REGIÓN DE ESTUDIO

La región de estudio ocupa unos 100 kilómetros de franja costera, en la cual once industrias pesadas (petroleras, petroquímicas y cementera) conviven con siete ciudades que concentran 552 173 habitantes (Instituto Nacional de Estadística, 2018a). De oeste a este, las ciudades que conforman esta zona geográfica son: Píritu, Puerto Píritu, Caigua, Lechería, Barcelona, Puerto La Cruz y Guanta, a las cuales se le incorpora los Altos de Santa Fe, usado como un referente por ser un pueblo de montaña no contaminado. Nueve de las industrias están localizadas dentro del complejo industrial ubicado entre Puerto Píritu y Barcelona, la industria de refino de petróleo está ubicada en Puerto La Cruz y la cementera en Guanta. La Gráfica 1 muestra la región de estudio señalando la localización de las ciudades e industrias.

Fuente: elaboración propia.

Gráfica 1 Región de estudio señalando localización de ciudades e industrias 

Un inventario de emisiones industriales para el año 2007 estimó que las emisiones de PM eran 4 790 t.año^-1, las cuales provenían de 83 fuentes fijas y 3 fuentes de área: pilas de coque de petróleo, pilas de azufre en pastillas (localizadas en el complejo industrial) y trasiego del cemento (^{Cremades y Rincón, 2011}). Estas fuentes emiten polvos de coque, de azufre y de cemento resuspendidos por el viento. Se destaca que para la fecha del inventario el sistema de almacenaje al aire libre de coque y azufre cumplía con las normas de ingeniería (^{Sánchez y Rondón, 2007}; US EPA, 1992). Sin embargo, diferentes medios de comunicación social (Venezuela Verde, 2014; Teran, 2016; Jurado, 2016) informan que desde el 2011, las pilas de coque de petróleo desbordan el área destinada para tal fin, amontonándose en lugares que no fueron diseñados para almacenamiento de minerales al aire libre y, posiblemente, sin cumplir las respectivas normas de almacenamiento y de ingeniería

Para la costa nororiental de Anzoátegui, se analizaron las concentraciones anuales de partículas totales en suspensión (TSP, por sus siglas en inglés, total suspended particles) ≤100μm, por ser el único tamaño de partícula regulado por Venezuela. Las TSP están reguladas por trece de dieciocho países latinoamericanos; en Estados Unidos, la Agencia de Protección Ambiental de ese país (USEPA, por sus siglas en inglés) dejó de regularlas en 1987 (^{Morantes, Pérez, Santana y Rincón, 2016}).

La Gráfica 2 muestra las concentraciones anuales de TSP para cuatro estaciones de muestreo ubicadas en Barcelona, Puerto La Cruz y Guanta. El valor empleado como referente corresponde al umbral regulado de TSP-anual en las legislaciones latinoamericanas (< 75 μg.m^-3). Se observa que, desde 1997, el nivel anual de TSP ha venido sobrepasando el umbral regulado. No se cuenta con datos de calidad de aire medidos en Lechería, pero por colindar con Barcelona y Puerto La Cruz y, considerando las características del aire y olores que se perciben, se afirma que está igualmente contaminado.

Fuente: elaboración propia.

Gráfica 2 Concentración de TSP-anual en Barcelona, Puerto La Cruz y Guanta 

El dióxido de azufre (SO₂) es uno de los contaminantes que se emite junto con el TSP durante la quema de combustibles fósiles. Este constituye la mayor fracción en masa de partículas finas, lo que lo convierte en un indicador de contaminación por partículas (^{Pope et al., 1995}). La Gráfica 3 muestra los niveles de concentración de SO₂-24 horas en μg.m^-3 para 2004-2006, en dos estaciones ubicadas en Caigua. En la gráfica se observa que la concentración de SO₂ supera con frecuencia el umbral recomendado, por ser considerado seguro, por la Organización Mundial de la Salud (OMS).

Fuente: elaboración propia.

