SciELO - Scientific Electronic Library Online

 
vol.85 número340México y el TLCAN: escenarios de política comercial. Simulaciones con un modelo de equilibrio general aplicadoDisponibilidad regional de la infraestructura de telecomunicaciones. Un análisis multivariado índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay artículos similaresSimilares en SciELO

Compartir


El trimestre económico

versión On-line ISSN 2448-718Xversión impresa ISSN 0041-3011

El trimestre econ vol.85 no.340 Ciudad de México oct./dic. 2018

https://doi.org/10.20430/ete.v85i340.717 

Artículos

Ingreso y calidad del aire en ciudades: ¿Existe una curva de Kuznets para las emisiones del transporte en la Zona Metropolitana del Valle de México?**

Income and air quality in cities: Does a Kuznets Curve exist for transport emissions in the Valley of Mexico’s metropolitan area?

Vanessa Pérez-Cirera** 

Elisa Schmelkes** 

Oliver López-Corona*** 

Francisco Carrera**** 

Ana Paula García-Teruel***** 

Graciela Teruel****** 

* Coordinadora de medio ambiente en el Instituto de Investigaciones para el Desarrollo con Equidad (Equide), Universidad Iberoamericana, México (correo electrónico: vanessa.perez@ibero.mx)

** Investigadora independiente, México (correo electrónico: elisa.schmelkes@gmail.com).

*** Investigador en el Equide, Universidad Iberoamericana México (correo electrónico: lopezoliverx@otrasenda.org)

**** Investigador independiente, México (correo electrónico: carrerasfj@gmail.com).

***** Asistente en el Equide, Universidad Iberoamericana, México (correo electrónico. ana.terueln@gmail.com).

****** Directora del Equide, Universidad Iberoamericana, México (correo electrónico: graciela.teruel@ibero.mx).


Resumen

Antecedentes:

La contaminación atmosférica proveniente del transporte en las urbes y sus impactos a la salud y el bienestar de las personas son preocupaciones crecientes en la región de América Latina. Existen muy pocos análisis que esclarezcan la relación entre los niveles de ingreso y contaminación proveniente del transporte a nivel microeconómico, con un gran vacío en ciudades de países en desarrollo.

Metodología:

Se corrió un modelo de mínimos cuadrados ordinarios (MCO) lineal, cuadrático y cúbico del modelo típico de Kuznets para conocer la relación existente entre el ingreso y las variables de contaminación atmosférica. Se construyó una base de datos con información de 2010, 2012 y 2014, con datos del Módulo de Condiciones Socioeconómicas (MCS) del Instituto Nacional de Estadística, Geografía e Informática (INEGI) para una muestra representativa de 1 582 hogares, con datos de ingreso anual e ingreso per cápita por hogar, así como sobre la ubicación del hogar, el número y modelo de los vehículos que éste posee y un estimado propio sobre distancias recorridas, para ponderar las emisiones con el modelo MOVES-México, que utiliza las mediciones de monitoreo atmosférico existentes en la Zona Metropolitana del Valle de México (ZMVM).

Resultados:

Existe una relación monotónica (lineal positiva) entre el monóxido de carbono (CO) y el dióxido de carbono equivalente (CO2eq), y cuadrática (Uinvertida) para los óxidos de nitrógeno (NOx), por mucho, los menos abundantes de los tres gases.

Conclusiones:

Inclusive a niveles de ingreso por encima de los puntos de inflexión observados en la literatura, los hogares más ricos siguen sin internalizar el costo social de contaminar. Los resultados sugieren el diseño urgente de políticas públicas que promuevan un cambio en los modos de transporte en la ZMVM.

Palabras clave: emisiones del transporte; ingreso y medio ambiente; modelo MOVES-México

Clasificación JEL: R4; O2; R1

Abstract

Background:

Pollution related to transport in big cities in Latin America and its impact on human health, and time loss due to congestion amongst other externalities are a growing concern. There are many analyses exploring this relationship at the macro and meso-levels. However, there are very few studies examining this relationship at the micro-economic level, less so in cities of developing countries

Methodology:

We run a linear, quadratic and cubic ordinary least squares regression between income and three pollutants: carbon monoxide (CO), nitrogen oxides (NOx) and carbon dioxide (CO2eq) for a representative sample of 10 582 households within Mexico City Metropolitan Area (ZMVM) from 2010, 2012 and 2014.

Results:

The paper shows a monotonic relation (positively linear) for CO and CO2eq and quadratic (inverted U-shape) for NOx, the least abundant of the three pollutants.

