Titulo: Cul es el costo de la contaminacin ambiental minera sobre los recursos hdricos en el Per?

Seudnimo: Chabuco Segmento: Proyecto mediano (priorizado por el Consejo Consultivo del Sector Pblico, CCSP)

1. Objetivos y justificacin del proyecto. En los ltimos aos el sector minero ha experimentado un crecimiento exorbitante. De un crecimiento de 2.4% en el ao 2000, pas a 7.6% en el ao 2008, proyectndose para el perodo 2010-2012 un crecimiento promedio anual de 7.7% (MEF, 2009). No cabe duda que la actividad minera representa para el pas un importante agente dinamizador de la economa, toda vez que contribuye de manera significativa al aumento de las exportaciones, as como al incremento de la inversin privada y a la recaudacin nacional 1 . Sin embargo, merece la pena preguntarse si los beneficios totales netos generados por dicha actividad han sido positivos, es decir si los beneficios que trascienden el mbito econmico, tales como los sociales y ambientales, han sido ms elevados que los correspondientes costos. La respuesta a dicha pregunta no es clara, y desde ya constituye en la actualidad un tema de agudo debate intelectual y poltico en el Per. Lo cierto es que desde que la actividad minera se ha intensificado en el pas, los costos para reducir los efectos generados por la contaminacin ambiental minera han aumentado. Ya hacia inicios del 2000 el valor de los pasivos ambientales mineros (monto requerido para mitigar los efectos de la contaminacin ambiental minera) superaba los US$ 1,000 millones (Glave y Kuramoto, 2002), y en la actualidad, aun cuando se desconoce el valor de dichos pasivos, estos debieran ser ms elevados considerando que su nmero ha aumentado de 611 a 850 en un lapso de 3 aos (MEM, 2006) 2 . La mayor parte de estos pasivos mineros han sido generados por las empresas de la gran y mediana minera (el 95.5% de estos pasivos) 3 , las cuales producen aproximadamente el 95% del total de minerales del pas (Glave y Kuramoto, 2002). Tradicionalmente, han sido los recursos hdricos los recursos naturales ms afectados por la contaminacin de las actividades mineras en el pas (NezBarriga y Castaeda-Hurtado, 1999). Esto es debido a que los recursos hdricos son un insumo indispensable en el proceso productivo minero, los cuales son combinados con reactivos qumicos (cianuro, arsnico, etc.) para separar el metal
1

2 3

En el 2008, el sector minera e hidrocarburos represent el 62% de las exportaciones totales, el 55% de la recaudacin por impuesto a la renta de tercera categora y el 26% del total de las inversiones privadas. Segn el MINEM (2009), el monto estimado de inversiones en el sector minero para el perodo 2010-2016, ascender a US$ 24,703.1 millones, lo cual representa aproximadamente a 5 veces el monto de inversin privada realizada en el pas en el ao 2008 y 3 veces ms el monto de inversin pblica que el Gobierno realiz en los aos 2007 y 2008. Entre los aos 2003 y 2006. Se espera que en el actualidad estos sean an ms elevados. US$ 977.1 millones.

de la roca y as obtener el mineral con valor comercial 4 . Como resultado de este proceso, se generan desechos de roca triturada, agua y reactivos qumicos residuales (denominados relaves mineros), los cuales son arrojados en los ros, lagos y/o lagunas, generndose as la contaminacin ambiental en los recursos hdricos. Segn la literatura, la contaminacin ambiental ocurre debido a la existencia de fallas de mercado (externalidades, informacin asimtrica, ausencia de derechos de propiedad, ausencia de un sistema de precios, etc.) lo cual conduce a las empresas a maximizar sus beneficios considerando nicamente sus costos privados de produccin, omitiendo aquellos sociales y ambientales (Koundouri, 2000; Birol, et. al.; 2006). Los costos de evitar la contaminacin ambiental pueden interpretarse como el trade-off de los empresarios entre incrementar su produccin que es vendible a precios de mercado (output deseable) y reducir la contaminacin ambiental que se desprende de su proceso productivo (output no deseable). En otras palabras, los costos privados de no contaminar el ambiente, se interpretan como los costos de oportunidad de los empresarios, es decir como el ingreso al cual estos deben renunciar para reducir una unidad adicional de degradacin ambiental (Rao, 2000 y Fre et al., 1989, 1993, 2003). En la literatura, a estos costos se los conoce con el nombre de los precio sombra, los cuales revelan informacin sobre la valoracin que las empresas tienen respecto a la contaminacin ambiental que generan; y dado que pueden expresarse en trminos monetarios, representan una aproximacin del costo econmico de la contaminacin ambiental generada por actividades productivas (Coggins y Swinton, 1996; Swinton, 1998). El objetivo de la presente investigacin ser cuantificar el costo de la contaminacin ambiental minera sobre los recursos hdricos del Per para el perodo 2005-2008. Para ello se emplear el marco conceptual de la Eficiencia Medioambiental (Pittman, 1981,1983; Fre et al., 1989; 1993; 2003; Rao, 2000), la cual construye una frontera de posibilidades de produccin, a partir de los mejores comportamientos ambientales mineros, para luego calcular la eficiencia medioambiental como la distancia a dicha frontera. La pendiente de la proyeccin de las unidades productivas (empresas mineras) sobre la frontera de produccin, es decir la tasa marginal de sustitucin tcnica entre los output deseables y no deseables, corresponder al costo de la contaminacin ambiental minera sobre los recursos hdricos. Las metodologas que se emplearn para calcular dicho costo econmico sern de dos tipos: no paramtricas (aproximacin Data Envelopment Anlisis-DEA) y paramtricas (especificacin translogartmica), y se emplearn como variable output deseable, la produccin minera por empresa, como output no deseable, los parmetros de contaminacin ambiental de emisiones mineras en los recursos hdricos (plomo, arsnico, cianuro total, entre otros) 5 ; y como variables input, el capital y trabajo que las empresas mineras emplean en su proceso productivo. Posteriormente, mediante modelos de regresin, se evaluarn los determinantes tecnolgicos, espaciales y normativos
4 5

A esta fase productiva conocida con el nombre de concentracin, la cual es posterior a la fase de explotacin en la cual la roca conjuntamente con los minerales son extrados de la mina. Corresponden a los valores de los parmetros de los Lmites Mximos Permisibles (LMP) establecidos en la Resolucin Ministerial No. 011-96-EM/VMM.

