Diseæo de Modelos de Predicción de Cumplimiento de ...

Diseño de Modelos de Predicción de Cumplimiento de Objetivos del Milenio: El Caso Peruano

Informe final

Investigadores Responsables:

Arlette Beltrán B.

Juan Francisco Castro C.

Enrique Vásquez H.

Gustavo Yamada F.

Asistentes de Investigación

José Gallegos M.

Pablo Lavado P.

Diego Winkelried Q.

Lima, 15 de abril de 2004

2

Índice de contenido

Resumen Ejecutivo..................................................................................................................... 6 ODM 1: ERRADICAR LA POBREZA EXTREMA .............................................................. 13

Meta 1: Reducir a la mitad, entre 1990 y 2015, el porcentaje de personas cuyos ingresos sean inferiores a 1 dólar por día................................................................................................................13

Indicadores.......................................................................................................................................................13 Modelo de macroescenarios.............................................................................................................................13

Situación reciente, líneas de base y metas al 2015 .......................................................................................13 Simulaciones hasta el 2015..........................................................................................................................14 Línea de Pobreza de US$1 (PPA)................................................................................................................14 Línea de Pobreza de US$2 (PPA)................................................................................................................16 Línea de pobreza extrema nacional..............................................................................................................17 Línea de pobreza total nacional....................................................................................................................19

Modelo sectorial ..............................................................................................................................................20 Resultados........................................................................................................................................................22 Inversión adicional y costeo de la redistribución estimada...............................................................................23

ODM 2 Y 3: EDUCACIÓN PRIMARIA UNIVERSAL Y PROMOCIÓN DE LA IGUALDAD DE GÉNERO..................................................................................................... 25

Meta 3: Velar por que, para el año 2015, los niños y niñas de todo el mundo puedan terminar un ciclo completo de enseñanza primaria........................................................................................25 Meta 4: Eliminar las desigualdades entre los géneros en la enseñanza primaria y secundaria, preferiblemente para el año 2005, y en todos los niveles de la enseñanza antes del fin del año 2015.....................................................................................................................................................25

Línea de Base y Situación Actual.....................................................................................................................25 MODELO DE ALFABETIZACIÓN (INDICADORES 8 y 10).....................................................................28

Indicadores ..................................................................................................................................................28 Sobre el analfabetismo.................................................................................................................................28 El Enfoque...................................................................................................................................................28 Variables �del pasado� o �permanentes� del individuo................................................................................28

Educación del padre ................................................................................................................................28 Educación de la madre.............................................................................................................................29 Distrito de origen.....................................................................................................................................29 Etnia y enfermedades crónicas ................................................................................................................29

Resumen de Resultados...............................................................................................................................29 Variables de política y consideraciones para las simulaciones.....................................................................30

MODELOS DE ATRASO ESCOLAR...........................................................................................................30 Indicadores ..................................................................................................................................................30 Indicadores alternativos ...............................................................................................................................30 Resumen de Resultados...............................................................................................................................31 Modelo de atraso en primaria.......................................................................................................................31 Modelo de atraso en secundaria...................................................................................................................32 Modelo de éxito de acabar la primaria .........................................................................................................32 Variables de política y simulaciones............................................................................................................32

MODELO DE EDUCACIÓN SUPERIOR.....................................................................................................36 Indicador......................................................................................................................................................36 Resumen de resultados ................................................................................................................................36 Consideraciones para las simulaciones ........................................................................................................36

MODELO DE EMPLEO EN EL SECTOR NO AGRÍCOLA REMUNERADO (Indicador 11)...................36

3

Indicador......................................................................................................................................................36 Resumen de resultados.....................................................................................................................................37 Simulaciones y Costeo: Los ODMs 2 y 3 al 2015............................................................................................37

ODM 1: ERRADICAR EL HAMBRE...................................................................................... 1 Meta 2: Reducir a la mitad, entre 1990 y 2015, el porcentaje de personas que padezcan hambre...............................................................................................................................................................1

Indicadores.........................................................................................................................................................1 Línea de Base, Situación Actual y Meta al 2015................................................................................................1 Identificación de variables de política más significativas para lograr avances en el ODM.................................2

Indicador No. 4: Porcentaje de menores de 5 años con insuficiencia ponderal (desnutrición infantil global).2 Indicador No. 5: Porcentaje de la población por debajo del nivel mínimo de consumo de energía alimentaria (déficit calórico total).....................................................................................................................................3

Simulaciones y costeo: el ODM al 2015............................................................................................................3 ODM 4: REDUCIR LA MORTALIDAD INFANTIL ............................................................. 7

Meta 5: Reducir en dos terceras partes, entre 1990 y 2015, la mortalidad de los niños menores de 5 años ...............................................................................................................................................7

Indicadores.........................................................................................................................................................7 Línea de Base y Situación Actual.......................................................................................................................7 Identificación de las variables más significativas para lograr avances en el ODM.............................................8

Indicador No. 15: Porcentaje de niños/niñas de 1 año vacunados contra el sarampión ..................................8 Indicador No. 13: Tasa de mortalidad de los niños/niñas menores de 5 años.................................................9 Indicador No. 14: Tasa de mortalidad infantil................................................................................................9

Simulación y Costeo: el ODM al 2015 ............................................................................................................10 Escenario Base sin políticas sectoriales........................................................................................................10 Escenario que alcanza el ODM con políticas sectoriales, y los principales costos asociados .......................11

ODM 5: SALUD MATERNA.................................................................................................. 14 Meta 6: Reducir, entre 1990 y 2015, la mortalidad materna en tres cuartas partes ....................14

Indicadores.......................................................................................................................................................14 Línea de Base y Situación Actual.....................................................................................................................14 Identificación de las variables más significativas para lograr avances en el ODM...........................................15

Indicador No. 17: Porcentaje de partos con asistencia de personal calificado ..............................................15 Indicador No. 16: Tasa de mortalidad materna ............................................................................................16

Simulación y Costeo: el ODM al 2015 ............................................................................................................17 Escenario Base sin políticas sectoriales........................................................................................................17 Escenario que alcanza el ODM con políticas sectoriales, y los principales costos asociados .......................18

Simulación y costeo integral .................................................................................................... 22 Integración de modelos .....................................................................................................................22 Resumen metodológico de la simulación .........................................................................................23 Resumen integral del costeo..............................................................................................................27

Bibliografía............................................................................................................................... 30

Anexos ...................................................................................................................................... 33 1. Indicador No. 1: Incidencias de la pobreza en el 2015 por sectores económicos y escenarios de crecimiento económico .................................................................................................................33 2. Indicador No. 4 (desnutrición infantil global): Resultados de las estimaciones, efectos impacto y elasticidades......................................................................................................................34 3. Indicador No. 5 (incidencia de déficit calórico): Resultados de las estimaciones, efectos impacto y elasticidades......................................................................................................................37 4. Modelo de Alfabetización (Indicadores 8 y 10)........................................................................40

4

5. Modelo de Atraso Escolar (Indicadores 6, 7b, 9a y 9b)...........................................................42 6. Modelo de Educación Superior (Indicadores 9c) ....................................................................46 7. Modelo de Empleo en sector no agrícola remunerado (Indicadores 11) ...............................47 8. Modelos, Elasticidades y Efectos Impacto de los ODM No. 4 y 5...........................................49

Índice de cuadros Cuadro No. 1: Situación reciente (2002), líneas de base (1991) y metas ODM al 2015..........................................14 Cuadro No. 2: Simulaciones 2002-2015, Línea US$1 PPA, Meta de incidencia al 2015: 3.3%.............................15 Cuadro No. 3: Simulaciones 2002-2015, Línea US$2 PPA, Meta de incidencia al 2015: 13%...............................16 Cuadro No. 4: Simulaciones 2002-2015, Línea de pobreza extrema nacional, Meta de incidencia al 2015: 11.5%18 Cuadro No. 5: Simulaciones 2002-2015, Línea de pobreza total nacional, Meta de incidencia al 2015: 27.3%.....19 Cuadro No. 6: Incidencia y distribución de la pobreza por sectores económicos en el 2002...................................21 Cuadro No. 7: Escenarios de crecimiento económico sesgado /hacia sectores primarios extractivos.....................21 Cuadro No. 8: Incidencias de la pobreza estimadas al 2015 con escenarios de crecimiento económico neutral y diferenciado .............................................................................................................................................................23 Cuadro No. 9: Costos de la Redistribución (en US$ millones y como %PBI)..........................................................24 Cuadro No. 10: Indicadores del ODM 2..................................................................................................................26 Cuadro No. 11: Relación entre niños y niñas en la educación primaria, secundaria y superior (Perú 1991 y 1994).................................................................................................................................................................................26 Cuadro No. 12: Relación entre niños y niñas en la educación primaria, secundaria y superior (Perú 1997)..........27 Cuadro No. 13: Relación entre niños y niñas en la educación primaria, secundaria y superior (Perú 2001-2002).27 Cuadro No. 14: Relación entre las tasas de alfabetización de las mujeres y los hombres de 15 a 24 años (1991, 1994, 1997, 2001 y 2002).........................................................................................................................................27 Cuadro No. 15: Proporción de mujeres entre los empleados remunerados en el sector no agrícola (1991, 1994, 2001 y 2002) ............................................................................................................................................................27 Cuadro No. 16: Gasto complementario en educación (GCE), por nivel de pobreza del hogar................................34 Cuadro No. 17: Componentes del gasto complementario en educación (GCE) , por nivel de pobreza del hogar, Perú: 2002. ..............................................................................................................................................................35 Cuadro No. 18: Estructura de Costos de las variables relevantes para el logro de los ODMs 2 y 3 al 2015...........39 Cuadro No. 19: Simulación y Costeo: los ODMs 2 y 3 al 2015 .................................................................................1 Cuadro No. 20: Desnutrición infantil global 1992, 1996 y 2000 (en porcentajes) .....................................................1 Cuadro No. 21: Incidencia de déficit calórico por área de residencia, 1998 � 2001..................................................2 Cuadro No. 22: Incidencia de déficit calórico por área de residencia, año 2002 ......................................................2 Cuadro No. 23: Resultados de los indicadores al 2015 sin políticas sectoriales........................................................4 Cuadro No. 24: Resultados de los indicadores al 2015 con políticas sectoriales y sin redistribución........................5 Cuadro No. 25: Resultados de los indicadores al 2015 con políticas sectoriales y con redistribución ......................6 Cuadro No. 26: Tasa de mortalidad de los niños/niñas menores de 5 años ...............................................................7 Cuadro No. 27: Tasa de mortalidad infantil ..............................................................................................................8 Cuadro No. 28: Porcentaje de niños/niñas de 1 año vacunados contra el sarampión ...............................................8 Cuadro No. 29: Resultados del escenario sin políticas sectoriales al 2015..............................................................10 Cuadro No. 30: Resultados del escenario sin políticas sectoriales al 2015..............................................................11 Cuadro No. 31: Resultados del escenario con políticas sectoriales al 2015.............................................................12 Cuadro No. 32: Resultados del escenario con políticas sectoriales al 2015.............................................................12 Cuadro No. 33: Costos de la vacunación contra el sarampión (US $ de 2004) .......................................................13 Cuadro No. 34: Tasa de mortalidad materna...........................................................................................................15 Cuadro No. 35: Porcentaje de partos con asistencia de personal calificado ...........................................................15 Cuadro No. 36: Resultados del escenario sin políticas sectoriales al 2015..............................................................17 Cuadro No. 37: Resultados del escenario sin políticas sectoriales al 2015..............................................................18 Cuadro No. 38: Magnitud y Costo de las políticas sectoriales al 2015....................................................................20 Cuadro No. 39: Resultados del escenario con políticas sectoriales al 2015.............................................................20 Cuadro No. 40: Magnitud y costos de las políticas sectoriales al 2015 ...................................................................21 Cuadro No. 41: Resultados del escenario con políticas sectoriales al 2015.............................................................21

6

Resumen Ejecutivo

! El presente informe resume los modelos utilizados para predecir la evolución de los 16 indicadores asociados a las 6 metas de los primeros 5 Objetivos del Milenio (ODMs). Asimismo, se presentan los resultados obtenidos a partir de la simulación, tanto en términos del valor alcanzado por cada indicador en el año 2015, como de los costos asociados a la consecución de las metas propuestas.

La simulación y resultados desde una perspectiva integral

! La simulación realizada para alcanzar las metas se basó en un enfoque integral. Si bien cada modelo microeconométrico fue estimado de manera separada, al momento de realizar la simulación se abandonó el enfoque sectorial y se procedió a integrar todos los modelos aquí propuestos con el fin de explotar al máximo las interrelaciones existentes entre las variables consideradas. De hecho, la integración de los modelos es necesaria en la medida en que se buscó determinar qué combinaciones de política permitirán alcanzar los objetivos propuestos y éstos, muchas veces, se determinan de manera simultánea.

! Dentro del conjunto de modelos desarrollados, el más exógeno lo constituye el modelo contable de simulación macro. Este provee el marco general para los ejercicios de simulación a través de la combinación de crecimiento promedio en la economía y redistribución requerida para alcanzar la meta asociada al primer indicador (reducir a la mitad la incidencia de la pobreza crítica nacional). Dicha combinación determina el escenario sin políticas sectoriales adicionales para el resto de indicadores.

! Sobre este escenario actúan los shocks sectoriales y así se obtuvo una nueva evolución para los indicadores asociados a los 5 ODMs analizados. Estos nuevos valores constituyen lo que se denomina el escenario con políticas sectoriales adicionales y son éstos los que deben guardar consistencia con las metas requeridas.

! El segundo grupo de modelos en orden de exogeneidad lo constituyen aquellos asociados a los indicadores de educación. Esto se debe a que muchos de los modelos construidos para el resto de indicadores contemplan el grado de educación alcanzado por las madres y/o padres como un regresor significativo. El conjunto de modelos asociado a los indicadores de nutrición, mortalidad infantil y salud materma, finalmente, constituye el bloque más endógeno. Éstos se nutren tanto de los resultados del modelo contable de simulación macro como de aquellos asociados a los modelos de educación. Cabe resaltar, además, que éstos se encuentran interrelacionados a través de las variables de política dado que muchos de ellos comparten regresores que fueron sometidos a shocks específicos durante la simulación. El siguiente esquema resume la interrelación entre de los tres bloques arriba descritos.

7

Esquema para la integración de los modelos

Evolución sin políticas sectoriales

adicionales

Evolución con políticas sectoriales

adicionaales

Modelo contable de

simulación

Combinación de crecimiento y redistribución requerido para alcanzar la meta del

indicador ODM 1

Evolución del gasto promedio del hogar, cuadrado del gasto

promedio del hogar e incidencia de la pobreza

Modelos para los indicadores ODM de

educación

Modelos para los indicadores ODM de nutrición, mortalidad

infantil y salud materna

Shocks sectoriales

Shocks sectoriales


adicionales


adicionaales

! Dependiendo del escenario sin políticas sectoriales adicionales elegido, y de acuerdo con las interrelaciones propuestas y las variables de política identificadas, fue posible calcular la magnitud de los shocks sectoriales requeridos para alcanzar las metas para todos los indicadores analizados1. Una vez determinada la magnitud de estos shocks, fue también posible estimar los costos asociados a

1 Cabe destacar que fue posible alcanzar las metas requeridas para todos los indicadores excepto aquella asociada al porcentaje de la población por debajo del nivel mínimo de consumo de energía alimentaria.

8

la consecución de dichas metas bajo cada escenario. El siguiente cuadro resume los resultados obtenidos.

Costos totales asociados a la consecución de las metas del milenio bajo distintos escenarios de crecimiento promedio anual

3% 5% 7%

Costo total: flujo promedio anual (2005 � 2015) (US$) 1,431,979,534 993,897,088 468,535,263 Crecimiento sin

redistribución % del PBI promedio anual 1.93 1.17 0.48 Costo total: flujo promedio anual (2005 � 2015) (US$) 4,169,720,251 1,585,916,474 633,187,358 Crecimiento con

redistribución % del PBI promedio anual 5.61 1.87 0.65

! Respecto a los resultados arriba reportados, cabe destacar que la consecución de la meta de pobreza (utilizando la línea de pobreza crítica del INEI) requiere de políticas redistributivas tanto bajo un escenario de crecimiento de 3% como de 5% anual durante los próximos 11 años. Las trasferencias de recursos asociadas a dichas políticas redistributivas tienen un costo y, por lo mismo, notamos un incremento en el costo total si pasamos de un escenario sin a uno con redistribución. Por el contrario, bajo un escenario de crecimiento de 7% la meta de pobreza se alcanza en ausencia de políticas redistributivas antes del año 2015. Los resultados reportados bajo el escenario con redistribución, por tanto, incorporan una �redistribución negativa� (formalmente, un incremento en el coeficiente de Gini) de modo que la incidencia de la pobreza coincida con la meta para el año 2015. El mayor costo asociado a este escenario responde, entonces, al incremento en la magnitud de los shocks sectoriales necesarios para alcanzar el resto de metas, dado el incremento en el coeficiente de Gini.

! Tomando en cuenta lo anterior, la principal conclusión que se desprende del cuadro aquí presentado es la siguiente. Alcanzar las metas asociadas a los primeros 5 ODMs implicaría una transferencia masiva de recursos (cercana al 5.6% del PBI por año; casi el doble de la participación de la inversión pública en el producto en los últimos años) si la economía se sitúa en una senda de crecimiento bajo de 3% al año. Si se pretende reducir el costo asociado a la consecución de dichas metas, la economía debe crecer, por lo menos, a una tasa de 5% al año. Bajo este escenario se requerirán, además, políticas redistributivas y sectoriales por un monto cercano al 2% del PBI al año. Entre éstas, y tal como se precisa al momento de presentar los resultados asociados a cada ODM, destacan la inversión en infraestructura sanitaria (agua y desagüe) (48% del total) y el monto asociado a la redistribución (42% del total). Al respecto, cabe precisar que la inversión en infraestructura sanitaria no sólo destaca por su participación en el costo total, sino también por su impacto significativo sobre un buen número de indicadores.

! Atendiendo a la secuencia presentada en el esquema anterior, a continuación se resumen los principales resultados asociados a cada una de las metas propuestas.

Reducción de la pobreza

! Se necesitaría un crecimiento económico promedio anual de 2.2% hasta el 2015 para poder alcanzar la meta del milenio de 3.3% de pobreza de US$1 en paridad de poder adquisitivo (PPA) en dicho año. Con un crecimiento de 5% promedio anual, la pobreza de US$1 caería a 1.0% en el 2015. En este escenario, la

9

desigualdad medida por el coeficiente de Gini podría crecer en 5.5% y todavía se alcanzaría la meta del milenio.

! Se requeriría crecer a un ritmo promedio anual de 3.9% para poder obtener la meta del milenio de 13% de pobreza de US$2 en PPA en el 2015. Este es un escenario relativamente exigente, debido a las típicas fluctuaciones que ocurren en la tasa de crecimiento de la economía peruana, sujeta a frecuentes choques externos, de oferta, de política, entre otros. La economía peruana promedió precisamente una tasa de crecimiento de 4% anual durante la década del 90, lo que incluyó una recesión inicial hasta 1992, un período de alto crecimiento entre 1993 y 1997 y una nueva recesión desde 1998.

! Se necesitaría crecer sostenidamente 4.9% promedio anual en los próximos 11

años para poder obtener la meta del milenio de 11.5% de pobreza extrema nacional en el 2015. Tasas sostenidas de crecimiento promedio de dicha magnitud por más de una década no se consiguen en el Perú desde la década del 60. Más aún, si el crecimiento de la economía fuera sesgado hacia los sectores extractivos, se necesitaría una redistribución de ingresos adicional (una caída de 2.0% en el coeficiente de Gini) para poder obtener la meta del milenio.

! Se requeriría crecer a un ritmo promedio anual de 5.9% hasta el 2015 para poder

obtener la meta del milenio de 27.3% de pobreza total nacional en dicho año. Este reto implicaría para la economía peruana superar su ritmo histórico máximo de crecimiento registrado durante la década del 50 (que fue de 5.7% promedio anual).

! Con un crecimiento neutral de 5% promedio anual, la pobreza nacional se

reduciría a 31.4% en el 2015. En este escenario la economía todavía necesitaría una redistribución activa de ingresos, a fin de reducir la desigualdad en 6.0%, para poder lograr la meta del milenio. El reto sería todavía más exigente si el crecimiento fuera sesgado hacia los sectores extractivos. Un crecimiento de 5% en tales condiciones reduciría la pobreza total hasta 36.1% y sería necesaria una reducción del Gini de 9.6% para lograr la meta del milenio. Los requerimientos de redistribución directa asociados a estas reducciones del Gini fluctuarían entre 0.63 y 1.00% del PBI (entre 532 y 851 millones de dólares anuales).

Educación primaria universal y la promoción de la igualdad de género.

! En escenarios de crecimiento sin redistribución se pueden distinguir claramente dos rutas. Por un lado, si se crece a un ritmo modesto de 3% se requerirá, al cabo de 11 años, US$ 99.6 millones (un flujo anual cercano a US$ 9 millones) adicionales a lo que el Estado invierte en forma de transferencias en especie, bajo el rubro de Gasto Complementario en Educación (GCE) para alcanzar los ODM 2 y 3 al 2015. Por otro lado, si se presentara ritmos de crecimiento más optimistas como del 5% y 7% se vería innecesario una política adicional o gastos adicionales para lograr los ODMs 2 y 3. Esta situación será posible si y sólo si las familias son lo suficientemente racionales como para traducir todo incremento de sus ingresos, producto del crecimiento, en aumentos del gasto complementario en educación.

! En escenarios de crecimiento con redistribución resulta innecesario destinar recursos financieros en forma de programas monetarios o no-monetarios que cubran los gastos complementarios de educación de la población objetivo a fin de alcanzar los mencionados ODMs. En suma, la propia dinámica del crecimiento económico conllevaría al logro de las metas.

! Las metas de alfabetización y la promoción de equidad de género en este campo serán logradas al 2015. Ciertamente en escenarios de un crecimiento mayor al 5% anual se requerirán aproximadamente de US$ 700 mil dólares, anualmente y

10

durante 11 años, de recursos públicos adicionales a los que ya se destinan para estos fines. Pero inclusive, si se siguiese una tendencia de crecimiento del 3% anual, el costo de llegar a alfabetizar a la población objetivo en 11 años significaría un leve aumento de máximo 9% adicional en el gasto educativo, es decir, US$ 60 mil dólares anuales más.

! Las diferencias de costos de alcanzar la meta del programa de alfabetización en escenarios de crecimiento con distribución versus sin distribución no alcanzan el 2.5%. En consecuencia, se lograrán los ODMs 2 y 3, independientemente del escenario, a través del programa de alfabetización, si se asume que adquiriese la condición de �programa protegido presupuestalmente� de tal forma que los más de US$ 650 mil dólares anuales mínimos necesarios siempre se inviertan.

! Finalmente, la inversión en desagüe resulta crítica para el logro de los ODMs 2 y 3, tanto por su importancia en el cumplimiento de los logros educativos y de equidad de género como por la ingente suma de recursos financieros que ello demandaría. Desde esta última óptica, si se impone que el Perú debería crecer por encima del 5% con redistribución, sólo se precisaría de una inversión de casi US$ 390 millones anuales. De lo contrario y si se sigue una tendencia de crecimiento del 3% sin esfuerzo de redistribución alguno, se tendría que conseguir recursos para invertir casi un 40% adicional (más de US$ 564 millones) al año durante 11 años para el logro de los ODMs.

Reducción del hambre

! La desnutrición global se reduciría de su nivel reciente de 7.1% a 6.2% en el 2015 si la economía creciera sostenidamente a un ritmo de 5% promedio anual hasta dicho año. En este escenario no se alcanzaría la meta del milenio de 5.4%. Tal logro no se consigue tampoco en el caso del escenario más optimista de crecimiento de 7%. La redistribución necesaria para alcanzar la meta de pobreza ayuda a reducir la desnutrición pero de manera escasa. En el escenario de crecimiento de 5%, la redistribución del ingreso lleva a que la desnutrición se reduzca adicionalmente 0.1 puntos porcentuales (de 6.6% a 6.5%), reducción insuficiente para alcanzar la meta del milenio. Se necesitan políticas específicas adicionales para aumentar la posibilidad de alcanzar la meta del milenio en este campo.

! El crecimiento económico impacta fuertemente en el aumento de ingesta calórica. Sin embargo, se haría difícil alcanzar la meta del milenio debido a la tendencia creciente de los déficit calóricos experimentada en los últimos años. Un crecimiento de 5% promedio anual llevaría a reducir el porcentaje de individuos en déficit calórico del 35.8% actual al 24.4% en el 2015. Este nivel sería muy superior a la meta del milenio de 11.2%. El impacto adicional de la redistribución para alcanzar la meta de pobreza nos dejaría cortos en 23.7% de déficit calórico. Aun en el escenario altamente optimista de crecimiento de 7% promedio anual, el porcentaje de individuos con déficit calórico en el 2015 ascendería a 18.4%. Se necesitarían políticas específicas adicionales para mejorar las posibilidades de alcanzar el ODM de reducción de hambre.

! En el caso de la desnutrición global, en adición a las variables de política discutidas con anterioridad para alcanzar las ODM de educación, se necesitaría incrementar la cobertura de beneficiarios de controles prenatales, aumentar la red de hogares con acceso a agua potable e incrementar la inversión en programas públicos de alimentación infantil complementaria. Ante un escenario de crecimiento económico de 3%, se necesitaría una inversión adicional anual que oscila entre los US$ 530 y 640 millones entre el año 2005 y 2015 para alcanzar la meta del milenio. Dicha inversión se reduce a un rango que oscila entre 377 y 492

11

millones de dólares, si la economía creciera 5%. Por último, si la economía creciera a 7% anual, la inversión necesaria ascendería a menos de 190 millones de dólares anuales.

! En el caso de la meta de déficit calórico, además del impacto positivo de las inversiones en agua y desagüe -incorporadas previamente para mejorar los indicadores de educación y desnutrición-, la política adicional identificada por el modelo sería aumentar el acceso a programas de complementación alimentaria familiar subsidiada. Sin embargo, en ningún escenario se logra alcanzar la meta de déficit calórico. En el mejor de los casos se consigue reducir el porcentaje de individuos con déficit a 13.6%, situándose por encima de la meta del milenio de 11.2%. Para lograr esta reducción se necesita de un crecimiento económico anual promedio de 7% y de inversiones adicionales en programas de alimentación complementaria por un monto entre 61 y 81 millones de dólares anuales hasta el año 2015.

Reducción de la mortalidad materna

! A medida que se plantea un mayor nivel de crecimiento económico, y sin considerar políticas redistributivas ni sectoriales, la mortalidad materna se incrementa cada vez menos para el año 2015, e incluso cae en 2%, con respecto al nivel del año 2000, en el caso de un escenario de crecimiento de 7%. Si, además, se simulan políticas redistributivas, la situación de la mortalidad materna mejora ligeramente.

! La proporción de partos atendidos por un profesional calificado aumenta entre un 7% y un 16%, dependiendo del ritmo de crecimiento económico (sea 3% ó 7%) cuando no hay políticas redistributivas, y entre el 9% y el 14% cuando sí las hay. Ello contribuye, en parte, con la desaceleración del incremento de la mortalidad materna, pero no es suficiente para lograr la meta del milenio (66 muertes por cada 100,000 nacidos vivos).

! Dada la naturaleza de los modelos y la integración que se ha realizado sobre la base de ellos, las políticas sectoriales aplicadas en el caso de los tres primeros ODMs se toman como dadas, y sólo a partir de ellas se simulan políticas específicas para alcanzar la meta relacionada con la mortalidad materna.

! Las diferentes opciones de políticas sectoriales que se derivan de los resultados obtenidos a partir de la estimación de los modelos de mortalidad materna y parto asistido profesionalmente, hizo necesario determinar cuál combinación de políticas permitiría alcanzar la meta al más bajo costo posible. La opción elegida consiste en lograr que todos los controles prenatales sean atendidos por un profesional de la salud así como mejorar la calidad de la infraestructura de los establecimientos de salud en cada distrito.

! A medida que el nivel de crecimiento económico aumenta, la necesidad de invertir en el mejoramiento de la calidad de los establecimientos de salud disminuye y, por lo tanto, el costo total también se reduce, fluctuando entre 48, 44 y 39.7 millones de dólares anuales, según se trate del escenario de crecimiento económico de 3%, 5% o de 7%. Con redistribución los resultados son muy parecidos, aun cuando para los niveles de crecimiento económico de 3% y 5%, las mejoras necesarias en la infraestructura de salud son ligeramente menores que en el primer caso por lo que los costos también se reducen ligeramente (47.4 y 43.7 millones dólares anuales, respectivamente).

! A raíz de las políticas sectoriales propuestas, se alcanza un aumento de alrededor de 60% de los partos asistidos por un profesional calificado (respecto del nivel del 2000), lográndose atender profesionalmente entre el 92% y el 95% del total de

12

partos, con un costo adicional de 10 millones de dólares (ya incluidos en las cifras previas).

