Recibido: 12 de septiembre de 2024
Evaluado: 20 de junio de 2025
Aceptado: 4 de marzo de 2026
DOI: 10.13043/DYS.103.5
Universidad del Valle,
Departamento de Economía,
Cali (Colombia).
Este artículo se propone establecer asociaciones estadísticas entre el desarrollo de la infraestructura, la presencia de cultivos como plátano, cacao y café y los cultivos de uso ilícito de hoja de coca. Para captar la influencia conjunta de la distancia y la accesibilidad de los municipios a los mercados de alimentos al por mayor, se propone utilizar un índice de lejanía y accesibilidad. La estrategia empírica se enfoca en estimar un panel dinámico que incluye estas variables como determinantes del área sembrada con coca. Los resultados evidencian asociaciones negativas estadísticamente significativas entre esta variable, el área sembrada con cultivos legales y las condiciones de acceso a los mercados. Se encuentra que un aumento en una unidad en el índice de lejanía y accesibilidad se asocia estadísticamente a corto plazo con un aumento de 0.0189 ha de coca, medidas como proporción del área municipal por cada 1000 ha.
Palabras clave: Cultivos de coca, modelos dinámicos de datos de panel, infraestructura, agricultura, política de drogas.
Clasificación JEL: C23, Q15, H54, K42.
This paper aims to establish statistical associations between infrastructure development, the presence of crops such as plantain, cocoa, and coffee, and illicit coca leaf cultivation. To capture the combined influence of distance and municipal accessibility to wholesale food markets, the use of a remoteness and accessibility index is proposed. The empirical strategy focuses on estimating a dynamic panel model that includes these variables as determinants of the area planted with coca. The results show statistically significant negative associations between this variable, the area planted with legal crops, and market access conditions. It is found that a one-unit increase in the remoteness and accessibility index is statistically associated in the short term with an increase of 0.0189 hectares of coca, measured as a proportion of municipal area per 1,000 hectares.
Keywords: Coca crops, dynamic panel data models, infrastructure, agriculture, drug policy.
JEL Classification: C23, Q15, H54, K42.
De acuerdo con el Censo Nacional Agropecuario 2014, Colombia tiene un alto potencial de desarrollo agrícola; sin embargo, se está utilizando menos del 14 % de las tierras continentales aptas para este fin (Unidad de Planificación Rural Agropecuaria [UPRA], 2023). A pesar de este potencial, existen barreras que impiden el desarrollo de las actividades agrícolas, pese a su alto impacto en el crecimiento económico, el empleo y el alivio de la pobreza en las zonas rurales (Bourguignon y Pleskovic, 2008; Pinstrup-Andersen y Shimokawa, 2006).
Una de estas barreras es el retraso en infraestructura que aísla las regiones y, además, tiene efectos directos sobre la productividad agrícola, debido a los costos de transacción inducidos por el transporte, la seguridad (Stifel y Minten, 2008), la diversificación de los cultivos y el acceso a mejores tecnologías y mercados (Satish, 2007; Shamdasani, 2021).
Estos factores son determinantes en las decisiones que los productores toman sobre la elección de sus cultivos, razón por la cual es de esperarse que, en zonas con una infraestructura deficiente, los productores tengan incentivos que los impulsen a adoptar los cultivos ilícitos por encima de las economías lícitas, las cuales bajo este escenario no son competitivas.
Como consecuencia, el país continúa siendo uno de los mayores productores de coca del mundo, pese a las diferentes estrategias de sustitución implementadas, en las que se busca que los productores de cultivos ilícitos abandonen esas prácticas y empiecen de manera voluntaria a adoptar cultivos alternativos que se encuentren en la legalidad. Estos programas de desarrollo alternativo, aunque han tenido resultados importantes en algunas regiones con el cultivo de plátano, café y cacao, se han visto enfrentados a diferentes obstáculos, como el bajo desarrollo de la infraestructura en varias de las zonas rurales del país, donde sus habitantes se enfrentan a problemas de acceso a vías, servicios públicos y riego (Ropero Beltrán, 2016). Lo anterior se traduce en baja productividad y materialización del potencial productivo de los habitantes rurales, que implica baja competitividad y un menor desarrollo rural (Cárdenas Pinzón y Vallejo Zamudio, 2016).
Más allá de sustituir cultivos ilícitos por economías legales, es fundamental conocer la relación que tiene el desarrollo rural con la presencia de estos cultivos. De esta forma, es necesario examinar empíricamente el efecto de la presencia de algunos bienes agrícolas, el desarrollo de la infraestructura (p. ej., vías terciarias y servicios públicos) y el acceso a los mercados en los municipios de Colombia sobre la presencia de cultivos de coca. El punto clave es que las decisiones de los productores no dependen solo de la viabilidad y aptitud de sus territorios para ciertos cultivos. Bajo este escenario, se espera que un mayor número de hectáreas con coca esté asociado a una menor área de cultivos legales y a un menor desarrollo de la infraestructura.
Con base en lo anterior, este trabajo analiza empíricamente cómo la dinámica de los cultivos de coca se asocia estadísticamente con la interacción entre la presencia de bienes agrícolas legales y la infraestructura en Colombia en el periodo 2007-2020. En este sentido, se propone establecer asociaciones estadísticas entre el desarrollo de la infraestructura y la presencia de cultivos, como plátano, cacao y café, con los cultivos de hoja de coca a nivel municipal, que permitan orientar hipótesis sobre posibles efectos, sin atribuir relaciones causales. Además, como objetivos específicos, se busca describir la evolución histórica de las áreas cultivadas con hoja de coca en Colombia y su relación con indicadores de infraestructura básica y acceso a mercados, en particular, la cobertura de acueducto y el índice de lejanía y accesibilidad.
Esta caracterización aporta insumos descriptivos y empíricos que contribuyen a la comprensión del contexto en el que se desarrollan los programas de desarrollo alternativo en el país. En anteriores investigaciones sobre cultivos de uso ilícito, la variable utilizada para captar el acceso a los mercados ha sido la distancia de estos (Martínez Fierro y Zuleta, 2019; Moreno Pabón, 2018). No obstante, este factor se aborda de una manera novedosa, conjugando esta variable con la densidad vial. Esta conjugación capta de forma más precisa la dificultad de acceso de los productores a los principales centros de comercialización de productos legales, ya que este depende no solo de la distancia, sino también del desarrollo de la infraestructura vial, la cual en las zonas rurales del país está representada principalmente por las vías terciarias.
Por otro lado, como se expone, la literatura ha analizado las relaciones entre infraestructura y las políticas de desarrollo alternativo sobre las dinámicas de los cultivos de coca (Davalos y Davalos, 2020, Lozano-Espitia et al., 2016; Rocha García, 2018). Entre estas políticas, se encuentran los programas de sustitución voluntaria, en los cuales diferentes alternativas a los cultivos ilícitos, como ganadería, cultivo de especies menores y siembra de cultivos legales, han sido propuestos (United Nations Office on Drugs and Crime [UNODC], 2021). A pesar de que estos programas se han venido implementando desde hace varios años, todavía hacen falta avances en los análisis que nos permitan entender de manera cuantitativa el impacto del desarrollo de las actividades agrícolas legales sobre los cultivos de coca en el país.