Conclusions:

Evidence shows that even at levels of income above the turning point observed in the literature, richer households still do not choose to internalize the social cost of polluting, therefore it is urgent to design public policies aimed at a switch in ways of transport.

Keywords: urban transport pollution; income and the environment; moves model

JEL Classification: R4; O2; R1

Introducción

La contaminación atmosférica ha sido una preocupación creciente en los rubros de salud, medio ambiente y política pública, no sólo en la Zona Metropolitana del Valle de México (ZMVM), sino también en diversas ciudades de rápido crecimiento en América Latina, consecuencia principalmente de una marcada tendencia a la motorización en las ciudades de la región (CEPAL, 2015).

De acuerdo con cifras recientes de la Organización Mundial de la Salud (OMS), por lo menos 100 millones de personas en América Latina y el Caribe están expuestas a niveles de contaminación atmosférica por encima de los que recomienda la OMS (Cifuentes et al., 2005). Dentro de la región, México, después de Brasil, es el país con el mayor número de muertes inducidas debido a la exposición a contaminantes atmosféricos: la Ciudad de México y su zona conurbada se encuentran todavía en los primeros lugares de las listas de ciudades con peor calidad del aire (Observatorio Mundial de la Salud, 2011).

Los grupos con mayores afectaciones por contaminantes atmosféricos son niños, adultos mayores y personas que sufren deficiencias pulmonares y cardiovasculares; no obstante, por su vulnerabilidad, también las poblaciones de estratos económicos bajos se incluyen en la lista.1 Los principales efectos del monóxido de carbono (CO) se asocian con afectaciones en el transporte de oxígeno, lo que trae consigo consecuencias como la hipoxia, déficits neurológicos e incluso la mortalidad inducida para personas con afectaciones respiratorias. Por su parte, los óxidos de nitrógeno (NOx) afectan parámetros de función pulmonar en niños y bronquitis y conjuntivitis en diferentes grupos de edad en exposición prolongada. A pesar de las ventajas para la salud humana que tiene inhalar ciertas concentraciones de CO2eq, además de sus impactos ambientales como precursores de calentamiento global, altos niveles de éste pueden producir diversos daños a la salud, sobre todo aquellos asociados a la hiperventilación (OMS, 2005).

La OCDE prevé que para el año 2020 la contaminación del aire será la causa ambiental de mortalidad prematura más importante en la región de América Latina y el Caribe, con un impacto hasta de 2% del PIB, producido por gastos públicos en salud, reducciones en productividad, estrés y tiempos de traslado (OCDE, 2012). El Instituto de Políticas para el Transporte y el Desarrollo valoró las externalidades negativas del congestionamiento, la contaminación local y los gases de efecto invernadero de cinco zonas metropolitanas en México, incluyendo la ZMVM, aproximadamente en 4% del PIB de la ciudad (ITDP, 2012).

La ZMVM está conformada por las 16 delegaciones de la Ciudad de México, 59 municipios del Estado de México y un municipio de Hidalgo. En la ZMVM los vehículos automotores son la fuente más importante de generación de emisiones de CO y NOx (véase la Gráfica 4). Con más de 21 millones de habitantes y 245 vehículos por cada 1 000 habitantes, la ZMVM cuenta con una de las flotas vehiculares más grandes del país, con tasas de crecimiento alarmantes (Conapo, 2012). El número de autos registrados en la ZMVM prácticamente se duplicó en ocho años (2005-2013), al pasar de 3.5 millones a 6.8 millones (véase la Gráfica 2). En décadas anteriores, este fenómeno había tardado 25 años en suceder (1980-2005).

Fuente: INEGI, 2013.

Gráfica 1 Porcentaje de hogares al menos con un automóvil por decil de ingreso en México, 2012. 

Fuente: INEGI, 2016.

Gráfica 2 Crecimiento de la flota vehicular en la ZMVM, 1980-2016. 

Fuente: Sedema, 2013.

Gráfica 3 Número y porcentaje de vehículos por tipo en la ZMVM, 2012 (En millones). 

Fuente: Sedema, 2013.

Gráfica 4 Emisiones contaminantes de CO, NOx y CO2eq por fuente en la ZMVM (ton / año en 2012). 

