -2.79 **
-75.8%

Proporción de ingreso agrop. 6.9% 14.5% -7.6% 1.9% -4.03 **


Familia es agraria 4.7% 11.7% -7.0% 2.0% -3.43 **
Pobre 38.2% 51.6% -13.4% 4.0% -3.33 **
Tiene agua 75.9% 82.9% -7.0% 2.9% -2.39 **
Tiene desagüe 53.5% 71.0% -17.4% 3.6% -4.84 **
Enfermedad crónica 7.1% 4.7% 2.3% 1.8% 1.29
Enfermedad aguda 9.4% 4.8% 4.7% 2.0% 2.33 **
Tratam. Control Diferenc. Error Est. T-stat
SIERRA CENTRO RURAL
Ingreso per cápita 1982.7 1812.4 170.4 184.0 0.93
8.6%
Gasto per cápita 1927.3 1626.0 301.3 130.2 2.31 **
15.6%
Ingreso agropecuario 4215.2 4356.4 -141.3 451.7 -0.31
-3.4%

Proporción de ingreso agrop. 55.4% 60.3% -4.9% 3.8% -1.30


Familia es agraria 48.1% 53.4% -5.3% 4.9% -1.09
Pobre 70.1% 75.2% -5.1% 4.1% -1.22
Tiene agua 40.3% 53.6% -13.3% 4.9% -2.74 **
Tiene desagüe 3.0% 9.2% -6.2% 2.3% -2.74 **
Enfermedad crónica 11.3% 8.8% 2.4% 2.9% 0.83
Enfermedad aguda 8.2% 7.4% 0.9% 2.5% 0.34
Fuente: ENAHO 2003/2004, INEI

Finalmente, la prevalencia de enfermedades crónicas o agudas no aparece como significativa al nivel


agregado pero sí para los hogares urbanos, donde la incidencia de enfermedades agudas en algún
miembro de las familias es superior en 4.7% para los hogares ubicados en zona minera en
comparación con el grupo de control. Al igual que en el caso de toda la sierra, la probabilidad de

30
tener un miembro de familia con enfermedad aguda es casi el doble (9.4%) en los hogares en zonas
mineras versus sus contrapartes (4.8%).

3.2.4. Impactos de la minería en los hogares de la sierra sur

Los resultados del análisis de impacto de la minería en los hogares de la sierra sur se presentan en el
Cuadro Nº 11.

En este caso, destaca la falta de impactos en los indicadores de ingresos y gasto percápita al nivel de
confianza de 90% (para el gasto per cápita sí se registra un impacto positivo al 85% de confianza).
En este caso, el impacto en reducción de pobreza sí es positivo con una caída de -8.9%, debido casi
exclusivamente a la caída en pobreza en la zona rural (-8%).

De otro lado, se registra cierta evidencia de un proceso de desagrarización tanto en la zona urbana
como en la zona rural. En el agregado, sin embargo, los indicadores correspondientes no alcanzan a
ser significativos al 90% de contianza.

En cuanto a las variables sobre acceso a servicios de saneamiento, en la sierra sur se registra un
menor acceso a desagüe de los hogares (-10.3%), mientras que la diferencia en acceso al agua potable
(-4.5%) no es estadísticamente significativa. El menor acceso a desagüe se mantiene para las
desagregaciones en hogares urbanos (-12.3%) y rural (-3.3%). Cabe señalar que la cobertura de
desagüe en la zona rural es nula en la muestra de hogares en distritos mineros recogida. En el caso de
agua potable, los hogares rurales de sierra central en zona minera sí muestran una fuerte desventaja
con respecto a sus contrapartes, con un significativo -21% de menor acceso a este servicio.

Para la incidencia de enfermedades, se han registrado diferentes situaciones en los hogares urbanos y
rurales. Para los primeros se observa que la presencia minera está asociada a mayor prevalencia de
enfermedades agudas, con un +7.5% de mayor incidencia, y casi el triple de incidencia (11.2%) con
respecto a los hogares no mineros (3.8%). Este mismo fenómeno no se aprecia en la zona rural donde
no se registran diferencias en cuanto a la incidencia de enfermedades agudas (y sí una mejora de -
4.2% en la incidencia de enfermedades crónicas).

