UNIVERSIDAD NACIONAL DE PIURA

FACULTAD DE ECONOMIA

ANALISIS DEL CAPITAL HUMANO Y LA POBREZA DEPARTAMENTAL

EN EL PERU EN EL PERIODO 2004 2009

TESIS
PARA OPTAR EL TITULO DE ECONOMISTA

Br. Econ. JORGE JEAN PIERRE SOTO CRDOVA

Ejecutor

Econ. LILIAN NATHALS SOLIS M.Sc.

Patrocinadora

Piura Per
Diciembre del 2012

JURADO CALIFICADOR

Econ. Jos Luis Ordinola Boyer MSc.

Econ. Tedulo Humberto Correa Cnova MSc.

Presidente del Jurado

Secretario del Jurado

Econ. Luis Antonio Rosales Garca MSc.

Vocal del Jurado

Dedicatoria:

Esta tesis est dedicada a:

Dios por haberme permitido llegar hasta este punto y haberme dado salud para lograr
mis objetivos, adems de su infinita bondad y amor. A mis padres Jorge y Mirna, a mi
hermano Brandon, por haberme apoyado en todo momento, por sus consejos, sus
valores, por la motivacin constante que me ha permitido ser una persona de bien, por
ensearme con ejemplos lo que con palabras profesan, pero ms que nada, por su
amor.

A mis familiares y amigos, especialmente a Romina por estar en el momento preciso,

por compartir mis penas y alegras, por la ayuda y consejos brindados, por su apoyo
en las labores acadmicas, por las ancdotas pasadas y por las que vendrn, y por la
sinceridad que tienen conmigo, gracias!.

A mis maestros por dedicarnos tiempo y paciencia en las labores diarias, por compartir
sus conocimientos y ser ms que maestros, gracias por ser nuestros amigos, y sobre
todo por legarnos sus aportes a nuestra ciencia. A la Universidad Nacional de Piura y
en especial a la Facultad de Economa por permitirme ser parte de ella, y salir con el
anhelo de formar una generacin de triunfadores y gente productiva para el pas.

Dedicada a todos mis seres queridos que a mi lado, aqu en la tierra, o desde el cielo
me dan fuerzas para seguir adelante y realizar mis metas.

Jorge Jean Pierre Soto Crdova

SIGLAS y ACRONIMOS

BCRP

: Banco Central de Reserva del Per

CEPAL

: Comisin Econmica para Amrica Latina y el Caribe

CIES

: Consorcio de Investigacin Econmica y social

DNI

: Documento Nacional de Identidad

ENAHO

: Encuesta Nacional de Hogares

ENDES

: Encuesta Demogrfica de Salud Familiar

ESAN

: Educacin, Salud y Nutricin

FGT

: Foster Geer Thorbecke

FONCODES : Fondo Nacional de Compensacin y Desarrollo Social

GRADE

: Grupo de Anlisis para el desarrollo

IDH

: ndice de Desarrollo Humano

INEI

: Instituto Nacional de Estadstica e Informtica

INS

: Instituto Nacional de Salud

MECEP

: Mejoramiento de la Calidad de la Educacin Peruana

MEF

: Ministerio de Economa y Finanzas

MIMDES

: Ministerio de la Mujer y Desarrollo Social

MINEDU

: Ministerio de Educacin

MINSA

: Ministerio de Salud

MTC

: Ministerio de Transportes y Comunicaciones

MONIN

: Monitoreo Nacional de Indicadores de Nutricin

NBI

: Necesidades Bsicas Insatisfechas

OCDE

: Organizacin para la Cooperacin y el Desarrollo

Econmico

ONG

: Organismo no Gubernamental

ONU

: Organizacin de Naciones Unidas

OREALC

: Oficina Regional de Educacin para Amrica Latina y el

Caribe

PBI

: Producto Bruto Interno

PEA

: Poblacin Econmicamente Activa

PNUD

: Programa de las Naciones Unidas para el Desarrollo

SIS

: Seguro Integral de Salud

UMC

: Unidad de Medicin de la Calidad Educativa

UNESCO

: United Nations Educational Scientific and Cultural Organization

NDICE
INTRODUCCIN ...................................................................................................................... 10
CAPTULO I: MARCO TERICO .......................................................................................... 13
1.1.

Las teoras del capital humano .............................................................................. 13

1.1.1.

Antecedentes a la teora del capital humano ............................................... 13

1.1.2.

Teora del Capital Humano ............................................................................. 16

1.1.3.

Crticas a la Teora del Capital Humano ....................................................... 21

1.1.4.

Teoras Alternativas del Capital Humano ..................................................... 23

1.1.5.

Consideraciones finales respecto a las corrientes alternativas ................ 27

1.1.6.

Capital humano y capacidad humana ........................................................... 29

1.2.

Pobreza ...................................................................................................................... 36

1.2.1.

Enfoques sobre la pobreza ............................................................................. 36

1.2.2.

Tras la conceptualizacin de la pobreza....................................................... 39

1.2.3.

Indicadores de la Pobreza .............................................................................. 40

1.3.

Relacin entre el capital humano y la pobreza .................................................... 46

RESUMEN DEL CAPTULO I ............................................................................................. 48

CAPTULO II: HECHOS ESTILIZADOS Y EVIDENCIA EMPRICA ................................ 49
2.1.- Hechos estilizados del contexto............................................................................... 49
2.1.1.- Caractersticas Generales .................................................................................. 49
2.1.2.- Caractersticas Sociales...................................................................................... 50
2.2.- Evidencia Emprica ..................................................................................................... 78
2.2.1.- Evidencia Emprica Internacional ..................................................................... 78
2.2.2.- Evidencia Emprica Nacional.............................................................................. 81
CAPTULO III: CONSTRUCCIN DEL MODELO ............................................................. 83
3.1.

Desarrollo del Primer Modelo ................................................................................. 84

3.1.1.

Especificacin del Modelo ............................................................................... 84

3.1.2.

Estimacin y Evaluacin del modelo ............................................................. 86

3.1.3.

Modelo de Efectos Fijos .................................................................................. 88

3.1.4.

Modelo de Efectos Aleatorios ......................................................................... 91

3.1.5.

Eleccin entre Modelo de efectos fijos o modelo de efectos aleatorios .. 92

3.1.6.

Anlisis de Resultados .................................................................................... 93

3.2.

Desarrollo del Segundo Modelo ............................................................................. 95

3.2.1.

Especificacin del Modelo ............................................................................... 95

3.2.2.

Estimacin y Evaluacin del modelo ............................................................. 96

4

3.2.3.

Modelo de Efectos Fijos .................................................................................. 99

3.2.4.

Modelo de Efectos Aleatorios ....................................................................... 101

3.2.5.

Eleccin entre Modelo de efectos fijos o modelo de efectos aleatorios 101

3.2.6.

Anlisis de los Resultados ............................................................................ 102

3.3.

Anlisis por Regiones Naturales .......................................................................... 103

CAPTULO IV: IMPLICANCIAS DE POLTICA ECONMICA ........................................ 105

CONCLUSIONES ................................................................................................................... 107
RECOMENDACIONES.......................................................................................................... 109
BIBLIOGRAFA ....................................................................................................................... 110
ANEXOS .................................................................................................................................. 122

NDICE DE GRFICOS
Grfico N 1.1: Evolucin de los rendimientos obtenidos en funcin de la inversin
realizada en educacin.....................................................................19
Grfico N 2.1: Distribucin poltica del Per................................................................50
Grfico N 2.2: Evolucin de la Pobreza en el Per, 2004 2009...51
Grfico N 2.3: Per: ndice de Pobreza por Departamento, Promedio (2004-2009)...55
Grfico N 2.4: Distribucin departamental de la poblacin peruana, por departamentos
ms y menos poblados, al ao 2009....56
Grfico N 2.5: Per: Crecimiento de la poblacin 1922 2009..57
Grfico N 2.6: Per: Poblacin total por sexo 2005 2009.59
Grfico N 2.7: Per: Pirmide de poblacin censada, 1993 y 2007..61
Grfico N 2.8: Per: Evolucin del total de alumnos por nivel educativo
1999 2009...62
Grfico N 2.9: Per: Promedio PEA sin Educacin por departamento en el Periodo
2004 2009....63
Grfico N 2.10: Per: Poblacin con Educacin Primaria por Departamento, Promedio
del Periodo 2004 2009...64
Grfico N 2.11: Per: Poblacin con Educacin Secundaria por Departamento,
Promedio del Periodo 2004-2009....65
Grfico N 2.12: Per: Poblacin con Educacin Superior por Departamento, Promedio
del Periodo 2004-2009..66
Grfico N 2.13: Per: Tasa de Desercin Escolar por Departamento, Promedio del
Periodo 2004-2009.67
Grfico N 2.14: Per: Tasa de Matriculados por Departamento, Promedio del Periodo
2004-200967
Grfico N 2.15: Per: Nmero de Mdicos por Departamento, Promedio del Periodo
2004-200968
Grfico N 2.16: Per: Nmero de Defunciones por Departamento, Promedio del
Periodo 2004-2009.69
Grfico N 2.17: Per: Poblacin con seguro de Salud segn tipo, 2005 2009....70
Grfico N 2.18: Desnutricin crnica infantil a nivel departamental en el Per
2004 2009....72
Grfico N 2.19: Desnutricin crnica infantil por rea de residencia en el Per
2004 2009....74
Grfico N 2.20: Per: Desnutricin crnica infantil por mbitos geogrficos 200975

Grfico N 2.21: Per: Relacin entre la incidencia de pobreza y la desnutricin crnica

infantil, a nivel departamental 2009....76
Grfico N 2.22: Per: Relacin entre el PBI per cpita y la desnutricin crnica infantil,
a nivel departamental 2009..77

INDICE DE CUADROS

Cuadro N 1.1: Resumen de las Principales Teoras del Capital Humano.32

Cuadro n 1.2: Resumen de los principales enfoques y conceptualizacin sobre la
pobreza43
Cuadro n 2.1: Per: Ranking de Departamentos de acuerdo a similar Incidencia de
Pobreza teniendo en cuenta los test de significancia 2004 2009...52
Cuadro N 2.2: Poblacin del Per por Departamento al 2004 y 2009...58
Cuadro n 2.3: Patrn departamental de desnutricin infantil en el Per 2004
2009.....73
Cuadro N 3.1: Descripcin de las Variables del Modelo..84
Cuadro N 3.2: Anlisis de Correlacin de las Variables del Modelo Estimado..86
Cuadro N 3.3: Estimacin del Modelo de Coeficientes Constantes..88
Cuadro N 3.4: PERU: Modelo de efectos fijos, Periodo 2004 200989
Cuadro N 3.5: PERU: Efectos fijos en secciones cruzadas para los departamentos,
2004 200990
Cuadro N 3.6: PERU: Modelo de efectos aleatorios, Periodo 2004 2009..92
Cuadro N 3.7: PERU: Modelo de efectos fijos elegido con aplicacin del Test de
Haussman, Periodo 2004 2009....93
Cuadro N 3.8: Descripcin de las Variables del Segundo Modelo.96
Cuadro N 3.9: Anlisis de Correlacin de las Variables del modelo estimado..97
Cuadro N 3.10: Estimacin del Modelo de Coeficientes Constantes.98
Cuadro N 3.11: Estimacin del Modelo de Efectos Fijos..99
Cuadro N 3.12: PERU: Efectos fijos en secciones cruzadas para los departamentos,
2004 2009..100
Cuadro N 3.13: PERU: Modelo de efectos aleatorios, Periodo 2004 2009.101
Cuadro N 3.14: PERU: Modelo de efectos fijos elegido con aplicacin del Test de
Haussman, Periodo 2004 2009..101
Cuadro N 3.15: PERU: Modelos de efectos fijos segn regin geogrfica,
(2004 2009)....104

NDICE DE ANEXOS
Anexo N1: Datos Estadsticos.122
Anexo N 1.1: Incidencia de Pobreza122
Anexo N 1.2: Tasa de Analfabetismo por departamento
2004 - 2009 123
Anexo N 1.3: Poblacin matriculada en educacin primaria por departamento
2004 2009.......124
Anexo N 1.4: Poblacin Matriculada en Educacin Secundaria por
departamento 2004 2009.....125
Anexo N 1.5: Poblacin Matriculada en Educacin Superior por departamento
2004 2009....126
Anexo N 1.6: Tasa de Retiro Escolar por departamento
2004
2009...............127
Anexo N 1.7: Tasa de Matriculados por departamento
2004 2009128
Anexo N 1.8: Mdicos por Departamento por departamento
2004 2009129
Anexo N 1.9: Mortalidad (Defunciones por ao) por departamento
2004 2009130
Anexo N 1.10: Desnutricin Crnica Infantil por departamento
2004 2009131
Anexo N 1.11: Producto Bruto Interno per cpita por departamento
(2004 - 2009)..132
Anexo N 1.12: Logro educativo por departamento 2004 2009...133
Anexo N 1.13: Acceso a la salud por departamento 2004 2009....134
Anexo N 1.14: Cobertura de la Vacuna Antisarampionosa en Nios (as) de 1
Ao de Edad (Porcentaje) por departamento 2004 2009.135
Anexo N 1.15: Cobertura de la Vacuna Triple en Nios (as) de 1 Ao de Edad
(Porcentaje) por departamento 2004 2009.136
Anexo N 1.16: Morbilidad Crnica por departamento 2004 2009 (Porcentaje
respecto del total de poblacin)..137
Anexo N 1.17: Morbilidad No Crnica por departamento 2004 2009
(Porcentaje respecto del total de poblacin)...138
Anexo N 1.18: Coeficiente de Gini por departamento 2004 2009.139
8

Anexo N 2: Modelos de Datos de Panel...140

Anexo N 3: Estimaciones Economtricas.147
Anexo N 3.1: Modelo 01: Evaluacin de modelo de efectos fijos vs efectos
constantes.147
Anexo N 3.2: Modelo 01: Eleccin del Modelo.151
Anexo N 3.3: Modelo 01: Evaluacin del Modelo Economtrico..152
Anexo N 3.4: Modelo 02: Evaluacin de modelo de efectos fijos vs efectos
constantes.156
Anexo 3.5: Modelo 02: Eleccin del Modelo..160
Anexo 3.6: Modelo 02: Evaluacin del Modelo Economtrico...161
Anexo N 4: Pruebas Economtricas....165
Anexo 4.1: Aplicacin del Filtro Hodrick Presscott y Anlisis de
Cointegracin..165
Anexo 4.2: Anlisis de Causalidad de Granger...169

INTRODUCCIN
Hasta antes de la dcada de los aos cincuenta, el capital fsico era considerado como
el nico responsable de la acumulacin de riquezas. Sin embargo, a partir de escritos
de autores como Jacob Mincer (1958), Theodore Schultz (1961) y Gary Becker (1964)
se consolidan las bases del estudio de la Teora del capital humano, demostrando que
las sociedades contemporneas dependen del conocimiento y las destrezas de su
poblacin; es decir, su capital humano.
Y es que son precisamente las diferencias en conocimientos, habilidades y destrezas1
que posee el individuo, las que determinan las desigualdades entre unos y otros. La
adecuacin de cada trabajador para adaptarse a las necesidades del mercado de
trabajo depender del capital humano2.
Respecto a la pobreza, segn la CEPAL (2003), sta es entendida como el resultado
de un proceso social y econmico - con componentes culturales y polticos - en el cual
las personas y los hogares se encuentran privados de activos y oportunidades
esenciales por diferentes causas y procesos, tanto de carcter individual como
colectivo, lo que le otorga un carcter multidimensional.

El sentido comn sugiere que una persona que est bien desarrollada fsica, mental,
social y emocionalmente, estar en una mejor posicin de contribuir econmicamente
a la familia, la comunidad y al pas, que una persona que no lo est. Al encontrarse en
situacin de pobreza, se reforzar la posibilidad de deterioro del capital humano, con
lo que se podra caer en un crculo vicioso.

En este sentido la presente investigacin se lleva a cabo con el objetivo de analizar la

relacin existente entre las variables de educacin, salud y nutricin, representativas
del capital humano y el nivel de la pobreza econmica de los departamentos del Per
a lo largo del periodo 2004 2009, teniendo como hiptesis principal que en los
departamentos con mayor dotacin de capital humano es de esperarse que los
mismos posean menores ndices de pobreza, dado que la mejora constante del capital
humano implica mejoras en los indicadores departamentales asociados a educacin,
1

Desde la perspectiva de la teora del capital humano siguiendo a Becker y Schultz.

La importancia que la formacin de los individuos tiene en el desarrollo de las sociedades ha sido
observada desde la antigedad clsica. La cuestin de la educacin capt tambin el inters de los
primeros economistas, desde la publicacin de La Riqueza de las naciones de Adam Smith (1776). An
as, no es hasta la segunda mitad del siglo pasado cuando se modeliza toda una teora de la educacin
empleando una perspectiva econmica.
2

10

salud y nutricin, lo que provoca el fortalecimiento de las capacidades en las personas,

lo que se refleja a su vez en aspectos positivos sobre la lucha contra la pobreza.

Adicionalmente se desarrolla un anlisis de efectos fijos a nivel departamental para el

periodo 2004 2009, con la finalidad de analizar las posibles diferencias entre los
departamentos que pudieran existir, empleando para ello la tcnica economtrica de
mnimos cuadrados ordinarios, en un agrupamiento de datos de series de tiempo y
corte transversal (datos de panel).

Las estimaciones realizadas mostraron que existe una relacin entre la pobreza y las
variables de educacin, salud y nutricin a nivel departamental en el Per,
encontrando que los departamentos con mayor dotacin de capital humano muestran
menores ndices de pobreza. Los principales problemas encontrados estn asociados
al nmero de personas analfabetas y la tasa de desnutricin infantil que posee cada
departamento, lo que reduce la posibilidad de una eficiente formacin del capital
humano.

Asimismo, la estimacin de modelos de efectos fijos revela que los departamentos son
heterogneos entre s, particularmente se encuentra que existen dos tipos de
departamentos, aquellos que dadas ciertas condiciones, y debido a los recursos que
poseen y el contexto favorable inmerso en ellos, reduciran la incidencia de pobreza al
interior de los mismos, y aquellos departamentos que la incrementaran dado su
contexto interno.

El contenido base de la presente investigacin se estructura en cuatro captulos. En el

primer captulo, se presenta una sistematizacin del marco terico, principalmente
orientado a la teora del capital humano, principales crticas a la teora y las corrientes
alternativas a la teora del capital humano, as como los principales enfoques e
indicadores sobre la pobreza.

En el segundo captulo se analizan los hechos estilizados de la economa peruana con

nfasis en los espacios departamentales referentes a la incidencia de pobreza,
poblacin y educacin de la poblacin, salud y nutricin y se realiza una revisin de
estudios empricos desarrollados a nivel internacional y nacional.

11

En el tercer captulo se lleva a cabo la construccin del modelo economtrico, se

procede a especificar el modelo, para luego estimarlo y evaluarlo para el
correspondiente anlisis de los resultados de las estimaciones para la validacin de
las hiptesis planteadas.

Finalmente en el cuarto captulo se presentan las principales conclusiones, as como

las implicancias de poltica pertinentes derivadas del presente estudio con nfasis en
el capital humano y la pobreza departamental que muestran una mutua relacin.

12

CAPTULO I: MARCO TERICO

El presente captulo es el resultado de la necesidad de crear principios de sustentacin
del anlisis emprico a realizar. De esta forma, se lleva a cabo un estudio acerca de la
evolucin de las principales contribuciones tericas, de dos temas relevantes para la
investigacin y que contina en los captulos siguientes: las teoras del capital humano
y la pobreza.
En este sentido, en el primer punto se presenta el proceso evolutivo de la teorizacin
del capital humano desde los primeros planteamientos, pasando por las diferentes
corrientes de pensamiento econmico hasta su consolidacin como teora, as como
sus crticas y teoras alternativas. En el segundo punto, se agrupan aquellos enfoques
y conceptualizaciones en torno a la pobreza. Para finalmente relacionar el capital
humano y la pobreza, el cual ser el punto de partida de la investigacin a seguir.
1.1. Las teoras del capital humano
La idea del capital humano no es nueva, ha estado presente en los aportes de
distintos autores para las distintas pocas, y si bien es cierto cada uno realizaba la
interpretacin de la misma segn el contexto en el que se desarrollaba, los desarrollos
tericos tienen mucho en comn.
Aunque, cabe sealar que la Teora del Capital Humano, conocida como tal, fue
formalizada recin a mediados del siglo pasado, y es precisamente en la dcada de
los sesenta cuando empieza a ocupar un lugar destacado dentro de los escritos
econmicos con representantes como Jacob Mincer (1958), Theodore Schultz (1961) y
Gary Becker (1964) .
1.1.1. Antecedentes a la teora del capital humano
A continuacin se realiza una sntesis de la evolucin de las perspectivas e ideas en
torno a los primeros enfoques sobre la conceptualizacin y los elementos que
caracterizan al capital humano, fundamentada en los trabajos de Oroval (1996) y
Vieira (2008).
Los primeros antecedentes de la teora del capital humano se encuentran en el siglo
XVII en la escuela pre-fisiocrtica, cuyos principales representantes son William Petty
y Richard Cantillon, segn Oroval (1996), estos autores sostienen como conclusin
que la riqueza de un pas se demuestra esencialmente por el nivel de conocimiento de
sus habitantes y la riqueza humana es ms productiva que cualquier otro factor de
13

produccin, considerando que el valor del ser humano es igual a 20 veces los
ingresos anuales de su trabajo3, es decir, que la valoracin subjetiva del factor trabajo
es mayor que los ingresos percibidos por los trabajadores tras realizar sus labores.
En este mismo enfoque, R. Cantillon, pone nfasis en el diferencial remunerativo entre
el trabajo de los individuos ms calificados y los menos calificados, los costos directos
de la educacin y el costo de oportunidad, que se traduce en el incremento salarial no
recibido durante el perodo de duracin del proceso educativo4.
Cabe mencionar que, siguiendo a Oroval (1998), tanto Petty como Cantillon destacan
el efecto positivo que tiene la educacin sobre el producto de una economa, debido a
que sta permite incrementar el nivel de conocimientos de la poblacin y, de este
modo, aumentar la productividad del factor trabajo y favorecer dicho crecimiento.
Ya en el siglo XVIII, surgen escritos de autores como Adam Smith y Jhon S. Mill,
representantes de la escuela clsica, quienes analizan el capital humano desde la
calificacin de la mano de obra y la importancia que sta tiene en cuanto la
determinacin de la riqueza de un pas as como en la generacin de desigualdades
sociales.
Adam Smith, como bien lo sealan Jaffe (2005) y Vieira y Neira (2004), haba
reconocido la importancia que tiene la formacin del capital humano para el logro de
mejores resultados en el trabajo - al menos eso supone esta teora - mejoras
expresadas, por ejemplo, en incrementos de la productividad laboral.
Del mismo modo enfatizaba que las desigualdades sociales, principalmente las
desigualdades en la distribucin de los ingresos, eran resultado de la naturaleza de
los empleos, es decir, que las diferencias entre las clases sociales existan debido a la
diferencia en los ingresos percibidos por los trabajadores, y principalmente esto era
atribuible a que los distintos empleos necesitaban de un grado de especializacin
diferente, donde implcitamente los salarios eran establecidos segn el capital humano
que posea cada trabajador, en otras palabras, empleos ms complejos suponan
mayores ingresos y una mayor diferenciacin social.

Vieira, E. (2008) Capital Humano Como Factor De Convergencia: Anlisis Economtrico de la

Euroregin Galicia-Norte de Portugal (1995-2002). Universidad de Vigo. Portugal. Pg. 36.
4

Para mayor anlisis ver Vieira y Neira (2004).

14

Entre las causas de estas desigualdades sociales destacan el grado de dificultad y los
costos de la formacin del capital humano, el mismo que vara segn el estrato social
al que pertenece cada individuo. Adam Smith sustenta este planteamiento al comparar
un hombre educado con una costosa mquina5, es decir, el arga que debera
compararse al individuo que posea pericias y destrezas para la realizacin de sus
labores con una costosa mquina debido al capital invertido en lograr dichas
habilidades, por lo que los empleadores deberan reconocer su mayor aporte a la
produccin, retribuyndole un ingreso mayor al que perciban los trabajadores que
aportaban menos al proceso productivo, lo que al enmarcarlo en la sociedad contribua
a crear desigualdades sociales.
Para sintetizar la idea de Adam Smith, siguiendo a Jaffe (2005), se puede decir que
Smith eleva la educacin y la formacin para el trabajo a la categora de capital, al
advertir sobre la especializacin de la mano de obra de la fuerza laboral (lograda a
partir de una mayor formacin y de la divisin del trabajo en el proceso productivo), el
cual debe recibir un mayor ingreso en la medida que las mayores capacidades
resultantes del proceso de formacin contribuyan al logro de un mayor producto, si el
dueo de la mquina recibe un ingreso por el capital invertido en ella; de la misma
forma el dueo del conocimiento o destreza, debe recibir un ingreso por el capital
invertido en el proceso de adquisicin de dichas capacidades y destrezas.
Dentro de la escuela clsica y en la misma lnea de Smith, John Stuart Mill defiende la
existencia de una relacin directa entre el nivel de calificacin de los individuos y la
determinacin de la riqueza de la sociedad. De acuerdo con Mill, el trmino riqueza no
es aplicable al factor humano, ya que es generado y consumido por ste6. En este
sentido, plantea que en el campo educativo, los mecanismos de mercado no
funcionan, ya que el factor humano no est sujeto a transaccin.
En el siglo siguiente, en la escuela neoclsica se destaca a Alfred Marshall quien
considera que no existe un mercado de capital humano, a pesar de considerar la
relevancia de los recursos pblicos y privados a la educacin, esencialmente por los

Segn Jaffe (2005), Smith en su obra La Riqueza de las Naciones (1776) afirma que: Un hombre
educado a expensas de mucho trabajo y tiempo, en cualquiera de aquellos oficios que requieren una
destreza y pericia extraordinaria, debe compararse a una de estas costosas mquinas (...).
6

Esta concepcin restringida de capital, es decir, la que defiende la no aplicacin del trmino capital al
hombre, hizo que muchos de los avances del anlisis econmico tuviesen escasas repercusiones en el
campo de la economa de la educacin.

15

beneficios directos que genera y los genios que forma7. En este sentido, Marshall
sustenta que la educacin y la formacin no poseen carcter comercial.
A principios del siglo XX, Irving Fisher, en oposicin a los planteamientos de Marshall y
Mill, adopt una visin ms amplia del trmino capital, planteando que el capital
representa todo el conjunto de recursos que posibilitan la creacin de futuros flujos de
ingresos. Debido a que posibilit la aplicacin del trmino capital al factor humano,
este autor contribuy a la aparicin y desarrollo de la Economa de la Educacin.
Con base en esta evolucin, empez a formularse la tentativa de cuantificar el valor
econmico sistemticamente, en funcin de su productividad y de la inversin
realizada para la formacin del mismo, consolidndose estos enfoques en la
denominada Teora del Capital Humano.
1.1.2. Teora del Capital Humano
A pesar que desde las distintas corrientes econmicas haba sido tratada la formacin
de capital humano de una u otra forma, es a partir de su formalizacin en la dcada de
los 60 del siglo pasado donde surge mayor inters en su estudio y es precisamente
aqu donde toma mayor relevancia en la teora econmica. Los principales
representantes de esta teora son Theodore Schultz (1961), Jacob Mincer (1958) y
Gary Becker (1964), quienes fomentaron el desarrollo consistente y ms sistemtico
de la Teora del Capital Humano, la misma que resulta de la explicacin de las
transferencias voluntarias de recursos que contribuyan al incremento de las
capacidades productivas de los individuos.
Rodrguez (2005) y Kruger (n/d), sealan que Schultz (1961) considera que la calidad
de la poblacin es un recurso escaso, ya que su adquisicin necesita de la realizacin
de una inversin por lo que esta tiene un valor econmico, adems es clave en el
anlisis del comportamiento humano, pues determina el tipo y el monto de la misma
adquirida a lo largo del tiempo. Asimismo, plantea que la decisin de la inversin en
capital adicional resulta de la decisin individual, basada en la evaluacin de los
costos de la inversin y de la rentabilidad esperada para los distintos niveles
educativos.

Vieira, E. (2008) Capital Humano Como Factor De Convergencia: Anlisis Economtrico de la

Euroregin Galicia-Norte de Portugal (1995-2002). Universidad de Vigo. Portugal. Pg. 37.

16

Tal vez se considere que el principal aporte de este autor a la Teora del Capital
Humano, es plantear que las decisiones de invertir en la formacin de capital humano
estn sujetas a la evaluacin de sus costos y beneficios generados, as como por la
comparacin de los beneficios que se obtendra por la inversin en otras alternativas.
ste resulta no ser el nico, ya que a pesar de reconocer que la inversin es decisiva
en este proceso de formacin de capital humano, tambin realiza un anlisis de los
componentes principales de este capital, entre los que destaca principalmente a la
educacin, adems considera que el estado de salud es otro componente
determinante del capital humano.
El estado de salud es visto como un stock, considerado como capital sanitario, y su
contribucin como servicios sanitarios. Una parte de este capital es heredado y otra
adquirida a lo largo del tiempo, por lo que termina siendo tambin parte del capital
humano, adems este stock se desvaloriza con el tiempo; por lo tanto, la inversin en
capital humano comprende dos tipos de costos, a saber de adquisicin y de
mantenimiento, los mismos que incluyen el cuidado de los nios, la nutricin, vestido,
alojamiento, servicios mdicos, y cuidado de uno mismo.
En relacin a los componentes del capital humano, Aguirre, Carrasco y Nez (2009)
sealan que el volumen de capital humano de un pas se mide habitualmente por lo
aos de escolaridad de la poblacin, sin embargo, existen otros factores que son
representativos del capital humano tales como: nutricin, tecnologa, salud, etc.
Por otro lado, Schultz realiza un planteamiento muy importante para esta
investigacin, ya que implcitamente relaciona al capital humano y la pobreza a partir
de la concepcin acerca de la necesidad de destinar recursos a la inversin en seres
humanos y como un aporte de la teora del crecimiento. Al respecto Caibano (2005)
seala que con referencia a los pobres, Schultz en su Libro Investing in People
indicaba que los factores de produccin decisivos para el mejoramiento del bienestar
de los pobres no son el espacio, la energa y la disponibilidad de tierra cultivable; sino
que los factores decisivos son el mejoramiento de la calidad de la poblacin y los
adelantos en el conocimiento8.
En este sentido Schultz reconoce la importancia de los conocimientos, destrezas y
habilidades, en el proceso de crecimiento econmico y social, pues en ausencia del

Vase Caibano (2005) pg. 4, donde la autora reconoce que Schultz insisti especialmente a lo largo
de su obra, () en la importancia que tiene el personal dedicado a la investigacin en el fomento de
procesos de desarrollo econmico y, muy especialmente, las personas dedicadas a la investigacin en el
sector de la agricultura.

17

capital humano, las posibilidades que tiene la poblacin de verse inmersa en situacin
de pobreza son mayores. Es por esta razn que el fortalecimiento del capital humano
se convierte en una variable clave en los procesos de lucha contra la pobreza.
Posterior al trabajo de Schultz, Gary Becker (1964) en su libro Human Capital,
plante la idea bsica de considerar a la educacin y la formacin como inversiones
que realizan individuos racionales, con el fin de incrementar su eficiencia productiva y
sus ingresos.
Becker, considera que el agente econmico (individuo) en el momento que toma la
decisin de invertir o no en su educacin (seguir estudiando o no), en realidad decide
entre los beneficios que obtendr en el futuro si sigue formndose y los costos de la
inversin (por ejemplo, el costo de oportunidad -salario que deja de percibir por estar
estudiando- y los costos directos -gastos de estudios). Por lo tanto, Becker plantea que
los individuos toman sus decisiones en funcin de su anlisis costo beneficio,
siguiendo la premisa que estos actan de manera racional al momento de la toma de
decisiones.
Asimismo, Becker (1964) realiza una propuesta muy importante, al plantear una
distincin entre formacin general y formacin especfica. La diferencia entre ambas
ideas es que la primera es adquirida en sistema educativo como alumno, y tiene por
objeto incrementar la productividad del o los individuos, pero a un nivel general. Su
transferibilidad y su compra, explica el que est financiada por el trabajador, ya que
puede hacerla valer sobre el conjunto del mercado de trabajo.
Por otra parte, la empresa no est, obligada a financiar los costos de formacin de una
persona, ya que el trabajador puede hacer prevalecer esa formacin en otra empresa
dispuesta a mejorar la remuneracin, lo que podra incitarla a abandonar la
organizacin. En vista de ello, el financiamiento de la actividad toma la forma de una
remuneracin ms fiable. Por lo que, al pactar un salario, el acuerdo entre el
trabajador y la empresa consiste en la compra, por parte de la empresa, de la fuerza
de trabajo y la compra de formacin del trabajador, por otro.
En cuanto a la formacin especfica, esta es adquirida en una unidad de produccin o
de servicio, y permite al trabajador desarrollar su productividad dentro de la empresa,
pero nada o muy poco, fuera de sta, y est ms ligada a la experiencia.
De una forma simple, la formacin general estar dada por la formacin alcanzada por
el trabajador en el sistema educativo, as como por la decisin propia del mismo de
18

invertir en obtener una mayor calificacin, pero los conocimientos y habilidades

pueden volcarse en cualquiera de sus empleos realizados. En cambio, la formacin
especfica se da dentro de la unidad de produccin, y los conocimientos y habilidades
obtenidos por el trabajador aqu solo pueden verterse en beneficio de la organizacin,
mas no en otras.
La base de la teora del capital humano puede ser analizada a travs de la
interpretacin del Grfico n 1.1, que expone la relacin entre los rendimientos y la
edad, de acuerdo con el nmero de aos de escolaridad:
Grfico n 1.1: Evolucin de los rendimientos obtenidos en funcin de la
inversin realizada en educacin
RENDIMIENTOS

A
18

EDAD
22

Fuente: Vieira y Neira (2004)

A travs del anlisis grfico puede ser estudiada la evolucin del perfil de los
rendimientos obtenidos por un individuo (B) que tom la decisin de continuar sus
estudios despus de la enseanza bsica obligatoria y gratuita, as como la evolucin
del perfil de los rendimientos obtenidos por un individuo (A) que decidi incorporase al
mercado de trabajo, sin invertir en educacin post obligatoria9.

Para un mayor anlisis acerca de los retornos de la educacin podra revisarse los escritos de Jacob
Mincer (1993). Mincer estableci trminos bajo los cuales era ms adecuado estimar el efecto de la
escolaridad y la experiencia sobre el nivel de ingresos que se perciben, a partir de regresiones
matemticas aplicadas a funciones de ingreso, conocidas como Ecuaciones Mincerianas, y que han
servido a autores como Iglesias (2002), Castellar y Uribe (2004) y Villareal (2008) para realizar el clculo
de los retornos (rendimientos) de la educacin sobre los ingresos percibidos por los agentes econmicos.

19

A partir del ejemplo, se puede afirmar que en relacin a la composicin del costo, la
mayor proporcin correspondera al costo de oportunidad, dado que los costos
directos son, generalmente, ms reducidos. Por otro lado, y tal como defiende Becker
(1964), la inversin educativa otorga al individuo una menor probabilidad de
desempleo y despido (principalmente si paralelamente a la actividad profesional, ha
recibido tambin formacin profesional especfica, a lo largo del tiempo), y una mayor
movilidad profesional, o sea, que en el caso de estar desempleado o de querer
cambiar de empleo, le es ms fcil obtener colocacin a un individuo ms cualificado
que a un individuo que slo realiz la escolaridad obligatoria. Adicionalmente, un
individuo con mayor grado de calificaciones tiene la posibilidad de obtener otro tipo de
rendimientos que resulten de actividades extra que l pueda desempear y que son el
resultado del uso de parte de sus conocimientos, como actividades asociativas,
polticas y extra-laborales realizadas en casa, por ejemplo, entre otras.
En sntesis, la forma cncava del grfico, revela que los individuos ms jvenes
poseen mayor propensin hacia la inversin en su propio capital humano, ya que el
costo de oportunidad al que est sujeto un individuo de ms edad es mayor, por
ejemplo la carga familiar que este tiene, adems el periodo de tiempo en que l podr
disfrutar de rendimientos ms elevados, es menor. Es posible verificar que luego de un
tiempo de insertarse en el campo laboral, y tras unos aos, el individuo alcanza un
nivel de remuneracin mxima, para casi al final de su vida activa, obtener
rendimientos cada vez menores, todo esto explicado en funcin de la disminucin de
la inversin realizada en la formacin y de la disminucin del crecimiento de la
productividad, as como por la menor contribucin a la produccin (productividad),
debido a la edad avanzada, lo que puede considerarse como una depreciacin del
stock de capital humano.
Las teoras sobre el capital humano, sealan a la educacin y experiencia como
factores determinantes de la mejora de los individuos. Al respecto, Brunner y Elacqua
(2003) afirman que el capital humano es un factor determinante para la productividad,
competitividad, crecimiento, innovacin y bienestar de una sociedad.
Asimismo, debe mencionarse que cambios en la tecnologa provocan incrementos en
la productividad de los factores, principalmente del factor capital. Es decir, que el
fortalecimiento del capital humano tambin repercute sobre incrementos de la
productividad a travs de la innovacin. Monge-Gonzles y Hewitt (2008) concluyen
que la innovacin constituye un elemento fundamental para lograr alcanzar tasas de
crecimiento econmico sostenidas y estables.
20

De Ferranti y otros (2002) reconocen que existe literatura orientada a interpretar el

crecimiento econmico como mejoras en la calidad del capital y el trabajo, a diferencia
del crecimiento en la cantidad de estos factores de produccin. Por tanto, esta
literatura atribuye el crecimiento en la productividad a avances en tecnologa y en las
habilidades o competencias. La productividad ms que la acumulacin de factores
(trabajo y capital) es lo que explica la diferencia en el crecimiento en los pases,
regiones y departamentos.
1.1.3. Crticas a la Teora del Capital Humano
Ms all del amplio reconocimiento que ha merecido la teora del capital humano, es
posible encontrar que algunos autores como Kruger (n/d), Bowles y Gintis (1975),
sealan la existencia algunas deficiencias del esquema terico propuesto por esta
teora, principalmente encontrados en los supuestos sobre los que se basan, y que
segn estos autores, deterioran su capacidad explicativa frente a la complejidad de los
fenmenos reales.
Segn Kruger (n/d), en los planteamientos de la teora del capital humano se omiten
cuestiones centrales en decisiones intertemporales como la incertidumbre, las
expectativas o la imperfeccin en el mercado de capitales. Asimismo, la teora adolece
del determinismo propio del enfoque neoclsico, es decir, se asume un
comportamiento mecnico, anulando la libertad y la subjetividad del hombre. As, la
eleccin parece convertirse en un simple procedimiento en el que a un input
determinado le corresponde un output, haciendo abstraccin del contexto y las
caractersticas de quien decide.
Puntualmente, suele criticarse el supuesto de una maximizacin del ingreso
permanente descontado a una tasa uniforme, sealando que esto no es coherente con
los horizontes de planeamiento que tiene cada persona, y la valoracin del presente y
el futuro. Un individuo con una visin muy cortoplacista tendr una elevada tasa de
descuento, por lo que los beneficios esperados en el futuro tendrn un menor peso
relativo con respecto a los costos presentes. Profundizar en las posibles causas de los
distintos horizontes temporales resultara entonces de gran utilidad, cuestin ignorada
por la teora neoclsica.

