Vol.10 Núm. 021 Suplemento CICA Multidisciplinario  
Enero-junio 2026  
FACTORES SOCIOECONÓMICOS ASOCIADOS A LA SEPARACIÓN Y VALORIZACIÓN  
DOMÉSTICA DE RESIDUOS EN ECUADOR  
SOCIOECONOMIC FACTORS ASSOCIATED WITH HOUSEHOLD WASTE SEPARATION  
AND VALORIZATIONIN ECUADOR  
FATORES SOCIOECONÔMICOS ASSOCIADOS À SEPARAÇÃO E VALORIZAÇÃO  
DOMICILIAR DE RESÍDUOS NO EQUADOR  
Erick Santiago Guayasamín Gualotuña1 Email eguayasaming@unemi.edu.ec  
Universidad Estatal de Milagro – Ecuador  
Ángel Maridueña Larrea2 Email amariduenal@unemi.edu.ec  
Universidad Estatal de Milagro – Ecuador  
Universidad Agraria Guayaquil - Ecuador  
Javier Patricio Cadena Silva3 Autor de Correspondencia javier.cadena@uleam.edu.ec  
Universidad Laica Eloy Alfaro de Manabí - Ecuador  
Universidad Estatal de Milagro - Ecuador  
Rocío Isabel González Reyes4 Email rgonzalezr2@unemi.edu.ec  
Universidad Estatal de Milagro - Ecuador  
Recibido:14 de marzo 2026 Aprobado: 7 de mayo 2026 Publicado: 20 de junio 2026  
1
Erick Santiago Guayasamín Gualotuña: https://orcid.org/0009-0000-4158-1006 Facultad de Posgrado, Universidad  
Estatal de Milagro – Ecuador, e-mail: eguayasaming@unemi.edu.ec  
2
Ángel Maridueña-Larrea: https://orcid.org/0000-0002-8961-2331 Facultad de Ciencias Sociales Educación  
Comercial y Derecho, Universidad Estatal de Milagro – Ecuador, e-mail: amariduenal@unemi.edu.ec; Facultad de  
Economía Agrícola, Universidad Agraria del Ecuador – Ecuador, e-mail: amariduena@uagraria.edu.ec  
3 Javier Patricio Cadena-Silva: https://orcid.org/0000-0001-5499-5988 Autor por correspondencia; Carrera de Ciencias  
Administrativas Contables y Comercio, Universidad Laica Eloy Alfaro de Manabí Extensión El Carmen – Ecuador, e-  
mail: javier.cadena@uleam.edu.ec; Facultad de Posgrado, Universidad Estatal de Milagro – Ecuador, e-mail:  
jcadenas4@unemi.edu.ec; Departamento de Economía Financiera y Contabilidad, Universidad de Valladolid – España,  
e-mail: patricio.cadena@uva.es  
4
Rocío Isabel González-Reyes: https://orcid.org/0009-0007-3684-7704 Facultad de Vinculación y Facultad de  
Posgrado, Universidad Estatal de Milagro – Ecuador, e-mail: rgonzalezr2@unemi.edu.ec  
36  
       
RESUMEN  
La gestión doméstica de residuos constituye un componente relevante de la sostenibilidad  
ambiental, especialmente en contextos marcados por brechas territoriales, limitaciones  
institucionales y desigualdades en el acceso a información y servicios. En este marco, este artículo  
analiza la asociación entre las características socioeconómicas y la probabilidad de que los hogares  
ecuatorianos adopten prácticas domésticas de clasificación y disposición compatible con  
valorización de residuos. La investigación se desarrolló bajo un enfoque cuantitativo, con diseño  
no experimental y de corte transversal, alcance descriptivo-correlacional y uso combinado de  
estadística descriptiva e inferencial. Se utilizaron microdatos de la Encuesta Nacional de Empleo,  
Desempleo y Subempleo (ENEMDU) 2023 como fuente de información, y se estimó un modelo  
de elección binaria con especificaciones Logit y Probit. La variable dependiente se construyó como  
un indicador compuesto que integra prácticas de clasificación de residuos y formas de disposición  
compatibles con valorización. Los resultados identifican un patrón socioeconómico definido. La  
educación constituye el factor de mayor relevancia empírica, con un gradiente creciente en la  
probabilidad estimada del comportamiento observado a medida que aumenta el nivel de  
escolaridad. La localización urbana ocupa el segundo lugar en magnitud, lo que sugiere la  
importancia de la infraestructura, los servicios municipales y las condiciones territoriales de  
implementación. Ingreso, edad y sexo presentan asociaciones positivas y significativas, aunque de  
menor intensidad. La comparación entre Logit y Probit confirma la estabilidad de los hallazgos. El  
estudio aporta evidencia microeconométrica reciente, de alcance nacional, sobre la gestión  
doméstica de residuos en Ecuador y muestra que la adopción de prácticas sostenibles depende  
principalmente de diferencias en capital humano y contexto territorial. Las implicaciones de  
política apuntan a fortalecer la educación ambiental, reducir brechas territoriales y mejorar la  
capacidad institucional local.  
37  
PALABRAS CLAVE: gestión doméstica de residuos; valorización de residuos; capital humano;  
brecha territorial; Ecuador.  
Códigos JEL: Q53; Q56; D12  
ABSTRACT  
Household waste management is a relevant component of environmental sustainability, especially  
in contexts marked by territorial gaps, institutional constraints, and unequal access to information  
and services. Against this background, this article examines the association between  
socioeconomic characteristics and the probability that Ecuadorian households adopt domestic  
waste sorting and valorization-compatible disposal practices. The study follows a quantitative  
approach, with a non-experimental cross-sectional design, a descriptive-correlational scope, and a  
combined use of descriptive and inferential statistics. Microdata from the 2023 National Survey of  
Employment, Unemployment and Underemployment (ENEMDU) were used as the data source,  
and binary choice models were estimated using Logit and Probit specifications. The dependent  
variable was constructed as a composite indicator that combines household waste sorting practices  
with disposal behaviors compatible with valorization. The results reveal a clear socioeconomic  
pattern. Education emerges as the most influential factor, with a strong gradient in the estimated  
probability of the observed behavior as schooling increases. Urban residence ranks second in  
magnitude, highlighting the relevance of infrastructure, municipal services, and territorial  
conditions for implementation. Income, age, and gender also show positive and statistically  
significant associations, although with lower magnitude. The comparison between Logit and Probit  
confirms the stability of the findings. The study provides recent nationally representative  
microeconometric evidence on household waste management in Ecuador and shows that the  
adoption of sustainable practices depends primarily on differences in human capital and territorial  
38  
context. Policy implications point to the need to strengthen environmental education, reduce  
territorial gaps, and improve local institutional capacity.  
KEYWORDS: household waste management; waste valorization; human capital; territorial gap;  
Ecuador.  
JEL Codes: Q53; Q56; D12  
RESUMO  
A gestão domiciliar de resíduos constitui um componente relevante da sustentabilidade ambiental,  
especialmente em contextos marcados por desigualdades territoriais, limitações institucionais e  
acesso desigual à informação e aos serviços. Nesse contexto, este artigo analisa a associação entre  
as características socioeconômicas e a probabilidade de os domicílios equatorianos adotarem  
práticas domésticas de separação e de destinação compatível com a valorização de resíduos. A  
pesquisa foi desenvolvida sob uma abordagem quantitativa, com desenho não experimental e de  
corte transversal, alcance descritivo-correlacional e uso combinado de estatística descritiva e  
inferencial. Foram utilizados microdados da Encuesta Nacional de Empleo, Desempleo y  
Subempleo (ENEMDU) de 2023 como fonte de informação, e estimaram-se modelos de escolha  
binária com especificações Logit e Probit. A variável dependente foi construída como um indicador  
composto que integra práticas de separação de resíduos e formas de destinação compatíveis com  
valorização. Os resultados revelam um padrão socioeconômico nítido. A escolaridade emerge  
como o fator de maior relevância empírica, com um gradiente crescente na probabilidade estimada  
do comportamento observado à medida que aumenta o nível educacional. A residência em área  
urbana ocupa a segunda posição em magnitude, destacando a importância da infraestrutura, dos  
serviços municipais e das condições territoriais de implementação. Renda, idade e sexo também  
apresentam associações positivas e estatisticamente significativas, embora de menor intensidade.  
39  
A comparação entre Logit e Probit confirma a estabilidade dos achados. O estudo oferece evidência  
microeconométrica recente, com abrangência nacional, sobre a gestão domiciliar de resíduos no  
Equador e mostra que a adoção de práticas sustentáveis depende principalmente de diferenças em  
capital humano e contexto territorial. As implicações de política apontam para a necessidade de  
fortalecer a educação ambiental, reduzir desigualdades territoriais e ampliar a capacidade  
institucional local.  
Palavras-chave: gestão domiciliar de resíduos; valorização de resíduos; capital humano;  
desigualdade territorial; Equador.  
Códigos JEL: Q53; Q56; D12  
INTRODUCCIÓN  
La gestión de residuos sólidos constituye una dimensión crítica de la sostenibilidad en países en  
desarrollo. La urbanización acelerada, la presión sobre la infraestructura de disposición final y la  
persistencia de desigualdades socioeconómicas han reforzado la necesidad de promover prácticas  
de separación y valorización desde el ámbito doméstico. Estas prácticas reducen presión sobre los  
sistemas de disposición, favorecen el aprovechamiento de materiales y se insertan en una agenda  
más amplia de desarrollo sostenible y economía circular (Aguilera & Alcántara, 1994; Labandeira  
et al., 2007). La evidencia reciente muestra que su adopción responde a la interacción entre factores  
socioeconómicos, territoriales, institucionales y conductuales (Krah et al., 2024; Toledo et al.,  
2025; Villa-Achupallas et al., 2024).  
Ecuador refleja con claridad esta problemática. La gestión de residuos sigue enfrentando brechas  
de cobertura, diferencias territoriales y limitaciones institucionales que condicionan la capacidad  
de los hogares para incorporar prácticas sostenibles. En este contexto, la clasificación en origen y  
la disposición compatible con valorización adquieren relevancia como expresiones observables del  
40  
comportamiento ambiental del hogar. La economía circular ha sido planteada en el país como una  
vía para fortalecer la gestión de residuos y avanzar hacia esquemas más sostenibles de producción  
y consumo (Almeida-Guzmán & Díaz-Guevara, 2020; Ridaura, 2020). Su implementación, sin  
embargo, continúa restringida por déficits de infraestructura, acceso desigual a servicios y  
capacidades heterogéneas entre territorios (Davis et al., 2023; Krah et al., 2024; Moreno Miranda  
et al., 2020; Toledo et al., 2025; Villa-Achupallas et al., 2024).  
