Departamento de Economía
Trampas de Pobreza en Perú: Evidencia
Empírica desde la Dinámica de Ingreso de
los hogares
Juan Pablo Santos
Mentores: Walter Sosa Escudero
Germán Daniel Caruso
Trampas de Pobreza en Perú: Evidencia
Empírica desde la Dinámica de Ingreso de los
hogares
1Juan Pablo Santos
2Resumen
El presente trabajo intenta de detectar la presencia de trampas de pobreza en el Perú, teniendo en cuenta heterogeneidades entre los hogares. Se entiende por “trampas de pobreza” una situación en la cual los hogares afectados gozan de una movilidad socio-económica más lenta ó, en el peor de los casos, de ningún tipo de movilidad. Los resultados encontrados sugieren que los ingresos siguen una dinámica no lineal y la existencia de un equilibrio inestable cercano a los valores medios que toman los ingresos en la muestra para el panel correspondiente a los años 1998 a 2001. Dada la forma funcional escogida, una interpretación plausible es que, a diferencia de la literatura empírica tradicional de trampas de pobreza, lo que estamos insinuando es que es la dinámica misma de la pobreza es lo que genera pobreza.
1
Quisiera agradecer en primer lugar a mis mentores: Walter Sosa Escudero y Germán Daniel Caruso por los comentarios, sugerencias y correcciones. En segundo lugar a Stanislao Maldonado por compartir información sobre los resultados obtenidos en investigaciones vinculadas a este campo para Perú.
2
1. Introducción
En palabras de Azariadis & Stachursky (2005) una trampa de pobreza es un mecanismo que se refuerza a sí mismo a lo largo del tiempo y tiene como consecuencia que la pobreza persista. El estudio empírico de las trampas de pobreza sugiere que las mismas generalmente se encuentran asociadas a no linealidades en la dinámica de ingresos de los hogares. La existencia de ciertos tipos de equilibrios cercanos o debajo de un nivel mínimo de subsistencia, se conoce como “trampas de pobreza”: una situación en la cual los hogares afectados gozan de una movilidad socio-económica más lenta ó, en el peor de los casos, de ningún tipo de movilidad.
Para comprender mejor la definición, consideremos el siguiente caso hipotético: un hogar que posee ingresos que se encuentran por encima de un nivel mínimo de subsistencia, de repente, se ve afectado por un shock transitorio que altera sus niveles de ingreso indefinidamente transformándolo en pobre. Valdría preguntarse entonces: ¿puede un shock transitorio tener efectos tan permanentes?
Una respuesta afirmativa debería incentivar a los hacedores de política a generar mecanismos institucionales en contra de esta posibilidad. Estos mecanismos deberían en primera instancia buscar detectar cuáles son los canales por los cuales esto ocurre y en un segundo lugar, promover soluciones para evitar la persistencia de este problema en el tiempo. El presente estudio es en cierto modo una contribución a la tarea de detección de trampas de pobreza. Particularmente, esta investigación se basará en el caso peruano.
La idea de este trabajo, siguiendo los lineamientos de Antman & Mckenzie (2005), Lokshin & Ravallion (2004), Rodriguez-Meza & Gonzalez-Vega (2004) y Maldonado (2006) es hacer uso de los microdatos en forma de panel que provee el Instituto de Nacional de Estadística e Informática de Perú3, proponer una forma
3
funcional para la dinámica de los ingresos, de manera de poder detectar la potencial existencia de trampas de pobreza, teniendo en cuenta la heterogeneidad de los hogares.
Los resultados encontrados sugieren que los ingresos siguen una dinámica no lineal y la existencia de un equilibrio inestable cercano a los valores medios que toman los ingresos en la muestra para el panel correspondiente a los años 1998 a 2001. Esto estaría evidenciando la presencia de trampas de pobreza en un contexto en el cual Perú se vio azotado por una crisis macro que afectó a una gran cantidad de países en vías de desarrollo en esta época.
Finalmente podemos decir que la escasez de estudios de este tipo en países latinoamericanos4, sugiere que realizar una investigación en la región tomando como marco de referencia los trabajos anteriormente citados, puede ser de mucha utilidad, permitiendo una mejor compresión de su realidad socio-económica.
Este trabajo está organizado de la siguiente manera. En la sección dos se presenta una versión simplificada del modelo. En la sección tres realiza un breve estudio sobre la literatura previa, se establece cuál parece ser la contribución de esta investigación y se presenta la metodología. En la sección cuatro se exhibe el modelo econométrico. En la sección cinco se analizan los datos utilizados. En la sección seis y siete se presenta la evidencia, se interpretan los resultados y se realizan algunos chequeos de robustez. Finalmente en la sección ocho se concluye.
2. Versión simplificada del modelo
Evaluar la existencia de no linealidades en la dinámica de ingreso, es una manera indirecta de analizar el mecanismo por el cual los hogares logran suavizar sus ingresos (o consumo) a lo largo del tiempo. En los países en desarrollo este proceso se da por diferentes canales. La metodología utilizada en este trabajo captura el espectro general y no se detiene en el estudio de casos particulares examinados por la literatura5. La elección de un mecanismo en particular o combinación de los mismos, surge de un
4
Los países analizados fueron: El Salvador, México, Argentina. Debemos tener en cuenta que también se lograron ciertos avances muy preliminares en Perú.
5
proceso de maximización en el cual cada hogar en particular compara los costos y beneficios marginales, sujeto a ciertas restricciones principalmente vinculadas a dotaciones de activos e imperfecciones en ciertos mercados (e.g. el mercado de crédito).
La efectividad de la estrategia seleccionada por los hogares para suavizar sus ingresos (o consumo) a lo largo del tiempo, se ve sometida a variaciones resultantes de shocks idosincráticos o sistemáticos. El mecanismo puede prevenir estos eventos inesperados dependiendo de la tecnología del mismo y de la distribución probabilística del shock. Como afirman Rodriguez-Meza & Gonzalez-Vega (2004) los hogares pueden aislar los efectos del shock, variando sus niveles de consumo ya sea ahorrando, acumulando y/o liquidando activos financieros y no financieros. La ausencia de mercados de seguros formales y el acceso limitado al mercado financiero, incrementa la importancia del mecanismo que permite suavizar el ingreso de los hogares.
Siguiendo los lineamientos de Lokshin & Ravallion (2004) y Jalan & Ravallion (2004), propondremos una forma funcional polinómica de grado tres para la dinámica de ingreso de los hogares donde lo que intentamos de explicar es el ingreso del hogar “i” en el momento “t” a través de sus valores en el período anterior. Adicionalmente, vamos a introducir heterogeneidades no observables de cada uno de los hogares capturadas por el término αi. De esta manera, el proceso generador de ingresos adopta la
siguiente forma:
t i i t
i t
i t
i t
i Y Y Y
Y, =β1 ,−1 +β2( ,−1)2 +β3( ,−1)3 +α +µ ,
(1)
donde Yi,s representa el ingreso de los hogares, para todo i=1,...,n; s=t, t-1
En el marco de este modelo simplificado, cabe preguntarse: ¿bajo que
condiciones los hogares se encuentran en una situación de trampa de pobreza? Para
Gráfico 1: Heterogeneidades individuales, no-convexidades y trampas de pobreza
Fuente: Casanova (2008)
Este gráfico es un diagrama de fases que presenta en el eje horizontal los
ingresos de los hogares en el período t-1, y en el vertical, los ingresos en el período
actual. Cada curva representa entonces la relación entre los ingresos pasados y los
actuales, que en nuestro caso es una función polinómica de grado tres. Los puntos sobre
la recta de 45 grados representan equilibrios dinámicos, es decir, situaciones
estacionarias en donde el ingreso de un período coincide con el anterior. Estos
equilibrios pueden ser inestables o estables. La estabilidad de los equilibrios depende de
la pendiente de la recta tangente que corta a la curva en este punto. Cuando es mayor
que uno, la naturaleza recursiva del diagrama de fase, implica que este equilibrio es
inestable. Cuando es menor que uno, el equilibrio es estable.
