LA POBREZA EN BOLIVIA. UN OBJETIVO PENDIENTE DE DESARROLLO ECONOMICO SOSTENIBLE

1. INTRODUCCIÓN

La pobreza en Bolivia es un problema que con el paso de los años no ha llegado a ser resuelto, ni aun cuando se alcanzaron niveles de ingreso per cápita elevados. Es importante establecer identificar los determinantes que causaron que no se llegue al objetivo de eliminar por completo la pobreza. Muchos de estos resultados se originan en una gestión ineficiente de las políticas públicas del manejo de la pobreza que pudieron permitir o mejorar la posibilidad de alcanzar un Desarrollo Económico Sostenible.

Uno de los objetivos principales del Desarrollo Económico Sostenible es mejorar los niveles de calidad de vida de las personas. Es por ello, que se realiza un análisis de los indicadores de pobreza, que nos servirán para ver en qué situaciones se encuentra la población de Bolivia y en que magnitudes deberíamos mejorar los próximos años.

ESTADO DEL ARTE

La revisión de la literatura deja entrever la diversidad de enfoques conceptuales que han sido utilizados para definirla, medirla y comprenderla. Sin embargo, un elemento interesante es el carácter multidimensional que se otorgó a la pobreza en las investigaciones más recientes.

La visión de la sociedad en América Latina ha pasado por distintas etapas. Hasta fines de los años 70, predominó una interpretación en términos de clases sociales concordante con la teoría de la dependencia y su perspectiva histórica-estructural.

Con la crisis de los 80, se pasó a dar protagonismo a los actores y a los movimientos sociales. Pero desde los 90, con la progresiva implantación de un nuevo modelo de acumulación y su respectivo orden social, estas visiones fueron relegadas a un segundo plano. En consecuencia, la acción social empezó a ser comprendida como sociedad civil, un término de gran ambigüedad, y la visión de corte estructural fue reemplazada por la de pobreza (Perez & Mora, 2006).

Sin embargo, el estudio de la pobreza ha cobrado un interés particular después de la declaración de solidaridad de las Naciones Unidas en el año 2000, en la cual 189 jefes de Estado de países ricos y pobres firmaron la Declaración del Milenio de las Naciones Unidas, en la cual se comprometieron a intensificar los esfuerzos mundiales para reducir la pobreza, mejorar la salud y promover la paz, los derechos humanos y la sostenibilidad ambiental (Naciones Unidas, 2003).

2. POBREZA EN BOLIVIA

La reducción de la pobreza en Bolivia, es una responsabilidad compartida entre todos los niveles de gobierno. Las tareas específicas se establecen a partir de las competencias asignadas a cada nivel en la normativa vigente.

Observando la información de pobreza en Bolivia, 38.4% de viviendas presentan una “tasa de pobreza energética”; el 44.9% de la población tiene “necesidades básicas insatisfechas”; con un “índice de pobreza multidimensional” igual a 0.094; y el 61.5% de hogares no tienen “acceso a los tres servicios básicos”, lo cual nos lleva a plantear la siguiente pregunta de investigación:

“La falta de vivienda, acceso a servicios básicos, salud y educación, son factores determinantes para medir la pobreza en Bolivia?”

2.1. HIPÓTESIS

“A MAYOR INDICE DE POBREZA SE GENERA UN MENOR INDICE DE DESARROLLO ECONOMICO SOSTENIBLE”.

2.2. IDENTIFICACIÓN DE VARIABLES

• Variable dependiente: Desarrollo Económico Sostenible.
• Variable independiente: Pobreza Multidimensional.