Reducción de la mortalidad de niños y niñas

! Con niveles de crecimiento de 3%, 5% y 7%, y sin políticas redistributivas ni sectoriales, la mortalidad infantil y la de los niños/niñas menores de 5 años no logra alcanzar las metas del milenio al 2015 (19 por mil y 27 por mil niños nacidos vivos, respectivamente). De esta manera, y en el escenario de mayor crecimiento, sólo se alcanza una reducción de la tasa de mortalidad infantil de 25% y una caída de 23% en el caso de la mortalidad en niños menores de 5 años, si se les compara con los valores obtenidos en el año 2000. Asimismo, la vacunación contra el sarampión se reduce en un 3% respecto de aquella del año base (74% en 1992), incluso para el escenario con un crecimiento de 7%, y tiene un pequeño incremento si se le compara con el 2000. La situación mejora muy ligeramente en el caso de incorporar redistribución, además del crecimiento económico, pero dicha mejoría es casi insignificante.

! Dada la naturaleza de los modelos y la integración que se ha realizado sobre la base de ellos, las políticas sectoriales aplicadas para los ODM 1, 2, 3 y 5 afectarán, tanto directa como indirectamente, a la mortalidad de niños menores de 5 años y a la mortalidad infantil. Una vez que dichas políticas son simuladas se logra alcanzar la meta del milenio del ODM 4, razón por la cual no fue necesario aplicar políticas sectoriales adicionales.

! Sin redistribución, y en lo que se refiere a la mortalidad de niños menores de 5 años, en el escenario con un crecimiento de 3%, la meta se alcanza en el año 2008, con uno de 5% se logra en el 2009, y con 7% de crecimiento, en el 2011. En relación a la mortalidad infantil, la meta se alcanza en los años 2008, 2009 y 2010, respectivamente, según los diferentes escenarios de crecimiento. Si además se simulan los escenarios con políticas redistributivas, las metas se logran en los mismos años antes mencionados excepto en el caso del escenario con 7% de crecimiento, en donde se consiguen un año antes.

! Con respecto al porcentaje de niños entre 12 y 23 meses vacunados contra el sarampión, cualquiera sea el escenario de crecimiento utilizado, y si se incluye o no políticas redistributivas, éste se incrementa en un 6.2% (con respecto al año 2000), hasta alcanzar el 76.38% del total de niños. Ello tiene un costo, adicional al resto de políticas ya implementadas en los ODM�s anteriores, que fluctúa entre los 11 mil y 14 mil dólares anuales.

13

Capítulo

1 ODM 1: ERRADICAR LA POBREZA EXTREMA Meta 1: Reducir a la mitad, entre 1990 y 2015, el porcentaje de personas cuyos ingresos sean inferiores a 1 dólar por día

Indicadores

1) Indicador No. 1: Porcentaje de la población con ingresos (medidos usualmente con la variable gastos) inferiores a la paridad del poder adquisitivo (PPA) de 1 y 2 dólares por día (y a las líneas de pobreza nacionales extrema y total): Cuatro indicadores de incidencia de la pobreza.

2) Indicador No. 2: Coeficiente de la brecha de pobreza (la incidencia de la pobreza multiplicada por la gravedad de la pobreza).

3) Indicador No. 3: Proporción del consumo (aproximado por la variable gasto) nacional que corresponde al quintil más pobre de la población.

Modelo de macroescenarios

Situación reciente, líneas de base y metas al 2015

La segunda fila del Cuadro No. 1 muestra la situación al 2002 de la incidencia de la pobreza considerando como líneas de corte 1 y 2 dólares al día en paridad de poder adquisitivo (4.1% y 21.3% de incidencia, respectivamente) y las líneas de pobreza nacionales, extrema y total (23.9% y 54.3% de incidencia, respectivamente). Tal como se acordó con el Grupo de Trabajo respectivo, estas cuatro líneas de pobreza son relevantes para el análisis del caso peruano. La primera fila del cuadro indica las líneas de base respectivas considerando al año 1991 como punto de partida. Nótese que las incidencias de la pobreza de uno y dos dólares PPA se han reducido en la última década, mientras que las pobrezas extrema y total, medidas con canastas nacionales, prácticamente se han mantenido inalteradas. La tercera fila del cuadro incluye las metas para el 2015 para cada uno de estas cuatro medidas de pobreza (3.3%, 13%, 11.5% y 27.3%, respectivamente) considerando una reducción a la mitad de sus niveles en 1991. Además se incluyen como indicadores referenciales a monitorearse: las brechas de pobreza asociadas a cada medida de pobreza en el 2002 (20.8% para el caso de la pobreza medida con la línea de pobreza nacional total), el valor del coeficiente de desigualdad de gastos de Gini en el 2002 (0.47), y la participación del quintil más bajo en el gasto total en ese mismo año (4.73%).

14

Cuadro No. 1: Situación reciente (2002), líneas de base (1991) y metas ODM al 2015

Línea US$ 1 PPP Línea US$ 2 PPP Línea de pobreza extrema

Línea de pobreza nacional

Incidencia de pobreza 1991 (%) 6.6 26.1 23.0 54.5 Incidencia de pobreza 2002 (%) 4.1 21.3 23.9 54.3 ODM Pobreza 2015 (%) 3.3 13.0 11.5 27.3

Brecha de pobreza 2002 (%) 0.9 6.6 n.d. 20.8 Coeficiente de Gini 2002 0.47 Participación del gasto del quintil inferior 2002(%) 4.73 Fuente: Encuesta Nacional de Hogares (ENAHO) 2002, Instituto Nacional de Estadística e Informática Elaboración: CIUP

Simulaciones hasta el 2015

En esta sección se describen los resultados de las simulaciones hasta el 2015 para las cuatro medidas de la pobreza, tomando como referencia la situación de los hogares descrita en la ENAHO 2002 y el modelo de simulación contable de CEPAL/IPEA/PNUD (2003). En todos los casos se utilizan como escenarios ilustrativos tres posibilidades de crecimiento promedio anual de la economía peruana hasta el 2015 (3%, 5% y 7%)2. Estos escenarios fueron acordados con los Grupos de Trabajo y pretenden describir situaciones moderadamente pasiva, moderadamente optimista y altamente optimista, respectivamente. Un crecimiento promedio del 3% anual para la economía peruana hasta el 2015 se sitúa dentro de lo factible y, ciertamente, no es un escenario pesimista. Dadas las fluctuaciones propias del crecimiento, este promedio reflejaría años relativamente mejores de, por ejemplo, 4 a 5% de crecimiento anual (como los años actuales) compensados con años de relativa recesión o enfriamiento con crecimientos por debajo del incremento poblacional (alrededor de 1 a 2%). De hecho, el crecimiento promedio anual obtenido por el Perú en las cuatro últimas décadas (1960 a 2000) es precisamente de 3%. Un crecimiento promedio anual de 5% se consideraría moderadamente optimista puesto que implica volver a experimentar tasas de crecimiento sostenidas que no ocurren en el Perú desde las décadas del 50 y 60 (el promedio anual de esas dos décadas fue de 5.5% de crecimiento). También significa aumentar en un punto porcentual la tasa de crecimiento promedio de la década del 90. Por último, un crecimiento promedio anual del 7% sostenido por más de una década se considera entre los medios especializados como una aspiración nacional. Este escenario resulta altamente optimista porque el Perú no ha mantenido períodos de crecimiento tan elevado por más de un quinquenio en el pasado (tal como ocurrió entre 1993 y 1997). Línea de Pobreza de US$1 (PPA)

El Cuadro No. 2 muestra los resultados de las simulaciones hasta el 2015 para el caso de la línea de US$1 PPA. Los tres escenarios potenciales de crecimiento global anual (3%, 5% y 7%) se encuentran plasmados en las columnas del cuadro. En cada caso tenemos, como grupos de filas, una opción sin redistribución (es decir, un crecimiento neutral de la economía que se traduce en incrementos proporcionales de los ingresos y gastos de todos los hogares de la economía) y otra con la redistribución del ingreso necesaria para poder cumplir con la meta del milenio de reducir la pobreza a la mitad entre 1991 y el 2015.

2 Considerando el crecimiento efectivamente ocurrido en el PBI global de 4.0% en el 2004, estos escenarios implican en rigor crecimientos promedios de 2.9%, 5.1% y 7.3% entre el 2004 y el 2015.

15

Cuadro No. 2: Simulaciones 2002-2015, Línea US$1 PPA, Meta de incidencia al 2015: 3.3%

Tasas de crecimiento global anual

Resultados al 2015 3% 5% 7%

Incidencia de Pobreza (%) 2.5 1.0 0.4 Sin redistribución

Brecha de Pobreza (%) 0.5 0.2 0.1

Aumento / Disminución del coeficiente de Gini necesario hasta el 2015 (%) 1.8 5.5 8.5

Coeficiente de Gini 0.48 0.49 0.51

Brecha de Pobreza (%) 0.8 1.0 1.4 Con redistribución

Participación del gasto del quintil inferior (%) 4.46 3.89 3.43 Fuente: Encuesta Nacional de Hogares (ENAHO) 2002, Instituto Nacional de Estadística e Informática Elaboración: CIUP

Como se observa en la primera parte del cuadro, se necesita crecer neutralmente un poco menos del 3% anual para poder obtener la meta de pobreza de US$1 de 3.3% en el 2015 (el crecimiento anual aproximado, 2.2%, se puede leer del Gráfico No. 1 como el cruce de la curva de pendiente negativa Isopobreza con el eje de las abcisas). Con un crecimiento de 3% promedio anual, la pobreza de US$1 se reduciría a 2.5% en el 2015. En este caso, la meta del milenio se podría obtener aún considerando un ligero aumento en la desigualdad del país (aumento del Gini en 1.8%). Con un crecimiento de 5% promedio anual, la pobreza de US$1 caería a 1.0% en el 2015. En este escenario, la desigualdad podría crecer en 5.5% y todavía se alcanzaría la meta del milenio. Por último, un crecimiento neutral de 7% promedio anual hasta el 2015 virtualmente erradicaría la pobreza de US$1 PPA en nuestro país (la cifra exacta en el 2015 sería de 0.4%). La curva Isopobreza del Gráfico No. 1 resume todas las posibles combinaciones de crecimiento económico global promedio anual y cambio en la desigualdad acumulada en los próximos 12 años que lograrían la meta del milenio para el caso de la pobreza de un dólar al día.

Gráfico No. 1: Isopobreza, Línea de pobreza de US$1 PPA

2.2%

-15

-12

-9

-6

-3

0

3

6

9

0 1 2 3 4 5 6 7 8 9 10

Tasa de crecimiento global promedio anual de la economía 2004 - 2015 (β%)

Dis

min

ució

n de

l coe

ficie

nte

de G

ini 2

004

-20

15 ( α

%)

Fuente: Encuesta Nacional de Hogares (ENAHO) 2002, Instituto Nacional de Estadística e Informática Elaboración: CIUP

16

Línea de Pobreza de US$2 (PPA)

El Cuadro No. 3 muestra los resultados de las simulaciones hasta el 2015 para el caso de la pobreza de US$2 al día. Como se observa de la primera parte del cuadro, se necesitaría crecer significativamente más de 3% promedio anual para poder obtener la meta de 13% de pobreza de US$2 en el 2015 (el crecimiento anual aproximado, 3.9%, se puede leer del Gráfico No. 2). Nótese que una tasa promedio de crecimiento de 3.9% por más de una década es un escenario demandante, considerando las típicas fluctuaciones que ocurren en las tasas de crecimiento de una economía como la peruana sujeta a frecuentes choques externos, de oferta, de política, entre otros. Dicho promedio implica obtener años buenos de crecimiento de, por ejemplo, alrededor de 5 a 6%, que se compensan con años relativamente malos con crecimientos alrededor de 2 a 3%. De hecho, la economía peruana promedió precisamente una tasa de crecimiento de 4% anual durante la década del 90, lo que incluyó una recesión inicial hasta 1992, un período de alto crecimiento entre 1993 y 1997 y una nueva recesión desde 1998. De acuerdo a las simulaciones, un crecimiento neutral de 3% promedio anual hasta el 2015 necesitaría ser complementado con una redistribución del ingreso (una caída del coeficiente de Gini en 4%) a fin de poder alcanzar la meta del milenio. Dicha redistribución aumentaría la participación del gasto del quintil inferior de 4.73% en el 2002 a 5.34% en el 2015. Por su parte, con un crecimiento neutral más optimista de 5% promedio anual, la pobreza de US$2 se reduciría a 9.4% en el 2015. En este caso, la economía podría experimentar un aumento del desigualdad, medida por el incremento en el Gini, de 4.7% y todavía lograrse la meta del milenio. Por último, con un crecimiento neutral espectacular de 7% promedio anual, la pobreza de US$2 se reduciría a 5.1% en el 2015. En dicho escenario altamente optimista, la economía podría experimentar un aumento del desigualdad de 11.4% y aún alcanzarse la meta del milenio.

Cuadro No. 3: Simulaciones 2002-2015, Línea US$2 PPA, Meta de incidencia al 2015: 13%





Aumento / Disminución del coeficiente de Gini necesario hasta el 2015 (%) -4.0 4.7 11.4

Coeficiente de Gini 0.45 0.49 0.52 Brecha de Pobreza (%) 3.0 4.2 5.6

Con redistribución

Participación del gasto del quintil inferior (%) 5.34 4.01 2.99

Fuente: Encuesta Nacional de Hogares (ENAHO) 2002, Instituto Nacional de Estadística e informática Elaboración: CIUP

La curva Isopobreza del Gráfico No. 2 resume todas las posibles combinaciones de crecimiento económico promedio anual y cambio en la desigualdad que lograrían la meta del milenio para el caso de la pobreza de dos dólares al día.

17

Gráfico No. 2: Isopobreza, Línea de pobreza de US$2 PPA

3.9%

-24

-16

-8

0

8

16

24

0 1 2 3 4 5 6 7 8 9 10


Dis

min

ució

n de

l coe

ficie

nte

de G

ini 2

004

- 20

15 (

%)


Línea de pobreza extrema nacional

El Cuadro No. 4 resume los resultados de las simulaciones hasta el 2015 para el caso de la pobreza medida con las líneas de pobreza extrema nacionales. Como se observa de la primera parte del cuadro, se necesitaría crecer sostenidamente casi 5% promedio anual en los próximos 12 años para poder obtener la meta de 11.5% de pobreza extrema en el 2015 (el crecimiento anual aproximado, 4.9%, se puede leer del Gráfico No. 3). Como dijimos anteriormente, tasas sostenidas de crecimiento promedio de dicha magnitud por más de una década no se consiguen en el Perú desde la década del 60. Por otro lado, las simulaciones indican que un crecimiento neutral de 3% promedio anual necesitaría ser complementado con una redistribución del ingreso (una caída del coeficiente de Gini en 8.3%) a fin de poder alcanzar la meta del milenio. Dicha redistribución aumentaría la participación del gasto del quintil inferior de 4.73% en el 2002 a 6.0% en el 2015. Por su parte, con un crecimiento neutral de 5% promedio anual, la pobreza extrema se reduciría a 10.9% en el 2015. En este caso, la economía podría experimentar un ligerísimo aumento del desigualdad, medida por el incremento en el Gini, de 1.0% y todavía lograrse la meta del milenio. Por último, con un crecimiento neutral espectacular de 7% promedio anual, la pobreza extrema se reduciría a 5.9% en el 2015. En dicho escenario altamente optimista, la economía podría experimentar un aumento del desigualdad de 8% y aún alcanzarse la meta del milenio.

18

Cuadro No. 4: Simulaciones 2002-2015, Línea de pobreza extrema nacional, Meta de incidencia

al 2015: 11.5%





Aumento / Disminución del coeficiente de Gini necesario hasta el 2015 (%) -8.3 1.0 8.0

Coeficiente de Gini 0.43 0.47 0.50 Brecha de Pobreza (%) 2.2 3.2 4.3

Con redistribución

Participación del gasto del quintil inferior (%) 6.00 4.58 3.51 Fuente: Encuesta Nacional de Hogares (ENAHO) 2002, Instituto Nacional de Estadística e informática Elaboración: CIUP

La curva Isopobreza del Gráfico No. 3 resume todas las posibles combinaciones de crecimiento económico promedio anual y cambio en la desigualdad que lograrían la meta del milenio para el caso de la pobreza extrema nacional.

Gráfico No. 3: Isopobreza, Línea de pobreza extrema nacional

4.9%

-18

-12

-6

0

6

12

18

24

30

0 1 2 3 4 5 6 7 8 9 10


Dis

min

ució

n de

l coe

ficie

nte

de G

ini 2

004

- 201

5 ( α

%)


19

Línea de pobreza total nacional

El Cuadro No. 5 resume los resultados de las simulaciones hasta el 2015 para el caso de la pobreza medida con las líneas de pobreza totales nacionales. Como se observa de la primera parte del cuadro, se necesitaría crecer significativamente más de 5% promedio anual en los próximos 12 años para poder obtener la meta de 27.3% de pobreza total en el 2015 (el crecimiento anual aproximado, 5.9%, se puede leer del Gráfico No. 4). Este reto implica para la economía peruana superar su ritmo histórico máximo de crecimiento registrado durante la década del 50 (que fue de 5.7% promedio anual). Por su parte, un crecimiento neutral de 3% promedio anual necesitaría ser complementado con una muy fuerte redistribución del ingreso (una caída del coeficiente de Gini en 26.8%) a fin de poder alcanzar la meta del milenio. Dicha redistribución prácticamente duplicaría la participación del gasto del quintil inferior de 4.73% en el 2002 a 8.82% en el 2015. Tal reasignación de ingresos no tendría parangón en la historia peruana contemporánea. Los estimados disponibles indican que la distribución del ingreso en el Perú se ha mantenido prácticamente inalterada en las últimas décadas3. Con un crecimiento neutral de 5% promedio anual, la pobreza nacional se reduciría a 31.4% en el 2015. En este escenario, la economía todavía necesitaría una redistribución activa de ingresos, a fin de reducir la desigualdad en 6.0%, para poder lograrse la meta del milenio. Por último, con un crecimiento neutral de 7% promedio anual, la pobreza nacional se reduciría a 20.3% en el 2015. En dicho escenario altamente optimista, la economía podría experimentar un aumento del desigualdad de 9.6% y aún alcanzarse la meta del milenio.

Cuadro No. 5: Simulaciones 2002-2015, Línea de pobreza total nacional, Meta de incidencia al 2015: 27.3%





Aumento / Disminución del coeficiente de Gini necesario hasta el 2015 (%) -26.8 -6.0 9.6

Coeficiente de Gini 0.00 0.44 0.51

Brecha de Pobreza (%) 3.9 6.9 10.8 Con redistribución

Participación del gasto del quintil inferior (%) 8.82 5.65 3.27

Fuente: Encuesta Nacional de Hogares (ENAHO) 2002, Instituto Nacional de Estadística e informática Elaboración: CIUP

La curva Isopobreza del Gráfico No. 4 resume todas las posibles combinaciones de crecimiento económico promedio anual y cambio en la desigualdad que lograrían la meta del milenio para el caso de la pobreza total nacional.

3 Véase Pasco-Font y Saavedra (2001). Aun en el período más intenso de reformas redistributivas durante la primera fase del gobierno militar de 1968 a 1975, se estima que la redistribución sólo ocurrió entre los dos quintiles más altos de ingresos de la sociedad peruana (véase Figueroa, 1975).

20

Gráfico No. 4: Isopobreza, Línea de pobreza total nacional

5.9%

-45

-30

-15

0

15

30

45

60

75

90

0 1 2 3 4 5 6 8 9 10


Dis

min

ució

n de

l coe

ficie

nte

de G

ini 2

004

- 20

15 ( α

%)


Modelo sectorial

A fin de enriquecer el modelo macro de simulación presentado, se ha trabajado un modelo complementario que permite crecimientos diferenciados por sectores económicos y, por tanto, impactos diferenciados sobre las familias dependiendo del sector económico en que laboran sus miembros4. La justificación de este modelo es doble. Por un lado, se discute mucho en nuestro país el hecho que el crecimiento económico no ocurre de manera homogénea, y que los auges recientes han ocurrido fundamentalmente en sectores extractivos como la minería. Por otro lado, se aprecia en el Cuadro No. 6 que la distribución e incidencia de la pobreza asociadas a los sectores económicos en que se desenvuelven los individuos es muy heterogénea, cualquiera que sea la línea de pobreza que se considere. Típicamente, la agricultura es el sector económico con la mayor concentración de pobres y las incidencias de pobreza más altas, mientras que la minería tiene la menor cantidad de trabajadores pobres e incidencias de pobreza relativamente bajas 5 . El tipo de pregunta concreta que podemos responder con este modelo complementario es ¿cuánto disminuye el impacto del crecimiento sobre la reducción de la pobreza cuando existe un sesgo del crecimiento hacia sectores extractivos tales como la minería e hidrocarburos? La pregunta consecuente que se podría responder sería ¿cuánta redistribución adicional se necesitaría para compensar por este menor impacto y todavía aspirar a lograr las metas del milenio?

4 A diferencia de Francke (1997) que apareaba solamente cada jefe de hogar con el sector de empleo respectivo (vinculando la evolución de los ingresos de toda la familia a la evolución del sector de empleo del jefe del hogar), este trabajo se ha enriquecido apareando cada miembro trabajador de la familia con su sector de empleo respectivo. 5 La metodología agrega a nivel de cada hogar todos los ingresos laborales y no laborales percibidos por sus miembros, los ajusta para hacerlos coincidir con el gasto total reportado por hogar, y procede a dividir este total equitativamente entre todos sus miembros, incluyendo a los desempleados, la no PEA (que incorpora a los ancianos) y los menores de edad. Por último, la estimación de la incidencia de pobreza en cada sector económico se realiza comparando los gastos individuales de los miembros de cada sector con las líneas de pobreza alternativas.

21

Cuadro No. 6: Incidencia y distribución de la pobreza por sectores económicos en el 2002

Medidas de pobreza

Línea US$ 1 PPP Línea US$ 2 PPP Línea de pobreza extrema

INEI Línea de pobreza crítica INEI Subgrupos

Incidencia intragrupal Distribución




Agropecuario y pesca 8.42% 36.26% 43.84% 35.96% 46.09% 33.94% 75.59% 24.57%Minería y electricidad 0.37% 0.04% 9.83% 0.21% 11.54% 0.22% 30.44% 0.25%Manufactura 1.99% 2.16% 10.69% 2.22% 12.67% 2.36% 44.37% 3.64%Construcción 0.73% 0.29% 11.28% 0.86% 14.78% 1.01% 55.10% 1.66%Comercio 0.32% 0.69% 5.91% 2.41% 7.72% 2.82% 38.59% 6.23%Servicios 0.41% 1.34% 4.65% 2.93% 6.49% 3.67% 30.68% 7.66%Desempleo 0.79% 0.72% 8.83% 1.53% 10.93% 1.70% 45.90% 3.14%No PEA 1.56% 7.11% 10.80% 9.35% 13.05% 10.14% 42.07% 14.44%Menores de 14 años 6.79% 51.39% 30.91% 44.54% 34.12% 44.14% 67.24% 38.40%TOTAL 4.10% 100.00% 21.54% 100.00% 24.00% 100.00% 54.36% 100.00%

Fuente: Encuesta Nacional de Hogares (ENAHO) 2002, Instituto de Estadística e Informática Elaboración: CIUP

Se ha procedido a desagregar los escenarios de crecimiento global promedio anual de 3%, 5% y 7% trabajados en el modelo anterior, de la manera presentada en el Cuadro No. 7. Por ejemplo, el crecimiento global de 3% se consigue con un crecimiento de la minería de 6%, un crecimiento en agro, pesca, manufactura, construcción y comercio de 2%, y un crecimiento de 3.3% (hallado como residuo) en servicios. Nótese que este escenario indica un crecimiento mayor en un sector motor como la minería que luego impacta indirectamente de forma positiva, pero decreciente, en los demás sectores de la economía. Para vincular estos crecimientos a los ingresos, gastos y la reducción de la pobreza, se asumirá que los ingresos laborales de los individuos provenientes de estos sectores crecerán en estos porcentajes netos del crecimiento poblacional. Asimismo, se asumirá que los ingresos no laborales crecerán al ritmo promedio per capita de la economía.

Cuadro No. 7: Escenarios de crecimiento económico sesgado /hacia sectores primarios extractivos

Escenario 1 (b=3%) Escenario 2 (b=5%) Escenario 3 (b=7%)

Estructura PBI 2002 T. de crec.

global T. de crec. per cápita

T. de crec. global

T. de crec. per cápita

T. de crec. Global

T. de crec. per cápita

Agropecuario y pesca 11% 2% 0.3% 3% 1.3% 4% 2.3% Minería y electricidad 10% 6% 4.3% 10% 8.3% 14% 12.3% Manufactura 16% 2% 0.3% 3% 1.3% 4% 2.3% Construcción 5% 2% 0.3% 3% 1.3% 4% 2.3% Comercio 16% 2% 0.3% 3% 1.3% 4% 2.3% Servicios 43% 3% 0.9% 6% 3.0% 8% 4.9% Desempleo - 1.3% 3.3% 5.3% No PEA - 1.3% 3.3% 5.3% Menores de 14 años -

3%

1.3%

5%

3.3%

7%

5.3% Fuente: Encuesta Nacional de Hogares (ENAHO) 2002, Instituto de Estadística e Informática Elaboración: CIUP

22

Resultados

A efectos de mostrar las diferencias entre estas simulaciones y las del modelo agregado, nos vamos a concentrar en describir los casos de las líneas de pobreza nacionales extrema y total. Recordemos que, tal como se señala en el Cuadro No. 8, el objetivo es reducir la pobreza extrema a 11.5% en el 2015 de los niveles de 24% en los que se encontraba en el 2002. En el modelo macro con crecimiento sectorial neutral discutíamos que una tasa de crecimiento agregado neutral de 3% promedio anual hasta el 2015 era insuficiente para conseguir esta meta ya que se obtenía una incidencia de pobreza extrema de 18% en aquel año. Para arribar a la meta del milenio era necesario además conseguir una redistribución de 8.3% de los ingresos. Este modelo nos indica que la tarea es aún más difícil si el crecimiento ocurre de manera sesgada hacia sectores extractivos. Un crecimiento de 3% en tales condiciones sólo reduce la pobreza extrema hasta 19.6% y es necesaria una reducción del Gini de 10.6% para lograr la ODM. Si el crecimiento promedio anual de la economía fuera de 5% hasta el 2015 y fuera homogéneo entre sectores, se podría conseguir la meta del milenio sin necesidad de redistribución adicional de los recursos (la incidencia sería de 10.9%). En cambio, si el crecimiento de la economía promediara 5% pero fuera sesgado hacia los sectores extractivos, la incidencia de la pobreza extrema en el 2015 se situaría por encima del ODM (13.4% versus 11.5% de ODM) y se necesitaría una redistribución adicional de 2.0%. En el caso de la pobreza nacional total, recordemos que, tal como se señala en el Cuadro No. 8: Incidencias de la pobreza estimadas al 2015 con escenarios de crecimiento económico neutral y diferenciado , el objetivo es reducirla a 27.3% en el 2015 de los niveles de 54.5% actuales. En el modelo macro con crecimiento sectorial neutral estimábamos que aún una tasa de crecimiento agregado neutral de 5% promedio anual en los próximos doce años se quedaba corta para conseguir esta meta, ya que se obtenía una incidencia de pobreza total de 31.4% en el 2015. Para arribar a la meta del milenio era necesario además lograr una redistribución de 6% de los ingresos. El reto es todavía más exigente si el crecimiento ocurre de manera sesgada hacia sectores extractivos. Un crecimiento de 5% en tales condiciones sólo reduce la pobreza total hasta 36.1% y es necesaria una reducción del Gini de 9.6% para lograr la ODM. Por último, la esquina inferior derecha del Cuadro No. 8 muestra que en el caso altamente optimista de crecimiento económico sostenido de 7% anual en los próximos doce años, se lograría la meta del milenio tanto en un escenario de crecimiento neutral como con un sesgo hacia el crecimiento de los sectores extractivos. En ambos escenarios, la pobreza disminuiría por debajo de la meta del milenio de 27.3%.

