Documente Academic
Documente Profesional
Documente Cultură
FACULTAD DE ECONOMIA
TESIS
PARA OPTAR EL TITULO DE ECONOMISTA
Piura Per
Diciembre del 2012
JURADO CALIFICADOR
Dedicatoria:
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 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.
SIGLAS y ACRONIMOS
BCRP
CEPAL
CIES
DNI
ENAHO
ENDES
ESAN
FGT
GRADE
IDH
INEI
INS
MECEP
MEF
MIMDES
MINEDU
: Ministerio de Educacin
MINSA
: Ministerio de Salud
MTC
MONIN
NBI
OCDE
ONG
: Organismo no Gubernamental
ONU
OREALC
PBI
PEA
PNUD
SIS
UMC
UNESCO
NDICE
INTRODUCCIN ...................................................................................................................... 10
CAPTULO I: MARCO TERICO .......................................................................................... 13
1.1.
1.1.1.
1.1.2.
1.1.3.
1.1.4.
1.1.5.
1.1.6.
1.2.
Pobreza ...................................................................................................................... 36
1.2.1.
1.2.2.
1.2.3.
1.3.
3.1.1.
3.1.2.
3.1.3.
3.1.4.
3.1.5.
3.1.6.
3.2.
3.2.1.
3.2.2.
3.2.3.
3.2.4.
3.2.5.
3.2.6.
3.3.
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
INDICE DE CUADROS
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
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.
10
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.
11
12
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.
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.
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
A
18
EDAD
22
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
21
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
22
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
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
18
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
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
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
29
adicionales.
Las
dos
perspectivas
estn,
entonces,
ntimamente
30
31
Representantes
William Petty
Prefisiocrticos
(Siglo XVII)
Richard Cantillon
(Siglo XVII XVII)
Planteamientos
La valoracin subjetiva del factor trabajo es mayor que los ingresos percibidos
por los trabajadores tras realizar sus labores.
Antecedentes
de la Teora del
Capital
ser considerado como una mquina, que facilita y reduce el tiempo de trabajo.
factor trabajo.
desigualdades sociales.
Humano
Adam Smith
(Siglo XVII)
Clsicos
Jhon S. Mill
(Siglo XIX)
mayores
ingresos
una
mayor
diferenciacin social.
32
Corriente
econmica
Representantes
Planteamientos
Estado debe proveer una educacin de calidad, ya que esta repercute, en algn
poblacin
y,
de
este
modo,
aumentar
la
Neoclsicos
la Teora del
Alfred Marshall
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
Cuantitativa
33
Representantes
Planteamientos
Se considera a la educacin como una inversin que realizan los individuos y que les permite
Jacob Mincer
(1958)
esta teora. As, se establece una relacin causal entre educacin, productividad e ingresos,
Theodore
Schultz
(1961)
educativo, sino tambin por el estado de salud, medido a travs del stock sanitario, por lo que
mdicos, y cuidado de uno mismo, para reducir la desvalorizacin del componente sanitario.
Se reconoce la relacin entre capital humano y pobreza. Se plantea que para reducir el
34
Corriente
Econmica
Representantes
M. Spence
(1973)
Credencialismo
o
K. Arrow
Teora de
(1973)
los Filtros
J. Stiglitz
Teoras
(1975)
Alternativas
del
Planteamientos
humano sirven como seales para que los empleadores distingan entre
Capital
Humano
Thurow
Teora
(1972)
De la
Segmentacin
Gordon, Edwards y
De mercados
Reich (1982)
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
36
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
38
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
32
40
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
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
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
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
(FGT).
Rodriguez
(n/d)
indirecto
Insatisfechas (NBI),
Indicadores de condiciones de vida
de los hogares).
Enfoque
combinado
Llamado tambin mtodo integrado, pues es una combinacin de los enfoques 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
consecuencia,
mayores
ingresos
potenciales
para
los
trabajadores,
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
48
38
49
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
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)
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
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.
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
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%
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%
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%
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%
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
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
55
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%
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
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
57
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
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
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
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)
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
30.00
25.00
20.00
15.00
10.00
5.00
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
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
64
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
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
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
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
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
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
68
Expresado en unidades
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
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)
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
71
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 %
de los niveles de
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
Cajamarca,
Cusco,
Lambayeque,
Lima,
Loreto,
las mayores
73
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
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
75
Incidencia de pobreza
80
70
60
50
40
30
20
0
10
20
30
40
50
60
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
10,000
8,000
6,000
4,000
2,000
0
0
10
20
30
40
50
60
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
de Empleo en el sector
78
79
80
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.
