Forma Urbana y Emisiones de CO2 de la movilidad en la Zona Metropolitana del Valle de México (ZMVM) Versión Preliminar

Junio, 2015

Vania Sánchez Trujillo Universitàt Autònoma de Barcelona Programa de Doctorado en Economía Aplicada

Director: Ivan Muñiz Universitàt Autònoma de Barcelona

JEL CODE: Q54, R40, R12, R54 KEYWORDS: Gases con Efecto Invernadero (GEI), Forma Urbana, Policentrismo, Movilidad Intraurbana

3

1.

Introducción

La batalla contra el cambio climático se ganará o perderá en las ciudades pues albergan en la actualidad a más de la mitad de la población del planeta. Como lugares de producción, las ciudades son responsables de entre 30% y 40% de las emisiones mundiales de CO2. Como lugares de consumo, el porcentaje podría llegar al 70% (Satterthwaite, 2008); (Walraven, 2009); (Dodman, 2009); (UN-Habitat, 2011).1 Una parte relevante de las emisiones de Gases con Efecto Invernadero (GEI) se deben al uso de los automóviles como modo de transporte. Como (Newman & Kenworthy, 1989) destacaron, las ciudades Latinoamericanas (siguiendo el modelo estadounidense) adecuaron su forma a las necesidades del transporte motorizado, sobre todo el automóvil, y en cierta medida del autobús. Algunos autores han señalado que los cambios ocurridos más recientemente en la localización de la población y la actividad económica, también han sido determinantes en el incremento de la motorización de estas ciudades, sobre todo en aquellas en las que la descentralización del empleo no ha ido acompañada de políticas de desarrollo del transporte público (Romero-Lankao, 2007). El elevado grado de motorización de las ciudades en vías de desarrollo conlleva consecuencias ambientakes a escala global pues, si se cumplen las predicciones de (Wright & Fulton, 2005), hacia 2030 el volumen de coches en las ciudad de estos países superará el correspondiente para las ciudad de los países desarrollados. Existe un amplio acuerdo sobre el hecho de que la forma y estructura espacial de las ciudades influye en las pautas de movilidad. De un lado el costo de oportunidad entre el consumo de suelo y la accesibilidad; y de otro, el costo relativo entre los medios de transporte, influyen tanto en las decisiones de movilidad como en la elección del lugar de residencia. En este sentido, la planeación urbana puede ser un medio de combate de las emisiones de GEI es más que pertinente. En esta investigación tratamos de responder una cuestión fundamental: ¿cuál es el efecto de la forma urbana en las emisiones directas de GEI debidas a la pauta de movilidad en la Zona Metropolitana del Valle de México? Durante el último medio siglo, la Ciudad de México ha experimentado un rápido proceso de crecimiento: la población se duplicó entre 1970 y 2005, mientras que la superficie urbana pasó de alrededor de 683 km2 a 2,000 km2, en 2005. Durante este mismo período, la flota vehicular creció notablemente (entre 1984 y 2004 se había poco menos que duplicado (Guerra, 2014)). De acuerdo con nuestras estimaciones, la movilidad de lunes a viernes de la población de la ZMVM genera 3.1 millones de CO 2. En términos per cápita las emisiones son 162 kg de CO2e, de los cuales, 124 kg se deben a la movilidad obligada y 43 kg (alrededor de 25%) tienen que ver con la movilidad cotidiana. Aunque los resultados del análisis de regresión son preliminares, podemos avanzar que: primero, los entornos densos y diversos son más aptos para una movilidad con menos emisiones per cápita; segundo, que las localizaciones más céntricas implican también menores emisiones de GEI per cápita; y tercero, la proximidad a los subcentros de empleo no reduce de forma significativa el nivel de emisiones per cápita. La estructura del documento es la estándar. En la Sección 2 presentamos la discusión académica del efecto de la forma urbana sobre las emisiones de CO2 y la evidencia empírica que existe. En la Sección 3 se presentan el área de estudio y los datos sobre los que se hace la discusión empírica del artículo. En la Sección 4 se desarrolla la estrategia empírica y la Sección 5 reporta tanto los resultados del ejercicio empírico como su discusión. Finalmente hacemos las consideraciones preliminares sobre el avance del ejercicio empírico y las cuestiones pendientes. 1

Como lugares de producción, en las ciudades se producen bienes y servicios utilizando energía y, por tanto, emitiendo CO2. Como lugares de consumo, la movilidad y la energía utilizada en la vivienda suponen una buena parte de las emisiones directas de CO2, a las que debería sumarse el CO2 incorporado en las instalaciones, edificios, carreteras y bienes de consumo (huella de carbono). Los valores se expresan en márgenes porque el porcentaje final depende del tamaño de población mínimo para que un asentamiento sea considerado ciudad, así como de la escala territorial utilizada (municipio, área metropolitana, región metropolitana).

4

2. 2.1.

Emisiones de CO2 equivalentes, Movilidad y Forma Urbana en la Literatura Emisiones de CO2 equivalentes y Forma Urbana