del costo econmico de la contaminacin ambiental minera para el perodo bajo estudio. Los resultados de este estudio podrn ser empleados para su aplicacin en el mbito de las polticas pblicas medioambientales. As, por ejemplo, los precios sombra podrn ser usados por el Organismo Supervisor de la Inversin en Energa y Minera (OSINERGMIN) como una proxy del costo de las multas que se establecen en el sector minero ante el incumplimiento de los estndares ambientales de emisiones en los recursos hdricos (Lmites Mximos Permisibles). Adicionalmente, los precios sombra podrn emplearse para proyectar la tasa de contaminacin ambiental que debe ser reducida para cumplir con los estndares ambientales establecidos en la normativa, para su anlisis de cmo los precios sombra varan en el tiempo, as como para predecir el nivel de contaminacin ambiental que podra generase ante un incremento de 1% en la produccin de minerales. El ndice preliminar para la presente investigacin es el siguiente: 1. 2. 3. 4. 5. Introduccin Marco terico El sector minero peruano: principales caractersticas El proceso de produccin minera y los recursos hdricos 4.1. Proceso de produccin minera y contaminacin del agua 4.2. El marco normativo ambiental minero sobre los recursos hdricos Metodologas para el clculo del costo econmico de la contaminacin minera sobre los recursos hdricos 5.1. Anlisis no paramtrico: Data Envelopment Analysis (DEA) 5.2. Anlisis paramtrico: Especificacin translogartmica 5.3. Construccin de los indicadores inputs y outputs deseables y no deseables Estimaciones, anlisis de sensibilidad y correlacin de resultados Modelos de regresin: determinantes tecnolgicos, espaciales y normativas del costo econmico de la contaminacin minera Anlisis de los resultados Conclusiones y recomendaciones de poltica

6. 7. 8. 9.

2. Marco terico. La Eficiencia Medioambiental (Pittman, 1981; Pittman, 1983; Fre et al., 1989; 1993; 2003) surgi en los aos ochenta y desde sus inicios se avoc al estudio de la valoracin econmica de la contaminacin ambiental generada por las actividades productivas. El mtodo de anlisis de la Eficiencia Medioambiental supone que las unidades productivas emplean diversos input para producir de manera conjunta dos tipos de output: deseables y no deseables (Fre y Grosskopf, 1998; Fre et al., 1989; 1993), y establece un criterio de eficiencia medioambiental en el sentido de Pareto para identificar comportamientos ambientalmente eficientes. As, una

unidad productiva ser eficiente si no puede producir ms de un output deseable o menos de un output no deseable, sin disminuir la cantidad de otro output deseable o incrementar otro output no deseable, dada la dotacin de input (insumos) y la tecnologa de la empresa. En otras palabras, una unidad productiva es ambientalmente eficiente si tiene la habilidad para incrementar su produccin deseable sin daar el medio ambiente, es decir para producir sobre la frontera de posibilidades de produccin eficiente, dada la tecnologa. En trminos cuantitativos, la eficiencia medioambiental puede calcularse como la distancia de una unidad productiva a la frontera de posibilidades de produccin, construida a partir de un conjunto de input y output (deseables y no deseables). Esta evaluacin revela informacin sobre la valoracin econmica que las unidades productivas tienen respecto a la contaminacin ambiental que generan, la cual ha sido denominada en la literatura como los precios sombra de las externalidades ambientales. Estos precios sombra pueden calcularse mediante la pendiente de la proyeccin de una unidad productiva sobre la frontera de posibilidades de produccin, y su lectura indicar cuanto es el ingreso al cual las unidades productivas deben renunciar para reducir una unidad adicional de degradacin ambiental (Rao, 2000; Fre et al., 1993). En el grfico 1, g es la cantidad de output deseable y b es la cantidad de output no deseable. La frontera de posibilidades de produccin P (x ) se conforma por las unidades productivas A , B , C , D y E . La observacin O corresponde a una combinacin ineficiente de outputs, dado que es posible producir una mayor cantidad de output deseable y a la vez reducir la cantidad del output no deseable. La distancia del punto O a la frontera de produccin eficiente (vector OB ), constituye una medida de eficiencia medioambiental (ver grfico 1) 6 . Grfico 1 Fronteras de Posibilidades de Produccin sombra de las externalidades con output deseables y no deseables ambientales
g
g

Grfico 2 Los precios

C
D
SPB = pb pg

B
A
O

B E
A P (x )
O E
P(x)

Adaptado de Salnykov y Zelenyuk (2005) Salnykov y Zelenyuk (2005)

6

Adaptado de

Si esta distancia es igual a cero, la unidad productiva es eficiente y opera sobre la frontera de posibilidades de produccin.

La pendiente de la proyeccin de dicha observacin sobre la funcin de produccin, es decir la tasa marginal de sustitucin tcnica entre los output deseables y no deseables corresponde a los precios sombra de la contaminacin ambiental (ver grfico 2), la cual admite la lectura de cuanto output deseable debera renunciar una unidad productiva, si desea reducir la contaminacin ambiental en una unidad, manteniendo el nivel de eficiencia constante (Fre et al., 1989, 1993; Coggins y Swinton, 1996; Gollop y Swinand, 1998). Los precios sombra de los output no deseables habitualmente han sido estimados mediante funciones-distancia de tipo Shephard (1970) 7 . Estas funciones-distancia brindan una representacin dual de la referencia tecnolgica, y estiman la eficiencia medioambiental de una unidad productiva como la distancia a la frontera de produccin eficiente. Luego, a partir de la estimacin de la tasa marginal de sustitucin tcnica de los output deseables y no deseables de la proyeccin de una observacin (unidad productiva) sobre la funcin de produccin eficiente, se calculan los precios sombra de los output no deseables. Diversas metodologas se han utilizado para calcular los precios sombra de las externalidades ambientales, a partir del clculo de funciones-distancia mediante la estimacin de una frontera de produccin eficiente. Estas metodologas pueden compilarse en dos grandes grupos, paramtricas y no paramtricas. Las metodologas paramtricas fueron propuestas inicialmente para la estimacin de funciones de produccin (Aigner y Chu; 1968), luego extendidas a funciones de costos (Pollak et al., 1984) y posteriormente a funciones-distancia (Pittman, 1981, 1983; Fre et al., 1993, 2003; Coggins y Swinton, 1996). Prcticamente la totalidad de los estudios surgidos durante los aos 90, calcularon los precios sombra de los output no deseables mediante metodologas paramtricas usando funciones-distancia direccionales (Fre et al., 1993, 2003; Coggins y Swinton, 1996; Chung, et. al., 1997; Fre et al., 2003). La razn de ello radica en que la derivacin de una funcin-distancia con respecto a los outputs (deseables y no deseables) es ms rigurosa mediante el uso de metodologas paramtricas, dado que especifican previamente una forma funcional para la referencia tecnolgica de las unidades productivas evaluadas. De otro lado, las metodologas no paramtricas o de programacin matemtica, han sido de reciente aplicacin, conocindose hasta la fecha solamente dos estudios relacionados al clculo de los precios sombra de los output no deseables (Lee, et al., 2002; Salnykov y Zelenyuk, 2005). Este tipo de metodologas son preferibles en contextos en los cuales las tecnologas de produccin de las unidades productivas son desconocidas, existen mltiples output en la evaluacin, o en los cuales los sistemas de precios son inexistentes, no significativos o inoperativos (Lovell, 1993). Destacan por su flexibilidad y la posibilidad de adaptarse a un contexto de mltiples inputs y outputs. Los precios sombra a partir de estas metodologas se han estimado mediante la aproximacin Data Envelopment Analysis (DEA), la cual asume rendimientos constantes o variables a escala, fuerte disponibilidad de inputs y outputs y convexidad del conjunto de combinaciones de inputs y outputs.
7