Gráfica 3 Concentración de SO₂-24 horas en Caigua 

Ahora bien, para las ciudades de Píritu, Puerto Píritu y Altos de Santa Fe no se cuenta con mediciones de estos contaminantes; sin embargo, Píritu y Puerto Píritu, por ser ciudades adyacentes al complejo industrial y por las quejas constantes de la población, se consideran regiones contaminadas (MARNR, 2006; Venezuela Verde, 2014; Teran, 2016; Jurado, 2016). Los Altos de Santa Fe se tipifica como lugar no contaminado por ser una zona rural montañosa sin industrias adyacentes.

Para 2011, en Anzoátegui, 50,2% de la población eran hombres y el restante 49,8%, mujeres, con media de edad de 26 años. Las características educativas mostraron una tasa de alfabetismo del 96%, con 27% de hombres y 26% de mujeres graduados de educación media. El nivel de ingreso en la región (zona petrolera) estaba entre 322 y 573 USD.mes^-1 con un salario promedio ~417 USD.mes^-1, cuando el ingreso medio nacional per cápita era ~407 USD.mes^-1 (± 63 USD.mes^-1) y el salario mínimo nacional 292 USD.mes^-1 (Instituto Nacional de Estadística, 2018a).

El estrato social es una variable más compleja que el salario y nivel educativo; en Venezuela, esta clasificación se divide en cinco categorías: desde la letra A (mayor estrato socioeconómico) a la letra E (menor estrato socioeconómico) (^{Méndez y Méndez, 1994}). Para 2015, la descripción de las clases sociales venezolanas muestra que 17,7% de la población pertenecen a los Estratos A y B; 27,5% al Estrato C; 27,5% al Estrato D y 27,5% al Estrato E (UCAB, 2018).

Cuestionario de valoración contingente

El diseño del cuestionario se llevó a cabo a través de cuatro etapas: diseño del pre-cuestionario, validación del pre-cuestionario, aplicación de prueba piloto y diseño del cuestionario final.

Una vez diseñado el pre-cuestionario, este fue enviado a un grupo de expertos para su validación, el cual estuvo conformado por siete especialistas en diferentes áreas: economía ambiental, contaminación atmosférica, valoración contingente, metodología de investigación, sociología y salud respiratoria. Los expertos validaron el cumplimiento del objetivo de la investigación, el contenido del cuestionario, la coherencia en formulación de preguntas, estructura, realismo y comprensión del mercado hipotético, capacidad narrativa para obtener la disposición de pago, lo apropiado y oportuno del lenguaje y el cumplimiento del código de ética en las ciencias sociales. Como resultado se obtuvo el cuestionario piloto.

El lugar escogido para aplicar el cuestionario piloto fue un sector industrial con uso del suelo mixto (industrial/residencial), en donde tienen presencia 700 empresas entre medianas y pequeñas (Corpocentro, 2006), con 209 987 habitantes en 182 km³. La concentración promedio anual de TSP era 60 μg.m^-3 (Instituto Nacional de Estadística, 2018b). El tamaño de la muestra de la prueba piloto fue de 50 personas. Las respuestas se analizaron por medio del coeficiente de correlación de Pearson, para establecer si había preguntas redundantes, y con el coeficiente Alfa de Cronbach, para conocer si el instrumento tenía consistencia interna. El cuestionario final se estructura en cuatro secciones que se presentan a continuación.

Sección A

El objetivo de esta sección es medir la percepción del encuestado sobre la calidad del aire, las posibles fuentes de emisión y contaminantes atmosféricos y establecer qué enfermedades podrían estar relacionadas con esos contaminantes. Luego de las preguntas, se presenta un texto informativo sobre el material particulado atmosférico, sus consecuencias sobre la salud respiratoria/cardiovascular, e informa sobre la concentración esperada de PM en sectores industriales. Se finaliza indagando sobre si el encuestado percibe la presencia de PM y la importancia que este le otorga al medio ambiente. La Tabla 1 muestra, para el cuestionario final, las variables medidas en la sección A, la hipótesis que sustenta cada variable y la razón de esta hipótesis.

Tabla 1 Variables de la Sección A del cuestionario final 

Fuente: elaboración propia.