31
Cuadro Nº 11

Impacto de minería en hogares de la Sierra Sur (kernel)


Variable Tratam. Control Diferenc. Error Est. T-stat
SIERRA SUR TOTAL
Ingreso per cápita 3518.9 3616.7 -97.9 426.5 -0.23
-2.8%
Gasto per cápita 3266.3 2884.4 381.9 237.8 1.61
11.7%
Ingreso agropecuario 2846.4 3608.2 -761.8 625.4 -1.22
-26.8%

Proporción de ingreso agrop. 32.6% 37.7% -5.1% 3.9% -1.29


Familia es agraria 28.7% 33.4% -4.7% 4.4% -1.07
Pobre 48.4% 57.4% -8.9% 4.7% -1.90 *
Tiene agua 62.6% 67.1% -4.5% 4.5% -0.99
Tiene desagüe 37.1% 47.4% -10.3% 4.7% -2.20 **
Enfermedad crónica 3.7% 2.9% 0.8% 1.9% 0.42
Enfermedad aguda 9.7% 5.8% 3.9% 2.3% 1.74 *

SIERRA SUR URBANA


Ingreso per cápita 4492.1 4562.5 -70.3 489.5 -0.14
-1.6%
Gasto per cápita 4127.3 3876.5 250.8 386.6 0.65
6.1%
Ingreso agropecuario 1122.2 2431.9 -1309.7 371.7 -3.52 **
-116.7%

Proporción de ingreso agrop. 10.7% 14.3% -3.6% 2.3% -1.61


Familia es agraria 7.5% 10.9% -3.4% 2.4% -1.44
Pobre 38.3% 37.6% 0.7% 5.1% 0.14
Tiene agua 93.9% 89.5% 4.4% 3.2% 1.38
Tiene desagüe 63.1% 75.4% -12.3% 4.6% -2.70 **
Enfermedad crónica 2.8% 1.8% 1.0% 1.8% 0.55
Enfermedad aguda 11.2% 3.8% 7.5% 2.9% 2.61 **

SIERRA SUR RURAL


Ingreso per cápita 2204.4 1844.9 359.6 253.8 1.42
16.3%
Gasto per cápita 2082.3 1862.3 219.9 138.8 1.59
10.6%
Ingreso agropecuario 5346.7 5406.9 -60.2 604.3 -0.10
-1.1%

Proporción de ingreso agrop. 63.2% 70.0% -6.8% 3.5% -1.94 **


Familia es agraria 57.9% 65.1% -7.2% 4.7% -1.54
Pobre 61.2% 69.2% -8.0% 4.6% -1.74 *
Tiene agua 18.4% 39.1% -20.7% 4.0% -5.19 **
Tiene desagüe 0.0% 3.3% -3.3% 0.8% -4.03 **
Enfermedad crónica 3.9% 8.2% -4.2% 2.1% -1.99 **
Enfermedad aguda 7.9% 8.1% -0.2% 2.6% -0.07
Fuente: ENAHO 2003/2004, INEI

32
3.2.5. Impactos diferenciados por activos de los hogares en la sierra

Como se indicó en el modelo teórico, es de particular interés evaluar si la minería habría tenido
impactos diferenciados en los hogares de acuerdo a su dotación de activos. Para este fin se evaluaron
los impactos de la minería en el ingreso y gasto per cápita de las familias obtenidos de acuerdo al
método de emparejamiento en función de los años de educación y de la orientación de las familias
hacia la actividad agraria.

En el Gráfico Nº 2 se presenta la función de medias (valor esperado) condicionadas de impacto en


ingreso y gasto per cápita para los hogares de la sierra rural como función de los años de educación
del jefe de hogar.

Gráfico Nº 2
Sierra rural: impactos de minería en ingreso y gasto per cápita de
hogares por año de educación del jefe de hogar

200%

150% ingreso

gasto

100%

50%

0%
0 1 2 3 4 5 6 7 8 9 10 11 12

-50%

-100%

Claramente se observa que los hogares rurales con jefes de hogar de menor nivel educativo tienden a
tener un impacto menor (o incluso negativo) de la actividad minera en el distrito. Los impactos más
significativos tanto en ingreso como en gasto se observan recién para familias lideradas por jefes de
hogar con más de 9 años de educación. Para el resto, el impacto es casi nulo o incluso negativo.

Igualmente, en el Gráfico Nº 3 se presentan los impactos promedio estimados para las familias
agrarias y no agrarias en el ámbito rural de la sierra.

Mientras las familias no agrarias tuvieron impactos positivos de +41% en ingreso y de +31% en gasto,
las familias agrarias tuvieron caídas de ingresos en -13% en ingresos y de -6.7% en gasto. Esto
evidencia claramente que el impacto de la minería tendría efectos bastante diferenciados (y
diferenciadores) en los hogares rurales, acrecentando en muchos casos la propia desigualdad del
ingreso previamente existente.

33
Gráfico Nº 3
Sierra rural: impacto de minería en ingreso y gasto per cápita por
dedicación a la actividad agraria en las familias

50%

40.9% No agraria
40%
Agraria
31.2%
30%

20%

10%

0%
ingreso gasto
-10% -6.7%

-13.0%
-20%

Para los hogares urbanos se ha encontrado un patrón similar para los años de educación del jefe de
hogar como se aprecia en el Gráfico Nº 4.