La literatura identifica varios factores asociados con estas prácticas. La educación ocupa un lugar  
central, dado que amplía capacidades, acceso a información y formación de hábitos sostenibles  
(Pérez Arango & Camacho, 2023). El ingreso también resulta relevante, porque puede aliviar  
restricciones materiales y facilitar acceso a equipamiento, servicios e información (J. Hidalgo-  
Crespo et al., 2021; Jara-Samaniego et al., 2017). Mujeres y personas mayores tienden a exhibir  
mayores niveles de preocupación ambiental y conductas proambientales (Hidalgo et al., 2022;  
Iñiguez-Gallardo & Romero Mejía, 2023). La diferencia urbano-rural también es decisiva, puesto  
que las áreas urbanas suelen contar con mejores sistemas de recolección diferenciada, mayor  
infraestructura y mayor acceso a información que las zonas rurales (Cosio Borda et al., 2024; Nieto-  
Cañarte et al., 2024; Villa-Achupallas et al., 2024). La literatura conductual ha mostrado, además,  
que normas subjetivas, control conductual percibido, obligación moral y factores contextuales  
mejoran la explicación de la separación de residuos (Lou et al., 2020; Pawelczyk et al., 2026; Tan  
et al., 2025; Zheng et al., 2020).  
Persisten vacíos empíricos relevantes. Gran parte de la evidencia disponible se basa en estudios  
transversales, definiciones heterogéneas de la conducta observada y escalas territoriales poco  
comparables (Méndez-Lazarte et al., 2023; Requena-Sanchez et al., 2023). En Ecuador existen  
antecedentes sobre clasificación de residuos y aplicaciones de modelos Logit para asociar  
condiciones socioeconómicas con prácticas vinculadas con reciclaje y valorización (Morocho et  
41  
al., 2018). Sigue siendo limitada, sin embargo, la evidencia reciente, de alcance nacional y centrada  
en gradientes socioeconómicos asociados con prácticas domésticas de gestión de residuos. Esta  
brecha adquiere especial relevancia en un contexto donde infraestructura, capacidad municipal y  
acceso a información continúan distribuyéndose de forma desigual entre hogares y territorios  
(Medina & Rodríguez, 2024; Peñafiel et al., 2025; Toledo et al., 2025).  
En este marco, el objetivo del artículo es analizar la asociación entre las características  
socioeconómicas y la probabilidad de que los hogares ecuatorianos adopten prácticas domésticas  
de clasificación y disposición compatible con valorización de residuos, utilizando microdatos de la  
ENEMDU 2023. La estrategia empírica emplea modelos Logit y Probit sobre una variable  
dependiente compuesta que integra ambas dimensiones del comportamiento doméstico de residuos.  
Los resultados identifican un patrón socioeconómico definido. La educación constituye el factor  
de mayor relevancia empírica dentro del modelo. La localización urbana ocupa el segundo lugar.  
Ingreso, edad y sexo presentan asociaciones positivas y significativas, aunque de menor magnitud.  
El principal aporte del estudio radica en ofrecer evidencia microeconométrica reciente, con alcance  
nacional, sobre un comportamiento doméstico de residuos observado a partir de una medida  
operativa coherente con la información disponible.  
La pregunta de investigación que orienta el estudio es la siguiente: ¿en qué medida las  
características socioeconómicas se asocian con la probabilidad de que los hogares ecuatorianos  
adopten prácticas domésticas de clasificación y disposición compatible con valorización de  
residuos? A partir de esta pregunta, se plantea como hipótesis general que las características  
socioeconómicas se asocian significativamente con dicha probabilidad. De forma específica, se  
espera que el nivel educativo y la localización urbana presenten las asociaciones positivas de mayor  
magnitud, mientras que ingreso, edad y sexo mantendrán asociaciones significativas, aunque de  
menor intensidad.  
42  
El artículo se organiza en seis secciones. La sección 2 desarrolla la revisión de la literatura. La  
sección 3 presenta la metodología. La sección 4 expone los resultados. La sección 5 desarrolla la  
discusión. La sección 6 presenta las conclusiones e implicaciones de política.  
Revisión de la literatura  
Separación y valorización doméstica de residuos como comportamiento ambiental del  
hogar  
La separación y valorización doméstica de residuos constituye una dimensión relevante de la  
sostenibilidad en países en desarrollo. La gestión de residuos se encuentra condicionada por  
desigualdades socioeconómicas, heterogeneidad territorial y limitaciones institucionales (Krah et  
al., 2024; Toledo et al., 2025; Villa-Achupallas et al., 2024). Desde la economía ambiental, estas  
prácticas pueden entenderse como respuestas frente a externalidades negativas derivadas del  
consumo y la disposición final, en la medida en que reducen presión sobre la infraestructura de  
disposición y sobre el uso intensivo de recursos naturales (Aguilera & Alcántara, 1994; Labandeira  
et al., 2007).  
Este marco se vincula con el desarrollo sostenible y con la economía circular. En Ecuador, la  
economía circular ha sido planteada como estrategia para fortalecer la gestión de residuos y avanzar  
hacia esquemas más sostenibles (Almeida-Guzmán & Díaz-Guevara, 2020; Ridaura, 2020). La  
evidencia reciente muestra, sin embargo, que la adopción de estas prácticas sigue condicionada por  
brechas de infraestructura, fragmentación institucional y desigualdades territoriales (Davis et al.,  
2023; Krah et al., 2024; Moreno Miranda et al., 2020; Toledo et al., 2025; Villa-Achupallas et al.,  
2024).  
La gestión doméstica de residuos no constituye una decisión aislada. Cultura ambiental, valores,  
información y procesos formativos inciden en la adopción de prácticas sostenibles (Pérez Arango  
43  
& Camacho, 2023). La evidencia también indica que mayores niveles de educación, educación  
ambiental y alfabetización digital se asocian con mejores prácticas de separación, sobre todo en  
contextos rurales con acceso desigual a información e infraestructura (Cabrera et al., 2021; Elisa  
et al., 2022; Zambrano-Monserrate et al., 2020). Este enfoque justifica analizar la gestión doméstica  
de residuos como un comportamiento ambiental del hogar condicionado por capacidades,  
restricciones materiales y contexto territorial.  
Capital humano y gradientes socioeconómicos  
La literatura identifica un patrón socioeconómico claro en la adopción de prácticas domésticas de  
separación y valorización. La educación aparece como el factor más consistente. El capital humano  
facilita acceso a información, formación de hábitos y criterios de sostenibilidad (Pérez Arango &  
Camacho, 2023). La evidencia empírica muestra que mayores niveles educativos se asocian con  
mejores prácticas de separación, en especial cuando la escolaridad se combina con educación  
ambiental y alfabetización digital (Elisa et al., 2022; Zambrano-Monserrate et al., 2020). El acceso  
a internet refuerza este efecto, sobre todo en áreas rurales (Cabrera et al., 2021; Zambrano-  
Monserrate et al., 2020).  
El ingreso también constituye un gradiente relevante. Los hogares con mayores recursos tienden a  
presentar mejores comportamientos de clasificación, mientras que la pobreza restringe  
infraestructura doméstica, acceso a información y capacidad de acción (J. Hidalgo-Crespo et al.,  
2021; Jara-Samaniego et al., 2017; Pérez Arévalo & Cadena Silva, 2021). La estratificación  
socioeconómica influye en la cantidad y calidad del manejo de residuos. El tamaño del hogar se  
asocia con mayor generación, aunque su efecto directo sobre la separación es menos claro (J.  
Hidalgo-Crespo et al., 2021). Esta relación resulta consistente con la idea de que las decisiones de  
44  
los hogares están condicionadas por costos privados, restricciones de recursos y acceso desigual a  
servicios (Aguilera & Alcántara, 1994; Labandeira et al., 2007).  
La edad y el sexo también muestran asociaciones sistemáticas. Mujeres y personas mayores tienden  
a exhibir mayores niveles de preocupación ambiental y conductas proambientales (Hidalgo et al.,  
2022; Iñiguez-Gallardo & Romero Mejía, 2023). Entre adolescentes y jóvenes, influyen valores  
familiares, apoyo parental y diferencias de género en ética de sostenibilidad (Palacios Madero et  
al., 2023). La literatura también reporta efectos de etnicidad, estado civil, jefatura femenina del  
hogar y estructura familiar sobre la separación de residuos (Donacho et al., 2023; Granda-Beltrán  
et al., 2025; Melese et al., 2025). Aunque estas variables no forman parte del modelo empírico del  
presente estudio, refuerzan la idea de que la gestión doméstica de residuos constituye un  
comportamiento socialmente estructurado.  
La evidencia sostiene que educación, ingreso y rasgos demográficos no operan de forma aislada.  
Estos factores captan diferencias en capacidades, acceso a información, rutinas y oportunidades  
materiales. La educación destaca como el gradiente más robusto (Elisa et al., 2022; Hidalgo et al.,  
2022; J. Hidalgo-Crespo et al., 2021; Zambrano-Monserrate et al., 2020).  
Territorio, infraestructura e institucionalidad  
Las prácticas domésticas de separación y valorización dependen de diferencias territoriales en  
infraestructura, acceso a servicios y capacidad institucional. El contraste urbano-rural es marcado.  
Las áreas urbanas cuentan con sistemas más desarrollados de recolección diferenciada y mejores  
condiciones materiales para la separación. Las zonas rurales presentan déficits importantes de  
infraestructura y acceso a recolección formal (Nieto-Cañarte et al., 2024; Villa-Achupallas et al.,  
2024). En estos contextos, parte de los hogares recurre a quema, abandono o vertido, aunque  
también desarrolla prácticas de valorización orgánica como compostaje y alimentación animal  
45  
(Coello-Choez et al., 2026; Villa-Achupallas et al., 2024). El territorio expresa, así, una estructura  
desigual de oportunidades para el manejo de residuos.  
Esta lectura coincide con la discusión sobre economía circular en Ecuador. La transición hacia  
esquemas más sostenibles depende de la articulación entre hogares, instituciones locales y sector  
público (Almeida-Guzmán & Díaz-Guevara, 2020; Ridaura, 2020). La evidencia reciente muestra  
que instalaciones de separación, centros de acopio, acceso a internet y servicios municipales actúan  
como facilitadores directos de la valorización (Cosio Borda et al., 2024; Villa-Achupallas et al.,  
2024). La ausencia de estos elementos opera como barrera estructural (Babazadeh et al., 2023; Tan  
et al., 2025). El acceso a internet y la alfabetización digital también fortalecen educación ambiental,  
acceso a información y adopción de prácticas sostenibles (Cabrera et al., 2021; Cosio Borda et al.,  
2024; Lopes & Leal, 2024; Silva & Crespo-Martinez, 2021).  