Así, se exploran asociaciones empíricas que permiten una interpretación razonada de la posible incidencia de cultivos agrícolas legales y de condiciones de infraestructura y acceso a mercados sobre la dinámica de los cultivos ilícitos en un periodo temporal no abordado previamente. Los hallazgos revelan asociaciones estadísticas negativas entre la extensión de los cultivos legales, las condiciones de acceso a los mercados legales y el área sembrada con cultivos ilícitos en un contexto de paneles dinámicos. Se encuentra que un aumento en una unidad en el índice de lejanía y accesibilidad propuesto se asocia estadísticamente a corto plazo con un aumento de 0.0189 ha de coca, medido como proporción del área municipal por cada 1000 ha. A largo plazo, un incremento de una unidad de este índice se asocia estadísticamente con un aumento de 0.46 ha de coca como proporción del área municipal por cada 1000 ha.
Este artículo está organizado de la siguiente manera. Seguido de la introducción, se presentan los antecedentes de la literatura, un análisis descriptivo de la información relevante, la estrategia empírica, los resultados de las estimaciones y su interpretación, así como algunas conclusiones.
A pesar de que diversos autores han abordado por separado la influencia de factores, como la infraestructura, la cercanía a los mercados de bienes agrícolas legales y la implementación de programas de desarrollo alternativo, algunos de ellos enfocados en el fomento de actividades agrícolas, como el cacao, el café o el plátano, se plantea como una hipótesis de partida que un análisis transversal revela la importancia de abordar los efectos conjuntos de todos estos factores: el fomento de las actividades agrícolas legales, la acumulación de infraestructura y el crecimiento de la conectividad y los mercados al por mayor de alimentos.
El argumento subyacente es que estos factores, en realidad, se entrelazan dinámicamente de forma compleja, por lo que conviene desarrollar un análisis empírico con dos características centrales: en primer lugar, captando la naturaleza dinámica de las interrelaciones en juego tanto a corto plazo como a largo plazo; en segundo lugar, intentando captar el efecto conjunto (no siempre causal ni unidireccional) de las variables de infraestructura y conectividad, y las de cultivos alternativos legales.
A continuación, se discuten trabajos relevantes para comprender lo que plantea la literatura sobre las interrelaciones entre los cultivos de coca de uso ilícito, la infraestructura y los cultivos legales.
Algunos trabajos han examinado la incidencia de la infraestructura sobre los cultivos de uso ilícito, pero, en su gran mayoría, dejan de lado cómo esta puede interactuar con otros factores en un contexto dinámico. Herrera y Dessein (2023), por ejemplo, sugieren que un desarrollo infraestructural deficiente ha influido en el fracaso de las estrategias de sustitución de cultivos ilícitos. Esto ha ocasionado que en zonas con alto potencial productivo se propaguen estos cultivos, ya que bajo estas condiciones pueden convertirse en la única alternativa viable para las comunidades (UNODC, 2021). Estos trabajos apuntan a que los esfuerzos para reducir los cultivos de hoja de coca deben enfocarse en el mejoramiento de la infraestructura básica local y en el acceso a los mercados (Dion y Russler, 2008).
Otros trabajos han identificado que la inversión pública necesaria para garantizar la competitividad y el crecimiento de la agricultura debe enfocarse en el mejoramiento de la infraestructura física, como vías terciarias, acueductos o sistemas de riego, así como en estructuras de energía y comunicación (Berry, 2017; Departamento Nacional de Planeación [DNP], 2014). En este sentido, se esperaría que, en zonas con un mayor desarrollo de infraestructura, los productores encontraran un mayor incentivo para dedicarse a las actividades agrícolas lícitas y, en consecuencia, hubiera una menor expansión de los cultivos de coca. El desarrollo en vías facilita la conexión de las áreas rurales y urbanas (Fonseca et al., 2017); por tanto, las inversiones en este tipo de infraestructura garantizan la dinamización de las actividades agrícolas y la economía de las zonas rurales (Moreno et al., 2020; Villar y Ramírez, 2014).
Una infraestructura deficiente es un factor determinante para la presencia de cultivos ilícitos, por lo que las investigaciones han adoptado diversos enfoques para abordar este tema. Crooker y Martin (1992), por ejemplo, pretenden determinar si el desarrollo en infraestructura y, en concreto, de carreteras, tiende a promover o no el desarrollo de cultivos ilícitos en Tailandia. En concreto, evalúan el efecto de la accesibilidad sobre la producción de opio y encuentran una débil relación negativa.
Asimismo, Jin et al. (2022) encuentran que las inversiones en infraestructura, como carreteras, hospitales, agua, energía, etc., en zonas afectadas por cultivos ilícitos se tradujeron en una mayor disponibilidad de los productores para mantener sus cultivos lícitos y no retornar a los cultivos de opio.
En contraste con lo anterior, Wigton-Jones (2021) evidencia una relación positiva entre el mejoramiento de la infraestructura, como las vías de transporte terrestre, y el aumento de la producción de opio en Afganistán; incluso, según este autor, el acceso a autopistas tiende a incentivar a los productores a sustituir los cultivos legales por los ilícitos.
Para el caso colombiano, algunos estudios han intentado identificar factores relacionados con el desarrollo alternativo y la infraestructura en las regiones, que pueden explicar la dinámica de los cultivos ilícitos, principalmente, de la hoja de coca. Davalos (2016) plantea que, en las zonas con presencia de cultivos ilícitos, existe una infraestructura deficiente y que la densidad de carreteras es menor que en municipios sin este tipo de cultivos. Además, encuentra que el aislamiento de los mercados también es un factor importante y que las inversiones sociales (capital humano e infraestructura) son determinantes para la aparición de nuevas áreas de cultivo de cultivos ilícitos.
Grajales-Marín et al. (2025) señalan que las áreas con una conectividad limitada y un pobre desarrollo de infraestructura, específicamente vías, coinciden con zonas de alta producción de cultivos ilícitos. Este trabajo confirma que una infraestructura deficiente tiene un doble efecto sobre la expansión de cultivos ilícitos, puesto que afecta la competitividad y, por ende, los incentivos para el desarrollo de cultivos agrícolas legales, pero, además, desplazan las preferencias de los agricultores hacia el cultivo de coca.
Por otro lado, Rincón-Ruiz et al. (2013) encuentran que el índice de desarrollo municipal tiene una relación inversa con el porcentaje de hectáreas sembradas con cultivos de coca. Además, muestran que la baja densidad vial también se convirtió en un factor que favorece este tipo de cultivos.
Cabe resaltar que el impacto del desarrollo en infraestructura sobre la producción de cultivos ilícitos no es homogéneo entre las diferentes regiones del mundo. En algunos países con presencia de cultivos ilícitos, un mayor desarrollo en infraestructura, específicamente de vías, favorece la presencia y producción de estos cultivos (Fraga y Martins, 2020; Medel y Lu, 2015; Wigton-Jones, 2021). No obstante, en Colombia, en general, un mejoramiento de la infraestructura tiene un efecto negativo sobre los cultivos de coca (Davalos et al., 2021; Rincón-Ruiz et al., 2013; Rocha García, 2018). En este sentido, es fundamental seguir contribuyendo al conocimiento sobre el impacto que tienen el desarrollo de las vías terciarias y la distancia de los mercados mayoristas de productos legales sobre los cultivos ilícitos. Este último factor se utiliza como una variable proxy del acceso a los mercados.
