Miradas Locales
¿Abrupta caída de la Pobreza en Chaco? Una aproximación explicativa desde métodos estadísticos
Por:
- Introducción
Hacia fines de octubre de 2018, el INDEC publicó los datos de pobreza e indigencia correspondientes al primer semestre del años 2018, para los 31 aglomerados del país, en base la Encuesta Permanente de Hogares (EPH). De forma inesperada, el informe comunicó una disminución en la tasa de personas pobres de 10,5 puntos porcentuales para el aglomerado Gran Resistencia, respecto al semestre previo (segundo semestre de 2017). Una reducción de tal magnitud y en un período de tiempo tan acotado, resulta difícil de interpretar. Aún más, comparando el total de aglomerados relevados a nivel nacional en ningún caso se puede encontrar una baja del índice de pobreza en una cuantía similar.
Asimismo, esta disminución se volvía todavía más llamativa cuando se comparaba con el desempeño del resto de las provincias de la región Noreste, para las cuales los datos de pobreza eran prácticamente idénticos al de segundo semestre 2017 (Gráfico 1). Corrientes y Posadas presentan una disminución de solo 0,1 pp, mientras que Formosa de 0,2 pp.
Gráfico 1: Región Noreste. Índice de Pobreza. 2° semestre 2016 – 1° semestre 2018
Fuente: Elaboración propia en base a datos de INDEC
Observando la tendencia general para cada provincia, si bien la misma indica una cierta disminución desde el primer trimestre 2017, en ninguno de los casos dicha diferencia se compara con la magnitud del cambio evidenciado para Gran Resistencia. Esta caída abrupta en el índice marca de hecho un quiebre en la tendencia creciente que presentaba la provincia.
Por último, cabe contextualizar las tasas de pobreza al ponerlas en perspectiva frente a un aumento general de precios de alrededor del 26% entre los semestres considerados, una caída del producto de 4% en el segundo trimestre de 2018 respecto al primero de 2018 y de 4,2% respecto a igual trimestre del año anterior. En la misma línea se registraba una aceleración de la desocupación abierta que aumentó 1,6% en promedio entre semestres, e incluso un aumento de la misma magnitud en la medición de pobreza para el total país.
Por lo mencionado anteriormente, el abrupto cambio en los índices de pobreza para Gran Resistencia constituía una aparente anomalía y por ende un desafío en cuanto poder encontrar explicaciones posibles que permitan comprender qué factores pudieron haber operado para explicar la baja del índice.
El presente artículo tiene el objeto de echar luz sobre las causas empíricas que explican la mencionada contracción en la medición estadística de la pobreza. Para abordar tal objetivo se utilizaron las bases de microdatos de EPH del cuarto trimestre 2017 y el primer trimestre 2018, ya que al momento de realizar la investigación no estaba disponible en la web del INDEC la base del segundo trimestre de 2018. Por tanto los cálculos se realizaron mediante la comparación entre los trimestres contiguos de 2017 y de 2018 y no mediante una comparación de los dos semestres como lo realiza INDEC. Para corroborar la representatividad de la muestra replicada respecto de la utilizada oficialmente, se tuvo en cuenta el efecto del aguinaldo de diciembre que opera entre trimestres a favor de la reducción de la pobreza en 2018, momento en el que se computa el mismo. Descontado el ingreso por el aguinaldo percibido se calculó la pobreza para cada trimestre y se corroboró que la magnitud de la disminución en la tasa de pobreza, entre los dos trimestres considerados, era coincidente con la publicada oficialmente por el INDEC de forma intersemestral.
El análisis empírico se dividió en dos partes, dada la estructura de los microdatos. En primer lugar, se analizaron las personas que solo fueron encuestadas en un único trimestre, ya sea el cuarto trimestre de 2017 o el primer trimestre de 2018. Esta sub-muestra de individuos, a quienes denominamos “casos únicos”, conforman una muestra con estructura de corte transversal. En segundo lugar, se analizaron los individuos que fueron encuestadas en ambos trimestres, a quienes se denominó “casos repetidos”, que son personas con las que puede realizarse un “seguimiento” entre ambos trimestres. Esta sub-muestra de individuos conforman una muestra con estructura de panel.
Esta clasificación es central por cuanto cada grupo otorga información distinta acerca de posibles explicaciones (no excluyentes entre sí) de la reducción en la tasa de pobreza.
