Nota Técnica Septiembre 2013
10
Metodología para la focalización de comunidades nativas usuarias del Programa Nacional de Conservación de Bosques
Autores: Ángel armas1 Fredy Tejada M.2 Carlos Cubas G.2 Carlos aguirre D.2
Generación del índice de deforestación durante el proceso de focalización individual de comunidades a partir de imágenes satelitales de la comunidad nativa Villa Gonzalo, provincia de Condorcanqui, Amazonas. (Fuente: CBC-GIZ)
MENSAJES PRINCIPALES 1. Los usuarios del Programa Bosques que reciben los incentivos de las Transferencias Directas Condicionadas (TDC) por las hectáreas de bosques a conservar tienden a tener un bajo impacto o contribución a los resultados y metas del programa cuando no son priorizados y focalizados adecuadamente. 2. La focalización individual de comunidades nativas3 utiliza un método estadístico denominado análisis factorial. La hipótesis de este modelo se basa en identificar un número óptimo y suficiente de variables medibles y alcanzables correlacionadas significativamente entre sí, con la finalidad de obtener un enfoque lo más fino posible y evitar la distorsión del proceso. 3. El análisis estadístico sobre el cual se sustenta el proceso, debe tener un notable sustento técnico que suprima visos de subjetividad y permita asignar un mayor peso a algunos criterios sobre otros, y de esta manera evaluar la posibilidad de que éstas últimas sean dejadas de lado sin perder la riqueza de información, y así obtener un ranking de intervención por comunidad que permita a la intervención del programa ser más eficiente y eficaz, de acuerdo a sus recursos. 4. Los criterios establecidos para la focalización de comunidades responden a los siguientes tres grupos de variables estipulados en el manual de operaciones del programa: i) Grado de amenaza, que se define por la cercanía a vías de acceso y la identificación de causales de deforestación, ii) servicios ambientales, que comprende la tipología de refugio de biodiversidad, regulación del sistema hidrológico y secuestro de carbono y iii) nivel de pobreza, definido a nivel de comunidad nativa y en función de las necesidades básicas insatisfechas. 1 2 3
Consultor CBC-GiZ. Equipo técnico CBC-GiZ. El modelo de focalización es aplicado por el programa BOSQUES en dos niveles: a nivel de provincias (focalización geográfica) y a nivel de comunidades (focalización individual).
Deutsche Gesellschaft .. fur Internationale Zusammenarbeit (GIZ) GmbH
1
I. ANTECEDENTES El Programa Nacional de Conservación de Bosques (Programa Bosques) representa una nueva estrategia del Gobierno peruano para la conservación de bosques del país. Bosques tiene como objetivo principal conservar 54 millones de bosques tropicales, de las cuales 14 están localizados en comunidades indígenas. Entre los principales documentos de gestión desarrollados para alcanzar las metas y objetivos del programa se encuentran el Manual de Operaciones y el Manual de Procedimientos de las TDC. El primero define el marco conceptual, gestión administrativa, económica y técnica para su implementación, mientras que el segundo establece los procesos para la implementación del esquema TDC4, siendo el proceso de focalización geográfica e individual el de mayor importancia. El presente estudio tiene como objetivo proporcionar principios metodológicos para la focalización individual de comunidades nativas que coadyuven a mejorar la efectividad de las futuras intervenciones del Programa Bosques. En las páginas siguientes, se describe una metodología práctica que incluye criterios y variables potencialmente aplicables al proceso de focalización. Finalmente, se exponen recomendaciones que se espera sean incorporadas al proceso en el futuro a fin de corregir y mejorar sus diversos aspectos.
II. CONCEPTOS Y MÉTODOS La focalización es un proceso a través del cual se concentran o dirigen los recursos públicos o privados hacia una parte de la población (población objetivo) para aliviar o superar, según sea el caso, un problema determinado que le afecta constituyendo la finalidad del proyecto o programa que busca atender dicho problema. El objetivo del proceso es aumentar la efectividad del gasto y mejorar el desempeño de los programas implementados, asignando los recursos necesarios a la población que presente las mayores carencias. 4
2
Los procesos de las TDC según manual de procedimientos aprobado mediante RM – N° 147-2011-MINAM son: focalización, admisión, afiliación, transferencia, cumplimiento de condicionalidades y ratificación de convenios.
