Efecto de la variabilidad climática sobre la demanda de agua para uso residencial urbano: el caso de la ciudad de Manizales, Colombia - Núm. 79, Julio 2017 - Revista Desarrollo y Sociedad - Libros y Revistas - VLEX 830601889

Efecto de la variabilidad climática sobre la demanda de agua para uso residencial urbano: el caso de la ciudad de Manizales, Colombia

AutorDarío F. Jiménez, Sergio A. Orrego, Daniel M. Cossio, Felipe A. Vásquez, Roberto D. Ponce
Páginas91-124
91
DESARRO. SOC. 71, PRIMER SEMESTRE DE 2013, PP. X-XX, ISSN 0120-3584
Revista
Desarrollo y Sociedad
79
Segundo semestre 2017
PP. 91-124, ISSN 0120-3584
E-ISSN 1900-7760
Efecto de la variabilidad climática sobre la
demanda de agua para uso residencial urbano:
el caso de la ciudad de Manizales, Colombia
Effect of Climatic Variability on Water Demand
for Urban Residential Use: The Case of City of
Manizales, Colombia
Darío F. Jiménez1, Sergio A. Orrego2, Daniel M. Cossio3,
Felipe A. Vásquez4, Roberto D. Ponce5
DOI: 10.13043/DYS.79.3
Resumen
Un modelo estructural consistente con la teoría de la utilidad se usó para deri-
var funciones de demanda de agua para uso residencial urbano en la ciudad
de Manizales, Colombia. Características del hogar y la vivienda recolectadas
en una encuesta, así como información de precio, ingreso, precipitación y una
variable dummy para indicar si el mes correspondía a la fase cálida de El Niño,
1 Investigador, Corporación Científica Ingeobosque. Medellín, Colombia. Correo electrónico: dario.
jimenez@ingeobosque.org. Autor para correspondencia.
2 Profesor asociado, Departamento de Ciencias Forestales, Universidad Nacional de Colombia. Medellín,
Colombia. Correo electrónico: saorrego@unal.edu.co
3 Estudiante de maestría, Departamento de Economía, Universidad EAFIT. Medellín, Colombia. Correo
electrónico: dcossio2@eafit.edu.co
4 Investigador Escuela de Negocios y Economía, Universidad del Desarrollo. Concepción, Chile. Correo
electrónico: fvasquez@udd.cl
5 Investigador Escuela de Negocios y Economía, Universidad del Desarrollo. Concepción, Chile. Correo
electrónico: robertoponce@udd.cl
Este artículo fue recibido el 10 de agosto del 2016, revisado el 13 de octubre del 2016 y finalmente
aceptado el 13 de julio del 2017.
Efecto de la variabilidad climática sobre la demanda de agua
92
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
se incluyeron en la estimación econométrica de la demanda de agua para uso
residencial urbano. Los resultados sugieren que la variabilidad climática, espe-
cíficamente el fenómeno El Niño, influencia de manera positiva el consumo de
agua. Los resultados de esta investigación constituyen información valiosa para
la adopción de políticas y regulación del recurso agua en países en desarrollo,
especialmente, en áreas urbanas y en situaciones en las que la oferta de agua
podría reducirse por variabilidad climática asociada a la ocurrencia de El Niño.
Palabras clave del autor: demanda de agua, modelo de elección discreto/con-
tinuo, elasticidad, variabilidad climática.
Palabras clave Thesaurus: consumo de agua, demanda, áreas urbanas, com-
portamiento económico.
Clasificación JEL: D03, D10, D11, D12.
Abstract
A structural model which is consistent with utility maximization was used to
estimate urban residential water demand in Manizales, Colombia. Housing and
household characteristics collected using a survey, price, income, precipita-
tion and a dummy variable representing whether a month corresponds to El
Niño were considered in the estimation of the urban residential water demand.
Results suggest that climate variability, particularly the occurrence of El Niño
events, has a positive effect on water consumption. Results provide valuable
information to policy makers and regulation of water resources in developing
countries, specifically in urban areas and potential reduction of water supply
given the occurrence of El Niño events.
Author's key words: Water demand, discrete/continuous choice model, elas-
ticity, climate variability.
Key words thesaurus: Drinking water, demand, urban areas, economic behaviour.
JEL classification: D03, D10, D11, D12.
Darío Jiménez et al. 93
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
Introducción
La gestión eficiente del agua en áreas urbanas de países en desarrollo cons-
tituye un propósito relevante para el diseño e implementación de políticas
públicas (BID, 2014; MacDonald et al., 2014). Ello por el potencial aumento de
conflictos por agua entre áreas geográficas o entre usos alternativos (Arbués,
García-Valiñas y Martinez-Espiñeira, 2003; Hartwick y Olewiler, 1998; Wor-
thington y Hoffmann, 2006, 2008). Conflictos que podrían intensificarse por
la creciente escasez relativa de agua, su menor calidad, una deficiente gestión
del recurso (OECD, 2003, 2010), por los potenciales efectos del cambio climá-
tico (Hiscock y Tanaka, 2006; IPCC, 2007) y por el crecimiento de la población
(Schewe et al., 2014).
El agua en las áreas urbanas se demanda principalmente para uso residencial,
comercial e industrial (Dinar, Rosegrant y Meinzen-Dick, 1997; Hanemann,
1998, 2006). Sin embargo, el interés se centra en la estimación de la demanda
de agua para uso residencial, por ser generalmente el más importante (Arbués
et al., 2003). La demanda de agua para uso residencial considera tanto el agua
para uso discrecional como el no discrecional, asociados fundamentalmente a la
satisfacción de necesidades básicas como consumo humano y al uso por fuera de
la vivienda, respectivamente (Espey, Espey y Douglass, 1997; Hanemann, 1998;
Olmstead, Hanemann y Stavins, 2007; Worthington y Hoffmann, 2006). La evi-
dencia empírica sugiere que la demanda de agua discrecional exhibe una mayor
variabilidad temporal y espacial (Arbués et al., 2003; Nieswiadomy y Molina,
1989; Hanemann, 1998; Olmstead et al., 2007), y podría estar determinada por
variables de clima (Hewitt y Hanemann, 1995; Nieswiadomy y Molina, 1989;
Olmstead et al., 2007). La evidencia empírica de la potencial influencia del clima
en la demanda de agua para uso discrecional contrasta con la escasa evidencia
existente sobre la influencia del clima en la demanda de agua para uso no dis-
crecional (Dinar et al., 1997; Hanemann, 1998; Worthington y Hoffmann, 2006).
Los estudios de agua para uso residencial urbano tienen como objetivo principal
derivar la función de demanda y calcular las elasticidades correspondientes, las
cuales constituyen información relevante para el diseño e implementación de
políticas adecuadas para la gestión del agua (Sebri, 2014). La evidencia empí-
rica sugiere que la elasticidad de ingreso de la demanda es menor que 1 pero
no que 0 y con signo positivo, lo cual sería consistente al considerar el agua un
bien normal (Dandy, Nguyen y Davies, 1997; Gaudin, Griffin y Sickles, 2001).
Efecto de la variabilidad climática sobre la demanda de agua
94
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
En contraste, la demanda es inelástica en precio (Espey et al., 1997; Worthington
y Hoffmann, 2006), aunque no perfectamente inelástica (Martinez-Espiñeira,
2003). Para la estimación econométrica de la demanda de agua para uso resi-
dencial urbano se considera como apropiado el uso de bases de datos desagre-
gadas en ámbitos de hogar (Danielson, 1979), las que generalmente no están
disponibles en países en desarrollo (Naughes y Whittington, 2010).
En Latinoamérica son pocos los estudios sobre la estimación de la demanda
de agua para uso residencial urbano que consideran un sistema de tarifas por
bloques crecientes de consumo (BCC) (Jaramillo-Mosqueira, 2005; Medina y
Morales, 2007), a pesar de que es el sistema de tarifa más utilizado en países en
desarrollo (Whittington et al., 2015). En el sistema de BCC la cantidad de agua
consumida y el precio se determinan simultáneamente (Hewitt y Hanemann,
1995; Olmstead et al., 2007), y la restricción presupuestaria del consumidor
está constituida por segmentos lineales (Hewitt y Hanemann 1995; Pint, 1999).
Esto contrasta sustancialmente con la abundante literatura existente en países
desarrollados (Al-Qunaibet y Johnston, 1985; Foster y Beattie, 1979; Martins
y Fortunato, 2007; Miyawaki, Omori y Hibiki, 2011; Nauges y Thomas, 2000;
Olmstead et al., 2007; Pint, 1999). Para derivar funciones de demanda con-
sistentes con la teoría económica se requiere utilizar métodos econométricos
acordes con la elección discreta del bloque de consumo y continua de la can-
tidad, como un modelo de elección discreta-continua (MDC) (Hewitt y Hane-
mann 1995; Olmstead et al., 2007).