- Análisis con casos únicos
El hecho de que los individuos dentro de la sub-muestra de “casos únicos” no sean los mismos en un trimestre y en otro, nos permite contrastar diferencias en el muestreo, o su cobertura, entre los periodos. Más concretamente podemos corroborar la hipótesis de si la disminución de la incidencia de la pobreza puede estar relacionada, y en qué medida, a una variabilidad muestral. Si este fuera el caso, el cambio en el índice no se debe a que los individuos hayan mejorado su situación en 2018 respecto a 2017, sino que los individuos muestreados en 2018 presentan características socioeconómicas “anti-pobreza” que otros individuos, particularmente mejores que los individuos encuestados en 2017 y por tanto el cambio responde a la variabilidad implícita en el procedimiento de muestreo.
En primera instancia el análisis gráfico utilizando el logaritmo de ingresos[1] per-cápita familiar permitió verificar e ilustrar un cambio abrupto de los niveles de ingreso entre los dos trimestres (ver Gráfica N° 2). En el gráfico se aprecia que la muestra para 2018 releva con mayor frecuencia a personas que pertenecen a la zona de ingresos más altos dentro de la distribución total. [2]
Grafico N°2: Distribución comparada del logaritmo de ingresos per-cápita para el cuarto trimestre 2017 y primer trimestre 2018.
Fuente: Elaboración propia en base a datos de INDEC
Para profundizar en esta asimetría se procedió a evaluar la existencia de cambios significativos, al pasar de un trimestre a otro, en las características específicas o puntuales que generan o conducen a situaciones de pobreza. En términos simples, buscamos contrastar que tan significativo fue el cambio en los valores promedio de las variables relacionadas a la condición de pobreza. Si se verifica la existencia de cambios significativos en variables que solo pueden cambiar en el largo plazo (como el nivel educativo, el número de menores en el hogar o la calificación del puesto de trabajo), ello representa un indicio de que la baja en la pobreza se puede atribuir en parte a un cambio en el tipo de individuos muestreados y por tanto atribuirlo a un evento de variabilidad muestral. Por otro lado, si se encuentra que han cambiado las medias de variables que pueden variar en el corto plazo (como recibir ayuda social o externa a la familia o incrementar en número de integrantes del hogar con empleo remunerado), conforma un indicio de que el cambio en la pobreza es genuino.
Si se verifica la existencia de cambios significativos en variables que solo pueden cambiar en el largo plazo , ello representa un indicio de que la baja en la pobreza se puede atribuir en parte a un cambio en el tipo de individuos muestreados y por tanto atribuirlo a un evento de variabilidad muestral.
La principal variable relacionada a la pobreza es el ingreso, dado que ser pobre o no serlo depende de si los ingresos de las familias superan o no al valor de la canasta básica. Por tanto, como primera medida se corroboró con las pruebas estadísticas lo que se evidenció gráficamente: que existió un cambio de magnitud en el ingreso total familiar (ITF) declarado corregido por la incidencia del aguinaldo y la inflación), es decir que el promedio de ingresos por persona de las familias en 2018 era significativamente mayor al promedio de aquellas familias encuestadas en 2017, (Cuadro A del anexo).
Seguidamente nos concentramos en los determinantes de este cambio en el ingreso, es decir en aquellas variables que afectan la pobreza al modificar el ingreso total disponible. Esto es lo que llamamos canal causal. En este sentido se evidenció un aumento significativo en la variable “ayuda social”, encontrándose un aumento de la cantidad de familias que reciben algún tipo de subsidio o transferencia por parte del Estado. Lo mismo ocurrió con la variable “ayuda externa”, la cual reporta un aumento en las familias que recurren a una persona fuera del hogar para pedir ayuda de algún tipo. También se registró aumento significativo en el número de integrantes del hogar que trabajan en forma remunerada. El hecho de que hayan cambiado estas tres variables, es indicativo de que una parte de la reducción en la medición de la pobreza se debió a variables modificables en el corto plazo, y por lo tanto esto es consistente con una real baja de la pobreza.