81
82
83
3.1.
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
% pob.
PEA_SE
% pob.
Positivo
EP
Miles de personas
Negativo
ESE
Miles de personas
Negativo
ESU
Miles de personas
Negativo
TR
Positivo
TMA
Tasa de matriculados
%pob. Matriculada
Negativo
MH
Nmero de mdicos
Negativo
MORT
Mortalidad
Nmero de defunciones en un ao
Negativo
DN
Desnutricin infantil
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,
Ecuacin terica referente a modelos de panel data. Para mayor detalle consltese Wooldridge (n/d).
85
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.
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
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
54
87
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
88
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
89
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
90
Tacna (-23.95%).
3.1.4. Modelo de Efectos Aleatorios
El modelo de efectos aleatorios considera que
los
efectos
individuales
no
son
91
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
)2/
)]
58
92
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
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
94
95
Cuadro N 3.8
Descripcin de las Variables del Segundo Modelo
VARIABLE
NOMBRE
UNIDAD DE MEDIDA
SIGNO
ESPERADO
IP
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
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
DN
Desnutricin infantil
PBI_PC
% 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.
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.
97
98
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
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
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
100
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
Coeficiente
T estadstico
61.82
6.36
TA
0.57
2.21
Dependiente
60
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
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
103
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
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
104
105
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.
3.
107
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.
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)
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)
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)
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)
113
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)
INEI
(2005)
INEI
(2006)
INEI
(2007)
INEI
(2008)
INEI
(2009)
INEI
(2009)
INS
(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)
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)
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)
ONU
(1997)
ONU
(2004)
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)
118
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)
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
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
122
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
123
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
124
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
125
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
126
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
127
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
128
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
129
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
130
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
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
132
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
133
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
134
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
135
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
136
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
137
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
138
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
Elaboracin
: Propia.
Varios documentos.
139
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
Limitaciones
N t
kxkit + uit
141
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.
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)
144
Yit
La decisin acerca de la estructura apropiada para el anlisis, es decir, efectos fijos vs.
efectos aleatorios depende en parte de los siguientes aspectos:
145
146
H0 1
N-1
N-1
F = (SRR SRS) / (N 1)
SRS / (N*T N K + 1)
F ( 95 N-1, N*T-N-K+1)
147
Statistic
Cross-section F
Cross-section Chi-square
d.f.
Prob.
14.132813
193.243234
(23,115)
23
0.0000
0.0000
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
47.42569
20.24975
7.251686
7.375429
7.301968
0.433710
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
11.67085
7.745293
3706.810
1.173497
Unweighted Statistics
R-squared
Sum squared resid
0.782702
12741.83
47.42569
0.341390
149
2.1.2.
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
Fixed
0.380229
-0.335135
0.743263
0.870492
0.463749
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
47.42569
20.24975
6.229164
6.827251
6.472193
1.444504
150
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
(4.04)
(2.17)
(-2.19)
(2.04)
(5.68)
R2 ajustado = 0.8066
F estadstico = 120.31
151
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
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
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
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
(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
154
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
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
156
Statistic
Cross-section F
Cross-section Chi-square
d.f.
Prob.
14.393083
195.188913
(23,115)
23
0.0000
0.0000
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
47.42569
20.24975
7.095494
7.219236
7.145775
0.525093
157
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
12.33994
7.915248
2993.483
1.287116
Unweighted Statistics
R-squared
Sum squared resid
2.1.2.
0.823999
10320.28
47.42569
0.373339
Test Summary
Cross-section random
Chi-Sq.
Statistic
Chi-Sq. d.f.
Prob.
9.666116
0.0853
158
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
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
47.42569
20.24975
6.059459
6.657547
6.302488
1.542201
159
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)
(3.36)
(-3.39)
(-2.18)
(-3.67)
(7.14)
R2 ajustado = 0.8346
F estadstico = 145.3235
160
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
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
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
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
(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
163
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
44.70313
20.32973
6.289255
6.476239
6.364837
1.484309
164
4.1.1.
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:
165
30
80
30
20
10
60
100
40
80
20
60
0
40
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
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
160
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
16
95
12
16616
90
100
85
95
10,000
-10,000
2025
2025
Cycle
20,000
0
-20,000
2025
10,000
Cycle
-10,000
2025
20,000
-10,000
-5,000
-80
Ho
0
-20,000
-10,0000
2025
200
-200
-400
2025
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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