Recientemente diferentes estudios han proporcionado inventarios de ciudades y emisiones de CO2 (Dodman, 2009) (Kennedy, y otros, 2009) (Sovacool & Brown, 2009) (McKinsey and Company, 2008)2. A pesar de la imposibilidad de extraer conclusiones a partir de estudios cuyos datos tienen origen tan dispar, muestran con claridad que las ciudades densas (europeas o asiáticas) emiten menos CO2 a la atmósfera en términos per cápita que las ciudades poco densas (estadounidenses, canadienses o australianas) (Markham, 2009). La mayor parte de la literatura empírica ha estudiado la relación entre emisiones de CO2 y forma urbana se ha centrado en estudiar las emisiones asociadas al consume de energía en movilidad vivienda, pues son los consumos cuyas emisiones están íntimamente relacionada con la forma y estructura espacial de las ciudades.3 La emisiones de CO2 asociadas a la movilidad y a la vivienda pueden representar hasta un 30% de las emisiones totales directas de una ciudad, un porcentaje que se incrementaría hasta un 40% cuando también se contabilizan las emisiones indirectas (Rees & Wackernagel, 2008); (Bertaud, Lefevre, & Yuen, 2009) (Brown, Southworth, & Sarzynski, 2008) (UN-Habitat, 2011). Autores como (Guerra, 2014) y (RomeroLankao, 2007) sostienen que en países en vías de desarrollo este porcentaje es incluso mayor. En el caso de la movilidad, las ventajas de la densidad y la centralidad vendrían de la mano de un elevado uso del transporte público, distancias cortas y un elevado porcentaje de desplazamientos a pie (Newman & Kenworthy, 1989) (Holtzclaw, Using residential patterns and transit to decrease auto dependence and costs, 1994) (Holtzclaw, Clear, Dittmar, Goldstein, & Haas, 2002) (Ewing & Cervero, Travel and the built environment: a synthesis, 2001) (Bürer, Goldstein, & Holtzclaw, 2004) (Leck, 2006) (Litman, 2010). En el caso de la vivienda, las viviendas unifamiliares típicas de los barrios suburbanos poco densos necesitan más energía para calentarse y refrigerarse que los apartamentos –con mayor presencia en los barrios densos y céntricos- debido a su mayor tamaño y al hecho de no compartir muros con otras viviendas (Ewing & Anderson, 2008) (Ewing & Rong, 2008) (Mehaffy, Cowan, & Urge-Vorsatz, 2009) (UN-Habitat, 2011). Por otro lado, las ventajas de una elevada densidad en términos de emisiones de CO2 no se limitarían al ahorro de energía utilizada de forma directa en vivienda y transporte, sino que permitiría además a) reducir la infraestructura necesaria por persona (Dong, 2006); b) facilitar la cogeneración (Allen et al, 2004); c) disminuir el consumo de suelo permitiendo que el espacio no ocupado pueda destinarse a secuestrar CO2 (Knapp, Song, Ewing, & Clifton, 2005); y d) limitar las pérdidas en las líneas eléctricas que se dan en la transmisión y distribución de energía (Brown, Southworth, & Sarzynski, 2008) (Mollay, 2010) (UN-Habitat, 2011). El objetivo de esta sección es contrastar hasta qué punto los estudios que han examinado la relación entre forma urbano y emisiones de CO2 llegan a resultados similares a los obtenidos en aquellos trabajos, muy superiores en número, que no han utilizado como indicado de impacto ambiental las emisiones de CO2 sino otras variables como el consumo de gasolina, los kilómetros recorridos en coche o el consumo de electricidad y gas en las viviendas. Aunque son numerosos los autores que dan por sentado que los resultados deberían 2

Estos trabajos muestran que existen diferencias muy notables –menos de 3 toneladas de CO2 per cápita las ciudades con menores emisiones y más de 30 ton de CO2 per cápita en las ciudades con mayores emisiones-. El problema es que los datos provienen de estudios sobre ciudades específicas que utilizan supuestos metodológicos diferentes. En algunos casos el dato se calculó a partir de un enfoque de producción, mientras que en otros se utiliza un enfoque de consumo; en algunos se contabilizan sólo las emisiones directas y en otros tanto las directas; en algunos, el dato se calculó con información sobre el municipio central, mientras que en otros se utiliza una escala metropolitana superior a la del municipio (Kennedy et al., 2009; Norman et al., 2006; Parshall et al., 2009). 3 Por ejemplo, la densidad puede afectar las emisiones de CO2 en el transporte, pero difícilmente el hecho de vivir en un barrio denso o en uno poco denso tendrá incidencia alguna sobre las emisiones asociadas al consumo de bienes o alimentos.

5

apuntar en la misma dirección, lo cierto es que, para un mismo consumo de energía final, las emisiones de CO2 pueden variar significativamente dependiendo de la fuente de energía primaria utilizada, por lo que no existe ninguna garantía al respecto. A continuación se resumen los principales resultados obtenidos en aquellos trabajos que han utilizado como indicador de impacto ambiental las emisiones directas de CO 2 o la huella de carbono (que incluye las emisiones indirectas). Los artículos (Norman, MacLean, & Kennedy, 2006), (Brown, Southworth, & Sarzynski, 2008), (Muñiz & Galindo, Urban Form and the Ecological Footprint of Commuting. The case of Barcelona., 2005), (Kennedy, y otros, 2009) y (Croci, Melandri, Molteni, & Zadorozhna, 2013) han hallado una correlación de signo negativo entre densidad y emisiones de CO2 per cápita; y (Van de Weghe & Kennedy, 2007), (Andrews, 2008), (Muñiz, Calatayud, & Dobaño, 2013) y (Ma, Heppenstall, Harland, & Mitchell, 2014) muestran una correlación de signo positivo entre distancia al centro de la ciudad y emisiones de CO2 per cápita. Aunque la densidad y la distancia al centro de las ciudades han sido las dos variables de forma urbana más utilizadas, no son las únicas. Por ejemplo, (Eaton, Hammond, & Laurie, 2007), (Parshall, Hammer, & Gurney, 2009) y (Ma, Heppenstall, Harland, & Mitchell, 2014) comparan las emisiones de CO2 per cápita en función de si se trata de un asentamiento urbano, suburbano o rural. (Eaton, Hammond, & Laurie, 2007) no hallaron diferencias significativas, mientras que (Parshall, Hammer, & Gurney, 2009) y (Ma, Heppenstall, Harland, & Mitchell, 2014) obtuvieron como resultado que en los barrios suburbanos las emisiones son significativamente superiores que en los barrios céntricos o en la periferia rural. Por último, los trabajos que han estudiado el impacto de la estructura espacial (monocéntrica/policéntrica) sobre las emisiones de CO2 presentan resultados dispares. Mientras que (Glaeser & M.E., 2010) hallan evidencia favorable al monocentrismo como la estructura espacial que genera menos emisiones, (Veneri, 2010) obtienen en cambio ventajas asociadas al policentrismo. Si bien los trabajos anteriormente citados detectan beneficios ambientales asociados a la densidad y a la centralidad, presentan en su mayoría seis debilidades que aconsejan ser cautos a la hora de valorar cuál es el impacto real de la forma urbana sobre las emisiones de CO2. En primer lugar, algunos estudios sólo muestran correlaciones simples sin controlar el efecto de otras variables socioeconómicas y geográficas que pueden afectar el nivel de emisiones, mientras que otros se limitan a comprar las emisiones estimadas en varios asentamientos (Norman, MacLean, & Kennedy, 2006), (Brown, Southworth, & Sarzynski, 2008), (Ma, Heppenstall, Harland, & Mitchell, 2014), (Andrews, 2008), (Eaton, Hammond, & Laurie, 2007). Aunque se trata de estudios interesantes que aportan novedades metodológicas relacionadas con la estimación de las emisiones de CO2, no permitiría extraer conclusiones claras sobre el impacto real de la forma urbana sobre el nivel de emisiones. En segundo lugar, pocos trabajos han controlados la endogeneidad asociada a un posible problema de doble causalidad4. Si la población escoge su lugar de residencia teniendo en cuenta el tipo de movilidad que comporta, el impacto positivo de la densidad podría deberse a un fenómeno de autoselección que debería controlarse mediante técnicas adecuadas (Cao, Mokhtarian, & Handy, 2009). En tercer lugar, pocos estudios incorporan en su análisis el impacto de la forma urbana sobre la movilidad de fin de semana y vacaciones, así como el sobre la posesión y uso de una segunda residencia. Al sumar a las emisiones de CO2 asociadas a la movilidad y al consumo de energía en la vivienda durante los días laborables, las emisiones asociadas al consumo de energía en movilidad y vivienda durante los fines de semana y el período vacacional, el efecto neto de las variables de forma urbana puede ser sensiblemente menor o podría incluso cambiar de signo5. En cuarto lugar, la relación entre forma urbana y emisiones de CO 2 podría no ser lineal sino presentar una forma cuadrática negativa debido a la existencia de comportamientos compensatorios en el centro y a que 4

