Post on 11-Jul-2020
1
¿MÁS VERDE DENTRO QUE FUERA?
EFECTOS DE LAS ÁREAS NATURALES PROTEGIDAS SOBRE LA DEFORESTACIÓN Y EL BIENESTAR EN LA
AMAZONÍA
TERCER INFORME FINAL
PMA1AN60-163
José Carlos Orihuela
orihuela.jc@pucp.pe
Carlos A. Pérez
caperez@pucp.pe
Agosto de 2019
Auspicio:
2
1. Introducción
La deforestación es uno de los fenómenos que más afecta la Amazonía peruana: entre
2001 y 2016 se perdieron alrededor de 2 millones de hectáreas de bosque (MINAM
2018). Las consecuencias de la deforestación son perniciosas para el desarrollo
sostenible del país y el planeta, al ser los bosques fuente de biodiversidad y servicios
ecosistémicos. Un 25% de ese bosque amazónico se encuentra bajo un régimen de
conservación. Establecidas en la Amazonía peruana desde la década de 1970 bajo
objetivos de conservación de la biodiversidad, las Áreas Naturales Protegidas (ANP) se
encuentran bajo la administración del Servicio Nacional de Áreas Protegidas por el
Estado (SERNANP) desde 2008 (Dourojeanni 2009, Solano 2005, Orihuela 2018). En
la actualidad, existen 76 ANP de administración estatal con una extensión de 195 mil
km2. A pesar de la nocividad de la deforestación y la existencia de las ANP, es poco lo
que se conoce sobre el impacto de estos arreglos institucionales sobre el bosque y el
bienestar local. Rescatamos el trabajo de Díaz y Miranda (2012) y proponemos un
enfoque de regresión discontinua geográfica (Dell 2010, Keele y Titiunik 2015, Keele et
al 2017, Burgess et al 2018) para evaluar el impacto causal de las ANP y sus Zonas de
Amortiguamiento (ZA) sobre la deforestación, aprovechando que estos dos tipos de
territorios generan una discontinuidad espacial.
La literatura sugiere que las áreas de conservación tienen éxito relativo en contener la
deforestación. El principal mecanismo de su éxito es la restricción de actividades
económicas como la minería, la agricultura, la madera y la provisión de infraestructura
vial. Estudios para Brasil, Colombia, Costa Rica, Ecuador y Perú corroboran la
afirmación (Robalino et al 2007, Pfaff et al 2014, Weisse y Naughton-Treves 2016).
Estos trabajos utilizan información satelital procesada que distingue para cada pixel la
cualidad de encontrarse como bosque o no bosque. La comparación temporal entre un
mismo pixel permite determinar la deforestación si un píxel en el año ‘t’ era categorizado
como bosque y en el año ‘t+1’ no. Los métodos que han utilizado son la comparación
según buffers bajo técnicas de emparejamiento.
Diversas investigaciones encuentran que la presencia de áreas protegidas contribuye a
un desarrollo sostenible y al bienestar de las comunidades locales. Estudios incluyen a
McNeely (2008), Andam et al (2010), Canavire-Bacarreza y Hanauer (2013) y Heagney
et al. (2015). Impactos analizados incluyen efectos en ingresos, número de negocios
locales e ingresos de los gobiernos locales por pagos de los usuarios turísticos, entre
otros. Sin embargo, el impacto socioeconómico puede ser distinto para hombres y
mujeres que son parte de la misma comunidad local. Debido a relaciones sociales,
económicas y culturales, las mujeres se encuentran en una condición de vulnerabilidad
(Butler 2007, Giddens 1993). El género es un constructo social que diferencia roles y
asignación de recursos y poder entre hombres y mujeres. Siguiendo la tipología de
Rousseau (2018), nuestro estudio se encontrará en el Nivel 1: investigación sensible al
género, en la que compararemos resultados entre varones y mujeres. Sin embargo, este
3
análisis debe ser considerado como exploratorio debido a la poca disponibilidad de
datos estadísticos.1
El principal objetivo del estudio es contribuir en la comprensión de las dinámicas de
deforestación. Nuestro principal precedente, Díaz y Miranda (2012) utiliza el método de
matching para evaluar el efecto de las ANP sobre bienestar, mientras realiza una
comparación entre distritos para el análisis de la deforestación. Los métodos de
emparejamiento recaen sobre supuestos no comprobables, como la asignación de
tratamiento únicamente sobre variables observables (Angrist y Pichke 2009, Lee 2005).
En cambio, un diseño de regresión discontinua (RDD), recae sobre supuestos débiles y
comprobables, permitiendo una mejor identificación causal (Lee y Lemieux 2010, Angrist
y Pichke 2009). Esta estrategia de identificación es posible debido a la disponibilidad
de datos desagregados sobre deforestación del MINAM, shapefiles sobre ANP de
SERNANP, y una variedad de información geográficamente desagregada.
Para el análisis de deforestación, la unidad de observación serán celdas de 1 kilómetro
cuadrado y dos medidas de deforestación: una variable dummy si entre 2001 y 2016,
hubo algún territorio dentro de la celda que fue deforestado, y una variable que indica
cuántas hectáreas se deforestaron por cada kilómetro cuadrado. Para el análisis de
bienestar, la unidad de observación será el hogar. Debido a que la información de
deforestación se encuentra disponible para el período 2001-2016, nos centraremos
únicamente en las ANP creadas previas a este período, las cuales son 12.
Nuestros resultados sugieren que en el período estudiado: (i) encontrarse en una ANP
reduce la probabilidad de deforestación entre 7 y 12% por cada kilómetro cuadrado,
mientras que la pérdida de bosque se reduce entre 3 y 3 hectáreas por cada kilómetro
cuadrado; (ii) encontrarse en una ZA no representa una reducción significativa en
deforestación, sugiriendo que efectivamente amortigua la deforestación en las ANP; (iii)
aunque débilmente, estar dentro de una ZA reduce el ingreso y gasto real de los
hogares, así como aumenta la probabilidad de encontrarse en condición de pobreza
monetaria (resultado de carácter exploratorio, por disponibilidad y calidad de datos); (iv)
los hogares manejados por mujeres no presentan alguna condición de vulnerabilidad
particular respecto a los manejados por los varones (resultado de carácter exploratorio,
por disponibilidad y calidad de datos).
Dada la evidencia cuantitativa encontrada, se podría decir que las ANP efectivamente
reducen la deforestación y las ZA amortiguan esta última. Estos resultados
corresponden únicamente para aquellas áreas creadas antes del año 2001, las más
antiguas. Interpretamos la evaluación de variables socioeconómicas como el
mecanismo que permite explicar el resultado sobre deforestación: si las ANP “funcionan”
es porque efectivamente restringen la actividad económica, por ello los hogares que se
encuentran en estas áreas (en nuestro caso, por motivos de muestra, dentro de una ZA)
tienen menores niveles de ingreso y gasto.
1 No contamos con información de hogares dentro las ANPs, únicamente 471 hogares dentro de una ZA donde las mujeres son las jefas de hogar, por lo que no podrían explorarse estadísticamente cómo se da la división sexual del trabajo en esas áreas, ni la participación de las comunidades en la gestión de las ANP/ZA.
4
Contra-intuitivamente, por tratarse de modelos institucionales que permiten algunas
actividades económicas extractivas, el análisis en el universo estudiado indica que las
reservas nacionales han sido las más efectivas (entre 3 y 6.7 hectáreas por kilómetro
cuadrado), seguidas por las reservas comunales (hasta 3.4 hectáreas). Por su parte, los
parques nacionales parecen reducir la deforestación, pero no de manera robusta,
mientras que los otros tipos no tienen efectos significativos. Por otro lado, las ZA de los
bosques de protección, parques nacionales y zonas reservadas reducen la
deforestación respecto de aquellas áreas fuera de estas zonas. De manera particular,
se analiza la efectividad individual de cada ANP, encontrándose que Tambopata,
Bahuaja, Yanesha y Pacaya son aquellas en las que más se reduce la deforestación.
La organización del informe es como sigue. La Sección 2 presenta una sucinta revisión
de literatura, la Sección 3 una nota sobre el Sistema Nacional de Áreas Naturales
Protegidas, la Sección 4 expone la metodología, la Sección 5 presenta los resultados y
la Sección 6 las conclusiones y recomendaciones de política.
5
2. Revisión de Literatura2
Los estudios sobre deforestación son cada vez mayores, en su mayoría realizados
desde 1990, desde las ciencias de la naturaleza y con un énfasis en el rol de las áreas
naturales protegidas. Google Académico contiene 253 mil investigaciones relacionadas
a deforestación, de las cuales 121 mil contienen las referencias sobre áreas naturales
protegidas. El estudio desde las ciencias de la naturaleza, dada su aproximación
epistemológica, se concentra en explicar la deforestación, vinculada o no a áreas
protegidas, con poco énfasis en las implicancias de política. Proponemos una
investigación desde las ciencias sociales, enfocada en la evaluación de impacto de una
política particular, la implementación de áreas naturales protegidas, sobre la
deforestación en la Amazonía Peruana.
La deforestación en bosques tropicales expresa la intervención humana que altera el
ecosistema original, menguando el hábitat de las especies que otrora lo conformaban
(Dourojeanni 2015). Actividades humanas como la tala, minería y construcción de
carreteras alteran los bosques tropicales y su ecosistema. Las ANP son creadas para
evitar que el ecosistema de ciertas áreas sea alterado por la intervención humana. En
este sentido, nos proponemos investigar si estas ANP son efectivas en su objetivo e
protección de deforestación.
La restricción del cambio de uso de tierra y actividades extractivas, es decir, la
prohibición de ciertas actividades económicas en las áreas protegidas es lo que
explicaría la reducción de la deforestación (Miranda et al 2016). Las áreas de
conservación impiden la mercantilización de los bienes comunes y restringe la inversión
en carreteras o infraestructura que dañe los ecosistemas. La mayoría de la investigación
ha encontrado que las ANP son efectivas para reducir la deforestación: en Brasil (Jusys
2016, Pfaff et al 2014, 2007), Colombia (Armenteras et al 2011, Rodríguez et al 2013),
Costa Rica (Robalino y Pfaff 2012), Ecuador (Van der Hoeck 2017), Perú (Miranda et al
2014, 2016, Oliveira et al 2007, Weisse y Naughton-Treves 2016), así como en estudios
multinacionales (Baroloto et al 2015, Perz et al 2013). Las magnitudes del impacto en la
reducción son diversas, con efectos diferenciados por período, fuente de financiamiento
y período de creación de las ANP. Algunos estudios resaltan que los efectos existen en
función de características geográficas y tipo de ANP (Anderson et al 2016).
Por otro lado, la heterogeneidad en los resultados se debe también a la diversidad de
unidades de análisis utilizadas: desde celdas de 30 metros o 1 kilómetro cuadrado hasta
unidades administrativas pequeñas (como el distrito peruano). Mientras que las ANP
son la fuente de contención de deforestación típicamente estudiada, la fuente de
deforestación más estudiada ha sido la construcción infraestructura de transporte
(Robalino et al 2007, Li et al 2015, Baraloto et al 2015).
Los estudios mencionados han evaluado la efectividad de las ANP comparando aquellos
espacios geográficos dentro y fuera, según una distancia establecida o con métodos de
emparejamiento. El primer tipo de metodología ha sido criticada ante la posibilidad de
comparación entre espacios geográficos posiblemente diferentes estructuralmente (Mas
2005, Joppa y Pfaff 2010), siendo el método de emparejamiento el utilizado en estudios
2 Los estudios sobre la efectividad de las ANP son de corte empírico, evaluando cómo la política de restricción de actividad económica podría atenuar la deforestación. No ofrecen un marco teórico propiamente dicho.
6
más recientes (ver Tabla 1). Sin embargo, creemos la metodología puede ser mejorada
en estos trabajos. Volveremos a esto en la sección metodológica.
Son pocos las investigaciones que consideran la existencia de zonas de
amortiguamiento (ZA), que existen legalmente en Perú desde 2001. Miranda y Díaz
(2012), Miranda et al (2016) y Weisse y Naughton-Treves (2016) consideran que estas
áreas deben de ser estudiadas, por tener un status particular. Se encuentra que las ZA
también han funcionado como soporte para reducir la deforestación.
Para el caso peruano, la investigación sobre deforestación y ANP es incipiente. Oliveira
et al (2007) encuentra que la mayoría de deforestación en la Amazonía no se da en
ANP, mientras que más en territorio indígena. Miranda y Díaz (2012) y Miranda et al
(2016) hallan que las ANP reducen la deforestación y parcialmente mejora el bienestar
económico de centros poblados cercanos. Weisse y Naughton-Treves (2016)
encuentran que las ZA han sido efectivas en la detención de la deforestación, en un
estudio sobre 13 ANP de la Amazonía. Finalmente, Arima (2016) hallan que la
probabilidad de deforestación es mayor en espacios con deforestación vecina.
Proponemos contribuir con esta literatura mediante el primer estudio para el caso
peruano que utilice una regresión discontinua geográfica, método econométrico de
evaluación de impacto con gran validez interna, que con supuestos no muy fuertes
permite el estudio mediante una relación causal clara.
7
Tabla 1: Resumen de principales estudios sobre áreas protegidas y deforestación
Estudio País - Zona
Método Objetivo Medida de
deforestación
Unidad de
análisis
Resultado principal
Conclusiones (ANP)
Arima (2016)
Perú - Amazonía Oeste
Spatial Probit y Simulaciones
Impacto de Redes Viales en Deforestación
Variable dicotómica 1/0
Celda de 900 m2
La construcción de una carretera incrementa la deforestación de 200 - 300 km2.
ANP reduce la probabilidad de deforestación
Díaz y Miranda (2012)
Perú - Amazonía
Regresión (deforestación) y emparejamiento (bienestar)
Efecto de ANP sobre deforestación y bienestar
Superficie deforestada (km2) a nivel
de distrito
Km2 a nivel distrito
Hasta un 40% de superficie no ha sido deforestada por la presencia de ANP.
ANP reduce superficie deforestada. Efecto no concluyente sobre bienestar
Miranda et al. (2016)
Perú - Amazonía
Mahalanobis covariate matching
Efecto de ANP sobre deforestación y bienestar
Variable dicotómica 1/0
Celda de 1 km2
ANP reducen un 1.3% de área deforestada por año.
Las ANP reducen la deforestación. Efecto no robusto en la pobreza.
Jusys (2016)
Brazil - Estado de Pará
Propensity Score Matching
Efecto de área protegida en porcentaje de bosque
% de parcelas deforestadas por cada km2.
Celda de 1 km2
Un 0.72% de la superficie (aprox. 2900 km2) no fue deforestada debido a las ANP.
ANP reduce área deforestada
Mas (2005)
Mexico Comparación según buffers
Efecto de Áreas Protegidas en deforestación
Ratio: uso de suelo/cambio en cobertura
Escala de 1: 250 000
Deforestación en áreas protegidas es entre 0.3 y 1% menor
ANP reduce área deforestada
Oliveira et al (2007)
Perú - Amazonía
Comparación Simple
Exponer un sistema de detección
Área (%) deforestado
Km2
Solo 1% a 2% de la deforestación ocurrió en las ANPs.