De acuerdo con el último Inventario de Emisiones Contaminantes y Gases de Efecto Invernadero 2012 que publica la Secretaría del Medio Ambiente de la Ciudad de México (Sedema-CDMX, 2013), del parque vehicular en la ZMVM, compuesto por cinco millones de vehículos aproximadamente, 78% de los vehículos es particular (véase la Gráfica 3). Del total de vehículos, 94% utiliza gasolina, 5% consume diésel y 1% gas LP. Del parque vehicular que utiliza gasolina, 52% es anterior a 1990, carece de tecnología ambiental, es altamente emisor y aporta cerca de 68% de las emisiones totales. El restante 48% de los vehículos pertenece a 1991 o en adelante y cuenta con tecnología ambiental. Sin embargo, aún participa con 32% de las emisiones.

A pesar de la relevancia que ha adquirido el tema de la calidad del aire urbano todavía hay muy pocos análisis empíricos que vinculen ingreso con decisiones ambientales en los hogares, con un vacío importante en países en desarrollo. La llamada curva ambiental de Kuznets (EKC, por sus siglas en inglés) sugiere una relación de U invertida entre crecimiento económico y calidad ambiental. Esta relación ha sido estimada previamente en tres niveles: i) datos agregados para país con relaciones tipo EKC; ii) datos agregados para ciudad, que mostraron resultados mixtos, y iii) pocos análisis para hogar, realizados en ciudades de países desarrollados, que han rebatido en general la hipótesis de la curva. Estos análisis se abordarán con más detalle en la siguiente sección.

Este artículo examina la relación entre ingreso y contaminación atmosférica por emisiones del transporte en la ZMVM usando tres contaminantes asociados: el monóxido de carbono (CO), el cual se origina mayoritariamente por vehículos que usan gasolina; los óxidos de nitrógeno (NOx), que provienen mayoritariamente de los vehículos de diésel, y el dióxido de carbono (CO2eq), que es generado tanto por los vehículos de diésel como por los que usan gasolina, según diversos factores de eficiencia del motor (INEC, 2014).

El artículo se organiza de la siguiente manera: la sección I describe los orígenes, la hipótesis y los principales usos de la curva ambiental de Kuznets (EKC); la sección II describe el modelo genérico de la EKC, los datos usados para realizar el análisis y sus fuentes, y la sección III presenta los resultados del modelo. Finalmente, en las conclusiones se resumen y discuten los resultados en términos de sus implicaciones políticas y de su aportación a la literatura.

I. La curva de Kuznets y la contaminación atmosférica

La EKC tiene sus orígenes en Kuznets (1955), quien teorizó que la inequidad en el ingreso primero incrementa y luego disminuye a medida que aumenta el crecimiento económico. Esta teoría fue llevada al campo ambiental a principios de la década de 1990. El uso extensivo de la curva de Kuznets en la arena ambiental se originó con los artículos de Grossman y Krueger (1991) sobre los impactos ambientales del TLCAN y de Shafik y Bandyopadhyay (1992) sobre ingreso y medio ambiente, que sirvieron de base para el World Development Report del Banco Mundial, en 1992. Ambos documentos rebatían la visión generalizada en ese entonces en el sentido de que la contaminación, que era una función lineal positiva con el ingreso, en la que se introducía una función inversa a niveles altos de ingreso y la demanda por una mayor calidad ambiental, así como inversiones tecnológicas, derivarían en una menor contaminación. Las aplicaciones más usadas de la curva de Kuznets se han hecho sobre variables de contaminación en aire, agua y suelo, a nivel macroeconómico. Las variables más estudiadas en el caso del aire son el dióxido de carbono, el monóxido de carbono, los nitratos, el óxido de nitrógeno, el óxido de azufre y las partículas suspendidas; la mayoría de los casos muestran la forma de una parábola que abre hacia abajo (véanse Dinda, 2004; Grossman y Krueger, 1991; Hettige et al., 1995; Hettige et al., 1996; Shafik y Bandyopadhyay, 1992; Stern, 2003).

Tanto a nivel macro, meso y micro, la pregunta fundamental que formula la hipótesis de la EKC es: ¿realmente mayores niveles de ingreso llevan a mejores resultados ambientales?, y de ser así, ¿dónde se encuentra el punto de inflexión?

