ESTUDIO DINÁMICO DE LA INCIDENCIA DE LA

POBREZA EN ESPAÑA MEDIANTE UN MODELO

MARKOVIANO EN EL PERIODO 1994-98.

José Miguel Casas Sánchez

Departamento de Estadística, Estructura Económica y O.E.I.
Universidad de Alcalá
e-mail: jmiguel.casas@terra.es

Juana Domínguez Domínguez

Departamento de Estadística, Estructura Económica y O.E.I.
Universidad de Alcalá
e-mail: juana.dominguez@uah.es

Rafael Herrerías Pleguezuelo

Departamento de Métodos Cuantitativos para la Economía y la Empresa.
Universidad de Granada.
e-mail: rherreri@ugr.es

José Javier Núñez Velázquez

Departamento de Estadística, Estructura Económica y O.E.I.
Universidad de Alcalá
e-mail: josej.nunez@uah.es

Resumen:

En este trabajo se estudia la evolución de la incidencia de la pobreza en España, utilizando los

datos del Panel de Hogares de la Unión Europea PHOGUE (España), en el período 1994-98. Para ello, se
propone un modelo markoviano discreto y se analizan sus características generales, que luego se
aplicarán al caso español ya descrito.

Palabras Clave: Pobreza, Distribución de la renta, Escalas de Equivalencia, Cadenas de Markov.

Códigos UNESCO: 5302.01, 5302.04.
1. Introducción

Uno de los problemas sociales más acuciantes como es el sacar a las personas de
la pobreza dependerá, en gran medida, de un mejor conocimiento de cuántos pobres
hay, donde viven y, sobre todo, por qué son pobres. Ninguna de estas cuestiones resulta
sencilla o directa.

La definición de pobreza como una realidad multidimensional plantea el

problema de cómo cuantificar la pobreza global y como comparar los logros en las
distintas dimensiones, cada una de las cuales puede avanzar en un sentido diferente. Así,
por ejemplo, la salud puede mejorar al mismo tiempo que se deterioran los ingresos. Por
ello, en este trabajo nos vamos a ceñir a la pobreza económica de la población, en el
sentido de utilizar sólo la posición económica de los hogares, lo que se acepta como una
buena aproximación del nivel de vida, ya que, tal y como dice Okun, la renta y la
riqueza son los principales raseros para valorar la posición económica de las personas
(Okun, 1975, pág. 65).

Vamos a trabajar con la hipótesis de que los hogares son unidades de consumo
cuyos bienes y recursos son disfrutados por todos los miembros, con independencia de
quien los aporta, de manera que todos ellos gozan de un mismo nivel de vida, y esto nos
lleva a considerar el hogar como la unidad más adecuada para el análisis de la pobreza.

Por otra parte la evaluación del grado de pobreza en que los pobres se
encuentran se lleva a cabo mediante la determinación del umbral o línea de pobreza que
nos sirve de base para clasificar como pobre a todo hogar que se encuentre por debajo
de ella. Tal y como define Kakwani (1986, pág. 273) es el nivel de renta suficientemente
bajo que se ha considerado que crea infortunio, en términos de los modelos de vida
cotidianos de la sociedad. Somos conscientes de que la elección de un determinado
umbral a partir del cual un hogar se considera pobre, es una cuestión de criterio.
Generalmente, se suele utilizar la mitad de la renta media por individuos o, por hogares,
para identificar a las personas pobres. En este trabajo, se utiliza como línea de pobreza
la mitad de la renta media del hogar.

Los hábitos de vida de los hogares cambian a través del tiempo, y en ocasiones
por caminos impredecibles. Por consiguiente un análisis estático no tiene en cuenta
cuestiones como las características de los hogares persistentemente pobres de los que lo

2
son transitoriamente para, de este modo, identificar los determinantes de cada uno. Sin
embargo, la persistencia de la pobreza es de interés para entender el fenómeno y, a la
vez, diseñar cuál debe ser la política a desarrollar.

En su estudio sobre la persistencia de la pobreza, Lillard y Willis (1978)

modelizan la duración de los períodos de la pobreza, preguntando qué fracción de la
población es probable que esté por debajo de la línea de pobreza y como es de grande,
basándose en la estructura estimada de las ganancias.

Levy (1977) y Gottschalk (1982) obtienen esta descomposición a partir del ratio
renta-sobre-necesidades.

Otra aproximación ha sido adoptada por Duncan (1984), Coe, Duncan & Hill
(1982), Rainwater (1982), entre otros. Ellos buscan la proporción del número de
personas que son pobres por alguna definición, sobre un intervalo de tiempo fijado,
generalmente de ocho o diez años. Esta aproximación es muy simple de usar, ya que
sólo necesitan una sencilla tabulación. Los cambios en las estructuras familiares no
causan problemas en este enfoque.

Otros investigadores han estudiado los movimientos que se producen dentro y

fuera de la pobreza para, al mismo tiempo, estimar la cantidad de movimiento y
examinar las características de aquellos que se mueven y de los que no lo hacen. En esta
línea, Hill (1981) y Levy (1977) han calculado las probabilidades de salida para los que
entran y salen de la pobreza, mientras que Boskin y Nold (1975), Hutchens (1981),
Plotnick (1983) y Wiseman (1976) han explorado los movimientos sobre y desde el
bienestar. Bane y Ellwood (1986) siguen esta línea de investigación y proponen
modelizar los periodos de pobreza, entendiendo que hay tres caminos: analizar una
variedad de distribuciones, estudiar la razón ratio-dependencia de las probabilidades de
salida e identificar el comienzo y el fin de los sucesos. La importancia de esta distinción
ha sido enfatizada por diversos autores como Kaitz (1970), Salant (1977), Clark y
Summers (1979) y Akerloff y Main (1982), señalando que mientras la mayoría de los
que se convierten en desempleados permanecen en este estado un periodo corto de
tiempo, el grueso del desempleo lo hace a largo plazo.