ANP reduce área deforestada
Pfaff et al (2014)
Mexico Propensity Score Matching
Efecto de áreas protegidas en cobertura de tierra
Porcentaje de cobertura forestal
Celda 1 km2
Una tasa 2.5% más baja de pérdida de cobertura de suelo natural dentro de las AP.
ANP reduce área deforestada
Rodríguez et al (2013)
Colombia (Andes)
Buffers y simulación
Efectividad de áreas protegidas sobre deforestación e incendios
Ratio de deforestación
escala de 1: 100 000
Las Pas presentan menor ratio de deforestación (0.3%) que la región (0.67%).
ANP reduce área deforestada
Van der Hoek 2017)
Ecuador Propensity Score Matching
Efectividad de áreas protegidas sobre deforestación
% de parcelas deforestadas
parcelas de 30 x 30m pixeles.
Un 1.56% menor deforestación en las áreas protegidas (7800 ha).
ANP reduce área deforestada
8
Estudio País - Zona
Método Objetivo Medida de
deforestación
Unidad de
análisis
Resultado principal
Conclusiones (ANP)
Weisse, M y Naughton-Treves, L. (2016)
Peru Propensity Score Matching
Efectividad de zonas de amortiguamiento sobre deforestación y concesiones mineras
% deforestado Celda 1 km2
Las zonas de amortiguamiento han prevenido la perdida de aproximadamente 320 km2.
En zonas de amortiguamiento se ha prevenido la deforestación de 320 kilómetros cuadrados
Anderson et al (2016)*
Brazil RDD y DiD Efecto de áreas protegidas en deforestación
% deforestado Celda 1 km2
No hay efecto debido a que áreas protegidas se encuentran en lugares con tierra poco productiva
ANP no son efectivas
Bonilla-Mejía e Higuera-Mendieta (2019)
Colombia RDD y DiD Efecto de áreas protegidas en deforestación
Hectáreas por kilómetro cuadrado
Celda 1 km2
ANP reduce deforestación
Áreas efectivas con efecto que se magnifica en el largo plazo
Burgess et al (2018)
Brazil RDD
Efecto de política contra tala ilegal en deforestación
Pérdida forestal anual
Celda 120 m2
Área brasileña experimenta reducción en deforestación tras política
Política nacional disminuye deforestación
Pérez-Valbuena et al (2017)
Colombia RDD
Efecto de áreas protegidas y territorios indígenas, cuando se encuentran superpuestas, en deforestación
Hectáreas por kilómetro cuadrado
Celda 1 km2
ANP reduce deforestación
Áreas Protegidas superpuestas reduce deforestación
Amin et al. (2019)
Brasil Dynamic Spatial Durbin Model
Eficiencia de las áreas protegidas en reducir la deforestación.
% deforestado Celda 1 km2
Un incremento de área protegida en 10% evita la deforestación en 10.56 km2 para áreas protegidas integrales y 9.81 km2 para tierras indígenas.
Resultados heterogéneos según ANP
Nota: RDD (Diseño de Regresión Discontinua), DiD (Diferencias en Diferencias).
9
2.1. Género y ANPs
La literatura encuentra una diversidad de estudios empíricos donde muestran que las
mujeres se benefician más que los hombres de las ANPs. Esto se debe a que (i) los
estudios empíricos revisados están sesgados al estudio de ANPs vinculadas al sector
turismo y (ii) los roles de género crean oportunidades de ingresos para las mujeres en
contextos de turismo conservacionista. La literatura reconoce que la presencia de áreas
protegidas contribuye a un desarrollo sostenible y al bienestar de las comunidades
locales (McNeely, 2008). Diversos estudios longitudinales han investigado el impacto
socioeconómico de las áreas protegidas para países como para Tailandia (Andam et al,
2010), Costa Rica (Andam et al., 2010) y Bolivia (Canavire-Bacarreza & Hanauer, 2013).
En Heagney et al. (2015) se analizan los beneficios socio-económicos de las áreas
protegidas para 110 comunidades locales al sureste de Australia, cubriendo un área de
600 000 km2. Los autores proponen que hay tres vías a través de las cuales las áreas
protegidas benefician a las comunidades locales en economías desarrolladas. Éstas son
el incremento en el valor de la vivienda, incentivo a los negocios locales y el incremento
en el financiamiento local. Realizan un análisis longitudinal y encuentran que el
establecimiento de nuevas áreas protegidas incrementó el número de residencias y de
las contribuciones locales, la cantidad de negocios locales y los ingresos de los
gobiernos locales por los pagos de los usuarios turísticos.
Sin embargo, el impacto socioeconómico termina siendo distinto para hombres y
mujeres que son parte de la comunidad local. En efecto, Panta & Thapa (2018) explora
los beneficios y desafíos para las mujeres empresarias en las zonas de amortiguamiento
del Parque Nacional de Bardia, en Nepal. Mediante la recopilación de datos cualitativos
a través de entrevistas y discusiones focales, encontraron que las mujeres obtuvieron
beneficios a nivel individual como una mayor confianza y habilidades personales, una
mayor capacidad de acceso al ingreso familiar y mayor capacidad de decisión dentro de
la familia, contribuyendo al empoderamiento de las mujeres de la zona.
Otros estudios encuentran que el empleo en el turismo beneficia más a las mujeres
rurales que viven cerca de las áreas protegidas. Por ejemplo, las mujeres de Costa Rica
se beneficiaron económicamente al producir y vender sus artesanías a los turistas en el
proyecto de ecoturismo de Monte Verde (Vivanco, 2001). Aparte del beneficio en el
ingreso, las mujeres reportan una mayor autoestima, una mayor conciencia de
educación sanitaria y una menor carga del trabajo doméstico (Walker et al., 2001).
Kathiwada & Silva (2015) estudian los efectos en el empleo en turismo en Namibia
según la diferencia por género. Los autores encuentran que el turismo en las áreas
protegidas brinda mayores ingresos al generar un mayor empleo de ventas de
artesanías, así como por los beneficios de las empresas turísticas. En particular, las
familias con jefes de hogar masculino se encuentran en una mejor posición económica
y no hay diferencia significativa entre los hombres con empleo turístico y los que no lo
tienen. En cambio, en el caso de los hogares encabezados por mujeres hay diferencia
entre las mujeres con empleo turístico y las que no lo tienen, las primeras están mejor
económicamente y al mismo nivel que los hogares encabezados por hombres.
Finalmente, diversos estudios resaltan la importancia de incorporar el enfoque de
género en la conservación de áreas naturales. La literatura sobre género y conservación
sostiene que las políticas de género en ANPs pueden generar una conservación
socialmente más justa (Ogra y Badola, 2008), una distribución más equitativa tanto de
10
los beneficios y costos (Martino, 2008) y una conservación más efectiva (Westermann
et al, 2005; Agarwal, 2009). Westermann et al. (2005) concentra su estudio en el capital
social ejemplificado en grupos para la gestión de recursos naturales en 20 países de
Asia, África y Latinoamérica. En este caso, se encontró diferencias por género en la
madurez del grupo y el nivel de éxito alcanzado, así como también, en experiencia de
colaboración y manejo de conflictos. Además, en promedio, se encontró que la
colaboración, solidaridad y resolución de conflicto aumentó cuando las mujeres son
parte del equipo. En general, son pocas las investigaciones que vinculen ANPs y género.
La conclusión de estas es que, cuando hay actividades vinculadas a turismo, los
indicadores diversos de bienestar mejoran en las mujeres. Sin embargo, amplia
evidencia muestra que en general la desigualdad de género en las relaciones socio
económicas y culturales coloca a las mujeres en situación de vulnerabilidad. Si bien para
nuestro caso las ANP no son pensadas como fines de turismo, empíricamente
exploraremos si hay algún patrón diferenciado en indicadores de bienestar de hogares
manejados por hombres y mujeres.
11
3. Áreas Naturales Protegidas y Deforestación
Conocemos la historia de las áreas naturales protegidas gracias a la notable obra de
Marc J. Dourojeanni, actor clave en la historia peruana de la conservación, en particular
ver Dourojeanni (2009) y (2018). Es en base a sus escritos que elaboramos la cronología
de la conservación del Cuadro 1.
Cuadro 1. Cronología: Áreas Naturales Protegidas, Antecedentes e Instituciones Estatales Asociadas (preliminar)
1909 Compañía Administradora del Guano, primer caso de construcción de aparato estatal para lo que años después llamaremos extracción sustentable y conservación (antecedente de la Reserva Nacional de Paracas y la Reserva Nacional Sistema de Islas, Islotes y Puntas Guaneras)
1933 70 hectáreas de plantaciones forestales en Lachay (antecedente de la Reserva Nacional de Lachay)
1940 Reserva de pesca en el río Pacaya 1949 Bosque Nacional de Tumbes 1961 Parque Nacional de Cutervo, primer “parque nacional” 1963 Primera ley forestal, Decreto Ley N° 14552 1965 Parque Nacional Tingo María, segundo en la historia de la conservación 1968 Zona Reservada del Manu, primera área natural protegida en la historia de la
Amazonía, convertida en parque nacional en 1973. 1975 Ley Forestal y de Fauna Silvestre, Decreto Ley N° 21147 1979 Instituto de Investigaciones de la Amazonía Peruana (IIAP) 1981 Instituto Nacional Forestal y de Fauna (INFOR), cerrado en 1990 1992 Dirección General de Áreas Naturales Protegidas 1992 Fondo Nacional para las Áreas Naturales Protegidas por el Estado
(PROFONANPE), institución privada sin fines de lucro para promover el financiamiento de la conservación.
1997 Ley del Sistema Nacional de Áreas Naturales Protegidas, crea el Sistema Nacional de Áreas Protegidas (SINANPE), Ley N° 26834
2000 Ley Forestal. Crea el Organismo de Supervisión de los Recursos Forestales (OSINFOR) y el Fondo de Promoción del Desarrollo Forestal (FONDEBOSQUE), Ley N° 27308.
2005 Ley General del Ambiente, Ley N° 28611 2008 Ministerio del Ambiente y Servicio Nacional de Áreas Protegidas por el Estado
(SERNANP), Decreto Legislativo N° 1013
Fuente: Dourojeanni (2009) y (2018)
Las ANPs tuvieron una notable expansión desde la década de 1970, bajo el liderazgo
de los expertos forestales de la Universidad Nacional Agraria La Molina (Dourojeanni
2009, Orihuela 2018). Un punto de inflexión fue la creación del Parque Nacional del
Manu, en 1973, el primero en la Amazonía (Orihuela 2017, Rodríguez 2018). Cincuenta
años después, las ANPs representan casi un 25% del territorio amazónico.
En el Mapa 1 se muestran las 76 ANP (azul) y sus respectivas zonas de
amortiguamiento (rojo). Las áreas más extensas se encuentran en la Amazonía
peruana, en particular Madre de Dios, donde la mayoría del territorio se encuentra bajo
una de estas áreas (Orihuela 2017). Nuestro estudio se concentra en aquellas áreas
creadas antes del año 2001, listadas en la Tabla 2. De las 12 ANP seleccionadas,
excluimos “Tingo María” por tener una extensión significativamente menor a las otras
(47 kilómetros cuadrados).
Las ANP analizadas son de 6 tipos: Bosques de Protección, Parque Nacional, Reserva
Comunal, Reserva Nacional, Santuario y Zona Reservada. Estos tipos de ANP se
12
distinguen por su objetivo, especificado en la Ley N° 26834 (resaltado y subrayado
propio):
- Bosque de protección: áreas boscosas que tienen el objetivo de proteger los
diversos tipos de cursos de agua (cuenca, ribera y otros) y las tierras frágiles.
En estas áreas se permite el desarrollo de actividades que no coloquen en
peligro la cobertura vegetal.
- Parque nacional: áreas que forman muestras de la diversidad natural, donde se
protege con carácter intangible la integridad ecológica de uno o más
ecosistemas, las relaciones de flora y fauna, así como de otras características
que se representen.
- Reserva comunal: áreas que protegen los recursos de flora y fauna en
beneficio de las poblaciones aledañas. El uso y la comercialización de los
recursos se lleva a cabo bajo planes de manejo establecidos. Principalmente,
estas áreas pueden ser establecidas en suelos con capacidad agrícola,
agropecuaria, entre otros.
- Reserva nacional: áreas que cuentan con la finalidad de conservar la
diversidad biológica y el uso sostenible de los recursos de flora y fauna. En
estas áreas se permite el aprovechamiento comercial bajo ciertos planes de
manejo definidos y supervisados por la autoridad a cargo.
- Santuario nacional: áreas que protegen el hábitat de una especie en particular
o comunidades de flora y fauna con carácter intangible, además de áreas
naturales de interés científico.
- Zonas reservadas: áreas con condiciones para ser identificadas como ANP; sin
embargo, es necesario realizar estudios complementarios para determina el
tipo y extensión de la ANP.
13
MAPA 1: Áreas Naturales Protegidas y Zonas de Amortiguamiento
14
Figura 1. Pérdida de la superficie de bosques (hectáreas)
Fuente: MINAM
Tabla 2: Características de ANPs estudiadas
ANP Extensión
(ha) Año de
creación Tipo de reserva Departamento
Tabaconas - Namballe
32 124.87 1988 Santuario Nacional Cajamarca
Tambopata 274 690.00 1972 Reserva nacional Madre de Dios
Bahuaja 1 091 416.00 1996 Parque Nacional Madre de Dios y Puno
Yanachanga 122 000.00 1986 Parque Nacional Pasco
Manu 1 716 295.22 1973 Parque Nacional Cusco y Madre de
Dios
Pacaya 2 080 000.00 1972 Reserva Nacional Loreto
Santiago - Comaina 398 449.44 1999 Zonas reservadas Amazonas y Loreto
del Rio Abiseo 274 520.00 1983 Parque nacional San Martín
Tingo María* 4 777.00 1961 Parque nacional Huánuco
Yanesha 34 744.70 1988 Reserva comunal Pasco
Alto Mayo 182 000.00 1987 Bosques de protección
San Martín
San Matías-Carlos 145 818.00 1987 Bosques de protección
Pasco
Fuente: SERNANP
83,99579,830
72,872
93,144
147,621
74,499
106,185
105,702
152,158
136,201
123,562
149,470150,279
177,566
156,462
164,662
0
20,000
40,000
60,000
80,000
100,000
120,000
140,000
160,000
180,000
200,000
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
15
4. Metodología
4.1. Estrategia de identificación
Es interés de esta investigación evaluar el impacto de las ANP y sus ZA sobre la
deforestación y características socioeconómicas. La conformación de estas áreas no
responde a un patrón aleatorio, por lo que la evaluación de su impacto va más allá de
la simple comparación entre territorios dentro y fuera de las ANP. En los estudios previos
de Díaz y Miranda (2012) y Miranda et al (2016) se utiliza una técnica de emparejamiento
para la evaluación. Este método recae en el supuesto de independencia condicional,
que refiere a que la asignación a un tratamiento -en nuestro caso estar dentro de una
ANP- es una variable “independiente” cuando se condiciona a un conjunto de variables
de control. Es decir, sobre la base de características observables, se puede replicar el
proceso de asignación a una ANP. Sin embargo, el supuesto es muy fuerte, no puede
ser evaluado y supone la inexistencia de alguna característica no observable que se
correlacione con la asignación al tratamiento.