2.3. METODOLOGÍA DE ANÁLISIS Y FUENTES DE INFORMACIÓN

• Enfoque: Cualitativo
• Diseño de la investigación: No Experimental
• Tipo de Estudio: Descriptivo Explicativo
• Hipótesis: Correlacional Causal
• Método de recolección de datos: Fuente secundaria, Atlas Municipal de los Objetivos de Desarrollo Sostenible en Bolivia 2020.
• Universo y muestra: 339 municipios del Estado Plurinacional de Bolivia

3. INDICADORES DE NIVELES DE POBREZA EN BOLIVIA

3.1. TASA DE POBREZA ENERGÉTICA EXTREMA, 2016 (KWH)

La pobreza energética es la falta de acceso a servicios energéticos modernos. Estos servicios se definen como el acceso de los hogares a la electricidad y a instalaciones de cocina limpias (por ejemplo, combustibles y estufas que no causan contaminación del aire en las casas) (IEA, 2020).

En consecuencia, el acceso a la energía es un requisito previo para el desarrollo humano, donde la energía es necesaria para la supervivencia individual, por lo cual es importante para la prestación de servicios sociales como educación y salud y un aporte crítico en todos los sectores económicos, desde la producción doméstica o la agricultura hasta la industria.

El estado de riqueza y desarrollo de una nación y sus habitantes está estrechamente relacionado con el tipo y el alcance del acceso a la energía. Cuanto más disponibles sean las energías utilizables y las tecnologías de conversión de energía más eficientes, mejores serán las condiciones para el desarrollo de las personas, los hogares, las comunidades, la sociedad y su economía. Por lo tanto, mejorar el acceso a la energía es un desafío continuo para los gobiernos y las organizaciones de desarrollo (Energypedia, 2020).

La existencia de pobreza energética hoy en día está bastante aceptada en todo el mundo. De hecho, el alivio de la pobreza energética es un objetivo de muchas organizaciones de desarrollo que se ocupan de los problemas energéticos de los países en desarrollo. Sin embargo, cuando se trata de definir la pobreza energética, estas organizaciones asumen la posición que muchos toman para apreciar el buen arte: "lo saben cuándo lo ven". Se habla mucho sobre la pobreza energética, pero no se toman muchas medidas para medirla.

Por lo tanto, se requiere más trabajo analítico sobre las definiciones y las herramientas de medición para apuntalar la entrega y la formación de políticas. Existe una buena razón por la cual las personas evitan definir la pobreza energética. Se pueden hacer varias preguntas diferentes sobre la definición de pobreza energética. ¿Es la pobreza energética lo mismo que la pobreza de ingresos? ¿La pobreza energética se basa en el acceso a servicios energéticos como la cocina, las comunicaciones o la iluminación? ¿O se basa en cantidades de energía que usan las personas? Estas preguntas han generado varios enfoques diferentes para medir la pobreza energética.

El consumo de energía está estrechamente ligado a los niveles de ingreso. Mientras más energía y más tecnologías diseñadas para convertir eficientemente la energía se pongan a disposición de los usuarios, mejores serán las condiciones para el desarrollo de individuos, hogares, comunidades, la sociedad y la economía (Andersen, Branisa, & Guzmán , SDSN, 2020).

Figura 1: Tasa de pobreza energética extrema. Fuente: Elaboración Propia, (Andersen, 2020)

La tasa de pobreza energética extrema, para Bolivia es de 38.4%, dato significativo en términos de viviendas. Asimismo, la información nos permite destacar que el departamento con mayor tasa de pobreza energética extrema es Potosí con el 63.0% y el departamento con menor tasa es Santa Cruz, con el 29.2%.

3.2. NECESIDADES BÁSICAS INSATISFECHAS, 2012 (% DE LA POBLACIÓN)

Con el objetivo de poner fin a la pobreza en todas sus formas, se debe analizar las necesidades básicas insatisfechas, con lo cual se puede evaluar las condiciones de infraestructura de vivienda, servicios básicos e insumos energéticos (acceso a electricidad y combustible para cocinar), niveles educativos y atención de salud de la población.

A través de este instrumento se focalizarán las acciones y políticas sociales, asignar recursos e identificar brechas de desarrollo.