3
 El principal inconveniente que presenta este método es que sólo estudia los
cambios de estado. Sin embargo, no tiene en cuenta dos factores muy importantes del
problema como son la incidencia y la intensidad de la pobreza a lo largo del tiempo.

Teniendo en cuenta estas consideraciones, en este trabajo, se presenta un modelo

markoviano que permite estudiar el comportamiento de la incidencia de la pobreza a
medio y largo plazo, asumiendo la hipótesis markoviana de que toda la información
relevante queda recogida en el estado que cada hogar presenta en el último instante
conocido y la hipótesis de homogeneidad, mediante la que las probabilidades de cambio
de estado se mantienen constantes a lo largo del tiempo. Debemos ser conscientes de las
limitaciones impuestas, ya que se ignoran otros aspectos como nivel de estudios, por
ejemplo; sin embargo, esta aproximación es plenamente coherente con el propósito
manifestado de estudiar la pobreza económica, con lo que toda la información queda
recogida en la posición económica del hogar y, en este caso, la renta, mientras que el
resto de variables se configurarían como factores condicionantes de la pobreza y, por lo
tanto, requieren un estudio diferenciado.

La organización del trabajo es la siguiente. En primer lugar, se hace el estudio de

la incidencia de la pobreza en el tiempo, suponiendo que un hogar sólo se puede
clasificar en dos estados: pobre/no pobre, lo que permitirá obtener el porcentaje de
pobres al cabo de t periodos de tiempo. En realidad, siempre que se hace un estudio
sobre la evolución de la pobreza, se hace siempre sobre datos muestrales y no sobre la
población; por lo tanto, a continuación, se obtienen las estimaciones de máxima
verosimilitud tanto de la probabilidad de entrada en la pobreza como la de salida.
Además, se presenta el correspondiente contraste de hipótesis para determinar si los
datos muestrales proceden de una cadena de Markov de dos estados, con probabilidades
de transición de un paso preasignadas. En el siguiente epígrafe, se presentan los datos
utilizados, que se han obtenido del Panel de Hogares de la Unión Europea para el caso
de España (PHOGUE), así como la escala de equivalencia a utilizar. Posteriormente, se
estudia la evolución de la pobreza en España durante el período 1994-98, obteniendo el
valor en torno al que se estabiliza la proporción de pobres en el período de estudio.
Finalmente, se presentan las principales conclusiones.

4
2. Análisis dinámico de la incidencia de la pobreza en una población.

En este epígrafe, vamos a estudiar la evolución de la incidencia de la pobreza en

el tiempo a partir de proporción de pobres. Así, utilizaremos el proceso estocástico
definido mediante:

X(t) = "Estado de pobreza en que se encuentra el hogar en el instante t", t≥0.

Ahora bien, se supondrá que un hogar sólo se puede clasificar en dos estados,
según que se encuentre en situación de pobreza ó no sea así. Entonces, el espacio de
estados será S = {A, NA}, donde:

A = “El hogar es pobre” y NA = “El hogar no es pobre”.

Para analizar la evolución del sistema, comenzaremos admitiendo la hipótesis de

Markov; es decir, que toda la historia pasada queda resumida en la situación que se
presenta en el último instante conocido, de manera que se considera relevante sólo el
pasado reciente. De esta manera, el último estado observado se configura como el
resultado de su historia pasada. Así pues, esta hipótesis implica que los hogares que
presenten el mismo estado de pobreza en el periodo t, deben tener idénticas
probabilidades de moverse hacia un estado de ausencia de pobreza en el periodo (t+∆t),
cualquiera que haya sido su historia pasada1. Es decir, en general:

P[X(t h +1 ) = i h +1 /X(t 1 ) = i1 , X(t 2 ) = i 2 ,..., X(t h ) = i h ] = P[X(t h +1 ) = i h +1 /X(t h ) = i h ],

∀t 1 ,..., t h , t h +1 : 0 ≤ t 1 < ... < t h < t h +1 , ∀i1 ,..., i h , i h +1 ∈ S

de manera que, en general, la información necesaria se reduce a las probabilidades de

transición de la cadena de Markov en tiempo continuo obtenida:

Pm,n (t 1 , t 2 ) = P [X(t 2 ) = n / X (t 1 ) = m ] , ∀ n, m ∈ S , ∀t 1 , t 2 : 0 ≤ t 1 < t 2 .

Además, admitiremos la hipótesis de homogeneidad de la cadena de Markov, en

el sentido de que las probabilidades de transición sólo dependen del lapso temporal

1
Cualquier diferenciación adicional (nivel de estudios del sustentador principal, por ejemplo)
incrementaría la dimensión del proceso estocástico considerado. La propuesta unidimensional que se hace
se basa en la consideración de la pobreza económica, tal y como se apuntó, siendo el resto de las
características factores explicativos, cuyo estudio podría desarrollarse con posterioridad.

5
transcurrido y no de los instantes concretos considerados, lo que puede considerarse
razonable, teniendo en cuenta que la línea de pobreza se considera en pesetas constantes
del año 1992, mediante la correspondiente deflación, tal y como se indicó. Por lo tanto,
si es P(s,t) la matriz de probabilidades de transición entre los instantes s y t:

P ( t, t + h ) = P ( h ) , ∀h > 0, ∀t ≥ 0

A continuación, supongamos que se elige, al azar, un hogar de la población. En

este caso, sea α la propensión a la pobreza y sea β la probabilidad de salida de la
pobreza, de manera que α,β∈(0,1). La matriz infinitesimal de probabilidades de
transición será:

 1 - β ∆t + Ο ( ∆t ) β ∆t + Ο ( ∆t ) 
P ( t, t + ∆t ) =   = P ( ∆t ) , ∀t ≥ 0
 α ∆t + Ο ( ∆t ) 1 − α ∆t + Ο ( ∆t ) 
 

Ahora bien, la disponibilidad de datos de la fuente utilizada (PHOGUE) no

permite el seguimiento del proceso en modo continuo. Por ello, consideraremos que el
espacio temporal evoluciona de modo discreto, definiendo:

Xt = “Clasificación de un hogar en el año t”,..t ∈Ν∪0 (2.1)

En estas condiciones

α = P[X t = A/ X t -1 = NA ] , β = P[X t = NA/ X t -1 = A ] ,

y puede probarse el siguiente resultado.