Tan sólo (Hoyer & Holden, 2003) y en (Muñiz, Calatayud, & Dobaño, 2013) se ha controlado si la elección de determinado lugar de residencia está relacionada con el modelo de movilidad que lleva aparejado. 5 Por ejemplo (Hoyer & Holden, 2003)encontraron un impacto neto de la densidad de signo positivo (más densidad, más huella de carbono per cápita) en la ciudad noruega de Oslo; (Muñiz & Galindo, 2005) hallaron evidencia de comportamientos compensatorios en un sentido débil en Barcelona.

6

en las zonas más periféricas de la ciudad los usos suburbanos se entremezclan con zonas rurales (con menor impacto) (Andrews, 2008), (Parshall, Hammer, & Gurney, 2009), (Muñiz, Calatayud, & Dobaño, 2013). En quinto lugar, los partidarios del enfoque de la ciudad autosuficiente plantean la relación entre densidad y emisiones de CO” de forma más compleja ya que tienen en cuenta los impactos globales, pero también los locales. Así por ejemplo, la densidad reduce las emisiones de CO 2 per cápita, pero también la capacidad de secuestrar CO2. Además limita la explotación de fuentes de energía renovables como la energía solar o la geotérmica (Mollay, 2010). Por último, la mayor parte de la literatura empírica trata sobre ciudades europeas y estadounidenses. Existen pocos trabajos sobre ciudades en países en vías de desarrollo (Ma, Heppenstall, Harland, & Mitchell, 2014). Este olvido resulta especialmente sorprendente en el caso de las ciudades latinoamericanas, pues se trata de un continente con una tasa de urbanización que supera el 70% y que a su vez cuenta con algunas de las mayores ciudades del planeta. 3.

La Zona Metropolitana del Valle de México y los Datos

El Valle de México se localiza al sur de la Cuenca de México en la meseta central de México a una altitud de 2,240 metros sobre el nivel del mar. La Zona Metropolitana del Valle de México (ZMVM) es la metrópolis más grande del país. De acuerdo con la definición oficial de 2005, la ZMVM abarcaba los 16 municipios de la Ciudad de México, y 56 municipios conurbados a ésta. La ZMVM es resultado de un proceso primero de una rápida urbanización ocurrida entre 1960 y 1980 (Ward, 1998) y complementada por la suburbanización de la población y de descentralización del empleo en los años más recientes (Guerra, 2014), (Ward, 1998). Con base en el proceso de urbanización, (Suárez-Lastra & Delgado-Campos, 2007) propusieron la clasificación en coronas de la ZMVM que se presenta en la Figura 1. Utilizando dicha clasificación, se discuten las pautas espaciales de la localización de la población, el empleo y la movilidad. Y se presenta además el cálculo de las emisiones de CO2e. Figura 1. Localización y Clasificación en coronas de la Zona Metropolitana del Valle de México, 2007

7

3.1.

Distribución espacial del empleo y la población

En la Figura 2 se muestran las distribuciones de la población en 2005 (panel A) y del empleo en 2004 (panel B) a nivel census tract. En el panel B se evidencia la presencia de centros de empleo más allá del centro histórico de por sí extenso (prácticamente abarca el centro y la mitad de la primera corona). De otro lado, se evidencia, la importante concentración del empleo a pesar de la descentralización ocurrida en los últimos años: en 20% del área (CBD y primera corona) concentra más de la mitad del empleo (52%) y la densidad de empleo en el centro es poco menos de cinco veces la media de toda el área. En la literatura se ha reconocido el paso de una estructura urbana monocéntrica a una, cuando menos, incipientemente de carácter policéntrico. Otros autores, han destacado el hecho de que algunos ejes viales se configuran como verdaderos corredores de empleo y que configurarían un estructura radial. La Figura 2 también revela esta pauta de localización. Tabla 1. Distribución de la población y el empleo por coronas Población (2005)1/

Empleo (2004)2/

Población (2007)3/

Empleo (2007)3/

4a. Corona

9% 28% 30% 28% 5%

34% 27% 23% 13% 3%

9% 27% 29% 29% 6%

24% 28% 24% 19% 5%

Total

100%

100%

100%

100%

CORONAS CBD 1a. Corona 2a. Corona 3a. Corona

Área

Densidad de Población 3/

Densidad de Empleo3/

JobRatio3/

5%

121.66

135.16

1.11

14%

137.35

57.78

0.42

18%

111.01

36.85

0.33

26%

75.93

20.72

0.27

36%

36.30

10.79

0.30

100%

92.31

37.42

0.41

1/

Cálculos con base en el Conteo de Población y Vivienda de 2005 (nivel espacial de representación: ageb). 2/ Cálculos con base en el Censo Económico de 2004 (nivel espacial de representación: ageb; no cuenta el empleo del sector público, ni el del transporte). 3/ Cálculos con base en la EOD de 2007 (nivel espacial de representación: ageb; el empleo se estimo con base en el reporte del destino de los viajes de trabajo).