Dentro de la literatura de evaluación de impacto no experimental, se conocen diversos
tipos de métodos, siendo el del diseño de regresión discontinua aquel que, bajo
supuestos débiles, ofrece relaciones de causalidad comparables a un experimento
aleatorio (Lee 2008, Lee y Lemieux 2010, Angrist y Pichke 2011). Las ANP generan una
discontinuidad en el sentido que aquellos pedazos de territorio dentro de estas áreas se
encuentran bajo la tutela de estas, y por lo tanto con prohibición de desarrollo de
actividades que podrían generar deforestación, mientras que aquellas zonas fuera de la
frontera no. A pesar de esta discontinuidad, es esperable que aquellas zonas cerca del
punto de discontinuidad sean muy parecidas y la única diferencia sea el estar a un lado
u otro de la frontera (Hahn et al, 2001). Este es el único supuesto del método, que es
contrastable mediante un cuadro de comparación de medias (Lee y Lemieux 2010).
Como puede notarse en el Mapa 1, la mayoría de ANP posee zonas de
amortiguamiento, que son buffers establecidos legalmente a una distancia variable de
cada una de las áreas. El objetivo de estas zonas es amortiguar sobre las ANP algunos
efectos de actividades económicas que puedan fomentar un peligro a la conservación
ecológica. La existencia de estas zonas complejiza la evaluación, pues no nos
encontramos en una situación dicotómica de tratamiento/control, sino tres categorías.
Como los objetivos de las ZA son diferentes a los de las ANP, deben tratarse
particularmente, y no como un apéndice o parte de las ANP.
Ante este escenario, en nuestro estudio tenemos tres grupos de áreas geográficas
mostradas en el Mapa 2a: (i) áreas dentro de una ANP (color azul); (ii) áreas dentro de
una ZA (color rojo); y (iii) áreas fuera de las dos primeras (color blanco). Al ser
“tratamientos” diferentes las ANP y ZA, para medir el impacto de las primeras
compararemos (i) con (ii), y para medir el impacto de las segundas, compararemos (ii)
con (iii). En las dos comparaciones, no se utilizarán todos los espacios geográficos, sino
aquellos a una distancia ‘d’ de cada uno de los bordes. Por ejemplo, en el Mapa 2b se
muestra cuáles espacios geográficos se utilizarían para evaluar el efecto de las ANP
(buffer celeste) y ZA (buffer rosado), considerando un ancho de banda de 3 kilómetros
-3 kilómetros de distancia de cada borde-.
16
Mapa 2a: Tratamientos: ANP y ZA
17
Mapa 2b: Áreas utilizadas para comparación (Bandwidht: 3 km)
18
La comparación explota la discontinuidad geográfica creada por estas áreas: dentro y
fuera. Existen dos enfoques para explorar esta discontinuidad: (i) por un lado, la
discontinuidad puede entenderse en dos dimensiones (latitud y longitud), necesitando
incorporar polinomios en estas variables que den cuenta de cambios alrededor de la
frontera (Dell 2010, Keele y Titiunik 2015, Keele et al 2017); (ii) por otro lado, puede
entenderse como una discontinuidad en una dimensión (la distancia al borde), tal como
Burgess et al (2018) realizan. La dificultad de seguir el primer enfoque radica en la
imposibilidad de pensar un ancho de banda en las dos dimensiones, a diferencia del
caso de distancia (el ancho de banda serían los kilómetros dentro/fuera de la frontera).
Seguimos a Burgess et al (2018) y consideramos para nuestra especificación principal
la distancia al borde de la ANP o ZA (la literatura llama a esta variable que genera
discontinuidad running variable). Adicionalmente, se presentarán los resultados
utilizando la discontinuidad en latitud y longitud. Las especificaciones econométricas
deben incorporar polinomios de la variable que genera la discontinuidad, pues capturan
las variaciones alrededor del borde. Siguiendo a Gelmans e Imbens (2018), utilizamos
polinomios de bajo orden (de orden 1 a 3, centrándonos en el primero), los cuales son
diferentes para cada lado de la frontera (permitiendo una pendiente diferente en cada
grupo).
Formalmente, las ecuaciones a estimar son:
(𝑖) 𝑦𝑖𝑎 = 𝛽𝐴𝑁𝑃𝐴𝑁𝑃𝑖 + 𝑋𝑖Β + 𝑓(𝑑𝑖𝑠𝑡)𝜌 + 𝛾𝑎 + 𝜖𝑖𝑎
(𝑖𝑖) 𝑦𝑖𝑎 = 𝛽𝑍𝐴𝑍𝐴𝑖 + 𝑋𝑖Β + 𝑓(𝑑𝑖𝑠𝑡)𝜌 + 𝛾𝑎 + 𝜖𝑖𝑎
Donde ‘y’ es la variable dependiente de la observación ‘i’, ubicada en la cercanía de la
ANP ‘a’’. ANP y ZA es una variable dummy que toma el valor de 1 si la observación ‘i’
se encuentra al interior de una ANP y ZA, respectivamente; 𝛽 es el parámetro de interés,
que refleja el impacto causal de las ANP y ZA; X es un set de variables de control de
cada observación; 𝛾𝑎 es un efecto fijo que indica a qué borde de ANP/ZA la observación
‘i’ está más cerca y permite capturar cualquier característica no observable de cada
ANP/ZA; f(dist) es un polinomio de orden 𝜌, que puede ser de la variable distancia a
ANP/ZA o latitud-longitud3. Los errores estándar son agrupados según celdas de 10
kilómetros cuadrados4, para considerar algún tipo de correlación espacial (Dell 2010,
Hsiang 2016, Burgess et al 2018)
Las estimaciones son realizadas en diferentes radios de distancia a los bordes
respectivos. En los casos en los que se presenta discontinuidad en una sola variable,
es usual calcular un ancho de banda óptimo, siendo los más conocidos los propuestos
por Calonico et al (2014) e Imbens y Kalyanaraman (2012). Según especificación e
inclusión de variables de control, los anchos de banda óptimos varían entre los 1 y 10
kilómetros para las variables de deforestación, y entre 1 y 5 para las variables de
bienestar. Utilizaremos anchos de banda para 1, 3, 5, 7 y 10 kilómetros (deforestación)
y 1, 3 y 5 (bienestar).
3 Para este caso, seguimos a Dell (2010) y estandarizamos los valores de latitud y longitud restándoles el promedio de cada una de las medidas. 4 Se prefiere estos bloques de 10 km2 en vez de distritos debido a la gran heterogeneidad en superficie de los distritos en la Amazonía. Hsiang (2016) sugiere que el agrupamiento de errores estándar y aquellos siguiendo a Conley (1999) ofrecen los mismos resultados. Preferimos agrupar debido a la dificultad computacional del segundo.
19
Las ANP analizadas son de 6 tipos: Bosques de Protección, Parque Nacional, Reserva
Comunal, Reserva Nacional, Santuario y Zona Reservada. El efecto fijo a nivel de ANP
controlaría cualquier particularidad de cada una de estas, más no permitiría analizar
efectos heterogéneos. Para este caso, analizaremos cómo varían los resultados por tipo
de ANP y para cada una de estas.
4.2. Datos
El trabajo de datos para el análisis de deforestación consiste en convertir información
geográfica en base de datos a ser utilizadas para un análisis estadístico. Este proceso
es realizado con el uso de Sistemas de Información Geográfica (SIG), en particular
ArcGIS. Si bien la información de deforestación está disponible para cada 30 metros
cuadrados, la unidad de observación es la celda de 1 kilómetro cuadrado por fines
computacionales y para permitir la unión con otra información geográfica.
Las celdas se ubican en torno a una zona de influencia de 11 ANP creadas antes del
año 2001. Nos enfocamos en este subconjunto de áreas porque la información
disponible mide la deforestación acumulada entre los años 2001 y 2016, y se requeriría
que todas estas áreas se encuentren bajo tutela nacional durante el período de análisis.
El Mapa 3 muestra las ANP seleccionadas para nuestro estudio. Excluimos la ANP
Tingo María por ser significativamente más pequeña que las otras (Tabla 2). Por otro
lado, algunas ANP se encuentran contiguas, por lo que eliminamos el borde interior de
estas, y asignamos a cada celda la distancia a la ANP /ZA más cercana. En esta
situación se encuentran cinco ANP agrupadas en dos: (i) Tambopata y Bahuaja; (ii)
Yanesha, Yanachanga y San Matías – San Carlos.
20
Mapa 3: ANP estudiadas
21
Utilizamos dos medidas de deforestación: (i) una variable dummy si alguna parte de la
celda ha sido deforestada; (ii) el número de hectáreas deforestadas por cada kilómetro
cuadrado. La información de deforestación acumulada es provista por el Ministerio del
Ambiente en un formato ráster a una resolución de 30 metros cuadrados. Agregamos el
número de píxeles de 30 metros cuadrados deforestados dentro de cada celda de 1
kilómetro cuadrado, y con esta medida creamos nuestro indicador principal. Cabe indicar
que el segundo indicador creado considera (descuenta) zonas que de por sí no eran
bosque antes del 2000 (hidrografía, ciudades, área no analizada). En el Mapa 4
mostramos las mediciones de deforestación en el período 2001-2016 para la Amazonía
peruana-. La mayoría del territorio es un bosque (color verde), y existen zonas de
amarillo que antes del período de observación ya eran consideradas como zonas de no
bosque (como ciudades o zonas deforestadas previamente). Aquellas áreas de color
negro son aquellas que, siendo bosque el año 2000, dejaron de serlo entre 2001 y 2016,
siendo estas las áreas deforestadas. En el Mapa 5 podemos observar un ejemplo de las
mediciones de deforestación alrededor de tres ANP contiguas (Yanachanga, Yanesha
y San Matías – San Carlos).
22
MAPA 4: Deforestación 2001-2016 en la Amazonía
Leyenda
Límite Departamental
No monitoreado
No bosque (2000)
Bosque (2016)
Hidrografía
Pérdida (2001-2016)
23
MAPA 5: Deforestación alrededor de las ANP Yanachanga, Yanesha y San Matías – San
Carlos
Leyenda
Área Natural Protegida
Zona de Amortiguamiento
No monitoreado
No bosque (2000)
Bosque (2016)
Hidrografía
Pérdida (2001-2016)
24
Adicionalmente, para cada celda se calculan algunas otras características como la
altitud, pendiente, temperatura y precipitación promedio. Del mismo modo se obtienen
características sobre carreteras, concesiones mineras, concesiones forestales,
comunidades nativas, centros poblados y ríos y quebradas dentro de cada celda y a una
distancia de estas. Se excluyen aquellas celdas que se encuentran dentro de una ANP
o ZA creada después del año 2001, a fin de no confundir el efecto que atribuimos a las
áreas “antiguas”.
Algunas celdas se encuentran al medio de uno de los bordes, es decir, el borde cruza
la celda. Ante esta situación, se podría modificar estas celdas, de tal manera que se
corten cuando empiece el corte, como lo hace Shenoy (2018); sin embargo, al realizar
esto, las unidades de observación no serían las mismas (celda de 1km2). Lo que
hacemos es considerar como dentro de la ANP/ZA si el borde corta la celda. En la
sección 5.5 mostramos que esta decisión no afecta los resultados al implementar una
regresión discontinua tipo donut (Barreca et al 2011, Almond et al 2010), en la cual
excluimos aquellas observaciones que se encuentren “muy cerca” del borde (a ambos
lados).
Por otro lado, los indicadores socioeconómicos utilizados son el ingreso y gasto real, así
como la pobreza monetaria a nivel de hogar de la Encuesta Nacional de Hogares para
el período 2007-2016, que se encuentra georreferenciada a nivel de centro poblado. El
ingreso y gasto real son obtenidos al dividir el ingreso/gasto entre la línea de pobreza
(Aragón y Rud 2013). La Tabla 3 resume las variables creadas y la fuente de
información:
25
Tabla 3: Variables creadas y fuente de información
Variable Fuente Formato Definición
Variables geográficas
Deforestación MINAM Ráster Información a nivel de cuadro de 30 m2. Se transforma a: (i) algún cuadro deforestado por cada km2; (ii) hectáreas deforestadas por cada km2
Áreas Naturales Protegidas y Zonas de Amortiguamiento
MINAM Shapefile Variables dummy si la celda se encuentra en una ANP o ZA
Presencia de carreteras MTC Shapefile Variable dummy si la celda contiene una carretera o esta se encuentra a 3 kilómetros
Presencia de ríos y quebradas
IGN Shapefile Variable dummy si la celda contiene un río o este se encuentra a 3 kilómetros
Presencia de centro poblado
INEI Shapefile Variable dummy si la celda contiene un centro poblado este se encuentra a 3 kilómetros
Presencia de concesiones mineras
Ingemmet Shapefile Variable dummy si la celda contiene una concesión minera o esta se encuentra a 3 kilómetros
Altitud SRTM - NASA Imagen tipo ráster Altitud promedio de cada celda
Pendiente SRTM – NASA Imagen tipo ráster Pendiente promedio de cada celda
Temperatura Worldclim Imagen tipo ráster Temperatura promedio de cada celda
Precipitación Worldclim Imagen tipo ráster Precipitación promedio de cada celda (mm)
Presencia de comunidades nativas
IBC Shapefile Variable dummy si la celda contiene una comunidad nativa o esta se encuentra a 3 kilómetros
Variables socioeconómicas
Ingreso/Gasto Real INEI - ENAHO Ingreso/Gasto mensual per-cápita dividido entre la línea de pobreza
Pobreza INEI - ENAHO Variable dummy si el hogar se encuentra en condición de pobreza o pobreza extrema
Fuentes: Ministerio del Ambiente (Minam), Ministerio de Transportes y Comunicaciones (MTC), Instituto Geofísico del Perú (IGP), Instituto Nacional de Estadística e Información (INEI), Instituto Geológico, Metalúrgico y Minero (INGEMMET), Ministerio de Energía y Minas (MINEM), Base de Datos de Pueblos Indígenas (BDPI), Shuttle Radar Topography Mission (SRTM),Instituto del Bien Común (IBC).
26
5. Resultados
5.1. Análisis descriptivo
En el Gráfico 1 mostramos visualmente una primera aproximación del método a utilizar.
En el eje vertical se muestra la deforestación medida como el número de hectáreas por
kilómetro cuadrado, y en el eje horizontal la distancia al borde de la ANP y ZA. El gráfico
es realizado para 50 puntos de igual distancia a cada lado del borde. Para el gráfico
superior, es claro ver un “salto” en la deforestación al pasar el borde de las ANP,
mientras que para el gráfico inferior no hay gran diferencia alrededor del borde, aunque
la deforestación se reduce a medida que se adentra en el límite de la ZA. En principio,
este gráfico nos brinda la intuición que en las ANP hay una menor tasa de deforestación
que en las ZA.
Gráfico 1: Deforestación alrededor de la frontera de ANP (arriba) y ZA (abajo)
El supuesto necesario para la validez del RDD es que no existan “saltos” o
discontinuidad en algunas variables que no tendrían por qué ser afectadas por las ANPs.