A continuación, describimos las diferentes situaciones que puede seguir la
dinámica de ingreso de los hogares: la curva C ilustra el peor de los casos: un equilibrio
estable por debajo del nivel mínimo de subsistencia (Yu). La curva B, presenta
equilibrios múltiples y determina ciertos umbrales hacia donde converge el ingreso de
los hogares; si su ingreso cae por debajo de Yu el hogar queda atrapado en la pobreza
C respectivamente, la diferencia sólo se encuentra en el intercepto. En ambos casos a
pesar de que los ingresos siguen una dinámica no lineal, no nos encontramos frente a
una situación de trampa de pobreza, ya que las curvas cruzan a la línea de 45º por
encima de Yu.
Lo que se entiende por trampa de pobreza según esta literatura es algo
relativamente novedoso ya que en lugar de focalizarnos en los canales por los cuáles se
genera la pobreza (generalmente asociados a un contexto familiar particular ó a ciertos
fenómenos geográficos), se pone el énfasis en el proceso generador de la misma. Es
decir que lo que está generando la pobreza según este modelo es la dinámica misma, la
forma funcional que adopta a lo largo del tiempo y no así los canales mediante los
cuales se trasmite. Para comprender mejor el punto consideremos el siguiente ejemplo:
una familia cuyo ingresos se encontraban por encima de un nivel mínimo de
subsistencia, de repente, se afectada por un shock transitorio que altera sus niveles de
ingreso, transformándola en pobre indefinidamente, producto de la dinámica misma de
la forma funcional de los ingresos, independientemente de los canales de transmisión.
3. Literatura previa
Esta sección presenta un breve análisis de la literatura empírica de trampas de
pobreza de manera de entender mejor el entorno en el cual subyace este trabajo.
Casanova (2008) haciendo un seguimiento sobre la literatura empírica de
trampas de pobreza, afirma que la misma se orientó dos caminos distintos. En primer
lugar, algunos trabajos lo que buscan hacer es evaluar teorías particulares de trampas de
pobreza: la relación entre salud y productividad (Strauss & Thomas (1988)), no
convexidades en los retornos a micro emprendimientos (McKenzie & Woodruff
(2003)), salarios de eficiencia basados en la alimentación de los trabajadores (Swamy
(1997)), etc. En segundo lugar, la otra rama que estudia estos temas encara el análisis
empírico desde una perspectiva más general estudiando la dinámica que adoptan los
ingresos de los hogares directamente y buscando equilibrios para niveles de ingresos
bajos. Las herramientas utilizadas en este segundo caso consisten en estimaciones
Las estrategias paramétricas se basan en la estimación de un polinomio donde la
variable dependiente es una medida de ingreso o de consumo y la variable
independiente es una función polinómica de la variable dependiente rezagada un
período. Esta estimación permite verificar si las no linealidades de ingresos (consumo)
podrían llevar a situaciones de trampa de pobreza.
En esta literatura, los aportes más importantes son los siguientes. Lokshin &
Ravallion (2004), quienes estiman un modelo usando datos de panel del ingreso de los
hogares en Hungría y Rusia durante los noventas, el modelo permite dinámicas no
lineales en los ingresos endógenos de los hogares y “desgranamiento endógeno”;
encuentran evidencia a favor de estas dinámicas no-lineales, pero no hallan equilibrios
inestables que impidan a los hogares recuperarse de shocks permanentes. Jalan &
Ravallion (2004), analizan un panel de ingresos de zonas rurales de China,
desarrollando un modelo micro del crecimiento del consumo, que permite la existencia
de restricciones a la movilidad de los factores y externalidades; encuentran evidencia de
trampas de pobreza geográficas en hogares rurales. Utilizando en método de variables
instrumentales de Arellano & Bond Rodriguez-Meza & Gonzalez-Vega (2004) utilizan
un base de datos que contiene información sobre las características de los hogares e
ingresos en El Salvador para testear no linealidades en el proceso generador de datos de
los ingresos; encuentran un equilibrio instable cerca de cero, lo cual es evidencia a favor
de la existencia de trampas de pobreza.
Antman & McKenzie (2005) utilizan pseudo paneles6 dinámicos aludiendo a las
ventajas que exhiben los mismos en relación a los paneles que suelen presentar una
menor cantidad de observaciones a lo largo del tiempo, problemas de “attrition” y
errores de medición. Elaboran un modelo que corrige potenciales sesgos provenientes
de errores de medición y que permite heterogeneidad entre los hogares de la muestra.
Los resultados encontrados corroboran la existencia de no linealidades en la dinámica
de ingresos y sesgos en las estimaciones en panel. Casanova (2008) siguiendo los
resultados de esta investigación, elabora un pseudo panel para Argentina que corrige las
estimaciones por errores de medición. Los resultados descartan la existencia de trampas
de pobreza debido a no linealidades en la dinámica de los ingresos.
6
Finalmente, Maldonado (2006) realizó un trabajo que sigue una motivación muy
similar a la presentada en este estudio, también para el caso peruano. En el mismo, se
sigue de cerca la línea de razonamiento de Jalan & Ravallion (2004); se plantea una
forma funcional para la dinámica de ingresos y de gastos teniendo el cuenta datos en
forma de panel para los años 1998 a 2001. Los resultados no parecen indicar la
existencia de no linealidades en la dinámica de ingresos y por ende, no se encuentran
trampas de pobreza asociadas a esta variable. Al estudiar la dinámica de gastos, si bien
se encuentra que la misma presenta no linealidades, los resultados no sugieren la
existencia de trampas de pobreza.
El presente trabajo, sigue más de cerca los lineamientos de Antman & McKenzie
(2005), donde a pesar de utilizar un panel, estaremos preocupados en testear la
existencia de trampas de pobreza, pero para cada hogar en particular presente en la
muestra (i.e. se tienen en cuenta heterogeneidades individuales). La contribución no
sólo se encuentra en analizar una misma realidad utilizando una metodología distinta
sino también en la elección de las variables que representan al ingreso, el tratamiento de
los problemas típicos de los paneles, la utilización de datos más recientes y muy
especialmente los resultados obtenidos.
4. Modelo econométrico
Siguiendo la línea de investigación de Lokshin & Ravallion (2004) y Jalan &
Ravallion (2004), como ya se dijo anteriormente, supondremos que la dinámica de
ingreso de los hogares es no lineal y posee una forma funcional polinómica de grado
tres de la variables dependiente rezagada un período. Incluiremos además una variable
que captura los efectos inobservables que no varían en el tiempo de cada hogar en
particular (αi). Por lo tanto, el proceso generador de ingresos Yi,t del hogar “i” en el
período “t” se define de la siguiente manera7:
t i i t
i t
i t
i t
i Y Y Y
Y, =β1 ,−1 +β2( ,−1)2 +β3( ,−1)3 +α +µ,
(1)
7
Si los verdaderos valores del ingreso son observados (i.e. no sufren de errores de
errores de medición) y los errores (µi,t) no sufren de autocorrelación serial, entonces, los
parámetros de la ecuación (1) pueden ser estimados consistentemente por el método
generalizado de momentos propuesto por Arellano y Bond (1991). Este método es
utilizado por Jalan y Ravallion (2004) y por Rodriguez-Meza & Gonzalez-Vega (2004),
y consiste en diferenciar la ecuación (1) y utilizar observaciones rezagadas del ingreso
para instrumentar ∆Yi,t-1, ∆(Yi,t-1)2 y ∆(Yi,t-1)3. 1 La elección De este método
generalizado de momentos se debe principalmente a la necesidad de utilizar variables
instrumentales debido a la correlación existente entre el cambio en el ingreso rezagado y
el término de error diferenciado.
Este procedimiento sólo nos permite detectar no convexidades en la dinámica de
ingresos, lo cual es una condición necesaria pero no suficiente para determinar si los
hogares se encuentran en una situación de trampa de pobreza.