Teorema 1:

Bajo las hipótesis de Markov y de homogeneidad, la proporción de pobres, al

cabo de t años, partiendo de una proporción inicial q0, es:

α  α 
Pt = +  q 0 −  (1 − α − β )t , t ∈ Ν ∪ {0}.
α+β  α+β 

Además, la probabilidad de que un hogar no pobre esté en situación de pobreza, al cabo

de t años, es:

6
 Qt =
α
α+β
{
1− [1− ( α + β ) ] t }, t ∈ Ν ∪ {0}

α
y la proporción de pobres, a largo plazo, se sitúa en torno a .
α+β

Demostración

Admitiendo la hipótesis de homogeneidad, la matriz de transición entre dos

periodos consecutivos para la cadena de Markov definida por (2.1) será

1 - β β 
P(t, t + 1) = P =   ∀t ∈Ν∪0
 α 1- α

A partir de los valores y vectores propios de P, tenemos que:

1 1 β   1 0  α β 
P =      
α+β 1 - α   0 1 - α - β   1 − 1

que es la descomposición de Jordan (α + β ≠ 0 ) . Entonces:

t
1 1 β   1 0  α β 
Pt =       =
α + β 1 - α   0 1 - α - β   1 − 1

1  α + β (1 - α - β )t β − β (1 − α − β ) 
t
= t ∈ Ν ∪ {0}
α + β  α − α (1 - α - β )t β + α (1 − α − β ) 
t

Así, la probabilidad de que un hogar no pobre sea pobre al cabo de t años es:

Q t = P [X( t ) = A X( 0 ) = NA ] =
1
α+β
[
α − α (1− α − β ) t ]= α
α+β
{
1− [1− ( α + β )] t}

Cuanto menor sea α+β, esta probabilidad será más pequeña. Si, entre dos periodos de
tiempo consecutivos, las probabilidades de cambiar de estado (pobreza/no pobreza y
viceversa) son muy pequeños, después de t años, la probabilidad de cambiar de estado
se hace más pequeña cuanto menores sean α y β.

7
  α β 
 
α+β α+β
lim P = 
t 
t →∞  α β 
 α+β α+β 
 

y la configuración final es

 α β 
 , 
 α+β α+β 

independientemente de la configuración inicial. Por tanto, a largo plazo, la proporción

de pobres será:

α
α+β

y [1 - ( α + β )]t determina la velocidad de convergencia hacia esta situación estacionaria.

Por otra parte, si la configuración inicial de la población es 100q0% de pobres,

entonces el vector inicial de estados será V0 = (q 0 ,1 − q 0 ) . Después de t periodos de
tiempo, tenemos:

1  α + β [1 − (α + β )] t β + β [1 − (α + β )] 
t

Vt = V0 .P =
t
(q 0 ,1 − q 0 )  =
α+β  t 
 α − α [1 − (α + β )] β + α [1 − (α + β )] 
t

1 
 α + ( βq 0 + αq 0 − α )(1 − α − β ) , β + (α − βq 0 − αq 0 )(1 − α − β )  =
t t
=
α+β  

=
1
α+β
( α + [(α + β) q 0 − α ] (1 − α − β ) , β + [α − (α + β ) q 0 ] (1 − α − β )
t t
)

y el porcentaje de pobres en el año t, será:

α (α + β ) q 0 − α α  α 
Pt = + (1− α − β ) t = +  q 0 −  (1 − α − β )t , t ∈ Ν ∪ {0}
α+β α+β α+β  α+β 
α
Cuando t → ∞ es, obviamente,
α+β

c.q.d.

8
3. Inferencia Estadística para el modelo.

Teniendo en cuenta que trabajamos con datos muestrales, una muestra aleatoria
para una cadena de Markov con dos estados de estas características, se obtiene
observando las diversas realizaciones del sistema en períodos sucesivos, durante un
cierto tiempo. De esta manera, supongamos que, entre dos años consecutivos, se han
contabilizado las transiciones de n hogares. Sea nij el número de transiciones desde el
estado i hasta el estado j (i,j=A,NA) sobre un número total de n, que se pueden
representar como:

TABLA 1.: Matriz de transiciones muestrales.

Estados A NA
A nA,A nA,NA nA
NA NNA,A NNA,NA nNA
N

Por otra parte, sea P la matriz de probabilidades de transición en un paso:

 PA,A PA, NA  1 − β β 
P= = .
P
 NA,A PNA, NA   α 1 − α 

Para cada estado inicial, la transición en un paso se puede considerar como una
prueba de Bernouilli cuyo resultado es uno de los dos estados de la cadena. Asumiendo
que el número total de transiciones se ha dividido en dos clases, con nA y nNA
observaciones respectivamente, la distribución de probabilidad condicionada de los nij
(i,j∈{A, NA}), a partir de los datos de la Tabla 1, se puede escribir como:

 n A  n AA n A, NA  n NA  n NA, NA n NA,A
 P .P . .P .P (3.1)
 n  AA A,NA  n  NA,NA NA,A
 AA   NA,NA 

Obviamente, esta distribución está condicionada por las sumas de las filas (nA y
nNA) de la Tabla 1, y depende de las verdaderas probabilidades de transición Pij
(i,j∈{A,NA}). Sea A(nij) la contribución de la distribución de (nA, nNA) a la función de
verosimilitud de la muestra dada por la Tabla 1. La función de verosimilitud, como se
sabe, da la función de probabilidad de una muestra específica para el proceso, a partir de

