¿Cuáles son los activos que influyen en la pobreza de la macrorregión centro del Perú? Buscando peculiaridades

What are the assets that influence poverty in the central macro-region of Peru? Looking for quirks

Darlyn Karol Cosme Guzmán 73980684@continental.edu.pe

Universidad Continental, Perú

Claudia Mara Medina Meza 70305900@continental.edu.pe

Universidad Continental, Perú

Mayly Fiorela Ruiz Mayhuasca 76693973@continental.edu.pe

Universidad Continental, Perú

Margarita Calle Arancibia mcalle@continental.edu.pe

Universidad Continental, Perú

Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional.

La pobreza es un problema que se relaciona con la insuficiencia de recursos; esto afecta a la condición de vida de los individuos poniéndoles en una posición de desventaja y falta de oportunidades. Para afrontar este problema se han planteado y estudiado distintos enfoques que puedan relacionar ciertos factores con la probabilidad de ser pobre, alineados en su mayoría a las características del hogar y sus integrantes. En este sentido, Birdsall y Londoño (1998) exploran con base en evidencia empírica como la repartición de diversos activos impacta positivamente en la renta agregada de los pobres. En su estudio para América Latina relacionaron a los activos con el crecimiento, la pobreza y desigualdad, explicando que al distribuirse de forma desigual genera mayores consecuencias negativas que la distribución de ingreso. Encontrando que, si existe una óptima repartición de activos físicos y capital humano, que incluya a qué pobres a través de mecanismos políticos y sociales, aumentan sus ingresos y su productividad, reduciendo la pobreza directamente, aumentando a su vez el crecimiento agregado y reduciendo las repercusiones del crecimiento en la desigualdad.

En Perú, se puede examinar que la posesión de activos es observada como un indicador de pobreza. En otras palabras, la posesión de alguna propiedad de activos públicos u organizacionales son buenos predictores de pobreza. (Escobal et al., 1998, p.23). Verdera (2007) destaca que el enfoque de activos en Perú se centra en el estudio de los hogares o la perspectiva de quienes aportan trabajo y otros bienes del hogar, excluyendo la base económica y las clases sociales en lo que simboliza la familia (excepto las oportunidades); en particular no se toman en cuenta las diferencias en la demanda del empleo o en los diferentes tipos de mercados de bienes y servicios.

La disposición de ingresos y activos actualmente han generado cambios relevantes en los diferentes grados de pobreza en el Perú. Según el Instituto Nacional de Estadística e Informática [INEI] (2018), el índice de la pobreza en el año 2010 representaba 30.8% del total de la población y para el año 2018 esta cifra paso a 20.5%, sin embargo, la pobreza urbana cambio de 20% a 14.4%, mientras que la pobreza rural disminuyó de 61% a 42.1%.

Si el enfoque se dirige al Macrorregión centro del Perú, según INEI (2019), la situación de pobreza en el periodo 2007 al 2017, paso de 53.1% a 26%, mientras que la pobreza extrema de 19.5% a 5% en el mismo periodo de tiempo. La reducción de la pobreza ha significado variaciones en el nivel de vida de los individuos, debido a que han podido acceder a través de la disposición a los servicios básicos. La red pública del servicio de electricidad en las regiones de Junín e Ica es más amplia, seguidos solo por una pequeña diferencia por las regiones de Apurímac, Ayacucho, Pasco y Huancavelica. Con respecto al servicio de agua por red pública, Apurímac, Ayacucho, Junín e Ica tienen mayor cobertura. El alcantarillado u otra forma de excretas representa el 87% en Ica y el 44.5% en Huancavelica.

Ante lo detallado, se puede analizar que la pobreza en nuestro país es una problemática presente a lo largo de los años, por lo que su estudio es de gran relevancia para poder comprender el trasfondo de la situación, planteando una investigación para el periodo 2010-2018 de acuerdo al consenso de los autores y la información disponible, tomando en cuenta que el presente artículo se inició el año 2020, en dicho año ocurrió un shock negativo a nivel mundial a causa de la pandemia de COVID - 19 que repercutió gravemente en la economía y la calidad de vida de los individuos , por lo que tomar datos hasta la fecha de ese momento iba a generar una distorsión notable en el estudio, obteniendo resultados poco confiables.