La población por su parte presenta una distribución más homogénea 6 de un lado porque es en la primera corona De acuerdo con Connolly (2003) a lo largo de los años, la densidad de población se ha mantenido constante en los hasta 500 años de existencia de este centro urbano (alrededor de 120 habitantes por hectárea). El crecimiento de la mancha urbana más allá de los límites administrativos de la Ciudad de México se vio espoleado por la prohibición de desarrollar nuevos asentamientos urbanos en 1940. En 1970, 11 municipalidades del vecino Estado de México, al Norte de la Ciudad de México, estaban al menos parcialmente, si no es que completamente, incorporados a la Ciudad de México. En el panel A de la Figura 2 se muestra cómo hay áreas con densidades parecidas a las del CBD hasta la tercera corona. El mapa de densidades de población está muy relacionado con la geografía física del área en la que planea constantemente el riesgo de inundaciones y sismos por el origen lacustre de los suelos. Tanto la estructura como la forma urbanas constituyen una estilización de la distribución espacial de la población y el empleo. A través de ellas se intenta capturar la accesibilidad de las distintas localizaciones del área al empleo que, de acuerdo con los modelos teóricos determina la pauta de movilidad (distribución entre los modos de transporte y distancias de recorrido).

6

(Connolly, 2009) sostiene que la densidad de población se ha mantenido constante durante los últimos 500 años, en una media de alrededor de 120 habitantes por hectárea.

8

Figura 2. Distribución de la Población (Conteo de Población, 2005) y del Empleo (Censo Económico, 2004) a nivel ageb.

Las variables de forma urbana empleadas en el ejercicio empírico son: i.

Densidad de población a nivel census tract: se calculó el número de habitantes por hectárea a nivel census tract usando los datos del Conteo de Población de 2005 (INEGI, 2005).

ii.

Job-Ratio a nivel distrito: dado que el Censo Económico subestima el nivel de empleo localizado en cada census tract al no considerar el empleo de la administración pública, ni el del sector de transporte, no pudimos construir un Job-Ratio a nivel census tract fiable. En cambio, con base en la EOD 2007 identificamos la cantidad de empleo localizado en cada distrito considerando el lugar de destino de los viajes de commuting reportados y luego un Job-Ratio fiable. La variable Job-Ratio captura en cierta medida la diversidad de usos del suelo en un área determinada.

iii.

Potencial de empleo a nivel census tract: con base en el censo económico calculamos el ିଵ potencial de empleo estándar (ܲ‫ܧ‬௝ ൌ σூ௜ୀଵ ‫ܧ‬௜ ݀௜௝ donde ‫ܧ‬௜ es el empleo localizado en la zona i y

݀௜௝ la distancia entre el área i y el área j). De esta forma el Potencial de empleo es una buena medida de la proximidad entre la población y el empleo, por tanto, de la accesibilidad.

9

Figura 3. Estructura Urbana: centros de empleo identificados con base en los datos de empleo a nivel AGEB de Censo Económico, 2004 y ejes viales de la ZMVM

La estructura urbana de una ciudad se refiere al conjunto de centros de empleo que pautan el uso del suelo a través el tradeoff que aparece entre el precio del suelo y el costo del transporte a dichos espacios. Aplicando el método de dos umbrales7: (1) áreas con una densidad de empleo mayor que la media y (2) áreas contiguas que satisfacen el primer umbral y que concentran más del 1% del empleo total (Muñiz y García-López, 2008), identificamos los centros de empleo existente en 2004. Los resultados de la identificación fueron siete subcentros de empleo, todos ellos localizados entre la primera y segunda corona. Los resultados se presentan en la Figura 3 . Con base en esta estructura, las variables asociadas son las distancias a los elementos que la conforman, a saber: iv.

La distancia al centro histórico de la ciudad

v.

La distancia a los subcentro de empleo

vi.

Distancia a la red de ejes viales

3.2.

Pauta de Movilidad de la ZMVM: contención, uso de automóvil y distancias recorridas

En el año 2007 en un día laborable se realizaban más de 21 millones de desplazamientos. A pesar de este ingente volumen, la movilidad per cápita es reducida si se compara con los valores obtenido en ciudades de EEUU y de Europa: apenas 1.1 desplazamientos por habitante; y a nivel metropolitano, sólo 47% de la población lleva a cabo un desplazamiento mediante transporte motorizado.8

7 8

(Bertaud, Lefevre, & Yuen, 2009) reporta para el Área Metropolitana de New York un porcentaje del 64%.

10

Las emisiones de CO2 asociadas a la movilidad durante los días laborable dependen de tres factores: en primer lugar, del hecho de vivir y trabajar en lugares distantes dado lugar a desplazamientos exteriores; en segundo lugar, del modos de transporte utilizado; y en tercer lugar, de la distancia recorrido. En la ZMVM los individuos tienen una menor probabilidad de llevar a cabo desplazamientos exteriores a medida que aumenta la distancia al centro de la ciudad. Por otro lado, el uso del coche desciendo al aumentar la distancia al centro y las distancias recorridas tienden a ser más largas (Tabla 2) Tabla 2. Distribución de la población, de los trabajadores y los viajeros en la ZMVM

CBD 1a. Corona 2a. Corona 3a. Corona 4a. Corona Total

Población

Trabajadores

Viajeros

1,686,153 8.80% 5,208,686 27.10% 5,611,280 29.20% 5,495,210 28.60% 1,215,649 6.30% 19,216,978 100%

797,840 10.20% 2,191,433 28.10% 2,245,257 28.80% 2,110,496 27.10% 442,398 5.70% 7,787,424 100%

875,099 9.71% 2,619,383 29.06% 2,627,906 29.15% 2,387,210 26.48% 505,236 5.60% 9,014,834 100%

Viajeros Movilidad Obligada Movilidad Cotidiana 653,116 279,378 9.66% 11.32% 1,968,510 722,521 29.11% 29.28% 1,989,561 694,531 29.42% 28.14% 1,793,901 627,312 26.52% 25.42% 357,989 144,298 5.29% 5.85% 6,763,077 2,468,040 100% 100%

