Coca en Colombia: efecto balón, vulnerabilidad e integralidad de políticas

ARCHIVOS DE ECONOMÍA

Coca en Colombia: efecto balón, vulnerabilidad e integralidad de políticas

Ricardo ROCHA GARCÍA Hermes MARTÍNEZ M

Documento 431 Dirección de Estudios Económicos 18 de Junio 2015

La serie ARCHIVOS DE ECONOMÍA es un medio de divulgación de la Dirección de Estudios Económicos, no es un órgano oficial del Departamento Nacional de Planeación. Sus documentos son de carácter provisional, de responsabilidad exclusiva de sus autores y sus contenidos no comprometen a la institución. Consultar otros Archivos de economía en: https://www.dnp.gov.co/estudios-y-publicaciones/estudios-economicos/Paginas/archivos-de-economia.aspx http://www.dotec-colombia.org/index.php/series/118-departamento-nacional-de-planeacion/archivos-de-economia

Coca en Colombia: efecto balón, vulnerabilidad e integralidad de políticas1 Ricardo ROCHA GARCÍA Hermes MARTÍNEZ M.

Resumen Una exploración empírica para el período 2000-2007 de la dinámica de la coca y sus determinantes a escala de municipios cocaleros, considerando la instrumentación individual y conjunta de políticas (erradicación, interdicción, desarrollo alternativo), controlando por la vulnerabilidad de la población al cultivo, según sus condiciones socioeconómicas. Se utilizó un matching econométrico entre encuestas de hogares y de cocaleros para identificar y caracterizar a quiénes serían vulnerables a la coca. La dinámica del contagio se modeló mediante econometría espacial de corte trasversal. Finalmente, mediante un panel de datos dinámico se modeló la dinámica temporal y se obviaron los sesgos asociados a la endogeneidad entre las variables. Los resultados del modelaje espacial revelan el predominio de la dispersión, siendo mitigable por cada política y más aun integralmente, aunque con diversidad de resultados a escala regional. Los estimativos de los modelos dinámicos y sus simulaciones sugieren que la expansión de la coca se podría reversar escalando esfuerzos y buscando sinergias en la implementación de políticas, incluida la reducción de la pobreza.

Abstract An empirical exploration for 2000-2007 on the dynamics of coca and their determinants among municipalities with this crop, including both individual policies (eradication, interdiction, alternative development) as its joint implementation, and considering the vulnerability of the population to be engaged at this crop, according to their socioeconomic conditions. A matching model between household surveys and coca growers was used to estimate the people vulnerable to coca. The dynamics of contagion was modeled with a spatial econometrics for cross section. Finally, using a dynamic panel, the temporal trends were modeled overlooking biases associated with endogeneity between variables. Results from spatial modeling reveal that the dispersion predominant could be mitigated by each policy and integrally still further, although showing agglomeration in some regions. Estimates of dynamic models and their simulations suggest that the expansion of coca could be reversed by climbing efforts and seeking synergy in policies, including poverty reduction.

Palabras clave: efecto balón, coca, políticas de drogas Códigos JEL: C23, J15, Q18 1 Versión editada de la contribución de los autores al Assessment of the Implementation of the United States Government’s support for Plan Colombia’s illicit Crop Reduction Components (Abril de 2009). Se agradece el apoyo recibido de la USAID, MSI, UNODC, el Gobierno Colombiano y los valiosos comentarios recibidos de Sean Jones, Vanda Felbab-Brown; Joel M. Jutkowitz; Sergio Rivas; James T. Smith; Manuel Supervielle; Cynthia Watson, así como a los asistentes al seminario del DNP realizado el 29 de agosto de 2010. Las opiniones, errores y omisiones son responsabilidad exclusiva de los autores y no comprometen a las personas e instituciones aquí mencionadas. Comunicaciones [email protected] y [email protected]