23

Cuadro No. 8: Incidencias de la pobreza estimadas al 2015 con escenarios de crecimiento económico neutral y diferenciado6

Línea US$1 PPP Línea US$2 PPP Línea extrema INEI Línea crítica INEI

Pobreza

(%) Pobreza

(%) Pobreza

(%) Pobreza

(%) 1991 6.6 26.1 23.0 54.5 Escenario

Base 2002 4.1 21.5 24.0 54.4 Meta 2015 3.3

Variación del coef. de

Gini7 (%) 13.1


Gini (%) 11,5


Gini (%) 27.3


Gini (%)

Neutral 2.5 1.8 15.9 -4.0 18.0 -8.3 45.5 -26.8 3% Diferenciado 2.7 0.4 16.9 -5.7 19.6 -10.6 47.7 -38.6

Neutral 1.0 5.5 9.4 4.7 10.9 1.0 31.4 -6.0 5% Diferenciado 1.3 2.3 11.4 1.6 13.4 -2.0 36.1 -9.6

Neutral 0.4 8.5 5.1 11.4 5.9 8.0 20.3 9.6

Crecimiento al 2015

7% Diferenciado 0.6 3.6 7.1 6.1 8.6 3.2 26.3 4.8

Fuente: Encuesta Nacional de Hogares (ENAHO) 2002, Instituto de Estadística e Informática Elaboración: CIUP

Inversión adicional y costeo de la redistribución estimada

Finalmente, cabe hacer unos breves comentarios sobre los montos de recursos de inversión adicional y redistribución involucrados para alcanzar las metas de pobreza. En cuanto al crecimiento económico se refiere, se estima que los escenarios de crecimiento sostenido de 5% y 7% promedio anual implican esfuerzos de inversión total en la economía significativamente superiores al ratio de 21.3% de inversión total anual sobre PBI obtenido como promedio de los últimos diez años. Para alcanzar la meta del 5% de crecimiento sostenido por más de una década, la inversión promedio anual tendría que aumentar a 26% del PBI. Asimismo, para el caso de la meta de crecimiento del 7%, se necesitaría arribar a un ratio de inversión promedio anual de 32% del PBI8. En cuanto a los requerimientos de redistribución del ingreso para alcanzar las metas del milenio, el Cuadro No. 9 estima los montos promedio anuales y como porcentaje del PBI que se tienen que redistribuir en cada uno de los escenarios que necesitan de dicha política9. Por ejemplo, si la economía creciera a 3% promedio anual en los próximos 12 años, la reducción en el Gini requerida para cumplir con la meta de reducir la pobreza de 2 dólares PPA implica una redistribución de recursos directa de 0.48% a 0.68% del PBI (entre 354 y 505 millones de dólares anuales: dependiendo si el crecimiento ocurre de manera neutral o diferenciada). En el caso más extremo, si se crece en promedio al 3% anual y se quiere cumplir con la meta de reducción de la pobreza nacional crítica, los montos de recursos directamente redistribuidos ascenderían a entre 3.20% y 4.60% del PBI (entre dos mil cuatrocientos y tres mil cuatrocientos millones de dólares anuales). Aún en un escenario de crecimiento de 5% anual, los requerimientos de redistribución directa fluctúan entre 0.63 y 1.00% del PBI (entre 532 y 851 millones de dólares anuales).

6 Las incidencias por sectores económicos para todos los escenarios de crecimiento diferenciados aparecen en el Anexo 1. 7 En todos los casos se refiere a la variación porcentual en el coeficiente de Gini necesaria para conseguir exactamente la meta del milenio, dado el escenario de crecimiento económico supuesto. 8 Estimaciones del área de investigación macroeconómica del CIUP. 9 Los estimados de redistribución siguen la fórmula específica de redistribución del modelo CEPAL/IPEA/PNUD (2003).

24

Cuadro No. 9: Costos de la Redistribución (en US$ millones y como %PBI)

Tipo de crecimiento Línea US$ 2

PPP Pobreza Extrema Pobreza Crítica

Variación necesaria en el Gini (%) -4.0 -8.3 -26.8 US$ 354 735 2,374 Monto a redistribuir

%PBI 0.48 0.99 3.20

Con 20% gastos adm. 443 919 2,968 % PBI 0.60 1.24 3.99

Con 50% gastos adm 709 1,471 4,749

Neutral

Costo total (US$)

% PBI 0.95 1.98 6.39 Variación necesaria en el Gini (%) -5.7 -10.6 -38.6

US$ 505 939 3,420 Monto a redistribuir

%PBI 0.68 1.26 4.60 Con 20% gastos adm. 631 1,174 4,275

% PBI 0.85 1.58 5.75 Con 50% gastos adm 1,010 1,878 6,840

3%

Diferenciado

Costo total (US$)

% PBI 1.36 2.53 9.21 Variación necesaria en el Gini (%) 4.7 1.0 -6.0

US$ 532 Monto a redistribuir

%PBI 0.63 Con 20% gastos adm. 665

% PBI 0.78 Con 50% gastos adm 1,063

Neutral

Costo total (US$)

% PBI

-

1.25 Variación necesaria en el Gini (%) 1.6 -2.0 -9.6

US$ 177 851 Monto a redistribuir

%PBI 0.21 1.00 Con 20% gastos adm. 222 1,063

% PBI 0.26 1.25 Con 50% gastos adm 354 1,701

5%

Diferenciado

Costo total (US$)

% PBI

-

0.42 2.00 Fuente: Encuesta Nacional de Hogares (ENAHO) 2002, Instituto Nacional de Estadística e Informática Elaboración: CIUP

Es más, los costos totales de programas asociados a estos esquemas redistributivos tendrían que incluir gastos administrativos indispensables. Se han considerado dos casos ilustrativos de cómo se incrementan los costos totales por estas partidas. En un escenario pasivo actual, las autoridades oficiales reconocen que, como mínimo, por cada sol de gasto que llega a la población pobre beneficiaria, se incurre en gastos administrativos y de filtración de un sol adicional. En tal caso el multiplicador es de 2 y por tanto, todos los costos totales se duplican, tal como se aprecia en el propio Cuadro No. 9. Por otro lado, en un escenario de eficiencia a la par de los mejores programas internacionales de transferencias de recursos, se pueden suponer costos administrativos y de filtración de 20%. En tal caso, el multiplicador sería de 1.25.

Capítulo

2

ODM 2 Y 3: EDUCACIÓN PRIMARIA UNIVERSAL Y PROMOCIÓN DE LA IGUALDAD DE GÉNERO Meta 3: Velar por que, para el año 2015, los niños y niñas de todo el mundo puedan terminar un ciclo completo de enseñanza primaria

Meta 4: Eliminar las desigualdades entre los géneros en la enseñanza primaria y secundaria, preferiblemente para el año 2005, y en todos los niveles de la enseñanza antes del fin del año 2015

Línea de Base y Situación Actual

El ODM 210 está relacionado con la meta No. 311. Para el cumplimiento de ésta, se presenta tres indicadores, el 612, 713 y 814. El periodo de análisis comprende desde el año 1991, como línea de base, hasta el año 2002 que constituirá la situación reciente. Como vemos en el Cuadro No. 1, tanto el indicador No. 6 como el No. 8 se han reducido en 1.16% y 1.60%, respectivamente. Ambos indicadores muestran que las metas están siendo cumplidas en su totalidad. Sin embargo, existe un problema importante y es que el indicador No. 6 se analiza de forma global en el Perú y no se realiza, por ejemplo, dentro de un estrato de ingresos. Para ello, se plantea una alternativa a este indicador de tal forma que podamos verificar la situación real de los pobres con respecto a la educación primaria. Esta sería la tasa de matrícula en la edad normativa para el grado en la enseñanza primaria.

En el caso del indicador No. 7, éste ha aumentado aproximadamente en 58% en el periodo de análisis. Del mismo modo planteamos una alternativa al indicador de tal manera que nos permita conocer la veracidad del mismo pero en un nivel más desagregado. Éste sería medido como el porcentaje de niños que concluyen primaria con la edad normativa para el nivel15.

10 Objetivo del Milenio No. 2: Lograr la enseñanza de la primaria universal. 11 Meta No. 3: Velar por que, para el niño 2015, los niños y niñas puedan terminar un ciclo completo de enseñanza primaria. 12 Indicador No. 6: Tasa de matrícula neta en la enseñanza primaria. 13 Indicador No 7: Porcentaje de los estudiantes que comienzan el primer grado y llegan al quinto grado. 14 Indicador No 8: Tasa de alfabetización de las personas de edades comprendidas entre los 15 y 24 años. 15 Indicador 7b, en adelante.

26

Cuadro No. 10: Indicadores del ODM 2

Línea de Base (1991) 1994 1997 2001

Situación reciente (2002)

Indicador No. 6: Tasa de la matrícula neta en la enseñanza primaria

90.57% 86.86% 86.37% 91.11% 89.52%

Indicador No. 7: Porcentaje de los estudiantes que comienzan el primer grado y llegan al quinto grado*

22.07% 19.41% 25.83% 28.19% 34.86%

Indicador No 8: Tasa de alfabetización de las personas de 15 a 24 años

98.22% 97.87% 96.33% 97.08% 96.64%

Fuente: ENNIV 1991/1994. ENAHO 1997/2001/2002 IV Trimestre Elaboración: INEI (*) El indicador establecido por el INEI es la tasa de conclusión neta primaria que para fines del trabajo se utiliza el nombre del indicador No. 7.

El ODM 316 está relacionado con la meta No. 417. De la misma forma que el ODM 2, se cuenta con tres indicadores, el 9, 1018 y 1119 para verificar el cumplimiento de la meta respectiva. El Indicador 9 comprende 3 ratios que se encuentran especificados en los Cuadros No. 2, 3 y 4 según el nivel de educación pues cada uno de ellos mide la relación entre el número de niñas y el de niños. En el caso del ratio de educación primaria, solo faltaría un 0.14 puntos porcentuales para que la meta se cumpla y en el caso de educación superior, la meta ya se logró desde el año 1997 y se ha mantenido vigente hasta el año 2002. Sin embargo, la tarea es mayor en la educación secundaria en tanto se precisa un aumento de 9.72 puntos porcentuales en el ratio para el logro de la meta. En general, el indicador 9 nos presenta un panorama con acceso universal de los niños y niñas a los diferentes niveles de educación. De todas formas, para generar un indicador con mayor precisión se propone tres alternativas a estos ratios20 de tal manera que tomen en cuenta el grado que cursan las niñas y niños en el nivel respectivo y la edad normativa correspondiente. Como vemos en el Cuadro No. 14, el indicador 10 se ha reducido en 3.45%, es decir la tasa de alfabetización de los hombres ha aumentado con respecto a la de mujeres. Cabe destacar, que en el año 1997 la tasa de ambos era 1 a 1 lo que implicaba que ambos grupos eran alfabetizados en igual proporción. Finalmente, en el cuadro No. 6, el indicador 11 presenta un aumento de 2.20% en el periodo de análisis donde las mujeres tienden a ser el 50% de los empleados remunerados en el sector no agrícola.

Cuadro No. 11: Relación entre niños y niñas en la educación primaria, secundaria y superior (Perú 1991 y 1994)

Línea Base (1991) 1994

Primaria Secundaria Superior Total Primaria Secundaria Superior Total Total 98.54% 94.47% 77.73% 94.37% 102.40% 99.05% 92.17% 99.85% Fuente: ENNIV 1991/1994 Elaboración: INEI

16 Objetivo del Milenio No. 3: Promover la igualdad entre los sexos y la autonomía de la mujer. 17 Meta No. 4: Eliminar las desigualdades entre los géneros en la enseñanza primaria y secundaria, preferiblemente para el año 2005, y en todos los niveles de enseñanza antes del fin del año 2015. 18 Relación entre las tasas de alfabetización de las mujeres y los hombres de edades comprendidas entre los 15 y 24 años. 19 Proporción de mujeres entre los empleados remunerados en el sector no agrícola. 20 Estos ratios se denominan R9a, R9b y R9c, en adelante.

27

Cuadro No. 12: Relación entre niños y niñas en la educación primaria, secundaria y superior (Perú 1997)

1997

Primaria Secundaria Superior Total Total 97.16% 100.56% 110.44% 100.08%

Fuente: ENAHO 1997 IV Trimestre Elaboración: INEI

Cuadro No. 13: Relación entre niños y niñas en la educación primaria, secundaria y superior

(Perú 2001-2002)

2001 Situación reciente (2002) Primaria Secundaria Superior Total Primaria Secundaria Superior Total

Total 98.19% 91.67% 94.09% 95.45% 99.86% 90.28% 101.90% 96.71% Fuente: ENAHO 2001/2002 IV Trimestre Elaboración: INEI

Cuadro No. 14: Relación entre las tasas de alfabetización de las mujeres y los hombres de 15 a

24 años (1991, 1994, 1997, 2001 y 2002)

Línea base (1991) 1994 1997 2001

Situación reciente (2002)

Indicador No. 10: Relación entre las tasa de alfabetización de las mujeres y los hombres de edades comprendidas entre los 15 y 24 años

0.9860 0.9854 1.0293 0.954 0.952

Fuente: ENNIV 1991/1994. ENAHO 1997/2001/2002 IV Trimestre Elaboración: INEI

Cuadro No. 15: Proporción de mujeres entre los empleados remunerados en el sector no

agrícola (1991, 1994, 2001 y 2002)

Línea base (1991) 1994 2001 Situación

reciente (2002)Indicador No. 11: Proporción de mujeres entre los empleados remunerados en el sector no agrícola

41.29% 39.36% 42.65% 42.20%

Fuente: ENNIV 1991/1994. ENAHO 2001/2002 IV Trimestre Elaboración INEI

Se estimó conveniente diseñar los modelos vinculados con los indicadores de los ODM 2 y 3 de forma simultánea, puesto que éstos se interrelacionan entre sí. En particular, 4 de los 5 indicadores de promoción de la igualdad de género tienen que ver con los logros educativos de niños y niñas.

Los 8 indicadores vinculados con estos dos ODM se derivan a partir de los siguientes modelos:

1) Modelo de alfabetización.

2) Modelos de atraso escolar:

3) Modelo de atraso escolar en primaria.

4) Modelo de atraso escolar en secundaria.

28

5) Modelo de éxito de acabar la primaria.

6) Modelo de educación superior.

7) Modelo de empleo en el sector no agrícola remunerado.

MODELO DE ALFABETIZACIÓN (INDICADORES 8 y 10)

Indicadores

1) Indicador No. 8: Tasa de alfabetización de las personas de edades entre los 15 y los 24 años. Es decir, la proporción de personas entre 15 y 24 años de edad que saben leer y escribir.

2) Indicador No. 10: Relación entre las tasas de alfabetización de las mujeres y hombres de edades comprendidas entre los 15 y los 24 años (literacy gender parity index). Es decir, la tasa de alfabetización de mujeres entre 15 y 24 años de edad entre la tasa de alfabetización de hombres entre 15 y 24 años de edad.

Sobre el analfabetismo

Una persona es considerada analfabeta si reporta no saber leer ni escribir, dato que se extrae de la respuesta a la pregunta incluida en el cuestionario de las ENAHO. Lamentablemente, el número de valores omitidos en la respuesta a estas preguntas es elevado y merma parte importante de la muestra de análisis. Por ello, siguiendo la sugerencia del PNUD al definir los ODM, se considera que una persona de entre 15 y 24 años es analfabeta si no ha completado la primaria21.

El Enfoque

Para personas entre 15 y 24 años, el no haber atendido a primaria es el resultado de una serie de factores y decisiones en la etapa pre-adulta (o en todo caso sobre el pasado) de estas personas. Idealmente, en el contexto de datos de panel, podrían identificarse las características sociodemográficas y económicas de cierto individuo, mientras éste tenía la edad de cursar primaria, y utilizarlas para explicar su situación presente.

Si bien las encuestas ENAHO constituyen una rica fuente de datos, las características de panel necesarias para desarrollar a plenitud tal enfoque son inexistentes. De hecho, las variables usuales en estudios socio-económicos, como el ingreso observado del individuo, resultan absolutamente inapropiadas, ya que más que factores explicativos del analfabetismo de un adulto se tratan de consecuencias del mismo.

Sin embargo este problema se puede resolver, en parte, al obtener información sobre variables que se vinculen con el pasado del individuo o con características permanentes del mismo. Por tanto, el enfoque adoptado consiste en explicar la probabilidad de ser analfabeto a partir de estos determinantes �del pasado� o �permanentes�.

Variables �del pasado� o �permanentes� del individuo

Además del sexo, la edad y el Dominio geográfico (urbano o rural), tras analizar la información de las encuestas ENAHO se pudo obtener las siguientes variables explicativas:

Educación del padre

La variable fue construida de la siguiente forma:

21 Véase PNUD, Indicators for Monitoring the Millennium Development Goals: Definitions, Rationale, Concepts and Sources, p. 28.

29

# En ENAHO al jefe de hogar y cónyuge se le pide que reporte directamente el nivel de educativo de su padre.

# Si el individuo no es jefe de hogar ni cónyuge, se le imputa el nivel educativo del jefe de hogar si éste es hombre y del cónyuge si éste es mujer. Ciertamente, no siempre el jefe de hogar será el �Padre� pero es la mejor aproximación disponible.

Educación de la madre

La variable fue construida de la siguiente manera:

# Al jefe de hogar y cónyuge se le pide que reporte directamente el nivel educativo de su madre.

# Si el individuo no es jefe de hogar, se le imputa el nivel educativo del jefe de hogar si éste es mujer y del cónyuge si éste es hombre.

Distrito de origen

Al encuestado se le pregunta su distrito de nacimiento y el INEI ha asignado los respectivos códigos de ubicación geográfica. Con ello, es posible determinar si el individuo es migrante o, más importante, si proviene de zonas pobres. De hecho, la elasticidad ingreso del analfabetismo22 (parámetro importante en las simulaciones) no se calcula utilizando la variable el ingreso del hogar (el cual es, como se dijo, consecuencia del analfabetismo y no una causa) sino el ingreso medio del distrito de origen.

Etnia y enfermedades crónicas

La ENAHO 2001 posee un módulo bastante completo sobre la condición étnica del encuestado, inexistente en la ENAHO 2002. Asimismo, en la ENAHO 2002 se le pregunta al individuo si padece de alguna enfermedad crónica, tema que no se aborda en la ENAHO 2001.

Para contar con información tanto de la etnia como del estado de salud crónico se pasó a:

• Calcular indicadores de etnia (origen quechua o no, idioma aprendido) con información de ENAHO 2001,

• Calcular promedios distritales e imputarlos a los individuos de ENAHO 2002, a través del distrito donde reportaron haber nacido.

Resumen de Resultados

# Se estimó un modelo de analfabetización utilizando la variable de idioma descrita y uno que la obvia (puesto que se pierden cerca de 1000 observaciones en el proceso). Los resultados son muy sólidos y robustos a la especificación.

# El grado de ajuste de los modelos es bastante aceptable, considerando que sólo se busca explicar el analfabetismo con un conjunto restringido de información (fundamentalmente, el pasado del individuo).

# Los signos de los coeficientes estimados corresponden a lo esperado. El resultado más sorprendente y revelador tiene que ver con un patrón alarmante: transmisión intergeneracional del analfabetismo. Es decir, una de las variables explicativas más importantes que explican el analfabetismo de los pobres es si el padre o la madre fue analfabeto (a).

22 Recuérdese que se mide como la relación entre el cambio porcentual del nivel de analfabetismo ante el cambio porcentual del nivel de ingresos.

30

# Un resultado sumamente interesante es que esta transmisión intergeneracional del analfabetismo tiene diferencias marcadas por género. Así puede decirse que para los hombres analfabetos el factor relevante es si el padre fue analfabeto mientras que el tener una madre analfabeta incide en la probabilidad que una mujer sea analfabeta23.

Variables de política y consideraciones para las simulaciones

# A partir de los resultados se podrían considerar tres ingredientes importantes en una política educativa que busque la reducción del analfabetismo de los pobres.

# En primer lugar, en el cortísimo plazo se vería conveniente reforzar presupuestal y operativamente el programa de alfabetización24 iniciando esfuerzos con padres de familias residentes en distritos pobres que tengan hijos en edad escolar.

# En segundo lugar, en el corto plazo centrarse en jóvenes adolescentes para insertarlos en sub-programas de educación para la vida. Un sub-programa que incluya no sólo capacitación para la generación de ingresos sino también instrucción para el mejor uso de los servicios de salud, educación y nutrición.

# En tercer lugar y pensando en el mediano plazo la política a seguir es �educar hoy� para mejorar los indicadores de analfabetismo en el futuro, una vez que quienes cursan la escuela en la actualidad sean padres. Nótese que esta política no excluye en absoluto los intentos y esfuerzos de programas de alfabetización que buscan lidiar con el analfabetismo de manera más directa.

MODELOS DE ATRASO ESCOLAR

Indicadores

1) Indicador No. 6: Tasa de matrícula neta en la enseñanza primaria (net primary enrollment ratio). El indicador se define como el número de niños que cursan estudios primarios entre el total de niños en edad de cursar estudios primarios (entre 6 y 11 años).

2) Indicador No. 7b: Proporción de estudiantes que inician el primer grado y terminan el sexto grado de primaria (survival rate to grade 6).

3) Indicadores No. 9a y 9b: Razón niñas a niños en la educación primaria y secundaria.

Indicadores alternativos

El acceso a la educación primaria en el Perú es casi universal y muy elevado en el caso de la educación secundaria. En consecuencia, resultaría innecesario implementar la construcción de los indicadores listados. De hecho, la evidencia que muestra la ENAHO 2002 sugiere que cerca de 99% de niños en edad de asistir a primaria lo hacen mientras que menos del 10% de las personas entre 6 y 17 años no asisten a la escuela. Así pues, tal y como se han planteado algunos de estos indicadores (de manera muy general) ya ha sido cumplida gran parte de los ODM 2 y 3. Por ejemplo, la tasa neta de matrícula de primaria y la tasa de supervivencia de la primaria son próximas a 100% cada una.

23 La sustentación numérica de la afirmación es la siguiente. Para los hombres, en el modelo sin la variable de idioma el coeficiente asociado con el analfabetismo del padre de 0.8685 mientras que el asociado con una madre analfabeta es cero (no significativo). En el caso de mujeres, el coeficiente de la variable �padre analfabeto� es 0.8685 � 0.7846 = 0.0840 mientras que el de la variable �madre analfabeta� es 0 + 2.3507 = 2.3507. 24 Lamentablemente, la información de ENAHO no fue suficiente para determinar si los individuos del modelo tienen o tuvieron acceso a un programa de esta naturaleza.

31

Por estas razones se precisa afinar los indicadores y hacerlos más exigentes con el objetivo de que el análisis enriquezca la gama de opciones de intervención. En particular, los mismos indicadores se construyen sobre la base de cocientes cuyos denominadores sean personas con ciertas características que cursaban la escuela en edad normativa. De este modo, los indicadores que se analizan son:

1) Indicador No. 6: Tasa de matrícula neta en la enseñanza primaria sin atraso escolar. El indicador se define como el número de niños que cursan estudios primarios en edad normativa entre el total de niños en edad de cursar estudios primarios (entre 6 y 11 años).

2) Indicador No. 7b: Proporción de niños que terminan la primaria sin atrasos. Es decir, la probabilidad de terminar primaria en edad normativa con todo éxito. Conceptualmente, la mencionada tasa de superviviencia a la primaria se basa en el desempeño de una cohorte. La mejor aproximación disponible en la ENAHO 2002 implica trabajar con una cohorte ficticia donde se identifica la proporción de niños de 12 años de edad (la edad de inicio de la secundaria) que hayan concluido la primaria.

3) Indicadores No. 9a y 9b: Razón niñas a niños que cursan algún grado de primaria o secundaria en edad normativa.

Resumen de Resultados

Modelo de atraso en primaria25

# Indicadores sobre la estructura del hogar tienen efectos significativos sobre la probabilidad de atrasarse en la primaria. En particular, el hecho de que algún hermano o hermana26 del individuo esté cursando la primaria tiene un efecto positivo sobre la probabilidad de atraso escolar: es más probable el atraso, cuanto más niños/niñas cursen primaria dentro de un hogar, posiblemente por una suerte de efecto sustitución en los recursos asignados a la educación de los niños o niñas del hogar (no sólo económicos sino también factores como dedicación y tiempo para la tutoría).

# Las características de la vivienda son importantes. Se encontró que el residir en una vivienda equipada con electricidad y desagüe (proxies de la riqueza del hogar) afecta negativamente a la probabilidad de atraso. Ciertamente el contar con estos servicios básicos es una consecuencia del ingreso permanente del hogar y, a su vez, sustento para poder solventar otros gastos de la canasta básica como educación.

# Las características del jefe del hogar más relevantes como factores explicativos fueron si éste es mujer (afecta positivamente la probabilidad de atraso) y si es analfabeto, en concordancia con el fenómeno hallado en los modelos de alfabetización (la transmisión intergeneracional del analfabetismo por género).

# Por otro lado, se halló que un niño que vive en un hogar pobre tiene una probabilidad mayor de atrasarse en primaria que un niño en un hogar no pobre.

25 Ver las dos primeras columnas del cuadro al final de esta sección 26 Entiéndase a �hermano� o �hermana� a un niño o niña que vive en el mismo hogar del individuo analizado, sin necesidad de guardar lazos de parentesco con éste.

32

# El ingreso del hogar resultó ser un factor explicativo importante27.

# Uno de los factores más importante es el gasto complementario en educación (GCE, donde se contabiliza el gasto en textos, uniformes y otros rubros que no sean la pensión escolar ni la movilidad), que reduce la probabilidad de atraso (la elasticidad de esta variable es mayor que la elasticidad ingreso). En las simulaciones el gasto complementario en educación es una variable sujeta a política.

Modelo de atraso en secundaria28

# En general, las variables relevantes son las mismas que halladas para los modelos de atraso en primaria.

# Sin embargo es bueno resaltar que el gasto complementario en educación (GCE) tiene un efecto ligeramente mayor en niñas que en niños.

Modelo de éxito de acabar la primaria29

Este modelo alude al indicador 7, la tasa de supervivencia de la primaria. El modelo explica la probabilidad de tener 12 años y encontrarse en primero de secundaria, lo que indica que el individuo terminó satisfactoriamente la primaria. Al observar la matriz de resultados de la ENAHO anteriormente presentada se desea explicar los factores del éxito alcanzado por 226,168 individuos. Nótese que en este caso el criterio horizontal es el relevante, puesto que el criterio vertical incluiría individuos de distintas edades (�cohortes�) que cursan el primer año de secundaria.

Los resultados constituyen una suerte de resumen de algunos efectos vislumbrados en los modelos previos. La estimación resultante es sumamente parsimoniosa y el ajuste es bastante bueno.

# La estructura del hogar tiene efectos significativos sobre la probabilidad de culminar la primaria con éxito. En particular la presencia de algún hermano o hermana tienen un efecto negativo. Estos efectos son diferenciados, existiendo una asociación de género interesante: el número de hermanos es relevante en la probabilidad de éxito de los niños y el número de hermanas es el indicador relevante para las niñas.

# El ingreso y el gasto complementario en educación (GCE) son variables muy útiles en predecir este indicador. Este hecho se explota en las simulaciones.

Variables de política y simulaciones

La dinámica detrás de los modelos de educación promete ser interesante. En primer lugar, los resultados permiten alimentar los indicadores de salud y de empleo en el sector no agrícola. En segundo lugar, el desempeño de los estudiantes y de las políticas que afectan las tasas de atraso o deserción en el presente, tendrán impacto sobre estos mismos indicadores (y de otros módulos) en el futuro, dado el patrón de transmisión

27 Las propuestas teóricas sobre logros educativos sostiene que el ingreso permanente es un determinante fundamental en este tipo de modelos. Ciertamente, el ingreso observado es una medida imperfecta de este concepto y típicamente se incluyen proxies de riqueza (como las consideradas a través del equipamiento de la vivienda) como variables explicativas para lidiar con este problema. Éstas son las catalogadas como características de la vivienda. Además de estas variables, se decidió incluir la variable de ingreso porque un criterio en la estimación de cada modelo fue el de favorecer a variables que varíen en la simulación y que sean sujetas a choques agregados, por sobre otras variables cuya evolución es difícil de simular. Así, el contar con una elasticidad ingreso en cada modelo proveía de un vínculo importante entre el indicador ODM y la evolución macroeconómica de la economía. En resumen, la inclusión de la variable ingreso responde a la necesidad de obtener una respuesta de los indicadores educativos ante los diversos escenarios de crecimiento económico en las simulaciones. 28 Ver la tercera columna del cuadro al final de esta sección. 29 Ver la última columna del cuadro al final de esta sección.

33

intergeneracional de logros educativos encontrados robustamente en la ENAHO 2002-IV Trimestre. Este patrón es descrito en los modelos de alfabetización y atraso escolar.

En términos generales, los ODM 2 y 3 vinculados con los modelos de educación son afectados por tres factores no sujetos de manera directa a política educativa. Éstos son:

# El crecimiento económico;

# La composición familiar, en particular el número de miembros (hermanos y/o hermanas) del hogar que cursa primaria o secundaria, y

# Características vinculadas con el equipamiento de la vivienda.

Los ODM de educación responden endógenamente a los factores listados que son sujetos a política, pero vinculadas con otro ODM. Por ejemplo, se encontró que el contar con el servicio de desagüe era un factor que incrementaba la probabilidad de éxito educativo. Ciertamente, alguna política pública que busque mejorar el suministro de este servicio, lo hará considerando ciertos criterios de salubridad. No obstante, se puede también afirmar que, indirectamente, se contribuye a mejorar los logros educativos de los miembros de las familias pobres.

Sin embargo, como se ha visto, fue posible identificar una variable sujeta a simulaciones de política que se denominó gasto complementario en educación (GCE). Conviene describir brevemente esta variable:

# Se trata de los gastos por individuo en los que se incurren por conceptos educativos distintos y complementarios a los de la pensión escolar y la movilidad. Una característica interesante de estos gastos es que se dan usualmente una sola vez al año. Los gastos complementarios identificados en la encuesta ENAHO 2002-IV Trimestre corresponden a:

# Uniformes escolares

# Calzado

# Libros y textos

# Útiles

# Matrícula

# APAFA (Cuota para la Asociación de Padres de Familia)

# Otros gastos menores

# El GCE corresponde a la suma de los gastos arriba listados. No obstante, existe una diferencia clave en el origen del GCE, de acuerdo con la situación de pobreza de cada hogar. En particular, fue calculado de la siguiente manera:

# Para los hogares no pobres, el GCE es un gasto privado,

# Para los hogares pobres el GCE no es un desembolso (no proviene del ingreso de las familias) sino que es la valoración reportada por el jefe de hogar (o por otro informante calificado) de donaciones, bienes y servicios públicos provistos por programas sociales del Estado.

