INSTITUTO NACIONAL DE ESTADISTICA -INE- GUATEMALA: MAPAS DE POBREZA Guatemala, septiembre de 2015
CONTENIDO CONCEPTUALIZACIÓN ANTECEDENTES ASPECTOS METODOLÓGICOS CONCLUSIONES
NO HAY GOBIERNO SABIO SIN EL GENIO DEL CÁLCULO Y NO PUEDE HABER CÁLCULO SIN ESTADÍSTICA. JOSE CECILIO DEL VALLE
DEFINICIÓN DE LA POBREZA Situación de aquellos hogares que no logran reunir, en forma relativamente estable, los recursos necesarios para satisfacer las necesidades básicas de sus miembros hogares que tienen un consumo por debajo de la línea de pobreza
CONCEPTUALIZACIÓN Mapas de pobreza QUÉ SIGNIFICAN? Los mapas de pobreza proveen información espacial de la distribución de la pobreza en el país por medio de un ordenamiento de las divisiones geográficas, según alguna medida que indique el nivel de bienestar de la población. CÓMO SE PRESENTAN? Ayudan a visualizar de una forma sencilla aquellos lugares con mayores o menores problemas de pobreza y desigualdad. 5
ANTECEDENTES En Guatemala se han construido varios mapas en los últimos años, mediante el uso de distintas fuentes. NBI 1981-1994-2002. En 1999, basado en NBI, elaboran un mapa conjuntamente el INE y el FIS. El Programa Mundial de Alimentos con el MAGA presentaron la cartografía y análisis de la vulnerabilidad alimentaria en Guatemala. Otros que se han ido elaborando.
ANTECEDENTES En 1999, la SEGEPLAN, con el INE y la URL, elaboraron los primeros mapas de pobreza por el método de línea de pobreza. ENIGFAM y Censos de 1994. El Mapa de Pobreza 2002, conjuga la información de la Encuesta Nacional de Condiciones de Vida del año 2000 con el Censo de Población y Vivienda de 2002.
ANTECEDENTES Los mapas de 2002 permitieron visualizar que si bien la pobreza es un fenómeno generalizado, hay áreas que padecen mayor precariedad en las condiciones de vida de su población: Departamentos: Quiché (84.6%), Alta Verapaz (84.1%) y Huehuetenango (78.3%). Los municipios Santa Bárbara, San Gaspar Ixchil, Colotenango y San Juan Atitán, (95%).
METODOLOGÍA Metodología desarrollada por Elbers, Lanjouw y Lanjouw (econometría 2003). Emplea encuesta de hogares y censos de población. 1. Utiliza la encuesta de hogares para estimar un modelo de consumo. 2. Usa este modelo de consumo para predecir el consumo de cada hogar. 3. Usa el consumo imputado en el censo para calcular pobreza a nivel local con muchas más observaciones.
Mapa Probabilístico: origen El Censo: provee información de los hogares para toda la población del país. Se aprovecha la amplia cobertura (universal) que permite hacer inferencias sobre toda la población y a niveles desagregados. La ENCOVI permite relacionar características del hogar con una medida confiable de consumo y una línea de pobreza. La ENCOVI brinda información para establecer la relación entre las características del hogar y el consumo (o ingreso) esperado y la correspondientes línea(s) de pobreza. 10
Mapa Probabilístico: origen Variables iguales Se pueden incluir directamente las variables que han sido identificadas como iguales o comunes entre el censo y la ENCOVI. Variables a nivel de personas La unidad de medida es el hogar, las variables comunes a nivel de cada miembro se han de transformar a nivel de hogar. Por ejemplo se puede utilizar el promedio o porcentaje de individuos alfabetos en el hogar. 11
Mapa Prob.: variables comunes Variables transformadas: También se considera importante transformar algunas de las variables para mejorar la capacidad explicativa sobre el consumo (o ingreso): 1.Por similitud de características: agrupar características negativas o positivas que se espera tengan un efecto similar en el consumo (o ingreso) esperado 2.Calcular índices: hacinamiento, desempleo, etc. 12
Mapa Prob.: variables comunes V I V I E N D A M A T E R I A L E S T I P O BPARED Buena Pared MPARED Mal pared BPISO Buen piso MPISO Mal piso BTECHO Buen techo MTECHO Mal techo BVIVIEN Buena vivienda MVIVIEN Mala vivienda COCINA Cocina dormitorio y leña VPROPIA Vivienda propia VALQUIL Vivienda alquilada D E M O G R A F I A P E R S O N A J E F E O T R O S TPERV Total personas PMEI12 % menores de 12 años PMAI65 % mayores de 12 años M1865 Personas entre 18 y 65 JMUJER Jefe mujer JEFUNI Jefe Unido JEFIND Jefe indígena JEFCAS Jefe casado PINDIG % de indígenas en hogar THIJNVI Hijos nacidos vivos HACIN Hacinamiento 13
Mapa Prob.: Primera etapa Estimación de parámetros Beta Los parámetros beta son los que nos relacionan las características de los hogares (variables comunes), con el consumo de cada hogar en la ENCOVI a través de la regresión: LnY = X ' β + ε ε N ( 2 0, σ ) Donde: Ln Y = Logaritmo natural del consumo o ingreso per cápita X = Vector de variables comunes β = Betas o parámetros a estimarse ε = Error σ = desviación estándar 14
Mapa Prob.: Segunda etapa Pobreza estimada por hogar Con los parámetros beta estimados en la regresión de la primera etapa y los valores de las variables comunes en el Censo, podemos estimar la probabilidad de ser pobre de cada hogar como: E [ Pˆ ] = Φ ( ln z - X σˆ ' βˆ ) Donde: ln Z = logaritmo natural del valor de la línea de pobreza deseada Φ = distribución estándar normal acumulada ^ = valores estimados en la regresión de la primera etapa β 15