1

1. Introducción Hasta 2007 los esfuerzos de política para controlar el área de coca primero permitieron una significativa reducción, seguida de un repunte (Gráfica 1), coincidiendo con las mediciones del sistema integrado de monitoreo de cultivos ilícitos (SIMCI) que se realizan desde 1999 y las mediciones del Centro de Crimen y Narcóticos de la CIA (CNC). La primeras corresponden a un censo satelital, verificado con aerofotografía, ajustado por aspersión y erradicación producen datos a escala municipal. Mientras las estimaciones realizadas por CNC corresponden a la observación satelital de muestras cuyos resultados son extrapolados y generan datos a escala de regiones geográficas. Desde 2005 la metodología del CNC ha incrementado la cobertura del área estudiada. Desde finales de los años 80 las mediciones de CNC han mostrado el vertiginoso crecimiento de los cultivos y con frecuencia contradiciendo las mediciones que por aerofotografía realizaba la Policía Nacional de Colombia. Gráfica 1 Coca en Colombia 1987-2007 (miles has)

Fuente: CNC y SIMCI

En 1999 el SIMCI halló 161 mil has al tiempo que CNC reportaba 122 has y hasta 2003 ambas mediciones se movían paralelamente, la segunda en promedio 20 mil ha por encima del SIMCI entre 2000 y 2004. De tal forma que respecto a este último año, el área del SIMCI se redujo en un 45% comparando 1999 y un 33% tomando la estimación de CNC frente al 2001. A partir de 2004 ambas mediciones muestran un repunte en las ha. Desde 80 mil a 99 mil por el lado del SIMCI y desde 114 mil a 169 mil según CNC. 2

El reciente repunte de la coca ha sido muy cuestionador, pues se da en medio de una intensificación de las políticas, que previamente permitieron reducirla. Entre 1999 y 2004 prácticamente se triplicaron los esfuerzos antinarcóticos, a juzgar por la aspersión y las incautaciones de coca, que pasaron de 64 ton y 43 mil has a 188 ton y 137 mil has. Desde entonces, ambos indicadores se han incrementado hasta representar 1,5 has asperjadas por cada existente y las incautaciones alcanzaron una tercera parte de la producción potencial, adicionalmente la erradicación manual se multiplicó diez veces al pasar a 60 mil has en 2007 (Gráfica 2). Gráfica 2 Coca, erradicación e incautaciones de cocaína en Colombia 1987-2007

aspersion miles has erradicacion miles has incautaciones tons

250 200 150 100 50

2007

2006

2005

2004

2003

2002

2001

2000

1998

1999

1997

1996

1995

1994

1993

1992

1991

1990

1989

1988

1987

0

Fuente: DNE y UNODC

Se sabe que los campesinos han desarrollado mecanismos de defensa frente a la aspersión y la erradicación como son el fraccionamiento de los lotes, el replante y el saqueo, de tal forma que pueden mitigar el daño a la perdida de una cosecha (UNODC, 2008). De todas formas los impactos de estas políticas se han hecho visibles sobre la productividad. Pese a lo cual, los rendimientos por hectárea muestran sensibles disminuciones, tal como lo revelan tanto las mediciones de UNODC y CNC entre 2005 y 2008, que les permiten estimar disminuciones en el potencial de toneladas de 640 ton a 600 ton y de 545 ton a 535 ton, en forma respectiva. El crecimiento de las has de coca también se atribuye a una reacción indeseada a las políticas, pues se dispone evidencia de que la decisión de abandonar los cultivos ilícitos también depende de la creación de oportunidades económicas y del cambio en las condiciones de seguridad.

