Carlos Romero

E.T.S. Ingenieros de M o n te s
U niversida d Politcn ica d e M a d r id

Economa de los recursos

ambientales y naturales

i m -

Alianza
Editorial
Reservados todos los derechos. De conform idad con lo dispuesto en el art. 534-bis del Cdigo Pe
nal vigente, podrn ser castigados con penas de m ulta y privacin de libertad quienes reprodujeren
o plagiaren, en todo o en pane, una obra literaria, artstica o cientfica fijada en cualquier tipo de so
porte sin la preceptiva autorizacin.

Carlos Rom ero

A lianza Editorial, S. A., M adrid, 1994
Calle J. I. Luca de Tena, 15; telf. 741 66 00; 28027 M adrid
ISBN: 84-206-6811-7
Depsito legal: M -23.441-1994
Fotocom posicin: EFCA
Avda. D octor Federico Rubio y Gal, 16; 28039 M adrid
Im preso en LERK O PRINT, S. A.
Paseo de la Castellana, 121; 28046 M adrid
Printed in Spain
Captulo 9
UNA APROXIMACIN A LA APLICACIN
DE LOS ENFOQUES MULTICRITERIO EN
ECONOMA AMBIENTAL

1. Introduccin

Al finalizar el captulo 3, en el que se expusieron los rasgos bsicos de los

principales mtodos diseados para valorar activos ambientales, se efectu una
reflexin sobre la posibilidad de abordar este tipo de problemas por medio de
una metodologa alternativa que se apoye en una teora de la decisin con crite
rios mltiples. Esta reflexin puede extenderse no slo a los problemas espec
ficos de valoracin ambiental, sino a todos los problemas relacionados de una
manera u otra con la gestin econmica de los recursos naturales.
Para entender la potencialidad que encierra la teora decisional multicriterio
en el campo de los recursos conviene analizar su propsito bsico, que pasamos
a resumir seguidamente. Este enfoque terico conjetura que en muchos contex
tos decisionales los agentes econmicos no optimizan sus decisiones en base a
un solo objetivo sino que, por el contrario, pretenden buscar un equilibrio o
compromiso entre un conjunto de objetivos en conflicto, o bien pretenden satis
facer en la medida de lo posible una serie de metas asociadas a dichos objetivos.
Resulta obvio que en el campo que nos ocupa el centro decisor pblico o
privado no optimiza sus decisiones en base a un nico criterio, sino que, ms
bien, tiene en cuenta diferentes criterios u objetivos que usualmente entran en
conflicto. As, por ejemplo, al decidir sobre una determinada mejora ambiental
tal como el diseo de una pantalla acstica, el centro decisor no optimiza un
nico objetivo, sino que, por el contrario, busca un equilibrio o compromiso en
tre, al menos, el coste de la pantalla y la reduccin del nivel de ruido, objetivos
que entran en conflicto. El propio problema de la determinacin de la extemali-
dad ptima abordado en el captulo 2 puede plantearse como un problema con
dos objetivos o criterios, reflejando cada uno de ellos los intereses de los dos
agentes implicados: el que genera la contaminacin y el que la sufre.
 Realmente puede decirse que en la mayor parte de los problemas de gestin
de recursos subyace un problema decisional multicriterio, por lo que parece til
explorar las posibilidades del enfoque multicriterio dentro del campo aplicativo
que nos ocupa. Sin embargo, pese a su indudable atractivo, esta tarea se va a
abordar con mucha brevedad por dos razones distintas. Una de las razones re
side en que no debemos perder de vista que el propsito perseguido con este li
bro es el de dar una panormica introductoria de la economa de los recursos de
corte neoclsico, que se apoya en una teora decisional monocriterio. La otra ra
zn consiste en que, aunque el enfoque multicriterio ha conseguido un impor
tante grado de articulacin lgica y un gran xito aplicativo, sin embargo el
desarrollo formal de una economa de recursos de base multicriterio es una ta
rea en la que slo se han dado los primeros pasos.
De los diferentes enfoques multicriterio existentes en la literatura, en este
captulo slo expondremos las posibilidades que ofrece en el campo de los re
cursos la programacin multiobjetivo, con su variante compromiso, por consi
derarse el enfoque ms prometedor desde un punto de vista analtico. No obs
tante, debe de apuntarse que, para fines especficos de planificacin y gestin
de recursos existen otros enfoques multicriterio como la programacin por me
tas (goal programming), que encierran posiblemente una mayor potencialidad l.
Dado que se ha pretendido disear un libro que tenga, al menos hasta cierto
punto, un carcter autocontenido, en los dos prximos apartados se expondrn
los rasgos bsicos de la programacin multiobjetivo y de la programacin com
promiso. En los apartados siguients se mostrar la potencialidad de estos enfo
ques en algunos problemas bsicos en economa de recursos, como la determi
nacin de la extemalidad ptima o la bsqueda de un equilibrio entre objetivos
econmicos y ambientales en la gestin de un recurso natural.

