Socio-Economic and Institutional Drivers of Willingness to Pay for Sustainable Arsenic Mitigation in Rural India

Resumo Técnico: Determinantes Socioeconômicos e Institucionais da Disposição a Pagar por Mitigação Sustentável de Arsênio no Meio Rural da Índia

Problema
Apesar do amplo reconhecimento dos graves riscos à saúde pública associados ao arsênio em águas subterrâneas, a adoção de tecnologias de mitigação nas regiões afetadas, particularmente no meio rural da Índia, permanece persistentemente baixa. Este estudo aborda o descompasso crítico entre a conscientização sobre os riscos do arsênio e o comportamento real de adoção em nível domiciliar. Enquanto as abordagens tradicionais frequentemente enfatizam a conscientização e os riscos percebidos à saúde como principais impulsionadores, esta pesquisa postula que a adoção é moldada por uma interação complexa de restrições socioeconômicas, confiança institucional, hierarquia social e ônus experienciais relacionados ao acesso à água. O estudo foca no Bihar rural, um importante ponto crítico onde os níveis de arsênio nas águas subterrâneas frequentemente excedem as diretrizes da OMS, para investigar os determinantes da Disposição a Pagar (DAP) por tecnologias de mitigação sustentáveis.

Metodologia
O estudo emprega um framework analítico integrado combinando análise estatística tradicional com técnicas de aprendizado de máquina (ML) interpretáveis para modelar o comportamento de DAP dos domicílios.

• Coleta de Dados: Dados primários foram coletados de 340 domicílios em três aldeias afetadas pelo arsênio (Suarmarwa, Rampur Diara e Bhawani Tola) no bloco de Maner, distrito de Patna, Bihar. A pesquisa capturou características demográficas, condições de subsistência, ônus de acesso à água, confiança institucional, participação social e percepções de risco.
• Definição de Variáveis: A variável dependente, DAP, foi dicotomizada em "Baixa/Sem DAP" (≤ ₹25) e "Alta DAP" (> ₹25) com base na distribuição observada das respostas. As variáveis independentes incluíram socio-demografia (casta, educação, ocupação), indicadores econômicos (renda, posse de terras), métricas de acesso à água (distância, tempo, trabalho), confiança institucional (governo, ONGs, PRIs) e percepções de risco (saúde, econômica, social).
• Abordagem Analítica:
  1. Análise Estatística: Estatísticas descritivas, tabelas de contingência e testes Qui-Quadrado foram utilizados para avaliar associações. A correlação de postos de Spearman foi empregada para avaliar relações monotônicas, considerando a natureza ordinal dos dados.
  2. Modelagem de Aprendizado de Máquina (ML): Uma série de algoritmos de classificação foi avaliada, incluindo Regressão Logística (LR), Máquinas de Vetores de Suporte (SVC, NuSVC, Linear SVC), Floresta Aleatória (RF), Gradient Boosting, Árvores de Decisão, K-Vizinhos Mais Próximos, Naïve Bayes e Perceptron Multicamadas (MLP). Os modelos foram treinados em 75% dos dados e validados em um conjunto de teste de 25%.
  3. Métricas de Desempenho: Os modelos foram avaliados quanto à acurácia, precisão, recall, F1-score, Área Sob a Curva ROC (AUC) e Coeficiente Kappa de Cohen. O F1-score serviu como a métrica primária para seleção de modelos para equilibrar falsos positivos e falsos negativos.
  4. Explicabilidade: Explicações SHAP (SHapley Additive exPlanations) foram aplicadas ao modelo de referência de Regressão Logística para quantificar a magnitude e a direção das contribuições das características, garantindo que os outputs de ML estivessem alinhados com a inferência estatística e oferecessem interpretabilidade relevante para políticas públicas.

Principais Contribuições

1. Framework Integrado: O estudo desenvolve um framework inovador que combina inferência estatística com ML interpretável e explicabilidade baseada em SHAP para dissecar a natureza multidimensional do comportamento de DAP.
2. Reavaliação de Impulsionadores: Ele desafia sistematicamente a suposição prevalecente de que a conscientização e o risco percebido à saúde são os principais impulsionadores da adoção. Em vez disso, fornece evidências de que a viabilidade socioeconômica, a estrutura social e a confiança institucional desempenham papéis mais substanciais.
3. Rigor Metodológico: Ao comparar modelos lineares e não lineares, o estudo demonstra que modelos lineares interpretáveis (especificamente a Regressão Logística) podem performar tão robustamente quanto classificadores não lineares complexos neste contexto socioeconômico, oferecendo um equilíbrio entre poder preditivo e interpretabilidade para políticas públicas.

Resultos

• Achados Estatísticos: A DAP exibiu heterogeneidade significativa entre as aldeias e estava fortemente associada à casta, ocupação, renda e confiança institucional. Notavelmente, variáveis como gênero, idade, estado civil e conscientização básica sobre o arsênio não mostraram associação estatisticamente significativa com a DAP. O risco econômico percebido foi um preditor significativo, enquanto o risco à saúde percebido não foi, reforçando o achado de que as restrições econômicas frequentemente superam as preocupações com a saúde na tomada de decisão.
• Desempenho do Modelo: A Regressão Logística emergiu como o modelo mais robusto e interpretável, atingindo uma acurácia de teste de 0,753, um F1-score de 0,687, um AUC de 0,743 e um Kappa de 0,495. Embora modelos não lineares como NuSVC e Random Forest tenham mostrado desempenho competitivo, eles exibiram sinais de overfitting (por exemplo, a acurácia de treinamento da Random Forest de 1,000 caindo para 0,741 nos dados de teste). O desempenho moderado em todos os modelos (AUC ~0,70–0,74) sugere que o comportamento de DAP é inerentemente complexo e dependente do contexto, com uma sobreposição significativa entre adotantes e não adotantes.
• Interpretação SHAP: A análise SHAP identificou a casta, a classe de posse de terra agrícola (AgLHC), o risco social percebido e a confiança em ONGs como os preditores mais influentes. Crucialmente, a análise revelou efeitos direcionais mistos: enquanto o maior risco econômico percebido e a posse de ativos geralmente aumentavam a DAP, níveis mais altos de certas variáveis de confiança institucional e índices de participação às vezes correlacionavam-se com uma DAP menor, sugerindo que restrições estruturais e ineficiências institucionais podem atuar como barreiras mesmo quando o engajamento é alto.

Significância e Alegações
O artigo alega que seus achados ressaltam a insuficiência de abordagens baseadas apenas na conscientização para melhorar a adoção de tecnologias de mitigação de arsênio. O estudo conclui que intervenções eficazes devem abordar a acessibilidade financeira, a credibilidade institucional e as vulnerabilidades socioeconômicas. Ao demonstrar que a DAP está profundamente enraizada em hierarquias sociais e dinâmicas de governança, em vez de apenas na percepção de risco à saúde, a pesquisa defende estratégias de intervenção baseadas em contexto e confiança. O estudo posiciona-se como um passo para o design de estratégias de mitigação economicamente viáveis e socialmente inclusivas, enfatizando que soluções sustentáveis requerem o enfrentamento de desafios socioambientais mais amplos, além da mera provisão tecnológica. Os autores mantêm um tom modesto, reconhecendo limitações como a natureza transversal dos dados e o uso de medidas de preferência declarada, e convocam para validações futuras utilizando dados longitudinais e medidas de preferência revelada.