Para un determinado mapa de ingresos, similar al analizado en el Gráfico 1, es
fácil mostrar que una condición necesaria y suficiente para encontrar trampas de
pobreza del tipo Curva B de Gráfico 1 es la siguiente:
( ) 1
1 , ,
1 , `
−
= − Yit Yit
t i
i Y
g
(2)
Como podemos notar, la función g(.) depende de “i” debido a la presencia de
efectos individuales (αi). Dado los resultados de las estimaciones de la ecuación (1),
estimamos αi de la siguiente manera:
αˆi =Yi −βˆ1Yi,t−1−βˆ2Yi,2t−1−βˆ3Yi,3t−1 (3) donde,
∑
=
− =
T
t t i
i Y
T Y
2 ,
1 1
, y
∑
= − −
− =
T
t
s t i s
t
i Y
T Y
2 1 , 1
, ( )
1 1
Como resultado de la forma funcional escogida, la condición (2) es idéntica a lo
siguiente:
βˆ1 +2βˆ2(Yi,t−1)+3βˆ3(Yi,t−1)2 >1
(4)
Esta condición se calcula evaluándola en Yi,t = Yi,t-1. Adicionalmente debemos
decir que existe la posibilidad que la condición (4) se cumpla como resultado de un
determinado shock en particular, razón por la cual, la misma debe ser calculada en el
promedio de tales shocks, es decir, cuando µi,t es igual a cero.
Debemos entonces encontrar el Yi,t que resuelve la siguiente ecuación
polinómica:
Yit βˆYit βˆ (Yit) βˆ (Yit) αˆi
3 , 3 2 , 2 , 1
, = + + +
(5)
La ecuación (4) debe ser evaluada en las raíces de la ecuación (5), la cual da
ingresos distintos para cada hogar debido a la presencia de heterogeneidades no
observables (i.e. αi estimado). De esta manera analizamos si un hogar en particular
enfrenta o no una trampa de pobreza del tipo Curva B. También podemos chequear si el
nivel de ingresos que resuelve la ecuación (5) se encuentra por debajo del mínimo de
subsistencia, de esta manera examinamos la existencia de trampas de pobreza del tipo
Curva D del Gráfico 1.
Esta metodología nos permite determinar si cada hogar en particular es víctima
de una trampa de pobreza, ya que como se dijo anteriormente, estamos permitiendo que
haya heterogeneidad entre los hogares (i.e. las ordenadas al origen pueden diferir).
Claramente, en lugar de analizar cada caso particular, podemos analizar al hogar
promedio, evaluando (4) en las raíces determinadas en (5) por los valores medios8.
5. Datos
8
Los datos sobre las características socioeconómicas y demográficas (e.g.
desempleo, ingresos, pobreza, inflación, etc.) en Perú son relevados por el Instituto
Nacional de Estadística e Informática. Dentro de las numerosas encuestas realizadas por
este ente, encontramos dos estudios que poseen la particularidad de hacer un
seguimiento a lo largo de un determinado período de tiempo de un conjunto de hogares.
Estos estudios son conocidos bajo el nombre de Encuestas Nacional de Hogares
(ENAHO Panel), consisten en un conjunto de base de datos sobre características de los
miembros del hogar, educación, salud, empleo e ingresos, condiciones de vida y
pobreza9.
Para desarrollar los objetivos del presente estudio, vamos a hacer uso de las base
de datos correspondientes a la Sumaria de ENAHO Panel 1998-2002 y ENAHO Panel
2002-200610. La Sumaria es una base compuesta por un conjunto de variables
elaboradas, vinculadas principalmente a los ingresos de los hogares, gastos y
condiciones de vida.
Estos módulos, poseen la característica de que la información sobre ingresos que
encontramos en ellos se encuentra trimestralizada o anualizada (dependiendo el caso),
esto quiere decir que fue llevada a un mismo período de investigación para su mejor
procesamiento y análisis. Los datos además se fueron deflactados siguiendo
determinados procedimientos que se detallan en los informes disponibles en los
módulos correspondientes.
Se seleccionaron cuatro variables de ingresos el presente trabajo: 1) Ingreso
Total Trimestral Bruto 2) Ingreso Total Trimestral Neto 3) Ingreso Total Anual Bruto 4)
Ingreso Total Anual Neto. Las dos primeras serán utilizadas en el panel correspondiente
a los años 1998 a 2002 y las dos segundas al panel correspondiente a los años 2002 a
2006.
La elección de estas variables se debe principalmente al contenido de las mismas
que nos permite evitar errores de medición por subestimación de los ingresos (una
9
Para más información véase: http://www1.inei.gob.pe/srienaho/Consulta_por_Encuesta.asp
10
preocupación muy importante en esta literatura)11 . Si bien se detalla con rigurosidad en
el apéndice A, podemos decir que contienen ingresos provenientes de los siguientes
rubros: actividad principal dependiente e independiente, por actividad secundaria
dependiente e independiente, extraordinarios por trabajo, transferencias, por rentas, por
pagos en especie, por autoconsumo, etc.
Finalmente, podemos decir que al poseer información sobre todas las posibles
fuentes de ingresos, nos encontramos en condiciones de computar una medida adecuada
del ingreso de los hogares y evitar problemas de errores de medición en las variables
seleccionadas.
5.1 Característica de los paneles
Para el primer panel, en el año 1998, se entrevistaron 3590 hogares, luego en
1999 se entrevistaron 3007 hogares que habían sido entrevistados en año anterior. En el
año 2000 se entrevistaron 1191 hogares que habían sido entrevistados los dos años
anteriores. En el año 2001, se entrevistaron 1033 que habían sido entrevistados los tres
años anteriores. Finalmente, en 2002, se entrevistaron tan sólo 250 hogares que fueron
entrevistados los cuatro años anteriores. La baja cantidad de hogares que fueron
entrevistados los cinco años, llevó a dejar de lado las observaciones del año 2002 en
este panel, lo cual no significaría un problema tan serio ya que este año es tenido en
cuenta en el segundo panel que estudiamos12. Evidentemente, el desgranamiento que
afecta al panel puede traer aparejado un problema de endogenous attrition
(desgranamiento endógeno),tema que trataremos en la Sección 5.3.
Por otro lado, en lo que respecta al segundo panel, en el año 2002 se
entrevistaron 4790 hogares, luego en 2003 se entrevistaron 2810 hogares que habían
sido entrevistados en año anterior. En el año 2004, se entrevistaron 2364 hogares que
habían sido entrevistados los dos años anteriores. En el año 2005, se entrevistaron 2021
hogares que habían sido entrevistados los tres años anteriores. Finalmente, en 2006, se
entrevistaron 1805 hogares que habían sido entrevistados los cuatro años anteriores. Al
11
Véase Deaton (2002) para más información
12
igual que en el anterior panel una preocupación que surge es la pérdida de
observaciones que va sufriendo el panel a lo largo del tiempo.
5.2 Evolución de la pobreza en la muestra
El módulo de la Sumaria, contiene información sobre el status socio-económico
de los hogares; en particular una variable que clasifica a los mismos a lo largo del
tiempo en: pobre, pobre extremo y no pobre. Esto nos permite hacer un estudio de la
evolución de la pobreza a lo largo de la muestra, lo cual es una evidencia a priori sobre
la existencia de fluctuaciones en la dinámica de ingresos.
Como lo indica el Gráfico 2, al hacer un seguimiento de los hogares que fueron
entrevistados los cuatro años considerados del primer panel, notamos que los
porcentajes se mantienen relativamente estables los dos primeros años: el 60 por ciento
de los hogares no es pobre, el 25 si lo es y el 15 restante es extremadamente pobre. Sin
embargo, a partir del año 2000, el porcentaje de hogares pobres empieza a aumentar. En
2001 pasamos de un 15 por ciento de hogares en extrema pobreza a un 24, esto sumado
a que la cantidad de pobres se mantuvo constante, llevó a que más del 50 por ciento de
los hogares no llegue a cubrir sus necesidades básicas. Estos resultados son consistentes
con el contexto macroeconómico que se vivió en Perú en aquellos años producto de
crisis internacionales.