Por otra parte, los test arrojaron un aumento significativo en la media del nivel educativo formal alcanzado y una disminución en el número de familias muestreadas con niños menores de 10 años. Asimismo se evidenció un cambio significativo en el nivel de calificación de las personas que declaran un trabajo, las cuales se dividen en calificado; técnico; operario y no calificado. Los datos 2018 tienen mayor presencia de ocupados calificados siendo estos los que más ganan. Contrariamente hay una menor presencia de operarios, cuyo salario es obviamente más bajo al del grupo anterior y al de los ocupados con calificación técnica. Este cambio conjunto opera en favor del aumento de ingresos y por tanto de la reducción de la pobreza.
Que estas tres últimas variables presenten un cambio significativo es un fuerte indicio de la existencia de un fenómeno de la variabilidad muestral que contribuyó a la baja en la medición de la pobreza. Ello es así dado que estas variables pueden entenderse como de “largo plazo” ya que para los individuos no es posible modificar significativamente su nivel de educación entre trimestres, ni su calificación o capacidades laborales y, mucho menos, disminuir la cantidad de hijos menores a 10 años. Por último, dentro de las variables seleccionadas no se encontró significativo el cambio en la media de personas ocupadas en la provincia, es decir no se reporta cambios significativos en el empleo, al mismo tiempo que se identificó una disminución en la cantidad de horas trabajadas[3].
El Cuadro A del Anexo presenta los resultados que dan sustento a las conclusiones previas, basados en pruebas de hipótesis efectuadas sobre las diferencias de medias de variables que afectan estructuralmente a la pobreza.
Hasta aquí, las pruebas estadísticas permiten concluir que los valores promedio de varias de las variables, que suponemos definen el ingreso de un individuo, son significativamente diferentes entre trimestres. Para atribuir responsabilidad a estos cambios debemos corroborar si efectivamente estas variables explican al ingreso y en qué medida. Los modelos siguientes permiten verificar esto. Para realizar estas regresiones se acotó la muestra a aquellos casos con ingresos cercanos a la mediana. Esto nos permitió hacer foco sobre individuos más próximos a la situación de pobreza, ya que son estos los casos de interés y para los que deseamos constatar el poder explicativo de las variables explicitadas. Por último la regresión se dividió para los ingresos laborales por un lado, contra los que se regresaron variables individuales como educación y calificación, y por otro para los ingresos familiares contra los que se regresaron características del hogar, como por ejemplo cantidad de empleados dentro de la familia. A su vez esta última regresión se separó por trimestres.
Cuadro 1: Modelos de determinantes de ingreso laboral e ingreso total familiar (casos repetidos genuinos)
Fuente: Elaboración propia en base a datos de INDEC
Así planteado el modelo podemos verificar que estas variables constituyen determinantes de los ingresos. Para el caso de los ingresos laborales por ejemplo, por cada nivel educativo formal que se supera el ingreso aumenta en $255,50, el hecho de poseer un empleo informal lo disminuye en promedio $2.426, respecto de un empleado formal, y ser profesional lo eleva en 1177 respecto de un no calificado[4]. Por su parte, entre las variables que explican el ingreso total familiar, encontramos que para el primer trimestre de 2018 recibir ayuda social eleva en $1.168,6 el ingreso de una familia y por cada miembro de la familia que se incorpora al mercado laboral el ingreso aumenta en $2.770. Del mismo modo se verifica que las familias que tienen hijos menores de 10 años declaran ingresos más bajos y que este efecto se atenúa a medida que crece en número de hijos con esta característica.
Repasemos hasta aquí la intuición para finalizar en los resultados. Con los test evidenciamos que existen variables que cambian significativamente de un trimestre a otro. Con el modelo explicitado probamos que estas mismas variables son algunas de las que definen los ingresos que percibe un individuo y por tanto condicionantes de pobreza. Dentro de estas encontramos las variables que llamamos de largo plazo o estructurales y aquellas de corto plazo que se mueven más rápidamente. Las primeras son nuestras variables testigos de cambio muestral debido a que se mueven significativamente cuando no es posible percibir cambios en periodos cortos de tiempo para un mismo individuo. Ello permite afirmar que una parte de la reducción observada en la medición de la pobreza se debe a la modificación del tipo de individuos muestreados. Por otro lado las variables de corto plazo nos ayudan a explicar otra porción del aumento en ingresos, que viene dada porque más individuos acceden a ayuda social o ayuda exterior y porque hay más integrantes del hogar que pasan a formar parte de la fuerza laboral.
