Universidad Nacional de Chimborazo
NOVASINERGIA 2020, Vol. 3, No. 1, diciembre-mayo (27-36)
ISSN: 2631-2654
https://doi.org/10.37135/ns.01.05.03
Artículo de Investigación
http://novasinergia.unach.edu.ec
Modelos de regresión lineal para predecir el consumo de agua potable
Linear regression models for predicting drinking water consumption
Alfonso Arellano
1*
, Daniela Peña
1
Carrera de Ingeniería Civil, Facultad de Ingeniería, Universidad Nacional de Chimborazo, Riobamba, Ecuador, 060108;
dakiby95@hotmail.com
* Correspondencia: aarellano@unach.edu.ec
Recibido 23 octubre 2019; Aceptado 20 mayo 2020; Publicado 01 junio 2020
Resumen:
Esta investigación proporciona dos modelos predictores de consumos de agua
potable para el sector residencial, que les serviría a los proyectistas para definir
las dotaciones requeridas por una población. El estudio considera las variables
que inciden en el consumo de agua potable y los agrupa en sociodemográficos,
socioeconómicos, gestión y calidad del agua, y climatológicos. Se realizaron
regresiones lineales múltiples y se obtuvieron los coeficientes que contribuyen
a definir los dos modelos matemáticos. Un modelo calcula el consumo per
cápita semestral (CPC/est.s) con la información de cada estrato socioeconómico
(R
2
ajustado=80.87%) pero requiere 19 variables. El Segundo modelo estima el
consumo per cápita mensual ponderado (CPC/p.m) (R
2
ajustado=38.88%) y
requiere solo 6 variables. La variable gestión y calidad del agua y la demografía
son significativos en el consumo semestral. Las variables humedad y
temperatura máxima correspondientes al factor climatológico tienen incidencia
predominante en el consumo mensual. Los dos modelos pueden ser aplicados
para predecir los consumos de una población y garantizar una dotación racional
del recurso en los sistemas de distribución. Por la naturaleza dinámica de las
variables, se debe actualizar permanentemente la información con la finalidad
de garantizar la sostenibilidad de los resultados.
Palabras clave:
Agua potable, modelos matemáticos, predictores
Abstract:
This research provides two predictor models of drinking water consumption for
the residential sector. They would serve the designers to define the endowments
required by a population. Variables affecting drinking water consumption are
grouped into sociodemographic, socioeconomic, water management and
quality, and climatological. Multiple linear regressions are performed.
Variable coefficients are obtained to define two mathematical models. A model
calculates the six-monthly per capita consumption (CPC/est.s) with information
about each socioeconomic level (R
2
adjusted=80.87%). It requires 19
variables. The second model estimates weighted monthly per capita
consumption (CPC/p.m) (R
2
adjusted=38.88%). It requires six variables. The
water management and quality and demography variables are significant in the
six-monthly per capita consumption. The climatological variables humidity and
maximum temperature have predominant incidences in weighted monthly per
capita consumption. The two models can predict water consumption to ensure
a rational resource endowment in distribution systems. Because of the
variables' dynamic nature, the information should be updated continuously to
ensure the results' sustainability.
Keywords:
Drinking water, mathematical models, predictors
http://novasinergia.unach.edu.ec 28
1 Introducción
Es evidente la baja cobertura de los sistemas de agua
potable en muchas ciudades del mundo, el impacto del
cambio climático en los caudales de las fuentes de
agua cruda y la desactualización de políticas de
conservación efectivas del recurso (UNESCO, 2009).
En investigaciones previas (Bayas, 2018; Bravo &
Merino, 2018; Eras, 2019; Flores, 2019; Lindao, 2018)
se analizaron las relaciones de algunas variables con
el consumo de agua potable residencial en 11 ciudades
ecuatorianas, menores a 150 000 habitantes.
El territorio continental ecuatoriano está atravesado
por la cordillera de los Andes de Norte a Sur, que lo
divide en tres regiones naturales: Litoral (Costa),
Región Interandina (Sierra) y Región Oriental
(Amazonía). Las ciudades muestreadas corresponden
a las regiones litoral (1), interandina (8) y oriental (2),
ver tabla 1. Cada región tiene una diversidad de climas
debido a su cercanía a la línea ecuatorial en donde
convergen los vientos alisios provenientes de ambos
hemisferios. Su desplazamiento genera perturbaciones
tropicales, nubosidad densa y precipitaciones de
intensidad variable. Este desplazamiento marca dos
estaciones al año en el Ecuador Continental: una
lluviosa y otra seca (Guillén, 2014). En esos estudios
el consumo per cápita (CPC) de agua potable (variable
dependiente) fue medido mensualmente durante 6
meses en cada ciudad.
