Este documento presenta un resumen de un capítulo sobre modelos de vectores autorregresivos (VAR). Explica que los modelos VAR permiten modelar las relaciones dinámicas entre múltiples variables económicas de manera flexible y sin necesidad de especificar relaciones causales. También describe cómo los modelos VAR pueden usarse para realizar pruebas de causalidad entre variables y análisis de descomposición de varianzas y respuestas a impulsos.
Este documento describe los modelos logit y probit, que son técnicas estadísticas utilizadas para estimar los efectos de variables independientes en una variable dependiente dicotómica. Explica los pasos para especificar, estimar, verificar los supuestos y ajustar estos modelos, así como interpretar los resultados. También compara los modelos logit y probit y cómo se implementan en Stata.
Este documento presenta resúmenes de los capítulos 2 al 20 de un libro de macroeconomía. Cada capítulo contiene preguntas y ejercicios resueltos sobre temas como el cálculo del PIB, inflación, crecimiento económico, mercado laboral y desempleo. Se explican conceptos como productividad marginal del trabajo, curvas de oferta y demanda de empleo, y equilibrio en el mercado laboral. También se analizan efectos como cambios en la productividad y la migración sobre el empleo y sal
Linear Models and Econometrics Chapter 4 Econometrics.pptfaisal960287
This document provides an overview of econometrics and regression analysis. It defines econometrics as the application of statistical methods to economic data and theory. Regression analysis studies the dependence of one variable on one or more other variables to estimate or predict average values. The document outlines the methodology of econometrics, including specifying economic theories, models, collecting data, estimation, hypothesis testing, forecasting and policy applications. It also discusses key concepts like dependent and independent variables, and the nature and sources of data used in econometric analysis.
Este documento presenta diferentes formas funcionales y modelos de regresión que incluyen variables cualitativas. Explica formas como lineal, logarítmica, cuadrática e interacciones, así como el uso de variables dummy para capturar efectos de variables binarias. Finalmente, muestra cómo estas técnicas permiten analizar políticas públicas y comparar grupos.
This document provides an overview of a presentation on Ordinary Least Squares (OLS) estimation in econometrics. OLS is introduced as a method used to estimate parameters of economic relationships from data by minimizing errors. Key points covered include: what OLS estimates, why it is used in econometrics to estimate regression parameters from a sample regression function in order to approximate the true population regression function, and details on how the OLS criterion minimizes the sum of squared residuals to obtain parameter estimates. Goodness of fit is also discussed as a measure of how well the estimated regression line fits the sample data.
Distribución de la Renta, Crisis Económica y Políticas RedistributivasIvie
Este documento analiza cómo ha afectado la crisis económica a la distribución de la renta en España desde 2007 hasta 2013. Muestra que la renta de los hogares ha disminuido y se ha vuelto más desigual durante este periodo, con los estratos medios y bajos sufriendo mayores retrocesos. Explica que el mercado laboral es clave para la distribución de la renta y que el aumento del desempleo y el trabajo precario han contribuido a una mayor desigualdad. Finalmente, analiza el papel redistributivo de las políticas
1) The document discusses production function analysis using stochastic frontier models like the translog and Cobb-Douglas functions.
2) It explains the specifications of the translog and Cobb-Douglas production functions and how they are used to estimate production elasticities and returns to scale.
3) The stochastic frontier approach models production as equal to the deterministic production function plus noise, minus inefficiency, allowing estimation of technical efficiency for each firm.
Este documento presenta un resumen de un capítulo sobre modelos de vectores autorregresivos (VAR). Explica que los modelos VAR permiten modelar las relaciones dinámicas entre múltiples variables económicas de manera flexible y sin necesidad de especificar relaciones causales. También describe cómo los modelos VAR pueden usarse para realizar pruebas de causalidad entre variables y análisis de descomposición de varianzas y respuestas a impulsos.
Este documento describe los modelos logit y probit, que son técnicas estadísticas utilizadas para estimar los efectos de variables independientes en una variable dependiente dicotómica. Explica los pasos para especificar, estimar, verificar los supuestos y ajustar estos modelos, así como interpretar los resultados. También compara los modelos logit y probit y cómo se implementan en Stata.
Este documento presenta resúmenes de los capítulos 2 al 20 de un libro de macroeconomía. Cada capítulo contiene preguntas y ejercicios resueltos sobre temas como el cálculo del PIB, inflación, crecimiento económico, mercado laboral y desempleo. Se explican conceptos como productividad marginal del trabajo, curvas de oferta y demanda de empleo, y equilibrio en el mercado laboral. También se analizan efectos como cambios en la productividad y la migración sobre el empleo y sal
Linear Models and Econometrics Chapter 4 Econometrics.pptfaisal960287
This document provides an overview of econometrics and regression analysis. It defines econometrics as the application of statistical methods to economic data and theory. Regression analysis studies the dependence of one variable on one or more other variables to estimate or predict average values. The document outlines the methodology of econometrics, including specifying economic theories, models, collecting data, estimation, hypothesis testing, forecasting and policy applications. It also discusses key concepts like dependent and independent variables, and the nature and sources of data used in econometric analysis.
Este documento presenta diferentes formas funcionales y modelos de regresión que incluyen variables cualitativas. Explica formas como lineal, logarítmica, cuadrática e interacciones, así como el uso de variables dummy para capturar efectos de variables binarias. Finalmente, muestra cómo estas técnicas permiten analizar políticas públicas y comparar grupos.
This document provides an overview of a presentation on Ordinary Least Squares (OLS) estimation in econometrics. OLS is introduced as a method used to estimate parameters of economic relationships from data by minimizing errors. Key points covered include: what OLS estimates, why it is used in econometrics to estimate regression parameters from a sample regression function in order to approximate the true population regression function, and details on how the OLS criterion minimizes the sum of squared residuals to obtain parameter estimates. Goodness of fit is also discussed as a measure of how well the estimated regression line fits the sample data.
Distribución de la Renta, Crisis Económica y Políticas RedistributivasIvie
Este documento analiza cómo ha afectado la crisis económica a la distribución de la renta en España desde 2007 hasta 2013. Muestra que la renta de los hogares ha disminuido y se ha vuelto más desigual durante este periodo, con los estratos medios y bajos sufriendo mayores retrocesos. Explica que el mercado laboral es clave para la distribución de la renta y que el aumento del desempleo y el trabajo precario han contribuido a una mayor desigualdad. Finalmente, analiza el papel redistributivo de las políticas
1) The document discusses production function analysis using stochastic frontier models like the translog and Cobb-Douglas functions.
2) It explains the specifications of the translog and Cobb-Douglas production functions and how they are used to estimate production elasticities and returns to scale.
3) The stochastic frontier approach models production as equal to the deterministic production function plus noise, minus inefficiency, allowing estimation of technical efficiency for each firm.
Ordinary Least Squares (OLS) is commonly used to estimate relationships between variables using observational data in economics. OLS finds the line of best fit by minimizing the sum of squared residuals to estimate parameters. The OLS estimator is a random variable that depends on the sample data. Asymptotically, as the sample size increases, the OLS estimator becomes consistent and its variance decreases. OLS provides the best linear unbiased estimates under the assumptions of the linear regression model.
4. LA EFICIENCIA, LA EQUIDAD Y EL ESTADO
4.1. El Estado y la economía: externalidades y bienes públicos
4.1.1. Intervención del Estado en la economía
4.1.2. Fallos de mercado: externalidades
4.1.3. Fallos de mercado: bienes públicos
4.1.4. Fallos de mercado: información incompleta
4.1.5. Fallos de mercado: poder de mercado
4.2. La limitación del poder de mercado: la regulación y la política antimonopolio
4.3. La distribución de la renta
Este documento presenta un análisis econométrico que busca determinar cómo el índice de precios al consumidor y la inflación afectan el ingreso per cápita en Perú entre 1995 y 2015. El resumen incluye la especificación del modelo, la estimación, y las conclusiones principales como que el R2 es alto, hay multicolinealidad y autocorrelación, pero no heterocedasticidad o no normalidad en los residuos.
El modelo IS-LM es un modelo macroeconómico que representa gráficamente las curvas IS y LM para explicar el equilibrio simultáneo en los mercados de bienes y financieros. La curva IS muestra las combinaciones de tasa de interés e ingreso que satisfacen el equilibrio del gasto agregado. La curva LM muestra las combinaciones que igualan la oferta y demanda de dinero para un nivel de precios dado. El equilibrio ocurre donde ambas curvas se cortan, determinando la tasa de interés y el nivel de producción.
tasa natural de desempleo y la curva phillipsfrmarcelo
El documento describe las curvas de Phillips de corto y largo plazo. Explica que la curva de corto plazo muestra la relación negativa entre inflación y desempleo cuando las expectativas de inflación y la tasa natural de desempleo se mantienen constantes. La curva de largo plazo muestra la relación cuando la inflación real es igual a la inflación esperada. También analiza cómo el modelo de oferta y demanda agregada puede explicar la curva de corto plazo.