De esta manera, también nos aseguraremos que las observaciones cercanas y fuera de
los bordes sean buenos contra-factuales o grupos de control (Lee y Lemieux 2010). Para
aproximarnos al cumplimiento de este supuesto, aplicamos la especificación principal
para las variables de control geográficas utilizadas.
La Tabla 4a presenta el resultado que compara ANP y ZA según la cercanía al borde de
las primeras. Al considerar un ancho de banda de 1 y 3 kilómetros no hay diferencias
significativas; al considerar 5 kilómetros en adelante, la pendiente y precipitación son
estadísticamente diferentes, pero con una magnitud mínima respecto a los promedios
27
mostrados en las últimas filas de cada panel. El balance en las variables geográficas
nos sugiere la viabilidad del método elegido.
La Tabla 4b presenta el resultado que compara ZA y áreas fuera de estas según la
cercanía al borde de las primeras. Se encuentra diferencias significativas en las
variables geográficas, aunque con magnitudes no considerables, a excepción de la
altitud, que llega hasta 70 metros de diferencia. El no balance claro en esta segunda
comparación justifica la incorporación de las variables de control, pero requiere ser
cuidadosos con los resultados (Frolich y Huber 2017, Lee y Lemieux 2010).
28
Tabla 4a: Balance de covariables alrededor de la frontera de las ANP
VARIABLE Pendiente Temperatura Precipitación Altitud Carretera
Nac Carretera
Dep. Minas C. Nativas C. Poblado Rio C. Forestal
BW = 1 kilometer
ANP -0.122 -0.003 -1.539 4.510 -0.010 -0.000 -0.009 -0.024 0.002 0.031 0.002
(0.249) (0.092) (1.711) (20.246) (0.011) (0.010) (0.009) (0.017) (0.018) (0.022) (0.014)
Promedio Dentro Borde 8.182 22.61 183.3 795.7 0.122 0.0596 0.0816 0.377 0.157 0.293 0.137
Fuera Borde 7.433 22.93 185.8 738.7 0.139 0.0741 0.107 0.413 0.213 0.296 0.165
BW = 3 kilometer
ANP 0.252 0.060 -2.138 -6.137 -0.005 0.001 -0.013 -0.013 -0.029*** 0.002 -0.008
(0.186) (0.063) (1.347) (13.774) (0.005) (0.008) (0.008) (0.010) (0.011) (0.013) (0.009)
Promedio Dentro Borde 8.370 22.57 182.6 794 0.111 0.0454 0.0570 0.332 0.115 0.267 0.120
Fuera Borde 7.547 22.84 183.7 761 0.152 0.0924 0.125 0.395 0.217 0.329 0.168
BW = 5 kilometer
ANP 0.490** -0.007 -3.272** 7.442 -0.011 0.009 -0.019* 0.013 -0.054*** -0.019 -0.007
(0.241) (0.078) (1.584) (17.682) (0.007) (0.011) (0.011) (0.014) (0.014) (0.016) (0.011)
Promedio Dentro Borde 8.229 22.58 182.9 784.6 0.105 0.0374 0.0416 0.270 0.0868 0.264 0.0989
Fuera Borde 7.430 22.87 184.1 752.4 0.159 0.121 0.142 0.383 0.208 0.350 0.172
BW = 7 kilometer
ANP 0.639** -0.088 -4.072** 22.261 -0.022** 0.006 -0.041*** -0.003 -0.077*** -0.043** -0.010
(0.275) (0.093) (1.852) (20.900) (0.009) (0.013) (0.013) (0.017) (0.016) (0.020) (0.012)
Promedio Dentro Borde 8.045 22.66 184.2 761.7 0.0982 0.0348 0.0323 0.225 0.0702 0.271 0.0857
Fuera Borde 7.220 22.97 185.6 730.3 0.155 0.147 0.147 0.369 0.195 0.362 0.184
BW = 10 kilometer
ANP 0.790** -0.155 -5.000** 34.973 -0.028** -0.027* -0.069*** -0.054*** -0.097*** -0.080*** -0.011
(0.321) (0.112) (2.383) (25.033) (0.011) (0.016) (0.015) (0.020) (0.017) (0.025) (0.015)
Promedio Dentro Borde 7.754 22.78 186.4 731.4 0.0892 0.0343 0.0251 0.187 0.0566 0.292 0.0749
Fuera Borde 6.915 23.12 187.5 698.6 0.144 0.163 0.145 0.347 0.181 0.366 0.208
29
Tabla 4b: Balance de covariables alrededor de la frontera de las ZA
VARIABLE Pendiente Temperatura Precipitacion Altitud Carretera
Nac Carretera
Dep. Minas C. Nativas C. Poblado Rio C. Forestal
BW = 1 kilometer
ZA 0.657** -0.246** -3.545 70.600*** -0.043*** -0.090*** -0.075*** 0.002 -0.010 -0.094*** 0.004
(0.302) (0.103) (2.515) (22.499) (0.015) (0.022) (0.018) (0.024) (0.023) (0.024) (0.019)
Promedio Dentro Borde 7.843 22.77 182 761.3 0.185 0.167 0.188 0.382 0.240 0.367 0.184
Fuera Borde 6.914 23.28 182.7 649.7 0.230 0.216 0.262 0.385 0.241 0.434 0.206
BW = 3 kilometer
ZA 0.386 -0.252*** 0.795 64.363*** -0.040*** -0.071*** -0.070*** 0.009 -0.016 -0.079*** -0.006
(0.237) (0.083) (1.898) (17.701) (0.011) (0.015) (0.013) (0.017) (0.016) (0.018) (0.013)
Promedio Dentro Borde 7.369 22.97 184.7 726.5 0.190 0.163 0.181 0.355 0.218 0.369 0.206
Fuera Borde 7.342 23.01 178.8 719.1 0.239 0.195 0.282 0.370 0.231 0.438 0.217
BW = 5 kilometer
ZA 0.331 -0.245** 1.290 58.109*** -0.043*** -0.079*** -0.070*** 0.010 -0.016 -0.095*** -0.006
(0.258) (0.096) (2.054) (20.551) (0.014) (0.017) (0.015) (0.017) (0.018) (0.021) (0.015)
Promedio Dentro Borde 6.937 23.18 187.5 682.8 0.169 0.163 0.166 0.328 0.193 0.361 0.223
Fuera Borde 7.350 22.94 177.3 737.2 0.226 0.169 0.282 0.361 0.211 0.416 0.227
BW = 7 kilometer
ZA 0.258 -0.212* 3.426 44.169* -0.034** -0.061*** -0.072*** 0.018 -0.003 -0.090*** -0.016
(0.291) (0.113) (2.397) (24.133) (0.016) (0.020) (0.017) (0.019) (0.019) (0.023) (0.018)
Promedio Dentro Borde 6.844 23.26 187.9 669.5 0.153 0.151 0.154 0.308 0.178 0.360 0.242
Fuera Borde 7.277 22.93 176.8 740.7 0.217 0.142 0.276 0.357 0.201 0.404 0.239
BW = 10 kilometer
ZA 0.273 -0.199 6.119** 33.727 -0.030* -0.027 -0.075*** 0.024 0.012 -0.075*** -0.026
(0.315) (0.127) (2.669) (27.076) (0.016) (0.020) (0.018) (0.023) (0.019) (0.025) (0.021)
Promedio Dentro Borde 6.882 23.30 186.3 670.2 0.142 0.136 0.140 0.286 0.164 0.363 0.261
Fuera Borde 7.303 22.88 175.4 754 0.212 0.118 0.267 0.349 0.196 0.402 0.251
30
El Gráfico 2 muestra una visualización de los resultados alrededor de la frontera para
las variables de gasto real y pobreza, obtenidos de la Encuesta Nacional de Hogares.
Debido a la disponibilidad de información (muestra), sólo es posible realizar el ejercicio
para la frontera de las ZA. El gráfico sugiere que dentro de las ZA los hogares tienen
menor nivel de gasto y mayor probabilidad de encontrarse en una situación de pobreza.
Al interior de las ZA solo se tiene información para hogares hasta 10 kilómetros dentro.
Gráfico 2: Gasto real y Pobreza alrededor de la frontera de las ZA
5.2. Resultados: deforestación
Los Gráficos 1 y 2 sirven como motivación para la implementación del método de
regresión discontinua geográfica, pero no reemplazan el análisis de regresión que
permite interpretación según significancia estadística, bajo diferentes variaciones. Para
el siguiente análisis, la redacción se centrará en los resultados de la estimación que
incluye variables de control y el polinomio de menor orden (Gelman e Imbens 2018).
En la Tabla 5a se muestra los resultados del efecto de las ANP en la deforestación,
dividida en cinco paneles según diferentes anchos de banda (distancia a la frontera) y
tres grandes columnas según el orden del polinomio utilizado. Al utilizar un ancho de
banda de 1 kilómetro, no se encuentran resultados significativos, mientras que para las
siguientes distancias se aprecia que el estar dentro de una ANP: (i) reduce la
probabilidad de que un kilómetro cuadrado tenga algún espacio deforestado entre 7 y
12 %; y (ii) se reduce la deforestación entre 3 y 3.9 hectáreas por cada kilómetro
cuadrado. El resultado es robusto ante diferentes órdenes de polinomios, anchos de
31
banda y la inclusión del polinomio en latitud y longitud (Tabla 5b), y comprueba el
hallazgo de Díaz y Miranda (2012) y Miranda et al (2016) para Perú.
Si consideramos la discontinuidad como una bidimensional, los resultados son
cualitativamente los mismos que aquellos tras considerar la distancia al borde como
running variable. La probabilidad de deforestación se reduce entre 3 y 12 % por cada
kilómetro cuadrado dentro de una ANP y las hectáreas sin deforestar entre 2.8 y 3.8 por
cada kilómetro cuadrado. La Tabla 5b muestra los resultados en el mismo formato que
la Tabla 5a.
La efectividad de las ZA en reducir la deforestación queda menos clara. Las Tablas 6a
y 6b muestran los resultados con la misma presentación que las anteriores dos tablas.
Utilizando la distancia o la latitud y longitud, no se encuentra evidencia sobre la
reducción de la probabilidad de algún pedazo de bosque deforestado, y cierta evidencia
de reducción de alrededor de una hectárea por cada kilómetro de ZA. Por otro lado,
debe recordarse del acápite anterior que la comparación para el análisis de la efectividad
de las ZA no satisface indiscutiblemente los requerimientos para el uso de la
metodología empleada, siendo necesario tomar con cuidado los resultados obtenidos.
Si bien los resultados son de menor magnitud que el del análisis de las ANP, esto no
significa que las ZA no son efectivas o lo so poco, sino que más bien están cumpliendo
su rol de amortiguar o retener la deforestación, para que no lleguen a las ANP.
32
Tabla 5a: Efecto de las ANP sobre deforestación (2001-2016)
Polinomio Orden 1 Orden 2 Orden 3
Deforestación =1 =1 ha/km2 ha/km2 =1 =1 ha/km2 ha/km2 =1 =1 ha/km2 ha/km2
Bandwidht: 1 kilometer (N=5820)
ANP 0.047** 0.051** -1.268 -1.252* 0.028 0.040 -0.136 0.095 0.032 0.040 1.704 1.910
(0.023) (0.022) (0.772) (0.744) (0.031) (0.031) (1.152) (1.099) (0.045) (0.043) (1.693) (1.623)
R2 0.131 0.186 0.155 0.183 0.131 0.186 0.155 0.183 0.131 0.186 0.156 0.184
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 3 kilometers (N=16499)
ANP -0.023 -0.013 -3.209*** -3.020*** 0.039** 0.046** -1.716** -1.679** 0.062** 0.072*** -0.675 -0.555
(0.017) (0.016) (0.533) (0.528) (0.020) (0.019) (0.693) (0.681) (0.025) (0.025) (0.897) (0.876)
R2 0.149 0.196 0.123 0.154 0.150 0.198 0.125 0.156 0.150 0.198 0.125 0.157
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 5 kilometers (N=25387)
ANP -0.092*** -0.078*** -4.276*** -3.890*** 0.002 0.011 -2.706*** -2.588*** 0.054** 0.065*** -1.591** -1.526**
(0.017) (0.016) (0.529) (0.512) (0.018) (0.018) (0.582) (0.578) (0.021) (0.021) (0.744) (0.729)
R2 0.135 0.190 0.116 0.159 0.139 0.194 0.120 0.162 0.140 0.195 0.121 0.163
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 7 kilometers (N=32702)
ANP -0.123*** -0.099*** -4.517*** -3.849*** -0.041** -0.032* -3.633*** -3.443*** 0.024 0.033* -2.247*** -2.137***
(0.018) (0.017) (0.527) (0.505) (0.018) (0.018) (0.574) (0.563) (0.019) (0.019) (0.640) (0.632)
R2 0.129 0.190 0.115 0.167 0.132 0.194 0.119 0.171 0.134 0.195 0.121 0.173
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 10 kilometers (N=41530)
ANP -0.160*** -0.123*** -4.811*** -3.887*** -0.077*** -0.062*** -4.141*** -3.740*** -0.018 -0.009 -3.166*** -3.045***
(0.019) (0.018) (0.531) (0.494) (0.019) (0.018) (0.571) (0.553) (0.019) (0.018) (0.607) (0.597)
R2 0.120 0.184 0.110 0.169 0.124 0.187 0.114 0.172 0.126 0.189 0.116 0.174
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Nota: * 90% ** 95 % *** 99% confianza. Todas las regresiones incluyen efectos fijos a nivel de ANP y errores estándar agrupados a nivel de celdas de 10 km2. Las regresiones con variables de control incluyen: cercanía a carreteras, ríos, concesiones mineras, centros poblados, comunidades nativas y concesiones forestales, altitud, pendiente, temperatura, precipitaciones.
33
Tabla 5b: Efecto de las ANP sobre deforestación (2001-2016)
Polinomio Orden 1 Orden 2 Orden 3
Deforestación =1 =1 ha/km2 ha/km2 =1 =1 ha/km2 ha/km2 =1 =1 ha/km2 ha/km2
Bandwidht: 1 kilometer (N=5820)
ANP -0.045*** -0.033*** -3.157*** -2.825*** -0.153*** -0.141*** -5.957*** -5.298*** -0.152*** -0.127*** -6.271*** -5.373***
(0.013) (0.013) (0.457) (0.446) (0.039) (0.039) (1.570) (1.554) (0.047) (0.044) (1.519) (1.426)
R2 0.162 0.204 0.159 0.184 0.196 0.229 0.179 0.200 0.227 0.268 0.182 0.206
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 3 kilometers (N=16499)
ANP -0.139*** -0.119*** -4.479*** -3.869*** -0.184*** -0.167*** -5.014*** -4.200*** -0.172*** -0.164*** -5.568*** -4.689***
(0.014) (0.014) (0.446) (0.426) (0.044) (0.042) (1.176) (1.057) (0.049) (0.045) (1.393) (1.258)
R2 0.162 0.197 0.121 0.150 0.199 0.225 0.136 0.165 0.214 0.244 0.137 0.167
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 5 kilometers (N=25387)
ANP -0.155*** -0.123*** -4.361*** -3.551*** -0.173*** -0.156*** -4.789*** -4.021*** -0.155*** -0.156*** -4.754*** -4.028***
(0.016) (0.015) (0.414) (0.382) (0.047) (0.043) (1.030) (0.908) (0.048) (0.044) (1.197) (1.085)
R2 0.149 0.195 0.111 0.153 0.190 0.222 0.123 0.166 0.202 0.237 0.124 0.168
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 7 kilometers (N=32702)
ANP -0.164*** -0.125*** -4.347*** -3.329*** -0.160*** -0.143*** -4.493*** -3.645*** -0.141*** -0.144*** -4.320*** -3.598***
(0.016) (0.015) (0.397) (0.352) (0.047) (0.043) (0.946) (0.833) (0.047) (0.044) (1.095) (0.991)
R2 0.143 0.197 0.111 0.165 0.184 0.222 0.122 0.177 0.195 0.237 0.124 0.179
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 10 kilometers (N=41530)
ANP -0.162*** -0.121*** -4.205*** -3.155*** -0.140*** -0.118*** -4.158*** -3.289*** -0.114** -0.113*** -3.776*** -3.132***
(0.016) (0.015) (0.373) (0.329) (0.047) (0.043) (0.870) (0.778) (0.045) (0.042) (0.983) (0.907)
R2 0.137 0.193 0.107 0.168 0.176 0.216 0.117 0.179 0.188 0.232 0.120 0.183
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Nota: * 90% ** 95 % *** 99% confianza. Todas las regresiones incluyen efectos fijos a nivel de ANP y errores estándar agrupados a nivel de celdas de 10 km2. Las regresiones con variables de control incluyen: cercanía a carreteras, ríos, concesiones mineras, centros poblados, comunidades nativas y concesiones forestales, altitud, pendiente, temperatura, precipitaciones.