3

Varios estudios así lo sugieren. Para el periodo 1998-2002 utilizando técnicas econométricas se mostraba que la presencia de programas de desarrollo alternativo contribuía con mayor intensidad a reducir los cultivos de coca que la presencia de aspersión (Tabares y Rosales, 2005; Moya, 2005). Para 1999-2003 la erradicación estaría incrementando en 3,4% la probabilidad que un municipio redujera la coca y el desarrollo alternativo el 4,3%, pero cuando habían coincidido el efecto se elevaba en 4,6% (Rocha y Ramírez, 2004), allí también se mostraba que la coca se explicaba por las condiciones de las localidades en términos de geografía, condiciones socioeconómicas, instituciones y la microeconomía. Motivado en lo anterior, a continuación se presentan los principales resultados de una exploración empírica para el período 2000-2007 sobre la dinámica de la coca y sus determinantes a escala de municipios cocaleros, considerando la instrumentación individual y conjunta de políticas (erradicación, interdicción, desarrollo alternativo), controlando por la vulnerabilidad de la población al cultivo, según sus condiciones socioeconómicas. El presente documento se encuentra estructurado en tres secciones. En la primera se utilizó un matching econométrico entre encuestas de hogares y de cocaleros para identificar y caracterizar a quiénes serían vulnerables a la coca. La siguiente sección se dedica a la dinámica del contagio y la aglomeración modelándola mediante econometría espacial de corte trasversal. Una tercera sección, donde a través de un panel de datos dinámico se modela la dinámica temporal. Finalmente una sección de conclusiones y recomendaciones destacando la pertinencia de dotar a las políticas de una línea de base de los cultivadores cocaleros, la mitigación del contagio espacial y las posibilidades que ofrecen escalar esfuerzos y buscar sinergias en la integralidad de políticas.

2. La Vulnerabilidad La dimensión del esfuerzo necesario para reducir la vulnerabilidad de los campesinos a involucrarse en los cultivos de coca implica una explicación multidimensional. Las condiciones que explican la probabilidad de presencia de coca a escala municipal corresponden en su orden a variables geográficas, socioeconómicas, institucionales y microeconómicos,, las cuales operan de manera compleja y gravitan en torno a la cosmología de los cocaleros de acuerdo con información extractada mediante grupos focales realizados en varias regiones del país (Rocha y Ramírez, 2005).

4

Desde el punto de vista socioeconómico, la respuesta a vincularse al cultivo implica preguntarse como son los campesinos cocaleros en Colombia y de acuerdo con su perfil responderse cuantos podrían serlo, donde están y cuando se podría mejorar su nivel subsistencia para mitigar la vulnerabilidad. No sería simplemente restituirles los ingresos que les ofrece la coca, pues ninguna actividad lícita puede competirles en terreno, sino ofrecerles una mayor capacidad adquisitiva a sus ingresos lícitos y brindarles unas mejores condiciones de vida, sin el elevado costo de vida y peligros que implica la coca. Una vez resuelto lo anterior quedaría pendiente por responderse ¿Cómo hacerlo? El abanico de opciones es amplio. Reduciendo costos de transporte, los márgenes de intermediación de sus excedentes productivos, aumentando la producción de pan coger, mejorando su salud, ayuda humanitaria para hacer la transición a la economía lícita, etc. La estimación de la magnitud del esfuerzo requerido para reducir la vulnerabilidad socioeconómica a continuación se realiza implementando una metodología de dos etapas. Primero se comparan las condiciones de vida de los cocaleros con el resto de la población al margen de consideraciones de ingresos monetarios y se estima la población vulnerable. Segundo, con base en el contraste entre el consumo de las familias vulnerables a involucrarse en la coca y las líneas de pobreza, se estima la magnitud en que sus condiciones de vida deberían mejorarse. De acuerdo a las estructuras de costos, el tamaño promedio de los lotes y las áreas sembradas en coca se han realizado algunos estimativos de la demanda de trabajo. Recientemente, para las 98.899 has detectadas en 2007 se estimó que 80.000 hogares y 382.559 personas se encontraban involucrados en el cultivo de coca (SIMCI, 2008). De acuerdo con las proyecciones de población realizadas sobre el censo de población de 2005 la población de Colombia para 2007 tendría 43,9 millones de habitantes. Considerando la dimensión socioeconómica y asumiendo lo demás dado se puede recurrir a la técnica matching para responder lo anterior. Dado que la Encuesta de Calidad de Vida ECV de 2005 no permite identificar a los cultivadores cocaleros, resulta necesario recurrir a una estimación, basada en el supuesto de que allí es posible inferirlo aleatoriamente (grupo de control o no tratado) tan parecido a las encuestas de la Operación Breakthrough EOB realizadas a cocaleros (grupo tratado). De tal forma, que entre los dos grupos se podrán identificarán parejas tan parecidas que podrán compartir las características de los cocaleros (Heckman, Lalonde and Smith, 2000; Sianesi, 2001).