Gráfico Nº 4
Sierra urbana: impacto de minería en ingresos y gasto per cápita de
hogares por año de educación del jefe de hogar
140%

120%

100% ingreso

80% gasto

60%

40%

20%

0%
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
-20%

-40%

-60%

-80%

En este caso se aprecia que el efecto de la presencia minera en los hogares está fuertemente
correlacionado con los años de educación de los jefes de hogar. Para familias con jefes de hogar con
niveles de educación de sólo primaria, los efectos de la minería en sus ingresos son negativos.

Estos patrones diferenciados de impactos de la minería en los ingresos y gastos de los hogares tanto
rurales como urbanos de la sierra peruana sugieren una dimensión importante de conflicto en la
relación entre esta actividad y su entorno. En ausencia de políticas adecuadas y serias deficiencias en
la provisión de bienes públicos a las familias rurales y urbanas de la sierra, el impacto positivo de la
minería tiende a concentrarse en las familias con más activos privados, aumentando brechas pre-
existentes y generando incluso caídas de bienestar en grupos más vulnerables de la población.

34
Sección IV. Conclusiones y recomendaciones
4.1. Principales conclusiones

Lo primero que queremos señalar es que existen una serie de limitaciones del análisis que deben
tenerse en cuenta al momento de hacer conclusiones. La metodología de emparejamiento utilizada se
sustenta en la idea de que es posible generar un grupo de control de distritos que sean similares a los
distritos bajo influencia de la minería. El procedimiento utilizado se basa en el uso de variables
observables de los distritos para generar el grupo de control y asume que estas variables no han sido
influenciadas por la propia intervención minera. Debido a las limitaciones de la información
disponible, sólo hemos podido usar variables de este tipo para los años 1993 y 1994, cuando en un
número de casos potencialmente importantes de distritos la minería ya operaba en años previos. En
este sentido, para distritos con esta trayectoria, el análisis tiende a detectar los impactos adicionales
generados durante la última década, más no los impactos acumulados y de mayor tiempo. Igualmente,
sólo hemos podido usar información para identificar a la actividad minera al nivel distrital, siendo que
la minería o bien puede tener impactos a nivel más limitado dentro de los distritos, o en otros casos
puede tener impactos sobre varios distritos, algunos de los cuales pueden caer dentro del grupo de
control.

De otro lado, el método de emparejamiento aplicado se basa en el supuesto de que no existen


variables no observables importantes (tanto a nivel distritos como hogares) que hayan influenciado en
forma sistemática en las diferencias entre hogares en distritos mineros y no mineros, y que estas
variables no tienen que ver con los impactos de la actividad minera. Ejemplos potencialmente
importantes de “no observables” son dinámicas migratorias pre-existentes o la existencia de diversos
niveles de capital social en las localidades analizadas en el momento de la intervención minera. Con
la información disponible, sin embargo, no es posible evaluar estas posibilidades, siendo la única
forma de enfrentar el problema a futuro la adecuada construcción de líneas de base que den cuenta de
variables potencialmente importantes como estas.

Aceptando estos llamados de cautela, podemos sin embargo plantear algunas conclusiones del estudio
sobre la base de la evidencia empírica encontrada y en el marco de los supuestos hechos explícitos.
En primer lugar, los resultados obtenidos señalan que la presencia minera tiene (o ha tenido)
impactos positivos en los ingresos y gastos medios de las familias de la sierra. Este resultado, de
validarse en sucesivas investigaciones, cuestiona una visión pesimista que plantearía una relación
siempre negativa o nula entre la actividad minera y dinamismo de los ingresos al nivel local.

De otro lado, el incremento estimado de los ingresos o gastos de las familias no está exento de
problemas. En todos los casos se aprecia que los incrementos de ingreso no se mantienen cuando se
pasa a un análisis más desagregado urbano/rural. Incluso en el caso general, el incremento en
ingresos no viene acompañado de un similar incremento en el gasto. Así, es probable que las familias
consideren a los mayores ingresos asociados a la actividad minera como transitorios y no
permanentes, debido a la propia naturaleza temporal de esta actividad.

En segundo lugar, hemos podido demostrar que el impacto de la minería en los hogares de la sierra
tendría un marcado sesgo a favor de los hogares con mayores activos como educación o activos no

35
agrarios. En este contexto, los resultados sugieren que el dinamismo minero habría favorecido más a
grupos específicos de la población, pero afectado negativamente a otros, incrementando la brecha y
desigualdad en los ingresos y generando impactos negativos en grupos más vulnerables de la
población. La falta de políticas públicas complementarias habría contribuido a este problema, en la
medida que los hogares más vulnerables no consiguen beneficiarse de las nuevas oportunidades
abiertas por la actividad minera por falta de bienes públicos y apoyos para la adecuada transición.