La observación será: un hogar cuenta o no con ciertos bienes y servicios para satisfacer las necesidades básicas.

• Vivienda: Materiales de construcción y espacios
• Servicios e insumos básicos: agua, electricidad, gas
• Educación: años de educación, asistencia en edad escolar y alfabetización a mayores de 10 años
• Salud: Lugar de atención de la salud: cajas de salud, seguros de salud privados, establecimientos públicos y privados de salud

Figura 2: Necesidades básicas insatisfechas. Fuente: Elaboración Propia, (Andersen, 2020)

Las necesidades básicas insatisfechas para Bolivia para el 2012, es 44.9%. Se podría notar que los departamentos con mayores índices de pobreza vendrían a ser Potosí, Pando y Beni con el 59.7%, 58.8% y 56.4% respectivamente. Y con el menor índice el departamento de Tarija con el 34.6%.

3.3. ÍNDICE DE POBREZA MULTIDIMENSIONAL, 2012

Cuando nos enfocamos en el índice de pobreza multidimensional, tomamos como tales nuevas variables que podrían ser determinantes para ver el verdadero impacto en la pobreza, y es así como la pobreza multidimensional tomara dentro de la misma primordialmente las desventajas que puede presentar un hogar o un individuo frente al resto, lo cual puede llevarlo a ser pobre. Entre estas desventajas podríamos nombrar el hecho de tener o no acceso a servicios básicos, si tiene las condiciones para asistir a una escuela y obtener la educación que merece, y así también si es que está en las posibilidades de poder gozar de un buen trabajo o no.

Como se puede notar al enfocarnos en la pobreza multidimensional no nos centramos netamente en los niveles de ingresos de los hogares o de los individuos, sino también en las condiciones que se encuentra y que puedan incidir para que no se desenvuelva de la mejor manera.

El índice de pobreza multidimensional para Bolivia es de 9.4% respecto de la población, lo cual llega a ser un dato significativo en términos de esta, más aún cabe resaltar que este índice pertenece al año 2012, por lo cual a la fecha puede ser mucho menor porque hubo mejoras en diversos aspectos que inciden en la medición de la pobreza multidimensional. Se podría notar que los departamentos con mayores índices de pobreza vendrían a ser Pando, Chuquisaca, Potosí y Beni que superan el 15%, lo cual vendría a ser un dato alarmante.

Figura 3: Índice de pobreza multidimensional. Fuente: Elaboración Propia, (Andersen, 2020).

3.4. ACCESO A LOS SERVICIOS BÁSICOS

Garantizar el acceso a los servicios básicos es uno de los objetivos para poner fin a la pobreza, donde se tiene como meta poder universalizarla, sin embargo, hasta la fecha existen regiones donde no se cuenta con servicios básicos de calidad. “Los países en desarrollo y los donadores prestan demasiado poca atención al suministro de servicios que son fundamentales para el bienestar de los niños y de las mujeres, negando así en la práctica a millones de personas los derechos humanos a los cuidados primarios de salud, a la educación básica, al agua limpia y a instalaciones adecuadas de saneamiento” (Mehrotra, Vandemoortele, & Delamonica, 2000)

Esto se puede corroborar en varios municipios de Bolivia donde servicios como saneamiento y agua potable no tienen cobertura en su totalidad existiendo porcentaje de habitantes que sufren de la ausencia de estos servicios esenciales en la calidad de vida.

Entre los servicios básicos esenciales se encuentra:

• Acceso a la electricidad
• Agua potable
• Saneamiento

Para que la cobertura de los servicios básicos sea más amplia, primeramente, esta debe ser de calidad, además de tener equidad en sus tarifas por el hecho que las áreas rurales son los lugares con más problemas en su accesibilidad, teniendo altos costos en el mantenimiento de los servicios en operación.

Figura 4: Accesos a los 3 servicios básicos. Fuente: Elaboración Propia, (Andersen, 2020).

