Essays in applied microeconomics, health economics and genomics

Resumen

Introducción Durante el ciclo de la vida, los individuos se ven expuestos a distintos factores tanto exógenos como endógenos, con diversas consecuencias sobre el comportamiento y el bienestar de los mismos. Entender la forma en que dichos factores afectan desenlaces de interés tanto a nivel individual como agregado, permite formular políticas públicas que mitiguen o potencien los efectos encontrados. En esta tesis analizo como factores socio-económicos, ambientales y genéticos afectan las decisiones de consumo y los niveles de salud de los individuos. En el primer capítulo de esta tesis, evaluó el efecto de una asignación gratuita de agua otorgada a hogares de bajos niveles socio-económicos en la ciudad de Bogotá (Colombia). Específicamente, evaluó el efecto de la asignación sobre las decisiones de consumo de agua de los individuos. En el segundo capítulo, coautorado con Anna Sanz-de-Galdeano y Anastasia Terskaya, analizamos como la asociación entre variantes genéticas relacionadas con la obesidad y el índice de masa corporal (IMC) varía a lo largo del ciclo de la vida en varias cohortes poblacionales en Estados Unidos. Finalmente, en el último capítulo, evalúo el efecto que tienen los niveles de lluvia sobre medidas objetivas de salud mental en un país en vías de desarrollo. Desarrollo Capítulo 1 Las transferencias en especie han sido ampliamente implementadas, especialmente en países en vía de desarrollo. Estas transferencias buscan brindar a los individuos niveles básico de consumo de distintos bienes y servicios. La evidencia sugiere que las transferencias en especie son preferidas a las transferencias en efectivo (Tesliuc, 2006; Cunha, 2014); sin embargo, bajo condiciones particulares, los subsidios en especie pueden generar un sobre-consumo del bien subsidiado, generando así ineficiencias en la asignación (Currie and Gahvari, 2008). A nivel internacional se ha demostrado como las transferencias en especie tienen efectos positivos sobre el bienestar de los hogares. Un ejemplo es el Programa de Apoyo Alimentario (PAL) implementado en zonas rurales de México en 2003, el cual ha generado incrementos en el consumo de frutas y vegetales (Leroy et al., 2010). Otro ejemplo es el Programa de Cupones para Alimentos instaurado en Estados Unidos desde 1961, programa asociado a incrementos generales en el gasto de los hogares en alimentos (Hoynes and Schanzenbach, 2009). Llama la atención que a pesar de que el consumo de agua es fundamental para la vida, y que se estima que mejoras en el acceso podrían evitar alrededor de 361,000 muertes cada año en niños menores de cinco años (WHO, 2019), la evidencia relacionada con subsidios en especie de agua es todavía limitada. Países como Australia, Bélgica y Sur África han implementado políticas relacionadas con asignaciones gratuitas de agua. En el primer caso, entre 1991 y 1992, la ciudad de Adelaida otorgó una asignación gratuita de 136 m3 de agua anuales a cada vivienda. Dandy et al. (1997) encuentra que este subsidio está asociado a incrementos en el consumo de agua entre hogares con un alto nivel socio-económico. Por otra parte, en 1997, la ciudad de Flanders (Bélgica) otorgó una asignación anual gratuita de 15 m3 por cada miembro de un hogar. Vanhille (2015) concluye que esta política es ineficiente ya que no tiene en cuenta economías de escala en el consumo de agua. En 2001, Sur África implementó la Política de Agua Básica Gratuita. Al igual que el Mínimo Vital, este subsidio otorga a cada hogar una asignación gratuita de 6 m3 al mes; así, teniendo en cuenta un promedio de 4 habitantes por hogar, este subsidio garantiza a cada miembro un consumo de 1.5 m3 al mes. Sin embargo, Peters et al. (2005) resalta que el tamaño de los hogares es mayor y por tanto la asignación no es suficiente para garantizar un consumo básico de agua. En 2007, la asignación se incremento a 12 m3 para hogares con bajos niveles socio-económicos y se eliminó para los demás hogares. Usando este cambio, Szabo (2015) demuestra como para los hogares beneficiarios, el consumo de agua no cambio significativamente, demostrando así que el subsidio funciona como una transferencia en efectivo. En el año 2012, en la ciudad de Bogotá (Colombia), se implementó la política pública Mínimo Vital. El objetivo de esta política es garantizar un consumo de agua básico a los hogares con bajos niveles socio-económicos. De esta forma, los hogares beneficiarios reciben una asignación gratuita de 6 m3 por mes. La evidencia relacionada con esta política se centra en su factibilidad financiera (Sayago and Sayago, 2011; Hernández and Méndez, 2013) y comparación con otras políticas similares (Vargas and Heller, 2016). Sin embargo, la evidencia con respecto al efecto de la política en el comportamiento Introducción de los hogares es limitada. En este capítulo, evalúo el efecto del Mínimo Vital en la probabilidad de tener un consumo intermedio de agua, el cual es equivalente a consumir más de 1.5 m3por persona por mes, en el consumo y factura de agua de los hogares y en la probabilidad de reutilizar agua y recoger agua lluvia. Estos resultados brindan una idea acerca de la manera en la cual la asignación gratuita puede cambiar el comportamiento de los hogares. Adicionalmente, con el fin de determinar si el subsidio tiene algún efecto sobre la salud de los niños, evalúo el efecto del Mínimo Vital sobre la prevalencia de diarrea en menores de cinco años. Finalmente, propongo la probabilidad de poseer un lavamanos y un tanque de agua como posibles mecanismos para explicar los resultados obtenidos. Este trabajo aporta a la literatura de las siguientes formas: 1. Incrementando la evidencia existente acerca de los efectos de transferencias de agua en un país en vías de desarrollo. Particularmente, este trabajo aporta nueva evidencia acerca del efecto de este tipo de asignaciones en una zona urbana donde la mayoría de los hogares tiene acceso al agua potable, pero restricciones financieras interfieren en el consumo ´optimo del bien. 2. Este trabajo contribuye proponiendo mecanismos novedosos que no han sido explorado anteriormente. 