2. Programacin multiobjetivo: una aproximacin

La programacin multiobjetivo parte de la idea de que, como la optimiza

cin simultnea de varios objetivos es imposible, salvo en el improbable caso
de que todos los objetivos sean complementarios, entonces en vez de intentar
determinar un ptimo no definido, es ms razonable intentar establecer lo que
en un contexto multiobjetivo se denomina conjunto eficiente, o conjunto de so
luciones Pareto ptimas. El concepto de eficiencia u optimalidad paredaa en
programacin multiobjetivo es una generalizacin del concepto de ptimo de
Pareto que se introdujo en el captulo 1, sustituyendo el trmino agente econ
mico por el trmino objetivo.
As, el concepto de optimalidad paredaa dentro de la programacin mul-
tiobjedvo puede definirse de la siguiente manera. Un conjunto de soluciones es

1 U na extensa revisin de trabajos de planificacin y gestin de recursos realizados con la

ayuda de tcnicas decisionales m ulticriterio puede verse en Romero & Rehman (1987).
eficiente (o Pareto ptimas) cuando est formado por soluciones factibles (esto
es, que satisfacen las restricciones), tales que no existe otra solucin factible
que proporcione una mejora en un objetivo sin producir un empeoramiento en
al menos otro de los objetivos.
Dado que el propsito de la programacin multiobjetivo consiste en deter
minar el conjunto eficiente, la estructura general de este enfoque puede formu
larse de la siguiente manera:

E 2 Z c l= [ Z l ( x ) , . . . Z . ( x ) , . . . Z J x ) ]
sujeto a: X e F ( 1)
donde:
#fsignifica la bsqueda de soluciones eficientes, o Pareto ptimas.
Z.(x)= expresin matemtica del objetivo i-simo.
X = vector de variables de decisin.
F = conjunto de restricciones que define el conjunto de soluciones factibles.

Existen diferentes mtodos para generar, o al menos aproximar, el conjunto

eficiente. Entre ellos los ms ampliamente utilizados son: el mtodo de las pon
deraciones, el mtodo de las restricciones y el Simplex multicriterio. Seguida
mente pasamos a exponer los rasgos bsicos de cada uno de estos mtodos.
El m todo de las ponderaciones fue inicialm ente sugerido por Zadeh
(1963). As, este autor demostr que si a cada objetivo se le multiplica por un
peso o factor no negativo y, seguidamente, se procede a la agregacin de todos
los objetivos ponderados, la optimizacin de dicha funcin ponderada y agre
gada genera un elemento del conjunto eficiente. Por medio de la parametriza-
cin de los pesos asociados a los objetivos se va aproximando el conjunto efi
ciente. As, en un problem a m ultiobjetivo con n objetivos a maximizar, la
aplicacin del mtodo de las ponderaciones conduce al siguiente programa li
neal paramtrico:
n

sujeto a: Xe F
(2)
W>0

Para cada vector de pesos W se obtiene un elemento del conjunto eficiente.

Debe de apuntarse que el mtodo de las ponderaciones garantiza soluciones efi
cientes slo cuando los pesos son estrictamente positivos (i.e. W > Q).
El m todo de las restriccio n es fue sugerido inicialm ente por M arglin
(1967). As, este autor demostr que si en un problema multiobjetivo uno de los
objetivos se optimiza esto es, se trata como funcin objetivo propiamente di
cha mientras que los dems objetivos se incorporan al conjunto de restriccio-
nes como restricciones paramtricas, para cada conjunto de valores que se de al
vector de trminos independientes, o trmino de la derecha, se genera un ele
mento del conjunto eficiente. As, en un problema multiobjetivo con n objetivos
a maximizar, la aplicacin del mtodo de las restricciones conduce al siguiente
nuevo programa lineal paramtrico:

Max Z (x)

sujetoa: Z.(x) > L. i = 1, 2, ... J - I J + 1, ... n (3)

Xe F

Variando paramtricamente los trminos de la derecha L. iremos generando

elementos del conjunto eficiente. Debe de apuntarse que el mtodo de las res
tricciones garantiza soluciones eficientes slo cuando las restricciones param
tricas de (3) son activas en el ptimo.
El Simplex multicriterio genera todos los puntos de esquina (crner points)
eficientes de un problema multiobjetivo desplazndose para ello de un punto
esquina al punto esquina contiguo. El algoritmo del Simplex tradicional consti
tuye el mecanismo adecuado para efectuar este tipo de desplazamiento de un
punto de esquina a un punto adyacente, por medio de una operacin de pivo-
tado. En combinacin con esta operacin de salto de un punto de esquina a
otro, el Simplex multicriterio recurre a una subrutina que permite com probar la
eficiencia o no de cada punto obtenido. Detalles tcnicos de este mtodo pue
den verse, por ejemplo, en Zeleny (1982, captulo 8 y Apndice A).
La programacin multiobjetivo, tal como la hemos presentado en los aparta
dos anteriores, puede considerarse como la primera etapa de un proceso deci
sional. En efecto, con la aplicacin de este enfoque conseguimos particionar el
conjunto factible en dos subconjuntos: el subconjunto de soluciones paredaa
mente eficientes y el subconjunto de soluciones dominadas, o inferiores. La
particin del conjunto factible se ha realizado de una manera mecnica, sin te
ner en cuenta las preferencias del centro decisor. As, cuando conectemos nues
tro anlisis con los temas ambientales, veremos cmo los conjuntos eficientes
derivan estrictamente de la tecnologa del proceso que estemos analizando. En
todo caso, una vez que las soluciones inferiores han sido eliminadas, puede de
cirse que comienza el proceso decisional propiamente dicho. Para abordar tal
tipo de tarea, tendremos que introducir de una manera u otra las preferencias
del centro decisor. Una de las formas ms fructferas de abordar esta tarea es
por medio de la programacin compromiso propuesta por Yu (1973) y Zeleny
(1973 y 1974), cuyos rasgos bsicos se exponen en el siguiente apartado.
3. Programacin compromiso: una aproximacin