Existen otros factores sobre los cuales también se ha documentado algún tipo de conexión con la presencia y el crecimiento de cultivos ilícitos, uno de los cuales es la distancia de los municipios a los mercados de alimentos. Moreno Pabón (2018) evidencia que los municipios cocaleros están más lejos de los mercados mayoristas de alimentos que los municipios que no son productores. Martínez Fierro y Zuleta (2019), por su parte, encuentran una relación positiva entre la distancia del mercado mayorista y la presencia de los cultivos de coca. Gómez-Quintero et al. (2026) sugieren que la falta de infraestructura para la comercialización de cultivos legales favorece la comercialización y la demanda de coca. En este sentido, documentar la relación entre el acceso a los mercados de alimentos y la presencia de cultivos de coca es fundamental para el diseño de políticas públicas que fomenten el desarrollo de centros de comercialización cercanos a los municipios, corregimientos o veredas.
Por otro lado, Pérez (2006) plantea que, en zonas con presencia de cultivos ilícitos, es común la marginalización de sus pobladores y existen obstáculos para implementar programas que fortalezcan el desarrollo rural y hagan sus actividades más competitivas. Paredes-Londoño (2025) resalta que los programas de erradicación voluntaria se enfrentan a obstáculos, tales como la ausencia de canales de comercialización de los productos agrícolas, lo cual dificulta su implementación. Por tanto, el desarrollo de infraestructura es un factor determinante para garantizar canales eficientes de mercado que contribuirán a la sustitución de cultivos ilícitos a largo plazo.
La mayoría de los trabajos no destacan la conexión entre infraestructura y acceso a los mercados, como sí se hace en este estudio. Por tal razón, se propone la utilización de un índice de lejanía y accesibilidad como un regresor clave para explicar el comportamiento de los cultivos de coca en Colombia. Este índice captura la influencia conjunta de la distancia lineal de cada uno de los municipios a los mercados mayoristas de alimentos y la densidad vial en cada uno de ellos.
De esta manera, se apunta a que los esfuerzos para reducir los cultivos de hoja de coca deben enfocarse en el mejoramiento de la infraestructura básica local y en el acceso a los mercados (Dion y Russler, 2008). No obstante, la literatura hasta ahora resalta la influencia que tiene la infraestructura o el acceso a los mercados sobre los cultivos de uso ilícito por separado, pero no aborda su influencia conjunta. De ahí que una de las contribuciones centrales es llenar este vacío.
Desde esta perspectiva, los programas de desarrollo alternativo son relevantes por cuanto incentivan el desarrollo de actividades económicas legales y, en particular, de actividades agrícolas legales como alternativas de primera mano para la sustitución de los cultivos de uso ilícito. En Colombia, diferentes programas de desarrollo alternativo se han implementado para tratar de sustituir la presencia de cultivos ilícitos (Mejía, 2016).
Estos programas pretenden fomentar un tránsito hacia las economías legales a través de la inversión gubernamental en proyectos productivos en zonas con presencia de cultivos, como la hoja coca. Un ejemplo reciente es el Programa Nacional Integral de Sustitución de Cultivos de Uso Ilícito (PNIS), como resultado de los acuerdos de paz firmados entre el Gobierno Nacional y las Fuerzas Armadas Revolucionarias de Colombia (FARC). El PNIS pretende, entre otros objetivos, el tránsito de las familias cocaleras hacia actividades legales con bienes agrícolas, como plátano, cacao y café (PNIS, 2022), los cuales han sido identificados como buenos sustitutos de estos cultivos, debido a su buen desempeño financiero (De Roux et al., 2019).
Hernández-Núñez et al. (2022) señalan que el cultivo de cacao es una de las actividades agrícolas más importantes en algunas regiones con presencia de cultivos ilícitos, donde se proponen como sustitutos. Herrera y Dessein (2023) sugieren que el cacao y el café hacen parte de bienes agrícolas que han sido utilizados como sustitutos de la coca; sin embargo, el éxito de los programas de sustitución depende de un buen desarrollo en la infraestructura y el acceso a un mercado competitivo. Tabares Villareal y Rosales Álvarez (2005) proponen el cultivo de plátano como un sustituto de los cultivos ilícitos y evidenciaron un efecto significativo de la inversión en proyectos alternativos. La UNODC (2021) identifica el plátano como uno de los principales sustitutos de la coca en las familias beneficiarias.
Esta literatura evidencia que el desarrollo de cultivos agrícolas legales es un contrapeso para el desarrollo de cultivos ilícitos, ya que, en zonas con presencia de cultivos de coca, se observa una preferencia por cultivos, como el plátano, el café y el cacao. Esto los convierte en sustitutos potenciales sobre los que debería centrarse la atención en programas de sustitución, por lo que evaluar su efecto de sustitución empíricamente debería ser una prioridad. Por tal razón, este análisis empírico incorpora, en el contexto de modelos de paneles dinámicos, la posible influencia del área sembrada con cultivos, como el plátano, el cacao y el café. Pero también se incorporan sus interacciones con un índice de lejanía y accesibilidad, para intentar capturar la asociación conjunta de estas variables con los cultivos de coca, lo cual no se ha hecho hasta ahora.
Los datos utilizados en las estimaciones de los modelos fueron obtenidos de diferentes fuentes de información, como el Sistema de Información de Drogas de Colombia (SIDCO) el Ministerio de Justicia y del Derecho (MinJusticia), el Centro de Estudios sobre Desarrollo Económico (CEDE) de la Universidad de los Andes, el Instituto Geográfico Agustín Codazzi (IGAC) y la base de datos TerriData del DNP. Los datos de la variable dependiente, área sembrada con coca, y las variables de control, aspersión aérea y erradicación manual, fueron extraídas del SIDCO, las cuales se encuentran en hectáreas. Estas dos últimas variables corresponden a las hectáreas de coca erradicadas mediante estos métodos. La información de la variable área sembrada con cultivos agrícolas legales fue obtenida del CEDE con datos tomados de las evaluaciones agropecuarias municipales (EVA). Esta variable representa las hectáreas sembradas con plátano, cacao y café.
El índice de lejanía y accesibilidad fue construido con datos del IGAC y representa la proporción entre la distancia en kilómetros del municipio con un mercado mayorista de alimentos y la densidad vial en 2014. Se define como \(\text{IL}_{\text{it}} = \frac{\text{Distancia mercado}}{\text{Densidad vial}}\), lo que significa que los valores más altos de este índice indican un mayor aislamiento. En este sentido, los municipios más aislados son aquellos que presentan mayores distancias de los mercados al por mayor de alimentos y que tienen un menor desarrollo de vías terciarias que los conectan con las cadenas de comercialización. La densidad vial fue calculada como una proporción de la longitud de las vías terciarias y el área municipal en kilómetros cuadrados; en el caso de que el mercado se encuentre en el mismo municipio, la distancia toma el valor cero y, en consecuencia, el índice también. La cobertura de acueducto, que es el porcentaje de la población de zonas urbanas y rurales que tiene acceso a un acueducto, fue obtenida de TerriData, mientras la variable de control distancia lineal de Bogotá en kilómetros del CEDE.
En el cuadro 1, se presenta un resumen de las estadísticas descriptivas de las variables utilizadas en las estimaciones, entre las cuales las principales variables de interés son el área sembrada con coca (variable dependiente), el área sembrada con plátano, el área sembrada con cacao y el área sembrada con café, el índice de lejanía y la cobertura de acueducto.