El GCE promedio de toda la muestra (de individuos) es la suma ponderada entre los GCE de hogares pobres y no pobres

34

Pobre Pobre Pobre No pobreGCE a GCE (1 a )GCE= + − donde aPobre es el porcentaje de individuos provenientes de hogares pobres y 1 − aPobre es el porcentaje de individuos provenientes de hogares no pobres.

Considerando lo anterior, la variable de política de los modelos de educación es GCEPobre. Ésta presenta dos ventajas, bastante convenientes para las simulaciones:

# Es una variable focalizada en hogares que por definición son beneficiarios o parte de la población objetivo de la política social.

# Está expresada en nuevos soles, lo que la hace fácilmente interpretable como una transferencia en efectivo del Estado30 a los hogares pobres31.

El siguiente cuadro muestra los cálculos del GCE de acuerdo con información de ENAHO 2002, para las muestras de los distintos modelos de educación, según la situación de pobreza del hogar así como el género del individuo en cuestión:

Cuadro No. 16: Gasto complementario en educación (GCE), por nivel de pobreza del hogar

Todos en edad escolar Atraso en primaria Atraso en secundaria Tasa de supervivencia Frecuencia Media Frecuencia Media Frecuencia Media Frecuencia Media No pobre 2,671,739 73.0 1,243,012 75.1 1,428,727 71.2 234,415 85.6

Hombre 1,383,930 77.2 646,847 80.4 737,083 74.5 120,526 102.7

Mujer 1,287,809 68.4 596,165 69.3 691,644 67.7 113,889 67.4

Pobre 4,934,867 26.4 2,630,769 25.5 2,304,098 27.5 426,798 29.6

Hombre 2,460,891 26.9 1,301,667 25.8 1,159,224 28.1 212,625 29.7

Mujer 2,473,976 25.9 1,329,102 25.1 1,144,874 26.9 214,173 29.5

Total 7,606,606 42.8 3,873,780 41.4 3,732,826 44.2 661,213 49.5

Hombre 3,844,821 45.0 1,948,514 43.9 1,896,307 46.1 333,151 56.1

Mujer 3,761,785 40.5 1,925,266 38.8 1,836,519 42.2 328,062 42.7 Fuente: Encuesta Nacional de Hogares (2002), Instituto Nacional de Estadística e Informática Elaboración: CIUP

Si bien el cuadro muestra los �puntos de partida� (la situación inicial) para las simulaciones, por motivos expositivos, nos centraremos en las cifras de los individuos en edad escolar (las dos primeras columnas). Se observa que:

# El GCE promedio de hogares no pobres es de 73.0 nuevos soles, siendo el GCE promedio en hogares pobres cerca de la tercera parte: 26.4 nuevos soles.

# En el año 2002, aPobre (es decir, el porcentaje de individuos provenientes de hogares pobres) = 4 934 867 ÷ 7 606 606 = 65%.

Asimismo, en el siguiente cuadro se muestra el detalle de la construcción del GCE y su importancia del GCE (para hogares pobres)32

30 Es bueno notar, sin embargo, que el GCE en familias pobres no sólo responde a subsidios de la política social. Existen ciertos rubros provenientes de donaciones del sector privado, asociaciones sin fines de lucro (ONG) y de la Iglesia. Sin embargo, el grueso del GCE proviene de programas sociales. Por motivos simplificadores, se asume que el costo de la totalidad de estas transferencias los asumirá el Estado. 31 Un supuesto importante detrás de esta interrelación es que los costos administrativos son bajos o que las transferencias realizadas por el Estado efectivamente llegan a los beneficiarios finales. 32 Las cifras son promedios, calculados sobre todos los individuos en edad escolar. Ello garantiza la consistencia de los parámetros estimados con los valores de las simulaciones.

35

Cuadro No. 17: Componentes del gasto complementario en educación (GCE) , por nivel de

pobreza del hogar, Perú: 2002.

Hogares No Pobres Hogares Pobres Uniformes 8.9 5.1

Calzado 6.2 4.1

Libros y texto 8.5 2.2

Útiles 16.3 8.5

Matrícula 19.2 2.0

APAFA 2.3 1.7

Otros 11.5 2.9

Gasto complementario 73.0 26.4

Pensión 70.8 2.7

Movilidad 2.6 0.1

Gasto total 146.4 29.2

Complementario/Total(%) 49.9 90.4 Fuente: Encuesta Nacional de Hogares (2002), Instituto Nacional de Estadística e Informática Elaboración: CIUP

Al respecto, surgen dos observaciones de importancia:

# El 90% del gasto en educación de los hogares pobres corresponde al GCE. Esto reafirma su potencial uso como variable de política orientada a mejorar los indicadores ODM de educación (y, dentro del modelo integrado, afectar al resto de ODMs).

# Para hogares pobres, los cuatro primeros rubros (uniformes, calzado, libros y textos y útiles escolares) equivalen a más del 75% del GCE. Dada la naturaleza de estos productos, se justifica la interpretación de transferencia que se le da al GCE.

En el escenario base el GCE crece de acuerdo con la regla:

# GCENo Pobre y GCEPobre evolucionan al mismo ritmo que la economía. Es decir, crecen a la misma tasa que el gasto promedio de los hogares33.

En el escenario activo el GCE crece de acuerdo con la regla:

# GCENo Pobre crece a la misma tasa que el gasto promedio de los hogares.

# GCEPobre crece a la misma tasa que el gasto promedio de los hogares más un choque de política (que varía de acuerdo con los supuestos de crecimiento económico y redistribución de la riqueza).

# Sobre la base de los resultados encontrados se podrían esbozar algunos perfiles de ideas de intervención pública:

# La administración de programas sociales merece mejorar su desempeño administrativo con la finalidad de hacer más efectiva la política social que coadyuve a logros educativos, por ejemplo. Si bien aquí no corresponde el análisis de los niveles de eficiencia y eficacia de este tipo de programas, los resultados plantean la posibilidad de explorar cambios en la entrega de estas transferencias. El principal y más radical significaría la entrega de recursos financieros antes que bienes tangibles y

33 Es decir, su asume una elasticidad ingreso del GCE igual a uno. Este supuesto puede ser cuestionado y fácilmente cambiado en las simulaciones.

36

servicios a la población pobre. De esta manera, la entrega de efectivo sustituiría la provisión de productos que son parte del Gasto Complementario en educación. Ciertamente quedaría pendiente una evaluación comparativa de la administración de ambas intervenciones, en efectivo y en productos.

# La inversión en infraestructura adquiere una importancia adicional al haber encontrado su relevancia en los logros educativos, sobre todo, derivados a partir de lo que para una familia pobre significa riqueza: electricidad y desagüe. Aún más, ésta última variable es crítica para enlazar objetivos de sanidad, salud y nutrición. La rentabilidad de invertir en redes de desagüe por tanto superior a lo que la intuición nos lo planteaba.

MODELO DE EDUCACIÓN SUPERIOR

Indicador

1) Indicador 9c: Razón mujeres a hombres cursando educación superior.

Resumen de resultados

# Si una persona pertenece a un hogar pobre, la probabilidad de cursar algún estudio superior se reduce sensiblemente. Por el contrario indicadores de riqueza medidos a través del equipamiento de la vivienda afectan positivamente esta probabilidad.

# Un resultado notable tiene que ver con el tamaño del hogar. En particular, la presencia en el hogar de niños cursando la primaria merma la probabilidad de seguir estudios superiores.

# El efecto diferenciado por género más relevante tiene que ver con la tasa de dependencia económica34. Éste es un indicador de la carga familiar y es igual al número de personas en el hogar que deben ser mantenidas por cada persona que trabaja. Es de esperar que esta variable afecte negativamente a la probabilidad de cursar estudios superiores, hecho que ocurre en el caso de las mujeres.

Consideraciones para las simulaciones

Finalmente, un resultado útil para las simulaciones es que el ingreso impacta positivamente a la variable dependiente. Es bueno notar que la variable ingreso utilizada es el ingreso promedio del distrito y no el ingreso de la persona o del hogar. Ello se hace para evitar los problemas (estadísticos) asociados a la presunta doble causalidad entre el ingreso y el hecho de cursar o haber cursado estudios superiores.

MODELO DE EMPLEO EN EL SECTOR NO AGRÍCOLA REMUNERADO (Indicador 11)

Indicador

1) Indicador No. 11: Razón mujeres a hombres trabajando en el sector no agrícola remunerado.

34 El coeficiente que acompaña a la tasa de dependencia económica para el caso de los hombres es cero mientras que para las mujeres asciende a -0.5683.

37

Resumen de resultados

Los resultados más saltantes tienen que ver con el efecto de ciertos logros educativos en la probabilidad de ser empleado en el sector de interés. En este punto se encontraron efectos diferenciados según género. Ello establece un vínculo con los modelos previos y, por tanto, con las políticas derivada de ellos.

La consecución de la primaria incrementa la probabilidad de éxito, siendo el efecto en mujeres casi el doble del efecto de hombres (0.0667 + 0.0402 = 0.1068 versus 0.0667). Por su parte, si el individuo también termina la secundaria verá incrementada su probabilidad de éxito (el efecto marginal de terminar la secundaria por sobre la primaria es muy similar en el caso de hombres y mujeres). Finalmente, cursar estudios superiores incrementa sensiblemente la probabilidad de éxito.

Simulaciones y Costeo: Los ODMs 2 y 3 al 2015.

Sobre la base de los Cuadros 19 y 20 se pueden plantear orientaciones básicas para las decisiones de política pública: # En escenarios de crecimiento sin redistribución se pueden distinguir claramente dos

rutas. Por un lado, si se crece a un ritmo modesto de 3% se requerirá, al cabo de 11 años, US$ 99.6 millones (un flujo anual cercano a US$ 9 millones) adicionales a lo que el Estado invierte en forma de transferencias en especie, bajo el rubro de Gasto Complementario en Educación (GCE) para alcanzar los ODM 2 y 3 al 2015. Por otro lado, si se presentara ritmos de crecimiento más optimistas como del 5% y 7% se vería innecesario una política adicional o gastos adicionales para lograr los ODMs 2 y 3. Esta situación será posible si y sólo si las familias son lo suficientemente racionales como para traducir todo incremento de sus ingresos, producto del crecimiento, en aumentos del gasto complementario en educación.

# En escenarios de crecimiento con redistribución resulta innecesario destinar recursos financieros en forma de programas monetarios o no-monetarios que cubran los gastos complementarios de educación de la población objetivo a fin de alcanzar los mencionados ODMs. En suma, la propia dinámica del crecimiento económico conllevaría al logro de las metas.

# Las metas de alfabetización la promoción de equidad de género en este campo serán logradas al 2015. Ciertamente en escenarios de un crecimiento mayor al 5% anual se requerirán aproximadamente de US$ 700 mil dólares, anualmente y durante 11 años, de recursos públicos adicionales a los que ya se destinan para estos fines. Pero inclusive, si se siguiese una tendencia de crecimiento del 3% anual, el costo de llegar a alfabetizar a la población objetivo en 11 años significaría un leve aumento de máximo 9% adicional en el gasto educativo, es decir, US$ 60 mil dólares anuales más.

# Las diferencias de costos de alcanzar la meta del programa de alfabetización en escenarios de crecimiento con distribución versus sin distribución no alcanzan el 2.5%. En consecuencia, se lograrán los ODMs 2 y 3, independientemente del escenario, a través del programa de alfabetización, si se asume que adquiriese la condición de �programa protegido presupuestalmente� de tal forma que los más de US$ 650 mil dólares anuales mínimos necesarios siempre se inviertan.

# Finalmente, la inversión en desagüe resulta crítica para el logro de los ODMs 2 y 3, tanto por su importancia en el cumplimiento de los logros educativos y de equidad de género como por la ingente suma de recursos financieros que ello demandaría. Desde esta última óptica, si se impone que el Perú debería crecer por encima del 5% con redistribución, sólo se precisaría de una inversión de casi US$ 390 millones anuales.

38

De lo contrario y si se sigue una tendencia de crecimiento del 3% sin esfuerzo de redistribución alguno, se tendría que conseguir recursos para invertir casi un 40% adicional (más de US$ 564 millones) al año durante 11 años para el logro de los ODMs.

Sin

redi

strib

ució

n

Núm

ero

adic

iona

l po

r año

Cost

o po

r be

nefic

iario

por

año

Mon

to to

tal

(11

años

)Nú

mer

o ad

icio

nal p

or a

ñoCo

sto

por b

enef

icia

rio

por a

ñoM

onto

tota

l (1

1 añ

os)

Núm

ero

adic

iona

l po

r año

Cost

o po

r be

nefic

iario

por

año

Mon

to to

tal (

11

años

)Ho

mbr

es5,

430

271,

635,

322

4,78

127

1,43

9,86

64,

212

271,

268,

504

Muj

eres

9,20

027

2,77

0,71

17,

661

272,

307,

220

6,37

127

1,91

8,71

8Co

sto

fijo

3,96

0,00

03,

960,

000

3,96

0,00

0Co

sto

Tota

l8,

366,

034

7,70

7,08

67,

147,

222

Núm

ero

adic

iona

lC

osto

uni

tario

Mon

toN

úmer

o ad

icio

nal

Cos

to u

nita

rioM

onto

Núm

ero

adic

iona

lC

osto

uni

tario

Mon

toDe

sagü

e4,

217,

106

1,47

36,

211,

797,

138

3,06

7,29

01,

473

4,51

8,11

8,17

02,

007,

509

1,47

32,

957,

060,

757

Con

redi

strib

ució

n

Núm

ero

adic

iona

l po

r año

Cost

o po

r be

nefic

iario

por

año

Mon

to to

tal

(11

años

)Nú

mer

o ad

icio

nal p

or a

ñoCo

sto

por b

enef

icia

rio

por a

ñoM

onto

tota

l (1

1 añ

os)

Núm

ero

adic

iona

l po

r año

Cost

o po

r be

nefic

iario

por

año

Mon

to to

tal (

11

años

)Ho

mbr

es5,

350

271,

611,

229

4,76

527

1,43

5,04

84,

235

271,

275,

431

Muj

eres

8,98

527

2,70

5,96

17,

623

272,

295,

775

6,42

027

1,93

3,47

5Co

sto

fijo

3,96

0,00

03,

960,

000

3,96

0,00

0Co

sto

Tota

l8,

277,

190

7,69

0,82

37,

168,

905

Núm

ero

adic

iona

lC

osto

uni

tario

Mon

toN

úmer

o ad

icio

nal

Cos

to u

nita

rioM

onto

Núm

ero

adic

iona

lC

osto

uni

tario

Mon

toDe

sagü

e3,

659,

148

1,47

35,

389,

925,

004

2,92

1,17

91,

473

4,30

2,89

6,66

72,

265,

613

1,47

33,

337,

247,

949

Deta

lle d

e co

stos

par

a la

alfa

betiz

ació

n

Cos

tos

fijos

por

año

Sede

Cen

tral

864,

000

Unid

ades

Ope

rativ

as39

6,00

0Pr

ogra

ma

Naci

onal

1,26

0,00

0Dó

lare

s36

0,00

0

Cos

tos

por a

ño p

or b

enef

icia

rioSu

eldo

y u

tiles

pro

mot

or88

Utile

s be

nefic

iario

8.2

Dóla

res

27

/1 S

e as

ume

(de

man

era

cons

erva

dora

) que

los

prom

otor

es re

quer

idos

por

año

acc

eden

todo

s a

un n

uevo

paq

uete

de

útile

s.

773 3

5 5

Cuad

ro N

o. 1

8: E

stru

ctur

a de

Cos

tos

de la

s va

riabl

es re

leva

ntes

par

a el

logr

o de

los

ODM

s 2

y 3

al 2

015

Cuad

ro N

o. 1

9: S

imul

ació

n y

Cost

eo: l

os O

DMs

2 y

3 al

201

5 Si

n re

dist

ribuc

ión

Tasa

de

crec

imie

nto

del P

BI3%

5%7%

3%5%

7%Nú

mer

o ad

icio

nal d

e al

fabe

tizad

os8,

366,

034

7,70

7,08

67,

147,

222

760,

549

700,

644

649,

747

Shoc

k 2

Porc

enta

je d

e ho

gare

s qu

e ac

cede

al s

ervic

io d

e de

sagü

e (re

d pú

blic

a de

ntro

6,

211,

797,

138

4,51

8,11

8,17

02,

957,

060,

757

564,

708,

831

410,

738,

015

268,

823,

705

Shoc

k 3

Gas

to c

ompl

emen

tario

en

educ

ació

n pr

omed

io d

e lo

s ho

gare

s po

bres

99,6

00,6

240

09,

054,

602

00

6,31

9,76

3,79

64,

525,

825,

256

2,96

4,20

7,97

957

4,52

3,98

141

1,43

8,66

026

9,47

3,45

3

Con

redi

strib

ució

n

Tasa

de

crec

imie

nto

del P

BI3%

5%7%

3%5%

7%Nú

mer

o ad

icio

nal d

e al

fabe

tizad

os8,

277,

190

7,69

0,82

37,

168,

905

752,

472

699,

166

651,

719

Shoc

k 2

Porc

enta

je d

e ho

gare

s qu

e ac

cede

al s

ervic

io d

e de

sagü

e (re

d pú

blic

a de

ntro

5,

389,

925,

004

4,30

2,89

6,66

73,

337,

247,

949

489,

993,

182

391,

172,

424

303,

386,

177

Shoc

k 3

Gas

to c

ompl

emen

tario

en

educ

ació

n pr

omed

io d

e lo

s ho

gare

s po

bres

00

00

00

5,39

8,20

2,19

44,

310,

587,

490

3,34

4,41

6,85

449

0,74

5,65

439

1,87

1,59

030

4,03

7,89

6

Costo

s To

tale

s al

cab

o de

11

años

Cost

os to

tale

s an

uale

s

TOTA

L

TOTA

L

Shoc

k 1

Shoc

k 1

Capítulo

3

ODM 1: ERRADICAR EL HAMBRE Meta 2: Reducir a la mitad, entre 1990 y 2015, el porcentaje de personas que padezcan hambre

Indicadores

1) Indicador No. 4: Porcentaje de menores de 5 años con insuficiencia ponderal (desnutrición infantil global).

2) Indicador No. 5: Porcentaje de la población por debajo del nivel mínimo de consumo de energía alimentaria (déficit calórico total).

Línea de Base, Situación Actual y Meta al 2015

Para el caso del Indicador No. 4, se empleó la variable Puntaje Z de peso por edad. De acuerdo a las guías metodológicas para los indicadores (PNUD, 2003), el niño presenta un estado de desnutrición global si este indicador es menor a �2. En cambio, el niño goza de un estado nutricional normal si el indicador es mayor a �2. De acuerdo con el documento de Línea de Base del INEI, la incidencia de desnutrición global en niños menores a cinco años a nivel nacional alcanzó 10.8% en 1992 (ver Cuadro No. 20). Así, la meta del milenio sugiere que dicho porcentaje se reduzca a 5.4% para el año 2015.

Cuadro No. 20: Desnutrición infantil global 1992, 1996 y 2000 (en porcentajes)

1992 1996 2000 Meta 2015 Urbano 6.4 3.9 3.2 Rural 17.7 13.5 11.7 -

Total nacional 10.8 7.7 7.1 5.4 Fuente: Documento de Línea de Base Elaboración: Instituto Nacional de Estadística e Informática, ENDES.

Como se puede apreciar en el mismo cuadro, el porcentaje de niños que sufrían de desnutrición global en el año más reciente (2000) se situó en 7.1% a nivel nacional (3.2% para las zonas urbanas del país y 11.7% en las zonas rurales). Por tanto, la evolución de este indicador durante la década pasada fue favorable, sobre todo en los primeros años. En el caso del Indicador No. 5, se definió la probabilidad de que un hogar no cumpla con sus necesidades mínimas de consumo de calorías sobre la base de la información proporcionada por las Encuestas Nacionales de Hogares (ENAHO), acerca de los alimentos disponibles en el hogar (comprados, autosuministrados u obtenidos en calidad de donación), y las calorías que contienen cada uno de ellos, calculadas utilizando la Tabla Peruana de Composición de Alimentos 35 . Después de agregar todas las calorías disponibles en el hogar, éstas se compararon con las necesidades calóricas normativas,

35 MINSA, INS-CENAN, �Tabla Peruana de Composición de Alimentos�, Séptima Edición, 1996.

2

de acuerdo al número y perfil demográfico de los miembros de cada hogar36, para determinar si el hogar tenía o no déficit calórico. De acuerdo con el documento de Línea de Base del INEI, el porcentaje de individuos a nivel nacional que presentaron déficit calórico en 1998 (primer año en el que se contó con este tipo de información) fue de 22.3% (ver Cuadro No. 21). Así, la meta del milenio sugeriría que dicho porcentaje se reduzca a 11.2% hacia el año 2015.

Cuadro No. 21: Incidencia de déficit calórico por área de residencia, 1998 � 2001 (porcentaje de individuos)

1998 1999 2000 2001 Meta 2015

Urbano 15.3 18.9 23.0 26.2 Rural 35.3 41.4 40.2 46.6

-

Total nacional 22.3 26.7 29.0 33.3 11.2 Fuente: Documento de Línea de Base Elaboración: Instituto Nacional de Estadística e Informática, ENAHO

El Cuadro No. 22 establece la equivalencia entre los déficit calóricos a nivel de hogares y a nivel de individuos para el año más reciente disponible (2002). El porcentaje de hogares con déficit calórico en dicho año fue de 34.3% a nivel nacional (27.1% para las zonas urbanas y 46.5% para las zonas rurales). Los porcentajes correspondientes al nivel de los individuos37 fueron de 35.8%, 29.4% y 47.7% respectivamente. Por tanto, la incidencia de déficit calórico ha aumentado continuamente entre los años 1998 y 2002, hecho que hace más difícil la obtención de la meta del milenio en el 2015.

Cuadro No. 22: Incidencia de déficit calórico por área de residencia, año 2002

Urbano Rural Tota nacional Frecuencia Porcentaje Frecuencia Porcentaje Frecuencia Porcentaje

Individuos 5,168,283 29.4 4,501,678 47.7 9,669,961 35.8 Hogares 723,473 27.1 735,171 46.5 1,458,644 34.3 Total 2,671,315 100 1,579,329 100 4,250,644 100 Fuente: Encuesta Nacional de Hogares (ENAHO) 2002, Instituto Nacional de Estadística e Informática Elaboración: CIUP

Identificación de variables de política más significativas para lograr avances en el ODM

Indicador No. 4: Porcentaje de menores de 5 años con insuficiencia ponderal (desnutrición infantil global)

Como se puede apreciar en el Anexo No. 2, el modelo de desnutrición infantil global para las zonas urbanas contiene 8 variables que resultan estadísticamente significativas a nivel convencionales de aceptación38. Como variable de política destaca, en primer lugar, el número de controles prenatales. Un aumento de 10% en dicha variable reduciría la probabilidad de desnutrición infantil en 0.64%. De manera relacionada, un aumento en 10% en la tasa de culminación de educación secundaria de las madres disminuiría la probabilidad de desnutrición infantil en 0.13% Por su parte, un incremento en 10% en el stock de activos privados del hogar reduciría los estándares de desnutrición en 0.33%. En cuanto al acceso a servicios de desagüe, un cambio de 10% de casos de letrinas a red pública de saneamiento, ocasionaría una disminución en la probabilidad de desnutrición en 0.28%. Por último, un aumento en 10% en el gasto en programas subsidiados de

36 Obtenido de FAO/OMS/UNU Necesidades de energía y proteínas, Informe de la reunión consultiva conjunta FAO/OMS/UNU de expertos, Ginebra 1985. 37 Bajo el supuesto de que todos los individuos de un hogar con (sin) déficit calórico sufren (o no) individualmente de tal déficit. 38 Todos los modelos de predicción de este trabajo contienen variables independientes con coeficientes distintos de cero con probabilidad mayor al 80%.

3

alimentación infantil por distrito influiría en una reducción de la probabilidad de desnutrición de 0.25% En el caso de las zonas rurales (Anexo No. 2), el modelo de desnutrición infantil global contiene 10 variables que resultan estadísticamente significativas. La variable explicativa con mayor elasticidad es la práctica de lactancia materna. Un aumento de 10% en la cobertura de dicha variable disminuiría la probabilidad de desnutrición infantil en 1.57%. Un aumento de 10% en los controles prenatales reduciría la desnutrición en 0.23%. En cuanto al impacto cuantitativo del acceso a servicios de agua y desagüe, tenemos que un cambio de 10% de casos de acceso a agua de pozo a acceso a la red pública de agua potable disminuiría la desnutrición en 0.61%. Un cambio en 10% de los casos de letrinas a red pública de saneamiento, ocasionaría una reducción de la probabilidad de desnutrición de 0.39%. Un aumento en 10% en las tasas de culminación de educación primaria y secundaria de las madres reducirían la probabilidad de desnutrición infantil en 0.28% y 0.04% respectivamente. Por último, un incremento en 10% en el stock de activos privados del hogar disminuiría los estándares de desnutrición en 0.63%. Indicador No. 5: Porcentaje de la población por debajo del nivel mínimo de consumo de energía alimentaria (déficit calórico total).

Como se aprecia en el Anexo No. 3, el modelo de déficit calórico para la zona urbana tiene 10 variables significativas. Cabe resaltar que la probabilidad de déficit calórico es considerablemente elástica con respecto a los incrementos en ingresos y gastos totales del hogar. Específicamente, un incremento de 10% en el gasto total del hogar urbano reduce en 12.05% la probabilidad de déficit calórico. Aumentos de 10% en la cobertura de los programas de complementación alimentaria del tipo desayunos escolares y comedores populares (siguiendo el patrón de distribución de recursos del 2002) reducirían la probabilidad de déficit calórico en 0.63% y 1.30% respectivamente. Por último, un incremento en 10% en el índice de activos públicos presentes en el hogar disminuiría la probabilidad de déficit calórico en 0.36%. En el caso del modelo de déficit calórico para la zona rural (Anexo No. 3), son 7 las variables que resultaron significativas. En este caso, la probabilidad de déficit calórico con respecto a los incrementos en ingresos y gastos totales del hogar es menos elástica que en el modelo urbano. Específicamente, un incremento de 10% en el gasto total del hogar rural reduce en 8.11% la probabilidad de déficit calórico. Lamentablemente en este caso, no existen otras variables de política que se hayan podido recoger y que hayan resultado significativas en las regresiones.

Simulaciones y costeo: el ODM al 2015

El Cuadro No. 23 resume la situación probable de los indicadores de desnutrición infantil global y déficit calórico en el 2015 bajo los escenarios supuestos de crecimiento neutral y con la redistribución necesaria para alcanzar la meta del milenio de reducción de la pobreza. La lógica de las simulaciones integradas de los modelos es que con el crecimiento económico, y el consecuente incremento de recursos económicos de las familias, sus gastos e inversiones en alimentación, educación, salud y saneamiento aumentarán, afectando positivamente los indicadores del ODM de hambre.

Así, por ejemplo, la desnutrición global se reduciría de su nivel reciente de 7.1% a 6.2% en el 2015 si la economía creciera sostenidamente a un ritmo de 5% promedio anual hasta dicho año. Sin embargo, en este escenario no se alcanzaría la meta del milenio de 5.4%. Tal logro no se consigue siquiera en el caso del escenario más optimista de crecimiento de 7%. Por otro lado, la redistribución necesaria para alcanzar la meta de pobreza ayuda a reducir la desnutrición pero de manera escasa. Por ejemplo, en el escenario de crecimiento de 5%, la redistribución del ingreso lleva a que la desnutrición se reduzca adicionalmente 0.1 puntos porcentuales (de 6.6% a 6.5%), reducción insuficiente para alcanzar la meta del milenio. Se necesitan pues políticas específicas adicionales para aumentar la posibilidad de alcanzar la meta del milenio en este campo.

4

En el caso del déficit calórico, el crecimiento económico impactaría fuertemente en el aumento de ingesta calórica. Sin embargo, se haría difícil alcanzar la meta del milenio debido a la tendencia creciente de los déficit calóricos experimentada en los últimos años. Así, por ejemplo, un crecimiento de 5% promedio anual llevaría a reducir el porcentaje de individuos en déficit calórico del 35.8% actual al 24.4% en el 2015. No obstante, este nivel sería muy superior a la meta del milenio de 11.2%. En este mismo escenario, el impacto adicional de la redistribución para alcanzar la meta de pobreza nos dejaría cortos en 23.7% de déficit calórico. Aun en el escenario altamente optimista de crecimiento de 7% promedio anual, el porcentaje de individuos con déficit calórico en el 2015 ascendería a 18.4%39. En este caso también, se necesitarían políticas específicas adicionales para mejorar las posibilidades de alcanzar el ODM de reducción de hambre.