El primer paso dentro del enfoque compromiso consiste en establecer lo que

Zeleny llama el punto o la alternativa ideal. Las coordenadas de la alternativa
ideal vienen dadas por los valores ptimos de los correspondientes objetivos,
forzando el proceso de optimizacin al cumplimiento de las restricciones del
problema. El punto o alternativa ideal se puede representar por medio del si
guiente vector:

r = ('z,*,... z.*,... z*j (4)

siendo: Z* = M x Z .( x ) (5)

sujeto a: Xe

cuando se pretende maximizar los n objetivos. Cada elemento del vector Z se

denomina punto ideal o punto ancla. La alternativa ideal es usualmente
inalcanzable. Obviamente, si dicha alternativa fuera alcanzable, ello implicara
que no existe conflicto alguno entre los n objetivos, por lo que de hecho no
existira ningn problema de eleccin multicriterio, pues la alternativa ideal Z
sera la eleccin ptima.
Cuando el punto o alternativa ideal es inalcanzable, la eleccin ptima o
mejor solucin compromiso viene dada por la solucin eficiente ms prxima
al punto ideal. Esta regla de comportamiento suele denominarse axioma de Ze
leny, pues fue este investigador quien lo propuso en 1973. De acuerdo con este
postulado, dadas las soluciones Z 1 y Z2, la solucin preferida ser aquella que se
encuentre ms prxima al punto ideal. Dependiendo de la mtrica que se elija,
tendremos diferentes funciones de distancia, lo que nos permitir establecer di
ferentes conjuntos compromiso. Para abordar tal tarea, comenzaremos por defi
nir el grado de proximidad existente entre el objetivo i-simo y su ideal o valor
ancla:
dJ = [ r - z . ( x ) ) (6)

Una vez definido el grado de proximidad df el paso siguiente consistir en

agregar los grados de proximidad para todos los objetivos de nuestro problema.
Ahora bien, hay que tener en cuenta que usualmente, y muy especialmente en
un contexto ambiental, los objetivos estn medidos en unidades distintas, por lo
que la suma de los grados de proximidad no tiene sentido o significado, al care
cer de homogeneidad dimensional. Por tanto, habr que proceder a la normali
zacin de los objetivos. Por otra parte, los valores absolutos de los niveles de
logro de los diferentes objetivos pueden ser muy diferentes, lo que refuerza la
necesidad de una normalizacin, si queremos evitar soluciones sesgadas hacia
los objetivos que pueden alcanzar valores mayores. Una posible forma de or-
malizar los objetivos, que se justificar ms adelante y que permite obtener gra
dos de proximidad homogneos, es la siguiente:

1Z*~ Zy (x) 1
\T -Z ,.\ (7)

donde d. representa el grado de proximidad del objetivo j-sim o normalizado y

Z ,. es el anti-ideal de dicho objetivo, i.e. el peor valor posible para el objetivo
j-sim o sobre el conjunto eficiente. El grado de proximidad normalizado est
acotado entre 0 y 1. As, cuando un objetivo alcanza su valor ideal, su grado de
proximidad es cero; por el contrario, dicho grado se hace igual a uno cuando el
objetivo en cuestin alcanza un valor igual al anti-ideal. Si representamos ahora
por W. las preferencias que el centro decisor asocia a la discrepancia existente
entre la realizacin del objetivo j-sim o y su ideal, la programacin com pro
miso consistente en la bsqueda de las soluciones eficientes ms prximas al
ideal se convierte en el siguiente problema de optimizacin:

T - z.{x)
j
M n L = w*J
L;=l Ti - Z , i

sujeto a: Xe F (8 )

Las barras de valor absoluto del modelo (8) pueden eliminarse, pues Z* >
Z.(x) para cualquier objetivo, por tratarse Z* de un valor ancla. Para la mtrica
n = 1, la mejor solucin compromiso, o punto ms prximo al ideal se puede
obtener resolviendo el siguiente problema de optimizacin:

V i- z x
Mn L = 2 ^ W ---- - -------
1 j=,1 Ti - Z ,'i

sujeto a: Xe F (9)

Es fcil comprobar que la minimizacin de la funcin objetivo (9) es equi

valente a la siguiente maximizacin:

T( x) ^
Mx W, ----------
J - _ =
T -Z ,
= Mx Z
2 -tj ,
a . Z, (x) (10)
i=> ' '

donde: <x.=
i Wi . / v( Z; ' - Z ,Y) .
Para la mtrica n - se minimiza la mxima desviacin de entre todas las
desviaciones individuales; esto es, para n = <= slo la desviacin mayor influye
en el proceso de minimizacin. Para esta mtrica, la mejor solucin com pro
miso o punto ms prximo al ideal se puede obtener resolviendo el siguiente
problema de optimizacin:

Mn = d

sujeto a: Xe

a , [Zj - Zj (x)] < d (11)

a [T -Z Jx)]< d

donde las a fueron definidas anteriormente.

Para obtener la mejor solucin compromiso para mtricas distintas de rt = 1
y a = , se hace necesario recurrir a algoritmos de programacin matemtica
no lineal, lo que constituye indudablemente una dificultad operativa. No obs
tante, esta dificultad queda considerablemente reducida si tenemos en cuenta un
importante resultado introducido en la literatura por Yu (1973). As, este autor
demostr que, para problemas con dos objetivos, los puntos L { y definen un
subconjunto de la frontera eficiente denominado por Zeleny (1974) conjunto
compromiso. Las otras mejores soluciones compromiso pertenecen al conjunto
acotado por dichos puntos L { y Lm. Posteriormente, Freimer & Yu (1976) de
mostraron que, para problemas con ms de dos objetivos, los puntos L, y no
tienen que definir necesariamente un conjunto compromiso. Dicho con otras
palabras, en contextos de ms de dos objetivos, para mtricas distintas de n - 1
yn = pueden existir soluciones compromiso que no pertenezcan al intervalo
cerrado [L , L J . Aunque la posibilidad apuntada por Freimer & Yu es cierta,
sin embargo es poco probable que se presente en la prctica, por lo que la po
tencialidad de la program acin com prom iso se mantiene al no ser necesario
usualmente com putar complicados modelos de programacin matemtica no
lineal.
Es asimismo interesante comentar que en el punto se satisfacen las si
guientes relaciones entre objetivos (Ballestero & Romero, 1991):

