UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE INGENIERÍA ECONÓMICA

ESCUELA PROFESIONAL DE INGENIERÍA ECONÓMICA

“Valoración Económica de los Beneficios Ambientales

Directos de la Construcción de la Planta de Tratamiento de
Agua del Río Salitre”

CURSO: EVALUACION ECONOMICA DEL IMPACTO

AMBIENTAL

PRESENTADO POR:

DUEÑAS LUPACA, ELENY YANETT

DOCENTE: MG. WILFREDO W. ANCO ORELLANA.

SEMESTRE: IX

GRUPO: A

PUNO - PERÚ

2019
El ejercicio presentado es un estudio sustraído de Mendieta (1999), de la investigación
titulada “Valoración Económica de los Beneficios Ambientales Directos de la Construcción
de la Planta de Tratamiento de Agua del Río Salitre”. Tesis de Maestría del Programa de
Economía del Medio Ambiente y de los Recursos Naturales (PEMAR) de la Facultad de
Economía de la Universidad de los Andes-Bogotá-Colombia.

En el presente ejercicio de investigación se hace la valoración económica del cambio en la

calidad del agua generada por la construcción de una planta de tratamiento primario y
secundario para el Río el Salitre. A partir de estas estimaciones, se pretende calcular la
contribución al bienestar total de los habitantes de la zona, gracias al programa de
reducción en la contaminación del agua del río. Con el tratamiento primario, desaparecerán
los olores fétidos y los sólidos flotantes desagradables que se presentan en la actualidad.

No obstante, este tratamiento hará que el agua tenga un olor característico, que se describe
como “musty” (rancio, mohoso, añejo). Con el tratamiento secundario, desaparecerá todo
tipo de olor y el río recuperará su color natural. Con un proceso de desinfección en el
tratamiento secundario se reducirá drásticamente la población de agentes patógenos dentro
del río.

Específicamente, se utiliza el método de valoración contingente para estimar la

disponibilidad a pagar de los habitantes de la zona por diferentes niveles de calidad
relacionados con diferentes niveles de flujos de servicios provistos por el río una vez ya
esté descontaminado. Se pretende estimar:

 Una primera disponibilidad a pagar por la eliminación de los malos olores

generados por el agua contaminada, tratar de poder caminar y jugar por las orillas
del río una vez que el agua sea descontaminada. Este será el nivel de calidad A.
 Una segunda disponibilidad a pagar de los habitantes de la zona por el
mejoramiento estético del río. Este será el nivel de calidad B.
 Una tercera disponibilidad a pagar de los habitantes de la zona por la disminución
en los riesgos a la salud, asociados a una menor presencia de agentes patógenos en
el río y con miras a poder navegar por este. Este será el nivel de calidad C.
 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X15
Mean 2.3 1.0 8.9 17.2 0.4 5589.7 0.4 5845.6 0.7 6233.8 0.7 4.5 520.6 3.0 0.4
Median 2.1 1.0 9.0 16.0 0.0 5500.0 0.0 5500.0 1.0 6000.0 1.0 4.0 550.0 3.0 0.0
Maximum 3.0 1.0 12.0 31.0 1.0 6000.0 1.0 7000.0 1.0 10000.0 1.0 9.0 950.0 6.0 1.0
Minimum 1.2 0.0 7.0 9.0 0.0 4500.0 0.0 4500.0 0.0 4500.0 0.0 2.0 50.0 0.0 0.0
Std. Dev. 0.6 0.2 1.1 4.9 0.5 321.4 0.5 627.9 0.5 1098.6 0.5 1.6 243.2 1.3 0.5
Skewness -0.1 -6.3 0.5 1.1 0.4 -0.8 0.6 0.7 -0.7 1.2 -0.7 0.7 -0.3 0.1 0.4
Kurtosis 1.8 40.5 3.4 4.2 1.1 4.9 1.3 2.8 1.4 3.9 1.5 3.4 2.3 2.6 1.2
                               
