Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
1
EFECTO DEL PICO Y PLACA A MOTOCICLETAS SOBRE LA
CALIDAD DEL AIRE EN BUCARAMANGA1
Javier Chávez Díaz María Alejandra Espinosa Curtidor
Diana Milena Lara Díaz Brenda Pérez Parra
RESUMEN
Diversas ciudades en el mundo han implementado medidas de restricción vehicular
basadas en el número de la placa, con el fin de mitigar la congestión y/o mejorar la calidad
del aire. Sin embargo, pocas ciudades han implementado medidas de restricción para
motocicletas, sin que cuenten hasta el momento con estudios que determinen su impacto
ambiental. A partir de un diseño de regresión discontinua, este trabajo busca evaluar si la
medida de Pico y Placa para motocicletas en Bucaramanga redujo las concentraciones de CO
y NO2, mejorando así la calidad del aire. La evidencia hallada demuestra que la restricción
tuvo un efecto positivo en la calidad del aire, lo cual se constituye como argumento a favor
de restringir la circulación de motocicletas para propósitos ambientales. No obstante, estos
son efectos de corto plazo, dado que la disponibilidad de datos no permite evaluar los efectos
de largo plazo de la medida.
Palabras clave: calidad del aire, evaluación de impacto, Pico y Placa, motocicletas.
Clasificación JEL: D62, R41, Q53, Q58.
1 Tesis presentada como requisito para obtener el título de Magister en Economía Aplicada de la Universidad
de los Andes. Agradecemos especialmente a Jorge Bonilla por su excelente labor como asesor y su valiosa ayuda en el proceso de investigación y elaboración del presente documento. Agradecemos además a Jorge Higinio Maldonado y a Juan Pablo Orjuela que con sus aportes contribuyeron a la realización de este documento.
2
1. INTRODUCCIÓN
En muchas ciudades del mundo como Ciudad de México, Sao Paulo, Bogotá, Quito y
Beijing se han implementado medidas que buscan reducir la circulación de vehículos usando
como base el número de la placa, con el propósito de mitigar la congestión y/o mejorar la
calidad del aire. Sin embargo, en pocas ciudades se han implementado medidas de restricción
para motocicletas, sin que se cuente hasta el momento con estudios que determinen su
impacto ambiental.
El presente estudio busca determinar si la medida de Pico y Placa para motocicletas en
Bucaramanga mejoró la calidad del aire, toda vez que, hasta donde se tiene información, no
hay estudios sobre el impacto de una restricción a la circulación de motocicletas sobre la
calidad del aire. Esta investigación estudia a la ciudad de Bucaramanga, debido a que cuenta
con estaciones de monitoreo automáticas que generan confiabilidad en la información y con
mayor disponibilidad de datos para los periodos de análisis2.
La importancia de este trabajo radica en la gran influencia que tiene la contaminación
atmosférica en la salud de las personas. Precisamente, diversos estudios han mostrado que
los contaminantes emitidos por vehículos, como el monóxido de carbono (CO), el material
particulado (PM10) y los óxidos de nitrógeno (NOx) tienen efectos adversos sobre la salud
(Loomis et al., 1999; Kunzli et al., 2000 y Currie y Walker, 2011). Específicamente, niveles
altos de 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” (Pérez-Cirera et al., 2018, p.747). Además, según la
Organización Mundial de la Salud, una de cada nueve muertes ocurridas a nivel mundial, es
ocasionada por la contaminación del aire (WHO, 2016, p.15).
En el caso de Colombia, el Departamento Nacional de Planeación (DNP) estimó que,
durante el año 2015, los efectos de la contaminación del aire estuvieron asociados a 8.000
muertes prematuras, 11.368 admisiones hospitalarias y 227.364 visitas a urgencias (DNP,
2018). Traduciendo estas cifras a pesos, la baja calidad del aire urbano tiene un costo de 1,5%
del PIB en 2015 (12,2 billones de pesos), siendo el componente de la degradación ambiental
2 Las mediciones automáticas cuentan con la ventaja de generar mediciones precisas, datos horarios,
información en línea y bajos costos directos de operación (Ministerio de Ambiente, 2010, p.15).
3
en Colombia que más costo representa (DNP, 2018, p.33). Todo esto sugiere la necesidad de
implementar estrategias para controlar, evaluar y monitorear las sustancias que contaminan
el aire (IDEAM, 2017).
Relacionado con lo anterior, existen estudios en Colombia que revelan el impacto negativo
que tiene en la calidad del aire la masiva circulación de motocicletas. Giraldo y Toro (2008),
por ejemplo, afirman que en “Colombia se ha registrado en los últimos años un alto
incremento en el uso de este tipo de vehículos aumentando por ende las emisiones, lo que ha
contribuido con el deterioro de la calidad del aire” (p.241). De este modo, resulta de gran
utilidad para las autoridades, tener claridad acerca de si implementar medidas restrictivas en
la circulación de motocicletas ayuda a mitigar el problema ambiental.
Igualmente, la relevancia de este estudio radica en que diversas ciudades en Colombia
están considerando implementar el Pico y Placa para motocicletas, razón por la cual es
imprescindible contar con estudios de rigor que suministren información clara y precisa
acerca de su efectividad. Cali, por ejemplo, consideró dentro de su Plan Integral de Movilidad
Urbana (PIMU) la implementación del Pico y Placa para motocicletas entre los años 2019 y
2022 (RCN, 2019). Bogotá, por su parte, dentro del marco del “Pico y Placa ambiental” en
2019, el fin de semana del 16 de febrero restringió la circulación de motocicletas y otros
vehículos, lo cual, en palabras del alcalde: “mejoró la calidad del aire en nuestra ciudad en
más del 50 por ciento” (Secretaría Distrital de Ambiente, 2019). Este hecho podría llevar a
considerar a las autoridades a implementar la restricción de manera permanente.
La importancia de esta investigación radica también en que hasta donde se tiene
información, no se ha realizado hasta la fecha ningún trabajo que determine el impacto
ambiental que ha tenido el Pico y Placa para motocicletas en la ciudad de Bucaramanga, ni
ningún trabajo sobre el impacto de una restricción a la circulación de motocicletas sobre la
calidad del aire. De los estudios empíricos que buscan determinar el efecto de las
restricciones vehiculares sobre la contaminación atmosférica, la mayoría encuentran que los
programas de restricción vehicular no tienen efecto sobre la calidad del aire (Eskeland y
4
Feyzioglu, 1997; Davis, 2008 y 2017; Gallego et al., 2013; Zhang et al., 2017; Bonilla, 2019)3
por las siguientes razones:
a. Incremento en el número total de vehículos en circulación (Eskeland y Feyzioglu,
1997; Davis, 2008 y 2017; Gallego et al., 2013; Zhang et al., 2017; Bonilla, 2019).
b. Cambio en la composición de vehículos aumentando aquellos altamente
contaminantes (Zhang et al., 2017; Davis 2017 y 2008).
c. Sustitución intertemporal: la contaminación aumenta los fines de semana y a altas
horas de la noche entre semana, cuando la medida no está en vigor (Zhang et al.,
2017; Davis, 2017 y 2008).
El presente estudio se diferencia de los anteriores en que evalúa exclusivamente el impacto
de una restricción a la circulación de motocicletas sobre la calidad del aire. Estimar este
impacto, en lugar del producido por los automóviles, es importante porque Bucaramanga es
una ciudad que tiene una alta participación de motocicletas en su parque automotor puesto
que, en 2015, mientras que los automóviles, camperos y camionetas sumaban 215.712, las
motocicletas eran 342.058 (Dirección de Tránsito de Bucaramanga, 2019)4.
Adicionalmente, este estudio se diferencia de los anteriores en que usa ventanas de tiempo
más cortas (máximo de 90 días) debido a la limitación de los datos. Por ejemplo, Davis (2008,
2017) usa ventanas de tiempo de dos años para antes y después de la medida, y Bonilla (2019)
usa ventanas de tiempo de un año. No obstante, el usar ventanas de tiempo cortas permite
evaluar el impacto en el corto plazo de la medida, el cual puede ser muy diferente al de largo
plazo, tal cual lo evidencia los trabajos de Gallego et al. (2013).
Al igual que la mayoría de estudios (Davis 2008, 2017; Viard y Fu, 2015; Carrillo et al.,
2016; Lu, 2016; Zhang et al., 2017; Bonilla, 2019), el presente trabajo usa como estrategia
3 Se exceptúan Carrillo et al. (2016), Lu (2016) y Viard y Fu (2015) quienes concluyeron en sus estudios
que sí hay un efecto positivo de la restricción vehicular sobre la calidad del aire. 4 De acuerdo con el Plan Decenal de Descontaminación del Aire para Bogotá (Secretaría Distrital de
Ambiente, 2010), cuyos datos se toman como referencia para este estudio, las motos de 2 y 4 tiempos tienen un factor de emisión promedio de 7,12 g km-1 para CO, en tanto que los automóviles a gasolina tienen un factor de emisión promedio de 35,67 g km-1 para CO. En el caso del NOx, las motos tienen un factor de emisión promedio de 0,15 g km-1, en tanto que los automóviles a gasolina tienen un factor de emisión promedio de 1,26 g km-1.
5
empírica un modelo de regresión discontinua centrado en el inicio de la implementación de
la medida drástica5 (2 de marzo de 2015).
Este estudio utiliza información suministrada por el Instituto de Hidrología, Meteorología
y Estudios Ambientales (IDEAM), que contiene niveles de concentración de contaminantes
atmosféricos y distintas variables meteorológicas en la ciudad de Bucaramanga para el
periodo 2011-20156. Con dicha información se estima un modelo de regresión discontinua
para medir el efecto del Pico y Placa drástico7 sobre la concentración del contaminante
atmosférico, considerando adicionalmente el efecto de variables meteorológicas y de
variables dummies estacionales.