9
 los valores de los Pij, con i,j∈{A, NA}. Denotamos por L(Pij) a la función de
verosimilitud y por LnL(Pij) a su logaritmo natural.

 n i  n iA n iNA
( ) ( ) ∏
L Pij = A n ij  
 n  Pi,A .Pi, NA , i ∈ {A, NA} (3.2)
i∈{A, NA}  i, A 

 ni 
( ) ( )
LnL Pij = LnA n ij + ∑  n i,A  + n AA LnPAA + n A,NA LnPA,NA +
Ln
i∈{A, NA}  
+ n NA,A LnPNA,A + n NA,NA LnPNA,NA , i ∈ {A, NA}

Si llamamos:

 ni 
( ) ( )
LnB n ij = LnA n ij + ∑ Ln  
 , i, j ∈ {A, NA} ,
i∈{A, NA}  n i,A 

tenemos:

( ) ( )
LnL Pij = LnB n ij + n AA Ln PAA + n A, NA Ln PA, NA + n NA,A Ln PNA,A + n NA, NA Ln PNA, NA
i, j ∈ { A, NA} (3.3)

En estas condiciones:

Proposición 1.

Si la muestra tiene como matriz de transición la dada en la Tabla 1, y su función

de verosimilitud es (3.2), entonces las estimaciones de máxima verosimilitud de P=(Pij,
i,j∈{A,NA}), sujetas a la condición de que PiA+PiNA=1, i∈{ A, NA}, son:

 n A,A n A, NA 
 ∧ ∧   
 1− β β   nA nA 
P̂ =  ∧  =  n NA,A
 α 1− α
∧ n NA, NA 
   
 n NA n NA 

Demostración

A partir de la expresión (3.3), se tiene:

10
 ( ) ( )
LnL Pij = LnB n ij + n AA LnPAA + n A, NA Ln (1 - PA,A ) +
(3.4)
+ n NA,A LnPNA,A + n NA, NA Ln(1 - PNA,A ) , i, j ∈{A, NA}

Y, diferenciando (3.4) con respecto a PAA e igualando a cero, tenemos:

∧ n A, NA ∧ ∧ n A, A ∧
β= = P A, NA 1- β = = P A, A (3.5)
nA nA

De forma análoga, diferenciando (3.4) con respecto a PNA,A e igualando a cero, se tiene:

∧ n NA, A ∧ ∧ n NA, NA ∧
α= = P NA, A 1- α = = P NA, NA (3.6)
n NA n NA

c.q.d.

Para determinar si la muestra, como se presenta en la Tabla 1 procede de una

cadena de Markov de dos estados (S={A, NA}), con probabilidades de transición de un

paso preasignadas ( Pij0 i,j∈{A, NA}), procedemos a contrastar la hipótesis:

H 0 : Pij = Pij0 i, j ∈ {A, NA}

Un estadístico de prueba adecuado podría ser:

2
∧ 
n i  P ij − Pij0 
(3.7)
∑ ∑  P 0  → H0
χ 22
i∈{A, NA} j∈{A, NA} ij

Ahora bien, asintóticamente, este contraste es equivalente al de razón de verosimilitudes

basado en el lema de Neyman-Pearson. En términos de verosimilitudes, este otro
estadístico de prueba tomaría la forma (–2LnΛ), donde:

L ( Pij0 )
Λ= ∧
, (3.8)
L ( P ij )

11
 ∧ 
siendo L  P ij  el valor máximo de la función de verosimilitud obtenida al sustituir los
 
∧
valores P ij de (3.5) y (3.6) en (3.2).


( ) ∧  
- 2 Ln Λ = -2 Ln L Pij0 − Ln L  P ij   = 2 ∑ ∑ n ij Ln
n ij
(3.9)
   i∈{A, NA} j∈{A, NA} n i Pij0

Bajo la hipótesis nula H0, (3.9) se distribuye según una ley χ 22 . Por lo tanto, para un
nivel de significación α0, se rechaza la hipótesis de igualdad de matrices (H0) si:

- 2 ln Λ > χ 22, 1-α 0

donde:

( )
P χ 22 > χ 22, 1-α 0 = α 0 .

siendo la mejor región crítica para un nivel de significación α0, fijado.

4. Análisis de la fuente utilizada de datos (PHOGUE-España) y de los principales

elementos para el estudio dinámico de la pobreza en España, durante el período
1994-98

Para efectuar el estudio dinámico de la pobreza, necesitamos trabajar con aquella

Encuesta que nos permitiese identificar los hogares y seguirlos en el transcurso del
tiempo, y este requisito lo cumple el Panel de Hogares de la Unión Europea
(PHOGUE), que nos permite seguir la evolución de las mismas personas y los mismos
hogares, estudiar lo que cambia en sus vidas cuando las condiciones y las políticas
socioeconómicas se modifican, y cómo reaccionan a estos cambios.

Al mismo tiempo, gracias a la recogida de información dinámica sobre los

ingresos, el nivel de vida y el empobrecimiento, el PHOGUE constituye un instrumento
estadístico importante de recogida de informaciones sobre la pobreza permanente y la
exclusión social.

12
 El PHOGUE proporciona información sobre los ingresos, su distribución en
función de ciertas características básicas, etc. En relación con la distribución del nivel
de ingresos, puede considerarse a nivel personal o a nivel de hogares. Esta encuesta es
un panel puro, es decir, los hogares elegidos en primera instancia (primer ciclo o
primera ola) se mantienen en la muestra para el ciclo siguiente, permitiendo la entrada
de nuevos miembros y siguiendo a los miembros que han abandonado el hogar, o al
hogar en conjunto si éste ha cambiado de residencia.

