Osinergmin-Industria-Mineria-Peru-20anios

Minería y economía de los hogares
en la sierra peruana: impactos y
espacios de conflicto
Zegarra et. al. (2007)
Natural Resources and Local
Communities:
Evidence from a Peruvian Gold Mine
Aragón et. al. (2009)
Extractive industries and Local
Development in the Peruvian
Highlands: SocioEconomic Impacts of
the Mid-1990s Mining Boom
Ticci (2011)
Impacto económico de la
minería en el Perú
Macroconsult (2012)
¿Minería y bienestar en el
Perú?: evaluación de impacto
del esquema actual (ex-post) y
esquemas alternativos (ex-ante) de
redistribución del canon minero,
elementos para el debate
Del Pozo et. al. (2013)
Cuadro 7-5
Revisión de la literatura sobre la evaluación del impacto de la
minería en indicadores de bienestar en el Perú
Título y Autor(es) Objetivo Metodología Fuentes
The Political Effects of Resource
Booms: Political Outcomes,
Clientelism and Public Goods
Provision in Peru
Maldonado (2014)
Impacto de la dinámica en la
industria minera sobre el desarrollo
regional de Arequipa: un análisis
de género
Nolazco et. al. (2015)
The Local Impact of Mining on
Poverty and Inequality: Evidence
from the Commodity Boom in Peru
Loayza et. al. (2016)
Estimar el impacto de la actividad
minera sobre los ingresos y el
bienestar de los hogares rurales y
urbanos de la sierra peruana.
Estimar el impacto económico local
de la mina Yanacocha.
Investigar el impacto del boom
minero sobre la migración, acceso
a servicios básicos y mercado
laboral.
Estimar los efectos que tiene la
actividad minera sobre las condiciones
de vida de la población asentada en los
distritos mineros.
Evaluar el impacto (ex post) del
actual esquema de redistribución
de los recursos fiscales generados
por las actividades mineras en el
bienestar de los hogares peruanos.
Estimar el impacto del boom de los
recursos mineros sobre la reelección
y competencia política, analizando
cómo los políticos usan la provisión
de bienes públicos y el clientelismo
para influenciar los resultados
electorales.
Analizar el impacto diferenciado
de la minería y las brechas sobre
indicadores de desarrollo regional
asociados a la actividad minera
según género.
Estimar el impacto de la actividad
minera sobre resultados
socioeconómicos en distritos del
Perú.
Propensity Score
Matching
Diferencias en diferencias
con regresiones por cuantiles
Diferencias en diferencias con
Propensity Score Matching
Propensity Score Matching
Diferencias en diferencias y
variables instrumentales
Diferencias en diferencias y
variables instrumentales
Modelo Logit y métodos
de descomposición
paramétrica (Oaxaca-Blinder)
y no paramétrica (matching
exacto).
MCO y Propensity Score
Matching
Censo 1993, MEM, Enaho 2003-2004, Mapa
de Pobreza de Foncodes y Cenagro 1994
Enaho 1997-2006
Censo 1993 y 2007, MEM y Cenagro 2004
Censo 1993 y 2007, MEM,
Enaho 2010 y Cenagro 1994
Enaho 2001-2010, MEM y MEF
Oficina Nacional de Procesos Electorales
(ONPE), MEF, MEM, Registro Nacional de
Municipalidades (Renamu) y Enaho 1998-
2010
Censo 2007
Mapa de Pobreza Distrital 2007, Enaho 2007
y Censo 2007
Estrategia de identificación
Hogares de la sierra peruana. Los distritos considerados
como grupo de tratamiento tienen algún tipo de actividad
de explotación minero metálica a 2003 en la base de
datos del MEM, es decir que existan operaciones mineras
registradas y formales.
Los hogares tratados son aquellos más cercanos a la capital
regional (hasta 100 kilómetros) y los hogares control son
aquellos más alejados, antes y después de la expansión de
la actividad minera (después de 2001).
Identifica tres tipos de distritos influenciados por el boom
minero: un primer tipo denominado “Nuevos distritos
mineros”; un segundo tipo denominado “Antiguos distritos
mineros”, para identificar tendencias previas; y un tercer
tipo de distritos denominado “Distritos no mineros”.
Hogares ubicados en la sierra peruana. Los hogares tratados
son aquellos influenciados por la minería (cuando el distrito
tiene algún tipo de actividad de explotación minero metálica
a 1993 en la base de datos del MEM, es decir que existan
operaciones mineras registradas y formales).
Se define tres tipos de hogares: distritos productores
(expuestos directamente), distritos en provincias productoras
(expuestos indirectamente) y distritos no productores. Antes y
después del actual esquema de redistribución.
Para el estimador de variables instrumentales se usan las
transferencias del canon minero como instrumento.
Se trabaja con información a nivel distrital. Como variable
de tratamiento se usan las transferencias mineras. Para la
metodología de variables instrumentales, se utiliza al canon
minero como instrumento.