La evidencia hallada en este estudio demuestra que, contrario a lo encontrado en la
mayoría de la literatura relacionada con la restricción de automóviles, la medida drástica de
Pico y Placa para motocicletas mejoró la calidad del aire, al reducir las concentraciones de
CO y dióxido de nitrógeno (NO2)8. Dentro de las posibles explicaciones para este resultado
está el hecho de haber usado ventanas de tiempo más cortas a las usadas en otros análisis,
debido a la limitación de los datos, al efecto mayor que tienen las emisiones de motocicletas
sobre los automóviles en la calidad del aire, y al hecho que Bucaramanga tiene una alta
participación de motocicletas en su parque automotor, lo que hace razonable deducir que una
restricción de su circulación, haya mejorado la calidad del aire.
El documento está organizado en cinco secciones, siendo esta introducción la primera. La
segunda sección presenta el contexto de cómo surgió y en que consiste la medida de Pico y
5 La medida drástica consiste en una restricción vehicular que varía de 15 a 17 horas diarias, siendo vigente
en la ciudad de Bucaramanga la que comprende de lunes a viernes de 6:00 am a 8:00 pm. Dicha medida drástica inició el 2 de marzo de 2015, pero antes había iniciado la medida moderada el 11 de octubre de 2010 y era la vigente hasta ese momento. La medida moderada contempla la restricción durante las horas pico entre semana (lunes a viernes de 6:00 am a 9:00 am y de 5:00 pm a 9:00 pm).
6 Debido a limitaciones en la información, el estudio se hizo únicamente con los datos reportados por la estación Centro tomando los años 2011-2015 entre los meses de enero a mayo.
7 Como antes de la medida drástica estuvo vigente la medida moderada, la presente investigación mide el efecto de la medida drástica del Pico y Placa, en relación con la medida moderada, sobre la concentración del contaminante atmosférico.
8 En las estimaciones econométricas de los estudios previos, el impacto de la restricción vehicular se distingue para cada contaminante. Por esta razón, es posible comparar los resultados del presente estudio con los trabajos previos que usan dentro de sus variables de interés las concentraciones de CO o NO2. Davis (2008) y (2017), por ejemplo, mide el impacto de la restricción vehicular sobre un conjunto de contaminantes dentro de los cuales se encuentra CO y NO2. Bonilla (2019), por su parte, mide el impacto de la restricción vehicular sobre las concentraciones de CO.
6
Placa para motocicletas en Bucaramanga. La tercera sección describe la metodología,
mostrando los datos utilizados para el análisis y el modelo a estimar. En la cuarta sección se
muestran los resultados y las pruebas de robustez. Finalmente, en la quinta sección se
presentan las anotaciones concluyentes.
2. LAS RESTRICCIONES VEHICULARES
Las medidas de restricción vehicular buscan reducir la congestión y/o mejorar la
movilidad, al controlar la circulación de cierta clase de vehículos en una zona y horario
específico. Tal es el caso de la medida de racionamiento vial “Pico y Placa” implementada
por las autoridades urbanas, la cual tiene como objetivo mejorar el tráfico vehicular al
desestimular el uso del transporte particular en horas de mayor tráfico (horas pico), por medio
de la restricción de circulación de vehículos públicos y privados de acuerdo al número de la
placa. Esta medida tiene a su vez el potencial de disminuir los niveles de contaminación
atmosférica causados por fuentes móviles (Gwilliam et al., 2003).
En el mundo, la mayoría de casos de implementación de restricciones vehiculares
(automóviles) se encuentran en Asia y Latinoamérica (Tabla 1), debido a la alta densidad
poblacional de sus ciudades y a que, para los gobiernos locales, el impacto fiscal de su
ejecución es menor si se le compara, por ejemplo, con llevar a cabo mejoras en el transporte
público o con esquemas de precio de congestión, entre otras (Carillo et al. 2016).
A nivel nacional, la primera ciudad en implementar la medida de “Pico y Placa” fue
Bogotá en 1998, que buscaba sacar de circulación el 20% del parque automotor de la ciudad
debido a los problemas de movilidad intensificados por las obras viales de la época
(Jaramillo-Molina et al., 2009). El Pico y Placa ganó popularidad entre las políticas de
movilidad urbana, siendo implementada en otras ciudades principales e intermedias del país.
En 2005, por ejemplo, Medellín fue la segunda ciudad del país en implemenar la medida.
A partir del 2008 la medida de Pico y Placa se extendió a las motocicletas, siendo Medellín
y Pereira las ciudades pioneras. Luego se implementó en ciudades como Bucaramanga
(2010), Cartagena (2016), Cúcuta (2016), Barranquilla (2017) y Santa Marta (2019), como
respuesta al incremento en la circulación de este tipo de vehículos, que se ha convertido en
el medio de transporte más popular en varias ciudades de clima cálido. Esta medida también
7
fue adoptada en todo el departamento del Atlántico en el 2017, buscando reducir
particularmente la accidentalidad en sus vías secundarias y terciarias (Decreto 000491 de
2017, Departamento del Atlántico).
Tabla 1. Histórico de restricciones vehiculares basadas en el número de la placa
Ciudad Año de inicio de las restricciones
Población en el área urbana (millones)
Atenas, Grecia 1982 3.5 Ciudad de México, México 1989 20.1 Santiago de Chile, Chile 1990 6.2 São Paulo, Brasil 1995 20.4 Bogotá, Colombia 1998 9.0 Manila, Filipinas 2003 24.1 La Paz, Bolivia 2003 1.9 San José, Costa Rica 2005 1.2 Beijing, China 2008 21.0 Tianjin, China 2008 10.9 Quito, Ecuador 2010 1.8 Delhi, India 2016 25.0
Fuente: Davis (2017)
Consecuente con lo anterior, dentro de las razones por las cuales el uso de motocicletas se
ha incrementado con el paso del tiempo, según Giraldo y Toro (2008) están la facilidad de
adquisición (bajo interés y amplios plazos de pago), el bajo costo de mantenimiento y
consumo de combustible y la agilidad en el desplazamiento que hay en las ciudades
colombianas, cada día más llenas de automóviles e impedimentos en las vías públicas.
Para el caso del perímetro urbano de Bucaramanga, la medida de Pico y Placa para
automóviles comenzó el 27 de abril de 2006, motivada por el problema de movilidad,
causado por el crecimiento demográfico y el deterioro de la infraestructura vial de la ciudad
(Resolución 277 del 27 de abril de 2006). De acuerdo con el Departamento Administrativo
Nacional de Estadística-DANE (2018), Bucaramanga alberga a 581.130 habitantes. Además,
contaba con un parque automotor en su área metropolitana de 703.075 vehículos en 2018
(Dirección de Tránsito de Bucaramanga, 2019). Esta medida continúa hasta el día de hoy con
la rotación del último dígito de la placa, la cual cambia en periodos no mayores de 4 meses,
restringiendo de este modo la circulación de vehículos y logrando así una reducción teórica
del 20% de la flota en circulación.
8
En cuanto al Pico y Placa para motocicletas en Bucaramanga, este comenzó el 11 de
octubre de 2010, motivado por el creciente número de estos vehículos que circulan en la
ciudad. De hecho, según cifras oficiales, el parque automotor de motocicletas en el periodo
2011-2015 aumentó 62,2%, al pasar de 210.809 a 342.058 motocicletas (Dirección de
Tránsito de Bucaramanga, 2015), siendo Bucaramanga la tercera ciudad con mayor número
de motocicletas matriculadas a nivel nacional (ANDI, 2017). Esta tendencia de crecimiento
se da en todo el territorio nacional. De hecho, de acuerdo con el estudio de la ANDI (2017),
a partir del año 2010 el número de motocicletas sobrepasó el total de automóviles, camionetas
y camperos, pues ha pasado de representar el 46,3% del parque automotor a nivel nacional
en 2011 a un importante 55,8% en 2015, para un parque total de 6.684.836 motocicletas.
La Ilustración 1 muestra la evolución del Pico y Placa en la ciudad, evidenciándose tres
tipos de restricción de acuerdo con su intensidad horaria, tanto para automóviles como para
motocicletas: (i) la medida moderada contempla la restricción durante las horas pico entre
semana (lunes a viernes de 6:00 am a 9:00 am y de 5:00 pm a 9:00 pm); (ii) la medida drástica
que, como su nombre lo indica, conlleva a una mayor restricción horaria que varía de 15 a
17 horas diarias, siendo vigente la que comprende de lunes a viernes de 6:00 am a 8:00 pm;
y (iii) la medida drástica con restricción los sábados que, además de la intensidad horaria de
la medida drástica, restringe la circulación los sábados de 9:00 am a 1:00 pm.
En este estudio, debido a la restricción de los datos, se evaluará el impacto de la medida
drástica de Pico y Placa a motocicletas que inició el 2 de marzo de 2015. Específicamente,
como antes de la medida drástica estuvo vigente la medida moderada, la presente
investigación mide el efecto de la medida drástica del Pico y Placa, en relación con la medida
moderada, sobre la concentración del contaminante atmosférico.
9
Ilustración 1. Restricciones vehiculares implementadas en Bucaramanga
Fuente: Elaboración propia a partir de Resoluciones expedidas por la Dirección de Tránsito de Bucaramanga. La línea de color verde representa la política en la cual este estudio se concentra.
Es importante anotar que la movilidad no fue la única razón que motivó la restricción de
las motocicletas. La medida también surgió como respuesta a la necesidad que tenían las
autoridades de contrarrestar el creciente fenómeno del mototaxismo, disminuir la
accidentalidad vial y aplicar el “principio de equidad, igualdad y oportunidad, al ampliar la
restricción de la medida a los vehículos particulares clase Motocicleta y camionetas y otras
más que estaban exentas, y que representan más del 65% del total del parque automotor del
Área Metropolitana de Bucaramanga” (Dirección de Tránsito de Bucaramanga, 2010). De
acuerdo con las resoluciones revisadas, el tema de calidad de aire al inicio de la medida no
se mencionaba en las motivaciones de la restricción. Solo fue hasta el año 2017, que se
reconoció la medida como medio para prevenir y mitigar la contaminación del aire.
La calidad del aire en Bucaramanga se ha visto deteriorada por los contaminantes
provenientes de fuentes móviles que utilizan diésel y gasolina más que el sector industrial.