La población objetivo de la investigación, en la primera oleada, es el conjunto de

personas miembros de los hogares privados, que residen en las viviendas principales
seleccionadas, pero encuestando, exclusivamente, a los miembros del hogar nacidos en
1977 o con anterioridad.

En el segundo ciclo, la población objetivo la constituyen las personas

(individuos del panel) que integraban la población objetivo del primer ciclo (población
muestral) así como las personas que forman parte de los hogares de los individuos del
panel.

Se consideran dos unidades básicas de observación y análisis: los sujetos,

miembros del hogar, y los hogares privados que residen en las viviendas familiares
principales seleccionadas en la muestra.

Se excluyen sistemáticamente a los sin hogar y a los que habitan en un

establecimiento colectivo. Según la metodología del Panel de Hogares de la Unión
Europea, se consideran establecimientos colectivos a las viviendas o edificios que están
destinados a ser habitados por personas, sometidas a una autoridad o régimen común,
dependientes de una institución económica o no, incluyendo como hogares colectivos
los conventos, asilos, residencias de estudiantes, prisiones, cuarteles, correccionales,
centros de acogida, hospicios, hoteles pensiones y establecimientos
análogos,...Teniendo en cuenta todo esto, al acometer el estudio dinámico de la pobreza,
una gran bolsa de precariedad se está omitiendo y es aquella donde se encuentra gran
parte de la pobreza extrema.

El ámbito geográfico de investigación del PHOGUE (España) es el territorio

nacional, excepto Ceuta y Melilla. El período de recogida de datos cubre los meses de
octubre a diciembre de 1994, para la primera oleada, si bien algunos hogares, por

13
problemas de localización, han sido encuestados en enero de 1995. Los mismos meses
son investigados en los ciclos sucesivos. Se toma la definición censal de vivienda
familiar, considerándose como unidad primaria de muestreo la sección censal, y como
unidad última de muestreo la vivienda familiar principal, incluyéndose en la muestra
todos los hogares residentes en las viviendas familiares principales seleccionadas.
Además de la muestra de viviendas titulares, se seleccionó una muestra de viviendas de
reserva, que se ha utilizado en la sustitución de aquellas viviendas que han presentado
algún tipo de incidencia.

El territorio nacional se ha dividido en siete grandes regiones (NUTS 1),

exigiendo que cómo mínimo haya 400 hogares en cada una de ellas. Las NUTS 1 son
las siguientes:

1. NOROESTE (Galicia, Asturias, Cantabria)

2. NORDESTE (País Vasco, Navarra, Rioja, Aragón)

3. MADRID (Madrid)

4. CENTRO (Castilla-León, Castilla-La Mancha, Extremadura)

5. ESTE (Cataluña, Comunidad Valenciana, Baleares)

6. SUR (Andalucía, Murcia)

7. CANARIAS (Canarias)

Hemos estudiado la pobreza económica a partir del ingreso neto anual. Esta cifra
corresponde al ingreso neto anual del ejercicio anterior; por tanto, al trabajar con las 5
oleadas que existen actualmente del Panel, hemos deflacionado los ingresos utilizando
el I.P.C. del año anterior al ciclo en estudio. Todos los ingresos están en unidades
monetarias del año 1992.

Como ya expusimos anteriormente, el estudio se puede hacer a partir de los

datos del fichero de personas adultas o el fichero de los datos de hogares. El problema

14
que plantea el fichero de personas adultas2 es que se tienen en cuenta tanto a las mujeres
amas de casa que no trabajan fuera del hogar como a los estudiantes, que no tienen
ningún tipo de ingresos. Estas personas constan con ingresos netos anuales nulos y no
tienen por qué ser pobres. La opción es, entonces, eliminar todos los que en el fichero
de personas adultas tuviesen renta anual nula, pero entonces sí que se eliminan a
muchas personas en la pobreza severa. Ante este dilema, decidimos trabajar con el
fichero de hogares y, además de ser éstos de los que se dispone de información para su
localización, van a considerarse también como unidades de estudio, ya que se analiza el
comportamiento del hogar en su conjunto.

Se han utilizado los factores de elevación para estimar el número de hogares a

nivel nacional. Con los datos del fichero de hogares del Panel, se han clasificado los
hogares sólo en dos estados pobre/no pobre, y se define la variable aleatoria:

Xt = “Clasificación de un hogar en el año t”. , t = 1994,1995,1996,1997,1998

El espacio de estados es S = {A, NA } donde A = “pobre” y NA = “no pobre”.

Tal y como se definió en el epígrafe 2, α es la propensión a la pobreza y β es la
probabilidad de salida de la pobreza.

Por tanto, la primera fase es la de identificación de los pobres, que permitirá

evaluar la incidencia de la pobreza en la sociedad, la cual requiere inexorablemente
definir el concepto de pobreza, es decir, cuando un hogar puede considerarse pobre,
siendo éste un problema que ha generado una intensa polémica. Sin embargo, una vez
que se ha optado por medir pobreza económica, mediante la utilización de un indicador
de la posición económica del hogar, el problema queda reducido a la determinación de
un nivel económico mínimo cuya no superación indicará que el hogar que lo ostente
será considerado pobre. Dicho nivel mínimo se denomina umbral ó línea de pobreza.
Las líneas de pobreza basadas en porcentajes de la renta media son las más utilizadas en
la práctica. En este trabajo hemos optado por el 50% del ingreso medio.

Para la obtención de las matrices de transición entre dos períodos consecutivos,

lo primero que se ha hecho ha sido eliminar los hogares que estando en el año t, no

2
Se consideran personas adultas a aquellos individuos que, a 1 de enero del año en que se realiza la
encuesta, tienen 16 años o más (para los ciclos 1, 2 y 3) y 16 años o más, en el momento de la encuesta a
partir del cuarto ciclo.