En Bolivia el acceso a los 3 servicios básicos es de un 61.5% respecto a la población, indicando que más de la mitad tiene cobertura a los servicios básicos esenciales, sin embargo existe un alto porcentaje que no tienen dicha cobertura. Entre los departamentos con más altos porcentajes en accesibilidad de los 3 servicios básicos se encuentran Santa Cruz con el 83.9%, Tarija con el 76.2% y La Paz con el 58.7%; existiendo aun porcentajes altos de no accesibilidad lo que nos lleva a datos preocupantes en ciudades como Pando, Oruro y Potosí donde los porcentajes son menores al 50%.

4. POLÍTICAS SOCIOECONOMICAS RECOMENDADAS

• Mayor inversión pública en proyectos de salud y servicios básicos, los mismos que mejorarán la calidad de vida de la población boliviana y por ende repercutirá de buena manera en el índice de necesidades básicas insatisfechas.
• Redistribuir de manera más eficiente recursos IDH, que son los mayores ingresos que presenta Bolivia, para que los mismos lleguen a las gobernaciones y/o alcaldías, para realizar proyectos de educación en todos los lugares de los correspondientes municipios. De forma que el índice de pobreza multidimensional mejore considerablemente, así también la tasa de alfabetización.
• Generar programas de educación gratuita para los municipios con bajos indicadores de pobreza, de esta manera podremos capacitar mejor a las personas para que puedan ser insertados al mercado laboral que podría mejorar las condiciones del municipio.
• Regularización de tarifas en los tres servicios básicos de los municipios con mayores indicadores de pobreza multidimensional.

5. DATOS RELEVANTES

Al realizar un análisis de la pobreza en Bolivia se evidencio la importancia que tiene la pobreza multidimensional respecto al desarrollo económico sostenible, se observó una diferencia entre los municipios de los departamentos del eje central respecto a los demás departamentos, siendo los primeros los que presentan un Índice de Desarrollo Económico Sostenible mucho mayor. Así también pudimos notar la relación inversa que existe entre estos dos indicadores, por lo tanto, a mayores niveles del Índice de Pobreza Multidimensional, menores niveles de Desarrollo Económico Sostenible.

En la Figura 5, podemos observar que el índice de Desarrollo Económico Sostenible más alto, corresponde al municipio de La Paz con un 80.2%. Por otro lado el índice de Pobreza multidimensional más alto, se encuentra en el municipio de “El Sena” del departamento de Pando con un 52% de su población.

Figura 5: Comparación entre eje central y los demás departamentos. Fuente: Elaboración Propia, (Andersen, 2020).

6. CONCLUSIONES

Bolivia es un país diverso en cuanto a desarrollo económico sostenible que influye en los índices de pobreza, sin embargo el aparato estatal esta aun centralizado.

Se deben establecer políticas públicas estratégicas para el mejor acceso a vivienda, dotación de servicios básicos: agua, saneamiento, electricidad, educación, salud.

Los municipios con mayor índice de pobreza generan un menor índice de Desarrollo Económico Sostenible, existiendo una relación inversa entre ambas variables; en consecuencia, es importante fortalecer con economía sustentable a los municipios rurales más pequeños e inaccesibles con más altos índices de pobreza, tomando las iniciativas de municipios con mayor Desarrollo Económico Sostenible que han generado ventajas competitivas.

7. REFERENCIAS

Andersen, L. (16 de 06 de 2020). Introducción al Atlas Municipal de los ODS en Bolivia. La Paz: SDSN Bolivia; UPB.