Los grupos de variables estudiados (variables
independientes) son: climatológicos;
sociodemográficos; socioeconómicos; y, de gestión y
calidad del agua. Esas variables son: 1) casas que
reportan fugas; 2) número de aparatos sanitarios:
inodoros, lavamanos, lavadoras de ropa, lavavajillas,
duchas; 3) casas con jardines; 4) adquisición agua
embotellada en bidones; 5) tipo de almacenamiento de
agua: cisterna, tanque elevado, tanque de lavar ropa;
6) número de veces que cocinan en casa; 7) número de
personas por familia; 8) tamaño de la población; 9)
costo del agua; 10) percepciones organolépticas de la
calidad de agua: olor, color sabor, presencia de tierra;
11) índice de gestión y calidad del agua (Ingecap); 12)
inflación acumulada; 13) precipitación; 14) humedad
atmosférica máxima; y, 15) temperatura. Algunas de
estas variables fueron obtenidas mensualmente (11;
12; 13; 14 y 15) y las otras semestralmente.
Las características socioeconómicas, demográficas,
climatológicas, de gestión y de calidad del agua
potable de cada ciudad investigadas entre el 2013 y el
2015, fueron reportadas por Barreno (2015), Cáceres
& Rubio (2015), Carrillo & Quintero (2013),
Montenegro & Tapia (2014), Morillo & Luna (2013),
Noriega (2015), Patiño & Pino (2014), Sagñay &
Carguachi (2015) y Samaniego & Muela (2015). El
procesamiento de esa información primaria,
integrando los resultados de todas las ciudades, se lo
reporta desde el 2018. Estos últimos reportes analizan
2 variables independientes en cada reporte, contra la
variable dependiente CPC. En algunos casos también
se investigaba si había correlaciones entre las
variables independientes.
Se ha encontrado que casi todas las variables tienen
relaciones positivas o negativas con el CPC de agua
potable. Arellano, Bayas, Meneses y Castillo (2018)
reportaron similitudes de consumos en tres rangos
poblacionales (ciudades grandes, medianas y
pequeñas) y la influencia significativa de la humedad
atmosférica máxima y de la temperatura máxima.
Además, evidencian las tendencias diferentes de los
consumos de agua entre los 4 estratos
socioeconómicos: A, B, C y D, previamente
investigados El estrato A es de mayores recursos
económicos y el D es de menores recursos.
Arellano & Lindao (2019) evidencian que las
percepciones organolépticas del usuario afectan
negativamente en el consumo de agua potable de la red
pública. Debido a la desconfianza en la calidad del
agua pública, adquieren agua embotellada en bidones,
lo cual está relacionado con el estrato socioeconómico
al que pertenecen. Fan, Liu, Wang, Geissen & Ritsema
(2013) analizan variables similares a los de este
estudio, pero lo focalizan al sector rural de la cuenca
del Río Wei en China. A pesar de las diferencias
geográficas, climáticas y sociodemográficas, el
análisis arroja resultados comparables con esta
investigación. Algunas de las variables de este estudio
también coinciden con los de Jiménez, Orrego,
Vásquez & Ponce (2017) aunque su enfoque
econométrico lo dirige hacia la definición de tarifas en
Manizales, Colombia. Las tarifas no están alejadas del
alcance de esta investigación ya que proporcionaría
importante información para ese objetivo también
(Gascon, Arregui, Cobacho, & Cabrera, 2004;
Santopietro et al., 2018).
Cada una de las variables afectaría el consumo de agua
potable, con diferencias en los rangos poblacionales y
en los estratos socioeconómicos. Por lo tanto, la
incidencia cuantitativa de cada variable podría ser
diferente. Una de las aristas más relevantes de este
estudio es la consideración de variables
socioeconómicos que han sido poco estudiados por
otros investigadores. En general la falta de
información actualizada para predecir el consumo de
agua potable de una población, podría ser la causa de
los sistemas de agua potable deficitarios existentes en
muchos países en desarrollo.
Esta investigación integra las variables estudiadas
desde el 2013 en Ecuador para definir los modelos
matemáticos que predicen el consumo de agua potable
residencial. Esta información será útil para
proyectistas, planificadores y responsables de la
http://novasinergia.unach.edu.ec 29
gestión del recurso, con la finalidad de optimizar las
dotaciones de los sistemas de agua potable y
garantizar una distribución equitativa en las redes de
distribución.
2 Metodología
Cada una de las ciudades investigadas fue
caracterizada de acuerdo al Método de caracterización
urbanística y socioeconómica (Arellano, González &
Gavilanes, 2012) de donde se han obtenido los estratos
existentes en cada ciudad, ver tabla 1. Se investigaron
746 residencias durante 6 meses en las 11 ciudades.
Los registros
de los consumos mensuales leídos de los medidores de
agua son 4 476.
Este estudio analiza las correlaciones entre todas las
variables y el CPC de agua potable. El análisis
considera dos escenarios separados:
A) consumos de agua potable de cada estrato
socioeconómico (CPC/est.s), su valor mensual
promedio de 6 meses de registros; y B) consumos
mensuales de agua potable de cada ciudad (CPC/p.m).
Esta última variable fue reportada por los autores
(2013-2015), como los valores representativos de la
ciudad y fueron ponderados considerando las
fracciones de cada estrato socioeconómico existentes,
ver ecuación (1).