El aspecto más distintivo de la pauta de movilidad en la ZMVM en cuanto a modos de transporte es la importancia de los modos e transporte público de baja y media capacidad. Alrededor del 50% de las jornadas requieren en algún momento el uso del minibús (Tabla 3). Los medios de gran capacidad, el metro y los autobuses, sólo se utilizan en el 7.5% de los desplazamientos. Por lo que toca al uso del automóvil, 28% de los traslados se realizan por este medio. Atendiendo a la pauta espacial: el uso del coche disminuye a medida que aumenta la distancia al CBD, mientras que el uso de minibuses aumenta considerablemente en las zonas más periféricas. La red del metro abarca apenas el CBD, la primera corona y muy marginalmente la segunda corona; de ahí que su participación pase de 12% en el CBD a 1.84% en la tercera corona. De acuerdo con la literatura, los pesos de los distintos modos de transporte son resultado de, por un lado, los procesos de descentralización de la actividad económica y de suburbanización de la población (estos procesos habrían modificado la demanda que reclamaba conexiones entre nuevos y más distantes puntos de la ciudad) y por otro, el del incremento del uso de los buses de baja capacidad: los cambios del lado de la oferta fueron espoleados por la caída de la inversión en infraestructura del transporte público de alta capacidad como el metro y los autobuses y por la privatización de las empresas de transporte suburbano y la apertura de este sector a la libre competencia en un marco regulatorio muy pobre (Guerra, 2014), (Romero-Lankao, 2007). En la medida en que los minibuses tienen mayor flexibilidad para responder a la demanda en condiciones de baja inversión en infraestructura y localizaciones más distantes, eso explicaría su peso en la distribución modal de la movilidad. Hay algunas diferencias en la distribución modal según el motivo de la movilidad. El uso del automóvil es más común en el caso de la movilidad cotidiana (más de 40% del total si añadimos los viajes realizados en taxi que dobla su participación en comparación con la de la movilidad obligada). Mientras que los desplazamientos que implican la combinación de medios de transporte es más común en la movilidad obligada, prácticamente el doble.

11

Tabla 3. Distribución del modo de transporte según motivo de la movilidad y corona (%)

Toda el área Automóvil Autobús Metro Minibús Taxi Motocicleta Metro and Autobús Autobús y Minibús Metro and Minibús Taxi y otro Otro

28.45 4.35 3.17 32.97 6.08 2.38 2.97 4.17 11.77 1.45 2.24

Toda la Movilidad Coronas CBD 1a 2a 35.73 28.63 28.88 3.15 3.52 3.37 12.78 3.71 1.84 18.71 32.36 34.9 9.27 6.64 5.97 0.98 1.38 1.79 2.1 1.9 2.36 1.52 3.54 3.66 10.82 14.78 13.54 1.01 1.15 1.75 3.94 2.39 1.95

3a 25.94 6.54 0.00 35.92 4.78 2.6 5.17 6.18 8.8 1.59 1.76

4a 23.00 5.86 0.00 39.67 3.72 12.15 3.52 5.81 2.62 1.75 1.91

Movilidad Movilidad Obligada Cotidiana 27.12 4.39 3.17 32.4 4.73 2.39 3.27 4.95 13.27 1.51 2.79

37.67 3.72 3.44 31.01 8.43 2.40 1.78 2.48 6.80 1.21 1.06

Finalmente, la pauta espacial de la distancia promedio de los viajes se muestra en la Tabla 4. La distancia promedio de los viajes realizados crece a medida que nos alejamos del centro hasta la tercera corona. Las de la cuarta, son similares a las de la segunda corona. La distancia de la movilidad cotidiana es menor que la de la movilidad obligada que indicaría que la disponibilidad de servicios en el área inmediata del lugar de residencia de los individuos es determinante afecta el volumen de estas emisiones, pues se procura satisfacer las necesidades, en el espacio más próximo al lugar de residencia. En la Figura 4 se muestra la distribución de las distancias recorridas según modo de transporte. El primer resultado destacable es que la población que se mueve por medio del automóvil hace en promedio distancias más cortas, mientras que las distancias de los desplazamientos que se hacen en autobuses de baja capacidad (minibuses) presentan distancias promedio mayores que las de cualquier otro medio. Aunque la distancia recorrida de los desplazamientos que requieren la combinación de diversos modos es la mayor. A modo de síntesis, podemos decir que la población residente de las coronas más céntricas, aquéllas con más accesibilidad al empleo, tienen mayor probabilidad de hacer desplazamientos exteriores, utilizan más el coche que en las zonas periférica; pero, al mismo tiempo, la distancia recorrida es menor. Esta combinación hace impredecible el impacto de la distancia al centro sobre las emisiones de CO2 en términos per cápita. Tabla 4. Distancia Promedio de los viajes según motivo y corona en kilómetros

CBD 1a. Corona 2a. Corona 3a. Corona 4a. Corona Total

Toda la Movilidad 5.44 6.92 8.43 10.96 10.49 8.43

Movilidad Obligada 5.96 7.60 9.24 11.94 11.29 9.22

Movilidad Cotidiana 4.12 5.20 6.21 7.76 8.08 6.07

12

Figura 4. Distancia Recorrida por modo de transporte según la EOD, 2007.

3.3.

Cálculo de las emisiones de CO2 equivalentes

El CO2 equivalente es una unidad de medida que permite agregar las emisiones de los GEI. En este ejercicio se cuentan las emisiones directas, dejando fuera las emisiones asociadas a la fabricación de los vehículos y a la construcción de la infraestructura de transporte. En la base de datos de la EOD 2007 se reporta la distancia recorrida y el modo de transporte empleado, lo cual permite distinguir las emisiones individuales de los viajes de movilidad obligada y los de la movilidad cotidiana. La ecuación usada para el cálculo anual de las emisiones equivalentes de CO2 hechas por el viajero i es: ௃

௓

௝ୀଵ

௭ୀଵ

‫ܱܥܧ‬ଶ௜ ൌ ෍ ൭෍ ‫ܨݍܧ‬௭ ‫ݐݏ݅݀ כ‬௭௝௜ ൱ ‫ʹ כ‬͸Ͳ Donde, ‫ܱܥܧ‬ଶ௜ son las emisiones equivalentes de CO2 de los viajes hechos por el individuo ݅; ‫ܨݍܧ‬௭ es el factor de equivalencia de emisiones de CO2 del modo de transporte z por pasajero y kilómetro (gramos de C02/kmpasajero); ݀݅‫ݐݏ‬௭௝௜ es la distancia ruta del viaje ݆; 260 son los días laborables del año.

