Estudio econométrico

medioambiental
La contaminación ambiental en Perú

Asignatura: Economía Ambiental

Profesor: Francisco Gallardo
Integrantes: Juan Pablo Guenante
Andrés Gutiérrez
José Salas
Gabriel Gazali

1
 Índice

Introducción…………………………………………………………………………………………3

Desarrollo……………………………………………………………………………………………4

1. ¿De dónde se produce la contaminación de Perú………………………………….….5

2. Planteamiento del modelo…………………………………………………………..….…6
3. Estimación del modelo………………………………………………………….…………7

Conclusión…………………………………….…………….……………...……………………..12

Bibliografía………………………………………………………………………………….……..13

2
 Introducción

La república del Perú es un país de superficie 1.285.216,2 kilómetros cuadrados, siendo

este el décimo noveno país más grande del mundo, en Perú vive una población total de
32162184 personas, Perú presenta una densidad de 24,76 personas por kilómetro
cuadrado.

Perú emite diariamente 380 mil toneladas de dióxido de carbono, del cual un poco más
60% se produce por la tala y quema de árboles, así como las malas prácticas en la
agricultura y ganadería, mientras que casi el 30% es por las industrias, el transporte y la
basura.

En el 2010, Perú aportó 0,4 % de las emisiones de dióxido de carbono en el mundo y 5,7
toneladas per cápita.

Según la OMS (Organización Mundial de la salud), el Perú es uno de los países más
contaminados de América Latina; anualmente se registran 10 mil muertes en este país a
causa de la contaminación por agua y alrededor de 5 mil fallecimientos por contaminación
de aire. Según la misma entidad, lima es una de las ciudades más contaminadas de
américa latina y posee una de las peores calidades de aire en la región.

En este trabajo veremos la evolución de la contaminación en el Perú desde el año 1972

hasta el año 2017, también veremos las cifras de contaminación están relacionadas con
otras cifras que a primera vista podrían no tener mayor relación.

El objetivo además es realizar una regresión con programas facilitados por el profesor
para analizar los modelos estimados que obtengamos a raíz de los datos extraídos por
nosotros1. En el trabajo, además, se expondrán los modelos extraídos y su análisis
respecto a los coeficientes exigidos por el profesor.

1
La gran mayoría de los datos fueron obtenidos desde la página web del Banco Mundial

3
 Desarrollo

Perú es un país con grandes recursos económicos naturales. Su territorio se

compone de diversos paisajes; los valles, las mesetas y las altas cumbres de los Andes
se despliegan al oeste hacia la costa desértica y al este hacia la Amazonia. Es uno de los
países con mayor diversidad biológica y mayores recursos minerales del mundo. Gracias
a su riqueza, la minería es uno de los sectores económicos más importantes de Perú.
Este sector representa más del 50% de las divisas del país, 20% de la recaudación fiscal
y 11.7% del PIB (incluyendo actividades de procesamiento que son parte de las
actividades secundarias). Además, Perú es el principal productor mundial de varios
minerales: es 1º en la producción de plata, 7º de oro, 3º de cobre, 3º estaño, 3º zinc, 3º
hierro y 3º plomo. Estos productos mineros son parte clave de las exportaciones del país,
en 2015 el 53.85% de sus exportaciones fueron minerales. A la cabeza de estas
actividades está Petroperú, una de las empresas más grandes de Perú. Esta es una
empresa estatal peruana y de derecho privado dedicada al transporte, refinación y
comercialización de combustibles y sus derivados con ingresos de US$2 mil millones y
beneficios de más de US$800 millones.

Además de la minería, la agricultura peruana también es de considerar entre las

actividades primarias. los principales productos agrícolas de Perú son la papa, el arroz, el
maíz, el trigo, la quinua, las hortalizas y legumbres, los frutales, el algodón, la caña de
azúcar y el café. Por otro lado, La industria peruana tiene una gran participación en el total
de la producción económica nacional. Cuando en otros países de la región este sector
representa entre el 15%-20% del PIB, en Perú representa el 34.6% del PIB. Este tipo de
actividad se concentra principalmente en las grandes ciudades del país como Lima,
Trujillo, Chiclayo, Piura, Tacna, Arequipa, Cusco e Iquitos. Los sectores que más resaltan
son la industria textil y de vestido, la producción de alimentos (lácteos, bebidas, dulces,
pescado), productos químicos y farmacéuticos, industria textil y la siderurgia.