Andersen, L., Branisa, B., & Guzmán , G. (19 de 06 de 2020). SDSN. Obtenido de Midiendo la pobreza y la desigualdad energética a nivel municipal en Bolivia: https://www.sdsnbolivia.org/midiendo-la-pobreza-y-la-desigualdad-energetica-a-nivel-municipal-en-bolivia/

Energypedia. (19 de 06 de 2020). Energypedia. Obtenido de Powering WASH - Renewable Energy for Water Supply in Humanitarian Settings: https://energypedia.info/wiki/Access_to_Modern_Energy#Overview

IEA. (19 de 06 de 2020). IEA. Obtenido de https://www.iea.org/topics/energypoverty

Mehrotra, S., Vandemoortele, J., & Delamonica, E. (2000). Servicios basicos para todos? El Gasto publico y la dimension social de la pobreza. Florencia: Publicaciones Innocenti. Centro de Investigaciones Innocenti de UNICEF.

Naciones Unidas. (2003). Las metas del milenio. Declaración del Milenio de las Naciones Unidas. Naciones Unidas. Perez, J. P., & Mora, M. (2006). De la pobreza a la exclusion social. San Jose: Fundacion Carolina.

AUTORES
Carmen Aramayo, Darlyne Castellón, Ramiro Flores, Henry Vilca (ORDEN ALFABETICO)

LIMITES DEL CRECIMIENTO. PARTE 4/5

ANÁLISIS DESCRIPTIVO DE LAS VARIABLES

Dentro de las herramientas econométricas que permiten el análisis conjunto de variables endógenas está el modelo de vectores autorregresivos (VAR), integrando, de manera implícita, el criterio de simultaneidad entre variables.

En su forma reducida, un modelo VAR se puede expresar de la siguiente manera:

Donde Y_t es el vector de K variables endógenas, A_i es la matriz KxK de coeficientes del rezago i de las variables endógenas y ε_t es el vector de residuos o innovaciones que siguen un proceso de ruido blanco con media cero y varianza Σ (ε_t ~N(0,Σ)).

Conforme a los trabajos de (Keating, 1996), (Blanchard & Watson, 1987), (Bernanke, 1986) y (Sims, 1986), quienes desarrollaron una extensión del modelo VAR, introduciendo restricciones provenientes de la teoría económica conocido como VAR Estructurales (SVAR). Cuya metodología tiene la ventaja de validar de manera empírica las diferentes teorías económicas (Carrillo, 2015).

El presente trabajo, en su primera parte, utiliza la metodología de (Blanchard & Quah, 1989) para construir el modelo de largo plazo. De esta manera, el trabajo se constituye en una variación y adecuación como aporte al modelo presentado por (Carrillo, 2015)[1], teniendo la siguiente expresión matemática para las variables endógenas:

Donde C es la matriz de coeficientes de largo plazo de los errores. Cada elemento de la matriz C es el coeficiente de largo plazo del error de la variable endógena, de acuerdo con la calibración del modelo. Donde (Blanchard & Quah, 1989), calibran el modelo con restricciones teóricas de largo plazo. Sin embargo, para el caso boliviano también se aplicará restricciones empíricas, conforme a las recomendaciones de (Carrillo, 2015). En el entendido que “una macroeconomía realista debe basarse en hechos estilizados, o generalizaciones empíricas establecidas de forma jerárquica a nivel macro, sectorial y micro acerca de la economía en estudio” (Kaldor, 1963).

Respecto a las generalizaciones empíricas, este trabajo toma como base los trabajos de investigación de (Gachet, Maldonado, Oliva, & Ramirez, 2013). Dichos autores plantean dos pasos para identificar los hechos estilizados: 1) filtrar el ciclo de las series económicas a través del filtro de Baxter-King y Hodrick-Prescott en dos etapas[2]; y 2) Identificar las relaciones de las series mediante las correlaciones cruzadas. Estas relaciones tienen patrones de tiempo y variación (Flores, 2000).

Por lo tanto, para imponer las restricciones se utilizará los patrones de tiempo de las correlaciones. Donde el shock estructural ε_t , está asociado a cada variable. Esto nos permite señalar que el shock ε_cgob , es el impacto exógeno generado por el consumo de gobierno y así sucesivamente.