A nivel macroeconómico, la relación descrita por la EKC ha sido estimada por una variedad de autores que emplearon datos agregados de muestras de países con distintos niveles de ingreso y cuyos diversos resultados, que dependieron del tipo de contaminante y de las políticas públicas en marcha, en general sugirieron una parábola que abre hacia abajo, consistente con la hipótesis de la EKC.2

A nivel meso, a lo largo de la última década se han multiplicado los estudios que evalúan las relaciones entre ingreso, transporte y contaminación en las ciudades (véanse, por ejemplo, Meunie y Pouyanne, 2009; Liddle, 2015; Mraihi et al., 2015; Sousa et al., 2015). Entre ellos, destacan el análisis de Mraihi et al. (2015), para el que usaron el producto interno bruto per cápita y las emisiones de la ciudad y cuyo resultado fue una U invertida para las emisiones de CO2, una N para las emisiones de O3 y una función tipo L para NO2; y el de Meunie y Pouyanne (2009), quienes utilizaron emisiones per cápita en un comparativo entre ciudades de diferentes niveles de ingreso, con resultados mixtos dependiendo del contexto. Con este estudio resolvieron algunos problemas de escala y arrojaron luz sobre el papel de la política local, pero no sobre el comportamiento de los individuos.

En los hogares, los individuos tienen un conjunto de decisiones que tomar en relación con el transporte y su consiguiente impacto en emisiones, que empiezan por i) el modo de transporte por utilizar (caminar, usar bicicleta, transporte público, transporte público masivo o vehículo particular); ii) la elección de usar transporte privado, pues se tendrá que elegir el número de vehículos por poseer y el tipo de vehículo por conducir, y finalmente iii) la distancia que media entre el hogar y el centro de actividad principal. Es claro que el costo social de manejar es mayor que el costo privado. Sin embargo, de acuerdo con la hipótesis de la EKC, es probable que los hogares más ricos se encuentren en una mejor posición para internalizar estos costos sociales. Esto quiere decir que, en teoría, los hogares con mayor ingreso pueden vivir más cerca de sus centros de actividad económica y, por tanto, los individuos pueden caminar o andar en bicicleta hasta ellos, o comprar autos más nuevos con menores emisiones que, por ende, contaminan menos. Los hogares con menos ingresos contaminarían más por el uso de vehículos más antiguos y por el hecho de encontrarse más lejos.

A nivel microeconómico, entre los pocos análisis empíricos existentes están el de Kahn (1998), quien estudió las emisiones del transporte en California al respecto de los hogares, con un método de cálculo indirecto que presentó evidencia de una U invertida no monotónica tipo EKC entre las emisiones y el ingreso, cuyo punto de inflexión se halló en 35 000 USD en el ingreso anual promedio del hogar. Los resultados de este estudio son consistentes con la proposición teórica propuesta por Pfaff et al. (2004), en la que desarrollaron un modelo teórico de producción de los hogares, según el cual los más ricos no pueden comprar directamente calidad ambiental, pero pueden contribuir a la reducción de la degradación, adquiriendo bienes con menor impacto ambiental. En contraste, Cox et al. (2012) usaron información más reciente e indicadores adicionales en un estudio empírico para hogares en California y mostraron una relación lineal positiva entre emisiones e ingreso. Su estudio sugiere que, a pesar de que las familias más ricas compran autos menos contaminantes, los manejan en menor medida, pues también poseen vehículos viejos, que igualmente manejan y, en términos absolutos, manejan más. Finalmente, Giovanis (2013), en un análisis reciente para el Reino Unido, usó información de la encuesta de panel británica entre 1991 y 2009 y concluyó que no existe una relación estilo EKC cuando se consideran ingresos del hogar, lo que sugiere que la política pública tiene mayor relevancia que las acciones individuales espontáneas.

Las estimaciones de la relación ingreso-contaminación a nivel microeconómico en ciudades de países en desarrollo son fundamentales para entender cómo frenar los índices de contaminación y las emisiones de gases de efecto invernadero, conforme las ciudades de la región crecen en tamaño e ingreso. También son relevantes en el diseño de políticas públicas no regresivas que apunten a objetivos de reducción de emisiones en un contexto de creciente pobreza urbana (véase Di Virgilio et al., 2011).

II. El modelo y los datos

El modelo de Kuznets simple, comúnmente usado, se representa como:

Ynt=a+β1Xnt+β2X2+β3Xnt3+εnt (1)

donde Y nt es la variable de contaminación atmosférica en el municipio n en el periodo t y X nt es el ingreso corriente anual del hogar en el municipio n y en el periodo t.3

En este trabajo se corrió un modelo de mínimos cuadrados ordinarios (MCO) con y sin los coeficientes cuadrático y cúbico del modelo típico de Kuznets, para conocer la relación existente entre el ingreso y las variables de contaminación.

