Características del hogar y salida de la pobreza

Características del hogar y salida de la pobreza:
un análisis de los hogares urbanos para el período postconvertibilidad
Jerónimo R. Carballo
Universidad Nacional de Córdoba
Agosto 2004
Características del hogar y salida de la pobreza:
un análisis de los hogares urbanos para el período postconvertibilidad*
Jerónimo R. Carballo**
Universidad Nacional de Córdoba
Resumen
Este trabajo analiza el proceso de salida de la pobreza de los hogares urbanos de
la Argentina para el período post – convertibilidad. Se utilizó como fuente de datos
a la Encuesta Permanente de Hogares para los 28 aglomerados disponibles. Se
consideraron como factores influyentes diversas características del hogar y su jefe,
también se intentó incorporar la dimensión temporal de este proceso. Las
conclusiones a que arriba este trabajo es que estas características son relevantes y
significativas, especialmente las diferencias regionales y el capital humano, y que la
dimensión temporal de la salida de la pobreza en el período post – devaluación
tienen un rol central.
Palabras claves: pobreza, proceso de salida, regiones geográficas, Argentina, Poisson,
Códigos JEL: I32 C25 C42
*
Este trabajo integra el proyecto "Economic strategies of individuals and their families in a context of rising
uncertainty". A network for comparative studies of Canada and Argentina. International Research Linkages
program, administered for the Department of Foreign Affairs and International Trade by the International Council
for Canadian Studies
**
Departamentos de Economía y Finanzas, y de Estadística y Matemática, Facultad de Ciencias Económicas,
Universidad Nacional de Córdoba. Correspondencia relativa a este artículo a [email protected]
2
1. Introducción
A fines del año 2001, la Argentina se encontraba en una profunda crisis tanto económica
como financiera, como corolario de un prolongado proceso de recesión de tres años
durante el cual los indicadores de pobreza y desempleo empeoraron paulatinamente. El
desenlace de esta crisis se dio durante el mes de Enero de 2002, mes en el cual se
decretó el fin del Plan de Convertibilidad.
El fin de la convertibilidad generó un proceso de devaluación que superó el 200% en
menos de un año. La incidencia de la pobreza se disparó, la población pobre pasó de
ser el 38,3% en Octubre 2001 al 53% en Mayo 2002, para continuar creciendo durante
el 2002. Este marco se vio agravado por el incremento notable del nivel de desempleo,
hasta alcanzar el valor del 21,5% de la población para el mismo mes de 2002.
El crecimiento de la incidencia de la pobreza tuvo entre sus principales factores
explicativos al incremento de los precios de los alimentos como consecuencia de la
devaluación y del perfil exportador de la Argentina. Más precisamente, el valor de la
Canasta Básica Total para un adulto equivalente del Gran Buenos Aires aumentó
prácticamente el 30% de Octubre 2001 a Mayo 2002, y otro 20% de Mayo a Octubre
2002.
Durante este período, obviamente, el proceso de caída en la pobreza fue
significativamente mayor que el proceso de salida. Sin embargo, a pesar de que este
último fue un fenómeno mucho menos frecuente, no por ello es menos relevante.
Los hogares que lograron salir de la pobreza en este contexto de gran incertidumbre y
cambio debieron hacer un esfuerzo mayor que al que tendrían que realizar en el caso de
un contexto de estabilidad y crecimiento, esfuerzo que debió incluir una adaptación a la
nueva situación de la economía Argentina. El análisis de estos hogares permitirá
comprender de una manera más completa el fenómeno de la pobreza en la Argentina
post – devaluación, y adicionalmente, generar alternativas de política para enfrentar al
mismo.
Este trabajo tiene como objetivo, precisamente, el análisis del proceso de salida de la
pobreza de los hogares urbanos después de la devaluación. Se busca encontrar los
factores que impactan sobre la probabilidad de los hogares de salir de la pobreza
durante el período Mayo 2002 – Mayo 2003.
En la próxima sección se presenta la metodología seguida, así como también las fuentes
de datos utilizadas. La tercer sección se destina al análisis de los resultados y por último
la cuarta sección corresponde a las conclusiones que se desprenden del trabajo.
3
2. Metodología
Para este trabajo se utilizó como fuente de información a la Encuesta Permanente de
Hogares (EPH) que realiza el INDEC dos veces por año, en los mes de Mayo y Octubre.
Como se mencionó en la sección anterior, el objetivo de este trabajo es analizar el
proceso de salida de la pobreza durante el 2002 y 2003, con lo cual se debe incorporar
información respecto los años 2001, 2002 y 2003.
Lamentablemente la información disponible y que puede ser utilizada de acuerdo con el
objetivo del trabajo llega hasta Mayo 2003, ya que el nuevo formato de la EPH no
permite momentáneamente el seguimiento de los hogares a lo largo de sus distintas
presencias en la encuesta. Los hogares para ser incluidos en la muestra debieron tener
una presencia posterior a la onda en que fueron detectados como pobres. Se incorporó
en la muestra cuando fueron clasificados como pobres por primera vez. Se los mantuvo
dentro de la muestra hasta que se transformaron en datos censurados a la derecha o
hasta que se produjo su primer cambio a la situación de no pobre.
Se trabajó con todos los aglomerados incluidos en la EPH, ya que interesa analizar las
diferencias regionales en el fenómeno de la salida de la pobreza. Se analizaron en total
más de 10.000 hogares distintos, con sus diferentes presencias en la encuesta.
Asimismo, se consideraron ajustes en el valor de la Canasta Básica Total y en el
coeficiente de Engel por región, de acuerdo a la metodología del INDEC.
Para determinar si un hogar es pobre o no, se empleó la base anexa de pobreza del
INDEC que permite establecer si los ingresos del hogar son superiores al valor de la
línea de pobreza del hogar.