Con una base de datos muy completa sin referentes anteriores en un país en
desarrollo y desagregada a nivel de hogar, este artículo aporta evidencia empí-
rica sobre el potencial efecto de la variabilidad climática en la demanda de
agua para uso residencial urbano. La demanda se estimó econométricamente
usando el MDC e información de 490 suscriptores urbanos en la ciudad de
Manizales y el período 1997-2013. Específicamente, información sobre con-
sumo mensual de agua, tamaño del hogar, tipo de vivienda y número de baños,
posesión de lavadora, una variable de clima correspondiente a la precipitación
media mensual observada, una variable dummy para indicar si el mes a la
fase cálida de El Niño/Oscilación del Sur (ENSO, por su sigla en inglés), precio
marginal por bloque de consumo de agua e ingreso virtual. Los resultados de
esta investigación constituyen información valiosa para la adopción de polí-
ticas y regulación del recurso agua en países en desarrollo, especialmente, en
áreas urbanas y en situaciones en las que la oferta de agua podría reducirse
por variabilidad climática asociada a la ocurrencia de El Niño.
Darío Jiménez et al. 95
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
El documento se estructura como sigue: se presenta la literatura relacionada
sobre los determinantes de la demanda de agua y variables de clima. Luego,
se presenta el modelo econométrico; el área de estudio, datos y variables uti-
lizadas en la estimación econométrica; después, los resultados obtenidos y su
discusión. Finalmente, se presentan las conclusiones e implicaciones en polí-
tica pública.
I. Literatura relacionada
Con excepción de la demanda de agua para consumo humano, la demanda para
uso residencial urbano es una demanda derivada del uso de bienes y servicios
que requieren el consumo de agua como lavadoras y uso de baños (Olmstead
et al., 2007). La estimación econométrica considera como determinantes el
ingreso del hogar y el precio marginal por bloque de consumo (Arbués et al.,
2003; Olmstead et al., 2007; Worthington y Hoffmann, 2006). La demanda
también podría estar determinada por variables demográficas relacionadas
con la cantidad de personas que conforman el hogar y el número de hom-
bres y mujeres; variables relacionadas con características de la vivienda como
antigüedad y área de la construcción, número de cuartos de baño, tamaño del
lote (Arbués et al., 2003; Foster y Beattie, 1979; Olmstead et al., 2007; Sebri,
2014). El clima podría también explicar las variaciones en la demanda de agua
(Dandy et al., 1997; Pint, 1999).
En un sistema de tarifas BCC, como el de Colombia, la cantidad consumida de
agua y el precio se determinan simultáneamente (Hewitt y Hanemann, 1995;
Olmstead et al., 2007), y la restricción presupuestaria del consumidor está cons-
tituida por segmentos lineales (Hewitt y Hanemann 1995; Pint, 1999). Por tanto,
para derivar las funciones de demanda se requiere el uso de métodos economé-
tricos apropiados que podrían ser exigentes en su especificación y estimación
(Hewitt y Hanemann, 1995; Moffitt, 1986; Olmstead et al., 2007; Pint, 1999).
Estudios previos sobre la estimación econométrica de demanda de agua para
uso residencial urbano reportan el uso de distintas técnicas econométricas,
algunas de ellas con resultados no satisfactorios desde el punto de vista eco-
nómico. Se han utilizado mínimos cuadrados ordinarios (MCO), mínimos cua-
drados generalizados (MCG), mínimos cuadrados en dos y tres etapas (MC2E
y MC3E), variables instrumentales (VI) (Nieswiadomy y Molina, 1989; Schleich
Efecto de la variabilidad climática sobre la demanda de agua
96
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
y Hillenbrand, 2009; Terza y Welch, 1982) y modelos de efectos fijos (EF)
(Pint, 1999). Para datos de panel se han aplicado MCO, MCG, máxima vero-
similitud (ML), MC2E y modelos de efectos mixtos (Billings y Agthe, 1980;
Chicoine y Ramamurthy, 1986; Martinez-Espiñeira, 2002). Para datos de series
de tiempo se han usado modelos autorregresivos vectoriales y técnicas de coin-
tegración (Martinez-Espiñeira, 2004). Los resultados muestran que las técni-
cas no son capaces de tratar correctamente el problema de endogeneidad en
determinar el consumo y el precio, por lo cual los parámetros estimados de
los modelos son inconsistentes. Cuando se utilizan mínimos cuadrados ordi-
narios (MCO) el coeficiente estimado de la variable precio tiene signo positivo
(Griffin y Martin, 1981) consistente con lo reportado para modelos de EF
(Pint, 1999). Finalmente, la literatura más reciente se fundamenta en el uso
de MDC, el cual se considera una aproximación estructural consistente con la
maximización de la utilidad (Hewitt y Hanemann, 1995; Kleiber et al., 2014;
Olmstead et al., 2007).
El MDC se empleó para analizar el efecto de un impuesto al ingreso sobre la
oferta de trabajo (Burtless y Hausman, 1978), y la primera aplicación a demanda
de agua fue realizada por Hewitt y Hanemann (1995). El modelo permite con-
siderar la tanto la endogeneidad como la restricción por segmentos lineales
(Hewitt y Hanemann, 1995; Miyawaki et al., 2011; Olmstead et al., 2007). La
función de máxima verosimilitud del modelo refleja la probabilidad de elegir un
bloque de consumo combinada con la probabilidad de elegir un nivel de con-
sumo en el bloque de consumo. Luego de ello, la especificación de dos términos
de error permite controlar el no conocer todas las características relevantes de
los suscriptores y cuando el suscriptor no controla totalmente su nivel de con-
sumo. Los resultados muestran que el uso de MDC permite obtener curvas de
demanda de pendiente negativa, consistente con la teoría económica (Bae-
renklau, Schwabe y Dinar, 2014; Miyawaki et al., 2011; Olmstead et al., 2007;
Olmstead, 2009; Pint, 1999; Rietveld, Rouwendal y Zwart, 2000).
En Latinoamérica, Jaramillo-Mosqueira (2005) y Medina y Morales (2007) esti-
maron funciones de demanda de agua para uso residencial utilizando el MDC
en Colombia y México, respectivamente. Los valores de elasticidad reportados
de precio condicionada al bloque de consumo son -0,24 (Medina y Morales,
2007) y -0,22 (Jaramillo-Mosqueira, 2005). De acuerdo con la literatura rele-
vante, los estudios consideran la inclusión de determinantes de la demanda
correspondientes a características del hogar y la vivienda, precios marginales
Darío Jiménez et al. 97
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
por bloque de consumo e ingreso. Sin embargo, no consideran la inclusión de
variables de clima ni de variabilidad climática. Por tanto, este sería el primer
esfuerzo en Colombia de incluir variables de clima y de variabilidad climática en
la estimación econométrica de demanda de agua para uso residencial urbano.
Las variables de clima se utilizan para caracterizar la estacionalidad del con-
sumo de agua, la cual podría estar dominada por la variabilidad del consumo
discrecional para el mantenimiento de zonas verdes y jardines en verano e
invierno (Agthe y Billings, 1987; Gaudin, 2006; Moncur, 1987; Polebitski y
Palmer, 2010). Los resultados previos muestran que el consumo de agua se
relaciona positivamente con la evapotranspiración real y sería afectada positi-
vamente cuando se considera hogares con mayores ingresos (Billings y Agthe,
1980; Hewitt y Hanemann, 1995; Nieswiadomy y Molina, 1989). Los estudios
previos reportan relación positiva entre temperatura y consumo (Dharmaratna
y Harris, 2012; Maidment y Miaou, 1986; Miaou, 1990; Renzetti, Dupont y
Chitsinde, 2015). En contraste, otros autores reportan una relación negativa
entre precipitación y consumo (Foster y Beattie, 1981; Maidment y Miaou,
1986; Miaou, 1990; Pint, 1999; Renzetti et al., 2015).
Las variables de clima más utilizadas en estudios previos de demanda de agua
para uso residencial son temperatura, precipitación, evapotranspiración real
y evapotranspiración potencial (Agthe et al., 1986; Morgan y Smolen, 1976;
Nieswiadomy y Molina, 1989). Se han incluido valores promedios de tem-
peratura mensual (Martinez-Espiñeira, 2003) y valores máximos (Polebitski
y Palmer, 2010). También se han incluido valores promedios de precipitación
mensual (Nieswiadomy y Cobb, 1993) y el número de días con precipitación
en un mes o por año (Martinez-Espiñeira, 2002). Finalmente, también se uti-
lizan índices basados en la tasa de evapotranspiración de referencia, el coe-
ficiente de utilización de agua de las plantas de jardín al día, la precipitación
diaria, la proporción efectiva de precipitación y superávit remanente de lluvia
efectiva (Bamezai, 1997).
La variabilidad climática a escala global y a escala temporal interanual está
fuertemente influenciada por la ocurrencia del evento ENSO. El Niño es la fase
cálida del ENSO y corresponde a un aumento en las temperaturas superficiales
del océano Pacífico tropical, lo que ocasiona alteraciones en los patrones de
circulación de vientos, cambios en las presiones atmosféricas superficiales y en
la precipitación. La Niña, por su parte, es la fase fría del ENSO (Poveda, 2004).