El rápido crecimiento del parque automotor ha traído dificultades en la movilidad y por
consiguiente un incremento en la concentración de gases en el aire como material particulado,
NOx, CO, Oxidantes fotoquímicos (O3), y ruido, extremando condiciones de contaminación
y estrés en algunas zonas del municipio. El aporte de la industria a la contaminación
atmosférica se concentra principalmente en emisiones de material particulado, dióxido de
10
azufre (SO2), NOx, olores ofensivos y ruido, provenientes de procesos de combustión,
trituración, fundición, manejo de materiales, plantas procesadoras de alimentos y molinos de
arroz (SIGAM, 2002).
Se han generado recomendaciones para mejorar la calidad del aire, como mejorar la
calidad del combustible en el país, la búsqueda de procesos limpios en las industrias, la
creación de estrategias de control de la emisión de contaminantes, y un desarrollo sostenible
acompañado de infraestructura vial, cultura ciudadana y el uso transporte masivo y
compartido (UNAB, 2019). Sin embargo, la medida más permanente ha sido la restricción
vehicular.
La propuesta e implementación de las medidas de Pico y Placa han generado
inconformidad por parte de diferentes sectores de la comunidad como comerciantes y
conductores, quienes se quejaron que la medida fue puesta en marcha de manera impositiva
y que perjudicó los niveles de competitividad de la ciudad. Como respuesta, la Alcaldía ha
propiciado espacios de concertación y sensibilización sobre la problemática de movilidad, y
ha llegado a consensos sobre este tema (Gutiérrez, 2015).
De igual manera, los gremios de motociclistas han realizado manifestaciones,
especialmente en contra de la medida drástica del horario de Pico y Placa implementada en
el 2015 (Vanguardia, 2015), aludiendo que la restricción no es una solución real a los
problemas de movilidad, sino que, por el contrario, puede acarrear un efecto en el incremento
en la compra de motocicletas y vehículos debido a la ineficiencia del servicio público de
transporte.
En cuanto a la aplicación de las medidas, según se estableció en las resoluciones y el
Código de Tránsito, generalmente en la primera semana de inicio de vigencia de la resolución
se imponen comparendos educativos, donde los conductores infractores sancionados deberán
asistir a un curso sobre normas de tránsito en las instalaciones de la Dirección de Tránsito de
Bucaramanga (DTB). A partir de la siguiente semana, se imponen multas de 15 salarios
mínimos diarios vigentes para los conductores sancionados y puede llegar a darse la
inmovilización del vehículo. El Grupo de Control Vial de la DTB es el encargado de la
presencia y control vial permanente con el fin de vigilar el cumplimiento de la norma.
11
De acuerdo a la DTB, las infracciones correspondientes a transitar por sitios y horas
restringidas pasaron de 10.461 en 2015 a 9.064 infracciones en 2016, lo que representa una
disminución del 13%, atribuible a las campañas de educación y concientización vial.
Incumplir con la medida de Pico y Placa es la segunda causal de mayores infracciones en la
ciudad, luego de estacionar en sitio prohibido. Esta infracción representa aproximadamente
el 20% del total de los comparendos impuestos, siendo las motocicletas las que mayor
número de sanciones reciben.
3. ESTRATEGIA EMPÍRICA
3.1. Datos
La fuente de los datos que se utilizan en el presente estudio es el Sistema de Información
sobre Calidad del Aire - SISAIRE, el cual hace parte del Sistema Nacional de Información
Ambiental para Colombia (SIAC - Módulo Aire). El SISAIRE recoge información horaria
de distintos contaminantes que se encuentran en el aire y variables meteorológicas, por medio
de las cinco estaciones que dispone la ciudad de Bucaramanga y que le reportan a dicho
sistema. Esta información se encuentra validada por el IDEAM y por las Corporaciones
Autónomas Regionales. El IDEAM, entidad que maneja la información científica,
hidrológica, meteorológica y medio ambiental del país, ha determinado que la
representatividad temporal de los datos debe cumplir un mínimo de 75%.
Mapa 1 Estaciones de monitoreo red AMB
Fuente: Elaboración propia basado en IGAC 2016
12
El Área Metropolitana de Bucaramanga (AMB) cuenta con 7 estaciones de monitoreo, de
las cuales 6 se encuentran ubicadas en la ciudad de Bucaramanga (Mapa 1) pero solo 5
reportan información (Cabecera, Centro, Ciudadela, Florida y Norte). Estas estaciones
cuentan con sistemas automáticos que permiten una mayor precisión al momento de reportar
la información a SISAIRE. Cada una de las estaciones mide distintas variables horarias. Por
ejemplo, la estación Cabecera y Ciudadela toman medición de niveles de concentración en
el aire (CO, NO, NO2, O3, PM10, SO2). La estación Centro mide variables meteorológicas
(precipitación líquida, presión atmosférica, dirección del viento, humedad relativa, velocidad
del viento y temperatura) y niveles de concentración en el aire. Y finalmente, las estaciones
Florida y Norte miden niveles de concentración (O3 y PM10) y para algunos años reportan
variables meteorológicas. En total, la base cuenta con 280.512 observaciones horarias, para
el periodo comprendido entre 2011 y 2017.
Si bien la base cuenta con observaciones horarias, esta presenta intermitencias en el
reporte de información para algunos años debido a la existencia de un problema jurídico entre
el AMB y la Corporación Autónoma Regional para la Defensa de la Meseta de Bucaramanga
(CDMB), por la responsabilidad del reporte de calidad del aire. Esto ocasionó que, durante
el 2015 y años posteriores, el AMB dejara de reportar con la misma frecuencia y se perdiera
información de las estaciones a su cargo. Sin embargo, en 2018 el Consejo de Estado ratificó
a la CDMB como responsable del reporte.
Debido a lo anterior, se decidió trabajar únicamente con la estación Centro, ya que cuenta
con mayor completitud en la información, presenta mayor tráfico vehicular circundante, está
rodeada de un mayor número de vías principales y se encuentra dentro de las limitaciones
espaciales que tiene la restricción, que aplica únicamente para la ciudad de Bucaramanga y
no contempla otros municipios que componen el AMB.
Una vez elegida la estación Centro, se construyó la base de datos tomando los años 2011-
2015 entre los meses de enero a mayo, puesto que, para 2015, la estación Centro solo reporta
información hasta este mes, contando con una baja representatividad de datos para los meses
restantes. Así las cosas, la base resultante comprende 18.144 observaciones horarias y 756
observaciones diarias.
13
Si bien solo se trabajará con la estación Centro, se hizo una revisión de las medias
reportadas por otras estaciones antes y después de la implementación de la medida drástica
de Pico y Placa (Anexo 1), encontrando que, para los niveles de concentración de CO, el
promedio sin política fue de 2800 (µg/m3) para la estación Cabecera, 1041 (µg/m3) para la
estación Ciudadela y 1699 (µg/m3) para la estación Norte, en comparación con los 2508
(µg/m3) de la estación Centro. Por otra parte, los niveles promedio de concentración de NO2
fueron 37,40 (µg/m3) para la estación Cabecera, 24,31 (µg/m3) para la estación Ciudadela,
23,34 (µg/m3) para la estación Florida y 25,01 (µg/m3) para la estación Norte, en
comparación con los 50,60 (µg/m3) de la estación Centro. Vale la pena resaltar que ninguna
de estas estaciones reportó información posterior a la implementación de la medida, lo cual
restringió su uso para la estimación del modelo.
Las variables elegidas están basadas en evidencia empírica de trabajos previos (Davis,
2008 y Bonilla, 2019), en los que se utilizan como contaminantes CO y NO2, y como
variables meteorológicas: precipitación líquida, temperatura, velocidad y dirección del
viento.
Las variables de interés escogidas fueron CO y NO2 debido a que, en un centro urbano, el
56% de las emisiones para ambas concentraciones corresponden a combustión de vehículos
(University College London – Universidad de los Andes, 2013). Adicionalmente, el CO está
asociado con la combustión incompleta del carbono, que tiene lugar cuando el oxígeno
disponible es inferior a la cantidad necesaria para una combustión completa, generando CO2.
Por su parte, la mayor composición del NO2 tiene su origen en la oxidación del NO producto
de la combustión de los motores de los vehículos. El NO emitido por los motores, una vez
en la atmósfera, se oxida y se convierte en NO2.
En la Tabla 2 se presentan las estadísticas descriptivas del período de análisis para la
estación Centro. En esta se puede observar la evolución de las variables para antes y después
de la implementación de la medida drástica de Pico y Placa. En cuanto a los niveles de
concentración de CO, se ve una considerable reducción ante la implementación de la medida,
pasando de reportar 2.508,45 (µg/m3) a 1.751,95 (µg/m3), evidenciando una diferencia
estadísticamente diferente de cero. De igual manera, NO2 redujo sus niveles de 50,60 (µg/m3)
a 18,91 (µg/m3), siendo esta diferencia estadísticamente diferente de cero. Para ambas
14
concentraciones se cumplen los estándares permitidos establecidos en la Resolución 610 de
20109, la cual regía para ese momento.
Por otra parte, se encuentra que antes de la medida la precipitación promedio era de 0,07
mm y posteriormente se reduce a 0 mm, coincidiendo con el fenómeno de El Niño que se
caracteriza por épocas de fuerte sequía. La variable temperatura presenta un pequeño
aumento de 0,75 ºC, la velocidad del viento disminuye 0,08 m/s y, por último, la variable
categórica de dirección del tiempo indica que los vientos se encuentran principalmente entre
337º y 22,5º, es decir, dirección norte, según la clasificación de la rosa de los vientos.