Jarque-Bera 21.8 22187.2 17.6 84.0 57.0 85.3 58.4 29.9 59.5 95.4 60.3 30.9 12.1 2.4 57.2
Probability 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.3 0.0
                               
Sum 776.1 332.0 3034.5 5835.0 138.0 1900500.0 122.0 1987500.0 224.0 2119500.0 227.0 1518.0 177000.0 1014.0 133.0
Sum Sq.
Dev. 116.5 7.8 424.3 8098.1 82.0 35013971.0 78.2 134000000.0 76.4 409000000.0 75.4 856.6 20049584.0 563.9 81.0
                               

Observations 340.0 340.0 340.0 340.0 340.0 340.0 340.0 340.0 340.0 340.0 340.0 340.0 340.0 340.0 340.0

I. CALIDAD AMBIENTAL “A”

X 7 =( X 2+ X 6 + X 13 + X 15)

MODELO MCO X7 c x2 x6 x13 x15

Dependent Variable: X7
Method: Least Squares
Date: 05/19/19 Time: 22:47
Sample: 1 340
Included observations: 340

Variable Coefficient Std. Error t-Statistic Prob.

C -1.067850 0.449136 -2.377563 0.0180

X2 -0.180579 0.159468 -1.132384 0.2583
X6 0.000249 7.54E-05 3.296641 0.0011
X13 0.000151 9.98E-05 1.516146 0.1304
X15 0.345063 0.049580 6.959694 0.0000

R-squared 0.151830 Mean dependent var 0.358824

Adjusted R-squared 0.141703 S.D. dependent var 0.480362
S.E. of regression 0.445028 Akaike info criterion 1.233239
Sum squared resid 66.34683 Schwarz criterion 1.289547
Log likelihood -204.6507 Hannan-Quinn criter. 1.255676
F-statistic 14.99203 Durbin-Watson stat 0.722276
Prob(F-statistic) 0.000000
MODELO LOGIT

Dependent Variable: X7
Method: ML - Binary Logit (Newton-Raphson / Marquardt steps)
Date: 05/19/19 Time: 20:42
Sample: 1 340
Included observations: 340
Convergence achieved after 4 iterations
Coefficient covariance computed using observed Hessian

Variable Coefficient Std. Error z-Statistic Prob.  

C -8.452639 2.537106 -3.331606 0.0009

X2 -0.872631 0.821781 -1.061879 0.2883
X6 0.001362 0.000424 3.209069 0.0013
X13 0.000751 0.000505 1.486215 0.1372
X15 1.596687 0.251657 6.344697 0.0000

McFadden R-squared 0.121127    Mean dependent var 0.358824

S.D. dependent var 0.480362    S.E. of regression 0.445110
Akaike info criterion 1.176760    Sum squared resid 66.37107
Schwarz criterion 1.233068    Log likelihood -195.0492
Hannan-Quinn criter. 1.199196    Deviance 390.0984
Restr. Deviance 443.8620    Restr. log likelihood -221.9310
LR statistic 53.76366    Avg. log likelihood -0.573674
Prob(LR statistic) 0.000000

Obs with Dep=0 218     Total obs 340

Obs with Dep=1 122

MODELO PROBIT

Dependent Variable: X7
Method: ML - Binary Probit (Newton-Raphson / Marquardt steps)
Date: 05/19/19 Time: 20:43
Sample: 1 340
Included observations: 340
Convergence achieved after 4 iterations
Coefficient covariance computed using observed Hessian

Variable Coefficient Std. Error z-Statistic Prob.  