5

Siguiendo a Imbens (2004)2 la definición sería: N es tamaño de población, la cual se puede caracterizar i = 1...N, es una variable aleatoria de población grande. En este caso son los 163 municipios que se consideran aptos para la coca de acuerdo a las condiciones de altitud y precipitación (Rocha y Ramírez, 2005). Para nuestro análisis Yi es el gasto del hogar en la ECV y el gasto en alimentos de la EOP, Wi=0 si no es cocalero, Wi=1 si es cocalero, Xi tiene las características de cada uno de los encuestados, como educación, edad y estado civil. Por lo tanto observamos para cada unidad la tripleta (Wi, Yi, Xi), donde está el resultado Yi observado:

Con esta información se procedió a encontrar los individuos que pertenecen al grupo de control (ECV) y podrían ser lo más comparables posibles a los del grupo de tratamiento (EOB), de acuerdo con la probabilidad de recibir el tratamiento (Propensity Store), formalmente definido como:

Después de obtener en la ECV el grupo de control más parecido a los cocaleros, se estimó la diferencia del consumo ante el tratamiento, que de acuerdo a Imbens (2004) es:

Para considerar las características Xi se siguió la metodología de Abadie and Imbens (2002). De esta manera, la aproximación de tipo Matching se realizó de acuerdo con τ para todo i siguiendo la ecuación (1). Es decir, encontrando el grupo más parecido de personas en las EVC en un año determinado, que mejor representaba al grupo de tratamiento (EOB), para después comparar sus consumos entre sí3.

2 Se tomara el análisis de Imbens (2004) en lo que sigue, traducción libre de los autores. 3 Utilizando una función lógica se calcularon los valores del propensity score, y luego se aplicó una rutina de Stata.

6

En resumen generamos un modelo logit para estimar la probabilidad de ser cocalero, la variable dependiente tiene un valor de uno si lo es (cero lo contrario), la cual esta explicada por las variables independientes o explicativas: sexo, edad, el estado civil, número de hijos dependientes, y la educación. Las anteriores variables son introducidas como variables categóricas, divididas según grupos, con excepción de las variables continuas de dependientes.

Después, se obtuvieron las probabilidades de pertenecer al grupo cocalero, por medio del propensity score y se obtuvieron los promedios de consumos de ambos grupos. Los efectos encontrados (Tabla 1) se analizan con respecto al grupo de referencia. Por ejemplo para la variable género (sexo) el grupo de referencia es el masculino; para la edad (zedad) son los intervalos de edad; para el estado civil (ecivil) son las diferentes alternativas: y para la educación los diferentes estados de escolaridad. Se observa que las variables utilizadas para la selección aleatoria del grupo de control tienen una alta significancia estadística. Tabla 1 Modelo Logit para Matching entre población cocalera y el resto en municipios aptos para la coca Logistic regression

Number of obs LR chi2(13) Prob > chi2 Pseudo R2

Log likelihood = -3194.8087

= = = =

8509 1508.05 0.0000 0.1909

-----------------------------------------------------------------------------dep | Coef. Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------sexo1 | .4682315 .0652506 7.18 0.000 .3403426 .5961204 zedad11 | -1.236222 .1258989 -9.82 0.000 -1.482979 -.9894648 zedad12 | -.6727561 .1364082 -4.93 0.000 -.9401112 -.405401 zedad13 | -.0842493 .1323708 -0.64 0.524 -.3436913 .1751928 zedad15 | .5024966 .1226818 4.10 0.000 .2620446 .7429485 zedad16 | 1.149827 .1280557 8.98 0.000 .8988427 1.400812 zedad17 | .8738572 .1421454 6.15 0.000 .5952574 1.152457 edu1 | 2.829184 .122388 23.12 0.000 2.589308 3.06906 edu4 | .9195909 .1077049 8.54 0.000 .7084932 1.130689 ecivil2 | 1.760853 .0850793 20.70 0.000 1.594101 1.927606 ecivil3 | -.2312584 .1377199 -1.68 0.093 -.5011845 .0386677 ecivil4 | -1.011346 .3205172 -3.16 0.002 -1.639549 -.3831444 alfab1 | -1.800707 .1425276 -12.63 0.000 -2.080056 -1.521358 _cons | -2.222994 .158109 -14.06 0.000 -2.532882 -1.913107 ------------------------------------------------------------------------------