Tabla 2. Estadísticas descriptivas de la implementación de la medida drástica de Pico y Placa para motocicletas
Variable Pico y Placa Observaciones Media Desviación
Estándar Mínimo Máximo Diferencia de medias
CO (µg/m3) Sin política 620 2508,45 879,69 2439,07 2577,83 -756,5*** Con política 62 1751,96 263,60 1685,01 1818,90
NO2 (µg/m3) Sin política 553 50,6 27,27 48,32 52,87 -31,68*** Con política 62 18,91 3,88 17,92 19,99 Precipitación
(mm) Sin política 635 0,07 0,50 0,03 0,11 -0,07 Con política 62 0 0 0 0
Velocidad de viento
(m/s)
Sin política 635 1,44 0,97 1,36 1,51 -0,16 Con política 62 1,28 0,57 1,14 1,43
Temperatura (°C)
Sin política 635 21,25 2,29 21,07 21,43 0,75*** Con política 62 22,00 1,62 21,59 22,41
Dirección del viento (grados)
Norte 251 0 1 Noreste 14 0 1
Este 5 0 1 Sureste 28 0 1
Sur 120 0 1 Suroeste 130 0 1
Oeste 76 0 1 Noroeste 73 0 1
Fuente: Elaboración propia a partir de información suministrada por IDEAM (2019). Nota: La unidad de observación es máximo diario. Los datos comprenden el periodo de enero a mayo de cada uno de los años
entre 2011 y 2015. Diferencia de medias es una prueba estadística entre “Con política” menos “Sin política”. *p<0.05, **p<0.01, ***p<0.001.
9 La Resolución 610 de 2010 por medio del cual se modifica la Resolución 601 de 2006, establece los
parámetros máximos permisibles para contaminantes en el aire. Para NO2 y con tiempo de exposición de una hora es de 150 µg/m3 y para CO, y con tiempo de exposición de una hora es de 40.000 µg/m3.
15
Debido a que la variable precipitación líquida es 0 durante los primeros 5 meses del 2015
al coincidir con fenómeno de El Niño, se toma la decisión de eliminarla del análisis, ya que
no aporta significancia al modelo, al no variar en el tiempo. Adicionalmente, la lluvia tiene
un efecto más importante sobre el material particulado que sobre los gases (en este caso CO
y NO2).
3.2. Metodología
Para determinar el efecto de la medida drástica de Pico y Placa para las motocicletas sobre
la calidad del aire en Bucaramanga, se usará la siguiente especificación econométrica:
𝑙𝑜𝑔𝑦% = 𝛼 + 𝛽𝑃𝑦𝑃% + 𝑓(𝑡) + 𝜑𝑋%1 + σ𝑍%1 + ϑD6′ + 𝑢% (1)
Donde 𝑙𝑜𝑔𝑦%se refiere al logaritmo de los niveles de concentración del contaminante (CO
y NO2) por hora, por promedio diario o por máximo diario; PyP es una variable dummy de
tratamiento que toma el valor de 1 a partir del momento de la implementación de la medida
drástica de Pico y Placa para las motocicletas en Bucaramanga, es decir, desde el 2 de marzo
de 2015 y 0 para los días anteriores a la implementación de la medida; 𝑓(𝑡) es un polinomio
de tendencia temporal, usado para capturar aquellos efectos inobservados que se presentan
producto de la imposición de la medida; 𝑋% es una matriz de variables meteorológicas que
incluye temperatura y velocidad del viento10; 𝑍% es un sistema de dummies generado a partir
de la categorización representada por la rosa de los vientos, que divide la circunferencia del
horizonte de la variable dirección del viento, tomando valores de 1 a 8. 𝐷% está determinada
por dummies estacionales que serán usadas para controlar el modelo por día de la semana y
hora dependiendo el escenario que se esté estimando, y µ%es el término de error.
El coeficiente de interés es el que acompaña a la variable de Pico y Placa (PyP). Un
coeficiente negativo implicará una mejora en la calidad del aire debido a que los niveles de
concentración de los contaminantes en el aire se reducen. En tanto que un coeficiente positivo
implica que, una vez la medida drástica de Pico y Placa está en marcha, la concentración de
los contaminantes aumenta. A partir de la evidencia empírica de estudios anteriores, se espera
10 El coeficiente de correlación entre temperatura y velocidad del viento es inferior al 0.7, lo cual significa
que la inclusión de ambas variables no genera problemas en la estimación del modelo.
16
encontrar que la medida drástica de Pico y Placa ha mejorado la calidad del aire en la ciudad
de Bucaramanga, debido a la corta ventana de tiempo usada.
En cuanto a las variables meteorológicas, la literatura ha encontrado que la mayoría de
dichas variables tienen un comportamiento no lineal, razón por la cual y a partir de criterios
de información AIC y BIC, se incorporará este comportamiento de manera cuadrática ya que
es el que tiene mejor ajuste dentro del modelo.
Específicamente, la temperatura representa la energía térmica contenida en el aire. Esta
energía modifica la presión atmosférica, hace que los vientos circulen y altera la estabilidad
de la tropósfera (Secretaría Distrital de Ambiente, 2010, p.27), dándole la posibilidad de
aumentar o disminuir la concentración de CO y NO2 en el aire. La velocidad del viento
funciona como un disipador de la contaminación, lo que indica que, a mayor velocidad del
viento, la contaminación cae. En cuanto a la dirección del viento, es importante incluirla,
debido a que dependiendo de dónde viene el viento, asimismo trae más o menos
contaminación de otros puntos de la ciudad al área de estudio.
La estimación partirá de un modelo de Regresión Discontinua (RD) nítida, el cual se
utiliza para estimar efectos locales al comparar observaciones a la derecha y a la izquierda
de un umbral. En el caso del presente trabajo, se considera que la única fuente de la
discontinuidad está dada por la fecha de inicio de la medida drástica de Pico y Placa para las
motocicletas, es decir, 2 de marzo de 2015.
Como un primer acercamiento al efecto de las variables de interés CO y NO2, causado por la
entrada en vigor de la medida drástica de Pico y Placa, se observa en la Figura 1, el
comportamiento horario de las concentraciones de CO y NO2, evidenciando una reducción
en los niveles de concentración, así como una suavización en las horas pico para el caso de
CO.
17
Figura 1. Concentraciones promedio horarias de CO y NO2 en Bucaramanga
Comportamiento horario concentraciones de CO
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Nota: comportamiento promedio horario de la
variable de interés CO.
Comportamiento horario concentraciones de NO2
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Nota: comportamiento promedio horario de la
variable de interés NO2.
En la Figura 2 se evidencia la discontinuidad en la variable de interés CO y NO2 producto
de la implementación de la medida drástica de Pico y Placa en la ciudad de Bucaramanga.
Esta gráfica está construida a partir de los niveles máximos de concentración de CO y NO2,
una variable continua en el eje X donde 0 determina el inicio de la implementación de la
medida drástica de Pico y Placa y toma valores negativos o positivos, dependiendo de si son
días anteriores o posteriores a la medida y, por último, un polinomio de tendencia temporal
lineal que ajusta los niveles de concentración contenidos en el aire. Esta gráfica no incluye
controles meteorológicos ni de estacionalidad. Al hacer el análisis para los datos horarios y
promedio diarios las discontinuidades persisten (ver Anexo 2 y Anexo 3)
18
Figura 2. Discontinuidades en los niveles máximos diarios de concentración de CO y NO2
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Nota: discontinuidad de las variables de interés CO y NO2 a partir de un polinomio de tendencia temporal de orden 1 para ambas
concentraciones. Sin embargo, por criterios de información AIC y BIC, el polinomio 5 fue escogido en las estimaciones econométricas, ya que es el que mejor se ajusta a los datos.
Inicialmente, se estimará el efecto global que incluye las observaciones comprendidas
en el periodo de enero a mayo de cada uno de los años entre 2011 y 2015. Posteriormente, se
estimará el efecto local que permita comparar los niveles de concentración a la derecha y a
la izquierda en una ventana óptima determinada a partir del algoritmo creado por Calonico,
Cattaneo y Titiunik (2014), para obtener un estimador local. El modelo se estimará por medio
del método Kernel uniforme, que le da a cada observación el mismo peso
independientemente de lo lejos o lo cerca que se encuentre del umbral.
4. RESULTADOS
Esta sección presenta las estimaciones de la ecuación (1), así como chequeos de robustez
que permitan analizar la estabilidad de los resultados.
Las Tablas 3 y 4 presentan las estimaciones de la medida drástica para CO y NO2. Para
ambos casos se utilizan polinomios de tendencia temporal de orden 5, determinados a partir
19
de criterios de información11. Para el análisis se estimaron los efectos horarios, promedio
diarios y máximos diarios con el fin de encontrar si los efectos persisten sin importar la
unidad de observación. Los resultados evidencian que la medida drástica de Pico y Placa no
tuvo efecto sobre las concentraciones de CO (Tabla 3), ya que los coeficientes no son
estadísticamente significativos.
Tabla 3. Resultados de la estimación del modelo global para CO
Variables CO horario CO promedio diario CO máximo diario PyP -0.0165 0.020 -0.0625
(0.0653) (0.040) (0.0411) Velocidad -0.0688** 0.430 0.0149
(0.0338) (0.262) (0.0416) Velocidad2 0.00906 -0.221** -0.00158
(0.0079) (0.106) (0.0110) Temperatura 0.0121 0.217 0.0650
(0.0782) (0.462) (0.0738) 𝑇𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎A -0.000984 -0.005 -0.00156
(0.00168) (0.011) (0.00168) Noreste 0.0590** 0.113 0.0714
(0.0295) (0.116) (0.0444) Este 0.0441 0.068 0.0214
(0.0801) (0.094) (0.137) Sureste 0.146*** 0.049 0.152***
(0.0364) (0.069) (0.0524) Sur 0.110*** -0.0006 0.0977***
(0.0288) (0.062) (0.0320) Suroeste 0.103*** 0.125***
(0.0286) (0.0317) Oeste 0.0436 0.109***
(0.0270) (0.0409) Noroeste 0.00394 0.0916***
(0.0203) (0.0315) Constante 7.838*** 6.568 7.363***
(0.904) (4.875) (0.810) Observaciones 15,950 682 682
R-cuadrado 0.414 0.674 0.416
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Nota: Esta tabla muestra las estimaciones para Pico y Placa (PyP) de 3 regresiones de la medida drástica (horaria, promedio diario y máximo diario). La variable dependiente es CO en logs. Los errores estándar están entre paréntesis
y se encuentran clusterizados por semana. *p<0.05, **p<0.01, ***p<0.001.