1) El documento presenta conceptos clave de econometría aplicados a las finanzas, incluyendo pruebas de raíces unitarias, cointegración y modelos de corrección de errores. 2) Explica que las series financieras son típicamente no estacionarias y deben diferenciarse, y que la cointegración permite modelar las relaciones de equilibrio a largo plazo entre variables que son integradas de orden uno. 3) Describe los métodos de Engle-Granger y Johansen para estimar parámetros en sistemas cointe
This chapter discusses various statistical tests used for multiple regression analysis, including:
1. Testing individual regression coefficients and the overall model significance.
2. Testing whether two or more coefficients are equal.
3. Testing if coefficients satisfy certain restrictions.
4. Testing the stability of a regression model over time using the Chow test.
5. Testing linear vs. log-linear functional forms using the MacKinnon-White-Davidson test.
The chapter outlines different statistical approaches like confidence intervals, F-tests, and t-tests to evaluate hypotheses about coefficients and models.
Este documento describe el modelo de oferta y demanda agregadas para analizar las fluctuaciones económicas a corto plazo. Explica que la curva de demanda agregada tiene pendiente negativa debido a los efectos Pigou, Keynes y Mundell-Fleming, mientras que la curva de oferta agregada tiene pendiente positiva a corto plazo debido a la rigidez de salarios y precios. El documento también analiza cómo los desplazamientos en estas curvas pueden afectar la producción y los precios.
El documento explica la condición Marshall-Lerner, la cual establece que una depreciación de la moneda solo mejorará el déficit de la cuenta corriente si la suma de las elasticidades precio de la demanda de exportaciones e importaciones es mayor que uno. Esto depende de si la demanda de exportaciones e importaciones es elástica o inelástica al precio a corto y largo plazo. La condición generalmente no se cumple a corto plazo pero sí a largo plazo, lo que da como resultado una curva en forma de J en el efect
This document discusses heteroscedasticity, which occurs when the error variance is not constant. It provides examples of when the variance of errors may change, such as with income level or outliers. Graphical methods are presented for detecting heteroscedasticity by examining patterns in residual plots. Formal tests are also described, including the Park test which regresses the log of the squared residuals on explanatory variables, and the Glejser test which regresses the absolute value of residuals on variables related to the error variance. Detection of heteroscedasticity is important as it violates assumptions of the classical linear regression model.
Equilibrio a C/P y L/P, Perturbaciones de oferta a C/P y L/P y Perturbaciones de demanda a C/P y L/P de macroeconomia.
Realizado por los capitales, macroeconomia 1, Unex
This document provides an overview of multiple regression analysis. It discusses estimating multiple regression models, interpreting estimated coefficients, omitted variable bias, goodness of fit measures like R-squared, assumptions of the model including exogeneity of regressors and homoskedasticity, variance of OLS estimators, and the Gauss-Markov theorem establishing OLS as the best linear unbiased estimator under the assumptions.
Este documento introduce el modelo básico de regresión lineal en econometría. Explica que el modelo relaciona una variable endógena con variables exógenas a través de parámetros que cuantifican estas relaciones. También describe las utilidades del modelo como el análisis estructural, la predicción y la simulación de políticas. Finalmente, clasifica los modelos económetricos según el tipo y momento de los datos y el número de variables endógenas.
This document discusses intertemporal choice and the intertemporal budget constraint. It begins by introducing the concepts of future value and present value given an interest rate. It then derives the intertemporal budget constraint graphically, showing the consumption bundles when saving, borrowing, or a combination are maximized. Price inflation is incorporated by defining the real interest rate. The slope of the budget constraint depends on the nominal interest rate and inflation. A flatter slope indicates less saving by the consumer.
Este documento explica el modelo macroeconómico IS-LM, el cual describe el equilibrio entre la renta nacional, la producción y las tasas de interés en una economía. El modelo representa el equilibrio a corto plazo mediante dos curvas, IS y LM, que muestran la interacción entre los mercados reales y monetarios. La curva IS representa los diferentes niveles de renta e interés donde el mercado de bienes está en equilibrio, mientras que la curva LM representa las combinaciones de renta e interés donde el mercado monet
This document provides an overview of cost functions, including:
- How cost functions are derived from cost minimization problems
- Properties of cost functions such as non-negativity and homogeneity
- How conditional input demand functions can be derived from cost functions using Shephard's Lemma
- Concepts of short-run and long-run cost functions, and marginal and average costs
- Economies of scale and scope as measured by cost functions
- Revenue and profit functions, and how they are related to cost functions
La regresión discontinua permite modelar datos donde la relación entre las variables cambia en un punto de quiebre o umbral. Se divide el modelo en dos partes, una antes del umbral y otra después, donde cada parte tiene su propia pendiente. Como ejemplo, se presenta un modelo de regresión discontinua para predecir los costos totales de una empresa basado en el volumen de producción, donde la pendiente cambia después de alcanzar 5,500 unidades de producción.
El documento explica los conceptos de curvas de demanda, curvas de Engel y efectos de cambios en el ingreso y precios sobre la demanda de bienes. Introduce los conceptos de bienes normales, inferiores, complementarios perfectos, sustitutos perfectos y bienes Giffen. Explica cómo se ven afectadas las curvas de demanda y Engel por cambios en el ingreso y los precios dependiendo del tipo de bien y la función de utilidad del consumidor.
This chapter introduces key concepts in macroeconomics including:
1. Facts about the business cycle such as GDP growth averaging 3-3.5% per year with large short-run fluctuations and unemployment rising during recessions.
2. The model of aggregate demand and aggregate supply which shows how the price level and output are determined in the short-run and long-run.
3. How shocks such as changes in money supply, oil prices, or velocity can temporarily push the economy away from full employment and affect inflation and output. Stabilization policies like monetary policy can be used to counteract shocks.
El documento analiza la evolución de la pobreza y carencias sociales en Zacatecas desde 2008 a 2016. Mientras la pobreza ha disminuido en el estado, algunos indicadores como la población vulnerable por ingresos ha aumentado. La carencia por acceso a la seguridad social ha disminuido levemente, al igual que la población con al menos una carencia social. Sin embargo, la reducción de personas en situación de carencia ha sido lenta, a un ritmo de apenas más de 875 personas por año.
El documento resume la evolución de la pobreza y la indigencia en Argentina entre 2003 y 2016. Explica que debido a cambios en la metodología del INDEC, presenta series comparables utilizando las nuevas canastas y valorizándolas con índices de precios provinciales. Los resultados muestran que entre 2003 y 2015, el 33.3% de los argentinos salió de la pobreza y el 17.8% de la indigencia, aunque la pobreza aumentó en 2016 debido a medidas que redujeron el ingreso real de los hogares humildes.
Ordinary Least Squares (OLS) is commonly used to estimate relationships between variables using observational data in economics. OLS finds the line of best fit by minimizing the sum of squared residuals to estimate parameters. The OLS estimator is a random variable that depends on the sample data. Asymptotically, as the sample size increases, the OLS estimator becomes consistent and its variance decreases. OLS provides the best linear unbiased estimates under the assumptions of the linear regression model.
4. LA EFICIENCIA, LA EQUIDAD Y EL ESTADO
4.1. El Estado y la economía: externalidades y bienes públicos
4.1.1. Intervención del Estado en la economía
4.1.2. Fallos de mercado: externalidades
4.1.3. Fallos de mercado: bienes públicos
4.1.4. Fallos de mercado: información incompleta
4.1.5. Fallos de mercado: poder de mercado
4.2. La limitación del poder de mercado: la regulación y la política antimonopolio
4.3. La distribución de la renta
Este documento presenta un análisis econométrico que busca determinar cómo el índice de precios al consumidor y la inflación afectan el ingreso per cápita en Perú entre 1995 y 2015. El resumen incluye la especificación del modelo, la estimación, y las conclusiones principales como que el R2 es alto, hay multicolinealidad y autocorrelación, pero no heterocedasticidad o no normalidad en los residuos.