Efecto de la variabilidad climática sobre la demanda de agua
98
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
Los efectos del ENSO en el clima podrían generar consecuencias económicas al
afectar sectores como la agricultura, la energía y la pesca (Costello, Adams y
Polasky, 1998). Estudios previos reportan la influencia del ENSO en el aumento
general de los precios (Berry y Okulicz-Kozaryn, 2008; Brunner, 2002; Lao-
suthi y Selover, 2007) y, en particular, el precio de los alimentos (Abril, Melo y
Parra, 2015). También en el incremento de los precios de bienes básicos como
maíz y sorgo (Laosuthi y Selover, 2007). Un incremento del 25% en el precio
spot de la energía por influencia de El Niño fue estimado por García, Arango
y Ortiz (2015).
La ocurrencia de El Niño en Colombia se caracteriza por una reducción en la
precipitación y aumento en la temperatura, ello si se compara con los prome-
dios históricos (Poveda y Jaramillo, 2000). Estas variables de clima han sido
las más utilizadas en la estimación de demanda de agua para uso residencial.
Por ello, es relevante evaluar cuál sería la influencia de la variabilidad climá-
tica sobre la demanda de agua para uso residencial urbano utilizando el MDC
y datos desagregados en ámbitos de hogar, y verificar los cambios en la esti-
mación empírica de las elasticidades.
II. Modelo econométrico
La forma función de la demanda de agua para uso residencial urbano estimada
en este trabajo es de tipo log-log, que permite comparar los resultados obte-
nidos con estudios empíricos previos. La función de demanda estimada fue:
In In InwpyZ ɶ
=
+γ+η+
ε
δ (1)
donde w es la demanda de agua;
Z
es una matriz que contiene la información
sobre características del hogar, la vivienda y las variables de clima; p es el pre-
cio que se enfrenta cada hogar;
y
es el ingreso virtual o el ingreso mensual del
hogar ajustado por la diferencia de Nordin (Nordin, 1976). El término de error
denota la heterogeneidad de los consumidores, mientras que representa el
error de optimización equivalente a la diferencia entre el consumo observado
y el consumo óptimo, y que en estudios de demanda de agua podría explicarse
por la existencia de fugas en los sistemas de provisión del agua. Los térmi-
nos de error se asumen como independientes con media 0 y varianza σ
η
2 y σ
ε
2
,
respectivamente. Los parámetros a estimar son
{}
,,
δβγ (Burtless y Hausman,
1978; Moffitt, 1990; Olmstead et al., 2007).
Darío Jiménez et al. 99
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
En una estructura de tarifas de agua en BCC la restricción de presupuesto del
consumidor está constituida por varios segmentos lineales correspondientes a
los k bloques de consumo, su respectivo precio marginal denotado como pk , y
k-1 kink points denotado cada uno por wk En la figura 1 se presenta la maxi-
mización de la utilidad con curvas de indiferencia hipotéticas y una estructura
de tarifas de agua constituida por dos bloques crecientes de consumo, tal como
corresponden a Manizales. Donde y es el ingreso y x son todos los otros bienes
de consumo distintos al agua (Olmstead et al., 2007). El consumidor tiene tres
elecciones factibles de consumo: a) consumir en el segmento uno, b) consumir
en el segmento dos, c) consumir en el kink point (w1), que representa el valor
de agua consumida de agua que origina un aumento en el precio marginal.
El consumo observado de agua dependerá de la forma de la curva de indife-
rencia con respecto a la restricción de presupuesto, por lo que se presentan
tres curvas de indiferencia distintas y se asume que no existen soluciones de
esquina al considerar el agua como un bien necesario (Olmstead et al., 2007).
Según Olmstead et al. (2007), la demanda de agua condicionada al primer blo-
que de consumo es menor que la cantidad de agua consumida representada
por el kink point w1 . Esta es también una demanda no condicionada y el con-
sumidor se ubicará en el primer bloque de consumo (figura 1, curva de utilidad
A). La demanda condicionada al segundo bloque de consumo excede w1. Por
tanto, la demanda condicionada y no condicionada del bloque dos coinciden
y el suscriptor consumirá en el segundo bloque (figura 1, curva de utilidad B).
Existe la posibilidad de que el suscriptor consuma exactamente en el kink point
w1 (curva de utilidad C). Ello es posible si la demanda condicionada para el pri-
mer bloque es mayor que w1, y si la demanda condicionada para el segundo
bloque es menor que w1. En este caso, la demanda no condicionada al bloque
de consumo es w1, ajustada por un error de optimización, que tiene en cuenta
el error aleatorio no observable para el hogar y el analista, y que provoca dis-
crepancia entre el consumo óptimo de agua y el consumo observado. Estos
consumidores desean localizarse en la porción de las restricciones presupues-
tarias que se extienden desde el kink point y se denotan por líneas punteadas.
No obstante, estas opciones de consumo no son factibles. Todo se resume en
la demanda no condicionada representada por la ecuación 2, la cual es función
de demandas condicionadas y kink points, donde w es el consumo observado,
wZ
py
kkk
δαγ,,;,,
()
es el consumo óptimo en el k-ésimo bloque de consumo
y wk es el consumo en el kink point. En la ecuación (2) Inw es el logaritmo del
consumo mensual de agua, pk es el precio marginal en el k-ésimo bloque,
k
es el ingreso virtual.
Efecto de la variabilidad climática sobre la demanda de agua
100
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
Figura 1. Maximización de la utilidad para una estructura de tarifas de agua consti-
tuida por dos bloques crecientes de consumo. El ingreso se denota como y
y todos los otros bienes de consumo distintos al agua por x
w1
Agua (m3)
X
/
*
y2p2
A
C
B
*
Pendiente = —p
1
Pendiente = —p2
y2
y
Fuente: Olmstead et al. (2007)
()
()
()
()
()
()
111
1111
1
1111 1222
222
1222
In ,,;,,
si In In ,,;,,
In
In
si In In ,,;,,InIn,,;,,
In ,,;,,
si In In ,,;,,
w
Z
py
ww
Z
p y
w
www
Z
p
yww
Z
p y
w
Z
p
y
ww
Z
p
y


=

ɶ
ɶ
ɶɶ
ɶ
ɶ
∗∗
δ
βγ
η−
δ
βγ
δ
βγ
δ
βγ
δ
βγ
δ
βγ
(2)
Darío Jiménez et al. 101
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
Los parámetros de la ecuación (1) se estiman al maximizar el logaritmo de la
función de verosimilitud representada por la ecuación (3), en la cual, la primera
sumatoria, corresponde al consumo en los K segmentos lineales de la restric-
ción presupuestaria y la segunda al consumo en K-1 kink points; (.) repre-
senta la función de distribución acumulada de una variable normal estándar.
()
() ()
()
()
() ()
()
2 2
22
1
11
1exp 1exp
In In 22
k k
su
kk
kkkk kk
Lrnmt
ε
 













 
==

 














=


 










 

−−
υ
ΣΣ Φ−Φ+ΣΦ−Φ
σσ
ππ
,
(3)
donde,
υηρ= υ,η−⋅
σ
−ρ
−ρ
η
=
()
=
()
()
=
()
,,
,,
In In
corr t
ww
r
ts
k
kk
k
kk
12
In In
s
ww
k
ik
=
()
(
−⋅
))
=
()
()
σ
−⋅
σ
υ
+
η
,,
In In
m
ww
k
kk
1
In In
u
ww
n
ms
k
ik
k
kk
=
()
()
=
()
−⋅
σ
−ρ
−ρ
ε
+
,.
1
2
1
III. Área de estudio, datos y variables explicadoras
Manizales es la capital del departamento de Caldas, Colombia, y se ubica en el
centro occidente de la región Andina del país. La población de Manizales
en el 2014 fue de 369.981 (DANE, 2011). Tiene una superficie total aproximada
de 392 km2, de los cuales el 92% (360 km2) corresponde a la zona urbana y el
8% (31 km2) a la zona rural. Manizales tiene 11 sectores y 7 corregimientos
correspondientes a divisiones político-administrativas definidas por el Instituto
Geográfico Agustín Codazzi (IGAC) (Alcaldía de Manizales, 2012). Las princi-
pales actividades económicas del municipio son el comercio, los servicios, la
agricultura y ganadería y, en menor proporción, la industria. En el municipio
se encuentran instaladas aproximadamente 12.504 empresas. Con un 57% de
Efecto de la variabilidad climática sobre la demanda de agua
102
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
los establecimientos dedicados al comercio, el 17% a hotelería y restaurantes
y el 7% a la industria manufacturera (Alcaldía de Manizales, 2012; Ministerio
de Comercio, Industria y Turismo, 2013).
En la zona urbana de Manizales, la prestación del servicio de acueduto está a
cargo de la empresa Aguas de Manizales S. A. ESP, empresa de capital mixto,
constituida bajo la forma de sociedad por acciones. En enero del 2014 la
empresa tenía 89.467 suscriptores para uso urbano de agua residencial, de los
cuales 61.074 corresponden a estratos 1, 2 y 3; 14.497 a estrato 4 o de refe-
rencia para el establecimiento de las tarifas de agua, y 13.946 a estratos 5 y 6.