En este análisis, la definición utilizada para pobreza tiene una gran importancia. En este
trabajo se utilizó la definición elaborada por el INDEC, que es una medida que compara
ingresos y no consumo contra el valor de Línea de Pobreza, a pesar de que el consumo
permite obtener una idea más exacta del fenómeno porque, entre otras cosas, permite el
ajuste intertemporal [Lee (2003)].
La definición de pobreza considerada en este trabajo es un indicador Foster, Greer y
Thorbecke (FGT) con parámetro de penalización igual a cero. La fórmula general de los
indicadores FGT es
1
FGTα =
N
α
 xt 
1 −  I ( x t ≤ z )
∑
z 
t =1 
N
donde x t es el ingreso, z es la línea de pobreza I ( ) es una función que toma valor 1 si
el ingreso es menor o igual que la línea de pobreza y cero para el resto de los casos, α
4
es el factor de penalización que en este caso es igual a cero. Esta definición de pobreza
presenta como principal desventaja el hecho de que no cumple con el principio de
transferencia de Dalton.
3. Resultados
La presentación de los resultados del trabajo se divide en dos partes. En la primera
parte se muestran las diferencias de la tasa de salida, entendida como el porcentaje de
hogares que salieron de la pobreza durante su participación en la EPH. En la segunda
parte se hace un análisis de la probabilidad de salir de la pobreza utilizando modelos de
regresión binaria.
3.1. Análisis Descriptivo
En esta sección se describen las diferencias en las tasas de salida de la pobreza de los
hogares después de la devaluación. Se intenta observar cuáles son los rasgos que
caracterizan a los hogares que lograron salir de la pobreza en un contexto
económicamente tan complejo como los años 2002 y 2003, caracterizados por un
importante incremento de los precios y por cambios en los precios relativos.
Se revisó el tamaño y la ubicación del hogar y algunos atributos de su jefe. Igualmente, y
con la intención de acentuar el carácter dinámico de este fenómeno, se revisaron
características temporales tales como las diferencias en el proceso de salida entre las
distintas ondas consideradas y el tiempo total de permanencia en la pobreza.
La visión obtenida a través de este análisis se completa y precisa en la sección
siguiente, empleando un análisis econométrico de la probabilidad de salir de la pobreza
a través de un modelo de regresión de Poisson.
3.1.1. Características del Hogar
Al considerar las características del hogar, región y tamaño en adulto equivalente, se
debe tener en cuenta que éstas impactan sobre el valor de la Línea de Pobreza que
enfrenta el mismo. Esto se debe a que la metodología del INDEC para el cálculo de la
Línea de Pobreza para cada hogar emplea el tamaño del hogar en adulto equivalente y
lo multiplica por el valor de la Canasta Básica Total para un adulto equivalente para
finalmente multiplicarlo por la inversa del coeficiente de Engel1. Además, como se
menciono anteriormente, porque se utilizan distintos valores tanto de la Canasta Básica
Total como del coeficiente de Engel para las distintas regiones del país.
Si analizamos las diferencias regionales en la tasa de salida se observa una gran
disparidad, a pesar de los ajustes antes referidos en el valor de la Línea de Pobreza.
1
Ver Anexo.
5
Entre la región con la mayor tasa de salida (región Patagónica) y la región con la menor
(región Noroeste) hay una diferencia de 12 puntos porcentuales.
En referencia a esta tabla se debe destacar que la región Metropolitana, históricamente
una de las regiones con menor grado de pobreza (Paz y Piselli 2000), presenta un
porcentaje de salida menor que las regiones de Cuyo, Pampeana y Patagónica. Sin
embargo una vez que se consideran variables adicionales como el nivel educativo, la
edad y el estado laboral del jefe de hogar, y otras variables, esta aparente contradicción
desaparece como se vera en la sección siguiente.
Tabla Nº 1: Tasa de salida según región
Región2
Tasa de salida de
la Pobreza
Metropolitana
17,40%
Noroeste
14,12%
Nordeste
15,12%
Cuyo
18,61%
Pampeana
19,65%
Patagónica
26,23%
Para considerar las tasas de salidas según el tamaño del hogar en adulto equivalente se
construyeron los intervalos correspondientes al tamaño de manera tal que la primera
incluyera como máximo un hogar constituido por dos adultos y un varón de hasta 12
años o una mujer de cualquier edad. Las siguientes dos categorías surgen de agregarle
al tamaño del hogar de la categoría anterior más de dos adultos (uno de cada sexo).
La tabla Nº 2 muestra que a medida que aumenta el tamaño del hogar en adulto
equivalente se reduce el porcentaje de salida de los hogares. Este resultado sería
coherente con aquellos obtenidos por Marchionni y Gasparini (2002) donde se muestra
que los hogares pobres han incrementado su tamaño en los últimos años.
Es especialmente importante la caída, del 100%, en el porcentaje de salida cuando
pasamos de un hogar que tiene un tamaño máximo de 2 adultos y 1 niño a la siguiente
categoría. Como se explicó anteriormente esta variable afecta fuertemente el valor de la
Línea de Pobreza por lo cual no se la incluirá en la especificación econométrica de la
probabilidad de salida de los hogares ya que sin lugar a dudas será significativa, y
además generará problemas de endogeneidad.
2
La definición de región utilizada es la empleada por el INDEC. Ver anexo.
6
Tabla Nº 2: Tasa de salida según tamaño del hogar en adulto equivalente
Tamaño del
Tasa de salida de
Hogar en adulto
la Pobreza
equivalente3
0 a 2,55
29,61%
2,56 a 4,55
14,47%
4,56 a 6,55
06,82%
6,56 ó más
06,14%
3.1.2. Características del Jefe de Hogar
Entre las características del Jefe del Hogar se analizan el nivel educativo, edad y estado
de actividad del mismo. En este grupo de características no se incluye el sexo del mismo
porque en el análisis econométrico de la probabilidad de salida del hogar esta
característica no muestra un efecto significativo, como se puede observar en el anexo,
mientras que las restantes si tienen un efecto significativo.