Deutsche Gesellschaft .. fur Internationale Zusammenarbeit (GIZ) GmbH
En la gestión pública, la focalización se basa en principios de aplicabilidad universal tales como: • • • •
Viabilidad del proceso Eficiencia, eficacia y mejoramiento constante Articulación con otros programas y actores Sujeción a monitoreo y evaluación continuos
En tal sentido, los programas y proyectos del Estado son los llamados a dotar de herramientas temporales que ayuden a salir de la pobreza a los grupos poblacionales más vulnerables y les permita insertarse en las cadenas productivas que impulsan el desarrollo del país. Las evidencias a nivel nacional e internacional permiten afirmar que los programas cuya población objetivo se encuentra mejor focalizada y utiliza eficientemente los incentivos, obtienen los mejores resultados. Las mismas indican que en los casos donde el incentivo se dirige a los grupos con una mayor incidencia de pobreza y en consecuencia una considerable presión sobre los recursos naturales, éstos pueden superar las brechas y mejorar sus indicadores en menor cantidad de tiempo. Para lograr ello, se debe empezar por aumentar la cobertura y lograr que los más pobres y los que más degradan, tengan prioridad en el acceso a los beneficios de los programas de conservación con enfoque social. Los errores de focalización en los programas suelen medirse con dos indicadores: filtración y subcobertura. Por convención, se define “filtración” al porcentaje de usuarios (hogares y/o comunidades) que acceden a un programa y no pertenecen a la población objetivo, mientras que “subcobertura” se refiere al porcentaje de la población objetivo que no recibe la atención de un programa pese a cumplir con los requisitos de elegibilidad. Los sistemas de focalización disponen de un conjunto de instrumentos de gestión (metodologías, fichas técnicas, indicadores, etc.) que validan y estandarizan los procesos de aplicación de la focalización. • • • • •
Focalización geográfica Focalización individual Combinación de focalización geográfica e individual Focalización por categorías Autofocalización.
La combinación de la focalización geográfica e individual también se desarrolla y aplica en etapas metodológicas, que incluyen la identificación de distritos, comunidades y hogares, asentados en áreas en condición de pobreza previamente focalizadas, por ejemplo, la estrategia ‘‘Crecer para incluir’’ y el Sistema de Focalización de Hogares (SISFOH).
La relación entre dos variables se denomina correlación simple y entre más de dos variables correlación múltiple. Esta relación, sujeta a una dirección, magnitud y sentido, se expresa mediante el denominado Coeficiente de Correlación (Hill and Lewicki 2007).
Se tiene una correlación positiva o directa cuando ambas variables presentan las misma tendencia pues a medida que una aumenta se espera que la otra también lo haga (en valores entre 0 y 1). En cambio, una correlación negativa o inversa, expresada con valores entre -1 y 0, muestra una tendencia opuesta entre las variables, mientras una aumenta, la otra disminuye, por ejemplo, la correlación existente entre el precio y la oferta en economía (Gil et al. 1995). Asimismo, si el coeficiente tiene magnitud igual a 1 o -1 la correlación es perfecta, y cuando es cero la correlación entre las variables no existe.
Bases y principios estadísticos El presente trabajo se basó en una serie de modelos estadísticos con metodologías estandarizadas para sistematizar información y analizar y procesar datos. a) Distribución normal La también llamada distribución de Gauss – en honor a su descubridor - es la más importante de las distribuciones de probabilidad de variable continua.
Este modelo matemático teórico, relativo a cada población y que se representa mediante la curva normal, con frecuencia tiende a aproximarse a las distribuciones que encontramos en la práctica: estadísticas biológicas, datos antropométricos, sociales y económicos, mediciones psicológicas y educacionales, errores de observación, etc. Su importancia en el proceso radica en: • Permitir la utilización de métodos de estimación simple (mínimos cuadrados). • Proporcionar la base de inferencia estadística clásica debido a su relación con el teorema del límite central.
f(x)
Positiva Perfecta
Negativa Aleatoria Aleatoria Perfecta Positiva Negativa Figura 2. Tipos de correlaciones
Nula
La normalidad en la distribución de una expresión es el principal factor que hace que existan dos tipos de coeficiente para determinar una correlación. De esta manera, cuando las variables son cuantitativas continuas (solo admiten valores en decimales) y respetan la distribución normal (principio de normalidad) es aplicable el coeficiente de Pearson. En cambio, cuando las variables son cuantitativas discretas (solo aceptan valores enteros), no siguen la distribución normal o los valores corresponden a intervalos de repetición, se aplica el coeficiente Rho de Spearman (Rodríguez y Catalá 2001).
c) Técnicas de reducción de variables
-∞
µ
+∞
Figura 1. Distribución normal o de Gauss
b) Correlación Es una técnica estadística usada para determinar la relación entre dos o más variables predefinidas como dependientes e independientes, pudiendo ésta última corresponder a una o más de ellas. No obstante, puede presentarse casos donde no existe ninguna dependencia entre variables.