Por lo expuesto, este trabajo de investigación busca analizar si el acceso a activos físicos, humanos, institucionales y sociales tienen un impacto positivo en la reducción de la pobreza en los hogares de la Macrorregión centro del Perú en el período 2010-2018. La finalidad es obtener conclusiones que puedan servir como fundamento para plantear medidas de políticas públicas y sociales, con el objetivo de mejorar la calidad de vida de la población en Perú y países de Latinoamérica.

El acceso a la red de servicio de energía y telefonía, red de desagüe y red de agua potable, son factores que inciden principalmente en la reducción de la Pobreza en Perú tal como concluyen Valenzuela (2013), Segura et al. (2018),Quispe y Garay (2019), Pinchi (2016), Salazar (2019) y Ortíz (2014). Estos autores usaron el enfoque de activos, como son: cualidades de la vivienda, activos de capital humano, físico público, físico privado, institucional y social, entre otros como contextos económicos (minería, ingreso per cápita) y contexto rural (participación agropecuaria).

Asimismo, variables como educación y tenencia de título de propiedad disminuyen la verosimilitud de que un hogar peruano tienda a ser pobre, así lo afirman Castro, Rivera y Seperak (2017), Yupanqui e Infante (2015),Madueño (2020), los cuales especificaron como los aspectos propios de la estructura y composición familiar pueden pronosticar la posibilidad de que una familia peruana sea pobre o no. Además, concluyeron que una familia que posea título de propiedad logra tener mayor acceso a créditos, lo que genera un progreso en sus niveles de vida.

La indagación sobre la pobreza comienza en el siglo XIX. Booth (1889) realiza un intento sistemático de medición de la extensión de la pobreza a través de un sondeo de preguntas a los hogares individuales y patrones estadísticas laborales, buscando principalmente una relación numérica de la pobreza, ingresos y comodidad. Sin embargo, descubrió, que no solo depende de los niveles de ingresos, sino de condiciones más particulares y sociales, cómo accidentes, mala salud y vejez. Seguido de estas particularidades encontradas, otros investigadores quisieron conocer más sobre el tema, por ello, Chenery (1974) brinda una idea más acertada sobre el enfoque de activos: el crecimiento de los países subdesarrollados emerge de manera distinta entre los territorios y grupos socioeconómicos, este modelo de crecimiento variable continuo está dado por la tenencia de tierra, acceso a capital y a servicios públicos, impactando a la población pobre que se encuentra impedida de participar en dicho desarrollo por la ausencia del capital físico y humano. A partir de esta visión, Verdera (2007) extiende un enfoque sobre la Teoría de los Activos, mencionando que es una variación de la Teoría del Capital Humano, extendida por Becker (1984). La característica fundamental del enfoque de activos es que los hogares desfavorecidos son dueños de diversos activos, mostrando que las características de los pobres se transforman en , señalando que los pobres superan la pobreza si emplean mejor sus activos.

Haveman, Wolf y Levy (2005) mencionan que “la pobreza de activos sucede siempre y cuando el valor neto de los activos es insuficiente para satisfacer algunas necesidades esenciales durante tres meses”, representando como patrimonio que se puede monetizar para enfrentar riesgos cuando las fuentes de ingreso sean escasos.

Así mismo, Verdera (2007) destaca que este enfoque de activos se centra en la distribución del capital humano, físico y social, definitivo de la distribución irregular de los ingresos, dando cómo ejemplo a América Latina, donde existe un desnivel excesivo en la estructura geográfica, distribución de los activos y la producción sectorial, que no permiten a las familias pobres tener la movilidad competente y tener una mejor distribución entre las regiones, de modo que se puede mejorar para generar grandes flujos de ingresos a partir de un fondo de capital. Además, explica que se puede analizar parcialmente los cambios de los ingresos de trabajo entre los pobres, ya que lo principal proviene de sus ingresos laborales. En parte, también puede contribuir en el análisis de la transición de las familias en situación de pobreza extrema a pobreza y luego a la no pobreza en el corto y mediano plazo.

El enfoque de activos estudia las características y los activos que poseen las viviendas, ignorando las estructuras económicas y sociales que definen el mercado laboral o de bienes y servicios.