Para realizar el análisis se construyó una base de datos con información de 2010, 2012 y 2014 con datos del Módulo de Condiciones Socioeconómicas (MCS) del Instituto Nacional de Estadística, Geografía e Informática (INEGI), para una muestra representativa de 10 582 hogares, con datos de ingreso anual e ingreso per cápita por hogar, al igual que datos sobre la ubicación de éste y el número y modelo de los vehículos que posee. Posteriormente, utilizamos el modelo MOVES-México4 para simular las emisiones en la Zona Metropolitana del Valle de México por tipo de vehículo y modelo (véase el Cuadro 1). Este modelo actualmente es usado por la Secretaría del Medio Ambiente de la Ciudad de México para hacer su inventario de emisiones.

Cuadro 1 Parámetros ingresados en el modelo MOVES-México. 

Tráfico Vehículo Hogar Fechas Contaminantes Recorrido
Urbano Tipo y modelo Municipio al que pertenece Junio y diciembre de cada año CO,NOx,CO2eq Distancia Promedio diaria por hogar según cálculos propiosa

Fuente: Sedema, Dirección de Monitoreo Atmosférico, 2016.

a Dado que los resultados de la Encuesta Origen Destino 2017 todavía no están disponibles y la que existe anteriormente, eod-2007, es muy antigua y difícilmente imputable a los hogares sin variaciones importantes, mediante sistemas de información geográfica añadimos la distancia y el tiempo promedio de viaje entre los hogares de las 76 municipalidades y los centros de actividad económica más cercanos reportados en los municipios, controlando la velocidad para tramos carreteros.

Para los hogares que no tienen vehículos, asumimos que las personas se trasladan en microbús (tipo de vehículo, D15). Para estimar las emisiones del hogar dividimos las emisiones de acuerdo con los parámetros recomendados por EMBARQ-México, según la ocupación de los microbuses y los autos individuales, y se multiplicaron por el número de miembros del hogar.

Los datos de contaminación atmosférica que pondera MOVES-México de acuerdo con los parámetros ingresados, provienen de la Sedema.5 La Sedema cuenta con mediciones para un total de 42 estaciones medidoras para la Ciudad de México y el Estado de México.

Cuadro 2 Catálogo de estaciones de medición de contaminantes atmosféricos en la ZMVM. 

Clave Nombre Municipio Estado
ACO Acolman Acolman Estado de México
AJU Ajusco Tlalpan Ciudad de México
ATI Atizapán Atizapán de Zaragoza Estado de México
CAM Camarones Azcapotzalco Ciudad de México
CHO Chalco Chalco Estado de México
COY Coyoacán Coyoacán Ciudad de México
CUA Cuajimalpa Cuajimalpa de Morelos Ciudad de México
CUT Cuautitlán Tepotzotlán Estado de México
FAC FES Acatlán Naucalpan de Juárez Estado de México
IZT Iztacalco Iztacalco Ciudad de México
LOM Lomas Miguel Hidalgo Ciudad de México
MCM Museo de la Ciudad de México Cuauhtémoc Ciudad de México
MER Merced Venustiano Carranza Ciudad de México
MON Montecillo Texcoco Estado de México
MPA Milpa Alta Milpa Alta Ciudad de México
NEZ Nezahualcóyotl Nezahualcóyotl Estado de México
PED Pedregal Álvaro Obregón Ciudad de México
SJA San Juan Aragón Gustavo A. Madero Ciudad de México
SNT San Nicolás Totolapan Magdalena Contreras Ciudad de México
TAH Tláhuac Xochimilco Ciudad de México
TLA Tlalnepantla Tlalnepantla de Baz Estado de México
TLI Tultitlán Tultitlán Estado de México
UIZ UAM Iztapalapa Iztapalapa Ciudad de México
VIF Villa de las Flores Coacalco de Berriozábal Estado de México
XAL Xalostoc Ecatepec de Morelos Estado de México

Fuente: Sedema, Dirección de Monitoreo Atmosférico, 2016.

III. Resultados

Los Cuadros 3, 4 y 5 exponen los resultados lineales, cuadráticos y cúbicos del modelo de MCO de la EKC. A pesar de que los tres modelos muestran relaciones estadísticamente significativas, los coeficientes de las regresiones y las funciones presentadas en las Gráficas 3 y 4 nos permiten concluir (véase Martin, 2003) que existe una relación monotónica (lineal positiva) estadísticamente significativa entre el monóxido de carbono (CO) y el dióxido de carbono equivalente (CO2eq), y cuadrática (U invertida tipo Kuznets) para los óxidos de nitrógeno (NOx).