• Análisis de componentes principales El análisis factorial y el de componentes principales están muy relacionados. Algunos autores consideran el segundo como una etapa del primero mientras que, a partir de sus disímiles aspectos, afirman que se trata de técnicas diferentes. Pese a esta disparidad, resulta evidente que el punto neurálgico de ambos análisis radica en su utilidad para reducir el número de variables haciendo uso de la menor cantidad de información posible.
Deutsche Gesellschaft .. fur Internationale Zusammenarbeit (GIZ) GmbH
3
El análisis de componentes principales intenta hallar componentes (factores) que sucesivamente expliquen la mayor parte de la varianza total. Por su parte, el análisis factorial busca factores que expliquen la mayor parte de la varianza común. En general, se trata de encontrar componentes que provengan de elementos subyacentes a las variables que permitan agruparlas y examinar la posibilidad de reducir su número seleccionando solamente algunas que expliquen mejor el análisis estadístico dentro de los grupos formados.
En el análisis de componentes principales, el primer factor o componente sería aquel que explica una mayor parte de la varianza total, el segundo factor sería aquel que explica la mayor parte de la varianza restante, es decir, aquella que no explicaba el primero y así sucesivamente. De este modo sería posible obtener tantos componentes como variables originales, pese a que esta figura no tenga sentido en la práctica.
La información que utilizada en esta nota técnica incluye datos de superficies deforestadas por comunidad, superficies de bosque remanente, áreas naturales protegidas presentes en cada departamento, sistemas ecológicos presentes en todo el país, tablas de datos de pobreza a nivel regional, provincial, distrital y por comunidad, así como shapefiles5 de las vías de acceso a los principales centros poblados y estudios internacionales como el elaborado por Baccini et al. (2012).
MINAG DGFFS; OEEE
• Análisis factorial El análisis factorial es una técnica de reducción de datos que supone que existe un factor común subyacente a todas las variables, razón por la cual se pueden encontrar grupos homogéneos a partir de un universo amplio de datos y variables. A partir de dichos grupos, se pueden formar “factores” que actuarán como “nuevas variables”. De este modo, será posible pasar de un número tal de variables (10 por ejemplo), a uno menor de “factores” (por ejemplo seis).
4
MTC
Estudios nac. e internac.
Datos y fuentes
IBC
MINAG
INEI
DGOT; SERNANP
Provias Nacional
Literatura
Figura 3. Datos y fuentes
Para realizar la focalización de comunidades utilizaron datos que respondan a los criterios de selección predefinidos por el programa. Los criterios propuestos para el proceso se explican mediante un modelo de intervención en la provincia de Condorcanqui, Amazonas.
Para trabajar con los datos espaciales y generar información estadística a partir de estos, así como la elaboración de los mapas y la cobertura de focalización se trabajó con un Sistema de Información Geográfica (SIG). El software ArcGIS (versión 10 y 10.1) prestó suficientes herramientas para este trabajo.
Es indicado precisar que la información debió encontrarse validada y publicada. De preferencia, se utilizó información oficial proveniente de las distintas agencias del gobierno. La mayor cantidad de información utilizada para el análisis fue suministrada por el Ministerio del Ambiente (Minam), el Instituto Nacional de Estadística e Informática (INEI) y el Ministerio de Agricultura y Riego (Minagri).
Por último, para procesar y realizar el análisis estadístico de la información se utilizó un paquete estadístico denominado SPSS 15.0 y Microsoft Excel.
Deutsche Gesellschaft .. fur Internationale Zusammenarbeit (GIZ) GmbH
5
Un shapefile es un formato con datos espaciales utilizado en un software para Sistemas de Información Geográfica como ArcGis.
III. RESULTADOS DEL PROCESO a. identiFicaciÓn de criterios Con la finalidad de identificar los criterios de selección de comunidades usuarias del Programa Bosques y aquellas que tengan potencial para serlo, se debe obtener previamente datos ambientales, económicos y sociales que respondan a los tres grupos de variables de selección de áreas a intervenir estipuladas en el Manual de Operaciones del programa (Gráfico 1).
El gráfico 2 muestra el procedimiento para la identificación de los criterios que ayuden a evaluar a las variables de selección. La aplicación del procedimiento descrito y el análisis de la información permiten el desarrollo de la propuesta estratégica de focalización que contempla criterios con potencial de ser incorporados al proceso (Gráfico 3).