3. Finalmente, este trabajo busca ayudar a tomadores de decisiones a encontrar formas más eficientes de asignar subsidios centrándose en la población más vulnerable. En Colombia, las viviendas son clasificadas en seis estratos o niveles socio-económicos según sus características físicas y el entorno en el que se encuentran ubicadas (Departamento Administrativo Nacional de Estadística (DANE), 2015). Esta clasificación es usada para la asignación de tarifas, subsidios e impuestos relacionados con servicios públicos; de esta forma, los hogares residentes de viviendas con estrato 1, 2 y 3 son elegibles para recibir subsidios, los hogares residentes en viviendas estrato 4 pagan tarifas sin subsidios ni impuestos, finalmente los hogares residentes en viviendas estrato 5 y 6 pagan impuestos. A pesar de que dicha clasificación no depende del nivel de ingreso de los hogares, existe una alta correlación entre ésta última variable y el estrato socio-económico (Alzate, 2006). El Mínimo Vital fue otorgado a todos los hogares con nivel socio-económico o estrato 1 y 2; asignando así el subsidio a más del 40% de los hogares. De acuerdo con la Empresa de Acueducto y Alcantarillado de Bogotá (EAAB), al tener una asignación gratuita de agua, los hogares pagarían menos en la factura del agua y el dinero ahorrado podría destinarse al consumo de otros bienes y servicios (Empresa de Acueducto y Alcantarillado de Bogotá (EAAB), 2012). Según esta hipótesis, el subsidio funcionaría como una transferencia en efectivo. Para evaluar el efecto del Mínimo Vital, utilizo información de la Encuesta Multipropósito Bogotá D.C., desarrollada por el Departamento Nacional de Estadística (DANE). Esta encuesta de corte 12 transversal fue realizada por primera vez en 2011 (antes de la implementación de la política) y una segunda versión se llevó a cabo en 2014. Esta encuesta contiene características y gastos de los hogares y sus miembros, estrato socio-económico y permite la identificación de actividades relacionadas con el consumo de agua. Para el análisis, la muestra es restringida a hogares con estrato 1, 2, 3 y 4. De esta forma, defino como grupo de tratamiento a los hogares con estrato 1 y 2 y como grupo de control a los hogares con estrato 3 y 4. Como estrategia empírica propongo un modelo de diferencias en diferencias, donde las variables de interés son: una dummy igual a 1 si el consumo de agua por persona por mes es mayor o igual a 1.5 m3, el consumo de agua, la factura del agua (medida en log) y la probabilidad de reutilizar agua y recoger agua lluvia. También evalúo el efecto sobre la prevalencia de diarrea en menores de cinco años. Como variables de control incluyo características socio-económicas como el ingreso y un índice de riqueza. Este índice, es posteriormente usado para agrupar a los hogares en cuartales. De esta manera, evalúo el efecto del Mínimo Vital en cada uno de estos cuartales y testeo si existencia de diferencias entres ellos. Para alcanzar el balance entre covariables y mejorar el supuesto de tendencias paralelas requerido en un modelo de diferencias en diferencias, uso el esquema de balanceo entrópico propuesto por (Hainmueller, 2012). Bajo este esquema, cada observación del grupo control se vuelve a ponderar para que coincida con los momentos del grupo tratado. Como resultado de la asignación gratuita de agua, encuentro que la probabilidad de tener un consumo intermedio de agua incrementa en 15.7 puntos porcentuales, el consumo de agua aumenta en 2.55 m3 y la factura del agua disminuye alrededor de un 10%. También encuentro un aumento de 9.7 puntos porcentuales en la probabilidad de reutilización de agua y ningún efecto sobre la probabilidad de recolección de agua de lluvia. El análisis por cuartales del índice de riqueza sugiere que los impactos de la política son más fuertes para los hogares más pobres. Es importante destacar que la prevalencia de diarrea entre menores de cinco años pertenecientes a los hogares más pobres, se redujo significativamente con la política. En términos de los mecanismos, encuentro que el porcentaje de hogares que poseen un lavamanos y un taque de agua incrementan. Los resultados encontrados son consistentes con las predicciones teóricas de los subsidios en especie, en cuanto los hogares experimentan un incremento en el consumo de agua acompañado por una disminución en la factura respectiva; por tanto, los hogares tienen un ingreso disponible mayor el cual es destinado al consumo de bienes durables. Sin embargo, todos los hogares con niveles socioeconómicos 1 y 2 reciben el subsidio, por lo que es importante considerar una forma alternativa de asignar el subsidio enfocándose en los hogares más pobres. capítulo 2 De acuerdo con la Organización Mundial de la Salud, desde 1975 la obesidad casi se ha triplicado a nivel mundial, y alrededor del 39% y el 13% de la población adulta mundial tenía sobrepeso y obesidad, respectivamente. La prevalencia del sobrepeso y la obesidad entre niños y adolescentes se ha incrementado de forma más dramática al pasar del 4% en 1975 a poco más del 18% en 2016. La obesidad es un problema multifacético con múltiples determinantes. Por tanto, su análisis no se ha basado en una única perspectiva; de esta forma, académicos de distintas disciplinas han contribuido al avance del conocimiento en esta área. Los científicos sociales a menudo se han centrado en el papel que desempeñan la actividad física y la dieta, elementos que a su vez son afectados por factores como los precios de los alimentos, las políticas agrícolas, los ingresos, el empleo materno y la tecnología (Cawley, 2011; Cutler et al., 2003; Cawley, 2015). Es importante resaltar que el índice de masa corporal (IMC) también se ve afectado por factores genéticos, y es sabido que la obesidad es altamente heredable y poligénica (ver por ejemplo Maes et al. (1997); Yang et al. (2007); Speliotes et al. (2010); Sandholt et al. (2012); Visscher et al. (2012); Zaitlen et al. (2013); Jou (2014); Domingue et al. (2014); Locke et al. (2015); Yengo et al. (2018)). En este artículo, co-autorado con Anna Sanz-de-Galdeano y Anastasia Terskaya, estudiamos como la asociación entre variantes genéticas relacionadas con la obesidad y el IMC varía a lo largo del ciclo de la vida en varias cohortes poblacionales en Estados Unidos, donde la obesidad, que afecta aproximadamente al 39% de los adultos, ha aumentado dramáticamente en las últimas décadas (OECD, 2017), y condiciones relacionadas con la obesidad son algunas de las principales causas de muerte prevenible (NHLBI, 2013). Nuestro artículo está relacionado con una rama creciente de la literatura que investiga cómo la predisposición genética de los individuos hacia diferentes fenotipos interactúa con el entorno (Boardman et al., 2013, 2014). Con respecto a la obesidad, trabajos anteriores han demostrado que el nivel socio-económico durante la infancia (Liu and Guo, 2015), la comprensión social del tamañoo corporal (Boardman et al., 2012) y la educación de los individuos (Barcellos et al., 2018), moderan la influencia de las variantes genéticas relacionadas con la obesidad en fenotipos relacionados con la misma. En cambio, otra rama relacionada de la literatura ha utilizado la cohorte de nacimiento como indicador de exposición al ambiente obesogénico. Estudios realizados en Estados Unidos han demostrado que la asociación entre las variantes genéticas relacionadas con la obesidad y el IMC es mayor entre los individuos nacidos en cohortes más recientes (Demerath et al., 2013; Walter et al., 2016; Liu and Guo, 2015; Rosenquist et al., 2015). Además, Rokholm et al. (2011b) y Rokholm et al. (2011a) han descubierto un aumento en la contribución de los factores genéticos a la variación del IMC para las sucesivas cohortes de nacimiento en Suecia y Dinamarca, respectivamente. Este conjunto de resultados se ha interpretado como evidencia de que el riesgo genético de las personas de tener un IMC elevado se amplifica cuando sus vidas se desarrollan en contextos sociohistóricos más obesogénicos. Este artículo se centra en una temática relacionada que ha recibido menos atención en la literatura: ¿La asociación entre