En este estudio se usaron como variables independientes a los activos, según Caurin (2016), define que son recursos económicos, bienes y derechos que tiene una persona o empresa que tiene la finalidad de generar un beneficio o utilidad a la empresa. Asimismo, dichos factores se clasificaron, según el Centro de Investigación y Desarrollo del Instituto Nacional de Estadística e Informática (2011) en primer lugar, los activos humanos son aquellas características que describen al hogar o al jefe de hogar, en los cuales son: nivel de educación, sexo, calidad del empleo, edad y educación del jefe del hogar. En segundo lugar, los activos físicos privados son aquellos en los que los jefes de hogar poseen tenencia de tierras. En tercer lugar, los activos físicos públicos son aquellos hogares que tienen una situación de menor vulnerabilidad en la pobreza y cuentan con servicios básicos como saneamiento, energía eléctrica, agua potable, teléfono. En cuarto lugar, los activos institucionales se basan en la tenencia de un título de propiedad, ya que, al poseer derechos sobre la vivienda, ayudará a acceder créditos más beneficiosos. Por último, el activo social son aquellos hogares que intervienen en juntas municipales, reuniones campesinas, agrupaciones profesionales, asociación de padres de familia, etc.

Diseño

Dado que la investigación es secuencial y de orden riguroso, donde mediante las estimaciones de las magnitudes de los fenómenos se buscará probar hipótesis planteadas, es de enfoque cuantitativo (Hernández et al, 2014); es aplicada, de investigación práctica o empírica, porque demanda el uso de la sabiduría basándose en la experiencia, adquiriéndose otros después de ejecutar y estructurar la práctica justificada en investigación (Murillo, 2008). El método general es el deductivo, ya que existen fundamentos teóricos disponibles, que lograran que los resultados finales expliquen un hecho (Prieto, 2018).

Para investigaciones como esta, lo más adecuado es utilizar un diseño no experimental de tipo transversal, ya que ambas variables se construyeron sin manipulación intencional, y esto, permite un mejor análisis posterior. Además, de acuerdo con el objetivo, se describirán las variables que lo componen, para observar y determinar su ocurrencia e interrelación en diferentes momentos o periodos. La elección de este tipo de diseño está basada en que la recolección de los datos es a partir de la Encuesta Nacional de Hogares [ENAHO], que recoge información a partir de la exploración de fenómenos en su entorno para su análisis, donde la variable dependiente, la pobreza, es de medición única.

Instrumento

El modelo de regresión logística no lineal basado en Stock y Watson (2012) donde las variables dependientes son dicotómicas, teniendo valores de uno y cero. Los coeficientes de este modelo se explican al desarrollar las probabilidades estimadas y diferencias. A continuación, se muestra un modelo de regresión logística para la variable dependiente binaria "Ὑ" con múltiples regresores:

Stock y Watson (2012) analizan este tipo de regresión utilizando estimación de probabilidad múltiple, esta estimación selecciona un coeficiente de incertidumbre para optimizar el rendimiento a lo largo de toda la distribución de probabilidad. Por tanto, selecciona los valores que maximicen la probabilidad obtenida para los datos analizados en los parámetros ( Ecuación 1) .

[Ecuación del Modelo]

El Modelo de Regresión Logit sirvió para representar correspondencia, pobreza y activos, de modo que se pueda identificar como los activos humanos, físicos privados - públicos, institucional cómo social, que inciden en el grado de pobreza de los hogares de la Macrorregión centro del Perú.

Procedimiento

Se usó siete módulos de la ENAHO que sirven de guía para apreciar la evolución de las condiciones de vida y nivel de pobreza en el Perú: características de vivienda y hogar, sumaria, participación ciudadana, empleo e ingresos, educación y producción agrícola. El ámbito del estudio para la presente investigación está determinado por los hogares del Perú para los años 2010-2018, según ENAHO fueron en total 280 395 jefes de hogar. De igual manera, la muestra estuvo constituida por 95 056 jefes de hogar de la Macrorregión centro del Perú para el mismo período de tiempo.