Cuadro 1. Resumen estadístico
| Variables | Media | Desviación estándar | Min. | Max. |
|---|---|---|---|---|
| Área sembrada con coca (ha) | 306.12 | 1091.29 | 0 | 23 147.9 |
| Área sembrada con plátano (ha) | 618.53 | 1724.11 | 0 | 25 874 |
| Área sembrada con cacao (ha) | 622.9 | 1674.14 | 2 | 18 724 |
| Área sembrada con café (ha) | 1216.51 | 1600.28 | 0.5 | 14 795 |
| Índice de lejanía y accesibilidad* | 12.64 | 33.94 | 0 | 330.3 |
| Cobertura de acueducto (%) | 55.57 | 30.62 | 0 | 100 |
| Aspersión aérea (ha) | 180.27 | 800.52 | 0 | 13 780.65 |
| Erradicación manual (ha) | 169.72 | 889.80 | 0 | 25 282.81 |
| Distancia de Bogotá (km) | 376.50 | 143.52 | 95.64 | 773.79 |
Nota: * El índice de lejanía y accesibilidad capta la dificultad de acceso que tienen los agricultores en los municipios a los mercados al por mayor de alimentos. Este índice fue calculado como la proporción entre la distancia a los mercados mayoristas y la densidad de vías terciarias a partir de la información del IGAC.
Observaciones: 1586
Fuente: elaboración propia.
Durante el periodo 2007-2020, el área sembrada con coca exhibe un comportamiento variable. La figura 1 (panel A) revela que, en 2007, el área de coca en el país llegó a alrededor de las 100 000 ha, las cuales disminuyeron continuamente hasta 47 788 ha en 2012. Posteriormente, hubo un incremento pronunciado hasta las 171 494 ha en 2017, con una leve disminución hasta 2020 (142 783 ha).
En relación con los bienes agrícolas legales, se observa una tendencia ligeramente creciente del área sembrada con plátano en todos los municipios del país, al igual que en los municipios con presencia de cultivos de coca, donde, en 2007, había 170 000 ha y, en 2020, alrededor de 208 000 ha. Este mismo patrón se replica para el caso del cacao, pero la tendencia creciente fue mucho más fuerte, ya que, en los municipios con cultivos ilícitos, en 2007, había 105 000 ha, mientras, en 2020, había 187 000 ha. Por otro lado, el café muestra un comportamiento más estable.
Nota: Nótese que los ejes de las gráficas tienen diferentes escalas, debido a las diversas magnitudes de los cuatro cultivos.
Fuente: CEDE.
La figura 2 permite observar que, entre 2007 y 2020, las áreas cultivadas con coca fueron consistentemente más altas en municipios con menores niveles de accesibilidad territorial. En el panel A, se aprecia que los municipios con baja densidad de vías terciarias mantienen, a lo largo de toda la serie, mayores niveles de área sembrada con coca que aquellos con una red vial más densa. De forma similar, el panel B muestra que los municipios más alejados de los mercados mayoristas de alimentos concentran mayores áreas cultivadas con coca que los municipios ubicados más cerca de dichos mercados.
Fuente: elaboración propia con base en Información de los cultivos de coca extraída del SIDCO.
Esta evidencia revela que el valor promedio de la variable dependiente se asocia positivamente con la distancia de los mercados y negativamente con la densidad de la red vial, lo que respalda el uso del índice de lejanía como un condicionante territorial relevante en la especificación empírica. Asimismo, la evolución temporal agregada de estas variables exhibe un patrón de comovimiento persistente, lo que sugiere que las condiciones de accesibilidad y aislamiento territorial están sistemáticamente vinculadas a la dinámica de la variable dependiente. Esta evidencia descriptiva no se interpreta como una relación causal, sino como un respaldo empírico del papel del índice de lejanía como regresor estructural que captura restricciones de acceso a mercados y costos de transporte.
Para evaluar la asociación estadística de la infraestructura y los bienes agrícolas legales sobre los cultivos de coca en Colombia, se utiliza un modelo tipo panel dinámico. En este modelo, se incluyen variables de políticas de control que también explican variaciones en los cultivos ilícitos en el país. La información relacionada con cultivos ilícitos fue obtenida del SIDCO, que, para el caso específico de la variable cultivos de coca, cuenta con información para el periodo 1999-2021. Para la mayoría de variables, no se contaba con información para esta amplitud de tiempo, por lo que se eligió el periodo 2007-2020 con el objetivo de tener un panel lo más balanceado posible. Para la estimación del modelo, se seleccionaron 331 municipios, para los cuales hubo presencia de cultivos de coca en, al menos, uno de los catorce años que comprende el periodo de estudio.
Este criterio de selección muestral garantiza que los municipios estudiados corresponden a aquellos donde se cultivó mata de coca durante el periodo de análisis. A continuación, se plantea el modelo econométrico propuesto, que permitió estimar la relación de las variables predictoras y el área cultivada con coca (\(\text{AC}_{\text{it}}\)):
En este modelo, cada municipio está representado por \(i\) y \(t\) corresponde al tiempo. \(X_{\text{jit}}\) corresponde a las variables de área en hectáreas sembradas con cultivos agrícolas legales (plátano (\(j = 2\)), cacao (\(j = 3\)) y café (\(j = 4\))), mientras \(\text{IL}_{\text{it}}\) hace referencia al índice de lejanía y accesibilidad que corresponde a la proporción entre la distancia lineal al mercado mayorista de alimentos más cercano dividido por la densidad vial para 2014. Para la gran mayoría de los municipios, este índice permanece constante en el tiempo, y solo presenta variación en 13 de ellos. Esto se debe a que, aunque la densidad vial es constante a lo largo del tiempo, la distancia lineal al mercado de alimentos más cercano solo cambia para 13 municipios durante el periodo estudiado.
En el tercer término de este modelo, no se incluyen las variables de cultivos legales de forma independiente, sino que se interactúan con el índice de lejanía y accesibilidad, \(\text{IL}_{\text{it}}\), para evitar posibles problemas de endogeneidad ocasionados por el efecto de la lejanía de los mercados mayoristas sobre el desarrollo de los bienes agrícolas legales. Estas interacciones se justifican por la influencia que tienen la lejanía y la accesibilidad sobre los cultivos legales y, por esa vía, su influencia indirecta sobre los cultivos ilegales.
En ese sentido, se parte de la hipótesis de que el índice de lejanía y accesibilidad tiene tanto un efecto directo sobre los cultivos ilegales como un efecto indirecto a través de su influencia sobre los cultivos legales. Este segundo efecto se origina en que los cultivos legales son sustitutos de los cultivos ilegales (Hernández-Núñez et al., 2022).
\(\text{CobA}_{\text{it}}\) es la cobertura de acueducto municipal y \(\text{VC}_{\text{it}}\) representa variables de control, como distancia lineal de Bogotá, además de las políticas de represión a los cultivos, en particular, la aspersión aérea y la erradicación manual rezagadas un periodo. El término \(u_{\text{it}}\) se descompone en el efecto fijo \(\eta_{i}\) que captura heterogeneidad no observada e invariante en el tiempo a nivel de municipios y el término de error idiosincrático, \(Ɛ_{\text{it}}\).
Las variables de cultivos de coca, cultivos agrícolas, aspersión aérea y erradicación manual se estandarizaron por el área municipal por cada 1000 ha, como se ha hecho en otros trabajos sobre los cultivos de uso ilícito (Ladino et al., 2021; Marín Llanes, 2022; Marín Llanes et al., 2024; Prem et al., 2023; Raffo López, 2023).