Este autor propuso funciones-distancia en trminos de output para el clculo de ndices de eficiencia. Su trabajo fue luego extendido a funciones distancia en trminos de input, as como direccionales.

En el mbito de las aplicaciones empricas vinculadas a las metodologas paramtricas para el clculo de los precios sombra de los output no deseables, se encuentra el trabajo de Pittman (1983) quien estim los precios sombra de elementos contaminantes en el agua (oxgeno bioqumico) para cada una de las 5 etapas del proceso de produccin de la industria de papel del estado de Wisconsin en 1976. El autor estim los precios sombra en US$ 4,408 por tonelada, donde el 60% de dicho precio provena de la fase del proceso productivo en el cual la tinta de las fibras del papel reciclado era removida previo a la elaboracin del papel. Por su parte, Fre et al. (1989; 1993) extendieron el trabajo de Pittman (1983) incluyendo adems del oxgeno bioqumico, otros contaminantes del agua que se derivan del proceso productivo de elaboracin del papel, como el total de slidos suspendidos, el acido sulfrico y partculas diversas. Los autores encontraron que el precio sombra para el conjunto de estos contaminantes era de US$ 30,489.5 por tonelada, mayor en US$ 24,000 a los calculados por Pittman (1983). De otro lado, Gollop y Swinand (1998) estudiaron los precios sombra de la polucin del agua por el uso de pesticidas, herbicidas y fungicidas en la agricultura estadounidense para el perodo 1972-1993. Los autores sealaron que los precios sombra fueron ms elevados en el perodo 1972-1979 que en perodo 1980-1993, y que las polticas de regulacin influyeron tanto en los niveles de contaminacin como en los precios sombra del sector. Por el lado de las aplicaciones empricas no paramtricas, se encuentra el estudio de Lee, et al., (2002), quienes estimaron los precios sombra de la polucin en el aire generada por las plantas energticas en Korea para el perodo 1990-1995. Los autores encontraron que los precios sombra promedio de los xidos de sulfuro, los xidos de nitrgeno y el total de partculas suspendidas fueron 10% ms bajos que aquellos calculados por mediante metodologas paramtricas. Por su parte, Salnykov y Zelenyuk (2005) calcularon los precios sombra de las emisiones en el aire del dixido de carbono, dixido sulfrico y xido nitrgeno para el perodo 1990-2004, para una muestra variada de pases. Los resultados indicaron que los contaminantes ms perjudiciales para la salud tenan precios sombra ms elevados, y que tanto pases desarrollados como en vas de desarrollo podan ser ambientalmente eficientes. Posterior al clculo de los precios sombra, una segunda etapa del anlisis, implica el estudio de los factores que explican los niveles de los precios sombra encontrados. En la literatura estos factores se han aproximado de dos maneras. En primer lugar, mediante Anlisis de Varianza (ANOVA), a partir de la cual se identifica la existencia de diferencias en los valores medios de las variables explicativas previamente ordenadas en funcin a grupos de las variables dependientes (Reig-Martnez, et al.; 2001); y en segundo lugar, mediante modelos de regresin considerando como variables explicativas aquellas sobre las cuales las unidades productivas evaluadas no tienen injerencia (Worthington y Dollery, 2000). Ambas aproximaciones tienen ventajas y desventajas. De un lado, los Anlisis de Varianza (ANOVA) si bien permiten analizar simultneamente los niveles de significacin de dos o ms variables explicativas, dado que su anlisis engloba

diferentes hiptesis alternativas 8 , cuando se alcanza la significacin de una variable explicativa, no es posible conocer cul de las hiptesis alternativas es la que origina la significacin. De otro lado, en el caso de los modelos de regresin, la eleccin del mismo depender de la distribucin de la variable dependiente. Una primera aproximacin implica estimar una regresin lineal mediante mnimos cuadrados ordinarios (MCO). Sin embargo, cuando la variable dependiente es censurada, los parmetros estimados mediante este modelo son inconsistentes, inconsistencia que se incrementa con el nmero de observaciones censuradas (Greene, 1981). Una solucin a este problema consiste en estimar un modelo Tobit mediante mxima verosimilitud bajo los supuestos de normalidad y homoscedasticidad (De Borger y Kerstens, 1996). Para el caso peruano, no existe literatura relacionada al clculo del costo econmico de la contaminacin ambiental minera sobre los recursos hdricos. Tampoco existen estudios que hayan explorado formalmente los determinantes de dicho costo econmico. As, el presente proyecto de investigacin constituye un aporte a la literatura, y al mbito de su aplicacin para el diseo de polticas pblicas ambientales. Se plantean las siguientes hiptesis para guiar la investigacin: Hiptesis 1: El costo de la contaminacin ambiental minera sobre los recursos hdricos en el perodo 2005-2008, excede considerablemente el monto de multas pagadas en el sector en el mismo perodo. Hiptesis 2: El costo de la contaminacin ambiental minera sobre los recursos hdricos, excede los US$ 1,000 millones calculados por Glave y Kuramoto (2002) para el valor de los pasivos ambientales mineros. Hiptesis 3: El nivel del costo de la contaminacin ambiental minera sobre los recursos hdricos depende del tipo de mineral extrado (oro, cobre, etc.), de la tecnologa empleada, de la antigedad de operacin de la empresa, de los reactivos qumicos usados, entre otros.