15
están en el año t-1. Por tanto, los hogares que salen en un período del Panel, ya no se
vuelven a incorporar en nuestro estudio. El proceso de eliminación se ha repetido para
los cuatro bienios de la Encuesta. Por esta razón, se observa que el número de hogares,
en los datos muestrales, disminuye progresivamente año a año.

Si se desea estudiar la pobreza económica de los hogares, parece lógico suponer

que las necesidades de estos varían según sus diversas características. Como ya se ha
indicado, para evaluar las necesidades económicas de un hogar con respecto a otro se
utilizan las escalas de equivalencia, que describen el número equivalente de adultos que
reflejan las economías de escala en el seno del hogar, permitiendo la comparación de
hogares con circunstancias familiares diferentes. En este sentido, se define la renta
equivalente (Y), como:

X
Y= ,
E

donde X es la renta del hogar y E es la escala de equivalencia elegida. La gama de

escalas de equivalencia propuestas en la literatura es muy amplia, sin que existan
criterios que permitan determinar la superioridad de una frente al resto (Casas,
Domínguez y Núñez, 2001). Teniendo en cuenta la disponibilidad de información así
como aspectos relacionados con la simplicidad, se utilizan preferentemente las basadas
en la composición demográfica del hogar (tamaño y edad de los integrantes),
descartando las más complejas, basadas en postulados más teóricos3. En este sentido, las
escalas más utilizadas reconocen, a lo sumo, la diferencia entre adultos y niños, siendo
la ponderación de éstos inferior a la de aquellos y procurando registrar las economías de
escala que se producen cuando el número de integrantes del hogar crece. Por todo ello,
vamos a emplear para este estudio una de las escalas biparamétricas más utilizadas, que
es la de la O.C.D.E, definida como.

E = 1 + 0.7(A - 1) + 0.5K

donde A es el número de adultos y K es el número de niños.

3
Un análisis de este tipo de escalas y de los métodos para su obtención puede verse en Carrascal (1997).

16
5. Estudio dinámico de la pobreza en España en 1994-98, utilizando la escala de la
O.C.D.E.

La Tabla 2 que se presenta a continuación, muestra las matrices de transición

estimadas para los 4 bienios que constituyen el período de estudio, utilizando, como ya
se ha explicado, la información sobre ingresos para los hogares seleccionados, que
proporciona el PHOGUE-España, mediante la escala de equivalencia de la OCDE y
deflacionando los ingresos en el modo ya descrito.

TABLA 2.: Matrices de transición estimadas, durante 1994-1998.

ESTIMACIONES OCDE ESTIMACIONES OCDE
PONDERACIONES 95 PONDERACIONES 96

1995 1996
No Pobres Pobres Total No Pobres Pobres Total
1994 1995

No pobres 89.94% 10.06% 100% No pobres 86.56% 13.44% 100%

Pobres 48.78% 51.22% 100% Pobres 45.04% 54.96% 100%

ESTIMACIONES OCDE ESTIMACIONES OCDE
PONDERACIONES 97 PONDERACIONES 98

1997 1998
No Pobres Pobres Total No Pobres Pobres Total
1996 1997

No pobres 89.03% 10.97% 100% No pobres 89.30% 10.70% 100%

Pobres 36.65% 63.35% 100% Pobres 39.12% 60.88% 100%

Fuente: Elaboración propia a partir de los datos del PHOGUE-España.

De acuerdo con la Tabla 2, en el bienio 94/95 se observa cómo la probabilidad

de que un hogar no pobre en el año 1994 siga siéndolo en 1995 es, aproximadamente,
de un 90%, mientras que en los restantes períodos desciende oscilando entre el 86.5% y
el 89.30% aproximadamente.

De forma análoga, la probabilidad de que un hogar que fuese pobre en el período

1994 deje de serlo en el de 1995 es de un 48.7%, la cual desciende muy bruscamente en
los periodos siguientes llegando a ser de un 36,6% en el bienio 96/97, para subir de
nuevo a los entornos del 39% entre 1997/98.

17
 Para obtener las correspondientes cadenas de Markov con dos estados, se han
utilizado las matrices de transición muestrales, obtenidas a partir de la información que
se ofrece en la Tabla 3, que se presenta seguidamente.

TABLA 3.: Matrices de transición para cada periodo.

DATOS MUESTRALES OCDE DATOS MUESTRALES OCDE

1995 1996
No Pobres Pobres Total No Pobres Pobres Total
1994 1995

No Pobres
No Pobres

Recuento Recuento
4531 413 4944 4290 540 4830

% %
91.65 8.35 100 88.82 11.18 100

Recuento Recuento
Pobres
Pobres

750 602 1352 386 511 897

% %
55.47 44.53 100 43.03 56.97 100
Recuento 5281 1015 6296 Recuento 4676 1051 5727

DATOS MUESTRALES OCDE DATOS MUESTRALES OCDE

1997 1998
No Pobres Pobres Total No Pobres Pobres Total
1996 1997
No Pobres

No Pobres

Recuento Recuento
3730 434 4164 3337 338 3675

% %
89.58 10.42 100 90.80 9.20 100

Recuento Recuento
Pobres

Pobres

336 582 918 366 543 909

% %
36.60 63.40 100 40.26 59.74 100
Recuento 4066 1016 5082 Recuento 3703 881 4584

Fuente: Elaboración propia, a partir del PHOGUE- España.

Con estos datos, comenzaremos efectuando el correspondiente contraste de

hipótesis, para decidir cuál deberá ser la cadena de Markov con dos estados en cada
período. Los resultados se ofrecen en la Tabla 4, que se reproduce a continuación.