Tabla 1: Características demográficas, geográficas y socioeconómicas de las ciudades muestreadas.
Rango
Poblacional
Región
Ciudad
Altura
m.s.n.m.
Habitantes 2010
Número de
residencias
muestreadas
Ciudades
pequeñas 500-
8000
Interandina
Columbe
3100
526
43
Cubijíes
2501
588
45
Guamote
2560-3000
2648
53
Chambo
2400
4459
46
Químiag
2879
5357
45
Guano
2794
7758
59
Ciudades
medianas
8000-30000
Amazónica
Joya de los
Sachas
270
11480
52
Macas
1050
18984
74
Interandina
Guaranda
2668
23874
49
Ciudades
grandes 30000-
150000
Costera
Ventanas
25
38168
97
Interandina
Riobamba
2764
146324
183
Elaborado por Bayas (2018; Bravo & Merino (2018), modificado por los Autores












 
(1)
En donde:
CPC/p.m: consumo per cápita ponderado mensual, de
agua potable, considerando la estratigrafía
socioeconómica de la ciudad;
CPC
i
: consumo per cápita de agua potable del
estrato i (i puede ser A, B, C y D). Se
obtiene calculando el promedio aritmético
de los registros mensuales del estrato i;
Pob i: fracción de manzanas correspondientes al
estrato i (i puede ser A, B, C y D), con
relación al total de las manzanas
residenciales de la ciudad.
Para verificar si los modelos cumplen con los
supuestos de normalidad y homocedasticidad de los
residuos, se realizó la validación a través de la prueba
de normalidad y de la prueba de homocedasticidad. Si
el valor p es mayor al 5% se aceptó la hipótesis de que
los datos proceden de una población normal. Si el
valor de p es menor al 5% significa que los datos no
proceden de una población normal y se aplicó la
transformación de datos de Johnson para
normalizarlos. El análisis estadístico se realizó por
medio de regresiones lineales múltiples. La regresión
múltiple sirve para entender situaciones complejas,
donde influyen más de dos variables (Montero, 2016).
Con este modelo se evalúa los efectos de las variables,
ver tablas 2 y 3, que influyen en el consumo del agua
potable mediante una ecuación lineal, en cada
escenario separadamente.

 
 
  
  (2)
En donde:
CPC: es el consumo per cápita de agua potable
CPC (lt/hab-día);
X
1-n
: son las variables;
u: son los residuos;
b
1-n
: son los coeficientes de cada variable.
Los coeficientes son valores que indicarían la
incidencia directa de cada variable en el consumo de
agua potable del sector residencial, semestral o
mensualmente. Si se los ordena de acuerdo con su
http://novasinergia.unach.edu.ec 30
significancia estadística, se dimensionaría su
incidencia y se comprendería su importancia en el
consumo del agua potable. En la construcción de los 2
modelos matemáticos se consideran todas las
variables.
Se utilizó el Software Minitab versión 2017 (State
College, PA. EUA). En el análisis de varianza se
presenta: 1) los grados de libertad GL (número de
variables); 2) suma ajustada de cuadrados SC Adjust;
3) cuadrados medios ajustados MC Adjust; 4) valor F;
y, 5) valor p. El valor p indica la significancia de las
variables con respecto a la variable respuesta. Si el
valor p es menor que 0.05, indica un nivel de confianza
del modelo del 95% (MINITAB, 2017). Para
determinar el ajuste del modelo a los datos, se observa
la desviación estándar S, el porcentaje de variación en
la respuesta R
2
, el porcentaje de variación en la
respuesta ajustado para el número de predictores R
2
ajustado y el porcentaje de variación pronosticado R
2
.
El R
2
ajustado varía de 0% a 100%. Mientras más se
acerca al 100% más se ajusta a los datos (MINITAB,
2017).
3 Resultados y discusión
Los datos de los consumos per cápita semestral de
agua potable (escenario A) cumplen con la prueba de
normalidad (figura 1: valor p=0.663) y sus valores
están distribuidos de forma aleatoria y balanceada, ver
2.
Los valores p obtenidos del ANOVA se han ordenado
ascendentemente como se observa en las tablas 2 y 4.
En las filas superiores se encuentran los variables que
tienen más significancia estadística (valor p<0.05). En
el escenario A, ver tabla 2, solo se obtienen 2 variables
(de un total de 19) con significancia estadística:
consumo de bidones per cápita (valor p=0.005) y
número de personas por familia en cada estrato a
(valor p=0.041).
Figura1: Prueba de normalidad del Escenario A.
Figura 2: Residuos vs. Ajustes del Escenario A.
http://novasinergia.unach.edu.ec 31
Tabla 2: Análisis de regresión del consumo per cápita semestral de agua potable (CPC/est.s.).
variables
abreviatura
GL
valor p
coeficientes
Regresión
19
0.000
Constante
0.860
94.000
Consumo bidones Per Cápita.
bidon_per
1
0.005
254.800
Número de personas por familia en cada estrato.