La institucionalidad local también condiciona el comportamiento de los hogares. Regulaciones  
municipales, tasas, políticas de separación en origen y mecanismos de gobernanza participativa  
pueden reforzar la adopción de estas prácticas (Medina & Rodríguez, 2024; Pérez Arévalo &  
Cadena Silva, 2021; Toledo et al., 2025). Su efectividad varía según tamaño del municipio,  
cohesión social y capacidad administrativa (Medina & Rodríguez, 2024). Las brechas regulatorias,  
la falta de lineamientos técnicos y las restricciones fiscales reducen la capacidad de sostener  
servicios integrales, sobre todo en áreas rurales y municipios grandes (Ochoa-Herrera et al., 2025;  
Peñafiel et al., 2025; Toledo et al., 2025). Escuelas, universidades, organizaciones locales y  
cooperación intermunicipal también cumplen funciones de soporte mediante educación ambiental,  
participación y difusión de información (Cordero de Jiménez et al., 2024; Cuestas-Caza et al., 2026;  
J. Hidalgo-Crespo & Amaya-Rivas, 2024; Medina & Rodríguez, 2024; Villalba Ferreira et al.,  
2022). La dimensión territorial sintetiza, por tanto, diferencias en infraestructura, servicios, acceso  
46  
digital y gobernanza (J. Hidalgo-Crespo et al., 2022; J. A. Hidalgo-Crespo et al., 2024; Medina &  
Rodríguez, 2024; Nieto-Cañarte et al., 2024; Villa-Achupallas et al., 2024).  
Enfoques conductuales aplicados a la gestión doméstica de residuos  
La literatura reciente ha reforzado el uso de enfoques conductuales para explicar la separación y  
valorización de residuos. La Theory of Planned Behavior ocupa un lugar central, sobre todo en sus  
extensiones con normas morales, autoidentidad y factores contextuales (J. Hidalgo-Crespo et al.,  
2024; Lou et al., 2020; Zheng et al., 2020). El control conductual percibido, las normas subjetivas  
y la obligación moral aparecen como determinantes recurrentes (Lou et al., 2020; Zheng et al.,  
2020).  
Estos enfoques permiten superar una lectura puramente demográfica o económica del  
comportamiento. La intención de separar residuos depende de percepciones sobre facilidad de  
acción, presión social, sentido de responsabilidad y condiciones del entorno (Pawelczyk et al.,  
2026; Tan et al., 2025). La incorporación de motivación, hábitos y factores contextuales mejora la  
capacidad explicativa de los modelos, sobre todo en países en desarrollo (Concari et al., 2026; Hu  
et al., 2026; Mir Mohamad Tabar et al., 2024). Esta lectura resulta consistente con la idea de que  
cultura ambiental y valores colectivos moldean la relación de la sociedad con prácticas concretas  
de manejo de residuos.  
Las normas sociales y morales influyen de forma significativa sobre la intención de separar  
residuos, en especial en contextos donde la presión comunitaria y la pertenencia colectiva son más  
intensas (Kaplan Mintz et al., 2019; Marbun et al., 2025). Infraestructura disponible, conveniencia  
de servicios, frecuencia de recolección y aplicación de políticas también moderan la conducta  
observada (Mir Mohamad Tabar et al., 2024; Tan et al., 2025). Intervenciones como campañas de  
información, nudges, gamificación e incentivos muestran mejores resultados cuando se articulan  
47  
con soporte institucional e infraestructura (Jufri et al., 2026; Li et al., 2025; Pawelczyk et al., 2026;  
Pegels et al., 2022; Xia et al., 2023). Estos enfoques complementan el análisis socioeconómico al  
ofrecer una base interpretativa para entender por qué variables observables y contexto estructural  
se traducen en conductas distintas en el hogar.  
Evidencia empírica para Ecuador, América Latina y brecha de investigación  
La evidencia empírica para Ecuador y América Latina muestra un contexto marcado por  
desigualdades socioeconómicas, limitaciones de infraestructura y fragmentación institucional. La  
región comparte déficits territoriales y de servicios, con diferencias claras entre espacios urbanos  
y rurales y fuerte dependencia del contexto local para la efectividad de las intervenciones  
(Armenta-Vergara, 2025; Krah et al., 2024; Toledo et al., 2025). En áreas urbanas predominan  
evaluaciones técnicas y económicas. En entornos rurales adquieren mayor relevancia la  
participación comunitaria y la valorización de biorresiduos (Armenta-Vergara, 2025; Toledo et al.,  
2025). Esta caracterización resulta coherente con la discusión sobre economía circular y gestión  
diferenciada de residuos en Ecuador (Almeida-Guzmán & Díaz-Guevara, 2020; Ridaura, 2020).  
Existen antecedentes empíricos relevantes para Ecuador. Se ha señalado que la economía circular  
constituye una estrategia útil para el desarrollo sostenible y para el cumplimiento de los ODS  
(Almeida-Guzmán & Díaz-Guevara, 2020; Ridaura, 2020). También existen estudios sobre  
clasificación de residuos en Ecuador y aplicaciones de modelos Logit para asociar condiciones  
socioeconómicas con prácticas vinculadas con reciclaje y valorización (Morocho et al., 2018).  
Estos antecedentes confirman la relevancia del tema, aunque con alcances todavía fragmentados.  
La literatura presenta, además, limitaciones metodológicas importantes. Predominan estudios con  
datos transversales, lo que restringe la identificación de relaciones causales (Guzmán Sánchez et  
al., 2024; Méndez-Lazarte et al., 2023). La heterogeneidad metodológica dificulta la comparación  
48  
entre contextos (Guzmán Sánchez et al., 2024; Méndez-Lazarte et al., 2023; Toledo et al., 2025).  
Persisten vacíos de información y muestras no representativas (Requena-Sanchez et al., 2023).  
También existen áreas subexploradas, en particular intervenciones basadas en incentivos (Negash  
et al., 2021), soluciones digitales adaptadas a poblaciones rurales y de bajos ingresos (Chrispim et  
al., 2026; Singh & Indapurkar, 2025), integración de actores informales y herramientas de  
marketing social comunitario (Vera & Canelos-Salazar, 2025), y marcos de economía circular y  
tecnologías de valorización adaptadas a condiciones locales (Davis et al., 2023; Moreno Miranda  
et al., 2020; Sigcha et al., 2024).  
La principal brecha que justifica el presente estudio radica en la necesidad de evidencia reciente,  
de alcance nacional y centrada en gradientes socioeconómicos asociados con prácticas domésticas  
de separación y disposición compatible con valorización. La literatura converge en el papel de  
educación, ingreso, localización urbano-rural y soporte institucional (Elisa et al., 2022; J. Hidalgo-  
Crespo et al., 2021; Toledo et al., 2025; Villa-Achupallas et al., 2024; Zambrano-Monserrate et al.,  
2020). Persisten, sin embargo, diferencias en métodos, escalas territoriales y definiciones  
operativas (Guzmán Sánchez et al., 2024; Méndez-Lazarte et al., 2023; Requena-Sanchez et al.,  
2023). En este contexto, el artículo aporta un ejercicio microeconométrico con datos de la  
ENEMDU 2023 y una medida compuesta de gestión doméstica de residuos, con el objetivo de  
identificar si este comportamiento presenta un patrón socioeconómico sistemático en Ecuador.  
MATERIALES Y MÉTODOS  
La investigación se desarrolló bajo un enfoque cuantitativo, con alcance descriptivo-correlacional,  
diseño no experimental y de corte transversal, y uso combinado de estadística descriptiva e  
inferencial. Esta elección metodológica responde a la naturaleza del problema de estudio, al uso de  
microdatos de una encuesta oficial y al propósito de examinar asociaciones estadísticas entre  
49  
características socioeconómicas y la probabilidad de adopción de prácticas domésticas de  
clasificación y disposición compatible con valorización de residuos.  
Diseño metodológico y fuente de datos  
El estudio utiliza microdatos de la Encuesta Nacional de Empleo, Desempleo y Subempleo  
(ENEMDU) 2023, elaborada por el Instituto Nacional de Estadística y Censos (INEC). La base  
integra información sociodemográfica y económica del levantamiento principal con variables del  
módulo ambiental relativas a clasificación y eliminación de residuos. Su cobertura nacional permite  
examinar patrones socioeconómicos asociados con prácticas domésticas de gestión de residuos.  
La investigación se desarrolla bajo un enfoque cuantitativo, dado que utiliza microdatos de una  
encuesta oficial, variables observables y técnicas econométricas para estimar asociaciones entre  
características socioeconómicas y la probabilidad del comportamiento analizado. El alcance es  
descriptivo-correlacional. Descriptivo, porque caracteriza patrones de gestión doméstica de  
residuos y las covariables consideradas. Correlacional, porque examina asociaciones estadísticas  
entre dichas covariables y la variable dependiente, sin establecer relaciones causales. El diseño es  
no experimental y de corte transversal, ya que no existe manipulación de variables y el análisis se  
realiza a partir de información observada en un único periodo. En términos analíticos, el estudio  
combina estadística descriptiva e inferencial: la primera permite organizar y caracterizar la  
información de la muestra, mientras que la segunda sustenta la estimación de los modelos Logit y  
Probit utilizados para contrastar la hipótesis de investigación.  
La base fue sometida a procesos de selección, depuración y recodificación para construir la variable  
dependiente y las covariables del modelo. La muestra analítica final quedó conformada por 6.149  
observaciones con información válida para la estimación. La unidad de análisis es el hogar, dado  
que la variable dependiente recoge prácticas domésticas de clasificación y disposición de residuos,  
50  
mientras que las variables explicativas corresponden al informante asociado al hogar. En  
consecuencia, el análisis interpreta el comportamiento observado como un atributo del hogar  
reportado a partir de la información del encuestado.  
Definición operativa de las variables  
El modelo incorpora una variable dependiente dicotómica y un conjunto acotado de covariables  
socioeconómicas. La variable dependiente, denominada RECICLA, identifica a los hogares que  
presentan simultáneamente prácticas de clasificación de residuos y formas de disposición  
compatibles con valorización. Las variables explicativas recogen atributos sociodemográficos y  
económicos del informante asociado al hogar.  
Se incluyen sexo, área de residencia, edad, ingreso y nivel educativo. Sexo y área fueron  
recodificados como variables dicotómicas. Edad e ingreso se incorporan como variables continuas.  
El nivel educativo se trata como variable categórica ordinal. La Tabla 1 resume la definición  
operativa de la variable dependiente y de las covariables incluidas en la especificación empírica.  
La construcción específica de la variable dependiente se detalla en el apartado siguiente.  
