Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Cited by Google 
Similars in
SciELO 
Similars in Google 
Permalink
El objetivo del presente artículo de investigación es determinar las variables que influyen en el consumo de agua doméstica a nivel de Area Geoestadistica Básica (AGEB) en la ciudad de Hermosillo Sonora, México. Para ello, se consideran en el análisis los indicadores sociodemográficos, de urbanización y climáticos del área urbana.
Introducción
En México existe una diversidad de climas debido a las características del relieve. Dos terceras partes del territorio nacional son áridas o semiáridas, mientras que el sureste es húmedo con precipitaciones pluviales que en promedio rebasan los 2,000 milímetros por año. En el 95% del territorio del estado de Sonora los climas son muy secos, secos y semi-secos, así que se caracterizan por su alta temperatura y escasa precipitación. La distribución promedio de las precipitaciones pluviales presenta rangos muy bajos al poniente del Estado; en específico, la cuenca del río Sonora, que provee del recurso hídrico a la zona de estudio, registra un promedio anual entre 100 mm y 250 mm (CONAGUA, 2010).
La ciudad de Hermosillo es la cabecera del municipio con el mismo nombre en el Estado de Sonora, México; presenta una población censal de 715,061 habitantes de acuerdo a los datos más recientes de INEGI. Se ubica en la parte central-poniente de la planicie costera, a una elevación de 210 metros sobre el nivel del mar, y se localiza geográficamente a 29° 06' de latitud norte y 110° 58' de longitud oeste (Figura 1). En su clima cálido predominan altas temperaturas de mayo a septiembre, con una temperatura máxima de 42oC y valores extremos de 46oC (108oF y 115oF); asimismo, la precipitación pluvial media anual registrada en la ciudad de Hermosillo, en el periodo de 1982 a 2015, alcanzó un valor de 330.8 mm. (CONAGUA, 2018).
El objetivo del presente artículo de investigación es determinar las variables que influyen en el consumo de agua doméstica a nivel de Area Geoestadistica Básica (AGEB) en la ciudad de Hermosillo Sonora, México. Para ello, se consideran en el análisis los indicadores sociodemográficos, de urbanización y climáticos del área urbana. Además, se desarrolla un análisis estadístico multivariado a través del análisis de regresión lineal múltiple. Este estudio puede contribuir de manera importante en la generación de información y conocimiento respecto al consumo de agua en zonas urbanas de esta región desértica del noroeste de México. Asimismo los resultados se comparan con los obtenidos en otros estudios que han utilizado herramientas similares, en otras regiones y países. La pregunta de investigación planteada fue: ¿Cuáles variables urbanas sociodemográficas, de urbanización y climáticas son estadísticamente significativas y explican el consumo de agua doméstica a nivel de AGEB?
La ciudad de Hermosillo ha presentado un crecimiento urbano plano y disperso; el crecimiento en urbanización, en el periodo de 1970 a 1990, presentó altas tasas de crecimiento poblacional (5.34%, 3.18%). Posteriormente, de 1990 a 1995, fue de 4.2%, lo cual originó una amplia extensión territorial de la ciudad -con altas tasas de urbanización de 3.9%, 7.1% y 5.4%. En consecuencia, hubo mayor presión y demanda de los servicios básicos urbanos, siendo crítico el caso del agua doméstica (Ojeda et al., 2014). En respuesta a la crisis hídrica recurrente, debida a la prolongación del periodo de estiaje, el organismo operador Agua de Hermosillo (AGUAH), desde 2010 hasta 2013, implementó por segunda vez un plan de abasto restringido, con suministro intermitente en el servicio de agua para los hogares.
Estado del Arte
En diversos estudios relacionados con el consumo de agua doméstica se ha encontrado relación entre variables demográficas y sociales, espacio geográfico y nivel de consumo de agua (House-Peters et al., 2010; Jaanmat, 2013; Wentz & Gober, 2007). Ante las preocupaciones relacionadas con el cambio climático y sus impactos en el abastecimiento de agua, hay un énfasis cada vez mayor en la preparación para los cambios previstos de los servicios públicos de agua, a fin de garantizar la sostenibilidad en el suministro (Babel et al., 2014).