las variantes genéticas relacionadas con la obesidad y los fenotipos relacionados con la mima se atenúa o fortalece a medida que los individuos de la misma cohorte envejecen? Khera et al. (2019) demostraron recientemente que la brecha en la prevalencia de obesidad severa entre los individuos en los deciles de puntaje poligénico superior e inferior se amplía durante la transición de la edad adulta joven a la mediana edad en los Estados Unidos. También se ha descubierto un patrón similar en el peso de los niños desde el nacimiento hasta los 18 años en el Reino Unido. Belsky et al. (2012) utilizan el Estudio multidisciplinario de salud y desarrollo de Dunedin, que siguió a las personas nacidas en 1972-73 en Dunedin (Nueva Zelanda) desde el nacimiento hasta los 38 años, y encontraron que las puntuaciones más altas de riesgo genético del IMC predicen un mayor crecimiento del IMC durante la infancia (de 3 a 13 años), así como durante la edad adulta (de 13 a 38 años). Este artículo aporta a la limitada literatura sobre los efectos de la interacción gen-edad en el IMC (Lasky-Su et al., 2008; Khera et al., 2019; Hardy et al., 2010; Belsky et al., 2012) mediante el análisis del efecto de las puntuaciones poligénicas del IMC a medida que los individuos pasan de la adolescencia a la edad adulta joven y de la mediana edad a la vejez. Adicionalmente, analizamos si los perfiles del ciclo de la vida de la influencia genética difieren significativamente según las características individuales, como el género y el nivel socio-económico. Nos basamos en datos de dos encuestas representativas longitudinales que contienen datos del genoma de los encuestados: el Estudio Nacional Longitudinal de Salud de los Adolescentes (Add Health) y el Estudio de Salud y Jubilación (HRS). El HRS recopila información cada dos años sobre salud, antecedentes socioeconómicos, empleo, ingresos, riqueza y otros factores relevantes para el envejecimiento y la jubilación. El genotipado se realizó utilizando muestras de ADN recolectadas durante entrevistas realizadas a la mitad de la muestra del HRS partir del 2006 (y en olas posteriores para nuevos participantes). Por lo tanto, los encuestados deben haber sobrevivido al menos hasta que comenzó el genotipado (2006-08) para ser parte de nuestro análisis. El análisis de referencia se basa en una muestra de panel equilibrada de 3.181 de ascendencia europea que permanecieron en la encuesta desde 1992 hasta al menos 2008, y para quienes se tienen datos genéticos válidos, así como información disponible sobre su edad, sexo, altura y peso. Nos centramos en las personas de ascendencia europea porque las puntuaciones poligénicas de IMC que utilizamos se construyeron utilizando los resultados de un estudio de asociación del genoma que se basó principalmente en una muestra de individuos de ascendencia europea (Locke et al., 2015). Con base en la información de estatura y peso reportada por los participantes, calculamos el índice de masa corporal para en cada ola. Las personas fueron clasificadas como obesas si su IMC es fue de 30 o más, siguiendo la recomendación de la Organización Mundial de la Salud con respecto a los umbrales de IMC para definir la obesidad en adultos (World Health Organization, 2000). Por su parte, Add Health se basa en una muestra estratificada de 80 escuelas secundarias y 52 escuelas intermedias con probabilidad de selección proporcional al tamaño de la escuela. La primera ola de Add Health incluyó un cuestionario en la escuela, una entrevista detallada en el hogar, y un cuestionario para padres. Los individuos de la muestra han sido seguidos hasta la actualidad. Usamos datos de todas las olas de Add Health disponibles. La información demográfica de referencia sobre los estudiantes y sus familias se obtiene de la primera ola, mientras que los datos reportados sobre el peso y la altura que se utilizan para construir el IMC se obtienen de cada ola. Las muestras de saliva para la extracción de ADN se recolectaron en cuarta ola a todos los participantes. Nuestros análisis de Add Health se basan en una muestra panel equilibrada de 2.730 individuos de ascendencia europea que permanecieron en la encuesta desde la primera hasta la quinta ola, con datos genéticos válidos, así como información sobre edad y sexo, altura y peso disponible en todas las olas. Tanto Add Health como HRS incluyen puntuaciones poligénicas del IMC, índice s que resumen el riesgo genético de las personas de tener un IMC elevado. Estas PGS del IMC se calcularon basándose en el estudio de asociación de genoma amplio (GWAS, por sus siglas en inglés) para el IMC realizado por Locke et al. (2015) en una muestra de 339,224 individuos. Un GWAS escanea todo el genoma para identificar polimorfismos de un solo nucleótido (SNP, por sus siglas en inglés) que están asociados con un resultado particular mientras usa umbrales de significacia estrictos para lidiar con pruebas de hipótesis múltiples. Los SNP son posiciones en el genoma donde existen diferencias entre los individuos que pueden asociarse con un rasgo particular. Belsky and Israel (2014) proporciona más detalles sobre la construcción de puntuaciones de riesgo genético a partir de los resultados de GWAS. Encontramos que el efecto de las puntuaciones poligénicas del IMC sobre el IMC aumenta significativamente a medida que los adolescentes pasan a la edad adulta. Específicamente, nuestros resultados para la cohorte más joven (Add Health, nacido en 1974-84) indican que un aumento de una desviación estándar en las puntuaciones poligénicas del IMC se asocia con un aumento de 4, 2% en el IMC entre los 15 y 16 años, mientras que el incremento asciende al 5, 7% cuando las personas tienen alrededor de 28 años. Para la primera cohorte HRS Original (nacida en 1931-41), el efecto de las puntuaciones poligénicas del IMC asciende a 4, 2% cuando los encuestados tienen alrededor de 55 años, y permanece estable mientras transitan a la vejez. A su vez, descubrimos patrones del ciclo de vida igualmente estables cuando nos enfocamos en cohortes posteriores del HRS (nacidas entre 1942 y 1953) de más de 55 años. Nuestro resultado principal no cambia cuando se analizan los perfiles del ciclo de vida de las personas por género y nivel socio-económico. También encontramos que, en la ´ultima cohorte de Add Health, el efecto de las puntuaciones poligénicas del IMC es significativamente más fuerte entre personas con un nivel socio-económico más bajo durante su niñez que para sus contrapartes de nivel socio-económico alto. Por el contrario, la influencia genética en el IMC no varía significativamente según el nivel socio-económico en ninguna de las cohortes del HRS que analizamos. También encontramos que los patrones de influencia genética en el IMC no varían significativamente por género en ninguna de las cohortes analizadas. capítulo 3 La salud mental es un problema creciente a nivel mundial. De acuerdo con la organización Mundial de la Salud (OMS), alrededor de 450 millones de persona sufren desordenes mentales, es así como tales desordenes son una de las principales causas de enfermedad y discapacidad en el mundo (WHO, 2019). En los países en vías de