7

A continuación se verificó la homogeneidad mediante las medias de los consumos para ambos grupos utilizando las metodologías de Imbens (2006)4. El consumo promedio mensual de los hogares cocaleros es de 1´4 millones y el de la población de los municipios cocaleros más parecida es de $350 mil con el matching, sin este se eleva a $ 464 mil (Tabla 2). La diferencia entre ambas poblaciones se explica por factores metodológicos. Las encuestas a cocaleros tienen como principal motivación identificar rendimientos y tecnologías, por lo cual tienden a realizarse donde la coca se encuentra en producción y por consiguiente los precios locales son más elevados por el monocultivo y las condiciones de acceso. Tabla 2 Consumo promedio de la población cocalera y el resto

---------------------------------------------------------------------------------------Variable Sample | Treated Controls Difference S.E. T-stat ----------------------------+----------------------------------------------------------toth Unmatched | 1406983.01 350384.978 1056598.03 21793.295 48.48 ATT | 1406983.01 464512.423 942470.591 133627.781 7.05 ----------------------------+----------------------------------------------------------Note: S.E. for ATT does not take into account that the propensity score is estimated. | psmatch2: psmatch2: | Common Treatment | support assignment | On suppor | Total -----------+-----------+---------Untreated | 7,018 | 7,018 Treated | 1,491 | 1,491 -----------+-----------+---------Total | 8,509 | 8,509

Posteriormente, le atribuimos las características de los cocaleros al grupo de control y estimamos el número de personas vulnerables a la coca, mediante la probabilidad (propensity score) calculadas y las multiplicamos por los resultados del Censo de 2005 para los municipios cocaleros. Allí residen 5,1 millones de personas y la población vulnerable a la coca son 794 mil, es decir el 15% del total.

4 Se obtienen los resultados utilizando las rutinas de Stata, siguiendo Imbens (2006) “Implementing Matching Estimators for Average Treatment Effects in STATA” Harvard University. Stata User Group Meeting, Boston. July 26th, 2006.

8

La mitad de la población vulnerable reside en 70 municipios de Caquetá, Nariño, Norte De Santander, Antioquia y Valle Del Cauca (Tabla 3). Tabla 3 Población vulnerable a trabajar en la coca Municipios A maz onas A ntioquia A rauca B olívar B oyacá C aquetá C auca C órdoba C undinamarca G uainía G uaviare L a G uajira Mag dalena Meta Nariño Norte D e S antander P utumayo S antander V alle D el C auca V aupés V ichada T otal

P oblacion

V ulnerables

4 21 5 8 9 16 7 3 2 4 4 2 2 11 18 12 10 15 3 5 2

11.729 507.519 152.900 163.844 119.785 420.337 155.878 187.203 79.637 28.227 95.551 189.663 517.255 173.489 546.885 777.695 284.888 190.659 461.057 38.231 39.334

1.965 79.372 39.289 23.053 18.862 95.976 28.828 28.295 8.489 3.784 20.454 25.890 64.302 27.669 95.148 90.901 31.902 26.373 69.653 5.972 7.712

163

5.141.766

793.889

V ulnerables / D is tribucion P oblacion de vulberables 17% 0% 16% 10% 26% 5% 14% 3% 16% 2% 23% 12% 18% 4% 15% 4% 11% 1% 13% 0% 21% 3% 14% 3% 12% 8% 16% 3% 17% 12% 12% 11% 11% 4% 14% 3% 15% 9% 16% 1% 20% 1% 15%

100%

Los departamentos cuyos municipios tienen mayores índices de vulnerabilidad (18%-26%) son en su orden Arauca, Caquetá, Guaviare, Vichada, Cauca, Nariño y Amazonas (Mapa 1). Mientras que los que ocurre lo contrario (11%-14%) con Bolívar, Santander, La Guajira, Guainía, Magdalena, Norte De Santander, Putumayo y Cundinamarca