21

Adicionalmente, Bowles y Gintis (1975) cuestionan los fundamentos mismos de la

teora, desde una perspectiva marxista10. Estos autores sostienen que su mayor
deficiencia es la ignorancia de la clase como concepto econmico central, y
consecuentemente, del elemento clave de los sistemas capitalistas, es decir, el
dominio del capital sobre el trabajo. Plantean que una adecuada teora de los recursos
humanos debera comprender tanto una teora de la produccin como una teora de la
reproduccin social. Es de esta manera que consideran que la teora neoclsica no
ofrece un marco analtico adecuado para comprender a este sistema y al logro
educativo alcanzado por la poblacin.
Despus de mencionar las crticas a la Teora del Capital Humano, y a modo de
plantear una refutacin de las mismas, se propone el anlisis de los escritos de Milton
Friedman (1962), quien se muestra a favor de la contrastacin emprica de las
hiptesis, as como de la falsacin de las mismas, ya que la nica prueba decisiva de
validez de una hiptesis es la comparacin de sus vaticinios con la experiencia () la
evidencia de un hecho nunca puede probar una hiptesis, nicamente puede evitar el
que sea desaprobada, que es lo que en general expresamos cuando decimos que la
hiptesis han sido confirmada por la experiencia11.
Con respecto al realismo de los supuestos, segn Gmez (2010), el objetivo de
Friedman no es encontrar supuestos realistas para una teora, sino aproximaciones
simplificadas e idealizadas, si fuese necesario, que proporcionen predicciones
suficientemente ajustadas, es decir, Friedman plantea que si se comprueba que la
teora es verdadera, entonces se puede concluir que sus supuestos tambin los son.
Adems, el hecho de contar con supuestos realistas no basta para que la teora sea
aceptable, pues una teora no puede probarse comparando sus supuestos con la
realidad, Katouzian (1982) afirma que una vez que se ha mostrado que una teora
funciona se puede atrapar en el aire cualquier supuesto y hacer de l su base
analtica12.
Con respecto a lo planteado en las crticas a la Teora del capital humano, se puede
argumentar que uno de los supuestos fundamentales de la ciencia econmica es la
racionalidad de los individuos, y el hecho que alguno no acte de forma racional, no
quiere decir, que este supuesto sea poco realista, por el contrario al llevar a cabo
10

Debido a las caractersticas de estas crticas, Vieira y Neira (2004) y Vieira (2008), consideran a Bowles
y Gintis (1975) como representantes de la Teora radical o marxista del capital humano.
11
12

Gmez, R. (2010) pg. 144.

Katouzian (1982) pg. 107

22

ciertos supuestos, lo que se busca es simplificar la complejidad de la realidad para su

mejor anlisis.
En lo que se refiere a discutir la idea de Bowles y Gintis (1975), debe recordarse el
anlisis sobre los planteamientos de Adam Smith, el mismo que propona que la
especializacin de la mano de obra, propia de la divisin del trabajo, conlleva a
generar desigualdades sociales debido a que los trabajadores ms calificados reciben
un salario mayor al de los menos calificados. Con esto se podra argumentar que la
Teora del Capital Humano si considera de manera implcita las clases sociales desde
sus primeros enfoques.
Por lo antes expuesto, puede afirmarse que esta teora si sera til para los propsitos
acadmicos de la presente investigacin.
1.1.4. Teoras Alternativas del Capital Humano
A partir de las crticas a la teora neoclsica del capital humano nace la denominada
corriente alternativa13, en la cual, segn Sahota (1978), es posible distinguir dos
vertientes. Por un lado, aquellas versiones que atacan principalmente a los desarrollos
en torno a la escolarizacin (credencialismo), y por el otro, aquellas que enfatizan el
lado de la demanda y enfocan el tema del entrenamiento en el trabajo ms que la
educacin formal (segmentacin de mercado).
En particular, esta corriente alternativa cuestiona la asociacin positiva entre la
educacin y la productividad de los agentes econmicos, postulada en la teora del
capital humano. El argumento central de esta corriente es que no sera el capital
acumulado a travs de la educacin, sino las habilidades y las instituciones, las que
realmente explicaran la distribucin en los ingresos. Estas teoras sostienen que la
relacin entre educacin e ingresos est mediada por las condiciones reinantes en el
mercado de trabajo, por lo cual se hace imprescindible analizar su estructura para
comprender los resultados de la educacin.
Estos planteamientos resultan lgicos, ya que los ingresos percibidos por los
trabajadores no solo dependen de la educacin recibida por estos, sino que se ven
afectados por otros factores tales como la habilidad del individuo para conseguir un
empleo con un buen salario y el contexto en el que desarrolla sus actividades, es
decir, el grado de institucionalidad puede influir de alguna manera en la determinacin
13

Puede citarse a Spence (1972), Thurow (1972), K. Arrow (1973), Gordon, Edwards y Reich (1982)
como principales representantes de esta corriente.

23

de los salarios de los trabajadores, adems de otros factores que afectan de una u
otra manera la determinacin del nivel de ingresos.
Credencialismo o Teora de los Filtros
En la primera vertiente de la corriente alternativa del capital humano encontramos la
llamada hiptesis del credencialismo14, o conocida tambin como el procedimiento
oculto de seleccin. Entre sus principales exponentes se encuentra a M. Spence
(1972), K. Arrow (1973) y Joseph Stiglitz (1979)15, tal como lo sealan Kruger (n/d) y
Vieira (2008). El aporte terico principal de estos autores es postular que la educacin
no tiene como fin el capacitar o socializar a los individuos, por lo que no expande la
productividad laboral, sino que por el contrario, la funcin primordial de la educacin es
simplemente permitirle al empleador filtrar o identificar a los individuos con ms
habilidad. Es decir, la educacin permite al empleador la eleccin de los individuos con
un mayor grado de calificacin, diferencindolos por su inversin de tiempo y recursos
en educacin, en un contexto de incertidumbre.
Como el empleador no puede conocer a priori la productividad marginal de cada
trabajador, basa su decisin en una serie de caractersticas observables, por ejemplo
a partir de las experiencias previas en el mercado, que le permite construir un perfil
para cada postulante. Dicho de otro modo, el empleador asigna probabilidades de
productividad condicionales a las distintas combinaciones de atributos personales de
los postulantes a partir de variables observables.
M. Spence (1972) y K. Arrow (1973) suponen que cada individuo tiene una
productividad predeterminada, y para que la sealizacin sea efectiva en el mercado
laboral, los costos de invertir en una mayor productividad deben estar negativamente
correlacionados con esta16. En este sentido puede deducirse que los individuos menos
productivos tendrn mayores costos para mejorar sus seales, y esto es lo que
permitir al empleador identificarlos. En sntesis, esta teora plantea entonces que el

14

Vieira (2008) y Neira (2003) denominan Teoras de los Filtros a esta teora, debido a las
caractersticas de las mismas, ya que advierten que la educacin sirve como un filtro usado por los
empleadores para captar al personal, pues que la educacin aqu juega un rol para la sealizacin, lo
que permite diferenciar a los empleados segn sus habilidades.
15
Vieira (2008) seala adicionalmente a Peter Doeringer y Michael Piore (1983) como parte de esta
corriente. Para estos autores existen mecanismos dentro de las empresas que determinan la relacin
trabajador/empresa, como ocurre en el caso de la distribucin de funciones, determinacin del salario,
escala de promocin, entre otros, estableciendo un mercado interno que sirve de barrera a la entrada de
trabajadores externos.
16
La relacin entre productividad y costos, es obvia desde las propias definiciones. Si se asume la
existencia de una produccin mayor con un nmero menor de insumos, lo cual significa tambin menores
costos, la productividad ser mayor. Expresado directamente en trminos de costos, a menores costos
por unidad de producto, la eficiencia de un sistema se juzgar mayor que en el caso inverso.

24

nivel educativo funciona principalmente para solucionar un problema de informacin de

los empleadores al momento de realizar la seleccin de los trabajadores17.
Adicionalmente a lo postulado en esta teora, debe sealarse que no slo resulta
importante la cantidad de educacin recibida, sino que resulta ms importante an la
calidad de la misma. Para Elas (2004), las variaciones en la calidad educativa
implican que un ao de escolaridad obtenido en un momento diferente, en un pas
diferente, o en una escuela diferente puede no ser equivalente a otro ao en
circunstancias distintas. Los sistemas educativos varan ampliamente entre los pases
en trminos de organizacin, recursos y preparacin de docentes y alumnos que
llegan a la escuela. Los gastos en educacin por alumno varan ampliamente entre los
pases, las condiciones educativas cambian desde aulas a la intemperie con docentes
de poca preparacin hasta modernas aulas equipadas con tecnologa virtual y
docentes con niveles de posgrado.
Ante esta situacin, Elas (2004), seala que Hanushek y Kim (1995) proponen medir
la educacin adquirida utilizando las calificaciones en tests internacionales de
habilidades cognitivas en matemticas y ciencia, lo que servir como un indicador no
slo de la mejora en la cantidad de educacin recibida por la poblacin sino de calidad
de la educacin percibida por esta. Sus resultados indican que estos tests estn
positivamente relacionados con el crecimiento del PBN per cpita en las regresiones
cross-country. Este resultado indica que la calidad de la educacin, en adicin a la
cantidad, es un ingrediente importante en el anlisis de la relacin capital humano,
crecimiento econmico y pobreza.
La calidad educativa es un componente importante del capital humano cuando se
compara una muestra de pases en el mbito internacional. Las variables que se
utilizan como proxys del capital humano en los estudios empricos son medidas
imperfectas del componente educacional del capital humano, ya que miden la cantidad
pero no la calidad de la educacin y por lo tanto no toman en cuenta limitaciones de
estructura y funcionamiento del sistema educativo que obstaculizan un mejor
aprovechamiento del capital humano., ms an, debido a la indisponibilidad de datos,
el anlisis se complica cuando se realizan estudios a nivel departamental.
17

Se dice que existe problema de informacin o informacin asimtrica en un mercado cuando una de
las partes que intervienen en una compraventa no cuenta con la misma informacin que la otra sobre el
producto, servicio o activo objeto de la compraventa. Esta teora supone una ruptura de la teora de los
precios en un sistema de competencia perfecta. Esta informacin asimtrica conduce a un fallo de
mercado, que proporciona un resultado econmico ineficiente. Para mayor detalle vase a G. Akerlof
(1970), J. Stiglitz y A. Weiss (1981).

25

Teora de la Segmentacin del Mercado

Dentro de la segunda vertiente de la corriente alternativa que se opone a la Teora del
Capital Humano, se encuentran las teoras de la segmentacin del mercado laboral18,
en las cuales se seala que la educacin sirve como un mecanismo de racionamiento
y un instrumento para competir.
En esta corriente puede citarse a Thurow (1972) quien plantea que en un mercado de
trabajo en donde existe exceso de oferta y los salarios son rgidos19, los empleadores
clasifican a los trabajadores en funcin de ciertas caractersticas, entre las cuales se
destaca el nivel educativo. En este sentido, la educacin no necesariamente garantiza
el acceso a un puesto bien remunerado, pero en un contexto competitivo, permite una
posicin ms ventajosa, ya que al existir un exceso de oferta en el mercado de trabajo,
los trabajadores ms calificados tendrn mayores posibilidades de ser contratados.
Sin embargo, cabe la posibilidad que existan puestos fijos de trabajo que se
distribuyen segn el nivel educativo de los postulantes, de ser este el caso, la mayor
escolarizacin obtenida por los postulantes representara un menor costo de
entrenamiento para el empleador.
En este sentido puede citarse a Kruger (n/d), quien resume que la educacin no
permite reducir el desequilibrio en el mercado de trabajo, sino que slo sirve como un
mecanismo de racionamiento y un instrumento para competir. Asimismo, este autor
plantea que es factible, como consecuencia del escenario analizado anteriormente,
que se observe el fenmeno de sobreeducacin, dado que los empleadores van
elevando los requisitos para los puestos disponibles a medida que el desempleo
persiste.
En esta lnea de pensamiento, Riquelme y Razquin (1999) sealan que Gordon,
Edwards y Reich (1982) desarrollaron el modelo de la segmentacin en el mercado de

18

Las teoras de la segmentacin reconocen la existencia de tres grandes segmentos laborales

(Doeringer y Piore, 1983; Gordon et al., 1986). Los trabajadores primarios independientes, por lo general
profesionales o tcnicos, trabajadores cualificados que destacan, comparativamente, por sueldos y
estatus ms elevados, estabilidad ocupacional y ms posibilidades de promocin. Los trabajadores
primarios dependientes con relativa seguridad en el trabajo, y menos beneficios que los primeros y en el
tercer segmento se encuentran los trabajadores secundarios, para quienes la inestabilidad laboral y la
rotacin son elevadas, los salarios ms bajos, las condiciones de empleo peores en trminos
comparativos, con muy limitadas o inexistentes posibilidades de promocin.
19

Cabe sealar que para la existencia de esta rigideces en los salarios, se asume un mercado de trabajo
perfectamente competitivo, el cual cumple con ciertas caractersticas como la necesidad por parte de las
empresas de contratar el mismo tipo de trabajo, y tanto trabajadores como empleadores son salario
aceptantes. Para mayor anlisis acerca de las rigideces de los salarios puede consultarse a De Gregorio
(2007).

26

trabajo, el cual postula que el mercado de trabajo no es un todo unificado, sino que
est compuesto por diferentes segmentos a los que acceden los trabajadores segn
caractersticas personales como la clase, sexo, raza y educacin, entre otros20. Los
salarios pagados en cada segmento no son un reflejo de la productividad marginal del
trabajo, sino ms bien de las estrategias de los empresarios con poder de mercado
para la fijacin de salarios21.
Entonces, si bien la educacin es un factor determinante en la distribucin de los
trabajadores entre los distintos segmentos, no es el nico, pues otros factores pueden
implicar que un alto nivel educativo no se corresponda con mayores salarios; ya que la
determinacin de los niveles de empleo y salarios en funcin de elementos tales como
la oferta, la demanda y el nivel de productividad resulta insuficiente en el contexto de
los complejos e institucionalizados mercados de trabajo actuales22.
1.1.5. Consideraciones finales respecto a las corrientes alternativas
Todas las corrientes analizadas, desde la teora del capital humano hasta sus ms
duras crticas y corrientes alternativas, constituyen aportes valiosos para la labor de
estudiar un tema tan relevante para el desarrollo como lo es la educacin. Es posible
extraer tiles herramientas de anlisis y esquemas de pensamiento de cada una de
ellas, para abordar los distintos fenmenos de la realidad, tambin serviran para el
estudio de lo concerniente al mercado laboral.
Sin embargo, parece que ninguno de estos esquemas es capaz de abarcar por s solo
la complejidad que se presenta en cualquier sistema social concreto e histrico.
La teora del capital humano ha hecho una importante contribucin al destacar ciertas
variables centrales en el proceso de decisin, destacando principalmente la educacin,
sin dejar de reconocer la importancia de otras variables, tales como las inmersas en el
componente sanitario, por ejemplo; a la vez que seal el componente intertemporal
inmerso en este proceso.

20

Debe indicarse que Jacob Mincer ya haba tenido en cuenta estos factores al plantear sus postulados
acerca de la Teora del Capital Humano.
21
En este caso el empresario llevara a cabo la fijacin de los salarios, como si se tratara de un
monopsonio.
22
lvarez (1994) seala que la Teora de la Segmentacin, se hace ms realista al rechazar dos
supuestos tericos tales como la homogeneidad del mercado de trabajo y la perfecta movilidad y
capacidad de competencia entre los trabajadores. Como resultado se obtiene la incorporacin al anlisis
terico de sistemas de organizacin de la produccin y el trabajo basados en mercados internos y
externos, con reglas de funcionamiento y determinacin del empleo y los salarios totalmente distintos.

27

Asimismo, el concepto de inversin en capital humano permite enfatizar la relevancia

econmica de la educacin, al poner de manifiesto su carcter acumulativo y su
capacidad de rendir frutos en el futuro. No obstante, cabe sealar que las corrientes
crticas a esta teora han argido principalmente que la falencia de sta recae en su
excesiva simplificacin, su pretensin de universalidad, y la irrealidad de sus
supuestos23, sin embargo en esta investigacin se reconoce la necesidad de
simplificar la realidad y delimitar el alcance de un postulado, con el fin de poder falsear
hiptesis y as generar nuevo conocimiento.
As, debe destacarse que en las denominadas crticas a la teora del capital humano
no se discute que los individuos tomen decisiones optimizadoras que pueden pensarse
como racionales, estos no lo hacen de forma aislada y mecnica, sino inmersos en un
determinado contexto socioeconmico, y respondiendo a impulsos desde el exterior de
una forma dinmica. Los mbitos del hogar, la escuela y el mercado de trabajo
constituyen un sistema que est en cambio permanente, por lo que, resulta imposible
estudiar una esfera sin tener en cuenta sus interrelaciones con las dems.
Por su parte las corrientes alternativas arrojan luz sobre los diversos mecanismos de
asignacin de los trabajadores dentro del sistema productivo, lo cual resulta til para el
anlisis de las expectativas y motivaciones de los individuos. Debido a que no siempre
el estudio est orientado a obtener mayores ingresos futuros, tambin suele ser un
recurso para defenderse frente a la inestabilidad laboral o para lograr una insercin de
mayor calidad24.
Entonces, desde esta perspectiva se observa una cuota de realismo, la misma que se
considera ausente en la teora del capital humano y que fue motivo de crticas. Sin
embargo, podemos decir que tambin se evidencian debilidades en la estructura de
estas corrientes alternativas, aunque distintas a la de sus predecesores, por ejemplo,
segn Kruger (n/d) estas no aportan un marco bien definido para el anlisis de
decisin a un nivel microeconmico, adems no explicitan los factores detrs de la

23

Friedman (1967) seala que el hecho de que la economa trate de las interrelaciones de los seres
humanos y que el investigador forme el mismo parte de la materia sujeto que se est investigando, en un
sentido ms ntimo que en las ciencias fsicas, da origen a dificultades en la tarea de alcanzar la
objetividad, al mismo tiempo que dota al cientfico social con una clase de datos no disponibles para el
estudioso de las ciencias fsicas. Por lo tanto, en todo proceso de generacin de nuevo conocimiento, el
fin ltimo de las simplificaciones y modelizacin de la realidad es proveer de un sistema de
generalizaciones que puedan ser utilizadas para hacer predicciones correctas sobre las consecuencias de
cualquier cambio en las circunstancias.
24

En este sentido Sen (1998), expone que la educacin no solo representa oportunidad de obtener
mayores ingresos, sino que sta tambin aporta mayores libertades al individuo, en el aspecto que un
hombre educado es capaz de leer, argumentar, proponer, etc.

28

inversin en sealizacin, ni su relacin con el contexto en el cual est inmerso el

decisor.
Por lo tanto, de estas corrientes alternativas se rescata que no solo sera la educacin
la nica variable clave en cuanto al capital humano que posee un individuo, sino que
este tambin se ve determinado por una serie de factores que varan entre los
individuos segn ciertas caractersticas25, de una u otra forma por las condiciones
reinantes del contexto y las instituciones, debido principalmente a que stas
determinan la participacin y desenvolvimiento de los individuos a lo largo de su vida.
Con lo que se habra reconocido los principales aportes tericos de esta corriente para
la realizacin de la presente investigacin.
1.1.6. Capital humano y capacidad humana
Es pertinente llevar a cabo una explicacin entre las relaciones y diferencias existentes
entre el capital humano y la capacidad humana, pues muchas veces suelen ser
confundidas, y aunque pueden dar una idea de algo similar, tienen una diferencia
sustancial.
Como punto de partida se cita a Amartya Sen (1998), para quien el concepto de capital
humano es ms limitado [que el de capacidad humana] puesto que slo concibe las
cualidades humanas en su relacin con el crecimiento econmico mientras que el
concepto de capacidades da nfasis a la expansin de la libertad humana para vivir el
tipo de vida que la gente juzga valedera26. Cuando se adopta esta visin ms amplia,
el proceso de desarrollo no puede verse simplemente como un incremento del PIB
sino como la expansin de la capacidad humana para llevar una vida ms libre y ms
digna.
As pues, y a partir de este pensamiento, puede afirmarse que el capital humano se
concentra en el carcter de agentes de los seres humanos, que por medio de sus
habilidades, conocimientos y esfuerzos, aumentan las posibilidades de produccin27,
mas no considera otros aspectos, mientras que la capacidad humana se centra en su
habilidad para llevar el tipo de vida que consideran valiosa e incrementa sus

25

Puede citarse a Mincer (1993) y Gordon, Edwards y Reich (1982), para afirmar que aspectos como
sexo, raza, e incluso la ubicacin dentro del territorio pueden afectar los resultados que obtenga un
individuo segn su formacin de capital humano acumulado.
26

Sen, A. (1998) pg. 71.

Becker en su obra ms conocida sobre Capital humano (1964) plante que una fuerza de trabajo bien
entrenada es un importante activo para un pas, puesto que la capacitacin de los trabajadores aumenta
la capacidad productiva de la fuerza laboral.
27

29

posibilidades reales de eleccin. Ambas perspectivas estn relacionadas porque se

ocupan del papel de los seres humanos y, en particular, de las habilidades efectivas
que stos logran y adquieren.
A modo de una forma simple de interpretar esta idea, podra argirse que si bien la
capacidad humana es un tipo de habilidad para la mejor eleccin en cuanto a la
calidad de vida se refiere, es el capital humano quien termina jugando un papel
fundamental en esto, ya que es finalmente a travs de l que se crea esa gama de
elecciones posibles.
Por ejemplo, dadas sus caractersticas personales, sus antecedentes sociales, sus
circunstancias econmicas, etctera, una persona tiene la habilidad para realizar
determinadas cosas que por alguna razn juzga valiosas. La razn para esa
valoracin puede ser directa (el funcionamiento involucrado puede enriquecer su vida
en forma directa, como estar bien nutrido o estar saludable) o indirecta (el
funcionamiento involucrado puede contribuir a la produccin futura o alcanzar un
precio en el mercado).
La perspectiva del capital humano puede cubrir ambos tipos de valoracin pero suele
definirse en trminos de valor indirecto, es decir, las cualidades humanas que pueden
emplearse como 'capital' en la produccin tal como se emplea el capital fsico. En este
sentido, la concepcin de capital humano ms restringido cabe dentro de la
perspectiva ms amplia de capacidad humana que puede incluir las consecuencias
directas e indirectas de las habilidades humanas.
As pues, si la educacin u otro factor, hace que la persona sea ms eficiente en la
produccin de bienes, resultara claro suponer que hay un mejoramiento del capital
humano. Este mejoramiento puede, si el contexto y dems factores lo permiten,
agregar valor a la produccin de la economa y aumentar el ingreso de la persona que
ha sido educada. Pero an con el mismo nivel de ingreso, esa persona puede
beneficiarse de la educacin por la posibilidad de leer, argumentar, comunicar, elegir
con mayor informacin, ser tenida en cuenta ms seriamente por otros y as
sucesivamente. De modo que los beneficios de la educacin son mayores que su
funcin de capital humano en la produccin de bienes.
La perspectiva ms amplia de capacidad humana puede abarcar - y valorar - estas
funciones

adicionales.

Las

dos

perspectivas

estn,

entonces,

ntimamente

relacionadas aunque sean distintas.

30

La significativa transformacin en cuanto al mayor reconocimiento respecto al "capital

humano" ayuda a entender la pertinencia de la perspectiva de las capacidades. Si una
persona llega a ser ms productiva mediante una mejor educacin, una mejor salud,
etc., no es absurdo esperar que tambin pueda dirigir mejor su propia vida y tener ms
libertad para hacerlo.

31

Cuadro N 1.1: Resumen de las Principales Teoras del Capital Humano.

Corriente
econmica

Representantes

William Petty
Prefisiocrticos

(Siglo XVII)

Richard Cantillon
(Siglo XVII XVII)

Planteamientos

Aportes Tericos a esta investigacin

Destacan el efecto positivo que tiene la educacin

nfasis en el diferencial remunerativo entre personas calificadas y no calificadas,

sobre el crecimiento econmico, debido a que sta

explicados tanto por los costos directos y costo de oportunidad realizados

permite incrementar el nivel de conocimientos de la

durante la formacin, que se traduce en el incremento salarial no recibido

poblacin y, de este modo, aumentar la productividad

durante el perodo de duracin del proceso educativo.

del factor trabajo y favorecer dicho crecimiento.

La valoracin subjetiva del factor trabajo es mayor que los ingresos percibidos
por los trabajadores tras realizar sus labores.

Antecedentes
de la Teora del

Divisin del trabajo provoca especializacin de la

La habilidad incorporada por la educacin al trabajador es un capital que puede

Capital

mano de obra, lo que incrementa la productividad del

ser considerado como una mquina, que facilita y reduce el tiempo de trabajo.

factor trabajo.

Las personas ms capacitadas reciben mejores salarios, lo que explica las

La educacin y la formacin son una forma de

desigualdades sociales.

Humano
Adam Smith
(Siglo XVII)
Clsicos
Jhon S. Mill
(Siglo XIX)

capital, el cual debe recibir un mayor ingreso en la

medida que las mayores capacidades resultantes del
proceso de formacin contribuyan al logro de un
mayor producto.
Las desigualdades sociales son resultado de la
naturaleza de los empleos, empleos ms complejos
suponan

mayores

ingresos

una

mayor

diferenciacin social.

32

Corriente
econmica

Representantes

Planteamientos

Aportes Tericos a esta investigacin

Destacan el efecto positivo que tiene la educacin

sobre el crecimiento econmico, debido a que sta

Deben destinarse recursos pblicos a las mejoras constantes en educacin. El

permite incrementar el nivel de conocimientos de la

Estado debe proveer una educacin de calidad, ya que esta repercute, en algn

poblacin

momento, sobre la eficiencia del pas.

y,

de

este

modo,

aumentar

la

productividad del factor trabajo y favorecer dicho

crecimiento.
Excluye del anlisis econmico el concepto de
Antecedentes de

Neoclsicos

la Teora del

Alfred Marshall

capital asociado al ser humano, al considerar que no

(Siglo XIX XX)

existe un mercado de capital humano en el que se

pueda cambiar derechos que garanticen unas rentas

Capital Humano

futuras.
Considera que la educacin (general y tcnica), as
como el aprendizaje en el puesto de trabajo, permite
aumentar la eficiencia industrial y, asimismo, valora
muy positivamente que se dediquen fondos pblicos
a la educacin.
Plante que capital representa todo el conjunto de
Teora

Irving Fisher

recursos que posibilitan la creacin de futuros flujos

Al aplicar el trmino capital al factor humano, este autor contribuy a la

Cuantitativa

(Siglo XIX XX)

de ingresos, por lo que es posible la aplicacin de

aparicin y desarrollo de la Economa de la Educacin.

este trmino al ser humano.

33

Representantes

Planteamientos

Aportes a esta investigacin

Plantea los retornos de la educacin, a partir de funciones

Se considera a la educacin como una inversin que realizan los individuos y que les permite

Jacob Mincer

matemticas. Es decir, despus de invertir en educacin se espera

aumentar su dotacin de capital (humano). Esta inversin aumenta su productividad y sus

(1958)

que el individuo tenga ms probabilidades de conseguir empleo

ingresos futuros, en el marco neoclsico de mercados competitivos en el que se desarrolla

con un salario mayor al que tendran los individuos que se

esta teora. As, se establece una relacin causal entre educacin, productividad e ingresos,

incorporaron al campo laboral antes que l.

de forma que un aumento de la educacin producir un mayor nivel de renta y un mayor

crecimiento econmico.

La calidad de la poblacin es un recurso escaso, su adquisicin y

Teora
del
Capital
Humano

Theodore
Schultz
(1961)

formacin necesitan de una inversin.

El capital humano que posee una persona no es

determinado solamente por el nivel

Esta inversin en capital adicional resulta de la decisin individual,

educativo, sino tambin por el estado de salud, medido a travs del stock sanitario, por lo que

basada en la evaluacin de los costos de la inversin y de la

es importante invertir en el cuidado de los nios, la nutricin, vestido, alojamiento, servicios

rentabilidad esperada para los distintos niveles educativos.

mdicos, y cuidado de uno mismo, para reducir la desvalorizacin del componente sanitario.

La educacin es importante, pero tambin lo es la salud, por lo

tanto tambin debe invertirse en mejoras del stock sanitario para

Se reconoce la relacin entre capital humano y pobreza. Se plantea que para reducir el

que este no se desvalorice.

nmero de pobres debe mejorarse su capital humano.

Los factores de produccin decisivos para el mejoramiento del

bienestar de los pobres no son el espacio, la energa y la
disponibilidad de tierra cultivable; sino que los factores decisivos
son el mejoramiento de la calidad de la poblacin y los adelantos
en el conocimiento
Gary Becker
(1964)

Considera a la educacin y formacin como inversiones.

Diferencia entre formacin general y formacin especfica.

34

Corriente
Econmica

Representantes

M. Spence
(1973)
Credencialismo
o

K. Arrow

Teora de

(1973)

los Filtros
J. Stiglitz

Teoras

(1975)

Alternativas
del

Planteamientos

Aportes Tericos a esta investigacin

Consideran que la educacin no tiene como fin el capacitar

En un campo laboral como el nuestro, la educacin y formacin de capital

o socializar a los individuos, por lo que no expande la

humano sirven como seales para que los empleadores distingan entre

productividad laboral. Su funcin es simplemente permitirle

personas calificadas y no calificadas.

al empleador filtrar o identificar a los individuos con ms

habilidad, diferencindolos por su inversin de tiempo y
recursos en educacin.
Esta teora plantea que el nivel educativo funciona
principalmente para solucionar un problema de informacin
de los empleadores al momento de realizar la seleccin de
los trabajadores

Capital
Humano

Thurow
Teora

La educacin no necesariamente garantiza el acceso a un

La educacin no es el nico indicador de productividad en el mercado de

puesto bien remunerado, pero en un contexto competitivo,

trabajo, por lo que se crean segmentos, segn ciertas caractersticas.

permite una posicin ms ventajosa.

Los salarios responden ms a una estrategia de los empresarios que al

(1972)

De la

nivel educativo de los trabajadores.

La educacin sirve como un mecanismo de racionamiento y

Segmentacin

Gordon, Edwards y

De mercados

Reich (1982)

un instrumento para competir.

Se crean segmentos de trabajo, segn la clase sexo, raza,

etc. La fijacin de salarios no responde solo a factores
educativos sino tambin al poder monoplico de fijacin de
salarios que tienen los empleadores.

Fuente: Kruger (n/d), Sahota (1978), Vieira y Neira (2004), Rodrguez (2005) y Vieira (2008)
Elaboracin: Propia.

35

1.2. Pobreza
Cuando se estudia la pobreza, no es posible encontrar o tener a disposicin una
teora clara acerca de lo que es pobreza, sin embargo, es posible identificar diversos
enfoques a partir de los cuales puede definirse este fenmeno. Ruggeri, Saith y
Stewart (2003) sealan la existencia de hasta cuatro enfoques, a los cuales
denominan el enfoque monetario, el de las capacidades, el de la exclusin social y el
participativo, por su parte, Rodrguez (n/d) distingue tres enfoques, el enfoque directo,
indirecto y combinado, a partir de criterios tales como las necesidades bsicas
insatisfechas y consumo calrico, por ejemplo, pero que sin embargo se encuentran
relacionados con los anteriores, y esta clasificacin de los enfoques son ms utilizados
al momento del constructo de los indicadores de la pobreza.
Es posible afirmar que estos autores, son la expresin de un debate ms amplio en
torno a la manera de entender el desarrollo de la riqueza y el no goce de los beneficios
que esta genera.
1.2.1. Enfoques sobre la pobreza
Siguiendo a Ruggeri, Saith y Stewart (2003), en el enfoque monetario, que es sin lugar
a dudas el enfoque ms difundido entre los crculos acadmicos y las instituciones
ms saltantes, se define a la pobreza como un descenso en el consumo o ingreso, y
se toma como base una lnea de pobreza, la misma que sirve para diferenciar a los
pobres de los no pobres. Sin embargo, debe mencionarse que si bien este es el
enfoque ms divulgado, los dems enfoques vienen teniendo una aceptacin cada vez
mayor, en la medida en que han puesto de manifiesto las limitaciones de la
perspectiva monetaria para definir a la pobreza, adems de contribuir a una
comprensin ms integral del tema.
Con respecto al enfoque de las capacidades, puede decirse que es Amartya Sen
(1999) quien lo propone, rechazando el ingreso monetario como la nica medida del
bienestar. En tal sentido, Sen define este enfoque como la libertad de los individuos
para vivir una vida que les permita la realizacin de sus capacidades28. En este
enfoque, la pobreza es entendida como la carencia de recursos que impide a las
personas cumplir algunas actividades bsicas como permanecer vivo y gozar de una
vida larga y saludable, reproducirse y transmitir su cultura a las generaciones
28

CEPAL-UNIFEM-Repblica de Italia (2004), Entender la pobreza desde la perspectiva de gnero,

Series Mujer y Desarrollo N 52, pg. 10, Santiago de Chile.

36

siguientes, interactuar socialmente, acceder al conocimiento y gozar de libertad de

expresin y pensamiento29.
El enfoque de la exclusin social estudia las caractersticas estructurales de la
sociedad que generan procesos y dinmicas que excluyen a los individuos o a los
grupos de la participacin social plena. Hace especial referencia a la distribucin de
las oportunidades y los recursos para la superacin de la exclusin, y al fomento de la
inclusin tanto en los mercados de trabajo como en los procesos sociales.
Es decir, este enfoque propone que la pobreza surge a partir de la exclusin de los
trabajadores menos calificados del mercado laboral, as como por los procesos
sociales mismos, tales como por ejemplo la migracin de las personas del campo a la
ciudad y que por una u otra razn no logran insertarse a la nueva sociedad, por lo que
se tiene como resultado incremento de la poblacin en situacin de pobreza a partir de
eventos generadores de exclusin social.
En lo concerniente al enfoque participativo, Ruggeri, Saith y Stewart (2003) y
Arriagada (2003) sealan que son los pobres quienes definen a la pobreza a partir del
anlisis que ellos mismos hacen de su realidad e incluyen los aspectos que consideran
significativos. Desde este punto de vista, la superacin de la pobreza pasa por el
empoderamiento de los pobres.
Asimismo, es posible encontrar que otras crticas a la conceptualizacin y medicin de
la pobreza segn el ingreso y el consumo provienen de nuevos planteamientos
tericos que amplan y profundizan el concepto de pobreza. Por ejemplo, De Janvry,
A. y Sadoulet, E. (2004)

y el MIMDES (2005), considera el enfoque territorial, el

mismo que ha contribuido a una mejor comprensin de la pobreza al estudiar las

caractersticas de los contextos espaciales en los que residen grupos de personas en
situacin de pobreza, al tener en cuenta aspectos como la concentracin y el acceso a
activos naturales y fsicos. Esto ha permitido reflejar la heterogeneidad del fenmeno y
precisar las necesidades de la poblacin.

29

De acuerdo con este enfoque, la lucha contra la pobreza consistira en identificar y potenciar las
capacidades de las personas para mejorar su bienestar. Asimismo este enfoque es una de las bases
sobre las que se cimienta la teora del desarrollo humano. Al respecto, segn el Programa de las
Naciones Unidas para el Desarrollo PNUD (1997), las capacidades ms esenciales para el desarrollo
humano son disfrutar de una vida larga y saludable, haber sido educado, acceder a los recursos
necesarios para lograr un nivel de vida digno y poder participar en la vida de la comunidad. Sin estas
capacidades, se limita considerablemente la variedad de opciones disponibles y muchas oportunidades
en la vida permanecen inaccesibles.

37

De los dos prrafos anteriores podemos comentar que, es por estas razones que
muchos de los planes de erradicacin de la pobreza toman en cuenta criterios como
focalizacin de la misma y la participacin de pobladores de la misma comunidad para
el funcionamiento de los programas sociales, ya que son estos quienes conocen mejor
su realidad y tienen identificadas cuales son las necesidades que los aquejan.
En conjunto, estos diferentes enfoques y conceptos han puesto de manifiesto la
complejidad de la pobreza y han favorecido el logro de un mayor consenso en cuanto
a que se trata de un fenmeno con varias dimensiones, ya que obedece a diversas
causas y se manifiesta de diferentes maneras, es decir, se trata de un fenmeno
multidimensional y heterogneo, que comprende carencias materiales, no materiales,
subjetivas y culturales.
Tambin desde estos enfoques se ha planteado la necesidad de entender la pobreza
como un proceso y no como un estado, es decir, si bien la pobreza puede ser una
situacin que se mantiene en el tiempo, esta puede variar a lo largo de periodo, es
decir, puede modificarse en el corto plazo, especialmente en funcin del empleo y el
desempleo.
Si observamos desde una perspectiva ms amplia, veremos que existen algunos
conceptos que pueden contribuir al anlisis del tema de la pobreza, como son la
desigualdad, la vulnerabilidad y la exclusin. No obstante, como lo seala Arriagada
(2003), es importante diferenciar estos conceptos analticamente en la medida en que
el enfoque escogido incide en el tipo de polticas y programas que se formulan para
enfrentar el fenmeno.
En cuanto al concepto de desigualdad, entendido como el grado de concentracin y
polarizacin de la distribucin del ingreso urbano segn los distintos grupos de
poblacin, para Arriagada (2003) an cuando constituye una problemtica ms amplia
que la pobreza, es en el caso de Amrica Latina un referente complementario obligado
puesto que tiene determinantes comunes y marca adems, tanto los niveles de
crecimiento econmico y gasto social requeridos para la erradicacin de la pobreza
urbana, como los plazos en que puede aventurarse el logro de dicho objetivo en los
distintos pases30.
Con respecto a la vulnerabilidad, sta contribuye a mostrar ciertos procesos que
conducen a la pobreza. Aunque no es un sinnimo de pobreza, supone el aumento de

30

Arriagada (2003) pg. 4.

38

la fragilidad de las personas o las familias respecto de ella. Se relaciona con un

aspecto externo, referido a riesgos como el alza de los precios, la prdida del empleo
o los accidentes, a los cuales un individuo o un hogar se encuentran expuestos, y un
aspecto interno, que alude a la carencia de recursos para enfrentar los riesgos y evitar
mayores prdidas. Segn Clert (1998), uno de los aspectos positivos de este concepto
es que abarca tanto recursos materiales como no materiales.
La exclusin es tomada de manera relacional, en la medida en que el nfasis no est
puesto en los recursos monetarios sino tambin, como bien seala Clert (1998) en las
relaciones del individuo con la familia, la comunidad y el Estado. Se distingue
habitualmente entre distintas formas de exclusin que estn relacionadas, a saber, la
exclusin de los mercados de trabajo, bienes y servicios; la exclusin poltica e
institucional, es decir, de la participacin y la representacin; exclusin cultural, o sea
de la identidad, el conocimiento y los valores, y la exclusin espacial, es decir, del
territorio y la ubicacin geogrfica. Por lo tanto, puede afirmarse que los mecanismos
de exclusin pueden ser institucionales o socioculturales.
1.2.2. Tras la conceptualizacin de la pobreza
De la misma manera que no se tiene una teora compacta acerca de la pobreza, son
muchas las conceptualizaciones que se le han dado. Entre las definiciones ms
inclusivas de la pobreza que han propuesto los diferentes enfoques, han sido
criticadas atendiendo a criterios ms operativos. En este sentido, se ha sealado que
la definicin de un fenmeno social como la pobreza no necesariamente debe incluir,
adems de la identificacin del fenmeno, sus causas o factores explicativos y algunas
de sus consecuencias. Incluso es posible que esta mayor amplitud en la
conceptualizacin de la pobreza dificulte el logro de acuerdos31, lo que inducira a
obstaculizar el logro de mejores resultados en cuanto a lucha contra la pobreza se
refiere.
Vista esta premisa, se tratara de volver a una definicin primaria de la pobreza sobre
la base de la incapacidad de satisfacer las necesidades de supervivencia, sin
desconocer los condicionamientos histricos, y que diferencie claramente el concepto
de pobreza, mediante una definicin ms operativa, de sus factores explicativos y
consecuencias, o lo que se denomina sndrome situacional de la pobreza. Con esto se

31

Por esta razn, los partidarios del enfoque monetario plantean la necesidad de una definicin ms
operativa de la pobreza que permita establecer una medida para identificar quienes viven en situacin de
pobreza y quines no.

39

aumentara la posibilidad de llegar a cierto acuerdo y permitira reubicar el concepto de

la pobreza en el contexto actual.
Cabe sealar, que la CEPAL (2000) ha definido a la pobreza tomando en
consideracin sus diversas dimensiones. La primera definicin de pobreza sealaba
que se trataba de un sndrome situacional en el que se asocian el infraconsumo, la
desnutricin, las precarias condiciones de vivienda, los bajos niveles educacionales,
las malas condiciones sanitarias, una insercin inestable en el aparato productivo,
actitudes de desaliento y anomia, poca participacin en los mecanismos de integracin
social y quiz la adscripcin a una escala particular de valores, diferenciada en alguna
medida del resto de la sociedad32.
Desde este punto de vista, a partir de la CEPAL (2003), se ha planteado definir la
pobreza como el resultado de un proceso social y econmico - con componentes
culturales y polticos - en el cual las personas y los hogares se encuentran privados de
activos y oportunidades esenciales por diferentes causas y procesos, tanto de carcter
individual como colectivo, lo que le otorga un carcter multidimensional. As, adems
de la privacin material, la pobreza comprende dimensiones subjetivas que van ms
all de la subsistencia material.
Debe mencionarse tambin a Casero y Trueba (2004), quienes plantean que la
pobreza es una situacin de degradacin generalizada (nutricin, educacin, sanidad)
que afecta a los individuos tanto fsica, como fisiolgica y psicolgicamente,
privndoles de sus capacidades bsicas e incapacitndoles para ejercer sus derechos
y mejorar su calidad de vida.
De esta manera puede observarse que la definicin de pobreza ha ido modificndose
y ha pasado de ser analizada solo desde el enfoque monetario a considerarse otros
aspectos que son relevantes, tales como la educacin, salud, nutricin, sanidad, etc.
1.2.3. Indicadores de la Pobreza
Todo mtodo de medicin de pobreza requiere una previa definicin conceptual de
aquella realidad social que pretende medir. Por ello, segn Dubois (n/d), los
indicadores de pobreza describen, de alguna manera, a los paradigmas o enfoques de

32

CEPAL-UNIFEM-Repblica de Italia (2004), Entender la pobreza desde la perspectiva de gnero,

Series Mujer y Desarrollo N 52, pg. 12, Santiago de Chile.