3. Metodologas. Las metodologas que se emplearn en el presente estudio sern de dos tipos. Las primeras se usarn para calcular el costo econmico (precios sombra) de la contaminacin ambiental minera sobre los recursos hdricos, y las segundas para estudiar las variables que explican dicho costo econmico. 3.1. Metodologas no paramtricas y paramtricas para el clculo de los precios sombra. 3.1.1. Anlisis no paramtrico. Salnykov y Zelenyuk (2005) y Lee, et al., (2002), propusieron la aproximacin Data Envelopment Analysis (DEA) para la estimacin de los precios sombra de los output no deseables. Siguiendo a estos autores, y bajo el supuesto de
8

Referidas a que alguna de las medias de las variables explicativas (organizadas en estratos) sea diferente de las dems.

retornos a escala variables, la funcin de produccin de la empresa puede representarse como:

K P ( x ) = { g , b) : g VZ , b WZ , X Z x, eT z 1, z + } ( (1) Donde: K V + : es el vector fila de los output deseables K W + : es el vector fila de los output no deseables N K X + + : es la matriz de los input e T : es un vector fila de 1 K z + : es el vector columna de la intensidad de las variables 9 k : es el nmero de unidades productivas evaluadas (empresas mineras en este caso)

Sobre la base de la funcin de produccin descrita anteriormente, una funcindistancia direccional D 0 (.) puede calcularse resolviendo el siguiente problema de programacin lineal:
max k

(2)

s.a. (i) VZ (1 + k ) g k , con k = 1,...., K (ii) WZ (1 + k )b k (iii) X Z x k (iv) eT z 1 (v) z 0 K , con k 0 Una vez estimados los valores de las funciones-distancia direccionales para el conjunto de empresas evaluadas, se calculan los precios sombra de la contaminacin ambiental minera sobre los recursos hdricos. Para ello, primero se proyectan todas las observaciones evaluadas sobre la frontera de produccin eficiente, considerando para ello las funciones-distancia direccionales estimadas previamente. Dicha proyeccin se representar por un punto sobre la frontera de produccin, el cual tendr las siguientes coordenadas segn corresponda a output deseables y no deseables:
ek

k = 1 + D0 (.) g k

(3)

k b = 1 D0 (.)bk

ek

(4)

Posteriormente, se resolvern K problemas de programacin lineal para cada empresa minera evaluada, del siguiente modo: max k (5) k
z ,
9

Corresponden a los pesos asignados a cada unidad productiva evaluada en la construccin de la frontera de produccin eficiente.

s.a. (i) GZ (1 + k ) g ek , con k = 1,...., K (ii) BZ (1 k )b ek (iii) X Z x k (iv) eT z = 1 (v) z 0 K , con k 0 De esta manera se obtiene un conjunto de nuevos valores ptimos de y z , as como un conjunto de multiplicadores de Lagrange para cada restriccin en (5). Los multiplicadores de Lagrange de las restricciones (i) y (ii) son equivalentes a los precios sombra normalizados. Los ratios de estos multiplicadores de
k Lagrange son equivalentes a los ratios D (.) / g y D0 (.) / b k . Finalmente, los m k 0 k

precios sombra ( p m ) para cada empresa minera evaluada se obtendrn de la siguiente manera:
bk

b k

pm = p g k

k ( ii ) m k (i )

= pg k

k ( ii ) m k (i )

k 1 D0 (.) k 1 + D0 (.)

(6)

Donde: ki ) : es un multiplicador de Lagrange para la restriccin (i) de la ecuacin (5) para ( la

k esima

k ( ii ) m

unidad productiva evaluada. : es un multiplicador de Lagrange para la restriccin (ii) de la ecuacin (5)
k esima

para la

unidad productiva evaluada.

3.1.2. Anlisis paramtrico. Siguiendo a Chung (1996), y Fre et al., (1993) el clculo de los precios sombra requiere la estimacin de una funcin-distancia direccional en trminos de output, para lo cual proponen una especificacin translogartmica de la siguiente forma:
1 1 ln 1 + D0 ( x, g , b g , b) = 0 + 1 ln g + m ln bm + n ln x n + 11 (ln g )(ln g ) + mm ' (ln bm )(ln bm ' ) 2 m m' 2 m n 1 1 + nn ' (ln x n )(ln x n ' ) + n (ln g )(ln x n ) 2 n n' 2 n + 1 1 mn (ln bm )(ln xn ) + 2 n (ln g )(ln bm ) 2 m n m

(1)

Donde: g : corresponde a los output deseables b : corresponde a los output no deseables, donde n = 1,..., N es el nmero de output no deseables x : corresponde a los input, donde m = 1,..., M es el nmero de inputs

 , , , , , : son los parmetros a ser estimados

D 0 (.) : es una funcin-distancia direccional
Para estimar los parmetros de la ecuacin (1) se debe de minimizar la suma de las desviaciones, para lo cual se resuelve el siguiente problema de optimizacin:
min ln (1 + D0 (.) ln1 + D0 (.) P ( x ) min ln(1 + D0 (.) ln(1 + 0) min ln1 + D0 (.) k k k

(2) 10

Como resultado se obtiene la siguiente funcin-distancia direccional en trminos de output: (3) D0 ( x k , g k , b k g k , b k ) = exp ln 1 + D0 ( x k , g k , b k g k , b k ) 1, k = 1,..., K Donde: k : es el nmero de unidades productivas evaluadas (empresas mineras en este caso)

Finalmente, los precios sombra de los output no deseables son estimados de la siguiente forma:
pm = p g
b

D0 (.) bm D0 (.) g

(4)

10

La ecuacin (1) puede ser estimada usando (2) como una funcin objetivo de la siguiente manera: min ln1 + D0 ( x k , g k , b k g k , b k ) k s.a (i ) ln1 + D0 ( x k , g k , bk g k , bk ) 0 , k = 1,..., K Requimiento para que todas las observaciones sean tecnolgicamente posibles. (ii ) n(1 + D 0 (.) (ln g ) 0 , n (1 + D 0 (.) (ln bm ) 0 , m = 1,..., M

Garantiza precios sombra no negativos para output deseables y precios sombra no positivos para output no deseables.
(iii ) 1 m = 1; 11 m = 0; m mm ' = 0; n mm = 0
m m m' m

Impone propiedades funcionales a la funcin - distancia direccional.

m, m ' = 1,..., M n = 1,..., N

(iv) mm' = m ' m , nn ' = n ' n Impone propiedades de simetra.