El modelo IS-LM es un modelo macroeconómico que representa gráficamente las curvas IS y LM para explicar el equilibrio simultáneo en los mercados de bienes y financieros. La curva IS muestra las combinaciones de tasa de interés e ingreso que satisfacen el equilibrio del gasto agregado. La curva LM muestra las combinaciones que igualan la oferta y demanda de dinero para un nivel de precios dado. El equilibrio ocurre donde ambas curvas se cortan, determinando la tasa de interés y el nivel de producción.
tasa natural de desempleo y la curva phillipsfrmarcelo
El documento describe las curvas de Phillips de corto y largo plazo. Explica que la curva de corto plazo muestra la relación negativa entre inflación y desempleo cuando las expectativas de inflación y la tasa natural de desempleo se mantienen constantes. La curva de largo plazo muestra la relación cuando la inflación real es igual a la inflación esperada. También analiza cómo el modelo de oferta y demanda agregada puede explicar la curva de corto plazo.
1) El documento presenta conceptos clave de econometría aplicados a las finanzas, incluyendo pruebas de raíces unitarias, cointegración y modelos de corrección de errores. 2) Explica que las series financieras son típicamente no estacionarias y deben diferenciarse, y que la cointegración permite modelar las relaciones de equilibrio a largo plazo entre variables que son integradas de orden uno. 3) Describe los métodos de Engle-Granger y Johansen para estimar parámetros en sistemas cointe
This chapter discusses various statistical tests used for multiple regression analysis, including:
1. Testing individual regression coefficients and the overall model significance.
2. Testing whether two or more coefficients are equal.
3. Testing if coefficients satisfy certain restrictions.
4. Testing the stability of a regression model over time using the Chow test.
5. Testing linear vs. log-linear functional forms using the MacKinnon-White-Davidson test.
The chapter outlines different statistical approaches like confidence intervals, F-tests, and t-tests to evaluate hypotheses about coefficients and models.
Este documento describe el modelo de oferta y demanda agregadas para analizar las fluctuaciones económicas a corto plazo. Explica que la curva de demanda agregada tiene pendiente negativa debido a los efectos Pigou, Keynes y Mundell-Fleming, mientras que la curva de oferta agregada tiene pendiente positiva a corto plazo debido a la rigidez de salarios y precios. El documento también analiza cómo los desplazamientos en estas curvas pueden afectar la producción y los precios.
El documento explica la condición Marshall-Lerner, la cual establece que una depreciación de la moneda solo mejorará el déficit de la cuenta corriente si la suma de las elasticidades precio de la demanda de exportaciones e importaciones es mayor que uno. Esto depende de si la demanda de exportaciones e importaciones es elástica o inelástica al precio a corto y largo plazo. La condición generalmente no se cumple a corto plazo pero sí a largo plazo, lo que da como resultado una curva en forma de J en el efect
This document discusses heteroscedasticity, which occurs when the error variance is not constant. It provides examples of when the variance of errors may change, such as with income level or outliers. Graphical methods are presented for detecting heteroscedasticity by examining patterns in residual plots. Formal tests are also described, including the Park test which regresses the log of the squared residuals on explanatory variables, and the Glejser test which regresses the absolute value of residuals on variables related to the error variance. Detection of heteroscedasticity is important as it violates assumptions of the classical linear regression model.
Equilibrio a C/P y L/P, Perturbaciones de oferta a C/P y L/P y Perturbaciones de demanda a C/P y L/P de macroeconomia.
Realizado por los capitales, macroeconomia 1, Unex
This document provides an overview of multiple regression analysis. It discusses estimating multiple regression models, interpreting estimated coefficients, omitted variable bias, goodness of fit measures like R-squared, assumptions of the model including exogeneity of regressors and homoskedasticity, variance of OLS estimators, and the Gauss-Markov theorem establishing OLS as the best linear unbiased estimator under the assumptions.
Este documento introduce el modelo básico de regresión lineal en econometría. Explica que el modelo relaciona una variable endógena con variables exógenas a través de parámetros que cuantifican estas relaciones. También describe las utilidades del modelo como el análisis estructural, la predicción y la simulación de políticas. Finalmente, clasifica los modelos económetricos según el tipo y momento de los datos y el número de variables endógenas.
This document discusses intertemporal choice and the intertemporal budget constraint. It begins by introducing the concepts of future value and present value given an interest rate. It then derives the intertemporal budget constraint graphically, showing the consumption bundles when saving, borrowing, or a combination are maximized. Price inflation is incorporated by defining the real interest rate. The slope of the budget constraint depends on the nominal interest rate and inflation. A flatter slope indicates less saving by the consumer.
Este documento explica el modelo macroeconómico IS-LM, el cual describe el equilibrio entre la renta nacional, la producción y las tasas de interés en una economía. El modelo representa el equilibrio a corto plazo mediante dos curvas, IS y LM, que muestran la interacción entre los mercados reales y monetarios. La curva IS representa los diferentes niveles de renta e interés donde el mercado de bienes está en equilibrio, mientras que la curva LM representa las combinaciones de renta e interés donde el mercado monet
This document provides an overview of cost functions, including:
- How cost functions are derived from cost minimization problems
- Properties of cost functions such as non-negativity and homogeneity
- How conditional input demand functions can be derived from cost functions using Shephard's Lemma
- Concepts of short-run and long-run cost functions, and marginal and average costs
- Economies of scale and scope as measured by cost functions
- Revenue and profit functions, and how they are related to cost functions
La regresión discontinua permite modelar datos donde la relación entre las variables cambia en un punto de quiebre o umbral. Se divide el modelo en dos partes, una antes del umbral y otra después, donde cada parte tiene su propia pendiente. Como ejemplo, se presenta un modelo de regresión discontinua para predecir los costos totales de una empresa basado en el volumen de producción, donde la pendiente cambia después de alcanzar 5,500 unidades de producción.
El documento explica los conceptos de curvas de demanda, curvas de Engel y efectos de cambios en el ingreso y precios sobre la demanda de bienes. Introduce los conceptos de bienes normales, inferiores, complementarios perfectos, sustitutos perfectos y bienes Giffen. Explica cómo se ven afectadas las curvas de demanda y Engel por cambios en el ingreso y los precios dependiendo del tipo de bien y la función de utilidad del consumidor.
This chapter introduces key concepts in macroeconomics including:
1. Facts about the business cycle such as GDP growth averaging 3-3.5% per year with large short-run fluctuations and unemployment rising during recessions.
2. The model of aggregate demand and aggregate supply which shows how the price level and output are determined in the short-run and long-run.
3. How shocks such as changes in money supply, oil prices, or velocity can temporarily push the economy away from full employment and affect inflation and output. Stabilization policies like monetary policy can be used to counteract shocks.
El documento analiza la evolución de la pobreza y carencias sociales en Zacatecas desde 2008 a 2016. Mientras la pobreza ha disminuido en el estado, algunos indicadores como la población vulnerable por ingresos ha aumentado. La carencia por acceso a la seguridad social ha disminuido levemente, al igual que la población con al menos una carencia social. Sin embargo, la reducción de personas en situación de carencia ha sido lenta, a un ritmo de apenas más de 875 personas por año.
El documento resume la evolución de la pobreza y la indigencia en Argentina entre 2003 y 2016. Explica que debido a cambios en la metodología del INDEC, presenta series comparables utilizando las nuevas canastas y valorizándolas con índices de precios provinciales. Los resultados muestran que entre 2003 y 2015, el 33.3% de los argentinos salió de la pobreza y el 17.8% de la indigencia, aunque la pobreza aumentó en 2016 debido a medidas que redujeron el ingreso real de los hogares humildes.