Ocasionalmente cuando existe competencia por el agua, el suministro no siempre satisface la demanda. Esto requiere un análisis cuidadoso de las decisiones relativas a la asignación de recursos hídricos (Arbués et al., 2003). En las decisiones efectivas sobre infraestructura, programas y tecnologías, los profesionales deben analizar en el futuro el suministro de agua y las demandas de los diversos sectores en el contexto del cambio climático, las presiones del desarrollo y los intereses en competencia (Neale et al., 2007).
Gutzler & Nims (2005), al estudiar los efectos del clima en la demanda de agua en Albuquerque, Nuevo México, E.U, encuentran poca correlación entre la variabilidad interanual del clima y la demanda de agua. Este resultado es diferente de lo que observaron en el verano, cuando la demanda de agua en los hogares se correlacionó con la precipitación y la temperatura máxima promedio. Arbués & Villanúa (2006) señalan que, en la comunidad de Aragón, al noreste de España, el recurso hídrico es cada vez más escaso, debido al incremento de las necesidades de agua urbana, que exceden al suministro disponible en las fuentes. Las causas principales de esa escasez son la expansión urbana, el crecimiento de la población, los altos ingresos, los cambios en el estilo de vida, y los precios bajos. Por su parte, Saurí (2013) expone que el consumo de agua urbana en las ciudades más compactas de Europa ha disminuido en las últimas décadas, atribuyendo tales descensos a medidas de conservación del agua, al incremento de los precios, a los subsidios para tecnologías de ahorro de agua y a las campañas de sensibilización, incluyendo la prohibición en determinados usos.
Es así que el uso del agua varía en las diferentes zonas residenciales: las áreas de mayores ingresos económicos son las que presentan más alto consumo de agua, mientras que las zonas de bajos ingresos muestran un menor consumo (Manzungu & Machiridza, 2005). A medida que el cambio climático antropogénico amenaza la fiabilidad de los suministros urbanos de agua, se hace esencial fomentar la comprensión de las relaciones entre el clima y el consumo de agua (Praskievicz & Chang, 2009). Al desarrollar un estudio espacial para la ciudad de Phoenix, Arizona, Lee, et al. (2009), determinan patrones de consumo y obtienen un modelo espacial. Desarrollan pronósticos de la demanda de agua en la geografía de la ciudad utilizando como variable independiente la densidad de población, la cual es adaptable a variables sociodemográficas.
Romano et al. (2016) analizaron el consumo de agua residencial en 103 ciudades de Italia para obtener los determinantes. Considerando el consumo medio anual, utilizaron la técnica de modelo lineal mixto; encontraron que el incremento de las tarifas provoca una reducción significativa en el consumo de agua, mientras que, a mayor población, se genera un incremento en el consumo. Respecto a las variaciones del consumo de agua, March y Saurí (2010), en su estudio para la region metropolitana de Barcelona, señalan que la geografía de la zona tiene un papel importante en el uso del agua del sector doméstico. Las variables en el modelo fueron la densidad de población, el tamaño del hogar y sus ingresos económicos.
Duque et al. (2013), en su estudio para comprender la razón de una reducción de consumo de agua en el Área Metropolitana del Valle de Aburrá, Colombia, identificaron que las variables influyentes fueron las referidas a personas mayores de 60 años, personas con estudios universitarios, desempleados y hogares que disponían de gas natural en su vivienda. Mientras tanto, en el estudio sobre el uso del agua residencial realizado por Yurina et al. (2003), en ciudades de Japón, Norte América y Australia, los factores influyentes fueron el clima, la disponibilidad de agua, el precio del agua, el tamaño del hogar y los antecedentes culturales. Distinto fue el estudio del consumo de agua residencial en viviendas multifamiliares de Tempe, Arizona, E.U., donde las variables fueron el uso de lavadora, lavavajillas y alberca (Wentz et al., 2013).