Todo lo analizado indica que la muestra de “casos únicos” presenta variables que cambian considerablemente entre trimestres a favor de la reducción de la pobreza. Algunos de tales cambios se produjeron en variables que pueden cambiar en el corto plazo, lo cual es consistente con una variación genuina de la pobreza. Por otro lado, otros cambios se produjeron en variables que solo pueden cambiar en el largo plazo, por lo que parte de la reducción de la pobreza solo correspondería a un cambio generado por variabilidad en el muestreo, sin estar reflejando un cambio genuino del nivel de pobreza en la población.
la muestra de “casos únicos” presenta variables que cambian considerablemente entre trimestres a favor de la reducción de la pobreza. Algunos cambios se produjeron en variables que pueden cambiar en el corto plazo, lo cual es consistente con una variación genuina de la pobreza. Otros cambios se produjeron en variables que solo pueden cambiar en el largo plazo, por lo que correspondería a una modificación del tipo de individuos muestreados
Debe notarse que el cambio genuino mencionado está explicado por variables que modifican el ingreso temporal o coyunturalmente como el caso de ayuda externa al hogar, o vinculadas a transferencias o programas sociales, como lo releva la variable ayuda social. Estas variables causales no se relacionan por ejemplo a cambios que obedecen a un aumento en los índices de empleo, ya que se encontró insignificante el cambio en la cantidad de ocupados para la sub-muestra de casos únicos. Cierta parte del aumento de ingresos tampoco se vincula a aumentos del salario nominal ya que los ingresos fueron ajustados por inflación entre trimestres. Sin embargo, sobre otra porción del aumento si podría estar operando un incremento de ingresos vía recomposición salarial, que suele darse justamente a principio de año, ya que no fue posible realizar un ajuste sectorial por paritarias según ramas de actividad -lo que hubiese brindado un ajuste más exacto-. Aun así los valores de pobreza y el cálculo de ingreso para el segundo trimestre de 2018, en el que no se registra una presencia tan fuerte del efecto recomposición salarial, son similares al primer trimestre por lo que cabe pensar que este efecto no sería tan significativo.
Por otro lado cabe resaltarse que un factor explicativo importante viene dado por la incorporación al mercado laboral de integrantes del hogar que antes no demandaban trabajo, siendo un efecto que se registra con asiduidad en contextos recesivos (Maurizio, Perrot y Villafañe, 2008). Hasta aquí hemos explicitado que factores actúan en conjunto a favor de la reducción de la pobreza en el caso de la sub-muestra de casos únicos, veremos seguidamente cuales son los factores que se verifican para el sub-grupo de repetidos.
- Análisis con casos repetidos
La muestra de casos repetidos brinda datos para los mismos individuos en los dos trimestres considerados. En el análisis desarrollado más adelante se utilizan una submuestra de éstos casos repetidos, consistente en las personas que han cambiado su status de “pobre” a “no pobre” al pasar del cuarto trimestre do 2017 al primer trimestre de 2018. Además, se excluyen de este grupo a quienes no habían declarado ingresos en 2017 pero que luego declararon ingreso positivo en 2018, caso que denominaremos como “dato perdido”, donde por alguna razón, distinta a poseer realmente un ingreso nulo, en la base de datos se adjudica un valor de cero[1]. De esta manera obtuvimos un subgrupo que denominamos “casos repetidos auténticos”, ya que el paso de ser pobre a ser no pobre se daba mediante un aumento real de ingresos percibidos por la familia, no relacionadas a una omisión del ingreso en el trimestre previo.
Esta submuestra de panel, permite analizar la trayectoria de los individuos para comprender cuales son los factores que podrían explicar una disminución de la pobreza, es decir indagar acerca de cuáles podrían ser las causas del aumento en sus ingresos familiares y por tanto de su mejora en término de pobreza
Esta submuestra de panel, permite analizar la trayectoria de los individuos para comprender cuales son los factores que podrían explicar una disminución de la pobreza, es decir indagar acerca de cuáles podrían ser las causas del aumento en sus ingresos familiares y por tanto de su mejora en término de pobreza. En primer lugar, se llevó a cabo un análisis de prueba de diferencia de medias entre los trimestres considerados, al igual que se hizo en la sección previa, pero esta vez para esta sub-muestra particular.