Tabla 1  
Definición operativa de las variables incluidas en el modelo  
Instrumento  
de recolección  
Variable  
Factor  
Indicador  
Categoría  
Tipo de dato  
Dependiente  
Indicador  
compuesto de  
clasificación y  
disposición  
compatible con  
valorización de  
residuos  
1 = Presenta  
ambas prácticas 0  
= No presenta  
Ambiental-  
social  
Cualitativa  
dicotómica  
RECICLA  
ENEMDU 2023  
ambas prácticas  
Independientes: características socioeconómicas  
Sexo del  
informante  
1 = Mujer 0 =  
Hombre  
Cualitativa  
dicotómica  
Sexo  
Área de residencia  
Edad  
Social  
Social  
Social  
ENEMDU 2023  
ENEMDU 2023  
ENEMDU 2023  
Área de  
residencia  
1 = Urbana 0 =  
Rural  
Cualitativa  
dicotómica  
Cuantitativa  
continua  
Edad cumplida  
15 a 95 años  
51  
Ingreso  
monetario  
individual  
Valor monetario  
en USD  
Cuantitativa  
continua  
Ingreso  
Económico  
ENEMDU 2023  
ENEMDU 2023  
1 = Ninguno 2 =  
Centro de  
alfabetización 3 =  
Educación básica  
4 = Educación  
media o  
Nivel de  
escolaridad  
alcanzado  
Cualitativa  
ordinal  
Nivel educativo  
Social  
bachillerato 5 =  
Educación  
superior  
Nota. La variable dependiente RECICLA identifica a los hogares que presentan simultáneamente  
prácticas de clasificación de residuos y formas de disposición compatibles con valorización, según  
la construcción operativa desarrollada en la metodología. No constituye una medición directa del  
reciclaje material final, sino una aproximación al comportamiento doméstico de gestión de  
residuos. Las variables explicativas corresponden al informante asociado al hogar. USD: dólares  
de los Estados Unidos. Fuente: elaboración propia con base en ENEMDU 2023.  
Construcción de la variable dependiente  
La variable dependiente se construyó a partir de las preguntas del módulo ambiental de la  
ENEMDU 2023 referidas a clasificación y eliminación de residuos orgánicos e inorgánicos. La  
operacionalización sigue una secuencia en tres etapas: identificación de prácticas de clasificación,  
determinación de formas de disposición compatibles con valorización e integración de ambos  
componentes en un indicador binario compuesto, denominado RECICLA.  
Componente de clasificación de residuos  
El primer componente capta prácticas de clasificación de residuos en el hogar. Su construcción se  
basa en seis ítems del módulo ambiental de la ENEMDU 2023, asociados a la separación de  
residuos orgánicos e inorgánicos, en particular papel o cartón, plástico, vidrio, metal y tetrapak.  
Cada ítem fue recodificado de forma dicotómica, asignando el valor de 1 cuando el hogar reportó  
realizar la práctica correspondiente y 0 en caso contrario.  
A partir de estas respuestas se construyó un índice simple de clasificación mediante la suma de  
prácticas afirmativas. El componente toma el valor de 1 cuando el hogar reporta tres o más prácticas  
52  
de clasificación y 0 en los demás casos. Este criterio permite identificar patrones relativamente  
consolidados de separación doméstica. La Tabla 2 presenta los ítems utilizados en la construcción  
de este componente.  
Tabla 2  
Ítems utilizados en la construcción del componente de clasificación de residuos  
Código  
ENEMDU  
s101p11  
Tipo de  
residuo  
Orgánicos  
Codificación  
analítica  
1 = Sí; 0 = No  
Ítem / pregunta  
Clasificó durante los últimos 12 meses residuos orgánicos  
Clasificó durante los últimos 12 meses residuos  
inorgánicos de papel o cartón  
s101p12a  
s101p12b  
s101p12c  
s101p12d  
s101p12e  
Inorgánicos  
Inorgánicos  
Inorgánicos  
Inorgánicos  
Inorgánicos  
1 = Sí; 0 = No  
1 = Sí; 0 = No  
1 = Sí; 0 = No  
1 = Sí; 0 = No  
1 = Sí; 0 = No  
Clasificó durante los últimos 12 meses residuos  
inorgánicos de plástico  
Clasificó durante los últimos 12 meses residuos  
inorgánicos de vidrio  
Clasificó durante los últimos 12 meses residuos  
inorgánicos de metal  
Clasificó durante los últimos 12 meses residuos  
inorgánicos de tetrapak  
Nota. Cada ítem fue recodificado de forma dicotómica, asignando 1 cuando el hogar reportó  
realizar la práctica de clasificación correspondiente y 0 en caso contrario. A partir de la suma simple  
de respuestas afirmativas se construyó un índice de clasificación. El componente de clasificación  
toma el valor de 1 cuando el hogar reporta tres o más prácticas de clasificación y 0 en los demás  
casos. Fuente: elaboración propia con base en ENEMDU 2023.  
Componente de disposición compatible con valorización  
El segundo componente identifica prácticas de disposición de residuos compatibles con  
valorización. Su construcción se basa en los ítems del módulo ambiental de la ENEMDU 2023  
referidos a la forma principal de eliminación de residuos orgánicos e inorgánicos reportada por el  
hogar. El criterio adoptado distingue entre formas de disposición con potencial de aprovechamiento  
y formas de descarte no compatibles con valorización. Este componente no capta reciclaje en  
sentido estricto, sino prácticas domésticas de manejo de residuos potencialmente vinculadas con  
aprovechamiento.  
Cada ítem fue recodificado de forma dicotómica. Se asignó el valor de 1 a las respuestas asociadas  
con envío a un centro de acopio o depósito en contenedor, regalo o venta de materiales, y  
53  
preparación de compost o uso como abono o alimento para animales. Se asignó el valor de 0 a las  
alternativas de depósito con la basura común, quema, entierro, abandono, almacenamiento en el  
hogar o ausencia de generación del residuo. A partir de esta recodificación se construyó un índice  
simple de disposición compatible con valorización mediante la suma de respuestas afirmativas.  
El componente toma el valor de 1 cuando el hogar reporta tres o más prácticas de disposición  
compatibles con valorización y 0 en los demás casos. Este criterio mantiene coherencia con la  
construcción del componente de clasificación. La Tabla 3 presenta los ítems utilizados y la  
codificación aplicada en este componente.  
Tabla 3  
Ítems utilizados en la construcción del componente de disposición compatible con valorización  
Código  
ENEMDU  
Ítem / pregunta  
Tipo de residuo  
Codificación analítica  
1 = Compatible con valorización;  
0 = No compatible  
1 = Compatible con valorización;  
0 = No compatible  
1 = Compatible con valorización;  
0 = No compatible  
1 = Compatible con valorización;  
0 = No compatible  
1 = Compatible con valorización;  
0 = No compatible  
1 = Compatible con valorización;  
0 = No compatible  
s101p2a  
Forma principal de eliminación de residuos  
Forma principal de eliminación de residuos  
Forma principal de eliminación de residuos  
Forma principal de eliminación de residuos  
Forma principal de eliminación de residuos  
Forma principal de eliminación de residuos  
Orgánicos  
Inorgánicos:  
papel o cartón  
Inorgánicos:  
plástico  
Inorgánicos:  
vidrio  
Inorgánicos:  
metal  
Inorgánicos:  
tetrapak  
s101p2b  
s101p2c  
s101p2d  
s101p2e  
s101p2f  
Nota. Se asignó 1 a las respuestas asociadas con envío a centros de acopio o depósito en contenedor,  
regalo o venta de materiales, y preparación de compost, abono o uso como alimento para animales.  
Se asignó 0 a las alternativas de depósito con la basura común, quema, entierro, abandono,  
almacenamiento en el hogar o ausencia de generación del residuo. A partir de la suma simple de  
respuestas afirmativas se construyó un índice de disposición compatible con valorización. El  
componente toma el valor de 1 cuando el hogar reporta tres o más prácticas compatibles con  
valorización y 0 en los demás casos. Fuente: elaboración propia con base en ENEMDU 2023.  
Construcción del indicador compuesto RECICLA  
Una vez obtenidos los dos componentes previos, se construyó el indicador compuesto RECICLA,  
que constituye la variable dependiente utilizada en la estimación. La variable toma el valor de 1  
cuando el hogar presenta simultáneamente un componente afirmativo de clasificación de residuos  
54  
y un componente afirmativo de disposición compatible con valorización. En cualquier otra  
combinación, toma el valor de 0.  
Esta definición adopta un criterio restrictivo, dado que exige la coexistencia de ambas dimensiones  
del comportamiento doméstico de gestión de residuos. El indicador resultante permite aproximar  
un patrón más estructurado de manejo doméstico de residuos.  
Estrategia econométrica  
La variable dependiente del estudio es dicotómica. Su naturaleza discreta requiere modelos de  
respuesta cualitativa no lineales, adecuados para estimar la probabilidad de que un hogar presente  
el patrón de gestión de residuos definido previamente. Bajo esta estructura, la estimación se realiza  
mediante modelos Logit y Probit, ambos obtenidos por máxima verosimilitud.  
Estos modelos constituyen la aproximación estándar en la literatura econométrica cuando la  
variable de resultado es binaria, ya que, a diferencia del modelo de probabilidad lineal garantizan  
predicciones acotadas en el intervalo unitario y corrigen los problemas de heterocedasticidad  
inherentes a variables dependientes dicotómicas (Amemiya, 1981; Cameron y Trivedi, 2005;  
Wooldridge, 2010; Greene, 2018). La especificación principal corresponde al modelo Logit, que  
utiliza la función de distribución logística acumulada y garantiza que las probabilidades predichas  
,
(
)
se mantengan en el intervalo 0 1 . El modelo incorpora como covariables sexos, área de  
residencia, edad, ingreso y nivel educativo. La formulación empírica puede expresarse de la  
siguiente manera:  
1
(1)  
푃(푅푒푐푖푐푙푎ꢀ = 1) =  
1 + 푒훽0+훽1 퐸푑푢 +훽2퐼푛푔푟ꢂ푠표 +훽3 퐴푟ꢂꢃ +훽4 푆ꢂ푥표  
ꢁ
ꢁ
ꢁ
ꢁ
donde 푅ꢄ퐶ꢅ퐶퐿ꢆꢀ toma el valor de 1 cuando el hogar presenta el comportamiento definido  
previamente y 0 en caso contrario. El vector 푋ꢀ recoge las características socioeconómicas  
55  
observadas del informante asociado al hogar, mientras que ꢇ representa el conjunto de parámetros  
a estimar.  
El modelo Probit se estima como contraste de especificación y permite verificar la estabilidad de  
signos, magnitudes relativas y niveles de significancia frente a un cambio en la función de enlace.  
Criterios de interpretación y evaluación complementaria  
La interpretación sustantiva de los resultados se basa principalmente en los efectos marginales  
promedio, porque permiten expresar en términos de probabilidad la asociación entre las covariables  
y la ocurrencia del evento de interés. En las variables continuas, reflejan la variación promedio en  
la probabilidad estimada ante un incremento unitario de la covariable. En las variables categóricas,  
representan el cambio discreto respecto de la categoría de referencia.  
De forma complementaria, se reportan odds ratios para evaluar la intensidad relativa de las  
asociaciones estimadas (Long y Freese, 2014; Wooldridge, 2010). La consistencia de los resultados  
se examina mediante la comparación entre las especificaciones Logit y Probit. De manera  
adicional, se consideran sensibilidad, especificidad, tasa de clasificación correcta y área bajo la  
curva ROC como evaluación complementaria del ajuste. Su interpretación se mantiene en un plano  
secundario, dado que el propósito central del estudio es explicativo y no predictivo.  