En la Tabla Nº 3 se ve una marcada diferencia en la tasa de salida de los hogares para
los distintos niveles educativos del Jefe de Hogar. Las categorías de esta variable se
definieron de la siguiente manera: el nivel educativo bajo incluye hasta primario
completo, el nivel educativo medio está compuesto por personas con secundario
completo e incompleto, y la última categoría corresponde a las personas con un terciario
o universitario completo o incompleto.
Se observa en dicha tabla que la tasa de salida para hogares que tienen un Jefe con un
nivel educativo alto es prácticamente el triple de la correspondiente a los hogares que
tiene un Jefe con nivel educativo bajo. También es importante marcar el salto en la tasa
de salida de los hogares cuando el nivel educativo del Jefe pasa de bajo a medio, sin
embargo este cambio en la tasa de salida es sensiblemente menor que el cambio que se
produce cuando el nivel educativo del Jefe pasa del nivel medio al alto.
Esto estaría indicando la relevancia del capital humano, medido a través del nivel
educativo, del Jefe del Hogar como posible factor influyente sobre la probabilidad de
salir de la pobreza del hogar.
3
La transformación a adulto equivalente se realizó siguiendo la metodología utilizada por el INDEC. Ver anexo.
7
Tabla Nº 3: Tasa de salida según nivel educativo del Jefe de hogar
Nivel Educativo
Tasa de salida de
del Jefe de
la Pobreza
Hogar
Bajo
13,90%
Medio
20,66%
Alto
35,38%
De la tabla siguiente se obtiene una conclusión paradójica: la tasa de salida de la
pobreza aumenta cuando el jefe de hogar se encuentra próximo a la edad de inactividad
o directamente inactivo, sin embargo este fenómeno fue observado también por estudios
anteriores (Paz y Piselli 2000; Paz 2002). Es posible que la edad del jefe del hogar tenga
una vinculación fuerte con la cantidad de hijos menores en el hogar y con la posibilidad
de que otros miembros del hogar trabajen. Otra indicación que se obtiene de este
cuadro es que no se observa un comportamiento diferenciados entre hogares con jefes
muy jóvenes (18 a 25 años) y la categoría siguiente (26 a 39 años).
Tabla Nº 4: Tasa de salida según edad del Jefe de hogar
Edad del Jefe de Tasa de salida de la
Hogar
Pobreza
18 a 25 años
12,93%
26 a 39 años
12,41%
40 a 55 años
17,68%
55 años ó más
24,55%
El resultado anterior se encuentra reforzado por el análisis de la tasa de salida según
estado ocupacional del Jefe de Hogar. Esta variable se construyó combinando el estado
de actividad del jefe de hogar, ocupado, desocupado o inactivo, y haciendo una
diferenciación de acuerdo con el tipo de empleo para las personas que figuran como
ocupados.
En este caso se observa que la categoría correspondiente a Jefes de Hogar inactivos
tiene una elevada tasa de salida. Sin embargo esta categoría presenta el problema de
que abarca grupos muy heterogéneos, tanto jubilados con un ingreso fijo y estable como
8
desocupados desalentados que no tienen ingresos estables, por lo que el análisis de
este resultado debe ser cuidadoso.
Además se observa una alta tasa de salida para hogares cuyo jefe cae dentro de la
categoría patrón, y, como era de esperar, los hogares cuyo jefe se encuentra
desocupado muestran la menor tasa de salida. En el análisis anterior se ha dejado de
lado la categoría de trabajadores no remunerados porque el número de casos en el que
se presentó fue muy pequeño.
Tabla Nº 5: Tasa de salida según estado ocupacional del Jefe de hogar
Estado ocupacional del Jefe de Tasa de salida de la
Hogar
Pobreza
Patrón
27,73%
Cuentrapropista
16,33%
Asalariado
17,06%
Trabajador sin remuneración
12,84%
Desocupado
14,01%
Inactivo
22,66%
3.1.3. Características Temporales
La salida de un hogar de la pobreza es sin duda un fenómeno dinámico, por lo que en su
análisis es necesario considerar la dimensión temporal del mismo. En este caso se
intenta incorporar esta característica de la pobreza analizando la cantidad de hogares
que salieron de la pobreza según las fechas de las distintas ondas y la cantidad de
ondas que permanecieron pobres los hogares que mejoraron su situación
decisivamente.
Al analizar el tiempo de permanencia en la pobreza se busca diferenciar a los hogares
que lograron salir entre pobres estructurales o pobres ocasionales. Mientras que con la
otra variable se busca analizar si los hogares, como agentes económicos, pusieron en
marcha algún mecanismo de ajuste frente al proceso de devaluación. Es importante
destacar que los mecanismos que se busca detectar no corresponden a un hogar en
particular, y que los mecanismos de posible de detección con la información disponible
son aquellos en lo que interviene la economía de mercado. Esto último se debe a que
para determinar si un hogar es pobre se compara el ingreso monetario obtenido por el
hogar con el valor monetario de la canasta básica total, por lo que si un hogar
incrementó su ingreso no monetario esto no genera ningún efecto sobre la definición de
pobreza del hogar.
El gráfico Nº 1 muestra cómo a medida que nos alejamos del mes de Enero de 2002, la
cantidad de hogares que salieron de la pobreza aumenta. Esto sumado a que el valor de
9
la Línea de Pobreza continuó creciendo de manera significativa, estaría indicando que a
medida que los hogares tienen un mayor período de ajuste después de la devaluación
incrementan su posibilidad de salir de la pobreza. Lo que muestra la existencia de una
respuesta por parte de las familias, como actor económico, al cambio originado por la
devaluación.