Variables de selección de áreas de intervención
Gráfi co 1. Variables de selección de áreas de intervención
Grado de amenaza
servicios ambientales
- Cercanía a vías de acceso - Patrones de deforestación
- Refugio de biodiversidad - Regulación del sistema hídrico - Secuestro de carbono
Nivel de pobreza - Necesidades básicas insatisfechas Fuente: Armas, A. y Olivera, D. (2013)
Gráfi co 2. Procedimiento metodológico para la identificación de criterios de focalización
Variables de selección de áreas de intervención Grado de amenaza - Cercanía a vías de acceso - Patrones de deforestación
servicios ambientales Refugio de biodiversidad - Regulación del sistema hídrico Secuestro de carbono
obtención de datos relacionados a las variables
Identi fi cación de criterios
datos ambientales, económicos y sociales en el ámbito de estudio
Identi fi cación de criterios que ayuden a evaluar las variables de selección
Nivel de pobreza - Necesidades básicas insatisfechas
Gráfi co 3. Criterios de focalización identificados según variables de selección
Grado de amenaza
Fuente: Armas, A. y Olivera, D. (2013)
Deforestación Accesibilidad a mercados Stock de Carbono
servicios ambientales
Proximidad a ANP Cantidad de Sistemas Ecológicos Cantidad de Bosque remanente
nivel de pobreza
Pobreza Cantidad de familias
Fuente: Armas, A. y Olivera, D. (2013)
Deutsche Gesellschaft .. fur Internationale Zusammenarbeit (GIZ) GmbH
5
1) Deforestación La metodología de focalización de comunidades nativas propone como indicador principal la deforestación de sus bosques. El mapa (Figura 4) muestra en una escala de colores la priorización de comunidades en base a la deforestación de sus bosques. Un color más oscuro indica un mayor índice de deforestación.
2) Accesibilidad El modelo de accesibilidad muestra el acceso promedio desde una comunidad hacia ciudades importantes en unidades de tiempo (horas de viaje). Este criterio refiere la distancia entre una comunidad y el mercado, por ende a mayor distancia menor accesibilidad y viceversa.
3) Áreas Naturales Protegidas (ANP) La metodología considera como criterio adicional la cercanía de las comunidades nativas a las zonas de amortiguamiento de las ANP, por ser territorios que contribuyen a la regulación del sistema hídrico y la conservación de la biodiversidad (Figura 6).
Figura 4. Mapa de focalización de comunidades en base al índice de deforestación.
Figura 5. Mapa de focalización de comunidades en base al índice de accesibilidad hacia la ciudad de Santa Maria de Nieva.
Figura 6. Mapa de focalización de comunidades en base al índice de priorización por proximidad a las ANP.
(Fuente: CBC – GIZ)
(Fuente: Minam)
(Fuente: CBC – GIZ)
6
Deutsche Gesellschaft .. fur Internationale Zusammenarbeit (GIZ) GmbH
4) Pobreza El análisis de la pobreza en las comunidades focalizadas evalúa los indicadores generados por el INEI desde el valor cero hasta el uno en forma porcentual.
En un primer paso, se realiza el cálculo del percentil de cada comunidad en base a los índices de pobreza. Posteriormente, se ordena desde el percentil más alto (1) hasta el percentil más bajo (0), de manera que se pueda visualizar una prioridad ordenada de mayor a menor (Figura 7).
5) Cantidad de familias Se generó un índice de cantidad de familias por comunidad (Figura 8) debido a que se trata de un criterio de utilidad a fin de observar donde la pobreza puede tener un mayor efecto. Se tuvo en cuenta que no todos los individuos de una población generan presión sobre el bosque, más bien, son las familias las unidades que por su autosostenimiento están vinculadas, de manera más directa, con la presión sobre el bosque.
6) Bosque remanente Se consideró este criterio como prioritario por la importancia que tiene para el programa la conservación de bosques de superficies considerables. 7) Stock de carbono Con la finalidad de delinear un criterio que revele la importancia que tienen los bosques tropicales en la captura y almacenamiento de los gases de efecto invernadero, causantes del cambio climático, se hizo uso de datos del carbono contenido en la biomasa de bosques en comunidades nativas a partir de un estudio internacional sobre la estimación de emisiones de dióxido de carbono por deforestación para ese ámbito (Baccini et al, 2012).
Figura 7. Mapa de focalización de comunidades en base al índice de pobreza
Figura 8. Mapa de focalización en base al índice de familias por comunidad nativa.
(Fuente: INEI)
(Fuente: Instituto del Bien Común)
En el hipotético escenario de no contar con la información a nivel de comunidad para algún posible criterio a incorporar, se deberá tomar la decisión de descartar o utilizarlo. En caso se tome la decisión de continuar utilizando ese criterio, no podrá ser considerado como variable principal pues brindaría un aporte limitado y generaría que el mismo valor se repita en todas las comunidades contenidas en el nivel al cual corresponde la variable.
8) Biodiversidad Para un enfoque holístico sobre la diversidad genética, específica y ecosistémica, el criterio utiliza el número de sistemas ecológicos en los que se encuentra circunscrita una comunidad nativa.