La tercera conclusión de este estudio se refiere a la relación entre la actividad minera y la actividad
agraria, donde hemos encontrado evidencia de una relación de competencia entre la minería metálica
y la agricultura por los recursos productivos. Esta compleja relación de competencia entre minería y
agricultura sería en nuestra opinión un mobilizador clave de las tensiones que existen entre la
actividad minera y sus entornos agrario-rurales. En el caso de la sierra, en particular, esta
competencia por los recursos parece ser más importante, y por ende, las condiciones para el conflicto
más patentes.

Otra conclusión importante se refiere a los hogares urbanos de la sierra, donde los resultados sugieren
que el incremento marginal de gastos habría estado acompañado de efectos adversos en otros ámbitos
del bienestar de las familias, como un menor acceso a servicios de agua y desagüe, o una mayor
probabilidad de tener enfermedades agudas. Hemos encontrado también que las familias urbanas de
la sierra con distintas dotaciones de activos (educación) enfrentan de distinta manera la presencia
minera, con grupos urbanos con pérdidas netas de bienestar. En este sentido, en las zonas urbanas de
la sierra encontramos un conjunto de “condiciones” para la existencia de conflictos asociados a la
minería, toda vez que genera impactos diferenciados y asimétricos al interior de esta población.

Así, tanto en el ámbito rural como urbano, hemos podido identificar en este estudio la existencia de
espacios importantes de relaciones económicas potencialmente conflictivas entre minería y sus
entornos rurales y urbanos. La evidencia señala que esta relación no es lineal ni automática, ni
podríamos asumir totalmente causalidades respecto a la actividad minera debido a las limitaciones
metodológicas ya mencionadas. Sin embargo, la evidencia encontrada nos parece lo suficientemente
sugerente con respecto a las observaciones sobre múltiples conflictos entre minería y sus entornos en
diversas partes del país: los resultados del ejercicio abonan en la idea que “cuando el río suena es
porque piedras trae”.

Finalmente, también queremos destacar como conclusión la urgente necesidad de complementar este
tipo de estudios de corte netamente cuantitativo, con enfoques institucionales y cualitativos pero a
escala más amplia que los consabidos estudios de caso. En el equipo de esta investigación estamos
convencidos de que la relación entre minería y entorno está fuertemente mediada por
comportamientos sociales y por normas e instituciones públicas y privadas específicas en el ámbito
local, regional, nacional e incluso trasnacional. Estas dimensiones no han sido “observables” para
este tipo de estudio de naturaleza cuantitativa y menos por ser un trabajo de corte transversal. Que el
estudio no esté en capacidad de abordar lo político e institucional a estos niveles no implica negar la
importancia de estos ámbitos, que sugerimos sean explorados en sucesivas investigaciones sobre este
tema. La evidencia cuantitativa que presentamos, por ende, debe ser entendida en este contexto y

36
como una fuente general de información que abre a más y nuevas preguntas sobre la compleja
relación entre minería y economías familiares en contextos específicos del territorio peruano.

4.2. Algunas recomendaciones y discusión de políticas

La exploración de impactos potenciales de la minería en las economías familiares de su entorno nos


lleva a plantear algunas recomendaciones de política para mejorar esta compleja relación y favorecer
patrones de desarrollo más armoniosos en los ámbitos bajo influencia minera. En primer lugar es
fundamental mejorar de manera sustancial la información disponible sobre los espacios y familias
ubicadas en los entornos de las operaciones mineras más importantes del país. Esto pasa porque el
Estado genere y ponga a disposición de la comunidad información, al nivel más desagregado posible,
sobre la actividad minera y sus ámbitos de influencia. La existencia de dicha información hubiera
ayudado notablemente a mejorar una evaluación como la que hemos realizado en este estudio. Al
mismo tiempo, es fundamental que se promuevan y mejoren las líneas de base para las comunidades
que están en los ámbitos sensibles a las operaciones mineras en fase de exploración. Sólo este tipo de
información permitirá en el futuro hacer mediciones más rigurosas sobre los impactos de la minería
en las economías familiares.

Hemos señalado que el método de comparar “antes” y “después” no pudo ser aplicado por no contar
con adecuada información de línea de base. Las Evaluaciones de Impacto Ambiental (EIA),
requeridas para iniciar la etapa de extracción, por ejemplo, no son estudios que tengan una calidad
homogénea, ni parámetros comunes y agregables. La revisión de los EIA disponibles en el portal del
MEM, por ejemplo, genera dudas sobre la calidad mínima exigida a los mismos, particularmente a los
proyectos de mayor antigüedad13. El Estado debería, asimismo, poner a disposición la totalidad de
EIA en su portal, que no es lo que ocurre en la actualidad.