Hab_vi
1
0.041
-26.900
Tanque de ropa
tanq_rop
1
0.055
1.157
Tiene Sabor
sabor
1
0.109
3.090
Tanque Elevado
tanq_elev
1
0.165
- 0.976
Índice de gestión y calidad de agua potable.
ingecap
1
0.187
6.580
Humedad Atmosférica máxima
humed
1
0.203
-2.440
Número de Aparatos Sanitarios per cápita
Equi_san
1
0.204
-23.600
Inflación Acumulada
inflac
1
0.271
-47.700
Tiene Tierra
tierra
1
0.278
0.819
Tiene Color
color
1
0.297
0.773
Cisterna
cisterna
1
0.312
0.973
Número de veces que cocinan en casa.
Cocin_3
1
0.424
-0.525
Porcentaje de casas con jardines en cada estrato.
vi_jar
1
0.490
-0.438
Precipitación.
precip
1
0.504
1.010
Viviendas que reportan fugas
intradomiciliarias.
VFI
1
0.540
0.910
Pago per cápita.
pago_per
1
0.601
-11.300
Tiene Olor
olor
1
0.702
-0.910
Temperatura máxima
Temp
1
0.904
-3.500
Error
16
Total
35


   
      
  
  
(3)
en donde:
Temp
Temperatura máxima (°C);
humed
Humedad Atmosférica máxima (%);
inflac
Inflación Acumulada (%);
Precip
Precipitación (mm);
ingecap
Índice de gestión de calidad de agua potable (%);
bidon_per
Consumo bidones Per Cápita (lt /hab/día);
olor
Tiene Olor (%);
color
Tiene Color (%);
sabor
Tiene Sabor (%);
tierra
Tiene Tierra (%);
tanq_elev
Tanque Elevado (%);
cisterna
Cisterna (%);
tanq_rop
Tanque de ropa (%);
Equi_san
Número de Aparatos Sanitarios per cápita (unidad/persona);
pago_per
Pago per cápita ($/m3);
vi_jar
Porcentaje de casas con jardines en cada estrato (%);
VFI
Viviendas que reportan fugas intradomiciliarias (%);
Hab_vi
Número de personas por familia en cada estrato (hab/vivienda);
cocin_3
Número de veces que cocinan en casa (%).
Tabla 3: Análisis de varianza del consumo per cápita
semestral de agua potable (CPC/est.s.).
Desviación
estándar S
R
2
R
2
(ajustado)
R
2
(predictivo)
39.3619
91.25%
80.87%
43.97%
La ecuación (3), obtenida con el modelo estadístico de
regresión múltiple, tiene un R
2
ajustado de 80.87%
dejando una incertidumbre de 19.13%, ver tabla 3.
Podría usarse con fines predictivos para calcular el
CPC/est.s de una ciudad. Todos los coeficientes
obtenidos en el análisis de regresión (tabla 2)
http://novasinergia.unach.edu.ec 32
conforman la ecuación (3) de esta manera (Montero,
2016).
Las variables que inciden en el CPC/est.s, ver tabla 2,
son más numerosos que los que inciden en el
CPC/p.m., ver tabla 4, debido a las siguientes razones.
Algunos datos primarios fueron obtenidos una sola
vez en el semestre y no mensualmente; por ejemplo, el
número de aparatos sanitarios, el tipo de tanque en
donde almacenan el agua y las percepciones
organolépticas. Adicionalmente, los datos para el
análisis semestral son muchos más en cantidad que los
del análisis mensual debido a que el primero considera
individualmente a los valores de cada estrato
socioeconómico (A, B, C y D); en cambio el segundo
los integra y obtiene un solo valor, ecuación (1).
El modelo para calcular el CPC mensual de agua
potable (escenario B) no cumple con el supuesto de
normalidad y la distribución de sus datos no está
balanceada. Por esta razón se realizó la transformación
de datos de Johnson a las variables: humedad
atmosférica máxima, temperatura máxima, viviendas
que reportan fugas intradomiciliarias y precipitación.
Esta transformación generó fórmulas trigonométricas
y logarítmicas que remplazaron a los datos originales
para que sigan una distribución normal (MINITAB,
2017).
Para validar este nuevo modelo se aplicó la prueba de
normalidad, ver figura 3, donde se destaca que el valor
p=0.074 es mayor que 0.05; por lo tanto, se puede
afirmar que los datos proceden de una distribución
normal. En la figura 4 se verifica que los datos se
distribuyen aleatoriamente.
Figura 3: Test de normalidad de CPC/p.m del
Escenario B.
Figura 4: Residuos vs. Ajustes de CPC/p, del Escenario
B.
Tabla 4: Análisis de regresión de consumo per cápita ponderado mensual (CPC/p.m.) con variables transformadas.
variables
fuente
GL
valor p
coeficiente
Regresión
6
0.000
Constante
0.171
92.0
Humedad atmosférica máxima Transformada
HUMED T
1
0.004
-30.9
Temperatura máxima transformada.