34
Tabla 6a: Efecto de las ZA sobre deforestación (2001-2016)
Polinomio Orden 1 Orden 2 Orden 3
Deforestación =1 =1 ha/km2 ha/km2 =1 =1 ha/km2 ha/km2 =1 =1 ha/km2 ha/km2
Bandwidht: 1 kilometer (N=8503)
ANP -0.055** -0.034 -1.166 -0.512 -0.050 -0.042 -0.773 -0.495 -0.001 0.019 -0.365 0.234
(0.023) (0.021) (0.862) (0.797) (0.031) (0.029) (1.048) (0.932) (0.042) (0.038) (1.368) (1.206)
R2 0.125 0.209 0.098 0.231 0.125 0.209 0.098 0.231 0.126 0.210 0.098 0.231
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 3 kilometers (N=22263)
ANP -0.026 -0.008 -1.255** -0.562 -0.052** -0.032 -1.552** -0.804 -0.070*** -0.056** -1.248 -0.572
(0.018) (0.017) (0.627) (0.560) (0.021) (0.020) (0.760) (0.703) (0.025) (0.023) (0.907) (0.838)
R2 0.141 0.214 0.124 0.244 0.141 0.215 0.124 0.245 0.141 0.215 0.124 0.245
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 5 kilometers (N=32441)
ANP 0.004 0.019 -1.274** -0.602 -0.040** -0.018 -1.323* -0.458 -0.065*** -0.045** -1.783** -0.958
(0.018) (0.016) (0.625) (0.554) (0.020) (0.019) (0.682) (0.621) (0.022) (0.021) (0.801) (0.736)
R2 0.155 0.218 0.139 0.256 0.155 0.219 0.140 0.257 0.155 0.219 0.140 0.257
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 7 kilometers (N=40170)
ANP 0.022 0.032** -1.229* -0.723 -0.027 -0.005 -1.363** -0.394 -0.053** -0.030 -1.554** -0.562
(0.018) (0.016) (0.649) (0.577) (0.019) (0.018) (0.666) (0.595) (0.022) (0.021) (0.738) (0.675)
R2 0.167 0.226 0.150 0.264 0.168 0.227 0.150 0.265 0.168 0.227 0.151 0.266
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 10 kilometers (N=49632)
ANP 0.047** 0.052*** -0.959 -0.538 -0.011 0.007 -1.436** -0.622 -0.041** -0.016 -1.474** -0.330
(0.018) (0.017) (0.661) (0.574) (0.019) (0.018) (0.679) (0.609) (0.021) (0.019) (0.710) (0.637)
R2 0.184 0.240 0.161 0.275 0.185 0.240 0.162 0.275 0.185 0.241 0.162 0.276
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Nota: * 90% ** 95 % *** 99% confianza. Todas las regresiones incluyen efectos fijos a nivel de ANP y errores estándar agrupados a nivel de celdas de 10 km2. Las regresiones con variables de control incluyen: cercanía a carreteras, ríos, concesiones mineras, centros poblados, comunidades nativas y concesiones forestales, altitud, pendiente, temperatura, precipitaciones y efectos fijos a nivel de celdas de 10km2.
35
Tabla 6b: Efecto de las ZA sobre deforestación (2001-2016)
Polinomio Orden 1 Orden 2 Orden 3
Deforestación =1 =1 ha/km2 ha/km2 =1 =1 ha/km2 ha/km2 =1 =1 ha/km2 ha/km2
Bandwidht: 1 kilometer (N=8503)
ANP -0.019 -0.001 -1.386** -1.030** 0.053 0.042 -0.044 -0.098 -0.002 -0.012 -2.410 -2.481*
(0.015) (0.014) (0.539) (0.476) (0.045) (0.043) (1.469) (1.377) (0.043) (0.041) (1.577) (1.445)
R2 0.172 0.238 0.117 0.246 0.187 0.246 0.172 0.264 0.207 0.273 0.188 0.282
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 3 kilometers (N=22263)
ANP 0.014 0.027** -1.249** -1.001** 0.004 -0.017 -2.466** -2.605** -0.037 -0.050 -3.496** -3.549***
(0.014) (0.013) (0.513) (0.455) (0.043) (0.042) (1.251) (1.123) (0.042) (0.039) (1.420) (1.267)
R2 0.177 0.233 0.138 0.253 0.190 0.245 0.178 0.266 0.205 0.265 0.191 0.277
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 5 kilometers (N=32441)
ANP 0.018 0.029** -1.175** -1.008** -0.033 -0.056 -2.391* -2.601** -0.066 -0.087** -3.254** -3.560***
(0.014) (0.014) (0.510) (0.449) (0.044) (0.041) (1.223) (1.049) (0.043) (0.039) (1.383) (1.190)
R2 0.183 0.232 0.150 0.263 0.194 0.245 0.184 0.274 0.204 0.259 0.198 0.285
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 7 kilometers (N=40170)
ANP 0.023 0.033** -0.914* -0.770* -0.051 -0.070* -2.148* -2.343** -0.082** -0.103*** -2.873** -3.279***
(0.014) (0.013) (0.483) (0.419) (0.043) (0.040) (1.125) (0.935) (0.041) (0.037) (1.278) (1.073)
R2 0.191 0.239 0.158 0.270 0.200 0.251 0.187 0.280 0.209 0.263 0.201 0.290
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Bandwidht: 10 kilometers (N=49632)
ANP 0.027* 0.036*** -0.579 -0.528 -0.076* -0.089** -1.845* -2.059** -0.101** -0.121*** -2.524** -3.095***
(0.014) (0.013) (0.441) (0.377) (0.043) (0.039) (1.007) (0.815) (0.040) (0.036) (1.137) (0.938)
R2 0.200 0.247 0.166 0.278 0.208 0.257 0.192 0.285 0.216 0.267 0.206 0.296
CONTROLES NO SI NO SI NO SI NO SI NO SI NO SI
Nota: * 90% ** 95 % *** 99% confianza. Todas las regresiones incluyen efectos fijos a nivel de ANP y errores estándar agrupados a nivel de celdas de 10 km2. Las regresiones con variables de control incluyen: cercanía a carreteras, ríos, concesiones mineras, centros poblados, comunidades nativas y concesiones forestales, altitud, pendiente, temperatura, precipitaciones y efectos fijos a nivel de celdas de 10km2.
36
5.3. Resultados: Indicadores Socioeconómicos
El establecimiento de ANP y ZA limita algunas actividades económicas, por lo que sería
esperable que aquellos hogares que viven en estas áreas cuenten con menos recursos
económicos. Debido a la disponibilidad de información (observaciones) no será posible
analizar el efecto de las ANP y sólo nos concentraremos en las ZA.
El resultado descriptivo mostrado en los Gráficos 3 y 4 es realizado mediante pruebas
estadísticas mostradas en la Tabla 7, la cual presenta cuatro paneles (2 consideran
como running variable la distancia al borde y los otros 2 longitud y latitud). Al considerar
el polinomio en distancia, el resultado robusto encontrado es que los hogares dentro de
una ZA son más pobres que el hogar fuera, mientras que, si bien el signo en ingreso y
gasto son los esperados, no son estadísticamente significativos. La magnitud es
considerable, pues la probabilidad de ser pobre es mayor en alrededor de 30%. La no
significancia en los indicadores de ingreso/gasto, pero sí de pobreza podría deberse a
que ambos grupos tienen niveles similares de ingresos/gastos alrededor de la línea de
pobreza, de tal manera que cualquier variación en el gasto/ingreso significa estar a un
lado u otro de la condición de pobreza.
37
Tabla 5: Efecto de las ZA sobre indicadores socioeconómicos (ENAHO)
Variable 1 kilómetro 3 kilómetros 5 kilómetros
Ingreso Real Gasto Real Pobre Ingreso Real Gasto Real Pobre Ingreso Real Gasto Real Pobre
Polinomio de distancia: Orden 1
ZA -0.160 -0.247 0.290*** -0.757 -0.595* 0.347*** -1.077** -0.796*** 0.407***
(0.527) (0.300) (0.068) (0.480) (0.307) (0.035) (0.437) (0.275) (0.032)
N 3,489 3,489 3,489 7,497 7,497 7,497 9,234 9,234 9,234
R2 0.190 0.303 0.273 0.159 0.354 0.284 0.163 0.352 0.275
Polinomio de distancia: Orden 2
ZA -0.901 -0.415 0.318*** -0.225 -0.227 0.294*** -0.532 -0.408 0.300***
(0.724) (0.344) (0.081) (0.493) (0.285) (0.056) (0.433) (0.267) (0.037)
N 3,489 3,489 3,489 7,497 7,497 7,497 9,234 9,234 9,234
R2 0.196 0.307 0.273 0.161 0.357 0.285 0.166 0.361 0.283
Polinomio de latitud y longitud: Orden 1
ZA -4.202 -2.126 0.668 -2.818 -1.171 0.639 -2.923* -1.194 0.462
(2.750) (1.475) (0.420) (1.831) (0.931) (0.421) (1.623) (0.821) (0.373)
N 3,489 3,489 3,489 7,497 7,497 7,497 9,234 9,234 9,234
R2 0.229 0.371 0.302 0.181 0.415 0.326 0.188 0.421 0.326
Polinomio de latitud y longitud: Orden 2
ZA -4.799 -2.453* 0.975** -2.779 -0.709 0.761 -2.679 -0.546 0.551
(3.429) (1.339) (0.410) (2.194) (1.128) (0.552) (1.953) (0.997) (0.521)
N 3,489 3,489 3,489 7,497 7,497 7,497 9,234 9,234 9,234
R2 0.234 0.379 0.314 0.184 0.421 0.340 0.190 0.425 0.336
Nota: * 10%, ** 5%, *** 1%. Todas las regresiones incluyen efectos fijos por ANP y controles por características socioeconómicas del jefe del hogar (sexo, nivel educativo, estado civil, edad). Los errores estándar son agrupados (clusterized) a un nivel de celdas de 10 km2, a fin de considerar algún tipo de correlación espacial.
38
Si bien el número de observaciones no permite realizar un análisis creíble según el sexo
de los jefes de hogar, evaluamos la heterogeneidad de los resultados encontrados
previamente interactuando la variable de tratamiento (dentro del borde) con el sexo del
jefe de hogar. De esta manera, mantenemos el mismo número de observaciones y
evaluamos una particularidad sensibilidad en los hogares manejados por mujeres. La
Tabla 8 sugiere que los hogares manejados por mujeres y viven dentro de una ZA no
tienen diferencias significativas que los manejados por varones.
39
Tabla 8: Efecto de las ZA sobre deforestación según sexo
Variable 1 kilómetro 3 kilómetros 5 kilómetros
Ingreso Real Gasto Real Pobre Ingreso Real Gasto Real Pobre Ingreso Real Gasto Real Pobre
Polinomio de distancia: Orden 1
ZA -0.164 -0.191 0.277*** -0.798* -0.568* 0.339*** -1.096** -0.761*** 0.406***
(0.546) (0.308) (0.067) (0.480) (0.303) (0.039) (0.430) (0.267) (0.035)
ZA x mujer 0.020 -0.301* 0.068* 0.199 -0.133 0.041 0.091 -0.168 0.005
(0.259) (0.160) (0.039) (0.164) (0.104) (0.038) (0.151) (0.102) (0.035)
Mujer 0.091 0.246** -0.094*** -0.382*** 0.110** -0.083*** -0.310*** 0.109*** -0.081***
(0.128) (0.113) (0.026) (0.127) (0.046) (0.017) (0.106) (0.036) (0.014)
N 3,489 3,489 3,489 7,497 7,497 7,497 9,234 9,234 9,234
R2 0.190 0.305 0.273 0.159 0.354 0.284 0.163 0.353 0.275
Polinomio de distancia: Orden 2
ZA -0.901 -0.359 0.305*** -0.271 -0.199 0.285*** -0.559 -0.377 0.299***
(0.748) (0.352) (0.079) (0.505) (0.286) (0.056) (0.434) (0.261) (0.037)
ZA x mujer 0.002 -0.309* 0.067* 0.213 -0.129 0.042 0.125 -0.144 0.001
(0.260) (0.160) (0.039) (0.154) (0.101) (0.039) (0.140) (0.099) (0.036)
Mujer 0.127 0.260** -0.094*** -0.398*** 0.101* -0.082*** -0.357*** 0.076** -0.073***
(0.132) (0.114) (0.027) (0.142) (0.053) (0.017) (0.107) (0.037) (0.014)
N 3,489 3,489 3,489 7,497 7,497 7,497 9,234 9,234 9,234
R2 0.196 0.308 0.274 0.161 0.357 0.285 0.166 0.362 0.283
Nota: * 10%, ** 5%, *** 1%. Todas las regresiones incluyen efectos fijos por ANP y controles por características socioeconómicas del jefe del hogar (sexo, nivel educativo, estado civil, edad). Los errores estándar son agrupados (clusterized) a un nivel de celdas de 10 km2, a fin de considerar algún tipo de correlación espacial.
40
5.4. Efectos heterogéneos
En la sección precedente mostramos evidencia que las ANP reducen la deforestación,
mientras que las ZA las hacen débilmente. Este resultado es creíble si realmente se da
una restricción a la actividad económica en esas áreas. Los menores niveles de
ingreso/gasto traducidos en una mayor tasa de pobreza en las ZA nos sugiere una
menor actividad dentro de esta zona. Estos hallazgos son para el conjunto de 11 ANP
evaluadas, las cuales representan seis tipos de ANP y ocho grupos según contigüidad.
En las Tablas 9 y 10 presentamos los resultados para deforestación según estas
categorías. Como algunas ANP o ZA son de una extensión pequeña, utilizamos anchos
de banda a partir de 3 kilómetros.