desarrollo, los recursos dedicados a la salud mental son limitados y factores como la pobreza representan una amenaza para el bienestar de la población (Pan American Health Organization, 2017). Entender las causas detrás de los problemas de salud mental en países en vías de desarrollo constituye un tema relevante para mejorar la prestación de servicios de salud y disminuir la carga la enfermedad. En las últimas décadas, el cambio climático ha afectado drásticamente las condiciones climáticas. La temperatura ha incrementado mundialmente y los patrones de lluvia han cambiado significativamente (Trenberth, 2011). Mientras en algunas regiones del mundo los niveles de lluvia han incrementado, en otras pasa el fenómeno contrario haciendo que eventos extremos como las sequías y las inundaciones sean cada vez más frecuentes (World Meteorological Organization, 2019). A pesar de que la evidencia acerca del efecto causal de las condiciones climáticas sobre resultados de salud mental es creciente, ésta todavía es escasa (Burke et al., 2018). El objetivo de este capítulo es brindar nueva evidencia acerca del efecto causal de la lluvia sobre medidas objetivas de salud mental en un país en vías de desarrollo. Específicamente, evalúo el efecto de la lluvia en los intentos de suicidio, el número de individuos tratados por problemas de salud relacionados con el estrés y el número de individuos tratados por depresión en Colombia. Debido a que la lluvia puede afectar el desarrollo de ciertos tipos de trabajo, en especial aquellos desarrollados al aire libre, investigo el desempleo como posible mecanismo para explicar los resultados obtenidos. Por otra parte, teniendo en cuenta que en Colombia la tasa de informalidad ronda el 50%, investigo las horas trabajadas durante la semana anterior como segundo mecanismo. La hipótesis detrás de este mecanismo consiste en que los trabajadores del sector informal, al no tener las mismas prestaciones sociales que los trabajadores del sector formal, deben continuar trabajando aún bajo condiciones climáticas adversas. Este documento contribuye a la literatura en 4 aspectos: 1. Provee evidencia adicional sobre el efecto causal de las condiciones climáticas, Específicamente la lluvia, sobre resultados de salud mental. 2. Ayuda a entender el efecto de la lluvia en un país desarrollado con una alta variabilidad climática y una preocupación creciente hacia problemas de salud mental. 3. Al usar medidas objetivas de salud mental, este documento incrementa la evidencia existente sobre variables poco estudiadas. 4. Finalmente, este documento propone mecanismos que ayudan a entender la conexión entre condiciones climáticas y salud mental. La literatura en economía ambiental se ha centrado en los efectos de desastres naturales en diferentes resultados como la salud infantil (Currie and Rossin-Slater, 2013; Datar et al., 2013; Torche, 2011; Rosales-Rueda, 2018; Oliveira and Quintana-Domeque, 2016), la educación (Deuchert and Felfe, 2015; Rush, 2018; Valencia Amaya et al., 2014), el crecimiento económico y el mercado laboral (Barone and Mocetti, 2014; Keerthiratne and Tol, 2018; Acevedo, 2016) y la salud física y mental (Fernández et al., 2015; Matsubayashi et al., 2013). Sin embargo, vale la pena resaltar que los efectos encontrados se deben al poder destructivo de dichos desastres. Sin embargo, poco se sabe acerca del efecto de condiciones climáticas sobre resultados de salud mental. Christodoulou et al. (2012) establece una de las primeras conexiones entre condiciones climáticas y salud mental, encontrando picos en las tasas de suicidio a nivel mundial durante la primavera. Por su parte Hanigan et al. (2012) encuentra esta misma relación en Australia. A su vez, los autores encuentran que las tasas de suicidio incrementan durante periodos de sequía. Estos documentos resaltan la importancia de entender la relación entre condiciones climáticas y salud mental desde una perspectiva causal. Hasta el momento, se ha demostrado que en países desarrollados incrementos en las temperaturas generan incrementos en las tasas de suicidio (Burke et al., 2018), incrementos en el número de visitas a las salas de emergencia (Mullins and White, 2019) e incrementos en comportamientos violentos Baysan et al. (2019). Con respecto a los niveles de lluvia, Obradovich et al. (2018) muestra que incrementos en los niveles de lluvia afectan negativamente medidas subjetivas de salud mental. Sin embargo, poco se sabe de los mecanismos detrás de esta relación. Para evaluar el efecto de los niveles de lluvia sobre la salud mental en Colombia, utilizo datos provenientes del Observatorio de Salud Mental Colombiano. Este observatorio fue creado en 2009 como resultado de la preocupación creciente sobre la salud mental de la población. De este observatorio obtengo las variables de interés analizadas: intentos de suicidio, el número de individuos tratados por problemas de salud relacionados con el estrés y el número de individuos tratados por depresión por cada 100,000 habitantes a nivel municipal para el periodo 2009-2018. La agregación de la información a nivel municipal tiene dos problemas potenciales: 1. La confiabilidad de los datos para municipios pequeños y 2. La capacidad de los municipios pequeños para atender problemas de salud mental. Como consecuencia, es muy probable que individuos con problemas de salud mental que residen en municipios pequeños, deban desplazarse a municipios más grandes con mayor capacidad de atención. Por esta razón y debido a que la información con respecto a los mecanismos que propongo se encuentra disponible únicamente para los 23 municipios principales, restrinjo el análisis a estos municipios. Vale la pena resaltar que estos municipios incluyen las ciudades más importantes de Colombia, de esta forma, es posible garantizar que los individuos que residen en estos municipios tienen acceso a los servicios de salud mental. Los datos relacionados con los niveles de lluvia son obtenidos del Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM). Dicha información proviene de estaciones climáticas ubicadas a lo largo del país, lo cual proporciona una alta fiabilidad de las medidas climáticas (Dell et al., 2014). Vale la pena resaltar que, según el Banco Mundial, Colombia es uno de los países con mayores niveles de lluvia a nivel mundial (The World Bank, 2020a), haciendo de este un escenario interesante para analizar el efecto de condiciones climáticas sobre resultados de salud mental. Finalmente, relaciono los niveles de lluvia con las variables de salud mental. Mi muestra final consiste en un panel de 23 municipios durante el periodo de 10 años 2009-2018. Por su parte, la información para estudiar los mecanismos propuestos proviene de la Gran Encuesta Integrada de Hogares. Esta encuesta se lleva a cabo mensualmente y es la encuesta que emplean las autoridades oficiales para analizar desenlaces de mercado laboral. Para identificar el efecto causal de los niveles de lluvia sobre resultados de salud mental, propongo un modelo de efectos fijos, lo cual es una práctica estándar en la literatura (Dell et al., 2014; Mullins and White, 2019; Baysan et al., 2019; Obradovich et