Donde:

D0 (.) es una notacin abreviada para D0 ( x, g , b g , b)

Luego de reemplazar D0 ( x, g , b g , b) en la ecuacin (4) y del uso de artificios algebraicos, se obtiene los precios sombra ( p m ) para el j simo output no deseable para las k unidades productivas mineras evaluadas:
k k j + mj (ln bm ) + 12 jn (ln x n ) + 12 j (ln g k ) gk m n

bk

pm =

bk

(5)

k k 1 + 11 (ln g k ) + 12 n (ln x n ) + 12 m (ln bm ) n m

k bm

3.2. Anlisis de los factores que explican el costo econmico de la contaminacin ambiental minera. En esta seccin, se propone estimar modelos de regresin para identificar los factores que determinan los niveles de los precios sombra calculados 11 . La eleccin del modelo a estimar depender de las caractersticas de la distribucin de la variable dependiente (precios sombra). As, podrn estimarse modelos lineales mediante mnimos cuadrados ordinarios previa transformacin logartmica o modelos Tobit mediante mxima verosimilitud. La especificacin del modelo es la siguiente:
i = 0 + 1 ESTADOi + 2OPERACIONi + 3 REGULATORIOi + 4 ESPACIALi + i

Donde: ) : Es un vector que contiene los parmetros a ser estimados. i : Trmino de error. i : Precio sombra. A continuacin se describirn el set de variables incluidas en las categoras de ESTADO, OPERACIN, REGULATORIO Y ESPACIAL. (i) ESTADO i : Variables que las empresas mineras no pueden modificar en el corto plazo. Se considerarn las siguientes: Nacionali : Variable dummy, la cual tomar el valor de 1 si la empresa minera es peruana (o de capitales mayormente nacionales) y 0 en otro caso.

11

Se ha preferido estimar modelos de regresin en lugar de realizar un anlisis ANOVA dado que, como fue sealado en la seccin 2, los primeros son ms robustos que los segundos en el testeo de las hiptesis a probar.

Tributariai : Variable dummy, la cual tomar el valor de 1 si la empresa

minera cuenta con un contrato de estabilidad tributaria y 0 en otro caso. Po lim etalica i : Variable dummy, la cual tomar el valor de 1 si la empresa minera extrae ms de un mineral a la vez (es polimetlica) y 0 en otro caso. Aoi : Nmero de aos de operacin de la empresa minera.
Inversin i : Monto de inversin de la empresa minera.

(ii) OPERACION i : Variables vinculadas a la operatividad de las empresas mineras. Se considerarn las siguientes: Tecno log ai : Variable dummy, la cual tomar el valor de 1 si la empresa minera usa una tecnologa de flotacin para la obtencin de minerales y 0 en otro caso. Cabe indicar que la flotacin es la tecnologa ms usada en el pas para la obtencin de minerales 12 . Minerali : Participacin en la produccin minera por empresa segn oro, plata, cobre y zinc. Qumi cos i : Kilogramos o litros de reactivos qumicos empleados en el proceso de obtencin de minerales. (iii) REGULATORIOi : Variables que relacionan el rol del ente fiscalizador ambiental y la gestin de las empresas mineras. Se considerarn las siguientes: PAMA EIAi : Variable dummy, la cual tomar el valor de 1 si la empresa minera cuenta con una prrroga de su Programa de Adecuacin y Manejo Ambiental (PAMA) o de su Estudio de Impacto Ambiental (EIA), y 0 en otro caso 13 . Multasi : Monto en soles de las multas cobradas a las empresas por incumplimiento de los PAMA o EIA. (iv) ESPACIALi : Variables de control de tipo espacial. Se considerarn las siguientes: Densidad : Densidad poblacional (habitantes por kilmetro cuadrado) del distrito donde opera la empresa minera. Alfabetism o : Tasa de alfabetismo del distrito en la cual opera la empresa minera.

12 13

Mediante esta tecnologa se obtiene el 100% del zinc, el 85.5% del cobre y el 91.5% de plata en el Per. El Decreto Supremo No. 014-92-EM que aprob el Texto nico Ordenado (TUO) de la Ley General de Minera estableci 2 instrumentos de control para limitar la contaminacin ambiental en el sector: (i) Estudios de Impacto Ambiental (EIA) para las operaciones mineras que se establezcan luego de la promulgacin de dicha norma y (ii) Programas de Adecuacin y Manejo Ambiental (PAMA) para las operaciones mineras en funcionamiento al momento de la promulgacin de la norma.

3.3. Variables y fuente de obtencin de datos. Las variables input que se emplearn en el anlisis sern los insumos que las empresas mineras emplean en sus procesos productivos: capital (energa, maquinaria y reactivos qumicos) y trabajo (fuerza laboral). Las variables output sern de 2 tipos: (i) output deseables, que incluye la produccin por empresa minera de los principales minerales que se producen en el pas: oro, plata, cobre y zinc; y (ii) output no deseables, que incluye los niveles de contaminacin ambiental emitidos por las empresas mineras en los recursos hdricos, segn los 8 tipos de contaminantes (PH, slidos suspendidos, plomo, cobre, zinc, hierro, arsnico y cianuro) establecidos en la Resolucin Ministerial N 011-96-EM/VMM, por la cual se fijaron los Lmites Mximos Permisibles (LMP) de emisin en los recursos hdricos para las actividades mineras. Adicionalmente, se emplearn los precios de las cotizaciones internacionales de oro, plata, cobre y zinc para los aos 2005-2008, as como la produccin de los cuatro minerales sealados anteriormente para una muestra de 35 empresas mineras pertenecientes a la gran y mediana minera, las cuales produjeron en el ao 2007, el 97.4%, 91.9%, el 87.3% y el 85% de la produccin nacional de cobre, zinc, plata y oro, respectivamente 14 . Ambas variables, cotizaciones internacionales y produccin minera, se emplearn para cuantificar los ingresos totales de las empresas mineras bajo estudio. La descripcin estadstica de las variables input y output (deseables y no deseables), as como la fuente de obtencin de datos se resume en la siguiente tabla.

14

Vase en el anexo la muestra de empresas mineras bajo estudio.

Variable

Unidad de medida

Valores Promedio 2007 309.83 4904.87 96.58 88.48

Fuente de obtencin de datos

Output Deseables Oro Miles de Onzas Finas Plata Miles de Onzas Finas Cobre Miles de TMF 2/ Zinc Miles de TMF 2/ Output No Deseables Ph Niveles Slidos suspendidos mg/l 3/ Plomo mg/l 3/ Cobre mg/l 3/ Zinc mg/l 3/ Hierro mg/l 3/ Arsnico mg/l 3/ Cianuro total 1/ mg/l 3/ Inputs Capital Trabajo Precios (Cotizacin Internacional) Oro US$/Oz.tr. Plata US$/Oz.tr. Cobre Ctvs.US$/lb Zinc Ctvs.US$/lb
2/ Toneladas Mtricas de Contenido Fino 3/ Miligramos por litro

MINEM MINEM MINEM MINEM MINEM MINEM MINEM MINEM MINEM MINEM MINEM MINEM CONASEV (memorias anuales) CONASEV (memorias anuales) Bloomberg Bloomberg Bloomberg Bloomberg

7.54 50.69 0.05 0.38 7.33 4.81 0.38 0.07

697.41 13.42 322.93 147.08

1/ Equivalente a 0.1 mg/l de Cianuro Libre y 0.2 mg/l de Cianuro fcilmente disociable en cido.