Para terminar con lo concerniente a la generación y transparencia de la información, si bien el


Ministerio de Energía y Minas está en la obligación de contar con un Sistema de Información
Ambiental, que monitoree la calidad de aire y agua en los ecosistemas de influencia minera, esta
información no es hecha pública14. Si la transparencia es un principio de política, toda la información
ambiental debería estar disponible en internet, como lo están la producción de las unidades extractivas
de la gran y mediana minería15.

13
El caso de Yanacocha es una excelente oportunidad para mejorar la calidad del sistema de monitoreo
ambiental. Por ejemplo, podría analizar que deficiencias u omisiones existieron en la elaboración de los EIAs de
acuerdo con las evaluaciones ambientales posteriores de Ingetec y CAO. Los estudios de Ingetec (2003) y CAO
(2003 y 2005) señalan que los EIA de Yanacocha no tienen líneas de bases válidas para evaluar agua y biomasa.
14
Ver DS 016-93-EM.
15
La importancia de la confianza en la autoridad ambiental es fundamental. En este estudio no consideramos
los distritos en pre-inversión donde existe conflicto, que han ocuparte buena parte de la discusión pública,
particularmente Tambogrande y Majaz. ¿Cómo existe conflicto donde todavía no hay impactos? En buena parte,
es un tema de percepciones, creencias y confianza en las fuentes de información dentro del proceso de toma de
decisiones y acción colectiva. Independientemente de la naturaleza y dimensión de los impactos, la ausencia de
confianza y la falta de legitimidad social de las reglas de juego también pueden jugar un papel importante en el

37
Con respecto a los resultados obtenidos, y con las salvedades metodológicas ya expuestas, se han
identificado algunos patrones del impacto de la minería en los hogares rurales y urbanos que podrían
ser materia de políticas públicas. Lo primero a decir aquí es que existen relaciones diferenciadas en
los distintos espacios geográficos y por ende no es adecuado pensar en una receta universal para
enfrentar todos los problemas. Podemos aportar, sin embargo, algunas líneas generales o principios de
política.

Por ejemplo, hemos articulado evidencia que sustenta que una de las fuentes más importantes de
conflicto entre minería y su entorno se encontraría en los cambios drásticos en la estructura
productiva y mercados de los ámbitos bajo influencia, con impactos marcadamente diferenciados de
acuerdo a los activos de los hogares en educación y en activos agrarios. Los hallazgos sugieren un
escenario donde los hogares sufren diversos choques en los mercados locales de bienes y factores
frente a los cuales grupos importantes de la población no tienen como ajustarse en el corto y mediano
plazo. En este sentido, las políticas públicas deben orientarse hacia una estrategia mucho más
preventiva o activa en la materia. Programas de capacitación, reconversión y financiamiento de
actividades no agrarias para la población rural en las zonas bajo influencia minera parecen ser las más
adecuadas para reducir estos efectos adversos, siendo que estos programas no son financiados por los
recursos del canon. Mirando el largo plazo, sin embargo, no habría mejor apuesta que aumentar
significativamente la inversión en educación rural y urbana de calidad en el interior del país.

También encontramos evidencia de ciertos impactos negativos directos en el bienestar de los hogares,
como una menor capacidad de obtener acceso a servicios públicos como agua y desagüe, o impactos
directos y negativos en la mayor morbilidad de las familias, especialmente las urbanas. En este caso,
la evidencia parece dar sustento a uno de los temores más comunes detrás de la resistencia a la
minería. Al respecto, en el tema de los servicios lo razonable son acciones y programas permanentes
para mejorar sustancialmente la capacidad de los gobiernos locales y regionales para proveer
servicios a niveles similares a los que tienen otros ámbitos no mineros o incluso mayores. En el tema
de los impactos en la salud de las personas que viven en los entornos de la minería, es necesario
evaluar con mayor profundidad estos efectos y plantear medidas específicas al respecto, dada la
complejidad de la cadena causal.

En general, los resultados obtenidos son compatibles con serias fallas en el aparato público e
institucional en el cual se ha generado el boom minero de los 1990s. Nos parece que la
institucionalidad pública ambiental fragmentada y sectorializada generada en dicha época siembra
serias dudas sobre la capacidad estatal para enfrentar, reducir o eliminar externalidades negativas de
la actividad minera en sus diversas manifestaciones, entre ellas en su entorno económico, manejo de
recursos y la propia salud de la gente. En este caso, sostenemos la necesidad de tener en el Perú un
sistema ambiental integrado, con una autoridad real que pueda enfrentar los problemas en forma
sistémica y con instrumentos apropiados.

desarrollo de conflictos en los distritos en producción. El estudio de estos mecanismos sobrepasa el marco
teórico e instrumentos aquí utilizados.