Cuadro No. 23: Resultados de los indicadores al 2015 sin políticas sectoriales

Crecimiento sin redistribución Indicadores

Línea de Base (1998)

Situación inicial (2002)

Meta 2015 3% 5% 7%

Niños menores de 5 años con peso inferior al normal (%) 10.8% 7.07% 5.4% 6.60% 6.18% 5.80% Individuos por debajo del consumo min. de calorías (%) 22.3% 35.8% 11.15% 31.82% 24.44% 18.43%

Crecimiento con redistribución Indicadores



Meta 2015 3% 5% 7%

Niños menores de 5 años con peso inferior al normal (%) 10.8% 7.07% 5.4% 6.45% 6.12% 5.95% Individuos por debajo del consumo min. de calorías (%) 22.3% 35.8% 11.15% 29.71% 23.70% 20.18%

¿Qué políticas específicas adicionales se identifican con estos modelos y cuáles serían los costos involucrados de implementarlas? En el caso de la desnutrición global, en adición a las variables de política discutidas con anterioridad para alcanzar las ODM de educación, se necesitaría incrementar la cobertura de beneficiarios de controles prenatales (con paquetes completos de 6 controles), aumentar la red de hogares con acceso a agua potable e incrementar la inversión en programas públicos de alimentación infantil complementaria. El Cuadro No. 24 muestra los órdenes de magnitud necesarios en cuanto a la expansión de los programas referidos y sus costos asociados. Como se explica en la sección final de este documento, debido a las externalidades de los impactos de las políticas en más de un sector, se trata siempre de una combinación de políticas adicionales que consiguen simultáneamente acercarnos al cumplimiento de varios ODM.

Ante un escenario de crecimiento económico de 3%, se necesitaría una inversión adicional anual que oscila entre los US$ 530 y 640 millones (con y sin redistribución, respectivamente) entre el año 2005 y 2015 para alcanzar la meta del milenio. Dicha inversión se reduce a un rango que oscila entre 377 y 492 millones de dólares, si la economía creciera 5%. Por último, si la economía creciera a 7% anual, la inversión necesaria ascendería a menos de 190 millones de dólares anuales.

En el caso de la meta de déficit calórico, además del impacto positivo de las inversiones en agua y desagüe -incorporadas previamente para mejorar los indicadores de educación y desnutrición-, la política adicional identificada por el modelo sería aumentar el acceso a programas de complementación alimentaria familiar subsidiada40. En este caso, el modelo integrado simula escenarios que ampliarían la cobertura de estos programas hasta cubrir

39 Nótese que en el escenario de 7% de crecimiento, la incidencia de déficit calórico es mayor con redistribución (20.2%) que sin redistribución (18.4%) debido a que la redistribución es regresiva, en este único caso. Como se recordará de la sección de ODM de pobreza, dado que con 7% de crecimiento neutral la reducción de la pobreza excede a la meta del milenio, la economía podría darse el lujo de experimentar una redistribución negativa y todavía alcanzar la meta del milenio. 40 Del tipo comedores populares u otros programas con mayor costo efectividad.

5

toda la población pobre, pero tomando en consideración las filtraciones normales de este tipo de programas (actualmente, por cada dos pobres beneficiados, se entrega beneficios también a un individuo no pobre41). Cabe mencionar que en ningún escenario se logra alcanzar la meta de déficit calórico. En el mejor de los casos se consigue reducir el porcentaje de individuos con déficit a 13.6%, situándose por encima de la meta del milenio de 11.2%. Para lograr esta reducción se necesita de un crecimiento económico anual promedio de 7% y de inversiones adicionales en programas de alimentación complementaria por un monto entre 61 y 81 millones de dólares anules hasta el año 2015 (Ver Cuadro No. 24).

Cuadro No. 24: Resultados de los indicadores al 2015 con políticas sectoriales y sin redistribución

Escenario de crecimiento económico

3% 5% 7% Costo incremental: Variables de política

Costo unitario (US$)

Crecimiento anual

Monto anual (US$)

Crecimiento anual

Monto anual (US$)

Crecimiento anual

Monto anual (US$)

Indicador 4 Incremento en cobertura de controles prenatales 30.5 7.0% 7,364,567 7.0% 7,364,567 7.0% 7,364,567 Hogares adicionales con red pública dentro de la vivienda (agua) 1,150 5.6% 400,148,867 5.6% 400,148,867 0.15% 63,853,029 Inversión total en el programa de alimentación infantil (US$) - - 232,293,651 - 84,368,705 - 0

Indicador 5 Personas adicionales que acceden a programas de complementación alimentaria familiar 32.6 25% 142,541,761 20% 96,181,386 15% 61,023,499

Escenario de crecimiento económico Resultado final del indicador



Meta 20153% 5% 7%

Indicador 4: Niños menores de 5 años con peso inferior al normal (%) 10.8% 7.07% 5.4% 5.4% 5.4% 5.4% Indicador 5: Individuos por debajo del consumo min. de calorías (%) 22.3% 35.8% 11.15% 16.55% 14.78% 13.62%

41 Estas proporciones se obtuvieron a partir de la Encuesta Nacional de Hogares (ENAHO) 2002.

6

Cuadro No. 25: Resultados de los indicadores al 2015 con políticas sectoriales y con redistribución

Escenario de crecimiento económico

3% 5% 7% Costo incremental: Variables de política

Costo unitario (US$) Shock anual Monto anual

(US$) Shock anual Monto anual (US$) Shock anual Monto anual

(US$)

Indicador 4 Incremento en cobertura de controles prenatales 30.52 7.0% 7,364,567 7.0% 7,364,567 7.0% 7,364,567 Hogares adicionales con red pública dentro de la vivienda (agua) 1,150 5.6% 374,535,615 5.2% 369,490,736 2.3% 173,013,445 Inversión total en el programa de alimentación infantil - - 147,678,737 - - Indicador 5 Personas adicionales que acceden al programa de complementación alimentaria familiar 32.6 18% 81,288,531 18% 81,361,687 18% 81,352,216

Escenario de crecimiento económico Indicadores Línea de Base

Situación inicial

Meta 20153% 5% 7%

Niños menores de 5 años con peso inferior al normal (%) 10.8% 7.07% 5.4% 5.4% 5.4% 5.4% Hogares por debajo del consumo min. de calorías (%) 22.3% 35.8% 11.15% 17.82% 14.90% 13.71%

apítulo

4 ODM 4: REDUCIR LA MORTALIDAD INFANTIL Meta 5: Reducir en dos terceras partes, entre 1990 y 2015, la mortalidad de los niños menores de 5 años

Indicadores

3) Indicador No. 13: Tasa de mortalidad de los niños/niñas menores de 5 años.

4) Indicador No. 14: Tasa de mortalidad infantil.

5) Indicador No. 15: Porcentaje de niños/niñas de 1 año vacunados contra el sarampión.


La meta No. 5 del ODM 4 presenta tres indicadores, uno de los cuales, el 14, se encuentra comprendido en el indicador 13. Así, la mortalidad de los niños menores de 5 años puede dividirse en dos partes: i) la mortalidad infantil (menores de 12 meses) y ii) la mortalidad en la niñez (entre 12 y 59 meses de edad). Es de esperar, entonces, que la tendencia del indicador No.14 tenga influencia sobre la del indicador No.13. Efectivamente, si se observa la evolución de ambos ratios desde 1992, el cual es el año base para la meta No. 5, se notará una caída de lo dos de alrededor de 42% (desde 57 hasta 33 muertes por mil, en el caso de la mortalidad infantil, y desde 81 a 47 muertes por mil, en el de la mortalidad en niños menores de 5 años).

Cabe destacar, sin embargo, que esta reducción de la mortalidad infantil oculta los menores logros alcanzados en la mortalidad neonatal (en los 4 primeros meses de vida), la misma que en el período de análisis sólo se contrajo en 33%. Como veremos en el siguiente capítulo, ello está también relacionado con los relativamente reducidos resultados alcanzados para vencer las barreras económicas, culturales y sociales que obstruyen una mayor utilización por parte de las gestantes de los servicios de salud formales.

Cuadro No. 26: Tasa de mortalidad de los niños/niñas menores de 5 años

Línea de Base

(1992) 1996 Situación Reciente (2000)

Indicador No. 13: Tasa de mortalidad de los niños/niñas menores de 5 años 81 59 47

Fuente: ENDES 1992/1996/2000 Elaboración INEI

8

Cuadro No. 27: Tasa de mortalidad infantil

Línea de Base


Indicador No. 14: Tasa de mortalidad infantil 57 43 33 Fuente: ENDES 1992/1996/2000 Elaboración INEI

Con respecto al indicador No. 15, la vacunación contra el sarampión de los niños entre 12 y 23 meses de edad, se observa una caída en su evolución cercana al 3%, entre 1992 y el 2000, e incluso mucho más pronunciada si se le compara con la proporción de 1996. Si en contraste se considera el cálculo realizado por el INEI a partir de la ENDES 2000, para el grupo de niños entre 18 y 29 meses de edad, el mismo que alcanza un total de 84.4%, se puede concluir que se ha producido un retardo en el momento de la vacunación contra este mal. Cabe recordar, dado este resultado, que pese a que si bien es cierto que la vacuna antisarampionosa reduce la mortalidad por debajo de los 5 años de edad 42 , se ha demostrado que posee rendimientos marginales decrecientes conforme la edad en la que se aplica la inmunización avanza43.

Cuadro No. 28: Porcentaje de niños/niñas de 1 año vacunados contra el sarampión

Línea de Base


Indicador No. 15: Porcentaje de niños/niñas de 1 año vacunados contra el sarampión 74.0% 85.8% 71.9%


Identificación de las variables más significativas para lograr avances en el ODM44

Dado que el indicador 15 constituye una variable explicativa de los modelos de mortalidad de niños y niñas, presentamos primero los resultados vinculados con dicho indicador.

Indicador No. 15: Porcentaje de niños/niñas de 1 año vacunados contra el sarampión

Las variables de política identificadas a partir de la estimación del modelo son:

a. Controles prenatales completos (si la madre se hizo por lo menos seis controles) que fueron realizados por un profesional calificado: si el porcentaje de madres que se los hizo aumenta de 43.8% a 53.8%, el ratio de niños vacunados se incrementa de 71.9% a 72.8%.

42 Aaby, Meter, The impact of measless and measless vaccinations on child survival: contradictions and resolutions, Bandim Health Project, Danish Epidemiology Science Centre, Bissau. 43 Aaby P., M. Anderson, Sodemann, M. Jakobsen, J. Gomes, M. Fernandes, Reduced child mortalityfollowing standard measless vaccination at 4-8 monthscompared to 9-11 months of age, BMJ, 1993 44 Para analizar la sensibilidad de la variable explicada frente a movimientos en las variables explicativas, se simula un incremento determinado sobre estas últimas respecto de su promedio muestral (10 puntos porcentuales si se trata de una proporción, 1000 personas si trata de una variable de disponibilidad de servicios y personal médico, y una unidad si se trata de una variable discreta de opciones limitadas), a fin de ver el impacto sobre el valor promedio de la explicada, que se calcula a partir de la ENDES 2000.

9

b. Control de crecimiento: si el porcentaje de niños que se ha hecho por lo menos un control de crecimiento aumenta de 95% a 100%, el ratio de niños vacunados sube de 71.9% a 72.6%.

c. Control de crecimiento del niño hecho por un profesional calificado: si el porcentaje de niños que se hace los controles de crecimiento por un profesional calificado sube de 64.2% a 74.2%, el ratio de niños vacunados aumenta de 71.9% a 74%.

d. Vacunación completa antes del primer año de vida (si el niño tiene las 4 vacunas de Polio, las 3 vacunas de DPT y la vacuna de BCG): si el porcentaje de niños que ya tiene sus vacunas completas antes del año (sin considerar el sarampión que se coloca antes de los 18 meses) aumenta de 48.8% a 58.8%, el ratio de niños vacunados contra el sarampión se incrementa de 71.9% a 72.6%.45

e. Educación de la madre: si el porcentaje de mujeres con secundaria completa aumenta de 31.4% a 41.4%, el ratio de niños vacunados sube de 71.9% y 72.3%.

Indicador No. 13: Tasa de mortalidad de los niños/niñas menores de 5 años


a. Número de controles de crecimiento que ha recibido el niño: si el número de controles de crecimiento aumenta de 11 a 12, la mortalidad de niños menores de 5 años disminuye de 47 por mil a 46.84 por mil.

b. Vacunación contra el sarampión antes de los 18 meses de vida: si el porcentaje de niños vacunados contra el sarampión aumenta de 71.58% a 81.58%, la tasa de mortalidad disminuye de 47 por mil a 46.77 por mil.

c. Educación de la madre: si la madre concluye la primaria (pasa de primaria incompleta a primaria completa), la tasa de mortalidad disminuye de 47 por mil a 44.63 por mil.

d. La tenencia de activos públicos (agua y desagüe) en el hogar del niño: un incremento del índice de activos públicos de -0.68 a -0.58, reduce la tasa de mortalidad de 47 por mil a 46.43 por mil.

e. La disponibilidad de establecimientos de salud en el distrito: si la población por posta en el distrito disminuye de 14,828 a 13,828, la tasa de mortalidad cae de 47 por mil a 46.9 por mil.

Indicador No. 14: Tasa de mortalidad infantil

Las variables de política identificadas a partir de la estimación del modelo son46:

a. Atención completa de la madre durante el embarazo y el parto (la madre se hizo seis controles prenatales realizados por un profesional calificado, se realizó exámenes de sangre, se pesó y tomó hierro durante su embarazo, y tuvo el parto asistido por un profesional calificado): si el porcentaje de madres que tuvo todos los cuidados descritos anteriormente aumenta de 9.2% a 19.2%, la tasa de mortalidad infantil disminuye de 33 por mil a 29.4 por mil, mientras que la mortalidad de niños menores de 5 años disminuye de 47 por mil a 43.3 por mil.

45 Visto de otra manera, si la probabilidad de que un niño reciba el total de vacunas que se aplican antes del año crece entre 48.8% y 58.8%, él tendrá también una mayor probabilidad de aplicarse antes de los dos años la vacuna contra el sarampión, incrementándose dicha probabilidad entre 71.9% y 72.6%. 46 Note que éstas, al afectar la mortalidad infantil, tienen también un impacto sobre la mortalidad de niños y niñas menores de 5 años.

10

b. Lactancia materna: si el porcentaje de niños que lactaron en cualquier momento de su vida sube de 97.7% a 100%, la tasa de mortalidad infantil cae de 33 por mil a 30.2 por mil, mientras que la tasa de mortalidad de niños menores de 5 años se reduce de 47 por mil a 44.2 por mil.

c. Educación de la madre: si el porcentaje de madres que tienen secundaria completa aumenta de 30.2% a 40.2%, la tasa de mortalidad infantil disminuye de 33 por mil a 29.6 por mil, mientras que la tasa de mortalidad de niños menores de 5 años cae de 47 por mil a 45.2 por mil.

d. La tenencia de activos públicos (agua y desagüe) en el hogar del niño: si el índice de activos públicos mejora de -0.65 a -0.55, la tasa de mortalidad infantil disminuye de 33 por mil a 32.4 por mil, mientras que la tasa de mortalidad de niños menores de 5 años disminuye de 47 por mil a 46.7 por mil.

e. La calidad de la infraestructura de los establecimientos de salud del distrito: si la calidad promedio mejora de calidad 4 (madera) a calidad 5 (cemento o material noble), la tasa de mortalidad infantil disminuye de 33 por mil a 28.4 por mil, mientras que la tasa de mortalidad de niños menores de 5 años se reduce de 47 por mil a 44.6 por mil.

Simulación y Costeo: el ODM al 2015

Escenario Base sin políticas sectoriales

A continuación se presentará la evolución de los indicadores del ODM No. 4, frente a un determinado crecimiento económico, y sin considerar políticas sectoriales.

1) Crecimiento de 3%, 5% y 7%, SIN redistribución.

Como se ve en el Cuadro No. 29, con niveles de crecimiento de 3%, 5% y 7%, y sin políticas redistributivas ni sectoriales, la mortalidad infantil y la de los niños/niñas menores de 5 años se reduce, pero no logra alcanzar las metas del milenio al 2015 (19 por mil y 27 por mil niños nacidos vivos, respectivamente). De esta manera, y en el escenario de mayor crecimiento, sólo se alcanza una reducción de la tasa de mortalidad infantil de 25% y una caída de 23% en el caso de la mortalidad en niños menores de 5 años, si se les compara con los valores obtenidos en el año 2000. Asimismo, la vacunación contra el sarampión se reduce en un 3% respecto de aquella del año base (74% en 1992), incluso para el escenario con un crecimiento de 7%, y tiene un ligero incremento si se le compara con el 2000.

Cuadro No. 29: Resultados del escenario sin políticas sectoriales al 2015

bajo distintas tasas de crecimiento y sin redistribución

Crecimiento sin redistribución Indicadores Base (1992)

Actual (2000) Meta

3% 5% 7%Tasa de mortalidad de niños menores de 5 años 0.081 0.047 0.027 0.0377 0.037 0.0363

Tasa de mortalidad infantil 0.057 0.033 0.019 0.0252 0.0249 0.0246

Niños vacunados contra el sarampión (%) 74% 71.90% nd 72.02% 72.02% 72.03%

2) Crecimiento de 3%, 5% y 7%, CON redistribución.

La situación mejora muy ligeramente en el caso de incorporar redistribución, además del crecimiento económico, pero dicha mejoría es casi insignificante. Nótese, asimismo, que como el escenario con un crecimiento de 7% implica una redistribución

11

negativa de los ingresos, aunque arroja mejores resultados que los escenarios con menos crecimiento, es peor que en el caso en que no se incluye dicha redistribución.


bajo distintas tasas de crecimiento y con redistribución

Crecimiento con redistribuciónIndicadores Base (1992)

Actual (2000) Meta

3% 5% 7%Tasa de mortalidad de niños menores de 5 años 0.081 0.047 0.027 0.0372 0.0368 0.0365

Tasa de mortalidad infantil 0.057 0.033 0.019 0.025 0.0249 0.0247


Escenario que alcanza el ODM con políticas sectoriales, y los principales costos asociados

A continuación se presentarán los resultados obtenidos a partir de las simulaciones que incorporan políticas sectoriales. Es muy importante resaltar dos aspectos que gobiernan dicho proceso de simulación:

a. Dada la naturaleza de los modelos y la integración que se ha realizado sobre la base de ellos, las políticas sectoriales aplicadas para los ODM de Erradicación de Pobreza y Hambre (No. 1), Logro de la enseñanza primaria universal (No. 2), Promoción de la igualdad entre los sexos y la autonomía de la mujer (No. 3), y Mejoramiento de la salud materna (No. 5)47 , afectarán, tanto directa como indirectamente, a la mortalidad de niños menores de 5 años y a la mortalidad infantil (aunque estos últimos no tienen ningún efecto sobre los primeros). Por ello, las políticas aplicadas a esos ODMs se tomarán como dadas, para luego establecer si son suficientes para alcanzar también el ODM 448.

b. Aplicadas las políticas sectoriales de los ODM�s mencionados:

- Mejoramiento del nivel educacional de la mujer/madre. - Mejoramiento de la infraestructura pública: agua y desagüe. - Mejoramiento de la calidad de los establecimientos de salud del

distrito. - Aumento de los controles prenatales realizados por las gestantes. - Aumento del control prenatal realizado por un profesional calificado. - Aumento del parto asistido por un profesional calificado.

se logra alcanzar la meta del milenio del ODM 4, razón por la cual no fue necesario simular políticas sectoriales adicionales.

1) Crecimiento de 3%, 5% y 7%, SIN redistribución

En el caso de crecimiento económico sin redistribución, y dadas la políticas sectoriales definidas previamente, las metas propuestas para la mortalidad de niños menores a 5 años y la mortalidad infantil son alcanzadas antes del 2015 (ver Cuadro No. 31). Con respecto a la mortalidad de niños menores de 5 años, en el escenario con un crecimiento de 3%, la meta se alcanza en el año 2008, con uno de 5% se

47 Nótese que dado que el parto asistido por un profesional de la salud es una variable explicativa de los modelos de mortalidad de niños y niñas, es necesario simular primero los modelos de mortalidad materna (que incluyen el comportamiento de esa variable) para luego ver el efecto generado sobre los primeros. No hay en cambio ninguna influencia de los modelos de mortalidad de niños y niñas sobre los de mortalidad materna. 48 La integración de los modelos y la lógica final de la simulación serán explicados en el capítulo 6.

12

logra en el 2009, y con 7% de crecimiento, en el 2011. En relación a la mortalidad infantil, la meta se alcanza en los años 2008, 2009 y 2010, respectivamente, según los diferentes escenarios de crecimiento. Por último, con respecto al porcentaje de niños entre 12 y 23 meses vacunados contra el sarampión, cualquiera sea el escenario de crecimiento utilizado, éste se incrementa en un 3.2%, hasta alcanzar el 76.38% del total de niños.

Cuadro No. 31: Resultados del escenario con políticas sectoriales al 2015 bajo distintas tasas de crecimiento y sin redistribución

Crecimiento sin redistribución Indicadores Base

(1992) Actual (2000) Meta

3% 5% 7%Tasa de mortalidad de niños menores de 5 años 0.081 0.047 0.027 0.0063 /1 0.0076 /3 0.0146 /5

Tasa de mortalidad infantil 0.057 0.033 0.019 0.0042 /2 0.005/4 0.0075 /5


1/ La meta se alcanza en el 2008. 2/ La meta se alcanza en el 2008. 3/ La meta se alcanza en el 2009. 4/ La meta se alcanza en el 2009. 5/ La meta se alcanza en el 2011. 6/ La meta se alcanza en el 2010.

2) Crecimiento de 3%, 5% y 7%, CON redistribución

Al igual que en el caso sin redistribución, las metas son alcanzadas con las políticas sectoriales definidas para los ODM No. 1, 2, 3 y 5 (ver Cuadro No. 32) antes del 2015. Hay que notar que la meta se alcanza un poco antes que en el caso en que no hubiera redistribución si se asume un 7% de crecimiento49. En cuanto al porcentaje de niños entre 12 y 23 meses de edad vacunados contra el sarampión, éste se sitúa, como en los escenarios sin redistribución, en un 76.38% para cualquier nivel de crecimiento.

Cuadro No. 32: Resultados del escenario con políticas sectoriales al 2015


Crecimiento con redistribuciónIndicadores Base (1992)

Actual (2000) Meta

3% 5% 7%Tasa de mortalidad de niños menores de 5 años 0.081 0.047 0.027 0.0068 /1 0.008 /3 0.0117 /5

Tasa de mortalidad infantil 0.057 0.033 0.019 0.0044 /2 0.0051 /4 0.0066 /5


1/ La meta se alcanza en el 2008. 2/ La meta se alcanza en el 2008. 3/ La meta se alcanza en el 2009. 4/ La meta se alcanza en el 2009. 5/ La meta se alcanza en el 2010. 6/ La meta se alcanza en el 2009.

En lo que se refiere a costos, el alcanzar estas metas en cualquiera de los escenarios que se han planteado, comparte aquellos de las políticas sectoriales aplicadas a la mortalidad materna. Sólo habría que añadir el costo vinculado con vacunar contra el sarampión a 0.78% de niños menores de 23 meses de edad adicionales al año (a partir del 2005), incremento impulsado por el conjunto de políticas implementadas lo

49 En este caso, y pese a la redistribución negativa que supone el escenario de mayor crecimiento, la meta se alcanza antes porque, justamente por dicha redistribución, el logro de las metas de mortalidad materna requieren una mayor inversión en infraestructura de salud, variable que también es explicativa en los modelos de mortalidad de niños y niñas y que contrapesa totalmente el efecto de la distribución regresiva.

13

que, como se observa en el siguiente cuadro, se ubica entre 11 mil y 14 mil dólares anuales.

Cuadro No. 33: Costos de la vacunación contra el sarampión (US $ de 2004)

Crecimiento

3% 5% 7% Sarampión50 Costo Unitario Efecto anual

Monto Anual

Efecto Anual

Monto Anual

Efecto Anual

Monto Anual

Sin redistribución 0.52 0.78% 10,935 0.78% 12,587 0.78% 14,134

Con redistribución 0.52 0.78% 12,603 0.78% 12,946 0.78% 13,551

50 Niños entre 12 y 23 meses de edad vacunados contra el sarampión.

14

Capítulo

5 ODM 5: SALUD MATERNA Meta 6: Reducir, entre 1990 y 2015, la mortalidad materna en tres cuartas partes

Indicadores

6) Indicador No. 16: Tasa de mortalidad materna.

7) Indicador No. 17: Porcentaje de partos con asistencia de personal calificado.


De acuerdo con la fuente de información oficial de que se dispone sobre los temas de salud materna, hay una mejora en la evolución de los indicadores No. 16 y No. 17 entre 1992 y el 2000. Con respecto a la mortalidad materna, según la línea de base preparada por el INEI a partir de la ENDES, entre 1996 y el 2000 ésta se redujo de 265 a 185 muertes por 100,000 nacidos vivos, es decir, que se observa una caída del orden del 30%.

Cabe destacar, no obstante, que sin bien esta información nos da una idea de la evolución del problema, según un estudio realizado por UNICEF, las dimensiones del mismo serían bastante mayores que las que se pueden derivar a partir de la ENDES: la tasa de mortalidad materna ajustada para el año 2000 asciende, según este estudio, a 410 muertes por 100,000 nacidos vivos.51

Sin embargo, y pese a que es muy probable que las estimaciones realizadas por UNICEF sean mucho más exactas, la ENDES, además de ser la fuente oficial utilizada para elaborar la línea de base de la presente consultoría, es la única que permite la estimación de modelos microeconométricos relacionados con el tema52.

Cabe destacar que, en cualquier caso, el problema de la mortalidad materna dista mucho de poder ser resuelto de manera sencilla en los próximos años, a menos que se ataquen directamente las barreras económicas, culturales y sociales que limitan y obstruyen la utilización de los servicios básicos de salud por parte de las mujeres en gestación y durante el parto y el post-parto.

51 Estado Mundial de la Infancia 2004, publicado por UNICEF y en Estado de la niñez en el Perú, publicado por UNICEF en el Perú, enero, 2004, p. 28. 52 Es importante anotar, además, que un cambio de la línea de base no modifica las relaciones entre las principales variables explicativas identificadas en los modelos microeconométricos y la variable independiente que se busca analizar, la mortalidad materna.

15

Cuadro No. 34: Tasa de mortalidad materna

Línea de Base

(1996) Situación

Reciente (2000)Indicador No. 16: Tasa de mortalidad materna 265 185


En relación al porcentaje de partos asistidos por un profesional calificado, éste ha presentado una ligera tendencia creciente en la década de los noventas, desde un 52.5%, de acuerdo con la ENDES 1992, y hasta un 59.3% según la del año 2000, lo que representa un aumento total de la tasa de 13% (ver Cuadro No. 35). Este reducido avance encuentra una explicación similar a la que sugerimos en el caso de la tasa de mortalidad materna, dado que la atención calificada del parto es un aspecto estrechamente vinculado con la probabilidad de supervivencia de la madre gestante.

Cuadro No. 35: Porcentaje de partos con asistencia de personal calificado

Línea de Base


Indicador No. 17: Porcentaje de partos con asistencia de personal calificado 52.5% 56.4% 59.3%


Identificación de las variables más significativas para lograr avances en el ODM53

Dado que el indicador 17 constituye una variable explicativa del modelo de mortalidad materna, empezaremos analizando los resultados de éste primero. Indicador No. 17: Porcentaje de partos con asistencia de personal calificado


a. Controles prenatales completos (si la madre se hizo por lo menos seis controles): si el porcentaje de mujeres que se realiza seis controles prenatales aumenta de 48.1% a 58.1%, el ratio de partos asistidos por un profesional calificado sube de 59.3% a 61.5%.

b. Controles prenatales llevados a cabo por un profesional calificado: si el porcentaje de mujeres que se realizan controles prenatales con un profesional calificado sube de 81% a 91%, el ratio de partos asistidos por este tipo de profesional aumenta de 59.3% a 61.9%.

c. Educación de la mujer: los diferentes niveles de educación de la madre influyen en la búsqueda de un profesional de la salud para asistir su parto. Así, si el porcentaje de mujeres que ha completado la primaria aumenta de 67.9 a 77.9, el ratio de partos asistidos por un profesional calificado sube de 59.3% a 60.5%; si el porcentaje de mujeres que ha completado la secundaria se incrementa de 33.3% a 43.3%, dicho ratio sube de 59.3% a 60.9%; finalmente, si el porcentaje de mujeres que tiene educación superior aumenta de 15.9% a 25.9%, el ratio se incrementa de 59.3% a 61.1%.

53 Para analizar la sensibilidad de la variable explicada frente a movimientos en las variables explicativas, se simula un incremento determinado sobre estas últimas respecto de su promedio muestral (10 puntos porcentuales si se trata de una proporción, 1000 personas si trata de una variable de disponibilidad de servicios y personal médico, y una unidad si se trata de una variable discreta de opciones limitadas), a fin de ver el impacto sobre el valor promedio de la explicada, que se calcula a partir de la ENDES 2000.