al., 2018). Mi estrategia empírica implica que después de controlar por efectos fijos de municipio y año, la variación restante en los niveles de lluvia es cuasi-aleatoria. En este capítulo encuentro que un incremento de 1 mm en los niveles de lluvia, incrementa los intentos de suicidio en 5.46 casos, el número de individuos tratados por problemas de salud relacionadas con el estrés en 69 casos y el número de individuos tratados por episodios de depresión en 57 casos por cada 100,000 habitantes. En cuanto a los mecanismos, encuentro que incrementos en los niveles de lluvia incrementa la probabilidad de estar desempleado en 0.009 puntos porcentuales. Entre la población trabajadora, encuentro que incrementos en los niveles de lluvia únicamente afecta a los trabajadores del sector formal. Este resultado sugiere que los trabajadores del sector informal continúan trabajando aún bajo condiciones climáticas adversas. Una de las principales limitaciones de este trabajo es que la información utilizada está agregada a nivel de municipio, por lo que incluso cuando encuentro una relación negativa y significativa entre lluvia y salud mental, no puedo hacer ninguna inferencia a nivel individual. La existencia de micro datos con medidas objetivas de salud mental puede ayudar a superar esta limitación. Por otra parte, es importante tener en cuenta que debido a que el análisis está restringido a los 23 municipios principales, los resultados obtenidos deben interpretarse como un límite superior. Es muy probable que individuos residentes en municipios pequeños deban ser atendidos en municipios principales con una mayor capacidad para atender problemas de salud mental. Con el avance del cambio climático, se espera que el comportamiento de las temperaturas y los niveles de lluvia sigan cambiando drásticamente en los próximos años. En este sentido, es importante implementar políticas públicas que ayuden a los individuos a atenuar los efectos negativos de condiciones climáticas adversas. Actualmente en Colombia, los trabajadores informales no tienen acceso a beneficios de seguridad social, por tanto, los gobiernos locales podrían proveer subsidios a esta población con el fin de contrarrestar dichos efectos negativos. Así mismo, en países como Colombia no existen subsidios al desempleo, por tanto, las personas desempleadas no tienen ninguna fuente de ingreso que les permita compensar la pérdida de salarios. Los subsidios al desempleo podrían ayudar a compensar dicha perdida y atenuar así los efectos negativos en la salud mental de los individuos. Finalmente, es importante fortalecer los servicios de salud mental para reducir desenlaces fatales como los suicidios. Conclusiones Esta tesis contribuye a temas de Microeconomía Aplicada, Economía de la Salud y Genómica de distintas maneras. El primer capítulo incrementa la evidencia existente acerca del efecto de asignaciones gratuitas de agua en entornos urbanos, donde la evidencia es escasa (Dandy et al., 1997; Szabo, 2015; Peters et al., 2005). Adicionalmente, contrasta empíricamente el modelo teórico de transferencias en especie versus transferencias en efectivo (Cunha, 2014), encontrando que, en el caso del Mínimo Vital, la asignación funciona como una transferencia en especie al incrementar el consumo de agua y disminuir el pago de la factura. En términos de salud, este capítulo muestra que, entre la población más vulnerable, la asignación gratuita de agua disminuye la prevalencia de diarrea en menores de cinco años. El segundo capítulo aporta a la limitada literatura sobre los efectos de la interacción gen-edad en el IMC (Lasky-Su et al., 2008; Khera et al., 2019; Hardy et al., 2010; Belsky et al., 2012) mediante el análisis del efecto de las puntuaciones poligénicas del IMC a medida que los individuos pasan de la adolescencia a la edad adulta joven y de la mediana edad a la vejez. De esta forma encontramos que el efecto de las puntuaciones poligénicas del IMC en el IMC aumenta significativamente a medida que los adolescentes pasan a la edad adulta. Sin embargo, este no es el caso para personas mayores de 55 años que nacieron en cohortes anteriores, cuyo influencia genética a lo largo del ciclo de la vida es notablemente estable. Una posible explicación de nuestros resultados es que el efecto de las puntuaciones poligénicas del IMC sobre el IMC aumenta hasta que las personas alcanzan una determinada edad y se mantiene estable a partir de entonces. Esta hipótesis es consistente con Hardy et al. (2010), quienes encuentran que la asociación entre genes e IMC alcanza su punto máximo en la edad adulta temprana. El último capítulo aporta a la escasa literatura sobre los efectos de condiciones climáticas sobre medidas objetivas de salud mental (Mullins and White, 2019). Hasta donde sé, este es el primer documento que evalúa el efecto de los niveles de lluvia sobre medidas objetivas de salud mental en un país en vías de desarrollo. En este capítulo encuentro que incrementos en los niveles de lluvia incrementan los intentos de suicidios y el número de personas atendidas por depresión y problemas de salud relacionados con el estrés. Por otra parte, también estudio resultados de mercado laboral como posibles mecanismos, encontrando que entre trabajadores informales condiciones climáticas adversas tienen un mayor efecto. Bibliografía consultada Acevedo, M. C. (2016): “The Effect of Extreme Hydro-Meteorological Events on Labor Market Outcomes: Evidence from the Colombian Caribbean,” Unpublished paper, World Bank, Washington, DC. Akram, A. A. and Olmstead, S. M. (2011): “The value of household water service quality in Lahore, Pakistan,” Environmental and Resource Economics, 49, 173–198. Allen, J., Balfour, R., Bell, R. et al. (2014): “Social determinants of mental health,” International review of psychiatry, 26, 392–407. Alzate, M. C. (2006): La estratificación socioeconómica para el cobro de los servicios píblicos domiciliarios en Colombia:¿Solidaridad o focalización?, CEPAL. Barcellos, S. H., Carvalho, L. S. and Turley, P. (2018): “Education can reduce health differences related to genetic risk of obesity,” Proceedings of the National Academy of Sciences, 115, E9765–E9772. Barone, G. and Mocetti, S. (2014): “Natural disasters, growth and institutions: a tale of two earthquakes,” Journal of Urban Economics, 84, 52–66. Baylis, P. (2020): “Temperature and temperament: Evidence from Twitter,” Journal of Public Economics, 184, 104161. Baylis, P., Obradovich, N., Kryvasheyeu, Y. et al. (2018): “Weather impacts expressed sentiment,” PloS one, 13, e0195750. Baysan, C., Burke, M., Gonzalez, F. et al.