ε_1t ↔ Consumo de Gobierno[3] (ε_cgob)

ε_2t ↔ Precio Internacional del Petróleo WTI[4] (ε_ind)

ε_3t ↔ Inversión[5] (ε_inv)

ε_4t ↔ Importaciones[6] (ε_m)

ε_5t ↔ Consumo de Hogares[7] (ε_chog)

ε_6t ↔ Producto Interno Bruto[8] (ε_pib)

ε_7t ↔ Ingresos por la comercialización de la Producción de Gas Natural[9] (ε_dir)

ε_8t ↔ Exportaciones[10] (ε_x)

De esta manera, se plantean las restricciones de largo plazo para el modelo, donde todas las variables están sujetas a sus propios shocks; por tanto:

La identificación de los rezagos y parámetros es un paso esencial para un parsimonioso (Box, Jenkins, & Reinsel, 2008). Una forma de selección del número de retardos responde a los criterios de información de Akaike (AIC), de Hannan-Quin (HQIC) y del bayesiano de Schwarz (SBIC), todos basados en el Error de Predicción Final (FPE) (Carrillo, 2015). Cabe destacar que estos modelos utilizan el determinante de la matriz de covarianza de los errores para un modelo de orden “p”, el número de parámetros y el tamaño de la muestra. Por tanto, el valor mínimo de los criterios entre los retardos candidatos es la elección optima. Según (Lutkepohl, 2005), los criterios FPE y AIC son estadísticos convenientes para muestras pequeñas (menores a 100 observaciones) y para predicciones. Estos criterios son:

En función de lo mencionado, los resultados mostrados en la Figura 9 nos recomiendan utilizar por lo menos 2 rezagos para estimar los coeficientes. Cantidad que satisface las condiciones de estabilidad del modelo, pues no se evidenció ni presencia de auto correlación ni heterocedasticidad en los residuos.

FIGURA 9: Prueba del Modelo VAR en su forma reducida, calculado en Stata.

FIGURA 10: Prueba de Condiciones de estabilidad a 2 rezagos. Fuente: Elaboración Propia Stata

Después de la identificación del rezago, se obtiene una estimación eficiente de los parámetros, donde las raíces inversas del polinomio AR característico se encuentran del círculo unitario, ver Figura 10. Según (Lutkepohl, 2005), los parámetros del proceso VAR no pueden ser estimados por Mínimos Cuadrados Ordinarios (MCO), por lo que se recomendaría utilizar la técnica de Máxima Verosimilitud (MV). En especial, cuando los parámetros están sujetos a restricciones (SVAR). Esta técnica asume que los errores tienen una función de distribución normal. Con la forma reducida, la función de verosimilitud es la siguiente:

Donde el logaritmo de la ecuación se expresa de la siguiente manera:

Posteriormente, se maximiza esta expresión para obtener estimaciones de Z₀, . . . ,Z_p y de Σ_u. En relación de que una de las características de los modelos VAR radica en presentar coeficientes (Z_i) difíciles de interpretar debido a la naturaleza multivariante. Por lo tanto, se desarrollarán funciones de Impulso Respuesta (IR) y de Descomposición de la Varianza del Error (FEVD) para superar esta limitación.

Si comienza en el tiempo T=1 hasta T=t, entonces:

Donde μ = (I_K − Z₁)⁻¹Z₀. Las distribuciones marginales y conjuntas de los Y_t’s, son determinados únicamente por la distribución de los procesos ε_t. Aunque a veces, se asume que un proceso inicia en un periodo específico, también conviene aceptar que inicia en el pasado infinito (i = −∞).

La representación de medias móviles es una herramienta especialmente utilizada para examinar la interrelación entre las variables. Los coeficientes de Z_i pueden utilizarse para generar los shocks ε_1t y ε_2t en toda la trayectoria del tiempo de x_1t y x_2t. Donde la combinación de los elementos z_jk de Z_i y u_t es conocida como la función de impulso respuesta, los cuales representan a los multiplicadores de impacto.