Sección B

Se introduce el escenario contingente bajo la siguiente argumentación: se propone mejorar la calidad del aire reduciendo las emisiones industriales de material particulado (PM), por medio de dispositivos de control de emisiones de partículas en las chimeneas industriales que las emiten. Así mismo, se especifican los beneficios de esta reducción para la sociedad y, por consiguiente, para la salud. La instalación de estos dispositivos será subvencionada a través de la creación de un "Fondo" que contará con el aporte de la industria y la sociedad civil (de la cual el encuestado forma parte). Si la mayoría de la sociedad civil está de acuerdo con aportar dinero al Fondo, las industrias contaminadoras obligatoriamente tendrán que pagar el porcentaje establecido por consenso en el cuestionario. Además, se nombra el ente administrador, el cual fue definido por consenso a través de la prueba piloto.

El formato de la pregunta sobre la DAP en el cuestionario final es dicotómico abierto, también llamado formato mixto: primero, se pregunta si el encuestado está dispuesto a pagar una cantidad prefijada de dinero -valor que corresponde al BID (en inglés "oferta"), y luego, se pregunta la disposición máxima a pagar (DAPmáx), independientemente del BID ofertado. Se usa el formato mixto para controlar el sesgo de las no-respuestas al indicar un valor guía de la DAP a través de los BID (^{Riera, 1994}). Los BID corresponden a la DAPmáx ofrecida por el encuestado en el cuestionario piloto. Seguidamente, se pregunta sobre el aporte porcentual de la industria al Fondo y sobre quién debería ser el ente recaudador.

Si la respuesta a la disposición de pago es "no" (DAPnegativa), la razón del no-pago se mide mediante 9 opciones para discriminar entre respuestas protesta y respuestas justificadas. Las respuestas protestas ocurren cuando la razón de "no pagar" se centra en la desconfianza ante la administración (o recaudación), por no mostrar ningún sentido de responsabilidad o apego ante el bien por valorar o por la falta de recursos o desconocimiento del tema (^{Riera, 1994}). La Tabla 2 muestra para el cuestionario final, las variables medidas en la sección B, la hipótesis que sustenta cada variable y la razón de esta hipótesis.

Tabla 2 Variables de la Sección B del cuestionario final 

Fuente: elaboración propia.

En esta sección se incluyen tres preguntas que no son consideradas variables independientes en el modelo de regresión para el cálculo de disposición de pago.

Sección C

El objetivo de esta sección es conocer las condiciones sociodemográficas de los encuestados y categorizarlos socioeconómicamente. Para ello, se utiliza el cuestionario de Graffar-^{Méndez Castellano (Méndez y Méndez, 1994}); las respuestas se procesan siguiendo las indicaciones del método de Graffar. La Tabla 3 muestra las variables medidas en la sección C, la hipótesis que sustenta cada variable y la razón de esta hipótesis para el cuestionario final.

Tabla 3 Variables de la Sección C del cuestionario final 

^a se usan las cuatro variables del cuestionario ^{Graffar-Méndez Castellano (1994)}.

Fuente: elaboración propia.

Sección D

El objetivo de esta sección es conocer el estado de salud del encuestado (o allegado, que vive en el entorno inmediato) indagando sobre padecimientos de enfermedades relacionadas con la salud respiratoria/cardiovascular y, en caso de que la persona encuestada (o allegado) sufra de alguna de estas enfermedades, saber si fuma y si trabaja en alguna de las industrias contaminadoras. Finalmente, se solicita que el encuestado autocalifique su salud respiratoria. La Tabla 4 muestra, para el cuestionario final, las variables medidas en la sección D, la hipótesis que sustenta cada variable y la razón de esta hipótesis.

Tabla 4 Variables de la Sección D del cuestionario final 

Fuente: elaboración propia.

Análisis de la disposición a pagar

Los análisis de regresiones logísticas (modelo LOGIT) son apropiados cuando se intenta modelar una variable dependiente (VD) dicotómica -ausencia o presencia puntuada con valores cero/uno- con un conjunto de variables independientes (VI) (^{Pardo y Ruiz, 2001}; ^{Rojo, 2007}). Se aplicó LOGIT por ser el modelo más común en análisis de elección discreta en estudios de valoración contingente (^{Breidert, 2005}).

En esta sección, se incluye una pregunta que no es considerada como variable independiente en el modelo de regresión para el cálculo de disposición de pago: pregunta D5 -Fumador: el objetivo es controlar eventos externos a la contaminación sobre las respuestas relacionadas con enfermedades respiratorias/cardiovasculares.