40

la pobreza. Segn las dimensiones que componen la definicin de pobreza, la

metodologa de medicin plantear unos u otros procedimientos e indicadores.
En la literatura econmica se ha producido una evolucin en la comprensin de los
contenidos de la pobreza que, siguiendo a Feres (1997) y el PNUD (1997), puede
agruparse en tres grandes categoras:
a) La pobreza contemplada desde la perspectiva del ingreso o del gasto, y que
considera exclusivamente los requerimientos mnimos.
b) La pobreza que parte de las necesidades bsicas, desde las ms elementales
como educacin, salud y vivienda, hasta la inclusin de otras exigencias para
una adecuada vida social.
c) La privacin relativa, que establece una visin ms global de la persona y que
define la pobreza desde las capacidades ms o menos plenas de las personas
para desarrollarse.
Una distincin importante en cuanto a los indicadores de pobreza, es si se parte o no
de un concepto de pobreza absoluta33. Se entiende que se parte de un concepto de
pobreza absoluta, cuando la definicin de pobreza contempla un nivel o techo que
delimita con nitidez el conjunto de necesidades que se tienen en cuenta o la cantidad
de ingresos estimados para considerar que una persona es pobre. La delimitacin se
realiza en base a los criterios que cada sociedad establezca y que reflejan su
concepcin de lo que deban ser las condiciones mnimas de vida de las personas. Lo
caracterstico de la pobreza absoluta es que, una vez fijada la escala, la medida
permanece fija y no depende de otra referencia.
La pregunta convencional a la hora de elegir el mtodo ms adecuado para determinar
los niveles de pobreza es si se debe partir del ingreso o del consumo. Desde una
perspectiva conceptual no parece haber duda de que el consumo ofrece una base
mejor para determinar la situacin de una persona que el nivel de ingreso.
Esto porque el ingreso pueden resultar engaoso por su carcter variable, ya que
presenta niveles muy distintos segn el momento en que se haga la observacin; por
33

Segn la declaracin de las Naciones Unidas emitida como resultado de la Cumbre Mundial sobre el
Desarrollo Social en Copenhague en 1995, la pobreza absoluta es "una condicin caracterizada por la
privacin severa de las necesidades bsicas humanas, tales como alimento, agua potable, facilidades
sanitarias, salud, refugio, educacin e informacin. Esta depende no solo del ingreso sino tambin del
acceso a los servicios".

41

ejemplo, en el caso de trabajadores temporales. En cambio, el comportamiento del

gasto suele ser ms estable, o por lo menos no tan voluble como el ingreso, sobre
todo cuando se trata de las necesidades ms elementales.
Segn A. Sen (1981), son dos los procedimientos fundamentales para establecer los
niveles absolutos de pobreza: a) el mtodo indirecto, que llega al concepto de pobreza
a travs de un elemento intermedio como es el ingreso del que disponen las personas
u hogares, que permite establecer si potencialmente alcanza para adquirir los bienes y
servicios considerados mnimos, y b) el mtodo directo, que parte del dato de los
resultados de satisfaccin, es decir, de las necesidades efectivamente cubiertas, para
lo que utiliza los datos de consumo reales.
La realidad es que, por razones de ndole prctica, la mayor facilidad de medicin y la
disponibilidad de datos, el mtodo ms utilizado ha sido el mtodo indirecto que se
basa en los niveles de ingresos como criterio para determinar la pobreza. Esta
eleccin no oculta todos los inconvenientes y deficiencias que el ingreso comporta.
Pero, segn Blackwood y Lynch (1994), a pesar de estas deficiencias, la mayora de
los analistas siguen la convencin de contemplar la pobreza como una funcin de los
niveles de renta insuficientes para asegurar los bienes y servicios bsicos.
Debido a la multidimensionalidad de la pobreza, el tipo de indicadores de pobreza es
amplio, pudiendo clasificarse en indicadores de tipo cualitativo o cuantitativo segn
sea el caso, asimismo, dependen estrechamente del mtodo a utilizarse.
Cabe destacar que segn el MEF34 y siguiendo a Rodrguez (n/d), los indicadores
pueden calcularse a partir de la pobreza monetaria, situarse segn la pobreza
monetaria (lnea de pobreza, indicadores Foster Geer Thorbecke (FGT)), pobreza no
monetaria (ndice de Desarrollo Humano (IDH), Indicador de Necesidades Bsicas
Insatisfechas (NBI), Indicadores de condiciones de vida de los hogares35) y el mtodo
integrado. Asimismo, el INEI utiliza en sus clculos la lnea de pobreza, las
necesidades bsicas insatisfechas y el mtodo integrado. Para fines de esta
investigacin se tomar en cuenta la incidencia de pobreza, calculada por el INEI a
partir de la lnea de pobreza.

34

Ministerio de Economa y Finanzas (MEF). Mtodos para medir la pobreza. Documento disponible a
texto
completo
en:
http://www.mef.gob.pe/index.php?option=com_content&view=article&id=370&Itemid=100412&lang=es
35
Estos indicadores de las condiciones de vida de los hogares son calculados a partir de la Encuesta
Nacional de Hogares (ENAHO), realizada por el Instituto Nacional de Hogares (INEI), siendo de
periodicidad anual.

42

Cuadro n 1.2: Resumen de los principales enfoques y conceptualizacin sobre la pobreza

Representante

Enfoque

Enfoque
Monetario

Enfoques
sobre la

Ruggeri, Saith

Pobreza

Y Stewart

Planteamiento

Variables y mtodos de
medicin

Se define a la pobreza como un descenso en el consumo o ingreso, y se toma como base una lnea de
pobreza, este es sin lugar a dudas, el enfoque ms difundido entre los crculos acadmicos y las

Ingresos

instituciones ms saltantes.

Enfoque de las

Amartya Sen (1999) rechaza el ingreso monetario como la nica medida del bienestar, por lo que

capacidades

propone el enfoque de las capacidades, el mismo que define como la libertad de los individuos para
vivir una vida que les permita la realizacin de sus capacidades.

(2003)

Capacidades

de

los

individuos.

Exclusin sociocultural e
Enfoque de
Exclusin social

Hace especial referencia a la distribucin de las oportunidades y los recursos para la superacin de la

institucional.

exclusin, y al fomento de la inclusin tanto en los mercados de trabajo como en los procesos sociales.

Desigualdad.
Coeficiente Gini

Enfoque
participativo

Son los pobres quienes definen a la pobreza a partir del anlisis que ellos mismos hacen de su realidad
e incluyen los aspectos que consideran significativos. Desde este punto de vista, la superacin de la
pobreza pasa por el empoderamiento de los pobres.

Participacin ciudadana
en toma de decisiones.

43

Representante

Enfoque

Enfoque
Directo

Enfoques
sobre la
Pobreza

Planteamiento

Variables y mtodos de medicin

Llega al concepto de pobreza a travs de un elemento intermedio como es el ingreso del que

Lnea de pobreza,

disponen las personas u hogares, que permite establecer si potencialmente alcanza para adquirir los

Indicadores Foster Geer Thorbecke

bienes y servicios considerados mnimos.

(FGT).

ndice de Desarrollo Humano (IDH),

Rodriguez
(n/d)

Indicador de Necesidades Bsicas

Enfoque

Parte del dato de los resultados de satisfaccin, es decir,

indirecto

cubiertas, para lo que utiliza los datos de consumo reales.

de las necesidades efectivamente

Insatisfechas (NBI),
Indicadores de condiciones de vida
de los hogares).

Enfoque
combinado

Llamado tambin mtodo integrado, pues es una combinacin de los enfoques anteriores.

Combinacin de los mtodos

anteriores.

44

Representante

Enfoque
Un sndrome situacional en el que se asocian el infra consumo, la desnutricin, las precarias condiciones de vivienda, los bajos niveles

Altimir (1979)

educacionales, las malas condiciones sanitarias, una insercin inestable en el aparato productivo, actitudes de desaliento y anomia, poca

CEPAL (2000)

participacin en los mecanismos de integracin social y quiz la adscripcin a una escala particular de valores, diferenciada en alguna medida
de la del resto de la sociedad.

Conceptualizacin
de
Pobreza

CEPAL

El resultado de un proceso social y econmico - con componentes culturales y polticos - en el cual las personas y los hogares se encuentran

(2003)

privados de activos y oportunidades esenciales por diferentes causas y procesos, tanto de carcter individual como colectivo, lo que le otorga
un carcter multidimensional.

Casero y Trueba
(2004)

Es una situacin de degradacin generalizada (nutricin, educacin, sanidad) que afecta a los individuos tanto fsica, como fisiolgica y
psicolgicamente, privndoles de sus capacidades bsicas e incapacitndoles para ejercer sus derechos y mejorar su calidad de vida.

Fuente: Ruggeri, Saith y Stewart (2003), Rodrguez (n/d), Altimir (1979), CEPAL (2000), CEPAL (2003) y Casero y Trueba (2004).
Elaboracin: Propia.

45

1.3. Relacin entre el capital humano y la pobreza

La teora del capital humano ha tenido una mayor relevancia en las ltimas cinco
dcadas, los componentes de la misma son mltiples, enfatizando principalmente la
educacin, as como el componente sanitario, destacando en este el estado de la
salud y la nutricin.
Con respecto a la funcin de la educacin, Casero y Trueba (2004), sostienen que los
sistemas educativos tienen tres funciones: la socializacin (porque permite a los
individuos desenvolverse libremente e interactuar en sociedad); la adquisicin de
habilidades, destrezas y entrenamiento y la certificacin (dentro de la cual estn
contemplados los distintos documentos que acreditan la formacin del individuo).
La premisa fundamental acerca de estas funciones, es que estas contribuyen a la
asignacin racional de recursos segn las necesidades sociales, por lo que terminan
generando movilidad social. A partir de esto, y siguiendo a Bazdresch (n/d), puede
afirmarse que una mayor educacin proporciona ms capital humano (socializacin,
conocimientos y certificados) a los miembros de la sociedad para competir por los
puestos y los ingresos36.
Para el cumplimiento de estas ideas, los sistemas educacionales deben cumplir una
funcin distributiva, ya que de esta manera prepararan a la fuerza laboral para los
diferentes roles de la divisin social del trabajo y asignaran el talento de manera
eficiente con base en la competencia de los ms hbiles.
Podemos decir que una mayor educacin, junto a buenos niveles de salud y adecuada
ingesta de nutrientes, genera mayor productividad potencial de la fuerza de trabajo, y
como

consecuencia,

mayores

ingresos

potenciales

para

los

trabajadores,

disminuyendo de esta manera la pobreza, siempre y cuando el sistema de distribucin

de los ingresos funcione bien37.
Este planteamiento considera a la pobreza como un fenmeno que ocurre porque las
personas no han adquirido las habilidades cognitivas bsicas para desenvolverse
eficazmente en un puesto de trabajo, ni poseen las condiciones necesarias para
desarrollar una vida con buena salud y una ingesta apropiada de nutrientes.

36
37

Bazdresch Parada (n/d). Educacin y pobreza: una relacin conflictiva. Guadalajara - Mxico
Al menos esto podra cumplirse desde la perspectiva de pobreza monetaria.

46

Por lo tanto, si este planteamiento fuera cierto, bastara con educarlas, darles acceso a
la escuela o proporcionarles compensaciones educacionales, nutrirlas y darles
condiciones para una buena salud, para que disminuyan al mnimo las probabilidades
de recaer en la pobreza.
Finalmente, debe advertirse que la crtica principal a este planteamiento se sustenta
en el hecho que las prcticas docentes y los contenidos curriculares son diferentes
segn la clase social de los alumnos, lo cual reproduce la desigualdad, y ms an, la
legtima. La teora hace de la igualdad de oportunidades el centro de la poltica social
para superar la pobreza, y curiosamente tiene dificultades para explicar el porqu de la
existencia de la desigualdad, entonces cabe preguntarse por qu, si la poltica social
trata de ofrecer bienestar para todos, persiste la desigualdad de oportunidades?

47

RESUMEN DEL CAPTULO I

Desde la corriente pre-fisiocrtica, es posible encontrar que se reconoce la importancia
de la educacin como mejora de las habilidades y destrezas, ya que aporta aspectos
cognoscitivos que fortalecen el capital humano adquirido. La teora del capital humano
seala que un aspecto determinante es la inversin debido a que permite incrementar
la dotacin en capital humano, asimismo la teora permite distinguir entre formacin
general y formacin especfica.
No es solamente la educacin quien determina el capital humano, porque debe
invertirse en el mantenimiento de stock sanitario, es decir, debe invertirse en el
cuidado de los nios, conservar un buen estado de salud, tener niveles adecuados de
nutricin, etc. Del mismo modo, se reconoce la relacin existente entre el capital
humano y pobreza, por lo que Schultz (1961) plantea que si se quiere mejorar la
calidad de vida de los pobres y reducir el nmero de los mismos, debe mejorrseles su
dotacin de capital humano.
Las corrientes alternativas a la teora del capital humano, complementan a la misma al
sealar que son las habilidades y las instituciones, las que finalmente determinan, la
distribucin de ingresos, y que no solo es la educacin la que fortalece el incremento
de la productividad y por ende las mejoras en los ingresos.
En relacin a la pobreza, debido a que se trata de un fenmeno multidimensional no
existe una teora clara, sin embargo es posible distinguir una serie de enfoques, entre
los que destacan: enfoque monetario, enfoque de capacidades, enfoque de exclusin
social y el enfoque participativo. El primero destaca por tener en cuenta aspectos
relacionados al ingreso obtenido por los agentes econmicos, mientras que los otros
tres enfoques tienen ms en cuenta aspectos de carcter social, es decir el
comportamiento del individuo, en sociedad, ante la situacin de pobreza.

48

CAPTULO II: HECHOS ESTILIZADOS Y EVIDENCIA EMPRICA

En este captulo se realiza un anlisis del contexto sobre el cual se lleva a cabo la
investigacin, teniendo como eje de anlisis el periodo comprendido entre los aos
2004 y 2009. Adems se expone la evidencia emprica, tanto internacional como
nacional, la misma que sirve para conocer ms acerca del tema de investigacin en
materia de marco terico, hiptesis planteadas, la metodologa utilizada para la
contrastacin de las hiptesis, y las principales conclusiones y recomendaciones a las
que se arribaron a partir de las investigaciones consultadas.
2.1.- Hechos estilizados del contexto
En este segmento se hace una descripcin y anlisis de los hechos estilizados del
contexto, los mismos que muestran el comportamiento observado y caracterizado de
las principales variables que intervienen en el presente estudio.
2.1.1.- Caractersticas Generales
Segn el INEI, el Per posee una superficie continental de 1'285 215,6 km2, lo que
representa el 0.87% del planeta, que se distribuyen en regin costea 136.232,85 km
(10,6%), regin andina 404.842,91 km (31,5%) y regin amaznica 754.139,84 km
(57,9%)), que incluye el territorio de las Islas del Mar Pacfico Peruano, la parte
peruana del Lago Titicaca y sus islas. Adems, tiene soberana y jurisdiccin sobre
una franja de 200 millas del Ocano Pacfico, adyacente a su litoral marino, que
alcanza una longitud de 3079,5 km. de largo, debido a las entrantes y salientes de la
costa38.
Respecto a la distribucin poltica del pas, siguiendo al INEI, el Per se divide en 24
departamentos: Amazonas, Ancash, Apurmac, Ayacucho, Cajamarca, Cuzco,
Huancavelica, Hunuco, Ica, Junn, Lambayeque, La Libertad, Lima, Loreto, Madre de
Dios, Moquegua, Pasco, Piura, Puno, San Martn, Tacna, Tumbes, Ucayali, ms la
Provincia Constitucional del Callao, que se constituye en el puerto ms importante del
pas.
Entre las ciudades ms importantes destacan: Lima, Arequipa, Cusco, Trujillo,
Chiclayo, Cajamarca, Iquitos, Piura, Juliaca, Huancayo; siendo Lima la capital del
Per.

38

Segn la informacin obtenida del Instituto Nacional de Estadstica e Informtica (INEI).

Disponible en: http://www.inei.gob.pe/biblioineipub/bancopub/Est/Lib0351/cap1-1.htm

49

Grfico N 2.1: Distribucin poltica del Per

Fuente: Instituto Nacional de Estadstica e Informtica (INEI).

2.1.2.- Caractersticas Sociales

Pobreza
La pobreza a nivel nacional ha ido mostrando una reduccin, a una tasa de 7% en
promedio a lo largo del periodo analizado39. Para el ao 2004, el 48,6% de la
poblacin del pas se encontraba en situacin de pobreza, es decir, tenan un nivel de
gasto (ingreso) insuficiente para adquirir una canasta bsica de consumo, compuesto
por alimentos y no alimentos40. Sin embargo, para el ao 2009 la pobreza, medida por
la incidencia de pobreza, se haba reducido a 34,8%, lo que nos permite afirmar que
se ha evidenciado una disminucin en materia de pobreza, aunque sta an persiste.
39

Segn los clculos realizados a partir de los datos vertidos en la Encuesta Nacional de
Hogares (ENAHO) Anual 2004 2009 del Instituto Nacional de Estadstica e Informtica (INEI).
40

El Instituto Nacional de Estadstica e Informtica (INEI), desde el ao 1997 mide la incidencia

de la pobreza. Para ello, utiliza el enfoque monetario absoluto y objetivo de la pobreza. Segn
esta nocin de pobreza, se considera pobre a todas las personas residentes en hogares
particulares, cuyo gasto per cpita valorizado monetariamente, no supera el umbral de la lnea
de pobreza o monto mnimo necesario para satisfacer sus necesidades alimentarias y no
alimentarias.

50

Al analizar la composicin de la pobreza, siguiendo las cifras del INEI, esta proporcin
de pobres que tiene el pas est conformado, por 11,5% de pobres extremos, es decir,
personas que tienen un gasto per cpita inferior al costo de la canasta bsica de
alimentos. No obstante, esta cifra se ha reducido paulatinamente, ya que segn la
ENAHO 2006 2007, para estos aos, la pobreza extrema se redujo en 2,4 puntos
porcentuales, al pasar de 16,1% a 13,7%.
Grfico N 2.2: Evolucin de la Pobreza en el Per, 2004 2009
(Valores porcentuales)

Valores porcentuales (%)

50.00
40.00
48.56

48.71

30.00

44.53

39.29

36.20

34.77

20.00
10.00
0.00
2004

2005

2006

2007

2008

2009

Fuente: Instituto Nacional de Estadstica e Informtica (INEI) - Encuesta Nacional de

Hogares (ENAHO), Anual 2004-2009.
Elaboracin: Propia.

Al analizar la incidencia de la pobreza por reas de residencia y regiones naturales, se

constata que el promedio nacional oculta situaciones de contraste. Mientras que la
incidencia de la pobreza era de 25,7% en las reas urbanas, en las reas rurales del
pas era de 64,6%. Esta situacin deja entrever las diferencias existentes al interior del
pas, ya que no solo existen diferencias geogrficas o culturales, por ejemplo, sino que
el hecho que exista amplio margen de diferencia en materia de pobreza entre los
mbitos geogrficos, evidencia las diferencias en cuanto a acceso de oportunidades
an persistentes en nuestro pas.
Desagregando la informacin por regin natural, se constata que la pobreza incidi en
el 22,6% de la poblacin de la Costa, siendo 37,5 puntos porcentuales menos que la
pobreza de la Sierra (60,1%) y 25,8 puntos porcentuales menos que en la Selva
(48,4%). Segn dominios geogrficos, en la Sierra rural el 73,3% de su poblacin se
encuentra en pobreza, seguida por la Selva rural con 55,3%. Selva urbana con 40,3%,
51

Costa rural con 38,1%, Sierra urbana con 36,3%, Costa urbana con 25,1% y Lima
Metropolitana con 18,5% de pobres41.
A nivel departamental encontramos escenarios similares a los mostrados en lneas
generales para el pas, ya que segn la ENAHO 2009, tambin se ha observado una
reduccin en la incidencia de la pobreza, siendo Moquegua el departamento que ha
reducido en mayor proporcin su incidencia de pobreza.
Cuadro N 2.1: Per: Ranking de Departamentos de acuerdo a similar Incidencia
de Pobreza teniendo en cuenta los test de significancia 2004 2009.

Dpto. por incidencia de pobreza

Clasificacin por
grupo

Situacin al

42

2009
2004

2009

Grupo 01
Huancavelica 84,3%

Huancavelica 77,2%

Hunuco 78,3%

Hunuco 64,5%

Puno 78,3%

Puno 60,8%

(77,2% - 100,0%)

Grupo 02
(60,0% - 77,1%)

41

Informe Tcnico: Evolucin de la Pobreza al 2009. Instituto Nacional de Estadstica e

Informtica (INEI). Lima, Mayo del 2010. Informacin disponible en: http://www.inei.gob.pe
42
Agrupacin de los departamentos segn incidencia de pobreza y niveles de significancia
utilizada por INEI al 2009.

52

Loreto 66,9%

Cajamarca 66,2%

Pasco 65,7%
Grupo 02
Ayacucho 65,9%

Ayacucho 62,6%

Apurmac 65,2%

Apurmac 70,3%

(60,0% - 77,1%)

Amazonas 65,1%

Piura 60,7%

Grupo 03
(49,8% - 59,9%)

Ucayali 56,3%

Amazonas 59,8%

Ancash 53,3%,

Loreto 56,0%

Cusco 53,1%

Cusco 51,1%

San Martn 51,9%

Cajamarca 56,0%

Junn 49,6%

Pasco 55,4%

La Libertad 48,5%

Grupo 04
(30,0% - 49,7%)

Lambayeque 43,6%

Lambayeque 31,8%

Moquegua 38,7%

San Martn 44,1%

Arequipa 34,2%

Piura 39,6%

Lima 32,2%

La Libertad 38,9%

53

Grupo 04
(30,0% - 49,7%)

Ica 27,3%

Junn 34,3%

Madre de dios 27,1%

Ancash 31,5%

Tacna 24,7%

Ucayali 29,7%

Tumbes 24,2%

Tumbes 22,1%

Arequipa 21,0%

Grupo 05
(0% - 29,9%)

Moquegua 19,3%

Tacna 17,5%

Lima 15,3%

Ica 13,7%

Madre de Dios 12,7%

Se mantuvo en grupo y aumento pobreza

Mejoro en grupo y disminuy pobreza

Se mantuvo en grupo pero

disminuy su pobreza

Fuente: Instituto Nacional de Estadstica e Informtica (INEI) - Encuesta Nacional de Hogares

(ENAHO), Anual 2004-2009. Elaboracin: Propia

Por otro lado, existen departamentos que aunque han reducido sus niveles de
pobreza, an se mantienen en su mismo grupo, lo que llamara a seguir trabajando en
materia de reduccin, y solamente Apurmac ha visto incrementada su incidencia de
pobreza. Lo que s es seguro que aquellos Departamentos con los ndices de pobreza
promedio ms alto a lo largo del periodo son Huancavelica, Apurmac y Puno, con
84,80%; 70,38%; y 70,10%, como se muestra en el grafico n2.3.
Por otro lado aquellos departamentos con los ndices de pobreza ms bajos son
Tumbes, Ica y Madre de Dios con 18,93%; 20,18%; y 20,90% respectivamente.
54

Grfico N 2.3: Per: ndice de Pobreza por Departamento, Promedio del Periodo
2004-2009

Valores porcentuales (%)

90.0
80.0
70.0
60.0
50.0
40.0
30.0
20.0
10.0

Ancash
Amazonas
Apurmac
Arequipa
Ayacucho
Cajamarca
Cusco
Huancavelica
Hunuco
Ica
Junn
La Libertad
Lambayeque
Lima
Loreto
Madre de Dios
Moquegua
Pasco
Per
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali

0.0

Fuente: Instituto Nacional de Estadstica e Informtica (INEI) - Encuesta Nacional de

Hogares (ENAHO), Anual 2004-2009.
Elaboracin: Propia

Poblacin y Educacin de la Poblacin

La dinmica poblacional constituye una de las dimensiones principales de los desafos
econmicos y de las caractersticas sociales de un pas43. Es decir, por un lado, los
procesos demogrficos determinan el tamao, y la estructura por edades y sexo de la
poblacin total y su evolucin, condicionando, as, la composicin de la fuerza laboral
y los factores asociados a la productividad y niveles de ingresos.
En base a los datos estadsticos del INEI, se observa que al ao 2009, existe mayor
concentracin poblacional en cinco departamentos del pas: Lima, Piura, La Libertad,
Cajamarca y Puno. Como se logra observar en el Grfico n2.4 el departamento de
Lima alberga al 30,86% de la poblacin del pas; y los siguientes cuatro
departamentos en conjunto concentran el 21,66% de la poblacin: Piura (6,02%), La
Libertad (5,92%), Cajamarca (5,12%) y Puno (4,60%). En contraste: Tumbes (0,75%),
Moquegua (0,58%) y Madre de Dios (0,41%) fueron departamentos que en conjunto
albergan menos del 2% de la poblacin peruana. Si se compara esta distribucin
poblacional con la observada en el ao 2004 se evidencia que no existen variaciones
significativas.
43

Arambur, Carlos E. y Mendoza Mara Isabel. La poblacin peruana: perspectivas y retos.

Consorcio de Investigacin Econmico y Social (CIES). Lima, 2003.

55

Grfico N 2.4: Distribucin departamental de la poblacin peruana, por

departamentos ms y menos poblados, al ao 2009

30.86%
45.74%

Lima
Piura
La Libertad
Cajamarca
Puno

6.02%
5.92%

0.41%
4.60%

0.58%

5.12%

Tumbes
Moquegua
Madre de Dios
Resto del pas

0.75%

Fuente: Instituto Nacional de Estadstica e Informtica (INEI)

Elaboracin: Propia.

En base a la Memoria 2010 del BCRP y datos estadsticos del INEI, puede afirmarse
que la poblacin peruana ha tenido una tasa de crecimiento promedio de 2,2%44 entre
el periodo de 1922 200945 (Ver Grfico n 2.5). Mientras que para el ao 2010 la tasa
de crecimiento promedio anual en el pas ha sido de 1,13%.
Sin embargo tras analizar los valores a nivel departamental, se observa que existen
diferencias entre los mismos, lo cual permite ubicar a los departamentos en dos
grupos en funcin a la tasa de crecimiento promedio, en el primer grupo se encuentran
aquellos cuya tasa de crecimiento est por encima del promedio y en el otro grupo
aquellos cuya tasa se encuentra por debajo del mismo. As pues, 10 departamentos
son los que se ubican por encima del promedio, y los 14 restantes por debajo. El
departamento de Madre de Dios tena la tasa ms alta de crecimiento poblacional,
junto a l otros cuatro departamentos de la selva, cinco de la costa y uno de la sierra.
Mientras que para los valores inferiores, la menor tasa se registr en Cajamarca, y
44

Para la realizacin de este clculo se utiliz una serie estadstica referente a la poblacin
publicada por el BCRP en su memoria anual 2009. Informacin disponible en:
http://www.bcrp.gob.pe/publicaciones/memoria-anual/memoria-2009.html
45

En el INEI puede encontrarse las tasas de crecimiento promedio anual segn aos censales.
As pues para 1961 era de 1,8%, en 1972 el 2,8%, en 1981 de 2,6%, en 1993 era de 2%, en
2005 de 1,5% y en 2007 el crecimiento promedio de la poblacin fue de 1,6%. Fuente: INEI Censos Nacionales de Poblacin y Vivienda, 1940, 1961, 1972, 1981, 1993, 2005 y 2007.
Informacin disponible en: http://www.inei.gob.pe/Sisd/index.asp

56

acompaaban en este grupo nueve departamentos de la sierra, cuatro de la costa y

uno de la selva.
Grfico N 2.5: Per: Crecimiento de la poblacin 1922 2009
(Miles de Habitantes)
35,000.0

Miles de Habitantes

30,000.0
25,000.0
20,000.0
15,000.0
10,000.0

0.0

1922
1925
1928
1931
1934
1937
1940
1943
1946
1949
1952
1955
1958
1961
1964
1967
1970
1973
1976
1979
1982
1985
1988
1991
1994
1997
2000
2003
2006
2009

5,000.0

Fuente: BCRP Memoria 2009. INEI Encuestas socio demogrficas.

Elaboracin: Propia.

Con respecto al tamao de la poblacin, segn las estadsticas registradas en el

Instituto Nacional de Estadstica e Informtica (INEI), al 2009 la poblacin peruana
ascenda a 29157.828 habitantes. Asimismo, en el periodo 2004 2009 se observa
que en cuanto la distribucin por sexo, las mujeres representaban el mayor porcentaje.
En 2009 la poblacin femenina conformaba el 50,12%, mientras que la masculina el
49,88%, manteniendo de esta manera una preponderancia de las mujeres sobre el
total poblacional; aunque cabe resaltar que la tasa de crecimiento en la poblacin
masculina haba sido de 1,1%, mientras que la femenina era de 0,8% para el periodo
2004-2009, si se mantuviera este ritmo de crecimiento de la poblacin por sexos, es
de suponer que en algunos aos se acorten las diferencias en cantidades en cuanto a
la poblacin por sexo se refiere. (Ver grfico 2.6).

57

Cuadro N 2.2: Poblacin del Per por Departamento al 2004 y 2009

(Nmero de Habitantes)
2004

Ranking
2004

2009

Ranking
2009

Lima

8.348.656

8.997.509

Piura

1.678.748

1.755.399

La Libertad

1.616.826

1.726.926

Cajamarca

1.448.150

1.492.437

Puno

1.280.830

1.341.430

Junn

1.243.483

1.292.715

Cusco

1.217.802

1.265.833

Arequipa

1.142.269

1.206.416

Lambayeque

1.138.641

1.196.940

Ancash

1.077.382

10

1.110.050

10

Loreto

904.969

11

971.362

11

Hunuco

780.712

12

819.677

12

San Martn

711.808

13

772.083

13

Ica

696.143

14

739.455

14

Ayacucho

604.253

15

643.490

15

Huancavelica

451.771

16

471.882

16

Ucayali

422.676

18

458.519

17

Apurmac

430.629

17

444.204

18

Amazonas

397.732

19

410.881

19

Tacna

291.916

20

315.812

20

Pasco

277.653

21

290.520

21

Tumbes

200.189

22

218.278

22

Moquegua

160.378

23

169.490

23

Madre de Dios

102.691

24

118.582

24

Total Per

27.479.473

29.157.828

Fuente
: Instituto Nacional de Estadstica e Informtica (INEI).
Elaboracin : Propia.
Nota: El cuadro no incluye la Provincia Constitucional del Callao.

58

Grfico N 2.6: Per: Poblacin total por sexo 2005 2009

14,200

Miles de personas

14,100
14,000
13,900
13,800
13,700
13,600
13,500
13,400
13,300

2005

2006

2007

HOMBRES

2008

2009

MUJERES

Fuente: INEI - Nuevas Proyecciones Nacionales de Poblacin del Per por Departamentos,
Urbano y Rural y Sexo 2005 a 2020.
Elaboracin: Propia.

Por otro lado, al analizar la estructura etaria de la poblacin del pas, en base a
ENDES 2009, se encuentra que sta es relativamente joven, es decir, 30,9% tiene
menos de 15 aos, el 61,5% se encuentra entre los 15 y 64 aos y solamente un 7,6%
de la poblacin cuenta con 65 o ms aos de edad. Tras comparar las estadsticas
con las del ao 2000, encontramos que el porcentaje de la poblacin con una edad
menor a los 15 aos, ha disminuido en 3,8 puntos porcentuales; incrementndose
ligeramente en la poblacin de 15 a 64 aos que constituye la poblacin en edad de
trabajar.
Cabe sealar que segn Arambur y Mendoza (2003), la poblacin peruana est en
plena transicin demogrfica, debido principalmente a la disminucin de la mortalidad
y la fecundidad, lo que influir en la estructura de edades del pas en los prximos
aos. Con respecto al nivel de la tasa de fecundidad en el Per, sta ha ido
disminuyendo, pasando de 3,5 hijos por mujer en 1991 1992 a 2,6 hijos por mujer en
200946. Siendo este hecho atribuido principalmente a las polticas anticonceptivas
implementadas durante el primer gobierno de Alberto Fujimori.
Al respecto, segn Chvez y Tvara (2010), el uso de mtodos tradicionales se ha
incrementado hasta en 100% en los estratos socioeconmicos pobres, entre los aos

46

Al analizar la Encuesta Nacional Demogrfica y de Salud Familiar ENDES (1991- 1992 y

2009), realizadas por el Instituto Nacional de Estadstica e Informtica (INEI).

59

1996 y 200947. Del mismo modo, afirman que en cuanto al acceso a mtodos
anticonceptivos a travs de la provisin del sector pblico, ste se ha visto reducido en
33% para las mujeres ms pobres del pas, entre los aos 1996 y 2007. Asimismo
advierten que, desde 1996, las que ms acceso han ganado son las mujeres de
ingresos intermedios (29%) y las mujeres ricas y de ingresos medio-altos (25%).
Es decir, la exclusin tiende a aumentar, en vez de reducirse. Igualmente sealan que
este desplazamiento de las mujeres pobres y extremadamente pobres por las mujeres
de mejores recursos exista ya en el gobierno de Alberto Fujimori. Las cifras indican
que incluso en los momentos ms intensos de las esterilizaciones forzadas (que se
iniciaron en 1995), al menos el 12% de mujeres pobres dej de recibir mtodos
anticonceptivos en los servicios pblicos.
A consecuencia de estos hechos (polticas poblacionales orientadas a la disminucin
de la tasa de fecundidad) se observa que la pirmide poblacional en el pas ha sufrido
algunos cambios en su estructura, los cohortes se han hecho menos pronunciados en
la base y se han ensanchado ms en el centro, lo que evidencia que la poblacin
peruana est pasando de tener mayor proporcin en las edades de 0 a 24 aos, para
ahora tener una mayor proporcin en poblacin con edades que oscilan entre los 25 a
80 y ms, lo que podra sugerir cierto envejecimiento de la poblacin.
Arambur y Mendoza (2003), mencionan que el proceso de envejecimiento de la
poblacin, sumado a su mayor tamao, ocasionar un incremento en las cifras de
mortalidad. Si bien los niveles de la tasa de mortalidad vienen descendiendo desde
hace ms de 50 aos, el nmero de defunciones se incrementar de 158 mil por ao
en 2000 hasta casi 200 mil por ao hacia el ao 2020, segn las proyecciones de
estos autores.

47

Chvez, Susana y Tvara, Luis. (2010) El Derecho a la Planificacin Familiar: Una Agenda
Inconclusa en el Per. Centro de Promocin de los Derechos Sexuales y Reproductivos
(PROMSEX). Lima.

60

Grfico N 2.7: Per: Pirmide de poblacin censada, 1993 y 2007

(Porcentaje)

Fuente: Censos Nacionales de Poblacin y vivienda, 1993 y 2007.

Elaboracin: Instituto Nacional de Estadstica e Informtica (INEI).

Por su parte el nivel educativo de la poblacin de un pas es considerado uno de los

componentes claves de la calidad de vida de las personas y el desarrollo econmico y
social del mismo, y a su vez, es uno de los factores utilizados ms frecuentemente en
los anlisis socio demogrficos por su ascendencia sobre diferentes aspectos de la
salud reproductiva, acceso y uso a mtodos anticonceptivos, salud de los nios, entre
otros48.
La participacin en el sistema educativo ofrece a las personas diversos medios para
incrementar su bienestar tanto desde el punto de vista del ingreso como por la
posibilidad de acceder y disfrutar de diferentes manifestaciones culturales; mientras
que los aos de educacin completados por la poblacin permiten percibir
sintticamente, el resultado del proceso educativo para una poblacin dada en un
momento del tiempo.
Al 2009, segn el MINEDU, el mayor nmero de alumnos se concentra en la
educacin primaria (51%), seguida de los de educacin secundaria (35%) y de
educacin inicial (14%). Si bien, los alumnos de educacin primaria conforman el
mayor porcentaje del total analizado, entre 1999 2009, han mostrado una reduccin,
a una tasa de 1% en promedio. Del mismo modo, el total de alumnos matriculados en
48

Segn la Encuesta Demogrfica y de Salud Familiar ENDES 2009, aplicada por el Instituto Nacional
de Estadstica e Informtica (INEI).

61

educacin inicial, se ha reducido a una tasa de 3,4% para el periodo mencionado. Por
el contrario, el total de alumnos matriculados en educacin secundaria ha aumentado
a una tasa de 1,3% en promedio.
Los hechos corroboran la idea de que la poblacin en nuestro pas est en plena
transicin demogrfica, asimismo esto permitira constatar el cambio en la estructura
de la pirmide poblacional que traera como consecuencia el envejecimiento de la
poblacin peruana para los prximos aos.
Entonces, los resultados encontrados, son congruentes con lo observado en las
grficas de las pirmides poblacionales, ya que si bien la poblacin peruana est
creciendo a una tasa de 1,6% anual, la base de la pirmide se est acortando y
mientras el centro de la misma est ensanchndose, lo que evidencia el hecho que la
poblacin peruana est hacindose cada vez ms adulta.
Grfico N 2.8: Per: Evolucin del total de alumnos por nivel educativo
1999 2009 (Nmero de personas)

Fuente: Ministerio de Educacin Unidad Estadstica Educativa.

Elaboracin: Propia.

En los prrafos anteriores se realiz una revisin general acerca de la evolucin de la

poblacin, y algunos aspectos en la educacin de la misma, a continuacin lo que se
presenta es el comportamiento de cinco variables a un nivel ms especfico en el que
se considera su evolucin por regiones, a saber: la poblacin econmicamente activa
sin educacin (PEA_SE), la poblacin con educacin primaria (EP), la poblacin con
educacin secundaria (ESE), y la poblacin con educacin superior (ESU), tasa de
desercin o retiro (TR) y la tasa de matriculados (TMA).
La primera variable es PEA sin educacin, la cual es medida a partir de la tasa de
analfabetismo de la poblacin por regiones. En el Grfico N 2.9 se presentan los
62

valores por regin medido los promedios a lo largo del periodo 2004-2009 en
porcentajes.
Se observa que los departamentos con mayores tasas promedio de analfabetismo en
el periodo de anlisis son Huancavelica, Ayacucho y Apurmac con 25,88;% 22,71%; y
22,65% respectivamente, mientras que las regiones de Lima, Ica y Tacna son aquellas
que ostentan las tasas de analfabetismo ms bajas en el periodo con 4,07%; 5,29%; y
5,40% respectivamente.
Grfico N 2.9: Per: Promedio PEA sin Educacin por departamento en el
Periodo 2004 - 2009

Valora porcentuales (%)

30.00
25.00
20.00
15.00
10.00
5.00

Fuente: Ministerio de Educacin (MINEDU) - Censo Escolar - Unidad de Estadstica Educativa

Elaboracin: Propia.

La segunda variable incluida en el modelo es la poblacin con educacin primaria

(EP), la cual esta medida en miles de personas, como es de esperar en este caso
aquellos departamentos con mayor poblacin son aquellas con mayor cantidad de
personas con este nivel de educacin, tal como es el caso de Lima, Cajamarca y
Piura, que cuentan con 939,66; 257,05; y 248,79 miles de habitantes respectivamente,
por otro lado los departamentos con menor nmero de habitantes con educacin
primaria en el periodo de anlisis fueron Tumbes, Moquegua, y Madre de Dios, en ese
orden con 26,20; 17,73; y 16,13 miles de habitantes respectivamente (Ver grfico n
2.10).