11 Se estimaron modelos en diferentes formas funcionales (lineal, cuadrática, cúbica, a la cuarta potencia y
quinta potencia). El modelo que arrojó un menor valor en el criterio de información AIC, BIC fue el de la quinta potencia. Esto va en línea con la metodología implementada por Bonilla (2019) y Davis (2008).
20
De otra parte, los resultados para NO2 (Tabla 4) evidencian que la medida drástica de Pico
y Placa redujo las concentraciones en 15,4% en la estimación horaria, 12,7% en la estimación
por promedio diario y 8,6% por máximo diario. Dado que los anteriores coeficientes son
negativos y estadísticamente significativos, es posible sugerir que la medida de restricción a
motocicletas sí tuvo un impacto positivo en la calidad del aire al reducir las concentraciones
de NO2.
Tabla 4. Resultados de la estimación de modelo global NO2
Variables NO2 horario NO2 promedio diario NO2 máximo diario PyP -0.154** -0.127*** -0.0862**
(0.0626) (0.027) (0.0328) Velocidad -0.187*** 0.285 -0.0773
(0.0282) (0.215) (0.0704) Velocidad2 0.0220*** -0.211** -0.00495
(0.00694) (0.094) (0.0284) Temperatura 0.233*** -0.354 0.393***
(0.0691) (0.402) (0.134) Temperatura2 -0.00499*** 0.011** -0.00843***
(0.00151) (0.009) (0.00311) Noreste 0.0606** 0.082 0.134**
(0.0238) (0.139) (0.0612) Este 0.0245 0.029** -0.102
(0.0676) (0.064) (0.151) Sureste 0.344*** 0.055 0.123
(0.0378) (0.048) (0.0751) Sur 0.321*** 0.066 0.165***
(0.0248) (0.046) (0.0385) Suroeste 0.221*** 0.120***
(0.0229) (0.0313) Oeste 0.106*** 0.0619*
(0.0228) (0.0365) Noroeste -0.0584*** -0.00293
(0.0207) (0.0374) Constante 0.849 5.914 -0.300
(0.787) (4.199) (1.429) Observaciones 14,433 615 615
R-cuadrado 0.632 0.745 0.824
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Nota: Esta tabla muestra las estimaciones para Pico y Placa (PyP) de 3 regresiones de la medida drástica (horaria, promedio diario y máximo diario). La variable dependiente es NO2 en logs. Los errores estándar están entre paréntesis
y se encuentran clusterizados por semana. *p<0.05, **p<0.01, ***p<0.001.
21
Adicionalmente es importante anotar, que en las Tablas 3 y 4 se observa que la
temperatura12 no mostró una relación directa con el CO, pero sí con el NO2 y de signo
negativo. En cuanto a la variable velocidad del viento13, se evidencia que existe una relación
negativa entre esta variable y la contaminación.
Los anteriores resultados son consistentes cuando se estima un modelo horario para las
horas valle (10 am a 5 pm) (Anexo 4), puesto que no se observa efecto de la variable PyP
para las concentraciones de CO, mientras que, para NO2 estas disminuyen en 15,4%. El
modelo para las horas valle se estimó con el fin de observar si la medida tiene efectos en
aquellas horas adicionales que la medida drástica de Pico y Placa restringió.
De hecho, añadiendo al modelo una dummy estacional que controle por año (Anexos 5 y
6), para el caso del CO los resultados se vuelven significativos solo para el escenario horario.
Para el caso del NO2, todos los escenarios persisten negativos y significativos. Es decir, la
dummy estacional de año da mayor significancia al modelo.
Como se mencionó en la sección 2, los primeros días después de la implementación de la
medida drástica de Pico y Placa se aplicaron comparendos educativos durante la primera
semana. Si se ajusta la fecha de inicio de la medida una semana después del 2 de marzo de
2015, es decir, 9 de marzo de 2015, que es cuando realmente comienzan las penalizaciones
por el incumplimiento de la medida (Anexos 7 y 8), se observa que los resultados son
parecidos a los obtenidos en el modelo global, donde no se presentan efectos para CO,
mientras que NO2 sí es negativo y significativo para los tres escenarios.
Por otra parte, para encontrar el salto en la discontinuidad se interactuó la variable de
tratamiento Pico y Placa (PyP) con la variable de tendencia temporal (t), donde el coeficiente
de la interacción estimará el salto (Anexos 9 y 10). Para el caso de CO, se encontró que solo
es negativo y significativo para el escenario de máximo diario, mientas que para NO2, se
encontró que los tres escenarios son significativos pero positivos.
12 A partir de una prueba F se encontró qué la variable lineal y cuadrática de temperatura son significativas
en conjunto para el modelo. 13 A partir de una prueba F se encontró qué la variable lineal y cuadrática son significativas pero no en
conjunto para el modelo.
22
Adicionalmente, se realizó otra estimación consistente en eliminar los meses de enero y
febrero para centrarse solamente en aquellos que fueron tratados (Anexos 11 y 12). En esta
estimación, se observa que aumenta la magnitud del efecto así como la significancia para los
niveles de concentración de CO, ya que para los tres escenarios se presenta una mejora en la
calidad del aire. En cuanto a los niveles de concentración de NO2, aumentó el efecto de la
magnitud únicamente para el escenario horario y diario, mientras que dejó de ser significativo
para máximo diario.
La Figura 3 muestra los residuales de estimar la ecuación (1) para máximo diario cuando
la variable PyP no se incluye dentro de la regresión, junto con un polinomio de tendencia
temporal de orden 1 para CO y NO2. Los resultados muestran que, tanto para CO como NO2,
los residuales de las concentraciones disminuyen después de la implementación de la medida
drástica de Pico y Placa. Lo anterior, permite validar los resultados de la estimación del
modelo global en cuanto a que sí hubo un impacto de la medida sobre la calidad del aire.
Figura 3. Residuos máximos diarios para CO y NO2 en la estación Centro
Fuente: cálculos de los autores a partir de información suministrada por IDEAM (2019) Nota: estimación de residuos a partir de concentraciones máximas de CO y NO2 utilizando un polinomio de tendencia
temporal de orden 1 para ambas concentraciones.
23
A continuación se estima el modelo local. La Figura 4 evidencia la discontinuidad en la
variable de interés CO y NO2 producto de la implementación de la medida drástica de Pico
y Placa en la ciudad de Bucaramanga, utilizando un polinomio de tendencial temporal de
orden 1 y una ventana más corta (60 días). Vale la pena mencionar que esta gráfica no
controla por estacionalidad ni incluye controles.
Figura 4. Discontinuidades en los niveles máximos de concentración de CO y NO2
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Nota: discontinuidad de las variables de interés CO y NO2 a partir de un polinomio de tendencia temporal de orden
1 para ambas concentraciones. Sin embargo, por criterios de información AIC y BIC, el polinomio 5 fue escogido en las estimaciones econométricas, ya que es el que mejor se ajusta a los datos.
Para el caso del CO (Tabla 5), usando ventanas óptimas que van de 23 a 44 días, la estimación
local arrojó que la implementación de la medida drástica de Pico y Placa disminuyó los
niveles de concentración en 19,3% y 34,1% usando como unidad de observación el máximo
diario con polinomio temporal lineal y cuadrático, respectivamente, siendo los únicos
resultados significativos. Algo similar ocurre cuando se hace la estimación usando el método
Kernel triangular, que da mayor ponderación a aquellas observaciones cercanas al umbral
(ver Anexo 13).
24
Tabla 5. Resultados de la estimación de modelo local para CO
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019). Nota: Esta tabla muestra las estimaciones locales para Pico y Placa (PyP) de 6 regresiones de la medida drástica (horaria,
promedio diario y máximo diario). La variable dependiente es CO en logs. En la estimación no se incorpora corrección por dirección del viento debido a la multicolinealidad perfecta que se presenta al no haber
cambios dentro de la ventana. La estimación se hace usando kernel uniforme. Los errores estándar están entre paréntesis *p<0.05, **p<0.01, ***p<0.001.
De otra parte, cuando se estima el modelo local para NO2 (Tabla 6) y con ventanas que
van de 15 a 44 días, los coeficientes continúan siendo negativos, siguiendo los resultados
obtenidos en la estimación del modelo global, pero solo son significativos al estimar por
modelo horario. Para dichas estimaciones, los niveles de concentración se redujeron en
10,2% y 29,4% dependiendo del polinomio usado. Para el caso de la estimación con Kernel
triangular, además de los coeficientes para los modelos horarios, los de promedio diarios
también fueron negativos y significativos (ver Anexo 14).
Tabla 6. Resultados de la estimación de modelo local para NO2
Método Horario
polinomio lineal
Horario polinomio cuadrático
Promedio diario
polinomio lineal
Promedio diario
polinomio cuadrático
Máximo diario
polinomio lineal
Máximo diario
polinomio cuadrático
Venta óptima 15 20 16 28 25 44 Robusto -0.102** -0.294*** -0.285 -0.144 -0.0312 0.118
(0.050) (0.073) (0.245) (0.121) (0.178) (0.236) Observaciones 3545 3545 150 150 150 150
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Nota: Esta tabla muestra las estimaciones locales para Pico y Placa (PyP) de 6 regresiones de la medida drástica (horaria, promedio diario, máximo diario). La variable dependiente es NO2 en logs. En la estimación no se incorpora
corrección por dirección del viento debido a la multicolinealidad perfecta que se presenta al no haber cambios dentro de la ventana. La estimación se hace usando kernel uniforme. Los errores estándar están
entre paréntesis *p<0.05, **p<0.01, ***p<0.001.
Método Horario
polinomio lineal
Horario polinomio cuadrático
Promedio diario
polinomio lineal
Promedio diario
polinomio cuadrático
Máximo diario
polinomio lineal
Máximo diario
polinomio cuadrático
Ventana óptima 28 42 23 44 23 35 Robusto 0.0238 -0.017 0.023 -0.067 -0.193** -0.341***
(0.113) (0.137) (0.059) (0.082) (0.090) (0.104) Observaciones 3417 3417 150 150 150 150
25
Pruebas de robustez
Para validar los resultados obtenidos a partir de la estimación de los modelos globales y
locales, como primera estrategia para probar la robustez de las estimaciones y con el objetivo
de demostrar que, en ausencia de tratamiento, los niveles de concentración de CO y NO2 no
deberían sufrir ningún efecto, se utiliza un periodo placebo que cambia el inicio de la medida
al 2 de marzo de 2013, y comprende un periodo de análisis que va del 01 de enero de 2011
al 31 de mayo de 2014.