La función de distribución logística es del tipo exponencial y su transformación logarítmica (LOGIT) la convierte en una función lineal (ecuación 1) (Hosmer y Lemeshow, 2000; ^{Rojo, 2007}).

Donde:

gi. Función de densidad acumulativa de valores máximos de la DAP.

pi. La probabilidad de que g _i . tome el valor de 1 en presencia de las covariables x _i ..

x _i . Conjunto de VI.

β. Coeficientes estandarizados de VI.

A la izquierda de la igualdad de la ecuación 1, se encuentra LOGIT que representa el logaritmo de la razón de proporciones de presencia o ausencia de una característica (e.g. posibilidad de pagar frente no pagar). El término a la derecha es la expresión de una recta, que resulta idéntica a la del modelo general de regresión lineal (^{Peña, 2002}; ^{Rojo, 2007}).

Las VI que se pueden escoger y la selección de las herramientas de análisis de datos para el método de VC son discrecionales, pero siempre basadas en información de investigaciones anteriores que buscaban determinar cuáles variables influyen sobre la DAP. Los supuestos que aplican para una regresión con una VD dicotómica son: escala de medida (dicotómica o categórica), cantidad de variables independientes, multicolinealildad, tratamiento de datos atípicos y tamaño de muestra. La solución puede ser más estable si las VI tienen una distribución normal; cuando estas variables no tienen una distribución normal, se transforman por medio de alguna función matemática para conseguir una distribución próxima a la normal. El supuesto de normalidad no se aplica para variables cualitativas (i.e. dicotómicas). Para comprobar el efecto de la transformación, se usan las gráficas Q-Q normal y el cálculo de contrastes de asimetría y curtosis (^{Pardo y Ruiz, 2001}).

Validación del modelo LOGIT

La validación del modelo LOGIT se hace a través de la significancia del chi cuadrado (X ²) y por medio de una tabla de clasificación que cataloga a los sujetos con respecto a la decisión que se cree que tomarán (pagar o no pagar) (^{Kutner, Nachtsheim y Neter, 2004}; Hosmer y Lemeshow, 2000). Luego, una tabla de clasificación indica las frecuencias absolutas y los porcentajes de clasificación correcta por evento observado y por el total. En ella, se evidencia el porcentaje de casos clasificados correctamente cuando el evento observado es igual al predicho (sensibilidad) y la cantidad de eventos clasificados correctamente cuando el predicho no es el observado (especificidad). La tasa holística de éxito se calcula con la diagonal principal de la matriz (clasificaciones correctas) (Hosmer y Lemeshow, 2000).

Estimación de la media de la DAP

La media de la DAP se puede expresar como lo propone ^{Hanemann (1989)}:

Donde:

α. Sumatoria del múltiplo de cada uno de los coeficientes beta multiplicado por su media (sin tomar la variable BID), más el término constante.

β. Coeficiente estandarizado para BID.

Descriptivos de la muestra y tasa de respuesta

En las Tabla 5 se muestra el porcentaje poblacional de cada sector de aplicación del cuestionario en función del total de la población de la región de estudio: se destaca que la cantidad de cuestionarios aplicados por sector es proporcional a la cantidad del total de población en esa ciudad (diseño muestral). En la misma tabla, también se resume el número de cuestionarios aplicados por ciudad y los cuestionarios perdidos. Para el análisis de datos, se contó con 321 cuestionarios de 360 que se aplicaron.

Tabla 5 Cuestionarios de valoración contingente aplicados y perdidos por ciudad 

* Respecto al 100% de los cuestionarios de valoración contingente aplicados [360]

Nota. El tiempo promedio de aplicación del cuestionario fue de 9 minutos, el cual se considera apropiado dada la longitud y complejidad del cuestionario

Fuente: elaboración propia.