16

d. La educación de la pareja también incide positivamente en la probabilidad de tener un parto asistido por un profesional de la salud: si el porcentaje de parejas que ha terminado primaria aumenta de 82% a 92%, la mencionada probabilidad sube de 59.3% a 59.9%, mientras que si el porcentaje de parejas que ha terminado la secundaria sube de 46.3% a 56.3%, el aumento de dicha probabilidad es de 59.3% a 60%.

e. Contar con un seguro público: si el porcentaje de mujeres que tiene seguro público aumenta de 16.5 a 26.5, el ratio de partos asistidos por un profesional calificado sube de 59.3% a 60.5%.

f. La calidad de la infraestructura de los establecimientos de salud en el distrito: si la calidad promedio de la infraestructura de los establecimientos aumenta de calidad 3 (quincha) a calidad 4 (madera), el ratio de partos asistidos por un profesional calificado sube de 59.3% a 64.7%.

g. La disponibilidad de médicos en el distrito en donde vive la mujer: si el número de personas que potencialmente puede atender un médico, en promedio, en el distrito disminuye de 5,250 a 4,250, el ratio de partos asistidos por un profesional calificado sube de 59.3% a 60%.

h. La tenencia de activos públicos (agua y desagüe) en el hogar de la mujer: un incremento del índice de activos públicos de -0.54 a -0.44, representa un aumento del ratio de partos asistidos por un profesional calificado entre 59.3% y 59.4%.

Indicador No. 16: Tasa de mortalidad materna


a. La educación de la mujer y su pareja: si el porcentaje de mujeres y de sus parejas que han completado primaria aumenta de 41.2% a 51.2%, la tasa de mortalidad materna cae de 185 por 100,000 nacidos vivos a 170.76.

b. El cuadrado del índice de activos totales del hogar de la mujer: si éste aumenta en 1% (de 7.2 a 8.2), la tasa de mortalidad materna disminuye de 185 por 100,000 nacidos vivos a 152.88.

c. La calidad de la infraestructura de los establecimientos de salud del distrito: al pasar de una calidad 3 (quincha) a una calidad 4 (madera), la tasa de mortalidad materna cae de 185 por cada 100,000 nacidos vivos a 127.56.

d. La disponibilidad de médicos en el distrito en donde vive la mujer: si la cantidad de personas que puede atender potencialmente un médico promedio en el distrito disminuye de 6,092 a 5,092, la tasa de mortalidad materna pasa de 185 por cada 100,000 nacidos vivos a 170.33.

e. Atención completa de la salud materna durante el embarazo, el parto y el puerperio (la mujer se ha hecho seis controles prenatales con un profesional calificado, tuvo parto asistido con un profesional de la salud, y se hizo por lo menos un control de puerperio con un profesional calificado): si el porcentaje de mujeres que recibe esta atención completa de la salud materna aumenta de 14.4% a 24.4%, la tasa de mortalidad materna disminuye de 185 por cada 100,000 nacidos vivos a 159.13.

f. El número de embarazos que ha tenido la mujer: si el número promedio de embarazos de una mujer disminuye de 4 a 3, la tasa de mortalidad materna cae de 185 por cada 100,000 nacidos vivos a 120.16.

g. La disponibilidad de establecimientos de salud en el distrito: si el ratio de personas por hospital en el distrito disminuye de 45,979 a 35,979, la tasa de mortalidad materna cae de 185 por cada 100,000 nacidos vivos a 178.45.

17

Simulación y Costeo: el ODM al 2015

Escenario Base sin políticas sectoriales

A continuación se presentará la evolución de los indicadores del ODM No. 5, frente a un determinado crecimiento económico, y sin considerar políticas sectoriales.

1) Crecimiento de 3%, 5% y 7%, SIN redistribución.

Con niveles de crecimiento de 3% y 5%, y sin políticas redistributivas ni sectoriales, la mortalidad materna se incrementa cada vez menos para el año 2015 con respecto al nivel del año 200054 (en 16% y 8%, respectivamente, como se ve en el Cuadro No. 36), e incluso caería en 2% en el caso de un crecimiento de 7%.

Por otro lado, la proporción de partos atendidos por un profesional calificado aumentaría entre un 7% y un 16%, dependiendo del ritmo de crecimiento económico, contribuyendo en parte con la desaceleración del incremento de la mortalidad materna, aunque como se ve, pese a la vinculación entre ambas variables, un aumento de la atención profesional del parto no es suficiente para lograr una reducción de la mortalidad materna que permita alcanzar la meta del milenio (66 muertes por cada 100,000 nacidos vivos), siendo necesario pensar en otras políticas más específicas que apunten a ese objetivo.



Crecimiento sin redistribución Indicadores Base Actual (2000) Meta

3% 5% 7%Tasa de mortalidad materna 265 /1 185 66.25 215 199 182

Partos asistidos por personal calificado (%) 52.5% /2 59.3% nd 63.62% 66.23% 68.62%

1/ La línea de base fue construida para el año 1996. 2/ La línea de base fue construida para el año 1992.

2) Crecimiento de 3%, 5% y 7%, CON redistribución.

Para los escenarios con crecimiento económico y redistribución, la situación de la mortalidad materna mejora en comparación a la simulación en la que no se redistribuye, excepto en el caso de un crecimiento de 7%, ya que, como se vio en los capítulo previos, involucra una regresión de la distribución de los ingresos, razón por la cual la tasa de mortalidad que se alcanza al 2015 es ligeramente mayor que en el escenario en el que no se redistribuye.

Del mismo modo, la evolución de la proporción de partos asistidos por personal calificado es ligeramente mejor que en el caso anterior (sin redistribución) aunque, nuevamente, con la excepción del escenario con un crecimiento de 7%. El aumento de este indicador 17, dependiendo del nivel de crecimiento económico simulado, se encuentra entre el 9% y el 14% (Cuadro No. 37).

54 Este mayor nivel respecto al año 2000 se debe a que, ante una reducción del número de nacimientos y solamente una desaceleración del crecimiento de las muertas maternas, dada la definición del indicador, la tasa de mortalidad materna se incrementa.

18

Cuadro No. 37: Resultados del escenario sin políticas sectoriales al 2015 bajo distintas tasas de crecimiento y con redistribución

Crecimiento con redistribuciónIndicadores Base Actual

(2000) Meta 3% 5% 7%

Tasa de mortalidad materna 265 /1 185 66.25 211 198 186


1/ La línea de base fue construida para el año 1996. 2/ La línea de base fue construida para el año 1992.

Escenario que alcanza el ODM con políticas sectoriales, y los principales costos asociados

A continuación se presentarán los resultados obtenidos a partir de las simulaciones que incorporan políticas sectoriales. Es muy importante resaltar dos aspectos que gobiernan dicho proceso de simulación:

a. Dada la naturaleza de los modelos y la integración que se ha realizado sobre la base de ellos, las políticas sectoriales aplicadas para los ODM de Erradicación de Pobreza y Hambre (No. 1), Logro de la enseñanza primaria universal (No. 2) y Promoción de la igualdad entre los sexos y la autonomía de la mujer (No. 3), afectarán, tanto directa como indirectamente, a la tasa de mortalidad materna y al ratio de partos asistidos por un profesional calificado (aunque estos últimos no tienen ningún efecto sobre los primeros). Por ello, las políticas aplicadas a esos tres primeros ODMs se tomarán como dadas, para luego establecer si son suficientes para alcanzar también el ODM 5 o si son todavía necesarias políticas sectoriales adicionales vinculadas específicamente con la mortalidad materna55.

b. Aplicadas las políticas sectoriales de los tres primeros ODM�s:

- Mejoramiento del nivel educacional de la mujer/madre. - Mejoramiento de la infraestructura pública: agua y desagüe. - Aumento de los controles prenatales realizados por las gestantes.

no se logra alcanzar la meta del milenio del ODM 5, razón por la cual se tuvo que simular la aplicación de políticas sectoriales específicas a este objetivo.

Dada las diferentes opciones de políticas sectoriales que se derivan de los resultados obtenidos a partir de la estimación de los modelos de mortalidad materna y parto asistido profesionalmente, fue necesario utilizar la siguiente metodología a fin de establecer la combinación de política que permitiera alcanzar la meta al más bajo costo posible.

i. Se estableció cuáles eran las variables que generaban una mayor reducción sobre la mortalidad materna al menor costo posible, para lo cual se comparó la elasticidad de la misma ante cambios en las posibles variables de política con el costo de lograr incrementos en ellas. Las variables más costo-efectivas fueron:

- La calidad de la infraestructura del establecimiento. - Controles prenatales realizados por un profesional calificado. - La disponibilidad de médicos en el distrito.

55 La integración de los modelos y la lógica final de la simulación serán explicados en el capítulo XXX.

19

La ventaja de estas tres variables escogidas sobre las demás es que poseen un doble efecto sobre la tasa de mortalidad materna. Por un lado, afectan a la probabilidad de que una mujer tenga un parto asistido por un profesional calificado, la cual es un determinante de la supervivencia de la mujer. Por otro lado, actúan directamente como determinantes de dicha supervivencia. Como consecuencia de este doble efecto, el costo56 puede ser atribuido a un mayor efecto, lo cual se traduce en un indicador costo-efectividad más favorable.

ii. Se efectuaron combinaciones de política sectorial que permitieron conseguir la meta propuesta para la tasa de mortalidad materna antes del 2015. Estas combinaciones fueron:

- Mejoras sólo en la calidad de la infraestructura de los establecimientos de salud en el distrito57.

- Mejora de la calidad de la infraestructura de los establecimientos de salud en el distrito junto con un aumento de los controles prenatales realizados por un profesional calificado.

- Mejora de la calidad de la infraestructura de los establecimientos de salud en el distrito junto con un aumento de la disponibilidad de médicos en el distrito.

iii. Finalmente, se escogió la segunda de las combinaciones, cualquiera fuera el nivel de crecimiento y redistribución. Sin embargo, el efecto sobre la tasa de mortalidad materna y la magnitud del costo asociado a estas políticas sí dependen de los supuestos sobre el crecimiento y la redistribución.

1) Crecimiento de 3%, 5% y 7%, SIN redistribución

Tal como se puede observar en el Cuadro No. 38, cualquiera sea el escenario, se simula un aumento de las atenciones prenatales por un profesional calificado de 7%, con lo que se logra que el 100% de ellas sean atendidas por este tipo de profesional58. Luego se mejora la calidad de la infraestructura de los establecimientos de salud hasta que se alcanza la meta del milenio en el 2015.

Como se observa en el Cuadro, a medida que el nivel de crecimiento económico aumenta, la necesidad de invertir en el mejoramiento de la calidad de los establecimientos de salud disminuye (con 3% de crecimiento se requiere un incremento de 9.06% al año en los metros cuadrados construidos con material noble, mientras que con 7% de crecimiento se requiere un aumento de 7.37% anual) y, por lo tanto, el costo total también se reduce, fluctuando entre 48 y 39.7 millones de dólares anuales, respectivamente.

Finalmente, se observa también que a raíz de las políticas sectoriales propuestas, se alcanza un aumento de algo más de 60% de los partos asistidos por un profesional calificado, lográndose atender profesionalmente entre 95% y 93% del total de partos, de acuerdo con el escenario de crecimiento utilizado.

56 Nótese que, por tanto, el costo al que se hace referencia incluye también aquél de brindar el volumen adicional de partos asistidos profesionalmente que las políticas propuestas hacen posible. 57 Aumentar el número de metros cuadrados de los establecimientos de salud que están construidos con material noble. 58 Cabe mencionar que como es más barato que mejorar la calidad de la infraestructura de salud, siempre se empieza elevando la atención profesional del control prenatal hasta alcanzar al 100% de los mismos.

20

Cuadro No. 38: Magnitud y Costo de las políticas sectoriales al 2015 bajo distintas tasas de crecimiento y sin redistribución

Crecimiento sin redistribución

3% 5% 7% Variables de política Costo Unitario

Crecimiento Anual

Monto Anual (en US$ 2004)

Crecimiento Anual


Crecimiento Anual


Con_prof59 4.08 7% 846,694 7% 846,694 7% 846,694

Infra_estab60 153.14 9.06% 36,973,354 8.28% 32,961,983 7.37% 28,633,162

Parto61 77.07 0.95% 10,150,054 0.95% 10,146,792 0.95% 10,201,055

TOTAL 47,970,102 43,955,469 39,680,911



Crecimiento sin redistribución Indicadores Base Actual (2000) Meta

3% 5% 7%Tasa de mortalidad materna 265 /1 185 66.25 66 66.19 66.22

Partos asistidos por personal calificado (%) 52.5% /2 59.3% nd 94.7% 94.1 92.9%

2) Crecimiento de 3%, 5% y 7%, CON redistribución

Los resultados son muy parecidos a los que se observan en el caso en el que no se redistribuye, aun cuando para los niveles de crecimiento económico de 3% y 5%, las mejoras necesarias en la infraestructura de salud son algo menores que en el primer caso, por lo que los costos también se reducen ligeramente (47.4 y 43.7 millones dólares anuales, respectivamente). Esto se debe a que la redistribución impacta en el índice de activos (existe menos inequidad) lo que se traduce en una reducción de la mortalidad materna, requiriéndose un nivel más bajo de inversión en la mejora de la infraestructura. Para el nivel de crecimiento de 7% sucede lo contrario debido a que considera una redistribución negativa de los ingresos de las familias, por lo que el costo total es mayor que en el escenario sin redistribución, sobrepasando los 40 millones de dólares anuales.62

En consecuencia, la meta de mortalidad materna es alcanzada en el 2015 para cualquier escenario de crecimiento y redistribución. El resultado sobre los partos asistidos por un profesional calificado es muy similar al de los escenarios sin redistribución, aunque hay que mencionar que la redistribución positiva disminuye la necesidad de invertir en la infraestructura de los establecimientos de salud para alcanzar la meta de mortalidad y, por esa vía, reduce ligeramente la proporción de partos asistidos profesionalmente.

59 Controles prenatales realizados por un profesional. 60 Calidad de infraestructura del establecimiento. 61 Parto asistido por un profesional calificado. 62 Hay que tener en cuenta que todos estos costos son adicionales a aquellos que se requerirían para mantener el resto de variables de política vinculadas con la mortalidad materna y la mortalidad de niños y niñas (las que no se utilizaron para alcanzar las metas) en su nivel actual. Dichos costos de mantenimiento ascienden a 27 millones de dólares anuales, y casi un 66% corresponde a incrementos en el número de médicos requerido para lograr un ratio población/médicos similar al que se tiene en la actualidad.

21

Cuadro No. 40: Magnitud y costos de las políticas sectoriales al 2015 bajo distintas tasas de crecimiento y con redistribución

Crecimiento con redistribución

3% 5% 7% Variables de política Costo Unitario

Crecimiento Anual


Crecimiento Anual

Monto Anual(en US$ 2004)

Crecimiento Anual


Con_prof63 4.08 7% 846,694 7% 846,694 7% 846,694

Infra_estab64 153.14 8.91% 36,179,430 8.22% 32,665,194 7.56% 29,507,032

Parto65 77.07 0.95% 10,329,498 0.95% 10,177,390 0.95% 9,926,287

TOTAL 47,355,622 43,689,278 40,280,013



Crecimiento con redistribuciónIndicadores Base Actual (2000) Meta

3% 5% 7%Tasa de mortalidad materna 265 /1 185 66.25 66.19 66.19 66.22


63 Controles prenatales realizados por un profesional. 64 Calidad de infraestructura del establecimiento. 65 Parto asistido por un profesional calificado.

Capítulo

6 Simulación y costeo integral Integración de modelos

La integración de los modelos es necesaria en la medida en que se busca conocer qué combinaciones de política permitirán alcanzar los objetivos propuestos y éstos, muchas veces, se determinan de manera simultánea. Atendiendo a lo anterior, en este acápite se resumen las interrelaciones existentes entre las variables consideradas y se muestra, de manera esquemática, de qué manera se relacionan los resultados de cada tipo de modelo. Por lo mismo, esta sección complementa los capítulos anteriores y explica el proceso a través del cual se alcanzaron los resultados reportados desde un punto de vista integral.

Dentro del conjunto de modelos desarrollados, el más exógeno lo constituye el modelo contable de simulación. Éste permite trabajar con distintos escenarios de crecimiento y políticas redistributivas a nivel macroeconómico. Así, el marco general para los ejercicios de simulación lo constituye la combinación de crecimiento promedio en la economía y redistribución (entendida como una caída en el coeficiente de Gini) requerida para alcanzar la meta asociada al primer indicador (reducir a la mitad la incidencia de la pobreza).

Dependiendo de la combinación elegida, se obtuvieron valores distintos para la evolución de cuatro variables hasta el año 2015: (i) el gasto promedio del hogar; (ii) el cuadrado del gasto promedio del hogar; (iii) la incidencia de la pobreza; y (iv) el índice de activos privado del hogar (que depende, a su vez, de las dos primeras variables). La evolución de estas cuatro variables determina el escenario sin políticas sectoriales adicionales para el resto de indicadores. Así, y en ausencia de cualquier política sectorial adicional66, el resto de indicadores reporta una evolución acorde con los valores de estas cuatro variables. Al respecto, vale la pena notar que, debido a las interacciones propuestas al momento de integrar los modelos, no es necesario que determinado indicador dependa directamente de alguna de estas cuatro variables para que su evolución se vea afectada según sea el escenario sin políticas sectoriales elegido. De hecho, determinado indicador puede depender de manera indirecta de alguna de estas cuatro variables a través de otro indicador. Así, por ejemplo, y si bien la tasa neta de matrícula en primaria no depende de manera directa de ninguna de las cuatro variables mencionadas, este indicador reporta una evolución distinta según sea el escenario elegido en la medida en que depende de la tasa de alfabetización y ésta, a su vez, depende tanto del gasto promedio del hogar como de la incidencia de la pobreza.

Sobre este escenario actúan los shocks sectoriales y así se obtuvo una nueva evolución para los indicadores asociados a los 5 ODMs analizados. Estos nuevos valores constituyen lo que se denomina el escenario con políticas sectoriales adicionales. Los shocks sectoriales fueron aplicados en función de las metas

66 Se entiende como política sectorial adicional a la introducción de un shock sobre alguno de los regresores de los modelos microeconométricos clasificados como variables de política.

23

requeridas para el año 2015, de modo que son los valores asociados a este nuevo escenario los que deben guardar consistencia con dichas metas.

De lo anterior se desprende que la magnitud de los shocks sectoriales requeridos para alcanzar las metas fue cada vez menor en la medida en que se asumieron escenarios de crecimiento más optimistas. Esto se debe a que, en la medida en que el gasto promedio del hogar crezca a una tasa mayor y la incidencia de la pobreza se reduzca más rápidamente, el escenario sin políticas sectoriales adicionales asociado al resto de indicadores registrará valores más cercanos a las metas requeridas.

El segundo grupo de modelos en orden de exogeneidad lo constituyen aquellos asociados a los indicadores de educación. Esto de debe a que muchos de los modelos construidos para el resto de indicadores contemplan el grado de educación alcanzado por las madres y/o padres como un regresor significativo. Así, el producto final de los modelos de educación no sólo lo constituye la evolución de los indicadores 6, 7, 8, 9 y 10 sino también el porcentaje de hombres y mujeres con educación primaria, secundaria y superior que sirve como insumo para el resto de modelos.

El conjunto de modelos asociado a los indicadores de nutrición, mortalidad infantil y salud materma, finalmente, constutuye el bloque más endógeno. Éstos se nutren tanto de los resultados del modelo contable de simulación macro como de aquellos asociados a los modelos de educación. Cabe resaltar, además, que éstos se encuentran interrelacionados a través de las variables de política dado que muchos de ellos comparten regresores que fueron sometidos a shocks específicos durante la simulación.

La Ilustación 1 resume la interracción de los tres bloques arriba descritos.

Resumen metodológico de la simulación

La metodología seguida para construir el escenario con políticas sectoriales adicionales se basa en las interrelaciones existentes entre los indicadores propuestos. Éstas se resumen en la Ilustración 2.

Dado que los resultados asociados a los objetivos de educación impactan sobre el resto de indicadores a través del nivel educativo de las madres y/o padres, se empezó buscando la combinación de shocks sectoriales que garantice el cumplimiento de las metas para los indicadores 6 (tasa neta de matrícula primaria), 7 (tasa de conclusión neta primaria), 8 (tasa de alfabetización para personas entre los 15 y 24 años), 9 (relación entre mujeres y hombres con educación superior67) y 10 (relación entre las tasas de alfabetización de mujeres y hombres).

En particular, los objetivos asociados a los indicadores 8 y 10 se alcanzaron introduciendo un shock sobre el número adicional de hombres y mujeres alfabetizados (Shock 1). Nótese que nos referimos al número adicional de hombres y mujeres debido a que el escenario sin políticas sectoriales adicionales predice ya un crecimiento en estos indicadores dado por la evolución del gasto promedio del hogar y la incidencia de la pobreza. Asimismo, los modelos de alfabetización son de naturaleza autorregresiva debido a la presencia de la condición de alfabetismo del padre y madre dentro del conjunto de regresores significativos68. Por lo mismo, este

67 Cabe destacar que no fue necesario introducir shock alguno para alcanzar las metas asociadas a la relación entre niñas y niños que cursa algún grado de primaria o secundaria en edad normativa. En el caso de educación primaria, el escenario sin políticas sectoriales adicionales garantiza ya que el ratio alcance el valor de uno. En el caso de educación secundaria, por su parte, el ratio asociado al año 0 (2003) es ya igual a uno de acuerdo con los datos de la ENAHO 2002-IV. 68 Al respecto, se asumió que esta variable impacta sobre la tasa de alfabetización después de 10 años: hay que esperar por lo menos 10 años para que aquellos alfabetizados ahora se conviertan en padres de hombres y mujeres entre 15 y 24 años.

24

shock no es ajeno a la dinámica de los modelos de alfabetismo en el sentido de estar en función del crecimiento asociado a la evolución del gasto, la caída en la incidencia de la pobreza y el incremento adicional en el indicador originado por la mayor tasa de alfabetización alcanzada 10 años atrás, elementos que determinan la evolución del indicador bajo el escenario sin políticas sectoriales adicionales.

Las metas asociadas a los indicadores 6, 7 y 9, por su parte, fueron alcanzadas complementando el Shock 1 con incrementos en la proporción de hogares que accede a desagüe en la forma de red pública dentro de la vivienda (Shock 2) y el gasto complementario en educación promedio de hogares pobres (Shock 3).

Ilustración 1 Esquema para la integración de los modelos


adicionales


adicionaales

Modelo contable de

simulación

Combinación de crecimiento y redistribución requerido para alcanzar la meta del

indicador ODM 1

Evolución del gasto promedio del hogar, cuadrado del gasto

promedio del hogar e incidencia de la pobreza

Modelos para los indicadores ODM de

educación

Modelos para los indicadores ODM de nutrición, mortalidad

infantil y salud materna

Shocks sectoriales

Shocks sectoriales


adicionales


adicionaales

25

Nótese que el cumplimiento de las metas para estos primeros 5 indicadores implica ya la presencia de nuevos valores para el resto de variables bajo el escenario con políticas sectoriales adicionales. Esto se da a través de dos canales: (i) un aumento en la proporción de hombres y mujeres con primaria completa, secundaria completa y educación superior; y (ii) una mejora en la infraestructura del hogar a través del Shock 2 que se traduce en una mejora en la calidad promedio del desagüe (regresor significativo, por ejemplo, en el modelo de insuficiencia ponderal de niños menores de 5 años) y un incremento en el índice de activos públicos del hogar (regresor significativo, por ejemplo, en el modelo de mortalidad infantil).

El siguiente paso fue complementar este resultado con shocks sobre regresores específicos de cada modelo. En particular, el esfuerzo por alcanzar las metas asociadas a los indicadores de nutrición (indicadores 4 y 5) se centra en la introducción de incrementos en: (i) la proporción de madres que se hace seis controles prenatales (Shock 5); (ii) la proporción de hogares que accede al servicio de agua en la forma de red pública dentro de la vivienda (Shock 6); (iii) el porcentaje de individuos que accede a programas de complementación alimentaria subsidiada (Shock 7); y (iv) el gasto promedio por distrito en el programa de alimentación infantil (Shock 8). En particular, el Shock 6 afecta a ambos indicadores a través de incrementos en la calidad promedio del servicio de agua (regresor significativo en el modelo de insuficiencia ponderal en niños menores de 5 años -indicador 4-) y complementando el shock sobre el índice de activos públicos del hogar (regresor significativo en el modelo de ingesta calórica -indicador 5-). Asimismo, cabe precisar que el Shock 5 afecta al indicador 4 y que el acceso a programas de complementación alimentaria y el gasto en el programa de alimentación infantil impactan sobre los indicadores 5 y 4, respectivamente.

Por su parte, la meta asociada a la tasa de mortalidad materna (indicador 16) fue alcanzada introduciendo incrementos en la calidad de la infraestructura de los establecimientos de salud (Shock 4) y complementando el Shock 5 a través de incrementos en la proporción de madres que se hace seis controles prenatales por un profesional.

Debido a que las variables asociadas a los shocks 4 y 5 son también regresores significativos en el modelo de mortalidad infantil, la meta asociada a este indicador (así como aquella asociada a la tasa de mortalidad en niños menores de 5 años) son un subproducto de dichos shocks. Es decir, y dados los shocks 1, 2, 3 y 6, la magnitud del incremento introducido en la proporción de madres que se hace seis controles prenatales por un profesional y en la calidad de la infraestructura de los establecimientos de salud, es suficiente para alcanzar también las metas para los indicadores 13 y 14.

Ilust

raci

ón 2

Re

sum

en d

e la

s in

terr

elac

ione

s en

tre lo

s in

dica

dore

s pr

opue

stos

Gas

to p

rom

edio

de

l hog

ar

Cu

adra

do d

el g

ast

o pr

omed

io d

el h

oga

rIn

cide

nci

a d

e la

p

obre

za (

línea

crí

tica

del I

NE

I)

Coe

ficie

nte

de la

br

echa

de

pob

reza

Pro

porc

ión

del

co

nsum

o de

l qui

ntil

infe

rior

Índi

ce d

e a

ctiv

os

priv

ado

del h

ogar

Cre

cim

ient

o p

rom

edio

(3

%,

5% y

7%

) R

edi

stri

buci

ón (

caíd

a %

e

n el

coe

ficie

nte

de G

ini)

Tas

a d

e c

onc

lusi

ón

ne

ta p

rim

aria

Ta

sa d

e a

lfab

etiz

ació

n

ho

mb

res

y m

uje

res

(15

-24)

Re

laci

ón

hom

bres

/ m

uje

res

>1

7 c

on

ed

uca

ció

n s

up

erio

r

Pro

po

rció

n d

e m

uje

res

em

ple

ad

as

en e

l se

cto

r n

o

ag

ríco

la

Ta

sa n

eta

de

ma

tríc

ula

p

rima

ria

Niñ

os(

as)

(6-1

1)

en

a

lgú

n g

rad

o d

e p

rim

aria

e

n e

dad

no

rma

tiva

Niñ

os(

as)

(12

-17

) e

n se

cun

dari

a e

n e

dad

n

orm

ativ

a

Gra

do

de

inst

rucc

ión

a

lca

nza

do

po

r h

om

bre

s y

mu

jere

s

1

2 3 2 233 3

2

% n

iño

s m

en

ore

s d

e 5

añ

os c

on

pe

so

infe

rio

r a

l no

rma

l

6

25

8

% h

og

are

s p

or

de

bajo

de

l co

nsu

mo

m

in. d

e c

alo

rías

7

2

6

Ta

sa d

e m

ort

alid

ad

n

iño

s <

5 a

ño

s

% n

iño

s va

cun

ado

s co

ntr

a e

l sa

ram

pió

n

Ta

sa d

e m

ort

alid

ad

ma

tern

a

% p

art

os

asi

stid

os

por

pe

rson

al e

sp.

5

Ta

sa d

e m

orta

lida

d n

iño

s 2

- 5

añ

os

2

Ta

sa d

e m

ort

alid

ad

in

fant

il

54

62

6

54

62 5

4

Pol

ítica

s se

ctor

iale

s 1

. N

úm

ero

adi

cion

al d

e h

om

bre

s y

muj

ere

s al

fabe

tiza

das

. 2

. P

orc

en

taje

de

hog

are

s q

ue

acc

ede

al s

erv

icio

de

de

sag

üe

(re

d p

úb

lica

de

ntr

o a

de

la v

ivie

nda

).

3.

Ga

sto

com

ple

men

tario

en

ed

uca

ción

pro

me

dio

de

los

ho

gare

s po

bre

s.

4.

Me

jora

mie

nto

de

la in

fra

est

ruct

ura

de

los

esta

ble

cim

ien

tos

de

salu

d.

5.

Po

rce

nta

je d

e m

uje

res

qu

e se

ha

ce s

eis

con

tro

les

pre

na

tale

s p

or u

n p

rofe

sio

nal

. 6

. P

orc

en

taje

de

hog

are

s q

ue

acc

ede

al s

erv

icio

de

ag

ua

(re

d p

úb

lica

de

ntr

o a

de

la v

ivie

nd

a).

7.

Po

rce

nta

je d

e in

div

iduo

s q

ue

acc

ede

a p

rog

ram

as

de

co

mp

lem

en

taci

ón

alim

ent

ari

a s

ubs

idia

da.

8

. G

ast

o p

rom

ed

io p

or d

istr

ito e

n e

l pro

gram

a d

e a

lime

nta

ció

n in

fan

til.