TEMP T
1
0.007
36.6
Viviendas que reportan fugas intradomiciliarias.
VFI T
1
0.089
18.6
Inflación Acumulada.
inflac
1
0.100
13.16
Precipitación transformada.
PRECIP T
1
0.740
4.4
Índice de gestión de calidad de agua potable.
ingecap
1
0.104
1.445
Error
47
Total
53
Los datos de temperatura, humedad y precipitación
tienen valores diferentes porque provienen de las 3
regiones geográficas ecuatorianas que tienen distintas
y bien marcadas características climatológicas.
Con las variables transformadas, ver tabla 4, se generó
otra matriz a la que se le aplicó el análisis de varianza.
Arrojó los siguientes valores de p (tabla 4) ordenados
ascendentemente. La variable humedad atmosférica
máxima transformada (p=0.04) y la temperatura
máxima transformada (p=0.007) son estadísticamente
significativos (p<0.05). Para construir este modelo se
utilizaron todos los coeficientes a pesar de que algunos
tenían un valor p alto (mayor que 0.05) y se obtuvo
una correlación R
2
= 38.88%. El modelo B (CPC/p.m)
serviría para estimar el consumo de agua potable
mensual en las ciudades ecuatorianas, con una
incertidumbre de 61.12%, ver ecuación (4). Si se
eliminaban los coeficientes cuyo valor p era mayor
que 0.05, la incertidumbre aumentaba.
CPC/p.m = 92.0 + 36.6 TEMP T - 30.9 HUMED T +4.4
PRECIP T + 18.6 VFI T + 13.16 inflac + 1.445 ingecap (4)
Al reemplazar las fórmulas de la transformación en las
variables correspondientes, se obtiene la ecuación de
regresión (5).
http://novasinergia.unach.edu.ec 33
en donde:
Temp
Temperatura máxima (°C);
humed
Humedad Atmosférica máxima (%);
inflac
Inflación Acumulada (%);
precip
Precipitación (mm);
ingecap
Índice de gestión de calidad de agua potable (%);
VFI
Viviendas que reportan fugas intradomiciliarias (%).
El coeficiente de la constante del escenario A es 94
(tabla 2), es parecido al del escenario B, que es 92
(tabla 4). Estos indican el CPC mínimo semestral o
mensual de las líneas de regresión cuando los valores
de las variables son iguales a cero. Es el CPC mínimo
de agua potable.
La transformación de variables introdujo fórmulas
matemáticas en función de las variables originales. La
humedad atmosférica máxima y temperatura máxima
son algunas de las variables que caracterizan el clima
(García, 2012) y son los de mayor significancia
estadística en el escenario B. Por lo tanto, se puede
afirmar que esas variables climatológicas inciden
significativamente en el consumo mensual de agua
potable (CPC/p.m). Considerando el signo de los
coeficientes de los 2 modelos, la humedad es negativa
en los 2, lo que significa que cuando aumenta el valor
de la humedad disminuye el consumo mensual de agua
potable.
El signo de la temperatura máxima es negativo en el
modelo A y positivo en el modelo B. Si la temperatura
máxima aumenta, el CPC/p.m. también aumenta, pero
el CPC/est.s disminuye. En Manizales (Colombia) que
se encuentra en la región interandina, también se
reporta un coeficiente negativo (Jiménez et al., 2017).
El efecto de la precipitación en la misma ciudad de
Manizales se reporta con signo negativo mientras que
en este estudio es positivo en los 2 modelos. La
variedad de datos climatológicos de las 3 regiones
ecuatorianas podría ser la razón para que exista esa
diferencia de signos entre los modelos de consumos
semestral y mensual.
El coeficiente de la variable viviendas que reportan
fugas intradomiciliarias es positivo. Significa que si su
valor sube el consumo de agua potable se incrementa.
Si se atribuyese que las fugas intradomiciliarias de una
residencia estarían relacionadas al deterioro del
inmueble, se podría comparar con los resultados de
Jaramillo-Mosqueira (2005), que reportó que los
consumos de agua potable aumentan cuando las
residencias tienen más años de vida y por lo tanto
aumentaría su deterioro e ineficiencia, en México.
También podría atribuirse a que los usuarios no se
interesan en reparar los daños de sus instalaciones
hidro-sanitarias probablemente debido a que el precio
del agua potable es barato y por lo tanto sus consumos
altos debido a las fugas no les afecta económicamente.
La inflación acumulada no tiene relevancia estadística
en ningún escenario, pero su tendencia es opuesta en
los dos modelos, positiva en el consumo mensual y
negativa en el consumo semestral. La inflación
acumulada semestral sube y el consumo de agua
potable baja. Podría atribuirse a que los usuarios no
regresen a casa durante el día debido a limitaciones
económicas y por lo tanto su consumo de agua
residencial disminuya (Bravo & Merino, 2018),
especialmente en las ciudades donde los estratos
socioeconómicos limitados de recursos sean
predominantes. Esto se refleja en el modelo A para
calcular los consumos semestrales porque en este se
consideran las características socioeconómicas de
cada estrato individualmente. Por eso no se refleja en
el modelo B de consumos mensuales de agua potable.