El factor de equivalencia de emisiones de CO2 (‫ܨݍܧ‬௭ ) depende de la eficiencia energética de los vehículos, del peso de las distintas fuentes energéticas y de la intensidad del uso de los vehículos. Los factores de equivalencia hacen diversos supuestos sobre elementos citados, lo que arroja variaciones entre estos. A fin de valorar la consistencia de los cálculos de emisiones de CO2 equivalentes, consideramos los factores de conversión calculados por tres distintos autores, cada uno con distintos supuestos sobre la eficiencia y fuentes energéticas de los distintos modos de transporte o el número de usuarios promedio de estos. Estos factores se presentan en la Tabla 5. Los factores de Stockenberga (2011) se basaron en los valores de la EOD 2007 de la ZMVM y una eficiencia energética de la gasolina de 6.7 km/l para automotores ligeros. Los factores de (Muñiz & Galindo, 2005) están hechos con base en los estándares para España hechos por Estevan y Sanz (1996). En (Bertaud, Lefevre, & Yuen, 2009) se considera los parámetros de eficiencia del sistema de

13

transporte de Londres (los factores de Bertaud tienen a su vez, como base los de (McKinsey and Company, 2008)). Tabla 5. Factores de equivalencia de las emisiones de CO2 por modo de transporte (g CO2/pasajero-km) Stockenberga (2011)

Muñiz y Galindo (2003)

Bertaud et al (2009)

Automóvil

162

135

230

Autobús

27

32

33

Metro

20

32

103

Minibús

58

57

36

Taxi

180

135

230

Motocicleta Metro and Autobús Autobús y Minibús

68 24 43

67 32 45

108 68 35

Metro and Minibús

39

45

70

Taxi y otro

108

88

144

gCO2/pasajero-km

En general, los factores de conversión castigan el uso del automóvil en beneficio de los otros modos. No hay grandes diferencias entre los factores de Stockenberga (2011) y los de (Muñiz & Galindo, 2005). En estos se premia especialmente el uso del autobús, incluso por encima del uso del metro como modo de transporte. Los factores de conversión de (Bertaud, Lefevre, & Yuen, 2009) son los más discordantes entre los citados. De un lado castiga el uso del automóvil como los factores de Stockenberga (2011) y (Muñiz & Galindo, 2005), pero a diferencia de estos, castiga también el uso de los minibuses. De acuerdo con los datos de la Secretaría de Medio Ambiente (SMA), el transporte participa con una tercera parte de las emisiones de gases con efecto invernadero.9 En (Romero-Lankao, López-Villafranco, RosasHuerta, Correa-Armenta, & Günther, 2005) se sostiene que esta participación ha ido disminuyendo, pero que es difícil establecer una tendencia debido a la falta de estadísticas oficiales y a que las existentes contienen diversos criterios que dificultan la comparación entre ellas. (Romero-Lankao, López-Villafranco, RosasHuerta, Correa-Armenta, & Günther, 2005), con base en los datos de la SMA en 2004, estima que el volumen de emisiones de la movilidad de las personas es del orden de 13 millones de toneladas de CO 2e, esto es dos terceras partes de las emisiones del transporte. Nuestras estimaciones se quedan muy por debajo de esta cantidad (véase Tabla 6).

9

En (McKinsey and Company, 2008) se apunta que en Londres este procentaje es del 25% y (Bertaud, Lefevre, & Yuen, 2009) reporta que para Estados Unidos la proporción es similar, mientras que para Roma es de hasta 38%).

14

Tabla 6. Volumen de emisiones de CO2 equivalente por corona y factores de conversión empleados (miles de toneladas) Toda la Movilidad1/

CBD 1a. Corona 2a. Corona 3a. Corona 4a. Corona Total

Stockenberga

MYG

287

256

421

8.7%

8.2%

838 25.4%

Movilidad Obligada

Bertaud Stockenberga

Movilidad Cotidiana

MYG

Bertaud

Stockenberga

MYG

Bertaud

220

196

322

87

76

128

7.6%

8.8%

8.3%

7.6%

9.7%

9.3%

8.8%

783

1,390

645

606

1,078

229

207

366

25.1%

25.0%

25.9%

25.5%

25.5%

25.5%

25.4%

25.2%

975

918

1,649

740

703

1,267

262

237

423

29.5%

29.4%

29.7%

29.7%

29.6%

30.0%

29.1%

29.0%

29.2%

1,010

976

1,742

756

738

1,314

263

243

435

30.6%

31.3%

31.4%

30.3%

31.1%

31.1%

29.2%

29.8%

30.0%

194

190

351

132

131

244

57

54

98

5.9%

6.1%

6.3%

5.3%

5.5%

5.8%

6.4%

6.6%

6.8%

3,303

3,122

5,553

2,493

2,375

4,226

898

818

1,450

100%

100%

100%

100%

100%

100%

100%

100%

100%

Estimaciones propias con base en la EOD 2007 y los factores de conversión de Stockenberga (20011); Muñiz y Galindo (2003) y Bertaud (2011) respectivamente. 1/ La suma puede no coincidir debido a que se asoció a cada viaje por motivos de trabajo o estudio (movilidad cotidiana) uno de vuelta a casa, al mismo tiempo que a cada traslado por otros motivos se le asoció otro de vuelta y esto no es así para todos los casos.

El volumen calculado de emisiones de CO2e de la movilidad es del orden de entre 3.1 y 5.5 millones de toneladas. En la Tabla 6 se muestra la distribución de las emisiones según el origen espacial del viajero. A pesar de las diferencias entre los factores de conversión ya mencionadas, la pauta espacial de las emisiones de CO2e no varía significativamente: la proporción de las emisiones de la movilidad obligada en el CBD y la primera corona es menor a la proporción de trabajadores concentrados en esas dos áreas, y viceversa , las emisiones de CO2e asociadas a la movilidad cotidiana es mayor que la proporción de población ahí concentrada. El cálculo sugeriría que la movilidad con origen en las dos primeras áreas concéntricas tienen un menor costo ambiental que la del resto de las áreas. Afirmación que se confirma una vez que consideramos la distribución de la población que de hecho hace desplazamientos por un medio motorizado. Como habíamos mencionado antes, los commuters están ligeramente más concentrados en las primeras coronas. Es decir, en estas áreas el costo ambiental de la movilidad per cápita es menor, a pesar de que el nivel de movilidad per cápita es mayor que en el resto. En cambio, en las coronas periféricas, a pesar de una menor movilidad así como menor uso del automóvil, el costo per capita de la movilidad es mayor. Un resultado muy similar se obtiene en (Romero-Lankao, López-Villafranco, Rosas-Huerta, Correa-Armenta, & Günther, 2005) achacando este resultado está asociado a la falta de mantenimiento y a la edad de la flota vehicular que presta servicio en las áreas más periféricas. En la Tabla 7 se muestra la distribución de las emisiones atendiendo al modo de transporte. En nuestras estimaciones, independientemente del factor de equivalencia empleado, el automóvil es el modo con mayor participación de las emisiones de CO2e con una participación que oscilaría entre el 49% y el 59%, según el factor empleado. Los cálculos del volumen de emisiones de CO 2e en algunas ciudades del mundo desarrollado hablan de un rango de entre 1,250 kg de CO 2e por persona al año, el caso de Estocolmo, hasta 2,150 kg de CO2e, el caso de Roma.