a , [Z; - Z, (x)) = . . . a . [Z*- Z. (x)] = . . . a [Z* - Z (x)] (12)

es decir, la solucin asociada al punto es una solucin bien equilibrada, pues

las discrepancias ponderadas y normalizadas entre el valor alcanzado por cada
objetivo y sus respectivos ideales son iguales. El carcter equilibrado de la so
lucin dota a este punto de un especial atractivo desde un punto de vista de
eleccin. En efecto, muchos centros decisores pueden centrar su atencin en la
eleccin de mezclas equilibradas en el siguiente sentido: no a unos excesivos
gastos en alimentacin, en detrimento de los gastos en vestidos, demasiados
gastos para vacaciones en detrimento de los gastos en educacin, etctera.
 Puede decirse que la solucin L, corresponde a una situacin en la que se
maximiza la suma ponderada de los logros de cada objetivo, traducindose en
algo as como en un punto de mxima eficiencia, pero que puede estar fuerte
mente desequilibrado. Por el contrario, en la solucin subyace una lgica de
equilibrio en vez de una lgica de eficiencia (Ballestero & Romero, 1993a).
Por otra parte, Ballestero & Romero (1991) demuestran que, dada una fun
cin de utilidad bicriterio u[Z{x), Z2(x)], la condicin necesaria y suficiente
para que el mximo de u pertenezca al conjunto eficiente para cualquier curva
de transformacin es que la relacin marginal de sustitucin entre Z t(x) y Z2(x)
sea igual al cociente a , / a 2 sobre el cam ino de asignaciones equilibradas:
ctJZ,* - Z x(x)] = a 2[Z2* - Z2(x)].
Resulta fcil comprender que esta condicin equivale a suponer que la fun
cin de utilidad posee una propiedad de simetra marginal; esto es, la curva es
simtrica con respecto a la siguiente familia de rectas:

Zj-Z, (x) a,
T2- z 2(x) a,

Un anlisis detallado de la justificacin, significado e implicaciones econ

micas de este teorema puede verse en Ballestero & Romero (1994).
La figura 9.1 pretende ilustrar los resultados que hemos presentado hasta
ahora para el caso de una curva eficiente o curva de transformacin continua.
El punto de tangencia de la familia de curvas de iso-utilidad con la curva efi
ciente caer entre los lmites del conjunto eficiente cuando se cumpla la condi
cin enunciada por el teorema; es decir, cuando las pendientes de dichas curvas
en los puntos A, B, C,..., sean iguales a a! / a r
El inters de estos resultados, as como sus posibles conexiones con los te
mas ambientales que nos ocupan, se expondr en los prximos apartados. Final
mente, es interesante observar que el sistema de normalizacin utilizado (pesos
inversam ente proporcionales a los recorridos) es perfectam ente consistente
desde un punto de vista de precios sombra, lo que justifica su eleccin princi
palmente en un escenario de produccin conjunta, como veremos en los prxi
mos apartados (Ballestero & Romero, 1993b).
Los lectores interesados en exposiciones ms detalladas de la programacin
multiobjetivo y compromiso, as como de otros enfoques multicriterio, pueden
consultar, entre otros, los siguientes textos: Cohon (1978), Goicoechea et al.
(1982), Romero (1991), Romero (1993), Steuer (1986), Yu (1985) y Zeleny
(1982).

4. Externalidad ptima va programacin compromiso

En este apartado vamos a atacar el problema de la determinacin del nivel

ptimo de contaminacin con la ayuda de las herramientas del anlisis compro-
F i g u r a 9.1. Conjunto compromiso y ptimo utilitario sobre una curva efi
ciente continua

miso expuestas en el apartado anterior. A lo largo de nuestro trabajo compara

remos los resultados obtenidos con los que se obtuvieron cuando se atac este
problema en el captulo 2, por medio de los enfoques neoclsicos tradicionales.
Como primer paso para desarrollar nuestro trabajo vamos a determinar la curva
de transformacin en el espacio beneficios privados-costes externos. Igual que
hicimos en el captulo 2 con objeto de facilitar la exposicin, referiremos nues
tro anlisis a una situacin de mercado competitivo. En tal caso, recordamos
que la funcin que mide los beneficios del agente que genera la contaminacin
es:
B = Px - C (x) (13)

donde P es el precio de mercado, x la cantidad de producto obtenido y C(xj la

funcin de costes.
Los costes externos, CE, del agente que sufre la contaminacin, los repre
sentamos de la manera habitual como:

CE = g (x ) (14)

De (14) tenemos:
a - g-' (CE)
 Sustituyendo (15) en (13) tenemos:

B = Pg~[ (CE) - C[g~' (CE)] = \\f (CE) (16)

La expresin (16) representa la curva de transform acin en el espacio

B - CE. El punto de equilibrio que corresponde al nivel socialmente ptimo
de extemalidad vendr dado por el punto de tangencia de (16) con la familia
de curvas de iso-utilidad U(B,CE). En lo que sigue vamos a aproximar ese equi
librio de una manera no tradicional. Como paso previo, permtasenos conside
rar sin perder por ello generalidad y slo con objeto de simplificar la presen
tacin que las funciones de b eneficios privados y costes ex ternos son
cuadrticas, es decir:
B = P x-ax1 (17)

C E=$xl (18)

Teniendo en cuenta (17) y (18), la curva de transformacin (16) se con

vierte en:

B = ^ p C E P - S - a f i 1 CE (19)