El modelo fue estimado a través de un panel dinámico debido a que la variable de cultivos de coca presenta autocorrelación serial. Bajo esta especificación, la estimación por mínimos cuadrados ordinarios (MCO) resulta inconsistente en la medida en que la autocorrelación del error idiosincrásico induce correlación entre el rezago de la variable dependiente y el término de error. Para la selección del modelo, se realizaron cuatro estimaciones: MCO, efectos fijos (EF), método general de momentos diferenciado (GMMDIF, por sus siglas en inglés) (Arellano y Bond, 1991) y método general de momentos sistemático (GMMSYS, por sus siglas en inglés) (Arellano-Bover, 1995; Blundell-Bond, 1998).
La elección del modelo se basó en el criterio de que el coeficiente autorregresivo estimado se ubicara entre los valores obtenidos por EF y MCO. Este criterio sigue a Bond et al. (2001), quienes argumentan que, en modelos dinámicos de panel, la estimación por EF tiende a generar un sesgo a la baja del parámetro autorregresivo, mientras la estimación por MCO presenta un sesgo al alza, por lo que un estimador consistente debería situarse entre ambos extremos. Por otro lado, para garantizar que el modelo seleccionado estuviera bien especificado, se aplican pruebas de posestimación. En particular, se utiliza la prueba de Sargan para evaluar la validez conjunta de los instrumentos empleados. Asimismo, se emplea la prueba de autocorrelación de Arellano-Bond, en atención a que en los modelos de panel dinámico se espera la presencia de autocorrelación de primer orden en las ecuaciones en primeras diferencias, mientras la ausencia de autocorrelación de segundo orden constituye una condición necesaria para la consistencia del estimador. Por último, se verificó mediante la prueba de Levin et al. (2002) que el panel no tuviera raíces unitarias.
Las estimaciones realizadas mediante MCO, FE, GMMDIF y GMMSYS (cuadro 2) sugieren que GMMSYS es la especificación más plausible para el panel dinámico analizado. Siguiendo a Bond et al. (2001), el coeficiente autorregresivo de la variable dependiente rezagada debería ubicarse entre las estimaciones obtenidas por MCO y EF, dado que MCO tiende a sesgarlo al alza, mientras EF presenta un sesgo a la baja. En este caso, el coeficiente estimado por GMMSYS es 0.959, valor que se encuentra entre el estimado por EF (0.953) y el de MCO (1.060), mientras el estimador en primeras diferencias no cumple con este criterio. Este resultado sugiere que, para esta aplicación, el estimador GMMSYS presenta un menor sesgo en la estimación del parámetro dinámico, interpretación que debe entenderse como un chequeo de coherencia y complementarse con las pruebas estándar de especificación.
La estimación no rechaza la validez conjunta de los instrumentos, evaluada mediante la prueba de Sargan al 5 % de significancia (p > 0.05). Por tanto, no se encuentra evidencia estadística para rechazar la hipótesis nula según la cual las restricciones de sobreidentificación son válidas. Este resultado sugiere que, bajo los supuestos de la prueba, el conjunto de instrumentos es consistente con las condiciones de ortogonalidad requeridas por el estimador. La prueba de Arellano-Bond indica que existe evidencia para rechazar la hipótesis nula de no autocorrelación de primer orden (p < 0.05), pero no se encontró evidencia para rechazar la hipótesis nula de no autocorrelación de segundo orden (p > 0.05). En modelos de panel dinámico, la presencia de autocorrelación de primer orden es congruente con el efecto dinámico del modelo; en contraste, la ausencia de autocorrelación de segundo orden constituye una condición necesaria para la consistencia del estimador GMM, dado que garantiza la validez de los instrumentos basados en rezagos. La prueba de estacionariedad indica que el panel no tiene raíces unitarias. Con base en los resultados anteriores, el modelo satisface las condiciones de especificación para un panel dinámico.
Cuadro 2. Estimación de los modelos del área cultivada con coca entre 2007 y 2020
| Variables explicativas | (1) | (2) | (3) | (4) |
|---|---|---|---|---|
| MCO | FE | DIF | SYS | |
| Área cultivada con coca (t-1) | 1.06*** (0.0096) |
0.953*** (0.1322) |
0.915*** (0.0180) |
0.959*** (0.0002) |
| Área sembrada con plátano*IL | –0.00001 (0.00008) |
–0.00007 (0.0002) |
–0.00006 (0.0002) |
–0.00008*** (0.000004) |
| Área sembrada con cacao*IL | 0.00011 (0.00008) |
–0.00066*** (0.0002) |
–0.00113 (0.0002) |
–0.0013*** (0.000003) |
| Área sembrada con café*IL | 0.000001 (0.00003) |
–0.00008 (0.0002) |
–0.00026 (0.0003) |
–0.00046*** (0.000004) |
| Índice de lejanía y accesibilidad | 0.0004 (0.0004) |
0.0242*** (0.0006) |
0.0189*** (0.0003) |
|
| Cobertura de acueducto | –0.0005 (0.0021) |
0.00122 (0.0029) |
0.000005 (0.0043) |
0.00002 (0.0001) |
| Erradicación aérea (t-1) | –0.134*** (0.030) |
–0.259*** (0.0387) |
–0.311*** (0.0526) |
–0.294*** (0.001) |
| Erradicación manual (t-1) | –0.0413*** (0.0117) |
–0.0291 (0.0155) |
–0.0319* (0.019) |
–0.037*** (0.0002) |
| Distancia de Bogotá | 0.385 (0.1264) |
8.91*** (0.15) |
||
| Constantes | –1.25*** (0.697) |
0.745*** (0.2106) |
–50.6*** (0.86) |
|
| Observaciones | 1586 | 1586 | 1373 | 1586 |
| r2 | 0.907 | 0.8 | ||
| Prueba de Sargan | 99.16 | |||
| AR(1) | –3.06** | |||
| AR(2) | 0.61 | |||
| Prueba Levin et al. | –44.28*** |
Nota: La columna 1 presenta la regresión del modelo por MCO. La segunda columna presenta la regresión por EF; en la estimación, se omite el índice de lejanía y distancia de Bogotá, porque estas variables no varían mucho en el tiempo. La tercera columna muestra la regresión por el GMMDIF. La columna cuatro muestra la regresión por el GMMSYS. En todos los casos, las variables de cultivos legales se interactúan con el índice de lejanía y accesibilidad (IL).
*** p < 0.01, ** p < 0.05, * p < 0.1.
Fuente: elaboración propia.
El coeficiente del rezago del área cultivada con coca es positivo y estadísticamente significativo, lo que indica que, durante el periodo 2007-2020, la extensión del cultivo en un municipio presenta una fuerte dependencia de su nivel en el periodo anterior. Si bien el valor estimado del coeficiente es elevado y cercano a la unidad, lo que sugiere un alto grado de persistencia temporal en los cultivos de coca (Rocha García, 2018; Thombs, 2022), las pruebas de raíces unitarias aplicadas al panel permiten descartar la presencia de procesos no estacionarios.