El Cuadro B del Anexo presenta los resultados de las pruebas de hipótesis sobre la diferencia de medias en las variables determinantes de la pobreza en el corto plazo. Como es de esperar, el ITF es una de las variables significativas, tanto estadística como económicamente, incrementándose en algo más de 16 mil quinientos pesos entre trimestres. Entre las variables asociadas al ITF, que destacan por su significatividad estadística, figuran el número de personas con empleo dentro del hogar, la ayuda social y la ayuda exterior. Todas estas variables poseen un cambio que favorece la reducción de la pobreza.
Por otro lado, se encuentran tres variables que no resultaron significativas estadísticamente. Ellas fueron menores de 10 años dentro del hogar, educación y préstamos recibidos, habiendo tenido esta última una variación favorable a la reducción de la pobreza. El hecho de que las dos primeras no hayan sido significativa coincide con lo que esperábamos a priori, ya que al ser variables de largo plazo prácticamente no deberían sufrir cambios entre trimestres consecutivos para un mismo individuo.
En base a estas variables, se procedió a trabajar con modelos de probabilidad en los que se relacionó una variable binaria cualitativa indicadora de estado de “pobreza”, respecto de sus determinantes de corto plazo. El Cuadro 2 presenta los resultados del ajuste de dos modelos de regresión lineal múltiple, los que explican la probabilidad de ser pobre, en función de sus variables determinantes. Modelos así planteados son capaces de explicar cuáles han sido los factores que influyeron en la transición de pobre a no pobre.
Cuadro 2: Modelo de probabilidad lineal: determinantes de pobreza (casos repetidos genuinos)
Fuente: Elaboración propia en base a datos de INDEC
Las variables número de integrantes con empleo, ayuda social y ayuda exterior, se mantuvieron como las principales variables (de entre las que son capaces de afectar al ITF) que mayormente afectaron la probabilidad de transición entre pobre y no pobre. Por ejemplo, dentro del Modelo 1, sumar una persona más con empleo en la familia reduce la probabilidad de ser pobre en un 35.2%, mientras que acceder a ayuda social la reduce en 36,6% y recibir ayuda exterior la atenúa en un 72,1%.
Las variables número de integrantes con empleo, ayuda social y ayuda exterior, se mantuvieron como las principales variables, de entre las que son capaces de afectar al ITF que mayormente afectaron la probabilidad de transición entre pobre y no pobre.
Por tanto estas variables han operado de manera conjunta y de forma significativa a la baja del índice de pobreza vía la afectación del ingreso disponible del hogar. Utilizando un método de estandarización de regresares para conocer qué variable mueve más el cambio de estado, fue posible concluir que el efecto de un aumento en el número de trabajadores es la variable más preponderante, seguida por un cambio en ayuda social y por último en ayuda exterior. Si sumamos los efectos de ambas ayudas, estas superan al del número de trabajadores, lo que es un indicativo del grado de dependencia de estos hogares respecto algún tipo de asistencia que le permitió superar la condición de pobreza de un trimestre a otro.
Para el modelo 2 se incluyó la variable prestamos que releva el aumento del ingreso por haber accedido a un prestamos de dinero por parte de familiares, amigos o entidades bancarias o financieras. Si bien esta variable presentaba un cambio significativo entre quienes habían pasado de pobres a no pobres, dicha significatividad no se verifica en tanto determinante que pueda explicar la transición de los casos duplicados.
En resumen, al igual que para el caso del subgrupo anterior una porción importante de la transición de pobres a no pobres se explica por la presencia de atenuantes temporales o de transferencias que incrementan el ITF para el primer trimestre como el caso de ayuda social y de ayuda exterior. Por otra parte opera un factor importante como la incorporación de integrantes del hogar a la fuerza laboral que antes no se veían en la obligación de trabajar. En esta transición no operan significativamente variables de largo plazo como la reducción en los valores de medios de los hijos menores de 10 años y no se identifica significativo el cambio en otras como educación ni calificación que si lo eran para el caso de no repetidos.