De acuerdo con la información públicada por la empresa, en el año 2013 la
cobertura del servicio de agua potable en Manizales fue del 99%, la continuidad
del servicio fue del 100% y el agua no contabilizada fue del 25% (Aguas de
Manizales, 2013a).
Para regular la oferta de agua se utilizan sistemas de almacenamiento como
presas, con el objetivo de hace coincidir temporalmente la oferta y la demanda.
Cuando dicho sistema no está disponible, potenciales incrementos en la demana
o disminución en la oferta comprometerían la prestación del servicio y afectarían
todos los sectores económicos y las ciudades que dependen del suministro de
agua (Hanemman, 2006). El sistema de acueducto de Manizales no cuenta con
represas, por tanto, depende de la oferta de agua disponible en la cuenca del
río Chinchiná, la cual estaría determinada, entre otras condiciones hidrocli-
máticas, por el ENSO. El Niño produce una disminución de caudal que alcanza
un promedio del 24%, con extremos del 80% en las cuencas alta y media alta.
Estos cambios en el caudal se deben a las alteraciones en los patrones de pre-
cipitación, fundamentalmente (Ocampo, 2012).
En la figura 2 se presenta la estructura de tarifas del agua vigente en Colombia,
considerando los seis estratos socioeconómicos y dos bloques de consumo
correspondientes al consumo básico (3/suscriptor-mes) y complemen-
tario (> 20 m3/suscriptor-mes). La existencia de los subsidios cruzados implica
que por un consumo menor que el umbral superior del bloque de consumo
básico (20 m3/mes), los suscriptores de los estratos 1, 2 y 3 pagan un precio
menor del que pagan los consumidores en el estrato 4. En el bloque de con-
sumo complementario pagan la tarifa del estrato 4. Finalmente, las tarifas de
los suscriptores de los estratos 5 y 6 son mayores que la tarifa del estrato 4
para los dos bloques de consumo (véase la figura 2). En el cuadro 1 se presentan
Darío Jiménez et al. 103
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
los precios por bloque de consumo, así como los porcentajes de subsidio y con-
tribución por estrato socioeconómico para la ciudad de Manizales, correspon-
dientes a valores de diciembre del 2013.
Cuadro 1. Porcentajes de subsidio y contribución, cargo fijo y precios marginales por
bloque de consumo y estrato socioeconómico en Manizales, Colombia. Los
valores corresponden a precios y costos reales (diciembre del 2013)
Estrato
socioeconómico Subsidio (%) Contribución (%) Cargo
fijo
Consumo
básico
Consumo
complementario
Consumo
suntuario
151 1,239 0,263 0,537 0,537
2 40 1,518 0,322 0,537 0,537
3 15 2,150 0,456 0,537 0,537
4 0 0 2,529 0,537 0,537 0,537
5 50 3,794 0,805 0,805 0,805
6 60 4,047 0,859 0,859 0,859
Pesos del 2014 usando una tasa de cambio del peso colombiano (TRM) de COP $ 2.392,46 por dólar.
La información sobre características del hogar y de la vivienda se recolectó
mediante la aplicación de una encuesta. La consolidación de la base de datos
consideró la aplicación de la encuesta, la posterior digitalización y verificación
de la consistencia interna, y la coherencia de la información y la base de datos
final. Para el cálculo del tamaño de la muestra se utilizó la información de todos
los suscriptores residenciales urbanos activos de Aguas de Manizales S. A. ESP
para la zona urbana de Manizales, quienes cuentan con un sistema de medición
de consumo y reportan pagos mensuales de sus facturas. También se usaron
series de consumo de agua mensual por suscriptor y su varianza de consumo
de agua por estrato socioeconómico reportados por Aguas de Manizales S. A.
ESP, y publicados por la Superintendencia de Servicios Públicos. Se asumió un
error de muestreo de 0,3 m3 mensual de agua por estrato y vivienda y un nivel
de confianza del 95%. El tamaño de la muestra se calculó con el método de
muestreo aleatorio simple para poblaciones finitas (Bartlett, Kotrlik y Higgins,
2001) y fue igual a 490 suscriptores.
Efecto de la variabilidad climática sobre la demanda de agua
104
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
Figura 2. Estructura de tarifas del agua en Colombia por estrato socioeconómico
y bloque de consumo
Estrato 4
(base)
20
Consumo
(m3/suscriptor-mes)
Estrato 3
Estrato 2
Estrato 1
Estrato 5
Estrato 6
Precio ($ /m3)
Bloque 1
Bloque 2
La información de consumo mensual de agua y de tarifas para los 490 suscrip-
tores encuestados fue proporcionada por Aguas de Manizales S. A. ESP para
el período enero de 1997-diciembre del 2013, equivalente a 204 meses. La
información se dio por suscriptor y estrato socioeconómico. Al multiplicar los
suscriptores encuestados y el número de meses del período de análisis del estu-
dio se obtuvieron 99.960 registros de consumo. En la figura 3 se presentan los
consumos observados para los 490 hogares encuestados, período 1997-2013,
de los cuales 80.526 correspondieron a consumos de agua mayores a 0.
En el primer bloque de consumo (3/ suscriptor-mes) se registraron
50.978 consumos, y 26.938 en el segundo bloque. Es importante mencionar
que 2.610 registros de consumo mensual de agua fueron iguales a 20 m3/sus-
criptor-mes. En el rango de consumo 19-21 m3/suscriptor-mes hubo 7.847
registros de consumo (~10%). En la figura 4 se presenta el consumo histórico
de agua para un consumidor representativo en cada estrato socioeconómico
para el período 1997-2013.
Darío Jiménez et al. 105
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
Figura 3. Distribución de los consumos mensuales de agua (m3) para los hogares
encuestados en Manizales, Colombia, período 1997-2013
Consumo promedio mensual de agua (m3/hogar)
Frecuencia
60.000
50.000
40.000
30.000
20.000
10.000
0
0 10 20 30 40 50 60
Figura 4. Consumo promedio mensual de agua (m3) para un consumidor representativo
y por estrato socioeconómico, Manizales, Colombia, período 1997-2013
0
10
20
30
40
50
60
199701
199708
199803
199810
199905
199912
200007
200102
200109
200204
200211
200306
200401
200408
200503
200510
200605
200612
200707
200802
200809
200904
200911
201006
201101
201108
201203
201210
201305
201312
Consumo promedio mensual de agua (m3)
Período (año-mes)
Estrato socioeconómico 1 Estrato socioeconómico 4
Estrato socioeconómico 6 Todos los estratos socioeconómicos
Efecto de la variabilidad climática sobre la demanda de agua
106
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
La información de clima fue proporcionada por el Instituto de Estudios Ambien-
tales de la Universidad Nacional de Colombia (IDEA), sede Manizales. La infor-
mación proviene de la compilación y procesamiento de registros históricos
mensuales de estaciones climáticas ubicadas en la zona urbana de la ciudad
de Manizales. La superficie continua de valores de precipitación se obtuvo
mediante métodos de kriging y se usaron los registros de 25 estaciones. La
variabilidad espacial y temporal de la precipitación en la ciudad de Manizales
facilitó su inclusión en la estimación de las demandas.
Para identificar las fases del ENSO y su duración se usó el Índice Oceánico El
Niño (ONI, por su sigla en inglés), generado por el Centro de Predicción Climática
de la Administración Nacional Atmosférica y Oceánica (NOAA, por su sigla en
inglés) de Estados Unidos. El ONI se basa en el cálculo de anomalías de tempe-
ratura superficial del mar, que corresponden a la desviación de la temperatura
observada para un mes específico con respecto a un promedio histórico de 30
años. Un promedio móvil de 3 meses de los valores de anomalías igual o mayor
a +0,5 °C por lo menos para 5 períodos consecutivos define un mes El Niño,
mientras que un promedio igual o inferior a -0,5 °C define un mes La Niña. El
valor del ONI determina la intensidad de cada fase. El Niño (La Niña) es débil
cuando el ONI está entre +0,5 y +0,9 °C (-0,9 y -0,5 °C), moderado (a) cuando
es >+0,9 °C (+1,4 °C (
se presentan las fases de ENSO para el período 1997-2013.
Figura 5. Fases de El Niño/Oscilación del Sur (ENSO), período 1997-2013
199701
199705
199709
199801
199805
199809
199901
199905
199909
200005
200009
200101
200105
200109
200201
200205
200209
200301
200305
200309
200401
200405
200409
200501
200505
200509
200601
200605
200609
200701
200705
200709
200801
200805
200809
200901
200905
200909
201001
201005
201009
201101
201105
201109
201201
201205
201209
201301
201305
201309
200001
ENSO
-2,5
-2,0
-1,5
-1,0
-0,5
0,0
0,5
1,0
1,5
2,0
2,5
Período (año-mes)
Anomalías
Darío Jiménez et al. 107
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
La selección de las variables explicadoras de la demanda se realizó a partir de lo
reportado por estudios empíricos previos (Arbués et al., 2003; Dalhuisen et al.,
2003; Espey et al., 1997; Olmstead et al., 2007; Sebri, 2014; Worthington y
Hoffman, 2008) y se presentan en el cuadro 2. La variable diferencia de Nor-
din (Nordin, 1976) denotada por dk se define como la diferencia entre el costo
de consumir una cantidad de agua pagando todas las unidades de consumo al
mismo precio marginal y lo que se paga como resultado del sistema de tarifas en
bloques de consumo. Para el cálculo de dk para cada hogar se usó la ecuación (4):
dcargo fijo ppw
kjjj
j
k
=
()
=
−−+
1
1
1
(4)
donde wj es el límite superior del bloque de consumo o kink point y pj y pj+1
denotan los precios marginales en el j-ésimo y j+1-ésimo bloque de consumo,
respectivamente. El cargo fijo podría considerarse como el costo de conexión
al servicio de provisión de agua y no se incluye como argumento en la función
de demanda. El valor de dk puede ser positivo o negativo y depende del cargo
fijo, del sistema de tarifas por bloques crecientes o decrecientes y el bloque de
consumo observado. Si dk es positiva se considera un subsidio que se agrega al
ingreso y si es negativa se considera una suma única que se deduce del ingreso
(Hewitt y Hanneman, 1995).