38
Finalmente, es importante considerar la reflexión sobre el desarrollo económico y social como el
crecimiento de capacidades, libertades, y armonía social y con la naturaleza. El aporte central de la
discusión de política sobre sostenibilidad que se viene dando actualmente ha sido cambiar el marco de
análisis temporal y pensar en las consecuencias de largo plazo de lo que hacemos hoy en forma
individual y colectiva. Esta preocupación pública empata bien con criterios teóricos discutidos desde
hace ya buen tiempo en la economía moderna: un sendero de crecimiento es sostenible si los recursos
consumidos son reemplazados por nuevo capital. Siguiendo a Samuelson, entonces, la “única
aproximación válida a mediciones del bienestar proviene de estimar magnitudes asociadas a la
riqueza, no de magnitudes de ingresos”. Es decir que la discusión económica del bienestar no puede
agotarse en cómo hacer crecer la torta y en cómo distribuir mejor la torta, sino que debe incorporar el
cómo aseguramos que mañana también tengamos con que celebrar los cumpleaños.

39
Bibliografía
Assadourian, C.; Bonilla, H.; Mitre, A. y Plat, T. (1980). “Minería y Espacio Económico en los
Andes. Siglo XVI-XX”. Lima: IEP.

Barrantes, R., Zárate, P. y A. Durand (2005). Te quiero, pero no: relaciones entre minería,
desarrollo y poblaciones locales. Lima: IEP, OXFAM.

Banco Mundial (2005). “Riqueza y Sostenibilidad: Dimensiones Sociales y Ambientales de la


Minería en el Perú” (Mimeo: Resumen Ejecutivo). Unidad de Gestión del País-Perú. Desarrollo
Ambiental y Social Sostenible. Región Latinoamérica y El Caribe.

CAO (2003). “Independent Water Study 2003”. Disponible en http://www.cao-ombudsman.org/html-


english/complaint_yanacocha.htm.

CAO (2005). “Report of the Independet Evaluation of the Mesa de Dialogo y Consenso CAO-
Cajamarca”. Disponible en http://www.cao-ombudsman.org/html-english/complaint_yanacocha.htm.

Contreras, C. (1988). “Mineros y Campesinos en los Andes: Mercado Laboral y Economía


Campesina en la Sierra Central Siglo XIX”. Lima: IEP.

De Echave, J. (2001). “Construyendo un Proceso de Toma de Decisiones frente a Decisiones


Mineras”. Lima: Cooperacción.

---- (2004). “Minería, Comunidades y el Desafío del Desarrollo: El Caso Peruano. Lima:
Cooperación”. Presentación para el Seminario Minería, Comunidades y el Desafío del Desarrollo.

De Echave, J.; Keenan K.; Romero M.; y Tapia A. (2005). “Los Procesos de Diálogo y la
Administración de Conflictos en Territorios de Comunidades: El caso de la Mina Tintaya en el Perú”.
Lima: Cooperacción.

Escobal, J. y Ponce, C. (2002). “The Benefits of Rural Roads: Enhancing Income Opportunities for
the Rural Poor”. GRADE Working Paper 40-I.

Glave, M. y Kuramoto J. (2002) "Minería, minerales y desarrollo sustentable en Perú" en: Minería,
minerales y desarrollo sustentable en América del Sur. Londres: Centro de Investigación y
Planificación del Medio Ambiente, IDRC, International Institute for Environment and Development.

Hamilton, K. y Clemens M. (1999). “Genuine Savings Rates in Developing Countries”. The World
Bank Review, Vol. 13, Nº 2.

Hodges, C. (1995). “Mineral Resources, Environmental Issues and Land Use”. Science, New Series,
Vol. 268, No. 5215. (Jun. 2, 1995), pp. 1305-1312.

40
Ingetec (2003). “Auditoría Ambiental y Evaluaciones Ambientales de las Operaciones de la Minera
Yanacocha en Cajamarca-Perú”. Documento AAMY/D-04 Nov. 2003.

Ministerio de Energia y Minas del Peru (2004). Opinión del Perú sobre el Informe Final de
Revision de las Industrias Extractivas (RIE) al Banco Mundial

Paredes, M. (2006) "Discurso indígena y conflicto minero en el Perú" en: El Perú: el problema
agrario en debate, SEPIA XI. Lima: SEPIA.

Pascó-Font, A. (ed.) (1995). “La Administración de los Ingresos por Exportaciones Mineras en
Bolivia, Chile y Peru”. GRADE – IDRC.

Putnam, R. (1993). Making Democracy Work. New Jersey: Princeton University Press.

Sachs, J. y Warner A. (1995). “Natural Resource Abundance and Economic Growth”. NBER
Working Paper 5398.

Samuelson P. (1961) “The Evaluation of ‘Social Income’: Capital Formation and Wealth” en F.A.
Lutz and D.C. Hague eds. The Theory of Capital. New York, St. Martin’s Press Inc.