De la descripción socioeconómica de la población encuestada, se establece que el 40% de los encuestados resultaron ser hombres y 60% mujeres, el promedio de edad fue de 38,6 (18-76 años) y el nivel educativo medio alcanzado por hombres y mujeres fue técnico universitario. Para 2015, el nivel de ingreso se encontraba entre 38 y 63 USD.mes^-1, con un salario promedio ponderado de ~52 USD.mes^-1 y un salario mínimo de ~34 USD.mes^-1; mientras en 2011, fecha del último censo nacional, era de 292 USD.mes^-1. Usando el método de Graffar, se estableció que la estratificación socioeconómica de los encuestados correspondía a 6,23% Estrato A; 46,11% Estrato B; 24,92% Estrato C; 20,56% Estrato D y 1,56% Estrato E.

Percepción y conocimiento sobre contaminación del aire

En Píritu y Puerto Píritu se perciben altos niveles de contaminación. Los encuestados alegaron que la contaminación provenía de las industrias y declararon percibir altos niveles de contaminación en el aire. Esta respuesta coincide con el hecho de que las mayores fuentes de contaminación para esa zona son las pilas de coque y las chimeneas del complejo industrial (^{Rincón y Cremades, 2012}), el cual colinda con la ciudad de Puerto Píritu y está a unos 25 km de Píritu.

Los encuestados de Caigua, aun cuando viven en una zona rural localizada hacia el continente, a más de 60 km del complejo industrial, indicaron percibir fuertemente la contaminación industrial: se tienen pruebas de que el viento impulsa los contaminantes desde el complejo industrial hacia esa zona (^{Rincón y Cremades, 2012}).

Las respuestas sobre percepción de la contaminación en Barcelona, Puerto La Cruz y Guanta no presentaron tendencia, aun cuando se certifica que son ciudades muy contaminadas (ver Gráfico 2). En Lechería, los encuestados anunciaron una baja percepción de la contaminación, aunque la calidad del aire en esta ciudad es similar a la de Barcelona y Puerto La Cruz, debido a que son ciudades colindantes; la única diferencia entre ellas es la condición socioeconómica de los habitantes de Lechería, quienes mayoritariamente se ubican en los estratos A y B. Los habitantes de los Altos de Santa Fe expresaron respirar un aire de calidad, lo cual corresponde con la realidad.

Percepción del estado de salud respiratoria declarado

En todas las ciudades, con excepción de Caigua, la percepción sobre el estado de salud respiratoria coincide con la que los entrevistados tienen de la contaminación. Los pobladores de Caigua, aun cuando conocían de manera comprobada la mala calidad del aire del sector y habiendo denunciado mediante quejas formales (MARNR, 2006) padecer de manera reiterativa de enfermedades respiratorias, al momento de responder sobre su estado de salud respiratoria, no mostraron una tendencia definida; con lo cual no hay claridad sobre si el estado de salud era bueno o malo. La Gráfica 4 muestra las respuestas cualitativas sobre percepción de la contaminación y el estado de salud para cada ciudad.

Fuente: elaboración propia

Gráfica 4 Respuestas sobre percepción de la contaminación y estado de salud por ciudad 

Análisis de la disposición a pagar

El total de cuestionarios válidos fueron 321. El número de individuos que declararon DAP-negativa fue de 62 (19,3%): 57 respuesta protesta (17,8%) y 5 ceros reales (1,6%) (ver Tabla 6 para control de respuestas protesta). Este porcentaje de respuestas protesta es comparable con los obtenidos por ^{García y Álvarez (2013)} y ^{Riera (1994)}. El modelo logístico de la respuesta a la pregunta dicotómica sobre la DAP se realizó a partir de 264 individuos que forman parte del mercado hipotético: 259 con DAP positiva y 5 con DAP negativa. El porcentaje con el cual deben contribuir las industrias al Fondo para la instalación de tecnologías reductoras de emisiones es el valor promedio declarado por los encuestados a la pregunta B3 (82,3%).

Normalidad y transformaciones de las variables independientes

En la Tabla 7 se señala cuales VI cumplían con un comportamiento normal. En caso de no cumplir con el supuesto de normalidad, se indica la transformación matemática aplicada. Se eliminaron aquellas variables que mostraron un comportamiento constante.