IV. Resultados y discusión
En el cuadro 3 se presentan los resultados econométricos de la estimación
del MDC para una función de demanda log-log de agua para uso residencial
urbano en Manizales, período 1997-20136. El modelo se estimó en GAUSS™14.
6 Se estimó el MDC con la inclusión de otras variables, como aquellas relacionadas con número de personas
en el hogar con educación con nivel de educación equivalente al menos a nivel básico medio. Variables
representando la presencia de niños y adultos mayores en el hogar. Una variable dummy de ahorro de
agua. Una variable dummy con valor de 1 para hogares que reutilizaron agua. Una variable dummy
para los hogares de los estratos que recibieron subsidios. Las variables no fueron estadísticamente
significativas por lo cual no se incluyeron en el modelo final. La función de demanda también se estimó
por MCO y con un modelo de efectos fijos, obteniéndose un signo positivo del coeficiente estimado
de la variable precio lo cual no es consistente con la teoría económica. También se estimó un modelo de
efectos aleatorios, obteniéndose un valor de elasticidad precio de la demanda de -8,38, cuyo valor no
parece ser razonable. No se utilizó VI por la dificultad de seleccionar instrumentos correctos con la
estructura del sistema de tarifas, como lo expresan Nieswiadomy y Molina (1989).
Efecto de la variabilidad climática sobre la demanda de agua
108
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
Cuadro 2. Estadísticas descriptivas de variables explicadoras
Variable Descripción Unidades Media Std. Dev. Mín. Máx.
id Código de identificación
del hogar
Número 42855 1.365 10.7267
estrato Estrato socioeconómico
Número 3,24 1,15 1 6
WDemanda mensual
de agua
m318,51 12,14 1 231,00
w1
Cantidad de agua en el
kink point
m320 0 20 20
bloque_consumo
Dummy para bloque
de consumo: 1 primer
bloque; 0 en caso
contrario
0,63 0,48 0 1
ingmen Ingreso mensual
$000 0,53 0,36 0,25 2,47
dkDiferencia de Nordin
$000 -0,002 0,002 -0,008 0,013
ingnor Ingreso mensual más la
diferencia de Nordin
$000 0,525 0,359 0,243 2,466
p1
Precio marginal del
bloque 1
$ 0,353 0,157 0,046 0,859
p2
Precio marginal del
bloque 2
$ 0,440 0,127 0,114 0,859
dummy_casa
Dummy para tipo de
vivienda: 1 casa; 0
apartamento
0/1 0,90 0,30 0 1
número_baños Número de baños
Número 1,36 0,57 1 4
tamaño_hogar Tamaño del hogar
Número 3,56 1,51 1 10
dummy_
lavadora
Dummy para posesión
lavadora: 1 sí; 0 en caso
contrario
0/1 0,87 0,33 0 1
dummy_ENSO
Dummy para fase de
ENSO: 1 El Niño, 0 Niña
o Neutro
0/1 0,20 0,40 0 1
pmm Precipitación media
mensual, 1997-2013
mm 170,82 90,26 0,6 540,14
Precios, ingresos y la diferencia de Nordin expresados en dólares del 2014, usando una tasa de cambio del
peso colombiano (TRM) de COP $ 2,392.46.
Darío Jiménez et al. 109
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
Cuadro 3. Resultados econométricos de la función de demanda de agua para uso
residencial urbano, Manizales, Colombia, período 1997-2013
Variable Parámetro estimado MDC
Constante 2,81
(75,94)
dummy_casa 0,30
(36,12)
número_baños 0,04
(16,32)
tamaño_hogar 0,01
(16,41)
dummy_lavadora 0,10
(15,22)
dummy_ENSO 0,008
(1,87)
pmm -0,001
(-6,97)
p -0,10
(-19,87)
y
0,05
(12,47)
0,008
(-2,88)
0,68
(400,83)
Log-L promedio -1,03
Los coeficientes estimados de las variables explicadoras fueron estadística-
mente significativas. El signo del coeficiente estimado de ingreso mensual
ajustado por la diferencia de Nordin (
y
) fue positivo, lo cual es consistente
con el supuesto de considerar el agua como un bien normal. El signo del coe-
ficiente del precio (p) fue negativo consistente con la teoría económica. La
curva de demanda estimada usando el MDC y valores medios de las variables
explicadores se presentan en la figura 6. Las variables de características del
Efecto de la variabilidad climática sobre la demanda de agua
110
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
hogar y la vivienda en los modelos se correlacionaron positivamente con la
demanda de agua (cuadro 4).
Cuadro 4. Cambio porcentual en el consumo mensual de agua por un cambio unitario
en las variables de características del hogar y la vivienda, y variables de
clima en la ciudad de Manizales, Colombia
Variable MDC ( porcentual)
dummy_casa +34%
número_baños +3%
tamaño_hogar +1%
dummy_lavadora +10%
dummy_ENSO +~1%
pmm -0,03%
La variable dependiente en el modelo fue el logaritmo del consumo mensual de
agua. Las variables explicadoras fueron: dummy_casa, con valor 1 para casa y 0
para apartamento; número_baños, número de baños; tamaño_hogar, número
de ocupantes de la vivienda; dummy_lavadora, con valor 1 si posee lavadora
y 0 en caso contrario; dummy_ENSO con valor de 1 para mes El Niño y 0 mes
La Niña o neutro; pmm, precipitación media mensual (mm); p, precio marginal
del agua ($/m3);
y
ingreso virtual mensual expresado en cien miles de pesos
($ 100.000). Finalmente, es la desviación estándar del error correspondiente
a la heterogeneidad no observada de las preferencias de los consumidores, y
es la desviación estándar del error de optimización representado por la dis-
crepancia entre consumo óptimo y observado como resultado de la posible
existencia de fugas en la red de provisión de agua. Log-L promedio es el valor
del logaritmo de la función de verosimilitud dividido por el número de obser-
vaciones. Los valores en paréntesis corresponden a valores de t.
Para las variables incluidas en la matriz Z como las de características del hogar,
la vivienda y el clima en la ciudad de Manizales se estimó el cambio porcentual
en el consumo mensual de agua ante un cambio unitario en las variables
(véase el cuadro 4). Estas variables entran exponencialmente en la función de
demanda; una consecuencia lógica de esto es la imposibilidad de explicarse
de manera directa como efectos marginales. Sin embargo, si transformamos
estos coeficientes a su forma exponencial los valores resultantes podrán
interpretarse como cambios proporcionales del consumo diario de agua ante
Darío Jiménez et al. 111
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
incrementos unitarios en cada variable (Jaramillo-Mosqueira, 2005). El con-
sumo en casas es mayor que el consumo en apartamentos, en aproximadamente
un 34% (cuadro 4). Resultado que podría explicarse por el mayor consumo de
agua para uso discrecional asociado al lavado de patios. De acuerdo con la
información colectada en la encuesta 161 suscriptores encuestados (~33%)
que habitaban una casa reportaron el uso de agua para el lavado de patios.
Asimismo, el consumo promedio mensual de agua de los suscriptores encues-
tados que residían en casas y que usaron agua para el lavado de patios fue
16,11 m3 mayor a los 14,86 m3 que corresponde al consumo promedio de agua
en casas que no usaron agua en este uso discrecional.
Por un incremento unitario en el número de baños y de ocupantes en la vivienda
la demanda de agua es afectada positivamente y se incrementa en un 3% y
un 1%, respectivamente (cuadro 4). Este resultado podría explicarse por incre-
mentos en el uso no discrecional, asociado fundamentalmente a la preparación
de alimentos y aseo personal. Estudios previos que usaron el MDC obtuvieron
signos positivos en los coeficientes de las variables número de ocupantes del
hogar y número de baños, como ocurrió en Estados Unidos y Canadá (Olmstead
et al., 2007), México (Jaramillo-Mosqueira, 2005) y Colombia (Medina y Morales,
2007). Finalmente, la posesión de lavadora aumenta la demanda de agua en
~10% (cuadro 4).
En contraste, para la precipitación media mensual se obtuvo un signo negativo
en el coeficiente estimado. Por tanto, la demanda mensual de agua disminuye
~0,03% por un incremento de 1 mm en la precipitación. Finalmente, por el
fenómeno de El Niño el consumo mensual se incrementa en aproximadamente
un 1% (cuadro 4).