Li et al. (2017), aplicando regresión múltiple por mínimos cuadrados ordinarios en un estudio a nivel de sección censal de tres ciudades de Nebraska, encontraron una fuerte correlación del consumo de agua con las variables población y área de paisaje; así, afirmaron que en sectores con lotes de gran tamaño y baja densidad de población se tienen más altos consumos de agua. Sin embargo, se ha documentado que la demanda de agua residencial está influenciada por la heterogeneidad asociada con las diferencias en el tamaño de los hogares y las características socioeconómicas (Arbués et al., 2010).
El estudio desarrollado por Schleich y Hillenbrand (2009) determinó que el factor más influyente en la reducción del consumo de agua residencial fue la tarifa, mientras que, en zonas de altos ingresos económicos, con población de mayor edad y hogares grandes, el consumo incrementaba. Por otro lado, Chang et al. (2014) aplican distintos modelos de regresión en su estudio del uso estacional del agua urbana entre 1960 y 2013; el resultado revela que la variación en la temperatura máxima es el predictor más importante y, en segundo lugar, la precipitación pluvial sobre el consumo estacional de agua per cápita. Destacan el mes de julio y el verano, explicando hasta el 48% de la variación en el consumo de agua. Parandvash & Chang (2016), por su parte, utilizan datos socioeconómicos y climáticos de áreas urbanas de diferente densidad en Portland, E.U., para evaluar el cambio en la demanda de agua, y determinan un modelo de regresión en el que las variables climáticas y el desempleo presentan mayor sensibilidad al consumo de agua percápita.
Materiales y Métodos
Diseño de la Investigación
La investigación desarrollada se planteó en dos etapas. En la primera, el estudio se enfocó en la gestión y recolección de datos en dos dependencias gubernamentales y una entidad operativa. Del organismo operador Agua de Hermosillo se estudiaron los datos mensuales del consumo de agua de todos los hogares para el año 2015, mientras que la información del clima (temperatura y precipitación), registrada en las estaciones climatológicas en la zona urbana, fue recolectada en la Comisión Nacional del Agua (CONA-GUA). Los indicadores sociodemográficos provienen de los datos censales que registra el Instituto INEGI, responsable de registrar y generar información censal en México, presentados a nivel de Área Geoestadística Básica en su cartografía urbana para cada localidad del país.
La segunda etapa del estudio se orientó, fundamentalmente, a integrar la base de datos constituida por las variables consideradas según la literatura examinada. Posteriormente, se realizó el análisis, aplicando técnicas de estadística multivariada con el software SPSS versión 22 y utilizando regresión múltiple. Fue decisión de los autores utilizar el software SPSS por su versatilidad y por haber sido utilizado ya con gran éxito en otros estudios urbanos en la region de estudio. La tercera etapa se dedicó al análisis de datos y sus resultados.
Variables y Metodología
Variable dependiente.
La variable dependiente corresponde al consumo de agua doméstica (uso interior y exterior) en los hogares de la ciudad de Hermosillo a nivel de AGEB para el año 2015. Sus datos se gestionaron en el organismo AGUAH, responsable del servicio de abasto de agua. La información proporcionada colectada consistió en los consumos mensuales de agua (m3) de cada vivienda (sin nombres de usuarios, por ser esta información reservada). La extensión de la base de datos fue de 195,640 registros para ese año. Los consumos de agua estudiados fueron los del año 2015, por ser el año central de la década y porque la población del censo más reciente (2010) es la que genera dichos consumos.
Considerando que el análisis en el presente estudio es al nivel de AGEB, se extrajo la definición de este concepto expuesta por el INEGI: área geográfica ocupada por un conjunto de manzanas perfectamente delimitadas por calles, avenidas, andadores o cualquier otro rasgo de fácil identificación en el terreno, y cuyo uso del suelo es principalmente habitacional, industrial, de servicios y comercial.