El costo del agua potable está representado por el pago
per cápita, por cada m
3
de agua consumida. Esta
variable también tiene coeficiente negativo. Se
incrementa el costo del m
3
de agua y disminuye su
consumo, lo que corrobora algunos reportes (Bravo &
Merino, 2018; Fan et al., 2013; Frausto, 2015;
Reynaud & Romano, 2018; Romano, Salvati &
Guerrini, 2014; Sahin, Bertone & Beal, 2017).
De acuerdo a Arellano & Lindao (2019) el consumo
de agua embotellada (consumo bidones per cápita) se
debe a la desconfianza del usuario en la calidad del
agua de la red pública y a su capacidad económica,
observando diferencias entre ciudades grandes,
medianas y pequeñas. Los mismos autores afirman
que existen correlaciones lineales muy fuertes y
perfectas entre el índice de gestión y calidad del agua
potable (Ingecap) y las percepciones organolépticas
olor, color y sabor del agua de la red pública. El

      


    



    


    

 
  (5)
http://novasinergia.unach.edu.ec 34
Ingecap evalúa la gestión y la calidad del agua a través
de 6 parámetros: (1) color, 2) turbiedad, 3) pH, 4)
cloro residual, 5) coliformes totales y 6) sólidos totales
disueltos (STD). Por lo tanto, la calidad del agua
aparece directa e indirectamente como una variable
que incide significativamente en el modelo A de
consumo de agua semestral, con signo positivo.
Mejora la calidad del agua y/o las percepciones
organolépticas y/o el Ingecap; y, aumenta el consumo
de agua semestral. Nauges & Bontemps (2009)
reportaron que la calidad del agua de la red pública
influye en la decisión de beber agua embotellada, en
Francia.
Las conclusiones de Doria (2006) coinciden con las
razones descritas antes aunque su amplia revisión
bibliográfica se refiere especialmente a países
desarrollados (Estados Unidos, Canadá y Francia).
Esto coincide con el reporte de Zetland (2016) que
afirma que el consumo de agua en Inglaterra y Gales
(Reino Unido) disminuye cuando el sabor del agua
cambia independientemente del precio del agua.
Según Reynaud & Romano (2018) en algunos países
desarrollados, especialmente en Estados Unidos y
España, también disminuye drásticamente el consumo
de agua potable cuando su calidad se deteriora. La
calidad del agua, evaluada por los usuarios a través de
sus percepciones organolépticas, sería una de las
principales causas para que los usuarios beban agua
embotellada, según los autores mencionados arriba.
La variable demográfica tiene significancia estadística
(valor p=0.041) en el consumo semestral de agua en
las ciudades ecuatorianas, pero su coeficiente es
negativo. Aumenta el número de habitantes por
familia y disminuye el consumo semestral de agua
potable. El consumo de agua potable aumenta cuando
se incrementa el número de habitantes por familia
(Jaramillo-Mosqueira, 2005; Jiménez et al., 2017) fue
reportado en México y Manizales (Colombia)
mientras que en Ecuador y Londres (Reino Unido)
disminuye (Morote, 2017) . Estas aparentes
contradicciones del efecto del número de personas por
familia en el consumo de agua potable del sector
residencial deberían ser analizadas en un contexto
socioeconómico y no solo demográfico.
La identificación y la categorización de estas variables
así como la definición de estos modelos matemáticos,
proporcionan herramientas muy útiles para definir
políticas para la conservación y optimización del uso
del agua potable (Reynaud & Romano, 2018) y para
distribuirla de una forma más equitativa de manera
que su impacto social disminuya (Zetland, 2016).
4 Conclusión
Solamente dos (de las 19) variables “calidad del agua
potable” y “demografía” inciden significativamente
en el consumo semestral de agua potable. Las
variables climatológicas (humedad atmosférica
máxima y temperatura máxima) tienen más
significancia estadística que las otras 4 variables que
intervienen en el consumo mensual de agua potable.
Se obtienen dos modelos matemáticos que pueden ser
utilizados para calcular los consumos per cápita de
agua. El modelo A calcula el consumo per cápita
cuando se ha obtenido datos mensuales durante un
semestre y corresponden a cada estrato
socioeconómico presente en una ciudad (CPC/est.s).
El modelo B estima el consumo per cápita mensual sin
considerar individualmente a los estratos
socioeconómicos (CPC/p.m). El modelo A requiere
como datos los valores de 19 variables mientras que el
modelo B requiere solamente seis variables. La
incertidumbre relativamente alta del modelo B sugiere
buscar otro modelo matemático para disminuirla. Sin
embargo, este modelo no deja de ser una herramienta
importante para estimar el caudal de agua necesario en
una ciudad debido a los pocos datos requeridos, por lo
cual sería más accesible para los usuarios.
Los consumos mínimos de agua potable en las
ciudades menores que 150 000 habitantes se
encuentran entre 94 y 92 lt/hab-día, cuando todas las
variables analizadas tengan valores iguales a cero.