41
Anexo Metodológico: el método de emparejamiento

El problema central de una evaluación de impactos de un proyecto radica en tratar de averiguar cómo
habría sido una situación hipotética para los hogares que fueron intervenidos si éstos no hubiesen sido
intervenidos por el proyecto. Esta situación hipotética se conoce como “contra-factual”.

En términos formales, el objetivo de las evaluaciones de impactos de un programa (en este caso la
intervención de la actividad minera) es determinar el cambio esperado que evidencian los individuos
que han sido influenciados por la intervención, D = 1, en términos de alguna variable o conjunto de
variables de interés (Y):

E (Y1 − Y0 | X , D = 1)

donde Y1 e Y0 son el resultado que reflejan los hogares después de la intervención en un estado de
“tratamiento” y de “no tratamiento” 16 , respectivamente; y X es un vector de características del
entorno y de los hogares.

Dado que a este grupo de hogares sólo se le puede observar en el estado de “tratamiento”
E (Y1 | X , D = 1) , el principal problema consiste en estimar el estado contra-factual o de “no
tratamiento” E (Y0 | X , D = 1) . Para resolver este problema se debe utilizar un grupo de
comparación (D = 0) con hogares que no pasaron por el programa pero poseen similares
características X. De hecho, al grupo de comparación sólo se le puede observar en el estado de “no
tratamiento” E (Y0 | X , D = 0) .

De este modo, en la práctica no se calcula exactamente la diferencia en la situación de los individuos


“tratados” de pasar de un estado de “no tratamiento” a uno de “tratamiento” ∆ = Y1 − Y0 . Más bien,
se considera el resultado de cada control como una aproximación de Y0 del hogar “tratado” con el cual
se le ha empatado y se estima el impacto promedio de la intervención como el promedio del impacto
por cada pareja.

Existen en la literatura tres estimadores ampliamente utilizados para el medir el impacto de un


programa o intervención: estimador antes-después, estimador de diferencias en diferencias, y
estimador de corte transversal. Estos estimadores son buenos para aproximar el impacto medio del
programa y no para aproximar el impacto sobre un hogar en particular. Para un mejor entendimiento
de cada estimador, utilizaremos la siguiente figura como referencia:

16
En adelante se entenderá como “tratamiento” a la intervención del proyecto.

42
Antes de la intervención Después de la intervención

A: Estado de “tratamiento”
Grupo de E: situación antes
tratamiento de la intervención
B: Estado de “no tratamiento”

C: Estado de “tratamiento”
F: situación antes
Grupo de de la intervención
comparación D: Estado de “no tratamiento”

Situaciones observables Situaciones no observables

De esta figura, se desprende que el impacto sobre el grupo de “tratamiento” es igual a A – B.

(a) El estimador antes-después

Resulta de comparar la situación del grupo de “tratamiento”antes de la intervención con su situación


después de la misma: A – E. El supuesto detrás de este estimador es que la situación de los “tratados”
previa a la intervención (E) logra aproximar bien su situación post-intervención en caso no se hubiera
dada la misma (B). De esta forma se usa como grupo de comparación a los propios individuos en su
situación previa a la intervención.

Sea Y1t el resultado post-intervención de un hogar “tratado” e Y0t´ el resultado pre-intervención de este
mismo hogar. Asumiendo que la intervención del proyecto ocurre en el periodo k, donde t>k>t´, y que
Y0t´ es una buena aproximación del resultado post-intervención de los hogares en una situación de “no
tratamiento”, es decir E (Y0t − Y0t´ | D = 1) = 0 , el estimador antes-después viene dado por
(Y 1t − Y 0t´ )1 , donde el subíndice “1” indica que D = 1 y “¯”denota la media muestral.

La ventaja de utilizar este estimador es que sólo se requiere de información del grupo de
“tratamiento” antes y después de la intervención del proyecto. Asimismo, puesto que se trabaja con
medias, este estimador también se puede construir a partir de información sobre una misma población
(no necesariamente conformada por los mismos hogares) en distintos momentos en el tiempo. Sin
embargo, la principal desventaja es el supuesto de que el resultado promedio de los hogares
“tratados” en el estado de “no tratamiento” es el mismo en t y t´, lo cual requeriría que no hubiesen
habido cambios en el entorno económico o cambios en la posición en el ciclo de vida de los
“tratados” durante ese lapso.

(b) El estimador de diferencias en diferencias

Resulta de comparar la situación antes-después de los individuos del grupo de “tratamiento” con
aquella de los controles: (A – E) – (D – F). El supuesto detrás de este estimador es que el cambio en

43
la situación de los controles (D – F) entre el momento previo a la intervención y el momento posterior
a la intervención es una buena aproximación del cambio que hubiesen experimentado los individuos
“tratados” durante ese mismo periodo de no haber salido tras la intervención (B – E).