Deutsche Gesellschaft .. fur Internationale Zusammenarbeit (GIZ) GmbH
7
B. prueBas estadísticas Con el objetivo de verificar la contribución estadísticamente significativa de los criterios definidos en el ranking final de focalización de comunidades nativas se realizaron diversas pruebas estadísticas por etapas (Gráfico 4). observaciones de variables y pruebas de normalidad
pruebas de correlación
De los resultados del Coeficiente Rho de Spearman se puede obtener las siguientes evidencias para el contexto del análisis de focalización7 (Cuadro 1). cuadro 1. Sentido, magnitud y posible interpretación de la prueba de correlación.
Análisis Factorial y de Componentes Principales
Senti do
Gráfi co 4. Análisis estadístico secuencial para la verificación de los criterios de focalización.
Como primer paso, se observó si los criterios propuestos responden como variables continuas o discretas y siguen una distribución normal6 o no (Gráfico 5). Conocer estas dos características permitió aplicar la prueba de correlación más adecuada.
Variable contí nua distribución normal
sí no
Positivo
correlación pearson correlación Spearman
Gráfi co 5. Árbol de posibilidades según las características de los criterios para la aplicación de la prueba de correlación.
Negativo
Magnitud
posible evidencia
Fuerte
La contribución de la variable comparada es poca o su efecto ya está recogido por la variable deforestación pues están subyacentemente relacionadas. Ambas variables pueden combinarse en una sola.
Moderado
La contribución de la variable comparada puede ser importante y se sugiere considerarla independientemente.
Débil
La variable comparada indica un evento que no tiene relación subyacente con la deforestación. Es posible que enriquezca la focalización.
Fuerte
La contribución de la variable comparada explica un evento que está relacionado pero es opuesto a la variable de referencia. Puede ocasionar que el enfoque diverja.
Moderado
La contribución de la variable comparada puede ser importante, se sugiere considerarla independientemente observando que no cause divergencias.
Débil
La variable comparada indica un evento que no tiene relación subyacente con la deforestación. Es posible que enriquezca la focalización.
Fuente: Armas, A. y Olivera, D.
Las pruebas de correlación permiten verificar la relación existente entre los criterios a utilizar. Debido a que algunos de ellos son de naturaleza discreta y es altamente probable que no sigan una distribución normal, se utilizó la correlación según el Coeficiente Rho de Spearman para cada par de variables. Se sugiere iniciar el análisis de verificación de la correlación positiva o inversa, entre la variable deforestación –tomada como variable de referencia– y las demás variables, denominadas variables comparadas. Posteriormente, se continúa el análisis de correlación entre las variables restantes sin considerar a alguna como comparada o de referencia sino a todas como independientes. Es indicado realizar las pruebas de correlación para cada departamento por separado. 6
8
Para verificar la tendencia normal se pueden utilizar histogramas de verificación de tendencia e incluso, software estadísticos especializados. El Minitab ofrece la prueba de Anderson-Darling, y el SPSS ofrece la opción de crear un gráfico de comprobación de distribución normal o Grafico P-P.
Deutsche Gesellschaft .. fur Internationale Zusammenarbeit (GIZ) GmbH
El análisis realizado en todos los departamentos encontró que tanto para Loreto como para Amazonas, la correlación entre la variable deforestación relativa8 y accesibilidad, stock de carbono, proximidad a ANP, biodiversidad y pobreza son poco significativas. En los departamentos de Madre de Dios, San Martín y en selva central, las variables bosque remanente, carbono, accesibilidad y pobreza señalan correlaciones moderadas negativas con deforestación relativa. (Cuadro 2). 7
8
Estas evidencias interpretadas funcionan para el contexto del análisis, pero no deben ser tomadas como evidencias absolutas de las correlaciones entre variables. Algunas variables fueron expresadas de manera absoluta y relativa, con la finalidad de identificar si uno u otro enfoque brindaba mejor información.