Los bosques de protección no tienen un efecto significativo en la deforestación más sí
sus ZA, reduciéndola. En este tipo de áreas, lo que sucede es que la ZA contiene la
deforestación de manera efectiva de tal manera que su interior está tan poco
deforestado como al interior de la ANP en sí (Ver los mapas de Alto Mayo y San Matías-
San Carlos). En particular, estar dentro de una ZA de un “Bosque de Protección” reduce
la deforestación en hasta 6 hectáreas por kilómetro cuadrado.
Aunque no de manera robusta y sólida, los “Parques Nacionales” reducen a
deforestación tanto si se evalúa el interior de la ANP como de su ZA. Las ANP del tipo
“Reservas Comunales” reduce la deforestación hasta en 3 hectáreas, más no sus ZA.
Las “Reservas Nacionales” reducen considerablemente la deforestación (hasta 6.7
hectáreas), pero el efecto es contrario en sus ZA, lo que sugiere que la deforestación se
da en las ZA más no en la ANP, aunque podría avanzar, encontrándose vulnerable. No
se encuentra evidencia significativa en los “Santuarios” ni en las “Zonas Reservadas”,
aunque sus ZA reducen la deforestación.
De manera más precisa, es posible evaluar cada una de las ANP individualmente, lo
cual permitiría una formulación de recomendaciones de política más enfocadas, así
como entender de manera más precisa los resultados. En las Tablas 10a y 10b
mostramos estos resultados para el efecto de estar dentro de la ANP y ZA,
respectivamente. En los Anexos mostramos los mapas de cada una de estas áreas.
Tabacona es un santuario nacional ubicado en Cajamarca. Nuestros resultados
sugieren cierta reducción de la deforestación dentro de esta ANP, mientras que no
habría efecto de su zona de amortiguamiento. El Mapa A1 del anexo nos ayuda a
comprender mejor estos resultados: la deforestación se concentra en la frontera de la
ZA sobrepasando el borde, por eso es que no encontramos algún efecto estadístico; en
cambio, más allá de la cercanía al borde, no se observa una generalizada deforestación,
por lo que alrededor del borde de la ANP hay tan poca deforestación como en la ZA
contigua al borde, aunque la deforestación es un poco mayor en la segunda zona al
considerar distancias de 3 y 5 kilómetros.
Tambopata es una reserva nacional en la que encontramos que la ANP reduce la
deforestación entre 4 y 8 hectáreas por kilómetro cuadrado, pero no habría efecto
significativo de sus ZA. El Mapa A2 es revelador y ayuda a la comprensión del resultado:
la deforestación se concentra en la ZA, habiendo tanta dentro como fuera de esta, pero
aún no llega a la ANP en sí, por eso es menor la deforestación dentro de esta. Bahuaja
es un parque nacional que se encuentra contiguo a Tambopata. En este parque
encontramos una situación similar a Tambopata: la ANP reduce la deforestación (entre
2 y 3.2 hectáreas) pero no hay efecto en la ZA.
41
Yanachanga, Yanesha y San Matías-San Carlos son parque nacional, reserva comunal
y bosque de protección, respectivamente, y se encuentran ubicados de manera
contigua, como se observa en el Mapa A3. Para Yanachanga, no encontramos efecto
significativo de la ANP ni la ZA: hay tanta deforestación dentro como fuera de estas
áreas, por lo que ser un parque nacional (la categoría más restrictiva) no estaría
marcando diferencia alguna. Por otro lado, para Yanesha, encontramos una reducción
de la deforestación (entre 2.7 y 3.2 hectáreas) dentro de esta área, pero no efecto en su
zona de amortiguamiento. En el mapa observamos que la mayor parte de su ZA ha sido
deforestada durante el período de análisis y que si bien áreas dentro de la ANP se
encuentran igual, por lo general no lo está. Finalmente, para San Matías-San Carlos
encontramos que la ANP no reduce la deforestación, pero su ZA sí. En este caso, si
bien hay áreas dentro de la ZA deforestadas (norte), la mayor parte no lo está. Alrededor
del borde de la ANP, la mayor parte se encuentra sin deforestar, por lo que estar dentro
del área no marcaría gran diferencia.
Manu es un parque nacional en el que no encontramos efecto como ANP, pero sí una
reducción en su ZA (entre 1.9 y 2.8 hectáreas). En el mapa A4 se nota sobre todo en la
zona sur de la ZA que hay más deforestación fuera de esta zona que dentro, más no
diferencias notorias alrededor del borde de la ANP. Por otro lado, Comaina, zona
reservada, tiene un comportamiento similar: no efecto de ANP, pero sí de ZA (entre 1.44
y 4 hectáreas).
Pacaya es un caso particular, pues si bien la deforestación es menor dentro de la ANP,
la es mayor dentro de su ZA. Estar dentro de Pacaya reduce la deforestación entre (5.2
y 6.5 hectáreas), pero estar dentro de su ZA la eleva entre (3.28 y 5.6 hectáreas). El
Mapa A5 muestra que en el noreste y oeste-central de la ZA se notan espacios
deforestados, mientras que en general no se puede notar estos dentro de la ANP.
Finalmente, en Altomayo y Río Abiseo -bosque de protección y parque nacional,
respectivamente- no encontramos efecto significativo de sus ANP y ZA. El análisis
gráfico de los Mapas A7 y A8 muestra que hay gran deforestación alrededor de la
frontera de las ZA de Altomayo y Río Abiseo, en particular en la parte este. Cas similar
ocurre en el norte de la ANP Altomayo, mientras que no se observa algún patrón
particular dentro de la ANP Rio Abiseo.
Este análisis por ANP permite entender mejor los resultados por tipo. En particular, el
que no hayamos encontrado efecto en el tipo parque nacional se debe a que
Yanachanga y Rio Abiseo, particularmente son inefectivas, mientras que Bahuaja no. Si
bien no es objetivo de esta investigación, es necesario entender los arreglos
institucionales particulares de cada ANP, así como la historia detrás de cada una de
estas para entender mejor los resultados.
42
Tabla 9: Efectos de las ANP sobre la deforestación según tipo
BORDE DE ANP BORDE DE ZA
Variable Bosque de Proteccion
Parque Nacional
Reserva Comunal
Reserva Nacional
Santuario Zona
Reservada
Bosque de Proteccion
Parque Nacional
Reserva Comunal
Reserva Nacional
Santuario Zona
Reservada
Bandwidth: 3 Kilometers
Dentro -0.898 -0.226 -2.732*** -6.017*** 0.098 0.451 -2.490** -2.631*** -4.699 4.298*** -1.675 -4.021***
(1.103) (0.265) (0.843) (1.052) (1.284) (0.299) (1.135) (0.878) (4.846) (0.976) (1.449) (0.744)
N 2,876 5,143 422 5,623 353 2,097 3,545 6,813 450 8,261 698 2,465
R2 0.317 0.116 0.331 0.157 0.348 0.129 0.324 0.371 0.281 0.191 0.248 0.318
Bandwidth: 5 Kilometers
Dentro -1.832 -0.909** -2.989** -6.676*** -0.519 0.322 -4.145*** -1.957** -6.765 3.821*** -0.191 -3.106***
(1.264) (0.370) (1.179) (0.946) (0.653) (0.264) (1.435) (0.900) (4.476) (0.844) (1.364) (0.626)
N 4,076 8,300 616 8,806 511 3,107 4,666 10,164 556 12,823 907 3,269
R2 0.329 0.130 0.388 0.155 0.379 0.147 0.325 0.340 0.270 0.187 0.229 0.281
Bandwidth: 7 Kilometers
Dentro -2.452* -0.783* -2.171 -6.279*** -1.748** 0.364 -4.888*** -1.628* -7.020* 3.317*** -0.568 -2.242***
(1.296) (0.410) (1.281) (0.896) (0.656) (0.264) (1.608) (0.917) (3.790) (0.851) (1.229) (0.516)
N 4,711 11,084 758 11,777 578 3,823 5,481 12,840 613 16,204 1,091 3,869
R2 0.338 0.140 0.468 0.155 0.369 0.183 0.326 0.315 0.283 0.188 0.191 0.252
Bandwidth: 10 Kilometers
Dentro -2.519* -1.066** -3.441** -5.928*** -3.064*** 0.629** -6.581*** -0.941 -6.742*** 2.950*** -0.750 -1.443***
(1.356) (0.433) (1.402) (0.857) (0.983) (0.286) (1.581) (0.901) (2.284) (0.855) (1.188) (0.415)
N 5,069 14,788 875 15,876 602 4,369 6,690 16,164 653 19,979 1,360 4,699
R2 0.333 0.138 0.505 0.152 0.339 0.235 0.328 0.305 0.296 0.196 0.176 0.227
Nota: * 90% ** 95 % *** 99% confianza. Todas las regresiones incluyen variables de control (cercanía a carreteras, ríos, concesiones mineras, centros poblados, comunidades nativas y concesiones forestales, altitud, pendiente, temperatura, precipitaciones), efectos fijos a nivel de ANP y a nivel de celdas de 10 km2. Los errores estándar son agrupados a nivel de las celdas de 10 km2.
43
Tabla 10: Efectos sobre la deforestación según ANP
Borde ANP
Variable Tabacona Tambopata Bahuaja Yanachanga Yanesha San Matías - San Carlos
Manu Pacaya Comaina Altomayo Rio Abiseo
Bandwidth: 3 Kilometers
Dentro 0.098 -4.620*** -0.556 -0.398 -2.722*** -2.150 -0.423 -6.095*** 0.451 0.629 -0.168
(1.284) (1.587) (0.717) (1.181) (0.837) (1.476) (0.294) (1.233) (0.299) (1.497) (0.249)
N 353 1,146 1,660 664 422 1,506 2,114 4,477 2,097 1,370 705
R2 0.348 0.185 0.131 0.255 0.331 0.417 0.074 0.177 0.129 0.362 0.040
Bandwidth: 5 Kilometers
Dentro -0.519 -6.365*** -2.254** -1.240 -2.828** -2.548 -0.424 -6.534*** 0.322 -0.541 -0.416*
(0.653) (2.217) (1.099) (1.223) (1.139) (1.793) (0.285) (1.026) (0.264) (1.694) (0.239)
N 511 1,723 2,620 970 616 1,934 3,542 7,083 3,107 2,142 1,168
R2 0.379 0.185 0.162 0.230 0.386 0.415 0.057 0.186 0.147 0.357 0.030
Bandwidth: 7 Kilometers
Dentro -1.748** -7.039** -2.042* -1.840 -1.940 -2.883 -0.364 -5.989*** 0.364 -1.158 -0.034
(0.656) (2.928) (1.206) (1.127) (1.256) (1.803) (0.296) (0.850) (0.264) (1.813) (0.502)
N 578 2,258 3,470 1,117 758 2,075 4,877 9,519 3,823 2,636 1,620
R2 0.369 0.195 0.224 0.229 0.466 0.416 0.064 0.187 0.183 0.362 0.045
Bandwidth: 10 Kilometers
Dentro -3.064*** -8.321** -3.234** -1.754 -3.203** -2.780 -0.488 -5.221*** 0.629** -1.426 0.190
(0.983) (3.190) (1.287) (1.041) (1.311) (1.784) (0.314) (0.743) (0.286) (1.882) (0.704)
N 602 3,005 4,508 1,233 875 2,152 6,725 12,871 4,369 2,917 2,322
R2 0.339 0.188 0.225 0.234 0.504 0.419 0.074 0.181 0.235 0.355 0.256
Nota: * 90% ** 95 % *** 99% confianza. Todas las regresiones incluyen variables de control (cercanía a carreteras, ríos, concesiones mineras, centros poblados, comunidades nativas y concesiones forestales, altitud, pendiente, temperatura, precipitaciones), efectos fijos a nivel de ANP y a nivel de celdas de 10 km2. Los errores estándar son agrupados a nivel de las celdas de 10 km2.
44
Borde ZA
Variable Tabacona Tambopata Bahuaja Yanachanga Yanesha San Matías - San Carlos
Manu Pacaya Comaina Altomayo Rio Abiseo
Bandwidth: 3 Kilometers
Dentro -1.675 -3.690 -2.178 0.462 -4.647 -2.937** -2.831** 5.655*** -4.021*** -1.184 -2.489
(1.449) (2.711) (1.591) (0.876) (4.885) (1.329) (1.125) (0.929) (0.744) (1.706) (1.776)
N 698 1,507 1,980 845 450 1,504 2,450 6,754 2,465 2,041 1,538
R2 0.248 0.137 0.392 0.119 0.280 0.355 0.250 0.186 0.318 0.340 0.565
Bandwidth: 5 Kilometers
Dentro -0.191 -2.588 -1.194 0.201 -6.734 -3.473** -2.697** 4.768*** -3.106*** -2.692 -2.306
(1.364) (2.365) (1.772) (0.794) (4.512) (1.585) (1.044) (0.761) (0.626) (2.180) (1.974)
N 907 2,219 2,856 1,074 556 1,872 3,688 10,604 3,269 2,794 2,546
R2 0.229 0.099 0.381 0.112 0.269 0.344 0.214 0.178 0.281 0.336 0.535
Bandwidth: 7 Kilometers
Dentro -0.568 -2.297 -0.422 -0.663 -7.026* -3.597** -2.504** 4.164*** -2.242*** -3.208 -2.529
(1.229) (2.632) (1.778) (1.066) (3.793) (1.674) (0.993) (0.697) (0.516) (2.554) (1.968)
N 1,091 2,818 3,478 1,276 613 2,186 4,603 13,386 3,869 3,295 3,483
R2 0.191 0.085 0.386 0.102 0.283 0.321 0.191 0.178 0.252 0.338 0.492
Bandwidth: 10 Kilometers
Dentro -0.750 0.109 -0.394 -1.809 -6.808*** -5.186*** -1.913** 3.287*** -1.443*** -4.904* -1.925
(1.188) (2.807) (1.704) (1.296) (2.310) (1.609) (0.827) (0.700) (0.415) (2.536) (1.812)
N 1,360 3,364 4,179 1,582 653 2,625 5,685 16,615 4,699 4,065 4,718
R2 0.176 0.076 0.366 0.086 0.295 0.303 0.183 0.175 0.227 0.334 0.463
Nota: * 90% ** 95 % *** 99% confianza. Todas las regresiones incluyen variables de control (cercanía a carreteras, ríos, concesiones mineras, centros poblados, comunidades nativas y concesiones forestales, altitud, pendiente, temperatura, precipitaciones), efectos fijos a nivel de ANP y a nivel de celdas de 10 km2. Los errores estándar son agrupados a nivel de las celdas de 10 km2.
45
5.5. Análisis de Robustez
En esta sección presentamos algunos análisis de robustez o sensibilidad de nuestros
resultados. De esta manera, podremos estar más seguros de la credibilidad de estos.
En primer lugar, utilizamos el estimador de regresión discontinua tipo “donut” (Barreca
et al 2011, Almond et al 2010) con un doble propósito: (i) como se mencionó
previamente, asegurarnos que la no alteración de la forma de las celdas exactamente
en los bordes no afecte los resultados; (ii) considerar que al no existir una barrera física
y/o una vigilancia continua en los límites de las áreas, estos podrían ser un poco difusos
o no claros en una cercanía muy próxima al borde. En la Tabla 11 presentamos la
especificación principal excluyendo aquellas celdas que se encuentren a una distancia
menor de 1 kilómetro del borde de la ANP/ZA. Los resultados siguen siendo los mismos:
ANP reducen deforestación, ZA no.