´ (2019): “Non-economic factors in violence: Evidence from organized crime, suicides and climate in Mexico,” Journal of Economic Behavior & Organization, 168, 434–452. Belsky, D. W., Domingue, B. W., Wedow, R. et al. (2018): “Genetic analysis of social-class mobility in five longitudinal studies,” Proceedings of the National Academy of Sciences, 115, E7275–E7284. Belsky, D. W. and Israel, S. (2014): “Integrating genetics and social science: Genetic risk scores,” Biodemography and Social Biology, 60, 137–155. Belsky, D. W., Moffitt, T. E., Houts, R. et al. (2012): “Polygenic risk, rapid childhood growth, and the development of obesity: evidence from a 4-decade longitudinal study,” Archives of pediatrics & adolescent medicine, 166, 515–521. Benjamin, D. J., Cesarini, D., Chabris, C. F. et al. (2012): “The promises and pitfalls of genoeconomics,” Annu. Rev. Econ., 4, 627–662. Berry, H. L., Waite, T. D., Dear, K. B. et al. (2018): “The case for systems thinking about climate change and mental health,” Nature Climate Change, 8, 282–290. Bhaskaran, K., Douglas, I., Forbes, H. et al. (2014): “Body-mass index and risk of 22 specific cancers: a population-based cohort study of 5· 24 million UK adults,” The Lancet, 384, 755–765. Biroli, P. (2015): “Genetic and economic interaction in the formation of human capital: the case of obesity,” Tech. rep., Mimeo. University of Zurich. Boardman, J. D., Daw, J. and Freese, J. (2013): “Defining the environment in gene–environment research: Lessons from social epidemiology,” American journal of public health, 103, S64–S72. Boardman, J. D., Domingue, B. W., Blalock, C. L. et al. (2014): “Is the gene-environment interaction paradigm relevant to genome-wide studies? The case of education and body mass index,” Demography, 51, 119–139. Boardman, J. D., Roettger, M. E., Domingue, B. W. et al. (2012): “Gene-environment interactions related to body mass: School policies and social context as environmental moderators,” Journal of Theoretical Politics, 24, 370–388. Bockerman, P., Cawley, J., Viinikainen, J. et al.¨ (2019): “The effect of weight on labor market outcomes: An application of genetic instrumental variables,” Health economics, 28, 65–77. Brunello, G. and d’Hombres, B. (2007): “Does body weight affect wages?: Evidence from Europe,” Economics & Human Biology, 5, 1–19. Brunello, G., Michaud, P.-C. and Sanz-de Galdeano, A. (2008): “The rise in obesity across the Atlantic: An economic perspective,” Brunello, G., Sanz-de Galdeano, A. and Terskaya, A. (2020): “Not Only in My Genes: The Effects of Peers’ Genotype on Obesity,” Journal of Health Economics, 102349. Burke, M., Gonzalez, F., Baylis, P. et al.´ (2018): “Higher temperatures increase suicide rates in the United States and Mexico,” Nature climate change, 8, 723–729. Cawley, J. (2004): “The impact of obesity on wages,” Journal of Human resources, 39, 451–474. ——— (2011): The Oxford handbook of the social science of obesity, Oxford University Press. ——— (2015): “An economy of scales: A selective review of obesity’s economic causes, consequences, and solutions,” Journal of health economics, 43, 244–268. Centers for Disease Control and Prevention (2016): “Injury prevention control: Data statistics (WISQARS),” https://www.cdc.gov/injury/wisqars/. Christodoulou, C., Douzenis, A., Papadopoulos, F. C. et al. (2012): “Suicide and seasonality,” Acta Psychiatrica Scandinavica, 125, 127–146. Clasen, T. F., Brown, J., Collin, S. et al. (2004): “Reducing diarrhea through the use of household-based ceramic water filters: a randomized, controlled trial in rural Bolivia,” The American journal of tropical medicine and hygiene, 70, 651–657. Crosnoe, R., Frank, K. and Mueller, A. S. (2008): “Gender, body size and social relations in American high schools,” Social Forces, 86, 1189–1216. Cunha, J. M. (2014): “Testing paternalism: Cash versus in-kind transfers,” American Economic Journal: Applied Economics, 6, 195–230. Currie, J. and Gahvari, F. (2008): “Transfers in cash and in-kind: Theory meets the data,” Journal of Economic Literature, 46, 333–83. Currie, J. and Rossin-Slater, M. (2013): “Weathering the storm: Hurricanes and birth outcomes,” Journal of health economics, 32, 487–503. Cutler, D. M., Glaeser, E. L. and Shapiro, J. M. (2003): “Why have Americans become more obese?” Journal of Economic perspectives, 17, 93–118. Cygan-Rehm, K., Kuehnle, D. and Oberfichtner, M. (2017): “Bounding the causal effect of unemployment on mental health: Nonparametric evidence from four countries,”Health Economics, 26, 1844–1861. Dandy, G., Nguyen, T. and Davies, C. (1997): “Estimating residential water demand in the presence of free allowances,” Land Economics, 125–139. Datar, A., Liu, J., Linnemayr, S. et al. (2013): “The impact of natural disasters on child health and investments in rural India,” Social Science & Medicine, 76, 83–91. Day, F. R., Thompson, D. J., Helgason, H. et al. (2017): “Genomic analyses identify hundreds of variants associated with age at menarche and support a role for puberty timing in cancer risk,” Nature genetics, 49, 834–841. De La Haye, K., Robins, G., Mohr, P. et al. (2011): “Homophily and contagion as explanations for weight similarities among adolescent friends,” Journal of Adolescent Health, 49, 421–427. Dell, M., Jones, B. F. and Olken, B. A. (2014): “What do we learn from the weather? The new climate-economy literature,” Journal of Economic Literature, 52, 740–98. Demerath, E. W., Choh, A. C., Johnson, W. et al. (2013): “The positive association of obesity variants with adulthood adiposity strengthens over an 80-year period: a gene-by-birth year interaction,” Human heredity, 75, 175–185. Departamento Administrativo Nacional de Estadística (DANE) (2015): “Metodología de estratificación socioeconómica urbana para servicios pu´blicos domiciliarios,” url https://www.dane.gov.co/files/geoestadistica/estratificacion/ManualdeRealizacion.pdf. Deuchert, E. and Felfe, C. (2015): “The tempest: Short-and long-term consequences of a natural disaster for children s development,” European Economic Review, 80, 280–294. Devoto, F., Duflo, E., Dupas, P. et al. (2012): “Happiness on tap: piped water adoption in urban Morocco,” American Economic Journal: Economic Policy, 4, 68–99. Domingue, B. W., Belsky, D. W., Fletcher, J. M. et al. (2018): “The social genome of friends and schoolmates in the National Longitudinal Study of Adolescent to Adult Health,” Proceedings of the National Academy of Sciences, 115, 702–707. Domingue, B. W., Belsky, D. W., Harrati, A. et al. (2017): “Mortality selection in a genetic sample and implications for association studies.” International Journal of Epidemiology, 46, 1285– 1294. Domingue, B. W., Belsky, D. W., Harris, K. M. et al. (2014): “Polygenic risk predicts obesity in both white and black young adults,” PloS one, 9, e101596. Elks, C. E., Perry, J. R., Sulem, P. et al. (2010): “Thirty new loci for age at menarche identified by a meta-analysis of genome-wide association studies,” Nature genetics, 42, 1077. Empresa de Acueducto y Alcantarillado de Bogota (EAAB) (2012): “Informe de Gestion 2012,” url http://docplayer.es/5637172-Informe-de-gestion-2012-empresa-de-acueducto-yalcantarrillado-de-bogota-e-s-p.html. Farre Olalla, L., Fasani, F. and Mueller, H. (2018): “Feeling useless: the effect of unemployment on mental health in the Great Recession,” IZA Journal of Labor Economics, 2018, vol. 7, num. 8, p. 1-38. Fernandez, A., Black, J., Jones, M. et al. (2015): “Flooding and mental health: a systematic mapping review,” PloS one, 10, e0119929. Fink, G. (2016): “Stress, definitions, mechanisms, and effects outlined: lessons from anxiety,” in Stress: Concepts, cognition, emotion, and behavior, Elsevier, 