Siguiendo un procedimiento idéntico para el segundo panel, en el Gráfico 3,
podemos apreciar que la cantidad de hogares en la pobreza extrema fue disminuyendo
paulatinamente a lo largo de los años. La cantidad de pobres se mantuvo alrededor del
30 por ciento y la cantidad de hogares que no sufrían la pobreza fue aumentando
lentamente hasta llegar al año 2006, donde el 60 de los hogares fueron clasificados
como no pobres.
5.3 “Attrition”
Cuando se generan paneles por encuestas a hogares durante un determinado
período de tiempo, suele ocurrir que la muestra va sufriendo un “desgranamiento” o
razón esta es una preocupación que debemos tener en cuenta? La pérdida de
observaciones a lo largo del tiempo, puede estar asociada al fenómeno que estamos
intentando de estudiar, sí efectivamente esto ocurre, no controlar por este problema,
estaría generando inconsistencias en nuestras estimaciones.
Una de las maneras estándares que la literatura usa para tratar con este problema
es realizar un test de diferencia de medias en aquellas características observables entre
los hogares de la muestra y aquellos que en un momento pertenecían a la misma y que
por cierta razón, a partir de un determinado tiempo “t”, dejaron de hacerlo. Si logramos
demostrar que los hogares que se fueron de la muestra, no presentan ciertas
características particulares a los de la muestra original, esto demostraría de cierto modo
que nuestro modelo se encuentra correctamente especificado en lo que respecta a este
punto.
Para tratar este problema, realizamos un test de diferencia de medias en ciertas
características que pueden estar vinculadas al proceso generador de ingresos. Lo que
hacemos es comparar las medias que presentaban los hogares antes de desaparecer de la
muestra contra los valores medios de la muestra en un determinado año. Para ser más
claros, pongamos un ejemplo: supongamos que el hogar “i” fue entrevistado en el año
2000 y que por alguna razón, en el año 2001 ya no se encuentra en la muestra, lo que
hacemos es comparar los valores medios de los hogares como “i” contra los valores
medios del total de la muestra en el año 2000.
Las variables elegidas fueron: Ingreso Total Trimestral Bruto, Ingreso Total
Trimestral Neto, Ingreso Total Anual Bruto, Ingreso Total Anual Neto, Gasto
Monetario Trimestral, Gasto Total Trimestral, Gasto Monetario Anual, Gasto Total
Anual13, Pobreza (i.e. si los hogares fueron clasificados como pobres o pobres extremo),
Total de miembros del hogar menor a cinco personas, Total de miembros del hogar
mayor a cinco personas, Total de perceptores de ingresos menor a tres personas, Total
de perceptores de ingresos mayor a tres personas14.
13
Para ver la composición de las variables de gastos, véase el siguiente archivo: “Metodología Para la Obtención de Variables Calculadas Sumaria”, disponible en la fuente anteriormente señalada.
14
La elección de las variables no fue arbitraria, sino que se tuvo en cuenta a
aquellas que presentaban una mayor asociación al proceso generador de ingresos. Las
variables vinculadas a ingresos fueron elegidas por su importancia evidente en el
modelo econométrico a estimar. Las variables vinculadas a gastos fueron seleccionadas
ya que la literatura sugiere que también pueden detectarse trampas de pobreza
estudiando la dinámica de los gastos (consumo) en lugar de la elegida en el presente
estudio. Por otro lado, la variable que clasifica a los hogares como pobres es importante
ya que una preocupación importante a tener en cuenta es que los hogares más pobres
suelen ser más propensos a desaparecer de la muestra. El resto de las variables fueron
seleccionadas como controles adicionales, si bien poseen un vínculo con el proceso
generador de ingresos el mismo es sustancial.
Los resultados obtenidos se presentan en las Tablas 1 a 7, en general, podemos
decir que no hay evidencia de que los ingresos de los hogares que desaparecieron de la
muestra sean diferentes a los de la muestra en cada año correspondiente, salvo para los
hogares que fueron entrevistados en 2004 y no en 2005, de todos modos, estos
resultados son significativos al 10%. En lo que respecta a los gastos las discrepancias
suelen ser menores. Podemos afirmar además que en promedio la cantidad de hogares
pobres de la muestra no suele ser diferente a la cantidad de hogares pobres que deja la
misma. Los problemas surgen con el total de miembros de los hogares que dejan la
muestra y con la cantidad de perceptores de ingresos, sin embargo, como el modelo que
estimamos es en diferencias y estas variables suelen mantenerse constantes a lo largo
del tiempo, este hecho no debería presentar mayores complicaciones.
6. Resultados
Las Tablas 8 y 9 presentan los resultados de estimar la ecuación (1) utilizando el
método de momentos generalizados propuesto por Arellano & Bond (1991) para el
panel correspondiente a los años 1998 a 2001. La primera Tabla analiza los Ingresos
Trimestrales Brutos, mientras que la segunda los Ingresos Trimestrales Netos.
Como estamos haciendo un seguimiento por cuatro años, se debe tener en cuenta
que un período se pierde por la especificación auto-regresiva del modelo.
seleccionados del panel, aunque la información provista por los primeros años se utiliza
como variables instrumentales en niveles de ∆Yi,t-1 (i.e. los niveles absolutos de ingresos
de 1998 se utilizan como instrumentos del cambio en el ingreso en el 2000 y los niveles
absolutos de ingreso de 1998 y 1999 se utilizan como instrumentos del cambio en el
ingreso de 2001).
La primera columna de las Tablas 8 y 9, presentan los resultados obtenidos al
estimar la ecuación (1), con la particularidad de que agregamos un intercepto. En la
segunda columna, estimamos el modelo sin el intercepto. Las columnas (3) y (4)
presentan los resultados obtenidos al estimar el modelo utilizando el método de
Arellano & Bond en dos etapas, con la constante y sin la misma respectivamente. De la
columna (5) a (8) seguimos el mismo procedimiento anteriormente señalado con la
particularidad de que agregamos controles por años.
En las Tablas 10 y 11, seguimos un razonamiento análogo al que se describió
anteriormente, pero las estimaciones corresponden al segundo panel que abarca los años
2002 a 2006.
Los errores estándar son robustos a la una potencial heterocedasticidad15. Por
otro lado, como sugieren Arellano & Bond, en muestras finitas, los errores estándar en
dos etapas pueden presentar un sesgo hacia abajo. Al analizar los coeficientes de las
estimaciones en dos etapas utilizando los errores estándar de la primera etapa, no
encontramos una gran alteración en la significatividad de los mismos16. Debemos
destacar de todos modos que no es la idea de este trabajo realizar una discusión sobre la
correcta especificación del modelo dado que somos concientes de las limitaciones que
genera un panel con tan pocos períodos de tiempo. Sin embargo a continuación
analizamos brevemente alguno de estos puntos.
15
Si bien para el primer panel no parece haber evidencia de heterocedasticidad, en el segundo sí y esto trae como consecuencia que rechazamos el test de Sargan sobre la validez de los instrumentos. Para evitar este problema, se decidió llevar a cabo la inferencia con errores robustos a la heterocedasticidad. Lamentablemente, esta elección nos obliga a pagar un costo: el uso de un estimador de una etapa robusto a la heterocedasticidad no permite el uso del test de Sargan ya que la distribución asintótica del mismo no es conocida bajo los supuestos de dicho estimador. Es por esta razón que es posible obtener mejoras sustantivas en términos de eficiencia mediante el uso del estimador en dos etapas; sin embargo Arellano & Bond sugieren el uso del estimador en una etapa para hacer inferencia ya que los errores estándar de las estimaciones en dos etapas suelen presentar sesgos hacia abajo. Para evitar entrar en la discusión, presentamos ambas estimaciones.