4. Plan de incidencia en las polticas pblicas. 4.1. Usuarios del proyecto de investigacin. Los principales usuarios del presente proyecto de investigacin sern el Organismo Supervisor de la Inversin en Energa y Minera (OSINERGMIN) y el Ministerio del Ambiente (MINAN). Organismo Supervisor de la Inversin en Energa y Minera (OSINERGMIN) El OSINERGMIN es la entidad encargada de supervisar y fiscalizar el cumplimiento de los Lmites Mximos Permisibles (LMP) de emisin en los recursos hdricos para el sector minero. Ante el incumplimiento de estos LMP, esta entidad emplea la escala de multas y sanciones establecidas en las Resoluciones de Consejo Directivo N 185-2008-OS-CD y la Gerencia General N 893-2008-OS-GG (vase la siguiente tabla).
Sancin por ocurrencia Infraccin 1ra vez 2da vez 3ra vez 4ta vez en adelante

1 No exhibir, ni permitir examinar la documentacin Impedir, obstaculizar o interferir en la funcin y las facultades 2 fiscalizadoras No proporcionar informacin, proporcionarla fuera de plazo o 3 inexacta 4 Proporcionar informacin falsa 5 Incumplir con las medidas cautelares y correctivas No cumplir con la obligacin cuyo incumplimiento gener la 6 infraccin

100 UIT 250 UIT 500 UIT

1000 UIT

200 UIT 500 UIT 1000 UIT

1000 UIT

Fuente: Resoluciones de Consejo Directivo N 185-2008-OS-CD y la Gerencia General N 893-2008-OS-GG del OSINERGMIN

Como se observa de la tabla anterior, estas multas se han determinado sobre la base de criterios administrativos, sin considerar el criterio de nocividad del dao ambiental que las empresas mineras generan. As, una multa cobrada a una empresa minera por verter 2 miligramos por litro de cianuro, es la misma que se le cobra a otra por emitir 2 millones de miligramos por litro del mismo contaminante. Bajo este esquema lo que se sanciona no es el grado de contaminacin, sino la ocurrencia de la infraccin. En ese sentido, los resultados del presente proyecto de investigacin (estimacin del costo econmico de la contaminacin ambiental minera sobre los recursos hdricos) podrn ser usados por el OSINERGMIN como una proxy del costo de las multas que debieran establecerse en el sector minero ante el incumplimiento de los estndares ambientales de emisiones en los recursos hdricos. Ministerio del Ambiente (MINAM) El MINAM constituye un potencial usuario de los resultados del presente proyecto de investigacin, toda vez que segn lo sealado en la Ley No. 29325, Ley del Sistema Nacional de Fiscalizacin y Evaluacin Ambiental, en el futuro esta entidad ser la encargada de fiscalizar, supervisar y sancionar a las empresas mineras que incumplan los estndares ambientales a travs del Organismo de Evaluacin y Fiscalizacin Ambiental (OEFA). 4.2. Compromiso y estrategia-plan incidencia del proyecto.

Desarrollo de una Propuesta de Sistema de Sanciones Ambientalmente Eficiente, a partir del instrumental analtico y de las metodologas propuestas en el presente proyecto de investigacin. El objetivo de este Sistema de Sanciones ser generar los incentivos para que las empresas mineras internalicen el dao ambiental que se desprenden de su proceso productivo 15 . Desarrollo de lineamientos para extender el Sistema de Sanciones descrito anteriormente al caso de la contaminacin de otros recursos naturales (aire, suelo, etc.). Publicacin de los resultados del proyecto de investigacin en revistas especializadas. Realizar seminarios en el OSINERGMIN y el MINAM respecto a los resultados del proyecto de investigacin, y la Propuesta de Sistema de Sanciones Ambientalmente Eficiente, sealada anteriormente.

15

Esto se encuentra en lnea con lo sealado por Pigou (1948) quien propuso emplear los precios sombra como un impuesto a la contaminacin ambiental, el cual sera equivalente al costo externo marginal a dicha contaminacin. Posteriormente esta idea ha sido extendida por Faber y Props (1991) y Fre et al., (1993) quienes propusieron crear un Sistema de Degradacin Ambiental Eficiente basado en un mercado para la contaminacin ambiental, en el cual se empleen los precios sombra como el precio de dicha contaminacin.

5. Cronograma y Presupuesto. Cronograma de Actividades Este proyecto de investigacin tiene previsto culminarse en el plazo de 12 meses, acorde al siguiente cronograma:
Actividad 1. Revisin de la literatura sobre la Eficiencia Medioambiental 2. Revisin de literatura sobre el proceso de produccin minera y los recursos hdricos 3. Revisin del marco normativo ambiental minero sobre los recursos hdricos 4. Procesamiento de datos del MINEM: produccin minera, parmetros de contaminacin minera e insumos mineros usados 5. Construccin de indicadores output deseables y no deseables 6. Anlisis no paramtrico: Data Envelopment Analysis (DEA) 7. Anlisis paramtrico: Especificacin translogartmica 8. Anlisis de sensibilidad y correlacin de resultados 9. Modelos de regresin: determinantes tecnolgicos, espaciales y normativas del costo econmico de la contaminacin minera 10. Elaboracin del documento final X X X Mes 1 X X X 2 X X X X 3 X X X X X X X X X X X X X X X X X 4 5 6 7 8 9 10 11 12

Presupuesto Dado que el presupuesto para el presente estudio es de US$ 20,000, los gastos son:
Categora I. Remuneraciones Investigador 1 Investigador 2 Asistente II. Materiales y gastos administrativos Compra libros Compra de software Compra papers Fotocopias Otros gastos III. Actividades de incidencia en las polticas pblicas IV. Gasto total (I + II+III) Monto (US$) 17,500 10,000 5,500 2,000 1,500 400 800 150 50 100 1,000 20,000