La eleccin socialmente ptima y, consecuentemente, el nivel ptimo de la

extemalidad, se puede aproximar por medio del enfoque compromiso expuesto
en el apartado anterior. As, aplicando el modelo compromiso general dado por
(8) al problema que nos ocupa, tenemos:

sujeto a: T ( B ,C E ) = K (20)

donde: T(B,CE)=K es la curva de transformacin dada por (16) o (19). B* es el va

lor ideal para el agente que contamina (i.e. B'=Mx B) y CE* es asimismo el valor
ideal para el agente que sufre la contaminacin (i.e. CE*- Mn C). Finalmente, B,
es el valor anti-ideal para el agente contaminante, que corresponde al beneficio pri
vado cuando el coste extemo alcanza su mnimo C* y, anlogamente, C, es el valor
anti-ideal para el agente que sufre la contaminacin, que corresponde al coste ex
terno cuando el beneficio privado alcanza su mximo B* (vase figura 9.2).
A partir de las expresiones (17) y (18) se obtienen los valores ideales y anti
ideales que figuran recogidos en la siguiente tabla:

Beneficios privados Costes externos

Beneficios privados B* = 0,25p2/ a CE* = 0,25 f i/ 2

Costes externos B* = 0 CE* = 0
F i g u r a 9 .2 . Curva de transformacin, conjunto compromiso y punto de
equilibrio en el espacio beneficios privados-costes externos

Seguidamente, pasamos a determinar e interpretar el lmite L { del conjunto

compromiso dentro de nuestro contexto ambiental. Para n - 1, el modelo com
promiso dado por (20) se convierte en:

B CE
Mx W , - W. -------
' B *-B * CE* - CE*
 Si hacemos ahora W, = W = 1, esto es, si suponemos que las preferencias de
la sociedad por los intereses de los dos agentes son las mismas, entonces la op
timizacin de (21) conduce a la solucin tradicional que habamos determinado
en el apartado 3 del captulo 3. Por tanto, vemos claramente que la solucin tra
dicional implica la maximizacin de una funcin de utilidad aditiva U(B + CE)
en los argumentos B y CE normalizados por las inversas de sus rangos. Sobre la
justificacin de este sistema de normalizacin se insistir en el prximo apar
tado. Para las funciones cuadrticas (17) y (18), y para unos pesos cualesquiera
IV, y W2, el modelo (21) se convierte en:

Mx W XB - W2 a P1 CE

sujeto a: B= p-5p CE05 - a p-' CE (22)

A partir de (22) y recurriendo a un sencillo proceso de clculo, obtenemos

las siguientes coordenadas para el lmite L x del conjunto compromiso:

B _ 0,25p2 (Wj + 2W, W J C_ 0,25 W ] $ p

a (W, + W2y- a 2 (W t + w2y

De acuerdo con la expresin (12), el lmite L^ del conjunto compromiso

vendr dado por el punto de interseccin de la recta:

W x (B* - B) / (B* - B*) = W2 (CE - CE*) / (C * - CE*)

con la curva de transformacin T(B,CE) = K. Para el caso cuadrtico, dicho l

mite L_ del conjunto compromiso se obtendr resolviendo el siguiente sistema
de ecuaciones:

IV, p B + W2 a C - 0 , 2 5 IV, p c r V = 0

B = P ^ p ^ - a p ' 1C (23)

Es interesante observar que cuando W, = W2 = 1, los lmites L, y L^ coinci

den; es decir, el conjunto compromiso se reduce a un solo punto. Conviene re
cordar que tal como habamos indicado en el apartado anterior, la solucin aso
ciada a es una solucin bien equilibrada; es decir, los puntos de la recta
W X(B~ B)/(B~ B J = W2(CE - CE')/(CE - CE) representan soluciones que
equilibran los intereses tanto del agente que genera la contaminacin como del
que la sufre. Es razonable suponer que el ptimo social se encontrar cerca de
esta solucin equilibrada. En efecto, no es aventurado suponer que soluciones
sesgadas hacia los intereses de uno de los agentes lo que puede suceder fcil
mente con la solucin tradicional que coincide con el lmite L x diferirn con
siderablemente del verdadero ptimo social.
 Con objeto de avanzar con nuestro anlisis, vamos a aplicar el teorema ex
puesto al final del apartado anterior a nuestro caso concreto. As, podemos de
cir que la condicin necesaria y suficiente para que el mximo de U(B, CE) per
tenezca al conjunto compromiso para cualquier curva de transformacin es:

Relacin marginal de sustitucin = RM S (B, CE) = - __ _

d(i/9 CE
= W, (C E , - CE*) / W2(B* - B , ) a lo largo del camino:
W, (B* - B) / (B* - B , ) = W 2 (CE - CE*) / (CE.,. - CE*)

La condicin que subyace al teorema no parece muy fuerte, ya que est es

trechamente relacionada con la ley de las relaciones marginales de sustitucin
decreciente. En efecto, de acuerdo con esta ley, la relacin marginal de sustitu
cin aumenta (o disminuye) a causa del progresivo desequilibrio de la mezcla
(B, CE). Por consiguiente, sensu contrario parece razonable suponer que mez
clas equilibradas en el camino implicarn RMS = W{(CE, - CE)AVJB' - B r)
en coherencia con la mencionada ley. En pocas palabras, puede decirse que un
comportamiento normal de las relaciones marginales de sustitucin garantiza
que el nivel de extemalidad socialmente ptimo cae dentro de los lmites del
conjunto com prom iso [ L ,, L J . Consecuentemente, el conjunto compromiso
queda validado como un recorrido dentro del cual se producir la tangencia en
tre la familia de curvas de iso-utilidad U(B, CE) y la curva de transformacin
T(B, CE) = K.