La región con mayor cantidad de datos es la región de Huancavelica con un 28.59% del total, seguido de Apurímac (24.57%), Ayacucho (18.94%), Junín (16.82%), Pasco (9.17%) e Ica (1.91%). Además, en el estudio se encuentra un 79.99% de jefes de hogar varones y 20.01% mujeres, en su mayoría de 44 a 54 años, con un nivel educativo alcanzado de primaria completa. En la Macrorregión centro del Perú el 27.50% no accede al servicio de agua potable, el 85.17% no dispone de servicio higiénico, el 16.51% carece de electricidad, el 28.29% no goza del servicio de telefonía y el 81.21% no se encuentra beneficiado por un título de propiedad de la vivienda.

Análisis de los Resultados

Martínez y García (2001) afirma que el efecto marginal de una variable explicativa de un modelo cualquiera es el cambio experimentado por la variable explicada cuando dicha variable aumenta en una unidad, es decir, la derivada de dy respecto al de dx. En el tipo de modelo lineal cualquiera sea, el efecto marginal de la variable corresponde con el coeficiente agrupado a la variable en discusión. Sin embargo, esto no ocurre en los modelos no lineales como: logit y probit, debido a que la derivada muestra el aumento de la probabilidad que se asigna cuando se acrecienta en una unidad la variable explicativa a la que vaya especificada dicho efecto marginal, esto no solo se sujeta del coeficiente relacionado con la variable explicativa, sino que también se sujeta de la función de densidad del valor ajustado de la variable explicada.

Molina (2017) el valor de p se relaciona con la fiabilidad de la investigación, cuanto menor sea la p el estudio será más fiable, lo que reflejaría que la posibilidad de obtener datos similares si el experimento se realizara en las mismas condiciones. Si p < 5% (0,05) no es posible, porque es posible rechazar H0 con razonable confianza y confirmar que la diferencia es real. Si fuera superior al 5%, no tendríamos la confianza necesaria para rechazar que la diferencia observada se deba al azar.

Por esa razón, en este trabajo de investigación se realizó el análisis correspondiente de los datos tomando en cuenta el efecto marginal de las variables y su valor de significancia, teniendo así los siguientes resultados : acceso a servicios básicos como agua potable (19.54%), electricidad (15.38%), saneamiento (33.33%), telefonía (10.26%), título de propiedad de la vivienda (5.6%), edad (0.15%), número de integrantes que perciben ingreso en el hogar (1.50%), años de estudio del jefe de hogar (0.76%), tenencia de tierras (2.50%) reducen respectivamente en tanto por ciento la posibilidad de que el individuo se encuentre en la pobreza, denotándose una correlación inversa entre las variables dependientes e independientes. Por otro lado, respecto a la calidad del trabajo del jefe del hogar, las personas que tienen una mala calidad de empleo tienen 0.79% de probabilidad de ser pobre, además referente a la pertenencia a alguna asociación, las familias que cuenten con activos sociales tienden a tener 7.75% de probabilidad de ser pobre. En este sentido, de acuerdo con el valor de p todas las variables son significativas, y con base en los efectos marginales, algunas variables influyen en una mayor probabilidad al nivel de pobreza que otras, siendo así que a criterio de los autores se dio mayor relevancia a aquellos activos que superan el 5%, considerándose para lo siguiente como variables más significativas, y a aquellos activos menores a 5% se le denominó en adelante variables menos significativas o menos relevantes.(Cuadro 01)

Cuadro 01. Análisis de las variables significativas del Modelo Logístico

Elaboración propia. Nota: A partir de la ENAHO 2010-2018 (INEI).

Cerda y Villaroel (2007) explica que el Chi-Cuadrado compara los resultados obtenidos en un estudio con un conjunto de datos teóricos. El conjunto de datos teóricos se calcula asumiendo que las variables son independientes. La desigualdad entre los resultados observados y esperados en el valor aceptado se resume en el estadístico Chi-cuadrado, al que se le adjunta el valor p, por debajo del cual se acepta o rechaza la hipótesis de una variable independiente. Por lo tanto, al aplicar los resultados del estudio a la prueba de Chi-cuadrado (X2), el investigador es viable confirmar si las dos variables de análisis están relacionadas o independientes entre sí, dicha afirmación tiene sustento estadístico. En ese sentido, el presente estudio obtuvo valores son menores a 5% en la Función de Máxima Verosimilitud (LR) y el P-value, por lo que se consideran significativos para el modelo.