Por tanto, es evidente los efectos expansivos de los principales argumentos económicos en los componentes del PIB a través de un modelo SVAR de largo plazo. En particular, mediante la función impulso-repuesta, es posible determinar el impacto de cambios en la variable de efecto directo (dir) y el consumo de gobierno como gasto público (cgob) sobre el PIB y su composición. Por otro lado, el modelo nos permite medir la contribución de las demás variables tomadas en cuenta por el INE, a la variabilidad del PIB, utilizando la descomposición de la varianza del error.

Sin embargo, respecto a la consideración de variable de efecto directo (dir), es importante considerar en la actualidad, que en muchos países del mundo, el mercado de Gas Natural es todavía regulado, dicha regulación difiere dependiendo del país y por ello hoy en día no existe un precio de referencia mundial. Sin embargo, experiencias de países como Estados Unidos, Alemania, Reino Unido, Bélgica, Noruega, Dinamarca, Suecia, Finlandia, entre otros, el mercado actúa por las fuerzas de la oferta y la demanda. Por tanto, los precios del Gas Natural son competitivos, y permiten no sólo la negociación física del activo, sino que además motivan la negociación de instrumentos financieros derivados, siendo estos considerados mercados eficientes.

Lo anterior descrito, permite profundizar más en el análisis de cómo las expectativas que hoy se tiene en Bolivia sobre el mercado spot de Gas Natural, podría ser un elemento clave a la hora de evaluar la factibilidad de la implementación de una estrategia de largo plazo.

Al respecto, debemos considerar que históricamente las exportaciones de Bolivia del Gas Natural se centran en los mercados de la Argentina y Brasil.

FIGURA 11: Variación de los precios de exportación de Gas al Brasil. Contrato GSA. Fuente: YPFB

Para el presente trabajo la variable de efecto directo (dir) que relaciona la producción de Gas Natural y su incidencia en el PIB, considera el cálculo de los precios de Gas Natural al Brasil (Contrato GSA), mediante el cual el precio de exportación al Brasil se fija cada tres meses (Figura 11) y está vinculado a la cotización de 3 tipos de Fuel Oil, calculado de la siguiente manera (Aguilar & Valdivia, 2012):

Cabe hacer notar la incidencia de los precios internacionales indexados al precio internacional del petróleo, para nuestro caso WTI, variable de efecto indirecto (ind).

Mientras que la fórmula de fijación de precios en el contrato de exportación de Gas Natural a la Argentina (Figura 12), es similar a la estipulada en el Contrato GSA, salvo que se añade a la canasta de 3 tipos de Fuel Oil, el precio internacional del Diesel Oil, de acuerdo con la siguiente fórmula (Aguilar & Valdivia, 2012):

FIGURA 12: Variación de los precios de exportación de Gas Natural a la Argentina. Fuente: YPFB

Sin embargo, no debemos olvidar que en la actualidad Bolivia se enfrenta a la firma de un nuevo contrato de compra y venta de Gas Natural al Brasil por otros 20 años en nuevas condiciones de reservas, precios y volúmenes.

“El más importante acuerdo comercial boliviano debe renovarse en 2019. Esto se dará, sin haber certificado suficientes reservas de gas, tanto para su seguridad energética, como para sus proyectos de exportación, con una disminución de los precios del barril de petróleo y con la emergencia de competidores en el mercado regional del GNL” (Orgaz, 2017).

La estrategia que ya se anuncia por parte de las empresas transnacionales y Brasil es mantener el tenor del actual contrato, con el aditamento de más gas a menor precio. Esta estrategia sostiene que: “Brasil necesita tener las condiciones para ser capaz de renegociar (el contrato) para que los precios puedan bajar”, según lo expresado por el ejecutivo de Gas Energy (Tavares, 2014).