Gráfico Nº 1
900
813
800
700
686
600
Hogares que salieron
de la pobreza
500
Valor de LP para GBA
400
381
300
200
193.77
231.77
232.28
100
May-02 Jul-02
Sep-02 Nov-02 Ene-03 Mar-03 May-03
Esto coincide con los resultados obtenidos por Fiszbein, Giovagnoli y Aduriz (2002),
quienes con una encuesta realizada a 2800 hogares del país en Junio – Julio 2002
analizaron la presencia de distintos tipos de estrategias para enfrentar la crisis. Las
estrategias fueron clasificadas en adaptativas, activas o referidas a redes sociales. Las
primeras incluyen los cambios en el consumo, por lo que no impactan sobre la
determinación de si el hogar es pobre y por lo tanto no son las responsables de este
aumento de la cantidad de hogares que salieron de la pobreza. El segundo tipo de
estrategias incluye incorporar a otros miembros al mercado laboral, trabajar más horas,
vender activos, usar ahorros, pedir prestado y migrar. El último tipo de estrategias
implica la asistencia de familiares, ONG o el Gobierno.
Los datos de la EPH permiten captar el impacto del segundo y tercer grupo de
estrategias sobre los ingresos del hogar, aunque sea de forma parcial, por lo tanto
podrían ser utilizados para explicar el incremento observado. Esta tarea forma parte de
una fase próxima del presente proyecto, por lo que no será profundizada en este trabajo.
La tabla Nº 6 muestra como la gran mayoría (más del 80%), de los hogares que salieron
de la pobreza permanecieron únicamente una onda bajo la Línea de Pobreza. Esto
permite caracterizar a los mismos como pobres ocasionales, lo que refleja la importancia
10
de la persistencia en la pobreza como factor que incide sobre la probabilidad de salir de
la misma. Esto hecho ya fue marcado por Paz (2002).
Tabla Nº 6: Permanencia bajo la Línea de Pobreza
Nº de ondas de
permanencia bajo la LP
Hogares que salieron
de la Pobreza
1
81,24%
2
15,98%
3
02,78%
Total
100%
3.2. Análisis Econométrico
Ahora se presentarán los resultados obtenidos de aplicar un modelo de regresión de
Poisson a la probabilidad de que los hogares salieran de la pobreza después de la
devaluación. La selección del modelo de regresión de Poisson se basó en algunas de
las ventajas que tiene por sobre otros modelos binarios más utilizados en economía
(modelos logit o probit) para analizar este tipo de modelos.
Una de estas ventajas es que este modelo considera el período de tiempo de exposición
al cambio, bajo el supuesto de que los efectos de las distintas variables son iguales a lo
largo de todo el tiempo. La incorporación del tiempo en la especificación del modelo
permite incorporar la dimensión dinámica del proceso de salida de la pobreza, que como
se observó en la sección anterior y de acuerdo a otros trabajos4, resulta particularmente
relevante.
Otra de las ventajas es que el modelo de Poisson se caracteriza porque la ocurrencia
del evento, en este caso que el hogar salga de la pobreza, tiene asociado una baja
probabilidad lo que claramente concuerda con el fenómeno analizado, en tanto la caída
masiva de hogares en la pobreza es indudablemente el fenómeno más frecuente
durante el período analizado.
Por otra parte el modelo de regresión de Poisson presenta un problema central, que
surge de la condición que impone este modelo a que la variable analizada tenga la
esperanza condicionada igual a la varianza condicionada. Cuando estas medidas
discrepan entre sí se presenta dos fenómenos: la “sobredispersión” (overdispersion) y la
“infradispersión“ (underdispersion). El primero ocurre cuando la varianza condicional es
mayor que la esperanza condicional, mientras que el segundo ocurre cuando se
4
Paz (2002)
11
presenta la situación inversa a la anterior. El fenómeno que ocurre con mayor frecuencia
es la sobredispersión, por lo cual es el único que se tomará en cuenta en el análisis.
Más formalmente el modelo de Poisson considerando el tiempo de exposición se lo
puede definir de la siguiente manera:
exp(−λi t i )(λi ti ) yi
P(Yi = yi | λi ) =
yi !
λi = E[yi | xi ] = t i exp( xi ' β )
donde ti es la variable de exposición, β un vector de parámetros y xi una matriz de
variables explicativas. El modelo de Poisson exige que:
E [yi | xi ] = V [yi | xi ] = λi = t i exp( xi ' β )
El método de estimación empleado es el de máxima verosimilitud. La función de máxima
verosimilitud para el caso en que el tiempo de exposición es unitario es:
N
N
i =1
i =1
L ( β , Y , X ) = ∏ P ( y i | λi ) = ∏
exp(−λi )(λi ) yi
yi !
donde λi = exp( xi ' β )
Como la transformación logarítmica es monotónica se trabaja con el logaritmo natural de
la función de máxima verosimilitud. En este caso la función es:
N
ln L( β , Y , X ) = ∑ − exp( xi ' β ) + yi xi ' β − ln( yi ! )
i =1
∧
El estimador β que maximiza la función anterior se obtiene a partir de:
∂l( β , y, x) N
= ∑ [yi − exp( xi ' β )]xi = 0
∂β
i =1
siempre y cuando se cumpla que la matriz hessiana sea definida negativa. En este caso
la matriz hessiana de la función log-verosímil viene dada por
H ( β , y, x) =
∂ 2 l( β , y , x ) N
= ∑ − exp( xi ' β ) xi xi '
∂β∂β '
i =1
Como la ecuación anterior es no lineal en β se debe resolver con un algoritmo iterativo.
Por otra parte la EPH es una encuesta cuyo diseño se realiza por aglomerados, donde
los mismos constituyen un estrato y además se cuenta con un factor de expansión para
cada observación, por lo que se deben realizar algunas correcciones a la especificación
econométrica para incorporar estas características.