El sector de servicios de Perú, al igual que en la mayoría de los países, es el más

grande de la economía, además impulsa gran parte del crecimiento económico del país,
cerca del 70% de este. Los principales sectores de estas actividades son el comercio,
turismo, banca, servicios financieros, educación, salud, transporte, entretenimiento,
seguridad, restaurantes, hotelería y comunicaciones. Uno de los sectores más destacados
es el turismo. Este representa cerca del 7% del PIB total del país, emplea al 11% de la
población económicamente activa y es uno de los de mayor crecimiento en los últimos
años. A Perú llegaron más de 3.5 millones de visitantes en el 2014, lo cual lo convierte en
uno de los principales destinos turísticos de Latinoamérica. Otro sector de gran
importancia y que cada vez se masifica más son los servicios financieros. Con cerca de
60 entidades y un PIB de 17.331 mil millones de S/. el sector se consolida a la vez que
más personas acceden a este tipo de servicios gracias al aumento de ventas minoristas,
transacciones electrónicas, nuevos productos financieros, tercerización de servicios e
inversiones en el sector.

4
 ¿De dónde se produce la contaminación en el Perú?

Perú emite diariamente 380 mil toneladas de dióxido de carbono del cual un poco más
60% se produce por la tala y quema de árboles, así como las malas prácticas en la
agricultura y ganadería, mientras que casi el 30% es por las industrias, el transporte y la
basura.

En el 2010, Perú aportó 0,4 % de las emisiones de dióxido de carbono en el mundo y 5,7
toneladas per cápita.

Según la OMS (Organización Mundial de la Salud), el Perú es uno de los países más
contaminados de América Latina; anualmente se registran 10 mil muertes en nuestro país
a causa de la contaminación por agua y alrededor de 5 mil fallecimientos por
contaminación de aire. Según la misma entidad, lima es una de las ciudades más
contaminadas de américa latina y posee una de las peores calidades de aire en la región.

Deforestación:

La deforestación es un problema creciente en el mundo de hoy, sobre todo en relación

con la selva amazónica. Entre el año 2000 y el 2013, Perú deforestó 113,000 hectáreas
por año. En el 2014, según el Mapa Amazonía Peruana, el 25% de las hectáreas
deforestadas se registraron en territorios indígenas y áreas naturales protegidas. En la
costa, según el ministerio del ambiente, la costa perdió el 50% de la cubierta forestal
vegetal. La deforestación se produce debido a la tala ilegal, la agricultura comercial y de
subsistencia y la minería.

Contaminación del aire:

Perú emite diariamente 380 mil toneladas de dióxido de carbono del cual un poco más
60% se produce por la tala y quema de árboles, así como las malas prácticas en la
agricultura y ganadería, mientras que casi el 30% es por las industrias, el transporte y la
basura. En el 2010, Perú aportó 0,4 % de las emisiones de dióxido de carbono en el
mundo y 5,7 toneladas per cápita.

Contaminación del agua:

El 70% de aguas residuales en el Perú no son tratadas.

5
PLANTEAMIENTO DEL MODELO:

 El modelo para estimar la emisión de CO2 es el siguiente:

𝑌̂𝑖 = 𝛼 + 𝛽1 𝑋𝑖1 + 𝛽2 𝑋𝑖2 + 𝛽3 𝑋𝑖3 + 𝛽4 𝑋𝑖4

DONDE:

𝑌̂𝑖 : Se define como la variable dependiente a explicar siendo la emisión de CO2 (toneladas
métricas per cápita).

α: Es la constante o contribución inicial del modelo, utilizada para cada cálculo de este.

𝛽𝑛 : Es el coeficiente de contribución de las variables independientes 𝑋𝑖𝑛 .

𝑋𝑖1 : Corresponde al PIB per cápita (US$ a precios actuales). Por cada dólar que aumente
el PIB per cápita, 𝑌̂𝑖 aumenta en 𝛽1 manteniéndose las demás variables constantes.

𝑋𝑖2 : Es el porcentaje de crecimiento anual en la población peruana. Por cada punto

porcentual que aumente la población peruana, 𝑌̂𝑖 aumenta en 𝛽2 manteniéndose las
demás variables constantes.

𝑋𝑖3 : Uso de energía (Kg de equivalente de petróleo per cápita). Por cada kilogramo per
cápita que aumente el uso de energía, 𝑌̂𝑖 aumenta en 𝛽3 manteniéndose las demás
variables constantes.

𝑋𝑖4 : Exportaciones de metales y minerales (% de las exportaciones). Por cada punto

porcentual de que aumenten las exportaciones de metales y minerales, 𝑌̂𝑖 aumenta en 𝛽4
manteniéndose las demás variables constantes.