Resumen integral del costeo

En los capítulos anteriores se ha hecho un esfuerzo por precisar qué conjunto de políticas sectoriales fue utilizado para alcanzar los objetivos asociados a cada ODM. No obstante, y tal como se desprende del esquema presentado en la Ilustración 2, los ocho shocks utilizados impactan, tanto de manera directa como indirecta, en más de un indicador. Por lo mismo, la magnitud de cada medida de política sectorial específica está en función del impacto general que hayan tenido todas las introducidas anteriormente. Así, por ejemplo, la elección del incremento en la calidad de la infraestructura de los establecimiento de salud (Shock 4), -introducido con el fin de alcanzar la meta asociada a la tasa de mortalidad materna- depende de cuál haya sido el incremento en el porcentaje de hogares que accede al servicio de desagüe (Shock 2), requerido para alcanzar las metas asociadas a los indicadores de educación. De acuerdo con el esquema anterior, esto se debe a que la tasa de mortalidad materna depende del porcentaje de partos asistidos por personal especializado y éste, a su vez, depende directamente del acceso al servicio de desagüe.

Debido a lo anterior, los costos asociados al cumplimiento de las metas requeridas deben ser analizados desde una perspectiva integral. Por lo mismo, en esta sección se resumen los costos totales tomando en cuenta los distintos escenarios de crecimiento (con y sin redistribución) propuestos en este análisis.

28

Cuadro No. 1 Costos totales sin redistribución: flujos promedio anuales en US$ (2005-2015)

Crecimiento / Costo asociado (US$) Shock Variable de política 3% 5% 7%

Shock 1 Número adicional de hombres y mujeres alfabetizadas 760,549 700,644 649,747

Shock 2 Porcentaje de hogares que accede al servicio de desagüe (red pública dentro de la vivienda)

564,708,831 410,738,015 268,823,705

Shock 3 Gasto complementario en educación promedio de los hogares pobres 9,054,602 0 0

Shock 4 Mejoramiento de la infraestructura de los establecimientos de salud 36,973,354 32,961,983 28,633,162

Porcentaje de mujeres que se hace 6 controles prenatales 7,364,567 7,364,567 7,364,567

Shock 5 Porcentaje de mujeres que se hace los controles prenatales por un profesional

846,694 846,694 846,694

Shock 6 Porcentaje de hogares que accede al servicio de agua (red pública dentro de la vivienda)

400,148,867 400,148,867 63,853,029

Shock 7 Porcentaje de individuos que accede a programas de complementación alimentaria subsidiada

142,541,761 96,181,386 61,023,499

Shock 8 Gasto promedio por distrito en el programa de alimentación infantil 232,293,651 7,669,882 0

Vacunación contra el sarampión 10,935 12,587 14,134 Parto asistido por profesional calificado 10,150,054 10,146,792 10,201,055 Mantener el resto de variables de política constantes /1 27,125,670 27,125,670 27,125,670

TOTAL 1,431,979,534 993,897,088 468,535,263 % del PBI promedio anual 1.93 1.17 0.48

/1 Se refiere a las variables: (i) acceso al seguro público de salud; (ii) población por médico en el distrito; y (iii) población por establecimiento de salud en el distrito. Estas variables están asociadas a los modelos de los ODMs 4 y 5.

29

Cuadro No. 2 Costos totales con redistribución: flujos promedio anuales en US$ (2005-2015)

Crecimiento / Costo asociado (US$) Shock Variable de política 3% 5% 7%

Shock 1 Número adicional de hombres y mujeres alfabetizadas 752,472 699,166 651,719

Shock 2 Porcentaje de hogares que accede al servicio de desagüe (red pública dentro de la vivienda)

489,993,182 391,172,424 303,386,177

Shock 3 Gasto complementario en educación promedio de los hogares pobres 0 0 0

Shock 4 Mejoramiento de la infraestructura de los establecimientos de salud 36,179,430 32,665,194 29,507,032

Porcentaje de mujeres que se hace 6 controles prenatales 7,364,567 7,364,567 7,364,567

Shock 5 Porcentaje de mujeres que se hace los controles prenatales por un profesional

846,694 846,694 846,694

Shock 6 Porcentaje de hogares que accede al servicio de agua (red pública dentro de la vivienda)

400,148,867 369,490,736 173,013,445

Shock 7 Porcentaje de individuos que accede a programas de complementación alimentaria subsidiada

81,288,531 81,361,687 81,352,216

Shock 8 Gasto promedio por distrito en el programa de alimentación infantil 147,678,737 0 0

Vacunación contra el sarampión 12,603 12,946 13,551 Parto asistido por profesional calificado 10,329,498 10,177,390 9,926,287 Mantener el resto de variables de política constantes /1 27,125,670 27,125,670 27,125,670

Subtotal 1,201,720,251 920,916,474 633,187,358

Costo de la redistribución /2 2,968,000,000 665,000,000 -.- TOTAL 4,169,720,251 1,585,916,474 633,187,358

% del PBI promedio anual 5.61 1.87 0.65

/1 Se refiere a las variables: (i) acceso al seguro público de salud; (ii) población por médico en el distrito; y (iii) población por establecimiento de salud en el distrito. Estas variables están asociadas a los modelos de los ODMs 4 y 5. /2 Se asume un 20% de gastos administrativos.

Bibliografía

Aaby P., J. Bukh, IM. Lisse y AJ. Smiths, Measless vaccination and reduction in child mortality: a community study from Guinea-Bissau, JInfect, Vol. 8, pp. 13-21, 1984. Aaby P., M. Anderson, Sodemann, M. Jakobsen, J. Gomes, M. Fernandes, Reduced child mortality following standard measles vaccination at 4-8 months compared to 9-11 months of age, BMJ, 1993. Aaby, Meter, The impact of measles and measles vaccinations on child survival: contradictions and resolutions, Bandim Health Project, Danish Epidemiology Science Centre, Bissau. http://www.ich.ucl.ac.uk/ich/html/academicunits/cich/pdfs/aabypaper.doc Aaby, P., Badara Samb, Francois Simondon, Awa Maria Coll Seek, Kim Knudses y Hilton Whittle, Non specific beneficial effect of measles immunization: analysis of mortality studies from developing countries, Unidad de Investigación Epidemiológica del Centro Danés de Epidemiología, Dinamarca, agosto, 1995. Abou-Ali, Hala, The effect of water and sanitation on child mortality in Egypt, Unidad de Economía Ambiental del Departamento de Economía de la Universidad de Goteborg, Suecia, octubre, 2003. Abouzahr, C. y Tessa Wardlaw, Maternal mortality in 2000: estimates developed by WHO, UNICEF y UNFPA, pp. 4 y 16. http://www.who.int/reproductive-health/publications/maternal_mortality_2000/maternal_mortality_2000.pdf Alderman, H., �Reducing Child Malnutrition: How Far Does Income Growth Take Us?� Center for Research in Economic Development and International Trade, University of Nottingham, 2001. Beltrán, Arlette., Utilización de los servicios de control del embarazo y parto: el caso peruano, en �Determinantes de la Utilización de los servicios de salud de la mujer y su importancia en el diseño de políticas: el caso peruano�, Centro de Investigación de la Universidad del Pacífico, Lima, abril, 1999. Bouis, H & Haddad, L, �Are estimates of calorie-income elasticities too high? A recalibration of the plausible range�. Journal of Development Economics 39, 1991, p. 333-364. Bouis, H., �The effect of income on demand for food in poor countries: Are our food consumption databases giving us reliable estimates?�. Journal of Development Economics 44. 1994, p. 199-226. Bulatao. R. y J. Ross, Do health services reduce maternal mortality? Evidence from ratings of maternal health programs, Centro de Población, Salud y Nutrición, U.S. Agency for International Development, Washington, junio, 2001, pp. 7-10. CEPAL, IPEA & UNDP, �Meeting the Millennium Poverty Reduction Targets in Latin America and the Caribbean�, 2002 Clemens JD., BF. Stanton, J. Chakraborty, S. Chowdhury, , MR. Sao y M. Ali, Measles vaccination and childhood mortality in rural Bangladesh, Am J Epidemiol, 1998. Cortez, Rafael, �La Nutrición de los Niños en Edad Preescolar� Centro de Investigación de la Universidad del Pacífico-CIES, 2002.

31

Cramer, James, Social Factors and Infant Mortality: Identifying High-Risk Groups and Proximate causes, en Demografía, Vol. 24, No. 3, agosto, 1987, pp. 316-317. Flegg, A.T., Inequality of income, illiteracy and medical care as determinants ok infant mortality in underdeveloped countries, Journal of Population Studies, Cramer, Jamesol. 36, No. 3, noviembre, 1982, 452-453. Francke, Pedro (1996). �Tipos de crecimiento y pobreza: una aproximación�. En ¿Cómo Estamos? Análisis de la Encuesta de Niveles de Vida. Eds. Gilberto Moncada y Richard Webb. Instituto Cuánto, P. 137-156. Frankenberg, E., The effects of access to health care on infant mortality in Indonesia, Health Transition Review 5, 1995, 143-163. Gwatkin, D., �Socioeconomic differences in Health, Nutrition and Population in Peru�. Banco Mundial, 2000. Hanmer, Lucia, R.Lensink y H. White, Infant and child mortality in developing countries; analysing the data for robust determinants. http://www.ids.ac.uk/ids/pvty/pdf-files/imr.pdf Indicators for monitoring the millenium development goals. Definitios, rationale, concepts and sources, documento preparado por las Naciones Unidas, New York, 2003. Kakwani, Nanak, �Income Inequality and Poverty: Methods of Estimation and Policy Applications�. Banco Mundial & Oxford University Press, 1980. Kwast. B., R. Rochat y W. Kidane-Mariam, Maternal mortality in Addis Adaba, Ethiopia, Studies in Family Planning, Vol. 17, No. 6, diciembre, 1986, p. 292. Lachaud, J., Modelización de los determinantes de la mortalidad de los niños y pobreza y los Comoros, Documento de Trabajo del Centro de Economía para el Desarrollo, Universidad de Montesquieu-Bordeaux IV, Francia, 2002. Mausy-Stroobant, Godelieve, The determinants of infant mortality: how far are conceptual frameworks really modelled?, Documento de Trabajo No. 13, Departamento de las Ciencias de la Población y del Desarrollo de la Universidad Católica de Louvain, octubre 2001, p. 18. Mosley y Chen, An analytical framework for the study of child survival in developing countries, Population and Development Review 1984; 10 Suppl: 25-45. Olenick, I., Poor socioeconomic status is linked to high maternal mortality in rural Pakistan, International Family Planning Perspectives, Vol. 24, No. 2, junio, 1998, pp, 96-97. Presentación realizada por el Ministerio de Salud del Perú en la Semana de la Maternidad Saludable y Segura, mayo 2002; Instituto Nacional de Estadística e Informática, Encuestas Demográficas y de Salud 91-92, 96 y 2000 y la Organización Panamericana de Salud (OPS). Sandoval, V., Atención prenatal, parto institucional y atención posparto en el Perú: efectos individuales y de la comunidad, Universidad de Costa Rica, San José, julio, 2002, p.1 Shiffman, J., Can poor countries surmount high maternal mortality?, Studies in Family Planning, Vol. 31, No. 4, diciembre, 2000, pp. 283-284. Stanton, C., N. Abderrahim y K. Hill, An assesment of DHS maternal mortality indicators, Studies in Family Planning, Vol. 31, No. 2, junio, 2000, p. 111.

32

Strauss, J. & D. Thomas, �Human Resources: Empirical Modeling of Household and Family Decisions�. En. Handbook of Development Economics, Volume III., Capítulo 34 Eds. J. Behrman y T.N. Srinivasan, 1995. Subramanian, S. & A. Deaton, �The Demand for Food and Calories�. The Journal of Political Economy. Vol. 104, No. 1, 1996, p. 133-162. Thaddeus, S. y D. Maine, Too far to walk : maternal mortality in context, Journal of Social Science and Medicine, Vol. 38, p. 1091, 1994. Winikoff, B. y M. Sullivan, Assesing the role of family planning in reducing maternal mortality, Studies in Family Planning, Vol. 18, No. 3, junio, 1987, p. 129.

33

Anexos 1. Indicador No. 1: Incidencias de la pobreza en el 2015 por sectores

económicos y escenarios de crecimiento económico

Línea US$ 1 PPP Línea US$ 2 PPP Línea de pobreza extrema INEI

Línea de pobreza crítica INEI

Subgrupos 3% 5% 7% 3% 5% 7% 3% 5% 7% 3% 5% 7%

Agropecuario y pesca 5.5% 2.5% 1.1% 35.2% 24.0% 14.9% 38.4% 27.0% 17.6% 70.1% 57.9% 44.7%Minería y electricidad 0.0% 0.0% 0.0% 2.4% 0.9% 0.0% 2.5% 1.6% 1.2% 18.4% 6.1% 2.3%Manufactura 1.4% 0.7% 0.5% 8.2% 5.2% 3.3% 10.2% 6.5% 4.0% 38.7% 27.9% 18.9%Construcción 0.5% 0.4% 0.4% 8.1% 3.8% 2.4% 12.1% 6.2% 3.5% 48.7% 34.5% 23.2%Comercio 0.2% 0.1% 0.1% 4.0% 2.1% 1.1% 5.9% 3.4% 1.7% 31.9% 21.7% 13.8%Servicios 0.2% 0.1% 0.0% 2.8% 1.4% 0.6% 4.1% 1.9% 1.0% 22.7% 12.1% 6.7%Desempleo 0.4% 0.3% 0.2% 6.0% 3.5% 1.7% 8.0% 4.7% 2.6% 37.2% 23.7% 14.7%No PEA 1.1% 0.6% 0.3% 7.9% 5.1% 3.0% 10.3% 6.4% 3.9% 35.2% 24.1% 16.0%Menores de 14 años 4.5% 2.2% 1.1% 24.9% 17.3% 11.1% 28.6% 20.1% 13.4% 60.7% 48.7% 37.0%TOTAL (con crecimiento económico diferenciado) 2.7% 1.3% 0.6% 16.9% 11.4% 7.1% 19.6% 13.4% 8.6% 47.7% 36.1% 26.3%

34

2. Indicador No. 4 (desnutrición infantil global): Resultados de las estimaciones, efectos impacto y elasticidades

Ajuste de los modelos urbano y rural

Urbano Rural Pseudo R2 0.0733 0.0703 Fuente: estimaciones propias sobre la base de la ENDES 2000 Elaboración: CIUP

Capacidad predictiva de los modelos urbano y rural (Porcentaje de aciertos)

Nivel de nutrición Urbano Rural Normal 68.71 62.25 Desnutrido 56.67 74.17 Fuente: estimaciones propias Elaboración: CIUP

Estimación del modelo de desnutrición global � zonas urbanas

Variable Coeficiente Error estándar Z P>|z|

Entre 6 y 11 meses de edad 0.485994 0.29229 1.66 0.0960

Entre 12 y 18 meses de edad 1.207006 0.26504 4.55 0.0000 Entre 19 y 60 meses de edad 1.080170 0.24156 4.47 0.0000 Madre culminó la educación secundaria -0.357694 0.10994 -3.25 0.0010 Número de controles prenatales -0.071391 0.01426 -5.01 0.0000 Monto distrital del gasto en programas de alimentación infantil [IV]69 -3.32E-07 0.00000 -3.14 0.0020 Tipo de conexión a desagüe -0.144384 0.05023 -2.87 0.0040 Índice de activos privados -0.150379 0.02910 -5.17 0.0000

Especificaciones de la estimación Ancillary parameters Number of obs 4395 Cut1 1.116973

Wald chi2(9) 220.55 Cut2 3.018342 Prob > chi2 0.0000 Cut3 5.55876 Pseudo R2 0.0733 Log pseudo-likelihood -2289.03

69 Para reducir el impacto de la causalidad reversa de la desnutrición hacia el gasto en programas de alimentación infantil se procedió a instrumentar la variable de gasto con los siguientes regresores: población distrital en 1999, población del distrito que no accede a los servicios de postas, proporción de la población en el distrito que no cuenta con acceso a agua, proporción de la población en el distrito que no cuenta con acceso de desagüe, variables dummy por dominio de residencia (excepto Lima Metropolitana).

35

Estimación del modelo de desnutrición global � zonas rurales


Edad entre 6 y 11 meses 1.45539 0.19886 7.32000 0.00000 Edad entre 12 y 18 meses 2.48775 0.19108 13.02000 0.00000 Edad entre 19 y 60 meses 2.22742 0.17652 12.62000 0.00000

Madre culminó la educación primaria -0.36195 0.07765 -4.66000 0.00000 Madre culminó la educación secundaria -0.23891 0.12982 -1.84000 0.06600 Niño lactó alguna vez -0.75404 0.55657 -1.35000 0.17500 Número de controles prenatales -0.03370 0.01192 -2.83000 0.00500

Índice de activos privados del hogar -0.15686 0.03290 -4.77000 0.00000 Tipo de conexión de agua -0.10223 0.03824 -2.67000 0.00800 Tipo de conexión de desagüe -0.08554 0.03501 -2.44000 0.01500

Especificaciones de la estimación Ancillary parameters

Number of obs 4663 Cut1 1.165697 Wald chi2(11) 353.21 Cut2 2.920548 Prob > chi2 0.0000 Cut3 4.838568 Pseudo R2 0.0703

Log pseudo-likelihood -4278.85

Efectos impacto y elasticidades de la probabilidad de desnutrición infantil global � zonas urbanas

Variable Efectos impacto Elasticidades

Edad entre 6 y 11 meses 0.011 0.004



Madre culminó educación secundaria -0.007 -0.013

Número de controles prenatales -0.003 -0.064 Monto distrital del gasto en programas de alimentación infantil [IV] -5.96E-09 -0.025

Índice de activos privados -0.003 -0.033

Tipo de conexión a desagüe *

Tipo de conexión a desagüe De 0 a 1 De 1 a 2 De 2 a 3 Efecto impacto -0.0034 -0.0029 -0.0025 Elasticidad -0.0122 -0.0213 -0.0278

36

Efectos impacto y elasticidades de la probabilidad de desnutrición infantil global � zonas rurales

Variable Efectos impacto Elasticidades




Madre culminó educación primaria -0.033 -0.028

Madre culminó educación secundaria -0.020 -0.004 Lactó alguna vez -0.091 -0.157

Número de controles prenatales -0.003 -0.023

Índice de activos privados -0.014 -0.063 Tipo de conexión a agua * Tipo de conexión a desagüe *

Tipo de conexión a agua De 0 a 1 De 1 a 2 De 2 a 3 De 3 a 4 Efecto impacto -0.0112 -0.0104 -0.0096 -0.0088

Elasticidad -0.0195 -0.0360 -0.0499 -0.0613

Tipo de conexión a desagüe De 0 a 1 De 1 a 2 De 2 a 3 Efecto impacto -0.0086 -0.0081 -0.0075 Elasticidad -0.0149 -0.0279 -0.0391

Proporción muestral y probabilidad predicha de desnutrición global infantil � zonas urbanas y rurales

Urbano Rural Normal Desnutrido Normal Desnutrido

Muestral 95.31% 4.69% 87.23% 12.77% Predicha 98.17% 1.83% 89.94% 10.06%

37

3. Indicador No. 5 (incidencia de déficit calórico): Resultados de las estimaciones, efectos impacto y elasticidades

Ajuste y capacidad predictiva de los modelos

Urbano Rural Pseudo R2 0.1734 0.1882

Porcentaje de aciertos 77% 70% Fuente: estimaciones propias sobre la base de la ENAHO 2002 Elaboración: CIUP

Estimación del Modelo de Déficit Calórico � Zonas Urbanas


Gasto del hogar -0.0006 0.0001 -11.09 0.0000 Gasto del hogar ^2 1.36E-08 0.0000 10.88 0.0000 Miembros menores a 5 años 0.2080 0.0536 3.88 0.0000

Miembros entre 5 y 11 años 0.3897 0.0469 8.31 0.0000 Miembros entre 12 y 17 años 0.5074 0.0444 11.42 0.0000 Miembros mayores a 17 años 0.5528 0.0399 13.85 0.0000 Proporción de hombres con respecto a mujeres 0.0679 0.0386 1.76 0.0790

Acceso a desayunos escolares [IV]70 -2.0926 0.9158 -2.29 0.0220 Acceso a comedores populares [IV]71 -6.6401 1.6784 -3.96 0.0000 Índice de activos públicos en el hogar -0.0732 0.0304 -2.41 0.0160 Constante -1.3972 0.1833 -7.62 0.0000

Especificaciones de la estimación

Number of obs 6968

Wald chi2(11) 323.6Prob > chi2 0.0000Pseudo R2 0.1734Log pseudo-likelihood -3368.4075

70 Para reducir el impacto de la causalidad reversa del déficit calórico hacia el acceso a programas de desayunos escolares se procedió a instrumentar la variable de acceso con los siguientes regresores: proporción de la población en el distrito que no accede a desagüe y variables dummy por región geográfica de residencia, con excepción de Lima Metropolitana. 71 Para reducir el impacto de la causalidad reversa del déficit calórico hacia el acceso a programas de comedores escolares se procedió a instrumentar la variable de acceso con los siguientes regresores: proporción de la población en el distrito que no accede a desagüe y variables dummy por región geográfica de residencia, con excepción de Lima Metropolitana.

38

Estimación del Modelo de Pobreza Calórica � Zona Rural


Gasto del hogar -0.00177730 0.0001 -18.79 0.0000

Gasto del hogar ^2 0.00000017 0.0000 11.84 0.0000

Miembros menores a 5 años 0.34789420 0.0405 8.6 0.0000

Miembros entre 5 y 11 años 0.51849750 0.0376 13.77 0.0000

Miembros entre 12 y 17 años 0.57280130 0.0420 13.65 0.0000

Miembros mayores a 17 años 0.52211530 0.0425 12.29 0.0000

Proporción de hombres con respecto a mujeres 0.11454330 0.0359 3.19 0.0010

Constante -1.27965000 0.1250 -10.23 0.0000

Especificaciones de la estimación Number of obs 5587

Wald chi2(7) 681.56

Prob > chi2 0.000

Pseudo R2 0.1882

Log pseudo-likelihood -3133.1643

Efecto impacto y elasticidades de los determinantes de la probabilidad de déficit calórico, zonas urbanas

Variables Efectos impacto Elasticidades

Gasto del hogar -0.000103 -1.205 Miembros menores a 5 años 0.040170 0.074 Miembros entre 5 y 11 años 0.072879 0.170 Miembros entre 12 y 17 años 0.093988 0.216

Miembros mayores a 17 años 0.041274 0.423 Proporción de hombres con respecto a mujeres 0.013181 0.058 Acceso a desayunos escolares (IV) -0.406264 -0.063 Acceso a comedores populares (IV) -1.289151 -0.130

Índice de activos públicos en el hogar -0.014202 -0.036

Efecto impacto y elasticidades de los determinantes de la probabilidad de que un hogar no cubra sus necesidades calóricas, zonas rurales

Variables Efectos impacto Elasticidades

Gasto del hogar -0.000346 -0.811

Miembros menores a 5 años 0.084993 0.143

Miembros entre 5 y 11 años 0.123716 0.244

Miembros entre 12 y 17 años 0.138474 0.221

Miembros mayores a 17 años 0.089184 0.487

Proporción de hombres con respecto a mujeres 0.028389 0.079

39

Probabilidad predicha

Urbana Rural Muestral 27.1% 46.5%

Predicha 26.4% 45.4%

4. Modelo de Alfabetización (Indicadores 8 y 10)

Objetivo

El objetivo del modelo es estimar la probabilidad de ser analfabeto en personas cuyas edades están comprendidas entre 15 y 24 años, abordando así los Indicadores 8 y 10. Para la estimación, se utilizará la información consignada en las encuestas a hogares ENAHO 2001-IV Trimestre y ENAHO 2002-IV Trimestre del INEI.

La muestra

Sobre la base de la encuesta ENAHO 2002-IV Trimestre, aproximadamente 10 por ciento (9.83%) de las personas en el rango de edad de 15 a 24 años son analfabetos. Lamentablemente, este porcentaje es muy reducido para los propósitos del modelo ya que la variable dependiente tendría una varianza muy reducida e impediría la estimación. Por este motivo se procedió a separar la muestra según el nivel de pobreza del individuo. De esta manera se puede buscar avizorar, en parte, la heterogeneidad del analfabetismo entre estratos. Para ello, se utiliza la variable de clasificación �pobre extremo/pobre no extremo/no pobre� elaborada por el INEI.

Al observar la data de la ENAHO 2002-IV se encuentra que la tasa de analfabetismo es notablemente mayor entre personas pobres extremas (superando el 20%), es similar al promedio total para personas pobres no extremas y muy reducida para personas no pobres. Con el fin de obtener una variable dependiente con mayor varianza y por tanto una mayor riqueza en el análisis del problema del analfabetismo, la muestra y el análisis se restringe en adelante a las personas pobres (extremos y no extremos). De este modo, se tiene una muestra con 14.6 por ciento de individuos de 15 a 24 años que son analfabetos y que viven en condiciones de pobreza.

Resultados de las estimaciones indicadores 8 y 10 (variable dependiente: 1 si individuo no acabó primaria � analfabeto)

Criterio muestral

Sin variable de idioma Con variable de idioma Variable independiente β pvalue β Pvalue

* Rural 0.2309 0.1520 0.3946 0.0190

Edad -0.8052 0.0000 -0.5985 0.0260

Edad al cuadrado 0.0228 0.0000 0.0175 0.0110

* Padre analfabeto 0.8685 0.0000 0.7913 0.0000

* Madre analfabeta

* Enfermedad crónica 0.9720 0.0000 0.9584 0.0000

* Migrante de distrito pobre 0.3217 0.0570

* Lengua materna es español -0.6143 0.0000 log( Ingreso del distrito de origen ) -0.4876 0.0000 -0.5342 0.0000

Efectos diferenciados para mujeres

* Rural 0.8165 0.0000 0.7212 0.0010

* Padre analfabeto -0.7846 0.0000 2.1846 0.0000

* Madre analfabeta 2.3507 0.0000 -0.6848 0.0010

log( Ingreso del distrito de origen ) -0.1788 0.0000 -0.1647 0.0000

Constante 7.8107 0.0000 6.4292 0.0170

Proporción observada 14.39% 14.26% Observaciones 8008 6351 Pseudo R2 0.184 0.181 Fuente: Encuesta Nacional de Hogares (2002), Instituto Nacional de Estadística e Informática Elaboración: CIUP * Indicadores binarios (variables dummy)

5. Modelo de Atraso Escolar (Indicadores 6, 7b, 9a y 9b)

Sobre la muestra y cómo definir el atraso escolar

La ENAHO 2002-IV Trimestre provee la siguiente información para las personas que asisten a la escuela:

Dist

ribuc

ión

Abso

luta

y R

elat

iva

de in

divi

duos

ord

enad

os p

or e

dad

y gr

ado

de e

stud

io (f

recu

enci

as)72

Gra

do

Pr

imar

ia

Secu

ndar

ia

Edad

/Gra

d In

icia

l 1

2 3

4 5

6 1

2 3

4 5

Tota

l At

rasa

dos

%

3 11

9,32

1 16

1

119,

482

4 29

0,18

8 27

8

290,

466

5 41

8,36

1 36

,566

3,

621

1,08

6

459,

634

6 18

1,53

7 33

5,19

9 45

,257

4,

007

776

566,

776

181,

537

32.0

7 27

,262

15

1,98

2 39

1,06

1 56

,194

5,

223

631,

722

179,

244

28.4

8 2,

641

35,8

36

228,

475

330,

152

45,2

90

5,42

3

647,

817

266,

952

41.2

9 1,

169

9,97

5 69

,321

19

9,02

1 28

8,80

8 49

,150

4,

012

621,

456

279,

486

45.0

10

402

4,97

7 29

,593

92

,198

18

9,00

2 29

2,22

5 47

,132

3,

656

65

9,18

5 31

6,17

2 48

.0

11

97

849

14,2

60

45,2

16

98,5

98

165,

859

244,

418

39,3

65

3,98

3

61

2,64

5 32

4,87

9 53

.0

12

303

1,12

8 8,

347

26,4

93

58,1

21

101,

346

169,

598

226,

168

44,6

96

4,55

6

640,

756

365,

336

57.0

13

1,

620

5,51

3 8,

531

23,6

73

49,2

62

83,2

36

162,

724

210,

712

41,8

66

2,97

7 59

0,11

4 33

4,55

9 56

.7

14

313

177

3,55

2 4,

143

10,2

42

25,7

12

42,0

27

83,3

89

170,

988

219,

413

36,4

39

1,82

9 59

8,22

4 34

0,54

3 56

.9

15

40

1 1,

075

3,49

2 4,

119

9,00

6 17

,981

45

,977

79

,416

14

5,52

8 19

1,12

8 34

,299

53

2,42

2 30

6,99

5 57

.7

16

40

1 54

9

2,82

0 4,

338

5,41

4 17

,541

43

,909

62

,635

12

4,94

3 15

7,91

8 42

0,46

8 26

2,55

0 62

.4

Edad escolar

17

1,01

6

34

5 62

3 1,

069

1,73

2 10

,389

20

,304

46

,583

75

,516

12

4,73

0 28

2,30

7 28

2,30

7 10

0.0

más

de

1736

1 83

2 2,

867

1,82

9 2,

952

1,81

5 1,

326

13,0

30

18,6

77

42,9

97

72,1

38

134,

808

293,

632

293,

632

100.