16
Recordemos que las condiciones de momento de estos estimadores son
únicamente válidas si no hay correlación serial entre los errores. Como la primera
diferencia de un ruido blanco está necesariamente autocorrelacionada, necesitamos
focalizarnos en la segunda autocorrelación y aquellas de orden superior. En lo que
respecta al primer panel, las autocorrelaciones de segundo orden son trivialmente cero
por la cantidad de años que presenta la muestra. En el segundo panel, al realizar un test
de autocorrelación en los residuos de orden 2, rechazamos la hipótesis nula de no
autocorrelación al 10% siempre que no controlemos con “dummies” temporales. Al
controlar por las mismas, no encontramos evidencia suficiente para rechazar la hipótesis
nula17.
Para las estimaciones en dos etapas, se realizaron además los test de Sargan de
over-identifying restrictions (restricciones de sobre-identificación). En lo que respecta al primer panel, no hay evidencia suficiente para rechazar la hipótesis nula de exogeneidad
de los instrumentos (los p-valores son superiores a 0.80). Mientras que en el segundo
panel, rechazamos la hipótesis nula siempre que no controlemos por las dummies
temporales.18
Como se dijo anteriormente, la presencia de no linealidades en la dinámica de
ingresos es una condición necesaria pero no suficiente para encontrarnos frente a una
situación de trampas de pobreza. Por esta razón, proseguimos el estudio mediante la
estimación de los alfas y la búsqueda de las raíces de la Ecuación (5).
Las Tablas 12 y 13 presentan los resultados obtenidos: las raíces se calcularon
teniendo en cuenta la distribución de las ordenadas al origen19 algo que se aleja un poco
del enfoque planteado por Antman & Mckenzie (2005) y Casanova (2008) quienes
analizan la distribución de las raíces y no de los alfas. Sin embargo, si tenemos en
cuenta que son los alfas (i.e. las ordenadas al origen) quienes determinan si el polinomio
corta por arriba o por debajo la línea de 45º, parece ser más claro el enfoque escogido en
el presente trabajo.
17
Estos test no fueron reportados.
18
Estos test no fueron reportados.
19
Antes de proseguir con la explicación de los resultados obtenidos, vamos a
esclarecer el panorama para un mejor entendimiento de las tablas. Lo que estamos
intentando de hacer es analizar dónde corta la función generadora de ingresos la línea de
45º y qué pendiente tiene en ese punto. Si la función generadora de ingresos corta la
línea de 45º por abajo (i.e. pendiente mayor a uno), por la naturaleza recursiva de la
forma funcional escogida, estamos en presencia de un equilibrio inestable. Si este
equilibrio se encuentra por encima del nivel mínimo de subsistencia, entonces un shock
negativo en el ingreso tendrá como consecuencia que este hogar en particular alcance
niveles por debajo de nivel mínimo de subsistencia y ceteris paribus, nunca pueda
recuperarse.
La Tabla 12 presenta los resultados obtenidos para el panel que analiza los datos
desde 1998 a 2001, la solución 1, tanto para los Ingresos Trimestrales Brutos como para
los Ingresos Trimestrales Netos ya sea para las estimaciones de Arellano y Bond en una
etapa o en dos sin tendencia, sugieren la existencia de un equilibrio inestable. Las
soluciones obtenidas para el rango de los alfas que van del percentil 25 al 75, se
encuentran por encima del nivel mínimo de subsistencia sugiriendo entonces la
presencia de trampas de pobreza. Por otro lado, las soluciones 2 y 3, no parecen indicar
la presencia de trampas de pobreza. Debemos destacar también, que los resultados
descartan la posibilidad de equilibrios estables debajo del nivel mínimo de subsistencia.
La Tabla 13 presenta los resultados obtenidos para el panel correspondiente a los
años 2002 a 2006. La solución 1 predice valores negativos para los ingresos, con lo
cual, a pesar de cortar a la línea de 45º por arriba esto no es evidencia de trampas de
pobreza. La solución 2, predice los valores dentro del rango de ingresos que toma la
muestra pero como las derivadas evaluadas en la solución son menores a uno, no
encontramos evidencia de trampas de pobreza. La solución 3, predice valores fuera del
rango que toma la muestra, razón por la cual, descartamos su importancia.
Los resultados encontrados verifican lo que en una primera instancia
sospechábamos al analizar la evolución de la pobreza en la muestra. El contexto
macroeconómico que afectó a Perú en estos años tuvo ciertos efectos negativos sobre
7. Chequeos de Robustez
Si bien a lo largo del trabajo se siguió una lógica de robustez, desde las variables
que se eligieron para el análisis de la forma funcional (Ingresos Brutos y Netos y no
simplemente Ingresos Totales) hasta las diferentes especificaciones para estimar los
coeficientes del polinomio de grado tres (A&B en una etapa y en dos, con y sin
tendencia respectivamente y agregando variables temporales); nos pareció importante
añadir una sección que vaya más allá y analice otros factores. Es por esta razón que en
el presente apartado, comentaremos los resultados obtenidos al variar los grados del
polinomio y también al re-estimar el modelo pero usando datos de gastos y no de
ingresos, ya que la literatura sugiere que es otra forma de analizar este problema.
7.1 Análisis de sensibilidad de los resultados
La pregunta que nos vamos a intentar de responder en este apartado es: ¿Qué
pasa cuando aumentamos o disminuimos los grados del polinomio estimado?20
Para el panel correspondiente a los años 1998 a 2001 podemos decir que al
estimar una especificación lineal (i.e. la variables rezagada un período) tanto de los
ingresos trimestrales brutos como netos los coeficientes no son estadísticamente
significativos lo cual sugiere que la dinámica de ingresos es potencialmente no lineal.
Por otro lado, al realizar una estimación cuadrática, el coeficiente que acompaña a la
variable (Yi,t-1)2 para el caso de los ingresos brutos es significativo sólo cuando
controlamos por las variables de tiempo; este mismo coeficiente para los ingresos netos
a diferencia del anterior, da siempre significativo al 5%.
Al estimar un polinomio de grado cuatro, todos los coeficientes tanto para los
ingresos brutos como netos son significativos siempre que estimemos por A&B en dos
etapas, los coeficientes son más pequeños pero presentan el signo esperado. El
coeficiente que acompaña a (Yi,t-1)4 a pesar de ser significativo es muy pequeño toma
valores que prácticamente son cero (e.g. 2x10-15). Sin embargo, cuando estimamos el
20
modelo por A&B en una etapa, ninguna variable es significativa pero los signos son los
esperados.
Al estimar un polinomio de grado cinco, todos los coeficientes tanto para los
ingresos brutos como para los ingresos netos son significativos en cualquiera de las
especificaciones (i.e. A&B en una y dos etapas), sin embargo los coeficientes que
acompañan a (Yi,t-1)4 y a (Yi,t-1)5 son muy pequeños, prácticamente cero.
Para el panel correspondiente a los años 2002 a 2006, al estimar el modelo
incluyendo sólo como variable explicativa al ingreso rezagado, el coeficiente asociado a
esta variable no es estadísticamente significativo, tanto para el ingreso anual neto como
para el ingreso anual bruto. Por otro lado, al estimar el modelo en su forma cuadrática,
el coeficiente asociado a la variable (Yi,t-1)2 es estadísticamente significativo para los
ingresos brutos y netos independientemente de la metodología que elijamos para su
estimación. De esto podemos deducir que el ingreso parece seguir una forma funcional
no lineal.
Al estimar un polinomio de grado cuatro, para el caso de los ingresos brutos,
cuando sacamos las constantes los coeficientes son significativos y con el signo
esperado siempre que estimemos el modelo por A&B en una etapa. El coeficiente que
acompaña a la variable (Yi,t-1)4 es significativo pero muy pequeño (e.g. 2x10-17) en todos
los casos. Para los ingresos anuales netos los resultados encontrados son idénticos.
Al estimar un polinomio de grado cinco, siempre que no controlemos por las
variables temporales, los coeficiente son significativos y con el signo esperado para los
ingresos brutos y netos, incluyendo y sacando la constante e independiente de la
metodología utilizada para la estimación (i.e. A&B en una y dos etapas). Los
coeficientes que acompañan a las variables (Yi,t-1)4 y a (Yi,t-1)5 al igual que en el panel
anterior son muy pequeños, prácticamente cero.