Stock, et al (2012) menciona que el R cuadro es la proporción de la varianza total de la variable explicada por la regresión, este coeficiente de determinación indica qué tan bien se ajusta el modelo a la variable explicada, cuyo valor va de 0 a 1. Cuanto más cercano sea el valor a 1, mejor se ajusta el modelo y se podría decir que el modelo explica en tanto por ciento a la variable real. Lo contrario sucede cuando se aproxima a cero, al ser menos ajustado el modelo será menos fiable. Para esta investigación se obtuvo un R cuadrado de conteo que vale 75,4% que significa que la totalidad de variables ingresadas en el modelo demuestran la pobreza por medio del enfoque de activos.

Martínez, et al (2009) destacan que el criterio de información de Akaike proporciona un método simple y tienen como objetivo determinar el modelo más apropiado para seleccionar datos de prueba. Este criterio se define, en el contexto de la teoría de la información, como: AIC = −2 log(L(θb)) + 2K, en el que el logaritmo de la máxima verosimilitud concuerda con el valor de los parámetros libres y K es el número de parámetros libres del modelo estadístico. Este término estima la diferencia del mecanismo y el modelo que efectivamente producen los datos observados, siendo incógnito y en circunstancia inviable de calificar. Dado que la valoración se basa en pruebas experimentales, este rango siempre es limitado y depende del grupo de datos de prueba. De modo que, un solo valor de AIC no se puede interpretar por sí mismo y los valores de AIC son razonables en el momento en que se efectúan comparaciones. Siguiendo este fundamento, los resultados recomiendan que para este tipo de estudio el mejor modelo es Logit por su menor valor en comparación al resultado obtenido del mismo criterio en un modelo Probit.(Cuadro 02)

Cuadro 02. Significancia General del Modelo Logístico

Elaboración propia. Nota: A partir de la ENAHO 2010-2018 (INEI).

A través del análisis diagonal principal, el modelo acertó en 11 454 y 6 230 observaciones; esto proporciona una sensibilidad de que existe una alta influencia de los activos en la pobreza en un 80,11%. Asimismo, se analizó que por medio de la diagonal secundaria se ha clasificado de la siguiente manera el 17 832 y 5 540 de observaciones que el modelo no acertó; lo que da una especificidad de acierto del 70,58%. Entonces, en el modelo se obtuvo una correcta clasificación del 71,45% de las estimaciones, se interpreta que de cada 100 individuos o encuestas 71 están siendo estimadas correctamente (INEI, 2019).(Cuadro 03)

Cuadro 03. Resultado de sensibilidad y especificidad del Modelo Logit

Elaborado propia. Nota: A partir de la ENAHO 2010-2018 (INEI)

Discusión de resultados

Valenzuela (2013) determinó que los jefes de hogar con mayor educación, acceso al beneficio de telefonía y residencia en una localidad con superior crecimiento económico tiene una menor verosimilitud de que sea pobre, por otra parte, era lo opuesto en aquellos hogares con mayor número de dependientes. El acceso a electricidad, telefonía, tenencia de activos empresariales y título de propiedad disminuyen la probabilidad de pobreza en las localidades urbanas, resultado diferente ocurría en los hogares rurales dependientes de actividades agropecuarias o lengua natal es el aimara, quechua u otra lengua indígena. Segura et. al (2018) evidenció que el lugar de residencia, ingreso económico, nivel educativo, estado de salud y tipo de seguro del jefe de hogar determina la posibilidad de que una familia sea pobre, asimismo destacó variables relacionadas con características propias del hogar, cómo acceso a saneamiento y agua potable.

Castro et. al (2017) identificó que parejas de convivientes y que tienen un , hijo menor de edad de 18 años, la mayor cantidad de miembros en la vivienda, la baja calidad de trabajo del jefe de hogar ocasiona mayor probabilidad que sean pobres. Respecto a educación, deduce que a mayor alcance de estudios es menor la tendencia a la pobreza, además al acceder a un teléfono o celular indica que el hogar cubrió sus necesidades básicas. Así mismo, Pinchi (2016) concluye que a mayor número de parientes aumenta la probabilidad de ser pobre, y la mala calidad del trabajo crea un 80% de probabilidad de pobreza del hogar, evidenciando que en la situación laboral el 64,2% de los jefes de hogar están en desocupación para esta investigación.