Este resultado es consistente con un proceso altamente persistente pero estacionario, caracterizado por una dinámica de ajuste lenta. La elevada persistencia es coherente con la existencia de incentivos económicos, productivos e institucionales que dificultan la salida de los productores de esta actividad frente a las alternativas económicas legales disponibles en las distintas regiones del país. El coeficiente del índice de lejanía y accesibilidad devela la existencia de una relación positiva y significativa. Un aumento en una unidad de este índice se asocia con un aumento de 0.0189 ha de coca, medido como una proporción del área municipal por cada 1000 ha. El efecto de largo plazo se calcula dividiendo el coeficiente de la variable independiente de interés sobre la diferencia entre la unidad y el coeficiente de la variable dependiente rezagada; para el caso del índice de lejanía y accesibilidad, sería \(\beta_{5}/(1-\beta_{1})\) (Thombs, 2022). Para esta variable, el multiplicador de largo plazo da 0.46, lo que sugiere que un incremento en una unidad de este índice se asocia con un aumento 0.46 ha de coca como una proporción del área municipal por cada 1000 ha. Un efecto de largo plazo mayor refleja la amplificación del impacto inicial a través de la persistencia de los cultivos de coca, capturada por el término autorregresivo. Aunque resulta difícil interpretar la magnitud de este efecto de largo plazo en términos absolutos por tratarse del cambio en un índice cuya magnitud está acotada, claramente se trata de un efecto mucho mayor en términos cuantitativos que el efecto de corto plazo de la misma variable. No obstante, dado que la media del índice de lejanía y accesibilidad es de 126 441 y la de la variable dependiente es de 2086, puede observarse que la magnitud de este efecto es bastante alta si se mide desde el punto de vista porcentual: un aumento cercano al 0.8 % del índice de lejanía y accesibilidad da lugar a un incremento del 22 % en el área cultivada con coca (como proporción del área municipal por 1000 ha).
Estos resultados revelan que, a medida que es más difícil y demorado llegar a los mercados al por mayor de alimentos más cercanos de los municipios, más incentivos tienen sus habitantes para cultivar mata de coca para usos ilícitos. En concreto, la conjugación de una mayor (menor) distancia de los mercados de alimentos al por mayor más cercanos y un menor (mayor) nivel de infraestructura vial, captada por un menor (mayor) nivel de densidad de las vías terciarias, influye de forma directamente (inversamente) proporcional en la extensión del área destinada a cultivos de uso ilícito. Asimismo, la persistencia de los cultivos ilegales en el tiempo hace que el impacto directo del índice de lejanía y accesibilidad sobre estos se amplifique a lo largo del tiempo.
El índice de lejanía y accesibilidad capta el acceso a los mercados, de manera que la relación positiva hallada era de esperarse, ya que el aislamiento es un factor que favorece a los productores de cultivos ilícitos frente a las estrategias de control implementadas por los Gobiernos (Gómez et al., 2019). Además, la falta de conectividad influye negativamente en la producción de cultivos legales (Moreno et al., 2020), debido a que el aislamiento dificulta el acceso a los mercados de los bienes agrícolas sustitutos y genera incentivos para la inserción en economías ilícitas (Rincón-Ruiz et al., 2013). Asimismo, el efecto encontrado con este índice se sustenta en que su cálculo incluye tanto la densidad vial como la distancia de los municipios que cuentan con un mercado mayorista de alimentos.
A lo largo del periodo de estudio, los municipios más lejanos a un mercado mayorista mostraron a nivel agregado una mayor área sembrada de coca que los municipios con un mercado más cercano. Pero, además, los municipios con menor densidad vial en sus vías terciarias también exhibieron a nivel agregado un mayor nivel de cultivos de uso ilícito durante el mismo periodo (figura 2).
Los coeficientes de los parámetros que representan la interacción entre el índice de lejanía y accesibilidad y los cultivos agrícolas legales muestran asociaciones negativas, aunque de baja magnitud y estadísticamente significativas, lo cual era de esperarse, ya que estos cultivos representan productos que históricamente han sido seleccionados como sustitutos de los cultivos ilícitos en el país. Entre los tres cultivos analizados, el cacao presenta la asociación negativa de mayor magnitud. En particular, un incremento de una unidad en el área sembrada con cacao ponderado por el índice de lejanía y accesibilidad se asocia con una reducción de 0.0013 ha de coca como proporción del área municipal por cada 1000 ha. La asociación de largo plazo es mayor en magnitud: un incremento de una unidad en el área de cacao ponderado por el índice de lejanía y accesibilidad se asocia con una disminución aproximada de 0.03 ha de coca como proporción del área municipal por cada 1000 ha.
Asimismo, un incremento de una unidad del área sembrada con café y plátano ponderadas por el índice de lejanía y accesibilidad se asocian con reducciones de 0.00046 y 0.00008 ha como proporción del área municipal por cada 1000 ha, respectivamente. En el caso del café, la magnitud asociada de largo plazo indica que un aumento en una unidad del área de café se relaciona con una reducción de 0.011 ha de coca como proporción del área municipal por cada 1000 ha, mientras el plátano está asociado a una disminución de 0.002 ha de coca como proporción del área municipal por cada 1000 ha. El cultivo de cacao corresponde a uno de los cultivos agrícolas más destacados en los programas de desarrollo alternativo (UNODC, 2020), y durante el periodo de estudio sus áreas sembradas crecieron en mayor medida que las de los demás cultivos agrícolas legales.
La evidencia empírica sugiere que la convivencia entre los cultivos agrícolas legales y los cultivos de coca se da en territorios donde el acceso a la tierra es limitado. En estos contextos, la expansión de cultivos, como el plátano, el café y el cacao, suele ir acompañada de una menor proporción de tierra dedicada a cultivos ilícitos. En conjunto, la relación entre los cultivos legales y los cultivos de coca es de magnitud reducida. Esto sugiere que los procesos de sustitución no dependen de un solo cultivo, sino de la coexistencia de múltiples alternativas productivas en los territorios donde se presenta la coca, tal como señalan De Roux et al. (2019).
En este contexto, la contribución relativa de cada cultivo considerado de forma individual es marginal frente al efecto conjunto de varias opciones agrícolas disponibles. También se debe a que, según lo reportado por la UNODC (2023), el 49 % de las áreas cultivadas con coca se localizan en zonas de manejo especial, de las cuales el 23.5 % se encuentran en parques nacionales y reservas forestales. En estas zonas, las actividades agrícolas están restringidas y, por tanto, la sustitución de cultivos ilícitos por cultivos agrícolas legales normativamente no es posible.
Por último, los niveles de rentabilidad de los cultivos ilegales han sido históricamente más altos que los de los cultivos sustitutos1, por lo que, en la práctica, no han existido incentivos económicos para sustituir estos por los legales, a pesar de que los últimos en algunos casos pueden ser buenos sustitutos desde el punto de vista de su estructura de sembrado y cosecha.
Podría argumentarse que la magnitud reducida de la relación estimada entre los cultivos legales y los cultivos de coca se debe, en parte, a la ausencia de variables que capturen la influencia de la frontera agrícola. En esta misma línea, el cuadro A1 del anexo sobre chequeo de robustez del modelo revela que, al incorporar el área deforestada total, las variables de cultivos legales siguen siendo estadísticamente significativas, aunque los coeficientes asociados siguen teniendo valores cuantitativamente pequeños. Sin embargo, la inclusión de esta variable modifica sustancialmente el comportamiento del índice de lejanía y accesibilidad, cuyo coeficiente cambia de signo. Como resultado, la estimación del modelo GMMSYS deja de satisfacer los criterios de selección y consistencia establecidos por Bond et al. (2001) en la medida en que el valor del coeficiente estimado de la variable rezagada ya no se ubica entre las estimaciones obtenidas mediante MCO y el modelo de efectos fijos.