Este documento resume los resultados de un estudio sobre la pobreza y desigualdad de ingresos en Argentina entre 2010-2015. Los principales hallazgos son: 1) Hubo un leve incremento del 3% en el ingreso total familiar promedio, aunque el ingreso ajustado por cantidad de personas y el ingreso per cápita no cambiaron significativamente; 2) La desigualdad de ingresos disminuyó levemente a nivel de hogares y población; 3) Las tasas de indigencia cayeron entre 2010-2013 pero luego se mantuvieron estables,
Pobreza y desigualdad por ingresos en la Argentina urbana 2010-2015. Tiempos ...Eduardo Nelson German
Este documento resume los resultados de un estudio sobre la pobreza y desigualdad de ingresos en Argentina entre 2010-2015. Los principales hallazgos son: 1) Los ingresos familiares promedio aumentaron levemente un 3% durante este período, aunque los ingresos ajustados por cantidad de personas y los ingresos per cápita no cambiaron significativamente; 2) La desigualdad de ingresos disminuyó levemente, aunque no hubo un cambio cualitativo en la distribución del ingreso; 3) Las tasas de indigencia
La pobreza se reduce con crecimiento inclusivo y empleosFUSADES
El documento analiza cómo el menor crecimiento económico en El Salvador entre 2012 y 2014 afectó la pobreza. El aumento de precios y la disminución del empleo hicieron que la pobreza aumentara del 34.7% al 37.2% durante ese período. El empleo formal e informal redujo la pobreza, pero menos en 2014 debido al menor crecimiento. El crecimiento fue menos inclusivo para los más pobres y las mujeres se vieron más afectadas. Se concluye que para reducir la pobreza se necesita reactivar el
El documento resume tres métodos para medir la pobreza en Ecuador: 1) por ingresos, 2) por consumo, y 3) multidimensional. La pobreza ha disminuido a la mitad en las últimas décadas según los métodos de ingresos y consumo, especialmente en áreas urbanas. Sin embargo, la pobreza rural sigue siendo alta, entre 35-39%. El método multidimensional muestra una reducción del 37% en pobreza desde 2009. La pobreza crónica es más alta en la Amazonía y partes de la Sierra y Esmerald
Este documento analiza la relación entre el aumento del PBI y la incidencia en la pobreza en Perú entre 2005-2019. Utiliza un modelo de regresión lineal para examinar el impacto del crecimiento del PBI en la pobreza. Los resultados indican una relación negativa entre pobreza y PBI, mostrando que a pesar de la desigualdad, el crecimiento económico ha contribuido a una reducción de la pobreza en Perú, aunque de manera desigual entre regiones. El documento también analiza brevemente otros factores como
Ejercicio sobre conceptos de medición de la pobrezaAntonioReyes170
El documento analiza los datos de pobreza y carencias sociales en Chiapas, México entre 2010-2016. Chiapas tiene los porcentajes más altos de pobreza y pobreza extrema en el país. Las carencias más comunes son acceso a seguridad social, servicios básicos de vivienda y calidad de vivienda. Programas como Cruzada Nacional contra el Hambre y acceso universal a salud han ayudado a reducir algunas carencias, pero el progreso ha sido lento. La informalidad laboral puede ser un factor que afecta el acceso a
El documento presenta estimaciones sobre la evolución de la pobreza e indigencia en Argentina entre 2003 y 2014. La pobreza se redujo del 45,8% al 16,1% en ese período, mientras que la indigencia cayó del 19,4% al 5,1%. Se observan cuatro etapas: rápida reducción entre 2003-2006, estancamiento 2006-2009, y nueva caída desde 2009. El acceso a programas como Precios Cuidados puede ayudar a que 440.000 personas eviten la indigencia.
Este documento presenta un resumen de una tesis sobre el impacto del gasto público en la pobreza monetaria en las provincias del departamento de Puno entre 2012 y 2020. El autor analizó específicamente el efecto del gasto en educación, salud y saneamiento en los niveles de pobreza. Los resultados mostraron una reducción de la pobreza debido al gasto en estas áreas, respaldando la importancia de la inversión pública en la lucha contra la pobreza.
De la mano de la crisis empeora la distribución de los ingresos en PosadasEconomis
En Posadas, donde la inflación es más alta que en el resto del país y se sintió el impacto de tarifazos varios y quita de subsidios nacionales, hubo un empeoramiento en la distribución de ingresos.
Este documento describe la política social de reducción de la pobreza en el Perú. Explica conceptos como pobreza y política social, y analiza la evolución de la pobreza en el Perú entre 2001-2010 a nivel nacional y por departamentos. También discute los criterios utilizados para medir la pobreza, las causas de la pobreza en el Perú, y las regiones con mayores tasas de pobreza.
6. Una visión de genero a la política presupuestariaFOSDEH
Este documento describe la situación socioeconómica de las mujeres en Honduras y analiza si existe sensibilidad de género en el presupuesto nacional. Señala que a pesar de que las mujeres tienen mayores niveles educativos, enfrentan mayores tasas de desempleo y menores ingresos que los hombres. Propone que el presupuesto debe planificarse de manera diferenciada para abordar las necesidades distintas de hombres y mujeres y reducir las brechas de género.
Observanco el efecto del crecimiento inclusivo sobre la pobreza y la desigual...José Andrés Oliva Cepeda
Este documento analiza los efectos del empleo sobre la pobreza y la desigualdad en El Salvador entre 2010 y 2014 descomponiendo los ingresos de los hogares en sus diferentes fuentes como salarios formales, empleo informal, tamaño de empresa y género. Los resultados muestran que los ingresos laborales formales tuvieron un mayor impacto en la reducción de la pobreza, especialmente entre los hombres, mientras que el empleo informal también tuvo un impacto significativo. Sin embargo, el incremento de ingresos de algunos grupos llevó
Observando el efecto del crecimiento inclusivo sobre la pobreza y la desigual...FUSADES
Observando el efecto del crecimiento
inclusivo sobre la pobreza y la desigualdad,
entre mujeres y hombres, por medio de
ejercicios de descomposición del ingreso
Este documento analiza los cambios en la pobreza en Perú entre 2004 y 2007 utilizando nuevos datos. Muestra que la pobreza total a nivel nacional disminuyó de 48.6% en 2004 a 39.3% en 2007, sin embargo, la reducción fue desigual entre áreas. La pobreza urbana cayó significativamente, mientras que la reducción en el área rural, especialmente en la sierra, fue limitada. Además, la desigualdad sigue siendo alta y limita las mejoras en el bienestar, especialmente entre regiones.
Análisis Territorial Pobreza Extrema - estado TáchiraGobiernotachira
El método conocido como Necesidades Básicas Insatisfechas (NBI), fue introducido por la CEPAL a comienzos de los años ochenta para aprovechar la información de los censos demográficos y de vivienda, en la caracterización de la pobreza.
Bajo este método, se elige una serie de indicadores censales que permiten constatar si los hogares satisfacen o no algunas de sus necesidades principales. Una vez establecida la satisfacción o insatisfacción de esas necesidades, se puede construir “mapas de pobreza”, que ubican geográficamente las carencias anotadas1.
A pesar de que la utilización del censo como fuente de información es crucial para la elaboración de un mapa de carencias críticas y alcanzar un alto grado de desagregación en la información, ello también impone restricciones en cuanto al tipo de necesidades a considerar y los indicadores estadísticos disponibles para evaluar la satisfacción de dichas necesidades.
El documento informa que la tasa de pobreza entre niños y adolescentes en Argentina ha aumentado, alcanzando el 46.26% en junio de 2014, lo que representa casi 6 millones de personas entre 0 y 17 años que viven en la pobreza. Asimismo, la tasa de indigencia entre este grupo etario se incrementó al 11.92%. Los datos muestran que la pobreza infantil es mayor que en la población general y está creciendo a un ritmo más acelerado. Las provincias de Buenos Aires y Córdoba también registraron aumentos significativos en
El documento analiza los datos sobre pobreza e indigencia en niños y adolescentes en Argentina entre junio de 2013 y junio de 2014. Muestra que la tasa de pobreza aumentó del 40.06% al 46.26% en ese período, lo que representa 857 mil niños más en situación de pobreza. Además, la tasa de indigencia creció del 9.33% al 11.92%, con 347 mil niños más en pobreza extrema. La pobreza afecta más a los niños que a la población en general y está aumentando a un rit
Similar a Aplicación de un Modelo Logit sobre la pobreza en el Perú (20)
La Comisión europea informa sobre el progreso social en la UE.ManfredNolte
Bruselas confirma que el progreso social varía notablemente entre las regiones de la Unión Europea, y que los países nórdicos tienen un desempeño consistentemente mejor que el resto de los Estados miembros.
El crédito y los seguros como parte de la educación financieraMarcoMolina87
El crédito y los seguros, son temas importantes para desarrollar en la ciudadanía capacidades que le permita identificar su capacidad de endeudamiento, los derechos y las obligaciones que adquiere al obtener un crédito y conocer cuáles son las formas de asegurar su inversión.
SERVICIOS DIGITALES EN EL PERÚ - LO QUE DEBES SABER-1.pdf
Aplicación de un Modelo Logit sobre la pobreza en el Perú
1. CURSO:
ECONOMETRIA DE CORTE
TRANSVERSAL Y DATOS DE PANEL
PROFESORA:
QUISPE QUISPE MILAGROS ROSARIO
INTEGRANTES:
JIMENEZ BUENO JORGE
MAXIMILIANO
GARCIA TAPIA PATRICK
ALEJANDRO
CASIQUE CALONGOS CLARYS
ARACELLY
2. RESUMEN
La investigación titulada “DETERMINANTES DE LA POBREZA EN EL
PERU EN EL AÑO 2017” relacionados con los servicios básicos y
educación, explica la magnitud de impacto de estos determinantes de
pobreza en el periodo mencionado.