Si definimos h = 1,.....L como los estratos, i = 1,.....N h los elementos en cada estrato,
W = diag ( whi ) matriz diagonal que contiene las ponderaciones muestrales, y
12
l ( β , Yhi , X hi ) es el logaritmo de la función de verosimilitud del modelo de Possion. El
∧
estimador β ahora surge de resolver
∧
L
Nh
h =1
i
G ( β ) = ∑∑ whi S ( β , y hi , xhi ) = 0
donde S ( β , yhi , xhi ) es el vector “score”, es decir, S ( β , y hi , x hi ) = ∂l( β , Y hi , X hi ) / ∂β .
∧
Una consecuencia importante se deriva de estas correcciones, este nuevo estimador β
es un estimador “pseudo-máximo verosímil” ya que no es un estimador de la función de
distribución de la muestra. Esto impide que se utilicen tests de la razón de verosimilitud
para evaluar el ajuste del modelo.
Como se mencionó anteriormente uno de los principales problemas de la regresión de
Poisson es la presencia de sobredispersión. Para enfrentar este problema hay diversas
alternativas entre las que se encuentran los modelos mixtos, la estimación
semiparamétrica, los modelos con varianza generalizada y modelos específicos
diseñados para incorporar la sobre dispersión (modelos de ceros inflados). La alternativa
más utilizada son los modelos mixtos, y dentro de estos particularmente el modelo
binomial negativo.
Los modelos mixtos permiten modelar la varianza de una manera más flexible con lo
cual relajan el supuesto de igualdad entre la varianza condicional y la media condicional.
La forma más común de obtener la distribución binomial negativa es suponer que los
datos siguen una distribución Poisson, donde la media de la misma está especificada en
forma incompleta debida a que hay heterogeneidad no observada. Se considera
adicionalmente que la media es una variable aleatoria que sigue una distribución
gamma, formalmente:
λ~i = exp( xi β + ε )
donde se supone que ε representa la heterogeneidad no observada y que no está
correlacionado con x . Con lo cual se deduce fácilmente que la relación entre λ~i y λ es
la siguiente
λ~i = λi exp(ε i ) = λiδ i
Si adicionalmente se supone que E (δ i ) = 1 , que δ i sigue una distribución gamma con
parámetro v i = α −1 donde α > 0 y que v i es igual para todos los individuos se obtiene la
función de densidad binomial negativa
Γ( yi + α −1 )  α −1

P( yi | xi ) =
Γ( yi + 1)Γ(α −1 )  α −1 + λi
α −1




λ
 −1 i
 α λi + λi



yi
13
y la varianza condicional ahora es:
Var ( yi | xi ) = λi + αλ2i
Con lo cual cuando α = 0 la varianza condicional es igual a la media condicional y
estamos frente a la distribución de Poisson nuevamente. Por lo que una forma de
comprobar si hay o no sobredispersión es realizar la misma regresión utilizando el
modelo binomial negativo y analizar el valor del párametro α , alternativa que se utilizará
en el presente trabajo.
Por otra parte las variables incluidas en la estimación del modelo son las mismas que
fueron presentadas en la sección anterior salvo que las características temporales son
dejadas de lado porque se incorpora al modelo de regresión la variable de exposición.
Tampoco se incluye como variable explicativa el tamaño del hogar en adulto equivalente
por problemas de endogeneidad.
Se incorporó, adicionalmente, como variable explicativa al sexo del jefe de hogar,
empero la misma no resultó significativa. Este resultado difiere de la observación de
Gasparini y otros (2002) quienes encuentran una mayor proporción de hogares pobres
entre aquellos cuyo jefe es una mujer.
Las variables que se utilizaron en la regresión del modelo son variables categóricas,
algunas de las cuales lo eran originalmente mientras que otras fueron transformadas
como tales. Por lo que la estimación de los parámetros del modelo se hizo utilizando
variables artificiales, que permitieron comparar los efectos de las distintas categorías de
una variable contra la categoría definida como referencia para la variable.
Adicionalmente se realizaron test de Wald para analizar la igualdad entre los
coeficientes de las restantes categorías entre sí para cada una de las variables
analizadas. Con esta estrategia de estimación se pueden identificar aquellas
características que modifican la probabilidad de salida del hogar.
Las categorías de referencia para las variables (señaladas con un asterisco en la tabla
siguiente) son que el hogar pertenezca a la región metropolitana y que su jefe de hogar
tenga entre 26 y 39 años, un nivel educativo bajo y sea un asalariado.
Los resultados de las estimaciones utilizando el modelo de regresión de Poisson se
observan en la tabla Nº 7. También se muestran aquellas categorías de las variables
que resultaron ser significativamente con un nivel de confianza del 95%, de acuerdo con
el test antes mencionado. Para esto se utiliza un superíndice al final del nombre de la
categoría que indica de qué otra categoría es significativamente distinta. Por ejemplo, la
categoría de Jefes de Hogar entre 40 y 55 años de edad es significativamente distinta de
la categoría correspondiente a Jefes de Hogar entre 18 y 25 años (superíndice a1).
14
Tabla Nº 7: Estimación del modelo de Poisson
Covariable
exp(coef)
Err. Est.