63

Ucayali

Tumbes

Tacna

San Martn

Puno

Piura

Pasco

Moquegua

Madre de Dios

Loreto

Lima

Lambayeque

La Libertad

Junn

Ica

Hunuco

Huancavelica

Cusco

Cajamarca

Ayacucho

Arequipa

Apurmac

ncash

Amazonas

0.00

Grfico N 2.10: Per: Poblacin con Educacin Primaria por Departamento,

Promedio del Periodo 2004-2009 (Miles de personas)
1000.00

MIles de personas

900.00
800.00
700.00
600.00
500.00
400.00
300.00
200.00
100.00

Amazonas
ncash
Apurmac
Arequipa
Ayacucho
Cajamarca
Cusco
Huancavelica
Hunuco
Ica
Junn
La Libertad
Lambayeque
Lima
Loreto
Madre de Dios
Moquegua
Pasco
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali

0.00

Fuente: Ministerio de Educacin (MINEDU) - Censo Escolar - Unidad de Estadstica Educativa

Elaboracin: Propia.

La siguiente variable es la poblacin con educacin secundaria (ESE), en este caso

las regiones que tienen los niveles ms altos de este tipo de instruccin son
nuevamente Lima y Piura, adems de la Libertad, los tres departamentos ms
habitados al ao 2009, con un promedio de 718,82; 145,57; y 131,56 miles de
habitantes respectivamente a lo largo del periodo; por su parte las regiones con menor
poblacin con educacin secundaria fueron Madre de Dios, Moquegua y Tumbes, con
10,31; 13,56; y 18,64 miles de habitantes respectivamente. (Ver grfico n2.11)

64

Grfico N 2.11: Per: Poblacin con Educacin Secundaria por Departamento,

Promedio del Periodo 2004-2009
160.0

Miles de personas

140.0
120.0
100.0
80.0
60.0
40.0
20.0
Ucayali

Tumbes

Tacna

San Martn

Puno

Piura

Pasco

Moquegua

Madre de Dios

Loreto

Lima

Lambayeque

La Libertad

Junn

Ica

Hunuco

Huancavelica

Cusco

Ayacucho

Cajamarca

Arequipa

Apurmac

Ancash

Amazonas

0.0

Fuente: Ministerio de Educacin (MINEDU) - Censo Escolar - Unidad de Estadstica Educativa.

Elaboracin: Propia.

La siguiente variable es la poblacin con educacin superior (ESU), en este caso las
regiones que tienen los niveles ms altos de este tipo de instruccin son Lima
Arequipa y la Libertad, con un promedio de 143,71; 25,54; y 20,63 miles de habitantes
respectivamente a lo largo del periodo; por su parte las regiones con menor poblacin
con educacin superior fueron Madre de Dios, Pasco y Huancavelica, con 0,70; 2,61; y
3,00 miles de habitantes respectivamente. (Ver grfico N2.12)

65

Grfico N 2.12: Per: Poblacin con Educacin Superior por Departamento,

Promedio del Periodo 2004-2009
160.00

Miles de personas

140.00
120.00
100.00
80.00
60.00
40.00
20.00
Ancash

Ucayali

Tumbes

Tacna

San Martn

Puno

Piura

Pasco

Moquegua

Madre de Dios

Lima

Loreto

Lambayeque

La Libertad

Junn

Ica

Hunuco

Cusco

Huancavelica

Cajamarca

Ayacucho

Arequipa

Apurmac

Amazonas

0.00

Fuente: Ministerio de Educacin (MINEDU) - Censo Escolar - Unidad de Estadstica Educativa.

Elaboracin: Propia.

Otra variable es la tasa de desercin o retiro escolar (TR), en este caso las regiones
que tienen las tasas ms altas son Hunuco, Ayacucho y Ucayali, con un promedio de
11,01%; 8,43% y 8,35% respectivamente a lo largo del periodo; por su parte las
regiones con menor tasa de desercin escolar fueron Tacna, Tumbes y Lima con
1,82%; 2,73% y 3,27% respectivamente. (Ver grfico n2.13)

66

12.0
10.0
8.0
6.0
4.0
2.0
0.0
Amazonas
Ancash
Apurmac
Arequipa
Ayacucho
Cajamarca
Cusco
Huancavelica
Hunuco
Ica
Junn
La Libertad
Lambayeque
Lima
Loreto
Madre de Dios
Moquegua
Pasco
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali

Valores porcentuales (%)

Grfico N 2.13: Per: Tasa de Desercin Escolar por Departamento, Promedio

del Periodo 2004-2009 (Valores porcentuales)

Fuente: Ministerio de Educacin.

Elaboracin: Propia.

Finalmente se encuentra la tasa de matriculados (TMA), en este caso las regiones que
tienen las tasas ms altas son Tacna, Moquegua y Apurmac, con un promedio de
97,28%; 95,90% y 95,76% respectivamente a lo largo del periodo; por su parte las
regiones con menor tasa de desercin escolar fueron Cajamarca, San Martin y La
Libertad con 80,00%; 80,86% y 82,53% respectivamente. (Ver grfico n2.14)
Grfico N 2.14: Per: Tasa de Matriculados por Departamento, Promedio del

100.00
90.00
80.00
70.00
60.00
50.00
40.00
30.00
20.00
10.00
0.00
Amazonas
Ancash
Apurmac
Arequipa
Ayacucho
Cajamarca
Cusco
Huancavelica
Hunuco
Ica
Junn
La Libertad
Lambayeque
Lima
Loreto
Madre de Dios
Moquegua
Pasco
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali

Valores porcentuales (%)

Periodo 2004-2009 (Valores porcentuales)

Fuente: Instituto Nacional de Estadstica e Informtica (INEI), Encuesta Nacional de Hogares

(ENAHO), Anual 2004 - 2009.Elaboracin: Propia.

67

Salud y Nutricin
En lo concerniente a la salud, debe analizarse aspectos relevantes tales como los
establecimientos, recursos humanos, y tasas de mortalidad por regin que ostenta el
sector, para de esta manera tener una clara idea de la situacin en que se encuentra
el pas en materia de salud.
Como se observa en el Grfico n 2.15, los departamentos con mayor cantidad de
mdicos son Lima, Arequipa y la Libertad, con un promedio de 21552; 3351; y 2132
mdicos respectivamente en el periodo de anlisis, mientras que aquellos
departamentos con menor cantidad de este recurso fueron Madre de Dios, Tumbes y
Apurmac, con un promedio 105; 152; y 157 mdicos respectivamente en el periodo de
anlisis.
Grfico N 2.15: Per: Nmero de Mdicos por Departamento, Promedio del
Periodo 2004-2009

Expresado en unidades

25000
20000
15000
10000
5000

Ucayali

Tumbes

Tacna

San Martn

Puno

Piura

Pasco

Moquegua

Madre de Dios

Loreto

Lima

Lambayeque

Junn

La Libertad

Ica

Hunuco

Huancavelica

Cusco

Cajamarca

Ayacucho

Arequipa

Apurmac

Ancash

Amazonas

Fuente: Ministerio de Salud (MINSA) - Oficina General de Estadstica e Informtica.

Elaboracin: Propia.

Por el lado de la mortalidad, los departamentos con mayor cantidad de defunciones

promedio en el periodo de anlisis fueron Lima, Puno y La Libertad con 33222; 7325;
y 5840 defunciones respectivamente, por su parte aquellos departamentos con menor
nmero de defunciones son Madre de Dios, Moquegua y Tumbes con un promedio de
345; 485; y 610 respectivamente. (Ver grfico n2.16)

68

Expresado en unidades

Grfico N 2.16: Per: Nmero de Defunciones por Departamento, Promedio del

Periodo 2004-2009
35,000
30,000
25,000
20,000
15,000
10,000
5,000

Amazonas
Ancash
Apurmac
Arequipa
Ayacucho
Cajamarca
Cusco
Huancavelica
Hunuco
Ica
Junn
La Libertad
Lambayeque
Lima
Loreto
Madre de Dios
Moquegua
Pasco
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali

Fuente: Registro Nacional de Identificacin y Estado Civil - RENIEC.

Elaboracin: Propia.

Con relacin a la poblacin con seguro de salud segn tipo de seguro, en base a datos
del MINSA, debe sealarse que hasta el ao 2007 el mayor porcentaje estaba afiliado
a Essalud, pero a partir del 2008, se ha visto que el mayor porcentaje est asegurado
por Seguro Integral de Salud (SIS). Si se comparan los tipos de seguro segn sus
tendencias, encontramos que la cantidad de personas afiliadas al Seguro Integral de
Salud (SIS) se ha incrementado a un promedio anual de casi 23,5%, cifra alta, al
compararse con el 4,84% de incremento anual en Essalud, mientras que en el rubro
Otro tipo de seguro la poblacin afiliada se ha visto aumentada a un ritmo de 5,31%.

69

Grfico N 2.17: Per: Poblacin con seguro de Salud segn tipo, 2005 2009
(% de la poblacin)

Fuente: INEI Encuesta Nacional de Hogares (ENAHO): 2005 2009.

Elaboracin: Propia.

Por otro lado, en lo que respecta a los problemas nutricionales por los que deben
afrontar los grupos ms vulnerables de la poblacin peruana se sabe que son variados
y van desde la presencia de anemia por deficiencia de hierro desde la niez ms
temprana hasta las mujeres en edad frtil, la deficiencia de vitamina A
presumiblemente en los estratos ms pobres o excluidos, el retardo en el crecimiento
entre los nios menores de 5 aos, la emergencia del sobrepeso y obesidad en casi
todos los ciclos de vida, la ingesta deficiente de energa y nutrientes, segn el MONIN
1997 2001 (2006).
La desnutricin, segn el Programa Mundial de Alimentos (2007), es el retraso en el
crecimiento de los nios menores a 5 aos. La desnutricin crnica como indicador
expresa la merma del crecimiento en una etapa muy crtica. Como consecuencia los
rganos vitales del cuerpo no podrn desarrollarse a su nivel ptimo49. Asimismo,
debe destacarse que segn la ONU (1997) y ONU (2004), la desnutricin es entendida
como la situacin producida por situaciones deficitarias de alimentacin y cuidado de
la salud, est aunada tanto a las condiciones sanitarias como a las condiciones
sociales, el Per no es la excepcin de estas relaciones. Es decir, los problemas
nutricionales no solo estn ligados a aspectos sanitarios, sino que involucran tambin
los aspectos socio-econmicos que influyen en el estado nutricional de los individuos,
y es precisamente desde esta perspectiva que se trata el anlisis en este apartado.

49

Direccin General de Programacin Multianual del Sector Pblico. Ministerio de Economa Lima, 2010

70

Al analizar la situacin nutricional a nivel nacional, se encuentra que, segn el MONIN

(2004), un poco menos de la tercera parte del total nacional de los nios se vean
afectados por la desnutricin crnica (26,7%), mientras que, segn el MONIN (2009),
encontramos que esta cifra se haba reducido a 13,9%, mostrando una disminucin de
este indicador.
En el ao 2004, 13 departamentos presentaron prevalencias por encima del valor
nacional. El anlisis a nivel departamental muestra que de los 24 departamentos del
pas, Huancavelica, Cusco y Apurmac fueron los ms afectados con prevalencias del
54,4%, 43,2% y 43,0% respectivamente; mientras que los departamentos menos
afectados fueron Tacna, Lima y Moquegua con prevalencias que no superan el 10%.
Para el 2009, la situacin no haba cambiado mucho, ya que persistan los niveles de
desnutricin, siendo los departamentos de Huancavelica, Hunuco y Cajamarca con
valores de 42,90%, 32,70% y 31,90%

respectivamente, mientras que los

departamentos menos afectados fueron Tacna, Lima y Moquegua con prevalencias

que no superan el 6%.

71

Grfico N 2.18: Desnutricin crnica infantil a nivel departamental en el Per

2004 2009 (Valores porcentuales)

Amazonas
ncash
Apurmac
Arequipa
Ayacucho
Cajamarca
Cusco
Huancavelica
Hunuco
Ica
Junn
La Libertad

2009

Lambayeque

2004

Lima
Loreto
Madre de Dios
Moquegua
Pasco
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali
0

20

40

60 %

Fuente: Instituto Nacional de Estadstica e Informtica (INEI) - Encuesta Demogrfica y de

Salud Familiar (ENDES) 2000, ENDES Continua, 2005 y ENDES Lnea de Base, 20072009. Elaboracin: Propia.

A partir de las prevalencias mostradas se puede clasificar a los departamentos en

estratos segn sus patrones de desnutricin infantil para el periodo 2004 2009. As,
se tendra un estrato con patrn incremental (con elevacin

de los niveles de

desnutricin al menos un punto porcentual entre el 2004 y 2009) y otro descendente

(desnutricin en disminucin de al menos un punto entre el 2004 y 2009). Ah puede
observarse que el patrn de la desnutricin

es descendente al nivel nacional, el

72

91,67% de los departamentos (22 de las 24) presentan disminucin del porcentaje de
desnutricin, y existen dos departamentos con valores incrementales. (Cuadro n2.3).
Cuadro N 2.3: Patrn departamental de desnutricin infantil en el Per 2004
2009

Patrn descendente

Patrn incremental

Amazonas, Ancash, Apurmac, Arequipa, Pasco, San Martn

Ayacucho,

Cajamarca,

Cusco,

Huancavelica, Hunuco, Ica, Junn, La

Libertad,

Lambayeque,

Lima,

Loreto,

Madre de Dios, Moquegua, Piura, Puno,

Tacna, Tumbes, Ucayali.
Elaboracin: Propia.

Asimismo, al realizar el anlisis a nivel de rea de residencia, se encuentra que existe

un porcentaje mayor de nios con desnutricin crnica en el rea rural que en la
urbana, y se encuentra que, segn el MONIN 2004, en el rea rural 1 de cada 4 nios
menores de cinco aos son afectados por este problema, mientras que en el rea
urbana es aproximadamente 1 de cada 5 nios. Del mismo modo, si se observa al
interior de los departamentos, se evidencian claras diferencias entre reas, siendo el
rea rural la ms perjudicada. Los departamentos que mostraron

las mayores

prevalencias en el rea urbana fueron: Huancavelica, Junn y Hunuco; mientras que

los departamentos que mostraron mayores prevalencias en el rea rural fueron:
Huancavelica, Lambayeque y Hunuco.

73

Grfico N 2.19: Desnutricin crnica infantil por rea de residencia en el Per

2004 2009 (Valores porcentuales)
50.0%

47.1%

45.7%

45.0%
40.0%
35.0%

44.3%
40.3%

33.2%

30.0%
25.0%
18.2%

20.0%

13.5%

15.0%

15.6%

16.2%

14.2%

10.0%
5.0%
0.0%
2004

2005

2007
Urbana

2008

2009

Rural

Fuente: Instituto Nacional de Salud.

Elaboracin: Propia.

A nivel de mbito geogrfico , al 2009 se observa que es la Sierra Rural (38,2%)

donde se concentra la mayor proporcin de nios desnutridos, seguido de la Selva
(19,1%) y la Sierra Urbana (10,0%), mientras que el Resto de Costa (9,8%) y Lima
Metropolitana (3,8%), muestran los menores niveles de desnutricin crnica infantil en
su interior. Estas estadsticas revelan las claras diferencias al interior del pas, pues se
evidencia que, mientras que en la sierra rural 4 de cada 10 nios se encontraban en
estado de desnutricin crnica, en Lima Metropolitana 4 de cada 100 nios se
encontraban en similar situacin.

74

Grfico N 2.20: Per: Desnutricin crnica infantil por mbitos geogrficos 2009
(Valores porcentuales)

40%
35%
30%
25%

38,2%

20%
15%

19,1%

10%
05%

3,8%

9,8%

10,0%

00%
Lima
Metropolitana

Resto de
Costa

Sierra Urbana

Sierra Rural

Selva

Fuente: MONIN 2009. CENAN-INS-MINSA.

Elaboracin: Propia.

Si se analiza la correlacin existente entre la desnutricin crnica infantil y la

incidencia de pobreza a nivel departamental, se encuentra que existe una relacin
positiva, es decir, en los departamentos donde se registran mayores tasas de
incidencia de pobreza tambin se registran mayores niveles de desnutricin crnica
infantil, lo que evidencia la agudizacin del problema, ya que se genera un crculo
vicioso entre pobreza y desnutricin.

75

Grfico N 2.21: Per: Relacin entre la incidencia de pobreza y la desnutricin

crnica infantil, a nivel departamental 2009
90

Incidencia de pobreza

80
70
60
50
40
30
20
0

10

20

30

40

50

60

Desnutricin crnica infantil

Fuente: Instituto Nacional de Estadstica e Informtica (INEI) - Encuesta Nacional de

Hogares (ENAHO), Anual 2009.
Elaboracin: Propia.

Del mismo modo, al analizar la relacin existente entre los ingresos y la desnutricin a
nivel departamental, se encuentra que la relacin entre el PBI per cpita y la
desnutricin crnica infantil a nivel departamental es negativa, es decir, los
departamentos con mayores niveles de PBI per cpita presentan menores ndices de
desnutricin crnica infantil.

La lgica lleva a suponer que los departamentos con mayores ingresos (representado
por mayores niveles de PBI per cpita) logran cubrir de mejor manera sus necesidades
alimentarias, lo que repercute en nios ms sanos y mejor nutridos. Sin embargo esto
es una mera suposicin a partir de la correlacin de variables, ya que los mayores
ingresos son una condicin necesaria ms no suficiente para lograr mejores niveles de
nutricin al interior de los departamentos.

76

Grfico N 2.22: Per: Relacin entre el PBI per cpita y la desnutricin crnica
infantil, a nivel departamental 2009
14,000
12,000

PBI per cpita

10,000
8,000
6,000
4,000
2,000
0
0

10

20

30

40

50

60

Desnutricin crnica infantil

Fuente: Instituto Nacional de Estadstica e Informtica (INEI) - Encuesta Nacional de Hogares
(ENAHO), Anual 2009.
Elaboracin: Propia.

En los prrafos anteriores, se ha evidenciado que las diferencias al interior del pas en
materia de desnutricin crnica infantil son muy marcadas, ya sea segn mbitos
geogrfico, tipo de residencia o segn sexo de los nios. A nivel departamental es
escenario no es distinto, ya que se observa heterogeneidad en los datos, pues al 2009
los ndices oscilan entre el 2,1% y el 42,9%, siendo Huancavelica el departamento con
la mayor tasa de desnutricin infantil y Tacna el departamento con el menor ndice.
Aunque, si observamos los datos en conjunto para el periodo 2004 2009,
encontramos que estos han reducido, lo que muestra progreso en cuanto a reduccin
de amenazas al desarrollo saludable de los nios en el pas.

77

2.2.- Evidencia Emprica

En este apartado, se realiza un breve anlisis de las investigaciones ms destacadas
que han sido publicados con respecto al estudio de la relacin entre capital humano y
la pobreza, con la finalidad de indagar acerca de los principales hallazgos, as como la
metodologa que se utiliz en cada uno de los casos representativos.
2.2.1.- Evidencia Emprica Internacional
Caso Economa Europea: Vieira (2008)
En esta investigacin la autora realiza un anlisis comparativo entre las regiones de
Galicia y el Norte de Portugal, a nivel de las principales variables macroeconmicas,
identificando las principales similitudes y asimetras regionales, para luego estudiar el
efecto del capital humano medido en trminos de nivel educativo de la poblacin
activa empleada sobre el proceso de crecimiento econmico de cada regin, tanto en
el sector secundario (industria y construccin), como en el sector servicios, con el
objetivo de determinar hasta qu punto las regiones consideradas han disminuido sus
diferencias en los respectivos estados de desarrollo, convergiendo hacia un mismo
estado de equilibrio a medio y largo plazo, o si por el contrario, las diferencia
regionales se acentuaron desde 1995.
Debido al nivel de desagregacin geogrfica y que son regiones de pases diferentes,
existieron dificultades en cuanto a la recoleccin de datos e indicadores que fueran
relevantes y comunes para ambas regiones. Se lleva a cabo la estimacin de dos
modelos realizada por Mnimos Cuadrados Ordinarios (MCO), a travs del mtodo de
datos del con efectos fijos.
En el primer modelo, se analiza la relacin entre el capital humano y el crecimiento o
desarrollo econmico regional, utilizando al Valor Aadido Bruto per cpita, afecto al
sector secundario como variable explicada, y el Nivel

de Empleo en el sector

secundario y el peso del Nivel Educativo Secundario y Superior, de las personas

afectas al sector secundario como variables explicativas.
Del primer modelo se concluye que adicionalmente de las variables tradicionales que
explican el crecimiento econmico de las regiones (capital fsico y trabajo), tambin el
factor educativo de la poblacin activa empleada en el sector secundario
(representativa del capital humano), es significativa para la explicacin del crecimiento
de riqueza regional, generada por el sector secundario, principalmente, como

78

resultado de su gran influencia sobre el aumento de la productividad del factor

productivo trabajo.
En el segundo modelo, se analiza la relacin entre el capital humano y el crecimiento o
desarrollo econmico regional, utilizando al Valor Aadido Bruto per cpita, afecto al
sector terciario como variable explicada, y el Nivel de Empleo en el sector terciario y el
peso del Nivel Educativo Secundario y Superior, de las personas afectas al sector
terciario como variables explicativas.
Se verifica que cualquiera de las variables explicativas del modelo, aparte de ser
relevante para la explicacin del modelo, mantienen una relacin positiva con el Valor
aadido bruto per cpita producido en el sector terciario de cada una de las regiones,
contribuyendo as, de forma indirecta al crecimiento econmico regional.
A travs de este anlisis se constata que, a pesar que el capital humano constituye un
importante factor de crecimiento, tanto en el sector secundario como en el terciario, es
en ste ltimo, en donde su contribucin al aumento de la riqueza producida es
significativamente mayor, debido al mayor efecto multiplicador sobre la productividad
de los trabajadores.
Otros estudios empricos relevantes
Caso Colombia: Viloria (2007)
El autor analiza la situacin nutricional del Caribe colombiano, y la compara con las
otras regiones colombianas y la media nacional, adems estudia las interrelaciones de
la desnutricin con variables como la educacin, la productividad laboral y la pobreza.
La premisa principal de esta investigacin es que la desnutricin puede crear un
crculo vicioso si se asocia con la escasa educacin, ya que no puede darse un
aprendizaje adecuado con hambre de por medio. Este crculo intergeneracional es
posible interrumpirlo, si se logra combinar la educacin con una alimentacin
adecuada y balanceada.
En su anlisis, el autor hace uso de indicadores antropomtricos, tales como la talla
(desnutricin crnica) y peso (desnutricin global), encontrndose una correlacin
positiva (38%) entre la desnutricin infantil y la pobreza a nivel colombiano, pero si
se limita a los departamentos del Caribe colombiano la correlacin se eleva de forma
significativa, llegando a 70%.

79

Caso Mxico: Bazdresch (2003) y Hernndez et al (2003)

Bazdresch (2003) analiza la relacin entre educacin y pobreza (REP) en

Mxico. El problema planteado en este estudio es que la dificultad para
quienes tratan de construir una relacin entre la educacin y la pobreza se
encuentra en asociar directamente la una con la otra.
El diagnstico es el de desigualdad de oportunidades, que se manifiesta en la
menor posibilidad que tienen los pobres de ingresar oportunamente a las
instituciones del sistema educativo, de permanecer hasta terminar los ciclos
escolares, y de alcanzar el aprovechamiento escolar satisfactorio. Se evidencia
la existencia de una relacin compleja entre la escolaridad y diversos
elementos de la economa tales como el trabajo, el bienestar, la desigualdad, el
ingreso, la equidad y la igualdad de oportunidades.
La investigacin, basada en los datos diagnsticos del tipo antes anotado, lleva
a dos afirmaciones contrapuestas pero complementarias: los pobres tienen
menos oportunidades educativas porque son pobres y/o los pobres tienen
menos oportunidades educativas porque se les ofrece una educacin
empobrecida.

Otros hallazgos importantes son la cobertura del sistema educativo mexicano,

razn por la que en 1997, de la poblacin entre 6 y 14 aos, casi el 8% no
asista a la escuela, a este hecho se le aunaba la diferencia de gnero la
misma jugaba un rol importante, pues se le daba prioridad al hombre en cuanto
a sus estudios, as las mujeres de 12 a 14 aos dejaban de asistir a la escuela
ms que los varones del mismo grupo de edad. Otros factores relevantes en
las diferencias encontradas eran la reprobacin y los rezagos por edad.

Hernndez et al (2003) analiza la relacin pobreza y desnutricin en Mxico a

partir de datos de la Encuesta Nacional de Nutricin (ENN) realizada entre
agosto de 1998 y marzo de 1999 por el Instituto Nacional de Salud Pblica
(INSP). La encuesta tiene representatividad para todo el pas y permite calcular
diferentes indicadores para zonas urbanas y rurales, as como para cuatro
regiones (Norte, Centro, Sur y rea Metropolitana de la Ciudad de Mxico)

Segn este estudio, es claro que en los hogares ms pobres es mayor el

porcentaje de nios desnutridos y que a partir del grupo que marca al 25% de

80

los hogares ms pobres, se observa una incidencia de la desnutricin

relativamente estable, oscilando por debajo de 10%.

El 34,3% de los nios en hogares en situacin de pobreza alimentaria estn

desnutridos, entre los nios en hogares con pobreza de capacidades, el
porcentaje de infantes desnutridos disminuye a 16,6%, pero esta cifra
representa an el doble que la observada en el grupo de pobreza patrimonial
(8,6%). En los hogares no pobres la proporcin alcanza aproximadamente 7%.
Un dato que resume la desmedida incidencia de la desnutricin entre las
familias ms pobres, es que 3 de cada 4 nios con desmedro viven en estos
hogares50.
2.2.2.- Evidencia Emprica Nacional
En esta seccin se efecta una revisin de los estudios realizados por Len (2002) y
Len (2003) concerniente a la relacin entre capital humano y pobreza.

Len (2002) relaciona el ndice de pobreza departamental con las variables

representativas de la educacin. La premisa principal de este estudio es que la
pobreza es un problema, no slo por el hecho de que ms de la mitad de la
poblacin peruana est en tal situacin, sino porque est poniendo en peligro
la sostenibilidad o viabilidad del Per

hacia una estado de desarrollo o

crecimiento econmico armnico y slido en el tiempo.

La hiptesis planteada es que existe una estrecha relacin causal entre el nivel
de la educacin y la pobreza, y en la medida en que las regiones tengan una
poblacin con menor nivel de educacin alcanzada tendern a generar o
mostrar un mayor nivel de pobreza.
Con respecto de la metodologa utilizada, para la validacin de las hiptesis,
esta es de tipo economtrico, se realiza la especificacin del modelo con su
data correspondiente y proceden a hacer las regresiones correspondientes.

Los resultados economtricos evidencian una estrecha relacin entre las

variables educativas y el ndice de pobreza departamental en el Per; la
existencia de departamentos relativamente ms (menos) pobres se explican
por su menor (mayor) dotacin de la PEA con educacin superior y su mayor
50

La concentracin de la desnutricin es an ms severa: prcticamente la mitad de los nios

desnutridos forman parte del 10% de los hogares ms pobres del pas.

81

(menor) tasa de retiros en la educacin secundaria. Sin embargo, tambin

existen otras variables explicativas de la pobreza departamental diferente a la
variables educativas, ya que en la ecuacin de la mejor regresin el intercepto
o la constante es estadsticamente significativa.

Len (2003) propone el anlisis de la pobreza y el capital humano, utilizando

una metodologa similar a Len (2002), pero agregndole variables de salud y
nutricin, en esta investigacin se busca determinar el grado de relacin causal
entre las variables de capital humano y el ndice de pobreza departamental de
FONCODES. La hiptesis central es que las regiones pobres sern aquellas
que poseen una baja dotacin promedio de capital humano, es decir, las
regiones con bajos niveles en capital humano tendern a ser pobres, en tanto
que, las regiones donde la poblacin promedio tiene altos niveles educativos,
buenos estados de salud y nutricin infantil adecuada, tendern a no serlo.

Se utiliza una metodologa basada en las regresiones economtricas de tipo de

corte transversal, utilizando para ello datos de los 24 departamentos, con sus
consiguientes anlisis de correlacin y las regresiones economtricas usando
el mtodo de los mnimos cuadrados ordinarios.

Los resultados respaldan la hiptesis de que los departamentos peruanos

tienden a ser ms pobres en la medida en cuentan con una menor dotacin de
la PEA con educacin superior, y sean mayores sus tasas de retiro escolar y
tasa de desnutricin infantil.

La principal prescripcin de poltica econmica a partir de este trabajo fue que

una poltica que tenga como objetivo reducir la pobreza en el Per debera
tratar de aumentar la productividad laboral mediante una aceleracin y mejor
distribucin regional del proceso de acumulacin de capital humano, es decir,
del stock de conocimientos y habilidades humanas. Este proceso de
acumulacin del capital humano debe sustentarse en la disminucin de la tasa
de retiros escolares y de desnutricin infantil adems de tratar de incrementar
la PEA con educacin superior.

82

CAPTULO III: CONSTRUCCIN DEL MODELO

En la seccin anterior, con el propsito de otorgarle un soporte contextual a la
investigacin, se analizaron los hechos estilizados de la economa peruana a partir de
variables como poblacin, educacin, salud y nutricin, a fin de conocer la situacin de
los departamentos del Per en materia de pobreza y capital humano para el periodo
2004 - 2009. Asimismo, se realiz un breve anlisis de algunos trabajos de
investigacin con la finalidad de rescatar sus principales aportes, para que sirvan
como base y sustento.

En el presente captulo especifican, estiman e interpretan dos modelos economtricos

basados en las investigaciones realizadas por Len (2002) y Len (2003), con los
cuales se busca establecer la validacin o rechazo de las hiptesis planteadas. El
primer modelo a estimar est basado en el modelo planteado por Len (2003), pero a
diferencia de este autor, el modelo ser estimado para un periodo de seis aos, con la
finalidad de comprobar si lo encontrado por Len (2003) se sostiene para un periodo
de seis aos y no slo para un anlisis de corte transversal. En el segundo modelo a
analizar, se incorporan nuevas variables representativas del capital humano, con la
finalidad de verificar la relevancia de variables utilizadas.

En la realizacin de un trabajo con este nivel de desagregacin geogrfica (24

departamentos geogrfica, social, econmica, poltica y culturalmente diferentes entre
s), se encuentran dificultades, por ejemplo en la obtencin de indicadores estadsticos
que tuviesen un horizonte temporal suficientemente amplio, de forma que permitiese
su inclusin en este estudio. Por lo que debido a la escasez de la informacin se opt
por limitar el anlisis al periodo 2004 2009, periodo para el cual existe amplia
informacin para los 24 departamentos.

Es decir, en las estimaciones se utilizarn indicadores socio-demogrficos de origen

departamental correspondiente al periodo 2004 - 2009, con periodicidad anual, motivo
por el cual se tendrn un total de 24 observaciones por cada una de las variables a
utilizar, para cada ao comprendido en el periodo. Por esta razn, debido a la
naturaleza de los datos a utilizar (observaciones de serie de tiempo y de corte
transversal) la metodologa a aplicar est regida por los modelos de datos de panel o
panel data, lo cual otorga un mayor nmero de grados de libertad y hacer viable las
estimaciones.

83

3.1.

Desarrollo del Primer Modelo

3.1.1. Especificacin del Modelo

La hiptesis central planteada es la siguiente:
H0:

En los departamentos con mayor dotacin de capital humano es de

esperarse que los mismos posean menores ndices de pobreza, dado que la
mejora constante del capital humano implica mejoras en los indicadores
departamentales asociados a educacin, salud y nutricin, lo que provoca el
fortalecimiento de las capacidades en las personas, lo que se refleja a su vez
en aspectos positivos sobre la lucha contra la pobreza.
Se plantea el siguiente modelo, elaborado por Len (2002) y Len (2003).

Donde se toma como variable explicada al ndice de pobreza (IP), y como variables
explicativas: por el lado de la educacin al porcentaje de la PEA sin educacin
(PEA_SE) medido a partir de la tasa de analfabetismo de la poblacin; poblacin con
educacin primaria (EP); con educacin secundaria (ESE); con educacin superior
(ESU); la tasa de desercin o retiro escolar (TR) y la tasa de matriculados (TMA).
Entre las variables explicativas relacionadas a la salud se tiene a la mortalidad
(MORT) y la dotacin de mdicos por departamento (MH). Como variable nutricional
se toma en cuenta la tasa de desnutricin infantil (DN).
Cuadro N 3.1: Descripcin de las Variables del Modelo
VARIABLE

NOMBRE

UNIDAD DE MEDIDA

SIGNO
ESPERADO

IP

Incidencia de pobreza Departamental

% pob.

PEA_SE

Poblacin econ. activa sin educacin

% pob.

Positivo

EP

Pob. Con educacin primaria

Miles de personas

Negativo

ESE

Pob. Con educacin secundaria

Miles de personas

Negativo

ESU

Pob. Con educacin superior

Miles de personas

Negativo

TR

Tasa de retiro escolar

% de matriculados que se retiran

Positivo

TMA

Tasa de matriculados

%pob. Matriculada

Negativo

MH

Mdicos por habitantes

Nmero de mdicos

Negativo

MORT

Mortalidad

Nmero de defunciones en un ao

Negativo

DN

Desnutricin infantil

% de nios de cada departamento

Positivo

Elaboracin: Propia.

84

Con respecto a las variables, stas tendrn los signos esperados que se muestran en
el Cuadro N 3.1, los mismos que responden principalmente a lo planteado en el
marco terico, es decir, que variables como EP, ESE, ESU, TMA, MH y MORT tendrn
signo negativo sobre la incidencia de pobreza pues contribuyen a disminuirla, puesto
que refuerzan la formacin del capital humano, en el caso de la mortalidad se espera
que tenga signo negativo basndose en el hecho que cuando una persona fallece ya
no tiene necesidades por cubrir, por lo que ya no refuerza la pobreza, sino por el
contrario se libera a la economa de algunas necesidades.
Mientras que, por otro lado, se espera que variables como PEA_SE, TR, y DN
refuercen a la incidencia de pobreza, pues las mismas deterioran la formacin de
capital humano en los departamentos del pas.
La metodologa a seguir para el tratamiento de los datos, iniciar con un anlisis de
correlacin, a travs del cual se analizar el grado de correlacin existente entre la
variable explicada y las explicativas, y de explicativas entre s, para as obtener
indicios sobre los posibles resultados de la estimacin.
Respecto a la estimacin, debe sealarse que al utilizar datos de panel debe
reconocerse que los factores no observados que afectan a la variable dependiente
pueden ser de dos tipos: unos que son constantes y otros que varan en el tiempo. Si
se representa por i a cada una de las observaciones de datos de corte transversal y
por t a cada periodo de tiempo, puede escribirse el modelo con una sola variable
explicativa observada como:
51

En la expresin,

representa la variable incidencia de pobreza y es nuestra variable

dependiente o explicada, asimismo, i hace referencia al departamento observado y

t hace referencia al momento del tiempo, es decir, cada uno de los aos
comprendidos entre el periodo 2004-2009. Por otro lado, xit representa las variables de
educacin, salud y nutricin tomadas en el modelo, y hace referencia a las variables
explicativas del modelo. Asimismo, el panel data a utilizar en este modelo ser
balanceado.
En esta investigacin, se pretende estimar el modelo economtrico siguiendo la
tcnica de Mnimos Cuadrados Ordinarios (MCO), pero ya que en modelos de datos
longitudinales, estos pueden ser de efectos fijos o de efectos aleatorios, se aplica el
51

Ecuacin terica referente a modelos de panel data. Para mayor detalle consltese Wooldridge (n/d).

85

test de Haussman, mediante el que se determina cul de los enfoques resulta ms

apropiado, es decir, permite la eleccin entre el modelo de efectos fijos o el modelo de
efectos aleatorios52.
3.1.2. Estimacin y Evaluacin del modelo53
A fin de validar:
H0: En los departamentos con mayor dotacin de capital humano es de
esperarse que los mismos posean menores ndices de pobreza, dado que la
mejora constante del capital humano implica mejoras en los indicadores
departamentales asociados a educacin, salud y nutricin, lo que provoca el
fortalecimiento de las capacidades en las personas, lo que se refleja a su vez
en aspectos positivos sobre la lucha contra la pobreza.
Primero, se lleva a cabo un anlisis de correlacin, obteniendo los siguientes
resultados:
Cuadro N 3.2: Anlisis de Correlacin de las Variables del Modelo Estimado
IP

PEA_SE

EP

ESE

ESU

TR

TMA

MH

MORT

IP

1.00

PEA_SE

0.83

1.00

EP

-0.09

-0.12

1.00

ESE

-0.18

-0.20

0.99

1.00

ESU

-0.27

-0.27

0.96

0.99

1.00

TR

0.74

0.67

-0.12

-0.22

-0.27

1.00

TMA

-0.25

-0.06

-0.10

0.01

0.09

-0.34

1.00

MH

-0.30

-0.31

0.92

0.96

0.98

-0.29

0.12

1.00

MORT

-0.19

-0.18

0.98

1.00

0.99

-0.22

0.05

0.96

1.00

DN

0.88

0.84

-0.08

-0.19

-0.27

0.79

0.26

-0.31

-0.19

DN

1.00

Elaboracin: Propia.

Del Cuadro N 3.2, puede observarse la existencia de un alto grado de correlacin

entre las variables explicativas y la explicada, y de explicativas entre s. Con respecto
a las variables que se relacionan fuertemente con la incidencia de la pobreza (IP),
destacan la poblacin sin educacin (PEA_SE) con un 83%, la tasa de retiro o
52

Para mayor detalle acerca de la eleccin entre efectos fijos o efectos aleatorios, consltese a Montero
(2011) Efectos fijos o aleatorios: test de especificacin.
53

En los Anexos Economtricos se muestran las pruebas estadsticas realizadas al modelo.

86

desercin escolar (TR) con un 74% y la tasa de desnutricin infantil (DN) con un 88%.
Y a su vez la PEA_SE se correlaciona fuertemente con la DN (88%) y TR (74%), lo
que debera considerarse para el anlisis posterior.
La relacin entre variables educativas tambin es fuerte, por ejemplo EP y ESE
muestran una correlacin de 99%, esto podra estar explicado por el paso de un gran
porcentaje de personas que culminan su educacin y se matriculan en la educacin
secundaria; esto mismo sucedera entre ESE y ESU, pues se correlacionan en 99%.
Sin embargo, se encuentra que la tasa de matrcula (TMA), no muestra fuerte
correlacin con las dems variables, especialmente con las de tipo educativo. Otro
aspecto que resulta relevante en el anlisis es la correlacin entre la tasa de desercin
escolar y la tasa de desnutricin infantil (74%), pues estas variables seran claves para
explicar las diferencias en materia de pobreza entre los departamentos.
Cabe sealar que los signos observados en el Cuadro N 3.2 coinciden con los signos
esperados planteados en el Cuadro 3.1, por lo que se comprueba que en los
departamentos del Per

se

muestra una relacin indirecta entre pobreza y las

condiciones de los determinantes del stock de capital humano expresados a travs de

la tasa de matrcula, la dotacin de mdicos por habitante, la mortalidad y la tasas de
educacin primaria, secundaria y superior. Mientras que se observa una relacin
directa entre la incidencia de pobreza y variables que expresan una baja dotacin de
capital humano en los departamentos tales como la tasa de analfabetismo, la tasa de
retiro escolar y la desnutricin infantil54.
Despus de realizado el anlisis de correlacin, se procede a la estimacin del primer
modelo aplicando la metodologa de loa Mnimos Cuadrados ordinarios (MCO), y la
eleccin del mejor modelo estimado se realiza siguiendo el proceso de Parsimonia55,
con la finalidad de encontrar las variables ms significativas del mismo (Ver Anexo
N 3).

54

Es precisamente lo que planteamos en nuestra segunda hiptesis especfica.

Castellar (2004), menciona que segn Box y Jenkins (1970) y Granger (1991), el principio de
Parsimonia establece que si dos modelos resultan igualmente buenos para ajustar los datos, debe
elegirse el modelo ms simple (que es el que involucra menos parmetros).
55

87

El modelo estimado queda expresado de la siguiente forma:

Cuadro N 3.3: Estimacin del Modelo de Coeficientes Constantes
Variable Dependiente: Incidencia de Pobreza Departamental
Mtodo: Mnimos Cuadrados Ordinarios (MCO).
Periodo: 2004 - 2009
Variable

Coeficiente

T estadstico

8.932

3.827

PEA_SE

0.85

4.041

ESE

0.085

2.179

ESU

-0.428

-2.194

TR

1.119

2.045

DN

0.781

5.688

Dependiente

R2 = 0.813

R2 AJUSTADO= 0.807

F = 120.3178
Fuente: Estimaciones economtricas.
Elaboracin: Propia.