Definiremos los conceptos de nuestras variables a tratar (dependiente e
independientes) para una mejor comprensión al hacer el análisis de nuestro
modelo, asimismo realizaremos la fundamentación y formulación del problema,
tomando en cuenta las variables ya definidas y por qué escogemos estas
variables para explicar nuestro modelo de manera óptima, seguidamente
formulamos los objetivos, que es lo que nos mueve y motiva a desarrollar este
trabajo para una explicación de nuestra problemática.
Realizando el análisis de corte transversal, obtendremos mediante el programa
stata, los resultados obtenidos de las corridas con los datos de nuestra fuente,
que ya fueron etiquetados de forma correcta para evitar cualquier tipo de
problema o error, para poder darle la interpretación correspondiente y así con
una imagen del panorama dar nuestras conclusiones y posteriormente las
recomendaciones para una mejora de esta situación, los datos proporcionados
fueron por la ENAHO.
ABSTRACT
The research entitled "DETERMINANTS OF POVERTY IN PERU IN 2017"
related to basic services and education, explains the magnitude of impact of
these determinants of poverty in the aforementioned period.
Define the concepts of our variables to be treated (dependent and independent)
for a better understanding when doing the analysis of our model, likewise we
will make the foundation and formulation of the problem, taking into account the
already defined variables and why we choose these variables to explain our
3. model optimally, then we formulate the objectives, which is what moves us and
motivates us to develop this work for an explanation of our problems.
Performing the cross-sectional analysis, we will obtain through the stata
program, the results obtained from the runs with the data from our source,
which were already labeled correctly to avoid any type of problem or error, in
order to give the corresponding interpretation and thus with an image of the
panorama, we give our conclusions and later the recommendations for an
improvement of this situation, the data provided were by the ENAHO.
4. INTRODUCCIÓN
En el Peru´, como en otros pa´ıses del tercer mundo, la pobreza es uno
de los factores que dificultan el desarrollo econ´omico del pa´ıs, y se
reconoce la importancia del estudio de los determinantes de la pobreza
con el fin de evaluar y establecer pol´ıticas y programas para erradicarla.
El problema de la pobreza es que se presenta como un fenómeno que
abarca diferentes aspectos interrelacionados como el bajo nivel educativo,
la falta de oportunidades laborales, la dificultad para acceder a servicios
básicos y la situacion precaria de las viviendas. Estos factores, ejercen
presión en el deterioro de las condiciones de vida de las personas
afectadas y les ocasiona mayores obstaculos para subsistir.
El presente estudio tiene como objetivo establecer, con base en la evidencia
empírica presentada en el Perú y en otros países, los principales
determinantes de la pobreza en nuestro territorio y evaluar la medida en la
que impactan en la probabilidad de que una familia caiga en situación de
pobreza. Para ello, se hizo uso del modelo de regresión logística y del
paquete econométrico “STATA”, con el fin de obtener los efectos marginales
de cada variable incorporada al modelo en la probabilidad de ser pobre.
En ese sentido, se ha estructurado el trabajo en tres capítulos. El primero
está constituido por el marco teórico, en el que se plantea los antecedentes
de la investigación con el propósito de ofrecer al lector un panorama de los
trabajos previos concernientes al tema en cuestión; además, se presentan, a
manera breve, los niveles de pobreza en el Perú´ durante los últimos años y la
metodología utilizada por el Instituto Nacional de Estadística e Informática
(INEI) para medirla. En el segundo capítulo, se abarcan los aspectos
metodológicos de la investigación así como la descripción de las variables
explicativas. En el tercer capítulo, en cambio, se presentan los resultados del
modelo econométrico y sus respectivas interpretaciones.
5. 1. MARCO TEÓRICO
1.1- POBREZA
Este adjetivo hace referencia a las personas que no tienen lo necesario para
vivir dignamente, que son humildes o que son desdichadas.
Se suele considerar que una familia cae por debajo de la línea de pobreza
cuando sus ingresos no le permiten alcanzar la canasta básica de alimentos.
Cuando dicha situacion desesperada se extiende en el tiempo, se habla de
pauperización.
1.2- POBREZA EXTREMA
La pobreza extrema o penuria es el estado más grave de pobreza, cuando las
personas no pueden satisfacer varias de sus necesidades básicas para vivir,
como la disponibilidad de alimento, agua potable, techo, sanidad, educación o
acceso a la información. Este estado de pobreza no depende exclusivamente
del nivel de ingresos, sino que también se tiene en cuenta la disponibilidad y
acceso a servicios básicos. Para determinar la población a nivel mundial en
situación de pobreza extrema, el Banco Mundial define la pobreza extrema
como las personas que viven con menos de 1,25 dólares estadounidenses al
día.
1.3- ACTUALIDAD EN EL PERU
La pobreza monetaria afectó al 21.7% de la población del país en el último año,
según informó el Instituto Nacional de Estadística e Informática (INEI) al dar a
conocer los Resultados de la Pobreza Monetaria en el Perú 2017. Asimismo,
dio a conocer que tal condición en el decenio (2007-2017) disminuyó en 5.2
millones de personas y en el quinquenio (2013-2017) lo hizo en 872 mil
personas, la pobreza monetaria se redujo en 20,7 puntos porcentuales en la
última década y 4,1 puntos porcentuales en los últimos cinco años.
6. Sin embargo, en la Encuesta Nacional de Hogares que realiza el INEI, en el
año 2017, se reveló que la pobreza se incrementó en 375 mil personas, es
decir, un punto porcentual más que el año 2016 y afectó a 6.9 millones de
peruanos. Cabe mencionar que en el Perú, la pobreza se mide bajo el enfoque
monetario y se utiliza el gasto como indicador de bienestar. Así, para medir la
pobreza es necesario contar con el valor de la canasta mínima alimentaria y no
alimentaria, este valor se le conoce como Línea de Pobreza, cuyo costo para el
año 2017 fue S/ 338 por persona (para una familia de cuatro miembros el costo
de la canasta es de S/ 1,352).
Las personas cuyo gasto per cápita es menor a la Línea de Pobreza son
considerados pobres. Pobres extremos son aquellos que no cubren el
valor de la canasta alimentaria de S/ 183 per cápita (S/ 732 para una
familia de cuatro miembros).
A-Gasto
En el año 2017, el gasto real promedio per cápita mensual fue de S/ 732 y en
comparación con el nivel de gasto del año 2016, disminuyó en 0,2%. En tanto,
en los últimos cinco años aumentó en 4,9%, al pasar de S/ 698 a S/ 732 en el
año 2017. Asimismo, el gasto real per cápita mensual disminuyó en la mayoría
de estratos de la población, excepto en el quinto quintil (20% más rico de la
población), donde se incrementa en 0,8 punto porcentual.
B-Ingreso
En el año 2017, el ingreso real promedio mensual por persona se situó en S/
962 y respecto al año 2016 disminuyó en 1,5%. En los últimos cinco años, el
ingreso real promedio per cápita aumentó en 3,8%. De igual modo, el ingreso
real per cápita mensual disminuyó del segundo al quinto quintil. Por otro lado,
el primer quintil (20% más pobre) se mantuvo en el mismo nivel del año 2016.
7. C-Gini
Al comparar el coeficiente de Gini que mide la desigualdad en el ingreso se
observó que en los últimos cinco años disminuyó en 0,01 punto porcentual y en
los últimos diez años disminuyó en 0,07 al pasar de 0,50 a 0,43.
Pobreza afectó al 44,4% de la población rural y al 15,1% de la población
urbana
Según área de residencia, la pobreza en el área rural afectó el 44,4% de la
población incrementándose en 0,6 puntos porcentuales respecto al año anterior
y en el área urbana incidió en el 15,1% de la población, es decir, 1,2 puntos
porcentuales más que en el año 2016.
En la Sierra rural incidencia de pobreza alcanzó al 48,7% de la población
Por dominios geográficos, los mayores niveles de pobreza se registraron en la
Sierra rural (48,7%), la Selva rural (41,4%) y la Costa rural (24,6%). Sin
embargo, disminuyó la pobreza en la Costa rural (al pasar de 28,9% a 24,6%)
en -4,3 puntos porcentuales y en la Sierra urbana (de 16,9% a 16,3%).
8. El 13,3% de la población de Lima Metropolitana vive en situación de
pobreza
En el año 2017, la pobreza en Lima Metropolitana afectó al 13,3% de la
población, es decir, 2,3 puntos porcentuales más que en el año 2016, seguido
de la Selva rural donde creció en 2,1 puntos (39,3% a 41,4%), Costa urbana en
1,3 puntos (13,7% a 15,0%) y Selva urbana en 0,9 puntos porcentuales (19,6%
a 20,5%).