P>|t|
Entre 18 y 25 años
0.971
0.174
0.869
Entre 26 y 39 años*
1
Entre 40 y 55 años a1
1.534
0.166
<0.001
Más de 55 años a1,a3
2.464
0.298
<0.001
a) Edad del Jefe de Hogar
b) Nivel Educativo del Jefe de Hogar
Bajo*
1
Medio
1.819
0.163
<0.001
Alto b2
3.581
0.399
<0.001
Patrón
1.347
0.385
0.297
Trabajador por su cuenta
0.886
0.105
0.307
c) Estado ocupac. del Jefe de Hogar
Asalariado*
1
Trabajador sin remuneración
0.713
0.351
0.493
Desocupado c1
0.698
0.095
0.008
Inactivo c5
1.017
0.113
0.882
d) Región
Metropolitana*
1
Noroeste
0.695
0.068
<0.001
Nordeste
0.772
0.076
0.008
Cuyo d2
0.911
0.100
0.393
Pampeana d2,d3
1.081
0.102
0.409
Patagónica d2,d3,d4,d5
1.543
0.151
<0.001
El resultado de las estimaciones utilizando el modelo de Poisson refuerza las
descripciones obtenidas de la sección anterior, aunque se presenta algunas diferencias.
Si analizamos las diferencias regionales de la probabilidad de salir de la pobreza
encontramos que los hogares que pertenecen a la región metropolitana tiene una mayor
probabilidad que los hogares que pertenecen a las regiones del Noroeste y Nordeste.
15
Sin embargo no se puede afirmar que haya diferencias en el riesgo de salida para los
hogares de las regiones Metropolitana respecto a hogares de las regiones de Cuyo y
Pampeana. Pero se observa una diferencia significativa entre dos estas últimas
regiones, que favorece a la región Pampeana.
La región Patagónica es la región con mayor riesgo de salida de la pobreza, y a través
de los test se puede ver que es significativamente distinta de todas las otras regiones,
mientras que la región del Noroeste es la región con menor riesgo de salida.
Lo antes mencionado muestra a las claras que hay amplias diferencias regionales en el
proceso de salida de los hogares de la pobreza. Esto concuerda con lo obtenido por
Bustelo y Luccheti (2004) quienes encuentran diferencias regionales en el riesgo de ser
pobres, y además el ordenamiento de las regiones es similar al que surge en este
trabajo. Sin embargo contradice parcialmente lo hallado por Paz (2002) para el período
1998 – 2000, quien no encuentra diferencias en el riesgo de salir de la pobreza entre las
regiones Pampeana, Cuyo y Patagónica.
Por otra parte, si consideramos las características del Jefe de Hogar se observan
importantes diferencias en el riesgo de salida cuando el nivel educativo del mismo
aumenta, ya que hay estas diferencias son significativas en el paso del nivel bajo al nivel
medio, y de este último al nivel alto. Lo que confirma la importancia del capital humano
en la aumento del riesgo de que un hogar salga de la pobreza.
Considerando la edad del Jefe de Hogar se observa que el riesgo de salir de la pobreza
de un hogar es significativamente mayor para aquellos cuyo Jefe tiene más de 40 años,
y que este riesgo vuelve a aumentar cuando el Jefe de Hogar supera los 55 años ya que
esta categoría resulta ser distinta en forma significativa a la primera categoría. Por otra
parte no hay diferencias significativas entre las categorías de edad entre 18 y 25 años y
entre 26 y 39 años.
El hecho de que el riesgo de salida aumente, y de manera notable, cuando el Jefe de
Hogar es mayor a 55 años no tiene una explicación directa. Es posible que este dato
refleje el efecto de otras variables que no fueron incluidas en la regresión, como podría
ser el número de personas que trabajan en el hogar, el tamaño del hogar, etc. A pesar
de ser un hecho sin una clara explicación este resultado también fue obtenido por Paz y
Piselli (2000), Paz (2002), y por Bustelo y Luccheti (2004) para los años 1996 y 1998
pero en el año 2001 la edad del Jefe de Hogar pierde su significatividad para estos
últimos.
Finalmente, resta analizar el efecto del estado de actividad del jefe de hogar. Lo primero
que se observa es que tomando como punto de comparación a la categoría de
asalariados sólo se encuentran diferencias significativas con la categoría de
desocupados, donde los hogares cuyo jefe se encuentra dentro de esta última categoría
tienen un menor riesgo de salida.
Este comportamiento relativo de la categoría de desocupados también se da cuando la
comparamos contra la categoría de patrón y de inactivos, pero no así cuando lo
16
hacemos con los trabajadores por cuenta propia o sin remuneración. Con lo cual se ve
claramente que aquellos jefes de hogar que son cuentapropistas o trabajadores sin
remuneración (ocupaciones más inestables) se encuentran en una situación intermedia
entre los asalariados o patrones (ocupaciones con mayor estabilidad) y los
desocupados.
En este análisis se encuentra nuevamente que la categoría de inactivos tiene un riesgo
de salida por encima de los desocupados y aquellos ocupados en las categorías más
inestables, lo que resulta ciertamente paradójico. Una de las explicaciones tentativas,
como se dijo anteriormente, es que está reflejando el efecto de otras variables que no
fueron consideradas en la regresión. Sin embargo para realizar un análisis más
detallado de este fenómeno se requiere de una diferenciación entre los distintos
componentes que forman la categoría de inactivos (jubilados, estudiantes, amas de
casa, desocupados desalentados), ya que es de esperar que se presenten distintos
comportamientos para estas subcategorías.
Estos resultados obtenidos utilizando un modelo de regresión de Poisson fueron
confirmados cuando se utilizó como alternativa un modelo de regresión binomial
negativo, ya que el estimador del parámetro del error multiplicativo introducido en la
varianza por este modelo no pasó el test de ser significativamente distinto de cero. Con
lo cual se puede afirmar que el modelo no presenta sobredispersión generada por
heterogeneidad no observada. Además los valores de los coeficientes obtenidos por
esto dos modelos coinciden inclusive hasta el tercer decimal.