¿Qué tan relevante es la incidencia que pueden tener los cultivos agrícolas legales en el contexto de un análisis dinámico como este? En el cuadro A2 del anexo, se estiman los modelos sin las variables de cultivos legales. Puede corroborarse que, aunque la influencia del índice de lejanía y accesibilidad continúa siendo positiva y con un efecto estadísticamente significativo, el modelo GMMSYS deja de cumplir los requisitos de selección y consistencia. Esto revela que, en el contexto de un análisis empírico dinámico como este, considerar la interacción entre las variables de infraestructura y conectividad con las de los cultivos legales es fundamental para la adecuada especificación del modelo.
La cobertura de acueducto no muestra una asociación estadísticamente significativa ni estable con la dinámica de los cultivos de coca en ninguna de las especificaciones estimadas, lo que sugiere que su relación con este fenómeno no es robusta una vez se consideran la persistencia temporal y otros condicionantes territoriales. Por otro lado, las variables que representan políticas de represión rezagadas, en concreto la aspersión aérea y la erradicación manual, presentan relaciones negativas y estadísticamente significativas. Un incremento de una unidad del área fumigada se asocia con una disminución de 0.29 ha de coca como proporción del área municipal por cada 1000 ha, mientras un aumento de una unidad del área erradicada manualmente se asocia con una reducción de 0.037 ha como proporción del área municipal por cada 1000 ha. Estos resultados son consistentes con los hallazgos de otros trabajos (Cote, 2022; Davalos, 2016; Rocha García, 2018), en los que se reportan relaciones negativas entre la aspersión aérea, la erradicación manual y los cultivos de coca.
Las dinámicas de las áreas sembradas con cultivos de coca en Colombia son muy fluctuantes, con periodos de disminuciones lentas y otros periodos con rápido crecimiento, además de una alta dependencia de los periodos previos. Esta permanencia del fenómeno ha sido ampliamente descrita y ha estado relacionada con las complejidades de las acciones de prevención propuestas que, de acuerdo con los diferentes diagnósticos, deberían enfocarse en el fortalecimiento de la conectividad e infraestructura, el acceso a servicios, el mejoramiento de los componentes sociales y la inserción de las comunidades en las economías lícitas (UNODC, 2021).
En esta línea, los resultados muestran que, pese a que el acceso a servicios públicos, en particular la cobertura de acueducto, no presenta una asociación robusta con la dinámica de los cultivos de coca, el desarrollo de actividades económicas alternativas, como los cultivos de bienes agrícolas legales y un mayor acceso a los mercados de alimentos, sí se encuentran sistemáticamente asociados a esta dinámica.
El mayor acceso a los mercados se capta en el modelo por el índice de lejanía y accesibilidad, que incluye variables de infraestructura. Por tanto, su significancia estadística sugiere una asociación negativa entre la presencia de mercados cercanos y un mayor desarrollo de vías terciarias y la existencia de cultivos de coca. Las intervenciones orientadas a estos factores se asocian en la literatura con un mayor dinamismo de las actividades económicas legales y con la eliminación de barreras que tienen los agricultores rurales para ejercer la agricultura de una manera más competitiva y rentable (Lozano-Espitia et al., 2016; Moreno et al., 2020; Mortensen y Gutiérrez, 2019). Las inversiones en vías logran conectar los mercados agrícolas (Ibáñez Londoño y Velásquez Ospina, 2018), aunque estas acciones deben ser complementadas con medidas de política que se enfoquen en el fortalecimiento o en la creación de mercados mayoristas de alimentos, los cuales pueden promover mejores precios y reducir los costos en la comercialización (Mendieta y Agreda, 2006). Además, también pueden generar garantías para una comercialización más segura de los productos de las comunidades rurales y lograr una mayor confianza en los procesos de sustitución.
La correlación negativa de los cultivos de cacao, café y plátano con el área sembrada con coca constituye evidencia indirecta de su potencial papel como cultivos alternativos a la coca. Este efecto de sustitución puede entenderse intuitivamente por los límites físicos de la frontera agrícola, en la medida en que un aumento del área sembrada con un bien agrícola deje una menor área disponible para la siembra de otro cultivo. No obstante, su reducida relevancia empírica se explica por varias razones, entre ellas, que el efecto de sustitución total depende del impacto de un conjunto amplio de cultivos legales, de manera que el efecto individual de cultivos, como el cacao, el café y el plátano por separado, resulta ser marginal. Otra razón estriba en que el 49 % de las áreas cultivadas con coca se localizan en zonas de manejo especial, entre ellas, el 23.5 % se encuentran en parques nacionales y reservas forestales (UNODC, 2023). En estas zonas, las actividades agrícolas están restringidas, por lo que la sustitución de los cultivos ilícitos por cultivos legales no es viable.
En este sentido, las estrategias de sustitución voluntaria deberían ir acompañadas de inversiones que mejoren la infraestructura de las vías terciarias y la creación y el fortalecimiento de los mercados, para explotar todo el potencial de sustitución que podría tener la agricultura sobre los cultivos ilícitos.
La política antidroga ha considerado diversas estrategias para resolver el problema del narcotráfico a través de políticas de erradicación forzosa y políticas de desarrollo alternativo (Mantilla et al., 2021). En el marco del acuerdo de paz firmado con las FARC y, en especial, en el punto 4, que trata de la solución al problema de las drogas ilícitas, se propuso y se sentaron las bases del PNIS (“Acuerdo final para la terminación del conflicto y la construcción de una paz estable y duradera”).
El PNIS busca la sustitución de los cultivos de uso ilícito de manera concertada con las comunidades por medio del impulso de proyectos alternativos, que garanticen la generación de ingresos a las comunidades y el mejoramiento de sus condiciones de vida. Este estudio ofrece evidencia estadística que, aunque no es causal, indica que alternativas, como los cultivos de plátano, café y cacao, podrían cumplir el papel de sustitutos del cultivo de la hoja de coca, reconociendo que, a pesar de ello, su impacto podría ser mayor si se implementan intervenciones más integrales que aseguren la rentabilidad y la sostenibilidad de estas economías.
Por último, los resultados permiten identificar la interrelación de los cultivos de coca con alternativas productivas del sector agrícola y con la infraestructura, elementos que ocupan un lugar central en las discusiones sobre las políticas de sustitución. A pesar de esto, el modelo propuesto no permite evaluar puntualmente el impacto de estas políticas, lo que podría ser abordado en futuras investigaciones mediante el uso de enfoques empíricos alternativos y diseños de identificación más específicos. Además, el modelo estimado no captura posibles dinámicas temporales en la relación entre la densidad vial y los cultivos ilícitos, por lo que estudios podrían explorar este aspecto utilizando una serie más completa de tal variable. Finalmente, un análisis que incluya el componente regional podría ser explorado en próximas investigaciones, para verificar si existe una respuesta espacial diferencial de los factores evaluados que sirvieron como predictores del comportamiento de los cultivos de hoja de coca.
