Sovereign ESG and the Hydrological Constraint: Rethinking the Determinants of Water Stress

Resumen Técnico: ESG Soberano y la Restricción Hidrológica

Planteamiento del Problema
El artículo aborda una fragmentación conceptual y metodológica en la literatura sobre el estrés hídrico. Mientras que la hidrología trata el estrés hídrico (la relación entre las extracciones de agua dulce y los recursos renovables disponibles) como un resultado físico determinado por el clima y los sistemas de la tierra, la ciencia política y los estudios del desarrollo lo tratan como un resultado institucional impulsado por la gobernanza y las reglas de asignación. Estas dos perspectivas rara vez se han probado conjuntamente sobre una misma muestra de países utilizando un marco unificado. Además, los estudios transnacionales existentes suelen no distinguir entre los movimientos temporales dentro de un país y las diferencias estructurales entre países, y frecuentemente omiten las no linealidades y la validación mediante aprendizaje automático (machine learning). Los autores aplican el marco de ESG Soberano (Ambiental, Social y de Gobernanza) del Banco Mundial al estrés hídrico por primera vez, probando si estos tres pilares explican la restricción hidrológica e identificando los determinantes específicos dentro de cada uno.

Metodología
El estudio analiza hasta 170 economías observadas entre 2002 y 2022 (con variaciones en el tamaño de la muestra debido a la disponibilidad de datos para indicadores específicos). La variable dependiente es el logaritmo natural de la relación entre la extracción de agua dulce y la disponibilidad. Los autores estiman tres ecuaciones distintas, cada una compartiendo la misma variable dependiente pero diferenciándose únicamente por el bloque de regresores suministrados por los pilares ESG:

1. Ecuación Ambiental: 170 economías, 3.501 observaciones (2000–2021).
2. Ecuación Social: 99 economías, 2.113 observaciones (2001–2022).
3. Ecuación de Gobernanza: 170 economías, 3.421 observaciones (2002–2022).

Cada ecuación se analiza a lo largo de tres vías paralelas para asegurar la robustez y la triangulación metodológica:

• Vía 1: Econometría de Panel: Utilizando siete estimadores, incluyendo OLS agrupado (Pooled OLS), Efectos Fijos (FE), Efectos Aleatorios (RE), Between, Mínimos Cuadrados Ponderados (WLS) y dos etapas de GMM de Diferencia y de Sistema. Los diagnósticos incluyen pruebas de dependencia transversal (Pesaran), autocorrelación (Wooldridge) y colinealidad. Crucialmente, el bloque de gobernanza aborda la alta colinealidad (0.81–0.95) entre los Indicadores de Gobernanza Mundial (WGI) empleando el Análisis de Componentes Principales (PCA) para crear variables ortogonalizadas (Calidad Institucional y Equilibrio Institucional), en lugar de introducir dimensiones correlacionadas de forma simultánea.
• Vía 2: Agrupamiento No Supervisado (Unsupervised Clustering): Seis algoritmos (DBSCAN, Fuzzy C-Means, Jerárquico, K-Means, GMM basado en modelos, proximidad de Random Forest) compiten para clasificar a los países según sus perfiles ESG-agua. La selección se basa en once índices de validez interna (p. ej., Silueta, Calinski-Harabasz, HHI) y una regla de admisibilidad que requiere que todas las economías sean asignadas a un grupo.
• Vía 3: Validación Supervisada: Se evalúan seis aprendices (Regresión Lineal, Árbol de Regresión, KNN, SVM Lineal, Boosting, Random Forest) para validar la forma funcional de las especificaciones econométricas en lugar de para realizar pronósticos. Una elección de diseño crítica involucra dos esquemas de validación: una partición aleatoria de retención (hold-out) de 70/30 y una validación cruzada de cinco pliegues agrupada donde se excluyen países enteros para prevenir la fuga de datos (memorización de la identidad del país).