Pobreza monetaria en el departamento de Cajamarca se encuentra entre
43,1% y 52,0%
En el año 2017, se registraron cinco grupos de departamentos con niveles de
pobreza estadísticamente semejantes. En el primer grupo se encuentra
Cajamarca como el departamento con mayor incidencia de pobreza monetaria
del país entre 43,1% y 52,0%. En el quinto grupo, estuvieron los departamentos
con menores tasas de pobreza, es el caso de Ica y Madre de Dios con
incidencia de pobreza entre 2,1% a 4,8%.
Brecha de pobreza disminuyó en 1,9 puntos porcentuales en los últimos
cinco años
La brecha de pobreza cuantifica la distancia del gasto necesario para que todos
los pobres estén justo sobre la línea de pobreza dividida entre la población
total. Esta brecha se calculó en 5,2% para el año 2017. Asimismo, se informó
que en los últimos cinco años, la brecha de pobreza se redujo en 1,9 puntos
porcentuales.
9. 1.4- TERMINOS A USAR EN NUESTRO MODELO
A-ELECTRICIDAD
Si observamos esta variable, entenderemos que hay una diferencia en las
facilidades que tiene una persona que puede usar este servicio con otra que no
puede utilizarlo.
B-AGUA
Tomamos en cuenta esta variable debido a que el agua es un servicio básico y
fundamental para la vida humana, la carencia de este servicio básico dificulta
las actividades diarias y salud de las familias.
C-DESAGUE
Esta variable es fundamental para las condiciones de sanidad en las familias.
D- TELEFONO
Si bien es cierto, antes tener un teléfono no era una necesidad básica; sin
embargo, en la actualidad este concepto toma suma importancia ya que en
10. este mundo globalizado es importante la comunicación y sobre todo en los
lugares más alejados de las ciudades.
E- EDUCACION O GRADO DE INSTRUCCIÓN
Entendemos por educación a la formación destinada a desarrollar la capacidad
intelectual, moral y afectiva de las personas de acuerdo con la cultura y las
normas de convivencia de la sociedad a la que pertenecen, en este sentido se
presentan tres variables:
PRIMCOMP: Si tiene primaria completa.
SECCOMP: Si tiene secundaria completa.
SUPCOMP: Si tiene estudios superiores tales como técnicos o
universitarios.
F-LENGUA
Tomamos en cuenta esta variable debido a que, en la actualidad es de
importancia que siquiera la persona sepa leer o escribir para obtener una plaza
en el mercado laboral, tal vez no para un trabajo calificado sino uno de menor
rango.
G-PENSION
Si las personas reciben una pensión y de cuánto sería el monto exacto.
H-EDAD
Tomamos esta variable ya que es de suma importancia tener en cuenta las
edades pertinentes de los integrantes de las familias.
I-MIEMBROS POR HOGAR
Es importante también saber la cantidad de integrantes de cada familia para
que nos ayude a determinar su condición.
11. 1.5- MODELO LOGIT
La función logit es una parte importante de la regresión logística.
El logit de un número p entre 0 y 1 es:
La base de la función logaritmo usada aquí es de poca importancia en el
presente artículo, siempre y cuando sea mayor que 1, aunque se usa a
menudo el logaritmo natural con base e. La función logit es la inversa del
"sigmoide", o función "logística".
Si p es una probabilidad entonces p/(1 − p) es el correspondiente odds, y el
logit de la probabilidad es el logaritmo de los odds; similarmente la diferencia
entre los logits de dos probabilidades es el logaritmo del odds ratio (OR),
obteniéndose así un mecanismo aditivo para combinar odds-ratios:
1.6- OBJETIVOS DE LA INVESTIGACIÓN
A-Objetivo general
Debemos prestar atención al impacto que ha tenido la pobreza (variable
explicativa) con respecto a los servicios básicos (electricidad, agua, desagüe,
teléfono), nivel de educación alcanzado (primaria completa, secundaria
completa, superior completa), edad, el impacto que tiene en la pobreza si es
que la persona habla una lengua distinta al castellano y si recibe una pensión.
B-Objetivos específicos
Saber cuál de nuestras variables independientes tuvo mayor o menor impacto
en nuestro modelo en el año estudiado.
12. 2. METODOLOGÍA
Para realizar un análisis de la pobreza en el Perú en el corto plazo, se justifica
con el uso de modelos econométricos de corte transversal, ya que tomaremos
un año en específico, que es el 2017.
Asimismo, para garantizar la obtención de resultados consistentes y eficientes,
las estimaciones deben realizarse a través de distintas variables dependientes
que recojan la explicación de la pobreza.
Es por ello que debemos considerar un tamaño de muestra lo suficientemente
grande para que el modelo presentado sea consistente.
Por consiguiente, debemos prestar atención al impacto que ha tenido la
pobreza (variable explicativa) con respecto a los servicios básicos (electricidad,
agua, desagüe, teléfono), nivel de educación alcanzado (primaria completa,
secundaria completa, superior completa), edad, el impacto que tiene en la
pobreza si es que la persona habla una lengua distinta al castellano y si recibe
una pensión. Se deben probar especificaciones de variables explicativas que
capturan las distintas interacciones que tienen con la variable que se trata de
explicar.
2.1- Modelos y métodos de estimación
Se estima utilizando el estimador de Máxima Verosimilitud. Nuestras variables
independientes son:
Electricidad (E)
Agua (A)
Desagüe (D)
Teléfono (T)
Primaria Completa (PC)
Secundaria Completa(SC)
Superior Completa (SC)
Lengua (L)
Pensión (P)
Edad(Ed)
13. Miembros por Hogar(MPH)
El modelo lineal a estimar es el siguiente:
1 pobre
0 no pobre
𝑌𝑖 = 𝐵0 + 𝐵1( 𝐸)+ 𝐵2( 𝐴) + 𝐵3( 𝐷) + 𝐵4( 𝑇)+ 𝐵5( 𝑃𝐶)+ 𝐵6( 𝑆𝐶) + 𝐵7( 𝑆𝑃𝐶) + 𝐵8( 𝐿)
+ 𝐵9( 𝑃) + 𝐵10( 𝐸𝑑) + 𝐵11( 𝑀𝑃𝐻) + 𝑒𝑖
Donde 𝑦𝑖 es la pobreza, 𝐵0 el término independiente
𝐵1, 𝐵2, 𝐵3, 𝐵4, 𝐵5, 𝐵6, 𝐵7, 𝐵8, 𝐵9, 𝐵10, 𝐵11 son los parámetros de las variables
explicativas y 𝑒𝑖 es el error del modelo y se distribuye coo una binomial.
BASE DE DATOS Y VARIABLES UTILIZADAS EN LA ESTIMACIÓN
Para analizar el impacto de la infraestructura sobre la probabilidad de ser
pobre, se utiliza la base de datos a nivel de hogares de la Encuesta Nacional
de Hogares sobre 25 Condiciones de Vida y Pobreza (ENAHO) realizada en el
año 2017. Dicha encuesta es de tipo probabilística, de áreas, estratificada,
multietápica e independiente en cada departamento. El nivel de confianza de
los resultados muestrales es de 95%19. La encuesta permite obtener
información recogida a lo largo del año a nivel nacional (24 departamentos y la
Provincia Constitucional del Callao) con representatividad a nivel de país,
departamento y área de residencia (urbana y rural).
La base de datos utilizada para estos modelos recoge información de 34 584
hogares a nivel nacional
𝑌𝑖=
14. 2.1- RESULTADOS OBTENIDOS
2.1.1- Análisis de corte transversal
En este modelo binomial estimamos un impacto de cómo afecta las variables
explicativas sobre la probabilidad de ser Pobre en Perú. Asimismo, se estimó
estos modelos con ayuda de variables que causen un impacto alto, medio o
bajo, pero que de alguna manera influyen para el análisis del modelo
planteado.
En este modelo, asumimos una función de distribución acumulada logística
(modelo Logit) debido a que esta distribución permitió la obtención de modelos
con un mayor ajuste.
Con un total de 35 581 observaciones, el modelo logit puede presentar los
siguientes resultados:
Las estimaciones realizadas para la muestra completa, para explicar si las
personas pueden contar pueden ser pobres arrojan efectos significativos (prob
>chi2 =0.000). Y que son conjuntamente significativo (LR chi2(11) = 6639.78)
Asimismo, encontramos un buen nivel de significancia individual de los
coeficientes, a excepción de la variable Agua y Primaria Completa, esta
irregularidad se puede deber a un error al tomar la variable de la encuesta
para el caso del agua, y para el caso de primaria completa; nos da a entender
que quizás en la realidad en la que vivimos, tener solo educación primaria
completa no nos asegura que podamos no ser pobres.