46
Tabla 11: Efecto de las ANP sobre deforestación (2001-2016)
Polinomio ANP - POLINOMIO 1 ANP - POLINOMIO 2 ZA - POLINOMIO 1 ZA - POLINOMIO 2
Deforestación =1 ha/km2 =1 ha/km2 =1 ha/km2 =1 ha/km2
Bandwidht: 2 kilometers (N=5587)
ANP -0.095 -6.309*** -0.055 -17.942* 0.080 0.243 0.403 7.630
(0.067) (1.814) (0.358) (10.320) (0.053) (1.679) (0.282) (9.134)
R2 0.205 0.162 0.205 0.163 0.224 0.248 0.224 0.248
Bandwidht: 3 kilometers (N=16499)
ANP -0.118*** -5.431*** -0.142 -8.234*** 0.037 0.099 0.156* 0.394
(0.036) (1.012) (0.101) (2.771) (0.029) (0.885) (0.085) (2.605)
R2 0.200 0.163 0.200 0.164 0.221 0.263 0.222 0.263
Bandwidht: 5 kilometers (N=25387)
ANP -0.184*** -5.600*** -0.130*** -5.789*** 0.064*** -0.533 0.056 1.034
(0.027) (0.786) (0.050) (1.414) (0.024) (0.810) (0.041) (1.212)
R2 0.193 0.181 0.194 0.182 0.221 0.275 0.221 0.275
Bandwidht: 7 kilometers (N=32702)
ANP -0.176*** -4.785*** -0.173*** -6.389*** 0.069*** -0.844 0.054 0.149
(0.026) (0.692) (0.038) (1.111) (0.023) (0.796) (0.034) (1.028)
R2 0.193 0.195 0.193 0.197 0.229 0.283 0.229 0.283
Bandwidht: 10 kilometers (N=41530)
ANP -0.185*** -4.465*** -0.168*** -5.531*** 0.086*** -0.546 0.050* -0.811
(0.026) (0.628) (0.033) (0.914) (0.023) (0.743) (0.030) (0.979)
R2 0.185 0.194 0.186 0.195 0.242 0.292 0.242 0.292 Nota: * 90% ** 95 % *** 99% confianza. Todas las regresiones incluyen efectos fijos a nivel de ANP y errores estándar agrupados a nivel de celdas de 10 km2. Las regresiones con variables de control incluyen: cercanía a carreteras, ríos, concesiones mineras, centros poblados, comunidades nativas y concesiones forestales, altitud, pendiente, temperatura, precipitaciones y efectos fijos a nivel de celdas de 10km2.
47
En segundo lugar, mostramos que los resultados hallados no son sensibles al uso de
diversos anchos de banda. Para ello, mostramos gráficamente los coeficientes de
realizar la especificación principal para un continuo de anchos de banda de 1 a 20
kilómetros (que va aumentando de uno en uno). El Gráfico 3 muestra que estar dentro
de una ANP reduce la deforestación mientras que estar dentro de una ZA no,
independientemente del ancho de banda utilizado.
Gráfico 3: Coeficientes estimados para diferentes anchos de banda
48
Finalmente, realizamos una prueba de placebo para asegurarnos que los resultados
encontrados se deban a estar dentro de una ANP. Movemos la frontera entre -10 y 10
kilómetros, creando discontinuidades no existentes en la realidad. Si el efecto es
atribuible a la ANP, no se debería encontrar resultados significativos cuando movemos
la frontera, pues no existe ANP. Como se muestra en el Gráfico 4, cuando movemos la
frontera más allá de dos kilómetros, tenemos un efecto nulo, lo cual nos sugiere que los
resultados hallados son atribuibles a la ANP.
Gráfico 4: Efecto ante movimientos de frontera
49
6. Conclusiones
Las áreas naturales protegidas y sus zonas de amortiguamiento sí han tenido éxito en
detener la deforestación. Bastante más las primeras que las segundas, pero
interpretamos que el éxito de las primeras se debe en parte a la existencia de las
segundas. En particular, alrededor de sus fronteras las ANP han reducido la probabilidad
de deforestación entre 7 y 12 % por kilómetro cuadrado y la deforestación entre 3 y 3.9
hectáreas por cada kilómetro cuadrado, resultado que se mantiene en significativo ante
diferentes especificaciones. Por otro lado, encontramos que las ZA no reducen la
probabilidad de deforestación, pero sí reducen la deforestación en alrededor de 1
hectárea por kilómetro cuadrado.
La magnitud de los resultados obtenidos puede compararse con estudios previos, como
los reseñados en la Tabla 1. Por un lado, respecto a nuestro referente nacional, Miranda
y otros (2016), nuestros resultados son cualitativamente los mismos, pero de magnitud
inferior: ellos obtienen la deforestación anual es 0.6 p.p. menor en las ANP estudiadas,
mientras que nosotros entre 0.2 y 0.39 p.p. menor5. La diferencia podría deberse al
método utilizado. Futura investigación es necesaria para entender la efectividad
diferenciada entre períodos. Por otro lado, nuestros resultados son de mayor magnitud
que los obtenidos mediante el mismo método por Bonilla-Mejía e Higuera-Mendieta
(2019) para Colombia y Anderson y otros (2016) para Brasil. Los primeros encuentran
una tasa de deforestación en áreas protegidas entre 0.018 y 0.024 hectáreas por
kilómetro cuadrado (nosotros entre 0.15 y 0.28) y los segundos no encuentran efecto
debido a que las ANP fueron establecidas en zonas poco atractivas para otras
actividades económicas. Los arreglos institucionales son diferentes y explicar el porqué
de las diferencias entre países sería arriesgado, pero debe notarse que en Perú, la
mayoría de ANP cuentan con zonas de amortiguamiento legamente establecidas, que
podría marcar una interesante diferencia.
El resultado general de la investigación es positivo en una perspectiva conservacionista;
pero da lugar a segundas lecturas. El éxito relativo en el periodo analizado no garantiza
un éxito futuro, particularmente en aquellas áreas de conservación con dinámicas de
deforestación creciente en territorios vecinos. Por ejemplo, los casos de Tabacona,
Tambopata, Bahuaja-Sonene, San Matías-San Carlos muestran que dentro de ellas se
reduce la deforestación, mientras que no hay efecto en sus ZA, pero gráficamente se
muestra que la deforestación ya se encuentra en estas últimas, pudiendo avanzar en un
futuro hacia la ANP. Por su parte, los casos de Altomayo y Río Abiseo muestran que la
deforestación ha avanzado tanto en las ANP como en sus ZA.
El análisis de heterogeneidad revela patrones diferenciados. Encontramos necesario
complementar este análisis de econometría espacial con estudios de corte histórico-
institucional de cada ANP, para entender actores, procesos y dinámicas dentro de cada
una. La mirada espacial tiene sus límites, por lo que recomendamos a CIES repensar la
necesidad de estudios cualitativos para integrar y desafiar la aproximación cuantitativa
a la deforestación y la gestión del bosque.
Respecto a indicadores convencionales de bienestar económico social, es poco lo que
se puede decir. No podemos evaluar estadísticamente efectos en las ANP. Por su parte,
5 Esa cifra la obtenemos de nuestros resultados medidos como hectáreas deforestadas por cada kilómetro cuadrado, pues esa unidad de medida es equivalente a puntos porcentuales (1 ha/km2 es equivalente a 1%).
50
las ZA exhiben resultados negativos: se es más pobre dentro que fuera. La magnitud es
considerable, pues la probabilidad de ser pobre es mayor en alrededor de 30%. La no
significancia en los indicadores de ingreso/gasto, pero sí de pobreza podría deberse a
que ambos grupos tienen niveles similares de ingresos/gastos alrededor de la línea de
pobreza, de tal manera que cualquier variación en el gasto/ingreso significa estar a un
lado u otro de la condición de pobreza. En todo caso, este hallazgo indica un desafío de
política pública: ¿puede la conservación generar bienestar económico social? ¿Cómo?
Es más, toda vez que las ANP, según tipo, plantean diversas restricciones a la actividad
económica, la conservación podría implicar la reducción del bienestar económico de los
hogares, la mayor parte de ellos indígenas.
Por otro lado, se hizo un análisis exploratorio de efectos locales según el sexo del jefe
de hogar, pero no encontramos resultados significativos. La experiencia internacional
sugiere que, cuando hay actividades de turismo relacionadas a las ANP, las mujeres
tendrían beneficios. Sin embargo, la poca disponibilidad de información y la metodología
propuesta no permite un análisis de la relación ANP-bienestar/género, siendo esta otra
área de investigación a explorar en una agenda futura con métodos cualitativos o mixtos.
51
7. Recomendaciones de Política
La presente investigación tiene tres grandes conclusiones: (i) las ANP’s y ZA han sido
efectivas en reducir la pérdida de bosque en la Amazonía peruana, (ii) los hogares que
viven dentro de las ZA tienen menores ingresos, gastos y mayor probabilidad de
pobreza, (iii) la efectividad en reducir la pérdida de bosque es heterogénea según ANP
y tipo de ANP. Estos resultados nos llevan a esbozar líneas de incidencia de políticas
públicas que buscan reconciliar la conservación de la biodiversidad con la generación
de bienestar y oportunidades económicas para la población local. Encontramos que
pasar de la identificación de patrones estadísticos a la recomendación de políticas no
es un paso sencillo, ni inmediato. En base a revisión de experiencias internacionales y
locales, encontramos importante avanzar en una agenda de investigación aplicada y
políticas públicas que incluya las siguientes cuestiones:
(i) Actualizar un estudio comprensivo que evalúe la viabilidad financiera
de las áreas de conservación que componen el sistema nacional de
áreas naturales protegidas, como insumo central para un nuevo Plan
Director 2019-2029 (SERNANP).
El estudio provee evidencia que resalta la efectividad de una política ambiental: las
ANP en promedio reducen la pérdida de bosque. Esto no significa que sean
totalmente efectivas o no tengan mejoras por realizar. La evidencia mostrada
justifica la continuación del sistema de ANP, teniendo en cuenta que:
a. Es importante subrayar que la lógica de “presupuestos por resultados” es
cada vez más importante en la programación del gasto público por lo que
es necesario contar con un sistema de indicadores de gestión, resultados
e impacto abierto a la consulta pública, para validar y orientar la práctica
de la conservación. En particular, las páginas web del SINANPE y el
Sistema Nacional de Información Ambiental—SINIA no ofrecen mayor
información (ver http://www.sernanp.gob.pe y
https://sinia.minam.gob.pe/).
b. Un sub-conjunto pequeño de ANP concentra el grueso de los recursos
directamente recaudados por el sistema: aquellas dónde se ha
desarrollado un importante mercado de turismo ecológico y paisajístico,
como el Santuario Histórico Machu Picchu, la Reserva Nacional de
Paracas, el Parque Nacional Huascarán, el Parque Nacional del Manu,
la Reserva Nacional Tambopata y la Reserva Nacional Pacaya Samiria.
Es necesaria una asignación de criterios de recursos.
c. Incluso las ANP líderes en auto-generación de recursos suelen no contar
con los recursos financieros y humanos suficientes para cumplir con las
tareas legalmente encomendadas en fiscalización, vigilancia y monitoreo
de la biodiversidad. Sería importante visibilizar los recursos humanos con
52
los que cuentan las ANP para tener una mejor idea de las brechas
realmente existentes en la provisión del servicio público “conservación de
bosques”.
d. Las ANPs que no cuentan con recursos directamente recaudados (el
grueso del sistema, descontando las más prósperas de las arriba
mencionadas) requieren, por un lado, empezar a crear recursos propios
y, por otro, ser subsidiadas para poder cumplir sus fines.
e. Los anteriores puntos hacen evidente la necesidad de un planeamiento
estratégico que evalúe la (no) implementación del Plan Director 2009-
2019 y trabaje escenarios de viabilidad financiera para el sistema en su
conjunto. Para que el Plan Director cumpla su función de instrumento de
gestión, valdría hacer el ejercicio público de identificar progresos,
retrocesos y retos principales para la nueva década.
(ii) Realizar o actualizar un estudio comprensivo que evalúe las políticas de
generación de ingresos y promoción del bienestar social existentes en la
práctica para las poblaciones de las ANP y sus áreas de influencia
(SERNANP). Nuestra aproximación estadística no permite identificar los
mecanismos subyacentes a los éxitos y fracasos (relativos) de la gestión de
las ANP en la generación de ingresos. Es necesario abrir la “caja negra” de
las ANP y estudiar su funcionamiento en el campo.
a. Nuestro estudio hace evidente que los bosques tropicales de un sub-
conjunto de ANP y sobretodo ZA enfrentan las mayores presiones de la
actividad económica. Es en estos territorios de la Amazonía que se hace
más urgente la necesidad de contar con políticas de generación de
ingresos y promoción del bienestar social, que podríamos llamar como
“desarrollo alternativo sostenible”. En principio, hablamos de economías
de turismo ambiental y bio-comercio.
b. Dado el éxito relativo encontrado para la Reserva Nacional Tambopata y
la Reserva Comunal Yanesha, nos resulta importante estudiar en
profundidad estas experiencias que involucran emprendimientos de
turismo ambiental (eco-lodges) y esquemas de participación comunal y
comunal indígena.
c. En esta evaluación de experiencias sería importante evaluar la dimensión
de género en la generación de ingresos y en la transformación de
dinámicas intra-comunales e intra-familiares.
53
(iii) Realizar o actualizar un estudio comprensivo que evalúe las políticas y
prácticas de participación de las poblaciones locales en la gestión de las
ANP (SERNANP).
Nuestro resultado (ii) dice que los hogares que viven dentro de las ZA
tienen menores ingresos, gasto y mayor probabilidad de pobreza. Esto
plantearía un aparente trade-off entre conservación ambiental e ingresos
económicos locales.
a. La participación de la comunidad es un principio guía de la
implementación del SINANPE. Conocemos, sin embargo, relativamente
poco de las prácticas de participación realmente existentes, sus éxitos y
fracasos.
b. El caso del Comité de Gestión de la Reserva Nacional de Tambopata es
de particular importancia, por su rol clave en la lucha contra el oro ilegal.
Tambopata suele ser presentada como un caso de éxito de participación.
Sin embargo, en nuestro conocimiento no existe un estudio comprensivo
que nos muestre una radiografía de las prácticas de participación de esta
experiencia emblemática: ¿quiénes participan?; ¿cómo participan?;
¿cómo ha evolucionado esa participación?; ¿bajo qué condiciones son la
participación y la acción colectiva pro-bienes comunes/conservaciones
sostenibles?
c. Este estudio sobre participación local en la gestión de las ANP debería
considerar cuáles son las dinámicas diferenciadas según género. Es
decir, saber cuál es la división sexual del trabajo en estas áreas, la
participación en la gestión de los recursos.