6. Bibliografa Agrell, P., P. Bogetoft and J.Tind, Dynamic DEA Yardsticks in Scandinavian Electricity Distribution, under revision for Journal of Productivity Analysis, 2002. Aigner, D. y S. Chu (1968) On estimating the industry production function, American Economic Review 58, 826839. Barrantes, R.; Zrate, P.; y Durand, A. (2005). Te quiero pero no: minera, desarrollo y poblaciones locales. Instituto de Estudios Peruanos IEP, OXFAM Amrica. Birol, E., Karousakis, K; y Koundouri, P. (2006). Using economic methods and tools to inform water management policies: A survey and critical appraisal of available methods and an application. Science of the Total environment, 365(1 3), pp 105122. Bogetoft, P, Incentive Efficient Production Frontiers: An Agency Perspective on DEA, Management Science, 40, pp.959-968, 1994. Bogetoft, P y Nielsen, K. (2004). DEA Based Yardstick Competition in Natural Resource Management. Royal Veterinary and Agricultural. University, Denmark. Charnes, A.; Cooper, W. y Rhodes, E. (1978): Measuring the Efficiency of Decision Making Units, European Journal of Operational Research, 2, 429-444. Chung, Y. (1996) Directional distance functions and undesirable outputs, PhD dissertation, Southern Illinois University, Carbondale. Coggins, J.S. y J.R. Swinton (1996) The price of pollution: A dual approach to valuing SO2 allowances, Journal of environmental economics and management 30, 5872. De Borger, B. y Kerstens, K. (1996a). Cost efficiency of Belgian local governments: A comparative analysis of FDH, DEA, and econometric approaches, Regional Science and Urban Economics, 26, 145-170. Defensora del Pueblo (2007). Los conflictos socioambientales por actividades extractivas en el Per", Informe Extraordinario. Faber, M. and J.L.R. Proops (1991) National accounting, time and the environment: A Neo-Austrian approach. In: Costanza, R. (ed.) (1991). Farrell, M.J. (1957) The measurement of productive efficiency, Journal of the Royal Statistical Society, Series A, General 120, Parte 3, 253281. Fre, R., S, Grosskopf, C.A.K., Lovell, y C., Pasurka (1989). "Multilateral Productivity Comparisons When Some Outputs Are Undesirable: A Nonparametric Approach". The Review of Economics and Statistics, MIT Press, vol. 71(1), pages 90-98.

Fre, R., S.C. Grosskopf, K. Lovell, y S. Yaisawarng (1993) Derivation of shadow prices for undesirable outputs: A distance function approach, The review of economics and statistics 75, 374380. Fre, R., S. Grosskopf, D.-W. Noh, y Weber, W. (2003). Characteristics of a polluting technology: Theory and practice (Mimeo). Gollop, F. M. y Swinand, G. P. (1998). From Total Factor Productivity to Total Resource Productivity: An Application to Agriculture. American Journal of Agricultural Economics, 80, 3 (August): 577-583. Glave, M. y Kuramoto, J. (2002). "Minera, minerales y desarrollo sustentable en Per". Minera, minerales y desarrollo sustentable. London: CIIPMA; IDRC; IIED, p. 529-591. Greene, W. (1981). On the Asymptotic Bias of the Ordinary least Squares estimator of the Tobit Model. Econometrica 49:505-513. Herrera, P. y Tuesta, J. (2008). Economic valuation of the changes in the quantity and quality of water in the area of influence of Yanacocha mine. Research Proposal 2008, Latin American and Caribbean Environmental Economics Program (LACEEP). Inter Press Service (2006). Minera-Per: El oro se va con el agua. Agencia de Noticias, IPS. Koundouri P. (2000). Three approaches to measuring natural resource scarcity: theory and application to groundwater. PhD thesis, Department of Economics, University of Cambridge, UK. Lee, J.D., J.B., Park, y Kim, T. Y. (2002). Estimation of the shadow prices of pollutants with production/ environment inefficiency taken into account: A nonparametric directional distance function approach, Journal of environmental management 64, 365375. Lovell, C. (1993). Production Frontiers and Productive Efficiency. En: Fried, H.; Lovell, C. y Schmidt, S. (eds), The Measurement of Productive EfficiencyTechniques and Applications. New York, Oxford University Press, 3-67. MEF (2009). Marco Macroeconmico Multianual 2010-2012. Ministerio de Economa y Finanzas. Lima. MEF (2008). Marco Macroeconmico Multianual 2009-2011. Ministerio de Economa y Finanzas. Lima. MEM (2006). Inventario de Pasivos Ambientales Mineros. Informe Preliminar. Ministerio de Energa y Minas. Lima. MEM (2008). Per: Anuario Minero 2007. Ministerio de Energa y Minas. Lima.

MEM (2009). Reporte de variables macroeconmicas y mineras. Ministerio de Energa y Minas. Lima. Nez-Barriga, A. y Castaeda-Hurtado, I. (1999) Environmental Management in a Heterogeneous Mining Industry: The Case of Peru, en Mining and the Environment, editado por Warhurst, Alyson. Ottawa: International Development Research Centre. Pittman, R.W. (1981) Issues in pollution control: Interplant cost differences and economies of scale, Land economics 57, 117. Pittman, R.W. (1983) Multilateral productivity comparisons with undesirable outputs, Economic Journal 93, 883891. Pollak, R.A., R.C. Sickles, and T.J. Wales (1984) The CES-Translog: Specification and estimation of a new cost function, The review of economics and statistics 66 (4), 602607. Rao, P.K. (2000) Sustainable development: Economics and policy (Malden: Blackwell Publishers). Reig-Martnez, E.; Picazo, A. y Hernndez, F. (2001), The Calculation of Shadow Prices for Industrial Wastes Using Distance Functions: An Analysis for Spanish Ceramic Pavements Firms, International Journal of Production Economics 69:3 (February), 277-85. Reinhard, S. (1999). Econometric analysis of economic and environmental efficiency of Dutch dairy farms. Ph.D. Thesis, Wageningen Agricultural University, - With Ref With Summary in Dutch, ISBN 90-5808-090-0. Salnykov, M. y Zelenyuk, V. (2005). "Estimation of environmental efficiencies of economies and shadow prices of pollutants in countries in transition," EERC Working Paper Series 05-06e, EERC Research Network, Russia and CIS. Shephard, R.W. (1970) Theory of cost and production functions (Princeton: Princeton University Press). Swinton, J.R. (1998). At what cost do we reduce pollution? Shadow prices of SO2 emissions. Energy Journal 19, 63-83. Torres, V. (2007). Minera artesanal y a gran escala en el Per : el caso del oro. Lima: Cooperacin Solidaria. World Bank (2006). Environmental Sustainability: A Key To Poverty Reduction In Peru. Country Environmental Analysis. Volume 2: Full Report. Worthington, A. y Dollery B. (2000a). Efficiency Aspects of NSW Local Governments Domestic Waste Management Service. Working Paper Series in Economics ISSN 1442 2980. School of Economic Studies. University of New England.