15

Tabla 7. Emisiones de CO2e por modo de transporte según modo de transporte (miles de toneladas gCO2/pasajero-km

Stockenberga (2007) Miles de Toneladas de CO2e %

Muñiz y Galindo (2003) Miles de Toneladas de CO2e %

Bertaud (2011) Miles de Toneladas de CO2e %

Automóvil

1,950.0

59.05%

1,630.0

52.13%

2,770.0

49.86%

Autobús

57.6

1.74%

68.2

2.18%

70.4

1.27%

Metro

217.0

6.57%

347.0

11.10%

1,120.0

20.16%

Minibús

81.8

2.48%

80.4

2.57%

50.8

0.91%

Taxi

227.0

6.87%

170.0

5.44%

290.0

5.22%

Motocicleta

32.0

0.97%

31.5

1.01%

50.7

0.91%

Metro and Autobús

74.1

2.24%

101.0

3.23%

214.0

3.85%

Autobús y Minibús

150.0

4.54%

156.0

4.99%

120.0

2.16%

Metro and Minibús

401.0

12.14%

452.0

14.46%

720.0

12.96%

Taxi y otro

112.0

3.39%

90.4

2.89%

150.0

2.70%

TOTAL

3,302.5

100%

3,126.5

100%

5,555.9

100%

El cálculo que hicimos es de 162-189 kg de CO2e por persona al año, una décima parte del promedio, según el factor de conversión empleado (véase la Tabla 8). Al considerar únicamente a la población que efectivamente hace un traslado mediante un transporte motorizado, el monto per cápita sólo se dobla: 346-616 kg por persona al año (véase la Tabla 8). Esto indicaría que las emisiones por viajero serían aproximadamente la mitad de las que se dan en Estocolmo.

Figura 5. Emisiones per cápita promedio según tipo de movilidad (kg de CO2e)

Sobre la pauta espacial de las emisiones per cápita, en la Figura 5 mostramos que es las coronas más periféricas presentan mayores emisiones per cápita a pesar de que el número de trayectos per cápita es menor. Esta pauta está relacionada con las distancias recorridas y la pobre oferta de modos de transporte de gran capacidad en este espacio.

16

Tabla 8. Emisiones per cápita por corona y motivo de la movilidad en la ZMVM, según factores de conversión (kilogramos) Toda la movilidad CBD 1a. Corona 2a. Corona 3a. Corona 4a. Corona ZMVM

Stockenberga 170 161 180 188 173 172

Movilidad Obligada CBD 1a. Corona 2a. Corona 3a. Corona 4a. Corona ZMVM

Bertaud

Stockenberga

249 266 305 332 298 189

328 320 384 409 461 366

191 207 234 246 192 220

336 328 384 406 451 369

75 70 78 75 93 75

313 317 386 411 439 363

Toda la Población 130 124 136 138 110 130

Movilidad Cotidiana CBD 1a. Corona 2a. Corona 3a. Corona 4a. Corona ZMVM

Muñiz y Galindo Toda la Población 151 150 169 184 167 162 116 116 129 137 107 124 45 40 44 41 52 43

Bertaud 481 530 649 723 792 616

Sólo Viajeros

Toda la Población 52 43 49 44 57 47

Muñiz y Galindo Sólo Viajeros 292 299 360 404 444 346 300 308 363 406 442 351

493 547 656 723 790 625

Sólo Viajeros 273 287 350 389 401 331

456 506 623 703 719 587

4. Estrategia Empírica El objetivo del ejercicio es identificar el efecto que tanto la estructura urbana como la forma urbana tienen sobre las emisiones individuales de Gases con Efecto Invernadero (GEI). Para agregar estos GEI, usamos la medida de volumen de CO2e. La estrategia empírica se basa en el análisis de regresión de los datos de las emisiones per cápita y las variables de forma y estructura urbanas. En (Muñiz & Galindo, 2005) se discute de un lado qué información capturan unas u otras de estas variables, así como la idoneidad de las combinaciones a fin de capturar mejor la accesibilidad al empleo. El ejercicio empírico está organizado en dos apartado. En la primera, planteamos el ejercicio utilizando los datos agregados a nivel distrito. En la segunda, empleamos la información a nivel individual pues son los individuos, no los territorios, lo que se desplazan. Para la identificación del efecto de las variables de la forma y estructura urbanas sobre las emisiones de CO 2e los retos más importantes son, primero, disminuir el sesgo asociado a la simultaneidad entre la determinación de la forma o estructura urbanas y la pauta de emisiones de CO 2e (o movilidad), problema que es más común en los datos agregados; y segundo, disminuir el sesgo asociado a la autoselección de la población pues los que prefieren el transporte público como modo de transporte tienden a vivir en áreas más densas, con usos de suelo más diversos y susceptibles de caminarse (Cervero, 2007; Chatman, 2009; Mokhtarian and Cao, 2008), éste problema es más propio de los datos desagregados a nivel individual. Por lo que toca a la estimación con datos agregados, tratamos el problema de la determinación simultánea de nuestras variables de interés mediante un estimador de variables instrumentales. En el caso de los datos individuales, usamos un estimador de Mínimos Cuadrados en Dos Etapas (MC2E) asumiendo que entre la población, aquella que no se desplaza por medios motorizados, manifiesta sus preferencias localizándose en un área que le permita realizar sus actividades sin recurrir al transporte individual motorizado.

17

5.