El uso discrecional del agua asociado a actividades por fuera de la vivienda
podría estar determinado esencialmente por el clima y las características del
jardín y patios. En los jardines, los requerimientos de riego por unidad de área
varían según el tipo de suelo, la pendiente del terreno, la cantidad y frecuen-
cia de la precipitación, la temperatura y el viento. Mientras que la cantidad de
agua utilizada en patios depende de la frecuencia de lavado, principalmente
(Hewitt y Hanemann, 1995; Nieswiadomy y Molina, 1989; Olmstead et al., 2007).
Entonces, los resultados de la ciudad de Manizales podrían explicarse por la
flexibilidad espacial y temporal del consumo no discrecional. De acuerdo con
un estudio de Martinez-Espiñeira (2002) y realizado en España, las variables
Efecto de la variabilidad climática sobre la demanda de agua
112
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
de clima determinan el consumo total de agua en una vivienda cuando el
consumo discrecional es significativo en relación con el consumo total de la
vivienda (Martinez-Espiñeira, 2002). Es decir, cuando el consumo total es cer-
cano al consumo no discrecional la demanda de agua podría no ser fácilmente
modificable (Martinez-Espiñeira y Nauges, 2004). Es importante considerar
que el uso discrecional del agua tiende a ser más elástico y es adaptable a las
condiciones de clima. Si se requiere, en temporadas de lluvias, podría redu-
cirse el riego de jardín o aumentarse en temporadas más secas. En contraste,
el uso no discrecional es menos flexible dado que una reducción significativa
en la cantidad de agua que se usa para satisfacer necesidades básicas podría
comprometer el bienestar de las personas (Martinez-Espiñeira y Nauges, 2004;
Savenije y Van der Zaag, 2002).
El signo negativo del coeficiente de la variable precipitación sugiere un aumento
en la precipitación de los hogares que usan una menor cantidad de agua del
servicio de acueducto de Aguas de Manizales S. A. ESP. Es decir, hay un aumento
en el consumo de agua de fuentes alternas. En Manizales, ~11% de los hoga-
res encuestados reportaron la recolección de agua lluvia como fuente alterna
de suministro y se usa en el mantenimiento de los jardines y en el lavado de
patios. Un estudio previo en el que se evaluó la respuesta del consumo diario
de agua a cambios en variables de clima (Maidment y Miaou, 1986), concluyó
que la influencia de la precipitación está determinada por la ocurrencia de un
evento de lluvia y por su magnitud. Según Maidment y Miaou (1986) y Miaou
(1990), la precipitación inicialmente reduce la demanda de agua y su efecto
disminuye con el tiempo, lo cual podría ser consistente con el argumento de
Schleich y Hillenbrand (2009) sobre la importancia de la variación temporal
de la precipitación en la demanda de agua para uso residencial.
En Colombia, El Niño se manifiesta mediante un aumento de la temperatura y
la disminución de la precipitación (Poveda y Jaramillo, 2000), lo cual podría ser
consistente con los resultados, según los cuales hay una relación positiva entre
la ocurrencia de El Niño y el consumo de agua para uso residencial (cuadro 4).
Principalmente, porque la precipitación es una fuente alternativa de agua a
la provista por la empresa de acueducto, lo cual reduce el consumo total de la
vivienda. Sin embargo, con reducciones significativas en la precipitación como
sucede en El Niño, los suscriptores incrementan su consumo discrecional,
destinando agua del acueducto a actividades por fuera de la vivienda como
el lavado de patios y mantenimiento de jardines. Es decir, El Niño induce un
Darío Jiménez et al. 113
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
aumento en el uso no discrecional del agua fundamentalmente para el man-
tenimiento de patios y jardines.
Por la especificación de la función de demanda tipo log-log el coeficiente
estimado de la variable precio corresponde a la elasticidad condicionada al
bloque de consumo observado. Para la ciudad de Manizales, el coeficiente
estimado fue -0,10, es decir, la demanda de agua es inelástica. Resultado que
es consistente con estudios previos de demanda de agua que usaron el MDC
(Baerenklau et al., 2014; Jaramillo-Mosqueira, 2005; Medina y Morales, 2007;
Olmstead et al., 2007), y que podría explicarse por la inexistencia de sustitutos
cercanos del agua (Arbués et al., 2003; Foster y Beattie, 1979; Savenije y Van
der Zaag, 2002; Worthington y Hoffmann, 2006), y por el uso del agua para
satisfacer necesidades tan básicas como la preparación de alimentos o el
consumo humano (Savenije y Van der Zaag, 2002). En países de Europa con
ingresos per cápita altos, Schleich y Hillenbrand (2009) sugieren que la baja
sensibilidad de los hogares ante cambios en los precios del agua se debe prin-
cipalmente a que el gasto de un hogar en el servicio de provisión de agua es
muy bajo en comparación con los gastos totales del hogar.
La elasticidad ingreso fue 0,05, consistente con la evidencia empírica que
sugiere un valor bajo de elasticidad ingreso de la demanda en las estimacio-
nes de demanda de agua para uso residencial (Chicoine y Ramamurthy, 1986;
Moncur, 1987). El resultado de esta investigación es similar al valor de elastici-
dad ingreso reportado por Baerenklau et al. (2014), quienes estimaron un MDC
en Estados Unidos para el período 2003-2011. El resultado para Manizales es
similar a 0,02, que fue el valor de elasticidad ingreso de la demanda obtenido
con un MDC en México (Jaramillo-Mosqueira, 2005). No obstante, el resultado
difiere de 0,17, obtenido en Estados Unidos y Canadá (Olmstead et al., 2007), y
de 0,14 reportado por Medina y Morales (2007) para Colombia.
La especificación del modelo MDC considera dos términos de error. De acuerdo
con Pint (1999), esta especificación del modelo es intuitivamente más plausi-
ble, porque los investigadores podrían no considerar todas las características
relevantes de las viviendas y los hogares para la estimación de la demanda de
agua, y porque es muy probable que los hogares no controlen de forma efi-
ciente su consumo de agua.
La magnitud del error de optimización fue mayor que la magnitud del error rela-
cionado con la heterogeneidad de las preferencias. Los resultados del error de
Efecto de la variabilidad climática sobre la demanda de agua
114
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
optimización podrían estar relacionados con las pérdidas técnicas y no técnicas
de agua, que se asocian principalmente con las fallas en el sistema de distribu-
ción de agua. Para el 2013, el valor reportado de pérdidas técnicas y no técnicas
fue del 25% en la ciudad de Manizales (Aguas de Manizales, 2013b). Los suscrip-
tores encuestados podrían ser homogéneos en sus preferencias con respecto al
consumo de agua para uso residencial. En estudios previos que usaron el MDC
la magnitud del error de preferencias fue mayor que la magnitud del error de
optimización (Baerenklau et al., 2014; Hewitt y Hanemann, 1995; Jaramillo-
Mosqueira, 2005; Medina y Morales, 2007; Miyawaki et al., 2011; Olmstead
et al., 2007; Rietveld et al., 2000), contrario a lo obtenido para Manizales.
Figura 6. Demanda estimada de agua para uso residencial urbano en la ciudad de
Manizales, Colombia, período 1997-2013. La curva corresponde a los valores
medios de las variables explicadoras
2.000
1.500
1.000
500
Precio marginal
Consumo de agua mensual (m3/suscriptor)
14 15 16 17 18
V. Conclusiones e implicaciones en política pública
En la ciudad de Manizales la demanda de agua para uso residencial se estimó
con un modelo estructural que considera tanto la elección discreta del bloque de
consumo como la continua sobre la cantidad a consumir. La demanda se estimó
econométricamente con información de 490 hogares sobre consumo mensual de
Darío Jiménez et al. 115
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
agua medido, período 1997-2013, así como tamaño del hogar, tipo de vivienda
y número de baños, posesión de electrodomésticos que requieren agua para su
funcionamiento, específicamente lavadora, una variable de clima correspon-
diente a la precipitación media mensual observada, una variable dummy para
indicar si el mes correspondía a la fase cálida del ENSO o fenómeno de El Niño,
precio marginal por bloque de consumo de agua e ingreso virtual. Las variables
de características del hogar y la vivienda se correlacionaron positivamente con
la demanda de agua. Con respecto al clima, la ocurrencia de El Niño aumentó
en ~1% el consumo mensual de agua para uso residencial en Manizales. Esto
contrasta con una correlación negativa entre precipitación y demanda de agua.
La demanda de agua resultó inelástica en precio, lo cual es consistente con lo
reportado en estudios previos que usaron el MDC y bases de datos con infor-
mación en ámbitos de hogar. Los resultados sugieren que el modelo estructural
estimado es consistente con la maximización de la utilidad y parece ser la mejor
aproximación empírica para la estimación econométrica de la demanda de agua
para uso residencial urbano. Esto si se compara con estimaciones econométricas
alternativas como MCO o modelos de efectos mixtos.