Anexo. Empresas mineras bajo estudio y produccin minera segn tipo de mineral
EMPRESAS MINERAS MINERAL TECNOLOGA UNIDAD PRODUCCIN 2007 359.7 4,265 341.3 322.4 11,072 1,564 2,307 1,606 1,537 5.2 90.1 2,763 276.4 16,278 119.5 39 274.0 3.4 21.1 1,723 3.9 59.4 2,473 5.3 20.9 1,211 4.5 22.4 5,370 365 11,875 186 12,973 91.3 7,098 20.0 2,045 69.1 3,407 44.0 1,168 35.5 1,204 18.8 18.1 202.0 4,741 5.2 130 156 177 171 78 90 34 23 28 38.0 14.9 3,263 1,324 Participacin en la produccin nacional 2007 (%) 30.2 3.8 28.7 22.3 9.9 28.6 2.1 29.4 1.4 0.4 6.2 2.5 19.1 14.5 10.0 0.7 23.0 0.3 1.5 1.5 0.3 4.1 2.2 0.4 1.4 1.1 0.4 1.6 4.8 6.7 10.6 3.4 11.5 6.3 6.3 1.4 1.8 4.8 3.0 3.0 1.0 2.5 1.1 1.6 1.5 14.0 4.2 0.4 2.4 2.8 3.2 3.1 1.4 1.6 0.6 0.4 0.5 2.6 1.0 2.9 1.2

1 2 3 4 5 6 7 8 9

SOUTHERN PERU COPPER CORPORATION CIA. MRA. ANTAMINA S.A. MINERA YANACOCHA S.R.L. MINERA BARRICK MISQUICHILCA S.A COMPAIA MINERA MILPO S.A. VOLCAN CIA. MRA. S.A A. XSTRATA TINTAYA S.A. SOC. MRA. CERRO VERDE S.A.A. CIA.MRA.RAURA S.A.

Cobre Plata Cobre Zinc Plata Oro Plata Oro Plata Cobre Zinc Plata Zinc Plata Cobre Oro Cobre Cobre Zinc Plata Cobre Zinc Plata Cobre Zinc Plata Cobre Zinc Plata Oro Plata Oro Plata Zinc Plata Zinc Plata Zinc Plata Zinc Plata Zinc Plata Cobre Cobre Zinc Plata Cobre Oro Oro Oro Oro Oro Oro Oro Oro Oro Zinc Zinc Plata Plata

Flotacin y lixiviacin Flotacin Flotacin Lixiviacin Lixiviacin Flotacin Flotacin Flotacin y lixiviacin Flotacin Flotacin y lixiviacin Flotacin

Miles de TMF 3/ Miles de Onzas Finas Miles de TMF 3/ Miles de TMF 3/ Miles de Onzas Finas Miles de Onzas Finas Miles de Onzas Finas Miles de Onzas Finas Miles de Onzas Finas Miles de TMF 3/ Miles de TMF 3/ Miles de Onzas Finas Miles de TMF 3/ Miles de Onzas Finas Miles de TMF 3/ Miles de Onzas Finas Miles de TMF 3/ Miles de TMF 3/ Miles de TMF 3/ Miles de Onzas Finas Miles de TMF 3/ Miles de TMF 3/ Miles de Onzas Finas Miles de TMF 3/ Miles de TMF 3/ Miles de Onzas Finas Miles de TMF 3/ Miles de TMF 3/ Miles de Onzas Finas Miles de Onzas Finas Miles de Onzas Finas Miles de Onzas Finas Miles de Onzas Finas Miles de TMF 3/ Miles de Onzas Finas Miles de TMF 3/ Miles de Onzas Finas Miles de TMF 3/ Miles de Onzas Finas Miles de TMF 3/ Miles de Onzas Finas Miles de TMF 3/ Miles de Onzas Finas Miles de TMF 3/ Miles de TMF 3/ Miles de TMF 3/ Miles de Onzas Finas Miles de TMF 3/ Miles de Onzas Finas Miles de Onzas Finas Miles de Onzas Finas Miles de Onzas Finas Miles de Onzas Finas Miles de Onzas Finas Miles de Onzas Finas Miles de Onzas Finas Miles de Onzas Finas Miles de TMF 3/ Miles de TMF 3/ Miles de Onzas Finas Miles de Onzas Finas

10

CIA.MRA.ATACOCHA S.A

Flotacin

11

SOC.MRA.CORONA S.A.

Flotacin

12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35

PAN AMERICAN SILVER S.A.C. MINA QUIRUVILCA CIA.DE MINAS BUENAVENTURA S.A.A. CIA. MRA. ARES S.A.C. SOC.MRA. EL BROCAL S.A. CIA. MRA. CASAPALCA S.A. EMP. ADMIN.CHUNGAR S.A.C. CIA.MRA SANTA LUISA S.A MINERA COLQUISIRI S.A. DOE RUN PERU S.R.LTDA. (Mina Cobriza) CIA.MRA.CONDESTABLE S.A EMPRESA MINERA LOS QUENUALES S.A. MRA. AURFERA RETAMAS S.A. CONSORCIO MRO. HORIZONTE S.A CIA. MRA.AURIF. SANTA ROSA S.A ARUNTANI S.A.C. CIA. MRA. PODEROSA S.A COMPAIA MINERA SAN SIMON S.A. CIA. MRA. CARAVELI S.A MINAS ARIRAHUA S.A CHANCADORA CENTAURO S.A.C. CIA.MRA.SAN IGNACIO DE MOROCOCHA S.A PERUBAR S.A COMPAIA MINERA ARGENTUM S.A. CASTROVIRREYNA CIA. MRA. S.A

Flotacin Flotacin y lixiviacin Flotacin y lixiviacin Flotacin Flotacin Flotacin Flotacin Flotacin Flotacin Flotacin y lixiviacin Flotacin Flotacin Flotacin Lixiviacin Lixiviacin Lixiviacin Lixiviacin Lixiviacin Lixiviacin Lixiviacin Flotacin y lixiviacin Lixiviacin Flotacin Flotacin Flotacin Flotacin

Fuente: Banco Central de Reserva del Per y Ministerio de Energa y Minas Elaboracin: Propia