También se realizó la misma regresión empleando el modelo de regresión logística,
como un método alternativo para comprobar los resultados obtenidos con un modelo
más utilizado en trabajos de Economía. Se encontró que todas las categorías que eran
significativas con el modelo de Poisson también lo son utilizando el modelo Logit, salvo
la categoría correspondiente a la región Nordeste que dejó de ser significativa al 5%
para pasar a ser significativa al 9%. 5
4. Conclusiones
Los principales resultados de este trabajo indican la relevancia de las características del
hogar al momento de analizar la probabilidad de su salida de la pobreza para el período
post – devaluación, así como también de la dimensión temporal de este proceso de
salida.
Las características que resultaron ser significativas incluyen la edad, el nivel educativo y
el estado de actividad del Jefe de Hogar, así como también la región de residencia del
hogar, a pesar de las consideraciones regionales en el valor de la Canasta Básica Total
y el coeficiente de Engel.
5
Ver Anexo
17
Es especialmente importante el efecto de la educación del Jefe de Hogar, que puede ser
considerada como una proxi del capital humano. Controlando por las otras variables
consideradas, un hogar cuyo jefe recibió educación superior tiene un riesgo de salir de la
pobreza 200% mayor que un hogar cuyo jefe tiene un nivel educativo bajo.
También se deben destacar las amplias diferencias regionales, un hogar de la región
Patagónica tiene un riesgo de salir de la pobreza 120% mayor que un hogar de similares
característica pero de la región Noroeste del país.
Finalmente se debe remarcar el hecho de que el Jefe de Hogar esté inactivo no impacta
en forma significativamente distinta a los casos en que el Jefe de Hogar es Asalariado o
Patrón. Esto último requeriría de un análisis más profundo debido a la heterogeneidad
de la categoría.
Al ponderar los resultados obtenidos, no deben olvidarse las limitaciones de este trabajo.
Estas limitaciones surgen de las características de los datos disponibles, en tanto la
información temporal se limita a cuatro momentos del tiempo, y se concentra en los
hogares de los aglomerados urbanos. Asimismo, deben recordarse las consecuencias
de la definición de pobreza utilizada señaladas más arriba.
18
Bibliografía
Bustelo, Monserrat, Lucchetti, Leonardo (2004). La pobreza en Argentina: Perfil,
Evolución y Determinantes Profundos (1996, 1998, y 2001). Centro de Estudios
Distributivos, Laborales y Sociales, Universidad Nacional de La Plata. Documento de
Trabajo Nro. 7.
Carballo, Jerónimo; Herrero, Verónica; Rodríguez, Alejandro (2004). Curso Introductorio
a STATA 7.0, Instituto de Economía y Finanzas, Facultad de Ciencias Económicas,
Universidad Nacional de Córdoba.
Crosta, Fernando (2001). La medición de la Pobreza en la Argentina, revisión
metodológica y estimaciones. Anales de la Asociación Argentina de Economía Política.
Fiszbein, Ariel; Giovagnoli, Paula Inés; Aduriz, Isidro (2002). Argentina’s crisis and its
impact on household welfare, Background Paper No. 1, Argentina – Crisis and Poverty
2003, World Bank Report No. 26127-AR
Gasparini, Leonardo y otros (2002). Características demográficas y pobreza en la
Argentina. Banco Interamericano de Desarrollo (BID).
Gasparini, Leonardo, Marchionni, Mariana y Sosa Escudero, Walter. (2001). La
distribución del ingreso en la Argentina, Premio Fulvio Salvador Pagani 2001, Fundación
Arcor.
Gouriéroux, Christian; Magnac, Thierry (1997). Duration, transition and count data
models. Journal of Econometrics 79 (1997) 195 – 199.
Greene, William H. (1999). Análisis Econométrico, 3º Edición, Editorial Prentice Hall,
Estados Unidos.
Instituto Nacional de Estadísticas y Censos (INDEC), Dirección de Indices de Precios de
Consumo: Paridades de Poder de Compra del Consumidor, 2002.
Instituto Nacional de Estadísticas y Censos (INDEC), Informes de prensa: Incidencia de
la pobreza en los aglomerados urbanos, correspondientes a Mayo 2001, Octubre 2001,
Mayo 2002, Octubre 2002 y Mayo 2003.
Lee, Haeduck (2003) Poverty Measurement in Argentina, Background Paper No. 8,
Argentina – Crisis and Poverty 2003, World Bank Report No. 26127-AR.
Marchionni, Mariana; Gasparini, Leonardo (2002a). El impacto Distributivo de los
Cambios en las Decisiones de Fertilidad, Departamento de Economía, Facultad de
Ciencias Económicas, Universidad Nacional de La Plata, Documento de Trabajo Nº 44.
Marchionni, Mariana; Gasparini, Leonardo (2002b) El papel de los cambios
demográficos en el aumento de la pobreza, Departamento de Economía, Facultad de
Ciencias Económicas, Universidad Nacional de La Plata, Seminario de Economía
19
Morales, Elena (1988). Canasta Básica de Alimentos – Gran Buenos Aires, Documento
de trabajo Nº 3, INDEC / IPA.
Paz, Jorge A. (2002). Una introducción a la dinámica de la pobreza en la Argentina,
Universidad Nacional del CEMA, Serie de documentos de trabajo N° 226.
Paz, Jorge A. ; Piselli, Carolina (2000). Desigualdad de ingresos y pobreza en Argentina.
Anales de la Asociación Argentina de Economía Política.
Romero Rodríguez, Margarita; Los Arcos, Enrique; Cano Fernández, Victor; Sánchez
Pradón, Manuel (2001). Modelos para datos de recuento con excesos de cero.
Aplicación a citas de patentes, Universidad de la Laguna, Universidad de Las Palmas de
Gran Canaria, España. Documento de trabajo 2001 – 05.
Sosa Escudero, Walter (1999). Tópicos de Econometría Aplicada, Departamento de
Economía, Facultad de Ciencias Económicas, Universidad Nacional de La Plata, Trabajo
Docente Nro. 2.
StataCorp (2003). Stata statistical software: release 8.2. College station, TX, Estados
Unidos.