De acuerdo con Ojeda (2013) -y en virtud de que el Organismo AGUAH tiene sus registros del consumo de agua por vivienda en cada colonia, y de que las variables sotiodemográficas en INEGI se resumen por AGEB (Área Geoestadistica Básica)-, es necesario homogenizar el nivel de información haciendo una conversión e intersección geográfica para transferir los consumos de agua de las colonias hacia las AGEB en la cartografía urbana de Hermosillo. Esto consiste en realizar una intersección geoespacial entre polígonos de la cartografía de Colonias y AGEB, utilizando ArcGis 10.2 para asignar, finalmente, el valor correspondiente del consumo de agua. Para el caso de Hermosillo el INEGI tiene estructurada la zona urbana en 500 AGEBs de la cartografía censal 2010 con sus respectivos indicadores censales. El censo íntegro más reciente corresponde a ese año, pues el conteo del INEGI en 2015 no se realizó en todo México. El censo del año 2020 había iniciado en marzo, pero fue suspendido en abril por motivos de la contingencia sanitaria.
Variables independientes y bases de datos.
Las variables seleccionadas para esta investigación se sustentan en aquellas desarrolladas en otros países con casos similares. Fueron en total 29 variables independientes urbanas identificadas en cuatro grupos. El primero se formó con los indicadores sociodemográficos más recientes de INEGI (2010) a nivel de AGEB; se agrupan aquí 17 variables, nueve de ellas relacionadas con la estructura de población, cuatro referidas al nivel de educación, tres que refieren datos económicos, y una variable referida a la salud. Para el segundo grupo, se calcularon dos variables relacionadas con la urbanización: densidad de vivienda y densidad de población. Del tercer grupo se seleccionaron ocho variables, que aluden a las características de la vivienda. El cuarto grupo se enfocó en el clima, seleccionando para ello dos variables (la precipitación pluvial en milímetros y la temperatura en grados centígrados) al nivel urbano. En principio, fue imperativo identificar la ubicación de las estaciones climatológicas, buscando que estuvieran localizadas en la geografía de la ciudad, para que fuesen representativas, y que sus registros dispusieran de información del consumo de agua del 2015. Fueron cuatro estaciones climatológicas las que cumplieron con los requisitos (Figura 2).
Fuente: Elaboración propia con ArcGis 10.2.
Figura 2 Sectores geográficos por estación climatológica
Las estaciones seleccionadas, con su valor medio anual, fueron la Estación Aeropuerto, al poniente de la ciudad (Pm = 43.84 mm y Tm =24.83oC); la Estación Colonia Misión del Sol, en el norte (Pm =32.03 mm y Tm = 26.55oC); la Estación Centro, al oriente (Pm =55.07 mm y Tm =25.96oC), y, al sur, la estación Colonia Altares (Pm =51.86 mm y Tm =25.63oC). Teniendo en cuenta que toda estación tiene un área de influencia urbana, los sectores se definieron a través del método universal polígonos de Thiessen (1911). Luego se asignaron los valores de precipitación y temperatura de cada estación a los AGEB correspondientes.
Requerimientos necesarios para el Análisis.
En esta etapa del estudio, se examinó la significancia estadística de la variable dependiente, utilizando la prueba de Kolmogorov-Smirnov (K-S), la cual permite medir el grado de concordancia entre la distribución de un conjunto de datos y la distribución de probabilidad de tipo normal. Este análisis indicó que los datos de la variable dependiente inicialmente no cumplían con los criterios de una distribución normal, presentando un p-valor = 0.000 que es menor al estipulado de 0.05 (5%). Fue necesario transformar sus valores utilizando el criterio de logaritmo natural (LN), asignando para ello el nombre de LNCONS15. Transformada la variable dependiente, se aplicó de nuevo la prueba K-S y se obtuvo el p-valor = 0.075, cumpliendo, así, el requisito estadístico de normalidad (Figura 3).
Para desarrollar el análisis de correlación mediante SPSS, se eligió el criterio de Pearson, ya que todas las variables son de tipo cuantitativo. Se descartaron algunas variables que mostraban poca incidencia, así como las de muy alta correlación, que generaban riesgo de multicolinealidad entre variables.
