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: [email protected]. (**) 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

6,000

Millones de US$

5,000

cobre

oro

zinc

plomo

plata

resto

total

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

CENAGRO 94 CENAGRO 94 CENAGRO 94 CENAGRO 94 CENAGRO 94 CENAGRO 94 INEI Mapa de Pobreza Mapa de Pobreza Mapa de Pobreza Censo 93 Censo 93 Censo 93 Censo 93 Mapa de Pobreza 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 ? t-test

No

Si

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

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

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

Mediana de la altura media del distrito

Número de viviendas en 1993

**

**

**

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

Proporción de superficie agropecuaria bajo riego

0.614

0.633

0.647

t-test

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

0.346

0.319

0.238

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

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

Proporción de superficie agropecuaria en superficie total Mediana de la altura media del distrito

Número de viviendas en 1993

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

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

**

0.371

0.337

0.344

Proporción de superficie agropecuaria en superficie total

t-test

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

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

Mediana de la altura media del distrito

Número de viviendas en 1993

**

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

SIERRA TOTAL Edad del jefe de hogar Años de educación de JH Tamaño del hogar JH es varón

48.8 7.55 4.34 77.0%

47.59 7.12 4.30 77.6%

0.032 0.016 0.596 0.667

** **

49.72 6.08 4.32 79.6%

0.037 ** 0.000 ** 0.744 0.016 **

Ingreso familiar percápita Gasto familiar percápita Ingreso agropecuario Proporción de Ing. Agrop Familia es agraria Es pobre Tiene agua potable Tiene desagüe Enfermedad crónica Enfermedad aguda Observaciones

3,536 3,084 2,718 34.3% 30.2% 54.1% 69.3% 44.9% 5.4% 6.3% 1,932

4,011 3,212 2,204 27.4% 23.3% 50.6% 65.5% 37.6% 6.2% 8.2% 1,300

0.017 0.244 0.002 0.000 0.000 0.049 0.027 0.000 0.354 0.037

**

2,679 2,537 3,280 44.7% 38.6% 61.0% 55.7% 25.5% 7.0% 6.7% 4,469

0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.017 0.534

SIERRA URBANA Edad del jefe de hogar Años de educación de JH Tamaño del hogar JH es varón

Control 47.96 9.76 4.41 73.9%

Tratamiento 46.62 8.79 4.22 74.2%

Ingreso familiar percápita Gasto familiar percápita Ingreso agropecuario Proporción de Ing. Agrop Familia es agraria Es pobre Tiene agua potable Tiene desagüe Enfermedad crónica Enfermedad aguda Observaciones

5,085 4,296 844 7.1% 4.8% 37.1% 88.3% 81.0% 3.4% 5.1% 1,018

5,445 4,142 833 7.4% 5.1% 36.8% 84.2% 61.5% 5.5% 9.1%

SIERRA RURAL Edad del jefe de hogar Años de educación de JH Tamaño del hogar JH es varón

Control 49.74 5.08 4.27 80.4%

Tratamiento 48.99 4.73 4.41 82.6%

1,811 1,735 4,805 64.6% 58.5% 73.1% 48.0% 4.7% 7.5% 7.7% 914

1,954 1,878 4,171 56.2% 49.4% 70.4% 38.8% 3.4% 7.1% 6.9%

Ingreso familiar percápita Gasto familiar percápita Ingreso agropecuario Proporción de Ing. Agrop Familia es agraria Es pobre Tiene agua potable Tiene desagüe Enfermedad crónica Enfermedad aguda Observaciones (*) Con respecto a grupo de control Fuente: ENAHO 2003/2004, INEI

Resto ENAHO

t-test(*)

t-test(*) 0.061 0.000 0.082 0.894 0.277 0.373 0.938 0.812 0.789 0.891 0.012 0.000 0.035 0.001 766 t-test(*) 0.405 0.081 0.262 0.308 0.164 0.037 0.025 0.000 0.001 0.274 0.001 0.223 0.761 0.609 534

** ** ** ** ** ** **

* ** *

** ** ** **

*

** ** *+ ** **

Resto ENAHO 48.99 8.62 4.34 74.9% 4,550 4,027 1,041 9.4% 6.2% 38.8% 85.7% 69.0% 3.6% 4.7% 1,394 Resto ENAHO 50.05 4.93 4.31 81.8% 1,830 1,861 4,295 60.7% 53.3% 71.1% 42.1% 5.7% 8.5% 7.7% 3,075

t-test(*)

** ** ** ** ** ** ** ** **

t-test(*) 0.105 0.000 ** 0.473 0.570 0.033 0.077 0.182 0.013 0.133 0.402 0.057 0.000 0.845 0.615

** * **

* **

t-test(*) 0.619 0.324 0.641 0.348 0.774 0.011 0.014 0.005 0.005 0.248 0.001 0.235 0.350 0.987

** ** ** ** **

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 Urbano Rural

Por intervención Control Intervenido

Total

Norte Centro Sur

132 786 866

264 532 652

157 642 1,133

239 676 385

396 1,318 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 subsecciones 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.