9

Mapa 1 Índice de vulnerabilidad de la población a la coca

Fuente: DANE y Departamento de Justicia, Elaboración autores

Si se desea reducir la vulnerabilidad de las familias a involucrarse en la coca, ello se podría hacerse mejorando sus estándares de vida. En el corto plazo, ello implicaría cerrar la brecha existente entre el consumo de las familias vulnerables a la coca s y el mínimo de subsistencia. En el mediano plazo, su sostenibilidad podría asegurase mediante una elevación desde el mínimo de subsistencia hasta del consumo promedio que tienen el promedio de la población en los municipios aptos para la coca. De acuerdo con lo anterior, reducir la vulnerabilidad a la coca implicaría elevar el consumo de esta población de 179 mil familias en el equivalente de US$ 292 millones anuales en el corto plazo y de US$ 460 millones en el mediano y largo plazo, si se desea consolidar el resultado, con claras diferencias regionales en su intensidad (Mapa 2). Unos pocos municipios cocaleros ya se encuentran por encima del mínimo vital. Sin embargo, ello no ocurre la gran mayoría. Por ejemplo, los 10 municipios que demandarían un mayor incremento del consumo serian: Cúcuta, Santa Marta, Buenaventura, San Vicente del Caguán, San Andrés de Tumaco, Jamundí, Riohacha, Florencia, San José del Guaviare y Guapi, los cuales concentran 60 mil familias vulnerables es decir una tercera parte de la población.

10

Por el contrario, dos terceras partes de las familias vulnerables se podrían substraer de la vulnerabilidad en el resto de los municipios. Mapa 2 Incrementos en el consumo necesarios para lograr mínimos vitales en población vulnerable a la población a la coca

Fuente: DANE y Departamento de Justicia, Elaboración autores

3. El Efecto Balón Se argumenta que la dinámica espacial de los cultivos de coca simula un efecto balón, es decir cuando se interviene la coca en un lugar esta se mueve a otro y luego puede retornar. Un término acuñado en los 90s para describir la migración de los cultivos de coca desde Perú y Bolivia hacia Colombia (Gráfica 3). Un efecto que usualmente se le atribuye a la política de erradicación, pero que en la práctica también puede operar con el resto de instrumentos cuando se logra abandonar los cultivos de coca. Por ejemplo, inversiones en infraestructura facilitan la interdicción, la seguridad puede mover los grupos armados ilegales, los proyectos productivos introducen un cambio cultural a favor de la legalidad y finalmente la coca puede moverse a sitios más propicios. También las políticas pueden tener efectos adversos, como han sido cultivar coca para ser elegible a los programas o sembrar más para mitigar los riesgos y efectos de la aspersión.

11

Gráfica 3 Has de coca en la región andina 250.000 200.000

Hectáreas

B o livia

150.000

Co lo mbia P erú

100.000

To tal

50.000

2006

2004

2002

2000

1998

1996

1994

1992

1990

1988

1986

1984

1982

1980

0

Fuente: UNODC (2008b). Elaboración autores.

La dinámica de los cultivos de coca muestra en Colombia una tendencia espacial que combina aglomeración y contagio, utilizando y abandonando bosques nativos y la deforestación de la colonización (Mapa 3). En 2007, 10 municipios agrupaban el 36% de las 99 mil has de coca, un 49% correspondía a nuevos cultivos y un 4% se encontraban en parques naturales (UNODC, 2008). Además, en lo corrido de la década la coca habría afectado una extensión cercana al medio millón de hectáreas, de las cuales un 21% corresponde a la destrucción de bosque primario y el resto a terrenos previamente abiertos por la colonización y si se considera la proximidad de los lotes el área de influencia podría abarcar más de 12 millones de has (UNODC, 2008b). La dinámica espacial de la coca a lo largo del territorio de Colombia es susceptible de observarse en la evolución de los mapas a escala municipal (Mapa 3) entre 2001 y 2007. Allí se puede apreciar como en 2001 los más importantes clusters cocaleros estaban en Putumayo, Guaviare, Caquetá, Meta, los Santanderes, Nariño, Vichada y Bolívar. La mayoría de ellos siguen vigentes a 2007, pero la distribución cambia con el ingreso a Antioquia y Córdoba, quienes empezaron a cobrar fuerza desde 2003, además de los reposicionamientos de Nariño y Vichada, por la migración de los cultivos desde el Putumayo y Meta-Guaviare de manera respectiva. Para proceder a explicar las mencionadas tendencias de una manera más precisa a continuación se realiza una estimación de la intensidad del contagio-aglomeración y sus determinantes por el lado de las políticas, usando econometría espacial para datos a escala municipal durante el periodo comprendido entre 2005 y 2007. Un municipio con coca puede ser contagiado (o contagiar) con el cultivo de coca, en la medida que en su vecindario exista el cultivo y que en el municipio se 12