Análisis de Regresión Múltiple.
Este análisis de regresión consistió en determinar la ecuación del modelo que representa el consumo de agua en los hogares. Las variables que representan el modelo son aquellas que logran influir en los valores de la variable dependiente. La ecuación del modelo teórico está representada por
dónde:
• Y es la variable dependiente a explicar (Consumo Agua).
• X1, X2.... Xn: son las variables independientes.
• Bo coeficiente o constante.
• Bi coeficientes que acompañan a cada variable independiente.
• Є: error o residuales
La base de datos se constituyó con la variable consumo de agua y con las variables independientes, todas al nivel de AGEB, aplicando regresión lineal múltiple mediante el software SPSS versión 22. Esta etapa del análisis permitió elegir las variables predictoras en la regresión aplicando el método de mínimos cuadrados ordinarios y utilizando el criterio stepwise. Una vez definido el modelo, se verificó el cumplimiento de los condicionantes de la regresión. Se confirmaron entonces las pruebas de linealidad entre la relación de variables, así como la homoscedasticidad, independencia y normalidad de los residuos, a fin de garantizar la validez del modelo y su aplicación.
Resultados y discusión
Del análisis de correlación bivariada, el resultado reveló 15 variables que presentaron correlación con el consumo de agua (LNCONS15). La Tabla 1 muestra el coeficiente de correlación (r) y los niveles de significancia estadística de cada variable. El coeficiente de correlación mide el grado de asociación entre el consumo de agua y cada variable independiente.
En la Tabla 1 se observa que las variables referidas a la estructura de la población mostraron correlación positiva en el consumo de agua con alta significancia estadística (al nivel de 0.001). El valor de "r" fue similar para las variables LNPob y LNPob_FEM, lo cual indica que, a mayor cantidad de personas con esas características, el consumo de agua tiende a incrementarse. Lo mismo sucede con las variables referidas a la educación, donde puede observarse que resultan con alta significancia estadística, aunque su coeficiente de correlación es menor que las anteriores. Ahora bien, es notorio que las variables referidas al estatus económico presentaran más alta significancia estadística y el valor más alto positivo, y muy similar en su coeficiente "r", lo cual indica que, a mayor cantidad numérica en estas variables, se tendrá mayor consumo de agua.
Tabla 1 Variables correlacionadas con el Consumo de agua LNCON15
Fuente: elaboración propia con SPSS
Las variables que representan la urbanización de la ciudad de Hermosillo, referidas a la Dens_Pob y Dens_Viv, mostraron correlación negativa con un alto nivel de significancia, demostrando que el consumo de agua tiende a disminuir al presentarse valores altos en las unidades de estas variables. Respecto a las variables referidas al clima, existe correlación negativa y positiva en Prec_P y Temp, respectivamente, dado que al presentarse lluvias en la zona urbana el consumo de agua disminuye, mientras que, con mayores temperaturas, aumenta. Esto coincide con Romano et al. (2014), quienes encontraron en su estudio del consumo del agua en Italia una correlación entre las variables precipitación, temperatura y población total. Asimismo, Balling et al. (2008) identificaron que el consumo de agua residencial en Phoenix, Arizona, se relacionó con las variaciones del clima. De manera similar ocurre con Schleich y Hillenbrand (2009). En contraste, Yu Xue et al. (2015), en su estudio sobre Puerto Rico, encontraron que el consumo de agua se relacionó con la densidad de población, al igual que Villarin (2019).
Una vez reducido el número de variables con el análisis de correlación, pasamos a la etapa del análisis de regresión donde participan las 15 variables mostradas en la Tabla 1. Como resultado se obtuvo un modelo con el menor error típico, en donde sus variables en conjunto explicaron en mayor proporción el consumo de agua. El modelo seleccionado explicó el 47.5% (R2 = 0.475) de la variación conjunta, observada en los datos del consumo de agua (Tabla 2).