Cuadro 2. Correlación entre la variable deforestación relativa (Defor_re) y las demás variables propuestas. Región
LOR SAM AMA
Deforestación
MAD
SC
Bosque remanente
Carbono_ha
-0.251
-0.537
0.339
0.241
-0.611
-0.702
0.057
-0.348
-0.3
-0.169
0.073
-0.277
-0.311
0.093
Biodiversidad
ANP_prox
Accesibilidad
Pobreza
Cantidad de familias
-0.083
-0.314
0.079
0.088
-0.473
0.524
0.586
-0.37
-0.293
-0.279
0.145
-0.262
0.042
0.324
-0.457
-0.467
-0.195
-0.067
-0.283
0.012
0.413
MAD: Madre de Dios; LOR: Loreto; SAM: San Martin; AMA: Amazonas; SC: Selva Central. Fuente: Armas, A. y Olivera, D. (2013)
C. Análisis factorial Se realizó un análisis factorial mediante el método de componentes principales, por medio del cual se obtuvo: i) la matriz de varianza total explicada y ii) la matriz de componentes principales. El análisis realizado para cada departamento incluyó los ocho criterios. I. La matriz de varianza total explicada permite conocer cuántos componentes subyacentes pueden encontrarse en las variables evaluadas y definir cuantos grupos de variables homogéneas pueden formarse. El cuadro 3 señala que existen tres componentes subyacentes que explican el 67% del análisis (representados en color verde), mientras que haciendo uso de cuatro componentes se podría explicar casi el 80% del análisis (si se incluye la fila de color celeste).
Cuadro 4. Matriz de componentes principales Componente
Variable
1
2
3
1. Bosque remanente
-0.50
-0.45
0.31
2. Deforestación
0.82
0.03
0.17
3. Biodiversidad
0.13
0.76
-0.46
4. Cantidad de familias
0.75
-0.11
0.48
5. Carbono
-0.46
-0.16
-0.11
6. Pobreza
0.68
-0.37
-0.34
7. Proximidad a ANP
-0.16
0.56
0.71
8. Accesibilidad
-0.06
0.11
0.09
Cuadro 3. Matriz de varianza total explicada Componente
Fuente: Armas, A. y Olivera, D. (2013)
Autovalores iniciales Total
% varianza
% acumulado
1. Bosque remanente
2.20
31.5
31.5
2. Deforestación
1.27
18.1
49.6
3. Biodiversidad
1.19
17.0
66.6
4. Cantidad de familias
0.92
13.1
79.7
5. Carbono
0.67
9.6
89.3
6. Pobreza
0.41
5.9
95.2
7. Proximidad a ANP
0.34
3.5
97.9
8. Accesibilidad
0.22
1.2
100.0
Fuente: Armas, A. y Olivera, D. (2013)
II. La matriz de componentes principales permite observar qué variable(s) subyace(n) en un mismo componente, que a su vez permite conocer qué variables podrían tomarse en cuenta y cuales no (contribución marginal) en caso se quiera reducir su número. El cuadro 4 muestra las variables agrupadas de acuerdo a los componentes donde subyacen. Un mayor valor indica una mejor representación dentro del componente.
De esta manera, las variables 2, 4 y 6 son representativas sólo en el primer componente, pudiendo las restantes ser descartadas. En cuanto al componente 2, las únicas variables con significancia son la 3 y 7. Por último, el componente 3 muestra representativa sólo la variable 7, mientras que la 8 no tiene significancia alguna en ningún componente. Tras observar el cuadro en su conjunto, se puede afirmar que el análisis de componentes principales las variables 1, 5 y 8 se encuentran representadas y no tienen mayor significancia en el análisis. El análisis de componentes principales, por departamento, señala que las variables 1, 5 y 8 (bosque remanente, accesibilidad y stock de carbono) responden a factores subyacentes primarios similares y no tienen mayor significancia. Esto sugiere que tienen un aporte por igual al análisis y su descarte no mermaría su contribución al proceso de focalización9. 9
La interpretación de los resultados del análisis señala que: a mayor tiempo para llegar a una comunidad (menos accesibilidad) habrá también una mayor cantidad de área de bosque remanente, lo que a su vez explica que probablemente existan zonas con más carbono.
Deutsche Gesellschaft .. fur Internationale Zusammenarbeit (GIZ) GmbH
9
d. índice de prioriZaciÓn Una vez que se cuenta con el set de variables definido para la focalización, como siguiente paso, los distritos fueron ordenados para cada variable según un ranking de prioridades. Este ranking de prioridades se elaboró mediante la herramienta Rango Percentil de Microsoft Excel, el cual tiene un rango de 0 a 1. El grupo de comunidades a priorizar (A,B,C,…) con los valores correspondientes a cada variable se analizan y ordenan de acuerdo a su prioridad relativa (Gráfico 5). Gráfi co 5. Elaboración del ranking de comunidades nativas comunidad
Variable
A
10
B
15
C
20
Función Rango Percentil
comunidad
Variable
ranking
A
10
0
B
15
0.5
C
20
1
Fuente: Armas, A. y Olivera, D. (2013)
El diagrama muestra un ejemplo con tres comunidades con sus respectivos valores según la variable. Posteriormente, se utilizó un SIG y un software que procese y permita el análisis de bases de datos. Durante el proceso se utilizó ArcGIS y Microsoft Excel. De este modo, se generaron tablas de datos que posteriormente dieron lugar a una matriz con todas las variables por departamento. Cada una de ellas se incorporó a un mapa de comunidades nativas donde se observa la distribución de los valores y cómo estos varían de acuerdo al tipo y la influencia de las variables, principalmente. Por último, la utilización de colores a manera de escala, permite observar en el mapa donde se ubican las comunidades con un mayor índice final (mayor prioridad). El siguiente gráfico representa esquemáticamente los diferentes valores dentro de cada distrito y la manera como, de acuerdo a estos valores, se podrían distribuir. Esta asignación espacial de valores posee una escala que va desde el color rojo, cuando un índice es más alto hasta el color
10
Deutsche Gesellschaft .. fur Internationale Zusammenarbeit (GIZ) GmbH
verde cuando el índice desciende; dónde: S es el Subíndice y K es una constante que determina la ponderación que tiene cada subíndice para el cálculo final. Gráfi co 6. Esquema de asignación espacial de valores. Arriba: Cálculo por promedio simple. Abajo: Cálculo por promedio ponderado.