Respecto de las variables, nuestra variable dependiente es la emisión de CO2, pues es la

variable a estimar exigida en este trabajo. Nuestras variables independientes serán:

1. PIB per cápita: Esta es una variable que no solamente expresa el ingreso per
cápita, sino que al desglosar su ecuación se encuentran las cifras de los gastos
fiscales, consumo, ingreso y exportaciones netas. Esta variable fue elegida ya que
estas influyen dentro de la contaminación ambiental en Perú.
2. % de crecimiento anual de población: El crecimiento demográfico afecta
directamente al medioambiente, pues mientras más personas residan en un país,
mayor será la contaminación debido a los deshechos de las personas.
3. Uso de energía (Kg de equivalente de petróleo per cápita): El uso de energía
dentro de Perú está dado por centrales hidroeléctricas y termoeléctricas (70% y
30% respectivamente)2. Sin embargo, estos datos son importantes ya que el 50%
de esta energía producida es consumida por las industrias en Perú. La combustión
de combustibles fósiles y el deterioro medioambiental de las centrales
hidroeléctricas son factores a tomar en cuenta al medir la contaminación.

2
Revisar http://minagri.gob.pe/portal/45-sector-agrario/recurso-energetico/342-la-energia-electrica

6
 4. Las exportaciones de metales y minerales: Bien sabemos que Perú es un país
que posee un motor económico minero, también debíamos hallar una manera de
encontrar la producción del país, pues Perú contiene una demanda externa de
minerales, como el Litio. No solamente por esto, las actividades que conlleva la
exportación de metales y minerales (explotación de los recursos en sí) producen
una contaminación considerable en cuanto a la producción.

ESTIMACIÓN DEL MODELO:

 Con el modelo original definido, se utilizó el software STATA, para estimar la emisión
de CO2 obteniendo los siguientes resultados:

 De lo anterior, se puede observar que nuestro modelo tiene un coeficiente de

determinación (R2) muy alto, junto con parámetros no significativos (tales como el
crecimiento en la población y las exportaciones mineras), lo cual puede estar
explicando la existencia de multicolinealidad entre las variables independientes, por
lo tanto, se está incluyendo variables similares que redundan en la estimación del
MCO. Por ello, el modelo es ineficiente. Sin embargo, no deja de ser insesgado.
 Para ello se aplica un test de Factor de Inflación de la Varianza (VIF), el cual permite
comprobar si existe multicolinealidad entre los parámetros.

7
 Del test podemos corroborar la sospecha de que efectivamente las variables
independientes sobreexplican el modelo, habiendo un coeficiente VIF > 1 para todos
los casos. Con ello rechazamos la no multicolinealidad.
Además se analiza la autocorrelación de parámetros con los test Durbin-Watson y
Durbin-Watson alternativo con un rezago.

 Del primer test, se obtuvo el estadístico d= 1.342726, el cual basándonos en la tabla

de Durbin y Watson al uno por ciento de significancia, nos situamos en los límites
inferior y superior, 1.098 y 1.518 respectivamente. Por ende, el estadístico d está
contenido en el anterior intervalo, el cual según la recta de decisión de Durbin-Watson
estaría en zona de indecisión, no pudiendo afirmar si existe o no auto correlación de
parámetros.

Sin embargo, con el test alternativo, se analiza la posibilidad de no auto correlación de

primer orden según su hipótesis nula. Con un p-value= 0.0453 < 0.05 podemos
concluir que si existe auto correlación para el primer periodo, rechazando su hipótesis
nula.

En consecuencia, de los resultados del modelo original, realizamos una matriz de

correlación y covarianza para obtener los coeficientes de Pearson y así escoger las

8
 variables que tengan una relación más estrecha con la variable a estimar, “emisión de
CO2”.

 Se puede observar que la variable “crecimiento demográfico” no tiene mayor

incidencia en la emisión de dióxido de carbono para la explicación del modelo, por ello
decidimos incluir el PIB per cápita, el consumo energético de equivalentes al petróleo
y las exportaciones de metales, obteniendo el siguiente modelo:

9
 Habiendo aplicado los mismos test, podemos observar que nuevamente tenemos
variables no significativas, es decir, no son relevantes al modelo; y prácticamente no
existe multicolinealidad. Sin embargo, hay que destacar que el test de Durbin-Watson,
si bien nos enfrenta a la misma situación, donde nos encontramos en una zona de
indecisión, su test alternativo asegura que no existe correlación de primer orden
siendo su valor p= 0.0556 > 0.05. Por lo tanto, este periodo no afecta a los anteriores.
De esta forma escogeremos dicho modelo para explicar la emisión de CO2, el cual
cumple con los supuestos del MCO analizados y contiene un coeficiente de
determinación robusto.