Sin embargo de lo anterior, a partir de la premisa de (Solow, 1986): “La producción depende no solo del trabajo y del capital, sino también de la materia prima disponible en la economía”, es posible combinar modelos de crecimiento económico con variables ambientales, tal es el caso de la generación y absorción de residuos contaminantes, y por ende, relacionar estas variables con aspectos ligados a la Gestión de RSC, así como indirectamente del Consumo de Gobierno (cgob) y crecimiento del PIB (pib).

En consecuencia, al considerar variables de protección al Medio Ambiente en el modelo tradicional de crecimiento económico, el impacto a largo plazo se refleja en la obtención de un mayor nivel de capital (Ibarra, 2012). Ver los escenarios de crecimiento en la Figura 13.

FIGURA 13: Escenarios de crecimiento. Fuente: Elaboración propia.

La incorporación de la materia prima en el modelo clásico[11]: , permite establecer límites a la función de producción:

Por tanto, la dinámica de la contaminación estaría dada por:

La incorporación de variables ecologistas y de RSC, modifica ligeramente el sistema de ecuaciones diferenciales, y busca una solución al determinar los valores característicos del Jacobiano.

---

[1]    Se cuenta con la autorización de Paul Carrillo Maldonado para el uso de su rutina en Stata. Paul Carrillo es Ingeniero en Ciencias Económicas y Financieras de la Escuela Politécnica Nacional (EPN) y Licenciado de la Universidad Jean Monnet (convenio con la EPN). Cuenta con una Maestría en Economía con mención en Economía del Desarrollo (FLACSO). PhD en Economía del Desarrollo en el Programa Doctoral de FLACSO. Trabajó en el Banco Central del Ecuador, el Servicio de Rentas Internas y el Ministerio de Economía como Coordinador de Política Económica. Ha publicado artículos en revistas académicas nacionales e internacionales.

[2]   Se utilizará el filtro de Baxter-King, debido a que este permite una construcción de medias móviles que separa los componentes periódicos de una serie de tiempo que está en una banda específica de frecuencias, sin tomar valores de manera discrecional para encontrar las relaciones empíricas, lo que permite una mayor consistencia que el presentado por el modelo de Hodrick-Prescott.

[3]    cgob = Consumo de Gobierno. Cuenta INE: Gasto de consumo final de la administración pública (En miles de bolivianos de 1990)

[4]   Ind = Variable de efecto Indirecto. Precio Internacional del Petróleo WTI (Fuente: FRED Economic Data). Expresado en US$ por Barril.

[5]    inv = Inversión. Cuenta INE: Formación bruta de capital fijo (En miles de bolivianos de 1990)

[6]    m = Importaciones. Cuenta INE: Importaciones de bienes y servicios (En miles de bolivianos de 1990)

[7]    chog = Consumo de Hogares. Cuenta INE: Gasto de consumo final de los hogares e IPSFL (En miles de bolivianos de 1990)

[8]    pib = Producto Interno Bruto. Cuenta INE: Bolivia: Producto Interno Bruto por semestre, según tipo de gasto (En miles de bolivianos de 1990)

[9]    dir = Variable de efecto Directo. Cuenta INE: Petróleo Crudo & Gas Natural (En miles de bolivianos de 1990). Contrastado con los Ingresos por la comercialización de la Producción de Gas Natural, calculado a partir de la producción en los campos de producción (Contratos GSA: Brasil y Argentina) (Fuente: YPFB, MH, ANH), precio internacional Henry Hub, derivados de petróleo (Fuente: FRED Economic Data), tipo de cambio (Fuente: INE). Dicha variable tiene un comportamiento de tipo estacional debido a que se correlaciona de manera directa con la demanda de Gas Natural, por parte de Brasil y Argentina, quienes demandan mayores volúmenes en épocas de invierno, aunque el contrato establece una forma “Take or Pay”.

[10]  x = Exportaciones. Cuenta INE: Exportaciones de bienes y servicios (En miles de bolivianos de 1990)

[11]  Y= Producto total de la economía; L= Factor trabajo de la economía; K= Capital utilizado en la economía, MP=Materia Prima