0.78 0.81 0.22
0.66 0.65 0.89
0.717 0.733 0.553
0.80 0.28 0.79
0.71 0.83 0.70
0.756 0.554 0.749
0.24 0.94 0.06
0.85 0.73 0.86
0.545 0.834 0.461
S1
S2
promedio
0.78 0.81 0.22
0.66 0.65 0.89
1.105 1.14 0.662
0.80 0.28 0.79
0.71 0.83 0.70
1.157 0.695 1.145
0.24 0.94 0.06
0.85 0.73 0.86
0.663 1.304 0.49
S1*K
S2*K
promedio ponderado
(Fuente: Armas, A. y Olivera D.)
Dado que el objetivo principal del programa Bosques es la conservación evitando la deforestación en bosques comunales, se considera a este criterio en un nivel de importancia mayor. Las pruebas estadísticas de correlación realizadas indican que es válido creer que de otorgarse la misma importancia para todos los indicadores, se podría restar peso al objetivo principal. Para comprobar lo indicado por las pruebas de correlación, se elaboraron dos mapas para la provincia de Condorcanqui (Amazonas), el primero con una ponderación por igual para cada variable y el segundo con la duplicación del peso para el criterio deforestación y se pudo observar que en el segundo caso, se obtuvo una cantidad menor de comunidades en la escala más alta de priorización. Ante tales evidencias, se sugiere realizar el mismo procedimiento para elaborar el ranking por cada indicador, pero tomando a la deforestación dos veces en vez de una sola. El procedimiento de cálculo es: Cálculo del valor promedio: Promedio = (Deforestación x 2 + Bosque remanente + Carbono + accesibilidad + Proximidad a anP + Sistemas Ecológicos + Pobreza + Población) ÷ 9 La elaboración de ranking de focalización, utilizando los valores promedio entre 0 y 1 y la función Rango percentil de Microsoft Excel, se esquematiza en el siguiente gráfico.
Gráfi co 7. Elaboración del ranking final de focalización de comunidad nativas con potencial para su incorporación al Programa Bosques. Comunidad Departamento A
Indicador 1
Indicador 2
…
Indicador n
Índice Promedio aritmético o geométrico 1/*
Ordenamiento o Ranking final
Comunidad 1 Comunidad 2 Comunidad 3
Cálculo del promedio
Cálculo del ranking fi nal
Comunidad 4 … Comunidad n * 1/ Se puede robustecer o mejorar el indicador aplicando técnicas de análisis factorial de componentes.
Fuente: Armas, A. y Olivera, D. (2013)
e. Mapa de FocaliZaciÓn El resultado del ranking final de comunidades se recomienda que deba ser procesado complementariamente en un formato de datos espaciales (shapefiles) por cada departamento, para posteriormente mediante una escala de colores obtener el grado de priorización. El resultado es un mapa con una priorización más fina que permite concentrar esfuerzos y en un grupo menor de
comunidades, para de este modo, maximizar los beneficios que el programa pueda brindar y hacer más eficiente y menos costosa su intervención operativa. A continuación, se presenta el mapa de comunidades nativas focalizadas en la provincia de Condorcanqui, según el índice de priorización. n°
Ámbito operativo de campo priorizado para intervención del Programa BOSQUES.