 Alternativamente, pudimos haber aplicado logaritmo a las variables como solución a la

multicolinealidad y auto correlación, sin embargo, el software arrojó los siguientes
datos:

10
 Podemos observar variables significativas y un modelo que se equivoca solo en un
0.06861 (Root MSE), siendo este el modelo más ajustado a las variables utilizadas
y más eficiente, pero como se está dando prioridad al supuesto de no auto
correlación, no podemos aceptar este modelo puesto que tiene auto correlación en
los rezagos de primer y tercer orden.

Por lo tanto, rechazamos el modelo.

 Otras alternativas como solución a la presencia de autocorrelación en los modelos

estimados, es aumentar la data (n), sin embargo, los datos que disponemos en la
web no están completos para algunas variables o bien no tienen mayor alcance.
Además, nuestra idea inicial fue incluir datos estadísticos, de la deforestación
anual durante los 40 años de la muestra, pues es el mayor factor contaminante del
Perú, aportando en un 60% de la contaminación como país, pero al ser prácticas
ilegales es difícil sustraer datos de algún sitio web.

11
 Conclusión

Perú, un país con motores económicos centrados en la exportación de bienes sin valor
agregado (harina de pescado), metales y minerales, es un país que posee un potencial
económico que no se ha aprovechado en un 100%. Sin embargo, la economía, en
comparación a 30 años atrás, ha crecido de manera relevante, llegando al punto de
haberse establecido como un país industrializado con un motor económico competente.

No obstante, estas actividades económicas, como bien sabemos, se componen de

externalidades que lamentablemente tienden (la mayoría) a ser negativas, puesto que la
actividad minera contiene un uso del agua y contaminación atmosférica bastante
preocupante.

El modelo estimado que obtuvimos gracias a los datos obtenidos del Banco Mundial arrojó
un coeficiente de determinación considerablemente alto, sin embargo, notamos la
presencia de multicolinealidad e intentamos resolver eso aplicando la función logarítmica
al modelo, pero aun así los test aplicados arrojaron resultados que determinan que las
variables si explican la emisión del CO2.

Lamentamos la falta de datos que podrían aumentar los coeficientes necesarios para la
estimación del modelo. Ya que existen muchos datos que podrían aportar mucho a
nuestro modelo para así reducir la cantidad de variables insignificantes (como el
crecimiento de la población del primer test) para que el modelo sea más parsimonioso.
Por ejemplo, una de las variables que estudiamos que más afectan al medioambiente en
Perú es la deforestación. Sabemos que dentro del Norte de Perú existe un sector
amazónico el cual se ve afectado por la contaminación que existe en el país.

Pensamos que la no existencia de variables que podrían aportar al modelo, como por
ejemplo “grado de conciencia ambiental per cápita”, serían perfectas para que nuestro
modelo se explique de una mejor manera, o por ejemplo, hacer o inventar el “índice de
conciencia medioambiental empresarial” podría aportar a las problemáticas respecto al
modelaje de la emisión del CO2. Sumado a esto, la falta de datos oficiales, por ejemplo, la
medición de la deforestación en Perú no ha tenido una medición histórica para nuestro
modelo (1972-2012), por lo que no la agregamos ya que esta medición no ha sido
incorporada desde esos años. Pensamos que este índice es uno de los más importantes
ya que según el Banco Mundial3 los bosques mitigan el cambio climático reteniendo el
CO2 emitido por la quema de combustibles fósiles.

3
Revisar https://www.bancomundial.org/es/topic/forests/overview

12
 Bibliografía

Datos extraídos de la página web del Banco Mundial.

Análisis estadístico por programa STATA.

https://gestion.pe/economia/a/deforestacion-amazonia-peruana-afecta-1-5-millones-
hectareas-79455

https://peru21.pe/lima/deforestacion-peru-preocupa-fao-111663

https://andina.pe/agencia/noticia-el-70-aguas-residuales-peru-se-vierte-sin-tratamiento-
afirma-viceministra-286553.aspx

https://larepublica.pe/sociedad/1180750-cada-ano-mueren-15-mil-peruanos-como-
consecuencia-de-la-contaminacion

https://www.bancomundial.org/es/topic/forests/overview

https://datos.bancomundial.org/pais/peru?view=chart

http://www.peruinformation.org/economia

13