Modelo LOGIT completo

El modelo LOGIT estima la probabilidad de una respuesta positiva "Sí" sobre la probabilidad de una respuesta negativa "No" al monto de pago ofertado (BID), en función de la percepción de la contaminación del aire, de las variables socioeconómicas, de la percepción del estado de salud respiratoria y del BID. Inicialmente, se intenta incluir en el modelo LOGIT todas las variables independientes que pudieran influir en la DAP (ver Tabla 8), para luego -valorando la significancia de β- establecer cuáles de estas tienen influencia sobre la variable dependiente: cada VI se interpretó una a una como un modelo univariable (^{Sperandei, 2014}).

Tabla 8 Modelo LOGIT completo 

N=264; -2loglikelihood = 78,787; Chi-cuadrado(27g.l.) = 45,472 (p=0,014)

Porcentaje de clasificación correcta: 91,7%.

Nota1. Se aplicaron los supuestos de la regresión logística.

Nota2. La transformación matemática aplicada a las variables no influencia la interpretación del signo del coeficiente β de la VI: si el signo es positivo, la variable en su forma normalizada -y no normalizada- se interpreta que influye en una DAP positiva.

Fuente: elaboración propia.

La Tabla 8 muestra un resumen con los resultados del modelo de regresión logística; se resaltan en negrita las variables significativas, las cuales resultaron ser: BID, cantidad de enfermedades que ocurren y, tener pareja. La significancia estadística de la prueba de Wald (Chi-cuadrado) permite identificar cuáles variables cumplen con los estándares de significancia estadística. Se obtuvo un gran número de variables no significativas, siendo similar a lo presentado por otros autores (^{Valera, 1998}; Hosmer y Lemeshow, 2000). El modelo completo tiene un valor de Chi-cuadrado de 45,47 (significancia = 98,6%).

El signo negativo de la variable [BID] indica que a mayores valores del BID disminuye la probabilidad de responder "Sí" a la pregunta de la DAP. El signo positivo de [IdentifEnfermedades] indica que identificar más enfermedades está ligado a responder "Sí" a la pregunta de la DAP. El signo negativo de [SinPareja] indica que las personas con pareja muestran una mayor probabilidad de responder positivamente a la pregunta de la DAP. Para estas tres variables se cumple la hipótesis planteada (ver Tabla 1, Tabla 2 y Tabla 3). El modelo se diseñó para establecer la DAP en la costa nororiental de Venezuela para un tamaño de muestra de 360 cuestionarios para ser aplicados en ocho ciudades, y no para el análisis de la DAP particular de cada ciudad.

Modelo LOGIT reducido

La Tabla 9 muestra el modelo reducido aplicando como punto de corte la prueba de Wald con p-valor de 0,25 (VI significativas en un 75%). El valor del punto de corte es discrecional: se usó 75% con base en el juicio de otras investigaciones (^{Valera, 1998}; ^{Bursac, Gauss, Williams y Hosmer, 2008}; ^{Ranganathan, Pramesh y Aggarwal, 2017}; Hosmer y Lemeshow, 2000; ^{Sperandei, 2014}). Este valor de significancia pretende no obviar aquellas variables significativas que pudieran tener alguna influencia en el modelo, para luego, obtener un modelo con la mayor significancia a partir del menor número de variables independientes.

La tasa de predicción del modelo reducido es 91,7% y presenta una significancia del 99,9% dado que disminuyen las VI no significativas y aumentan las significativas, lo cual mejora la capacidad predictiva del modelo (Kutner et al. 2014; Hosmer y Lemeshow, 2000). Las variables que eran significativas para el modelo completo siguen siéndolo en este; se incorpora la variable [PadeceEnfermedades]. El signo negativo indica que haber padecido o conocer a un allegado que haya padecido alguna enfermedad respiratoria/cardiovascular, reduce la probabilidad de responder "Sí" a la pregunta de la DAP. Un resultado similar lo obtuvo ^{Vázquez (2002}) en un estudio de valoración económica sobre contaminación atmosférica y salud en la ciudad de Vigo, España.