Conclusión:
Las explicaciones posibles a la reducción tan marcada del índice de pobreza en Chaco, entre el 4° trimestre de 2017 y el 1° trimestre de 2018, obedecen a una combinación de efectos que se refuerzan entre sí. Mediante una submuestra de casos únicos (encuestados en un único trimestre) y de casos repetidos (encuestados en ambos trimestres) fue posible constatar que ha existido una reducción del índice debido a un fenómeno de variabilidad muestral por un lado y por otro, a un cambio genuino, dado por el movimiento de variables que son determinantes del ingreso y, por tanto lo son respecto de la condición de pobreza.
La primera causa se basa en el cambio significativo entre trimestres en variables estructurales o de largo plazo, que evidencian una menor presencia de pobres en la muestra del primer trimestre de 2018 y posiblemente del segundo trimestre de ese mismo año. Este es un fenómeno de variabilidad muestral que debe soslayarse ya que logra afectar directamente el cálculo y representa un cambio en la composición muestral que de mantenerse podría alterar la representatividad de la misma. Los bruscos movimientos en los índices de pobreza para el último semestre se explican en parte por este hecho que podría relacionarse al aumento que ha dispuesto INDEC en la muestra para el aglomerado Gran Resistencia.
El segundo efecto que se corrobora tiene que ver con movimientos de variables de corto plazo, que según se ha logrado verificar a través de los modelos planteados, aumentan el ingreso y disminuyen la probabilidad de caer en situación de pobreza. Se ha corroborado que esta mejora para ambos sub-grupos se vincula fuertemente al movimiento de tres factores: el hecho de recibir ayuda social por parte del Estado, recibir ayuda externa de personas fuera del núcleo familiar y con la incorporación de nuevos miembros del hogar a la fuerza de trabajo. Como observación debe notarse que para los casos únicos se ha desestimado como explicación posible aumentos en la cantidad de ocupados. Paralelamente, para el caso de los repetidos la incorporación de nuevos miembros del hogar al mercado de trabajo parece explicar gran parte de la baja en la pobreza junto a la combinación de ayuda estatal con la ayuda de personas externas al hogar. También se han desestimado aumentos en el nivel de formalidad. Esto es un indicio de una posible disociación entre la mejora de la pobreza y un cambio favorable en el mercado laboral para los trimestres analizados. Lo que no ha sido posible descontar completamente es un aumento de ingresos vía recomposición salarial ya que si bien se ha ajustado por inflación, no fue posible hacerlo por paritarias sectoriales que afectan los salarios en el primer trimestre.
Con todo esto ha sido posible aportar una interpretación más profunda de la disminución de la pobreza en la provincia presentando importantes matices en su lectura respecto a sus causas y posibles explicaciones de sus cambios abruptos respecto del resto de la región.
[1] El caso más común se da cuando el individuo encuestado se niega a responder el monto de ingreso percibido o no lo puede determinar (no sabe/ no contesta)
[1] Esta es una transformación habitual y útil ya que nos permite acotar valores extremos, haciendo simétrica a una distribución naturalmente asimétrica y con valores extremos generados por pocos ingresos muy altos, permitiendo visualizar mejor los cambios de la distribución entre trimestres.
[2] Para un mayor control la intuición gráfica, la diferencia entre distribuciones se corroboró con las pruebas estadísiticas de Kolmogorov-Smirnof y Kruskal-Wallis, que permitieron concluir que existen diferencias significativas en la distribución de los datos para los trimestres analizados.
[3] Esto último se correspondería con la hipótesis planteada por cuanto las personas en el primer trimestre 2018 necesitan trabajar menos horas que en 2017 debido a que se encuentran un una situación general (definida por las variables seleccionadas) que los aleja de la situación de pobreza.
[4] Debe notarse que al acotar la muestra a los casos con cierta proximidad a la pobreza este efecto se encuentra disminuido por cuanto son pocos los individuos que presentan una calificación de tipo profesional. Al trabajar con la muestra completa este efecto se eleva a $6684
Referencia bibliográfica
- Maurizio, R., Perrot, B., & Villafañe, S. (2008). Dinámica de la pobreza y el mercado de trabajo en Argentina post-convertibilidad. Ministerio de Trabajo, Empleo y Seguridad Social.
Anexo
Cuadro A: Pruebas de diferencia de medias y proporciones (casos únicos)
Fuente: Elaboración propia en base a datos de INDEC
Cuadro B: Pruebas de diferencia de medias y proporciones (casos repetidos)
Fuente: Elaboración propia en base a datos de INDEC