RESULTADOS  
Los resultados se presentan en función del objetivo del estudio, orientado a analizar la asociación  
entre las características socioeconómicas y la probabilidad de que los hogares ecuatorianos adopten  
prácticas domésticas de clasificación y disposición compatible con valorización de residuos. Su  
lectura responde también a la pregunta de investigación planteada sobre la magnitud y dirección  
de dichas asociaciones, así como a la hipótesis general de que las características socioeconómicas  
se asocian significativamente con la probabilidad del comportamiento observado. En este marco,  
56  
el análisis permite evaluar si el nivel educativo y la localización urbana concentran las asociaciones  
de mayor magnitud, mientras que ingreso, edad y sexo mantienen asociaciones significativas de  
carácter complementario.  
Modelo base y efectos marginales del comportamiento observado  
El modelo Logit se estimó con 6.149 observaciones y presenta significancia global, con un  
estadístico LR de 212,28 y un valor p inferior a 0,001. Las covariables incluidas aportan capacidad  
explicativa frente a una especificación sin regresores. El pseudo R² de McFadden (1974) alcanza  
0,0256, magnitud consistente con la naturaleza del fenómeno analizado y con el carácter  
observacional de la información utilizada. La especificación base identifica un patrón  
socioeconómico definido en la adopción de prácticas domésticas de clasificación y disposición  
compatible con valorización.  
Los coeficientes estimados muestran asociaciones positivas y estadísticamente significativas para  
sexo, área de residencia, edad e ingreso. El nivel educativo presenta un gradiente creciente.  
Educación básica, educación media o bachillerato y educación superior se asocian positivamente  
con la variable dependiente. La categoría de centro de alfabetización no presenta significancia  
estadística. La mayor asociación positiva se concentra en educación superior. Este patrón coincide  
con la literatura que identifica a la educación, el ingreso y la localización territorial como factores  
recurrentes en la separación y valorización de residuos (Elisa et al., 2022; J. Hidalgo-Crespo et al.,  
2021; Toledo et al., 2025; Villa-Achupallas et al., 2024; Zambrano-Monserrate et al., 2020). La  
Tabla 4 resume los coeficientes estimados del modelo Logit.  
57  
Tabla 4  
Coeficientes estimados del modelo Logit  
Variable  
Sexo (mujer = 1)  
Área (urbana = 1)  
Edad  
Coeficiente  
Interpretación general  
0.184***  
0.315***  
0.010***  
0.00026***  
0.009  
Asociación positiva y estadísticamente significativa  
Asociación positiva y estadísticamente significativa  
Asociación positiva y estadísticamente significativa  
Asociación positiva y estadísticamente significativa  
Asociación no significativa  
Asociación positiva y estadísticamente significativa  
Asociación positiva y estadísticamente significativa  
Mayor asociación positiva entre las categorías educativas  
Ingreso  
Centro de alfabetización  
Educación básica  
Educación media o bachillerato  
Educación superior  
0.575***  
0.719***  
1.069***  
Nota. La variable dependiente es RECICLA. La tabla reporta los coeficientes estimados del modelo  
Logit. Los coeficientes se interpretan en términos de log-odds, por lo que su lectura sustantiva debe  
complementarse con los efectos marginales promedio presentados posteriormente. La categoría de  
referencia para el nivel educativo es ninguno. *** p < 0.01; ** p < 0.05; * p < 0.10. Fuente:  
elaboración propia con base en ENEMDU 2023.  
La interpretación sustantiva de los resultados se basa en los efectos marginales promedio del  
modelo Logit. El hallazgo más robusto corresponde al nivel educativo. Frente a la categoría de  
referencia, la educación básica se asocia con un incremento de 12,0 puntos porcentuales en la  
probabilidad estimada del comportamiento observado, la educación media o bachillerato con 15,4  
puntos y la educación superior con 23,9 puntos. El gradiente se mantiene en la comparación entre  
Logit y Probit. La mayor magnitud se concentra en educación superior. La Tabla 5 resume estos  
efectos marginales.  
Tabla 5  
Efectos marginales promedio del modelo Logit  
Variable  
Sexo (mujer = 1)  
Área urbana  
Edad  
Ingreso  
Centro de alfabetización  
Educación básica  
Educación media o bachillerato  
Educación superior  
dy/dx  
0.0429***  
0.0733***  
0.0024***  
0.00006***  
0.0017  
Error estándar  
0.0137  
0.0146  
0.0005  
0.00001  
0.1539  
0.0365  
0.0382  
0.0395  
z
IC 95%  
[0.016; 0.070]  
[0.045; 0.102]  
[0.001; 0.003]  
[0.00004; 0.00008]  
[-0.300; 0.303]  
[0.049; 0.192]  
[0.079; 0.229]  
[0.161; 0.316]  
3.12  
5.01  
4.91  
4.99  
0.01  
3.30  
4.03  
6.05  
0.1202***  
0.1539***  
0.2389***  
Nota. La variable dependiente es RECICLA. La tabla reporta efectos marginales promedio  
estimados a partir del modelo Logit. En las variables continuas, los valores representan el cambio  
promedio en la probabilidad estimada ante un incremento unitario de la covariable. En las variables  
categóricas, representan el cambio discreto respecto de la categoría de referencia. La categoría de  
referencia para el nivel educativo es ninguno. *** p < 0.01; ** p < 0.05; * p < 0.10. Fuente:  
elaboración propia con base en ENEMDU 2023.  
58  
El nivel educativo concentra las asociaciones de mayor magnitud dentro del modelo. La  
localización urbana se asocia con un incremento de 7,3 puntos porcentuales en la probabilidad  
estimada del comportamiento observado. El resultado se mantiene estable entre Logit y Probit. La  
diferencia territorial ocupa el segundo lugar en magnitud dentro del modelo, por detrás del  
gradiente educativo. Ingreso, edad y sexo presentan asociaciones positivas y estadísticamente  
significativas con la probabilidad estimada del comportamiento observado. Su magnitud es menor  
que la identificada para educación y área de residencia. Su papel es complementario dentro de la  
estructura explicativa del modelo. El ingreso muestra un efecto positivo reducido en términos  
unitarios. La edad presenta una asociación positiva y pequeña. Ser mujer se asocia con una mayor  
probabilidad estimada del comportamiento observado. En conjunto, estos resultados muestran  
asociaciones significativas de carácter complementario dentro de la estructura explicativa del  
modelo.  
Estabilidad de los resultados entre Logit y Probit  
La estabilidad de los resultados se evaluó mediante la comparación de los efectos marginales  
promedio estimados con las especificaciones Logit y Probit. Los resultados muestran alta  
consistencia en signo, magnitud relativa y significancia estadística. El gradiente educativo se  
mantiene. El efecto urbano permanece estable. Edad, ingreso y sexo conservan asociaciones  
positivas de magnitud similar. La Tabla 6 resume esta comparación.  
Tabla 6  
Comparación de efectos marginales promedio: Logit y Probit  
Variable  
Logit (dy/dx)  
0.0429***  
0.0733***  
0.0024***  
0.00006***  
0.0017  
Probit (dy/dx)  
0.0416***  
0.0737***  
0.0023***  
0.00005***  
0.0110  
0.1209***  
0.1555***  
0.2438***  
Sexo (mujer = 1)  
Área urbana  
Edad  
Ingreso  
Centro de alfabetización  
Educación básica  
Educación media o bachillerato  
Educación superior  
0.1202***  
0.1539***  
0.2389***  
59  
Nota. La variable dependiente es RECICLA. La tabla compara los efectos marginales promedio  
estimados a partir de los modelos Logit y Probit. La similitud en signos, magnitudes relativas y  
significancia estadística se interpreta como evidencia de estabilidad de los resultados frente al  
cambio en la función de enlace. La categoría de referencia para el nivel educativo es ninguno. ***  
p < 0.01; ** p < 0.05; * p < 0.10. Fuente: elaboración propia con base en ENEMDU 2023.  
Evaluación complementaria del ajuste del modelo  
La capacidad discriminante del modelo se evaluó mediante indicadores de desempeño  
clasificatorio y la curva ROC. Con un punto de corte de 0,40, el modelo clasifica correctamente el  
58,12% de las observaciones. La sensibilidad alcanza 57,34%, la especificidad 58,66%, el valor  
predictivo positivo 48,71% y el valor predictivo negativo 66,76%. El área bajo la curva es 0,6102.  
Estos resultados indican una capacidad discriminante moderada. La Tabla 7, la Tabla 8 y la Figura  
1 resumen esta evaluación complementaria.  
Tabla 7  
Matriz de clasificación del modelo Logit  
Clasificación  
Predice RECICLA = 1  
Predice RECICLA = 0  
Total  
RECICLA = 1  
1433  
RECICLA = 0  
1509  
Total  
2942  
3207  
6149  
1066  
2499  
2141  
3650  
Nota. La variable dependiente es RECICLA. La clasificación se realizó con un punto de corte de  
0,40. Fuente: elaboración propia con base en ENEMDU 2023.  
Tabla 8  
Indicadores de desempeño del modelo  
Indicador  
Valor  
Sensibilidad Pr(+|D)  
57.34%  
58.66%  
48.71%  
66.76%  
58.12%  
41.34%  
42.66%  
Especificidad Pr(-|~D)  
Valor predictivo positivo (PPV)  
Valor predictivo negativo (NPV)  
Tasa de clasificación correcta  
Falsos positivos  
Falsos negativos  
Nota. Los indicadores corresponden al modelo Logit estimado para la variable dependiente  
RECICLA con un punto de corte de 0,40. Fuente: elaboración propia con base en ENEMDU 2023.  
60  
Figura 1  
Curva ROC del modelo Logit  
Nota. La figura presenta la curva ROC del modelo Logit estimado para la variable dependiente  
RECICLA. El área bajo la curva es 0,6102, lo que indica una capacidad discriminante moderada.  
Fuente: elaboración propia con base en ENEMDU 2023.  
Los odds ratios confirman la dirección general de los resultados y refuerzan la jerarquía empírica  
identificada. La educación concentra las asociaciones más intensas, seguida por el área urbana,  
mientras que ingreso, edad y sexo mantienen una relevancia menor. La Tabla 9 resume estas  
estimaciones.  