SIERRA TOTAL Ingreso per cápita

4010.8

2984.4

263.3

3.90 **

Gasto per cápita

3212.2

2640.6

143.5

3.98 **

Ingreso agropecuario

2203.9

2532.0

1026.4 34.4% 571.6 21.6% -328.1 -13.0%

27.4% 23.3% 50.6% 65.5% 37.6% 6.2% 8.2% Tratam.

35.8% 30.7% 61.9% 72.1% 39.5% 5.8% 4.8% Control

SIERRA URBANA Ingreso per cápita

5444.6

4706.1

Gasto per cápita

4142.3

3698.1

832.6

1128.3

7.4% 5.1% 36.8% 84.2% 61.5% 5.5% 9.1% Tratam.

12.5% 8.1% 46.6% 86.8% 70.1% 3.1% 2.3% Control

SIERRA RURAL Ingreso per cápita

1977.4

1766.5

Gasto per cápita

1897.9

1643.2

Ingreso agropecuario

4288.5

4431.7

Proporción de ingreso agrop. Familia es agraria Pobre Tiene agua Tiene desagüe Enfermedad crónica Enfermedad aguda

56.8% 50.7% 69.7% 36.4% 3.6% 7.1% 6.9%

62.4% 55.2% 78.0% 47.5% 4.2% 5.1% 6.1%

Proporción de ingreso agrop. Familia es agraria Pobre Tiene agua Tiene desagüe Enfermedad crónica Enfermedad aguda

Ingreso agropecuario

Proporción de ingreso agrop. Familia es agraria Pobre Tiene agua Tiene desagüe Enfermedad crónica Enfermedad aguda

T-stat

227.9

-1.44

-8.3% -7.4% -11.3% -6.5% -1.8% 0.3% 3.5% Diferenc.

2.1% 2.4% 2.6% 2.4% 2.6% 1.3% 1.3% Error Est.

-3.99 -3.11 -4.34 -2.70 -0.71 0.24 2.67 T-stat

738.5 15.7% 444.2 12.0% -295.7 -26.2%

716.6

1.03

279.1

1.59

320.0

-0.92

-5.1% -3.0% -9.8% -2.6% -8.6% 2.3% 6.8% Diferenc.

2.2% 2.3% 4.1% 2.6% 3.7% 1.6% 1.6% Error Est.

-2.36 -1.32 -2.38 -1.00 -2.32 1.47 4.32 T-stat

210.8 11.9% 254.7 15.5% -143.2 -3.2%

183.2

1.15

108.1

2.36 **

-5.6% -4.6% -8.3% -11.1% -0.6% 2.0% 0.8%

** ** ** **

**

** ** ** **

432.2

-0.33

3.1% 4.3% 3.8% 4.3% 1.7% 2.2% 2.3%

-1.78 * -1.06 -2.20 ** -2.58 ** -0.34 0.89 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 SIERRA NORTE TOTAL Ingreso per cápita

Tratam.

Control

Diferenc.

Error Est.

T-stat

2859.5

2486.8

591.9

0.63

Gasto per cápita

2107.1

2040.2

316.6

0.21

Ingreso agropecuario

2404.8

1898.4

372.7 13.0% 66.8 3.2% 506.3 21.1%

523.9

0.97

40.8% 37.1% 69.4% 57.3% 28.2% 4.0% 2.4% Tratam.

33.0% 28.2% 68.5% 87.9% 36.3% 4.0% 8.1% Control

7.8% 8.9% 0.8% -30.6% -8.1% 0.0% -5.6% Diferenc.

7.1% 8.8% 8.6% 7.7% 8.4% 2.9% 4.6% Error Est.

SIERRA NORTE URBANA Ingreso per cápita

6762.5

4444.2

1967.9

1.18

Gasto per cápita

3712.2

3391.0

898.3

0.36

220.3

1511.3

2318.3 34.3% 321.1 8.7% -1291.0 -586.0%

802.2

-1.61

1.2% 0.0% 41.4% 93.1% 86.2% 13.8% 0.0% Tratam.

12.3% 0.0% 56.5% 100.0% 85.2% 15.4% 0.0% Control

-11.1% 0.0% -15.1% -6.9% 1.0% -1.6% 0.0% Diferenc.

5.8% 0.0% 19.4% 4.8% 11.2% 11.2% 0.0% Error Est.