Cuadro 3 Modelo lineal entre ingreso anual por hogar y emisiones de CO, NOx y CO2eq. 

(1) (2) (3)
CO_gen_hogar_anual NOx_gen_hogar_anual CO2eq_gen_hogar_anual
b/t b/t b/t
ln_ingcor_anual 77 237.031*** -2 156.589*** 4 356 507.614***
(36.42) (-9.16) (53.84)
_cons -820271.716*** 52216.810*** -4.347e+07***
(-32.61) (18.70) (-45.29)
N 9 773 9 773 9 773
R-sq 0.120 0.009 0.229

Fuente: elaboración propia.

Cuadro 4 Modelo cuadrático entre ingreso anual por hogar y emisiones de CO, NOx y CO2eq 

(1) (2) (3)
CO_gen_hogar_anual NOx_gen_hogar_anual CO2eq_gen_hogar_anual
b/t b/t b/t
ln_ingcor_anual -390 738.977*** 23 058.971*** -2.449e+07***
(-9.85) (5.21) (-16.36)
ln_ingcor_anual_2 19 566.731*** -1 054.298*** 1 205 905.575***
(11.81) (-5.70 (19.30)
_cons 1 965 752.635*** -97 900.214*** 1.282e+08***
(8.29) (-3.70 (14.33)
N 9 773 9 773 9 773
R-sq 0.132 0.012 0.257

Fuente: elaboración propia.

Cuadro 5 Modelo cúbico entre ingreso anual por hogar y emisiones de CO, NOx y CO2eq. 

(1) (2) (3)
CO_gen_hogar_anual NOx_gen_hogar_anual CO2_gen_hogar_anual
b/t b/t b/t
ln_ingcor_anual -1 715 945.935*** 282 850.166*** -3.546e+07*
(-4.32) (6.39) (-2.37)
ln_ingcor_anual_2 130 942.007*** -22 888.107*** 2 128 529.575
(3.94) (-6.18) (1.70)
ln_ingcor_anual_3 -3 103.885*** 608.480*** -25 712.336
(-3.36) (5.90) (-0.74)
_cons 7 194 587.967*** -1 122 951.711*** 1.715e+08**
(4.56) (-6.39) (2.88)
N 9773 9773 9773
R-sq 0.133 0.015 0.257

Fuente: elaboración propia.

En términos empíricos, dado que los vehículos automotores son la principal fuente de generación de CO, que estas emisiones son casi 7.5 veces más altas que la generación de NOx (Sedema, 2016) y que el CO2eq es un buen proxy de la actividad en general, podríamos concluir que en términos del modo de transporte y su uso, en la ZMVM los hogares con mayores niveles de ingreso contaminan más.

Fuente: elaboración propia.

Gráfica 5 Representación gráfica del modelo lineal para CO. 

Fuente: elaboración propia.

Gráfica 6 Representación gráfica del modelo lineal para NOx. 

Fuente: elaboración propia.

Gráfica 7 Representación gráfica del modelo lineal para CO2eq. 

Fuente: elaboración propia.

Gráfica 8 Representación gráfica del modelo cuadrático para CO. 

Fuente: elaboración propia.

Gráfica 9 Representación gráfica del modelo cuadrático para NOx. 

Fuente: elaboración propia.

Gráfica 10 Representación gráfica del modelo cuadrático para CO2eq 

Conclusiones

El presente trabajo investiga una relación cuadrática tipo U invertida entre el nivel de ingreso y la contaminación atmosférica, sugerido por la establecida curva ambiental de Kuznets, en la Zona Metropolitana del Valle de México. Los resultados muestran, por una parte, una relación creciente en las emisiones, conforme aumenta el ingreso, para las emisiones de monóxido de carbono (CO) y las emisiones de dióxido de carbono (CO2eq), y una relación cuadrática (U invertida tipo EKC) para las emisiones de óxidos de nitrógeno (NOx), las cuales son mucho menos abundantes que las anteriores, lo que sugiere que los hogares con mayores ingresos contaminan más y, a su vez, que existen problemas de inequidad en las afectaciones sobre la salud para los individuos provenientes de hogares de menores ingresos, que se mueven en transporte público y pasan una mayor cantidad de tiempo expuestos a los contaminantes.