Tabla 9  
Odds ratios del modelo Logit  
Variable  
OR  
Error estándar  
0.071  
0.087  
0.002  
0.00005  
0.834  
0.347  
0.414  
0.599  
z
3.11  
IC 95%  
Sexo (mujer = 1)  
Área urbana  
Edad  
Ingreso  
Centro de alfabetización  
Educación básica  
1.202***  
1.370***  
1.010***  
1.0003***  
1.009  
1.777***  
2.053***  
2.914***  
[1.071; 1.350]  
[1.210; 1.551]  
[1.006; 1.014]  
[1.0002; 1.0004]  
[0.200; 5.103]  
[1.213; 2.605]  
[1.382; 3.048]  
[1.948; 4.358]  
4.97  
4.88  
4.96  
0.01  
2.95  
3.56  
5.21  
Educación media o bachillerato  
Educación superior  
Nota. La variable dependiente es RECICLA. La tabla reporta odds ratios estimados a partir del  
modelo Logit. Valores superiores a 1 indican una asociación positiva con la ocurrencia del evento,  
mientras que valores inferiores a 1 indican una asociación negativa. La categoría de referencia para  
el nivel educativo es ninguno. *** p < 0.01; ** p < 0.05; * p < 0.10. Fuente: elaboración propia  
con base en ENEMDU 2023.  
61  
DISCUSIÓN  
Educación y capital humano como eje principal del comportamiento observado  
El resultado más robusto del estudio corresponde al nivel educativo. Los efectos marginales  
muestran un gradiente creciente entre educación básica, educación media o bachillerato y  
educación superior. La mayor magnitud se concentra en educación superior. El mismo patrón se  
mantiene en la comparación entre Logit y Probit.  
Este resultado coincide con la literatura. Mayores niveles educativos se asocian con mejores  
prácticas de separación, sobre todo cuando la escolaridad se combina con educación ambiental,  
acceso a información y alfabetización digital (Cabrera et al., 2021; Elisa et al., 2022; Zambrano-  
Monserrate et al., 2020). El capital humano facilita comprensión de externalidades, procesamiento  
de información ambiental y formación de hábitos sostenibles (Pérez Arango & Camacho, 2023).  
La escolaridad también puede reducir costos de información y elevar la capacidad de convertir  
predisposiciones generales en prácticas concretas dentro del hogar.  
La magnitud del gradiente educativo sugiere una desigualdad más amplia en capacidades,  
información y entornos de aprendizaje. La literatura indica que el efecto de la educación depende  
de condiciones complementarias, entre ellas acceso a internet e infraestructura, con brechas más  
visibles en áreas rurales (Cabrera et al., 2021; Zambrano-Monserrate et al., 2020). La educación  
emerge como el principal eje del comportamiento observado. Su efecto no descansa solo en  
conocimientos formales. También expresa acceso diferencial a recursos cognitivos, información  
ambiental y condiciones de aprendizaje. Esta lectura resulta consistente con la idea de que la  
gestión doméstica de residuos constituye un comportamiento socialmente estructurado,  
condicionado por capacidades y sensibilidad frente a externalidades ambientales (Aguilera &  
Alcántara, 1994; Labandeira et al., 2007).  
62  
Territorio, infraestructura y desigualdades de contexto  
La localización urbana ocupa el segundo lugar en magnitud dentro del modelo. El resultado sugiere  
que la diferencia territorial no expresa solo localización espacial. Expresa oportunidades desiguales  
para transformar disposición favorable en conducta efectiva.  
La evidencia revisada muestra una brecha territorial clara. Las áreas urbanas cuentan con mejores  
sistemas de recolección diferenciada, mayor infraestructura y mejores condiciones operativas para  
la separación. Las zonas rurales enfrentan déficits de cobertura y acceso a servicios (Nieto-Cañarte  
et al., 2024; Villa-Achupallas et al., 2024). En esos contextos también aparecen prácticas de  
valorización orgánica, como compostaje y alimentación animal, pero persisten restricciones  
materiales importantes (Coello-Choez et al., 2026; Villa-Achupallas et al., 2024).  
La magnitud del efecto urbano sugiere que el territorio capta una dimensión más amplia. Centros  
de acopio, instalaciones de separación, regularidad de servicios, acceso a información e  
infraestructura digital actúan como facilitadores directos (Cabrera et al., 2021; Cosio Borda et al.,  
2024; Lopes & Leal, 2024; Silva & Crespo-Martinez, 2021). La literatura conductual muestra,  
además, que estas condiciones elevan el control conductual percibido y reducen barreras prácticas  
(Mir Mohamad Tabar et al., 2024; Tan et al., 2025). La variable territorial del modelo parece  
concentrar parte de esa estructura de oportunidades. Esta interpretación se alinea con la discusión  
sobre economía circular en Ecuador, donde la transición hacia esquemas más sostenibles depende  
de la articulación entre hogares, instituciones locales y sector público (Almeida-Guzmán & Díaz-  
Guevara, 2020; Ridaura, 2020).  
La dimensión institucional refuerza esta lectura. Regulaciones municipales, tasas, políticas de  
separación en origen y mecanismos de participación pueden fortalecer la adopción de estas  
prácticas (Medina & Rodríguez, 2024; Toledo et al., 2025). Su efectividad depende de capacidad  
administrativa, cohesión social y escala territorial (Medina & Rodríguez, 2024). Brechas  
63  
regulatorias, restricciones fiscales y falta de lineamientos técnicos limitan la prestación de servicios  
integrales (Ochoa-Herrera et al., 2025; Peñafiel et al., 2025; Toledo et al., 2025). La promoción de  
la gestión doméstica de residuos depende, en consecuencia, de la articulación entre infraestructura,  
regulación y gobernanza local (Aguilera & Alcántara, 1994; Labandeira et al., 2007).  
Ingreso, edad y sexo: asociaciones complementarias  
Ingreso, edad y sexo presentan asociaciones positivas y significativas con la probabilidad estimada  
del comportamiento observado. Su magnitud es menor que la identificada para educación y área  
de residencia. Su papel es complementario dentro de la estructura explicativa del modelo.  
El ingreso muestra un efecto positivo reducido. La literatura vincula mayores recursos económicos  
con mejores prácticas de separación, debido a menor restricción material, mayor acceso a  
información y más facilidades para incorporar prácticas sostenibles (J. Hidalgo-Crespo et al., 2021;  
Jara-Samaniego et al., 2017). La pobreza limita infraestructura doméstica, acceso a servicios y  
capacidad de acción (J. Hidalgo-Crespo et al., 2021). En este estudio, el ingreso importa, pero no  
constituye el principal mecanismo de diferenciación.  
La edad presenta una asociación positiva y pequeña. La literatura reporta mayores niveles de  
preocupación ambiental y conductas proambientales entre personas mayores (Hidalgo et al., 2022;  
Iñiguez-Gallardo & Romero Mejía, 2023). Este patrón puede vincularse con mayor estabilidad en  
rutinas y acumulación de hábitos. La edad opera aquí más como factor de consolidación de  
prácticas que como eje central de diferenciación.  
El sexo también introduce una diferencia consistente. Ser mujer se asocia con una mayor  
probabilidad estimada del comportamiento observado. La literatura reporta mayores niveles de  
preocupación ambiental y participación femenina en prácticas proambientales (Hidalgo et al.,  
2022; Iñiguez-Gallardo & Romero Mejía, 2023; Palacios Madero et al., 2023). Esta asociación  
64  
puede reflejar roles domésticos, mayor involucramiento en tareas del hogar y distinta sensibilidad  
frente a prácticas ambientales. El hallazgo es robusto, pero su magnitud permanece por debajo del  
gradiente educativo y de la brecha territorial.  
Alcances interpretativos e implicaciones  
Los resultados identifican un patrón socioeconómico definido en la adopción de prácticas  
domésticas de clasificación y disposición compatible con valorización. La educación aparece como  
el eje principal. El territorio ocupa el segundo lugar en relevancia empírica. Ingreso, edad y sexo  
mantienen asociaciones significativas, pero de menor magnitud.  
El alcance del estudio es específico. La base es transversal. El modelo identifica asociaciones  
estadísticas, no relaciones causales. La variable dependiente no observa reciclaje material final.  
Capta una combinación de prácticas de clasificación y disposición compatible con valorización  
reportadas por el hogar. Esta delimitación acota la interpretación de los resultados.Las  
implicaciones son directas. La promoción de estas prácticas requiere educación ambiental  
sostenida, reducción de brechas territoriales y fortalecimiento de la capacidad municipal. La  
evidencia revisada apunta en la misma dirección: formación ambiental, inclusión digital, servicios  
diferenciados, lineamientos técnicos y participación local deben operar de forma articulada  
(Cabrera et al., 2021; Cosio Borda et al., 2024; Medina & Rodríguez, 2024; Toledo et al., 2025).  
Las intervenciones homogéneas resultan insuficientes. La adopción de prácticas de gestión de  
residuos depende de capacidades, acceso a información y condiciones materiales de  
implementación.  
La agenda futura exige diseños longitudinales, evaluación de incentivos y mayor incorporación de  
factores institucionales y conductuales. Estas dimensiones siguen siendo relevantes para precisar  
los mecanismos que transforman predisposición ambiental en conducta doméstica efectiva.  
65  
CONCLUSIONES  
La pregunta de investigación de este estudio fue: ¿en qué medida las características  
socioeconómicas se asocian con la probabilidad de que los hogares ecuatorianos adopten prácticas  
domésticas de clasificación y disposición compatible con valorización de residuos? Los resultados  
permiten responder que dicha asociación es significativa y presenta un patrón definido. La  
educación constituye el factor de mayor relevancia empírica. La localización urbana ocupa el  
segundo lugar. Ingreso, edad y sexo mantienen asociaciones positivas y significativas, aunque de  
menor magnitud.  
La evidencia permite aceptar la hipótesis de investigación (H1) y rechazar la hipótesis nula (H0).  
Los resultados del modelo Logit, confirmados por la comparación con Probit, muestran que las  
características socioeconómicas se asocian significativamente con la probabilidad del  
comportamiento observado. Los hallazgos también respaldan la hipótesis específica según la cual  
el nivel educativo y la localización urbana concentran las asociaciones positivas de mayor  
magnitud. El principal aporte del artículo radica en ofrecer evidencia microeconométrica reciente,  
con alcance nacional, sobre la asociación entre características socioeconómicas y una medida  
compuesta de gestión doméstica de residuos construida con datos de la ENEMDU 2023. El  
hallazgo central es el gradiente educativo. A mayor escolaridad, mayor probabilidad estimada del  
comportamiento observado. La brecha urbano-rural refuerza, además, el peso de la infraestructura,  
los servicios municipales y el soporte institucional en la adopción de estas prácticas (Cabrera et al.,  
2021; Cosio Borda et al., 2024; Elisa et al., 2022; Toledo et al., 2025; Villa-Achupallas et al., 2024).  
Las implicaciones de política son directas. La promoción de estas prácticas requiere educación  
ambiental sostenida, reducción de brechas territoriales y fortalecimiento de la capacidad municipal.  
La evidencia revisada muestra que formación ambiental, inclusión digital, servicios diferenciados,  
66  
lineamientos técnicos y participación local deben operar de forma articulada (Medina & Rodríguez,  
2024; Singh & Indapurkar, 2025; Toledo et al., 2025; Zambrano-Monserrate et al., 2020).  