La Tabla 7 muestra los resultados de la estimación del modelo placebo, en los que se
aprecia que no existe ningún efecto de la medida drástica de Pico y Placa en un periodo que
antecedió a la verdadera implementación de la medida. Estos resultados indican que, en
ausencia de tratamiento, los niveles de concentración de CO y NO2 no se vieron afectados.
Tabla 7. Resultados de la estimación de modelo placebo para máximo diario de CO y NO2
Variables logCO 2013 logNO2 2013 Placebo 0.0172 0.0369
(0.0449) (0.0403) Constante 7.361*** -0.328
(0.813) (1.462) Observaciones 682 615
R-cuadrado 0.415 0.824
Fuente: cálculos de los autores a partir de información suministrada por IDEAM (2019). Nota: Esta tabla muestra las estimaciones para Pico y Placa (PyP) de 2 regresiones de la medida drástica cuando se estima a
partir de un periodo placebo. Las variables dependientes son el máximo diario de CO y NO2 en logs. Los errores estándar están entre paréntesis y se encuentran clusterizados por semana. *p<0.05, **p<0.01,
***p<0.001.
Como segunda prueba de robustez, se estima la ecuación (1) excluyendo variables
meteorológicas, para validar los resultados encontrados en el modelo inicial y ver si estos
persisten cuando se estiman sin los controles.
Los resultados evidenciados en la Tabla 8 muestran que, tanto los signos como su
significancia, persisten a pesar de que las variables meteorológicas no son incluidas en el
modelo estimado. Lo anterior permite afirmar que las variables meteorológicas no
determinan totalmente el efecto en la calidad del aire, es decir, que este puede estar explicado
por algún cambio ocurrido durante el periodo analizado, lo cual nos hace pensar que este
efecto se atribuye a la implementación de la medida drástica de Pico y Placa.
26
Tabla 8. Resultados de la estimación de la ecuación (1) excluyendo variables meteorológicas
Variables logCO logNO2 PyP -0.0778** -0.0590*
(0.0379) (0.0347) Constante 8.153*** 4.172***
(0.0844) (0.0854) Observaciones 682 615
R-cuadrado 0.397 0.800
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019). Nota: Esta tabla muestra las estimaciones para Pico y Placa (PyP) de 2 regresiones de la medida drástica para máximo diario
y excluyendo variables meteorológicas. Los errores estándar están entre paréntesis y se encuentran clusterizados por semana. *p<0.05, **p<0.01, ***p<0.001.
Por último, para probar la robustez del efecto local, se estima el modelo a partir de las
concentraciones máximas diarias y distintos anchos de banda para determinar si la medida
tiene el mismo efecto para cada una de las ventanas seleccionadas. Para este caso se trabajará
con 15, 30, 45 y 60 días, las cuales han sido seleccionadas de forma arbitraria. Los resultados
se muestran en las Tablas 9 y 10.
Tabla 9. Resultados de la estimación del modelo local para CO con distintos anchos de banda
Método CO ventana 15 CO ventana 30 CO ventana 45 CO ventana 60 Robusto 1.510 -0.366*** -0.251* -0.247**
(1.690) (0.131) (0.129) (0.103) Observaciones 150 150 150 150
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019). Nota: la estimación se da a partir de un modelo de tendencia cuadrática y usando kernel uniforme. Los errores estándar están
entre paréntesis *p<0.05, **p<0.01, ***p<0.001.
La Tabla 9 muestra que, en cuanto al efecto del Pico y Placa en las concentraciones de
CO, al cambiar los anchos de banda de las estimaciones del modelo local, el signo del
coeficiente persiste negativo para cada uno de los anchos contemplados. Esto significa que,
el Pico y Placa reduce las concentraciones de CO a los 30, 45 y 60 días de haber sido puesto
en marcha en 36,6%, 25,1% y 24,7%, respectivamente. Por su parte, estimando a partir de
un polinomio de tendencia lineal solo se evidencian efectos durante los 30 y 45 días después
de la implementación de la medida drástica de Pico y Placa (ver Anexo 15).
27
Tabla 10. Resultados de la estimación del modelo local para NO2 con distintos anchos de banda
Método NO2 ventana 15 NO2 ventana 30 NO2 ventana 45 NO2 ventana 60 Robusto -3.835 0.168 0.020 -0.078
(3.035) (0.369) (0.276) (0.225) Observaciones 150 150 150 150
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019). Nota: la estimación se da a partir de un modelo de tendencia cuadrática y usando kernel. Los errores estándar están entre
paréntesis *p<0.05, **p<0.01, ***p<0.001.
En cuanto a las concentraciones de NO2, la Tabla 10 muestra que, al cambiar los anchos
de banda, el efecto del Pico y Placa no es significativo para ninguna de las ventanas utilizadas.
Esto indica que la medida drástica no tuvo un efecto en la concentración de NO2 entre los 15
y los 60 días de haber entrado en vigencia, usando máximos diarios. Los resultados persisten
al estimar el modelo a partir de un polinomio de tendencia lineal (ver Anexo 16).
Por lo tanto, los análisis de robustez con distintos anchos de banda implican que los
resultados son sensibles a la banda escogida. En este sentido, con el objeto de ser precavidos
con la interpretación, se prefieren tomar los resultados del modelo base, es decir, de aquel
que determina la banda óptima usando el algoritmo de Calonico, Cattaneo y Titiunik.
5. CONCLUSIONES
A partir de la evidencia empírica suministrada por diversos estudios, este trabajo buscaba
probar la hipótesis según la cual, las medidas de restricción vehicular no tienen efectos
significativos sobre la calidad del aire. La evidencia hallada demuestra que, en la estimación
de un modelo global de la medida drástica de Pico y Placa para motocicletas en
Bucaramanga, los efectos en la calidad del aire no son significativos para CO, pero sí lo son
para NO2. Para este contaminante el coeficiente es negativo, indicando que la medida redujo
sus concentraciones en 15,4% en la estimación horaria, 12,7% en la estimación por promedio
diario y 8,6% por máximo diario. En cuanto al modelo local, los resultados arrojan que para
CO los coeficientes son negativos y significativos en el caso del máximo diario y para NO2
los coeficientes son negativos y significativos en la medición horaria.
Estos resultados deben ser interpretados con precaución debido a que son muy sensibles
a las metodologías y a las unidades de observación utilizadas. En el caso del modelo global,
28
hay indicaciones que la política tuvo un efecto sobre la contaminación del aire y los
resultados tienden a ser más estables para el NO2 que para el CO en las mediciones horaria,
promedio diario y máximo diario. En cuanto al modelo local, los resultados son muy
sensibles al ancho de banda, por lo que se opta por interpretarlos a la luz de la definición del
algoritmo óptimo de Calonico, Cattaneo y Titiunik, en el que se evidencia un impacto de la
política.
Si bien los niveles de las concentraciones de CO y NO2 no han sobrepasado los límites
permitidos en la ciudad de Bucaramanga, los efectos positivos del Pico y Placa a motocicletas
sobre la calidad del aire encontrados en la estimación, pueden ser explicados por la corta
ventana de tiempo que fue utilizada debido a las limitaciones de la información y a la calidad
e intermitencia de los datos. Precisamente, como el periodo de la estimación llega hasta 3
meses después de impuesta la restricción, posiblemente este no es tiempo suficiente para que
se incremente la flota vehicular en circulación, como consecuencia de que los conductores
busquen evadir la medida como lo evidencian los trabajos de Eskeland y Feyzioglu (1997),
Davis (2008 y 2017), Gallego et al. (2013), Zhang et al. (2017) y Bonilla (2019), que usan
ventanas de tiempo más largas.
Adicionalmente, la evidencia muestra que las variables meteorológicas no determinan
totalmente el efecto en la calidad del aire, es decir, que este puede estar explicado por algún
cambio ocurrido durante el periodo analizado, lo cual nos hace pensar que este efecto se
atribuye a la implementación de la medida drástica de Pico y Placa. Este resultado puede
estar explicado por la importante incidencia que tienen las emisiones de motocicletas en la
contaminación atmosférica (Cuéllar et. al., 2016), y al hecho que Bucaramanga tiene una alta
participación de motocicletas en su parque automotor, que hace razonable deducir que, una
restricción de su circulación, haya mejorado la calidad del aire.
Sin embargo, a pesar de la evidencia hallada que indica un efecto positivo de la medida
en el corto plazo, en el largo plazo, como lo sugieren la mayoría de los estudios, el incremento
en el número total de vehículos en circulación, el cambio en la composición de vehículos,
aumentando aquellos altamente contaminantes y la sustitución intertemporal, pueden socavar
la efectividad de la medida.
29
De este modo, restricciones de un solo día (o de pocos días) pueden ser muy útiles para
mejorar la calidad del aire, pero restricciones permanentes no, lo cual está en concordancia
con lo encontrado con Gallego et al. (2013), quienes resaltan que las políticas restrictivas son
solo efectivas en el corto plazo.
En este sentido, los resultados encontrados no indican que una medida como el Pico y
Placa para motocicletas, sea la medida que hay que implementar para hacer reducir la
contaminación del aire de manera permanente, porque los datos son de una localidad
específica y de una estación de monitoreo específica. Además, no fue posible conseguir datos
sobre la evolución de las motocicletas y la metodología no permite medir efectos de largo
plazo. Por lo tanto, aun cuando se haya encontrado cierta evidencia que, inmediatamente
después de la implementación de la medida, las concentraciones de CO y NO2 se redujeron,
esto no implica que se debe implementar la política de Pico y Placa a motocicletas en otras
ciudades.