0

Edad

Tota

l 1,

042,

971

580,

382

803,

491

772,

707

730,

247

705,

205

616,

876

602,

239

592,

685

563,

578

503,

141

453,

584

7,96

7,10

6

Atra

sado

s 21

5,10

1 20

8,17

8 36

3,55

2 38

1,26

8 39

0,15

0 35

8,40

7 32

1,31

4 33

3,05

0 33

3,29

4 29

7,74

3 27

2,59

7 25

9,53

8

%

20.6

35

.9

45.2

49

.3

53.4

50

.8

52.1

55

.3

56.2

52

.8

54.2

57

.2

72 N

ota:

Par

a un

gra

do e

scol

ar d

ado

las

celd

as c

on b

orde

cor

resp

onde

n a

la e

dad

norm

ativa

par

a cu

rsar

lo. L

uego

, las

cifr

as h

acia

la iz

quie

rda

de la

dia

gona

l esb

ozad

a po

r las

cel

das

bord

eada

s co

ntie

nen

los

dato

s ut

ilizad

os p

ara

el c

álcu

lo d

el a

traso

esc

olar

. Por

el c

ontra

rio, l

as c

ifras

hac

ia la

der

echa

, con

stitu

yen

caso

s de

�ade

lant

o es

cola

r� y,

en

tal v

irtud

, son

exc

luid

as e

n el

cál

culo

del

atra

so e

scol

ar.

A partir de esta matriz de información extraída de la ENAHO, existen dos formas de enfocar el análisis del atraso escolar:

# La primera corresponde en catalogar al atraso de acuerdo con la Edad del Individuo, que es el criterio detrás de la propuesta (ver punto 1). Las cifras de atraso corresponden a los números en la última columna, por lo que el criterio será denominado horizontal.

# La segunda corresponde a catalogar al atraso de acuerdo con el Grado Escolar que el individuo cursa. Los cálculos correspondientes se muestran en la última fila del cuadro, por lo que el criterio será denominado criterio vertical.

Descriptivamente, bajo el criterio horizontal se diría que, por ejemplo �el 53% de los niños de 11 años presentan cierto atraso escolar� mientras que la lectura bajo el criterio vertical es que �el 52% de los niños que cursan el grado 6° de primaria presentan atraso escolar�.

La discusión sobre cuál definición del atraso (y cuál utilizar en la evaluación de los ODMs) es difícil de concluir, puesto que existen ventajas y desventajas en cada criterio. En particular, con el criterio horizontal la construcción de los indicadores ODM es más sencilla pero estará perdiendo información relevante sobre la población que cursa la escuela que sí es rescatada en el criterio vertical (por ejemplo, un individuo de 18 años que cursa primaria).

Como una prueba de robustez y solidez de los resultados, se han estimado modelos probabilísticas para ambos criterios y se encontraron muchas similitudes en los resultados. Sin embargo, se discutirán los resultados vinculados con el criterio horizontal, por ser éste el sugerido por PNUD.

45

Resultados de las estimaciones � Modelos de atraso en primaria (Ind. 6, 9a), secundaria (Ind. 9) y éxito de culminación (Ind. 7b)

Indicador ODM

6 6, 9a 9b 7b Variable independiente β Pvalue β pvalue β pvalue β Pvalue

* Algún hermano en primaria 0.3039 0.0000 0.7328 0.0000 -2.0667 0.0000

* Alguna hermana en primaria 0.2815 0.0000

* Hogar pobre 0.3167 0.0000

* Vivienda con electricidad -0.9020 0.0000 -0.2817 0.0000 -0.5351 0.0000

* Vivienda con desague -0.0977 0.0521 -0.2069 0.0040 -0.3696 0.0000

* Escuela estatal -2.7529 0.0000 -0.5193 0.0000

* Jefe del hogar mujer 0.2397 0.0020 0.1686 0.0390

Edad del Jefe del Hogar 0.0099 0.0000

* Padre analfabeto 5.1043 0.0000 0.7732 0.0000

* Madre analfabeta 5.2378 0.0000

Log( Ingreso ) -0.0668 0.0050 -0.0756 0.0220 0.3129 0.0000

Log( Gasto comp en educación ) -0.5668 0.0000 -0.1390 0.0010 -0.6702 0.0000 0.8301 0.0000


* Mujer 0.1942 0.0242

* Algún hermano en primaria 1.4773 0.0000

* Alguna hermana en primaria 0.8114 0.0000 -2.1140 0.0000

* Alguna hermana en secundaria -0.5992 0.0060

* Madre analfabeta 1.2306 0.0000

Log( Gasto comp en educación ) -0.2097 0.0000 -0.0579 0.0010

Binarias de grado

* Primero -2.1578 0.0000 -1.1083 0.0000

* Segundo -1.7255 0.0000 -1.2552 0.0000

* Tercero -1.5735 0.0000 -1.3562 0.0000

* Cuarto -1.5319 0.0000 -1.4431 0.0000

* Quinto -2.0228 0.0000

* Sexto

Constante -5.7238 0.0000 1.7516 0.0000 5.5740 0.0000 -5.2137 0.0000

Variable dependiente 1 si tiene entre 6 y 11

años y no cursa primaria

1 si atraso o deserción

1 si atraso o deserción

1 si tiene 12 años y acabó primaria

Proporción observada 10.18% 43.43% 68.60% 41.65%

Observaciones 11870 11490 11780 2095 Pseudo R2 0.583 0.139 0.235 0.440 Fuente: Encuesta Nacional de Hogares (2002), Instituto Nacional de Estadística e Informática Elaboración: CIUP Indicadores binarios (variables dummy)

6. Modelo de Educación Superior (Indicadores 9c)

Objetivo

Este modelo busca explicar la probabilidad de que una persona mayor de 17 años haya cursado o se encuentren cursando algún estudio superior, llámese estudios universitarios o no universitarios (institutos de educación superior o preparación técnica).

Resultados de las estimaciones - Indicador 9c

Variable independiente β pvalue

Edad 0.1010 0.0000

Edad al cuadrado -0.0014 0.0000

* Enfermedad crónica -0.3071 0.0000

* Hogar con algún niño en primaria -0.1202 0.0050

* Hogar con alguna niña en primaria -0.2130 0.0000

* Hogar pobre -1.1131 0.0000

* Hogar con electricidad 0.7158 0.0000

* Hogar con desagüe 0.5844 0.0000

* Hogar con teléfono 0.7734 0.0000

log( Ingreso medio del distrito ) 0.4788 0.0000

log( Tasa de dependencia económica )


* Mujer 1.0466 0.0000

Edad -0.0264 0.0000

* Enfermedad crónica 0.2049 0.0410

Log( Tasa de dependencia económica ) -0.5683 0.0000

Constante -7.4464 0.0000

Proporción observada 21.56% Observaciones 48,356 Pseudo R2 0.249 Fuente: Encuesta Nacional de Hogares (2002), Instituto Nacional de Estadística e Informática Elaboración: CIUP *Variables dummy

7. Modelo de Empleo en sector no agrícola remunerado (Indicadores 11)

Objetivo

El modelo busca explicar la probabilidad de que una persona perteneciente a la PEA trabaje en el sector no agrícola remunerado.

La muestra

La muestra se compone de personas con las siguientes características:

# Catalogadas como PEA según el INEI.

# Perciben algún ingreso (monetario) por su trabajo73.

# No reportan trabajar en una chacra o granja ni son informantes del módulo de ingresos agrícolas.

# No reportan autoconsumo de producción agraria (o, en otras palabras, su autoconsumo es igual a cero).

73 Se excluyeron a las personas que sólo perciben ingreso en especie. Los resultados al incluir a estos individuos son muy similares a los reportados.

48

Resultados de las estimaciones - Indicador 11

Variable independiente β pvalue

* Rural -0.3156 0.0000

Edad 0.0208 0.0000

Edad al cuadrado -0.0001 0.0730

* Enfermedad crónica -0.1455 0.0000

Tamaño del hogar -0.0158 0.0090

* Primaria completa 0.0667 0.0916

* Secundaria completa 0.0584 0.0961

* Superior universitaria completa 0.2321 0.0000



Edad -0.0242 0.0040

Edad al cuadrado 0.0003 0.0080

* Primaria completa 0.0402 0.1069

* Secundaria completa 0.0166 0.0826

* Superior no universitaria completa 0.0626 0.0962

* Superior universitaria completa 0.0866 0.0000


Constante -0.2244 0.4190

Proporción observada 71.63% Observaciones 39,864 Pseudo R2 0.095

Fuente: Encuesta Nacional de Hogares (2002), Instituto Nacional de Estadística e Informática Elaboración: CIUP *Variables dummy

8. Modelos, Elasticidades y Efectos Impacto de los ODM No. 4 y 5

Modelo de Mortalidad en la niñez Mortalidad en

la Niñez Coeficiente Desviación Estándar Z P>Z

paquete_cresar -0.0167908 0.0073945 -2.27 0.023 muertos 0.589736 0.0791639 7.45 0 edu_niv -0.3754324 0.2545149 -1.48 0.14 idav_pub -0.466451 0.1981187 -2.35 0.019 pob_pues 7.91E-06 4.92E-06 1.61 0.108 _cons -4.872883 0.4987802 -9.77 0

Especificaciones del Modelo Número de Observaciones 2422 Wald chi2(7) 94.97 Prob > chi2 0 Log pseudo-likelihood -142.87222 Pseudo R2 0.1273

Efectos Impacto y Elasticidades del Modelo de Mortalidad en la niñez

Efectos Impacto Elasticidades

paquete_cresar -0.00012539 -0.13003983 edu_niv * ** idav_pub -0.00345947 0.31206855 pob_pues 5.9679E-08 0.11757121

* de 0 a 1 de 1 a 2 de 2 a 3 de 3 a 4 de 4 a 5

Efecto Impacto -0.00224505 -0.00183285 -0.00149518 -0.00121897 -0.00099327 edu_niv

Elasticidad -0.69433705 -0.56685297 -0.46242231 -0.37699579 -0.30719459

Modelo de Mortalidad Infantil Mortalidad Infantil Coeficiente Desviación

Estándar Z P>Z

Paquete_comp -1.193216 0.3774524 -3.16 0.002 lacto -3.989512 0.2399126 -16.63 0 muertos 2.017697 0.1472667 13.7 0 edad_orden -0.0157089 0.0018343 -8.56 0 ma1 -0.5547404 0.2376703 -2.33 0.02 idav_pub -0.0961343 0.0676746 -1.42 0.155 piso_estab -0.2597451 0.0886052 2.93 0.003 _cons 1.237405 0.4796535 2.58 0.199


50

Efectos Impacto y Elasticidades del Modelo de Mortalidad Infantil


Paquete_comp -0.01132985 -0.16404688 lacto -0.30306917 -30.898665 Edad_orden -0.00014125 -1.15616949 idav_pub -0.00086442 -0.05886544 ma1 -0.00453341 -0.14297713 piso_estab * **

* de 1 a 2 De 2 a 3 de 3 a 4 de 4 a 5

Piso_estab -0.00525397 -0.00409089 -0.00317845 -0.0024654

** de 1 a 2 De 2 a 3 de 3 a 4 de 4 a 5 Piso_estab -2.10905225 -1.6421671 -1.27589517 -0.98966464

Modelo de vacunación contra el sarampión Sarampión Coeficiente Desviación

Estándar Z P>Z

Paquete_obs 0.4686282 0.138147 3.39 0.001 pro_crec 1.046359 0.1472689 7.11 0 crec 0.6797944 0.2496171 2.72 0.006 completo 0.3219862 0.1296695 2.48 0.013 edad_mes 1.281958 0.2055663 6.24 0 edad_mes2 -0.029739 0.0058668 -5.07 0 ma1 0.1923365 0.1468779 1.31 0.19 hac_urb -0.0747542 0.0371262 -2.01 0.044 _cons -13.49042 1.769477 -7.62 0

Especificaciones de la Estimación Número de Observaciones 2513 Wald chi2(8) 258.96 Prob > chi2 0 Log pseudo-likelihood -1236.2196 Pseudo R2 0.1614

Efectos Impacto y Elasticidades del modelo de vacunación contra el sarampión

Efectos Impacto Elasticidades paquete_obs 0.08512187 0.04931583 pro_crec 0.20566711 0.17469515 crec 0.14335604 0.18036321 completo 0.05927534 0.03825028 edad_mes 0.04446766 1.02971186 ma1 0.03483789 0.01445847

51

Modelo de Mortalidad Materna (Primer Nodo)

Mortalidad Coeficiente Desviación Estándar Z P>Z

edad 0.0474469 0.0287428 1.65 0.099 es_civil 0.5398883 0.2516483 2.15 0.032 ma1_pa1 -0.7407413 0.3788341 -1.96 0.051 body_mass 0.0011072 0.0002623 4.22 0 talla_edad -0.0002643 0.0001423 -1.86 0.063 tp_dos -1.435276 0.809023 -1.77 0.076 idav_2 -0.0455689 0.0225773 -2.02 0.044 techo_estab -0.3639255 0.1045344 -3.48 0 pob_hosp 3.80E-06 2.62E-06 1.45 0.147 _cons -8.977081 1.140746 -7.87 0


Efectos Impacto y Elasticidades del Modelo de Mortalidad Materna (Primer Nodo)

Efectos Impacto Elasticidades edad 0.00018549 1.48747847 ma1_pa1 -0.00293155 -0.31947185 body_mass 0.00000313 2.34179998 idav_2 -0.00012913 -0.24887844 techo_estab * ** pob_hosp 0.00000001 0.16810622

* de 1 a 2 de 2 a 3 de 3 a 4 de 4 a 5

techo_estab -0.0026388 -0.00181768 -0.00125031 -0.00085921

** de 1 a 2 de 2 a 3 de 3 a 4 de 4 a 5 techo_estab -2.19689377 -1.51328081 -1.04092774 -0.71532329

52

Modelo de Mortalidad Materna (Segundo Nodo)

Mortalidad Materna Coeficiente Desviación Estándat Z P>Z

Paquete_op -2.120566 1.074849 -1.97 0.049 emb -2.507934 1.214338 -2.07 0.039 emb2 0.3653402 0.1816857 2.01 0.044 cesarea -2.40375 1.156313 -2.08 0.038 idav_2 -0.1143273 0.0684954 -1.67 0.095 pob_med 0.0001179 0.0000727 1.62 0.105 _cons 1.909704 1.856662 1.03 0.304

Especificaciones del Modelo Número de Observaciones 166 Wald chi2(6) 19.67 Prob > chi2 0.0032 Log pseudo-likelihood -62.731724 Pseudo R2 0.1539

Efectos Impacto y Elasticidades del Modelo de Mortalidad Materna (Segundo Nodo)


Paquete_op -0.12288418 -0.22454505 pob_med 1.0858E-05 0.68715333 emb 0.01347235 0.50841923 idav_2 -0.13163516 -8.5484715

53

Modelo de Parto asistido por un profesional calificado Parto Coeficientes Desviación

Estándar Z P>z

edad 0.0113992 0.0055062 2.07 0.038 control 0.8968131 0.0848077 10.57 0 con_prof 1.093675 0.1148686 9.52 0 info_muj 0.2134534 0.0974284 2.19 0.028 Idioma 0.4520469 0.106913 4.23 0 ma 0.4973586 0.0947533 5.25 0 ma1 0.6740367 0.1331951 5.06 0 ma2 0.7647872 0.2121439 3.61 0 pa 0.2492291 0.1098834 2.27 0.023 pa1 0.2757801 0.0978018 2.82 0.005 seguro 0.0904813 0.0629312 1.44 0.15 es_sis 0.5044646 0.1529275 3.3 0.001 tp_mon 0.2814481 0.0899261 3.13 0.002 urbano 0.7169862 0.0987632 7.26 0 idav_pri 0.1719612 0.0302495 5.68 0 idav_pub 0.0459744 0.0337551 1.36 0.173 pared_estab 0.1912526 0.0484378 3.95 0 techo_estab 0.2225328 0.0306044 7.27 0 piso_estab 0.2004737 0.0507332 3.95 0 pob_med -0.0000234 8.70E-06 -2.69 0.007 _cons -5.23149 0.3950142 -13.24 0

Especificaciones de la Estimación Número de Observaciones 8347 Wald chi2(20) 1791.33 Prob > chi2 0 Pseudo R2 0.4794 Log pseudo-likelihood -2826.5841

Efectos Impacto y Elasticidades del Modelo de Parto asistido por un profesional calificado

Efectos Impacto Elasticidades control 0.19894955 0.14579758 con_prof 0.26103379 0.32206606 ma 0.11472734 0.11880457 ma1 0.14559962 0.07395158 ma2 0.15582444 0.03763791 pa 0.05751572 0.07190852 pa1 0.06195859 0.04367484 es_sis 0.1069823 0.02685621 idav_pub 0.01037408 -0.00858254 pared_estab * ** techo_estab * ** piso_estab * ** pob_med -5.2802E-06 -0.04225342

54

* de 0 a 1 de 1 a 2 de 2 a 3 de 3 a 4 de 4 a 5 pared_ estab 0.047672777 0.047662994 0.04679487 0.04512983 0.04278103 techo_ estab 0.055321402 0.053835046 0.05115285 0.04751363 0.04321197 piso_ estab 0.049576636 0.050076503 0.04957927 0.04812392 0.04582123

** de 0 a 1 de 1 a 2 de 2 a 3 de 3 a 4 de 4 a 5

pared_ estab 0.31719508 0.31712999 0.31135385 0.30027537 0.28464738 techo_ estab 0.23541177 0.22908681 0.21767315 0.202187 0.18388194 piso_ estab 0.35686233 0.36046048 0.35688132 0.34640541 0.32983017

Com

binac

iones

y co

stos d

e las

polí

ticas

secto

riales

de

los O

DM N

o. 4

y 5

Varia

ble

Impa

ctad

as p

or la

s po

lític

as

sect

oria

les

(ODM

5)75

Varia

ble

Impa

ctad

as p

or la

s po

lític

as s

ecto

riale

s (O

DM

4)76

Es

cena

rio

Polít

ica

Sect

oria

l M

agni

tud74

In

icia

lFi

nal

Cam

bio

%

Añ

o en

que

se

cum

ple

la m

eta

Inic

ial

Fina

l C

ambi

o%

Cos

to

Anua

l de

las

varia

bles

de

pol

ítica

(US$

20

04)

Cos

to

Anua

l del

in

crem

ento

de

l par

to

asis

tido

(US$

200

4)

Cos

to

Annu

al d

el

incr

emen

to

de la

va

cuna

ción

co

ntra

el

sara

mpi

ón

(US$

200

4)

Tota

l An

ual

(US$

20

04)

Tech

o_es

tab

10.2

1%

Parto

0.

593

0.95

2260

.57

Sara

mpi

ón

0.

719

0.75

545.

06

38,9

47,3

404,

941,

760

0

M

M

185

66

-64.

32

MI

2008

0.

033

0.00

36-8

9.09

Cre

c: 3

%

sin

redi

st.

M<5

20

08

0.04

7 0.

0058

-87.

66

43

,889

,100

Tech

o_es

tab

9.06

%

Parto

0.

593

0.94

7459

.76

Sara

mpi

ón

0.

719

0.76

386.

23

32,4

85,0

445,

696,

040

3,52

6 C

on_p

rof

7.00

%

MM

18

5 66

-6

4.32

M

I 20

08

0.03

3 0.

0042

-87.

27

492,

297

Cre

c: 3

%

sin

redi

st.

M<5

20

08

0.04

7 0.

0063

-86.

60

38

,673

,380

Tech

o_es

tab

9.03

%

Parto

0.

593

0.93

6757

.96

Sara

mpi

ón

0.

719

0.75

545.

06

32,3

25,3

844,

509,

365

1,52

8 po

b_m

ed

2.29

%

MM

18

5 66

-6

4.32

M

I 20

09

0.03

3 0.

0044

-86.

67

29,2

75,1

43

C

rec:

3%

si

n re

dist

.

M

<5

2008

0.

047

0.00

66-8

5.96

66,1

09,8

91

Tech

o_es

tab

10.0

8%

Parto

0.

593

0.95

2260

.57

Sara

mpi

ón

0.

719

0.75

545.

06

38,1

82,4

294,

785,

203

0

M

M

185

66

-64.

32

MI

2009

0.

033

0.00

38-8

8.48

Cre

c: 3

%

con

redi

st.

M<5

20

08

0.04

7 0.

0062

-86.

81

42

,967

,632

Tech

o_es

tab

8.91

%

Parto

0.

593

0.94

7 59

.70

Sara

mpi

ón

0.

719

0.76

386.

23

31,6

91,1

195,

526,

109

3,57

7 C

on_p

rof

7.00

%

MM

18

5 66

-6

4.32

M

I 20

08

0.03

3 0.

0044

-86.

67

492,

297

Cre

c: 3

%

con

redi

st.

M<5

20

08

0.04

7 0.

0068

-85.

53

37

,709

,524

Tech

o_es

tab

8.78

%

Parto

0.

593

0.93

5257

.71

Sara

mpi

ón

0.

719

0.75

545.

06

31,0

11,8

404,

319,

808

1,72

7 po

b_m

ed

2.50

%

MM

18

5 66

-6

4.32

M

I 20

09

0.03

3 0.

0047

-85.

76

32,1

93,6

61

C

rec:

3%

co

n re

dist

.

M

<5

2009

0.

047

0.00

71-8

4.89

67,5

25,3

09

74 P

ropo

rció

n an

ual e

n qu

e de

be s

er in

crem

enta

da la

var

iabl

e de

pol

ítica

cor

resp

ondi

ente

a fi

n de

alc

anza

r la

met

a en

el 2

015.

75

MM

= M

orta

lidad

Mat

erna

. 76

MI =

Mor

talid

ad In

fant

il. M

<5 =

Mor

talid

ad p

or d

ebaj

o de

los

5 añ

os.

56

Varia

ble

Impa

ctad

as p

or la

s po

lític

as

sect

oria

les

(ODM

5)75

Varia

ble

Impa

ctad

as p

or la

s po

lític

as s

ecto

riale

s (O

DM

4)76

Es

cena

rio

Polít

ica

Sect

oria

l M

agni

tud74

In

icia

lFi

nal

Cam

bio

%

Añ

o en

que

se

cum

ple

la m

eta

Inic

ial

Fina

l C

ambi

o%

Cos

to

Anua

l de

las

varia

bles

de

pol

ítica

(US$

20

04)

Cos

to

Anua

l del

in

crem

ento

de

l par

to

asis

tido

(US$

200

4)

Cos

to

Annu

al d

el

incr

emen

to

de la

va

cuna

ción

co

ntra

el

sara

mpi

ón

(US$

200

4)

Tota

l An

ual

(US$

20

04)

Tech

o_es

tab

9.52

%

Parto

0.

593

0.94

7 59

.70

Sara

mpi

ón

0.

719

0.75

545.

06

34,9

88,8

954,

463,

886

0

M

M

185

66

-64.

32

MI

2009

0.

033

0.00

43-8

6.97

Cre

c: 5

%

sin

redi

st.

M<5

20

09

0.04

7 0.

0069

-85.

32

39

,452

,782

Tech

o_es

tab

8.28

%

Parto

0.

593

0.94

1258

.72

Sara

mpi

ón

0.

719

0.76

386.

23

28,4

73,6

735,

210,

745

3,56

0 C

on_p

rof

7.00

%

MM

18

5 66

-6

4.32

M

I 20

09

0.03

3 0.

005

-84.

85

492,

297

Cre

c: 5

%

sin

redi

st.

M<5

20

09

0.04

7 0.

0076

-83.

83

34

,176

,714

Tech

o_es

tab

8.36

%

Parto

0.

593

0.93

1557

.08

Sara

mpi

ón

0.

719

0.76

386.

23

28,8

71,9

594,

056,

910

1,45

1 po

b_m

ed

2.09

%

MM

18

5 66

-6

4.32

M

I 20

09

0.03

3 0.

0051

-84.

55

26,5

33,8

68

C

rec:

5%

si

n re

dist

.

M

<5

2009

0.

047

0.00

78-8

3.40

59,4

62,7

37

Tech

o_es

tab

9.46

%

Parto

0.

593

0.94

6759

.65

Sara

mpi

ón

0.

719

0.75

545.

06

34,6

56,3

024,

419,

243

0

M

M

185

66

-64.

32

MI

2009

0.

033

0.00

44-8

6.67

Cre

c: 5

%

con

redi

st.

M<5

20

09

0.04

7 0.

0072

-84.

68

39

,075

,444

Tech

o_es

tab

8.22

%

Parto

0.

593

0.94

0958

.67

Sara

mpi

ón

0.

719

0.76

386.

23

28,1

76,8

835,

166,

168

3,55

5 C

on_p

rof

7.00

%

MM

18

5 66

-6

4.32

M

I 20

09

0.03

3 0.

0051

-84.

55

492,

297

Cre

c: 5

%

con

redi

st.

M<5

20

09

0.04

7 0.

008

-82.

98

33

,835

,348

Tech

o_es

tab

8.31

%

Parto

0.

593

0.93

1257

.03

Sara

mpi

ón

0.

719

0.75

545.

06

28,6

22,6

854,

017,

344

1,43

0 po

b_m

ed

2.06

%

MM

18

5 66

-6

4.32

M

I 20

09

0.03

3 0.

0053

-83.

94

26,1

25,8

66

C

rec:

5%

co

n re

dist

.

M

<5

2009

0.

047

0.00

81-8

2.77

58,7

65,8

95

Tech

o_es

tab

8.70

%

Parto

0.

593

0.93

6 57

.84

Sara

mpi

ón

0.

719

0.75

555.

08

30,5

97,8

394,

074,

258

0

M

M

185

66

-64.

32

MI

2010

0.

033

0.00

64-8

0.61

Cre

c: 7

%

sin

redi

st.

M<5

20

11

0.04

7 0.

0135

-71.

28

34

,672

,097

Tech

o_es

tab

7.37

%

Parto

0.

593

0.92

9356

.71

Sara

mpi

ón

0.

719

0.76

386.

23

24,1

44,8

514,

837,

369

3,54

7 C

on_p

rof

7.00

%

MM

18

5 66

-6

4.32

M

I 20

10

0.03

3 0.

0075

-77.

27

492,

297

Cre

c: 7

%

sin

redi

st.

M<5

20

11

0.04

7 0.

0146

-68.

94

29

,474

,516

Tech

o_es

tab

7.38

%

Parto

0.

593

0.91

6554

.55

Sara

mpi

ón

0.

719

0.75

555.

08

24,1

90,4

603,

625,

376

1,52

6 C

rec:

7%

si

n re

dist

. po

b_m

ed

2.21

%

MM

18

5 66

-6

4.32

M

I 20

10

0.03

3 0.

0078

-76.

36

28,1

74,1

82

55

,990

,018

57

Varia

ble

Impa

ctad

as p

or la

s po

lític

as

sect

oria

les

(ODM

5)75

Varia

ble

Impa

ctad

as p

or la

s po

lític

as s

ecto

riale

s (O

DM

4)76

Es

cena

rio

Polít

ica

Sect

oria

l M

agni

tud74

In

icia

lFi

nal

Cam

bio

%

Añ

o en

que

se

cum

ple

la m

eta

Inic

ial

Fina

l C

ambi

o%

Cos

to

Anua

l de

las

varia

bles

de

pol

ítica

(US$

20

04)

Cos

to

Anua

l del

in

crem

ento

de

l par

to

asis

tido

(US$

200

4)

Cos

to

Annu

al d

el

incr

emen

to

de la

va

cuna

ción

co

ntra

el

sara

mpi

ón

(US$

200

4)

Tota

l An

ual

(US$

20

04)

M

<5

2011

0.

047

0.01

5 -6

8.09

Te

cho_

esta

b8.

87%

Pa

rto

0.59

30.

938

58.1

8 Sa

ram

pión

0.71

9 0.

7555

5.08

31

,481

,245

4,17

0,21

3 0

MM

18

5 66

-6

4.32

M

I 20

10

0.03

3 0.

0057

-82.

73

C

rec:

7%

co

n re

dist

.

M

<5

2010

0.

047

0.01

08-7

7.02

35,6

51,4

58

Tech

o_es

tab

7.61

%

Parto

0.

593

0.91

9555

.06

Sara

mpi

ón

0.

719

0.75

555.

08

25,2

51,2

653,

738,

229

1,47

7 po

b_m

ed

2.14

%

MM

18

5 66

-6

4.32

M

I 20

10

0.03

3 0.

0068

-79.

39

27,2

15,7

15

C

rec:

7%

co

n re

dist

.

M

<5

2010

0.

047

0.01

2 -7

4.47

56,2

05,2

09

Tech

o_es

tab

7.56

%

Parto

0.

593

0.93

1457

.07

Sara

mpi

ón

0.

719

0.76

386.

23

25,0

18,7

214,

934,

650

3,54

6 C

on_p

rof

7.00

%

MM

18

5 66

-6

4.32

M

I 20

09

0.03

3 0.

0066

-80.

00

492,

297

Cre

c: 7

%

con

redi

st.

M<5

20

10

0.04

7 0.

0117

-75.

11

30

,445

,667

Diseæo de Modelos de Predicción de Cumplimiento de ...

Documents

Transcript of Diseæo de Modelos de Predicción de Cumplimiento de ...