18
 TABLA 4.: Contraste de hipótesis para las matrices de transición.
AÑO 94 95
nij Pij(0) ni nij/(pij(0)*ni) ln[nij/(pij(0)*ni)] nij*2*ln[nij/(pij(0)*ni)]
4513 0.895 4944 1.019914664 0.019718961 177.9833456
413 0.105 4944 0.795577131 -0.228687477 -188.8958563
750 0.4 1352 1.38683432 0.327023682 490.5355227
602 0.6 1352 0.742110454 -0.298257188 -359.1016538
6278 120.5213582
AÑO 95 96
nij Pij(0) ni nij/(pij(0)*ni) ln[nij/(pij(0)*ni)] nij*2*ln[nij/(pij(0)*ni)]
4290 0.895 4830 0.992400847 -0.007628174 -65.44973307
540 0.105 4830 1.064773736 0.062762322 67.78330748
386 0.39 897 1.103393077 0.098390047 75.95711649
511 0.61 897 0.93389623 -0.06838995 -69.89452894
5727 8.396161954
AÑO 96 97
nij Pij(0) ni nij/(pij(0)*ni) ln[nij/(pij(0)*ni)] nij*2*ln[nij/(pij(0)*ni)]
3730 0.895 4164 1.000864017 0.000863644 6.442781333
434 0.105 4164 0.992635287 -0.007391967 -6.416227191
336 0.39 918 0.938495056 -0.063477691 -42.65700822
582 0.61 918 1.039322833 0.038569379 44.89475707
5082 2.264302994
AÑO 97 98
nij Pij(0) ni nij/(pij(0)*ni) ln[nij/(pij(0)*ni)] nij*2*ln[nij/(pij(0)*ni)]
3337 0.895 3675 1.014555543 0.014450628 96.44349002
338 0.105 3675 0.875931325 -0.132467587 -89.54808904
366 0.39 909 1.032410933 0.031896779 23.34844229
543 0.61 909 0.979278256 -0.020939452 -22.74024534
4584 7.503597925

Fuente: Elaboración propia.

Puede observarse cómo, para el periodo 94/95, la matriz de transición es:

A NA

A 0.4453 0.5547
P(94,95) =

NA 0.0835 0.9165

Sin embargo, para los tres bienios siguientes, se acepta que la matriz de transición
entre dos períodos consecutivos es:

A NA

A 0.61 0.39
P(t,t+1) =

NA 0.105 0.895

19
oscilando el nivel de confianza entre el 90% y 98%. En estas condiciones, debe
aceptarse que, en los últimos tres bienios, sí se mantiene la hipótesis de homogeneidad
para la cadena de Markov definida por:

Xt = “Clasificación de un hogar en el año t”, t= 1995, 1996, 1997

Por consiguiente, aplicando el Teorema 1, tenemos que la probabilidad de que un hogar

no pobre, sea pobre al cabo de los tres periodos seleccionados es:

α
α+β
{
1- [1- ( α + β ) ] 3 }= 0.1848

siendo:

α = P [ X( t ) = A X ( t - 1 ) = NA ] = 0.105

β = P [ X( t ) = NA X ( t - 1 ) = A ] = 0.39

Lo que significa que, con un 98% de confianza, hay un 18.48% de la población

que se mantiene en la pobreza y la matriz estacionaria es:

A NA

A 0.2121 0.7879

NA 0.2121 0.7879

Por lo tanto, el vector estacionario es ( 21.21% , 78.79% ) , de manera que,

admitiendo las hipótesis impuestas, la incidencia de la pobreza en España tiende a
estabilizarse en torno al 21.21%, siempre que no cambien las condiciones actuales, que
están subyacentes en las matrices de transición aceptadas.

20
6. Conclusiones.

En el presente trabajo, se ha efectuado un análisis dinámico de la incidencia de

la pobreza en España, que ha permitido obtener la proporción de pobres que habrá, a
largo plazo, si se mantienen las condiciones actuales, que puede cifrarse en el 21,21%.
Para ello, ha sido necesario utilizar datos de panel, que permitan seguir la evolución de
los hogares españoles, lo que ha llevado a la consideración del Panel de Hogares de la
Unión Europea (PHOGUE) como fuente de información. Para integrar las economías de
escala de los hogares en la formulación del problema, se ha optado por considerar la
escala de la OCDE, lo que facilitará las comparaciones que puedan realizarse con
estudios que se realicen en otros países, teniendo en cuenta la frecuencia con que se
utiliza esta escala de equivalencia.

El modelo que ha permitido estudiar la evolución descrita se concreta en una

cadena de Markov, lo que supone admitir dos fuertes restricciones, como son las de
Markov y de homogeneidad de las matrices de transición. En este sentido, pese a la
coherencia de los resultados obtenidos, se hace preciso avanzar en estudios posteriores,
en relación con la relajación, si procede, de estas condiciones y la construcción de
modelos que permitan asumir las nuevas condiciones debilitadas, asumiendo el aumento
en la dificultad que supondrá para los mismos. En este sentido, se ha probado que puede
aceptarse la hipótesis de homogeneidad de las matrices de transición sólo para el
período 1995-98, revelando un cambio sustancial en la configuración de las transiciones
de pobreza en España, con respecto a 1994-95.

El estudio se ha basado en la incidencia de la denominada pobreza económica,

lo que ha supuesto utilizar como indicador de la posición de los hogares una variable
exclusivamente monetaria, como es el ingreso familiar. Esta aproximación,
comúnmente aceptada en los estudios de pobreza, supone resumir en el ingreso toda la
información relevante sobre las condiciones de pobreza de los hogares. La
consideración de variables adicionales que condicionan este comportamiento, como lo
son los denominados factores explicativos ó condicionantes, requiere otro tipo de
estudios basados en distribuciones condicionadas que, no obstante, deben manejarse con
cuidado, teniendo en cuenta el tamaño muestral de la fuente de datos.