El estudio tiene un alcance específico. La base es transversal. El modelo identifica asociaciones  
estadísticas, no relaciones causales. La variable dependiente no observa reciclaje material final,  
sino una combinación de prácticas de clasificación y disposición compatible con valorización  
reportadas por el hogar. La agenda futura exige diseños longitudinales, evaluación de incentivos y  
mayor incorporación de factores institucionales y conductuales (Guzmán Sánchez et al., 2024;  
Méndez-Lazarte et al., 2023; Negash et al., 2021; Singh & Indapurkar, 2025).  
REFERENCIAS  
Aguilera, F., & Alcántara, V. (Comps.). (1994). De la economía ambiental a la economía ecológica. Icaria;  
FUHEM.  
Almeida-Guzmán, M., & Díaz-Guevara, C. (2020). Economía circular, una estrategia para el desarrollo sostenible.  
Avances en Ecuador. Estudios De La Gestión: Revista Internacional De Administración, 8, 34–56.  
https://doi.org/10.32719/25506641.2020.8.10  
Amemiya, T. (1981). Qualitative response models: A survey. Journal of Economic Literature, 19(4), 1483–1536.  
Armenta-Vergara, R. M. (2025). Understanding household recycling behavior in a developing country: Socioeconomic  
and  
territorial  
gaps  
in  
Colombia.  
Journal  
of  
Environmental  
Management,  
392,  
126743.  
https://doi.org/10.1016/j.jenvman.2025.126743  
Babazadeh, T., Ranjbaran, S., Kouzekanani, K., Abedi Nerbin, S., Heizomi, H., & Ramazani, M. E. (2023).  
Determinants of waste separation behavior Tabriz, Iran: An application of the theory of planned behavior at  
health center. Frontiers in Environmental Science, 11. https://doi.org/10.3389/fenvs.2023.985095  
Cabrera, R., Carrion, A., Clotet, R., & Huerta, M. (2021). Impact Assessment for Data Network’s Rehabilitation. Case  
of  
Ecuador.  
2021  
IEEE  
International  
Humanitarian  
Technology  
Conference  
(IHTC),  
1–8.  
https://doi.org/10.1109/IHTC53077.2021.9698970  
Cameron, A. C., y Trivedi, P. K. (2005). Microeconometrics: Methods and applications. Cambridge University  
Press.  
Chrispim, M. C., da Silva, A. R., Christopoulos, T. P., & Ramos, T. B. (2026). Circular economy and consumer action:  
The role of apps in reducing food waste and shaping consumer behavior. Sustainable Futures, 11, 101742.  
https://doi.org/10.1016/j.sftr.2026.101742  
Coello-Choez, B., Bravo-Montero, Lady, & Herrera-Franco, G. (2026). Solid Waste Management in a Context of  
Sustainability  
in  
the  
Sahuangal  
Community,  
Ecuador.  
Sustainability,  
18(6),  
2811.  
https://doi.org/10.3390/su18062811  
Concari, A., Savastano, M., Kok, G., & Martens, P. (2026). Are habits driven by motivation in large urban contexts?  
The role of goal pursuit in waste separation behavior. Journal of Material Cycles and Waste Management.  
https://doi.org/10.1007/s10163-026-02519-1  
Cordero de Jiménez, Y. N., Giraldo de López, M., & Jiménez Camargo, H. J. (2024). Buenas Prácticas Ambientales  
en Instituciones Educativas para Promover la Sostenibilidad ante la Emergencia Climática Global. 317–324.  
https://doi.org/10.54808/CICIC2024.01.317  
Cosio Borda, R., Quispe, L., Rodríguez, J., Ober, J., & Khan, N. (2024). The Role of Internet and Social Interactions  
in  
Advancing  
Waste  
Sorting  
Behaviors  
in  
Rural  
Communities.  
Resources,  
13(4),  
57.  
https://doi.org/10.3390/resources13040057  
67  
Cuestas-Caza, J., Guerra-Salcedo, S., Ramos-Rivadeneira, A. C., Aragón-Tobar, C. F., & Pérez, J. (2026). Fostering  
Circularity from the Classroom: Sustainability Practices and Waste Management in the Chocó Andino Biosphere  
Reserve. Sustainability, 18(6), 2704. https://doi.org/10.3390/su18062704  
Davis, M. M., Vallejo, A., Criollo, P., & Domenech, T. (2023). The ‘Human Sphere’ and the Figure of 8 as the Enabler  
of Circular Economy in Developing Countries: A Case Study. In Advances in Science, Technology and  
Innovation (pp. 207–218). https://doi.org/10.1007/978-3-031-20995-6_19  
Donacho, D. O., Geneti, G. B., Kadir, M. R., Haile Degefa, G., & Abdella Fugaga, M. (2023). Household waste sorting  
practice, and factors associated with sorting practice in Bedelle town, Southwest Ethiopia. PLOS Global Public  
Health, 3(1), e0001288. https://doi.org/10.1371/journal.pgph.0001288  
Encuesta Nacional de Empleo, Desempleo y Subempleo (ENEMDU) (2023). Metodología ENEMDU. Instituto  
Nacional de Estadística y Censos (INEC).  
Elisa, T., Diego, O.-J., Diana, B., Mario, C., Maria, T.-C., & Ecuador, L. (2022). Electronic waste management in  
Ecuador: an analysis based on its determinants. 2022 17th Iberian Conference on Information Systems and  
Technologies (CISTI), 2022-June, 1–5. https://doi.org/10.23919/CISTI54924.2022.9820460  
Granda-Beltrán, D., López, M., Guamán, J., & Ponce, P. (2025). Determinants of Pro-environmental Practices: An  
Analysis  
https://doi.org/10.1007/s00267-025-02149-7  
Greene, W. H. (2018). Econometric analysis (8.ª ed.). Pearson.  
Using  
Discrete  
Choice  
Models.  
Environmental  
Management,  
75(6),  
1487–1503.  
Guzmán Sánchez, J., Perevochtchikova, M., & Kolb, M. (2024). Wastewater in Latin American urban peripheries:  
Identifying research trends and challenges through a systematic literature review. Science of The Total  
Environment, 931, 173019. https://doi.org/10.1016/j.scitotenv.2024.173019  
Hidalgo, J., Benítez, F., Amaya, J., Soto, M., Terán-Alvarado, F., & Hidalgo, A. (2022). Does gender influence a  
person´s environmental concern and pro-environmental behaviours? Proceedings of the 20th LACCEI  
International Multi-Conference for Engineering, Education and Technology: “Education, Research and  
Leadership in Post-Pandemic Engineering: Resilient, Inclusive and Sustainable Actions,” 2022-July.  
https://doi.org/10.18687/LACCEI2022.1.1.673  
Hidalgo-Crespo, J. A., Velastegui-Montoya, A., Soto, M., Amaya Rivas, J. L., Zwolinski, P., Riel, A., & Rivas-García,  
P. (2024). Improving urban waste management: A comprehensive study on household waste generation and  
spatial patterns in the Grand Guayaquil Metropolitan Area. Waste Management & Research: The Journal for a  
Sustainable Circular Economy, 42(10), 918–931. https://doi.org/10.1177/0734242X241262714  
Hidalgo-Crespo, J., Álvarez-Mendoza, C. I., Soto, M., & Amaya-Rivas, J. L. (2022). Quantification and mapping of  
domestic plastic waste using GIS/GPS approach at the city of Guayaquil. Procedia CIRP, 105, 86–91.  
https://doi.org/10.1016/j.procir.2022.02.015  
Hidalgo-Crespo, J., & Amaya-Rivas, J. L. (2024). Citizens’ pro-environmental behaviors for waste reduction using an  
extended theory of planned behavior in Guayas province. Cleaner Engineering and Technology, 21, 100765.  
https://doi.org/10.1016/j.clet.2024.100765  
Hidalgo-Crespo, J., Berrones, N., Riel, A., & Amaya-Rivas, J. L. (2024). Exploring the Norm Activation Model  
Together with External Influences and Environmental Moral Values: The Case of Guayaquil, Ecuador. In  
Lecture Notes in Networks and Systems: 871 LNNS (pp. 174–185). https://doi.org/10.1007/978-3-031-52090-  
7_17  
Hidalgo-Crespo, J., Moreira, C. M., Jervis, F. X., Soto, M., & Amaya, J. L. (2021). Development of sociodemographic  
indicators for modeling the household solid waste generation in guayaquil (Ecuador): Quantification,  
characterization and energy valorization. European Biomass Conference and Exhibition Proceedings, 252 – 259.  
https://www.scopus.com/inward/record.uri?eid=2-s2.0-  
85111840187&partnerID=40&md5=5f613264bc00cd481d984f4ff2bcdbbf  
Hu, J., Longfor, N. R., Dong, L., & Qian, X. (2026). Beyond theory of planned behavior: A meta-analysis of  
psychological and contextual determinants of household waste separation. Environmental Impact Assessment  
Review, 116, 108087. https://doi.org/10.1016/j.eiar.2025.108087  
Iñiguez-Gallardo, V., & Romero Mejía, Pablo. (2023). Perspectives of informal street waste pickers in Loja-Ecuador.  
IOP Conference Series: Earth and Environmental Science, 1141(1), 012005. https://doi.org/10.1088/1755-  
1315/1141/1/012005  
Jara-Samaniego, J., Pérez-Murcia, M. D., Bustamante, M. A., Pérez-Espinosa, A., Paredes, C., López, M., López-  
Lluch, D. B., Gavilanes-Terán, I., & Moral, R. (2017). Composting as sustainable strategy for municipal solid  
waste management in the Chimborazo Region, Ecuador: Suitability of the obtained composts for seedling  
production. Journal of Cleaner Production, 141, 1349–1358. https://doi.org/10.1016/j.jclepro.2016.09.178  
68  
Jufri, K. S., Darhamsyah, D., & Tumpu, M. (2026). Integrating gamification into ecological waste management  
systems: A narrative review for sustainable energy and environmental transition. Ecological Engineering &  
Environmental Technology, 27(1), 284–305. https://doi.org/10.12912/27197050/215598  
Kaplan Mintz, K., Henn, L., Park, J., & Kurman, J. (2019). What predicts household waste management behaviors?  
Culture and type of behavior as moderators. Resources, Conservation and Recycling, 145, 11–18.  
https://doi.org/10.1016/j.resconrec.2019.01.045  
Krah, C. Y., Bahramian, M., Hynds, P., & Priyadarshini, A. (2024). Household food waste generation in high-income  
countries: A scoping review and pooled analysis between 2010 and 2022. Journal of Cleaner Production, 471,  
143375. https://doi.org/10.1016/j.jclepro.2024.143375  
Labandeira, X., León, C. J., & Vázquez, M. X. (2007). Economía ambiental. Pearson Educación.  