C -5.075789 1.475385 -3.440314 0.0006

X2 -0.526791 0.481954 -1.093032 0.2744
X6 0.000817 0.000247 3.307651 0.0009
X13 0.000446 0.000302 1.478719 0.1392
X15 0.971944 0.149800 6.488291 0.0000

McFadden R-squared 0.121470    Mean dependent var 0.358824

S.D. dependent var 0.480362    S.E. of regression 0.444989
 Akaike info criterion 1.176312    Sum squared resid 66.33516
Schwarz criterion 1.232620    Log likelihood -194.9731
Hannan-Quinn criter. 1.198748    Deviance 389.9461
Restr. deviance 443.8620    Restr. log likelihood -221.9310
LR statistic 53.91591    Avg. log likelihood -0.573450
Prob(LR statistic) 0.000000

Obs with Dep=0 218     Total obs 340

Obs with Dep=1 122

II. CALIDAD AMBIENTAL “B”

X 9=( X 2+ X 6 + X 13 + X 15)

MODELO MCO

MODELO LOGIT

MODELO PROBIT

III. CALIDAD AMBIENTAL “C”

X 11=( X 2 + X 5+ X 13+ X 10)

MODELO MCO X11 c x2 x5 x10 x13

Dependent Variable: X11

Method: Least Squares
Date: 05/19/19 Time: 20:47
Sample: 1 340
Included observations: 340

Variable Coefficient Std. Error t-Statistic Prob.  

C 0.591425 0.205928 2.871998 0.0043

X2 0.386415 0.155053 2.492145 0.0132
X5 0.367309 0.047822 7.680766 0.0000
X10 -5.39E-05 2.19E-05 -2.463261 0.0143
X13 -0.000219 9.85E-05 -2.222953 0.0269

R-squared 0.178342    Mean dependent var 0.667647

Adjusted R-squared 0.168531    S.D. dependent var 0.471751
S.E. of regression 0.430166    Akaike info criterion 1.165304
Sum squared resid 61.98924    Schwarz criterion 1.221612
Log likelihood -193.1017    Hannan-Quinn criter. 1.187740
F-statistic 18.17809    Durbin-Watson stat 0.825408
Prob(F-statistic) 0.000000
MODELO LOGIT

Dependent Variable: X11

Method: ML - Binary Logit (Newton-Raphson / Marquardt steps)
Date: 05/19/19 Time: 20:48
Sample: 1 340
Included observations: 340
Convergence achieved after 4 iterations
Coefficient covariance computed using observed Hessian

Variable Coefficient Std. Error z-Statistic Prob.  

C 0.454231 1.096299 0.414331 0.6786

X2 2.030012 0.830114 2.445461 0.0145
X5 2.063705 0.315407 6.543000 0.0000
X10 -0.000283 0.000118 -2.390672 0.0168
X13 -0.001161 0.000545 -2.130359 0.0331

McFadden R-squared 0.155409    Mean dependent var 0.667647

S.D. dependent var 0.471751    S.E. of regression 0.431369
Akaike info criterion 1.103448    Sum squared resid 62.33660
Schwarz criterion 1.159756    Log likelihood -182.5862
Hannan-Quinn criter. 1.125884    Deviance 365.1724
Restr. deviance 432.3661    Restr. log likelihood -216.1830
LR statistic 67.19371    Avg. log likelihood -0.537018
Prob(LR statistic) 0.000000

Obs with Dep=0 113     Total obs 340

Obs with Dep=1 227

MODELO PROBIT

Dependent Variable: X11

Method: ML - Binary Probit (Newton-Raphson / Marquardt steps)
Date: 05/19/19 Time: 20:48
Sample: 1 340
Included observations: 340
Convergence achieved after 3 iterations
Coefficient covariance computed using observed Hessian

Variable Coefficient Std. Error z-Statistic Prob.  