3–11. Firpo, S., Fortin, N. M. and Lemieux, T. (2009a): “Unconditional quantile regressions,”Econometrica, 77, 953–973. ——— (2009b): “Unconditional quantile regressions,” Econometrica, 77, 953–973. García, G. A. (2017): “Labor informality: choice or sign of segmentation? A quantile regression approach at the regional level for Colombia,” Review of Development Economics, 21, 985–1017. Ghisi, E. and Ferreira, D. F. (2007): “Potential for potable water savings by using rainwater and greywater in a multi-storey residential building in southern Brazil,”Building and Environment, 42, 2512–2522. Hainmueller, J. (2012): “Entropy balancing for causal effects: A multivariate reweighting method to produce balanced samples in observational studies,” Political Analysis, 20, 25–46. Hainmueller, J. and Xu, Y. (2013): “Ebalance: A Stata package for entropy balancing,” Journal of Statistical Software, 54. Hanigan, I. C., Butler, C. D., Kokic, P. N. et al. (2012): “Suicide and drought in New South Wales, Australia, 1970–2007, ”Proceedings of the National Academy of Sciences, 109, 13950–13955. Hardy, R., Wills, A. K., Wong, A. et al. (2010): “Life course variations in the associations between FTO and MC4R gene variants and body size,” Human molecular genetics, 19, 545–552. Harris, S. E., Riggio, V., Evenden, L. et al. (2017): “Age-related gene expression changes, and transcriptome wide association study of physical and cognitive aging traits, in the Lothian Birth Cohort 1936,” Aging (Albany NY), 9, 2489. Hernandez, H. A. and Mendez, J. A.´ (2013): “Economic feasibility to guarantee the minimal vital drinking water in Bogota DC, Colombia,” Producci´on+ Limpia, 8, 102–118. Herrera, C. and Rodríguez, L. (2015): “Impacto de La Medida de Mínimo Vital de Agua En La Capacidad de Gasto de Los Hogares Bogotanos Febrero 2012-Octubre 2013 Bogotá,” Cuadernos de Desarrollo Económico. Howard, G., Bartram, J., Water, S. et al. (2003): “Domestic water quantity, service level and health,” Tech. rep., World Health Organization. Hoynes, H. W. and Schanzenbach, D. W. (2009): “Consumption responses to in-kind transfers: Evidence from the introduction of the food stamp program, ”American Economic Journal: Applied Economics, 1, 109–39. Hsiang, S. M. and Jina, A. S. (2014): “The causal effect of environmental catastrophe on longrun economic growth: Evidence from 6,700 cyclones,” Tech. rep., National Bureau of Economic Research. Jalan, J. and Ravallion, M. (2013): “Does piped water reduce diarrhea for children in rural India?” Tech. rep., The World Bank. Jencks, C. (1980): “Heredity, environment, and public policy reconsidered,” American Sociological Review, 723–736. Jessoe, K. (2013): “Improved source, improved quality? Demand for drinking water quality in rural India,” Journal of Environmental Economics and Management, 66, 460–475. Jou, C. (2014): “The biology and genetics of obesity—a century of inquiries,” New England Journal of Medicine, 370, 1874–1877. Kasen, S., Cohen, P., Chen, H. et al. (2008): “Obesity and psychopathology in women: a three decade prospective study,” International Journal of Obesity, 32, 558. Keerthiratne, S. and Tol, R. S. (2018): “Impact of natural disasters on income inequality in Sri Lanka,” World Development, 105, 217–230. Khera, A. V., Chaffin, M., Wade, K. H. et al. (2019): “Polygenic prediction of weight and obesity trajectories from birth to adulthood,” Cell, 177, 587–596. Kling, J. R., Liebman, J. B. and Katz, L. F. (2007): “Experimental analysis of neighborhood effects,” Econometrica, 75, 83–119. Koolwal, G. and Van de Walle, D. (2013): “Access to water, women’s work, and child outcomes,” Economic Development and Cultural Change, 61, 369–405. Kuczmarski, R. J. (2002): “2000 CDC growth charts for the United States; methods and development,” Lasky-Su, J., Lyon, H. N., Emilsson, V. et al. (2008): “On the replication of genetic associations: timing can be everything!” The American Journal of Human Genetics, 82, 849–858. Leroy, J. L., Gadsden, P., Rodriguez-Ramirez, S. et al. (2010): “Cash and in-kind transfers in poor rural communities in Mexico increase household fruit, vegetable, and micronutrient consumption but also lead to excess energy consumption,” The Journal of nutrition, 140, 612–617. Li, M., Ferreira, S. and Smith, T. A. (2020): “Temperature and self-reported mental health in the United States,” PloS one, 15, e0230316. Liu, H. and Guo, G. (2015): “Lifetime socioeconomic status, historical context, and genetic inheritance in shaping body mass in middle and late adulthood,” American sociological review, 80, 705–737. Locke, A. E., Kahali, B., Berndt, S. I. et al. (2015): “Genetic studies of body mass index yield new insights for obesity biology,” Nature, 518, 197. Luppino, F. S., de Wit, L. M., Bouvy, P. F. et al. (2010): “Overweight, obesity, and depression: a systematic review and meta-analysis of longitudinal studies,” Archives of general psychiatry, 67, 220–229. Maes, H. H., Neale, M. C. and Eaves, L. J. (1997): “Genetic and environmental factors in relative body weight and human adiposity,” Behavior genetics, 27, 325–351. Marcus, J. (2013): “The effect of unemployment on the mental health of spouses–Evidence from plant closures in Germany,” Journal of health economics, 32, 546–558. Matsubayashi, T., Sawada, Y. and Ueda, M. (2013): “Natural disasters and suicide: Evidence from Japan,” Social Science & Medicine, 82, 126–133. Mendle, J., Beltz, A. M., Carter, R. et al. (2019): “Understanding puberty and its measurement: ideas for research in a new generation,” Journal of Research on Adolescence, 29, 82–95. Mullins, J. T. and White, C. (2019): “Temperature and mental health: Evidence from the spectrum of mental health outcomes,” Journal of health economics, 68, 102240. Nagata, J. M., Braudt, D. B., Domingue, B. W. et al. (2019): “Genetic risk, body mass index, and weight control behaviors: Unlocking the triad,” International Journal of Eating Disorders, 52, 825–833. Nauges, C. and Strand, J. (2013): Water hauling and girls’ school attendance: some new evidence from Ghana, The World Bank. NHLBI (2013): Managing Overweight and Obesity in Adults: Systematic Evidence Review from the Obesity Expert Panel, National Institutes of Health, U.S. Department of Health and Human Services. Ninno, C. D. and Dorosh, P. (2003): “Impacts of in-kind transfers on household food consumption: Evidence from targeted food programmes in Bangladesh,” The Journal of Development Studies, 40, 48–78. Obradovich, N., Migliorini, R., Paulus, M. P. et al. (2018): “Empirical evidence of mental health risks posed by climate change,” Proceedings of the National Academy of Sciences, 115, 10953–10958. OECD (2017): Obesity Update, OECD Publishing, https://www.oecd.org/els/health-systems/Obesity-Update-2017.pdf (accessed 18.01.2020). Oliveira, V. and Quintana-Domeque, C. (2016): “Natural disasters and early human development: hurricane Catarina and birth outcomes in Brazil,” Tech. rep., mimeo. Ong, K. K., Bann, D., Wills, A. K. et al. (2012): “Timing of voice breaking in males associated with growth and weight gain across the life course,” The Journal of Clinical Endocrinology & Metabolism, 97, 2844–2852. Pan American Health Organization (2017): “Atlas of Mental Health of the Americas 2017,” https://iris.paho.org/handle/10665.2/49664. Peters, K., Oldfield, S. et al. (2005): “The paradox of ‘free basic water’and cost recovery in Grabouw: increasing household debt and municipal financial loss,” in Urban Forum, Springer Netherlands, vol. 16, 313–335. Pickering, A. J. and Davis, J. (2012): “Freshwater availability and water fetching distance affect child health in sub-Saharan Africa,” Environmental science & technology, 46, 2391–2397. Price, A. L., Patterson, N. J., Plenge, R. M. et al. (2006): “Principal components analysis corrects for stratification in genome-wide association studies,” Nature genetics, 38, 904. Pruss-Ustun, A. (2008): “Safer water, better health: costs, benefits and sustainability of interventions to protect and promote health.” Rokholm, B., Silventoinen, K., Angquist, L. et al.