Una de las limitaciones del presente estudio fue la disponibilidad y frecuencia de los datos,
que impidió un mejor análisis del efecto de la medida, restringiendo la muestra solo a la
información provista por la estación Centro. Adicionalmente, la metodología y las
restricciones de información no permitieron medir los efectos de largo plazo; y el hecho de
no haber hallado datos mensuales de ventas o registros de motocicletas para la ciudad no
permitió encontrar evidencia adicional del impacto de la medida. Asimismo, las condiciones
de la implementación de la política dificultan poder implementar otros tipos de metodologías
de evaluación de impacto diferentes a la regresión discontinua.
Finalmente, se sugiere que las autoridades propendan por un sistema unificado de
monitoreo de la calidad del aire, que muestre el estado real meteorológico y de contaminación
de la ciudad y que permita monitorear ampliamente la implementación de estas medidas. De
hecho, como lo ha sugerido el DNP, se recomienda a las autoridades hacer eficiente la
inversión en los Sistema de Vigilancia de Calidad del Aire con el fin de obtener mejor calidad
en la información de concentración de contaminantes para la correcta formulación de
políticas ambientales.
30
REFERENCIAS
ANDI. (2017). Las motocicletas en Colombia: aliadas del desarrollo del país. Estudio del sector. Recuperado de http://www.andi.com.co/Uploads/LasMotocicletasEnColombia.pdf Bonilla, J. (2019). “The More Stringent, the Better? Rationing Car Use in Bogotá with Moderate and Drastic Restrictions”. The World Bank Economic Review, 33(2), 2019, 516–534. Calonico, S., M. D. Cattaneo, & R. Titiunik. (2014). “Robust Nonparametric Confidence Intervals for Regression-Discontinuity Designs”. Econometrica 82(6): 2295-2326. Carrillo, P., A. Malik, & Y. Yoo (2016) “Driving restrictions that work? Quito’s Pico y Placa program.” Canadian Journal of Economics. 49(4), 1536-1568. Cuéllar, Y., Buitrago-Tello, R. & Belalcazar-Ceron, L.C. (2016). “Life cycle emissions from a bus rapid transit system and comparison with other modes of passenger transportation”. CT&F – Ciencia, Tecnología y Futuro, 6(3), 123-124. Currie, J., and R. Walker (2011) “Traffic congestion and infant health: Evidence from E-ZPass,” American Economic Journal: Applied Economics 3(1), 65–90 DANE (2018). Población censal ajustada por cobertura. Censo Nacional de Población y vivienda 2018. Davis, L. W. (2008) “The effect of driving restrictions on air quality in Mexico City.” Journal of Political Economy 116(11), 38–81. Davis, L. W. (2017) “Saturday Driving Restrictions Fail to Improve Air Quality in Mexico City.” Scientific Reports 7(41652), https://www.nature.com/articles/srep41652, 1-9. Dirección de Tránsito de Bucaramanga (2019). “Parque Automotor”. Recuperado de https://www.transitobucaramanga.gov.co/parque-automotor.php Dirección de Tránsito de Bucaramanga (2010). “Resolución nº 637 de 2010: Por la cual se modifica la Resolución N° 419 del 24 de septiembre de 2009 que modifico el sistema de Pico y Placa en el perímetro urbano de Bucaramanga, implementado por las Resoluciones 277 del 27 de Abril de 2006, 475 del 23 de Junio de 2006, 487 del 30 de Junio de 2006, 195 del 24 de Abril de 2008, 271 del 21 de Julio de 2009 y 298 del 5 de Agosto de 2009”. DNP (2018). Valoración Económica de la Degradación Ambiental en Colombia 2015. Bogotá, D.C. Eskeland, G. S., & T. Feyzioglu (1997) “Rationing can backfire: The ‘day without a car’ in Mexico City,” The World Bank Economic Review 110(3), 383–408.
31
Gallego, F., J. Montero, & C. Salas (2013) “The effect of transport policies on car use: Theory and evidence from Latin America cities,” Journal of Public Economics 107, 47–62. Giraldo, W.y Toro, M. V. (2008). “Estimación de la Emisión de Contaminantes por Motocicletas en el Valle de Aburrá”. DYNA, [s.l.], v. 75, n. 156, p. 241-250. issn 2346-2183. Recuperado de: <https://revistas.unal.edu.co/index.php/dyna/article/view/1785/11562>. Gutiérrez, S. (2015). “Suspenden aplicación de nueva medida de pico y placa en Bucaramanga”. Enero 28 de 2015. Recuperado de https://www.radionacional.co/noticia/suspenden-nueva-medida-de-pico-y-placa-en-bucaramanga Gwilliam, Ken, Masami Kojima y Todd Johnson. 2003. Urban Air Pollution: Policy Framework for Mobile Sources. Washington: World Bank, Air Quality Thematic Group. IDEAM (2017). Informe del Estado de la Calidad del Aire en Colombia 2016. Bogotá, D.C. IDEAM (2019). Datos estaciones de monitoreo de Bucaramanga. Bogotá, D.C. Jaramillo-Molina, C., Ríos-Rivera, P. A., Ortiz-Lasprilla, A. R. (2009). “Incremento del parque automotor y su influencia en la congestión de las principales ciudades colombianas”. Universidad del Valle, Cali, Colombia. Kunzli, N., Kaiser, R., Medina, S., Studnicka, M., Chanel, O., Filliger, P., Herry, P., Sommer, H. (2000) “Public-health impact of outdoor and traffic-related air pollution: A European assessment,” The Lancet 356 (9232), 795–801. Loomis, D., M. Castillejos, D. R. Gold, W. McDonnell, and V. H. Borja-Aburto (1999) “Air pollution and infant mortality in Mexico City,” Epidemiology 10(2), 118–23. Lu, X. (2016) “Effectiveness of government enforcement in driving restrictions: a case in Beijing, China,” Environmental Economics and Policy Studies 18(1), 63–92. Ministerio de Ambiente, Vivienda y Desarrollo Territorial (2010). Protocolo para el monitoreo y seguimiento de la calidad del aire: manual de diseño de sistemas de vigilancia de la calidad del aire. Bogotá. Recuperado de: http://www.nuevalegislacion.com/files/susc/cdj/conc/ptc_dis_r2154_10.pdf Pérez-Cirera, V., Schmelkes, E., López-Corona, O., Carrera, F., García-Teruel, A., Teruel, G. (2018). “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?”. El Trimestre Económico, vol. LXXXV (4), núm. 340, octubre-diciembre de 2018, pp. 745-764. RCN (2019). “En Cali no habrá medida de pico y placa para motocicletas: alcalde Armitage.” Junio 5 de 2019. Recuperado de: https://www.rcnradio.com/colombia/pacifico/en-cali-no-habra-medida-de-pico-y-placa-para-motocicletas-alcalde-armitage
32
Secretaría Distrital de Ambiente (2010). “Plan Decenal de Descontaminación del Aire para Bogotá”. Recuperado de: http://ambientebogota.gov.co/en/c/document_library/get_file?uuid=b5f3e23f-9c5f-40ef-912a-51a5822da320&groupId=55886 Secretaría Distrital de Ambiente (2019). “Alcalde Peñalosa levanta el pico y placa ambiental para motocicletas y carros en Bogotá.” Febrero 19 de 2019. Recuperado de: http://ambientebogota.gov.co/web/sda/historial-de-noticias/-/asset_publisher/1RkX/content/alcalde-penalosa-levanta-el-pico-y-placa-ambiental-para-motocicletas-y-carros-en-bogota?redirect=http%3A%2F%2Fambientebogota.gov.co%2Fweb%2Fsda%2Fhistorial-de-noticias%3Fp_p_id%3D101_INSTANCE_1RkX%26p_p_lifecycle%3D0%26p_p_state%3Dnormal%26p_p_mode%3Dview%26p_p_col_id%3Dcolumn-2%26p_p_col_count%3D3 SIGAM. (2002). “Agenda ambiental del Municipio de Bucaramanga. Resumen ejecutivo”. Corporación Autónoma Regional para la Defensa de la Meseta de Bucaramanga –CDMB y Alcaldía de Bucaramanga. Recuperado de http://documentacion.ideam.gov.co/openbiblio/bvirtual/005574/home/Buc.pdf University College London – Universidad de los Andes (2013). “Caracterización de la contaminación atmosférica en Colombia”. UCL, Embajada Británica Bogotá, Universidad de los Andes. Recuperado de: https://prosperityfund.uniandes.edu.co/site/wp-content/uploads/Caracterizaci%C3%B3n-de-la-contaminaci%C3%B3n-atmosf%C3%A9rica-en-Colombia.pdf UNAB. (2019). “Alternativas para mejorar la calidad del aire en el área metropolitana de Bucaramanga”. Periódico 15. Nota de prensa. Recuperado de https://www.elespectador.com/noticias/nacional/santander/alternativas-para-mejorar-la-calidad-del-aire-en-el-area-metropolitana-de-bucaramanga-articulo-864555 Vanguardia. (2015). “Motociclistas de Bucaramanga anuncian protesta este sábado contra el Pico y Placa”. Febrero 19 de 2015. Recuperado de https://www.vanguardia.com/area-metropolitana/bucaramanga/motociclistas-de-bucaramanga-anuncian-protesta-este-sabado-contra-el-pico-y-placa-CRVL299946 Viard, V. B., & S. Fu (2015) “The effect of Beijing’s driving restrictions on pollution and economic activity,” Journal of Public Economics 125, 98–115. World Health Organization (2016). “Ambient air pollution: a global assessment of exposure and burden of disease.” Recuperado de: https://apps.who.int/iris/bitstream/handle/10665/250141/9789241511353-eng.pdf?sequence=1
33
Zhang, W., C. Lin, & V. Umanskaya (2017) “The effects of license plate-based driving restrictions on air quality: Theory and empirical evidence.” Journal of Environmental Economics and Management 82, 181–220.
34
ANEXOS
Anexo 1. Niveles de concentración de CO y NO2 para otras estaciones diferentes a Centro
Variable Pico y Placa Media
CO (µg/m3)
Cabecera Sin política 2800,38 Con política -
Ciudadela Sin política 1041,79 Con política -
Norte Sin política 1699,38 Con política -
NO2 (µg/m3)
Cabecera Sin política 37,40 Con política -
Ciudadela Sin política 24,31 Con política -
Florida Sin política 23,34 Con política -
Norte Sin política 25,01 Con política -
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019).