Como conclusión podemos decir que el ingreso ya sea neto o bruto sigue una
forma funcional no lineal independiente del panel y que agregar más grados al
7.2 El modelo desde el punto de vista del gasto
Si bien a lo largo del presente estudio, buscamos detectar trampas de pobreza
pero desde un punto de vista del ingreso; esta metodología puede aplicarse de manera
análoga al gasto o consumo. Lo que buscaríamos hacer es exactamente lo mismo,
intentar de detectar no linealidades a través de un proceso generador de datos que toma
la forma de un polinomio rezagado de grado tres y luego calcular las raíces del mismo
en aquel punto en el cual el gasto en “t” es igual al gasto en “t-1”.
El objetivo de este apartado es intentar de establecer si se cumple la condición
necesaria (pero no suficiente) para la existencia de trampas de pobreza desde el punto de
vista del gasto o consumo (i.e. detectar no linealidades en la dinámica de gasto) ya que
evidencia a favor, estaría reforzando los resultados encontrados anteriormente.
Para ello, usamos cuatro variables pertenecientes también al módulo de la
Sumaria: Gastos Trimestrales Brutos, Gastos Trimestrales Netos, Gastos Anuales
Brutos y Gastos Anuales Netos. Las dos primeras (de manera análoga al caso de los
ingresos) pertenecen al panel correspondiente a los años 1998 a 2002 y las dos últimas
al panel pertenecen a los años 2002 a 2006. Nuevamente por un serio problema de
attrition y para hacer los datos comparables con los de ingresos, dejamos de lado el año 2002 del primer panel.
Estas variables al igual que las de ingresos, sufren un serio problema de attrition
a lo largo de los años. De todos modos un potencial problema de “desgranamiento
endógeno” para estas variables ya se analizó anteriormente y no se encontró evidencia
suficiente para afirmar que el mismo es una preocupación relevante.
Finalmente, los resultados se presentan en las Tablas 14 a 17. La primera
columna muestra los resultados obtenidos para el modelo de A&B en una etapa con
tendencia, la segunda sacando de lado la tendencia, la tercera y la cuarta los resultados
al estimar el modelo por A&B en dos etapas. De la columna cinco a la ocho se exhiben
los resultados conseguidos siguiendo la misma lógica que las primeras cuatro columnas
Como podemos observar, el gasto parece seguir una dinámica no lineal a lo
largo del tiempo independientemente del panel. La forma funcional es similar a la del
ingreso (los signos de los coeficientes que acompañan a las variables (Gt-1)2 y (Gt-1)3son
los mismos que en el caso del ingreso). Lo novedoso es quizá que los coeficientes del
gasto suelen ser en su mayoría sistemáticamente más grandes que los del ingreso. Este
hecho puede ser interpretado como que el proceso generador de datos del gasto presenta
una dinámica no lineal más acentuada.
8. Conclusiones
El presente trabajo, siguiendo los lineamientos de Antman y McKenzie (2005) y
Lokshin y Ravallion (2004), intenta de detectar la presencia de trampas de pobreza en el
Perú, teniendo en cuenta heterogeneidades entre los hogares. La existencia de
equilibrios inestables por encima del nivel mínimo de subsistencia sugiere que, ante
shocks negativos en los ingresos, los hogares caerían debajo del nivel mínimo de
subsistencia sin poder salir de esta situación.
Estimar un modelo como el presentado en este estudio para detectar trampas de
pobreza, nos sugiere una manera muy particular de interpretar los resultados. Dada la
forma funcional escogida, una interpretación plausible es que a diferencia de la
literatura empírica tradicional de trampas de pobreza, en lugar de buscar las mismas a
través de canales geográficos, desajustes en los mercados financieros, etcétera; lo que
estamos insinuando es que es la dinámica misma de la pobreza lo que genera pobreza,
por lo que las medidas a tomar para combatir este problema no debieran enfocarse tanto
en el canal sino en la transformación de la dinámica. Si se interpretasen literalmente los
resultados encontrados, podríamos afirmar que la existencia de trampas de pobreza
justifica en sí misma la necesidad de eliminarlas a fines de romper la dinámica de la
misma, en forma conjunta con políticas focalizadas en sus determinantes exógenos (i.e.
sus diferentes canales: educación, salud, variables geográficas, etc.).
Volviendo a la metodología aplicada en este trabajo, se analizaron dos paneles
en base al Módulo de la Sumaria de ENAHO Panel 1998-2002 y ENAHO Panel
dinámica de ingresos y la potencial existencia de trampas de pobreza para los años 1998
a 2001, lo cual es sugerente dada la situación que vivió el país en estos años.
El análisis presenta ciertas debilidades propias de la naturaleza de datos en
panel. El problema de “desgranamiento endógeno” se logra afrontar con éxito; sin
embargo, la escasa cantidad de años puede estar asociada a potenciales problemas en la
estimación de los betas, a pesar de los resultados favorables que se encontraron. Es por
esta razón que investigaciones futuras, deberían considerar la posibilidad de analizar
pseudo-paneles en lugar de paneles dada las ventajas que presentan los mismos.
Finalmente, es importante destacar que estos resultados son similares a los
encontrados por Antman & Mckenzie (2005), Lokshin & Ravallion (2004),
Rodriguez-Meza & Gonzalez-Vega (2004) y Maldonado (2006) en lo que respecta a la detección
de no linealidades en la dinámica de ingreso (o gastos). Pero al mismo tiempo es
novedoso en el hallazgo de un equilibrio inestable en los valores medios de ingresos, ya
que en su mayoría los estudios que encuentran este tipo de equilibrios lo hacen para
valores muy bajos, lo cual puede confundirse con ciertos problemas de errores de
medición en las variables explicativas21.
21
Referencias
Azariadis & Stachursky (2005), Poverty Traps: Prepared for the Handbook of
Economic Growth.
Arellano, M. & Bond, S. (1991), Some Test of Specification for Panel Data:
Monte Carlo Evidence and an Application to Employment Equations, The Review of
Economics Studies, Vol.58, Issue 2, April.
Arellano, M. & Bover, O. (1995), Another Look at the Instrumental Variable
Estimation of Error-Components Models, Journal of Econometrics, 68.
Bernanjee, A. & Newman A., “Poverty, Incentives and Development” American
Economic Review Papers and Prodeeding, 84(2): 211-215, 1994
Casanova L., Trampas de Pobreza en Argentina: Evidencia Empírica a partir de
un Pseudo Panel, Documento de trabajo Nº64, CEDLAS, Febrero 2008.
Dasgupta, P. & Ray, D., “Inequality as Determination of Malnutrition and
Unemployment” Economic Journal 96: 1011-34, 1986
Day R., “Complex Economic Dynamics: Obvious in History, Gnetic in Theory,
Elusive in Data”, Journal of Applied Econometrics 7:S9-S23, 1992.
Deaton, Angus (2000), The Analysis of Household Surveys: A Microeconomic
Approach to Development Policy, The John Hopkins University Press.
Jalan J y Ravallion M., “Household Income Dynamics in Rural China” en
Dercon S. (Ed) Insurance against Poverty, Oxford University Press, (2004), pags.
108-124.
Lokshin M. y Ravallion M., “Household Income Dynamics in Two Transition
Economies”, Studies in Nonlinear Dynamics and Econometrics, Vol. 8, Nª 3. Artículo
Maldonado S., “Trampas de Pobreza y Dinámica de Ingresos de los Hogares en
el Perú: Evidencia de Datos en Panel, 1998-2001. Working Paper (desde 2006)
McKenzie D. y Woodruff C., “Do entry costs provide an empirical basis for
poverty traps?” Evidence from Mexican Microenterprises”, BREAD Working Paper Nº
20, (2003).
Rodríguez – Meza J. y González – Vega C., “Household Income Dynamics and
Poverty Traps in El Salvador”, Trabajo preparado para la Reunión Anual del la
American Agriculture Economists Association, Ohio State University, Columbia,
(2004).
Strauss J. y Thomas D., “Health, Nutrition and Economic Development”,
Journal of Economic Literature Nº 36 (2), (1998), pag. 766-817.