Resultados Clave

• Naturaleza Estructural del Estrés Hídrico: El hallazgo más fundamental es que el 99.1% de la varianza en el logaritmo del estrés hídrico se encuentra entre los países, mientras que solo el 0.9% se encuentra dentro de ellos durante el periodo de 20 años. Esto indica que el estrés hídrico es un atributo estructural del territorio nacional, no una variable que fluctúa significativamente año tras año en respuesta a choques de política o climáticos.
• Pilar Ambiental:
  • Determinantes: La cobertura forestal y la densidad de población son los predictores dominantes. La cobertura forestal muestra una fuerte relación negativa transversal, mientras que la densidad de población es la única variable que permanece significativa en el modelo de Efectos Fijos (dentro del país), sugiriendo que la urbanización impulsa la presión dinámica.
  • No linealidad: El aprendizaje automático revela una dependencia parcial en forma de U para la tierra agrícola (el estrés cae y luego sube). El índice de sequía (SPEI), aunque porta el coeficiente transversal más grande en el bloque, colapsa hacia la irrelevancia bajo la validación agrupada (pérdida por abandono de 0.71%), indicando que discrimina entre países pero no explica nada dentro de ellos.
  • Validación: Bajo la validación cruzada agrupada, Random Forest supera ligeramente a los modelos lineales (R² 0.41 vs. 0.31), pero la especificación lineal captura la mayor parte de la estructura.
• Pilar Social:
  • Reversión de Signo: Existe una reversión sistemática del signo entre los estimadores Between y de Efectos Fijos para variables como saneamiento y combustibles de cocina limpios. Los coeficientes transversales reflejan una confusión geográfica (economías áridas y de altos ingresos tienen alta cobertura de servicios y alto estrés), no mecanismos sociales causales.
  • Impulsores Intra-país: Solo la tasa de fertilidad y la desnutrición sobreviven a la transformación de efectos fijos, moviéndose conjuntamente como parte de una trayectoria de desarrollo compartida.
  • Agrupamiento: El bloque social es mayoritariamente unidimensional (gradiente de desarrollo). Sin embargo, emerge un grupo distinto de "Alto estrés y baja participación", caracterizado por niveles de desarrollo intermedios pero con una fuerza laboral constreñida y alto estrés hídrico.
  • Validación: Los aprendices flexibles funcionan peor que los modelos lineales cuando se excluyen los países (el R² cae a casi cero o negativo), lo que indica que los indicadores sociales son predictores débiles de la variación entre países una vez eliminada la identidad del país.
• Pilar de Gobernanza:
  • El Nulo sobre la Calidad Institucional: El nivel de calidad institucional (el primer componente principal de cuatro indicadores WGI, que absorbe el 91.9% de su varianza) no está relacionado con el estrés hídrico en ningún estimador.
  • La Señal en la Composición: El segundo componente principal, que representa la "rendición de cuentas relativa a la capacidad estatal", porta un fuerte coeficiente negativo (−1.10) en los modelos transversales. Las economías con alta capacidad administrativa pero baja rendición de cuentas (p. ej., estados rentistas del Golfo) exhiben el mayor estrés hídrico.
  • Predictor Dominante: La razón de participación de la fuerza laboral femenina frente a la masculina es el predictor más significativo en los tres pilares. Su dependencia parcial revela una discontinuidad aguda (una función escalón) concentrada en un intervalo de cinco puntos (55–59%), una característica invisible para las especificaciones lineales.
  • Validación: En el bloque de gobernanza, la Regresión Lineal supera a todos los aprendices flexibles bajo la validación cruzada agrupada (R² 0.27 vs. 0.08), confirmando que la relación es efectivamente lineal y que no se está omitiendo ninguna estructura no lineal.

Significancia y Reivindicaciones
El artículo afirma resolver tres brechas en la literatura:

1. Conceptual: Es el primer estudio que aplica la descomposición de ESG soberano al estrés hídrico como variable dependiente, comparando el poder explicativo de los tres pilares sobre una muestra común.
2. Estimación: Al separar el movimiento intra-país de la estructura entre países, demuestra que los estudios de caso y la literatura transnacional están respondiendo preguntas diferentes. El hallazgo de que el 99.1% de la varianza es estructural desafía la suposición de que el estrés hídrico es una variable de política sensible a ajustes anuales.
3. Metodológica: Trata la colinealidad de los indicadores de gobernanza como un problema de medición sustantivo (que requiere ortogonalización) en lugar de un inconveniente de estimación. También utiliza el aprendizaje automático no para la predicción, sino para validar la adecuación de las formas funcionales lineales y para detectar no linealidades específicas (tierra agrícola en forma de U, participación laboral en forma de escalón).

Los autores concluyen que el estrés hídrico es una restricción que los estados heredan en lugar de un desempeño que ellos entregan. Por consiguiente, el "nivel" de calidad institucional es informativo para la evaluación hídrica soberana; en su lugar, la composición de las instituciones (específicamente el equilibrio entre capacidad y rendición de cuentas) y los factores estructurales como la participación en la fuerza laboral son los determinantes críticos. El artículo argumenta que el marco de ESG soberano debe incorporar el estrés hídrico no como una métrica de desempeño calificada, sino como un factor de riesgo estructural, dado su carácter de movimiento lento y basado en dotaciones.