Los dos modelos son importantes herramientas para
los planificadores y proyectistas, para determinar las
dotaciones de agua de los sistemas de abastecimiento
de agua potable y optimizar el uso del recurso. Sin
embargo, por la naturaleza dinámica de las variables,
la actualización de sus datos garantizará el manejo
sostenible del recurso.
Conflicto de intereses
Los autores declaramos no tener conflicto de intereses
en esta investigación.
Referencias
Arellano, A., Bayas, A., Meneses, A., & Castillo, T. (2018).
Los consumos y las dotaciones de agua potable en
poblaciones ecuatorianas con menos de 150 000
habitantes, Drinking water consumption and
endowment in Ecuadorian towns with less than 150
000 inhabitants. NovaSinergia, 1(1), 23–32.
Arellano, A., González, J., & Gavilanes, A. (2013). Método
de Caracterización Urbanística y SocioEconómica
para Poblaciones menores que 150000 habitantes. En
I Workshop de ciencia, innovación, tecnología y
saberes. Riobamba, Ecuador: Universidad Nacional
de Chimborazo.
Arellano, A., & Lindao, V. (2019). Efectos de la gestión y la
calidad del agua potable en el consumo del agua
embotellada Effects of water quality and management
on bottled water consumption. NovaSinergia, 2(1),
http://novasinergia.unach.edu.ec 35
15–23.
Barreno, K. (2015). Determinar la influencia de la situación
socioeconómica, algunos variablees meteorológicos
y la calidad del agua, en el consumo de agua potable
de la parroquia urbana del cantón La Joya de los
Sachas perteneciente a la provincia de Orellana.
(Trabajo Final de Titulación). Universidad Nacional
de Chimborazo, Riobamba, Ecuador. Recuperado de
http://dspace.unach.edu.ec/handle/51000/570
Bayas, A. (2018). Propuesta de dotaciones de agua potable
para poblaciones menores a 150000 del Ecuador,
basada en las características meteorológicas y
socioeconómicas. (Trabajo Final de Titulación).
Universidad Nacional de Chimborazo, Riobamba,
Ecuador.Recuperado de
http://dspace.unach.edu.ec/handle/51000/4759
Bravo, C., & Merino, A. (2018). Incidencia de los variablees
socioeconómicos en el consumo de agua potable, en
poblaciones menores a 150000 habitantes en el
Ecuador. (Trabajo Final de Titulación). Universidad
Nacional de Chimborazo, Riobamba,
Ecuador.Recuperado de
http://dspace.unach.edu.ec/handle/51000/5083
Cáceres, E., & Rubio, V. (2015). Efectos de los variablees
Socio-Económicos, Climatólogicos y de calidad de
agua, que inciden en el consumo de agua potable,
CA.O de estudio Parroquias Urbanas la Matriz “El
Rosario del Cantón Guano.” (Trabajo Final de
Titulación). Universidad Nacional de Chimborazo,
Riobamba, Ecuador.Recuperado de
http://dspace.unach.edu.ec/handle/51000/578
Carrillo, A., & Quintero, H. (2013). Indicadores de cantidad
y calidad del agua consumida en la ciudad de
Riobamba. (Trabajo Final de Titulación).
Universidad Nacional de Chimborazo, Riobamba,
Ecuador.
Doria, M. (2006). Bottled water versus tap water:
Understanding consumer's preferences. Journal of
Water and Health, 4(2), 271–276.
https://doi.org/10.2166/wh.2006.008
Eras, D. (2019). Relación entre las fugas de agua y
consumos de agua potable en el sector residencial.
(Trabajo Final de Titulación). Universidad Nacional
de Chimborazo, Riobamba, Ecuador. Recuperado de
http://dspace.unach.edu.ec/handle/51000/5595
Fan, L., Liu, G., Wang, F., Geissen, V., & Ritsema, C. J.
(2013). Variables Affecting Domestic Water
Consumption in Rural Households upon Access to
Improved Water Supply: Insights from the Wei River
Basin, China. PLoS ONE, 8(8).
https://doi.org/10.1371/journal.pone.0071977
García, F. F. (2012). Meteorología y climatología. Aspectos
generales. Índice: Revista de Estadística y Sociedad,
(50), 6-9. Recuperado de
http://www.revistaindice.com/numero50/p6.pdf
Flores, J. (2019). El agua potable utilizada en riego de
jardines y huertas en el sector residencial. (Trabajo
Final de Titulación). Universidad Nacional de
Chimborazo, Riobamba, Ecuador. Recuperado de
http://dspace.unach.edu.ec/handle/51000/5432
Frausto, J. (2015). Gestión y cultura del agua en Nuevo
Laredo, Tamaulipas. Frontera Norte, 27(53), 7–114.
https://doi.org/10.17428/rfn.v27i53.88
Gascon, L., Arregui, F., Cobacho, R., & Cabrera, E. (2004).