El artículo se derivó de la tesis de maestría de Gustavo Adolfo Ramírez-Martínez para optar al título de Magíster en Economía de la Universidad del Valle. Este trabajo estuvo adscrito al proyecto de Investigación 6239 “Las consecuencias de la paz neoliberal: El caso del PNIS”, el cual fue liderado por Leonardo Raffo López y contó con el aval de la Facultad de Ciencias Sociales y Económicas de la Universidad del Valle, el Centro de Investigaciones y Documentación Socioeconómica (CIDSE) y la Vicerrectoría de Investigaciones.
Agradecemos los valiosos comentarios de los evaluadores anónimos y el apoyo editorial de la Revista Desarrollo y Sociedad, los cuales permitieron mejorar sustancialmente el artículo en aspectos de fondo y de forma. También agradecemos los comentarios realizados por otros investigadores a versiones iniciales y, en particular, a la profesora Lya Paola Sierra del Departamento de Economía y Finanzas de la Pontificia Universidad Javeriana Sede Cali, y del profesor Carlos Humberto Ortiz Quevedo del Departamento de Economía de la Universidad del Valle.
Una excepción a lo anterior es lo que ha ocurrido durante los últimos años a partir de 2022, debido a la dramática caída en los precios de la hoja de coca, la base de coca y la pasta de coca (Doherty, 2023; Sánchez, 2023). Sin embargo, esto no se alcanza a captar, puesto que el periodo de estudio va desde 2007 hasta 2020.↩︎
Cuadro A1. Especificación y robustez de la estimación empírica (inclusión del área deforestada)
| Variables explicativas | (1) | (2) | (3) | (4) |
|---|---|---|---|---|
| MCO | FE | DIF | SYS | |
| Área cultivada con coca (t – 1) | 1.07*** (0.01) |
0.950*** (0.01) |
0.926*** (0.021) |
0.975*** (0.017) |
| Área sembrada con plátano*IL | –0.00005 (0.0001) |
–0.00002 (0.0002) |
–0.000003 (0.0002) |
–0.00018*** (0.0002) |
| Área sembrada con cacao*IL | 0.00008 (0.0001) |
–0.00078*** (0.0002) |
–0.00131 (0.0003) |
–0.0012*** (0.0002) |
| Área sembrada con café*IL | 0.00003 (0.00002) |
–0.00014 (0.0002) |
–0.00023 (0.0003) |
–0.00026*** (0.008) |
| Índice de lejanía y accesibilidad | 0.0005 (0.0005) |
0.0202*** (0.014) |
–0.0026*** (0.0085) |
|
| Cobertura de acueducto | –0.0015 (0.002) |
0.00223 (0.0034) |
0.00096 (0.0003) |
0.00036*** (0.007) |
| Erradicación aérea (t – 1) | –0.154*** (0.15) |
–0.234*** (0.045) |
–0.268*** (0.14) |
–0.194*** (0.125) |
| Erradicación manual (t – 1) | –0.0591*** (0.15) |
–0.0438 (0.027) |
–0.0034* (0.044) |
–0.057*** (0.035) |
| Distancia de Bogotá | 0.394 (0.15) |
10.9*** (1.63) |
||
| Área deforestada | –0.00232 (0.000002) |
0.00575 (0.000006) |
0.043 (0.000003) |
0.0224*** (0.000003) |
| Constantes | –1.94*** (0.83) |
0.799*** (0.31) |
–60.7*** (9.13) |
|
| Observaciones | 1354 | 1354 | 951 | 1354 |
| r2 | 0.907 | 0.8 | ||
| Prueba de Sargan | 101.14 | |||
| AR(1) | –2.64** | |||
| AR(2) | 0.65 | |||
| Prueba Levin et al. | –27.44*** |
Nota: La columna 1 presenta la regresión del modelo por MCO. La segunda columna presenta la regresión por EF; en la estimación, se omite el índice de lejanía y distancia de Bogotá, porque estas variables son fijas en el tiempo. La tercera columna muestra la regresión por el GMMDIF. La columna cuatro muestra la regresión por el GMMSYS. En todos los casos, las variables de cultivos legales se interactúan con el índice de lejanía y accesibilidad (IL).
*** p < 0.01, ** p < 0.05, * p < 0.1.
Fuente: elaboración propia.
Cuadro A2. Especificación y robustez de la estimación empírica (exclusión de los cultivos legales)
| Variables explicativas | (1) | (2) | (3) | (4) |
|---|---|---|---|---|
| MCO | FE | DIF | SYS | |
| Área cultivada con coca (t – 1) | 1.06*** (0.006) |
0.946*** (0.008) |
0.750*** (0.01) |
0.855*** (0.009) |
| Índice de lejanía y accesibilidad | –0.00002 (0.0001) |
0.00699*** (0.001) |
0.0133*** (0.0024) |
|
| Cobertura de acueducto | –0.0026 (0.0013) |
0.00202 (0.0018) |
0.00035 (0.002) |
–0.00048 (0.0024) |
| Erradicación aérea (t – 1) | –0.0279*** (0.010) |
–0.0522*** (0.011) |
–0.043*** (0.011) |
–0.0146*** (0.0112) |
| Erradicación manual (t – 1) | –0.0696*** (0.006) |
–0.1 (0.007) |
–0.0629* (0.007) |
–0.0956*** (0.007) |
| Distancia de Bogotá | 0.298 (0.54) |
21*** (0.85) |
||
| Constantes | –1.43*** (0.539) |
0.576*** (0.106) |
–123*** (5.01) |
|
| Observaciones | 3438 | 3438 | 3042 | 3438 |
| r2 | 0.91 | 0.81 | ||
| Prueba de Sargan | 108.83 | |||
| AR(1) | –4.22** | |||
| AR(2) | 0.64 | |||
| Prueba Levin et al. | –27.44*** |
Nota: La columna 1 presenta la regresión del modelo por MCO. La segunda columna presenta la regresión por EF; en la estimación, se omite el índice de lejanía y distancia de Bogotá, porque estas variables son fijas en el tiempo. La tercera columna muestra la regresión por el GMMDIF. La columna cuatro muestra la regresión por el GMMSYS.
*** p < 0.01, ** p < 0.05, * p < 0.1.
Fuente: elaboración propia.
Cuadro A3. Resumen estadístico (variables deflactadas por el área municipal por 1000 ha)
| Variables | Media | Desviación estándar | Min. | Max. |
|---|---|---|---|---|
| Área sembrada con coca (ha) | 2.08 | 6.74 | 0 | 103.95 |
| Área sembrada con plátano (ha) | 6.32 | 15.04 | 0 | 339.29 |
| Área sembrada con cacao (ha) | 7.36 | 15.76 | 0.006 | 198.19 |
| Área sembrada con café (ha) | 35.33 | 58.89 | 0.001 | 865.20 |
| Índice de lejanía y accesibilidad* | 12.64 | 33.94 | 0 | 330.3 |
| Cobertura de acueducto (%) | 55.57 | 30.62 | 0 | 100 |
| Aspersión aérea (ha) | 1.01 | 4.67 | 0 | 114.46 |
| Erradicación manual (ha) | 1.34 | 6.63 | 0 | 228.31 |
| Distancia de Bogotá (km) | 376.50 | 143.52 | 95.64 | 773.79 |
Nota: * El índice de lejanía y accesibilidad capta la dificultad de acceso que tienen los agricultores en los municipios a los mercados al por mayor de alimentos. Este índice fue calculado como la proporción entre la distancia de los mercados mayoristas y la densidad de vías terciarias a partir de la información del IGAC.
Observaciones: 1586
Fuente: elaboración propia.