La generalización del modelo de Kuznets en la arena ambiental ha llevado al diseño de políticas erróneas del tipo “crece ahora, limpia después”, cuya motivación es que la contaminación ambiental es un mal que desaparece con el ingreso y, por ende, no hay necesidad de crear políticas de intervención (véase Panayotou, 1997). Dado que las emisiones están directamente relacionadas con la actividad económica, pero son independientes del área en la que son liberadas, resulta muy relevante estudiar las relaciones ingreso / calidad medioambiental a nivel microeconómico.

Una edición especial de los Proceedings of the National Academy of Science de los Estados Unidos concluye que en el estudio de las relaciones ingreso-medio ambiente, el lugar importa (Kates y Dasgupta, 2007). Dado el nivel de análisis y la metodología, los mesoanálisis EKC multiciudad y / o macro multipaís asumen que un lugar -por ejemplo, una ciudad o un país- tiene un nivel uniforme de ingreso y calidad ambiental. Los análisis sobre la EKC en los hogares nos permiten estudiar una ciudad por grupos de hogares con gradientes significativos de ingreso y generación de contaminación, así como identificar comportamientos a nivel individual.

Los resultados de este estudio sugieren el diseño urgente de políticas públicas que modelen los comportamientos individuales sobre modos y uso de transporte para el bien común.

Referencias bibliográficas

Agencia de Protección del Medio Ambiente de Estados Unidos (EPA) (2008), “Emission Facts”, EPA. Disponible en: Disponible en: https://www3.epa.gov/ttnchie1/ap42/ch01/final/c01s05.pdf [consultado el 27 de noviembre de 2017.] [ Links ]

Cifuentes, L. A., A. J. Krupnick, R. O’Ryan y M. A. Toman (2005), Urban Air Quality and Human Health in Latin America and the Caribbean, Banco Interamericano de Desarrollo, Washington, D. C. [ Links ]

Comisión Económica para América Latina y el Caribe (CEPAL) (2015), La economía del cambio climático en América Latina y el Caribe. Paradojas y desafíos del desarrollo sostenible, CEPAL, Chile. [ Links ]

Conapo (2012), “Proyecciones de la población 2010-2050”, Conapo. Disponible en: Disponible en: http://www.conapo.gob.mx/es/CONAPO/Proyecciones_Datos [consultado el 27 de noviembre de 2017.] [ Links ]

Cox, A., A. Collins, L. Woods y N. Ferguson (2012), “A Household Level Environmental Kuznets Curve? Some Recent Evidence on Transport Emissions and Income”, Economics Letters, 115 (2), 187-189. [ Links ]

Di Virgilio, M. M., M. P. Otero y P. Boniolo (2011), Pobreza y desigualdad en América Latina y el Caribe, Consejo Latinoamericano de Ciencias Sociales (Clacso). [ Links ]

Dinda, S. (2004), “Environmental Kuznets Curve Hypothesis: A Survey”, Ecological Economics, 49 (4), 431-455. [ Links ]

Giovanis, E. (2013), “Environmental Kuznets Curve: Evidence from the British Household Panel Survey”, Economic Modelling, 30, 602-611. [ Links ]

Green, J., y S. Sánchez (2013), La calidad del aire en América Latina: una visión panorámica, Clean Air Institute, Washington, D. C. [ Links ]

Instituto Nacional de Ecología y Cambio Climático (INECC) (2011), El estado de la calidad del aire en México: 18 ciudades, INECC, México. [ Links ]

Instituto Nacional de Estadística Geografía e Informática (INEGI) (2016), “Estadísticas de vehículos de motor registrados en circulación”, INEGI. Disponible en: http://www3.inegi.org.mx/rnm/index.php/catalog/225Links ]

Kahn, M. E. (1998), “A Household Level Environmental Kuznets Curve”, Economics Letters, 59 (2), 269-273. [ Links ]

Kates, R. W., y P. Dasgupta (2007), “African Poverty: A Grand Challenge for Sustainability Science”, Proceedings of the National Academy of Sciences, 104 (43), 16747-16750. [ Links ]

Kuznets, S. (1955), “Economic Growth and Income Inequality”, The American Economic Review, 45 (1), 1-28. [ Links ]

Liddle, B. (2015), “Urban Transport Pollution: Revisiting the Environmental Kuznets Curve”, International Journal of Sustainable Transportation, 9 (7), 502-508. [ Links ]

Martin, C. (2003), “The Environmental Kuznets Curve - A Survey of the Empirical Evidence and of Possible Causes”, Discussion Paper No. 391, Departamento de Economía, Universidad de Heidelberg. [ Links ]