C 0.289916 0.662009 0.437933 0.6614

X2 1.236143 0.507247 2.436963 0.0148
X5 1.214602 0.172456 7.042988 0.0000
X10 -0.000170 6.88E-05 -2.479098 0.0132
X13 -0.000747 0.000327 -2.282688 0.0224
 McFadden R-squared 0.157088    Mean dependent var 0.667647
S.D. dependent var 0.471751    S.E. of regression 0.431187
Akaike info criterion 1.101313    Sum squared resid 62.28408
Schwarz criterion 1.157621    Log likelihood -182.2233
Hannan-Quinn criter. 1.123750    Deviance 364.4465
Restr. deviance 432.3661    Restr. log likelihood -216.1830
LR statistic 67.91954    Avg. log likelihood -0.535951
Prob(LR statistic) 0.000000

Obs with Dep=0 113     Total obs 340

Obs with Dep=1 227

Gbrsgd

Dependent Variable: X15

Method: Least Squares

Date: 05/20/19 Time: 11:09

Sample: 1 340

Included observations: 340

Variable Coefficient Std. Error t-Statistic Prob.  

C 0.322231 0.229847 1.401940 0.1619

X2 -0.057561 0.172009 -0.334637 0.7381

X10 -2.02E-06 2.42E-05 -0.083388 0.9336

X13 -7.49E-05 0.000109 -0.684516 0.4941

X11 0.264710 0.055572 4.763382 0.0000

R-squared 0.068523     Mean dependent var 0.391176

Adjusted R-squared 0.057401     S.D. dependent var 0.488733

S.E. of regression 0.474499     Akaike info criterion 1.361482

Sum squared resid 75.42497     Schwarz criterion 1.417790

Log likelihood -226.4519     Hannan-Quinn criter. 1.383918

F-statistic 6.160977     Durbin-Watson stat 0.973800

Prob(F-statistic) 0.000086

Probit

Dependent Variable: X15

Method: ML - Binary Probit (Newton-Raphson / Marquardt steps)
Date: 05/20/19 Time: 11:10
Sample: 1 340
Included observations: 340
Convergence achieved after 3 iterations
Coefficient covariance computed using observed Hessian
 Variable Coefficient Std. Error z-Statistic Prob.  

C -0.469736 0.627151 -0.748999 0.4539

X2 -0.181942 0.462667 -0.393246 0.6941
X10 -7.82E-06 6.67E-05 -0.117155 0.9067
X13 -0.000188 0.000300 -0.625666 0.5315
X11 0.741734 0.159447 4.651918 0.0000

McFadden R-squared 0.053798    Mean dependent var 0.391176

S.D. dependent var 0.488733    S.E. of regression 0.474354
Akaike info criterion 1.295944    Sum squared resid 75.37890
Schwarz criterion 1.352252    Log likelihood -215.3105
Hannan-Quinn criter. 1.318380    Deviance 430.6210
Restr. deviance 455.1046    Restr. log likelihood -227.5523
LR statistic 24.48360    Avg. log likelihood -0.633266
Prob(LR statistic) 0.000064

Obs with Dep=0 207     Total obs 340

Obs with Dep=1 133

Logit

Dependent Variable: X15

Method: ML - Binary Probit (Newton-Raphson / Marquardt steps)
Date: 05/20/19 Time: 11:10
Sample: 1 340
Included observations: 340
Convergence achieved after 3 iterations
Coefficient covariance computed using observed Hessian

Variable Coefficient Std. Error z-Statistic Prob.  

C -0.469736 0.627151 -0.748999 0.4539

X2 -0.181942 0.462667 -0.393246 0.6941
X10 -7.82E-06 6.67E-05 -0.117155 0.9067
X13 -0.000188 0.000300 -0.625666 0.5315
X11 0.741734 0.159447 4.651918 0.0000

McFadden R-squared 0.053798    Mean dependent var 0.391176

S.D. dependent var 0.488733    S.E. of regression 0.474354
Akaike info criterion 1.295944    Sum squared resid 75.37890
Schwarz criterion 1.352252    Log likelihood -215.3105
Hannan-Quinn criter. 1.318380    Deviance 430.6210
Restr. deviance 455.1046    Restr. log likelihood -227.5523
LR statistic 24.48360    Avg. log likelihood -0.633266
Prob(LR statistic) 0.000064
Obs with Dep=0 207     Total obs 340
Obs with Dep=1 133