Li, Y., Jiang, H., & Yang, M. (2025). Can different policy interventions work complementarily? - A survey experiment  
on policy compliance. Review of Policy Research, 42(4), 1022–1049. https://doi.org/10.1111/ropr.70005  
Long, J. S., y Freese, J. (2014). Regression models for categorical dependent variables using Stata (3.ª ed.). Stata Press.  
Lopes, I. D. S., & Leal, D. de U. (2024). Mujeres quilombolas, desigualdad y literacidad digital: desafíos para la  
promoción de la comunicación intercultural. Anagramas Rumbos y Sentidos de La Comunicación, 23(46), 1–20.  
https://doi.org/10.22395/angr.v23n46a04  
Lou, T., Wang, D., Chen, H., & Niu, D. (2020). Different Perceptions of Belief: Predicting Household Solid Waste  
Separation Behavior of Urban and Rural Residents in China. Sustainability, 12(18), 7778.  
https://doi.org/10.3390/su12187778  
Marbun, Y. R., Artiawati, & Azaria, R. (2025). Behavioral Intention Model for Waste Sorting among Indonesian Urban  
Millennial  
https://www.scopus.com/inward/record.uri?eid=2-s2.0-  
105019317260&partnerID=40&md5=b00dc4b5586dda7f90381e5043e58b9f  
Workers.  
North  
American  
Journal  
of  
Psychology,  
27(3),  
797  
–
808.  
McFadden, D. (1974). Conditional logit analysis of qualitative choice behavior. En P. Zarembka (Ed.), Frontiers in  
econometrics (pp. 105–142). Academic Press.  
Medina, P. H., & Rodríguez, D. P. (2024). Municipal panel data analysis for solid waste, local governments and citizen  
participation. Global Journal of Environmental Science and Management, 10(SI), 105  
–
122.  
https://doi.org/10.22034/gjesm.2024.10.SI.07  
Melese, M., Assefa, Y., & Meselu, Y. (2025). Determinants of household-level solid waste sorting practice the case of  
Bure town, North-western Ethiopia. Cogent Social Sciences, 11(1).  
https://doi.org/10.1080/23311886.2025.2483388  
Méndez-Lazarte, C., Bohorquez-Lopez, V. W., Caycho-Chumpitaz, C., & Estrada-Merino, A. (2023). Attitude Is Not  
Enough to Separate Solid Waste at Home in Lima. Recycling, 8(2), 36. https://doi.org/10.3390/recycling8020036  
Mir Mohamad Tabar, S. A., Briscoe, M. D., & Sohrabi, M. (2024). Waste separation behavior in Iran: an empirical  
test of the theory of planned behavior using SEM. Journal of Material Cycles and Waste Management, 26(2),  
1042–1055. https://doi.org/10.1007/s10163-023-01881-8  
Moreno Miranda, C., Pilamala, A., Moreno Miranda, R., Molina, J. I., Cerda Mejía, L., & Rama, D. (2020). Analysis  
of the social, productive and governance dimensions of the Physalis peruviana chain: a case study of the Inter-  
Andean  
https://doi.org/10.21930/rcta.vol21_num2_art:1304  
Morocho, T., Toledo, E., & Bravo, D. (2018). Determinantes de la clasificación de residuos sólidos en el Ecuador.  
Huella Económica, 2(1). https://www.researchgate.net/profile/Elisa-  
zone  
in  
Ecuador.  
Ciencia  
&
Tecnología  
Agropecuaria,  
21(2).  
Toledo/publication/326657849_Determinantes_de_la_clasificacion_de_residuos_solidos_en_el_Ecuador/links/  
5b5b5797458515c4b24b8a34/Determinantes-de-la-clasificacion-de-residuos-solidos-en-el-Ecuador.pdf  
Negash, Y. T., Sarmiento, L. S. C., Tseng, M.-L., Lim, M. K., & Ali, M. H. (2021). Engagement factors for household  
waste sorting in Ecuador: Improving perceived convenience and environmental attitudes enhances waste sorting  
capacity.  
Resources,  
Conservation  
and  
Recycling,  
175,  
105893.  
https://doi.org/10.1016/j.resconrec.2021.105893  
Nieto-Cañarte, C. A., Guamán-Sarango, V. M., Vélez-Ruiz, M. C., Alcocer-Quinteros, R. P., & Sinchi-Rivas, C. A.  
(2024). Optimizing solid waste management strategies in rural Ecuador. Sapienza: International Journal of  
Interdisciplinary Studies, 5(2), e24038. https://doi.org/10.51798/sijis.v5i2.774  
Ochoa-Herrera, V., Apraez, M., Flor, D., Flores, C., Valencia, M., & Velasco, A. (2025). Comprehensive analysis of  
plastic regulations in Ecuador: Evaluating the path to a circular economy. Cleaner Production Letters, 9, 100108.  
https://doi.org/10.1016/j.clpl.2025.100108  
69  
Palacios Madero, M. D., Torío López, S., & Murga-Menoyo, M. Á. (2023). Conductas prosostenibilidad y  
percepciones del estudiantado adolescente sobre prácticas parentales y valores familiares. Interdisciplinaria.  
Revista de Psicología y Ciencias Afines, 40(2), 409 – 423. https://doi.org/10.16888/interd.2023.40.2.24  
Pawelczyk, E., Mielinger, E., & Weinrich, R. (2026). Waste separation behavior: A field study on information  
interventions and underlying mechanisms. Journal of Environmental Management, 402, 129111.  
https://doi.org/10.1016/j.jenvman.2026.129111  
Pegels, A., Castañeda, J. L., Humphreys, C., Kötter, C., Negre, M., Weidner, C., & Kutzner, F. (2022). Aligning  
recycling behaviors and the recycling system – Towards a full cycle of materials and behavioral methods. Waste  
Management, 138, 1–7. https://doi.org/10.1016/j.wasman.2021.11.021  
Pérez Arango, D., & Camacho, A. (2023). Educación y comportamiento ambiental: Un estudio de caso. Revista de  
Economía Institucional, 25(48), 193–213. https://doi.org/10.18601/01245996.v25n48.11  
Pérez Arévalo, M. J., & Cadena Silva, J. P. (2021). Cultura organizacional y liderazgo en equipo para microempresas.  
Suplemento  
CICA  
Multidisciplinario  
ISSN:2631-2832,  
5(11),  
213–229.  
https://suplementocica.uleam.edu.ec/index.php/SuplementoCICA/article/view/72  
Peñafiel, P., Mendoza, M., Jiménez, M., & Masaquiza, D. (2025). Assessment of Urban Solid Waste Management in  
the Ecuadorian Amazon Region. World Journal of Environmental Biosciences, 14(3), 32–42.  
https://doi.org/10.51847/tUzRvNgOdi  
Requena-Sanchez, N., Carbonel, D., Moonsammy, S., Demel, L., Vallester, E., Velásquez, D., Toledo Cervantes, J.  
A., Díaz Núñez, V. L., Vásquez García, R., Santa Cruz, M., Visbal, E., & Ng, K. T. W. (2023). COVID-19  
impacts on household solid waste generation in six Latin American countries: a participatory approach.  
Environmental Monitoring and Assessment, 195(1), 155. https://doi.org/10.1007/s10661-022-10771-9  
Ridaura, G. (2020). La economía circular en Ecuador: perspectivas de cumplimiento de los ODS en la era post COVID-  
19. CienciAmérica, 9(4), 19–26.  
Sigcha, E., Sucozhañay, D., Cabrera, F., Pacheco, G., & Vanegas, P. (2024). Applying social life cycle assessment in  
the informal recycling sector: Understanding challenges and limitations. Waste Management, 181, 20–33.  
https://doi.org/10.1016/j.wasman.2024.03.029  
Silva, C. C., & Crespo-Martinez, E. (2021). Servuction Procedures for Waste Collection Management through the use  
of Information Technologies and the Design Thinking methodology. Proceedings of the International  
Conference  
https://www.scopus.com/inward/record.uri?eid=2-s2.0-  
85125939197&partnerID=40&md5=5a93980461c5d7b01c10bfcf54cd3148  
on  
Industrial  
Engineering  
and  
Operations  
Management,  
203  
–
215.  
Singh, U. N. K., & Indapurkar, K. (2025). Digital Solutions for Urban Household Waste Management. In  
Revolutionizing Urban Development and Governance With Emerging Technologies (pp. 579–604). IGI Global.  
https://doi.org/10.4018/979-8-3373-1375-7.ch020  
Tan, S., Li, W., Liu, X., & Wang, Y. (2025). Influence of institutional perception factors on household waste separation  
behaviour: evidence from Ganzhou, China. Journal of Environmental Planning and Management, 68(7), 1761–  
1787. https://doi.org/10.1080/09640568.2024.2403137  
Toledo, E., Camacho, J. A., Rodríguez, M., & Alvarado, R. (2025). Individual, household and institutional level  
predictors of waste sorting: Evidence for Ecuador. Waste Management & Research: The Journal for a  
Sustainable Circular Economy, 43(6), 946–956. https://doi.org/10.1177/0734242X241281823  
Vera, A., & Canelos-Salazar, R. (2025). Informal Economy, Social Economy and Glocal Networks in Latin America’s  
Context. In Economic Geography (Switzerland): Part F1181 (pp. 159–177). https://doi.org/10.1007/978-3-032-  
01602-7_8  
Villa-Achupallas, M., López, A., Díez-Montero, R., Lorena Esteban-García, A., & Lobo, A. (2024). Analysis of  
household waste production in Ecuador: Limitations for sustainable management in local communities. Waste  
Management, 190, 531–537. https://doi.org/10.1016/j.wasman.2024.10.016  
Villalba Ferreira, M., Dijkstra, G., Scholten, P., & Sucozhañay, D. (2022). The effectiveness of inter-municipal  
cooperation for integrated sustainable waste management: A case study in Ecuador. Waste Management, 150,  
208–217. https://doi.org/10.1016/j.wasman.2022.07.008  
Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data (2.ª ed.). MIT Press.  
Xia, Z., Gu, Y., Li, J., Xie, J., Liu, F., Wen, X., Tian, X., & Zhang, C. (2023). Do behavioural interventions enhance  
waste recycling practices? Evidence from an extended meta-analysis. Journal of Cleaner Production, 385,  
135695. https://doi.org/10.1016/j.jclepro.2022.135695  
Zambrano-Monserrate, M. A., Ruano, M. A., & Yoong-Parraga, C. (2020). Households from developing countries do  
not sort their solid waste: truth or myth? Journal of Environmental Planning and Management, 63(14), 2577–  
2592. https://doi.org/10.1080/09640568.2020.1741341  
70  
Zheng, J., Ma, G., Wei, J., Wei, W., He, Y., Jiao, Y., & Han, X. (2020). Evolutionary process of household waste  
separation behavior based on social networks. Resources, Conservation and Recycling, 161, 105009.  
https://doi.org/10.1016/j.resconrec.2020.105009  
71