La información proporcionada en este estudio podría ser relevante para la
adopción de políticas y regulación del recurso agua. Estudios previos como
el de Sebri (2014) muestran que la estimación de las demandas de agua y las
elasticidades varían de acuerdo con la ubicación geográfica, a saber, Estados
Unidos, Europa y otras partes del mundo, así como según el nivel de desarrollo
de los países (países en desarrollo vs. países desarrollados). Por tanto, per-
mitiría a los tomadores de decisiones basarse en los resultados locales y no
en estudios realizados en otros países para formular algunas políticas para
la gestión y manejo del consumo de agua. De igual manera, contar con una
base de datos de hogares es más útil para formular políticas adecuadas. Los
datos individuales reflejan mejor la heterogeneidad de las preferencias de
los hogares hacia el consumo de agua.
Olmstead y Stavins (2009) y Baerenklau et al. (2014) compararon el diseño de
políticas de conservación del agua basadas en enfoques prescriptivos y enfo-
ques de mercado, como el diseño de sistemas de tarifas. Ellos comparan la
capacidad de las políticas para alcanzar los objetivos, rentabilidad, equidad
distributiva y factibilidad política. Los resultados muestran que el uso de herra-
mientas basadas en precios es más rentable que el racionamiento y medidas
prescriptivas. En promedio, se encontró un aumento del 10% en el precio del
Efecto de la variabilidad climática sobre la demanda de agua
116
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
agua para reducir la demanda residencial entre un 3% y un 4% (Olmstead y
Stavins, 2009).
En este artículo se presentan estimaciones de elasticidades que permiten el
diseño de herramientas basadas en precios para el diseño de políticas de con-
sumo de agua. Las ventajas del uso de los precios como un incentivo para la
conservación provienen de permitir que los hogares respondan al aumento de los
precios del agua en la forma de su elección, en lugar de instalar una tecnología
obligatoria o reducir los usos especificados. Aunque es desafiante desde una
perspectiva empírica, futuras investigaciones podrían considerar la estimación
independiente de la demanda de agua discrecional y no discrecional. Esto para
verificar la influencia potencial de la variabilidad climática sobre la demanda
de agua para uso discrecional.
Agradecimientos
Los autores agradecen al Centro Internacional de Investigaciones para el
Desarrollo (IDRC) de Canadá, Programa de Agua y el Cambio Climático, por pro-
porcionar la financiación para esta investigación. También se agradece a Aguas
de Manizales S. A. ESP por proporcionar la información mensual de consumo
de agua y precios; asimismo, agradecen a los profesores Olga Ocampo, de la
Universidad Autónoma de Manizales, y Jorge Vélez, de la Universidad Nacio-
nal de Colombia, sede Manizales, por proporcionar la información de varia-
bles de clima.
Referencias
1. Abril, D., Melo, L., & Parra, D. (2015). Impactos de los fenómenos
climáticos sobre el precio de los alimentos en Colombia (Borradores de
Economía, 902). Banco de la República.
2. Agthe, D., & Billings, R. (1987). Equity, price elasticity, and household
income under increasing block rates for water. American Journal of
Economics and Sociology 46(3), 273-286.
3. Agthe, D., Billings, R., Dobra, J., & Raffiee, K. (1986). A simultaneous
equation demand model for block rates. Water Resources Research,
22(1), 1-4.
Darío Jiménez et al. 117
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
4. Aguas de Manizales. (2013a). Primera Jornada de Actualización en
Acueducto y Alcantarillado. Agua no contabilizada en los sistemas
de Acueducto. Manizales, Caldas. Recuperado de http://www.aguasde
manizales.com.co/Inicio/JornadaActualizaci%C3%B3ndeAcueductoAlc
antarillado/tabid/1393/Default.aspx.
5. Aguas de Manizales. (2013b). Indicadores de gestión aguas de Manizales.
Manizales, Caldas.
6. Alcaldía de Manizales. (2012). Plan de Desarrollo Manizales 2012-2015:
Gobierno en la Calle. Manizales, Caldas.
7. Al-Qunaibet, M., & Johnston, R. (1985). Municipal demand for water in
Kuwait: Methodological issues and empirical results. Water Resources
Research, 21(4), 433-438.
8. Arbués, F., Garcia-Valiñas, M., & Martinez-Espiñeira, R. (2003). Estima-
tion of residential water demand: A state-of-the-art review. The Journal
of Socio-Economics, 32(1), 81-102.
9. Baerenklau, K., Schwabe, K., & Dinar, A. (2014). The residential water
demand effect of increasing block rate water budgets. Land Economics,
90(4), 683-699.
10. Bamezai, A. (1997). On weather normalizing customer-level billing data.
Water Resources Research, 33(5), 1171-1178.
11. Bartlett, J., Kotrlik, J., & Higgins, C. (2001). Organizational research:
Determining appropriate sample size in survey research. Information
Technology, Learning, and Performance Journal, 19(1), 43-49.
12. Berry, B., & Okulicz-Kozaryn, A. (2008). Are there ENSO signals in the
macroeconomy? Ecological Economics, 64(3), 625-633.
13. Banco Interamericano de Desarrollo (BID). (2014). Recursos hídricos y
adaptación al cambio climático en Latinoamérica y el Caribe: directrices
estratégicas y líneas de acción propuestas, 45.
Efecto de la variabilidad climática sobre la demanda de agua
118
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
14. Billings, R., & Agthe, D. (1980). Price elasticities for water: A case of
increasing block rates. Land Economics, 56(1), 73-84.
15. Brunner, A. (2002). El Niño and World Primary Commodity Prices: Warm
Water or Hot Air? Review of Economics and Statistics, 84(1), 176-183.
16. Burtless, G., & Hausman, J. (1978). The effect of taxation on labor supply:
Evaluating the gary negative income tax experiment. Journal of Political
Economy, 86(6), 1103-1130.
17. Chicoine, D., & Ramamurthy, G. (1986). Evidence on the specification
of price in the study of domestic water demand. Land Economics, 62(1),
26-32.
18. Costello, C., Adams, R., & Polasky, S. (1998). The value of El Niño fore-
cast in the management of salmon: A stochastic dynamic assessment.
American Journal of Agricultural Economics, 84(4), 765-777.
19. Dalhuisen, J., Raymond, J., De Groot, H., & Nijkamp, P. (2003). Price and
income elasticities of residential water demand: A meta-Analysis. Land
Economics, 79(2), 292-308.
20. Dandy, G., Nguyen, T., & Davies, C. (1997). Estimating residential water
demand in the presence of free allowances. Land Economics, 73(1),
125-139.
21. Danielson, L. (1979). An analysis of residential demand for water using
micro time-series data. Water Resources Research, 15(4), 763-767.
22. Departamento Administrativo Nacional de Estadística (DANE). (2011).
Estimaciones y proyecciones de población período 1985-2020. Bogotá.
23. Dharmaratna, D., & Harris, E. (2012). Estimating residential water
demand using the stone-geary functional form: The case of Sri Lanka.
Water Resources Management, 26(8), 2283-2299.
24. Dinar, A., Rosegrant, M., & Meinzen-Dick, R. (1997). Water allocation
mechanisms: principles and examples. Washington, D. C.: World Bank,
IFPRI.
Darío Jiménez et al. 119
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
25. Espey, M., Espey, J., & Douglass, S. (1997). Price elasticity of residential
demand for water: A meta-analysis. Water Resources Research, 33(6),
1369-1374.
26. Foster, H., & Beattie, R. (1981). On the specification of price in studies
of consumer demand unver block price scheduling. Land Economics,
57(4), 624-629.
27. García, J., Arango, S., & Ortiz, A. (2015). Impacto de la regulación en la
eficiencia asignativa del mercado spot eléctrico colombiano (Documentos
de Trabajo 15-12). Centro de Investigaciones Económicas y Financieras.
Universidad EAFIT.
28. Gaudin, S. (2006). Effect of price information on residential water
demand. Applied Economics, 38(4), 383-393.
29. Gaudin, S., Griffin, R., & Sickles, R. (2001). Demand specification for
municipal water management: Evaluation of the stone-geary form.
Land Economics, 77(3), 399-422.
30. Griffin, A., & Martin, W. (1981). Price elasticities for water: A case of
increasing block rates: Comment. Land Economics, 57(2), 266-275.
31. Hanemann, M. (1998). Determinants of urban water use. En J. D.
Baumann, J. J. Boland & W. M. Hanemann (eds.), Urban Water Demand
Management and Planning (pp. 31-76). Nueva York: McGraw-Hill.
32. Hanemann, M. (2006). The Economic conception of water. En P. Rogers,
R. Llamas & L. Martínez (eds.), Water crisis: Myth or reality (pp. 61-91).
Reino Unido: Taylor & Francis.
33. Hartwick, J., & Olewiler, N. (1998). The economics of natural resource
use (2 ed.). Massachusetts: Addison-Wesley Reading.
34. Hewitt, J., & Hanemann, M. (1995). A discrete/continuous choice
approach to residential water demand under block rate pricing. Land
Economics, 71(2), 173-192.
Efecto de la variabilidad climática sobre la demanda de agua
120
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
35. Hiscock, K., & Tanaka, Y. (2006). Potential impacts of climate change on
groundwater resources: From the high plains of the US to the flatlands of
the UK. Proceedings of the National Hydrology Seminar: Water Resources
in Ireland and Climate Change (pp. 19-26), November 14.