(iv) Las tres recomendaciones mencionadas deben considerar de manera
transversal un enfoque de género. SI bien nuestro estudio, debido al método
y pregunta de investigación planteados, no puede abordar cuáles son las
dinámicas diferenciadas por género dentro de las ANP, la revisión
bibliográfica sugiere que existen estas dinámicas diferenciadas, por lo que
resulta central incorporar el enfoque en la política de conservación.
54
8. Plan de Incidencia
Como Plan de Incidencia, proponemos aprovechar la coyuntura de la elaboración de un
nuevo Plan Director del SINANPE 2019-2029 para promover una discusión de las
lecciones aprendidas del nuevo marco institucional para la conservación de la
biodiversidad. Como documenta nuestro estudio, las ANP y en forma menos directa las
ZA han sido una importante barrera a la deforestación de la Amazonía. Sin embargo,
como resaltamos en nuestras conclusiones y recomendaciones de política, este éxito
relativo debe verse en el conjunto del problema de la gestión sostenible del patrimonio
forestal y la conservación de la biodiversidad. Encontramos que es necesario (1)
garantizar la viabilidad financiera del SINANPE y (2) crear estrategias sustentables de
conservación y bienestar local. Con estos dos grandes objetivos en mente, el Plan de
Incidencia consiste en:
(i) Elaborar un artículo de opinión de divulgación de nuestros resultados y discusión
de los retos del SINANPE de cara a un nuevo Plan Director. El artículo deberá
visibilizar los desafíos de la viabilidad financiera del SINANPE y la necesidad de
repensar políticas públicas para reconciliar conservación y bienestar local.
(ii) Realizar un taller de presentación de resultados con funcionarios del SERNANP
y MINAM, y discusión de una agenda futura de investigación.
(iii) Presentar nuestra investigación en el Seminario Anual de Investigación CIES.
55
9. Bibliografía
Agarwal, B. (2009). Gender and forest conservation: The impact of women's participation
in community forest governance. Ecological Economics, 68(11), pp. 2785-2799.
Almond, D. y Doyle, J. (2011). After Midnight: A Regression Discontinuity Design in
Length of Postpartum Hospital Stays. American Economic Journal: Economic Policy,
3(3), pp. 1-34.
Amin, A., Choumert-Nkolo, J., Combes, J. L., Combes Motel, P., Kére, E. N., Ongono-
Olinga, J. G. y Schwartz, S. (2019). Neighborhood effects in the Brazilian Amazonia:
Protected areas and deforestation. Journal of Environmental Economics and
Management, 93, pp. 272-288.
Andam, K. S., Ferraro, P. J., Sims, K. R. E., Healy, A. y Holland, M. B. (2010). Protected
areas reduced poverty in Costa Rica and Thailand. Proceedings of the National
Academy of Sciences, 107(22), pp. 9996-10001. DOI: 10.1073/pnas.0914177107
Anderson, L. O., De Martino, S., Harding, T., Kuralbayeva, K., y Lima, A. (2016). The
effects of land use regulation on deforestation: Evidence from the Brazilian Amazon.
OxCarre Working Papers 172. Oxford Centre for the Analysis of Resource Rich
Economies, University of Oxford.
Angrist, J. y Pichke, J. (2009). Mostly harmless econometrics: an empiricist’s companion.
New Jersey: Princeton University Press.
Aragón, F. M. y Rud, J. P. (2013). Natural resources and local communities: Evidence
from a Peruvian gold mine. American Economic Journal: Economic Policy, 5(2), pp. 1-
25.
Arima, E. Y. (2016). A Spatial Probit Econometric Model of Land Change: The Case of
Infrastructure Development in Western Amazonia, Peru. PLOS ONE, 11 (3).
Armenteras, D., Rodríguez, N., Retana, J. y Morales, M. (2011). Understanding
deforestation in montane and lowland forest of the Colombian Andes. Regional
Environmental Change, 11(3), pp. 693–705.
Baraloto, C., Alverga, P. Baéz Quispe, S., Barnes, G. Bejar Chura, N., Da Silva, J. B.,
Castro, W., Da Souza, H., De Souza Moll, I. E., Del Alcazar Chilo, J., Dueñas Linares,
H., Gárate Quispe, J., Kenji, D., Marsik, M. Medeiros, H., Murphy, S., Rockwell, C.,
Selaya, G., Shenkin, A., Silveira, M., Southworth, J., Vasquez Colomo, G. H. y Perz, S.
(2015). Effects of road infrastructure on forest value across a tri-national Amazonian
frontier. Biological Conservation, 191, pp. 674-681.
Barreca, A. I., Lindo, J. M. y Waddell, G. R. (2011). Heaping-Induced bias in regression
discontinuity designs. Economic Inquiry, 54 (1), pp. 268-293.
Burgess, R., Costa, F. J. M. y Olken, B. A. (2018). Wilderness Conservation and the
Reach of the State: Evidence from National Borders in the Amazon. NBER Working
Papers 24861, National Bureau of Economic Research.
Bonilla-Mejía, L. e Higuera-Mendieta, I. (2019). Protected Areas under weak institutions:
Evidence from Colombia. World Development, 122, pp. 585-596.
56
Butler, J. (2007). El género en disputa: el feminismo y la subversion de la identidad.
Barcelona: Paidós.
Canavire-Bacarreza, G. y Hanauer, M. M. (2013). Estimating the impacts of Bolivia’s
Protected Areas on Poverty. World Development, 41, pp. 265-285.
Calonico, S., Cattaneo, M. D. y Titiunik, R. (2014). Robust Nonparametric Confidence
Intervals for Regression‐Discontinuity Designs. Econometrica, 82(6), pp 2295-2326.
Conley, T. G. (1999). GMM estimation with cross sectional dependence. Journal of
Econometrics, 92(1), pp. 1-45.
Dell, M. (2010). The persistent effects of Peru’s Mining Mita. Econometrica, 78 (6), pp.
1863-1903.
Díaz, R. y Miranda, J. J. (2012). Áreas Naturales Protegidas en el Perú: Efectos sobre
la Deforestación y su relación con el Bienestar de la Población Amazónica. Informe
Final. Lima: CIES/IEP.
Dourojeanni, M. J. (2009). Crónica Forestal del Perú. Lima: Universidad Agraria La
Molina/Editorial San Marcos.
---- (2015). Human impact on protected areas of the Peruvian Amazon. En: Wuerthner
G., Crist E., Butler T. (Eds.). Protecting the Wild. Washington, DC: Island Press.
---- (2018). Áreas Naturales Protegidas del Perú: El Comienzo. Lima: Fondo Editorial de
la Universidad Nacional de Educación Enrique Guzmán y Valle.
Frolich, M. y Huber, M. (2017). Direct and indirect treatment effects-causal chains and
mediation analysis with instrumental variables. Journal of Royal Statistical Society,
Series B, 79(5), pp. 1645-1666.
Gelman, A. e Imbens, G. (2015). Why high-order polynomials should not be used in
regression discontinuity designs. Journal of Business & Economic Statistics, 37(3), pp.
447-456.
Giddens, A. (1993). Sociology. 2nd ed. Cambridge: Polity Press.
Heagney, E.C., Kovac, M., Fountain, J. y Conner, N. (2015). Socio-economic benefits
from protected areas in southeastern Australia. Conservation Biology, 29 (6), 1647-1657.
Hahn, J., Todd, P. y Van der Klauw, W. (2001). Identification and estimation of treatment
effects with a regression-discontinuity design. Econometrica, 69(1), pp. 201-209.
Hsiang, S. (2016). Climate Econometrics. Annual Review of Resource Economics, 8, pp.
43-75.
Imbens, G. y Kalyanaraman, K. (2012). Optimal Bandwith Choice for the Regression
Discontinuity Estimator. Review of Economics Studies, Oxford University Press, 79(3),
pp. 933-959.
Joppa, L. y Pfaff, A. (2010). Reassessing the forest impacts of protection. Annals of the
New York Academy of Sciences, 1185(1), pp. 135–149.
Jusys, T. (2016). Quantifying avoided deforestation in Pará: Protected areas, buffer
zones and edge effects. Journal of Nature Conservation, 33, pp. 10-17.
57
Keele, L. J. y Titiunik, R. (2015). Geographic Boundaries as Regression Discontinuities.
Political Analysis, 23(01), 127-155.
Keele, L. J., Lorch, S., Passarella, M. Small, D. y Titiunik, R. (2017). An overview of
geographically discontinuous treatment assignments with an application to children’s
health insurance. En: Cattaneo, M. D. y Escanciano, J. C. Regression Discontinuity
Designs: Theory and Applications. Advances in Econometrics, 38, pp. 147-194.
Khatiwada, L. K. y Silva, J. A. (2015). Mitigating Gender Inequality in Rural Regions: The
Effects of Tourism Employment in Namibia. International Journal of Tourism Research,
17(5), pp. 442-450.
Lee, M. J. (2005). Micro-econometrics for policy, program, and treatment effects. Oxford:
Oxford University Press.
Lee, D. S. (2008). Randomized experiments from non-random selection in U.S. House
elections. Journal of Econometrics, 142(2), pp. 675-697.
Lee, D. S. y Lemieux, T. (2010) Regression Discontinuity Designs in Economics. Journal
of Economic Literature, 48 (2), pp. 281-355.
Li, M., De Pinto, A., Ulimwengu, J. M., You, L., Robertson, R. D. (2015). Impacts of road
expansion on deforestation and biological carbon loss in the Democratic Republic of
Congo. Environmental and Resource Economics, 60(3), pp. 433-469.
Mas J. F. (2005). Assessing protected area effectiveness using surrounding (buffer)
areas environmentally similar to the target area. Environmental Monitoring and
Assessment, 105(1-3), pp. 69-80.
McNeely, Jeffrey A. (2008). Protected areas in a world of eight billion. GAIA – Ecological
Perspectives for Science and Society, 17(1), pp.104-106(3).
MINAM (2011). El Perú de los bosques. Lima.
Miranda, J. J., Corral, L., Blackman, A., Asner, G. y Lima, E. (2016). Effects of Protected
Areas on Forest Cover Change and Local Communities: Evidence from the Peruvian
Amazon. World Development, 78, pp. 288-307.
Ogra, M. y Badola, R. (2008). Compensating human-wildlife conflict in protected area
communities: Ground-level perspectives from Uttarakhand, India. Human Ecology,
36(5), pp. 717-729.
Oliveira, P. J. C., Asner G. P., Knapp, D. E., Almeyda, A., Galván-Gildemeister, R.,
Keene, S., Raybin, R. F. y Smith, R. C. (2007). Land-use allocation protects the Peruvian
Amazon. Science, 317(5842), pp.1233–1236
Orihuela, J. C. (2017). Assembling participatory Tambopata: Environmentality
entrepreneurs and the political economy of nature. Forest Policy and Economics, 80, pp.
52 - 62.
---- (2018). La formación del Estado verde: redes, legados y contingencia en la política
forestal. En: Cuaderno de Investigación N° 6. Lima: Escuela de Gobierno y Políticas
Públicas de la Pontificia Universidad Católica del Perú.
Panta, S. K. y Thapa, B. (2018). Entrepreneurship and women's empowerment in
gateway communities of Bardia National Park, Nepal. Journal of Ecotourism, 17(1), pp.
20-42.
58
Pfaff, A., Robalino, J. A., Walker, R., Aldrich, S., Caldas, M., Reis, E., Perz, S., Bohrer,
C., Arima, E., Laurance, W. y Kirby, K. (2007). Road Investments, Spatial Spillovers, And
Deforestation In The Brazilian Amazon. Journal of Regional Science, 47, pp. 109–123.
DOI: 10.1111/j.1467-9787.2007.00502.x
Pfaff, A., Santiago-Avila, F., Carnovale, M. y Joppa, L. (2014). "Protected Areas' Impacts
Upon Land Cover Within Mexico: the need to add politics and dynamics to static land-
use economics". En: 2014 Annual Meeting, Julio 27-29, 2014, Minneapolis, Minnesota
177195. Agricultural and Applied Economics Association.
Pérez-Valbuena, G. J., Higuera-Mendieta, I. y Bonilla-Mejía, L. (2017). Marginal Effects
of Overlapping Protected Areas: A Regression Discontinuity Approach. Working Paper.
En: 64 Annual North American Meetings of the Regional Science Association
International, at Vancouver, British Columbia, Canada.
Perz, S. G., Qiu, Y., Xia, Y., Southworth, J., Sun, J., Marsik, M., Rocha, K., Passos, V.,
Rojas, D., Alarcón, G. Barnes, G. y Baraloto, C. (2013). Trans-boundary infrastructure
and land cover change: Highway paving and community-level deforestation in a tri-
national frontier in the Amazon. Land Use Policy, 34, pp. 27–41. DOI:
10.1016/j.landusepol.2013.01.009
Robalino, J. A. y Pfaff, A. (2012). Contagious development: Neighbor interactions in
deforestation. Journal of Development Economics, 97(2), pp. 427-436.
Rodríguez, N., Armenteras, D. y Retana, J. (2013). Effectiveness of protected areas in
the Colombian Andes: deforestation, fire and land-use changes. Regional Environmental
Change, 13(2), pp. 423-435. DOI:10.1007/s10113-012-0356-8
Rodríguez, S. 2018. Conservar la Naturaleza, Gobernar la Población: Imaginarios,
espacio y políticas en el Parque Nacional del Manu (tesis de pregrado). Lima: Pontificia
Universidad Católica del Perú.
Rousseau, S. (2018). Guía para la inclusion del análisis de género en los proyectos de
de investigación. Lima: CIES.
Shenoy, A. (2018). Regional development through place-based policies: Evidence form
a spatial discontinuity. Journal of Development Economics,130, pp. 173-189.
Solano, P. (2005). La Esperanza es Verde: Áreas Naturales Protegidas en el Perú. Lima:
SPDA.
Van der Hoek, Y. (2017). The potential of protected areas to halt deforestation in
Ecuador. Environmental Conservation, 44(2), pp. 124-130.
DOI:10.1017/S037689291700011X
Vivanco, L. A. (2001). Spectacular Quetzals, Ecotourism, and Environmental Futures in
Monte Verde, Costa Rica. Ethnology, 40(2), 79.
Walker, S., Valaoras, G., Gurung, D. y Godde, P. (2001). Women and mountain tourism:
redefining the boundaries of policy and practice. En: Apostolopoulos, Y. y
Apostolopoulos, Sonmez, S. F. y Timothy, D. J. (Eds.), Women as producers and
consumers of tourism in developing regions. Westport, CT: Praeger, pp. 167-190
Weisse, M. J. y Naughton-Treves, L. C. (2016). Conservation beyond park boundaries:
the impact of buffer zones on deforestation and mining concessions in the Peruvian
Amazon. Environmental Management, 58(2), pp. 297-311.
59
Westermann, O., Ashby, J., y Pretty, J. (2005). Gender and social capital: The
importance of gender differences for the maturity and effectiveness of natural resource
management groups. World Development, 33(11), pp. 1783-1799.
60
ANEXO: MAPAS DE ANPS
Mapa A1: Tabacona
61
Mapa A2: Tambopata y Bahuaja
62
Mapa A3: Yanachanga, Yanesha y San Matias-San Carlos
63
Mapa A4: Manu
64
Mapa A5: Pacaya
65
Mapa A6: Comaina
66
Mapa A7: Altomayo
67
Mapa A8: Río Abiseo