Académique Documents
Professionnel Documents
Culture Documents
Resumen:
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.
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.
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.
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.
4
2. Análisis dinámico de la incidencia de la pobreza en una población.
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:
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
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 )
En estas condiciones
Teorema 1:
α α
Pt = + q 0 − (1 − α − β )t , t ∈ Ν ∪ {0}.
α+β α+β
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
1 - β β
P(t, t + 1) = P = ∀t ∈Ν∪0
α 1- α
1 1 β 1 0 α β
P =
α+β 1 - α 0 1 - α - β 1 − 1
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
α
α+β
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
)
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:
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.
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
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}
∧ 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.
2
∧
n i P ij − Pij0
(3.7)
∑ ∑ P 0 → H0
χ 22
i∈{A, NA} j∈{A, NA} ij
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:
donde:
( )
P χ 22 > χ 22, 1-α 0 = α 0 .
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.
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.
3. MADRID (Madrid)
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.
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.
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.
X
Y= ,
E
E = 1 + 0.7(A - 1) + 0.5K
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.
1995 1996
No Pobres Pobres Total No Pobres Pobres Total
1994 1995
1997 1998
No Pobres Pobres Total No Pobres Pobres Total
1996 1997
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.
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
% %
55.47 44.53 100 43.03 56.97 100
Recuento 5281 1015 6296 Recuento 4676 1051 5727
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
% %
36.60 63.40 100 40.26 59.74 100
Recuento 4066 1016 5082 Recuento 3703 881 4584
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
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:
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
A NA
A 0.2121 0.7879
NA 0.2121 0.7879
20
6. Conclusiones.
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.
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.
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.
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.
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.
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.
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.
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.
21. Okun, A.M. (1975): Equality and efficiency. Brookings Institution. Washingthon,
D.C.
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.
24