Resultados

Tanto los resultados del análisis empírico de la relación entre la forma o la estructura urbanas y las emisiones individuales de CO2e, así como su discusión, se presentan en esta sección. La discusión está organizada en tres partes. En el inciso 5.1. se analiza la relación entre las variables de forma o estructura urbanas y la pauta agregada de las emisiones per cápita de CO2e a nivel distrito. En el inciso 5.2. se identifica el efecto de las forma urbana sobre las emisiones individuales de CO2e de la movilidad. Finalmente en el inciso 5.3 se identifica el efecto de la estructura urbana de la ZMVM sobre las emisiones individuales de CO 2e de la movilidad. En estos últimos dos incisos se toman por un lado las emisiones de CO 2e individuales, y por otro, consideramos la idea de que la unidad de decisión relevante sea el hogar más que el individuo, entonces, la variable dependiente son las emisiones de CO2e por hogar en términos per cápita (CO2eh). Antes de analizar los resultados para las emisiones de CO2e, echamos cuenta de las correlaciones entre las decisiones de hacer desplazamientos externos, usar el automóvil y las distancias recorridas y las variables de forma urbana (densidad de población a nivel vecindario y municipal, el job-ratio y el potencial de empleo). La correlación entre las variables de forma urbana y las distancias recorridas tienen el signo esperado. Esto no ocurre con la probabilidad de usar (por tanto, tener) el automóvil: mayores densidades de población implican menos probabilidad de usar el automóvil, como supone el modelo teórico; en cambio, las áreas con mayor Job-Ratio o mayor potencial de empleo tienen asociadas mayores probabilidades de usar el automóvil. Sobre la probabilidad de efectivamente hacer desplazamientos externos, las variables de densidad de población y Job-Ratio no parecen tener ninguna asociación y sólo el potencial de empleo está correlacionado con esa probabilidad. Sobre los elementos de la estructura urbana, las distancias al CBD tiene la correlación esperada con la distancia recorrida: las localizaciones más periféricas hacen recorridos más largos. En cambio, la probabilidad de emplear un coche privado como medio de transporte no tiene la correlación esperada, pues son las localizaciones más próximas al CBD las que presentan las probabilidades más altas en este sentido. Los subcentros tienen un comportamiento muy similar: los residentes localizados más cerca de estos, hacen en promedio distancias más cortas; no obstante, la probabilidad de usar un coche privado como medio de transporte no está correlacionada con la proximidad a un subcentro. Finalmente, tanto el CBD como los subcentros están correlacionados negativamente con la probabilidad de ser un commuter. 5.1.

Pauta agregada de emisiones de CO2e y Forma o Estructura Urbanas en la ZMVM

Para identificar el efecto de la forma urbana sobre la pauta agregada de las emisiones de GEI en términos per cápita hicimos un análisis de regresión en el que la unidad de observación es el distrito (unidad espacial de la Encuesta Origen Destino 2007) y la variable dependiente es el volumen de GEI per cápita en cada una de estas áreas. Para tratar el sesgo asociado a la simultaneidad de la determinación de la forma urbana y la pauta de emisiones, empleamos un estimador de variables instrumentales y controlamos la heterogeneidad con una serie de variables de control referentes al perfil social y profesional de la población, así como a la geografía física del distrito. En la Tabla 9 se reportan los resultados de tres especificaciones con distintas combinaciones de las variables de forma urbana siguiendo la recomendación de Muñiz y Galindo (2003) de evitar combinaciones en las que se capture el mismo fenómeno más de una vez. En el panel A. se reportan las estimaciones hechas con la especificación ʹ‡‹ ൌ ˆሺ‹ǡ ‹ǡ ˜ƒ”Ǥ †‡…‘–”‘Žሻ, en el panel B la especificación empleada es ʹ‡‹ ൌ ˆሺ‹ǡ ‹ǡ ˜ƒ”Ǥ †‡…‘–”‘Žሻ y en el panel C. empleamos la especificación ‫ܱܥ‬ଶ௘ǡ௜ ൌ ˆሺ‹ǡ ˜ƒ”Ǥ †‡…‘–”‘Žሻ. En la Tabla 10 se reporta el efecto de las variables de estructura urbana.

18

Tabla 9. Efecto estimado de la forma urbana sobre la pauta agregada de las emisiones per cápita de CO2e en la ZMVM A. VD: CO2ei Den. de Población Job-Ratio R2-ajustada Observaciones Var. de Control Var. Inst. LM stat (u id) F stat KP Den. Total (empleo más población) Job-Ratio R2-ajustada Observaciones Var. de Control Var. Inst. LM stat (u id) F stat KP Potencial de Empleo 2004 R2-ajustada Observaciones Var. de Control Var. Inst. LM stat (u id) F stat KP

Toda la Movilidad

Movilidad Obligada

Movilidad Cotidiana

MCO

MCO

MC2E

MCO

MCO

MC2E

MCO

MCO

MC2E

-0.285*** (0.065) -1.497 (6.459) 0.0901 155 N

0.023 (0.072) -12.529* (6.561) 0.6868 155 Y

-0.619 (0.396) -65.702** (28.621)

-0.156*** (0.049) -0.954 (5.200) 0.0465 155 N

0.065 (0.052) -8.940* (4.564) 0.6663 155 Y

-0.185 (0.239) -42.309** (20.123)

-0.110*** (0.025) 4.864 (3.661) 0.1178 155 N

-0.032 (0.033) -5.121 (3.409) 0.5715 155 Y

-0.420** (0.198) -29.305** (13.076)

MCO

MCO

-0.235*** (0.054) 11.904 (8.101) 0.0889 155 N

-0.016 (0.054) -12.227** (5.563) 0.6762 155 Y

MCO

MCO

-0.082** (0.037) 0.0270 155 N

-0.347*** (0.046) 0.7647 155 Y

155 Y Y 9.7961 5.8136 MC2E -0.575* (0.327) -43.834 (26.718) 155 Y Y 11.0882 6.0782 MC2E -0.515*** (0.200) 155 Y Y 10.4012 11.6095

MCO

MCO

-0.132*** (0.041) 6.510 (6.128) 0.0494 155 N

0.018 (0.041) -10.564*** (4.041) 0.6587 155 Y

MCO

MCO

-0.052* (0.027) 0.0197 155 N

-0.253*** (0.034) 0.7447 155 Y

155 Y Y 9.7961 5.8136 MC2E -0.182 (0.203) -35.917* (18.821) 155 Y Y 11.0882 6.0782 MC2E -0.278* (0.152) 155 Y Y 10.4012 11.6095

MCO

MCO

-0.079*** (0.022) 9.603** (4.298) 0.0936 155 N

-0.028 (0.027) -3.521 (2.893) 0.5533 155 Y

MCO

MCO

0.004 (0.015) -0.0059 155 N

-0.116*** (0.027) 0.6142 155 Y

155 Y Y 9.7961 5.8136 MC2E -0.383** (0.166) -14.349 (12.867) 155 Y Y 11.0882 6.0782 MC2E -0.252** (0.102) 155 Y Y 10.4012 11.6095

* p