5. Una ilustracin numrica y algunas conclusiones

Para ilustrar las ideas expuestas en el apartado anterior, vamos a recurrir al

sencillo ejemplo del apartado 3 del Captulo 2, en el que se determinaba el nivel
ptimo de extem alidad en un contexto de mercados competitivos. A partir de
los datos de dicho ejemplo, se obtienen de una manera inmediata los siguientes
valores ideales y anti-ideales para los beneficios privados y para los costes ex
ternos:
B* = 50 5* = 0
CE* = 0 C E , = 25

Para dichos valores, el beneficio social normalizado es igual a:

1 0 x :-0,5x3 0,25x3 (24)

Do --------------------------------------------
5 0 -0 2 5 -0

M aximizando (24) se obtiene un nivel ptimo de actividad econmica xr

igual a 5, al que le corresponde un beneficio privado de 37,5 y un coste externo
de 6,5. Es decir, como resultado de la normalizacin se obtiene una solucin
menos sesgada hacia los intereses del agente contaminante que la que habamos
obtenido en el captulo 2, cuando no se normalizaban los objetivos. Introduzca
mos ahora los pesos W y W que miden las preferencias relativas que la socie
dad asocia a cada uno de los objetivos; en tal caso, la expresin (24) se con
vierte en:

BS = W ~ - IV 0.25x (25)
1 5 0 -0 2 25 - 0

As, s en (25) hacemos IV, = 2, IV2= 1; esto es, se asigna el doble de impor
tancia a los intereses del agente contaminante con respecto del que la sufre, el
nivel ptimo de actividad econmica x* se incrementa pasando a ser de 6,67,
correspondindole un beneficio privado de 44,44 y un coste externo de 11,12.
En el caso opuesto W, = 1, W 2= 2, el nivel ptimo de actividad econmica x* se
reduce con respecto a la solucin inicial, pasando a ser de 3,33, correspondin
dole un beneficio privado de 27,78 y un coste externo de 2,77.
Seguidamente, pasamos a analizar el problem a utilizando la lgica de la
programacin compromiso. A partir de (19) obtenemos de una manera inme
diata la siguiente curva de transformacin beneficios privados-costes externos,
vlida para los datos de nuestro ejemplo:

B = 20 CE?-5 - 2CE (26)

Los lmites L, del conjunto compromiso para diferenes sistemas de pesos,

los obtendremos particularizando (20) para la mtrica jt = 1 y para los datos de
nuestro ejemplo, con lo que obtenemos el siguiente problema de optimizacin:

. . , ... 5 0 - B ... C E - 0 (271

M i n W , -------------- + W ,--------------
1 5 0 -0 2 2 5 -0

sujeto a: B = 20 C-5 - 2CE

Sin embargo, es obvio que el modelo (27) es equivalente a la siguiente es

tructura:

B CF
Mx W, - W,
1 50 2 25

B = lOx - 0,5x2
CE = 0 ,2 5 ^
 Resulta inmediata la equivalencia entre las estructuras (25) y (28), por lo
que se confirma la identidad existente entre la solucin que corresponde al l
mite L y del conjunto compromiso y la solucin tradicional que maximiza una
funcin de utilidad aditiva definida en el espacio beneficios privados-costes ex
ternos. Obviamente, las soluciones que obtengamos para los sistemas de pesos
W,=W2= 1; W t- 2, W2= 1 y W,= 1, W2= 2 corresponden a las soluciones obteni
das con anterioridad.
Para obtener los lmites Lx del conjunto compromiso, determinaremos en
primer lugar el camino E_, que para los datos de nuestro ejemplo es:

W t B + 2W2 CE = 50W, (29)

La interseccin de (29) con la curva de transformacin (26) nos da las coor

denadas de los lmites del conjunto compromiso. Es decir, dichos lmites los
obtendremos resolviendo el siguiente sistema de ecuaciones que, obviamente,
es asimismo una particularizacin del sistema (23):

W i B + 2 W2 CE = 50W,
B= 20CE0-5 - 2CE (30)

Para W = W = 1, tal como se haba indicado en el apartado anterior, los lmi

tes L y L" coinciden. Para W=2, W2- 1, se obtiene el siguiente lmite L^ del
conjunto compromiso:

B = 41,42 CE = 8,58 X= 5,86

Finalmente, para W(= l , W = 2, se obtiene el siguiente lmite del conjunto

compromiso:

B - 32,84 CE = 4,29 x* = 4,14

Todos los resultados obtenidos estn recogidos en el cuadro 1 y en la figu

ra 9.3. Los resultados obtenidos dan luz a las siguientes ideas o conclusiones.
Para un sistema dado de pesos, la extemalidad ptima que predice el anlisis
tradicional coincide con la extemalidad que corresponde al lmite L l del con
junto compromiso. A esta solucin siem pre le corresponde (excepto cuando
IV =1V2=1 en cuyo caso coincide) un beneficio agregado y ponderado de los dos
agentes econmicos implicados el que genera y el que sufre la contamina
cin mayor que el que corresponde a la solucin Lm. Sin embargo, a la solu
cin E_ siempre le corresponde (excepto, obviamente, cuando W/1=W2=1) una
solucin ms equilibrada para los intereses de los dos agentes econmicos im
plicados. Finalmente, el ptimo cuyo valor desconocemos caer dentro de los
lmites del conjunto compromiso cuando se cumplan las condiciones del teo
rema que comentamos en el apartado anterior. Por ejemplo, para el caso W=2,
C u a d r o 1. Lmites del conjunto compromiso para la determinacin
del nivel ptimo de contaminacin