implementen políticas de erradicación, interdicción, desarrollo alternativo y mayor sea el índice de vulnerabilidad de la población a la coca. El patrón de contagio de la coca puede ser de dispersión, cuando predomina que el cultivo se mueve desde el municipio hacia su entorno, o de aglomeración o clusterización cuando ocurre lo contrario Mapa 3 Cambios en las áreas de cultivo de coca en Colombia 2001-2007

Fuente: UNODC (2008b). Elaboración autores.

13

La magnitud de la intensidad de la dinámica espacial y su sentido (dispersión/aglomeración) puede estimarse mediante la adición a la derecha del modelo de regresión (Anselin y otros, 2004) del producto de una matriz W, construida con las distancias de los municipios entre si, por un rezago espacial ρ y la propia variable a explicar.

y = Wy+ x+ u ; u ~ N(o,2I) Para una base de datos de municipios cocaleros que comprende 2005-2007 se utilizaron las siguientes variables: 

Coca: Número de has observadas en el año corriente. SIMCI, UNODC. Incorpora ajustes por erradicación manual.



Aspersión: variable dicótoma por presencia has asperjadas, Dirección Nacional de Estupefacientes de la Policía Nacional DIRAN.



Interdicción: variable dicótoma por presencia de operativos realizados por las fuerzas armadas, Ministerio de Defensa.



Desarrollo Alternativo: variable dicótoma por presencia de proyectos alternativos realizados por el PLANTE, FIP, USAID y Acción Social. El desarrollo alternativo, considerado en su versión ampliada.



Vulnerabilidad: % de la población que es vulnerable a trabajar en la coca. Resultado de comparar las condiciones de vida de los cocaleros con el resto de la población, al margen de consideraciones de ingresos monetarios, mediante la metodología de matching.

Previamente se calcularon Índices de Moran o de existencia de correlación espacial para las variables mencionadas con una significancia menor del 1 %, es decir, con probabilidades de error cercanas a cero, donde se rechaza la hipótesis nula de correlaciones iguales a cero, las cuales validan la pertinencia de estimar la ecuación mencionada. Un resultado similar fue encontrado para las diferentes regiones. Tabla 4 Índices de correlación espacial para municipios cocaleros