Índices de priorización por comunidad nativa
comunidad Nati va
índice de priorización
1
Belen
1,00
2
Yutupis
0,98
3
Kashap
0,93
4
Saasa
0,92
5
Villa Gonzalo
0,91
6
Kagkas
0,91
7
Guayabal
0,91
8
Alianza Progreso
0,91
9
Yujagkim
0,87
10
Cusu Pagata
0,87
11
Napuruk
0,86
12
Kachi
0,86
13
Sua San Antonio
0,86
14
Inayuam
0,85
15
Paiza
0,85
16
Huampami
0,83
17
Fortaleza
0,82
18
Candungos
0,81
19
Wajai
0,80
20
Papayacu
0,79
21
Nueva Jerusalén
0,79
22
Aintam
0,79
23
Kuith
0,78
24
Adsacusa
0,77
25
Soledad
0,76
26
Alto Pajakus
0,76
Figura 9. Mapa de comunidades nativas focalizadas en la provincia de Condorcanqui (Amazonas), según el índice de priorización.
Deutsche Gesellschaft .. fur Internationale Zusammenarbeit (GIZ) GmbH
11
IV. CONCLUSIONES Y RECOMENDACIONES La forma estadísticamente más sólida para identificar y, posteriormente, descartar a aquellos criterios que distorsionen el proceso de priorización, es la duplicación del peso del criterio deforestación o de cualquier otro que con base estadística ayude a afinar el enfoque. Las variables que ocasionan distorsión, y por ende, se convierten en candidatas a ser dejadas de lado, pueden descartarse o mantener su peso de uno para reducir su influencia. La necesidad de eliminar cualquier viso de subjetividad para definir los pesos de cada variable representa la limitante más grande del proceso. La aplicación de subsecuentes análisis estadísticos, como los llevados a cabo en el caso de estudio, es una alternativa consistente para superarla. La suficiencia de criterios es un aspecto primordial en el análisis. Se escogieron ocho de ellos, con la posibilidad de reducir a cinco criterios sin menoscabar la riqueza de información. Pese a que la focalización se basa en análisis estadísticos sólidos y objetivos a fin de concentrar
esfuerzos y efectivizar las intervenciones, en la práctica, proceder de manera intuitiva no representa necesariamente una inducción al error. La implicancia de la decisión de tomar en cuenta o descartar a una comunidad localizada alrededor de un grupo de ellas cuyo puntaje de priorización en el ranking es alto, corresponderá exclusivamente al objetivo de evitar la distorsión del proceso. Para lograr el objetivo de contar con una herramienta de análisis sólida para afinar los criterios y procedimientos de la focalización de comunidades del programa Bosques, es necesario que al momento de la toma de decisiones se realice una evaluación en base a la experiencia del equipo técnico y las características propias de la zona. Se recomienda modelar un indicador de la probabilidad de éxito en el proceso de focalización del programa y de la intervención del programa en su conjunto. De poder traducir este indicador en una variable, este tendría un peso igual o mayor que la variable principal y podría ser tomado en cuenta de modo similar a un análisis de costo de oportunidad y a manera de “seguridad de la inversión’’.
V. BIBLIOGRAFÍA armas, a. y olivera d. (2013). Manual metodológico para la focalización de comunidades a participar en el Programa Nacional de Conservación de Bosques. CBC/GIZ. Lima Baccini, A. Goetz, J. Walker, S. Laporte, N. Sun, M. Sulla – Menashe, d. Hackler, J. Beck, p. s. dubayah, r. Friedl, M.a. samanta, s. y Houghton r. a. (2012). Estimated carbon dioxide emissions from tropical deforestation improved by carbon-density maps. Nature Climate Change. (2):182-185 Gil, J. rodríguez, G. y García, e. (1995) Estadística Básica Aplicada a las Ciencias de la Educación. Sevilla: Kronos Hill, t. y lewicki, p. (2007) Statistics: Methods and Applications, a Comprehensive Reference for Science, Industry, and Data Mining. Tulsa, StatSoft.
12
Deutsche Gesellschaft .. fur Internationale Zusammenarbeit (GIZ) GmbH
Ministerio del ambiente (2010) Manual de Operaciones. Programa Nacional de Conservación de Bosques para la Mitigación del Cambio Climático. Ministerio del ambiente (2011) Manual de Procedimientos para la Implementación del Esquema de Transferencias Directas Condicionadas del Programa Nacional de Conservación de Bosques para la Mitigación del Cambio Climático. 34 pp. rodríguez, M. J. Mora, r. (2001) Análisis de regresión múltiple. En: Estadística Informática: casos y ejemplos con el SPSS. Universidad de Alicante (Ed) pp. 109-123 Wintle, B. a. (2008) A review of biodiversity investment prioritization tools. En: A report to the Biodiversity Expert Working Group toward the development of the Investment Framework for Environmental Resources. Victoria.
Telef. (51-1) 422-4218 Correo :
[email protected] Dirección: Av. Dos de Mayo 1545, oficina 502 D - San Isidro Lima-Perú