Cabe sealar que este es el modelo de coeficientes constantes, adems a partir del
mismo se llevar a cabo el anlisis de los modelos de datos de panel.
3.1.3. Modelo de Efectos Fijos
El modelo de efectos fijos considera que existe un trmino constante diferente para
cada individuo o del momento en el tiempo, y supone que los efectos individuales son
independientes entre s. Entonces el modelo de efectos fijos permite investigar la
variacin

intertemporal

y/o

transversal

por

medio

de

distintos

trminos

independientes56.
Para verificar si los efectos fijos de los departamentos o del periodo pueden
considerarse iguales hacemos uso del Test de Redundancia, el cual establece las
siguientes hiptesis:

56

Vase Rosales (2010).

88

Siendo el estadstico de prueba de la forma:

Se rechaza la hiptesis nula si el valor de F supera al valor crtico de la Tabla, al

menos con 95% de confianza. El modelo puede tener efectos fijos en las secciones
cruzadas, en el tiempo o puede tener efectos fijos en secciones cruzadas y en tiempo
a la vez. Haciendo una aplicacin de modelos de efectos fijos al modelo anteriormente
estimado, este queda expresado de la siguiente manera.
Cuadro N 3.4: PERU: Modelo de efectos fijos, Periodo 2004 - 2009
Efectos fijos
en secciones cruzadas

Efectos fijos
en tiempo

48.03771

10.51603

Efectos fijos en
secciones cruzadas
y tiempo
45.43128

(3.556061)

(4.315711)

(3.955184)

0.380229

0.810673

-0.041003

(1.145978)

(3.822549)

(-0.142770)

-0.335135

0.115034

0.015759

(-2.852325)

(2.732803)

(0.139801)

0.743263

-0.581480

0.182370

(2.628025)

(-2.758142)

(0.710328)

0.870492

0.781876

-0.937686

(1.248971

(1.375468)

(-1.398069)

0.463749

0.792662

0.141865

(3.612477)

(5.549299)

(1.057130)

R2

0.951238

0.822445

0.966718

80.12151

61.6061

96.82

TEST DE REDUNDANCIA

Se Acepta H1

Se acepta H0

Se acepta H1

Variables

PEA_SE

ESE

ESU

TR

DN

PERIODO: 2004 - 2009

NUMERO DE OBSERVACIONES: 144

Fuente: Estimaciones economtricas. Detalle en Anexos Economtricos.

Elaboracin: Propia.

Mediante la aplicacin del Test de Redundancia puede afirmarse que el modelo

estimado presenta efectos fijos en secciones cruzadas o cortes transversales, y en
secciones cruzadas y tiempo a la vez.

89

En el Cuadro N 3.5, puede inferirse la heterogeneidad que muestran los

departamentos del pas en materia de pobreza, ya que, a partir del anlisis de los
efectos fijos del modelo, puede separarse a los departamentos del Per en dos
grupos.
El primer grupo conformado por aquellos departamentos que dadas ciertas
condiciones, y siempre que las variables regresoras del modelo sean cero, reduciran
la incidencia de pobreza al interior de los mismos; mientras que en el segundo grupo
se ubicaran aquellos departamentos que incrementaran sus niveles de pobreza dado
el contexto inmerso en ellos.
Cuadro N 3.5: PERU: Efectos fijos en secciones cruzadas para los
departamentos, 2004 - 2009
DEPARTAMENTO
Amazonas
Ancash
Apurmac
Arequipa
Ayacucho
Cajamarca
Cusco
Huancavelica
Hunuco
Ica
Junn
La Libertad
Lambayeque
Lima
Loreto
Madre de Dios
Moquegua
Pasco
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali

EFECTO
17.29576
-4.182333
26.10237
-24.60477
25.54922
14.22042
5.421881
39.08301
27.60359
-26.87093
-4.108411
-7.624541
-8.774551
-57.09584
15.48173
-21.47423
-15.05760
21.06421
0.901561
21.24526
3.811668
-23.95697
-26.09293
2.062434

Reducira incidencia de
pobreza

Incrementara incidencia
de pobreza

Fuente: Estimaciones economtricas.

Elaboracin: Propia.

90

Este anlisis permite comprobar la Hiptesis especfica N 01 de la investigacin, y

que sostiene que:
H1: Existe una amplia heterogeneidad en las condiciones de pobreza y la
dotacin y condicionantes de capital humano, explicado por factores de tipo
poltico y de asignacin de recursos e integracin al mercado.
Entre los departamentos que incrementaran su incidencia de pobreza, siempre que
las variables representativas del capital humano tengan valores nulos, se encuentra
por ejemplo a Huancavelica que dadas sus condiciones exgenas al modelo
planteado, tendra un aumento proporcional a 39.08% de su incidencia de pobreza a lo
largo del periodo 2004-2009, lo que evidencia que este departamento tiene
condiciones iniciales de incidencia de pobreza muy altas, por lo que tiene una alta
dependencia respecto a las variables representativas del capital humano.
Similar situacin ocurre en departamentos como Hunuco (27.06%), Apurmac
(26.10%), Ayacucho (25.54%), Puno (21.24%) y Pasco (21.06). Por el contrario, se
encuentran los departamentos que reduciran su incidencia de pobreza, como por
ejemplo

Lima (-57.09%), Ica (-26.87%), Tumbes (-26.09%), Arequipa (-24.60%) y

Tacna (-23.95%).
3.1.4. Modelo de Efectos Aleatorios
El modelo de efectos aleatorios considera que

los

efectos

individuales

no

son

independientes entre s, es decir, considera que estos se encuentran distribuidos

aleatoriamente alrededor de un valor dado. Greene (1998), con respecto a estos
efectos menciona que [algunas veces] puede ser ms apropiado interpretar los
trminos constantes especficos de la unidad, como distribuidos aleatoriamente entre
las unidades de seccin cruzada57.
Este planteamiento slo sera apropiado si se estima que las unidades de seccin
cruzada de la muestra son extracciones muestrales de una poblacin grande. Debido
a que las unidades de anlisis son los departamentos del pas y se encuentran
incluidos los 24, que representan el total muestral, el modelo de efectos aleatorios
podra no ser el apropiado.
Para ello se estima y evala este modelo y se contrasta mediante el Test de
Haussman para decidir si el modelo ms apropiado resulta ser el modelo de efectos
fijos o efectos aleatorios.
57

Greene (1998) pg. 541.

91

Cuadro N 3.6: PERU: Modelo de efectos aleatorios, Periodo 2004 - 2009

Variable Dependiente: Incidencia de Pobreza Departamental
Modelo de Efectos Aleatorios
Periodo: 2004 2009
Nmero de Observaciones: 144
Variable

Coeficiente

T estadstico

14.32359

3.759908

PEA_SE

0.831689

3.244187

ESE

-0.033276

-0.729537

ESU

0.144886

0.663478

TR

1.191326

2.015412

DN

0.673990

5.967598

Dependiente

R2 = 0.56789

F = 36.27348

Fuente: Estimaciones economtricas.

Elaboracin: Propia.

3.1.5. Eleccin entre Modelo de efectos fijos o modelo de efectos aleatorios

Para la eleccin del modelo que mejor se ajusta a los datos de panel utilizados, se
aplica el Test de Haussman. El mismo que plantea las siguientes hiptesis:

El estadstico de Prueba es:

)2/

)]

W se distribuye como una Chi Cuadrado con K grados de libertad. Se rechaza la

hiptesis nula si el valor de W supera al valor crtico de la Tabla, al menos con 95% de
confianza.
A partir de esta prueba, se puede decidir entre el tipo de efectos que ms se ajustan
al modelo, resultando mejor la estimacin del modelo de efectos fijos58.

58

Ver el Test de Haussman en los Anexos Economtricos.

92

El modelo estimado final tendra la forma mostrada en el siguiente Cuadro:

Cuadro N 3.7: PERU: Modelo de efectos fijos elegido con aplicacin del Test de
Haussman, Periodo 2004 - 2009
Variable Dependiente: Incidencia de Pobreza Departamental
Modelo de Efectos Fijos
Periodo: 2004 2009
Nmero de Observaciones: 144
Variable

Coeficiente

T estadstico

48.038

3.556

PEA_SE

0.380

1.146

ESE

-0.335

-2.852

ESU

0.743

2.628

TR

0.874

1.249

DN

0.464

3.612

Dependiente

R2 = 0.39512

F = 80.12151

Fuente: Estimaciones economtricas.

Elaboracin: Propia.

3.1.6. Anlisis de Resultados

Con la estimacin del primer modelo se confirma la hiptesis central de la presente
investigacin, que en los departamentos con mayor dotacin de capital humano es de
esperarse que los mismos posean menores ndices de pobreza, dado que la mejora
constante del capital humano implica mejoras en los indicadores departamentales
asociados a educacin, salud y nutricin, lo que provoca el fortalecimiento de las
capacidades en las personas, lo que se refleja a su vez en aspectos positivos sobre la
lucha contra la pobreza.
Tras la aplicacin del Test de Haussman, se determin que el modelo de efectos fijos
es el que ms se ajusta a los datos utilizados en el modelo estimado. Mediante el
modelo de efectos fijos se infiere la heterogeneidad existente entre los departamentos
del Per para el periodo 2004 2009, ya que con este modelo puede dividirse a los
departamentos en dos grupos:

el primer grupo conformado por aquellos

departamentos que dadas ciertas condiciones, y siempre que las variables regresoras
del modelo sean cero, reduciran la incidencia de pobreza al interior de los mismos; y

93

el segundo grupo en el que se ubicaran aquellos departamentos que incrementaran

sus niveles de pobreza dado el contexto inmerso en ellos.
Debido a que el modelo de efectos fijos permite analizar lo que ocurrira con la variable
dependiente si las regresoras estuviesen ausentes o fueran nulas, la interpretacin del
modelo de efectos fijos, permite encontrar diferencias individuales entre los 24
departamentos en anlisis, las cuales pueden estar explicadas por las condiciones
iniciales, as como por los recursos de los que dispone cada departamento y que no
necesariamente se relacionan con las variables representativas utilizadas en estas
estimaciones.
Por ejemplo, en el caso del departamento de Huancavelica, se evidencia que para el
periodo 2004 2009, si las variables representativas del capital humano, regresoras
del modelo, fueran nulas o estuviesen ausentes, la incidencia de pobreza
departamental en Huancavelica habra incrementado un 39.08% proporcionalmente a
su incidencia de pobreza a lo largo del periodo 2004-2009.
Este anlisis realizado permite comprobar la hiptesis especfica en la que se sostiene
que existe una amplia heterogeneidad en las condiciones de pobreza y la dotacin y
condicionantes de capital humano, explicado por factores de tipo poltico y de
asignacin de recursos e integracin al mercado.
Tras la estimacin del primer modelo, se encuentra que las variables que explican la
incidencia de pobreza departamental en el Per para el periodo 2004 2009, son la
Poblacin econmicamente activa sin educacin (PEA_SE), variable operacionalizada
a travs de la tasa de analfabetismo; la poblacin con educacin primaria (EP); con
educacin superior (ESU); la tasa de desercin o retiro escolar (TR) y la tasa de
desnutricin infantil (DN).
Cabe sealar que estos hallazgos guardan relacin con lo encontrado por Len
(2003), quien mediante la aplicacin de M.C.O a datos de corte transversal, encontr
que para el ao 2003, las variables que explican la existencia de la pobreza a nivel de
los departamentos peruanos son bsicamente: la tasa de desnutricin infantil, la
dotacin de la PEA con educacin superior y la tasa de retiro escolar.
Asimismo, puede afirmarse que las estimaciones realizadas permiten encontrar que
las variables de educacin, salud y nutricin (ESAN), son determinantes significativos
del modelo explicativo de la relacin pobreza y capital humano a nivel departamental,
a lo largo del periodo analizado.

94

3.2. Desarrollo del Segundo Modelo

3.2.1. Especificacin del Modelo
En esta seccin se incorpora nuevas variables al modelo estimado, estas variables
son distintas a las utilizadas por Len (2002) y Len (2003). El ejercicio se lleva a cabo
con la finalidad de verificar las conclusiones a las que llegamos a partir de la relacin
entre capital humano y pobreza a lo largo del periodo 2004 2009 encontrada en
nuestro modelo base. Para este propsito se plantea el siguiente modelo:

Dnde, IP es la incidencia de pobreza departamental; TA es la tasa de analfabetismo;

TMA es la tasa de matriculados; LE es el logro educativo promedio alcanzado; AS es
el acceso a la salud; MC es la morbilidad crnica; MNC es la morbilidad no crnica;
IAS es la inmunizacin antisarampionosa realizada a los infantes; IVT es la
inmunizacin de vacuna triple realizada a los infantes; DN es la desnutricin infantil;
PBI_PC es el Producto Bruto Interno per cpita departamental y GINI es el coeficiente
de Gini departamental que mide las desigualdades en las distribucin de la riqueza.
En este caso el panel ser no balanceado debido a la disponibilidad de los datos, ya
que no todas las variables cuentan con los datos completos.
En el Cuadro N 3.8 se muestra la descripcin de cada una de las variables utilizadas
y los signos esperados correspondientes

95

Cuadro N 3.8
Descripcin de las Variables del Segundo Modelo
VARIABLE

NOMBRE

UNIDAD DE MEDIDA

SIGNO
ESPERADO

IP

Incidencia de pobreza Departamental

TA

Tasa de analfabetismo

Incidencia de pobreza (%
poblacin en situacin de pobreza)
% de la poblacin
Positivo

TMA

Tasa de matriculados

% de la poblacin

Negativo

TR

Tasa de retiro escolar

Positivo

LE

Logro educativo

AS

Acceso a salud

MC

Morbilidad crnica

% de la poblacin
Aos promedio de estudio (pob. de
15 y mas)
Afiliados a algn seguro de salud
(% de la poblacin)
% de la poblacin

MNC

Morbilidad no crnica

Positivo

IAS

Inmunizacin antisarampionosa

IVT

Inmunizacin vacuna triple

DN

Desnutricin infantil

PBI_PC

PBI per cpita

% de la poblacin
Cobertura de la vacuna
antisarampionosa en nios (as) de
1 ao de edad (%)
Cobertura de la vacuna triple
(DTP) en nios (as) menores de 1
ao (%)
Nios menores de 5 aos con
desnutricin crnica (% respecto a
edad)
Valores a S/. constantes de 1994

GINI

Coeficiente de Gini

Valores %

Positivo

Negativo
Negativo
Positivo

Negativo

Negativo

Positivo
Negativo

Elaboracin Propia.

3.2.2. Estimacin y Evaluacin del modelo59

A fin de validar la hiptesis central planteada:
H0: En los departamentos con mayor dotacin de capital humano es de esperarse
que los mismos posean menores ndices de pobreza, dado que la mejora constante
del capital humano implica mejoras en los indicadores departamentales asociados a
educacin, salud y nutricin, lo que provoca el fortalecimiento de las capacidades
en las personas, lo que se refleja a su vez en aspectos positivos sobre la lucha
contra la pobreza.
Este modelo es analizado de forma similar que el primer modelo, por lo que se inicia
con un anlisis de correlacin, el cual se muestra en el Cuadro N 3.9 encontrando
que los signos de las variables cumplen con los signos esperados, a excepcin de la
morbilidad crnica.
Asimismo, las variables que se correlacionan positivamente con la incidencia de
pobreza son la tasa de analfabetismo, la tasa de retiro escolar, la morbilidad no
59

En los Anexos Economtricos se muestran las pruebas estadsticas realizadas al modelo.

96

crnica, la desnutricin infantil y el coeficiente de Gini. Mientras que las variables que
se correlacionan de manera negativa con la incidencia de pobreza son la tasa de
matriculados, el logro educativo, el acceso a la salud, morbilidad crnica, inmunizacin
antisarampionosa, inmunizacin vacuna triple y el PBI per cpita
Con respecto al anlisis de correlacin, las variables ms representativas que se
asocian en gran medida con la incidencia de pobreza departamental son la tasa de
retiro o desercin escolar (78%), el logro educativo alcanzado (-67%) y la desnutricin
infantil (88%).
Estos indicios dejan entrever que las variables ms asociadas a la pobreza en los
departamentos del Per seran las de tipo educativo y variables representativas de la
nutricin, ya que en el modelo anterior, mediante el anlisis de correlacin, se
encontraron resultados similares.
Cuadro N 3.9: Anlisis de Correlacin de las Variables
del modelo estimado
IP
IP

TA

TMA

TR

LE

AS

MC

MNC

IAS

IVT

DN

PBI_PC

GINI

1.00

TA

0.79

1.00

TMA

-0.29

-0.11

1.00

TR

0.78

0.70

-0.33

1.00

LE

-0.67

-0.59

0.45

-0.65

1.00

AS

-0.15

-0.17

0.37

-0.19

0.20

MC

-0.41

-0.29

0.16

-0.38

0.36

0.28

1.00

MNC

0.28

0.32

0.07

0.07

-0.13

-0.16

-0.42

1.00

IAS

-0.25

-0.21

-0.01

-0.17

0.21

0.12

0.29

-0.15

1.00

IVT

-0.24

-0.23

0.01

-0.13

0.08

-0.16

-0.04

-0.30

0.43

1.00

1.00

DN

0.88

0.83

-0.28

0.81

-0.66

-0.15

-0.34

0.15

-0.14

-0.18

1.00

PBI_PC

-0.58

-0.46

0.38

-0.6

0.59

0.24

0.25

-0.09

0.08

0.16

-0.63

1.00

GINI

0.45

0.32

-0.19

0.34

-0.23

-0.11

-0.27

0.27

-0.08

-0.29

0.44

-0.13

1.00

Elaboracin: Propia.

Adems, las variables mencionadas anteriormente, se correlacionan con otras

variables independientes. As por ejemplo, la tasa de retiro o desercin escolar se
correlaciona con la tasa de analfabetismo en un 70%, lo que indica que ambas se
refuerzan, lo mismo ocurre al comparar la tasa de retiro escolar con el logro educativo,
pues se correlacionan en -65%, lo que indica claramente que si se incrementa la
desercin escolar, se restaran las posibilidades de obtener un buen logro educativo y
si se compara la tasa de analfabetismo con el logro educativo se encuentra que se
correlacionan en -59%.

97

Respecto a la desnutricin, se observa que se correlaciona con la tasa de

analfabetismo en un 83%, lo que permitira plantear que estas dos variables juntas
podran tener gran influencia sobre la pobreza. La lgica sera pensar en los efectos
que provocaran estas variables juntas, pues se reforzaran, ya que una poblacin
analfabeta y desnutrida posee menores posibilidades de salir de la pobreza, por lo que
caera en un crculo vicioso intergeneracional.
Del mismo modo, la desnutricin se correlaciona con la tasa de retiro escolar (81%), el
logro educativo (-66%) y el PBI per cpita (-63%). Mencin especial a la correlacin
existente entre el Producto bruto interno per cpita y la desnutricin, ya que indicara
que los departamentos con mayor PBI per cpita tendran menor probabilidad de
poseer mayores cuantas de poblacin desnutridas.
Asimismo, del Cuadro N 3.9, se observa que el PBI per cpita se correlaciona de
forma inversa con la incidencia de pobreza (58%), a pesar que se esperaba un grado
de correlacin mayor, ya que la incidencia de pobreza es medida segn la
metodologa de la lnea de pobreza, la cual se basa en un enfoque monetario.
En relacin al coeficiente de Gini, este no se correlaciona en gran medida con otras
variables explicativas, pero con la incidencia de pobreza se correlaciona de manera
positiva (45%), lo que indica que mientras mayor grado de desigualdad exista al
interior de los departamentos, las posibilidades de reducir la pobreza sern menores.
Despus de hacer el anlisis de correlacin del modelo planteado, se procede a
estimar el modelo de coeficientes constantes, el cual queda expresado de la siguiente
manera:

98

Cuadro N 3.10: Estimacin del Modelo de Coeficientes Constantes

Variable Dependiente: Incidencia de Pobreza Departamental
Mtodo: Mnimos Cuadrados Ordinarios (MCO).
Periodo: 2004 2009
Variable

Coeficiente

T estadstico

77.99

5.93

TA

0.66

3.36

LE

-3.90

-3.39

MC

-0.24

-2.17

IVT

-0.21

-3.67

DN

0.79

7.14

Dependiente

R2 = 0.84039

F = 145.3235

Fuente: Estimaciones economtricas.

Elaboracin: Propia.

3.2.3. Modelo de Efectos Fijos

El modelo de efectos fijos sera de la forma:
Cuadro N 3.11: Estimacin del Modelo de Efectos Fijos
Variable Dependiente: Incidencia de Pobreza Departamental
Modelo de Efectos Fijos
Periodo: 2004 2009
Variable

Coeficiente

T estadstico

61.852

6.36

TA

0.57

2.21

LE

-2.83

-3.07

MC

-0.37

-3.62

IVT

-0.04

-1.01

DN

0.59

5.61

Dependiente
C

R2 = 0.95884

F = 95.69999

Fuente: Estimaciones economtricas.

Elaboracin: Propia.

A travs de la aplicacin del Test de Redundancia se encuentra que el modelo

estimado presenta efectos fijos en secciones cruzadas o cortes transversales, y en
secciones cruzadas y tiempo a la vez. Por lo que, los efectos fijos del modelo seran
los que se muestran en el siguiente Cuadro.
99

Cuadro N 3.12: PERU: Efectos fijos en secciones cruzadas para los

departamentos, 2004 - 2009
Departamento
Amazonas
Ancash
Apurmac
Arequipa
Ayacucho
Cajamarca
Cusco
Huancavelica
Hunuco
Ica
Junn
La Libertad
Lambayeque
Lima
Loreto
Madre de Dios
Moquegua
Pasco
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali

Efectos
7.392439
-11.34047
9.598479
-5.025100
3.808384
-2.685881
-5.504743
7.947363
6.256579
-8.278875
-3.214907
-6.231738
0.496701
-4.100546
12.01314
-16.77312
-1.687356
16.09414
2.858079
14.72762
2.455941
-5.036200
-11.46201
-2.307910
Reduciran su
pobreza

Incrementaran su
pobreza

Fuente: Estimaciones economtricas.

Elaboracin: Propia.

Del Cuadro anterior, puede inferirse la heterogeneidad evidenciada en los

departamentos del pas en materia de pobreza, resultados que refuerzan los hallazgos
obtenidos en la estimacin del primer modelo.
A partir de lo encontrado, y para los fines de la investigacin, puede afirmarse que los
departamentos del pas son heterogneos entre s, es decir, existen dos tipos de
departamentos, los que dadas ciertas condiciones, y siempre que las variables
regresoras de nuestro modelo sean cero, reduciran la incidencia de pobreza al interior
de los mismos, y los que incrementaran sus niveles de pobreza dado el contexto
inmerso en ellos.

100

3.2.4. Modelo de Efectos Aleatorios

Una vez analizado el modelo de efectos fijos, el modelo es estimado mediante el
enfoque de efectos aleatorios, obteniendo la siguiente estimacin:
Cuadro N 3.13: PERU: Modelo de efectos aleatorios, Periodo 2004 - 2009
Variable Dependiente: Incidencia de Pobreza Departamental
Modelo de Efectos Aleatorios
Periodo: 2004 2009
Variable

Coeficiente

T estadstico

60.52

6.46

TA

0.77

3.52

LE

-2.97

-3.41

MC

-0.33

-3.39

IVT

-0.07

-1.76

DN

0.67

6.93

Dependiente

R2 = 0.66587

F = 55.00330

Fuente: Estimaciones economtricas.

Elaboracin: Propia.

3.2.5. Eleccin entre Modelo de efectos fijos o modelo de efectos aleatorios

Mediante la aplicacin del Test de Haussman al modelo estimado segn el enfoque de
efectos aleatorios, puede elegirse entre los efectos que ms se ajustan al modelo,
resultando mejor la estimacin del modelo de efectos fijos60, por lo que el modelo final
sera:
Cuadro N 3.14: PERU: Modelo de efectos fijos elegido con aplicacin del
Test de Haussman, Periodo 2004 - 2009
Variable Dependiente: Incidencia de Pobreza Departamental
Modelo de Efectos Fijos
Periodo: 2004 2009
Variable

Coeficiente

T estadstico

61.82

6.36

TA

0.57

2.21

Dependiente

60

Ver el Test de Haussman en los Anexos Economtricos.

101

LE

-2.83

-3.07

MC

-0.37

-3.62

IVT

-0.04

-1.01

DN

0.59

5.61

R2 = 0.95884

F = 95.69999

Fuente: Estimaciones economtricas.

Elaboracin: Propia.

3.2.6. Anlisis de los Resultados

El planteamiento del segundo modelo, tiene por finalidad analizar si la relacin
encontrada entre la incidencia de pobreza departamental y las variables de capital
humano se sostiene cuando se cambian las variables operacionalizadas del capital
humano.

Analizando la correlacin entre las variables del modelo se encuentra que las variables
explicativas que muestran mayor grado de correlacin con la incidencia de pobreza
son la tasa de retiro o desercin escolar (78%), el logro educativo alcanzado (-67%) y
la tasa de desnutricin infantil (88%).

Con la estimacin y eleccin del segundo modelo, se encuentra que las variables que
explican la incidencia de pobreza departamental en el Per para el periodo 2004
2009, son la Tasa de analfabetismo (TA); Logro educativo (LE); la morbilidad crnica
(MC); la Inmunizacin Antisarampionosa (IAS) y la tasa de desnutricin infantil (DN).

Estos hallazgos refuerzan la hiptesis que en los departamentos con mayor dotacin
de capital humano es de esperarse que los mismos posean menores ndices de
pobreza, dado que la mejora constante del capital humano implica mejoras en los
indicadores departamentales asociados a educacin, salud y nutricin, lo que provoca
el fortalecimiento de las capacidades en las personas, lo que se refleja a su vez en
aspectos positivos sobre la lucha contra la pobreza.

En ambos modelos estimados, se encuentra que las variables que muestran alto grado
de correlacin con la incidencia de pobreza son las variables de tipo educativo y las
variables representativas de la nutricin. El hecho que las variables explicativas no
solo estn correlacionadas con la incidencia de pobreza, sino que se encuentran
correlacionadas entre s, valida la afirmacin de la posibilidad de fortalecimiento de
crculo vicioso al interior de los departamentos.
102

Otro aspecto relevante que puede interpretarse a partir del anlisis de correlacin son
los signos esperados. Al respecto, los signos encontrados se ajustan a los signos
esperados en la especificacin del modelo. Por ejemplo, la poblacin sin educacin
(PEA_SE) muestra un signo positivo lo que deja entrever la relacin directa existente
entre esta variable y la incidencia de pobreza, es decir, el incremento de la poblacin
sin educacin, medida a travs de la tasa de analfabetismo, contribuye al aumento de
los niveles de pobreza departamental.
Tras la aplicacin del Test de Haussman, se determin que el modelo de efectos fijos
es el que ms se ajusta a los datos utilizados en el modelo estimado. Con la
estimacin del modelo de efectos fijos se evidencian las diferencias existentes entre
los departamentos del Per para el periodo 2004 2009. Las diferencias entre los
departamentos que incrementaran sus niveles de pobreza y aquellos que la reduciran
responden a una serie de factores, que determinan sus condiciones iniciales.
El anlisis fortalece la hiptesis especfica en la que se sostiene que existe una amplia
heterogeneidad en las condiciones de pobreza y la dotacin y condicionantes de
capital humano, explicado por factores de tipo poltico y de asignacin de recursos e
integracin al mercado.
Por otro lado, la incorporacin de nuevas variables permite comprobar que la relacin
existente entre la incidencia de pobreza departamental y el capital humano se
mantiene an cambiando las variables del primer modelo. De esta estimacin, se
establece que las variables que mejor explican la incidencia de pobreza departamental
en el Per para el periodo 2004 2009 son: la tasa de analfabetismo, el logro
educativo alcanzado, la morbilidad crnica, la inmunizacin vacuna triple y la tasa de
desnutricin infantil, resultados similares a los encontrados en el primer modelo y que
se refuerzan por los hallazgos encontrados por Len (2003).
3.3. Anlisis por Regiones Naturales
Una vez estimados y analizados los dos modelos anteriores, y encontrado el modelo
que ms se ajusta a los datos de panel utilizados, como ejercicio adicional, en esta
seccin se procede a estimar modelos a partir de la agrupacin de los departamentos,
diferencindolos en departamentos de la costa, de la sierra y de la selva 61, con la

61

Esta agrupacin de departamentos se realiza segn el Instituto Geogrfico Nacional disponible en

www.ign.gob.pe

103

finalidad de observar las aproximaciones y/o diferencias entre los departamentos

segn su regin geogrfica, tal como lo muestra el Cuadro N 3.15.
Cuadro N 3.15: PERU: Modelos de efectos fijos segn regin geogrfica,
Periodo 2004 2009
Variable Dependiente: Incidencia de Pobreza Departamental
Modelo de Efectos Fijos segn regin geogrfica
Periodo: 2004 2009
Variable
C

Per
48.03771

Regin Geogrfica
Costa
Sierra
59.81611
-12.37782

Selva
96.43205

(3.556061)

(3.495201)

(-0.458548)

(3.373204)

0.380229

1.156976

0.778227

1.203246

(1.145978)

(2.120312)

(1.907353)

(1.689004)

-0.335135

-0.392194

0.298321

-1.909258

(-2.852325)

(-3.262515)

(1.236261)

(-3.539760)

0.743263

0.228664

1.560548

7.621038

(2.628025)

(0.782642)

(3.167795)

(3.705075)

0.870492

1.932022

1.775129

-3.312052

(1.248971

(1.413755)

(1.995473)

(-2.542359)

0.463749

0.238698

0.282086

0.773907

(3.612477)

(1.024021)

(1.929523)

(2.614247)

R2

0.951238

0.910307

0.911782

0.963742

80.12151

32.62214

31.80179

59.06683

PEA_SE

ESE

ESU

TR

DN

PERIODO: 2004 - 2009

NUMERO DE OBSERVACIONES: 144

Fuente: Estimaciones economtricas.

Elaboracin: Propia.

Del Cuadro anterior se observa que el modelo es estadsticamente significativo, tanto

con datos a nivel nacional como con datos agrupados por regiones geogrficas,
adems sus estadsticos R cuadrado oscilan entre el 91% - 96%.

Respecto a los signos de las variables estos se mantienen constantes para variables
como PEA_SE, ESU y DN, lo que demuestra que estas variables explican la incidencia
de pobreza a todo nivel. En cambio, los signos de los coeficientes de variables como
ESE y TR no son los mismos para el caso de la sierra62.

62

El anlisis de estas estimaciones se presentan en la seccin Anlisis de Resultados.

104

CAPTULO IV: IMPLICANCIAS DE POLTICA ECONMICA

El concepto de capital humano tiene un rol primordial en la discusin actual como
factor explicativo de las diferencias observadas en las tasas de crecimiento econmico
y niveles de calidad de vida de la poblacin en los distintos pases. A pesar de haber
tomado relevancia en la literatura econmica reciente, el capital humano, puede
definirse como los conocimientos, habilidades y destrezas que poseen los individuos.
Con esta definicin, gastos que generalmente son considerados consumo, no son otra
cosa que adiciones al stock de capital humano.
Claros ejemplos de stos son la educacin, salud, nutricin y la migracin interna en
la bsqueda de nuevas oportunidades. La alta concentracin poblacional presente
principalmente en algunos departamentos del Per, presenta un escenario en el que
es posible distinguir que las personas tienden a concentrarse en los espacios donde
se les ofrece mayores oportunidades. Estas oportunidades pueden ser de diversa
ndole, por ejemplo, laboral, de salud, de educacin, etc.
Respecto a la pobreza, uno de los objetivos del milenio planteados por la Organizacin
de las Naciones Unidas (ONU), es la erradicacin de los niveles de pobreza, y en esta
lnea se dirigen las acciones implementadas en los programas para la reduccin de la
pobreza. En este sentido las polticas econmicas se orientan al fomento del
crecimiento econmico para la generacin de recursos, mediante los cuales se pueda
obtener mejoras en los sectores educacin, salud y nutricin, a travs de distintos
programas implementados por el Estado.
Polticas orientadas al fortalecimiento de las capacidades de las personas, mediante la
acumulacin de capital humano, son beneficiosas para lograr la erradicacin de la
pobreza a nivel nacional, debido a que estas acciones generan las condiciones
necesarias para el incremento de la productividad en la economa nacional.
Si bien las acciones tomadas en materia de reduccin de la pobreza, han logrado
disminuciones considerables a nivel nacional, pasando de 43,6% en 2004 a 34,8% en
2009, existen departamentos en los que an persisten las altas tasas de incidencia de
pobreza, como es el caso de Huancavelica, departamento que al 2009 presenta una
incidencia de pobreza de 77,2%.

105

Las desigualdades encontradas estn asociadas principalmente a la prevalencia de las

tasas de analfabetismo, tasas de desercin o retiro escolar y la desnutricin crnica
infantil; a pesar de la mejora registrada en los sectores educacin y salud, por lo que
an existen necesidades que deben ser cubiertas. Un claro ejemplo de la desigualdad
presente al interior del pas es que al 2009, mientras que en la Sierra Rural cuatro (04)
de cada diez (10) infantes se encontraban desnutridos, en Lima Metropolitana cuatro
(04) de cada cien (100) se encontraban en similar situacin.
Dados los recursos existentes en cada uno de los departamentos del pas, polticas
destinadas a mejorar la cobertura en educacin, salud y nutricin tenderan tambin a
favorecer la acumulacin del capital humano, y por ende el potencial para generar y
sostener el crecimiento econmico, y de esta manera mantener las condiciones
necesarias para la reduccin de la pobreza al interior de los departamentos.

106

CONCLUSIONES
1. Los resultados del primer modelo muestran que las variables que explican la
incidencia de pobreza departamental en el Per para el periodo 2004 2009,
son la Poblacin econmicamente activa sin educacin (PEA_SE), variable
operacionalizada a travs de la tasa de analfabetismo; la poblacin con
educacin primaria (EP); con educacin superior (ESU); la tasa de desercin o
retiro escolar (TR) y la tasa de desnutricin infantil (DN).

Estos hallazgos guardan relacin con lo encontrado por Len (2003), quien
mediante la aplicacin de M.C.O a datos de corte transversal, encontr que
para el ao 2003, las variables que explican la existencia de la pobreza a nivel
de los departamentos peruanos son bsicamente: la tasa de desnutricin
infantil, la dotacin de la PEA con educacin superior y la tasa de retiro escolar.

2. En el segundo modelo, la incorporacin de nuevas variables permite

comprobar que la relacin existente entre la incidencia de pobreza
departamental y el capital humano se mantiene an cambiando las variables
del primer modelo. De esta estimacin, se establece que las variables que
mejor explican la incidencia de pobreza departamental en el Per para el
periodo 2004 2009 son: la tasa de analfabetismo (TA), el logro educativo
alcanzado (LE), la morbilidad crnica (MC), la inmunizacin vacuna triple (IVT)
y la tasa de desnutricin infantil (DN), resultados similares a los encontrados en
el primer modelo y que se refuerzan por los hallazgos encontrados por Len
(2003).

3.

En ambos modelos estimados, se encuentra que las variables que muestran

alto grado de asociacin con la incidencia de pobreza son las variables de tipo
educativo y las variables representativas de la nutricin. El hecho que las
variables explicativas no solo estn correlacionadas con la incidencia de
pobreza, sino que se encuentran correlacionadas entre s, valida la afirmacin
de la posibilidad de fortalecimiento de crculo vicioso al interior de los
departamentos.

107

4. En base al anlisis realizado, se encuentra que el modelo de efectos fijos es el

que ms se ajusta a los datos utilizados en los modelos estimados. Mediante el
modelo de efectos fijos se infiere la heterogeneidad existente entre los
departamentos del Per para el periodo 2004 2009, ya que con este modelo
puede dividirse a los departamentos en dos grupos: el primer grupo
conformado por aquellos departamentos que dadas ciertas condiciones, y
siempre que las variables regresoras del modelo sean cero, reduciran la
incidencia de pobreza al interior de los mismos; y el segundo grupo en el que
se ubicaran aquellos

departamentos que incrementaran sus niveles de

pobreza dado el contexto inmerso en ellos.

5. Al realizar un anlisis por regiones naturales, se encuentra que el modelo es
estadsticamente significativo, tanto con datos a nivel nacional como con datos
agrupados por regiones geogrficas, adems sus estadsticos R cuadrado
oscilan entre el 91% - 96%. Respecto a los signos de las variables estos se
mantienen constantes para variables como PEA_SE, ESU y DN, lo que
demuestra que estas variables explican la incidencia de pobreza a todo nivel.
En cambio, los signos de los coeficientes de variables como ESE y TR no son
los mismos para el caso de la sierra.
6. Los resultados del estudio confirman la hiptesis que en los departamentos con
mayor dotacin de capital humano es de esperarse que los mismos posean
menores ndices de pobreza, dado que la mejora constante del capital humano
implica mejoras en los indicadores departamentales asociados a educacin,
salud y nutricin, lo que provoca el fortalecimiento de las capacidades en las
personas, lo que se refleja a su vez en aspectos positivos sobre la lucha contra
la pobreza.

108

RECOMENDACIONES
1. Para garantizar que la reduccin de los niveles de pobreza a nivel nacional sea
sostenible en el tiempo, es necesario que el proceso de acumulacin del capital
humano se respalde en polticas orientadas a la disminucin de la tasa de
analfabetismo, la tasa de retiros escolares, la desnutricin infantil, adems de
tratar de incrementar el logro educativo de la poblacin, as como garantizar la
calidad de los servicios de salud y reducir los niveles de desnutricin crnica en
los infantes.

2. Debido a las diferencias encontradas en los resultados a nivel departamental,

evidenciados en la heterogeneidad mostrada por los efectos fijos, debera
seguirse un criterio de focalizacin no slo del nivel de pobreza, sino tambin
un criterio de priorizacin basado en el fortalecimiento de los factores
determinantes del capital humano a nivel departamental, como son: la tasa de
analfabetismo, la educacin de la poblacin con primaria, la inmunizacin para
la prevencin de enfermedades, los niveles de morbilidad crnica y la tasa de
desnutricin infantil.

109

BIBLIOGRAFA
Aguirre, M.; Carrasco, P. y Nez, K.
(2009)
Capital Humano y Crecimiento Econmico en Chile. Estudios de
Economa Regional, Centro de Estudios de Opinin Ciudadana,
Universidad de Talca. Talca, Chile, 2009.
Akerlof, G.
(1970)
The market for lemons: Quality Uncertainty and the Market Mechanism,
Quarterly Journal of Economics, August. Edicin virtual disponible en:
http://www.perishablepundit.com/docs/market-for-lemons.pdf
Alarcn, J.
(2002)
Per: El perfil epidemiolgico en un contexto de demanda reprimida de
servicios de salud. Partners for Health Reform plus. Edicin virtual
disponible en http://pdf.usaid.gov/pdf_docs/PNACU666.pdf
Altimir, Oscar
(1979)
La dimensin de la pobreza en Amrica Latina, Cuadernos de la CEPAL,
N 27, Comisin Econmica para Amrica Latina y el Caribe (CEPAL),
Santiago
de
Chile.
Edicin
virtual
disponible
en:
http://www.eclac.org/mujer/reuniones/quito/IArriagada2.pdf
lvarez, Carlos
(1994) El Impacto de la Segmentacin Laboral sobre el sistema productivo espaol
y su modelo de competencia. Cuadernos de Relaciones Laborales, N 05.
Edit. Complutense. Madrid.
Aparicio, F.
(2000)
Universidad y Sociedad en los Albores del 2000. Universidad Carlos III de
Madrid. Departamento Estadstica y Economa. Documento de Trabajo 006. Serie Estadstica y Econometra. Pg. 4. Madrid, Espaa.
Arambur, Carlos E. y Mendoza Mara Isabel.
(2003) La poblacin peruana: perspectivas y retos. Consorcio de Investigacin
Econmico y Social (CIES). Lima.
Arriagada, Irma
(2003)
Dimensiones de pobreza y polticas sociales: La participacin desigual de
la mujer en el mundo del trabajo, Revista de la CEPAL, N 40, Comisin
Econmica para Amrica Latina y el Caribe (CEPAL), Santiago de Chile,
Abril, 2003.
Arrow, K.
(1973)
Higher education as a filter. Journal of Public Economics. Vol. 2, Nro.3.
Bazdresch Parada, Miguel.
(2003)
Educacin y pobreza: una relacin conflictiva. Guadalajara Mxico
Becker, G.
110

(1975)

Human capital and the personal distribution of income: an analytical

approach.