Swamy A., “A Simple Test of The Nutrition – Based Efficiency Wage Model”,
Journal of Development Economics, Vol. 53, (1997), pag. 85-98.
Apéndice A:
DESCRIPCIÓN DE LAS VARIABLES “INGRESO”: PANEL 1998-2002
Fuente Secundaria de Ingresos: Ingreso por pago en especie de la actividad principal + Ingreso por autoconsumo de la actividad principal independiente + Pago en especie de la actividad secundaria dependiente + Ingreso por autoconsumo de la actividad secundaria independiente + Ingreso alquiler imputado de la vivienda + Ingreso y gastos por alimentos consumidos fuera del hogar + Ingreso y gastos, otros + Ingreso y gastos por alimentos para consumir dentro del hogar + Alimentos: donación público + Alimentos: donación privada + Alimentos: donación regalado, otro + Vestido y calzado: donación pública + Vestido y calzado: donación privada + Vestido y calzado otro + Vestido y calzado: no gastó no sabe + Alquiler de vivienda, combustible, electricidad y conservación de la vivienda: donación pública + Alquiler de vivienda, combustible, electricidad y conservación de la vivienda: donación privada + Alquiler de vivienda, combustible, electricidad y conservación de la vivienda: otro + Alquiler de vivienda, combustible, electricidad y conservación de la vivienda: no sabe, no gastó + Muebles, enseres y mantenimiento de la vivienda: donación pública + Muebles, enseres y mantenimiento de la vivienda: donación privada + Muebles, enseres y mantenimiento de la vivienda: otros + Muebles, enseres y mantenimiento de la vivienda: no sabe, no gastó + Cuidado, conservación de la salud y servicios médicos: donación pública + Cuidado, conservación de la salud y servicios médicos: donación privada + Cuidado, conservación de la salud y servicios médicos: otros + Cuidado, conservación de la salud y servicios médicos: no gastó no sabe + Transportes y comunicación: donación pública + Transportes y comunicación: privada + Transportes y comunicación: otros + Transportes y comunicación: no gastó no sabe + Esparcimiento, diversión, servicios culturales y de enseñanza: donación pública + Esparcimiento, diversión, servicios culturales y de enseñanza: donación privada + Esparcimiento, diversión, servicios culturales y de enseñanza: otros + Esparcimiento, diversión, servicios culturales y de enseñanza: no gastó, no sabe + Otros bienes y servicios: donación pública + Otros bienes y servicios: donación privada + Otros bienes y servicios: otros + Otros bienes y servicios: no gastó no sabe.
Ingreso Total Trimestral (BRUTO) = Ingreso Monetario “A” trimestral (=Ingreso bruto por actividad principal dependiente monetario + Ingreso bruto por actividad principal independiente + Ingreso neto por actividad secundaria dependiente monetario + Ingreso neto por actividad secundaria independiente monetario + Ingreso extraordinario por trabajo + Ingreso por transferencias corrientes monetarias del país + Ingreso por transferencias corrientes del extranjero + Ingreso por rentas de la propiedad monetario + Otros ingresos extraordinarios) + Fuente Secundaria de Ingresos
DESCRIPCIÓN DE LAS VARIABLES “INGRESOS”: PANEL 2002-2006
Ingresos Totales Anuales (BRUTO) = Ingreso monetario “A” anual (=Ingreso neto por actividad principal dependiente monetario + Ingreso por actividad principal independiente + Ingreso neto por actividad secundaria dependiente monetario + Ingreso extraordinario por trabajo + Ingreso por transferencias corrientes monetarias del país + Ingreso por transferencias corrientes del extranjero + Ingreso por rentas de la propiedad monetario + Otros ingresos extraordinarios) + Fuente Secundaria de Ingresos
Gráfico 2: Evolución de la Pobreza en Porcentajes (1998-2001)
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Año 1998 Año 1999 Año 2000 Año 2001
Pobre Extremo Pobre No Pobre
Fuente: Elaboración personal en base a ENAHO Panel 1998-2002
Gráfico 3: Evolución de la Pobreza en Porcentajes (2002-2006)
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Año 2002 Año 2003 Año 2004 Año 2005 Año 2006
Pobre Extremo Pobre No Pobre
Tabla 1: Test de Diferencia de Medias, Attrition 1999
Características de los hogares
Hogares entrevistados en
1998
Hogares no entrevistados
en 1999 Diferencia Ingreso Total Trimestral Bruto 3872.581 4204.492 -331.9129 (78.18929) (205.4981) (219.8705) Ingreso Total Trimestral Neto 3726.95 4041.617 -314.6668 (74.43024) (194.9263) (208.6531) Gastos Trimestrales Brutos 3035.063 3191.798 -156.7349 (49.49693) (117.4945) (127.4948) Gastos Trimestrales Netos 3569.539 3657.216 -87.67716 (51.8983) (122.9443) (133.4494) Hogares Pobres 1.613807 1.665116 -.051309
(.0127334) (.0322618) (.0346838) Total de Miembros del Hogar <5 2.922042 2.733831 .1882107***
(.024442) (.0564958) (.0615563) Total de Miembros del Hogar >5 7.380814 7.331633 .0491813
(.045381) (.1371997) (.1445102) Total de perceptores de Ingresos <3 1.5171 1.481884 .0352163
(.0099193) (.0223418) (.0244448) Total de perceptores de Ingresos >3 4.652574 4.653333 -.0007598 (.0446665) (.1681841) (.1740143) Nota: Errores estándar en paréntesis: *Significativo al 10%, **Significativo al 5% y
***Significativo al 1%
Tabla 2: Test de Diferencia de Medias, Attrition 2000
Características de los hogares
Hogares entrevistados en
1999
Hogares no entrevistados
en 2000 Diferencia Ingreso Total Trimestral Bruto 4108.114 4261.124 -153.01
(92.73884) (130.7321) (160.2853) Ingreso Total Trimestral Neto 3942.738 4098.747 -156.0085
(87.99676) (125.1082) (152.9559) Gastos Trimestrales Brutos 3051.7 3172.793 -121.0931
(57.6329) (81.90707) (100.1515) Gastos Trimestrales Netos 3597.69 3723.257 -125.5669
(58.9759) (83.62751) (102.3314) Hogares Pobres 1.637555 1.655502 -.0179478
(.0129731) (.0164451) (.0209462) Total de Miembros del Hogar <5 2.93462 2.917004 .0176161
(.0257274) (.0338172) (.0424913) Total de Miembros del Hogar >5 7.314503 7.276923 .0375795
(.0455636) (.0579293) (.073701) Total de perceptores de Ingresos <3 1.516646 1.507541 .0091051 (.0104776) (.0133332) (.0169574) Total de perceptores de Ingresos >3 4.487745 4.464602 .0231433
(0.0406162) (.0554266) (.0687153) Nota: Errores estándar en paréntesis: *Significativo al 10%, **Significativo al 5% y
Tabla 3:Test de Diferencia de Medias, Attrition 2001
Características de los hogares
Hogares entrevistados en
2000
Hogares no entrevistados
en 2001 Diferencia Ingreso Total Trimestral Bruto 4006.305 4390.676 -384.371
(81.10504) (222.4983) (236.8196) Ingreso Total Trimestral Neto 3835.649 4179.174 -343.5246 (76.56608) (208.7942) (222.3902) Gastos Trimestrales Brutos 2914.54 3148.853 -234.3128* (47.04153) (125.5727) (134.0947) Gastos Trimestrales Netos 3414.534 3548.471 -133.9375 (48.80571) (128.0691) (137.0536) Hogares Pobres 1.704433 1.793269 -.0888357***