SIERRA NORTE RURAL Ingreso per cápita

1716.5

1466.8

252.7

0.99

Gasto per cápita

1640.9

1401.3

215.3

1.11

Ingreso agropecuario

3218.1

2508.1

249.7 14.5% 239.6 14.6% 710.0 22.1%

599.4

1.18

Proporción de ingreso agrop. Familia es agraria Pobre Tiene agua Tiene desagüe Enfermedad crónica Enfermedad aguda Fuente: ENAHO 2003/2004, INEI

52.8% 46.3% 78.0% 50.0% 9.8% 1.2% 2.4%

44.1% 37.7% 83.8% 83.4% 7.1% 0.0% 6.2%

8.7% 8.6% -5.7% -33.4% 2.6% 1.2% -3.7%

7.2% 9.3% 7.6% 8.2% 5.5% 1.2% 4.4%

Proporción de ingreso agrop. Familia es agraria Pobre Tiene agua Tiene desagüe Enfermedad crónica Enfermedad aguda

Ingreso agropecuario

Proporción de ingreso agrop. Familia es agraria Pobre Tiene agua Tiene desagüe Enfermedad crónica Enfermedad aguda

1.09 1.01 0.09 -4.00 ** -0.96 0.00 -1.23 T-stat

-1.90 * . -0.78 -1.44 0.09 -0.15 . T-stat

1.21 0.93 -0.76 -4.09 ** 0.48 1.00 -0.85

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

4310.6

3410.8

Diferenc.

Error Est.

T-stat

899.8

446.3

2.02 **

214.5

2.57 **

SIERRA CENTRO TOTAL Ingreso per cápita

20.9% Gasto per cápita

3274.1

2722.5

551.6 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

-4.00 **

35.1%

50.1%

-14.9%

3.7%

Enfermedad crónica

8.6%

7.1%

1.5%

1.9%

Enfermedad aguda

8.7%

7.2%

1.5%

1.9%

0.78

Tratam.

Control

Diferenc.

Error Est.

T-stat

5670.6

4545.3

1125.3

713.8

1.58

287.4

2.23 **

189.5

-2.79 **

0.78

SIERRA CENTRO URBANA Ingreso per cápita

19.8% Gasto per cápita

4060.2

3418.7

641.5 15.8%

Ingreso agropecuario

696.4

1224.6

-528.2 -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

-4.84 **

53.5%

71.0%

-17.4%

3.6%

Enfermedad crónica

7.1%

4.7%

2.3%

1.8%

Enfermedad aguda

9.4%

4.8%

4.7%

2.0%

Tratam.

Control

Diferenc.

Error Est.

T-stat

1982.7

1812.4

170.4

184.0

0.93

130.2

2.31 **

1.29 2.33 **

SIERRA CENTRO RURAL Ingreso per cápita

8.6% Gasto per cápita

1927.3

1626.0

301.3 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 ** -2.74 **

Tiene desagüe

3.0%

9.2%

-6.2%

2.3%

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

3518.9

3616.7

Diferenc.

Error Est.

T-stat

-97.9

426.5

-0.23

237.8

1.61

625.4

-1.22

SIERRA SUR TOTAL Ingreso per cápita

-2.8% Gasto per cápita

3266.3

2884.4

381.9 11.7%

Ingreso agropecuario

2846.4

3608.2

-761.8 -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 *

4492.1

4562.5

-70.3

489.5

-0.14

386.6

0.65

SIERRA SUR URBANA Ingreso per cápita

-1.6% Gasto per cápita

4127.3

3876.5

250.8 6.1%

Ingreso agropecuario

1122.2

2431.9

-1309.7

371.7

-3.52 **

-116.7% Proporción de ingreso agrop. Familia es agraria

10.7%

14.3%

-3.6%

2.3%

-1.61

7.5%

10.9%

-3.4%

2.4%

-1.44 0.14

Pobre

38.3%

37.6%

0.7%

5.1%

Tiene agua

93.9%

89.5%

4.4%

3.2%

Tiene desagüe

63.1%

75.4%

-12.3%

4.6%

Enfermedad crónica

2.8%

1.8%

1.0%

1.8%

0.55

Enfermedad aguda

11.2%

3.8%

7.5%

2.9%

2.61 **

2204.4

1844.9

359.6

253.8

1.42

138.8

1.59

604.3

-0.10

-6.8%

3.5%

-1.94 **

1.38 -2.70 **

SIERRA SUR RURAL Ingreso per cápita

16.3% Gasto per cápita

2082.3

1862.3

219.9 10.6%

Ingreso agropecuario

5346.7

5406.9

-60.2 -1.1%

Proporción de ingreso agrop.

63.2%

70.0%

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%

ingreso

150%

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%

No agraria

40.9% 40%

Agraria 31.2%

30%

20%

10%

0%

ingreso

gasto -6.7%

-10%

-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 preexistentes 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/htmlenglish/complaint_yanacocha.htm. CAO (2005). “Report of the Independet Evaluation of the Mesa de Dialogo y Consenso CAOCajamarca”. 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 tratamiento

Grupo de comparación

E: situación antes de la intervención

F: situación antes de la intervención

Situaciones observables

B: Estado de “no tratamiento” C: Estado de “tratamiento” D: Estado de “no tratamiento”

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

(Y 1t − Y 0t´ )1 − (Y 0t − Y 0t´ ) 0 E (∆ t | D = 1) = E (Y1t − Y0t | D = 1) .

que

viene

dado

por

es

válido

para

estimar

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