¨ (2011a): “Increased genetic variance of BMI with a higher prevalence of obesity,” PloS one, 6, e20816. Rokholm, B., Silventoinen, K., Tynelius, P. et al. (2011b): “Increasing genetic variance of body mass index during the Swedish obesity epidemic,” PloS one, 6, e27135. Rosales-Rueda, M. (2018): “The impact of early life shocks on human capital formation: Evidence from El Nin˜o floods in Ecuador,” Journal of health economics, 62, 13–44. Rosenquist, J. N., Lehrer, S. F., O’Malley, A. J. et al. (2015): “Cohort of birth modifies the association between FTO genotype and BMI,” Proceedings of the National Academy of Sciences, 112, 354–359. Rush, J. V. (2018): “The impact of natural disasters on education in Indonesia,” Economics of disasters and climate change, 2, 137–158. Sandholt, C., Hansen, T. and Pedersen, O. (2012): “Beyond the fourth wave of genome-wide obesity association studies,” Nutrition & diabetes, 2, e37. Sanz-de Galdeano, A. and Terskaya, A. (2019): “Sibling Differences in Educational Polygenic Scores: How Do Parents React?” Tech. rep., IZA Discussion Paper No. 12375. Sayago, J. A. and Sayago, J. M. (2011): “Simulaci´on y evaluaci´on de una propuesta de implementaci´on del m´ınimo vital de agua potable en Colombia,” Semestre econ´omico, 14, 99–116. Schaefer, D. R. and Simpkins, S. D. (2014): “Using social network analysis to clarify the role of obesity in selection of adolescent friends,” American journal of public health, 104, 1223–1229. Sibly, H. and Tooth, R. (2014): “The consequences of using increasing block tariffs to price urban water,” Australian Journal of Agricultural and Resource Economics, 58, 223–243. Smith, J. (2010): “How much water is enough? Domestic metered water consumption and free basic water volumes: The case of Eastwood, Pietermaritzburg,” Water SA, 36. Smith, J. A. and Green, J. M. (2005): “Free basic water in Msunduzi, KwaZulu-Natal: is it making a difference to the lives of low-income households?” Water Policy, 7, 443–467. Solorzano, C. M. B. and McCartney, C. R. (2010): “Obesity and the pubertal transition in girls and boys,” Reproduction (Cambridge, England), 140, 399. Southworth, H. M. (1945): “The economics of public measures to subsidize food consumption,” Journal of Farm Economics, 27, 38–66. Speliotes, E. K., Willer, C. J., Berndt, S. I. et al. (2010): “Association analyses of 249,796 individuals reveal 18 new loci associated with body mass index,” Nature genetics, 42, 937. Stoler, J., Fink, G., Weeks, J. R. et al. (2012): “When urban taps run dry: Sachet water consumption and health effects in low income neighborhoods of Accra, Ghana,” Health & place, 18, 250–262. Szabo, A. (2015): “The value of free water: analyzing South Africa’s free basic water policy,” Econometrica, 83, 1913–1961. Tesliuc, E. (2006): “Social safety nets in OECD countries,” Social Safety Nets Primer Notes No 25. World Bank, Washington, DC. The World Bank (2020a): “Average precipitation in depth (mm per year),” https: //data.worldbank.org/indicator/AG.LND.PRCP.MM?end=2014&start=1962&type=shaded& view=map&year=2014. ——— (2020b): “Mental Health,” https://www.worldbank.org/en/topic/mental-health. Torche, F. (2011): “The effect of maternal stress on birth outcomes: exploiting a natural experiment,” Demography, 48, 1473–1491. Torres, M. M. J. and Carlsson, F. (2018): “Direct and spillover effects of a social information campaign on residential water-savings,” Journal of Environmental Economics and Management, 92, 222–243. Torres, R. M. S. (2020): “Poverty and labor informality in Colombia,” IZA Journal of Labor Policy, 10. Trenberth, K. E. (2011): “Changes in precipitation with climate change,” Climate Research, 47, 123–138. Valencia Amaya, M. G. et al. (2014): “Climate shocks and human capital-the impact of natural disasters on student’s performance in standardized tests,” Master’s thesis, Bogotá-Uniandes. Vanhille, J. (2015): “Consumption-based water charges and public water regulators’ equity concerns-an empirical evaluation of alternative tariff structures for Flemish households,” in International Conference on Public Policy, Milan, Italy. Vargas, L. and Heller, L. (2016): “Determinants in implementing a public policy for an essential volume of free water in Bogot´a and Medell´ın, Colombia,” Ciencia & saude coletiva, 21, 719–730. Visscher, P. M., Brown, M. A., McCarthy, M. I. et al. (2012): “Five years of GWAS discovery,” The American Journal of Human Genetics, 90, 7–24. Vyas, S. and Kumaranayake, L. (2006): “Constructing socio-economic status indices: how to use principal components analysis,” Health policy and planning, 21, 459–468. Walter, S., Mej´ıa-Guevara, I., Estrada, K. et al. (2016): “Association of a genetic risk score with body mass index across different birth cohorts,” Jama, 316, 63–69. WHO (2019): “Drinking-water,” url https://www.who.int/en/news-room/fact- sheets/detail/drinking-water. World Health Organization (2000): Obesity: preventing and managing the global epidemic, 894, World Health Organization. ——— (2020): “Depression,” https://www.who.int/news-room/fact-sheets/detail/ depression. World Meteorological Organization (2019): “The Global Climate in 2015–2019,” https: //library.wmo.int/doc_num.php?explnum_id=9936. Xue, T., Zhu, T., Zheng, Y. et al. (2019): “Declines in mental health associated with air pollution and temperature variability in China,” Nature communications, 10, 1–8. Yang, W., Kelly, T. and He, J. (2007): “Genetic epidemiology of obesity,”Epidemiologic reviews, 29, 49–61. Yao, C., Joehanes, R., Johnson, A. D. et al. (2014): “Sex-and age-interacting eQTLs in human complex diseases,” Human molecular genetics, 23, 1947–1956. Yengo, L., Sidorenko, J., Kemper, K. E. et al. (2018): “Meta-analysis of genome-wide association studies for height and body mass index in 700000 individuals of European ancestry,”Human molecular genetics, 27, 3641–3649. Zaitlen, N., Kraft, P., Patterson, N. et al. (2013): “Using extended genealogy to estimate components of heritability for 23 quantitative and dichotomous traits,”PLoS genetics, 9, e1003520. Zajacova, A. and Burgard, S. A. (2013): “Healthier, wealthier, and wiser: a demonstration of compositional changes in aging cohorts due to selective mortality,” Population research and policy review, 32, 311–324.