Variables Coca Interdicción Desarrollo Alternativo Erradicación Vulnerabilidad

Índice de Moran 0,014 0,043 0,007 0,019 0,046

*1-tail test. Fuente: SIMCI, Acción Social, Autores

14

P-valor* 0,000 0,000 0,000 0,000 0,000

La Tabla 5 resume los resultados de modelos realizados para el país en su conjunto y desagregado en cinco regiones según el coeficiente de continuidad o rezago espacial de la coca, rho (ρ). En la columna 3 cuando este indicador se calcula exclusivamente en función de las has de coca (ρ*), un valor positivo (negativo) refleja la existencia de un proceso de dispersión (concentración) de los cultivos hacia (desde) los municipios vecinos. En las columnas restantes se presenta el ρ cuando se adicionan al modelo espacial la erradicación, la interdicción, el desarrollo alternativo y la vulnerabilidad de la población a la coca, cada una por separado y finalmente de manera conjunta. Si el ρ resultante es menor (mayor) que el ρ*, se puede inferir que las variables tienden a mitigar (exacerbar) la dinámica del proceso. Si ocurre lo contrario, no es aconsejable dejar esa política en exclusiva y si ello ocurre con la integralidad, ello necesariamente no la descarta, dado que quedaría pendiente el ejercicio con las diferentes combinaciones de políticas. En consecuencia, a escala nacional donde ρ* es igual 0,84 predomina la dinámica de dispersión o contagio, y con menor intensidad las regiones central (0,79) y Sur (0,62). Por el contrario, lo cultivos tienden a aglomerarse en las región pacífico y oriental, con ρ* de -0,04 y -0,26 de manera respectiva. Los efectos de las políticas sobre la expansión y la aglomeración difieren cuando se aplican de manera individual e integral. A escala nacional la aplicación por separado de políticas pareciera no tener muchas diferencias en los valores de ρ que son muy parecidos al ρ*, es decir, privilegiar una política para controlar lo cultivos de coca no modifica el patrón de propagación, aunque, los ρ asociados a la vulnerabilidad a la coca corresponden a una condición poblacional y no una política. No obstante, ρ baja a 0,78 cuando las variables tienen presencia conjunta, ofreciendo ventajas sobre la dinámica de contagio. Los anteriores resultados por corresponder a un agregado nacional, presumiblemente podrían incorporar un sesgo de estimación, el cual hace necesario examinar los resultados a escala regional. En el caso de la región del Pacífico (Cauca, Valle y Chocó), predomina el fenómeno de aglomeración o formación de clusters de cultivos de coca, aunque con un carácter incipiente a juzgar por su reducido valor (ρ=0,035), al parecer como resultado de la reciente introducción de los cultivos y a la geografía, pues las zonas cultivables se mueven en paralelo a lo largo de una extensa franja del litoral. Con la excepción de la vulnerabilidad, todas las variables tanto por separado, como de manera conjunta exacerban la dinámica de aglomeración, pues el rezago ρ > ρ *.

15

Algo parecido también ocurre, aunque con mayor intensidad (rho=-0,26), con los resultados de las región oriental, integrada por los departamentos de Meta, Guaviare, Vichada, Arauca, Vaupés y Guainía. En contraste, la región Sur (Nariño, Putumayo y Caquetá), muestra una clara tendencia a la dispersión de los cultivos con un ρ* de 0,62. Allí, cualquier estrategia tiende a mitigar lo anterior y en particular la integralidad de políticas. Por ejemplo, en Nariño los esfuerzos pioneros en desarrollo alternativo tuvieron el efecto indeseado de motivar la propagación del cultivo de coca para calificar como beneficiarios y, el departamento ha recibido una inmigración de cultivos como resultado de una intervención del Putumayo fundamentada en la aspersión. Tabla 5 Estimación de rezagos espaciales ρ para cultivos de coca y sus políticas en Colombia durante 2005-2007 Regiones

ρ*

ρ

Departamentos Área de Coca Aspersión

Interdicción

Desarrollo Alternativo

Vulnerabilidad

Todas las variables

N

Pacífico

Valle del Cauca, Cauca y Choco

-0.035*

-0.209**

-0.159**

-0.169**

-0.0262*

-0.362*

102

Sur

Nariño, Putumayo y Caquetá

0.618*

0.535**

0.601*

0.597*

0.597*

0.508**

177

Oriente

Meta, Guaviare, Vichada, Arauca, Vaupés y Guainía

-0.258*

-0.26*

-0.288*

-0.384*

-0.347*

-0.511**

93

Total

0.787***

0.776***

0.785***

0.787***

0.783***

0.770*** 363

Medio: Antioquía, Córdoba, Bolívar, Santander, Norte de Santander

0.434*

0.393*

0.435*

0,431*

0,492*

0,455*

279

Resto: Boyacá, Cundinamarca, Caldas, Magdalena, y La Guajira

0.604**

0,604**

0,524*

0,607**

0,560*

0,554*

84

0.8363 ***

0.81***

0.80***

0.79***

0.83***

0.78***

735

Centro

Todas

Todos

*** p