Tabla 2 Modelo del consumo de agua, con sus variables y coeficientes
Fuente: elaboración propia con SPSS
R² = 0.482
R² corregida = 0.475
D-W = 1.56
F valor = 68.974
Sig. F valor = 0.000
Las variables de tipo sociodemográfico en el modelo son población total (LNPob), población de 15 años con educación elemental incompleta (P15_PInc) y población económicamente inactiva (Pob_EIN). La variable del tipo urbanización, por su parte, es la densidad de población (Dens_Pob), y la variable de tipo climático, la precipitación pluvial media (Prec_P).
Particularmente, la variable explicativa precipitación pluvial (Prec_P) resultó muy congruente al tener un coeficiente negativo (B). Al presentarse lluvias en la ciudad, los habitantes dejan de utilizar agua o tienden a utilizar en menores cantidades, pues se refresca el medio ambiente urbano y se dejan de regar las áreas verdes por un lapso de tiempo. Lo mismo sucede con la variable densidad de población, ya que se relaciona con la mayor concentración de viviendas en menor superficie; en todo caso, se vincula con el crecimiento urbano vertical (referido al desarrollo habitacional vertical). Similarmente, el coeficiente negativo de la variable Pob15_PInc se asocia con personas que tienen estudios truncos en el nivel básico, ya que desertan y es muy probable que no tengan hábitos que les inciten a consumir más agua en el hogar. Por su parte, las variables población total (LNPob) y población económicamente inactiva (Pob_EIN) revelan un coeficiente positivo, en virtud de que el consumo de agua tiende a incrementarse con el número de habitantes que permanecen en los hogares y, a su vez, la población económicamente inactiva tiende a consumir más agua al estar más tiempo en casa y realizar actividades en el hogar.
La independencia de los residuos del modelo se verificó con el estadístico Durbin-Watson (D-W = 1.56). Este requisito se cumple, pues revela que los residuos son aleatorios y no están correlacionados entre sí, ya que, de acuerdo con Pérez (2009), el rango aceptable para D-W es entre 1.5 y 2.5. Por otro lado, la variable densidad de Población (Dens_Pob) resultó atractiva en relación con la disminución del consumo de agua en la ciudad de Hermosillo; así, la invitación es a ser más estrictos en los futuros planes de desarrollo urbano y a que las autoridades competentes planeen el desarrollo con un crecimiento urbano más compacto. Un incremento en la densidad de vivienda repercute directamente en un incremento en la densidad de población, lo que genera una reducción en el consumo de agua.
El modelo que resulta para la ciudad de Hermosillo arroja un coeficiente de determinación R2 = 0.475, cuyo valor es aceptable en lo general, ya que explica el 48% de la variabilidad del consumo de agua con las cinco variables predictoras que lo representan. House-Peters et al. (2010) encontraron valores similares en un estudio a nivel de sección censal en Hillsboro, Oregon, con un valor de R2 = 0.57. Praskievicz & Chang (2009), indicaron que su resultado fue R2= 0.389 a 0.613 para la ciudad de Seúl, Corea. Un estudio similar en Phoenix, Arizona, conducido por Wentz and Gober (2007), encontró el valor R2 = 0.64; por su parte, Chang et al. (2014) determinaron que R2 = 0.48 para la ciudad de Portland, Oregon.
Por otra parte, los resultados del Análisis de la Varianza (ANOVA) revelaron que existe un efecto real de las variables independientes sobre el consumo de agua en el modelo elegido, ya que el estadístico Fisher (F) fue aceptable al ser mayor que la unidad (F= 68.974 con Sig. = 0.000). Esto resulta estadísticamente significativo al ser menor que 0.05 (p-valor), lo cual rechaza la hipótesis nula "Ho", de inexistencia de relación en el modelo.