Mapa Prob.: Segunda etapa Pobreza estimada por municipio Para cada municipio la probabilidad de ser pobre se estima al promedio de las probabilidades de los hogares que la conforman. Error estándar El consumo de los hogares en el censo no fueron observados sino estimados. El cálculo del error estándar tiene que reflejar esta característica (Hentschel et al 2000) 16
Mapa Prob.: Otras medidas Medidas de la distribución de la pobreza La metodología probabilística nos permite el cálculo de la brecha (α=1) y la profundidad (α=2) de la pobreza las cuales se definen con la fórmula: Donde: P α q 1 z Y i = N n = 1 z q = el pobre con mayor consumo o ingreso z = línea de pobreza y = consumo per cápita del hogar I N = tamaño de la muestra α 17
Mapa Prob.: Otras medidas Medidas de iniquidad Tradicional el GINI y el índice de Theil. Cálculo de otras medidas El cálculo de la brecha y profundidad de la pobreza al igual que los índices GINI y Theil no tienen una expresión analítica o fórmula. Estas medidas se estiman usando el método estadístico conocido como Estimaciones Monte Carlo 18
Mapa Prob.: Otras medidas Cálculo de errores en otras medidas Los errores estándar de las otras medidas se estiman en base a simulaciones Monte Carlo. Para una explicación más detallada ver el documento de Elbers et al 2000 19
Procesos de verificación 1. Asegurarse que las variables Xs sean comparables 2. Verificar el R2 en el modelo de consumo 3. Verificar que la varianza del error de la localidad no sea muy grande en relación al error total 4. Verificar que no se pierdan muchos hogares en la simulación. 5. Comparar medidas de pobreza generadas con este método y con la encuesta directamente (para niveles más agregados) 20
Verificar después de la simulación Cuántos hogares del censo no se utilizan (se dejan por fuera) porque la predicción de consumo es muy alta o muy baja. Cuanto menos hogares se pierden significa que el modelo es mejor. Verificar los errores estándar de las medidas de pobreza, cuanto mas bajos mejor.
Mapa Prob.: Limitaciones Disponibilidad y calidad de los datos: Los censos normalmente se hacen cada diez años o más. Los censos y las encuestas de hogares raramente se hacen el mismo año. Requerimientos computacionales En países con grandes poblaciones se pueden presentar problemas de capacidad computacional 22
Mapa Prob.: Limitaciones Requerimientos computacionales En países con grandes poblaciones se pueden presentar problemas de capacidad computacional Nuevos programas que permiten el cálculo de la segunda etapa en menos de un minuto cuando antes se tomaba de 2 a 6 horas de cálculos. 23
INDICADORES QUE REVELA EL MAPA DE POBREZA Índice de incidencia de la pobreza (P0) Mide la proporción de personas de cierta unidad geográfica cuyo consumo se encuentra por debajo de la línea de pobreza (extrema o general). Que se encuentra en situación de pobreza. El municipio de San Miguel Chicaj es de 84.7%, se encuentran por debajo de la línea de pobreza general. 24
INDICADORES QUE REVELA EL MAPA DE POBREZA Índice de brecha de la pobreza o profundidad de la pobreza (P1) Este índice considera además del número de pobres, qué tan alejados de la línea de la pobreza están. Expresa lo que le faltaría a los pobres para salir de la pobreza (distancia promedio entre el consumo de los pobres y la línea de pobreza), respecto a la población total. 25
INDICADORES QUE REVELA EL MAPA DE POBREZA Índice de severidad de la pobreza (P2) El índice de severidad toma en cuenta el número de pobres y qué tan pobres son. Este indicador eleva al cuadrado las brechas de consumo de los pobres y se expresa como una proporción de la línea de pobreza. El municipio de San Bartolomé Jocotenango es el que tiene el mayor índice de severidad (27.8%). 26
INDICADORES QUE REVELA EL MAPA DE POBREZA Desigualdad Índice de Theil El índice de Theil otorga mayor valor a aquellos lugares con más desigualdad en el consumo de su población. A nivel municipal, el rango para el índice de Theil, Los municipios con más altos valores son Cobán (42.9), Santa Cruz Verapaz (38.3), Fraijanes (38.2). Con menor desigualdad son Santa Bárbara (10.9), Chajul (11.4). 27
CONCLUSIONES Los mapas de pobreza son una herramienta que ayuda a entender la distribución y características de la pobreza. La orientación de la inversión pública y la mejora en las intervenciones de combate a la pobreza. Dar a conocer las condiciones de pobreza del país. La investigación del fenómeno de la pobreza y la desigualdad. 29
CONCLUSIONES El mapeo de la pobreza puede ser también un insumo importante para los investigadores y centros académicos. Para la toma de decisiones a nivel local Brinda a las organizaciones y gobiernos municipales, las herramientas para la gestión de proyectos y búsqueda de cooperación contribuyendo al empoderamiento local. 30
Bibliografía Hentschel J., Lanjouw J., Lanjouw P., and Poggi Javier. Combining Census and Survey Data to Trace the Spatial Dimmensions of Poverty: A Case Study of Ecuador The World Bank Economic Review, 14 (1), January 2000 Elbers C., Lanjouw J., and Lanjouw P. Welfare in Villages and Towns: Micro-Level Estimation of Poverty and Inequality, April 5, 2000 31
Gracias por su VALIOSA atención www.ine.gob.gt