Urban water demand in spanish cities by measuring
end uses consumption patterns. En Proceedings of the
Water Sources Conference. Austin, TX. USA
Guillén, V. (2014). Metodología de evaluación de confort
térmico exterior para diferentes pisos climáticos en
Ecuador. En Proceeding of the Congreso Nacional
Del Medio Ambiente. Madrid: CONAMA.
Jaramillo-Mosqueira, L. A. (2005). Evaluacion
econometrica de la demanda de agua de uso
residencial en Mexico. (With English summary.). El
Trimestre Economico, 72(2), 367–390. Retrieved
from http://www.eltrimestreeconomico.com/
Jiménez, D., Orrego, S., Vásquez, F., & Ponce, R. (2017).
Estimación de la demanda de agua para uso
residencial urbano usando un modelo discreto-
continuo y datos desagregados a nivel de hogar: el
caso de la ciudad de Manizales, Colombia. Lecturas
de Economía, (86), 153–178.
https://doi.org/10.17533/udea.le.n86a06
Lindao, V. (2018). Incidencia de la calidad de agua potable
en el consumo diario residencial en poblaciones
menores a 150000 habitantes. (Trabajo Final de
Titulación). Universidad Nacional de Chimborazo,
Riobamba, Ecuador. Recuperado de
http://dspace.unach.edu.ec/handle/51000/5097
Montenegro, D., & Tapia, Y. (2014). Indicadores de
cantidad y calidad del agua consumida en la ciudad
de Macas. (Trabajo Final de Titulación). Universidad
Nacional de Chimborazo, Riobamba, Ecuador.
Recuperado de
http://dspace.unach.edu.ec/handle/51000/557
Montero, R. (2016). Modelos de regresión lineal múltiple.
Departamento de Economía Aplicada. Universidad
de Granada. Recuperado de http://www. ugr. es/~
montero/matematicas/regresion_lineal. pdf.
Morillo, P., & Luna, M. (2013). Determinación de
indacadores de cantidad y calidad del agua
consumida en la ciudad de Ventanas. (Trabajo Final
de Titulación). Universidad Nacional de Chimborazo,
Riobamba, Ecuador.
Morote, Á. F. (2017). Variablees que inciden en el consumo
de agua doméstico. Estudio a partir de un análisis
bibliométrico. Estudios Geográficos, 78(282), 257.
https://doi.org/10.3989/estgeogr.201709
Nauges, C., & Bontemps, C. (2009). Carafe ou bouteille ?
Le rôle de la qualité de l’environnement dans la
décision du consommateur. Économie & Prévision,
(188), 61–79. Retrieved from
https://www.persee.fr/issue/ecop_0249-
4744_2009_num_188_2
Noriega, D. (2015). Estudio del consumo de agua potable y
de los principales variablees que afectan la
http://novasinergia.unach.edu.ec 36
utilización del agua en el cantón Chambo, para
optimizar el uso del recurso. (Trabajo Final de
Titulación). Universidad Nacional de Chimborazo,
Riobamba, Ecuador.
Patiño, J., & Pino, F. (2014). Estudio del consumo de agua
potable y de los principales variablees que afectan la
utilización del agua en el cantón Guaranda, para
optimizar el uso del recurso. (Trabajo Final de
Titulación). Universidad Nacional de Chimborazo,
Riobamba, Ecuador.
Reynaud, A., & Romano, G. (2018). Advances in the
economic analysis of residential water use: An
introduction. Water, 10(9), 1–10.
https://doi.org/10.3390/w10091162
Romano, G., Salvati, N., & Guerrini, A. (2014). Estimating
the determinants of residential water demand in Italy.
Forests, 5(9), 2929–2945.
https://doi.org/10.3390/w6102929
Sagñay, L., & Carguachi, E. (2015). Análisis comparativo
entre las características socioeconómicas,
climatológicas y el gasto de agua potable de las
parroquias Guamote y Columbe. (Trabajo Final de
Titulación). Universidad Nacional de Chimborazo,
Riobamba, Ecuador. .
Sahin, O., Bertone, E., & Beal, C. D. (2017). A systems
approach for assessing water conservation potential
through demand-based water tariffs. Journal of
Cleaner Production, 148, 773–784.
https://doi.org/10.1016/j.jclepro.2017.02.051
Samaniego, J., & Muela, R. (2015). Análisis comparativo
entre las características socioeconómicas,
climatológicas y el gasto de agua potable de las
parroquias de Cubijíes y Quimiag. (Trabajo Final de
Titulación). Universidad Nacional de Chimborazo,
Riobamba, Ecuador.
Santopietro, S., Tricarico, C., Morley, M. S., Savic, D. A.,
Kapelan, Z., & Gargano, R. (2018). The Water Tariff
in a WDS Rehabilitation. EPiC Series in Engineering
, 3, 1859-1867. https://doi.org/10.29007/nqjt
UNESCO. (2009). El agua en un mundo en constante
cambio, 16. Recuperado de http://www.unesco.org/
Zetland, D. (2016). The struggle for residential water
metering in england and Wales. Water Alternatives,
9(1), 120–138.