Becker, G.
(1993)
Human capital. A theoretical and empirical analysis with special reference to
education. Chicago: University of Chicago Press.
Blackwood, D. L. y R. G. Lynch
(1994)
"The Measurement of Inequality and Poverty: A Policy Maker's Guide to the
Literature", en World Development, vol. 22, n 4, pp. 567-578.
Bowles y Gintis.
(1975)
El problema de la Teora del Capital Humano. American Economic Review,
N 65.
Box, G. y Jenkins
(1970)
Time Series Analysis: Econometric and Control, First Ed., San Francisco,
Holden day.
Brunner, J. y Elacqua, G.
(2003)
Informe Capital humano en Chile.
Edicin virtual disponible en:
http://www.oei.es/etp/informe_capital_humano_chile_brunner.pdf
Caibano, C.
(2005)
El Capital Humano: factor de innovacin, competitividad y crecimiento.
Sexto Congreso de Economa de Navarra. Universidad Rey Juan Carlos.
Pg. 5. Pamplona, Espaa.
Casero, Ana y Trueba, Ignacio.
(2004)
La Pobreza y la Seguridad Alimentaria en las zonas marginadas de
Burundi. Universidad Politcnica de Madrid, Departamento de Proyectos y
Planificacin Rural. Madrid.
Castellar, C. y Uribe, J.
(2000)
La Tasa de retorno de la educacin en presencia de externalidades
pecuniarias endgenas, CIDSE, Documentos de Trabajo, CIDSE,
Documentos de Trabajo # 55.
Castellar, C. y Uribe, J.
(2004)
Capital Humano y sealizacin para el rea metropolitana de Cali 1988
2000. Revista Sociedad y Economa, nm. 6. Pg. 51 79. Universidad
del Valle. Cali, Colombia.
Castellar, C.
(2004)
Pedagoga, presente y futuro de la econometra. Departamento de
Economa. Universidad del Valle.
CEPAL (Comisin Econmica para Amrica Latina y el Caribe)
111

(2000)

Desarrollo econmico y social en la Repblica Dominicana: Los ltimos

20 aos y perspectivas para el siglo XXI. Proyecto BT-DOM-1999.
Santiago.

CEPAL (Comisin Econmica para Amrica Latina y el Caribe)

(2003) Panorama social de Amrica Latina y el Caribe 2002-2003 (sntesis)
(LC/G.2209-P/E), Santiago de Chile. (2000), Equidad, desarrollo y
ciudadana (LC/G.2071/Rev.1-P), publicacin de las Naciones Unidas. N de
venta: S.00.II.G.81, Santiago de Chile, Agosto, 2003.
CEPAL-UNIFEM-Repblica de Italia (2004), Entender la pobreza desde la perspectiva
de gnero, Series Mujer y Desarrollo N 52, pg. 12, Santiago de Chile.
Chacaltana, Juan
(2001) Ms All de la Focalizacin. CIES. Lima.
Chvez, Susana y Tvara, Luis.
(2010)
El Derecho a la Planificacin Familiar: Una Agenda Inconclusa en el Per.
Centro de Promocin de los Derechos Sexuales y Reproductivos
(PROMSEX). Lima, 2010.
Clert, Carine
(1998)
De la vulnerabilidad a la exclusin: gnero y conceptos de desventaja
social. Gnero y pobreza. Nuevas dimensiones. Irma Arriagada y Carmen
Torres (eds.), N 26, ISIS Internacional, Ediciones de las Mujeres, Santiago
de
Chile.
Edicin
virtual
disponible
en:
http://www.epes.cl/pdf/serie_IS_parte1_1er_informe_violencia.pdf
De Ferranti. D. y otros
(2004) Desigualdad en Amrica Latina y el Caribe: ruptura con la historia?
Estudios del Banco Mundial sobre Amrica Latina y el Caribe, Banco
Mundial.
De Gregorio, J.
(2007) Macroeconoma: Teora y Polticas. Ed. Pearson Educacin. Universidad de
Chile. Santiago de Chile.
De Janvry, A. y Sadoulet, E.
(2004)
Hacia un enfoque territorial del desarrollo rural. Universidad de California
(Sede de Berkeley). Preparado para el Cuarto Foro Temtico Regional de
Amrica Latina y el Caribe: Cosechando Oportunidades: Desarrollo Rural
en el Siglo 21. Costa Rica. Edicin virtual disponible en:
http://www.bancomundial.org/cuartoforo/text/AJANVRY-PAPER-Oct202004.pdf

112

Daz, Juvenal.
(2006) Nuevo Mapa de Pobreza del Fondo de Cooperacin para el Desarrollo Social
FONCODES 2006. FONCODES. Lima. Edicin virtual disponible en:
http://www.cemfi.es/~plavado/Inequality_social_programs_peru.pdf
Doeringer, P.B. y Piore, M.J.
(1983)
Los mercados internos de trabajo, en El mercado de trabajo: teora y
aplicaciones. L. Toharia. Alianza Universidad. Madrid. Edicin virtual
disponible
en:
http://www.raco.cat/index.php/papers/article/viewFile/25504/25338
Du Bois, A.
(n/d)
Los conceptos operativos en las estrategias globales frente a la desigualdad:
anlisis de las ideas en los organismos internacionales.
Elas, S.
(2004)

Capital humano, calidad educativa y crecimiento econmico, Revista

Estudios Econmicos, Vol. XXI (N.S.), Nro.42, Enero-Junio 2004, Dpto. de
Economa, UNS, 2004. ISSN 0425-368X

Escobal, J. y Ponce C.
(2002)
Una primera evaluacin del impacto de los caminos rurales. Economa y
Sociedad 47, CIES. Lima, Per.
Feres, J. C.
(1997)
Notas sobre metodologa de la pobreza segn el mtodo del ingreso.
Revista de la CEPAL, N 61, pg. 119-133. Abril, 1991. Edicin virtual
disponible
en:
http://www.econ.uba.ar/www/servicios/Biblioteca/bibliotecadigital/bd/tesis_d
oc/giarrizzo.pdf
Ferrer, G. y Arregui, P.
(2003)
Las pruebas internacionales de aprendizaje en Amrica Latina y su impacto
en la calidad de la educacin: criterios para guiar futuras aplicaciones.
Documentos PREAL. N 26. Santiago de Chile.
Friedman, M.
(1967)
"The Methodology of Positive Economics" In Essays In Positive Economics
(Chicago: Univ. of Chicago Press, 1966), pg. 3-16, 30-43, versin
castellana. Ensayos sobre economa positiva Editorial Gredos S. A
Madrid. Primera parte La metodologa de la economa positiva.
Gmez, R.
(2010)

Evolucin Cientfica y Metodolgica de la Economa. Universidad

Nacional de Educacin a Distancia. Facultad de Ciencias Econmicas.
Mlaga.
Edicin
virtual
disponible
en:
http://isis.faces.ula.ve/computacion/emvi/libreria/rgl-metod.pdf

113

Gordon, D.M.; Edwards, R.; Reich, M.

(1986)
Trabajo segmentado, trabajadores divididos. La transformacin histrica
del trabajo en los Estados Unidos. Madrid: Ministerio de Trabajo y SS.
Grangrer, C.W.J
(1990)
Where are the Controversies en Econometric Methodology? Modeling
Economic Series, edited by C.W.J. Granger, Advanced Text in
Econometrics, Clarendon Press, Oxford.
Guzmn, A.
(2001)
Atencin en el primer nivel. En Polticas de Salud 2001-2006. Consorcio
de Investigacin Econmica y Social (CIES). Lima.
Herrera, Javier.
(2002) La pobreza en el Per 2001: una visin departamental. Economa y Sociedad
47, CIES. Lima, Per.

Iglesias, J.
(2010)
Rendimiento de la educacin en Europa; un enfoque aplicado con Variables
Instrumentales. Departamento de Economa General y Estadstica.
Universidad de Huelva.
INEI
(2000)

INEI
(2003)

INEI
(2004)

INEI
(2004)

INEI
(2005)

Instituto Nacional de Estadstica e Informtica. Encuesta Demogrfica y de

Salud
Familiar
(ENDES).
Edicin
virtual
disponible
en:
http://desa.inei.gob.pe/endes/Investigaciones/Libro_Endes.pdf

Instituto Nacional de Estadstica e Informtica. Encuesta Nacional de

Hogares
(ENAHO).
Edicin
virtual
disponible
en:
http://www.measuredhs.com/pubs/pdf/FR187/FR187.pdf

Instituto Nacional de Estadstica e Informtica. Encuesta Demogrfica y de

Salud
Familiar
(ENDES).
Edicin
virtual
disponible
en:
http://webinei.inei.gob.pe/anda/ddibrowser/?id=1

Instituto Nacional de Estadstica e Informtica. Encuesta Nacional de

Hogares
(ENAHO).
Edicin
virtual
disponible
en:
http://www.inei.gob.pe/biblioineipub/bancopub/Est/Lib0788/Libro.pdf

Instituto Nacional de Estadstica e Informtica. Encuesta Demogrfica y de

Salud
Familiar
(ENDES).
Edicin
virtual
disponible
en:
http://webinei.inei.gob.pe/anda/ddibrowser/?id=55
114

INEI
(2005)

INEI
(2006)

INEI
(2007)

INEI
(2008)

INEI
(2009)

INEI
(2009)

INS
(2007)

Instituto Nacional de Estadstica e Informtica. Encuesta Nacional de

Hogares
(ENAHO).
Edicin
virtual
disponible
en:
http://www.inei.gob.pe/BiblioINEIPub/BancoPub/Est/lib0989/libro.pdf

Instituto Nacional de Estadstica e Informtica. Encuesta Nacional de

Hogares
(ENAHO).
Edicin
virtual
disponible
en:
http://www.inei.gob.pe/biblioineipub/bancopub/Est/Lib0734/Libro.pdf

Instituto Nacional de Estadstica e Informtica. Encuesta Nacional de

Hogares
(ENAHO).
Edicin
virtual
disponible
en:
http://censos.inei.gob.pe/documentosPublicos/Informe_Tecnico_Pobreza20
07.pdf

Instituto Nacional de Estadstica e Informtica. Encuesta Nacional de

Hogares
(ENAHO).
Edicin
virtual
disponible
en:
http://censos.inei.gob.pe/DocumentosPublicos/Pobreza/2009/Infome_Pobr
eza.pdf

Instituto Nacional de Estadstica e Informtica. Encuesta Demogrfica y de

Salud
Familiar
(ENDES).
Edicin
virtual
disponible
en:
http://www.measuredhs.com/pubs/pdf/FR242/FR242.pdf

Instituto Nacional de Estadstica e Informtica. Encuesta Nacional de

Hogares
(ENAHO).
Edicin
virtual
disponible:
http://www.unfpa.org.pe/publicaciones/publicacionesperu/INEI-MapaPobreza-2009.pdf
Instituto Nacional de Salud. Efectos del nivel socioeconmico sobre algunos
indicadores de salud y nutricin en la niez, Per 2003 2004. Ministerio
de Salud. Lima, 2007.

Jaffe, Klaus.
(2005)
La Riqueza de las Naciones: Una visin interdisciplinaria. Centro de
Estudios Estratgicos (CEE) & Laboratorio de Comportamiento.
Universidad Simn Bolvar. Caracas. Edicin virtual disponible en:
http://www.cee.usb.ve/La%20riqueza%20de%20las%20naciones.pdf

115

Katouzian, H.
(1982) Ideologa y Mtodo en Economa. Madrid: Blume Ediciones. Edicin virtual
disponible
en;
http://www.econ.uba.ar/www/institutos/epistemologia/marco_archivos/trabaj
os_XV_archivos/Chaparro20LA%20EMANCIPACI%D3N%20DEL%20PEN
SAMIENTO%20ECON%D3MICO,%20O
Kruger, Natalia.
(n/d)
Reflexiones de los alcances y limitaciones de la teora del capital humano.
Universidad nacional del Sur. Edicin virtual disponible en:
http://www.econ.uba.ar/www/institutos/epistemologia/marco_archivos/pone
ncias/Actas%20XIII/Trabajos%20Episte/Kruger_trabajo.pdf
Len, Juan
(2002)
Educacin y Pobreza en el Per. IIE-UNMSM, Lima.
Len, Juan
(2003) Capital Humano y Pobreza en el Per. INIFE UNAC. Per.
Madueo, M. y C. Sanabria
(2003).
Estudio de oferta de los servicios de salud en el Per y el anlisis de
brechas 2003-2020. Partners for Health Reform plus. Mimeo. Edicin
virtual disponible en: http://es.scribd.com/doc/63903670/Balance-PoliticasSociales-Peru
Mankiw, Gregory
(1998)
Principios de Economa. Cuarta Edicin. Ed. Mc Graw-Hill. Mxico.
MIMDES
(2005)
El Desarrollo Territorial como estrategia para la superacin de la pobreza y
la exclusin. Ministerio de la Mujer y Desarrollo Social Lima.
Mincer, Jacob
(1975)
Education, income and human behavior.
Mincer, Jacob
(1993)
Collected Essays of Jacob Mincer (Vol.1): Studies in Human Capital.
Brookfield
(Vermont):
Ashgate.
Documento
disponible
en:
http://carmine.se.edu/cvonbergen/Measures%20of%20Training%20Costs%
20in%20Australia.pdf
MINEDU
(2010)

Censo Escolar 2004 2009. Unidad Estadstica educativa. Ministerio de

Educacin. Edicin virtual en: http://escale.minedu.gob.pe/censo-escolar

Ministerio de Economa y Finanzas (MEF)

(n/d)
Mtodos
para
medir
la
pobreza.
Edicin
virtual
en:
http://www.mef.gob.pe/index.php?option=com_content&view=article&id=37
0&Itemid=100412&lang=es
116

Miranda, Francisca
(2003)
Capital social, pobreza y gnero. Aportes para la reflexin, documento
preliminar de discusin al Grupo de Discusin Pobreza y Gnero
organizado por la Unidad Mujer y Desarrollo, Comisin Econmica para
Amrica Latina y el Caribe (CEPAL), Santiago de Chile, junio. Edicin
virtual
disponible
en:
http://www.eclac.cl/mujer/reuniones/pobreza/LGodoy.pdf
Miranda, Liliana
(2008) Factores asociados al rendimiento escolar y sus implicancias para la poltica
educativa del Per. En: BENAVIDES, Martn (editor). Anlisis de
programas, procesos y resultados educativos en el Per: contribuciones
empricas para el debate. GRADE. Lima.
Miranda, Liliana y Schleicher, Andreas
(2009)
La Educacin Peruana en el Contexto de PISA. Serie: La Educacin del
Futuro. Consejo Nacional de Educacin. Grupo Santillana. Lima.
Monge-Gonzles, R. y Hewitt, J.
(2008)
Innovacin competitividad y crecimiento: desempeo de Costa Rica y de su
sector de las TICs. 1era - Ed Ediciones El Castillo. Cartago, Costa Rica.
MONIN
(2006)
Monitoreo Nacional de Indicadores nutricionales PERU 1997 2001.
Ministerio de Salud. Instituto Nacional de Salud. Lima, 2006.
MONIN
(2007)

MONIN
(2009)

Monitoreo Nacional de Indicadores Nutricionales 2002 2004. Ministerio

de Salud. Instituto Nacional de Salud. Centro Nacional de Alimentacin y
Nutricin.
Lima.
Edicin
virtual
disponible
en:
http://www.ins.gob.pe/repositorioaps/0/5/zop/zona_izquierda_1/Informe%2
0Indicadores%20PAN%20_180111.pdf

Monitoreo Nacional De Indicadores Nutricionales 2008-2009. Instituto

Nacional de Salud. Lima.

Montero, R.
(2011)
Efectos fijos o aleatorios: test de especificacin. Universidad de Granada.
Edicin
virtual
disponible
en:
http://www.ugr.es/~montero/matematicas/especificacion.pdf
Neira, I.
(2003) Modelos economtricos de capital humano: principales enfoques y evidencia
emprica. Working Paper N 64 (AEEADE)
ONU
(1995)

Cumbre Mundial sobre el Desarrollo Social. Organizacin de las Naciones

Unidas. Copenhague.
117

ONU
(1997)

ONU
(2004)

Nutrition and poverty. Papeles de la 24 Sesin Simposio del SCN (Comit

permanente de nutricin del sistema de las Naciones Unidas) en
Katmand. Ginebra.

"Nutricin para mejorar los resultados de desarrollo".

Oroval, E.
(1996) Economa de la Educacin; Barcelona; Ariel.
Oroval, E. y Escardbul, J.
(1998)
Aproximaciones a la relacin entre educacin y crecimiento econmico.
Revisin y estado actual de la cuestin. Universidad de Barcelona. Edicin
virtual en: http://www.eco.ub.es/~escard/Oroval-Escardibul.pdf
Piore, M.
(1983)
Labor market segmentation: To what paradigm does it belong?. American
Economic Review, 73, 2, Maio 1983, pp. 249-253.
PNUD
(1997)

PNUD
(1997)

Informe sobre Desarrollo Humano. Programa de Naciones Unidas para el

Desarrollo, Mundi-Prensa. Madrid.

Informe IDH 2007 2008. Programa de Naciones Unidas para el Desarrollo.

Ramos Ballarte, Virgilio

(2001)
La educacin y la circularidad de la pobreza. En: Dimensiones de la
Pobreza en el Per. Crecimiento Econmico Educacin y Salud: Anlisis
de la Encuesta Nacional de Hogares (ENAHO). Per: INEI.
Riquelme, G. Y Razquin, P.
(1991)
Mercado laboral y educacin: el papel de la educacin en el acceso al
empleo. Revista de Ciencias Sociales, Ao 12, Nro. 1. Dpto. de
Sociologa. Facultad de Ciencias Sociales. Fundacin Cultura Universitaria.
Montevideo, Uruguay.
Rogers BL, Rajabiun S, Levinson J, Tucker K, Altobelli LC, Creed-Kanashiro H, et al.
(2001)
Reduccin de la desnutricin crnica en el Per: propuesta para una
estrategia nacional. Lima, 2001. The Gerald J. and Dorothy R. Friedman
School of Nutrition Science and Policy at Tufts University.
Romer, P.
(1986)
Increasing returns and long-run growth. Journal of political economy.

118

Rodrguez Vargas, Jos

(2005)
La Nueva Fase de Desarrollo Econmico y Social del Capitalismo
Mundial.
Tesis
doctoral,
edicin
virtual
disponible:
http://www.eumed.net/tesis/jjrv/
Rodrguez Ramrez, Hctor
(n/d)
Enfoques para la medicin de la Pobreza: Breve Revisin de la Literatura.
Centro de Anlisis y Evaluacin de la Poltica Pblica. Mxico. Edicin
virtual
disponible
en:
http://www.mty.itesm.mx/egap/centros/caep/imagenes/Pobreza.pdf
Rosales, L.
(2010)
Tcnicas de Medicin Econmica. Universidad Nacional de Piura.
Ruggeri Laderchi, Caterina, Ruhi Saith y Frances Stewart
(2003)
Does it matter we dont agree on the definition of poverty? A comparison of
four approaches, Documento de trabajo, N 107, Queen Elizabeth House,
University of Oxford.
Senz de Miera, A.
(1998)
La Fbrica del saber: 25 aos de relaciones universidad empresa.
Fundacin Universidad Empresa. Madrid.
Sahota, G.S.
(1978)
Theories of Personal Income Distribution: A Survey. Journal of Economic
Literature. Vol.16
Schultz, T.
(1961) Investment in human capital, American Economic Review, n 51, pgs. 1-17.
Segura, J.; Chavarro, F. y Grautoff, M.
(2010)
Ciclos econmicos de las teoras de manchas solares al Filtro de Hodrick
Prescott: el caso colombiano. Criterio Libre, Vol. 8, N 13, pg. 21-68.
Bogot, Diciembre 2010.
Sen, Amartya.
(n/d)
La vida y la muerte como indicadores econmicos. Investigacin y ciencia.
Madrid. A texto completo en: http://www.uncr.edu.ar
Sen, Amartya
(1981) Poverty and Famines. An Essay on Entitlement and Deprivation, Clarendon
Press, Oxford.
Sen, Amartya
(1998)
Capital humano y capacidad humana, Cuadernos de Economa, Vol. XVII,
N 29, Bogot.

119

Sen, Amartya
(1999)
Development as Freedom. New York, Knopf; and Oxford and Delhi: Oxford
University Press. [Traduccin de Rabasco, E. y Thoaria, L. (2000)
Desarrollo y libertad. Barcelona, Planeta.]
Sen, Amartya
(2004)
Capital humano y capacidades humanas. Foro de Economa Poltica Teora Econmica. Disponible en: www.red-vertice.com/fep. Vase
tambin para mayor detalle World Development 25, 12, diciembre de 1997.
Smith, Adam
(1776)
La Riqueza de las Naciones. Parte I. Tomo I.
Solow, S.
(1993)
Crecimiento y equidad. Cmo hacer economa y como ensearla.
Spence, M.
(1972)
Job market signaling. Quarterly Journal of Economics. Vol. 87, Nro. 31.
Stiglitz, J.
(1975)
The Theory of Screening, Education, and the Distribution of Income
American Economic Review, American Economic Association, Junio, Vol.
65(3), pg. 283-300.
Stiglitz, Joseph y Andrew Weiss
(1981)
Credit Rationing in Markets with Imperfect Information, American Economic
Review 71, junio.
Tenjo, Jaime
(1993)
Educacin, Habilidad, Conocimientos e Ingresos, en Planeacin Y
Desarrollo, Vol. XXIV, Bogot.
Thurow, I.
(1972)
Education and economic equality, The Public Interest, N 28.
UNICEF
(2001)
Urrutia C.
(1996)

Estado mundial de la infancia 2001. Nueva York: UNICEF.

Notas sobre crecimiento y ciclos econmicos, Ilades Georgetown

University, pg.39.

Vsquez, Enrique
(2006) Problemas sociales de lucha contra la pobreza?: casos emblemticos.
Economa y Sociedad N 59. Consorcio de Investigacin Econmico y
Social (CIES). Lima, 2006.

120

Vlez Cardona, Waldemiro.

(2007)
Qu es la economa del conocimiento y como impacta la Universidad
Pblica? Departamento de Ciencias Sociales de la Facultad de Estudios
generales. Universidad de Puerto Rico. Puerto Rico.
Vieira, E. y Neira, I.
(2004) Educacin e Investigacin en las regiones espaolas y portuguesas.
Regional and Sectorial Economic Studies. Vol. 4.2, pg. 107-120.
Vieira, E.
(2008)
Capital Humano Como Factor De Convergencia: Anlisis Economtrico de
la Euroregin Galicia-Norte de Portugal (1995-2002). Universidad de Vigo.
Portugal.
Vilca R.
(2005)

Atencin Integral de Salud de la Nia y el Nio. Ministerio de Salud.

Direccin General de Salud de las Personas. Direccin Ejecutiva de
Atencin Integral de Salud.

Villareal, E.
(2008) Evolucin histrica de los Rendimientos Educativos en Mxico: 1987 2004.
Universidad Autnoma de Barcelona.
Viloria De La Hoz, Joaqun.
(2007)
Nutricin en el Caribe Colombiano y su relacin con el Capital Humano.
Documentos de Trabajo Sobre Economa Regional N. 93. Colombia:
Centro de Estudios Econmicos Regionales (CEER) - Cartagena. Banco
de la Repblica. Agosto, 2007.
Wheeler, D.
(1984)
Human resource policies, economic growth and demographic changes in
Developing countries.

121

ANEXOS
Anexo N1: Datos Estadsticos
Anexo N 1.1: Incidencia de Pobreza

Departamentos

2004

2005

2006

2007

2008

2009

Amazonas

65.1

68.6

59.1

55.0

59.7

59.8

ncash

53.3

48.4

42.0

42.6

38.4

31.5

Apurmac

65.2

73.5

74.8

69.5

69.0

70.3

Arequipa

34.2

24.9

26.2

23.8

19.5

21.0

Ayacucho

65.9

77.3

78.4

68.3

64.8

62.6

Cajamarca

66.2

68.8

63.8

64.5

53.4

56.0

Cusco

53.1

55.6

49.9

57.4

58.4

51.1

Huancavelica

84.8

90.3

88.7

85.7

82.1

77.2

Hunuco

78.3

75.8

74.6

64.9

61.5

64.5

Ica

27.3

23.9

23.8

15.1

17.3

13.7

Junn

49.6

56.0

49.9

43.0

38.9

34.3

La Libertad

48.5

43.0

46.5

37.3

36.7

38.9

Lambayeque

43.6

44.0

41.1

40.6

31.6

31.8

Lima

32.2

32.9

25.1

19.4

18.3

15.3

Loreto

66.9

71.5

66.3

54.6

49.8

56.0

Madre de Dios

27.1

30.8

21.8

15.6

17.4

12.7

Moquegua

38.7

30.3

27.3

25.8

30.2

19.3

Pasco

65.7

72.9

71.2

63.4

64.3

55.4

Piura

60.7

58.6

54.0

45.0

41.4

39.6

Puno

78.3

75.2

76.3

67.2

62.8

60.8

San Martn

51.9

54.1

54.3

44.5

33.2

44.1

Tacna

24.7

30.3

19.8

20.4

16.5

17.5

Tumbes

24.2

16.2

15.8

18.1

17.2

22.1

Ucayali

56.3

53.1

54.0

45.0

32.5

29.7

2004

2005

2006

2007

2008

2009

48.6

48.7

44.5

39.3

36.2

34.8

2004

2005

2006

2007

2008

2009

Urbana

37.1

36.8

31.2

25.7

23.5

21.1

Rural

69.8

70.9

69.3

64.5

59.8

60.3

Total Per

Fuente: Instituto Nacional de Estadstica e Informtica (INEI) - Encuesta Nacional de Hogares

(ENAHO), Anual 2004-2009. Elaboracin: Propia

122

Anexo N 1.2: Tasa de Analfabetismo por departamento 2004 - 2009

Departamentos

2004

2005

2006

2007

2008

2009

Amazonas

16.0

14.0

12.5

12.3

10.3

11.1

ncash

18.7

21.4

18.9

14.9

14.9

13.8

Apurmac

22.2

24.3

21.0

23.4

24.2

20.8

Arequipa

7.2

7.1

8.0

6.2

6.4

6.3

Ayacucho

24.8

24.3

28.0

20.2

19.6

19.4

Cajamarca

22.1

21.8

19.2

18.5

19.6

17.0

Cusco

22.4

20.2

18.0

13.8

16.2

14.2

Huancavelica

28.3

29.8

28.2

22.7

24.6

21.6

Hunuco

22.7

22.3

22.3

19.5

18.6

20.2

Ica

4.5

5.9

5.7

5.2

5.0

5.5

Junn

11.6

11.6

12.5

12.3

9.4

9.1

La Libertad

12.3

12.7

12.3

10.4

9.0

9.5

Lambayeque

11.2

9.3

7.8

11.1

9.3

9.4

Lima

4.3

4.1

4.0

4.0

4.2

3.8

Loreto

5.9

7.4

7.3

9.4

8.5

8.4

Madre de Dios

6.7

5.4

7.0

4.9

5.0

4.7

Moquegua

10.5

11.3

8.6

10.3

8.9

7.0

Pasco

13.3

13.9

11.0

13.2

12.3

11.3

Piura

14.5

13.7

12.4

11.5

10.4

10.2

Puno

20.2

18.7

16.3

15.6

17.0

17.0

San Martn

10.8

10.1

9.6

9.7

8.6

8.6

Tacna

6.1

5.9

7.1

4.9

3.9

4.5

Tumbes

7.4

5.7

5.5

6.0

4.1

4.6

Ucayali

7.0

6.2

7.9

7.3

6.1

5.8

Fuente: Ministerio de Educacin (MINEDU) - Censo Escolar - Unidad de Estadstica Educativa

Elaboracin: Propia

123

Anexo N 1.3: Poblacin matriculada en educacin primaria por

departamento 2004 - 2009

Departamento
s

2004

2005

2006

2007

2008

2009

Amazonas

80.4

79.2

78.3

77.0

76.4

75.3

ncash

181.9

178.0

173.8

170.7

163.0

157.8

Apurmac

89.6

88.1

84.2

81.2

75.8

72.0

Arequipa

142.0

140.1

139.1

136.2

133.2

131.7

Ayacucho

126.3

124.5

121.5

121.3

113.9

111.8

Cajamarca

272.7

268.5

261.1

258.2

246.7

235.1

Cusco

215.2

213.4

211.5

208.9

203.0

197.3

Huancavelica

97.4

97.4

95.0

94.2

90.5

86.5

Hunuco

152.2

149.5

149.0

150.0

141.6

139.7

Ica

93.3

90.4

89.8

93.9

86.0

83.7

Junn

197.5

197.4

191.2

187.5

181.9

176.3

La Libertad

239.2

234.5

230.6

228.7

222.7

220.1

Lambayeque

161.1

158.7

156.4

154.2

147.1

143.6

Lima

956.3

953.6

950.2

939.6

924.3

913.9

Loreto

188.4

183.5

188.0

188.0

179.1

177.5

Madre de Dios

15.3

15.4

15.6

16.1

16.9

17.5

Moquegua

18.0

17.8

17.7

17.7

17.6

17.7

Pasco

46.4

45.2

42.8

41.1

38.9

38.8

Piura

264.9

258.6

249.5

244.6

239.5

235.7

Puno

199.9

194.0

187.8

181.6

175.7

168.4

San Martn

128.7

128.8

126.7

125.5

121.1

120.2

Tacna

33.3

33.5

33.0

32.5

32.4

34.0

Tumbes

25.7

25.8

26.7

26.4

26.1

26.4

Ucayali

86.2

85.2

81.8

84.0

76.5

75.5

Fuente: Ministerio de Educacin (MINEDU) - Censo Escolar - Unidad de Estadstica

Educativa
Elaboracin: Propia

124

Anexo N 1.4: Poblacin Matriculada en Educacin Secundaria por

departamento 2004 - 2009
Departamentos

2004

2005

2006

2007

2008

2009

Amazonas

33.4

34.7

35.8

37.4

36.3

37.1

ncash

97.1

99.1

101.0

103.0

104.8

107.4

Apurmac

47.5

48.4

49.5

51.9

52.1

52.9

Arequipa

104.9

104.5

105.0

106.9

107.6

108.8

Ayacucho

55.4

57.8

58.9

66.3

63.7

67.6

Cajamarca

109.6

115.8

120.4

129.1

126.2

131.9

Cusco

104.5

107.0

111.4

118.9

122.2

125.6

Huancavelica

42.3

44.7

46.0

51.2

49.7

50.8

Hunuco

58.4

60.6

63.4

69.4

67.0

69.6

Ica

66.9

66.9

65.7

67.4

67.6

67.9

Junn

121.8

120.0

120.0

121.7

121.2

122.0

La Libertad

122.9

125.4

129.0

133.3

136.0

142.7

Lambayeque

97.1

97.8

100.4

106.2

101.9

120.9

Lima

703.1

704.4

706.8

723.4

731.0

744.2

Loreto

78.4

80.3

85.9

87.3

86.1

85.0

Madre de Dios

9.6

9.8

9.8

10.3

11.1

11.4

Moquegua

13.2

13.2

13.2

13.5

14.0

14.3

Pasco

28.2

28.7

28.2

29.5

28.1

28.6

Piura

143.4

144.3

143.6

146.7

146.5

149.0

Puno

127.9

128.7

128.7

132.1

131.5

132.2

San Martn

60.3

61.7

64.6

67.1

65.6

67.0

Tacna

25.7

25.4

25.5

25.9

26.4

26.5

Tumbes

17.7

18.1

19.0

19.3

18.9

18.7

Ucayali

42.8

44.8

45.0

45.8

45.7

45.1

Fuente: Ministerio de Educacin (MINEDU) - Censo Escolar - Unidad de Estadstica

Educativa. Elaboracin: Propia

Nota: Incluye el Sistema Educativo Estatal y el Sistema Educativo No Estatal (Privado).

Asimismo, incluye la informacin de educacin a distancia.

125

Anexo N 1.5: Poblacin Matriculada en Educacin Superior por

departamento 2004 - 2009

Departamentos

2004

2005

2006

2007

2008

2009

Amazonas
ncash
Apurmac
Arequipa
Ayacucho
Cajamarca
Cusco
Huancavelic
a
Hunuco
Ica
Junn
La Libertad
Lambayeque
Lima
Loreto
Madre de
Dios
Moquegua
Pasco
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali

3.4
12.8
3.2
26.4
9.1
12.6
17.8
2.7

3.3
12.0
3.2
27.2
8.9
11.1
17.9
2.6

3.4
12.3
3.3
26.3
9.0
11.7
20.2
2.7

3.0
14.0
4.0
25.2
6.8
13.9
22.4
4.7

2.9
10.6
3.0
23.3
7.3
9.9
20.6
2.5

3.3
10.1
2.8
24.8
7.1
9.7
21.5
2.8

6.4
19.9
21.1
22.5
14.2
142.2
7.3
0.8

6.4
19.8
21.3
20.5
14.3
139.7
7.4
0.9

5.7
17.8
20.6
20.5
14.1
140.0
8.4
0.7

9.7
20.1
19.1
24.5
14.5
140.2
7.2
0.6

6.8
14.3
17.8
18.6
12.6
144.5
7.0
0.6

4.1
10.9
16.8
17.2
12.9
155.6
7.2
0.7

3.0
2.9
19.0
18.3
6.8
4.8
3.9
6.3

3.3
3.1
19.5
18.3
6.8
4.6
3.8
6.1

3.4
2.6
19.3
16.6
7.0
5.2
3.6
5.9

3.3
2.3
18.2
15.9
7.1
5.1
3.3
5.4

2.8
2.3
18.1
14.4
7.1
4.8
2.8
4.4

2.7
2.3
18.5
13.5
7.6
4.7
2.7
4.1

Fuente: Ministerio de Educacin (MINEDU) - Censo Escolar - Unidad de Estadstica

Educativa.
Elaboracin: Propia.
Nota: Incluye el Sistema Educativo Estatal y el Sistema Educativo No Estatal (Privado).
Asimismo, la educacin superior no universitaria comprende formacin magisterial,
educacin tecnolgica y artstica.

126

Anexo N 1.6: Tasa de Retiro Escolar por departamento 2004 - 2009

Departamentos

2004

2005

2006

2007

2008

2009

Amazonas

8.9

8.1

7.2

6.1

6.0

5.1

Ancash

7.6

7.2

6.6

6.4

6.1

5.2

Apurmac

9.1

8.1

8.2

6.8

6.4

5.9

Arequipa

4.4

4.1

3.4

2.9

2.8

3.0

Ayacucho

10.7

10.1

9.3

7.1

6.8

6.6

Cajamarca

8.9

7.3

7.2

6.4

5.7

5.2

Cusco

7.8

7.5

6.8

6.3

6.1

5.7

Huancavelica

9.7

8.6

8.9

7.8

5.8

5.4

Hunuco

13.3

12.4

11.9

10.0

9.4

9.1

Ica

4.4

4.0

3.3

5.5

3.9

3.6

Junn

6.4

5.8

5.6

5.4

5.0

4.2

La Libertad

6.7

6.3

5.8

5.6

5.2

4.8

Lambayeque

4.7

4.8

3.9

4.8

4.6

4.3

Lima

3.3

3.5

3.1

3.3

3.2

3.2

Loreto

7.6

7.1

7.1

6.4

6.5

5.3

Madre de Dios

5.7

5.0

5.6

5.9

4.5

5.6

Moquegua

4.0

3.7

3.4

3.1

3.1

2.9

Pasco

7.4

7.4

6.1

5.5

5.8

5.0

Piura

5.8

5.8

5.3

5.4

5.1

4.2

Puno

6.4

5.9

5.9

4.9

4.5

4.4

San Martn

8.5

7.8

7.1

6.6

7.1

6.9

Tacna

2.5

2.7

1.8

0.9

1.6

1.4

Tumbes

3.7

3.2

2.5

2.4

2.6

2.0

Ucayali

9.6

8.4

9.3

6.6

7.9

8.2

Fuente: Ministerio de Educacin.

Elaboracin: Propia.

127

Anexo N 1.7: Tasa de Matriculados por departamento 2004 - 2009

Departamentos

2004

2005

2006

2007

2008

2009

Total

88.6

87.8

90.4

90.5

90.6

91.6

Amazonas

81.0

81.2

85.6

82.3

84.0

85.8

ncash

89.5

87.7

91.9

93.6

95.6

94.3

Apurmac

96.5

91.9

95.8

97.5

96.2

96.7

Arequipa

93.5

96.2

96.3

96.1

96.0

94.2

Ayacucho

91.0

92.7

92.9

94.2

92.2

94.7

Cajamarca

75.2

80.7

82.6

80.1

82.0

79.4

Cusco

91.2

91.7

93.2

96.6

96.3

97.4

Huancavelica

91.0

88.5

91.4

93.9

96.4

96.5

Hunuco

86.2

89.1

89.7

91.0

91.9

90.0

Ica

93.8

93.0

96.7

93.2

96.5

93.3

Junn

90.6

88.8

90.5

93.0

90.9

94.9

La Libertad

80.3

79.6

80.5

84.5

85.5

84.8

Lambayeque

83.4

85.7

85.6

88.7

84.4

89.1

Lima 2/

92.8

89.6

94.1

93.1

94.4

94.6

Loreto

87.3

84.4

88.9

86.0

81.6

81.9

Madre de Dios

94.3

92.7

94.2

92.4

94.0

95.7

Moquegua

96.2

93.0

95.4

94.4

98.9

97.5

Pasco

89.0

92.8

88.9

89.5

94.9

90.3

Piura

81.4

80.2

83.5

83.7

83.9

88.5

Puno

92.9

93.1

94.4

94.8

89.4

93.9

San Martn

76.7

81.9

76.3

81.8

84.5

83.9

Tacna

97.2

98.3

98.2

97.4

96.7

96.0

Tumbes

93.0

93.9

94.3

87.5

86.3

91.9

Ucayali

89.9

87.3

92.5

88.5

87.7

84.8

Fuente: Instituto Nacional de Estadstica e Informtica (INEI), Encuesta Nacional de

Hogares (ENAHO), Anual 2004 - 2009. Elaboracin: Propia
Nota tcnica: Las estimaciones de los indicadores provenientes de la Encuesta
Nacional de Hogares-ENAHO- han sido actualizados teniendo en cuenta los factores
de ponderacin estimados en base a los resultados del Censo de Poblacin del 2007,
los cuales muestran las actuales estructuras de la poblacin urbana y rural del pas.

128

Anexo N 1.8: Mdicos por Departamento por departamento 2004 - 2009

Departamentos

2004

2005

2006

2007

2008

2009

Amazonas

124

123

124

153

200

168

Ancash

310

570

310

450

794

482

Apurmac

154

99

154

185

191

261

Arequipa

664

3 360

664

664

3 345

784

Ayacucho

135

275

135

272

331

302

Cajamarca

289

406

289

328

480

423

Cusco

325

1 033

325

539

1 238

520

Huancavelica

20

122

20

327

256

172

Hunuco

185

223

185

317

335

272

Ica

343

1 583

343

481

1 494

445

Junn

283

808

283

338

1 004

432

La Libertad

603

2 077

603

670

2 165

804

Lambayeque

287

1 212

287

380

1 315

408

Lima

4732

24481

4731

4615

22 671

6333

Loreto

156

511

156

259

575

291

Madre De Dios

66

97

63

72

110

79

Moquegua

104

175

104

119

215

141

Pasco

55

156

55

45

220

119

Piura

427

1 063

427

394

1 141

594

Puno

324

575

324

324

871

484

San Martin

154

201

154

221

272

242

Tacna

129

436

129

99

523

194

Tumbes

68

114

68

92

175

113

Ucayali

137

159

137

164

240

181

Fuentes: Ministerio de Salud (MINSA) - Oficina General de Estadstica e Informtica.

Elaboracin: Propia
Nota: El Censo de Infraestructura Sanitaria y Recursos Humanos del Sector Salud, ubica a los
profesionales de la salud segn lugar de trabajo, mientras los Colegios Profesionales lo hacen
por lugar de inscripcin.