(.0121089) (.0281467) (.0306409) Total de Miembros del Hogar <5 2.848701 2.714612 .1340891
(.0239656) (.052786) .0579717 Total de Miembros del Hogar >5 7.310886 7.165289 (.1455964)
(.0495663) (.131398) .140436 Total de perceptores de Ingresos <3 2.015353 1.94012 (.0752334)
(.0331957) (.0885561) .0945735 Total de perceptores de Ingresos >3 2.405856 2.088745 .3171115***
(.0284173) (.0575486) (.0641824) Nota: Errores estándar en paréntesis: *Significativo al 10%, **Significativo al 5% y
***Significativo al 1%
Tabla 4: Test de Diferencia de Medias, Attrition 2002
Características de los hogares
Hogares entrevistados en
2002
Hogares no entrevistados
en 2003 Diferencia Ingreso Total Anual Bruto 4213.633 4079.033 134.6005
(84.2559) (140.6871) (163.9875) Ingreso Total Anual Neto 4035.991 3900.82 135.1709
(76.22755) (123.5604) (145.182) Gastos Anual Brutos 2431.897 2421.321 10.57651 (35.91151) (59.21235) (69.25128) Gastos Anual Netos 3393.227 3338.496 54.73073
(44.98044) (71.04853) (84.09003) Hogares Pobres 1.602125 1.580897 .0212285
(.0097118) .0154116 .0182164 Total de Miembros del Hogar <5 2.845994 2.763608 .0823857**
(.0201023) (.0309421) (.0368988) Total de Miembros del Hogar >5 7.24395 7.134812 .109138
(.0399138) (.0600057) (.072068) Total de perceptores de Ingresos <3 1.491373 1.467398 .0239753 (.0080941) (.0123716) (.0147842) Total de perceptores de Ingresos >3 4.523894 4.485294 .0385997
(.0376175) (.0540444) (.0658473) Nota: Errores estándar en paréntesis: *Significativo al 10%, **Significativo al 5% y
Tabla 5: Test de Diferencia de Medias, Attrition 2004
Características de los hogares
Hogares entrevistados en
2003
Hogares no entrevistados
en 2004 Diferencia Ingreso Total Anual Bruto 17084.37 18291.91 -1207.537 (391.7462) (1001.646) (1075.527) Ingreso Total Anual Neto 16434.41 17517.5 -1083.087
(373.5369) (937.8262) (1009.479) Gastos Anual Brutos 9891.254 10625.04 -733.7854* (163.7263) (397.4634) (429.8644) Gastos Anual Netos 13840.84 14357.11 -516.273
(202.3679) (467.9547) (509.8376) Hogares Pobres 1.651581 1.669091 -.01751
(.0118673) (.0284264) (.0308041) Total de Miembros del Hogar <5 2.900159 2.719457 .1807023***
(.0243386) (.0506072) (.0561556) Total de Miembros del Hogar >5 7.316357 6.979592 .3367647***
(.050242) (.105071) (.1164654) Total de perceptores de Ingresos <3 1.492167 1.446735 .0454312* (.010098) (.0220126) (.0242183) Total de perceptores de Ingresos >3 4.510638 4.368421 .1422172
(.0424396) (.1157636) (.1232977) Nota: Errores estándar en paréntesis: *Significativo al 10%, **Significativo al 5% y
***Significativo al 1%
Tabla 6: Test de Diferencia de Medias, Attrition 2005
Características de los hogares
Hogares entrevistados en
2004
Hogares no entrevistados
en 2005 Diferencia Ingreso Total Anual Bruto 17666.74 19397.86 -1731.112* (293.94) (892.1752) (939.3494) Ingreso Total Anual Neto 16979.29 18641.07 -1661.779* (281.8727) (865.8547) (910.5804) Gastos Anual Brutos 10280.77 10810.2 -529.4323 (134.4688) (366.0447) (389.9623) Gastos Anual Netos 14534.51 15353.92 -819.4107 (177.356) (550.6305) (578.4887) Hogares Pobres 1.687075 1.682065 .0050096
(.0098768) (.024308) (.0262379) Total de Miembros del Hogar <5 2.853525 2.728614 .1249114 **
(.0201612) (.0435378) (.0479793) Total de Miembros del Hogar >5 7.257934 7.330189 -.0722549 (.0407372) (.1147379) (.1217551) Total de perceptores de Ingresos <3 1.468167 1.533898 -.0657316 (.0082459) (.0597961) (.060362) Total de perceptores de Ingresos >3 4.512238 1.824253 2.687985***
(.0350356) (.0408919) (.0538483) Nota: Errores estándar en paréntesis: *Significativo al 10%, **Significativo al 5% y
Tabla 7: Test de diferencia de Medias, Attrition 2006
Características de los hogares
Hogares entrevistados en
2005
Hogares no entrevistados
en 2006 Diferencia Ingreso Total Anual Bruto 17133.8 17748.82 -615.0192 (272.0574) (833.8613) (877.1202) Ingreso Total Anual Neto 16457.56 16952.76 -495.206
(257.42) (794.1363) (834.8159) Gastos Anual Brutos 10545.73 10585.74 -40.01448 (130.5187) (349.1605) (372.7575) Gastos Anual Netos 14673.62 14349.86 323.7669
(160.8779) (460.1834) (487.4941) Hogares Pobres 1.686461 1.716981 -.0305203 (.0101142) (.0277242) (.0295115) Total de Miembros del Hogar <5 2.792203 2.620253 .1719502
(.0203527) (.0486421) (.0527284) Total de Miembros del Hogar >5 7.234551 7.155738 .0788129
(.0413557) (.1526625) (.1581649) Total de perceptores de Ingresos <3 1.446308 1.356936 .0893715***
(.0082547) (.0193391) (.0210271) Total de perceptores de Ingresos >3 4.454183 4.409091 .0450924
(.0333929) (.1258579) (.1302125) Nota: Errores estándar en paréntesis: *Significativo al 10%, **Significativo al 5% y
Tabla 12: Ingresos Trimestrales: Raíces y Derivadas del Panel 1998-2002
a
Solución se refiere a la solución de la siguiente ecuación: Yi,t=β1Yi,t+β2 Yi,t2+ β 3+ Yi,t3+αi b
Derivada se refiere a la derivada del polinomio evaluada en la solución
c
Mínimo, 25%, 50%, 75%, Máximo se refiere a la distribución de los alfas Solución 1 Ingresos Brutos Ingresos Netos
Solución a Derivadab Solución Derivada Arellano &
Bond en una etapa
Mínimob 72062.6 12.237717 72772.3 12.7018029 25% 3036.67 1.88358876 2948.87 1.84156539 50% 1986.17 2.28475017 1968.89 2.22202459 75% 1109.76 2.6322484 1104.75 2.56974973 Máximo -12202.4 9.34414811 -12841.1 9.76769336 Arellano &
Bond en dos etapas
Mínimo 71235.3 12.496193 71314.5 13.115809 25% 3045.92 1.94292252 2982.68 1.93409373 50% 2004.1 2.35725521 1994.92 2.34350723 75% 1121.55 2.72179894 1128.54 2.71600761 Máximo -11797.4 9.4809068 -12130.1 9.97846758 Solución 2 Ingresos Brutos Ingresos Netos
Solución Derivada Solución Derivada Arellano &
Bond en una etapa
Mínimo imaginario - imaginario - 25% 8111.49 0.18156789 7669.68 0.21548457 50% 9264.79 -0.15071403 8737.15 -0.10475167 75% 10257.4 -0.42053181 9706.33 -0.38034195 Máximo 30911.2 -2.64144165 31305.3 -2.77849031 Arellano &
Bond en dos etapas
Mínimo imaginario - imaginario - 25% 8260.55 0.12940786 7914.15 0.13351324 50% 9408.15 -0.21143367 8996.02 -0.20724247 75% 10411.6 -0.49223751 9974.06 -0.49849254 Máximo 30439.7 -2.73551742 30481.6 -2.93068259 Solución 3 Ingresos Brutos Ingresos Netos
Solución Derivada Solución Derivada Arellano &
Bond en una etapa
Mínimo imaginario imaginario
25% 71855.8 12.098677 72584.6 12.5722259 50% 71753 12.0298019 72497.1 12.512006 75% 71636.8 11.9521422 72392 12.4398288 Máximo 64295.2 7.46111012 64738.9 7.64006993 Arellano &
Bond en dos etapas