En el estadístico Tolerancia (T), el resultado de cada variable se aproxima a la unidad, revelando que la solución es aceptable. El supuesto de colinealidad, revisado con el factor de inflación de la varianza (FIV), muestra ser adecuado para todas las variables, puesto que FIV<5 (Tabla 2). En ese sentido, algunos autores mencionan que valores del FIV>5 indican que puede ser relevante la colinealidad (Kizys & Pérez, 2002). Asimismo, la ausencia de multicolinealidad se confirmó con el estadístico Índice de Condición (IC); en este caso todas las variables mostraron un IC adecuado, el valor más alto fue de 22.8 en la variable precipitación pluvial (Tabla 2), lo cual garantiza ausencia de multicolinealidad en las variables del modelo. Un valor de IC>30 indicaría presencia de multicolinealidad. Por otra parte, el término de homoscedasticidad se refiere a que la varianza de los residuos es constante, por lo que, revisando la dispersión de los residuos tipificados versus los residuos tipificados predichos, se comprobó que resultaron aleatorios y que no existe problema alguno con el modelo. Respecto al condicionante de normalidad de los residuos, se verificó que la nube de puntos está perfectamente alineada sobre la diagonal.
El modelo de consumo de agua en los hogares para la ciudad de Hermosillo a nivel de AGEB se muestra en la Figura 4 con todas sus variables y coeficientes. Está representado por la ecuación de regresión siguiente:
Conclusiones
El modelo del consumo de agua a nivel de AGEB para la ciudad de Hermosillo resultó integrado por cinco determinantes que explican la variabilidad del consumo. Las variables de tipo sociodemográfico son la población total, la población de 15 años con educación elemental incompleta y la población económicamente inactiva. De tipo urbanización, la variable determinante fue densidad de población y, de tipo climático, la precipitación pluvial media. Las variables del modelo mantienen alta significancia estadística e influyen de manera global en la magnitud del consumo.
El modelo revela que la variable densidad de población ilustra el efecto del grado de urbanización presente en la ciudad y sugiere un vínculo del uso del agua con el patrón de desarrollo urbano. Su coeficiente negativo significa que, cuanto mayor sea la concentración de habitantes en sectores geográficos, menor será el consumo global de agua. Sería de gran beneficio que esta variable fuera replicada en gran parte de la ciudad mediante el desarrollo de unidades habitacionales de crecimiento vertical, lo que exige una mejor orientación de la planeación urbana.
Se concluye, también, que cuando se presenten precipitaciones pluviales continuas se tendrán efectos favorables para una disminución del consumo total de agua en los hogares, dado que el coeficiente de esta variable climática en la ecuación interviene con signo negativo, presentando beneficio en menor uso de agua para el riego de jardines y, en su caso específico, en el uso de piscinas. De manera similar podrá suceder en los sectores geográficos en la ciudad de Hermosillo con habitantes mayores de 15 años de edad que no tengan terminados sus estudios básicos elementales, pues esta variable evidencia que, al no tener hábitos dirigidos al mayor consumo de agua en los hogares, esta población consume menos agua. Al contrario, una mayor escolaridad en las personas incrementa los ingresos económicos y, en consecuencia, como se indica en Arbués et al. (2003) y Arbués (2010), un incremento en el consumo de agua.
Fue notorio y relevante que la variable temperatura urbana, en su valor medio o en sus valores de temperaturas extremas mínima o máxima, no resultara explicativa del modelo, a pesar de que en un principio si hubiese correlación. Posiblemente, esto se debe a que fueron pocas estaciones climatológicas las consideradas en la mancha urbana de la ciudad, pues solo cuatro cumplieron con el requisito de poseer información continua en el periodo de estudio. Esto invita a desarrollar una investigación posterior donde puedan involucrarse mayores datos de esta variable climática para confirmar los resultados.
Finalmente, respecto a los condicionantes de la regresión estadística (linealidad y multicolinealidad de las variables, así como la normalidad y homoscedasticidad e independencia de los residuos), se confirmó un cumplimiento satisfactorio que validó el modelo. Por lo tanto, los resultados de esta investigación pueden ser utilizados para identificar algunas previsiones de la demanda de agua del sector doméstico, el cual representa cerca del 90% del total de agua suministrada a la red de distribución del organismo operador en la ciudad de Hermosillo.