Anexo 2. Discontinuidad en los niveles horarios de concentración de CO y NO2
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Nota: discontinuidad horaria de las variables de interés CO y NO2 a partir de un polinomio de tendencia temporal de orden 1 para ambas concentraciones. Sin embargo, por criterios de información AIC y BIC, el polinomio
5 fue escogido en las estimaciones econométricas, ya que es el que mejor se ajusta a los datos.
35
Anexo 3. Discontinuidad en los niveles promedio diarios de concentración de CO y NO2
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Nota: discontinuidad promedio diario de las variables de interés CO y NO2 a partir de un polinomio de tendencia temporal de
orden 1 para ambas concentraciones. Sin embargo, por criterios de información AIC y BIC, el polinomio 5 fue escogido en las estimaciones econométricas, ya que es el que mejor se ajusta a los datos.
36
Anexo 4. Resultados estimación modelo global para horas valle
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Los errores estándar están entre paréntesis y se encuentran clusterizados por semana. *p<0.05, **p<0.01, ***p<0.001.
Anexo 5. Resultados estimación modelo global para CO añadiendo dummy estacional de año
Variables CO horario CO promedio diario CO máximo diario PyP 0.072** 0.068 -0.027
(0.032) (0.035) (0.042) Constante 6.117 6.379 7.128
(0.584) (4.021) (0.723) Observaciones 15,950 682 682
R-cuadrado 0.512 0.843 0.589
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Los errores estándar están entre paréntesis y se encuentran clusterizados por semana. *p<0.05, **p<0.01, ***p<0.001.
Variables CO horas valle NO2 horas valle PyP -0.0165 -0.154**
(0.0653) (0.0626) Velocidad -0.0688** -0.187***
(0.0337) (0.0282) 𝑉𝑒𝑙𝑜𝑐𝑖𝑑𝑎𝑑A 0.00906 0.0220***
(0.00796) (0.00694) Temperatura 0.0121 0.233***
(0.0782) (0.0691) 𝑇𝑒𝑚𝑝𝑒𝑟𝑎𝑡𝑢𝑟𝑎A -0.000980 -0.00499***
(0.00168) (0.00151) Noreste 0.0592** 0.0606**
(0.0295) (0.0238) Este 0.0438 0.0245
(0.0801) (0.0676) Sureste 0.146*** 0.344***
(0.0362) (0.0378) Sur 0.110*** 0.321***
(0.0288) (0.0248) Suroeste 0.103*** 0.221***
(0.0286) (0.0229) Oeste 0.0438 0.106***
(0.0269) (0.0228) Noroeste 0.00411 -0.0584***
(0.0203) (0.0207) Constante 7.838*** 0.849
(0.903) (0.787) Observaciones 15,950 14,433
R-cuadrado 0.414 0.632
37
Anexo 6. Resultados estimación modelo global para NO2 añadiendo dummy estacional de año
Variables NO2 horario NO2 promedio diario NO2 máximo diario PyP -0.063** -0.098*** -0.073**
(0.031) (0.027) (0.0328) Constante 1.222 7.418 0.230
(0.738) (4.114) (1.278) Observaciones 14,433 615 615
R-cuadrado 0.662 0.793 0.862
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Nota:. Los errores estándar están entre paréntesis y se encuentran clusterizados por semana. *p<0.05,
**p<0.01, ***p<0.001
Anexo 7. Resultados estimación modelo global para CO cambiando inicio de medida cuando se eliminan comparendos educativos
Variables CO horario CO promedio diario CO máximo diario PyP 0.003 0.003 -0.042
(0.036) (0.040) (0.039) Constante 7.836 5.564 7.365
(0.903) (4.819) (0.812) Observaciones 15,950 682 682
R-cuadrado 0.413 0.673 0.414
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Los errores estándar están entre paréntesis y se encuentran clusterizados por semana. *p<0.05, **p<0.01, ***p<0.001.
Anexo 8. Resultados estimación modelo global para NO2 cambiando inicio de medida cuando se eliminan comparendos educativos
Variables NO2 horario NO2 promedio diario NO2 máximo diario PyP -0.095** -0.135*** -0.096***
(0.027) (0.027) (0.0328) Constante 0.830 6.089 -0.292
(0.788) (4.232) (1.426) Observaciones 14,433 615 615
R-cuadrado 0.631 0.744 0.824
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Los errores estándar están entre paréntesis y se encuentran clusterizados por semana. *p<0.05, **p<0.01, ***p<0.001.
38
Anexo 9. Resultados estimación modelo global para CO interactuandolo con t con el tratamiento
Variables CO horario CO promedio diario CO máximo diario PyP -0.196 -0.1000 0.983
(0.960) (0.634) (0.593) PyP*t 0.000 0.000 -0.001**
(0.000) (0.000) 0.000
Constante 3.608*** (0.663)
4.190 (4.877)
6.705 (0.785)
Observaciones 15950 682 682 R-cuadrado 0.535 0.746 0.489
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Nota: Los errores estándar están entre paréntesis y se encuentran clusterizados por semana. *p<0.05, **p<0.01, ***p<0.001.
Anexo 10. Resultados estimación modelo global para NO2 interactuandolo con t con el tratamiento
Variables NO2 horario NO2 promedio diario NO2 máximo diario PyP -3.723*** -3.970*** -3.423***
(0.993) (0.781) (0.811)
PyP*t 0.005*** (0.001)
0.005*** (0.001)
0.004*** 0.001
Constante -3.907*** 7.989** 2.217 (0.677) (4.199) (1.359)
Observaciones 14,433 615 615 R-cuadrado 0.556 0.743 0.830
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Nota: Los errores estándar están entre paréntesis y se encuentran clusterizados por semana. *p<0.05, **p<0.01, ***p<0.001.
Anexo 11. Resultados estimación modelo global para CO cuando se eliminan los meses enero y febrero
Variables CO horario CO promedio diario CO máximo diario PyP -0.150*** -0.149*** -0.187***
(0.039) (0.048) (0.043) Constante 8.316 10.231 11.028***
(0.871) (3.726) (1.569) Observaciones 9371 399 399
R-cuadrado 0.557 0.865 0.649
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Nota: Los errores estándar están entre paréntesis y se encuentran clusterizados por semana. *p<0.05, **p<0.01, ***p<0.001.
39
Anexo 12. Resultados estimación modelo global para NO2 cuando se eliminan los meses enero y febrero
Variables NO2 horario NO2 promedio diario NO2 máximo diario PyP -0.163** -0.272*** -0.065
(0.059) (0.069) (0.076) Constante 1.227 7.716 6.661***
(1.082) (4.962) (2.322) Observaciones 8,017 343 343
R-cuadrado 0.595 0.730 0.825
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019) Nota:. Los errores estándar están entre paréntesis y se encuentran clusterizados por semana. *p<0.05, **p<0.01, ***p<0.001.
Anexo 13. Resultados de la estimación de modelo local para CO usando Kernel triangular
Método Horario
polinomio lineal
Horario polinomio cuadrático
Promedio polinomio
lineal
Promedio polinomio cuadrático
Máximo polinomio
lineal
Máximo polinomio cuadrático
Robusto -0.007 -0.012 0.001 -0.012 -0.173** -0.305*** (0.107) (0.126) (0.046) (0.075) (0.0707) (0.0865)
Observaciones 3417 3417 150 150 150 150
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019). Nota: Esta tabla muestra las estimaciones locales para Pico y Placa (PyP) de 6 regresiones de la medida drástica (horaria,
promedio diario y máximo diario). La variable dependiente es CO en logs. En la estimación no se incorpora corrección por dirección del viento debido a la multicolinealidad perfecta que se presenta al no haber
cambios dentro de la ventana. La estimación se hace usando kernel triangular. Los errores estándar están entre paréntesis *p<0.05, **p<0.01, ***p<0.001.
Anexo 14. Resultados de la estimación de modelo local para NO2 usando Kernel triangular
Método Horario
polinomio lineal
Horario polinomio cuadrático
Promedio polinomio
lineal
Promedio polinomio cuadrático
Máximo polinomio
lineal
Máximo polinomio cuadrático
Robusto -0.203*** -0.286*** -0.154** -0.197** -0.017 0.069 (0.044) (0.059) (0.072) (0.093) (0.152) (0.247)
Observaciones 3545 3545 150 150 150 150
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019). Nota: Esta tabla muestra las estimaciones locales para Pico y Placa (PyP) de 6 regresiones de la medida drástica (horaria,
promedio diario y máximo diario). La variable dependiente es NO2 en logs. En la estimación no se incorpora corrección por dirección del viento debido a la multicolinealidad perfecta que se presenta al no haber
cambios dentro de la ventana. La estimación se hace usando kernel triangular. Los errores estándar están entre paréntesis *p<0.05, **p<0.01, ***p<0.001.
40
Anexo 15. Resultados de la estimación del modelo local para CO con distintos anchos de banda, usando polinomio lineal
Método CO ventana 15 CO ventana 30 CO ventana 45 CO ventana 60 Robusto -0.086 -0.274*** -0.185** -0.111
(0.086) (0.088) (0.090) (0.071) Observaciones 150 150 150 150
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019). Nota: la estimación se da a partir de un modelo de tendencia lineal y usando kernel uniforme. Los errores estándar están entre
paréntesis *p<0.05, **p<0.01, ***p<0.001.
Anexo 16. Resultados de la estimación del modelo local para NO2 con distintos anchos de banda, usando polinomio lineal
Método NO2 ventana 15 NO2 ventana 30 NO2 ventana 45 NO2 ventana 60 Robusto -0.045 0.009 -0.018 -0.140
(0.224) (0.224) (0.192) (0.156) Observaciones 150 150 150 150
Fuente: cálculos de los autores partir de información suministrada por IDEAM (2019). Nota: la estimación se da a partir de un modelo de tendencia lineal y usando kernel uniforme. Los errores estándar están entre
paréntesis *p<0.05, **p<0.01, ***p<0.001.