Para el cálculo del nivel de competencia política se emplea el
índice de Herfindahl-Hirschman, definido como el cuadrado de la
proporción de votos obtenido por cada candidato.
Se trabaja a nivel distrital, diferenciando distritos productores
mineros y no mineros.
Se identifica tres tipos de distritos dentro de una región
minera: distritos productores (primer grupo de tratados),
distritos no productores ubicados en provincias productoras
(segundo grupo de tratados) y distritos no productores
ubicados en provincias no productoras (grupo de control).
(continuación)
Principales resultados
En distritos mineros:
- Los hogares urbanos tienen 15.8% más de ingresos per cápita que los hogares urbanos en distritos de control.
- La probabilidad de que un hogar urbano tenga desagüe es 13.9% menor que en los hogares urbanos en distritos de control.
- La probabilidad de que un hogar rural tenga agua potable es 26.7% menor que en los hogares rurales en distritos de control.
- Los hogares rurales tienen una probabilidad de pobreza menor en 8.1% con respecto a los hogares en distritos de control.
- Los hogares urbanos tienen una probabilidad de pobreza menor en 15.1% con respecto a los hogares en distritos de
control.
- Incremento de 1.7% en el ingreso real en los hogares tratados.
- Incremento promedio de los ingresos en primeros cuantiles o percentiles de la distribución del ingreso similar al
incremento promedio en los quintiles más altos de la distribución.
- En hogares tratados, la probabilidad de pobreza es menor en 1%. Por otra parte, la probabilidad de pobreza
extrema es menor en 0.7% con respecto a los hogares de control.
- En nuevos distritos mineros la probabilidad de acceso a electricidad es mayor en 6.5%.
- En antiguos distritos mineros se incrementó la proporción de recientes migrantes tanto en el área rural (en 6.8
pp) como en el área urbana (en 3.4 pp).
- En antiguos distritos mineros la participación del trabajo en minería aumentó en más de 15 pp.
- En distritos mineros los hogares tienen un 54.8% más de ingresos per cápita.
- En distritos mineros la probabilidad de pobreza extrema de los hogares es menor en 5.3%.
- En distritos mineros la probabilidad de acceso a desagüe es menor en 6.8%.
- En distritos mineros la probabilidad de acceso a telefonía es mayor en 6.8%.
- Incremento en el ingreso anual per cápita en S/ 1054 para hogares ubicados en distritos productores y en S/ 326
para hogares en provincias productoras.
- Incremento en el ingreso anual per cápita en S/ 1524 para los hogares urbanos y en S/ 518 para hogares rurales.
- Para hogares ubicados en distritos productores, el impacto en el ingreso per cápita es 21 veces mayor en el
percentil más rico de ingresos respecto al percentil más pobre.
- Incremento en 4.3% y 3.6% la probabilidad de acceso a servicios higiénicos y electricidad, respectivamente.
- Reducción en 6.6% de la probabilidad de acceso a agua en áreas rurales.
- Incremento en 7.5% de la probabilidad de acceso a electricidad en áreas rurales.
- Reducción en la probabilidad de reelección (38% por cada S/ 1000 de transferencias per cápita minera).
- Reducción en los niveles de competencia (4.9% por cada S/ 1000 de transferencias per cápita minera).
- Impactos positivos para el caso de distritos extremadamente ricos en recursos mineros (mayor a S/ 5000 per
cápita).
- En hogares ubicados en distritos mineros y cuyo jefe es hombre (mujer), tienen mayor acceso en su vivienda a
agua, servicios higiénicos y electricidad en 14.1 (7.2), 13.3 (7.1) y 3.2 (1.8) pp, respectivamente.
- Con respecto a las brechas, el acceso a agua, servicios higiénicos y electricidad en las viviendas es mayor en los
lugares donde existe minería con respecto a los no mineros en un 11.4%, 8.9% y 1.2%, respectivamente.
- En un distrito productor minero, se reduce la probabilidad de que un hombre/mujer tenga grado de educación
superior universitaria en 10.3 (9,4) pp. Además, se reduce la probabilidad de que un hijo(a) asista al colegio en
8.2 (11.7) pp.
- Los distritos productores tienen 9% más de consumo per cápita que los distritos no productores.
- Los distritos productores enfrentan una reducción de 2.6 pp en la probabilidad de vivir en situación de pobreza
y extrema pobreza.
- La desigualdad se incrementa, debido a que el coeficiente de Gini es 0.6 pp mayor en distritos productores con
respecto a los no productores.
244
Fuentes: Zegarra et. al. (2007), Aragón et. al. (2009), Ticci (2011), Macroconsult (2012), Maldonado (2013), Del Pozo et. al. (2013), Nolazco et. al. (2015) y Loayza et. al. (2016).
Elaboración: GPAE-Osinergmin.
Fuentes: Zegarra et. al. (2007), Aragón et. al. (2009), Ticci (2011), Macroconsult (2012), Maldonado (2013), Del Pozo et. al. (2013), Nolazco et. al. (2015) y Loayza et. al. (2016).
Elaboración: GPAE-Osinergmin.
245