21
 También se han presentado las técnicas que permiten obtener las estimaciones de
máxima verosimilitud de las probabilidades de transición, y se proponen contrastes de
hipótesis para estudiar la aplicabilidad de la hipótesis de homogeneidad sobre el modelo
propuesto, lo que permite un tratamiento completo de la metodología que se propone en
el estudio.

Con todas las consideraciones anteriores, el estudio permite concluir, además,

que en el período 1995-98, la propensión a la pobreza se cifra en torno al 10,5%,
mientras que la probabilidad de salida de la misma alcanza el 39%, lo que condiciona la
convergencia hacia la proporción a largo plazo ya comentada.

Finalmente, conviene resaltar que existen grandes bolsas de pobreza severa y

exclusión social que no son recogidas por el PHOGUE, lo que sugiere que la pobreza en
España es un problema más severo de lo que se señala en este estudio, que se refiere
únicamente a los hogares recogidos por la Encuesta, tal y como se detalla en el epígrafe
correspondiente. Sería, por tanto, de innegable interés cualquier esfuerzo que conduzca
a la disponibilidad de datos de estas bolsas marginales, que puedan dar a los estudios de
pobreza una mayor fiabilidad, al completar de manera más rigurosa la población
objetivo.

Bibliografía

1. Akerloff, G. y Main, B.G.M. (1982): Unemployment spells and job tenures: are
they long?. Are they short? Or, are they both?. Xerox.

2. Bane, M.J. (1986): “Household composition and poverty”. Publicado en Fighting

poverty. What works and what doesn´t. (S.H.Danziger y D.H. Weinberg, eds.), pp.
209-231.

3. Bane, M.J. y Ellwood, D.T. (1986): “Slipping into and out of poverty: the
dynamics of spells”. Journal of Human Resources. 21, pp.1-23.

4. Boskin, M. y Nold, F.C. (1975): “A Markov model of turnover in aid to families

with dependent children”. Journal of Human Resources. 10, pp. 467-481.

22
5. Casas, J.M.; Domínguez, J. y Núñez, J.J. (2001).- “Sobre la utilización de las
escalas de equivalencia en el estudio de la desigualdad y la pobreza. El caso de
España”. Ponencia. Anales de Economía Aplicada. XV Reunión Anual de
ASEPELT-España. La Coruña.

6. Carrascal, U. (1997).- Consumo familiar en España: Análisis y obtención de

escalas de equivalencia. Universidad de Valladolid.

7. Clark, K.B. y Summers, L.H. (1979): “Labor force transitions and unemployment:
a reconsideration”. Brookings Papers of Economic Activities, 1 (July).

8. Coe, R.D.; Duncan, G.J. y Hill, M.S. (1982): “Dynamic aspects of poverty and
welfare use in the United States”. Conference on Problems of Poverty. Clark
University (August).

9. Drèze, J. y Sen, A. (1999): “Public action and social security: foundations and
strategy”. Publicado en Social Security in Development in Palanpur over Fives
Decades. ( Ahmand, E.; Drèze, J.; Hills, J. y Sen, A., eds.). Oxford University
Press. Nueva York.

10. Duncan, G.J. (1984): Years of poverty years of plenty. Institute for Social
Research. Ann Arbor, Michigan.

11. Gottschalk, P. (1982): “Earnings mobility: permanent change or transitory

fluctuations?”. Review of Economics and Statistics. 64, pp. 450-456.

12. Hill, M. S. (1981): “Some dynamic aspects of poverty”. Publicado en 5000

American Families: Patterns of Economic Progress. Vol. 9. (Hill, M.S.; Hill, D.H.
y Morgan, J.N., eds.). Institute for Social Research. Ann Arbor, Michigan.

13. Howes, S. y Lanjouw, J.O. (1998): “Does sample design matter for poverty rate
comparisons?”. Review of Income and Wealth. 44, n° 1, pp.99-109.

14. Hutchens, R. M. (1981): “Entry and exit transitions in a goverment transfer

program: the case of aid to families with dependent children”. Journal of Human
Resources. 16, pp. 218-237.

23
15. I.N.E. (1996): Panel de Hogares de la Unión Europea (PHOGUE). Metodología.
I.N.E. Madrid.

16. Kaitz, H.B. (1970): “Analyzing the length of spells of unemployment”. Monthly
Labor Review. 93, pp. 11-20.

17. Kakwani, N. (1986): Analyzing redistribution policies: a study using Australian

data. Cambridge University Press. New York.

18. Levy, F. (1977): “How big is the american underclass?”. Working Paper 0090-1.
The Urban Institute. Washington D.C.

19. Lillard, L.A. y Willis, R.J. (1978): “Dynamic aspects of earning mobility”.
Econometrica. 46, pp. 985-1012.

20. OECD (1982): The OECD list of social indicators. París.

21. Okun, A.M. (1975): Equality and efficiency. Brookings Institution. Washingthon,
D.C.

22. Plotnick, R. (1983): “Turnover in the AFDC population: an event history

analysis”. Journal of Human Resources. 18, pp. 65-81.

23. Rainwater, L. (1982): “Persistent and transitory poverty: a new look”. Working
Paper 70. Joint Center for Urban Studies. Cambridge, Massachusetts.

24. Salant, S. (1977): “Search theory and duration data: a theory of sorts”. Quarterly
Journal of Economics. 91, pp.39-57.

25. Stevens, A.H. (1994): “The dynamics of poverty spells: Updating Bane and
Ellwood”. American Economic Review. 84, nº2: Papers and Proceedings of the
106th. Annual Meeting of the A.E.A., pp.34-37.

26. Williams, D. (1997): “On poverty and poverty alleviation: Review article”.
Journal of Economic Studies. 24, n°6, pp.402-420.

27. Wiseman, M. (1976): “Change and turnover in a welfare population. Income

Dynamics Project”. Working Paper 70. University of California at Berkeley.
Berkeley, California.

24