Pesos Lmite i. Lmite L_

B = 37,5 C E = 6,35 .v*= 5 B = 37,5 C E = 6,25 x*= 5

Il II II

-
II 11

B = 44,44 C E = 11,12 x*= 6,67 5 = 41,42 C E = 8,58 x*= 5,86

to

B = 27,78 CE = 2,77 x* = 3,33 B = 32,84 C E = 4,29 x* = 4,14

-

W = 1, la e x te rn a lid a d p tim a p erten ece al in te rv alo cerrad o [ = 11,12,

= 8,58] si y slo si la relacin marginal de sustitucin entre los beneficios
privados B y los costes externos CE es igual a: (2 25)/(l 50) =1 a lo largo del
camino B+CE = 50
Las principales implicaciones que se derivan de nuestro anlisis compro
miso del tradicional problema pigouviano de determinar el nivel ptimo de ex
ternalidad son las siguientes:

a) La solucin tradicional, que iguala el beneficio marginal privado al coste

marginal externo es un caso particular de un modelo compromiso; i.e. el caso
que corresponde al uso de la mtrica 7C = 1. A esta solucin subyace la optimi
zacin de una funcin de utilidad aditiva U(B+CE) con dos argumentos: los be
neficios del agente contaminante y los costes externos del agente que sufre la
contaminacin.
b) Esta solucin proporciona el mximo beneficio agregado y ponderado
de los dos agentes econmicos implicados, pero puede encontrarse muy ses
gada hacia los intereses de uno de los dos agentes.
c) Las soluciones que corresponden al uso de la mtrica n = estn mucho
ms equilibradas que las soluciones tradicionales, por lo que pueden ser preferi
das desde un punto de vista social.
d) Los dos lmites L i y del conjunto compromiso representan algo as
como una zona de aterrizaje para la desconocida familia de funciones de iso-
utilidad. El ptimo pertenecer al conjunto compromiso cuando las tasas margi
nales de sustitucin beneficios privados/costes externos, de acuerdo con el teo
rema enunciado, se comporten de una forma normal; esto es, coherentemente
con la ley de las relaciones marginales de sustitucin.

6. Conflicto entre objetivos ambientales y objetivos

econmicos: bsqueda de un equilibrio

En este apartado vamos a continuar dando una panormica introductoria de

las posibilidades que ofrece la teora de la decisin multicriterio en el campo de
los recursos ambientales y naturales. Con este propsito vamos a a atacar por
COSTES E XTERN O S

B EN EFICIO S PRIVADO S

F i g u r a 9.3. Conjuntos compromiso en el espacio beneficios privados-costes

externos

medio de una metodologa compromiso el problema de encontrar un equilibrio

entre objetivos ambientales y econmicos en un contexto de gestin de un espa
cio natural. Para fijar ideas, supongamos el caso de un espacio forestal de pro
piedad pblica que proporciona a la sociedad dos productos: rendimientos ma
dereros medidos en metros cbicos y servicios recreativos, medidos en nmero
de visitantes por ao. En este tipo de situacin, los rendimientos de los dos pro
ductos considerados suelen entrar en conflicto. En efecto, las decisiones que
permiten incrementar la produccin de madera resultan desfavorables desde el
punto de vista de los servicios recreativos y viceversa.
Representemos por x { los rendimientos madereros y por x 2 los rendimientos
recreativos. A partir de una informacin estrictamente tecnolgica obtendremos
la curva de transformacin T ( x , x 2) = K, donde K representa el nivel de recursos
(mano de obra, capital, etc.) dedicado a la gestin de ese espacio natural. Para
cada nivel de recursos tendremos una curva de transformacin que representa el
dominio tecnolgico factible de combinaciones de los dos productos considera
dos. Los valores anclas o ideales x * y x 2' corresponden normalmente a los pun
tos de corte de la curva de transformacin con los ejes de coordenadas2.

F ig u r a 9.4. Rendimiento maderero-rendimiento recreativo: compromiso

ptimo

1 T om kins (1990, pgs. 81-84) ha sugerido convincentem ente que los rendim ientos madereros
y recreativos pueden ser com plem entarios para niveles bajos de am bos productos, por lo que en tal
caso la correspondiente curva de transform acin no presenta sus m xim os en los puntos de corte
con los ejes coordenadas.
 Para determinar la combinacin ptima o equilibrio entre los dos productos,
por medio de un enfoque compromiso, comenzaremos por determinar los pesos
a asociar a cada producto. En nuestro contexto, parece razonable conceptualizar
dichos pesos como precios internos o valores sombra al no estar relacionados
con el escenario de produccin los posibles precios de mercado. En lo que si
gue, vamos a demostrar que en un contexto de produccin conjunta como en el
que nos movemos, el mejor sistema de precios sombra es el que satisface la si
guiente condicin (Ballestero & Romero, 1993b):

(31)

siendo R el valor interno de los recursos necesarios K para producir una deter
minada combinacin (x , x 2) sobre la curva de transformacin. Para aclarar el
significado de la condicin (31) representemos por R e valor agregado interno
de los dos productos (i.e. R - W ix [ + W ^ ) . Parece razonable que un sistema
consistente de pesos sombra debe de cumplir las siguientes dos condiciones:

Ia) El valor sombra R de la combinacin (xirx2) debe de superar al corres

pondiente coste agregado sombra de los recursos, es decir:

R = W tx t + > R (32)

2a) La diferencia entre el valor interno de la combinacin de productos R y

el valor interno de los recursos ha de ser lo ms pequeo posible, es decir:

M n (R -R ) (33)

Se demuestra (Ballestero & Romero, 1993b) que el nico conjunto de pesos

(W , W2) que minimiza (33) sujeto a la restriccin (32) es el dado por la expre
sin (31). Consecuentemente, en nuestro escenario de bsqueda de un compro
miso entre los dos productos madereros y recreativos, tomaremos los siguientes
pesos:

Para estos pesos, el lmite L, del conjunto compromiso se obtendr resol

viendo el siguiente problema de optimizacin:

x, - x ,
Mn R =
X,
 Este modelo es equivalente a la siguiente estructura ms sencilla:

sujeto a: T(x, x 2) = K

Para los pesos dados por (34) el lmite del conjunto com prom iso, de
acuerdo con la expresin (12) se obtendr resolviendo el siguiente sistema de
ecuaciones:

T ( x ltx2) = K (37)

Tal como comentbamos en el apartado anterior, el punto puede interpre

tarse como la solucin de mxima eficiencia tcnica, mientras que el punto
representa la solucin ms equilibrada 3. En todo caso, tal como qued justifi
cado en el apartado anterior, siempre que las relaciones marginales de sustitu
cin entre los productos madereros y recreativos se comporten coherentemente
con la ley de las relaciones marginales de sustitucin decrecientes, el ptimo de
la desconocida funcin de utilidad u(xr x2) caer dentro de los lmites del con
junto compromiso. Es decir, las combinaciones ptimas madera-servicios re
creativos implican una produccin de madera comprendida entre las x n y x in
toneladas y un rendimiento recreativo comprendido entre los x2| y visitantes
(vase figura 9.4).

7. Valoracin de mejoras ambientales: un enfoque

compromiso

En este apartado vamos a ilustrar cmo el enfoque compromiso puede tam

bin ser un instrumento vlido para valorar mejoras ambientales de una manera
alternativa a como se hizo en el captulo 3. As, supongamos que en el contexto
de nuestro ejemplo se realizan una serie de mejoras en el espacio forestal, ten
dentes a aumentar la potencialidad del flujo de servicios recreativos. Estas me
joras no modifican los rendimientos madereros, por lo que la curva de transfor
macin se desplaza en el sentido indicado en la figura 9.5. Este desplazamiento
de la frontera hace que el valor ideal del producto recreativo pase de x * a x* , lo

3 Algunas puntualizaciones tcnicas sobre la m xim a eficiencia que corresponde al lm ite el

m xim o equilibrio que corresponde al lmite y las condiciones que garantizan la coincidencia de
am bos lmites pueden verse en el trabajo de B allestero & Rom ero (1993a).
F ig u ra 9.5. Valoracin de una mejora recreativa: enfoque compromiso

que supone nuevos lmites para el conjunto compromiso sobre la nueva curva
de transformacin, tal como se indica en la figura 9.5. Por tanto, el valor de las
mejoras ambientales acometidas se puede concretar en unas cifras que oscilan
entre 2 1 - x., y x ,2 <- a,2 visitantes adicionales.
21 J

El enfoque compromiso presenta algunas ventajas con respecto a los m

todos valorad vos expuestos en el captulo 3. As, en vez de monetizar el valor
recreativo de la mejora ambiental recurriendo a la creacin de mercados subro
gados, uso de variables hednicas o a la revelacin por parte de los visitantes de
sus deseos de pagar, se relaciona el valor monetario del coste de la mejora con
el incremento de valor del producto ambiental (recreativo en nuestro ejemplo)
medido en sus correspondientes unidades. Este tipo de metodologa, aunque to
dava muy incipiente, parece tener un indudable atractivo al eliminar, o al me
nos paliar, viejos problemas como el de la inconmensurabilidad de atributos
econmicos, ambientales y recreativos, que subyacen en este tipo de problemas.
El punto de partida de este tipo de anlisis consiste en la determinacin de la
curva de transformacin o dominio tecnolgico de las combinaciones de produc
cin. Esta tarea puede abordarse con la ayuda de las tcnicas de programacin
multiobjetivo que expusimos en el apartado 2 de este captulo. As, a ttulo ilus
trativo, se ha representado en la figura 9.6 una curva de transformacin obtenida
por medio de estas tcnicas. Esta curva corresponde a un caso real de saliniza-
cin de la cuenca del ro Arba en Tauste (Zaragoza). La ineficiencia de los siste
mas de riego existentes en esa zona (aproximadamente del 65%) hace que la
descarga salina no sea ambientalmente aceptable (142.781 toneladas/ao). Esta
descarga salina puede reducirse, m ejorando la eficiencia de los sistem as de
riego, lo que conlleva la realizacin de inversiones importantes. Una aplicacin
de la programacin multiobjetivo permiti determinar la curva de transforma
cin o curva frontera de posibilidades de produccin descarga salina-pago de in
versin, tal como est representada en la figura 9.6 (Zekri & Romero, 1992).

2
O
vi
UJ
>
z
L
Q
O
O
<

D E S C A R G A S A L IN A (T o n elad as/a o )

F ig u ra 9.6. Curva de transformacin descarga salina-pago de inversin

Fuente: Zekri & Romero, 1992, pg. 140.
 Puede decirse que, desde un punto de vista casi algortmico, las ideas ex
puestas en los dos ltimos apartados pueden resumirse de la siguiente manera:

a) A partir de una informacin estrictamente tecnolgica y con la ayuda de

tcnicas de programacin multiobjetivo, determinamos la curva de transforma
cin, o curva frontera de posibilidades de produccin.
b) Se fijan los precios sombra de los diferentes productos de una manera
inversamente proporcional a sus respectivos valores ideales.
c) Se determinan los lmites L, y L del conjunto compromiso.
d) La combinacin ptima de productos pertenece al conjunto compromiso
siempre que las relaciones marginales de sustitucin tengan un comportamiento
normal (i.e. coherente con la ley de las relaciones marginales de sustitucin).
e) Cualquier desplazamiento de la curva de transformacin har cambiar
los valores ideales, lo que im plicar un cam bio de los lmites del conjunto
compromiso, lo que perm itir realizar una valoracin no monetaria de dicho
cambio.