World Bank (2003). Argentina – Crisis and Poverty 2003. Report No. 26127-AR.
Yin Bin Cheung (2002). Zero-inflated models for regression analysis of count data: a
study of growth and development. Journal Statistics in Medicine, 2002; 21:1461–1469
20
Anexo
Tabla Nº 8: Regiones
Región
Metropolitana
Aglomerados
Ciudad de Buenos Aires
Partidos del Conurbano
Noroeste
Gran Catamarca
Jujuy-Palpalá
La Rioja
Salta
Santiago del Estero-La Banda
Gran Tucumán-Tafí Viejo
Nordeste
Corrientes
Formosa
Posadas
Gran Resistencia
Cuyo
Gran Mendoza
Gran San Juan
San Luis-El Chorrillo
Pampeana
Bahía Blanca-Cerri
Concordia
Gran Córdoba
Gran La Plata
Mar del Plata-Batán
Gran Paraná
Río Cuarto
Gran Rosario
Gran Santa Fe
Santa Rosa-Toay
Patagónica
Comodoro Rivadavia-Rada Tilly
Neuquén-Plottier
Río Gallegos
Ushuaia-Río Grande
21
Tabla Nº 9: Coeficiente de Engel según regiones
Región
Coeficiente de Engel
Metropolitana
45,2%
Noroeste
46,0%
Nordeste
45,9%
Cuyo
46,3%
Pampeana
47,3%
Patagónica
49,3%
Tabla Nº 10: Tabla de conversión a adulto equivalente
Edad
Sexo
Menor de un año
Ambos
Valor en adulto equivalente
0,33
1 año
0,43
2 años
0,50
3 años
0,56
4 a 6 años
0,63
7 a 9 años
0,72
10 a 12 años
Varones
0,83
13 a 15 años
0,96
16 a 17 años
1,05
10 a 12 años
0,73
Mujeres
13 a 15 años
0,79
16 a 17 años
0,79
18 a 29 años
Varones
1,06
30 a 59 años
1,00
60 y más años
0,82
18 a 29 años
0,74
Mujeres
30 a 59 años
0,74
60 y más años
0,64
Tabla Nº 11: Distribución de los hogares que salieron de la pobreza según fecha de salida
Onda de salida
Hogares que efectivamente salieron de la pobreza
Mayo 2002
20,26%
Octubre 2002
36,48%
Mayo 2003
43,26%
Total
100%
22
Tabla Nº 12: Estimaciones del modelo de Poisonn
Covariable
Exp(coef.)
Std. Err.
P>|t|
Sexo del Jefe del Hogar
Varón*
1
Mujer
1.040
0.098
0.678
18 a 25 años
0.962
0.172
0.826
26 a 39 años*
1
40 a 55 años
1.519
0.165
<0.001
Más de 55 años
2.428
0.297
<0.001
Edad del Jefe del Hogar
Nivel Educativo
Del Jefe del Hogar
Bajo*
1
Medio
1.854
0.169
<0.001
Alto
3.606
0.400
<0.001
Patrón
1.344
0.391
0.309
Trabajador por su cuenta
0.892
0.105
0.334
Asalariado*
1
Trabajador sin remuneración
0.703
0.348
0.477
Desocupado
0.697
0.095
0.008
Inactivo
1.002
0.113
0.985
Metropolitana*
1
Noroeste
0.695
0.072
<0.001
Nordeste
0.760
0.080
0.009
Cuyo
0.916
0.105
0.444
Pampeana
1.077
0.107
0.455
Patagónica
1.508
0.151
<0.001
Estado laboral
del Jefe del Hogar
Región
* Categoría base
23
Tabla Nº 13: Estimaciones del modelo Binomial Negativo
Covariable
exp(coef.)
Err. Std.
P>|t|
Entre 18 y 25 años
0.971
0.174
0.869
Entre 26 y 39 años*
1
Entre 40 y 55 años
1.534
0.166
<0.001
Más de 55 años
2.464
0.298
<0.001
Edad
Nivel Educativo
Bajo*
1
Medio
1.819
0.163
<0.001
Alto
3.581
0.399
<0.001
Patrón
1.347
0.385
0.297
Trabajador por su cuenta
0.886
0.105
0.307
Asalariado*
1
Trabajador sin remuneración
0.713
0.351
0.493
Desocupado
0.698
0.095
0.008
Inactivo
1.017
0.113
0.882
Metropolitana*
1
Noroeste
0.695
0.068
<0.001
Nordeste
0.772
0.076
0.008
Cuyo
0.911
0.100
0.393
Pampeana
1.081
0.102
0.409
Patagónica
1.543
0.151
<0.001
Estado laboral
Región
* Categoría base
24
Tabla Nº 14: Estimaciones del modelo Logit
Covariable
Odds Ratio
Std. Err.
P>|t|
Sexo
Varón*
1
Mujer
1.048
0.120
0.685
18 a 25 años
0.889
0.180
0.563
26 a 39 años*
1
40 a 55 años
1.725
0.216
<0.001
Más de 55 años
3.056
0.456
<0.001
Edad del Jefe del Hogar
Nivel Educativo
Bajo*
1
Medio
2.095
0.233
<0.001
Alto
4.959
0.784
<0.001
Patrón
1.530
0.594
0.274
Trabajador por su cuenta
0.897
0.125
0.438
Asalariado*
1
sin 0.607
0.359
0.398
Desocupado
0.708
0.113
0.030
Inactivo
1.017
0.143
0.906
Metropolitana*
1
Noroeste
0.699
0.087
0.004
Nordeste
0.808
0.101
0.088
Cuyo
0.961
0.133
0.774
Pampeana
1.081
0.130
0.515
Patagónica
1.746
0.220
<0.001
Estado laboral
Trabajador
remuneración
Región
* Categoría base
25