Se tratará de corregir estas variables más adelante.
15. Podemos interpretar los signos:
La probabilidad de ser pobre si una persona cuenta con el servicio
básico de electricidad es menor que si no contara con este servicio.
La probabilidad de ser pobre si una persona cuenta con el servicio
básico de agua es mayor si es que no tuviera agua (esta variable no es
significativa)
La probabilidad de ser pobre si una persona cuenta con el servicio
básico de desagüe es mucho menor si es que no contara con este
servicio.
La probabilidad de ser pobre si una persona cuenta con el servicio
básico de telefonía es menor si es que no contara con este servicio.
La probabilidad de ser pobre si una persona cuenta con primera
completa es mayor que si no la tuviera.
La probabilidad de ser pobre si una persona cuenta con secundaria
completa es menor que si no la tuviera
La probabilidad de ser pobre si una persona cuenta con superior
completa es menor que si no la tuviera.
La probabilidad de ser pobre si una persona habla otra lengua (quechua,
aymara, etc.) es mayor que si hablara castellano.
La edad no es una variable significativa para el modelo.
16. La probabilidad de ser pobre si una persona recibe una pensión es
menor que si no la recibiera.
La probabilidad de ser pobre si un hogar tiene más miembros por familia,
es mayor si es que tuviera menos miembros por familia.
Calidad del ajustamiento del modelo.
Nos indican los valores correctamente clasificados
Entonces, podemos afirmar que en general, el modelo prevee el 83 % de las
observaciones correctamente.
Correctly classified 83.01%
False - rate for classified - Pr( D| -) 15.49%
False + rate for classified + Pr(~D| +) 37.64%
False - rate for true D Pr( -| D) 77.30%
False + rate for true ~D Pr( +|~D) 3.15%
Negative predictive value Pr(~D| -) 84.51%
Positive predictive value Pr( D| +) 62.36%
Specificity Pr( -|~D) 96.85%
Sensitivity Pr( +| D) 22.70%
True D defined as pobre != 0
Classified + if predicted Pr(D) >= .5
Total 6457 28124 34581
- 4991 27239 32230
+ 1466 885 2351
Classified D ~D Total
True
Logistic model for pobre
17. 2.1.2- Efectos marginales
Nos da el efecto marginal de las variables, el resultado que nos arroja es la
probabilidad de una persona de ser pobre en promedio. En este modelo la
probabilidad de que una persona sea pobre es de aproximadamente 12.53%.
2.1.3.- Interpretación de los resultados de los efectos marginales:
Se observa que, si una persona cuenta con electricidad, disminuye en
4% la probabilidad de que sea pobre. Si una persona cuenta con el
servicio de electricidad puede mejorar su calidad de vida, ya que puede
contar con electrodomésticos que le faciliten el día a día.
Podemos notar que la variable agua no es significativa en el modelo,
porque nos arroja resultados que son incongruentes con la realidad. Lo
cual no ocurre en el caso de que una persona cuente con el servicio de
desagüe, ya que disminuye la probabilidad de que una persona sea
pobre 11%.
El contar con el servicio de teléfono disminuye la probabilidad de que
una persona sea pobre en 15%
Observamos para las variables referidas a la educación que solo tener
primaria completa aumenta la probabilidad de ser pobre pero no
considerablemente, lo cual no es significativo para el modelo. Tener
18. secundaria completa disminuye la probabilidad de ser pobre en 5% y
tener superior completa disminuye la probabilidad en 12%.
Hablar otra lengua que no sea el castellano, aumenta la probabilidad de
ser pobre en 6%
Recibir una pensión disminuye la probabilidad de ser pobre en 8%,
debido a que puede mejorar su calidad de vida con un ingreso extra que
pueda tener una persona.
La edad no es significativa en este modelo porque no explica el modelo
Y por último cuando aumentan los miembros por hogar aumentan la
probabilidad de ser pobre en 3%
Probabilidades en un punto específico.
CASO I
Es así que analizaremos cuál es la probabilidad de pobreza de una persona
que tiene 30 años de edad, que tiene como lengua al quechua, que no tiene
primaria completa, cuya familia está constituida por 5 miembros y carece de
los servicios básicos.
(*) dy/dx is for discrete change of dummy variable from 0 to 1
mieperho .0574831 .00222 25.94 0.000 .05314 .061826 5
edad -.0010097 .00018 -5.74 0.000 -.001354 -.000665 30
pension* -.2210687 .02754 -8.03 0.000 -.275039 -.167098 0
lengua* .1028189 .00692 14.85 0.000 .089253 .116385 1
supcomp* -.3867503 .02203 -17.55 0.000 -.429935 -.343565 0
seccomp* -.0976419 .0093 -10.50 0.000 -.115869 -.079415 0
primcomp* .0053069 .00661 0.80 0.422 -.00764 .018254 0
telefono* -.2223176 .00994 -22.37 0.000 -.241795 -.20284 0
desague* -.2110449 .01077 -19.59 0.000 -.232158 -.189932 0
agua* .0095557 .00685 1.39 0.163 -.003877 .022988 0
electr~d* -.0620954 .00955 -6.50 0.000 -.080819 -.043372 0
variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X
= .78410178
y = Pr(pobre) (predict)
Marginal effects after logistic
19. Para esta persona con las características descritas líneas arriba, la
probabilidad de que sea pobre es muy alta, 78%.
Podemos observar que si tuviese el nivel de educación superior
completa, la probabilidad de pobreza disminuiría considerablemente en
un 38%
El no contar con el servicio de teléfono aumenta la probabilidad de que
esta persona sea pobre en 22%
El contar con el servicio de desagüe disminuiría la probabilidad de que
esta persona sea pobre en 21%
El que hable una lengua distinta al castellano, aumenta la probabilidad
de que sea pobre en un 10%.
Si hubiesen más miembros en su hogar, aumentaría aún más la
probabilidad de ser pobre en un 5%.
CASO II
Una persona de 40 años de edad, que habla castellano, que tiene primaria
completa, cuya familia está constituida por 4 miembros y carece de los
servicios básicos.
(*) dy/dx is for discrete change of dummy variable from 0 to 1
mieperho .0817094 .00196 41.60 0.000 .07786 .085559 4
edad -.0014352 .00027 -5.31 0.000 -.001965 -.000905 40
pension* -.2524794 .02447 -10.32 0.000 -.300432 -.204527 0
lengua* .1186933 .00754 15.74 0.000 .10391 .133477 0
supcomp* -.3849942 .01582 -24.34 0.000 -.415994 -.353995 0
seccomp* -.1252601 .01078 -11.62 0.000 -.146391 -.104129 0
primcomp* .0076347 .00953 0.80 0.423 -.01104 .02631 1
telefono* -.2536241 .01108 -22.88 0.000 -.275347 -.231901 0
desague* -.2431985 .00838 -29.02 0.000 -.259624 -.226773 0
agua* .0137281 .00988 1.39 0.165 -.005644 .0331 0
electr~d* -.0825909 .01234 -6.70 0.000 -.106768 -.058414 0
variable dy/dx Std. Err. z P>|z| [ 95% C.I. ] X
= .59678882
y = Pr(pobre) (predict)
Marginal effects after logistic
20. Esta persona con las características anteriormente descritas, tiene un
59% de probabilidad de ser pobre.
Si tuviese educación superior completa, disminuiría la probabilidad de
ser pobre en un 12%
Si contara con el servicio de teléfono y desagüe, disminuiría su
probabilidad de pobreza en un 25% y un 24%, respectivamente.
El acceso a una pensión también sería de mucha ayuda para que la
probabilidad de pobreza disminuya en un 25%
El no contar con el servicio de teléfono aumenta la probabilidad de que
esta persona sea pobre en 25%
21. 3. CONCLUSIONES
El acceso de los servicios básicos que puede tener un hogar disminuye la
probabilidad de ser pobre, ya que estos activos funcionan como generadores
de una utilidad para los hogares, ya que permite mejorar las condiciones de
vida de las personas.
Contar con los servicios básicos genera que las personas puedan obtener
ingresos para el hogar. La electricidad y desagüe son las variables que tienen
mayor impacto a reducir la pobreza en el Perú. Asimismo, estos resultados
muestran evidencia de la existencia de factores que hacen que algunos tipos
de infraestructura no contribuyan de manera significativa a la reducción de la
pobreza.