36. Intergovernmental Panel on Climate Change (IPCC). (2007). Climate
change 2007: The physical science basis. contribution of Working Group
I to the Fourth Assessment Report of the Intergovernmental Panel on
Climate Change [Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis,
K. B. Averyt, M. Tignor & H. L. Miller (eds.)]. Cambridge y Nueva York:
Cambridge University Press.
37. Jaramillo-Mosqueira, L. (2005). Evaluación econométrica de la demanda
de agua de uso residencial en México. El Trimestre Económico, 72,
286(2), 367-390.
38. Kleiber, A. Smith, K., Kaminsky, M., & Strong, A. (2014). Measuring price
elasticities for residential water demand with limited information. Land
Economics, 90(1), 100-113.
39. Laosuthi, T., & Selover, D. (2007). Does El Niño affect business cycles?
Eastern Economic Journal, 33(1), 21-42.
40. MacDonald, R., Webera, K., Padowski, J., Flörke, M., Christof, S., Green,
P., Gleeson, T., Eckman, S.; Lehner, B., Balk, D., Boucher, T., Grill, G., &
Montgomeryi, M. (2014). Water on an urban planet: Urbanization and
the reach of urban water infrastructure. Global Environmental Change,
27, 96-105.
41. Maidment, D. R., & Miaou, S. (1986). Daily water use in nine cities. Water
Resources Research, 22(6), 845-851.
42. Martinez-Espiñeira, R. (2002). Residential water demand in the
Northwest of Spain. Environmental and Resource Economics, 21(2),
161-187.
Darío Jiménez et al. 121
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
43. Martinez-Espiñeira, R. (2003). Estimating water demand under incre-
asing-block tariffs using aggregate data and proportions of users per
block. Environmental and Resource Economics, 26(1), 5-23.
44. Martinez-Espiñeira, R. (2004). An estimation of residential water demand
using cointegration and error correction techniques (Working Papers),
Canadá: St Francis Xavier University. Recuperado de http://www.stfx.ca/.
45. Martinez-Espiñeira, R., & Nauges, C. (2004). Is all domestic water
consumption sensitive to price control? Applied Economics, 36(15),
1697-1703.
46. Martins, R., & Fortunato, A. (2007). Residential water demand under
block rates - A portuguese case study. Water Policy, 9(2), 217-230.
47. Medina, C., & Morales, L. (2007). Demanda por servicios públicos domi-
ciliarios en colombia y subsidios: implicaciones sobre el bienestar. Bogotá:
Banco de la República.
48. Miaou, S. (1990). A class of time series urban water demand models with
nonlinear climatic effects. Water Resources Research, 26(2), 169-178.
49. Ministerio de Comercio, Industria y Turismo. (2013). Departamento de
Caldas. Oficina de estudios económicos. Santa Fe de Bogotá, Colombia.
50. Miyawaki, K., Omori, Y., & Hibiki, A. (2011). Panel data analysis of
japanese residential water demand using a discrete/continuous choice
approach. Japanese Economic Review, 62(3), 365-386.
51. Moffitt, R. (1986). The econometrics of piecewise-linear budget
constraints: A survey and exposition of the maximum likelihood method.
Journal of Business & Economic Statistics, 4(3), 317-328.
52. Moffitt, R. (1990). The econometrics of kinked budget constraints. The
Journal of Economic Perspectives, 4(2), 119-139.
53. Moncur, J. (1987). Urban water pricing and drought management. Water
Resources Research, 23(3), 393-398.
Efecto de la variabilidad climática sobre la demanda de agua
122
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
54. Morgan, W. D., & Smolen, J. C. (1976). Climatic indicators in the esti-
mation of municipal water demand. Water Resources Bulletin, 12(3),
511-518.
55. Nauges, C., & Thomas, A. (2000). Privately operated water utilities,
municipal price negotiation, and estimation of residential water demand:
The case of France. Land Economics, 76(1), 68-85.
56. Naughes, C., & Whittington, D. (2010). Estimation of water demand
in developing countries: An overview. World Bank Research Observer,
25(2), 263-294.
57. Nieswiadomy, M. L., & Cobb, S. L. (1993). Impact of pricing structure
selectivity on urban water demand. Contemporary Policy Issues, 11(3),
101-113.
58. Nieswiadomy, M. L., & Molina, D. J. (1989). Comparing residential water
demand estimates under decreasing and increasing block rates using
household data. Land Economics, 65(3), 280-289.
59. Nordin, J. (1976). A proposed modification of Taylor’s demand analysis:
Comment. The Bell Journal of Economics, 7(2),719-721.
60. Ocampo, O. (2012). Análisis de vulnerabilidad de la cuenca del río Chin-
chiná para condiciones estacionarias y de cambio climático. Trabajo de
grado, Facultad de Ingeniería, Departamento de Ingeniería Química.
Universidad Nacional de Colombia, sede Manizales.
61. Organisation for Economic Co-operation and Development (OECD).
(2003). Social issues in the provision and pricing of water services. París.
62. Organisation for Economic Co-operation and Development (OECD).
(2010). Pricing water resources and water and sanitation services. París.
63. Olmstead, S., & Stavins, R. (2009). Comparing price and nonprice
approaches to urban water conservation. Water Resources Research, 45 (4).
64. Olmstead, S. (2009). Reduced-form vs. structural models of water
demand under non-linear prices. Journal of Business and Economic
Statistics, 87(1),84-94.
Darío Jiménez et al. 123
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
65. Olmstead, S., Hanemann, M., & Stavins, R. (2007). Water demand under
alternative price structures. Journal of Environmental Economics and
Management, 54(2), 181-198.
66. Pint, E. (1999). Household responses to increased water rates during the
California drought. Land Economics, 75(2), 246-266.
67. Polebitski, A., & Palmer, R. (2010). Seasonal residential water demand
forecasting for census tracts. Journal of Water Resources Planning and
Management, 136(1), 27-36.
68. Poveda, G., & Jaramillo, A. (2000). ENSO-related variability of river
discharge and soil moisture in colombia, biospheric aspects of the
hydrologic cycle. IGBP, 8, 3-6.
69. Poveda, G. (2004). La hidroclimatología de Colombia: una síntesis desde
la escala interdecadal hasta la escala diurna. Revista de la Academia
Colombiana de Ciencias Exactas, Físicas y Naturales, 28(107), 201-222.
70. Renzetti, S., Dupont, D., & Chitsinde, T. (2015). An empirical examina-
tion of the distributional impacts of water pricing reforms. Utilities
Policy, 34, 63-69.
71. Rietveld, P., Rouwendal, J., & Zwart, B. (2000). Block rate pricing of
water in Indonesia: An analysis of welfare effects. Bulletin of Indonesian
Economic Studies, 36(3), 73-92.
72. Savenije, H., & Van der Zaag, P. (2002). Water as an economic good
and demand management paradigms with pitfalls. Water International,
27(1), 98-104.
73. Schewe, J., Heinke, J., Gerten, D., Haddeland, I., Arnell, N., Clark, D.,
Dankers, R., Eisner, S., Fekete, B., Colón-González, F., Gosling, S., Kim, H.,
Liu, X., Masaki, Y., Portmann, F., Satoh, Y., Stacke, T., Tang, O., Wada, Y.,
Wisser, D., Albrecht, T., Frieler, K., Piontek, F., Warszawski, L., & Kabat, P.
(2014). Multimodel assessment of water scarcity under climate change.
Proceedings of the National Academy of Sciences of the United States
of America, 111(9), 3245-3250.
Efecto de la variabilidad climática sobre la demanda de agua
124
DESARRO. SOC. NO. 79, BOGOTÁ, SEGUNDO SEMESTRE 2017, PP. 91-124, ISSN 0120-3584, E-ISSN 1900-7760, DOI: 10.13043/DYS.79.3
74. Schleich, J., & Hillenbrand, T. (2009). Determinants of residential water
demand in Germany. Ecological Economics, 68(6), 1756-1759.
75. Sebri, M. (2014). A meta-analysis of residential water demand studies.
Environment, Development and Sustainability, 16(3), 499-520.
76. Terza, J., & Welch, W. (1982). Estimating demand under block rates:
Electricity and water. Land Economics, 58 (2), 181-188.
77. Whittington, D., Nauges, C., Fuente, D., & Wu, X. (2015). A diagnostic
tool for estimating the incidence of subsidies delivered by water utilities
in low-and medium-income countries, with illustrative simulations.
Utility Policy, 34, 70-81.
78. Worthington, A., & Hoffman, M. (2006). A state of the art review of resi-
dential water demand modelling. Australia: University of Wollongong,
School of Accounting and Finance Australia.
79. Worthington, A., & Hoffman, M. (2008). An empirical survey of residential
water demand modelling. Journal of Economic Surveys, 22(5), 842-871.

VLEX utiliza cookies de inicio de sesión para aportarte una mejor experiencia de navegación. Si haces click en 'Aceptar' o continúas navegando por esta web consideramos que aceptas nuestra política de cookies. ACEPTAR