En casos de enfermedad, los encuestados podrían involucrarse en gastos reactivos (visitas a médicos, compras de medicinas, etc.), preventivos (compra de purificadores o pérdida de ingresos por permanecer en casa) o intangibles (pena y sufrimiento), los cuales también se pueden interpretar como parte de la DAP (^{Barwick Li, Rao y Zahur, 2017}). La población del caso de estudio (población venezolana) estaría disminuyendo su DAP como una respuesta de rechazo: el encuestado (o allegado), al estar enfermo, se niega a realizar otros gastos/pagos adicionales a los que ya está incurriendo por sufrir la enfermedad. Las enfermedades producen una serie de efectos negativos sobre los hogares y la sociedad que podrían influenciar negativamente la DAP de los encuestados; por ejemplo, gastos adicionales por visitas médicas podrían obligar a los hogares a cambiar el patrón de consumo, ahorros, inversión o asignación de trabajo; además, peores estados de salud tienden a aumentar la depresión y otros problemas psicológicos que influyen en el hogar (^{Pervin, Gerdtham y Lyttkens 2008}).

Estimación de la media de la disposición de pago

La media de la DAP para la región de estudio se estima a partir de los resultados del modelo reducido y la ecuación (2). El resultado del análisis logístico demuestra que los encuestados en la costa nororiental del estado Anzoátegui están dispuestos a pagar en promedio 1,5 USD.mes^-1 (18,4 USD.año^-1)^{3 4} para obtener mejoras en la calidad del aire, lo que equivale al 2,9% del salario promedio de la población encuestada.

En la Tabla 10 se compara la DAP y el porcentaje que representa la DAP sobre el salario promedio de los encuestados (%DAP.salario^-1) para diferentes investigaciones de valoración contingente. El %DAP.salario^-1 en estos seis estudios se encuentra entre 1,0- 3,3%. Se destaca que las tres investigaciones que tienen un %DAP. salario^-1 mayor al 2,0% relacionan contaminación con salud en ciudades contaminadas (investigaciones de Venezuela, Grecia y México). ^{Ortúzar y Rodríguez (2002)} señalan que la DAP relacionada con la contaminación atmosférica podría estar influenciada por los niveles de contaminación del lugar, aumentando la DAP a medida que aumenta la contaminación. Las Gráfica 2 y Gráfica 3 demuestran que la región de estudio está altamente contaminada.

No se descarta que los resultados obtenidos pudieron haber sido influenciados por un aumento salarial del 10% ocurrido días antes de aplicar el cuestionario y por la tasa inflacionaria particular del país entre 2014 y 2015, con inflación de 57,3 y 111,8%, respectivamente (FMI, 2017). La proyección de la inflación para el año 2018 es ~13.860% (IMF, 2018), lo cual es una muestra que Venezuela presenta tasas de inflación en moneda local cada vez más elevadas. Se advierte que los datos obtenidos de la DAP deben ser tomados con cautela, aunque la misma fue calculada en dólares a la tasa oficial del país para la fecha.

Dado que el escenario contingente plantea que la industria obligatoriamente debe aportar el 82,3% del costo de las tecnologías reductoras, el monto total a pagar para la mejora de la calidad del aire sería 57,3 MM USD.año^-1.

Validación del modelo

La Tabla 11 presenta la clasificación del modelo reducido, donde el grupo observado se encuentra en las filas y el pronosticado en las columnas, con una sensibilidad del 99% y una especificidad del 11,1%. Se observa que el modelo es capaz de clasificar adecuadamente respuestas positivas, pero tiene una baja especificidad en cuanto a las respuestas negativas, lo cual se atribuye a la poca cantidad de ceros (ceros reales) que se obtuvieron en la investigación, comparado con el total de respuestas positivas a la DAP.

Tabla 11 Clasificación^a para la validación del modelo LOGIT 

^a El valor de corte resultó ser 0,400

^b Respuesta positiva o negativa sobre la disposición a pagar (DAP). Nota 1. La muestra disminuye a 218 (214, DAP positiva y 4, DAP negativa). Nota 2. Tasa holística de éxito = [198 si-si (+) 2 no-no] / [218 total] = 91,7%

Fuente: elaboración propia.

La validez del modelo también se obtiene a través de los errores de clasificación, para lo cual se definen dos indicadores: un falso positivo y un falso negativo. El modelo obtenido presenta 7,5% de falsos positivos y 50,0% de falsos negativos, lo que afirma nuevamente la debilidad del modelo en cuanto a las respuestas negativas. De forma global, se tiene que el modelo tiene una tasa holística de éxito del 91,7%.