Para el caso de la educación que puedan tener los individuos del hogar (para
este estudio se tomó como referencia personas que estén entre los 15 a 98
años) podemos notar que para el 2017 contar solo con estudios de primaria
completa no nos asegura que el individuo sea no pobre, al contrario, puede que
contribuya a aumentar la probabilidad de que el individuo sea pobre. Caso
contrario no ocurre con el tener secundaria completa y superior completa, son
variables que contribuyen a disminuir la probabilidad de ser pobre en el Perú
Los resultados de corte transversal nos muestran que la probabilidad de que
una persona sea pobre utilizando los datos obtenidos de la ENAHO 2017, es
de 12.53%
22. BIBLIOGRAFÍA
Perú: Determinantes de la pobreza, 2009. 2011. Lima. Centro de
Investigación y Desarrollo del Instituto Nacional de Estadística e
Informática (INEI)
HERRERA, Javier. La Pobreza en el Perú en 2001: Una visión
departamental. 2002. Lima. Instituto Nacional de Estadística e
Informática.
Evolución de la pobreza monetaria 2009-2014- Informe Técnico.2015. Li-
ma. Instituto Nacional de Estadística e Informática (INEI).
Metodología para la Medición de la Pobreza en el Perú. 2000. Lima.
Instituto Nacional de Estadística e Informática (INEI).
WOOLDRIDGE, Jeffrey. Introducción a la Econometría. 2014. México
DF. Cengage Learning Editores S.A.
23. ANEXOS
Total 34,584 100.00
no tiene 3,422 9.89 100.00
otra 376 1.09 90.11
r�o, acequia o canal 459 1.33 89.02
pozo ciego o negro 3,013 8.71 87.69
pozo s�ptico 3,580 10.35 78.98
letrina 2,595 7.50 68.63
red p�blica de desag�e fuera de la vivi 1,160 3.35 61.12
red p�blica de desag�e dentro de la viv 19,979 57.77 57.77
su hogar esta conectado a: Freq. Percent Cum.
el ba�o o servicio higi�nico que tiene
. tab p111
. do "C:UsersClarysAppDataLocalTempSTD2ea4_000000.tmp"
end of do-file
.
(6,012 real changes made)
. replace agua=0 if p110>2 & p110<.
(14,973 missing values generated)
. g agua=1 if p110<=2
Total 34,584 100.00
otra 1,436 4.15 100.00
r�o, acequia, manantial o similar 2,696 7.80 95.85
pozo 809 2.34 88.05
cami�n - cisterna u otro similar 470 1.36 85.71
pil�n de uso p�blico 601 1.74 84.35
red p�blica, fuera de la vivienda pero 1,305 3.77 82.62
red p�blica, dentro de la vivienda 27,267 78.84 78.84
procede de : Freq. Percent Cum.
el abastecimiento de agua en su hogar
. tab p110
. do "C:UsersClarysAppDataLocalTempSTD2ea4_000000.tmp"
end of do-file
.
. use enaho01-2017-100, clear
24. Total 34,584 100.00
1 31,632 91.46 100.00
0 2,952 8.54 8.54
d Freq. Percent Cum.
electricida
del hogar:
alumbrado
tipo de
. tab p1121, nolab
p112a byte %8.0g p112a el servicio el�ctrico de su hogar es:
p1127 byte %8.0g p1127 no utiliza alumbrado en el hogar
p1126 byte %8.0g p1126 tipo de alumbrado del hogar: otro
p1125 byte %8.0g p1125 tipo de alumbrado del hogar: generador
p1124 byte %8.0g p1124 tipo de alumbrado del hogar: vela
p1123 byte %8.0g p1123 tipo de alumbrado del hogar: petr�leo/gas (l�mpara)
p1121 byte %8.0g p1121 tipo de alumbrado del hogar: electricidad
variable name type format label variable label
storage display value
. d p112*
. do "C:UsersClarysAppDataLocalTempSTD2ea4_000000.tmp"
end of do-file
.
(13,445 real changes made)
. replace desague=0 if p111>2 & p111<.
(22,406 missing values generated)
. g desague=1 if p111<=2
p1145 34,584 .1024173 .3032007 0 1
p1144 34,584 .2301353 .4209254 0 1
p1143 34,584 .3380465 .4730513 0 1
p1142 34,584 .8819107 .3227185 0 1
p1141 34,584 .1653366 .3714894 0 1
Variable Obs Mean Std. Dev. Min Max
. su p114*
p1145 byte %8.0g p1145 el hogar no tiene: tel�fono fijo, celular, tv. cable, internet
p1144 byte %8.0g p1144 su hogar tiene: internet
p1143 byte %8.0g p1143 su hogar tiene: tv. cable
p1142 byte %8.0g p1142 su hogar tiene: celular
p1141 byte %8.0g p1141 su hogar tiene: tel�fono (fijo)
variable name type format label variable label
storage display value
. d p114*
. do "C:UsersClarysAppDataLocalTempSTD2ea4_000000.tmp"
25. (100885 differences between p300a and lengua)
. recode p300a (1 2 3=1 "leng indig") (4/8=0 "otra leng"), g(lengua)
p300a 119,143 3.487414 1.130507 1 8
Variable Obs Mean Std. Dev. Min Max
. su p300a
119,188
. count
8 es sordomudo/a, mudo/a
7 otra lengua extranjera
6 portugu�s
4 castellano
3 otra lengua nativa
2 aymar�
1 quechua
p300a:
. lab list p300a
p300a byte %8.0g p300a �cu�l es el idioma o lengua materna que aprendi� en su ni�ez?
p300i byte %8.0g c�digo de informante
p300n byte %8.0g n�mero de la persona
variable name type format label variable label
storage display value
. d p300*
. use enaho01a-2017-300, clear
.
file data1.dta saved
. save data1, replace
. do "C:UsersClarysAppDataLocalTempSTD2ea4_000000.tmp"
end of do-file
.
> agua desague electricidad telefono
. keep conglome vivienda hogar ubigeo estrato dominio ///
. do "C:UsersClarysAppDataLocalTempSTD2ea4_000000.tmp"
end of do-file
.
(12,708 real changes made)
. replace telefono=0 if telefono==.
(12,708 missing values generated)
. g telefono=1 if p1141==1 | p1142==1
Total 119,144 100.00
b�sica especial 127 0.11 100.00
postgrado universitario 1,314 1.10 99.89
superior universitaria completa 6,450 5.41 98.79
superior universitaria incompleta 6,035 5.07 93.38
superior no universitaria completa 6,997 5.87 88.31
superior no universitaria incompleta 3,685 3.09 82.44
secundaria completa 21,758 18.26 79.35
secundaria incompleta 18,432 15.47 61.08
primaria completa 13,674 11.48 45.61
primaria incompleta 25,465 21.37 34.14
educaci�n inicial 6,228 5.23 12.76
sin nivel 8,979 7.54 7.54
estudios y nivel que aprob�? - nivel Freq. Percent Cum.
�cu�l es el �ltimo a�o o grado de
. tab p301a
26. p203 byte %8.0g p203 �cu�l es la relaci�n de parentesco con el jefe(a) del hogar?
variable name type format label variable label
storage display value
. d p203
. rename p208a edad
p208a byte %8.0g �qu� edad tiene en a�os cumplidos ?
variable name type format label variable label
storage display value
Total 93,106 100.00
2 89,960 96.62 100.00
1 3,146 3.38 3.38
: pen Freq. Percent Cum.
concepto de
por
ingresos
ud.
�recibi�
... a ...
meses, de
�ltimos 6
en los
Total 34,584 100.00
no pobre 28,126 81.33 100.00
pobre no extremo 5,246 15.17 18.67
pobre extremo 1,212 3.50 3.50
pobreza Freq. Percent Cum.
. tab pobreza
mieperho byte %8.0g total de miembros del hogar
variable name type format label variable label
storage display value
mieperho 34,584 3.589579 1.920329 1 21
edad 34,584 52.70281 15.7492 15 98
pension 34,584 .0811936 .2731362 0 1
lengua 34,581 .2901304 .4538289 0 1
supcomp 34,584 .1468598 .3539712 0 1
seccomp 34,584 .2286896 .4199949 0 1
primcomp 34,584 .1652787 .3714373 0 1
telefono 43,545 .708164 .4546125 0 1
desague 34,584 .6112364 .4874765 0 1
agua 34,584 .8261624 .3789753 0 1
electricidad 34,584 .9146426 .2794168 0 1
pobre 34,584 .1867337 .3897033 0 1
Variable Obs Mean Std. Dev. Min Max