129

Anexo N 1.9: Mortalidad (Defunciones por ao) por departamento

2004 - 2009
Departamentos

2004

2005

2006

2007

2008

2009

101,984

103,207

105,074

107,249

108,100

109,381

Amazonas

1124

1150

1181

1165

1254

1282

ncash

4309

4306

4289

4340

4296

4294

Apurmac

1962

1924

1843

1836

1774

1739

Arequipa

4025

4273

4817

4998

5264

5569

Ayacucho

2566

2573

2681

2502

2601

2608

Cajamarca

4617

4631

4504

4564

4688

4702

Cusco

5674

5688

5695

5873

5744

5758

Huancavelica

2011

1961

1966

2027

1760

1715

Hunuco

2984

2954

2792

2627

2833

2804

Ica

2848

2843

2682

3390

2824

2819

Junn

5301

5294

5157

5194

5266

5259

La Libertad

5482

5611

5681

5866

6128

6269

Lambayeque

4147

4156

4127

4617

4193

4202

Lima

32553

32717

33530

33621

33373

33540

Loreto

1396

1573

1843

1750

2281

2538

Madre de Dios

346

346

337

346

347

347

Moquegua

407

427

497

538

508

532

Pasco

777

789

771

766

839

852

Piura

5295

5412

5231

5776

5881

6008

Puno

6633

6875

7123

7352

7845

8122

San Martn

1818

1879

1891

1968

2122

2191

Tacna

911

926

1064

1076

985

1001

Total

Tumbes

569

582

614

606

636

651

Ucayali

1373

1405

1218

1347

1535

1571

Fuente: Registro Nacional de Identificacin y Estado Civil - RENIEC.

Elaboracin: Propia.

130

Anexo N 1.10: Desnutricin Crnica Infantil por departamento 2004 - 2009

Departamentos

Amazonas

2004

2005

2006

2007

2008

2009

36

36

33.7

26.5

28.7

22.2

34.5

34.5

36.9

29.4

30.6

23.1

Apurmac

43

43

43.6

33.7

34.3

28.5

Arequipa

12.3

12.3

7.9

8.5

Ayacucho

33.6

33.6

40.3

34.8

36.8

31.2

Cajamarca

42.8

42.8

45.9

36.7

37.3

31.9

Cusco

43.2

43.2

32.9

26.6

31.9

31.7

Huancavelica

53.4

53.4

56.6

49.6

52.2

42.9

Hunuco

42.8

42.8

48.8

39.8

41.6

32.7

Ica

12.1

12.1

13.8

9.6

8.1

Junn

31.3

31.3

28.9

23.4

26.2

28.8

La Libertad

27.9

27.9

35.5

29.9

26.4

21.1

Lambayeque

23.6

23.6

20.2

15.8

15.6

12.9

Lima

8.3

8.3

11.9

8.8

9.3

5.4

Loreto

32.4

32.4

28.5

21.2

24.5

23.7

Madre de Dios

18.7

18.7

16.3

10.4

9.2

8.4

ncash

Moquegua

9.3

9.3

8.6

4.1

6.4

4.2

Pasco

26.4

26.4

41.3

32

30.9

28.5

Piura

24.1

24.1

28.3

22.3

23

16

Puno

29.7

29.7

37.7

28.9

29.1

19.8

San Martn

19.9

19.9

23

15.7

16.3

20.9

Tacna

5.4

5.4

6.8

4.9

4.7

2.1

Tumbes

12.9

12.9

12.6

7.6

6.7

10

Ucayali

33.6

33.6

32.4

24.5

22.7

23.3

Fuente: Instituto Nacional de Estadstica e Informtica.

Elaboracin: Propia.

131

Anexo N 1.11: Producto Bruto Interno per cpita por departamento 2004 2009 (Valores expresados en Soles de 1994)
Departamento

2004

2005

2006

2007

2008

2009

Amazonas

2081

2212

2349

2510

2684

2761

ncash

4876

4999

5089

5408

5852

5827

Apurmac

1400

1494

1619

1653

1691

1770

Arequipa

6143

6488

6807

7786

8379

8308

Ayacucho

1900

2045

2207

2448

2640

2896

Cajamarca

2968

3165

3113

2864

3094

3295

Cusco

2565

2768

3071

3340

3554

3685

Huancavelica

2697

2864

3014

2903

2959

3039

Hunuco

1866

1890

1915

1942

2050

2044

Ica

4663

5214

5582

6025

7265

7457

Junn

3527

3505

3856

4072

4379

4248

La Libertad

3410

3697

4216

4586

4874

4895

Lambayeque

2959

3164

3300

3615

3882

3963

Lima

6925

7284

7817

8520

9314

9220

Loreto

2995

3079

3192

3287

3402

3429

Madre de Dios

4846

5171

5215

5617

5878

5564

Moquegua

13455

13882

13794

13696

14201

13865

Pasco

5634

5644

6062

6711

6729

6349

Piura

3049

3192

3472

3780

4007

4052

Puno

2270

2365

2460

2617

2731

2800

San Martn

2232

2393

2476

2655

2870

2928

Tacna

6643

6782

6941

7256

7458

7253

Tumbes

3018

3385

3212

3427

3594

3611

Ucayali

3411

3584

3754

3846

4007

4039

Fuente: Direccin de Cuentas Nacionales - Instituto Nacional de Estadstica e

Informtica (INEI).
Elaboracin: Propia.

132

Anexo N 1.12: Logro educativo por departamento 2004 - 2009

(Aos promedio de estudio alcanzado por mujeres y
hombres de 15 y ms aos, segn departamentos, 20042009.)
Departamentos

2004

2005

2006

2007

2008

2009

Amazonas

8.4

7.4

7.7

7.7

7.8

8.1

ncash

8.1

8.5

8.7

8.9

8.9

9.1

Apurmac

8.4

8.4

8.9

8.7

8.6

8.6

Arequipa

8.1

10.5

10.4

10.5

10.8

10.7

Ayacucho

8.4

7.9

8.4

8.4

8.6

Cajamarca

8.1

7.3

7.6

7.8

7.6

7.8

Cusco

8.4

8.5

8.7

9.2

9.2

Huancavelica

8.1

7.4

7.5

7.8

7.9

7.9

Hunuco

8.4

7.5

7.6

7.7

Ica

8.1

10.2

10.2

10.3

10.3

10.3

Junn

8.4

9.1

9.5

9.3

9.5

9.7

La Libertad

8.1

8.8

9.2

9.2

9.1

Lambayeque

8.4

9.2

9.3

9.1

9.3

9.4

Lima

8.1

10.6

10.6

10.7

10.8

10.8

Loreto

8.4

8.5

8.7

8.4

8.7

8.6

Madre de Dios

8.1

9.3

9.5

9.5

9.5

9.7

Moquegua

8.4

10

10

10

10.3

10.3

Pasco

8.1

9.1

9.3

9.3

9.4

Piura

8.4

8.3

8.7

8.9

9.1

9.1

Puno

8.1

8.5

8.8

8.9

San Martn

8.4

7.9

7.8

8.3

8.4

8.4

Tacna

8.1

10

10.1

10.3

10.5

10.6

Tumbes

8.4

9.3

9.2

9.1

9.2

9.4

Ucayali

8.1

Fuente: Instituto Nacional de Estadstica e Informtica (INEI) - Encuesta Nacional de Hogares

(ENAHO), Anual 2004 - 2009.
Elaboracin: Propia.

133

Anexo N 1.13: Acceso a la salud por departamento 2004 - 2009

(Porcentaje respecto del total de poblacin de cada
departamento)
Departamentos

2004

2005

2006

2007

2008

2009

Total

37.0

36.2

38.3

42.1

53.7

60.5

36.3
36.1
45.9
43.3
32.2
27.0
31.7
42.4
30.2
48.5
30.7
30.1
40.6
41,8 a/
43.3
40.3
38.1
43.7
33.9
23.8
31.4
40.3
36.9
35.3

38.6
30.0
43.7
43.6
39.1
30.4
34.9
39.7
30.7
44.9
27.1
31.7
38.5
39.7
39.4
34.0
41.5
39.5
33.0
24.0
31.7
33.0
37.6
37.7

40.8
32.1
46.0
42.9
39.4
33.6
38.5
44.4
38.1
45.3
30.3
34.7
40.1
41.0
46.6
34.5
45.0
41.3
35.0
28.6
32.0
36.2
40.8
37.6

42.2
35.3
49.6
45.8
50.6
38.8
47.8
48.7
43.5
43.6
32.2
40.7
42.2
44.5
49.5
39.1
47.9
39.9
37.0
31.9
35.4
35.8
41.7
38.6

55.9
44.7
71.6
53.5
72.8
57.4
56.3
64.4
70.2
49.4
43.3
57.3
59.3
48.7
66.0
42.9
53.5
46.6
51.2
54.5
58.9
45.8
59.1
56.0

63.0
55.1
82.7
57.8
82.0
68.6
64.8
82.9
77.9
55.9
45.6
66.7
66.6
52.8
76.0
49.1
61.7
56.4
62.8
57.4
67.2
46.7
64.9
64.0

Amazonas
ncash
Apurmac
Arequipa
Ayacucho
Cajamarca
Cusco
Huancavelica
Hunuco
Ica
Junn
La Libertad
Lambayeque
Lima 1/
Loreto
Madre de Dios
Moquegua
Pasco
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali

Fuente: Instituto Nacional de Estadstica e Informtica (INEI) - Encuesta Nacional de Hogares

(ENAHO), Anual 2004-2009.
Elaboracin: Propia.
Nota: Las estimaciones de los indicadores provenientes de la Encuesta Nacional de HogaresENAHO- han sido actualizados teniendo en cuenta los factores de ponderacin estimados en
base a los resultados del Censo de Poblacin del 2007, los cuales muestran las actuales
estructuras de la poblacin urbana y rural del pas.

134

Anexo N 1.14: Cobertura de la Vacuna Antisarampionosa en Nios (as)

de 1 Ao de Edad (Porcentaje) por departamento 2004 - 2009
Departamentos

2004

2005

2006

2007

2008

2009

Total

90.4

81.1

101.6

90.6

86.6

91.1

78.8
84.4
78.3
93.0
101.2
83.9
88.8
93.6
76.4
88.9
88.9
92.7
85.8
93.5
103.7
79.8
55.0
90.4
89.6
88.0
63.4
76.1
88.4
86.2

78.8
92.4
69.6
98.0
88.5
78.3
90.0
68.7
87.8
83.6
71.3
72.9
77.5
88.3
75.6
61.5
91.4
87.9
78.7
54.8
66.8
71.4
100.2
61.5

94.0
103.2
93.4
92.7
66.3
100.8
92.0
90.9
95.0
96.6
104.8
103.3
97.3
111.2
96.5
97.4
103.1
102.5
92.9
95.3
123.4
102.7
108.3
119.0

90.5
88.2
94.7
92.1
64.3
103.3
89.0
72.5
89.7
87.7
98.5
98.7
92.3
84.1
91.4
106.3
95.2
91.6
103.0
82.4
97.2
84.9
110.1
93.4

78.1
94.4
92.4
82.5
69.8
100.0
77.3
66.7
86.1
77.0
91.0
92.0
90.6
83.8
78.1
99.4
98.3
94.2
92.2
76.1
104.0
88.7
100.4
93.1

93.1
91.5
82.4
91.4
78.4
93.5
86.7
67.5
80.4
104.5
87.9
95.7
91.6
88.7
101.0
114.0
103.0
86.6
97.9
67.0
108.5
81.3
119.5
129.2

Amazonas
ncash
Apurmac
Arequipa
Ayacucho
Cajamarca
Cusco
Huancavelica
Hunuco
Ica
Junn
La Libertad
Lambayeque
Lima
Loreto
Madre de Dios
Moquegua
Pasco
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali

Fuente: Ministerio de Salud (MINSA) - Oficina General de Estadstica e Informtica.

Elaboracin: Propia.

135

Anexo N 1.15: Cobertura de la Vacuna Triple en Nios (as) de 1 Ao de

Edad (Porcentaje) por departamento 2004 - 2009

Departamentos

2004

2005

2006

2007

2008

2009

Total

91.1

90.0

94.4

80.2

91.5

92.5

82.2
85.3
78.6
92.5
95.2
85.5
94.3
94.2
83.2
83.7
91.0
94.8
85.3
95.4
92.8
141.7
89.7
94.6
97.0
86.1
65.7
75.3
94.8
85.3

80.7
95.9
84.3
96.6
99.9
87.3
88.1
97.7
91.9
85.3
91.3
71.3
85.8
95.7
87.3
97.3
90.6
99.4
81.6
78.4
90.2
78.7
94.8
79.0

85.8
94.1
90.3
93.3
65.6
99.8
88.3
75.1
76.5
92.0
100.2
93.6
97.1
94.1
97.4
140.9
110.2
100.1
104.4
88.6
111.9
95.5
105.5
102.3

73.9
77.3
79.8
82.9
61.2
85.4
69.2
59.3
77.5
68.0
84.9
83.9
79.8
80.1
79.7
95.9
81.9
79.9
92.7
73.7
86.5
75.2
93.4
92.1

78.2
100.9
89.1
89.1
90.6
103.3
84.1
68.2
90.7
81.2
91.4
97.2
95.3
92.0
72.6
108.6
104.0
98.7
96.7
73.4
111.5
91.9
107.9
93.6

89.6
91.8
81.5
99.0
80.5
94.7
87.6
64.3
83.9
111.4
86.2
93.0
93.9
92.8
91.8
116.4
104.2
82.3
101.3
69.1
108.7
85.2
116.6
129.7

Amazonas
ncash
Apurmac
Arequipa
Ayacucho
Cajamarca
Cusco
Huancavelica
Hunuco
Ica
Junn
La Libertad
Lambayeque
Lima
Loreto
Madre de Dios
Moquegua
Pasco
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali

Fuente: Ministerio de Salud (MINSA) - Oficina General de Estadstica e Informtica.

Elaboracin: Propia.
Nota: La vacuna triple (DPT) comprende las vacunas contra difteria, pertusis y ttanos.
La cobertura fue calculada por el INEI en base a sus proyecciones de poblacin.

136

Anexo N 1.16: Morbilidad Crnica por departamento 2004 - 2009

(Porcentaje respecto del total de poblacin)
Departamentos

2004

2005

2006

2007

2008

2009

Total

17.6

20.3

22.7

23.2

24.4

25.4

Amazonas
ncash
Apurmac
Arequipa
Ayacucho
Cajamarca
Cusco
Huancavelica
Hunuco
Ica
Junn
La Libertad
Lambayeque
Lima
Loreto
Madre de Dios
Moquegua
Pasco
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali

14.9
16.6
23.5
15.2
7.6
8.6
12.4
14.4
20.9
22.1
17.8
17.4
17.9
22.1
14.6
14.2
18.0
23.5
14.3
11.1
17.1
20.0
21.6
18.1

19.7
20.0
28.2
22.2
8.0
23.7
10.3
16.0
26.8
27.5
20.4
20.8
26.4
22.4
13.0
11.2
24.0
20.2
16.3
12.0
18.5
26.2
29.8
15.5

27.6
24.9
28.8
25.0
10.0
21.2
13.8
19.2
34.2
30.8
18.9
22.7
34.6
23.7
14.7
12.4
29.5
22.5
20.1
15.2
19.9
33.8
36.3
16.3

21.8
25.4
25.4
26.6
8.7
17.4
11.5
15.6
33.6
34.1
18.5
24.1
33.0
26.3
15.8
13.9
25.9
28.7
19.2
15.1
20.7
28.8
43.4
16.2

22.0
25.7
25.5
29.2
10.4
20.2
13.5
15.5
20.6
36.1
19.6
27.0
32.8
26.3
21.1
16.9
28.7
29.7
23.0
24.5
21.7
27.6
24.2
19.4

29.5
25.4
17.6
30.7
15.1
18.5
18.2
12.7
19.2
39.9
21.4
26.1
36.9
26.8
23.9
13.4
33.6
24.2
25.1
26.9
25.0
29.7
29.6
22.4

Fuente: Instituto Nacional de Estadstica e Informtica (INEI) - Encuesta Nacional de

Hogares. (ENAHO), Anual 2004 - 2009.
Elaboracin: Propia.

137

Anexo N 1.17: Morbilidad No Crnica por departamento 2004 - 2009

(Porcentaje respecto del total de poblacin)
Departamentos

2004

2005

2006

2007

2008

2009

Total

37.2

34.4

34.8

38.4

38.6

25.4

Amazonas
ncash
Apurmac
Arequipa
Ayacucho
Cajamarca
Cusco
Huancavelica
Hunuco
Ica
Junn
La Libertad
Lambayeque
Lima
Loreto
Madre de Dios
Moquegua
Pasco
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali

44.5
33.0
34.4
48.7
47.7
46.5
45.8
39.8
38.6
41.3
34.9
42.2
43.4
28.2
32.0
29.6
42.2
41.2
39.8
58.8
32.4
46.1
33.6
22.9

40.8
30.0
31.6
46.3
44.8
28.5
49.0
40.5
36.7
39.1
36.4
39.9
34.4
25,8 a/
26.5
26.6
41.2
35.0
39.7
58.7
35.0
38.1
29.4
25.2

37.6
31.2
31.2
44.6
43.5
24.5
49.4
40.8
32.8
30.9
39.2
38.0
30.2
28.8
30.8
24.1
36.3
39.3
41.3
57.8
34.3
32.8
26.9
33.7

43.3
36.5
29.6
44.6
47.0
34.5
49.0
38.5
36.6
35.2
45.5
42.0
36.3
32.1
44.8
29.9
37.1
33.8
45.0
58.1
35.7
30.6
25.3
39.3

38.4
35.1
32.9
38.1
49.8
49.1
50.2
40.2
44.8
37.1
44.2
40.8
36.3
31.2
41.5
40.0
33.9
36.4
41.3
52.5
37.8
38.0
35.8
43.3

29.5
25.4
17.6
30.7
15.1
18.5
18.2
12.7
19.2
39.9
21.4
26.1
36.9
26.8
23.9
13.4
33.6
24.2
25.1
26.9
25.0
29.7
29.6
22.4

Fuente: Instituto Nacional de Estadstica e Informtica (INEI) - Encuesta Nacional de

Hogares. (ENAHO), Anual 2004 - 2009.
Elaboracin: Propia.

138

Anexo N 1.18: Coeficiente de Gini por departamento 2004 - 2009

Departamentos

2004

2005

2006

2007

2008

2009

Amazonas
ncash
Apurmac
Arequipa
Ayacucho
Cajamarca
Cusco
Huancavelica
Hunuco
Ica
Junn
La Libertad
Lambayeque
Lima
Loreto
Madre de Dios
Moquegua
Pasco
Piura
Puno
San Martn
Tacna
Tumbes
Ucayali

0.353
0.369
0.360
0.347
0.335
0.343
0.408
0.346
0.375
0.323
0.336
0.401
0.343
0.387
0.353
0.279
0.358
0.364
0.345
0.370
0.354
0.350
0.299
0.400

0.336
0.371
0.358
0.340
0.353
0.355
0.393
0.378
0.370
0.313
0.354
0.401
0.367
0.387
0.353
0.326
0.317
0.358
0.344
0.401
0.358
0.368
0.301
0.367

0.332
0.368
0.368
0.321
0.338
0.344
0.398
0.396
0.405
0.309
0.334
0.405
0.352
0.389
0.376
0.337
0.371
0.359
0.343
0.383
0.365
0.332
0.281
0.364

0.367
0.387
0.321
0.356
0.367
0.378
0.409
0.418
0.387
0.262
0.361
0.439
0.355
0.365
0.402
0.319
0.352
0.380
0.374
0.372
0.377
0.330
0.280
0.384

Fuente

: Instituto Nacional de Estadstica e Informtica (INEI)

Elaboracin

: Propia.

Varios documentos.

139

Anexo N 2: Modelos de Datos de Panel

MODELOS DE DATOS DE PANEL
Un modelo economtrico de datos de panel es uno que incluye una muestra de
agentes econmicos o de inters (individuos, empresas, bancos, ciudades, pases,
etc) para un perodo determinado de tiempo, esto es, combina ambos tipos de datos
(dimensin temporal y estructural).
El principal objetivo de aplicar y estudiar los datos en panel, es capturar la
heterogeneidad no observable, ya sea entre agentes econmicos o de estudio as
como tambin en el tiempo, dado que esta heterogeneidad no se puede detectar ni
con estudios de series temporales ni tampoco con los de corte transversal. Esta
tcnica permite realizar un anlisis ms dinmico al incorporar la dimensin temporal
de los datos, lo que enriquece el estudio, particularmente en perodos de grandes
cambios.
La aplicacin de esta metodologa permite analizar dos aspectos de suma importancia
cuando se trabaja con este tipo de informacin y que forman parte de la
heterogeneidad no observable: i) los efectos individuales especficos y ii) los efectos
temporales.
Tipos de Datos de Panel

Panel
Microeconmico
Amplitud
transversal y
profundidad
temporal

Panel
Macroeconmico

Random Field

Tipo de Datos de
Panel

Panel Balanceado
Disponibilidad de
informacin
Panel No
Balanceado

140

Ventajas de usar el Modelo de Panel Data

Con N individuos y T periodos podramos estimar N modelos de series de

tiempo y T modelos de corte transversal. Las ventajas de disponer de un panel
tiene que ver con la posibilidad de agregar esta informacin de alguna manera.

Considera efecto de variables invariantes en el tiempo y/o espacio, pero que

pueden afectar variable bajo estudio. Control de heterogeneidades no
observables.

Otorga mayor calidad de la informacin, ya que aumenta los grados de libertad

y eficiencia.

Permite explorar efectos dinmicos.

Permite eliminar sesgos de agregacin.

Limitaciones

Problemas en diseo y recoleccin de datos. No siempre es posible agregar

informacin temporal y de corte transversal (pueden ser ms observaciones
pero de poblaciones heterogneas).

Problemas de seleccin. Autoseleccin y/o attritin (perdida de unidades

transversales por muerte, mudanza, cambio de opinin hacia no participar,
etc.).

Especificacin General de un Modelo

La especificacin general de un modelo de regresin con datos de panel en el que yit
es una funcin lineal de K variables explicativas xk donde k = 1,2,, K; es la siguiente:

yit = 0 + 1x1it + 2x2it

yit
Con i

N t

kxkit + uit

kxkit + uit (1)

Donde i se refiere al individuo o a la unidad de estudio (corte transversal), t a la

dimensin en el tiempo, 0 es un vector de interceptos, Xit es la i-sima observacin al
momento t para las K variables explicativas, y uit es el trmino de error que representa
los efectos de todas las dems variables omitidas en el modelo, es decir, que es la

141

variacin observada de la variable dependiente y que no se consigue explicar

mediante la variacin observada en las K variables independientes.
Una de las diferencias fundamentales entre trabajar con modelos de panel data y
modelos de corte transversal o modelos de series de tiempo, es que los errores
incluidos en la especificacin pueden descomponerse en: 1) efectos no observables
que difieren entre las unidades de estudio pero no en el tiempo; 2) que generalmente
se los asocia a la capacidad empresarial; se le identifica con efectos no cuantificables
que varan en el tiempo pero entre las unidades de estudio; y 3) trminos puramente
aleatorios.
Es precisamente debido a los componentes de los errores que pueden distinguirse tres
casos:
1. El caso que considera que no existen trminos puramente aleatorios, es decir,
no existe heterogeneidad no observable entre los individuos. En estas
condiciones, los errores satisfacen todos los supuestos del modelo lineal
general, por lo cual el mtodo de estimacin de mnimos cuadrados clsicos
produce los mejores estimadores lineales e insesgados.
2. La segunda posibilidad es considerar a los errores aleatorios un efecto fijo y
distinto para cada individuo. en este caso, la heterogeneidad no observable se
incorpora al modelo.
3. La tercera alternativa es tratar los errores aleatorios como una variable
aleatoria no observable que vara entre individuos pero no en el tiempo.
La especificacin considerada en la ecuacin (1) se refiere al caso en que no existe
heterogeneidad no observable en el sistema de datos de panel y por tanto se emplea
el mtodo de Mnimos Cuadrados Ordinarios con la ventaja de ganar grados de

libertad.
Ahora bien, en los casos en que se rechaza la hiptesis de homogeneidad en un
sistema de datos de panel, es decir que existe heterogeneidad no observable ya sea a
travs del tiempo, entre unidades de estudio (individuos) o en ambos sentidos, debe
buscarse una especificacin que la exprese en forma apropiada, con el fin de evitar el
problema de sesgo sobre los estimadores de los parmetros de las variables
explicativas, que se cometera si se emplea la especificacin de la ecuacin (1).
Como se ha mencionado, la tcnica de datos de panel permite contemplar la
existencia de efectos individuales especficos a cada individuo, invariables en el

142

tiempo que afectan la manera en que cada unidad de corte transversal toma sus
decisiones.

Una forma simple, y de hecho la ms utilizada, de considerar esta heterogeneidad es

empleando los modelos de intercepto variable. As, el modelo lineal es el mismo para
todas las unidades o individuos bajo estudio, pero la ordenada al origen es especfica
a cada una de ellas. A partir del modelo general esta situacin se representa mediante
la siguiente ecuacin:

Yit =0i +kXki + it (2)

El supuesto bsico de estos modelos es que dadas las variables explicativas
observadas, los efectos de todas las variables omitidas pueden representarse de tres
formas posibles:
a.

Una variable por cada individuo, no variable en el tiempo: este es el caso de

variables que son las mismas para cada unidad de corte transversal a travs
del tiempo. Como ejemplos de ellas se tienen: caractersticas de la
administracin

de

las

empresas,

sexo,

capacidad,

religin

otras

caractersticas sociales.
b.

Una variable por periodo pero no variables entre individuos: son la misma
variable para todos los individuos en un momento del tiempo pero varan a lo
largo del periodo de estudio. Como ejemplo se tienen los precios, las tasas de
inters, el nivel de actividad econmica, etc.

c. Una variable que cambia en el tiempo y por individuo: se trata de variables que
cambian entre individuos en un momento del tiempo, y que adems cambian a
lo largo del tiempo. Como ejemplo de estas variables se pueden mencionar los
ingresos totales, el nivel de beneficios, el nivel de capital, razones financieras,
entre otras.
Estos modelos de intercepto variable asumen que los efectos de las variables
omitidas, ya sean especficas a cada individuo y/o que cambian en el tiempo, no
son importantes en forma individual, pero que si son importantes si se consideran
en conjunto.

143

Por otro lado, dado que el efecto de las variables omitidas puede mantenerse
constante en el tiempo para cada individuo, o ser el mismo para todos los individuos
en un momento en el tiempo, o una combinacin de ambos, se pueden capturar en el
trmino constante de un modelo de regresin como un promedio que toma en cuenta
explcitamente la heterogeneidad entre individuos y/o en el tiempo contenida en los
datos.
1. Modelo de efectos fijos

Como se indic brevemente, una posibilidad es explicar los datos con el modelo de
efectos fijos, el cual considera que existe un trmino constante diferente para cada
individuo, y supone que los efectos individuales son independientes entre s.
Asimismo, se asume que las variables explicativas afectan por igual a las unidades de
corte transversal y que stas se diferencian por caractersticas propias de cada una de
ellas, medidas por medio del intercepto. Es por ello que los N interceptos se asocian
con variables dummy con coeficientes especficos para cada unidad, los cuales se
deben estimar. Para la i-sima unidad de corte transversal, la relacin es la siguiente:

Yi = ii +Xi + i (3)
Donde el subndice i representa un vector columna de unos. Debe hacerse notar que
en este modelo se presenta una prdida importante de grados de libertad.
2. Modelo de efectos aleatorios

A diferencia del modelo de efectos fijos, el modelo de efectos aleatorios considera que
los efectos individuales no son independientes entre s, sino que estn distribuidos
aleatoriamente alrededor de un valor dado. Una prctica comn en el anlisis de
regresin es asumir que el gran nmero de factores que afecta el valor de las variable
dependiente pero que no han sido incluidas explcitamente como variables
independientes del modelo, pueden resumirse apropiadamente en la perturbacin
aleatoria.

As, con este modelo se considera que tanto el impacto de las variables explicativas
como las caractersticas propias de cada banco son diferentes. El modelo se expresa
algebricamente de la siguiente forma:

Yit = (

i)

' Xit + it (4)

144

Donde: i viene a representar la perturbacin aleatoria que permitira distinguir el

efecto de cada individuo en el panel. Para efectos de su estimacin se agrupan los
componentes estocsticos, y se obtiene la siguiente relacin:

Yit

Xit + Uit (5)

Donde Uit = t + i + it se convierte en el nuevo trmino de la perturbacin, U no es

homocedstico, donde t, i,it corresponden al error asociado con las series de tiempo
(t); a la perturbacin de corte transversal (i) y el efecto combinado de ambas (it).
El mtodo de Mnimos Cuadrados Ordinarios (MCO) no es aplicable dado que no se
cumplen los supuestos que permiten que el estimador sea consistente. Por lo que es
preferible en este caso utilizar el mtodo de Mnimos cuadrados Generalizados (MCG)
cuyas estimaciones son superiores al de MCO en caso de no cumplirse los supuestos
tradicionales y son similares en caso contrario.
3. Eleccin del mtodo: efectos fijos o efectos aleatorios?

La decisin acerca de la estructura apropiada para el anlisis, es decir, efectos fijos vs.
efectos aleatorios depende en parte de los siguientes aspectos:

a. Los objetivos del estudio

Si se desea hacer inferencias con respecto a la poblacin, es decir que se

trabaja con una muestra aleatoria, lo mejor es utilizar una especificacin del
tipo aleatoria. En caso de que el inters sea limitado a una muestra que se ha
seleccionado a conveniencia o bien que se est trabajando con la poblacin, la
estimacin de efectos fijos ser la correcta.

Adicionalmente, si el inters del estudio particular est puesto en los

coeficientes de las pendientes de los parmetros, y no tanto en las diferencias
individuales, se debera elegir un mtodo que relegue estas diferencias y tratar
la heterogeneidad no observable como aleatoria.

El modelo de efectos fijos se ve como un caso en que el investigador hace

inferencia condicionada a los efectos que ve en la muestra. El de efectos
aleatorios se ve como uno en el cual el investigador hace inferencia condicional
o marginal respecto a una poblacin.

145

b. El contexto de los datos, es decir, cmo fueron obtenidos y el entorno de

donde provienen:

Con el mtodo de efectos fijos la heterogeneidad no observable se incorpora

en la ordenada al origen del modelo y con la de efectos aleatorios, como ya
se mencion, se incorporan en el trmino de error, por lo cual lo que se
modifica es la varianza del modelo.

Emplear un modelo de efectos fijos o aleatorios genera diferencias en las

estimaciones de los parmetros en los casos en que se cuenta con t
pequeo y N grande. En estos casos debe hacerse el uso ms eficiente de
la informacin para estimar esa parte de la relacin de comportamiento
contenida en las variables que difieren sustancialmente de un individuo a
otro.

c. Nmero de datos disponibles

El mtodo de efectos fijos presenta el problema de que el uso de variables

dummys no identifica directamente qu causa que la regresin lineal
cambie en el tiempo y en los individuos. Adems, esto implica la prdida de
grados de libertad.

Asimismo, debern tomarse consideraciones con respecto a la estructura de

los datos con que se cuente, dado que si la N es grande pero si se tiene un
T pequeo, podra ser que el nmero de parmetros de efectos fijos sea
muy grande en relacin con el nmero de datos disponibles, con parmetros
poco confiables y una estimacin ineficiente.

146

Anexo N 3: Estimaciones Economtricas

Anexo N 3.1: Modelo 01: Evaluacin de modelo de efectos fijos vs efectos
constantes
1. Modelo de Efectos Fijos
El modelo de efectos fijos considera que existe un trmino constante diferente para
cada individuo o del momento en el tiempo, y supone que los efectos individuales
son independientes entre s. Entonces el modelo de efectos fijos permite investigar
la variacin intertemporal y/o transversal por medio de distintos trminos
independientes.
Test de Redundancia
Permite constatar si los efectos fijos de la empresa o del periodo pueden ono
considerarse iguales.
Se plantean las siguientes hiptesis:

H0 1

N-1

N-1

El estadstico de prueba es:

F = (SRR SRS) / (N 1)
SRS / (N*T N K + 1)

F ( 95 N-1, N*T-N-K+1)

Se rechaza la hiptesis nula si el valor de F supera al valor crtico de la tabla, al

menos con 95% de confianza.
F(0.95, 23, 115) = 0.533910
Fc = 14.132813
Ya que el Ft Fc, se acepta la H1
Por lo tanto, cada departamento tendr un intercepto distinto.

147

Redundant Fixed Effects Tests

Equation: MODELO01_REDUNDACIA
Test cross-section fixed effects
Effects Test

Statistic

Cross-section F
Cross-section Chi-square

d.f.

Prob.

14.132813
193.243234

(23,115)
23

0.0000
0.0000

Cross-section fixed effects test equation:

Dependent Variable: IP
Method: Panel Least Squares
Sample: 2004 2009
Periods included: 6
Cross-sections included: 24
Total panel (balanced) observations: 144
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
PEA_SE
ESE
ESU
TR
DN

8.931906
0.850279
0.085123
-0.427533
1.119879
0.780710

2.334131
0.210413
0.039055
0.194845
0.547715
0.137267

3.826652
4.041007
2.179564
-2.194225
2.044639
5.687514

0.0002
0.0001
0.0310
0.0299
0.0428
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.813410
0.806649
8.904153
10941.18
-516.1214
120.3178
0.000000

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

47.42569
20.24975
7.251686
7.375429
7.301968
0.433710

2. Modelo de efectos aleatorios

Considera que los efectos individuales no son independientes entre s, sino que
estn distribuidos aleatoriamente alrededor de un valor dado.
A fin de elegir el modelo que mejor se ajusta a nuestros datos, llevamos a cabo la
aplicacin del test de Haussman.
2.1. Test de Haussman
Permite la seleccin entre el modelo de efectos fijos y el modelo de efectos
aleatorios, a partir de la contrastacin de las siguientes hiptesis:
H0 : E (Xit i) = 0
H1: E (Xit i)
El estadstico de Prueba es el Siguiente

W = (EF - EA)2 / Var(EF) Var(EA)]

W =(EA - EF) Var(EF) Var(EA)] -1=(EA - EF)
148

W se distribuye como una Chi Cuadrado con K grados de libertad. Se rechaza la

hiptesis nula si el valor de W supera al valor crtico de la tabla, al menos con el
95% de confianza.
2.1.1.

Estimacin del panel con efectos aleatorios de secciones

cruzadas.
Dependent Variable: IP
Method: Panel EGLS (Cross-section random effects)
Sample: 2004 2009
Periods included: 6
Cross-sections included: 24
Total panel (balanced) observations: 144
Swamy and Arora estimator of component variances
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
PEA_SE
ESE
ESU
TR
DN

14.32359
0.831689
-0.033276
0.144886
1.191326
0.673990

3.809558
0.256363
0.045613
0.218374
0.591108
0.112942

3.759908
3.244187
-0.729537
0.663478
2.015412
5.967598

0.0003
0.0015
0.4669
0.5081
0.0458
0.0000

Effects Specification
S.D.
Cross-section random
Idiosyncratic random

8.017691
4.986305

Rho
0.7211
0.2789

Weighted Statistics
R-squared
Adjusted R-squared
S.E. of regression
F-statistic
Prob(F-statistic)

0.567896
0.552240
5.182754
36.27348
0.000000

Mean dependent var

S.D. dependent var
Sum squared resid
Durbin-Watson stat

11.67085
7.745293
3706.810
1.173497

Unweighted Statistics
R-squared
Sum squared resid

0.782702
12741.83

Mean dependent var

Durbin-Watson stat

47.42569
0.341390

149

2.1.2.

Aplicacin Test de Haussman

Correlated Random Effects - Hausman Test
Equation: MODELO_FIJOS_CRUZADAS
Test cross-section random effects
Chi-Sq.
Statistic

Chi-Sq. d.f.

Prob.

16.087978

0.0066

Random

Var(Diff.)

Prob.

0.831689
-0.033276
0.144886
1.191326
0.673990

0.044365
0.011725
0.032301
0.136355
0.003724

0.0321
0.0053
0.0009
0.3849
0.0006

Test Summary
Cross-section random

Cross-section random effects test comparisons:

Variable
PEA_SE
ESE
ESU
TR
DN

Fixed
0.380229
-0.335135
0.743263
0.870492
0.463749

Cross-section random effects test equation:

Dependent Variable: IP
Method: Panel Least Squares
Sample: 2004 2009
Periods included: 6
Cross-sections included: 24
Total panel (balanced) observations: 144
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
PEA_SE
ESE
ESU
TR
DN

48.03771
0.380229
-0.335135
0.743263
0.870492
0.463749

13.50888
0.331794
0.117495
0.282822
0.696968
0.128374

3.556010
1.145978
-2.852325
2.628025
1.248971
3.612477

0.0005
0.2542
0.0051
0.0098
0.2142
0.0005

Effects Specification
Cross-section fixed (dummy variables)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.951238
0.939366
4.986305
2859.272
-419.4998
80.12151
0.000000

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

47.42569
20.24975
6.229164
6.827251
6.472193
1.444504

El Chi2 (0.95,5) = 11.07050, es menor al Chic = 16.087978. Por lo tanto, se acepta

la H1. El modelo de efectos fijos es mejor que el modelo de efectos aleatorios.

150

Anexo N 3.2: Modelo 01: Eleccin del Modelo

Se estima el modelo especificado como modelo 01, luego a se realiza la eleccin del
modelo que logre explicar la relacin entre las variables de capital humano y pobreza.

Variable
C
PEA_SE
EP
ESE
ESU
TR
TMA
TMORT
MH
DN
R2 ajustado
F estadstico

Modelo 01
23.5186
(1.2153)
1.0376
(4.3069)
-0.0601
(-1.3225)
0.2502
(2.3381)
-0.3099
(-1.0653)
1.0522
(1.7741)
-0.1744
(-0.8457)
-0.0022
(-1.5336)
-0.0001
(-0.1059)
0.7913
(5.6698)
0.8068
67.3697

Modelo 02
23.4913
(1.2185)
1.03558
(4.3259)
-0.0583
(-1.3883)
0.2460
(2.4817)
-0.3283
(-1.4152)
1.0452
(1.7797)
-0.1731
(-0.8439)
-0.0022
(-1.5710)

0.7921
(5.7050)
0.8082
76.3487

Coeficiente
Modelo 03 Modelo 04
7.3577
8.1912
(2.9560)
(3.4457)
0.9755
0.9849
(4.2731)
(4.3129)
-0.0409
(-1.1192)
0.2432
0.1569
(2.4572)
(2.5255)
-0.3912
-0.3140
(-1.7826)
(-1.5058)
1.1399
0.9664
(1.9795)
(1.7409)

-0.002375
(-1.7007)

-0.0020
(-1.4817)

0.7872
(5.6808)
0.8086
87.3387

0.7639
(5.5708)
0.8083
101.4993

Modelo 05
8.9319
(3.8266)
0.8502
(4.0410)

0.0851
(2.1795)
-0.4275
(-2.1942)
1.1198
(2.0446)

0.7807
(5.6875)
0.8066
120.31

Despus de aplicar el proceso de Parsimonia a los modelos estimados, elegimos el

modelo nmero 5, quedando expresado de la siguiente manera:
IP = 8.93 + 0.85PEA_SE + 0.08ESE 0.42ESU + 1.11TR + 0.78DN
(3.82)

(4.04)

(2.17)

(-2.19)

(2.04)

(5.68)

R2 ajustado = 0.8066
F estadstico = 120.31

151

Anexo 3.3: Modelo 01: Evaluacin del Modelo Economtrico

A travs de la aplicacin del Proceso de Parsimonia, el modelo elegido result ser el
Modelo 5:
Dependent Variable: IP
Method: Panel Least Squares
Sample: 2004 2009
Periods included: 6
Cross-sections included: 24
Total panel (balanced) observations: 144
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
PEA_SE
ESE
ESU
TR
DN

48.03771
0.380229
-0.335135
0.743263
0.870492
0.463749

13.50888
0.331794
0.117495
0.282822
0.696968
0.128374

3.556010
1.145978
-2.852325
2.628025
1.248971
3.612477

0.0005
0.2542
0.0051
0.0098
0.2142
0.0005

Effects Specification
Cross-section fixed (dummy variables)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.951238
0.939366
4.986305
2859.272
-419.4998
80.12151
0.000000

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

47.42569
20.24975
6.229164
6.827251
6.472193
1.444504

Evaluaremos este modelo a fin de comprobar que cumple con las pruebas
economtricas de: normalidad, homoscedasticidad y ausencia de autocorrelacin.
NORMALIDAD
H0 = Existe distribucin normal
H1 = No existe distribucin normal
Para la contrastacin de las hiptesis, utilizamos el estadstico Jarque Bera y lo
contrastamos con el Chi2 (0.95, 2).
Chi2 (0.95, 2) = 5.991465

152

20

Series: Standardized Residuals

Sample 2004 2009
Observations 144

16

12

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

-1.97e-16
0.318251
8.542306
-11.55798
4.471567
-0.258208
2.713216

Jarque-Bera
Probability

2.093578
0.351063

0
-12

-10

-8

-6

-4

-2

Por lo tanto se acepta H0.