Si el cambio promedio del resultado experimentado por los “tratados” en el estado de “no
tratamiento” es igual al de los “no tratados”, es decir, si la siguiente afirmación es válida
E (Y0t − Y0t´ | D = 1) = E (Y0t − Y0t´ | D = 0) , entonces el estimador de diferencias en diferencias
que viene dado por (Y 1t − Y 0t´ )1 − (Y 0t − Y 0t´ ) 0 es válido para estimar
E (∆ t | D = 1) = E (Y1t − Y0t | D = 1) .

Una ventaja que se atribuye a este estimador es que si existe sesgo de selección en no observables y
este es constante en el tiempo, entonces la doble diferencia permite reducirlo o eliminarlo. Nótese
además que no es indispensable recurrir al mismo hogar en el periodo t y t´, sólo a hogares de una
misma población. La principal desventaja de este estimador es que no necesariamente la senda que
siguen los resultados de los “tratados” entre el periodo t y t´ en el estado de “no tratamiento” es igual
a la de los “no tratados”.

(c) El estimador de corte transversal

Sólo toma en cuenta la situación del grupo de “tratamiento” y “no tratamiento” después de la
intervención del proyecto. El impacto se estima a través de A – D. El supuesto es que la situación de
“no tratamiento” de los controles en el periodo post-intervención (D) es una buena aproximación de la
situación de “no tratamiento” de los hogares (B). Nótese que si la situación del grupo de
“tratamiento” y “no tratamiento” es similar en el periodo previo al de tratamiento, el estimador de
doble diferencia es equivalente al de corte transversal.

Si, en promedio, aquellos individuos pertenecientes al grupo de comparación muestran el mismo


resultado de “no tratamiento” en el periodo t que aquellos individuos “tratados”, es decir, si
E (Y0t | D = 1) = E (Y0t | D = 0) , entonces el estimador de corte transversal viene dado por
(Y 1t )1 − (Y 0t ) 0 .

Si los cambios en el entorno económico o en la posición en el ciclo de vida de los hogares tienen el
mismo efecto sobre el grupo de “tratamiento” y “no tratamiento”, este estimador deja de ser
vulnerable a los problemas que enfrenta el estimador antes-después. Sin embargo, el supuesto sobre el
cual se construye este estimador, dejará de ser válido en aquellos casos donde el “tratamiento” esté
relacionado con el resultado post-tratamiento en el estado de “no tratamiento”.

Dentro de este estimador de corte transversal se enmarca la alternativa de simular los indicadores del
hogar si estos no hubiesen sido intervenidos por la minería, que es el que usamos en este estudio.

Conformación del grupo de control: el método de emparejamiento

El método consiste en asignar para cada hogar del grupo de “tratamiento” un respectivo control, aquel
hogar “más parecido”. Una vez establecidas las parejas, se podrá estimar el impacto promedio de la

44
intervención como el promedio del impacto para cada pareja. La idea de encontrar una pareja para
cada hogar “tratado” de tal forma de reducir potenciales sesgos de selección, especialmente en
variables observables, y de este modo evitar la sub-estimación o sobre-estimación del verdadero
impacto medio.

Hay que tener en cuenta que estos sesgos pueden deberse a tres fuentes. En primer lugar, a la ausencia
de un “soporte común” o al hecho de que las características observables de los “tratados” y “no
tratados” no están comprendidas en rangos similares (la comparación de parejas logra evitar este
problema). De esta forma, cuando no se encuentre un control suficientemente parecido a un hogar del
grupo de “tratamiento”, resulta mejor eliminar a este individuo “tratado” de la muestra y del proceso
de evaluación.

En segundo lugar, debido a la existencia de variables no observables que no se pueden cuantificar


(para corregir esto se pueden combinar técnicas econométricas de corrección de sesgo con el proceso
de emparejamiento). En tercer lugar, puede que la distribución de las características observables (X)
para el grupo de “tratamiento” sea distinta de la distribución para el grupo de comparación (en estos
casos se sugiere construir controles ficticios como el promedio de los 5 o 10 controles más cercanos o
el método tipo kernel que para formar un control pesa los posibles controles en función a su puntaje
de propensión).

Los resultados que se reportan en el estudio para los hogares están basados en varios de los métodos
de emparejamiento posibles: emparejamiento uno a dos, uno a uno, y emparejamiento de tipo kernel
(que es un promedio ponderado de los posibles controles donde los pesos son mayores para los
controles más “cercanos” o parecidos). Cabe notar sin embargo que los resultados que se han
presentado en el estudio son generalmente robustos con respecto al método de emparejamiento
elegido al no detectar cambios significativos en los resultados entre uno y otro método de
emparejamiento.

45