Ortíz (2014) evidenció variables significativas, como acceso a internet, teléfono, servicios básicos, tenencia de activos empresariales y título de propiedad, los cuales reducen la probabilidad de pobreza de los hogares. Mientras que, la variable mala calidad de empleo aumenta la probabilidad de pobreza en 33%, lo mismo sucede con el tamaño de hogar con un 9,5%. Por otro lado, Yupanqui e Infante (2015) determinó que las variables más importantes en su estudio fueron el nivel de educación y la cantidad de integrantes que reciben ingreso en el hogar, debido a su relación significativa con la pobreza, dado que cuanto mayor sea el grado educativo de los que conforman el hogar tienen mayor oportunidad laboral por ende existe menor incidencia de pobreza.

Se ha demostrado teóricamente que la variable educación es un factor clave en la disminución de la pobreza, explicando que a más años de estudio del jefe de hogar menor es la exposición a la pobreza o pobreza extrema, también el número de integrantes por hogar, dado que, una familia más amplia sugiere tener mayores ingresos para dar una calidad de vida media a buena a cada miembro, lo mismo ocurre con la calidad del trabajo, pues un trabajo adecuado permite cubrir las necesidades básicas del entorno familiar con un mejor nivel de ingresos, no obstante para el presente artículo estos factores resultaron no ser tan relevantes. Mientras que, existen similitudes en variables referidas a infraestructura en las regiones del Perú, cómo disponibilidad de agua, saneamiento, energía eléctrica, telefonía, además de otros como tenencia de título de propiedad y pertenencia a una asociación, deduciendo que una mayor cobertura de este tipo a nivel nacional generaría un impacto positivo en los distintos hogares permitiendo alcanzar una mejor condición de vida.

La premisa inicial de esta investigación considera que las familias que carecen de ciertos activos tienen mayor probabilidad de ser pobres, debido a la importancia de estos en la generación de ingresos. Por ello, se plantearon factores relacionados con las particularidades del jefe del hogar y de la residencia, cómo también del entorno social, los que se dividieron en activos humanos, físicos privados y públicos, institucionales y sociales. A partir de estas dimensiones de activos se planteó una estimación de tipo Logit, recabando información de cómo impactan en la probabilidad de ser pobre o no, evidenciando unas variables más significativas que otras.

Se identificó que los factores que contribuyeron positivamente y en un mayor nivel a la disminución de la pobreza en las familias de los hogares de la Macrorregión centro del Perú 2010-2018 son los activos físicos públicos, institucionales y sociales, encontrando que estas variables reducen la posibilidad que un hogar se encuentre en la pobreza, ya que reflejan que las familias han cubierto sus necesidades básicas y cuentan con apoyos gubernamentales, por lo que sus condiciones de vida se hacen más propicias.

En esa misma línea, se contrastó estos resultados obtenidos con otras investigaciones previas sobre los factores de la pobreza que utilizan el mismo enfoque, corroborando las diferencias y similitudes respecto a variables significativas, tales como: la edad, el nivel educativo, el número de integrantes del hogar que perciben ingreso, calidad de empleo, lengua materna, acceso a infraestructura, título de propiedad y salud. Encontrando una menor relevancia en los activos humanos y físicos privados, ya que demostraron poca influencia en la contribución a la disminución de la pobreza.

Por otro lado, el acceso a los servicios considerados como activos físicos públicos por parte de los hogares sería beneficioso para la reducción de la pobreza en el Macrorregión centro del Perú, debido a que, si un hogar tiene acceso a servicios higiénicos, agua potable, telefonía y electricidad reduce la probabilidad de que sea pobre el hogar en 33,33%, 19,54%, 10,26% y 15.38% respectivamente durante los años de estudio comprendidos. Asimismo, el acceso a activos sociales (7.7%) e institucionales (5,6%) también influyen respectivamente al nivel de pobreza en un menor porcentaje.

Así, esta investigación concluye que la probabilidad de estar en la condición de pobreza se relaciona mayormente con la posesión de activos, pero además se encuentra influenciado por el entorno y problemática social de cada región, que debería ser abordada por políticas públicas de cobertura en los servicios básicos para su disminución, considerando las particularidades de cada lugar para mejorar los objetivos de las acciones a realizar.

redalyc-journal-id: 6558