HETEROSCEDASTICIDAD
H0 : No existe heteroscedasticidad
H1 : Existe heteroscedasticidad
Test for Equality of Variances of RESMOD5
Categorized by values of RESMOD5
Sample: 2004 2009
Included observations: 144
Method
Bartlett
Levene
Brown-Forsythe

df

Value

Probability

5
(5, 138)
(5, 138)

1.597143
1.089410
0.992676

0.9016
0.3690
0.4246

Std. Dev.
0.806202
1.313748
1.369429
1.256619
1.196264
NA
4.668341

Mean Abs.
Mean Diff.
0.567038
1.055140
1.155523
1.023261
1.031054
0.000000
1.051659

Mean Abs.
Median Diff.
0.567038
0.970737
1.151947
1.023160
1.030913
0.000000
1.040469

Category Statistics

RESMOD5
[-15, -10)
[-10, -5)
[-5, 0)
[0, 5)
[5, 10)
[10, 15)
All

Count
4
17
47
52
23
1
144

Bartlett weighted standard deviation: 1.284938

Para Bartlett se contrasta con un estadstico Chi cuadrado, Chi2

9.487729.

(0.95, 5)

Se acepta H0.

153

AUTOCORRELACIN
H0 : No existe autocorrelacin
H1 : Existe autocorrelacin
Prueba Box - Pierce
Correlograma del Modelo
Sample: 2004 2009
Included observations: 144
Autocorrelation
.|*
*|.
**|.
*|.
*|.

|
|
|
|
|

Partial Correlation
.|*
*|.
**|.
*|.
*|.

|
|
|
|
|

1
2
3
4
5

AC

PAC

0.175
-0.091
-0.254
-0.205
-0.126

0.175
-0.125
-0.224
-0.143
-0.129

Q-Stat
4.5251
5.7473
15.369
21.657
24.056

Prob
0.033
0.056
0.002
0.000
0.000

Se calculan los valores de QBP1 y QBP2 :

QBP1 = 144*(0.175)2 = 4.322099
QBP2 = 144*(-0.125)2 = 2.267991
Se calculan los Chi cuadrado:
Chi (0.95,1) = 3.841459
Chi (0.95,2) = 5.991465
Por lo tanto se tiene autocorrelacin de primer orden.

154

A fin de corregir la autocorrelacin de primer orden:

Dependent Variable: IP
Method: Panel Least Squares
Sample (adjusted): 2005 2009
Periods included: 5
Cross-sections included: 24
Total panel (balanced) observations: 120
Convergence achieved after 16 iterations
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
PEA_SE
ESE
ESU
TR
DN
AR(1)

40.16903
0.550546
-0.219795
0.361518
1.047521
0.408933
0.318717

16.93376
0.332000
0.153114
0.296334
0.851561
0.136565
0.101187

2.372127
1.658272
-1.435498
1.219968
1.230118
2.994427
3.149770

0.0198
0.1007
0.1546
0.2257
0.2219
0.0036
0.0022

Effects Specification
Cross-section fixed (dummy variables)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.962437
0.950334
4.588806
1895.142
-335.8461
79.51663
0.000000

Inverted AR Roots

.32

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

46.39583
20.59055
6.097435
6.794307
6.380438
2.087752

Aunque el modelo mejora el R2, afecta la significancia individual del modelo, por lo
que se decide por mantener el modelo estimado elegido.

155

Anexo 3.4: Modelo 02: Evaluacin de modelo de efectos fijos vs efectos

constantes
1. Modelo de Efectos Fijos
Test de Redundancia
Se plantean las siguientes hiptesis:
H0: 1 = 2 = = N-1
H1: 1 2 N-1
El estadstico de prueba es:
F = (SRR SRS) / (N 1) F (0.95, N-1, N*T-N-K+1)
SRS / (N*T N K + 1)
Se rechaza la hiptesis nula si el valor de F supera al valor crtico de la tabla, al
menos con 95% de confianza.
F(0.95, 23, 115) = 0.533910
Fc = 14.393083
Ya que el Ft Fc, se acepta la H1
Por lo tanto, cada departamento tendr un intercepto distinto.

156

Redundant Fixed Effects Tests

Equation: MODELO_FIXED
Test cross-section fixed effects
Effects Test

Statistic

Cross-section F
Cross-section Chi-square

d.f.

Prob.

14.393083
195.188913

(23,115)
23

0.0000
0.0000

Cross-section fixed effects test equation:

Dependent Variable: IP
Method: Panel Least Squares
Sample: 2004 2009
Periods included: 6
Cross-sections included: 24
Total panel (balanced) observations: 144
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
TA
LE
MC
IVT
DN

77.99887
0.666628
-3.908637
-0.241802
-0.206708
0.791947

13.14812
0.198044
1.151667
0.110995
0.056237
0.110771

5.932319
3.366055
-3.393896
-2.178503
-3.675672
7.149392

0.0000
0.0010
0.0009
0.0311
0.0003
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.840392
0.834609
8.235231
9359.025
-504.8755
145.3235
0.000000

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

47.42569
20.24975
7.095494
7.219236
7.145775
0.525093

2. Modelo de efectos aleatorios

Considera que los efectos individuales no son independientes entre s, sino que
estn distribuidos aleatoriamente alrededor de un valor dado.
2.1. Test de Haussman
Permite la seleccin entre el modelo de efectos fijos y el modelo de efectos
aleatorios, a partir de la contrastacin de las siguientes hiptesis:
H0 : E (Xit i) = 0
H1: E (Xit i)
El estadstico de Prueba es el Siguiente

W = (EF - EA)2 / Var(EF) Var(EA)]

W =(EA - EF) Var(EF) Var(EA)] -1=(EA - EF)

157

W se distribuye como una Chi Cuadrado con K grados de libertad. Se rechaza la

hiptesis nula si el valor de W supera al valor crtico de la tabla, al menos con el
95% de confianza.
2.1.1.

Estimacin del panel con efectos aleatorios de secciones

cruzadas.
Dependent Variable: IP
Method: Panel EGLS (Cross-section random effects)
Sample: 2004 2009
Periods included: 6
Cross-sections included: 24
Total panel (balanced) observations: 144
Swamy and Arora estimator of component variances
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
TA
LE
MC
IVT
DN

60.52391
0.773265
-2.971615
-0.327211
-0.066026
0.671730

9.363362
0.211702
0.872719
0.096420
0.037507
0.096870

6.463908
3.652606
-3.405008
-3.393583
-1.760363
6.934334

0.0000
0.0004
0.0009
0.0009
0.0806
0.0000

Effects Specification
S.D.
Cross-section random
Idiosyncratic random

Rho

6.939539
4.580659

0.6965
0.3035

Weighted Statistics
R-squared
Adjusted R-squared
S.E. of regression
F-statistic
Prob(F-statistic)

0.665873
0.653767
4.657457
55.00330
0.000000

Mean dependent var

S.D. dependent var
Sum squared resid
Durbin-Watson stat

12.33994
7.915248
2993.483
1.287116

Unweighted Statistics
R-squared
Sum squared resid

2.1.2.

0.823999
10320.28

Mean dependent var

Durbin-Watson stat

47.42569
0.373339

Aplicacin Test de Haussman

Correlated Random Effects - Hausman Test
Equation: MODELO_ALEATORIO
Test cross-section random effects

Test Summary
Cross-section random

Chi-Sq.
Statistic

Chi-Sq. d.f.

Prob.

9.666116

0.0853

158

Cross-section random effects test comparisons:

Variable
TA
LE
MC
IVT
DN

Fixed
0.574478
-2.784707
-0.372612
-0.039340
0.595737

Random

Var(Diff.)

Prob.

0.773265
-2.971615
-0.327211
-0.066026
0.671730

0.022507
0.060766
0.001262
0.000088
0.001887

0.1852
0.4483
0.2013
0.0045
0.0802

Cross-section random effects test equation:

Dependent Variable: IP
Method: Panel Least Squares
Sample: 2004 2009
Periods included: 6
Cross-sections included: 24
Total panel (balanced) observations: 144
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
TA
LE
MC
IVT
DN

61.82431
0.574478
-2.784707
-0.372612
-0.039340
0.595737

9.706760
0.259469
0.906865
0.102759
0.038664
0.106166

6.369201
2.214049
-3.070695
-3.626084
-1.017474
5.611382

0.0000
0.0288
0.0027
0.0004
0.3111
0.0000

Effects Specification
Cross-section fixed (dummy variables)
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.958849
0.948830
4.580659
2412.980
-407.2811
95.69999
0.000000

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

47.42569
20.24975
6.059459
6.657547
6.302488
1.542201

El Chi2 (0.95,5) = 11.07050, es menor al Chic = 9.666116. Por lo tanto, se acepta

la H1.
El modelo de efectos fijos es mejor que el modelo de efectos aleatorios.

159

Anexo 3.5: Modelo 02: Eleccin del Modelo

Se estima el modelo especificado como modelo 02, luego a travs del proceso
de Parsimonia se realiza la eleccin del modelo que logre explicar la relacin
entre las variables de capital humano y pobreza.

Variable

Coeficiente
Modelo 01

C
TA
TMA
TR
LE
AS
MC
MNC
IAS
IVT
DN
PBI_PC
R2
ajustado
F
estadstico

75.0923
(4.1126)
0.6048
(2.6334)
-0.1209
(-0.7542)
0.6708
(1.2151)
-3.1492
(-2.2427)
0.0607
(1.0624)
-0.1626
(-1.1861)
0.0895
(0.7302)
-0.0966
(-1.3370)
-0.1519
(-2.0672)
0.7671
(5.7494)
6.99E-05
(0.1819)
0.8330

65.8558

Modelo 02

Modelo 03

Modelo 04

Modelo 05

Modelo 06

Modelo 07

0.6428
(1.2030)
-3.5000
(-2.9511)
0.0596
(1.0725)
-0.2037
(-1.7274)

0.5674
(1.0706)
-3.5574
(-3.0009)

-3.8629
(-3.3555)

-3.9086
(-3.3938)

-0.1867
(-1.5968)

-0.2031
(-1.7514)

-0.2418
(-2.1785)

-0.0891
(-1.2594)
-0.1653
(-2.3726)
0.7456
(5.8629)

-0.0833
(-1.1847)
-0.1677
(-2.4117)
0.7555
(5.0780)

-0.0816
(-1.1602)
-0.1669
(-2.3995)
0.7515
(5.9456)

-0.0795
(-1.1311)
-0.1606
(-2.3163)
0.8137
(7.2446)

-0.2067
(-3.6756)
0.7919
(7.1493)

0.8342

0.8348

0.8353

0.8351

0.8349

0.8346

72.9685

81.3083

91.6565

104.4705

121.5615

145.3235

74.5649
(4.1513)
0.6099
(2.6861)
-0.1166
(-0.7381)
0.6601
(1.2069)
-3.0775
(-2.2917)
0.0596
(1.0530)
-0.1624
(-1.1891)
0.0881
(0.7223)
-0.0974
(-1.3558)
-0.1505
(-2.0672)
0.7614
(5.8902)

79.5550
(4.8067)
0.6638
3.1008
-0.1234
(-0.7841)
0.5653
(1.1054)
-3.0171
(-2.2552)
0.0647
(1.1536)
-0.2111
(-1.7819)

72.6490
(5.1919)
0.6071
(3.0174)

75.5081
(5.4939)
0.6322
(3.1621)

79.5943
(6.0251)
0.6330
(3.1642)

77.9988
(5.9323)
0.6666
(3.3660)

Despus de aplicar el proceso de Parsimonia a los modelos estimados,

elegimos el modelo nmero 7, quedando expresado de la siguiente manera:
IP = 77.99 + 0.66TA 3.90LE 0.24MC 0.21IVT + 0.79DN
(5.93)

(3.36)

(-3.39)

(-2.18)

(-3.67)

(7.14)

R2 ajustado = 0.8346
F estadstico = 145.3235

160

Anexo 3.6: Modelo 02: Evaluacin del Modelo Economtrico

A travs de la aplicacin del Proceso de Parsimonia, el modelo elegido result ser el
Modelo 7:
Dependent Variable: IP
Method: Panel Least Squares
Sample: 2004 2009
Periods included: 6
Cross-sections included: 24
Total panel (balanced) observations: 144
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
TA
LE
MC
IVT
DN

77.99887
0.666628
-3.908637
-0.241802
-0.206708
0.791947

13.14812
0.198044
1.151667
0.110995
0.056237
0.110771

5.932319
3.366055
-3.393896
-2.178503
-3.675672
7.149392

0.0000
0.0010
0.0009
0.0311
0.0003
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.840392
0.834609
8.235231
9359.025
-504.8755
145.3235
0.000000

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

47.42569
20.24975
7.095494
7.219236
7.145775
0.525093

Evaluaremos este modelo a fin de comprobar que cumple con las pruebas
economtricas de: normalidad, homoscedasticidad y ausencia de autocorrelacin.
Normalidad
H0 = Existe distribucin normal
H1 = No existe distribucin normal
Para la contrastacin de las hiptesis, utilizamos el estadstico Jarque Bera y lo
contrastamos con el Chi2 (0.95, 2).
Chi2 (0.95, 2) = 5.991465

161

24

Series: Standardized Residuals

Sample 2004 2009
Observations 144

20

16

12

Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis

-2.25e-14
-0.337112
25.29741
-18.72675
8.089977
0.302078
3.037756

Jarque-Bera
Probability

2.198578
0.333108

0
-20

-15

-10

-5

10

15

20

25

Por lo tanto se acepta H0.

Heteroscedasticidad
H0: No existe Heteroscedasticidad
H1: Existe Heteroscedasticidad

Test for Equality of Variances of RESMODFINAL

Categorized by values of RESMODFINAL
Sample: 2004 2009
Included observations: 144
Method
Bartlett
Levene
Brown-Forsythe

df

Value

Probability

4
(4, 139)
(4, 139)

1.007659
1.257614
1.189163

0.9086
0.2897
0.3183

Mean Abs.

Mean Abs.

Mean Diff.
1.876138
2.227371
2.364074
1.760503
0.000000
2.167389

Median Diff.
1.876138
2.198507
2.359680
1.739051
0.000000
2.152333

Category Statistics

RESMODFIN
AL
[-20, -10)
[-10, 0)
[0, 10)
[10, 20)
[20, 30)
All

Count
18
55
54
16
1
144

Std. Dev.
2.434467
2.733762
2.781812
2.331362
NA
8.495281

Bartlett weighted standard deviation: 2.676822

Para Bartlett se contrasta con un estadstico Chi cuadrado, Chi2

9.487729.

(0.95, 5)

Se acepta H0.

162

Autocorrelacin
H0 : No existe autocorrelacin
H1 : Existe autocorrelacin
Prueba Box - Pierce
Correlograma del Modelo
Sample: 2004 2009
Included observations: 144
Autocorrelation
.|**** |
.|*** |
.|** |
.|* |
.|* |

Partial Correlation
.|**** |
.|. |
.|. |
.|. |
.|. |

AC
1
2
3
4
5

PAC

0.617 0.617
0.399 0.029
0.289 0.051
0.175 -0.047
0.085 -0.036

Q-Stat
56.008
79.561
91.978
96.557
97.652

Prob
0.000
0.000
0.000
0.000
0.000

Se calculan los valores de QBP1 y QBP2:

QBP1 = 144*(0.617)2 = 54.8569
QBP2 = 144*(0.029)2 = 0.12036
Se calculan los Chi cuadrado:
Chi (0.95,1) = 3.841459
Chi (0.95,2) = 5.991465
Por lo tanto se tiene autocorrelacin de segundo orden.

163

A fin de corregir la autocorrelacin de segundo orden:

Dependent Variable: IP
Method: Panel Least Squares
Sample (adjusted): 2006 2009
Periods included: 4
Cross-sections included: 24
Total panel (balanced) observations: 96
Convergence achieved after 7 iterations
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
TA
LE
MC
IVT
DN
AR(2)

41.13470
1.249461
-2.303563
-0.217968
-0.032828
0.711308
0.621402

13.70513
0.290769
1.176388
0.106038
0.043717
0.110810
0.061719

3.001410
4.297087
-1.958165
-2.055575
-0.750923
6.419186
10.06817

0.0035
0.0000
0.0533
0.0428
0.4547
0.0000
0.0000

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
F-statistic
Prob(F-statistic)

0.933340
0.928846
5.422886
2617.285
-294.8842
207.6895
0.000000

Mean dependent var

S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat

44.70313
20.32973
6.289255
6.476239
6.364837
1.484309

164

Anexo N 4: Pruebas Economtricas

Anexo 4.1: Aplicacin del Filtro Hodrick Presscott y Anlisis de Cointegracin

4.1.1.

Hodrick Presscott: Ciclo y Tendencia

Cualquier anlisis cuantitativo de los ciclos econmicos debe partir por distinguir el
crecimiento de largo plazo (tendencia) de las fluctuaciones de corto plazo (ciclos) en
las variables econmicas de inters, para ello se asume normalmente que se puede
expresar Yt como el producto de un componente tendencial (Ytg) y un componente
cclico (Ytc).

Yt = Ytg x Ytc
O lo que es lo mismo en logaritmos

yt = ytg + ytc
El mtodo ms utilizado en la literatura de los Ciclos Econmicos Reales es el Filtro de
Hodrick-Presscott (HP), que consiste en hallar una serie ytg que minimice63:

Donde el parmetro mide el peso que se le da en la minimizacin a la suavidad de

ytg en relacin a su cercana a la serie original.

El filtro de Hodrick Presscott extrae la tendencia de la variable agregada a travs del
tiempo y suaviza la serie. El filtro penaliza las deviaciones de corto plazo de la
tendencia, esto quiere decir que la serie se descompone en un componente
tendencial. A partir de este componente se extrae el componente cclico, este se
emplea como interpretacin del ciclo econmico de la variable64.
Las mediciones realizadas con este mtodo sirven para establecer si la variable es
procclica, contracclica, o acclica con respecto a la produccin de largo plazo, as
mismo mide el grado de sincrona con relacin al producto, lo que permite establecer
si la variable se comporta con retardo o adelanto con respecto al producto, de esta
63 Urrutia C. Notas sobre crecimiento y ciclos econmicos, Ilades Georgetown University, Diciembre
1996. pg.39
64 Segura, J.; Chavarro, F. y Grautoff, M. (2010) Ciclos econmicos de las teoras de manchas solares
al Filtro de Hodrick Presscott: el caso colombiano. Criterio Libre, Vol. 8, N 13, pg. 21-68. Bogot,
Diciembre 2010.

165

forma se puede predecir la etapa del ciclo en que se encuentra el producto.

Finalmente mide la volatilidad de las variables, permitiendo calibrar la respuesta de la
variable con relacin al ciclo econmico.
En este sentido, el filtro de Hodrick Presscott resulta ser de mucha utilidad en la
medida que sea aplicado en series de tiempo con una gran cantidad de datos, sin
embargo, debido a que en el presente estudio, no se cuenta con gran disponibilidad de
datos a un nivel temporal, es decir solo se usan 6 aos (2004-2009) por cada
departamento, esto no permite distinguir ciclos y tendencias.
Es por esta razn que al llevar al cabo el Filtro Hodrick Presscott, por la naturaleza
propia de un anlisis de corte transversal, slo se obtiene una marcacin de picos en
variables acumuladas en determinadas regiones. Las siguientes grficas muestran los
resultados obtenidos tras la aplicacin del Filtro Hodrick Presscott a las variables del
modelo.

Hodrick-Prescott Filter (lambda= 100)

Hodrick-Prescott Filter (lambda=100)

100

30

80

Hodrick-Prescott Filter (lambda= 100)

30
20
10

60
100
40
80
20
60
0
40

Hodrick-Prescott Filter (lambda= 100)

25
20
35
15
30
10
25
5
20
0
15

10
5

10

30
0

20

20
-10

10
-20

10
0

5
0

-55

2025

2050

2075

2100

2125

2025

2050

2075

2100

IP

Tr end

2050

2075

2100

PEA_SE
2125

IP

Tr end

Cycle

Tr end

Cycle

2050

2075

2100

2125

PEA_SE

Tr end

Cycle

20,000

120

Hodrick-Prescott Filter (lambda= 100)

40
120
80

0
80

15,000

40

-40
40

10,000

40
-40

5,000
15,000

-40

0
10,000

15,000
25,000
10,000
20,000
5,000
15,000
0
10,000
-5,000
5,000
0
-5,000

-5,000
5,000

0
-80
-40

Hod

25,000

80
160

80
0

2025

Hodrick-Prescott Filter (lambda=100)

160

Hodrick-Prescott Filter (lambda= 100)

2050

2075

2100

2125

2025

2050

2075

2100

2125

ESU

Tr end

Cycle

MH

Tr end

2050

2075

2100

2125

ESU

Tr end

2050

2075

2100

2125

MH

Tr end

Cycle

100

Hodrick-Prescott Filter (lambda= 100)

16

95

Hodrick-Prescott Filter (lambda= 100)

12

16616

90
100

85
95

10,000
-10,000

2025

2025

Hodrick-Prescott Filter (lambda=100)

Cycle

20,000
0

-20,000
2025

Hodrick-Prescott Filter (lambda= 100)

10,000

Cycle

-10,000
2025

20,000

-10,000

-5,000

-80

Ho

0
-20,000

-10,0000
2025

200
-200

-400
2025

Hodrick-Prescott Filter (lambda= 100)

400
0

2025

-10
2025

200

-200

Cycle

-30

400

2125

-5
-20

Ho

-4000

-100

-300
-10

Hod
35

80
90

12
4

75
85

80

8
0

-5

-200

-200

-10

-400

2125

2025

2050
PEA_SE

2075
Tr en d

2100

-400

2125

2025

Tr e nd

2125

20

Cycle

Hodrick-Prescott
Filter
(lambda=
Hodrick-Prescott
Filter
(lambda=
100)100)
1,000
25,000

800
40,000

800
20,000

600
30,000
400
20,000

400
10,000

15

-40 0

2100

600
15,000

80 20

10

2075

EP

Hodrick-Prescott
Filter
(lambda=
Hodrick-Prescott
Filter
(lambda=
100)100)

2050

Cycle

16035
30
120
25

40

200

-200

mbda=
100)
a= 100)

200
10,000

200
5,000

15,000400

0
10,000200

20,000 400

0
10,000 200

-200
-5,000

5,000

-200
-10,000

20
10
0

0
-10,000-200

-200
-5,000
-400
-10,000
2125
2125

2050
2050
MH EP

mbda=
100)
a= 100)

2075
2075
Tr eTr
nde nd

2100
2100

2125
2125

M O R ESE
T

Hodrick-Prescott
Filter
(lambda=
Hodrick-Prescott
Filter
(lambda=
100)100)

12

CyCycle
cle

60
50

30,000

40
20,000

85 10,000

30

10,000
20,000
6

4
10,000

20

20

-10,000

10

10
0

-10,000
-2

-10

-4
-20,000
2125
2125

-20
2025
2025

ycle
Cycle

2050
2050

2075
2075

2100
2100

2125
2125

TR
M O R T Tr endTr e nd Cycle Cy cle

2025

2050
DN

2075
Tr e nd

2100

2125

Cycle

mbda= 100)

100

20

Hodrick-Prescott Filter (lambda= 100)

90 15,000

-5,000

Trnd
en d
Tr e

16 40,000

95 20,000

75 0

-20
20252025 20502050 20752075 21002100 21252125

Cycle
Cycle

10025,000

80 5,000

-10

-20,000-400

2025
2025

ycleCycle

100

200

c le

100

5
0

16
12
8
4
0

2125

Cycle

167

4.1.2.

Anlisis de Cointegracin

Este anlisis permite determinar si existe relacin de largo plazo entre la variable
dependiente y las variables explicativas, y evitar as la ejecucin de una regresin
espuria. Para realizar un anlisis de cointegracin como el caso del mtodo de Engle y
Granger, es necesario determinar si las variables bajo anlisis tienen el mismo orden
de integracin, para luego verificar que los residuos obtenidos en la regresin son
estacionarios o mejor dicho que su orden de integracin sea cero: I(0), todo esto a
travs de la verificacin de races unitarias mediante test como los de Dickey Fuller
Aumentado, Phillips Perron, entre otros.
Sin embargo, como se mencion en la seccin anterior, intentar determinar una
relacin de largo plazo entre las variables con escasa disponibilidad de datos
temporales, es poco probable, y menos an con una predominancia del corte
transversal sobre la serie temporal.

168

Anexo 4.2: Anlisis de Causalidad de Granger

El anlisis de causalidad de Granger permite determinar, si de acuerdo a los datos de
las series estadsticas, existe una variable cuyos cambios en el tiempo anteceden a los
cambios en otra variable.
Con la realizacin del test de causalidad se contrastan las siguientes hiptesis:
Ho: No causalidad entre variables
H1: Causalidad entre variables
Es decir,
Prob > 0.05 acepto Ho
Prob < 0.05 acepto H1
En los siguientes apartados se observan los resultados obtenidos al aplicar el test de
causalidad de Granger de cada una de las variables explicativas (de los dos modelos)
con la variable explicada.
1. Causalidad: ndice de Pobreza departamental-Poblacin Econmicamente
Activa sin Educacin.
En el Cuadro se observa que para 2 rezagos, la Probabilidad es 0.1233 > 0.05, por lo
que se acepta Ho, es decir el pasado de la variable PEA sin educacin no afecta a la
variable ndice de pobreza departamental. Si el anlisis se realiza con un nivel de
significancia del 5% para 2 rezagos no hay ningn problema.
TEST DE CAUSALIDAD DE GRANGER PARA LAS VARIABLES IP PEA SE
Rezago

Hiptesis nulas

PROBABILIDADES

PEA SE pc Fracasa la
causalidad de Granger
IP

0.1233
Acepto H0

0.1418
Acepto H0

IP Fracasa la
causalidad de Granger
PEA SE

0.8039
Acepto H0

0.0413
Rechazo H0

Elaboracin propia

169

Si como investigador necesita aceptar H1, el anlisis se realiza con:

Ho: No causalidad entre variables
H1: Causalidad entre variables
Donde,
Prob>0.15 acepto Ho
Prob<0.15 acepto H1
Por lo que, debido a que 0.1233 < 0.15, se acepta H1, es decir el pasado de la
variable PEA sin educacin si afecta a la variable ndice de pobreza departamental.
El anlisis se realiza con un nivel de significancia del 15% para 2 rezagos
Siendo el criterio a utilizar un nivel de significancia del 5%, se acepta Ho. Es decir el
pasado de la variable PEA sin educacin no afecta a la variable ndice de pobreza
departamental, por tener la limitante de mayor disponibilidad de datos a un nivel
temporal.
Similar anlisis se realiza a las dems variables.
2. Causalidad: ndice de Pobreza Departamental Poblacin con Educacin
Primaria.
El Cuadro permite concluir el no rechazo de la hiptesis nula; es decir, que los
cambios en la Poblacin con Educacin primaria no Preceden en el tiempo al ndice de
Pobreza Departamental, considerando hasta 4 rezagos. Y, de igual manera que la
variable ndice de Pobreza Departamental no precede a la variable Poblacin con
Educacin Primaria, segn los datos de las series estadsticas consideradas.
TEST DE CAUSALIDAD DE GRANGER: VARIABLES IP Y EP
Rezago

Hiptesis nulas

PROBABILIDADES

EP Fracasa la
causalidad de Granger
IP

0.7152
Acepto H0

0.8723
Acepto H0

IP pc Fracasa la
causalidad de Granger
EP

0.9789
Acepto H0

0.9934
Acepto H0

Elaboracin propia

170

3. Causalidad: ndice de Pobreza Departamental Poblacin con Educacin

Secundaria
El Cuadro seala que se debe Rechazar la hiptesis nula con 4 rezagos; es decir, que
los cambios en la Poblacin con Educacin Secundaria preceden en el tiempo al
ndice de Pobreza Departamental. Por su parte la variable ndice de Pobreza
Departamental tampoco precede a la Poblacin con Educacin Secundaria, segn los
datos de las series de estudio.
TEST DE CAUSALIDAD DE GRANGER VARIABLES: IP Y ESE
Rezago

Hiptesis nulas

PROBABILIDADES

ESE Fracasa la
causalidad de Granger
IP

0.6135
Acepto H0

0.8734
Acepto H0

IP Fracasa la
causalidad de Granger
ESE

0.9677
Acepto H0

0.9873
Acepto H0

Elaboracin propia

4. Causalidad: ndice de Pobreza Departamental Poblacin con Educacin

Superior.
El Cuadro seala que no se debe rechazar la hiptesis nula; es decir, que los cambios
en la Poblacin con Educacin Superior no preceden en el tiempo a la variable ndice
de Pobreza Departamental, de igual forma, esta variable tampoco precede a la
Poblacin con Educacin Superior.
TEST DE CAUSALIDAD DE GRANGER VARIABLES: IP Y ESU
Rezago

Hiptesis nulas

PROBABILIDADES

ESU Fracasa la
causalidad de Granger
IP

0.6936
Acepto H0

0.8359
Acepto H0

IP Fracasa la
causalidad de Granger
ESU

0.9781
Acepto H0

0.9959
Acepto H0

Elaboracin propia

171

5. Causalidad: ndice de Pobreza departamental-Tasa de Retiro Escolar.

El Cuadro permite ver que de acuerdo a la muestra no se puede rechazar la hiptesis
nula, es decir los cambios en la Tasa de Retiro o Desercin Escolar no preceden en el
tiempo a la variable ndice de Pobreza Departamental, considerando un total de hasta
4 rezagos. De igual forma el ndice de Pobreza Departamental no precede a la variable
Tasa de Retiro Escolar, segn los datos de las series de estudio.
TEST DE CAUSALIDAD DE GRANGER PARA LAS VARIABLES: IP TR
Rezago

Hiptesis nulas

PROBABILIDADES

TR Fracasa la
causalidad de Granger
IP

0.3601
Acepto H0

0.5918
Acepto H0

IP Fracasa la
causalidad de Granger
TR

0.4128
Acepto H0

0.5879
Acepto H0

Elaboracin propia

6. Causalidad: ndice de Pobreza Departamental Tasa de Matriculados.

El Cuadro permite concluir el no rechazo de la hiptesis nula; es decir, que los
cambios en la Tasa de Matricula no Preceden en el tiempo al ndice de Pobreza
Departamental, considerando hasta 4 rezagos. Y, de igual manera que la variable
ndice de Pobreza Departamental no precede a la variable Tasa de Matricula, segn
los datos de las series estadsticas consideradas hasta el cuarto rezago.
TEST DE CAUSALIDAD DE GRANGER VARIABLES: IP Y TMA
Rezago

Hiptesis nulas

PROBABILIDADES

TMA Fracasa la
causalidad de Granger
IP

0.4188
Acepto H0

0.7102
Acepto H0

IP pc Fracasa la
causalidad de Granger
TMA

0.8298
Acepto H0

0.5140
Acepto H0

Elaboracin propia

172

7. Causalidad: ndice de Pobreza Departamental Mdicos por Departamento

El Cuadro permite concluir el no rechazo de la hiptesis nula; es decir, que los
cambios en la cantidad de Mdicos por Departamento no Preceden en el tiempo al
ndice de Pobreza Departamental, considerando hasta 4 rezagos. Y, de igual manera
que la variable ndice de Pobreza Departamental no precede a la variable Mdicos por
Departamento, segn los datos de las series estadsticas consideradas hasta el cuarto
rezago.
TEST DE CAUSALIDAD DE GRANGER VARIABLES: IP Y MH
Rezago

Hiptesis nulas

PROBABILIDADES

MH Fracasa la
causalidad de Granger
IP

0.6850
Acepto H0

0.8798
Acepto H0

IP Fracasa la
causalidad de Granger
MH

0.9437
Acepto H0

0.9680
Acepto H0

Elaboracin propia

8. Causalidad: ndice de Pobreza Departamental Mortalidad.

El Cuadro seala que no se debe rechazar la hiptesis nula; es decir, que los cambios
en la Tasa de Mortalidad no preceden en el tiempo a la variable ndice de Pobreza
Departamental, de igual forma, esta variable tampoco precede a la Tasa de
Mortalidad.
TEST DE CAUSALIDAD DE GRANGER VARIABLES: IP Y MORT
Rezago

Hiptesis nulas

PROBABILIDADES

MORT Fracasa la
causalidad de Granger
IP

0.5757
Acepto H0

0.7958
Acepto H0

IP Fracasa la
causalidad de Granger
MORT

0.9749
Acepto H0

0.9865
Acepto H0

Elaboracin propia

173

9. Causalidad: ndice de Pobreza Departamental Desnutricin Infantil

El Cuadro permite concluir el no rechazo de la hiptesis nula; es decir, que los
cambios en la Tasa de Desnutricin no Preceden en el tiempo al ndice de Pobreza
Departamental, considerando hasta 4 rezagos. Y, de igual manera que la variable
ndice de Pobreza Departamental no precede a la variable Tasa de Desnutricin,
segn los datos de las series estadsticas consideradas hasta el cuarto rezago.
TEST DE CAUSALIDAD DE GRANGER
IP Y DN
Rezago

Hiptesis nulas

PROBABILIDADES

DN Fracasa la
causalidad de Granger
IP

0.2691
Acepto H0

0.3546
Acepto H0

IP Fracasa la
causalidad de Granger
DN

0.4451
Acepto H0

0.2278
Acepto H0

Elaboracin propia

10. Causalidad: ndice de Pobreza Departamental Logro Educativo.

El Cuadro seala que no se debe rechazar la hiptesis nula; es decir, que los cambios
en el Logro Educativo no preceden en el tiempo a la variable ndice de Pobreza
Departamental, solo si se consideran 4 rezagos, al contrario de lo que sucede, en la
otra direccin pues se concluye que se debe rechazar la hiptesis nula, es decir que la
variable ndice de pobreza departamental si precede a los cambios en el Logro
Educativo.

TEST DE CAUSALIDAD DE GRANGER VARIABLES: IP Y LE

Rezago

Hiptesis nulas

PROBABILIDADES

LE Fracasa la
causalidad de Granger
IP

0.1148
Acepto H0

0.1515
Acepto H0

IP Fracasa la
causalidad de Granger
LE

0.0025
Rechazo H0

0.0021
Rechazo H0

Elaboracin propia

174

11. Causalidad: ndice de Pobreza departamental-Acceso a la Salud.

El Cuadro permite ver que para el primer caso que de acuerdo a la muestra no se
puede rechazar la hiptesis nula, es decir, los cambios en el Acceso a la Salud no
preceden en el tiempo a la variable ndice de Pobreza Departamental, considerando
un total de hasta 4 rezagos. Sin embargo, por otro lado, el ndice de Pobreza
Departamental si precede a la variable Acceso a la Salud, al considerar 4 rezagos,
pero no lo hace si tan solo se considera los 2 primeros segn los datos de las series
de estudio.
TEST DE CAUSALIDAD DE GRANGER PARA LAS VARIABLES: IP AS
Rezago

Hiptesis nulas

PROBABILIDADES

AS Fracasa la
causalidad de Granger
IP

0.2528
Acepto H0

0.2520
Acepto H0

IP Fracasa la
causalidad de Granger
AS

0.1339
Acepto H0

0.0480
Rechazo H0

Elaboracin propia

12. Causalidad: ndice de Pobreza Departamental Morbilidad Crnica.

El Cuadro permite concluir el no rechazo de la hiptesis nula; es decir, que los
cambios en la Morbilidad Crnica no Preceden en el tiempo al ndice de Pobreza
Departamental, considerando hasta 4 rezagos. Y, de igual manera que la variable
ndice de Pobreza Departamental no precede a la variable Morbilidad Crnica, segn
los datos de las series estadsticas consideradas hasta el cuarto rezago.
TEST DE CAUSALIDAD DE GRANGER VARIABLES: IP Y MC
Rezago

Hiptesis nulas

PROBABILIDADES

MC Fracasa la
causalidad de Granger
IP

0.7043
Acepto H0

IP pc Fracasa la
causalidad de Granger
MC

0.3466
Acepto H0

0.6833
Acepto H0
0.6096
Acepto H0

Elaboracin propia

175

13. Causalidad: ndice de Pobreza Departamental Morbilidad no Crnica

El Cuadro permite concluir el no rechazo de la hiptesis nula; es decir, que los
cambios en la Morbilidad No Crnica no preceden en el tiempo al ndice de Pobreza
Departamental. Y, de igual manera que la variable ndice de Pobreza Departamental
no precede a la variable Morbilidad no Crnica, segn los datos de las series
estadsticas consideradas hasta el segundo rezago.
TEST DE CAUSALIDAD DE GRANGER VARIABLES: IP Y MNC
Rezago

Hiptesis nulas

PROBABILIDADES

MNC Fracasa la
causalidad de Granger
IP

0.5438
Acepto H0

0.6388
Acepto H0

IP Fracasa la
causalidad de Granger
MNC

0.0499
Rechazo H0

0.1955
Acepto H0

Elaboracin propia

14. Causalidad: ndice de Pobreza Departamental Inmunizacin anti Sarampin.

El Cuadro seala que no se debe rechazar la hiptesis nula; es decir, que los cambios
en las Inmunizaciones anti Sarampin no preceden en el tiempo a la variable ndice de
Pobreza Departamental, por el contrario, esta variable si precede a la Inmunizacin
antisarampionosa.
TEST DE CAUSALIDAD DE GRANGER VARIABLES: IP Y IAS
Rezago

Hiptesis nulas

PROBABILIDADES

IAS Fracasa la
causalidad de Granger
IP

0.8708
Acepto H0

0.9249
Acepto H0

IP Fracasa la
causalidad de Granger
IAS

0.0006
Rechazo H0

0.0003
Rechazo H0

Elaboracin propia

176

15. Causalidad: ndice de Pobreza Departamental Inmunizacin Vacuna Triple

El Cuadro permite concluir el no rechazo de la hiptesis nula; es decir, que los
cambios en las Inmunizaciones con Vacuna Triple no Preceden en el tiempo al ndice
de Pobreza Departamental, considerando hasta 2 rezagos. Y, por el contrario que la
variable ndice de Pobreza Departamental si precede a la variable Inmunizaciones con
Vacuna Triple, segn los datos de las series estadsticas consideradas hasta el cuarto
rezago.
TEST DE CAUSALIDAD DE GRANGER
IP E IVT
Rezago

Hiptesis nulas

PROBABILIDADES

IVT Fracasa la
causalidad de Granger
IP

0.7227
Acepto H0

0.0444
Rechazo H0

IP Fracasa la
causalidad de Granger
IVT

0.0019
Rechazo H0

0.0119
Rechazo H0

Elaboracin propia

16. Causalidad: ndice de Pobreza Departamental PBI per cpita.

El Cuadro seala que se debe rechazar la hiptesis nula; es decir, que los cambios en
PBI per cpita preceden en el tiempo a la variable ndice de Pobreza Departamental,
por el contrario, esta variable no precede a la PBI per cpita.
TEST DE CAUSALIDAD DE GRANGER VARIABLES: IP Y PBI_PC
Rezago

Hiptesis nulas

PROBABILIDADES

PBIPC Fracasa la
causalidad de Granger
IP

0.0173
Rechazo H0

0.0807
Rechazo H0

IP Fracasa la
causalidad de Granger
PBIPC

0.1945
Acepto H0

0.5082
Acepto H0

Elaboracin propia

177

17. Causalidad: ndice de Pobreza Departamental Coeficiente de Gini

El Cuadro permite concluir el no rechazo de la hiptesis nula; es decir, que los
cambios en el ndice de GINI no Preceden en el tiempo al ndice de Pobreza
Departamental, considerando hasta 3 rezagos. Y, por el contrario que la variable
ndice de Pobreza Departamental si precede a la variable ndice de GINI, pero solo si
se consideran los dos primeros rezagos, segn los datos de las series estadsticas.

TEST DE CAUSALIDAD DE GRANGER

IP E GINI
Rezago

Hiptesis nulas

PROBABILIDADES

GINI Fracasa la
causalidad de Granger
IP

0.7706
Acepto H0

0.8198
Acepto H0

IP Fracasa la
causalidad de Granger
GINI

0.0491
Rechazo H0

0.2405
Acepto H0

Elaboracin propia

178