Meunie, A., y G. Pouyanne (2009), “Is There an Urban Environmental Kuznets Curve Due to Urban Mobility?”, Urban Research Symposium, 5. [ Links ]

Millimet, D. L., J. A. List y T. Stengos (2003), “The Environmental Kuznets Curve: Real Progress or Misspecifi ed Models?”, The Review of Economics and Statistics, 85 (4), 1038-1047. [ Links ]

Mraihi, R., R. Harizi, T. Mraihi y M. T. Bouzidi (2015), “Urban Air Pollution and Urban Daily Mobility in Large Tunisia’s Cities”, Renewable and Sustainable Energy Reviews, 43, 315-320. [ Links ]

Organización para la Cooperación y el Desarrollo Económicos (OCDE) (2012), “OECD Environmental Outlook to 2050: The Consequences of Inaction”, OCDE. Disponible en: Disponible en: http://dx.doi.org/10.1787/9789264122246-en [consultado el 27 de noviembre de 2017.] [ Links ]

Panayotou, T. (1995), “Environmental Degradation at Different Stages of Economic Development”, en Iftikhar Ahmed, Beyond Rio: The Environmental Crisis and Sustainable Livelihoods in the Third World, Macmillan, Basingstoke [Inglaterra], 13-36. [ Links ]

_____ (1997), “Demystifying the Environmental Kuznets Curve: Turning a Black Box into a Policy Tool”, Environment and Development Economics, 2 (4), 465-484. [ Links ]

Pfaff, A. S., S. Chaudhuri y H. L. Nye (2004), “Household Production and Environmental Kuznets Curves - Examining the Desirability and Feasibility of Substitution”, Environmental and Resource Economics, 27 (2), 187-200 [ Links ]

Secretaría de Medio Ambiente del Gobierno del Ciudad de México (Sedema-GDF) (2013), “Inventario de emisiones contaminantes y de efecto invernadero de la Zona Metropolitana del Valle de México, 2012”, Sedema-GDF. Disponible en: Disponible en: http://www.aire.df.gob.mx/default.php?opc=Z6BhnmI=&dc=Zg [consultado el 27 de noviembre de 2017.] [ Links ]

Secretaría de Desarrollo Social (Sedesol), Instituto Nacional de Estadística Geografía e Informática (INEGI) y Consejo Nacional de Población (Conapo) (2012), “Delimitación de las zonas metropolitanas en México, 2010”. Disponible en: Disponible en: http://www.inegi.org.mx/Sistemas/multiarchivos/doc/702825003870/DZM20101.pdf [consultado el 27 de noviembre de 2017.] [ Links ]

Selden, T. M., y D. Song (1994), “Environmental Quality and Development: Is There a Kuznets Curve for Air Pollution Emissions?”, Journal of Environmental Economics and Management, 27 (2),147-162. [ Links ]

Shafik, N., y S. Bandyopadhyay (1992), “Economic Growth and Environmental Quality: Time-Series and Cross-Country Evidence”, 904, Banco Mundial. [ Links ]

Sousa, C., C. Roseta-Palma y L. F. Martins (2015), “Economic Growth and Transport: On the Road to Sustainability”, Natural Resources Forum, 39 (1), 3-14. [ Links ]

Torras, M., y J. K. Boyce (1998), “Income, Inequality, and Pollution: A Reassessment of the Environmental Kuznets Curve”, Ecological Economics, 25 (2), 147-160. [ Links ]

Wagner, M. (2008), “The Carbon Kuznets Curve: A Cloudy Picture Emitted by Bad Econometrics?”, Resource and Energy Economics, 30 (3), 388-408. [ Links ]

Zamudio, D., y V. Alvarado (2014), ZMVM: hacia el colapso vial, El Poder del Consumidor, México. [ Links ]

*Los errores remanentes son responsabilidad de los autores.

1Para una revisión extensiva de la literatura sobre impactos por grupos poblacionales, véase Peled (2011).

2Para una revisión extensiva de la literatura, véase Dinda (2004).

3Wagner (2008) realiza un buen recuento acerca de las deficiencias econométricas presentadas comúnmente en los análisis de la EKC; las más importantes son: i) las transformaciones lineales de regresores integrados, ii) las dependencias cross-seccionales en el uso de datos de panel, incluyendo el uso de series de tiempo, y iii) técnicas de cointegración. Ninguna de estas técnicas fue utilizada en el presente artículo.

5Disponible en: http://www.aire.df.gob.mx/

Recibido: 21 de Julio de 2016; Aprobado: 22 de Noviembre de 2017

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons