Armando un rompecabezas pro-pobre para el Perú del 2015

Armando un rompecabezas pro-pobre para el Perú del 2015 Informe final del Diseño de Modelos de Predicción de Cumplimiento de Objetivos del Milenio: El...
0 downloads 2 Views 2MB Size
Armando un rompecabezas pro-pobre para el Perú del 2015 Informe final del Diseño de Modelos de Predicción de Cumplimiento de Objetivos del Milenio: El Caso Peruano 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 junio de 2004

Índice de contenido Introducción: Armando un rompecabezas pro-pobre para el Perú del 2015. ..............................7 RESUMEN EJECUTIVO ........................................................................................................ 10 La simulación y resultados desde una perspectiva integral............................................................... 10 Esquema para la integración de los modelos.................................................................................. 12 Reducción de la pobreza...................................................................................................................................................15 Educación primaria universal y la promoción de la igualdad de género.......................................................................15 Reducción del hambre ......................................................................................................................................................16 Reducción de la mortalidad materna...............................................................................................................................17 Reducción de la mortalidad de niños y niñas ..................................................................................................................18

ODM 1: ERRADICAR LA POBREZA EXTREMA ................................................................. 19 Meta 1: Reducir a la mitad, entre 1990 y 2015, el porcentaje de personas cuyos ingresos sean inferiores a 1 dólar por día............................................................................................................................. 19 Indicadores ........................................................................................................................................................................19 Modelo de macroescenarios .............................................................................................................................................19 Situación reciente, líneas de base y metas al 2015 .....................................................................................................19 Simulaciones hasta el 2015..........................................................................................................................................20 Línea de Pobreza de US$1 (PPA)...............................................................................................................................21 Línea de Pobreza de US$2 (PPA)...............................................................................................................................22 Línea de pobreza extrema nacional .............................................................................................................................23 Línea de pobreza total nacional ...................................................................................................................................25 Modelo sectorial................................................................................................................................................................27 Resultados..........................................................................................................................................................................28 Inversión adicional y costeo de la redistribución estimada ............................................................................................29

ODM 2 Y 3: EDUCACIÓN PRIMARIA UNIVERSAL Y PROMOCIÓN DE LA IGUALDAD DE GÉNERO ........................................................................................................................... 31 Meta 3: Velar por que, para el año 2015, los niños y niñas de todo el Perú puedan terminar un ciclo completo de enseñanza primaria.................................................................................................. 31 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 ...... 31 Línea de Base y Situación Actual....................................................................................................................................31 MODELO DE ALFABETIZACIÓN (INDICADORES 8 y 10) .................................................................................34 Indicadores ....................................................................................................................................................................34 Sobre el analfabetismo .................................................................................................................................................34 El Enfoque.....................................................................................................................................................................34 Variables “del pasado” o “permanentes” del individuo.............................................................................................35 Educación del padre .................................................................................................................................................35 Educación de la madre .............................................................................................................................................35 Distrito de origen ......................................................................................................................................................35 Etnia y enfermedades crónicas ................................................................................................................................35 Resumen de Resultados................................................................................................................................................36 Variables de política y consideraciones para las simulaciones ..................................................................................36 MODELOS DE ATRASO ESCOLAR..........................................................................................................................37 Indicadores ....................................................................................................................................................................37 Indicadores alternativos................................................................................................................................................37 Sobre la muestra y cómo definir el atraso escolar ......................................................................................................37 Resumen de Resultados................................................................................................................................................39 Modelo de atraso en primaria ..................................................................................................................................39 Modelo de atraso en secundaria..............................................................................................................................40 Modelo de éxito de acabar la primaria....................................................................................................................40 2

Variables de política y simulaciones ...........................................................................................................................41 MODELO DE EDUCACIÓN SUPERIOR...................................................................................................................42 Indicador ........................................................................................................................................................................42 Resumen de resultados .................................................................................................................................................42 Consideraciones para las simulaciones .......................................................................................................................42 MODELO DE EMPLEO EN EL SECTOR NO AGRÍCOLA REMUNERADO .....................................................42 Indicador ........................................................................................................................................................................42 Resumen de resultados .................................................................................................................................................42

Simulaciones y Costeo: Los ODMs 2 y 3 al 2015........................................................................... 43

ODM 1: ERRADICAR EL HAMBRE ...................................................................................... 45 Meta 2: Reducir a la mitad, entre 1990 y 2015, el porcentaje de personas que padezcan hambre........... 45 Indicadores ........................................................................................................................................................................45 Línea de Base, Situación Actual y Meta al 2015 ............................................................................................................45 Identificación de variables de política más significativas para lograr avances en el ODM .........................................47 Indicador No. 4: Porcentaje de menores de 5 años con insuficiencia ponderal (desnutrición infantil global).......47 Indicador No. 5: Porcentaje de la población por debajo del nivel mínimo de consumo de energía alimentaria (déficit calórico total). ...................................................................................................................................................48 Simulaciones y costeo: el ODM al 2015.........................................................................................................................48

ODM 4: REDUCIR LA MORTALIDAD INFANTIL .............................................................. 52 Meta 5: Reducir en dos terceras partes, entre 1990 y 2015, la mortalidad de los niños menores de 5 años52 Indicadores ........................................................................................................................................................................52 Línea de Base y Situación Actual....................................................................................................................................52 Identificación de las variables más significativas para lograr avances en el ODM......................................................53 Indicador No. 15: Porcentaje de niños/niñas de 1 año vacunados contra el sarampión...........................................53 Indicador No. 13: Tasa de mortalidad de los niños/niñas menores de 5 años..........................................................54 Indicador No. 14: Tasa de mortalidad infantil ............................................................................................................55 Simulación y Costeo: el ODM al 2015 ...........................................................................................................................55 Escenario Base sin políticas sociales ...........................................................................................................................55 Escenario que alcanza el ODM con políticas sociales, y los principales costos asociados .....................................56

ODM 5: SALUD MATERNA................................................................................................... 59 Meta 6: Reducir, entre 1990 y 2015, la mortalidad materna en tres cuartas partes ............................... 59 Indicadores ........................................................................................................................................................................59 Línea de Base y Situación Actual....................................................................................................................................59 Identificación de las variables más significativas para lograr avances en el ODM......................................................60 Indicador No. 17: Porcentaje de partos con asistencia de personal calificado.........................................................60 Indicador No. 16: Tasa de mortalidad materna..........................................................................................................61 Simulación y Costeo: el ODM al 2015 ...........................................................................................................................62 Escenario Base sin políticas sociales ...........................................................................................................................62 Escenario que alcanza el ODM con políticas sociales, y los principales costos asociados .....................................63 Resultados .....................................................................................................................................................................65

Simulación y costeo integral..................................................................................................... 67 Integración de modelos .............................................................................................................. 67 Resumen metodológico de la simulación...................................................................................... 71 Resumen integral de los resultados y el costeo............................................................................... 75 Resultados y costos sin redistribución.............................................................................................................................75 Resultados y costos con redistribución............................................................................................................................78 Resumen de resultados .....................................................................................................................................................81 Las medidas de política en el contexto de los modelos utilizados .................................................................................82

Bibliografía ............................................................................................................................... 85 3

Anexos ...................................................................................................................................... 88 1.

Anexo de estimaciones........................................................................................................ 88 ODM 1: REDUCIR LA POBREZA Y EL HAMBRE.................................................................................................88 Meta 2: Reducir a la mitad, entre 1990 y 2015, el porcentaje de personas que padezcan hambre .........................88 Indicador 4: Porcentaje de menores de 5 años con insuficiencia ponderal (desnutrición infantil global)..........88 Indicador 5: Porcentaje de la población por debajo del nivel mínimo de consumo de energía alimentaria ......90 ODM 2 (Lograr la enseñanza primaria universal) y ODM 3 (Promover la igualdad entre los sexos y la autonomía de la mujer). .......................................................................................................................................................................92 Indicador 6: Tasa de matrícula neta en la enseñanza primaria (net primary enrolment ratio).................................92 Indicador 6 – alternativo: Proporción de niños que cursan algún grado de primaria en edad normativa, sin atraso escolar. ...........................................................................................................................................................................92 Variable Dependiente: Definición...........................................................................................................................92 Método de estimación..............................................................................................................................................93 Resultados .................................................................................................................................................................94 Indicador 7b: Proporción de estudiantes que inician el primer grado y terminan el sexto grado de primaria (survival rate to grade 6). ..............................................................................................................................................95 Variable Dependiente: definición ............................................................................................................................95 Método de estimación..............................................................................................................................................95 Resultados .................................................................................................................................................................96 Indicador 8: Tasa de alfabetización de las personas de edades entre los 15 y los 24 años. .....................................96 Variable Dependiente: definición ............................................................................................................................96 Método de estimación..............................................................................................................................................96 Resultados .................................................................................................................................................................97 Indicadores 9a, 9b y 9c .................................................................................................................................................97 Variables Dependientes: definición........................................................................................................................98 Métodos de estimación ............................................................................................................................................98 Resultados .................................................................................................................................................................99 Indicador 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). .................................................................................................101 Variable Dependiente: definición ..........................................................................................................................101 Método de estimación............................................................................................................................................102 Resultados ...............................................................................................................................................................103 Indicador 11: Porcentaje de empleados en el sector no agrícola remunerado que son mujeres. ...........................103 Variable Dependiente: definición ..........................................................................................................................103 Método de estimación............................................................................................................................................104 Indicadores ..............................................................................................................................................................104 Resultados ...............................................................................................................................................................105 ODM 4: REDUCIR LA MORTALIDAD INFANTIL...............................................................................................106 Meta 5 : Reducir en dos terceras partes, entre 1990 y 2015, la mortalidad de los niños menores de 5 años. .......106 Indicadores ..............................................................................................................................................................106 Indicador 15: Porcentaje de niños/niñas de 1 año vacunados contra el sarampión ...........................................106 Indicador 15: Porcentaje de niños/niñas entre los 18 y 59 meses de edad vacunados contra el sarampión antes de los 18 meses de edad .........................................................................................................................................107 Indicador 13: Tasa de mortalidad de niños menores de cinco años....................................................................108 ODM 5: MEJORAR LA SALUD MATERNA...........................................................................................................110 Meta 6 : Reducir, entre 1990 y 2015, la mortalidad materna en tres cuartas partes ................................................110 Indicadores ..............................................................................................................................................................110 Indicador 17: Porcentaje de partos con asistencia de personal sanitario calificado. ..........................................111 Indicador 16: Tasa de Mortalidad Materna ..........................................................................................................113

2. Principales limitaciones de información encontradas en la Encuesta Demográfica y de Salud Familiar (ENDES) 2000 y Encuesta Nacional de Hogares (ENAHO) 2002 para la estimación de los modelos de los cinco primeros ODM’s ............................................................................................................116 Modelos de salud infantil y materna..............................................................................................................................116 Modelo de desnutrición infantil .....................................................................................................................................117 Modelo de déficit calórico ..............................................................................................................................................117 Modelo de Educación y Género .....................................................................................................................................118 4

3. 4.

Índice de Activos del Hogar...............................................................................................119 CALCULOS DE COSTOS ...............................................................................................121 Metodología para el costeo de las variables vinculadas al ODM 2 y ODM 3 (Educación y Género) ......................121 Gasto Complementario en Educación (GCE): .........................................................................................................121 Programa de Allfabetización......................................................................................................................................123 Metodología para el costeo de los programas de alimentación complementaria, vinculados al ODM 1 (Hambre) 125 Modelo de Ingesta calórica ........................................................................................................................................125 Modelo de desnutrición infantil .................................................................................................................................126 Metodología de costeo de las variables de política vinculadas a los ODM 4 y 5.......................................................126 Costeo de las Variables de Política............................................................................................................................126 Seis controles prenatales (control).........................................................................................................................127 Controles prenatales realizados por un profesional de la salud (con_prof)........................................................127 Parto asistido por un profesional (parto y prob_parto)........................................................................................128 Vacuna contra el sarampión (sar) ..........................................................................................................................128 Líneas de Base de las Variables de Política..............................................................................................................128

Índice de cuadros Cuadro No. 1: Situación reciente (2002), líneas de base (1991) y metas ODM al 2015 .....................................................20 Cuadro No. 2: Simulaciones 2002-2015, Línea US$1 PPA, Meta de incidencia al 2015: 3.3% ........................................21 Cuadro No. 3: Simulaciones 2002-2015, Línea US$2 PPA, Meta de incidencia al 2015: 13% ..........................................23 Cuadro No. 4: Simulaciones 2002-2015, Línea de pobreza extrema nacional, Meta de incidencia al 2015: 11.5% .........24 Cuadro No. 5: Simulaciones 2002-2015, Línea de pobreza total nacional, Meta de incidencia al 2015: 27.3% ................26 Cuadro No. 6: Incidencia y distribución de la pobreza por sectores económicos en el 2002...............................................27 Cuadro No. 7: Escenarios de crecimiento económico sesgado /hacia sectores primarios extractivos .................................28 Cuadro No. 8: Incidencias de pobreza y redistribución necesaria estimada para alcanzar la meta al año 2015, por crecimiento neutral y diferenciado ............................................................................................................................................29 Cuadro No. 9: Costos de la Redistribución (en US$ millones y como %PBI)......................................................................30 Cuadro No. 10: Indicadores del ODM 2 ..................................................................................................................................32 Cuadro No. 11: Relación entre niños y niñas en la educación primaria, secundaria y superior (Perú 1991 y 1994) .........33 Cuadro No. 12: Relación entre niños y niñas en la educación primaria, secundaria y superior (Perú 1997) ......................33 Cuadro No. 13: Relación entre niños y niñas en la educación primaria, secundaria y superior (Perú 2001-2002) ............33 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) ....................................................................................................................................................................33 Cuadro No. 15: Proporción de mujeres entre los empleados remunerados en el sector no agrícola (1991, 1994, 2001 y 2002) ...........................................................................................................................................................................................33 Cuadro No. 16: Simulación y Costeo: los ODMs 2 y 3 al 2015 .............................................................................................44 Cuadro No. 17: Desnutrición infantil global 1992, 1996 y 2000 (en porcentajes)................................................................45 Cuadro No. 18: Incidencia de déficit calórico por área de residencia, 1998 – 2001 .............................................................46 Cuadro No. 19: Incidencia de déficit calórico por área de residencia, año 2002...................................................................46 Cuadro No. 20: Resultados de los indicadores al 2015 sin políticas sociales adicionales ....................................................49 Cuadro No. 21: Resultados de los indicadores al 2015 con políticas sociales adicionales y sin redistribución ..................50 Cuadro No. 22: Resultados de los indicadores al 2015 con políticas sociales adicionales y con redistribución .................51 Cuadro No. 23: Tasa de mortalidad de los niños/niñas menores de 5 años ...........................................................................52 Cuadro No. 24: Tasa de mortalidad infantil .............................................................................................................................53 Cuadro No. 25: Porcentaje de niños/niñas de 1 año vacunados contra el sarampión ...........................................................53 Cuadro No. 26: Resultados del escenario sin políticas sociales al 2015 ................................................................................56 Cuadro No. 27: Resultados del escenario sin políticas sociales al 2015 ................................................................................56 Cuadro No. 28: Resultados del escenario con políticas sociales al 2015...............................................................................58 Cuadro No. 29: Resultados del escenario con políticas sociales al 2015...............................................................................58 Cuadro No. 30: Costos de la vacunación contra el sarampión (US $ de 2004).....................................................................58 Cuadro No. 31: Tasa de mortalidad materna ...........................................................................................................................60 Cuadro No. 32: Porcentaje de partos con asistencia de personal calificado ..........................................................................60 Cuadro No. 33: Resultados del escenario sin políticas sociales al 2015 ................................................................................63 Cuadro No. 34: Resultados del escenario sin políticas sociales al 2015 ................................................................................63 Cuadro No. 35: Magnitud y Costo de las políticas sociales al 2015 ......................................................................................65 5

Cuadro No. 36: Resultados del escenario con políticas sociales al 2015...............................................................................65 Cuadro No. 37: Magnitud y costos de las políticas sociales al 2015 bajo distintas tasas de crecimiento y con redistribución..............................................................................................................................................................................66 Cuadro No. 38: Resultados del escenario con políticas sociales al 2015...............................................................................66 Cuadro No. 39: Gasto complementario en educación (GCE), por nivel de pobreza del hogar..........................................122 Cuadro No. 40: Componentes del gasto complementario en educación (GCE) , por nivel de pobreza del hogar, Perú: 2002...........................................................................................................................................................................................123 Cuadro No. 41: Componentes del gasto en el programa de alfabetización .........................................................................124

6

Introducción: Armando un rompecabezas propobre para el Perú del 2015. De mantenerse las tendencias de las cuatro últimas décadas, en el 2015 el Perú podría tener el mismo número de pobres que en la actualidad (14 millones), 680 mil niñas no estarían asistiendo a la primaria en edad normativa, 42 mil mujeres podrían estar muriendo por no acceder a servicios de salud al momento del parto y 200 mil niños serían desnutridos. Este posible, pero no deseable, escenario podría ser evitado, si el gobierno, los agentes económicos y la sociedad civil coincidieran en promover en el Perú tres tipos de políticas que favorezcan su desarrollo humano: 1)

Políticas de crecimiento económico pro-pobre (es decir, que los frutos del crecimiento lleguen a los pobres al menos en la misma medida proporcional en que llegan al resto de 1 la población) .

2)

Políticas de redistribución de los ingresos, para acelerar la salida de la pobreza de un grupo importante de peruanos.

3)

Políticas sociales específicas, para mejorar directamente los indicadores de educación, salud y nutrición.

Lógicamente, deberán imponerse, a su vez, tres condiciones importantes. En primer lugar, es indispensable armonizar las políticas entre sí, por lo que se requiere contar con herramientas que permitan su integralidad. En segundo lugar, las personas y organizaciones que tengan la responsabilidad de tomar las decisiones sobre las políticas deben centrar su atención en los pobres y en la reducción de sus carencias. Finalmente, las instituciones deberán seguir reformándose y acercándose cada vez más a las poblaciones objetivo, a fin de asegurar que los resultados de las políticas generen un país más equitativo y solidario. Bajo esta óptica, el presente informe es sólo una herramienta referencial, basada en modelos cuantitativos, que permite enfocar de manera integral los esfuerzos conducentes al logro de los cinco primeros Objetivos de Desarrollo del Milenio. En consecuencia, la problemática de los procesos de formulación y ejecución de las decisiones de política escapan al ámbito del presente esfuerzo. Sí permite dejar en claro, sin embargo, algunas medidas, identificadas a partir de los modelos y los datos disponibles, que podrían coadyuvar a que los 16 indicadores analizados muestren una evolución que permita que las 6 metas de esos cinco ODM’s sean alcanzables. La parte central de este informe está dedicada a construir, integrar, simular y costear preliminarmente un conjunto de modelos que permitan identificar cuáles son las variables de política más representativas para explicar el comportamiento de los 16 indicadores analizados. Los indicadores exp resan cuantitativamente las principales aristas de los problemas de los 1

La literatura reciente de desarrollo tiene varias definiciones de crecimiento económico pro-pobre. En un extremo, se encuentra aquella que considera que el crecimiento es pro-pobre si provoca que el indicador de pobreza de interés se reduzca (así se produzca también un deterioro en la distribución del ingreso) -Kraay, 2004. En el otro extremo, se postula que existe crecimiento pro-pobre si ocurre simultáneamente un mejoramiento de la distribución del ingreso – Kakwani y Pernia, 2000. Este trabajo propone una definición intermedia de crecimiento pro -pobre: aquel que hace posible que los ingresos de los pobres crezcan en la misma proporción que el ingreso agregado de la economía y, por tanto, que no exista un deterioro en la distribución. En palabras técnicas equivalentes, se trata de un escenario de crecimiento económico neutral.

7

pobres en el Perú: el hambre, la educación, la equidad y la salud. Los modelos intentan simular el posible comportamiento futuro de los indicadores y señalar un conjunto sugerente de medidas de política que coadyuven al cumplimiento de las metas para cada indicador. Dado este objetivo, se requiere armar un rompecabezas que se compone de dos importantes partes. En primer lugar, y partiendo de la convicción de que la pobreza no se puede resolver únicamente con políticas sociales asistencialistas, se plantea un modelo que permite conocer qué combinaciones de crecimiento económico y redistribución de los ingresos serían requeridas para reducir a la mitad la incidencia de la pobreza hacia el año 2015. En segundo lugar, se proponen una serie de modelos que permiten conocer qué variables de políticas de alimentación-nutrición, educación, género y salud serían relevantes para generar cambios en los respectivos indicadores de los ODM’s. De esta manera, se hace indispensable la combinación de hasta tres tipos de medidas de política: 1)

Un crecimiento de la economía que se traduzca, efectivamente, en una mayor capacidad adquisitiva y bienestar para los pobres.

2)

La redistribución de los ingresos, entendiéndose ésta como la reasignación de los mismos con el objetivo de mejorar la equidad y, por tanto, incrementar el bienestar de los pobres.

3)

La aplicación de medidas de política social específicas para atender las necesidades de los pobres.

¿Cómo se combinan estos tres grandes tipos de variables y con qué objetivo? Integrando los modelos (armando el rompecabezas) que hacen visibles las interrelaciones entre el crecimiento, la redistribución y las acciones de política específicas de educación, género, alim entación-nutrición y salud. Para ello se distinguen tres grandes bloques de ‘piezas’ y dos escenarios, fundamentalmente. Un primer bloque cuya pieza central es la combinación de crecimiento y redistribución de ingresos que requiere el Perú para alcanzar la meta de 27% de pobreza al 2015. A partir de la exploración de las diferentes combinaciones se podrá tener una mejor idea del comportamiento de los ingresos y gastos de las familias y de la incidencia de la pobreza que, a su vez, es vital para comprender la evolución de las condiciones de educación, nutrición y salud de la población. Un segundo bloque, enfocado en la educación, y cuyas piezas constituyen los indicadores de tasa neta de matrícula, tasa de conclusión neta, alfabetización, relación niñas/niños en cada grado de instrucción y relación entre las tasas de alfabetización mujeres/hombres. Cabe destacar que la evolución del porcentaje de mujeres y hombres en cada grado de instrucción tiene una influencia directa sobre el desempeño de los grupos poblacionales en cuanto a nutrición, mortalidad infantil y salud materna. Justamente estos elementos son parte del tercer bloque del rompecabezas. El rompecabezas no es estático y por el contrario, puede adquirir dinámicas según dos ópticas. Por un lado, desde un escenario sin políticas sociales adicionales, donde el modelo permite ya proyectar la evolución de cada indicador tomando en cuenta su interrelación con el resto. Con este escenario se exploran, a su vez, dos opciones (sólo crecimiento pro-pobre y crecimiento con medidas redistributivas adicionales). En particular, el crecimiento y la redistribución apuntan a reducir la pobreza en su dimensión monetaria (que es precisamente lo que refleja el indicador de incidencia de pobreza). Gracias al carácter integral de la simulación, nuestro análisis recoge el impacto positivo que esto tiene sobre la evolución del resto de indicadores (que podemos entender como el reflejo de otras dimensiones del concepto de pobreza). No obstante, es necesario destacar que el crecimiento y la redistribución no son suficientes para alcanzar todas las metas del milenio analizadas, lo que torna necesaria la introducción de intervenciones de política específicas. 8

Así, se propone un escenario con políticas sociales específicas, en el que se considera la introducción de modificaciones en las variables de política identificadas como relevantes; gracias a ellas, el grueso de los indicadores analizados pueden alcanzar sus metas al 2015. Dada la integración, estas medidas de política tienen un carácter secuencial y complementario: la magnitud de determinada medida de política está en función de las introducidas anteriormente. ¿Qué mensaje se debe extraer al armar el rompecabezas pro-pobre del Perú al 2015? Que es indispensable integrar las políticas de crecimiento pro-pobre, las redistributivas y las políticas sociales específicas: medidas aisladas en una sola dirección son insuficientes para alcanzar los ODM’s o resultan ser extremadamente costosas. Cabe mencionar que todas las estimaciones y cálculos presentados se sustentan en el uso de las Encuestas Nacionales de Hogares y de Demografía y Salud, efectuadas por el INEI entre el 2000 y el 2002. Por ello, los ejercicios prospectivos y de identificación de políticas están condicionados al detalle de información que se capturó en dichas encuestas, y es el reflejo de las características estructurales e institucionales del Perú de esos años. La eficacia institucional puede mejorarse o empeorarse con reformas trascendentales en marcha, como la descentralización de las decisiones de gasto y de la ejecución de los programas, lo que redundará en menores o mayores costos que los estimados. Asimismo, la identificación de posibles intervenciones para coadyuvar a la obtención de los ODM’s desde la modelística macro y microeconométrica no substituye la necesidad de realizar evaluaciones de impacto y de costo efectividad de las diversas medidas de política que se plantean, esfuerzos que escapan a la naturaleza del presente estudio.

9

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 que alcanzaría cada indicador en el año 2015, como de los costos asociados a la posible 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 permitirían 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). Dicha combinación determina el escenario sin políticas sociales adicionales para el resto de indicadores. Al respecto, cabe destacar que la integración aquí propuesta permite proyectar la evolución de cada indicador tomando en cuenta su interrelación con el resto. Así, y a diferencia de aquellas proyecciones que se basan sólo en la tendencia mostrada por un indicador, el escenario sin políticas sociales toma ya en cuenta el hecho de que la evolución de determinado indicador depende de los resultados obtenidos para el resto. En particular, el escenario sin políticas sociales y sólo crecimiento puede considerarse como un “escenario base” en el sentido de no contemplar ninguna forma de intervención de política directa: este escenario muestra la evolución de cada indicador si la economía creciese de manera sostenida a la tasa supuesta hasta el 2015. Si a esto le añadimos la presencia de políticas redistributivas, este nuevo escenario muestra la evolución de cada indicador si sólo consiguiésemos reducir la pobreza en su dimensión monetaria de acuerdo con la primera meta del ODM 1. Sobre este escenario actúan las políticas sociales 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 sociales adicionales y son estos 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 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 variable explicativa. 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 10

asociados a los modelos de educación. Cabe resaltar, además, que éstos se encuentran interrelacionados a través de sus variables de política dado que muchos de ellos comparten variables explicativas sobre las que se introdujeron incrementos durante la simulación. El siguiente esquema resume la interrelación entre de los tres bloques arriba descritos.

11

Esquema para la integración de los modelos

Modelo contable de simulación

Combinación de crecimiento y redistribución requerido para alcanzar la meta del indicador 1

Evolución del gasto promedio del hogar, cuadrado del gasto promedio del hogar e incidencia de la pobreza

Modelos para los indicadores de educación

Evolución sin políticas sociales adicionales

Evolución con políticas sociales adicionaales

Modelos para los indicadores de nutrición, mortalidad infantil y salud materna

Evolución sin políticas sociales adicionales

Medidas de política

Medidas de política

Evolución con políticas sociales adicionales

Dependiendo del escenario sin políticas sociales adicionales elegido, y de acuerdo con las interrelaciones propuestas y las variables de política identificadas, fue posible calcular la magnitud de las intervenciones requeridas para tratar de alcanzar las metas para todos los 12

2

indicadores analizados . Una vez determinada la magnitud de estas medidas de política fue también posible estimar los costos asociados a la probable 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

R Costo total: flujo promedio Crecimiento sin anual (2005 - 2015) (US$) e redistribución s % del PBI promedio anual p e Costo total: flujo promedio Crecimiento con anual (2005 - 2015) (US$) c redistribución t % del PBI promedio anual o

3%

5%

7%

848,198,129

573,763,522

527,396,011

1.14

0.68

0.54

3,071,528,928

1,184,430,973

n.d.

4.13

1.39

n.d.

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 3 años. Las trasferencias de recursos asociadas a dichas políticas 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 alcanzaría en ausencia de políticas redistributivas antes del año 2015. Por lo mismo, no sería necesaria la introducción de políticas redistributivas bajo este escenario de crecimiento. Tomando en cuenta lo anterior, la principal conclusión que se desprende del cuadro aquí presentado es la siguiente. El cumplimiento de las metas asociadas a los primeros 5 ODMs implicaría una transferencia de recursos cercana al 4% del PBI por año si la economía se sitúa en una senda de crecimiento bajo de 3% al año. Al respecto, cabe destacar que de este total, las políticas sociales específicas participan con 0.9 puntos porcentuales del PBI mientras que las políticas redistributivas lo hacen con 3.1 puntos porcentuales del PBI. Por otro lado, si la economía se sitúa en una senda de crecimiento más optimista de 5% al año, la transferencia de recursos necesaria para la consecución de las metas sería cercana al 1.4% del PBI anual. De este total, las políticas sociales específicas participan con 0.65 puntos porcentuales mientras que las políticas redistributivas lo hacen con 0.75 puntos porcentuales del PBI. Gracias al carácter integral de la simulación, un mayor crecimiento se traduce en una caída en la magnitud de las políticas redistributivas y sociales requeridas para alcanzar las metas y esto, a su vez, implica un menor costo. No obstante, cabe destacar que parte significativa de la disminución en el costo total si la economía pasa de una senda de crecimiento de 3% a una 5%, se debe a la caída en el monto de la redistribución.

2

De los 13 indicadores para los que se tiene una meta específica, fue posible alcanzar las metas requeridas para todos excepto aquella asociada al porcentaje de la población por debajo del nivel mínimo de consumo de energía alimentaria. 3 La aplicación de políticas redistributivas fue simulada “quitando” a cada individuo un porcentaje ? de su ingreso y “dándole” el mismo porcentaje del ingreso promedio de la población. Esto implica una transferencia positiva de recursos para todos aquellos individuos que tengan un ingreso por debajo del promedio. El costo de esta medida de política fue calculado sumando todas estas transferencias positivas.

13

Para una correcta lectura de los resultados aquí reportados resulta indispensable considerar que las políticas redistributivas introducidas atienden a la necesidad de reducir la pobreza en su dimensión monetaria (que es precisamente a lo que apunta la meta para el primer indicador). Por lo mismo, los resultados mostrados líneas arriba nos indican que una mayor tasa de crecimiento facilita, fundamentalmente, la reducción de la pobreza en esta dimensión específica. Tal como se precisó, pasar de una tasa de crecimiento de 3% a una de 5% lleva a una caída importante en la magnitud y costo asociado a las políticas redistributivas. Ahora bien, este mayor crecimiento no es de ninguna manera suficiente para alcanzar las metas asociadas al resto de indicadores considerados. Si bien un mayor crecimiento se traduce en una disminución en la magnitud y costo asociado a las políticas soc iales, éstas mantienen un rol fundamental. Para visualizar esto último, el siguiente cuadro resume el aporte que tiene cada componente (crecimiento, redistribución y políticas sociales) para la consecución de las metas.

Aporte del crecimiento, redistribución y políticas sociales a la consecución de las metas

Indicadores para los que se alcanza la meta si hubiera Sólo 3% de crecimiento

Acumulado

Aporte

2 /a

Sólo más crecimiento (de 3% a 5%)

3

1 /b

Más crecimiento y redistribución

4

1 /c

Más crecimiento, redistribución y políticas sociales

12

8

/a Relación niñas/niños que cursan algún grado de primaria y secundaria en edad normativa. /b Tasa de conclusión neta primaria. /c Incidencia de la pobreza.

Tal como se muestra en el cuadro anterior, pasar de una tasa de crecimiento de 3% a una de 5% anual implica que sólo un indicador adicional (la tasa de conclusión neta primaria) alcanza la meta propuesta. Si a esto le sumamos la aplicación de políticas redistributivas se logra, además, que la incidencia de la pobreza alcance la meta. Esto último, por su parte, se consigue a un costo significativamente menor (una caída del orden del 73% en el monto asociado a la redistribución) si la economía crece a una tasa de 5% en lugar de 3% anual. Tal como se precisó anteriormente, una mayor tasa de crecimiento facilita, fundamentalmente, la reducción de la pobreza en su dimensión monetaria. La consecución de las metas para el resto de indicadores, finalmente, requiere de la aplicación de políticas sociales específicas. En particular, de los 12 indicadores para los que es posible alcanzar la meta, 8 lo logran gracias a la aplicación de dichas políticas. Estas intervenciones, por su parte, tiene un costo del orden del 20% menor si la economía crece a una tasa de 5% en lugar de 3% anual. Atendiendo a la secuencia presentada en el esquema anterior, a continuación se resumen los principales resultados asociados a cada una de las metas propuestas.

14

Reducción de la pobreza ? Se necesitaría un crecimiento económico pro-pobre 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 desigualdad medida por el coeficiente de Gini podría crecer en 5.5% y todavía se alcanzaría la meta del milenio de pobreza de un dólar PPA. ? 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, sin necesidad de redistribución. 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 2.5% en el coeficiente de Gini) para poder obtener esta meta del milenio de pobreza extrema. ? 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 pro-pobre 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 haría necesaria una reducción del Gini de 15.8% para lograr la meta del milenio. Los requerimientos de redistribución directa asociados a estas reducciones del Gini fluctuarían entre 0.6 y 1.7% del PBI (entre 507 y 1,444 millones de dólares anuales).

Educación primaria universal y la promoción de la igualdad de género. ? En escenarios de crecimiento sin redistribución se pueden disti nguir 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 15

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$ 650 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.

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 3%, 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 saneamiento y educación, se necesitaría incrementar la cobertura de beneficiarios de controles prenatales 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$ 158 y 243 millones entre el año 2005 y 2015 para alcanzar la meta del milenio. Dicha inversión se reduce a un rango que oscila entre 9 y 18 millones de dólares, si la economía creciera 5%. Por último, si la economía creciera a 7% anual, la inversión necesaria ascendería a 7 millones de dólares anuales. 16

? En el caso de la meta de déficit calórico, además del impacto positivo de las inversiones en agua y desagüe que forman parte de las ODM de saneamiento y que han sido incorporadas previamente para mejorar también los indicadores de desnutrición y educación, las políticas adicionales identificadas por el modelo serían aumentar el acceso a programas de complementación alimentaria familiar subsidiada y de desayunos escolares. 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 12.2%, 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 y desayunos escolares por un monto de 59 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 12% cuando sí las hay (considerando sólo los escenarios de 3% y 5% de crecimiento). 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 ODM´s y para la reducción del déficit en la cobertura de los servicios de agua y saneamiento 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 que se derivan 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 recibidos por mujeres en gestación sean atendidos por un profesional de la salud, así como mejorar la calidad de los establecimientos de salud en cada distrito, medida a través de la calidad de su infraestructura. ? Aún cuando no se consideren políticas redistributivas, a medida que el nivel de crecimiento económico aumenta, favoreciendo el logro de la meta de mortalidad materna, se reduce la necesidad de invertir en atenciones prenatales asistidas por un profesional calificado y en el mejoramiento de la calidad de los establecimientos de salud para alcanzar dicha meta. Por lo tanto, el costo total también se reduce, fluctuando entre 47.2 y 39.4 millones de dólares anuales, según sea el escenario que se analiza. Con redistribución los resultados son muy parecidos, pero las mejoras necesarias en la calidad de los esta blecimientos de salud son ligeramente menores que en el primer caso por lo que los costos también se reducen (46.5 y 43.1 millones dólares anuales, en los escenarios de 3% y 5% de crecimiento, 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 93% del total de partos, con un costo adicional de casi 11 millones de dólares al año (ya incluidos en las cifras previas). 17

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, así como aquella relacionada con la reducción del déficit de cobertura de los servicios de agua y saneamiento 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 los escenarios con 3% y 5%, la meta se alcanza en el año 2009, y con 7% de crecimiento, en el 2010. En relación a la mortalidad infantil, la meta se alcanza, independientemente del escenario de crecimiento, en el año 2009. En lo que se refiere a los escenarios que sí incorporan políticas redistributivas, las metas son alcanzadas en todos los casos en el año 2009. ? 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 3.24% (con respecto al año base), hasta alcanzar el 76.4% del total de niños. Este incremento tiene un costo adicional algo mayor a los 20 mil dólares anuales, excepto en el escenario de crecimiento de 7% (sin redistribución) en el que el costo supera los 14,500 dólares anuales.

18

1

Capítulo

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% 4 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 discutió con el Grupo de Trabajo respectivo y acordó con la Secretaría Técnica, 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%).

4

El relativamente reducido porcentaje de la población que se ve afectada por la pobreza de un dólar al día nos indica que se trata de los individuos más pobres entre todos los pobres extremos del país.

19

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 pro-pobre promedio anual de la economía peruana hasta el 2015 (3%, 5% y 7%)5. Estos escenarios fueron discutidos con los Grupos de Trabajo y acordados con la Secretaría Técnica y pretenden describir situaciones moderadamente pasiva, moderadamente optimista y altamente optimista, respectivamente 6. La literatura reciente de desarrollo tiene varias definiciones de crecimiento económico propobre. En un extremo, se considera que el crecimiento es pro-pobre si provoca que el indicador de pobreza de interés se reduzca (así se suceda también un deterioro en la distribución del ingreso) -Kraay, 2004. En otro extremo, existe crecimiento pro-pobre si ocurre simultáneamente un mejoramiento de la distribución del ingreso –Kakwani y Pernia, 2000. Este trabajo postula una definición intermedia de crecimiento pro-pobre en la medida que los ingresos de los pobres crecen en la misma proporción que el ingreso agregado de la economía y, por tanto, no existe un deterioro en la distribución. En palabras técnicas equivalentes, se trata de un escenario de crecimiento económico neutral. 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.

5

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. 6 Tanto el modelo contable de simulación macro como los modelos de simulación microeconométrica posteriores se basan en posibles desempeños promedio anual hasta el 2015. En este sentido, simulan las tendencias de mediano plazo de la economía y no discuten comportamientos diferenciados de las variables a lo largo de ciclos económicos.

20

Por último, un crecimiento promedio anual del 7% sostenido por más de una década se considera entre los medios especializados com o 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.

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 Sin redistribución

3%

5%

7%

Incidencia de Pobreza (%)

2.5

1.0

0.4

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

0.48

0.49

0.51

Con redistribución Coeficiente de Gini Brecha de Pobreza (%) Participación del gasto del quintil inferior (%)

0.8

1.0

1.4

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 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 de pobreza de un dólar PPA. Por último, un crecimiento 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 pobre za de un dólar al día.

21

Disminución del coeficiente de Gini 2004 2015 (? %)

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

9 6 3 2.2%

0 -3 0

1

2

3

4

5

6

7

8

9

10

-6 -9

-12 -15 Tasa de crecimiento global promedio anual de la economía 2004 - 2015 (? %)

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

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 pro-pobre 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 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 de la desigualdad, medida por el incremento en el Gini, de 4.7% y todavía lograrse la meta del milenio. Por último, con un crecimiento 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.

22

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

3%

Tasas de crecimiento global anual 5% 7%

Incidencia de Pobreza (%)

15.9

9.4

5.1

Brecha de Pobreza (%)

4.55

2.39

1.14

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

Participación del gasto del quintil inferior (%)

5.34

4.01

2.99

Sin redistribución

Con redistribución

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.

Disminución del coeficiente de Gini 2004 2015 ( %)

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

24 16 8 3.9%

0 0

1

2

3

4

5

6

7

8

9

10

-8 -16 -24 Tasa de crecimiento global promedio anual de la economía 2004 - 2015 (?%)

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

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. 23

Por otro lado, las simulaciones indican que un crecimiento pro-pobre 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 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 de la desigualdad, medida por el incremento en el Gini, de 1.0% y todavía lograrse la meta del milenio. Por último, con un crecimiento 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 de la desigualdad de 8% y aún alcanzarse la meta del milenio.

Cuadro No. 4 : Simulaciones 2002-2015, Línea de pobreza extrema nacional, Meta de incidencia al 2015: 11.5% Resultados al 2015 Sin redistribución

Tasas de crecimiento global anual 3%

5%

Incidencia de Pobreza (%)

18.0

10.9

5.9

Brecha de Pobreza (%)

5.23

2.82

1.37

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

-8.3

1.0

8.0

0.43

0.47

0.50

2.2

3.2

4.3

Con redistribución Coeficiente de Gini Brecha de Pobreza (%)

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

7%

3.51

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.

24

Disminución del coeficiente de Gini 2004 - 2015 (? %)

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

30 24 18 12 6 4.9% 0 -6 0

1

2

3

4

5

6

7

8

9

10

-12 -18 Tasa de crecimiento global promedio anual de la economía 2004 - 2015 (? %)

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

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 pro-pobre 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. Ta l 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 7 prácticamente inalterada en las últimas décadas . Con un crecimiento 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 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 de la desigualdad de 9.6% y aún alcanzarse la meta del milenio.

7

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).

25

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

Resultados al 2015 Sin redistribución

Con redistribución

3%

5%

7%

Incidencia de Pobreza (%)

45.5

31.4

20.3

Brecha de Pobreza (%)

15.87

9.82

5.65

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

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.

Disminución del coeficiente de Gini 2004 2015 (? %)

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

90 75 60 45 30 15 5.9%

0 -15 0

1

2

3

4

5

6

8

9

10

-30 -45 Tasa de crecimiento global promedio anual de la economía 2004 - 2015 (? %)

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

26

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 miembros 8. 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 9 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 bajas10. 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?

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

Línea US$ 1 PPP Incidencia intragrupal

Agropecuario y pesca Minería y electricidad

Línea US$ 2 PPP

Distribución

8.42%

36.26%

Incidencia intragrupal

Distribución

Línea de pobreza extrema INEI

Línea de pobreza crítica INEI

Incidencia intragrupal

Incidencia intragrupal

Distribución

Distribución

43.84%

35.96%

46.09%

33.94%

75.59%

24.57%

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 Menores de 14 años

1.56%

7.11%

10.80%

9.35%

13.05%

10.14%

42.07%

14.44%

6.79%

51.39%

30.91%

44.54%

34.12%

44.14%

67.24%

38.40%

24.00%

100.00%

54.36%

100.00%

TOTAL 4.10% 100.00% 21.54% 100.00% Fuente: Encuesta Nacional de Hogares (ENAHO) 2002, Instituto de Estadística e Informática Elaboración: CIUP

8

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. 9 Al respecto, cabe mencionar que la tasa de crecimiento promedio del sector minería e hidrocarburos en los últimos 5 años (1998-2003) ha sido más del triple que la tasa de crecimiento global de la economía (9.1% versus 2.8%, respectivamente). 10 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.

27

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 Estructura PBI 2002 Agropecuario y pesca Minería y electricidad

Escenario 1 (b=3%) Escenario 2 (b=5%) Escenario 3 (b=7%) T. de crec. T. de crec. T. de crec. T. de crec. T. de crec. T. de crec. per global per cápita global per cápita Global cápita

11%

2%

0.3%

3%

1.3%

4%

2.3%

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%

Desempleo

-

1.3%

3.3%

No PEA 1.3% 3.3% 3% 5% Menores de 14 años 1.3% 3.3% Fuente: Encuesta Nacional de Hogares (ENAHO) 2002, Instituto de Estadística e Informática Elaboración: CIUP

4.9% 5.3%

7%

5.3% 5.3%

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 pro-pobre 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 hace necesaria una reducción del Gini de 11.5% 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 se necesitaría una redistribución adicional de 2.5%.

28

En el caso de la pobreza nacional total, recordemos que, tal como se señala en el Cuadro No. 8, el objetivo es reducirla a 27.3% en el 2015 de los niveles de 54.5% actuales. En el modelo macro con crecimiento pro-pobre 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 hace necesaria una reducción del Gini de 15.8% para lograr la ODM.

Cuadro No. 8 : Incidencias de pobreza y redistribución necesaria estimada para alcanzar la meta al año 2015, por crecimiento neutral y diferenciado 11 Línea US$1 PPP Línea US$2 PPP Línea extrema INEI Línea crítica INEI Incidencia de pobreza (%)

Variación del coeficiente de Gini (%)

1991

6.6

26.1

23.0

54.5

2002

4.1

21.5

24.0

54.4

Meta 2015

3.3

13.1

11.5

27.3

Neutral

1.8

-4.0

-8.3

-26.8

Diferenciado

1.3

-6.1

-11.5

-34.6

Neutral

5.5

4.7

1.0

-6.0

-2.5

-15.8

Crecimiento al 2015 3% 5%

Diferenciado 5.4 2.3 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 18.5% de inversión total anual sobre PBI obtenido como promedio en los últimos tres años (2001-03). Para alcanzar la meta del 5% de crecimiento sostenido por más de una década, la inversión promedio anual tendría que aumentar a 22.2% del PBI. Asimismo, para el caso de la meta de crecimiento del 7%, se 12 necesitaría arribar a un ratio de inversión promedio anual de 27.7% del PBI . 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 13 se tienen que redistribuir en cada uno de los escenarios que necesitan de dicha política . 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 0.29% a 0.49% del PBI (entre 217 y 364 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 2.55% y 3.26% del PBI (entre 1,896 millones y 2,424 millones de dólares anuales). Aún en un escenario de crecimiento de 5% anual, los requerimientos de

11

Las incidencias por sectores económicos para todos los escenarios de crecimiento diferenciados aparecen en el Anexo ¡Error! No se encuentra el origen de la referencia.. 12 Estimaciones del área de investigación macroeconómica del CIUP. 13 Los estimados de redistribución siguen la fórmula específica de redistribución del modelo CEPAL/IPEA/PNUD (2003 ) y se realizan de manera gradual año tras año hasta alcanzar las metas ODM de reducción de pobreza en el 2015.

29

redistribución directa fluctúan entre 0.60 y 1.7% del PBI (entre 507 y 1,444 millones de dólares anuales).

Cuadro No. 9 : Costos de la Redistribución (en US$ millones y como %PBI) Línea US$ 2 Línea Extrema Línea Crítica PPP INEI INEI

Tipo de Crecimiento 3%

Neutral

Variación del coeficiente de Gini (%) Monto a US$ redistribuir %PBI Costo total (US$) 20% gastos adm. % PBI 50% gastos adm % PBI

Diferenciado

Variación del coeficiente de Gini (%) Monto a US$ redistribuir %PBI Costo total (US$) 20% gastos adm. % PBI 50% gastos adm % PBI

5%

Neutral

Variación del coeficiente de Gini (%) Monto a US$ redistribuir %PBI

-4.0 217

-8.3 463

0.29

0.62

2.55

272 0.37

578 0.78

2,370 3.19

435

926

3,792

0.59

1.25

5.10

-6.1

-11.5

-34.6

364

663

2,424

0.49

0.89

3.26

455

829

3,030

0.61

1.12

4.08

728

1,326

4,848

0.98 4.7

1.78 1.0

6.53 -6.0 507 0.60

Costo total (US$) 20% gastos adm. -

% PBI

-

633 0.75

50% gastos adm

1,013

% PBI Diferenciado

-26.8 1,896

1.19

Variaci ón del coeficiente de Gini (%) Monto a US$ redistribuir %PBI

2.3

Costo total (US$) 20% gastos adm. -

% PBI

-2.5

-15.8

251

1,444

0.30

1.70

314

1,806

0.37

2.13

503

2,889

% PBI 0.59 Fuente: Encuesta Nacional de Hogares (ENAHO) 2002, Instituto Nacional de Estadística e Informática Elaboración: CIUP

3.40

50% gastos adm

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.

30

2

Capítulo

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 Perú 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 214 está relacionado con la meta No. 315. Para el cumplimiento de ésta, se presenta tres indicadores, el 6 16, 717 y 818. 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. 10, 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 n i gresos de particular. 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. En consecuencia se trabajará con 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 m ismo pero en un nivel más desagregado. Éste sería medido como el porcentaje de niños que concluyen primaria con 19 la edad normativa para el nivel . 14

Objetivo del Milenio No. 2: Lograr la enseñanza de la primaria universal. Meta No. 3: Velar por que, para el niño 2015, los niños y niñas puedan terminar un ciclo completo de enseñanza primaria. 16 Indicador No. 6: Tasa de matrícula neta en la enseñanza primaria. 17 Indicador No 7: Porcentaje de los estudiantes que comienzan el primer grado y llegan al quinto grado. 18 Indicador No 8: Tasa de alfabetización de las personas de edades comprendidas entre los 15 y 24 años. 19 Indicador 7b, en adelante. 15

31

Cuadro No. 10 : Indicadores del ODM 2

Indicador No. 6: Tasa de la matrícula neta en la enseñanza primaria Indicador No. 7: Porcentaje de los estudiantes que comienzan el primer grado y llegan al quinto grado* Indicador No 8: Tasa de alfabetización de las personas de 15 a 24 años

Línea de Base (1991)

1994

1997

2001

Situación reciente (2002)

90.57%

86.86%

86.37%

91.11%

89.52%

22.07%

19.41%

25.83%

28.19%

34.86%

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. 20

21

El ODM 3 está relacionado con la meta No. 4 . De la misma forma que el ODM 2, se 22 23 cuenta con tres indicadores, el 9, 10 y 11 para verificar el cumplimiento de la meta respectiva. El Indicador 9 comprende 3 ratios que se encuentran especificados en los Cuadro No. 11, 12 y 13 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 24 con mayor precisión se propone tres alternativas a estos ratios 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 tasa de las 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 em pleados remunerados en el sector no agrícola.

20

Objetivo del Milenio No. 3: Promover la igualdad entre los sexos y la autonomía de la mujer. 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. 22 Relación entre las tasas de alfabetización de las mujeres y los hombres de edades comprendidas entre los 15 y 24 años. 23 Proporción de mujeres entre los empleados remunerados en el sector no agrícola. 24 Estos ratios se denominan R9a, R9b y R9c, en adelante. 21

32

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

Total

Primaria 98.54%

Línea Base (1991) Secundaria Superior 94.47% 77.73%

Total 94.37%

Primaria 102.40%

1994 Secundaria Superior 99.05% 92.17%

Total 99.85%

Fuente: ENNIV 1991/1994 Elaboración: INEI

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

Total

1997 Secundaria 100.56%

Primaria 97.16%

Superior 110.44%

Total 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 Primaria Secundaria Superior Total 98.19% 91.67% 94.09%

Total Primaria 95.45% 99.86%

Situación reciente (2002) Secundaria Superior 90.28% 101.90%

Total 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)

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

Línea base (1991)

1994

1997

2001

Situación reciente (2002)

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)

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

Línea base (1991)

1994

2001

Situación reciente (2002)

41.29%

39.36%

42.65%

42.20%

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

33

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.

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 25 años es analfabeta si no ha completado la primaria .

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

25

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

34

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: o

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

o

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: o

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

o

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 26 ingreso del analfabetismo (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, ine xistente en la ENAHO 2002. Asimismo, en la ENAHO 2002 se le pregunta 26

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

35

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: o

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

o

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

Resumen de Resultados Se estim ó 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). 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 27 una madre analfabeta incide en la probabilidad que una mujer sea analfabeta .

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 28 operativamente el programa de alfabetización 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

27

La sustentación numérica de la afirmación es la siguiente. Para los hombres, en el modelo sin l a 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. 28 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.

36

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), gran parte de los ODM 2 y 3 ya han sido cumplida. Por ejemplo, la tasa neta de matrícula de primaria y la tasa de supervivencia de la primaria son próximas a 100% cada una. 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 supervivencia 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.

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: 37

Distribución Absoluta y Relativa de individuos ordenados por edad y grado de estudio (frecuencias)29 Grado

32.0

631,722

179,244

28.4

647,817

266,952

41.2

621,456

279,486

45.0

659,185

316,172

48.0

612,645

324,879

53.0

640,756

365,336

57.0

590,114

334,559

56.7

1,829

598,224

340,543

56.9

191,128

34,299

532,422

306,995

57.7

124,943

157,918

420,468

262,550

62.4

46,583

75,516

124,730

282,307

282,307

100.0

42,997

72,138

134,808

293,632

293,632

100.0

592,685

563,578

503,141

453,584

7,967,106

290,188

278

5

418,361

36,566

3,621

1,086

6

181,537

335,199

45,257

4,007

7

27,262

151,982

391,061

56,194

5,223

8

2,641

35,836

228,475

330,152

45,290

5,423

9

1,169

9,975

69,321

199,021

288,808

49,150

10

402

4,977

29,593

92,198

189,002

292,225

47,132

3,656

11

97

849

14,260

45,216

98,598

165,859

244,418

39,365

12

303

1,128

8,347

26,493

58,121

101,346

169,598

226,168

44,696

4,556

1,620

5,513

8,531

23,673

49,262

83,236

162,724

210,712

41,866

2,977

177

3,552

4,143

10,242

25,712

42,027

83,389

170,988

219,413

36,439

15

401

1,075

3,492

4,119

9,006

17,981

45,977

79,416

145,528

16

401

549

2,820

4,338

5,414

17,541

43,909

62,635

345

623

1,069

1,732

10,389

20,304

832

2,867

1,829

2,952

1,815

1,326

13,030

18,677

803,491

772,707

730,247

705,205

616,876

602,239

1,016 361

Total

1,042,971 580,382

1

181,537

4

17

6

566,776

161

más de 17

5

%

119,321

313

4

Atrasados

3

14

3

2

3

Total

1

13

2

Secundaria

Inicial

Edad escolar

Edad

Primaria Edad/Grad

4

5 119,482 290,466 459,634

776

4,012

3,983

Atrasados

215,101

208,178

363,552

381,268

390,150

358,407

321,314

333,050

333,294

297,743

272,597

259,538

%

20.6

35.9

45.2

49.3

53.4

50.8

52.1

55.3

56.2

52.8

54.2

57.2

29

Nota: Para un grado escolar dado las celdas con borde corresponden a la edad normativa para cursarlo. Luego, las cifras hacia la izquierda de la diagonal esbozada por las celdas bordeadas contienen los datos utilizados para el cálculo del atraso escolar. Por el contrario, las cifras hacia la derecha, constituyen casos de “adelanto escolar” y, en tal virtud, son excluidas en el cálculo del atraso escolar.

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 probabilísti cas 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.

Resumen de Resultados Modelo de atraso en primaria 30 Indicadores sobre la estructura del hogar tienen efectos significativos sobre la probabilidad de 31 atrasarse en la primaria. En particular, el hecho de que algún hermano o hermana 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 familiares 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).

30

Ver las dos primeras columnas del cuadro al final de esta sección 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. 31

39

Aún más, 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. En consecuencia resulta claro priorizar, a como de lugar, políticas sociales pensadas en y por los pobres. 32

El ingreso del hogar resultó ser un factor explicativo importante . Sin embargo, debe tenerse claro que éste ingreso es producto de un crecimiento pro-pobre. Uno de los factores más importantes es el gasto complementario de las familias en educación (GCE en el que 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 secundaria33 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 primaria34 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 e r sumen 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. 32

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. 33 Ver la tercera columna del cuadro al final de esta sección. 34 Ver la última columna del cuadro al final de esta sección.

40

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 intergeneracional de logros (o no 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 la política educativa. Éstos son: o

El crecimiento económico;

o

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

o

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): 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 35 se dan usualmente una sola vez al año . Sobre la base de los resultados encontrados se podrían esbozar algunos perfiles de ideas de intervención pública: o

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 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.

o

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 es superior a lo que la intuición nos lo planteaba.

35

Una explicación más detallada de esta variable se encuentra en el Anexo No. 1

41

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 36 económica . 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 Un resultado útil para las simulaciones es que el ingreso impacta positivamente a la variable dependiente (razón mujeres/hombres cursando educación superior). 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 1)

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

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. 36

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.

42

Simulaciones y Costeo: Los ODMs 2 y 3 al 2015. Sobre la base del Cuadro No. 16 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 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 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. Finalmente, 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.

43

Cuadro No. 16: Simulación y Costeo: los ODMs 2 y 3 al 2015

Sin redistribución Shock 1 Número adicional de alfabetizados Gasto promedio complementario en educación de los hogares Shock 2 pobres Total Con redistribución Shock 1 Número adicional de alfabetizados Gasto promedio complementario en educación de los hogares Shock 2 pobres Total

Costos totales al cabo de 11 años 3% 5% 7% 8,366,039 7,707,084 7,147,217 99,600,622 9,815,151 3% 8,308,817

0

107,966,661 7,707,084 5% 7% 7,690,826

0

0

755,347

8,308,817

44

0

7,690,826

3% 760,549

Costos Anuales 5% 700,644

7% 649,747

9,054,602

0

0

7,147,217 3% 755,347

9,815,151 5% 699,166

700,644 7%

0

0 755,347

699,166

3

Capítulo

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. 1 7). Así, la meta del milenio sugiere que dicho porcentaje se reduzca a 5.4% para el año 2015.

Cuadro No. 17: Desnutrición infantil global 1992, 1996 y 2000 (en porce ntajes) 1996

2000

Meta 2015

Urbano 6.4 3.9 Rural 17.7 13.5 Total nacional 10.8 7.7 Fuente: Documento de Línea de Base Elaboración: Instituto Nacional de Estadística e Informática, ENDES.

1992

3.2 11.7 7.1

5.4

-

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 Encues tas 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 45

37

Alimentos . Después de agregar todas las calorías disponibles en el hogar, éstas se compararon con las necesidades calóricas normativas, de acuerdo al número y perfil 38, demográfico de los miembros de cada hogar 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. 18). Así, la meta del milenio sugeriría que dicho porcentaje se reduzca a 11.2% hacia el año 2015.

Cuadro No. 18 : Incidencia de déficit calórico por área de residencia, 1998 – 2001 (porcentaje de individuos) 1998

1999

Urbano 15.3 18.9 Rural 35.3 41.4 Total nacional 22.3 26.7 Fuente: Documento de Línea de Base Elaboración: Instituto Nacional de Estadística e Informática, ENAHO

2000

2001

Meta 2015

23.0 40.2 29.0

26.2 46.6 33.3

11.2

El Cuadro No. 19 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 individuos39 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 40.

Cuadro No. 19: Incidencia de déficit calórico por área de residencia, año 2002 Urbano

Rural

Tota nacional

Frecuencia

Porcentaje

Frecuencia

Porcentaje

Frecuencia

Porcentaje

5,168,283

29.4

4,501,678

47.7

9,669,961

35.8

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

100

Individuos Hogares

37

MINSA, INS -CENAN, “Tabla Peruana de Composición de Alimentos”, Séptima Edición, 1996. Obtenido de FAO/OMS/UNU Necesidades de energía y proteínas, Informe de la reunión consultiva conjunta FAO/OMS/UNU de expertos, Ginebra 1985. 39 Bajo el supuesto de que todos los individuos de un hogar con (sin) déficit calórico sufren (o no) individualmente de tal déficit. 40 El elevado déficit calórico no se debe a un problema de insuficiente disponibilidad de alimentos en el país (que tiene una oferta global de alimentos más que suficiente para cubrir las necesidades calóricas de todos los peruanos). Se trata de un problema de insuficiente acceso de una proporción importante de peruanos, es decir, un problema de pobreza y limitada capacidad adquisitiva para adquirir una canasta de alimentos mínimamente apropiada. 38

46

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. 1, el modelo de desnutrición infantil global para las zonas urbanas contiene 8 variables que resultan estadísticamente significativas a nivel 41 convencionales de aceptación . Como variable de política destaca, en primer lugar, el número de controles prenatales. Un aumento de 10% en dicha variable contribuiría a una reducción de 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 permitiría disminuir la 42 probabilidad de desnutrición infantil en 0.13% Por su parte, un incremento en 10% en el stock de activos privados del hogar contribuiría a reducir 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 alimentación infantil por distrito influiría en una reducción de la probabilidad de desnutrición de 0.25% En el caso de las zonas rurales, el modelo de desnutrición infantil global contiene 10 variables que resultan esta dísticamente significativas. La variable explicativa con mayor elasticidad es la práctica de lactancia materna. Un aumento de 10% en la cobertura de dicha variable contribuiría a una disminución de la probabilidad de desnutrición infantil en 1.57%. Un aumento de 10% en los controles prenatales ayudaría a reducir 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 permitiría una disminución de la desnutrición en 0.61%. Un cambio en 10% de los casos de letrinas a red pública de saneamiento, contribuiría a 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 permitiría disminuir los estándares de desnutrición en 0.63%.

41

Todos los modelos de predicción de este trabajo contienen variables independientes con coeficientes distintos de cero con probabilidad mayor al 80%. 42 Lamentablemente, la ENAHO no permite identificar el papel de variables más específicas de educación y capacitación de la madre en prácticas alimenticias, de salud e higiene que pueden ser importantes y costo efectivas para reducir la desnutrición infantil. El nivel educativo global alcanzado por las madres captura indirectamente parte de estos efectos potenciales.

47

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. 1, 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 la capacidad adquisitiva de los hogares43. 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) contribuirían a reducir 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 permitiría disminuir la probabilidad de déficit calórico en 0.36%. En el caso del modelo de déficit calórico para la zona rural, son 7 las variables que resultaron significativas. En este caso, la probabilidad de déficit calórico con respecto a los incrementos en 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. 20 resume la situación probable de los indicadores de desnutrición infantil global y déficit calórico en el 2015 bajo los escenarios supuestos de crecimiento pro-pobre 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 sociales adicionales para aumentar la posibilidad de alcanzar la meta del milenio en este campo. En el caso del déficit calórico, el crecimiento económico pro-pobre 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 43

La variable empírica utilizada para representar dicha capacidad adquisitiva es el gasto total del hogar debido a que la medición de la variable alternativa de ingresos está sujeta a un significativo margen de error, especialmente en hogares de bajos ingresos con actividades en el sector informal. Tal como se acostumbra en la literatura técnica sobre el tema (Strauss y Thomas, 1995), la especificación incluye el cuadrado de la variable de gastos para dar cuenta de la concavidad de la relación del consumo de calorías con la mayor disponibilidad de recursos. Un mayor ingreso o gasto total aumenta el consumo de calorías (y reduce la probabilidad de déficit calórico) pero de manera decreciente.

48

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%. En este caso también, se necesitarían políticas sociales adicionales para mejorar las posibilidades de alcanzar el ODM de reducción de hambre. Cuadro No. 20: Resultados de los indicadores al 2015 sin políticas sociales adicionales 3) Indicadores Niños menores de 5 años con peso inferior al normal (%) Individuos por debajo del consumo min. de calorías (%)

Indicadores Niños menores de 5 años con peso inferior al normal (%) Individuos por debajo del consumo min. de calorías (%)

Línea de Situación Base inicial

Meta 2015

Crecimiento sin redistribución 3% 5% 7%

10.8%

7.07%

5.4%

6.60

6.18

5.80

22.3%

35.8%

11.15%

31.82

24.44

18.43

Línea de Situación Base inicial

Crecimiento con redistribución

Meta 2015

3%

5%

10.8%

7.07%

5.4%

6.45

6.12

22.3%

35.8%

11.15%

29.71

23.70

¿Qué políticas sociales 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 y saneamiento, se necesitaría incrementar la cobertura de beneficiarios de controles prenatales (con paquetes completos de 6 controles) e incrementar la inversión en programas públicos de alimentación infantil complementaria. El Cuadro No. 21 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$ 158 y 243 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 9 y 18 millones de dólares, si la economía creciera 5%. Por último, si la economía creciera a 7% anual, la inversión necesaria ascendería a 7 millones de dólares anuales. En el caso de la meta de déficit calórico, además del impacto positivo de las inversiones en agua y desagüe que forman parte de las ODM de saneamiento y que han sido incorporadas previamente para mejorar también los indicadores de desnutrición y educación, las políticas adicionales identificadas por el modelo serían aumentar el acceso a programas de 44 complementación alimentaria familiar subsidiada y de desayunos escolares. En el primer caso, el modelo integrado simula escenarios que ampliarían la cobertura de estos programas alimentarios hasta cubrir toda la población pobre, pero tomando en consideración las filtraciones normales de este tipo de programas (actualmente, por cada dos pobres 45 beneficiados, se entrega beneficios también a un individuo no pobre ). En el segundo caso, el modelo simula la ampliación de la cobertura de desayunos escolares hasta cubrir a toda la población escolar que asiste a colegios públicos. Cabe mencionar que en ningún escenario se logra alcanzar la meta de déficit calórico. En el mejor de los casos se consigue reducir el 44 45

Del tipo comedores populares u otros programas con mayor costo efectividad. Estas proporciones se obtuvieron a partir de la Encuesta Nacional de Hogares (ENAHO) 2002.

49

porcentaje de individuos con déficit a 12.2%, 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 y desayunos escolares por un monto de 59 millones de dólares anuales hasta el año 2015 (Ver Cuadro No. 21). Cuadro No. 21 : Resultados de los indicadores al 2015 con políticas sociales adicionales y sin redistribución 4) Crecimiento Costeo incremental: Variabels de política Indicador 4 Incremento en cobertura de controles prenatales Inversión total en el programa de alimentación infantil Indicador 5 Personas adicionales que acceden a programas de complementación alimentaria familiar Niños que acceden a programas de desayunos escolares

3%

5%

7%

Costo unitario (US$)

Shock anual

Monto anual (US$)

Shock anual

Monto anual (US$)

Shock anual

Monto anual (US$)

30.52

14.6%

10,413,143

12.1%

9,857,486

7.0%

7,364,567

-

-

232,293,651

-

7,669,882

-

0

32.6

22%

121,696,427

18%

85,344,935

13%

53,266,586

6.7

20%

5,263,589

20%

5,263,617

20%

5,263,600

5) Resultado final del indicador Indicador 4: Niños menores de 5 años con peso inferior al normal (%) Indicador 5: Individuos por debajo del consumo min. de calorías (%)

Línea de Situación Base inicial

Crecimiento

Meta 2015

3%

5%

7%

10.8%

7.07%

5.4%

5.40

5.40

5.23

22.3%

35.8%

11.15%

16.09

13.99

12.18

50

6) 7)

Cuadro No. 22 : Resultados de los indicadores al 2015 con políticas sociales adicionales y con redistribución Crecimiento

5%

3% Costo unitario (US$)

Shock anual

Monto anual (US$)

Shock anual

Monto anual (US$)

Indicador 4 Incremento en cobertura de controles prenatales Inversión total en el programa de alimentación infantil

30.52

13.9%

10,274,234

10.9%

9,478,529

-

-

147,678,737

-

0

Indicador 5 Personas adicionales que acceden a comedores populares Niños que acceden al programa de desayunos escolares

32.6

16%

69,438,173

16%

71,055,211

6.7

20%

5,263,583

20%

5,263,582

Costeo incremental: Variabels de política

Indicadores Niños menores de 5 años con peso inferior al normal (%) Hogares por debajo del consumo min. de calorías (%)

Línea de Situación Base inicial

Crecimiento

Meta 2015

3%

5%

10.8%

7.07%

5.4%

5.40

5.40

22.3%

35.8%

11.15%

16.68

13.98

51

4

Capítulo

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 1)

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

2)

Indicador No. 14: Tasa de mortalidad infantil.

3)

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

Línea de Base y Situación Actual La mortalidad de los niños menores de 5 años (indicador 13) puede dividirse en dos componentes: i) la mortalidad infantil (menores de 12 meses), es decir el indicador 14, 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 en 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 (primer mes 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 restringen una mayor utilización por parte de las gestantes de los servicios de salud formales. Hay que destacar, adicionalmente, los aún elevados niveles que se registran en la zona rural, en comparación con los que se observan en la zona urbana: 45 frente a 24 muertes por mil nacidos vivos, para la mortalidad infantil, y 64 versus 32, en la de niños menores de 5 años. Cuadro No. 23: Tasa de mortalidad de los niños/niñas menores de 5 años Línea de Base (1992) Indicador No. 13: Tasa de mortalidad de los niños/niñas menores de 5 años

81

Fuente: ENDES 1992/1996/2000 Elaboración INEI

52

1996

Situación Reciente (2000)

59

47

Cuadro No. 24: Tasa de mortalidad infantil

Indicador No. 14: Tasa de mortalidad infantil

Línea de Base (1992) 57

1996 43

Situación Reciente (2000) 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 podrá 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 se sabe que la vacuna antisarampionosa reduce la mortalidad por debajo de los 5 años de edad46, se ha demostrado que posee rendimientos marginales decrecientes conforme la edad en la que se aplica la inmunización avanza 47. Cuadro No. 25 : Porcentaje de niños/niñas de 1 año vacunados contra el sarampión

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

Línea de Base (1992)

1996

Situación Reciente (2000)

74.0%

85.8%

71.9%

Fuente: ENDES 1992/1996/2000 Elaboración INEI

Identificación de las variables más significativas para lograr avances en el ODM48 Empezaremos analizando los resultados asociados con el porcentaje de niños/niñas de 1 año vacunados contra el sarampión (indicador 15), dado que éste se encuentra estrechamente asociado con la mortalidad de niños y niñas, por lo que será utilizado como variable explicativa de los modelos de comportamiento de esta última.

Indicador No. 15: Porcentaje de niños/niñas de 1 año vacunados contra el sarampión A partir de la estimación del modelo de comportamiento de este indicador, se han identificado las siguientes variables de política relevantes para hacer posible un incremento de la proporción de niños/niñas que al primer año de edad ya se han vacunado contra el sarampión. 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%.

46

Aaby, Meter, The impact of measless and measless vaccinations on child survival: contradictions and resolutions, Bandim Health Project, Danish Epidemiology Science Centre, Bissau. 47 Aaby P., M. Anderson, Sodemann, M. Jakobsen, J. Gomes, M. Fernandes, Reduced child mortality following standard measless vaccination at 4-8 months compared to 9-11 months of age, BMJ, 1993 48 Para analizar la sensibilidad del indicador frente a movimientos en las variables de política, 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 del indicador, que se calcula a partir de la ENDES 2000.

53

b.

Control de crecimiento del niño: 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, 49 50 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, cuya edad apropiada es antes de los 18 meses) aumenta de 48.8% a 58.8%, el ratio de niños vacunados contra el 51 sarampión se incrementa de 71.9% a 72.6%. Es decir, un niño que ha recibido sus vacunas completas antes del año tiene una mayor probabilidad de recibir también la de sarampión.

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 partir de la estimación del modelo de comportamiento de este indicador, se han identificado las siguientes variables de política relevantes para hacer posible una reducción de la tasa de mortalidad en la niñez. a.

Controles de crecimiento que ha recibido el niño: si el número promedio 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 saram pión 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 15% (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.

52

49

Vacunación contra la Difteria, Tos Convulsiva y Tétanos. Vacunación contra la Tuberculosis. 51 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 de 71.9% a 72.6%. 52 Esta es la variable instrumentalizada a partir del modelo anterior para el indicador 15. 50

54

Indicador No. 14: Tasa de mortalidad infantil Las variables de política identificadas a partir de la estimación del modelo de comportamiento de este indicador se describen a continuación. Cabe mencionar que, dado que la tasa de mortalidad infantil es un componente de la de niños menores de 5 años, dichas variables afectarán también a la mortalidad en la niñez. a.

Atención completa de la madre durante el embarazo y el parto, que incluye: seis controles prenatales realizados por un profesional calificado, exámenes de sangre y peso, toma de hierro durante el embarazo, y 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.

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.53

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 en 15% (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: en aquellos distritos donde predomina la madera como material de cons trucción de la infraestructura de salud, la tasa de mortalidad infantil es de 33 por mil nacidos vivos, versus un 28.4 por mil, en el caso de aquellos distritos donde el material predominante es el cemento u otro tipo de material noble. En lo que se refiere a la tasa de mortalidad de niños menores de 5 años, dichas cantidades se sitúan en 47 y 44.6 por mil, respectivamente.

Simulación y Costeo: el ODM al 2015 Escenario Base sin políticas sociales A continuación se presentará la evolución de los indicadores del ODM No. 4, frente a diferentes escenarios de crecimiento económico pro-pobre y redistribución, pero sin considerar políticas sociales. Como se ve en el Cuadro No. 26, 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 53

Dado que el porcentaje de niños que han lactado en cualquier momento de su vida es elevado (97%), no habrá mucho margen de simulación con esta variable de política. Lamentablemente otras definiciones de lactancia, como la exclusiva durante los seis primeros meses de vida, no resultaron ser significativas en la estimación del modelo, en parte por las restricciones de información que la ENDES presenta especialmente en el caso de los niños que fallecieron. No obstante, no hay que dejar de considerarla como una variable de política importante que deberá ser explorada en estudios posteriores más específicos sobre el tema.

55

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. La situación mejora muy ligeramente en el caso de incorporar políticas redistributivas además 54 del crecimiento económico (Cuadro No. 26), pero dicha mejoría es casi insignificante. Cuadro No. 26: Resultados del escenario sin políticas sociales al 2015 bajo distintas tasas de crecimiento y sin redistribución Base (1992)

Actual (2000)

Meta

Tasa de mortalidad de niños menores de 5 años

0.081

0.047

Tasa de mortalidad infantil

0.057

Niños vacunados contra el sarampión (%)

74%

Indicadores

Crecimiento sin redistribución 3%

5%

7%

0.027

0.0377

0.037

0.0363

0.033

0.019

0.0252

0.0249

0.0246

71.90%

nd

72.02%

72.02%

72.03%

Cuadro No. 27: Resultados del escenario sin políticas sociales al 2015 bajo distintas tasas de crecimiento y con redistribución Base (1992)

Actual (2000)

Meta

Tasa de mortalidad de niños menores de 5 años

0.081

0.047

0.027

0.0373

0.0369

Tasa de mortalidad infantil

0.057

0.033

0.019

0.0251

0.0249

Niños vacunados contra el sarampión (%)

74%

71.90%

nd

72.02%

72.03%

Indicadores

Crecimiento con redistribución 3%

5%

Escenario que alcanza el ODM con políticas sociales, y los principales costos asociados A continuación se presentarán los resultados obtenidos a partir de las simulaciones que incorporan políticas sociales. 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 sociales aplicadas para la reducción del déficit de cobertura de los servicios de agua y saneamiento, y 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 autonom ía de la mujer (No. 3), y Mejoramiento de la salud materna (No. 5) 55, afectarán, tanto directa como indirectamente, a la mortalidad de niños menores de 5 años

54

No obstante, recuérdese que las políticas redistributivas son indispensables para alcanzar la meta de pobreza (ODM 1). 55 Nótese que, dado que el parto asistido por un profesional de la salud es una variable explicativa del modelo de mortalidad infantil (y por esa vía de la mortalidad de niños menores de 5 años), es necesario simular primero los modelos de mortalidad materna (que incluyen el comportamiento de esa variable) para luego ver el efecto generado sobre el primero. No hay en cambio ninguna influencia de los modelos de mortalidad de niños y niñas sobre los de mortalidad materna.

56

y a la mortalidad infantil (aunque estos últimos no tienen ningún efecto sobre los primeros). Por ello, las políticas aplicadas a esos ODM’s se tomarán como dadas, para luego 56 establecer si son suficientes para alcanzar también el ODM 4 . b.

Aplicadas las políticas sociales de los ODM’s mencionados, es decir: -

Mejoramiento de la infraestructura pública de agua y desagüe Mejoramiento del nivel educacional de la mujer/madre. Mejoramiento de la calidad de los establecimientos de salud del distrito. Aumento de los controles prenatales realizados a las gestantes por profesionales calificados de salud. Aumento del parto asistido por un profesional calificado.

Se logran alcanzar las metas del milenio del ODM 4, razón por la cual no fue necesario simular políticas sociales adicionales. Veamos los resultados alcanzados de acuerdo con los escenarios de crecimiento planteados y las políticas redistributivas respectivas. En el caso de los escenarios con crecimiento económico pero sin redistribución, y dadas la políticas sociales definidas previamente, las metas propuestas para la mortalidad de niños menores de 5 años y la mortalidad infantil son alcanzadas antes del 2015 (ver Cuadro No. 28). Con respecto a la mortalidad de niños menores de 5 años, en los escenarios de crecimiento de 57 3% y 5%, la meta se alcanza en el 2009, y con 7% de crecimiento, en el 2010 . En relación a la mortalidad infantil, la meta se alcanza, independientemente del escenario de crecimiento, en el año 2009. 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 3.24% (respecto al año base), hasta alcanzar el 76.4% del total de niños. En lo que se refiere a los escenarios que sí incorporan políticas redistributivas, las metas son alcanzadas con las políticas sociales definidas para los ODM No. 1, 2, 3 y 5 en el año 2009 (ver Cuadro No. 29). 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 58 76.4% para cualquier nivel de crecimiento .

56

La integración de los modelos y la lógica final de la simulación serán explicados en el capítulo 6. Con un crecimiento de 7%, la meta demora más en alcanzarse porque, dado éste, en los modelos de mortalidad materna se requiere menos inversión en infraestructura para alcanzar el ODM 5, y la mejora de la infraestructura es también una variable de política importante en los modelos de mortalidad infantil. 58 Los pequeños cambios que se observan en la proporción de niños vacunados contra el sarampión en el primer año de vida, al modificarse los escenarios de crecimiento y políticas redistributivas se deben, básicamente, a que en el modelo de comportamiento de este indicador no resultó ser significativa ninguna variable relacionada con los ingresos o el nivel de vida de la familia. Entonces, el crecimiento y la redistribución afectan sólo indirectamente a la vacunación (a través de sus efectos sobre otros modelos, como los de educación). 57

57

Cuadro No. 28 : Resultados del escenario con políticas sociales al 2015 bajo distintas tasas de crecimiento y sin redistribución Base (1992)

Actual (2000)

Meta

Tasa de mortalidad de niños menores de 5 años

0.081

0.047

Tasa de mortalidad infantil

0.057

Niños vacunados contra el sarampión (%)

74%

Indicadores

Crecimiento sin redistribución 3%

5%

7%

0.027

0.01003 /1

0.0105 /1

0.011 /2

0.033

0.019

0.0053 /1

0.0059 /1

0.0065 /1

71.90%

nd

76.4%

76.4%

76.38%

1/ La meta se alcanza en el 2009. 2/ La meta se alcanza en el 2010.

Cuadro No. 29 : Resultados del escenario con políticas sociales al 2015 bajo distintas tasas de crecimiento y con redistribución Base (1992)

Actual (2000)

Meta

3%

5%

Tasa de mortalidad de niños menores de 5 años

0.081

0.047

0.027

0.01005 /1

0.0105 /1

Tasa de mortalidad infantil

0.057

0.033

0.019

0.0054 /1

0.0059 /1

Niños vacunados contra el sarampión (%)

74%

71.90%

nd

76.4%

76.4%

Indicadores

Crecimiento con redistribución

1/ La meta se alcanza en el 2009.

En lo que se refiere a costos, el alcanzar estas metas, ya sea con o sin redistribución, comparte aquellos de las políticas sociales aplicadas a la mortalidad materna (ver el siguiente capítulo para un detalle de los mismos). Sólo habría que añadir el costo vinculado con vacunar contra el sarampión a 0.6% de niños menores de 23 meses de edad adicionales al año (a partir del 2005), incremento impulsado por el conjunto de políticas implementadas lo que, como se observa en el siguiente cuadro, se ubica por encima de los 20 mil dólares anuales, excepto en el escenario de crecimiento de 7% (sin redistribución) en el que el costo supera los 14,500 dólares anuales59.

Cuadro No. 30 : Costos de la vacunación contra el sarampión (US $ de 2004) Crecimiento Niños entre 12 y 23 meses Costo Unitario vacunados contra el sarampión

3%

5%

7%

Efecto anual

Monto Anual

Efecto Anual

Monto Anual

Efecto Anual

Monto Anual

0.6%

14,711

Sin redistribución

0.52

0.6%

20,546

0.6%

20,995

Con redistribución

0.52

0.6%

21,532

0.6%

20,043

59

Esta reducción en el costo se debe a que, dado un mayor crecimiento, se requiere incrementar la variable de política controles prenatales de manera más gradual, lo que a su vez genera que los aumentos en el porcentaje de niños vacunados se consigan también más lentamente a lo largo de los 11 años de análisis, lo que se traduce entonces en un gasto menor.

58

5

Capítulo

ODM 5: SALUD MATERNA Meta 6: Reducir, entre 1990 y 2015, la mortalidad materna en tres cuartas partes Indicadores 1)

Indicador No. 16: Tasa de mortalidad materna.

2)

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

Línea de Base y Situación Actual De acuerdo con la fuente de información oficial de la que se dispone sobre los temas de salud materna, hay una mejora en la evolución de la tasa de mortalidad materna (indicador No. 16) y en el porcentaje de partos asistidos por personal calificado (indicador 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, una caída del orden del 30%. No obstante, si 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 dicho estudio, a 410 muertes por 100,000 nacidos vivos.60 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 tema61. 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, así como el acceso informado a los métodos de planificación familiar.

60

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. 61 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, en este caso, la mortalidad materna.

59

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, hasta un 59.3% según la del año 2000, lo que representa un aumento total de la tasa de 13% (ver Cuadro No. 32). Este reducido avance se puede explicar, en gran medida, por las barreras económicas, sociales y culturales que ya antes se mencionaron, y que restringen el uso de los servicios de salud por parte de las gestantes; ello es particularmente importante en el caso del parto, debido a la idiosincrasia que caracteriza a las futuras madres de las zonas más pobres del país, las que ignorando los riesgos inherentes a tal acontecimiento, se sienten más cómodas siendo atendidas en el hogar y/o por quienes les inspiran mayor confianza, que generalmente no son ni el médico ni la obstetriz calificados para brindar d icha atención. Cuadro No. 31: Tasa de mortalidad materna

Indicador No. 16: Tasa de mortalidad materna

Línea de Base (1996) 265

Situación Reciente (2000) 185

Fuente: ENDES 1992/1996/2000 Elaboración INEI

Cuadro No. 32: Porcentaje de partos con asistencia de personal calificado

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

Línea de Base (1992)

1996

Situación Reciente (2000)

52.5%

56.4%

59.3%

Fuente: ENDES 1992/1996/2000 Elaboración INEI

Identificación de las variables más significativas para lograr avances en el ODM62 Empezaremos analizando los resultados asociados con el porcentaje de partos asistidos por personal calificado (indicador 17), dado que éste se encuentra estrechamente asociado con la mortalidad materna, por lo que será utilizado como variable explicativa de los modelos de comportamiento de esta última.

Indicador No. 17: Porcentaje de partos con asistencia de personal calificado A partir de la estimación del modelo de comportamiento de este indicador, se han identificado las siguientes variables de política relevantes para hacer posible un incremento de la proporción de partos asistidos por un profesional de la salud. 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%.

62

Para analizar la sensibilidad del indicador frente a movimientos en las variables de política, 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 del indicador, que se calcula a partir de la ENDES 2000.

60

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%.

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 del distrito: en aquellos distritos donde predomina la quincha como material de construcción de la infraestructura de salud, el ratio de partos asistidos por un profesional calificado es de 59.3%, versus un 64.7%, en el caso de aquellos distritos donde el material predominante es la madera.

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 19% (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 continuación se presentan las variables de política identificadas a partir de la estimación del modelo 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 índice de activos totales del hogar de la mujer, al cuadrado: si el índice de activos aumenta en 6.7% (lo que representa un incremento de 14% de sus valores al cuadrado), 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: en aquellos distritos donde predomina la quincha como material de construcción de la infraestructura de salud, la tasa de mortalidad materna es de 185 por cada 100,000 61

nacidos vivos, versus 127.56, en el caso de aquellos distritos donde el material predominante es la madera. 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, que incluye seis controles prenatales con un profesional calificado, parto asistido con un profesional de la salud, y 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 total 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.

Simulación y Costeo: el ODM al 2015 Escenario Base sin políticas sociales A continuación se presentará la evolución de los indicadores del ODM No. 5, frente a diferentes escenarios de crecimiento económico pro-pobre y redistribución, pero sin considerar políticas sociales. 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 63 año 2000 (en 16% y 8%, respectivamente, como se ve en el Cuadro No. 33), e incluso cae 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. Para los escenarios en donde, además, se aplican políticas redistributivas, la situación de la mortalidad materna mejora ligeramente en comparación a la simulación en la que no se redistribuye. Del mismo modo, la evolución de la proporción de partos asistidos por personal calificado es también algo mayor (Cuadro No. 34), sobre todo en el escenario con 3% de crecimiento, en el que el esfuerzo redistributivo es más elevado que en el de 5% (a fin de alcanzar las metas de pobreza en el 2015, como se discutió en el capítulo 1).

63

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

62

Cuadro No. 33 : Resultados del escenario sin políticas sociales al 2015 bajo distintas tasas de crecimiento y sin redistribución Indicadores Tasa de mortalidad materna Partos asistidos por personal calificado (%)

Actual (2000)

Meta

265 /1

185

52.5% /2

59.3%

Base

Crecimiento sin redistribución 3%

5%

7%

66.25

215

199

182

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.

Cuadro No. 34 : Resultados del escenario sin políticas sociales al 2015 bajo distintas tasas de crecimiento y con redistribución Indicadores Tasa de mortalidad materna Partos asistidos por personal calificado (%)

Base

Actual (2000)

Meta

Crecimiento con redistribución 3%

5%

265 /1

185

66.25

211

198

52.5% /2

59.3%

nd

64.76%

66.61%

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

Escenario que alcanza el ODM con políticas sociales, y los principales costos asociados A continuación se presentarán los resultados obtenidos a partir de las simulaciones que incorporan políticas sociales. 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 sociales aplicadas para la reducción del déficit en la cobertura de los servicios de agua y saneamiento y 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 ODM’s se tomarán como dadas, para luego establecer si son suficientes para alcanzar también el ODM 5, o si son todavía necesarias políticas sociales adicionales 64 vinculadas específicamente con la mortalidad materna .

b.

Aplicadas las políticas sociales referidas al punto anterior: -

Mejoramiento de la infraestructura pública de agua y desagüe. Mejoramiento del nivel educacional de la mujer/madre. 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 otras más, específicas a este objetivo.

64

La integración de los modelos y la lógica final de la simulación serán explicados en el Capítulo 6.

63

Dada las diferentes opciones de políticas sociales que se derivan de los resultados obtenidos a partir de la estimación de los modelos de mortalidad materna y parto asistido profes ionalmente, 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 el efecto que se produce sobre ella cambios en las posibles variables de política (su elasticidad) con el costo de lograr incrementos en ellas. Las variables más costo-efectivas fueron: -

La calidad de la infraestructura de los establecimientos de salud donde vive la 65 mujer . Los controles prenatales realizados por un profesional calificado. La disponibilidad de médicos en el distrito donde vive la mujer.

La ventaja de estas tres variables de política 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, lo que favorece la supervivencia de la mujer. Por otro lado, actúan directamente como determinantes de dicha supervivencia. Como consecuencia de esta doble relación, el 66 costo de implementar tales políticas puede ser atribuido a un mayor efecto sobre la mortalidad materna, lo cual se traduce en un resultado más costo -efectivo. ii. Se plantearon combinaciones de las políticas más costo-efectivas, identificadas en el paso anterior, a fin de 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 67 en el distrito .

-

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 68 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, cualquiera sea el escenario de crecimiento y redistribución utilizado, la segunda de dichas combinaciones de política es la más costo-efectiva. Sin embargo, el efecto sobre la tasa de mortalidad materna y la magnitud del costo asociado a estas políticas sí varían con los diversos escenarios planteados.

65

Como ya se comentó anteriormente, esta variable se refiere al material de la infraestructura de los establecimientos de salud del distrito. Debido a que la ENDES no contempla otras medidas de calidad de los servicios de salud, tomaremos a esta variable como una aproximación de dicha calidad, y no sólo de aquella de la infraestructura en sí. 66 Nótese que, 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. 67 Aumentar el número de metros cuadrados de los establecimientos de salud que están construidos con material noble. 68 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 las madres gestantes.

64

Resultados Como se observa en el Cuadro No. 35 , en donde se han simulado los escenarios sin redistribución, a medida que el nivel de crecimiento económico aumenta, favoreciendo el logro de la meta de la mortalidad materna, se reduce la necesidad de invertir en atenciones prenatales asistidas por un profesional calificado y en el mejoramiento de la calidad de los establecimientos de salud para alcanzar dicha meta. Así, mientras que con un 3% de crecimiento se requiere un incremento de 14.56% al año de dichos controles prenatales, y de 8.78% anuales en los metros cuadrados de infraestructura de salud construidos con material noble, con 7% de crecimiento se necesita un aumento de 7% y 7.37% anual, respectivamente. Por lo tanto, el costo total también se reduce, fluctuando entre 47.2 y 39.4 millones de dólares anuales, según sea el escenario que se analiza. 69 Finalmente, a raíz de las políticas sociales propuestas, se alcanza un aumento de, aproximadamente, 58% de los partos asistidos por un profesional calificado, lográndose atender profesionalmente alrededor de 94% del total de partos, independientemente del escenario de crecimiento.

Cuadro No. 35 : Magnitud y Costo de las políticas sociales al 2015 bajo distintas tasas de crecimiento y sin redistribución Crecimiento sin redistribución Variables de política

Costo Unitario

3%

5%

7%

Crecimiento Monto Anual Crecimiento Monto Anual Crecimiento Monto Anual Anual (en US$ 2004) Anual (en US$ 2004) Anual (en US$ 2004)

Con_prof70

4.08

14.56%

881,678

12.12%

876,891

7%

846,694

Cal_estab71

153.14

8.78%

35,500,151

8.05%

31,833,175

7.34%

28,492,177

Parto72

77.07

4.27%

10,866,909

4.23%

10,749,012

4.2%

10,051,045

TOTAL

47,248,738

43,459,078

39,389,916

Cuadro No. 36 : Resultados del escenario con políticas sociales al 2015 bajo distintas tasas de crecimiento y sin redistribución Indicadores Tasa de mortalidad materna Partos asistidos por personal calificado (%)

Base

Actual (2000)

Meta

265 /1

185

52.5% /2

59.3%

Crecimiento sin redistribución 3%

5%

7%

66.25

66.11

66.12

66.22

nd

93.89%

93.52%

93.19%

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

69

Hay que tener en cuenta que todos estos costos, así como los que presentaremos más adelante, 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 (aquellas 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 distrital población/médicos similar al que se tiene en la actualidad. 70 Controles prenatales realizados por un profesional. 71 Calidad del establecimiento de salud. 72 Parto asistido por un profesional calificado.

65

En el caso de los escenarios con políticas redistributivas, los resultados son muy parecidos a los que se observan cuando no se redistribuye. No obstante, el incremento requerido en las variables de política simuladas (controles prenatales por un profesional calificado y mejoras en la calidad del establecimiento de salud) son algo menores que en el caso sin redistribución, por lo que los costos también se reducen ligeramente (46.5 y 43.1 millones dólares anuales, con crecimientos de 3% y 5%, 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 y, por consiguiente, en una menor necesidad de recurrir a ambas políticas para alcanzar la meta al 2015. El resultado sobre los partos asistidos por un profesional calificado es muy similar al de los escenarios sin redistribución, aunque hay que mencionar que éste proviene de dos efectos que se contraponen. Por un lado, una mayor redistribución aumenta el número de partos asistidos por un profesional calificado. Por otro lado, una mayor redistribución disminuye la necesidad de invertir en el mejoramiento de la calidad de los establecimientos de salud para alcanzar la meta de mortalidad y, por esa vía, reduce ligeramente la proporción de partos asistidos profesionalmente. El efecto final es un muy pequeño aumento en dicha proporción en el caso de los escenarios con redistribución.

Cuadro No. 37: Magnitud y costos de las políticas sociales al 2015 bajo distintas tasas de crecimiento y con redistribución Crecimiento con redistribución Variables de política

3%

Costo Unitario

5%

Crecimiento Anual

Monto Anual (en US$ 2004)

Monto Anual Crecimiento Anual (en US$ 2004)

Con_prof73

4.08

13.85%

880,291

10.85%

873,070

Cal_estab74

153.14

8.63%

34,726,389

8.01%

31,639,300

Parto75

77.07

4.27%

10,922,215

4.23

10,649,778

TOTAL

46,528,895

43,162,148

Cuadro No. 38 : Resultados del escenario con políticas sociales al 2015 bajo distintas tasas de crecimiento y con redistribución Indicadores Tasa de mortalidad materna

Base

Actual (2000)

Meta

3%

5%

265 /1

185

66.25

66.19

66.2

59.3%

nd

93.97%

93.57%

Partos asistidos por personal calificado 52.5% /2 (%) 1/ La línea de base fue construida para el año 1996. 2/ La línea de base fue construida para el año 1992.

73

Controles prenatales realizados por un profesional. Calidad del establecimiento de salud. 75 Parto asistido por un profesional calificado. 74

66

Crecimiento con redistribución

6

Capítulo

Simulación y costeo integral Integración de modelos Cada uno de los modelos microeconométricos estimados provee el impacto que tienen las variables explicativas incluidas sobre la probabilidad de que un individuo de la población exhiba determinada característica (tenga secundaria completa, esté alfabetizado, tenga un consumo de calorías por debajo del nivel mínimo, etc.). Sobre la base de estos modelos fue posible predecir la trayectoria de cada indicador. En particular, al evaluar cada una de las variables explicativas en su valor promedio, la probabilidad estimada corresponde a la proporción de individuos en la población que exhibe la característica analizada y, por lo mismo, dicha probabilidad provee directamente el valor del indicador asociado a dicha característica. Estas variables explicativas pueden ser agrupadas en dos grandes categorías: variables de control y variables de política. Así, la proyección de cada indicador se realiza utiliazando dos insumos: (i) el valor predicho del promedio de las variables de control (calculado sobre la base de información socio demográfica); y (ii) el valor predicho del promedio de las variables de política (calculado en función de la magnitud de las medidas de política propuestas durante la simulación). Si bien el ejercicio anterior permite predecir la trayectoria de determiando indicador luego de la introducción de determinadas medidas de política, cabe destacar que la simulación realizada para alcanzar las metas se basó en un enfoque integral. Así, y 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 permitirían 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). Este marco general se construyó sobre la base de dos supuestos: (i) que la economía crece de manera 67

sostenida a la tasa elegida (3%, 5% y 7%) desde el año 2004 hasta el 2005; (ii) que, dada la tasa elegida, se aplican políticas redistributivas cada año desde el 2005 de modo que la incidencia de la pobreza se reduzca progresivamente hasta alcanzar la meta requerida en el año 2015. Dependiendo de la combinación de crecimiento y redistribución elegida, se obtuvieron valores distintos para la evolución de cuatro variables hasta el año 2015: (i) el gasto promedio del 76 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 sociales adicionales para el resto de indicadores. Así, y en ausencia de cualquier medida de política 77 social , 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 sociales 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 indicadas, 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 las políticas sociales 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 sociales adicionales. La magnitud de las medidas de política social fue calculada en función de las metas 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 dicha magnitud (o la necesidad de intervenir) 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 sociales adicionales 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 variable explicativa. 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. 76

La inclusión del cuadrado del gasto promedio del hogar como variable explicativa en algunos modelos responde a la necesidad de recoger la existencia de “retornos decrecientes” sobre el gasto. Así, por ejemplo, su presencia en el modelo para la incidencia de déficit calórico implica que el impacto negativo de un mayor gasto sobre dicha incidencia es menor en familias con mayores recursos. De hecho, cabe esperar que un aumento de una unidad monetaria en el gasto promedio de una familia pobre tenga un mayor impacto sobre su nivel de ingesta calórica que un aumento de igual magnitud en una familia de mayores recursos. Asimismo, cabe precisar que la importancia del cuadrado del gasto promedio del hogar se basa en la necesidad de recoger los efectos de la redistribución (la variable gasto promedio sólo se ve afectada porla tasa de crecimiento asumida). 77 Se entiende como medida de política social a la introducción de un incremento en alguna de las variables explicativas de los modelos microeconométricos clasificadas como variables de política.

68

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 as ociados a los modelos de educación. Cabe resaltar, además, que éstos se encuentran interrelacionados a través de sus variables de política dado que muchos de ellos comparten variables explicativas sobre las que se introdujeron incrementos durante la simulación. La Ilustación 1 resume la interracción de los tres bloques arriba descritos. El flujo de la izquierda se refiere al escenario sin políticas sociales adicionales. Así, y dependiendo de la combinación de crecimiento y redistribución elegida a partir del modelo contable, se tienen valores distintos para cada uno de los 16 indicadores bajo análisis. Tal como se indicó anteriormente, los resultados asociados a los modelos de educación alimentan a los modelos de nutrición, mortalidad infantil y salud materna, a través del grado de instrucción alcanzado por hombres y mujeres. Al respecto, cabe destacar que la integración aquí propuesta permite proyectar la evolución de cada indicador tomando en cuenta su interrelación con el resto. Así, y a diferencia de aquellas proyecciones que se basan sólo en la tendencia mostrada por un indicador, el escenario sin políticas sociales toma ya en cuenta el hecho de que la evolución de determinado indicador depende de los resultados obtenidos para el resto. En particular, el escenario sin políticas sociales y sólo crecimiento puede considerarse como un “escenario base” en el sentido de no contemplar ninguna forma de intervención de política directa: este escenario muestra la evolución de cada indicador si la economía creciese de manera sostenida a la tasa supuesta hasta el 2015. Si a esto le añadimos la presencia de políticas redistributivas, este nuevo escenario muestra la evolución de cada indicador si sólo consiguiésemos reducir la pobreza en su dimensión monetaria de acuerdo con la primera meta del ODM 1. El flujo de la derecha, por su parte, corresponde al escenario con políticas sociales adicionales. Tal como se muestra en los resultados reportados en acápites anteriores, el crecimiento y redistribución requeridos para la consecución de la meta de pobreza resultarían insuficientes para alcanzar las metas propuestas para la mayoría del resto de indicadores. Por lo mismo, fue necesario complementar el primer escenario con determinadas medidas de política social. Tal como se indicó anteriormente, la magnitud de dichas medidas estuvo en función de la necesidad de que los indicadores bajo el escenario con políticas sociales alcancen las metas para el año 2015. Las variables de política utilizadas se detallan en el acápite siguiente y su elección se baso en un análisis costo-efectividad.

69

Ilustración 1 Esquema para la integración de los modelos

Modelo contable de simulación

Combinación de crecimiento y redistribución requerido para alcanzar la meta del indicador 1

Evolución del gasto promedio del hogar, cuadrado del gasto promedio del hogar e incidencia de la pobreza

Modelos para los indicadores de educación

Evolución sin políticas sociales adicionales

Medidas de política

Evolución con políticas sociales adicionaales

Modelos para los indicadores de nutrición, mortalidad infantil y salud materna

Evolución sin políticas sociales adicionales

Medidas de política

Evolución con políticas sociales adicionales

70

Resumen metodológico de la simulación La metodología seguida para construir el escenario con políticas sociales adicionales se basa en la interrelaciones existentes entre los indicadores propuestos. Éstas se resumen en la Ilustración 2. Si revisamos las interrelaciones mostradas en dicha ilustración, notaremos que las variables de política asociadas a los servicios de agua y saneamiento impactan sobre un buen número de indicadores. En particular, las Variables de Política 2 y 6 (porcentaje de hogares que accede a una mejora en el servicio de desagüe y agua, respectivamente), impactan directamente sobre los indicadores: -

Relación mujeres / hombres mayores de 17 años con educación superior Tasa neta de matrícula primaria Niños(as) entre los 6 y 11 años en algún grado de primaria en edad normativa Niños(as) entre los 12 y 17 años en algún grado de secundaria e n edad normativa Porcentaje de hogares por debajo del consumo mínimo de calorías Porcentaje de niños menores de 5 años con peso inferior al normal Tasa de mortalidad en niños de 2 a 5 años Tasa de mortalidad infantil Porcentaje de partos asistidos por pers onal calificado

Si bien la inclusión de las variables asociadas a agua y saneamiento fue ya justificada al momento de presentar cada modelo en el Primer Informe, cabe destacar aquí que su presencia como variables explicativas no implica que éstas sean la únicas variables de política ni tampoco las más relevantes para afectar a los indicadores listados anteriormente. De hecho, y tal como lo sugiere la intuición, el acceso a los servicios de agua y saneamiento, si bien estadísticamente significativos, sólo ienen t un impacto marginal sobre los indicadores de educación. Por el contrario, su impacto es mucho mayor en los modelos de nutrición, mortalidad y salud. Tomando en cuenta el impacto directo que tiene el acceso a una mejora en los servicios de agua y saneamiento sobre 9 de los indicadores analizados y, sobre todo, el hecho de que dentro del conjunto de Objetivos del Milenio existe una meta explícita para dicho acceso, se decidió empezar la simulación introduciendo incrementos en el porcentaje de hogares que accede a una mejora ambos servicios. En particular, y de acuerdo con la Meta 10 del ODM 7, la magnitud de esta medida de política estuvo en función del requerimiento de reducir a la mitad, para el año 2015, el déficit en la cobertura de los servicios de agua y saneamiento 78. Tal como ocurre con el resto de variables de política, la simulación se realizó introduciendo incrementos iguales y continuos cada año desde el 2005 hasta el 2015. 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, el siguiente paso fue encontrar la combinación de políticas sociales adicionales que garantice el cumplimiento de las 78

De acuerdo con la información provista por el Vice Ministerio de Saneamiento, alcanzar esta meta implica aumentar la cobertura de los servicios de agua y saneamiento hasta un 82% y 77%, respectivamente, para el año 2015. En lo que respecta a saneamiento, en el área urbana se considera como una mejora a la ampliación en el servicio de alcantarillado, mientras que en el área rural la mejora en el acceso se traduce en la habilitación de sistemas con letrinas. En cuanto al acceso a servicios de agua, la mejora se entiende como una ampliación del servicio de agua potable tanto en el área urbana como rural. Por último, cabe destacar que el costo promedio aquí utilizado es consistente con el propuesto por el Vice Ministerio de Saneamiento de acuerdo con sus planes de inversión (“Plan Nacional de Saneamiento, 2003-2012”)

71

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 79 mujeres y hombres con educación superior ) 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 incrementos sobre el número adicional de hombres y mujeres alfabetizadas (Variable de Política 1). Nótese que nos referimos al número adicional de hombres y mujeres debido a que el escenario sin políticas sociales 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 80 condición de alfabetismo del padre y madre dentro del conjunto de variables explicativas . Esto implica que los incrementos registrados hoy en la tasa de alfabetización impactarán de manera positiva sobre este mismo indicador 10 años más tarde, cuando aquellos que ahora sean alfabetizados se conviertan en padres o madres de la población objetivo. Las metas asociadas a los indicadores 6, 7 y 9, por su parte, fueron alcanzadas complementando los incrementos introducidos en las Variables de Política 1, 2 y 6, con incrementos en el gasto complementario en educación promedio de hogares pobres (Variable de Política 3). Nótese que el cumplimiento de las metas para los indicadores de educación a través de incrementos complementarios en las Variables de Política 1 y 3, implican ya la presencia de nuevos valores para el resto de variables bajo el escenario con políticas sociales adicionales. Tal como se muestra en la Ilustración 2, el mayor grado de instrucción alcanzado por hombres y mujeres impacta directamente sobre los indicadores: -

Porcentaje de niños menores de 5 años con peso inferior al normal Porcentaje de niños vacunados contra el sarampión Tasa de mortalidad en niños de 2 a 5 años Tasa de mortalidad infantil Porcentaje de partos asistidos por personal calificado Tasa de mortalidad materna

Estos efectos refuerzan aquellos ya introducidos en las Variables de Política 2 y 6 (agua y saneamiento) e ilustran en carácter secuencial y complementario de las medidas de política. En este sentido, la magnitud del resto de medidas de política está en función de los incrementos ya introducidos en otras variables y, por lo mismo, resulta indispensable entender el cumplimiento de las metas desde una perspectiva integral. Siguiendo con la lógica anterior, el siguiente paso fue complementar los resultados obtenidos con incrementos sobre variables de política específicas de cada modelo. En particular, el esfuerzo por alcanzar las metas asociadas a los indicadores de nutrición (indicadores 4 y 5) se centró en la introducción de incrementos en: (i) la proporción de madres que se hace seis controles prenatales (Variable de Política 5); (ii) el porcentaje de individuos que accede a

79

Cabe destacar que no fue necesario introducir ninguna medida de política adicional 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 sociales 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. 80 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.

72

programas de complementación alimentaria subsidiada (Variable de Política 7); y (iii) el gasto promedio por distrito en los programas de alimentación infantil (Variable de Política 8). Al respecto, y tal como se indica en la Ilustración 2, cabe precisar que la Variable de Política 5 afecta al porcentaje de niños menores de 5 años con peso inferior al normal. La Variable de Política 7, por su parte, afecta al porcentaje de hogares por debajo del consumo mínimo de calorías. En este caso, se eligió la combinación costo -efectiva de incrementos en la cobertura de los programas del tipo de comedores populares y desayunos escolares, que permita maximizar la caída en la proporción de hogares con déficit calórico. Por último, la Variable de Política 8 impacta sobre el porcentaje de niños menores de 5 años con peso inferior al normal 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 (Variable de Política 4) y complementando la Variable de Política 5 a través de incrementos en la proporción de madres que se hace seis controles prenatales por un profesional. En línea con el carácter integral de la simulación, y debido a que las Variables de Política 4 y 5 son también significativas 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 las medidas de política ya introducidas. Es decir, y dados los incrementos sobre las Variables de Política 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.

73

Ilustración 2 Resumen de las interrelaciones entre los indicadores propuestos

Crecimiento promedio (3%, 5% y 7%)

Incidencia de la pobreza (línea crítica del INEI)

Gasto promedio del hogar

Redistribución (caída % en el coeficiente de Gini)

Cuadrado del gasto promedio del hogar

Índice de activos privado del hogar

Coeficiente de la brecha de pobreza

Proporción del consumo del quintil inferior

2 2 6

Relación hombres / mujeres >17 con educación superior

7 3

2 2

Tasa de alfabetización hombres y mujeres (15 -24)

Proporción de mujeres empleadas en el sector no agrícola

5

6

3

2 3

2 3

% niños vacunados contra el sarampión

Tasa de conclusión neta primaria

1

2

5

% hogares por debajo del consumo min. de calorías

Tasa neta de matrícula primaria

Niños(as) (6 -11) en algún grado de primaria en edad normativa

8

Tasa de mortalidad niños 2 - 5 años

6

% niños menores de 5 años con peso inferior al normal

2

4

5

6

Tasa de mortalidad niños < 5 años

Tasa de mortalidad infantil

2

Niños(as) (12-17) en secundaria en edad normativa

Grado de instrucción alcanzado por hombres y mujeres

Variables de política 1. Número adicional de hombres y mujeres alfabetizadas. 2. Porcentaje de hogares que accede a una mejora en el servicio de desagüe. 3. Gasto complementario en educación promedio de los hogares pobres. 4. Mejora en la infraestructura de los establecimientos de salud. 5. Porcentaje de mujeres que se hace seis controles prenatales por un profesional. 6. Porcentaje de hogares que accede a una mejora en el servicio de agua. 7. Porcentaje de individuos que accede a programas de complementación alimentaria subsidiada. 8. Gasto promedio por distrito en el programa de alimentación infantil.

4

5

6

% partos asistidos por personal esp.

4

5

Tasa de mortalidad materna

Resumen integral de los resultados y el costeo En los capítulos anteriores se ha hecho un esfuerzo por precisar qué conjunto de medidas de política fue utilizado para tratar de alcanzar los objetivos asociados a cada ODM. No obstante, y tal como se desprende de lo dicho en el acápite anterior, difícilmente podemos hablar de costos asociados al cumplimiento de sólo un subconjunto de objetivos. Así, por ejemplo, el costo que representa el incremento introducido en la calidad de la infraestructura de los establecimientos de salud –que busca alcanzar la meta para la tasa de mortalidad maternadepende de que se alcance el ODM asociado al acceso a los servicios de saneamiento. De acuerdo con la Ilustración 2, 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 y resultados asociados al cumplimiento de las metas requeridas deben ser analizados desde una perspectiva integral. Por lo mismo, en esta sección se resumen dichos costos y resultados tomando en cuenta los distintos escenarios de crecimiento (con y sin redistribución) propuestos en este análisis. Aprovechando esta presentación integral, la sección cierra con un breve resumen de los costos requeridos para alcanzar todas las metas propuestas y una discusión sobre la lógica detrás de los modelos utilizados que permitirá una mejor lectura de las medidas de política aquí propuestas.

Resultados y costos sin redistribución En ausencia de políticas redistributivas, sólo un escenario de crecimiento de 7% garantizaría el cumplimiento de la meta de pobreza. No obstante, aquí se presentan también los resultados y costos asociados a escenarios de crecimiento de 3% y 5% con el fin de hacerlos comparables con aquellos obtenidos luego de la aplicación de políticas redistributivas (estos últimos se reportan en el siguiente acápite). Debido a la ausencia de redistribución, los resultados reportados bajo el escenario sin políticas sociales corresponden al valor registrado por el indicador en cuestión si la economía sólo creciese de manera sostenida a la tasa supuesta hasta el año 2015. Por lo mismo, los resultados mostrados en este acápite bajo el escenario sin políticas sociales podrían clasificarse como un “escenario base”, en el sentido de no contemplar ninguna forma de intervención de política directa. El escenario con políticas sociales, por su parte, considera el resultado final obtenido para cada indicador si la economía creciese a la tasa supuesta y, además, se toman las medidas de política necesarias para coadyuvar a la consecución de cada meta. Los incrementos introducidos en cada variable de política, y reportados en la primera columna de la tabla de costos, se asumen constantes para cada año desde el 2005 hasta el 2015.

75

Cuadro No. 42: Resumen de resultados bajo cada escenario de crecimiento sin redistribución

Sin redistribución 3%

5%

7%

Indicadores

Situación reciente

Meta

Incidencia de la pobreza (línea de pobreza crítica del INEI) (%)

54.31

27.27

45.45

45.45

31.45

31.45

20.27

Coeficiente de la brecha de pobreza

20.76

n.d.

15.87

15.87

9.82

9.82

5.65

Proporción del consumo nacional del quintil inferior (%)

Sin políticas sociales

Con políticas sociales

Sin políticas sociales

Con políticas sociales

Sin políticas sociales

Con políticas sociales /5

20.27

/5

5.65

n.d.

Niños menores de 5 años con peso inferior al normal (%)

7.07

5.40

6.60

5.40

6.18

5.40

5.80

5.23

Hogares por debajo del consumo min. de calorías (%)

35.80

11.15

31.82

16.09

24.44

13.99

18.43

12.18

Tasa neta de matrícula primaria (%)

89.52

100.00

92.58

99.52

96.09

99.61

97.84

99.71

56.62

n.d.

61.43

66.42

65.76

68.88

68.75

71.11

56.51

n.d.

63.19

76.58

70.18

79.33

75.28

34.86

44.14

41.95

44.16

51.09

96.64

100.00

96.95

100.00

97.44

0.9863

1.00

1.01

1.01

1.00

1.00

1.01

1.01

1.01

1.01

1.01

Relación mujeres/hombres con educación superior

0.9693

1.00

0.9803

0.99

0.9861

1.00

0.9917

1.00

Relación tasa de alfabetización mujeres/hombres (15-24 años)

0.9785

1.00

0.9810

1.00

0.9858

1.00

0.9895

1.00

Proporción de mujeres empleadas en el sector no agrícola

0.4235

n.d.

0.4260

0.4263

0.4275

0.4279

0.4289

0.4293

Tasa de mortalidad de niños menores de 5 años (x1000)

47.00

27.00

37.67

10.03

/2

36.96

10.50

/2

36.32

11.03

/4

Tasa de mortalidad infantil (x1000)

33.00

19.00

25.23

5.3

/2

24.90

5.9

/2

24.60

6.5

/2

Niños vacunados contra el sarampión (%)

71.90

n.d.

72.02

76.40

72.02

76.40

72.03

76.38

Tasa de mortalidad materna (x1000)

185.00

66.25

214.60

66.11

198.89

66.12

182.39

66.22

Partos asistidos por personal especializado (%)

59.30

n.d.

63.62

93.89

66.23

93.52

68.62

93.19

Niños (6-11 años) que cursa algún grado de primaria en edad normativa (%) Niñas (6-11 años) que cursa algún grado de primaria en edad normativa (%) Tasa de conclusión neta primaria (%) Tasa de alfabetización (15-24 años) (%) Relación niñas/niños (6-11 años) que cursa algún grado de primaria en edad normativa Relación niñas/niños (12-17 años) que cursa algún grado de secundaria en edad normativa

/1 /2 /3 /4 /5 /6 /7 /8

La La La La La La La La

meta meta meta meta meta meta meta meta

para para para para para para para para

este este este este este este este este

indicador indicador indicador indicador indicador indicador indicador indicador

es es es es es es es es

alcanzada alcanzada alcanzada alcanzada alcanzada alcanzada alcanzada alcanzada

en en en en en en en en

el el el el el el el el

año año año año año año año año

2012. 2009. 2008. 2010. 2013. 2014. 2006. 2011.

/1

1.13

/2

1.05

/4

50.74

/4

100.00

/3

1.13

59.83

82.19 /3

97.84

/3

1.08

/6

59.63

/3

100.00

/7

1.14

/7

Cuadro No. 43: Costos totales sin redistribución: flujos promedio anuales en US$ (2005-2015) Sin redistribución 3% Políticas sociales Incremento Costo anual anual /1 (US$)

Variable de política

Número adicional de hombres alfabetizados

5,430

Número adicional de mujeres alfabetizadas

9,200

1

2 3 4

6

7

8

4,781 760,549

Porcentaje de hogares que accede a una mejora en el servicio de desagüe Gasto complementario en educación promedio de los hogares pobres Mejora en la infraestructura de los establecimientos de salud

7% Políticas sociales Incremento Costo anual (US$) anual /1 4,212

700,644 7,661

649,747 6,371

4.99%

241,144,136

4.99%

241,144,136

4.99%

241,144,136

5.04%

9,054,602

0.00%

0

0.00%

0

8.78%

35,500,151

8.05%

31,833,175

7.34%

28,492,177

14.56%

10,413,143

12.12%

9,857,486

7.00%

7,364,567

14.56%

881,678

12.12%

876,891

7.00%

846,694

2.25%

153,177,078

2.25%

153,177,078

2.25%

153,177,078

Porcentaje de personas que accede a programas de complementación alimentaria del tipo comedores populares

22%

121,696,427

18%

85,344,935

13%

53,266,586

Porcentaje de personas que accede a desayunos escolares

20%

5,263,589

20%

5,263,617

20%

5,263,600

21,296

232,293,651

703

7,669,882

0

0

Porcentaje de mujeres que se hace 6 controles prenatales 5

5% Políticas sociales Incremento Costo anual anual /1

Porcentaje de mujeres que se hace los controles prenatales por un profesional Porcentaje de hogares que accede a una mejora en el servicio de agua

Gasto promedio por distrito en los programas de alimentación infantil (US$) Vacunación contra el sarampión /2 Parto asistido por profesional calificado /2

20,546

20,995

14,711

10,866,909

10,749,012

10,051,045

Resto de variables de política constantes /3

27,125,670

27,125,670

27,125,670

Subtotal

848,198,129

573,763,522

527,396,011

Costo de la redistribución

TOTAL % del PBI

0

0

0

848,198,129

573,763,522

527,396,011

1.14

0.68

0.54

/1 El valor consignado en esta columna corresponde al incremento experimentado por la variable de política cada año y de manera contínua para el intervalo 2005-2015. /2 Estas variables se encuentran dentro del conjunto de indicadores analizados y por lo mismo, no son clasificadas como variables de política. No obstante, se reportan en este resumen debido a que una mayor demanda por estos servicios tiene asociado un costo. /3 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.

77

Resultados y costos con redistribución En este acápite sólo se presentan los resultados para tas as de crecimiento de 3% y 5% anual con la redistribución requerida para alcanzar la meta de pobreza. Debido a que una tasa de crecimiento de 7% es más que suficiente para alcanzar dicha meta 81, no sería necesaria la introducción de políticas redistributivas bajo este escenario de crecimiento. Tomando en cuenta lo anterior, los resultados mostrados en este acápite bajo el escenario sin políticas sociales son aquellos que se obtendrían para el resto de indicadores si sólo consiguiésemos reducir la pobreza en su dimensión monetaria de acuerdo con la primera meta del ODM 1. Tal como en el acápite anterior, el escenario con políticas sociales considera el resultado final obtenido para cada indicador si además del crecimiento supuesto y las políticas redistributivas del caso, se toman las medidas de política necesarias para coadyuvar a la consecución de cada meta.

81

De hecho, y tal como se muestra en el cuadro anterior, la meta de pobreza es alcanzada en el año 2013 sin redistribución y con una tasa de crecimiento de 7% anual.

78

Cuadro No. 44 Resumen de resultados bajo cada escenario de crecimiento con redistribución

Con redistribución Indicadores

Situación reciente

Meta

Incidencia de la pobreza (línea de pobreza crítica del INEI) (%)

54.31

27.27

27.14

27.14

27.24

27.24

Coeficiente de la brecha de pobreza

20.76

n.d.

3.92

3.92

6.88

6.88

n.d.

8.82

8.82

5.65

5.65

Proporción del consumo nacional del quintil inferior (%)

3% Sin políticas sociales

5% Con políticas sociales

Sin políticas sociales

Con políticas sociales

Niños menores de 5 años con peso inferior al normal (%)

7.07

5.40

6.45

5.40

6.12

5.40

Hogares por debajo del consumo min. de calorías (%)

35.80

11.15

29.71

16.68

23.70

13.98

Tasa neta de matrícula primaria (%)

89.52

100.00

93.57

99.54

96.22

99.62

56.62

n.d.

64.10

68.25

66.31

69.36

56.51

n.d.

66.75

78.14

70.91

34.86

44.14

45.60

45.04

51.98

96.64

100.00

97.00

100.00

97.45

0.9863

1.00

1.02

Niños (6-11 años) que cursa algún grado de primaria en edad normativa (%) Niñas (6-11 años) que cursa algún grado de primaria en edad normativa (%) Tasa de conclusión neta primaria (%) Tasa de alfabetización (15-24 años) (%) Relación niñas/niños (6-11 años) que cursa algún grado de primaria en edad normativa Relación niñas/niños (12-17 años) que cursa algún grado de secundaria en edad normativa

/6

/2

1.13

/2

1.05

79.84 /4

51.64

/4

100.00

/3

1.13

/3

1.01

1.00

1.00

1.00

1.01

1.01

Relación mujeres/hombres con educación superior

0.9693

1.00

0.9830

1.00

0.9869

1.00

Relación tasa de alfabetización mujeres/hombres (15-24 años)

0.9785

1.00

0.9814

1.00

0.9858

1.00

Proporción de mujeres empleadas en el sector no agrícola

0.4235

n.d.

0.4263

0.4266

0.4276

0.4279

Tasa de mortalidad de niños menores de 5 años (x1000)

47.00

27.00

37.26

10.05

/2

36.86

10.51

/2

Tasa de mortalidad infantil (x1000)

33.00

19.00

25.06

5.4

/2

24.86

5.9

/2

Niños vacunados contra el sarampión (%)

71.90

n.d.

72.02

76.40

72.02

76.40

Tasa de mortalidad materna (x1000)

185.00

66.25

211.17

66.19

197.58

66.20

Partos asistidos por personal especializado (%)

59.30

n.d.

64.76

93.97

66.61

93.57

/1 /2 /3 /4 /5 /6 /7 /8

La La La La La La La La

meta meta meta meta meta meta meta meta

para para para para para para para para

este este este este este este este este

indicador indicador indicador indicador indicador indicador indicador indicador

es es es es es es es es

alcanzada alcanzada alcanzada alcanzada alcanzada alcanzada alcanzada alcanzada

en en en en en en en en

el el el el el el el el

año año año año año año año año

2012. 2009. 2008. 2010. 2013. 2014. 2006. 2011.

Cuadro No. 45 Costos totales con redistribución: flujos promedio anuales en US$ (2005-2015) Con redistribución 3%

Variable de política

Número adicional de hombres alfabetizados

5,369

Número adicional de mujeres alfabetizadas

9,071

1

2 3 4 5

6

7

8

5%

Políticas sociales Incremento Costo anual (US$) anual /1

Políticas sociales Incremento Costo anual (US$) anual /1 4,765

755,347 Porcentaje de hogares que accede a una mejora en el servicio de desagüe Gasto complementario en educación promedio de los hogares pobres

699,166 7,623

4.99%

241,144,136

4.99%

241,144,136

0.00%

0

0.00%

0

Mejora en la infraestructura de los establecimientos de salud

8.63%

34,726,389

8.01%

31,639,300

Porcentaje de mujeres que se hace 6 controles prenatales

13.85%

10,274,234

10.85%

9,478,529

13.85%

880,291

10.85%

873,070

2.25%

153,177,078

2.25%

153,177,078

Porcentaje de personas que accede a programas de complementación alimentaria del tipo comedores populares

16.025%

69,438,173

16.265%

71,055,211

Porcentaje de personas que accede a desayunos escolares

20.010%

5,263,583

20.010%

5,263,582

13,539

147,678,737

0

0

Porcentaje de mujeres que se hace los controles prenatales por un profesional Porcentaje de hogares que accede a una mejora en el servicio de agua

Gasto promedio por distrito en los programas de alimentación infantil (US$) Vacunación contra el sarampión /2 Parto asistido por profesional calificado /2

21,532

20,043

10,922,215

10,649,778

Resto de variables de política constantes /3

27,125,670

27,125,670

Subtotal

701,407,384

551,125,562

Costo de la redistribución

TOTAL % del PBI

2,370,121,545

633,305,411

3,071,528,928

1,184,430,973

4.13

1.39

/1 El valor consignado en esta columna corresponde al incremento experimentado por la variable de política cada año y de manera contínua para el intervalo 2005-2015. /2 Estas variables se encuentran dentro del conjunto de indicadores analizados y por lo mismo, no son clasificadas como variables de política. No obstante, se reportan en este resumen debido a que una mayor demanda por estos servicios tiene asociado un costo. /3 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.

80

Resumen de resultados El siguiente cuadro resume los resultados obtenidos en cuanto al costeo. Cuadro No. 46 Costos totales asociados a la consecución de las metas del milenio bajo distintos escenarios de crecimiento promedio anual

Costo total: flujo promedio Crecimiento sin anual (2005 - 2015) (US$) redistribución % del PBI promedio anual Costo total: flujo promedio Crecimiento con anual (2005 - 2015) (US$) redistribución % del PBI promedio anual

3%

5%

7%

848,198,129

573,763,522

527,396,011

1.14

0.68

0.54

3,071,528,928

1,184,430,973

n.d.

4.13

1.39

n.d.

La principal conclusión que se desprende del cuadro aquí presentado es la siguiente. El cumplimiento de las metas asociadas a los primeros 5 ODMs implicaría una transferencia de recursos cercana al 4% del PBI por año si la economía se sitúa en una senda de crecimiento bajo de 3% al año. Al respecto, cabe destacar que de este total, las políticas sociales específicas participan con 0.9 puntos porcentuales del PBI mientras que las políticas redistributivas lo hacen con 3.1 puntos porcentuales del PBI. Por otro lado, si la economía se sitúa en una senda de crecimiento más optimista de 5% al año, la transferencia de recursos necesaria para la consecución de las metas sería cercana al 1.4% del PBI anual. De este total, las políticas sociales específicas participan con 0.65 puntos porcentuales mientras que las políticas redistributivas lo hacen con 0.75 puntos porcentuales del PBI. Gracias al carácter integral de la simulación, un mayor crecimiento se traduce en una caída en la magnitud de las políticas redistributivas y sociales requeridas para alcanzar las metas y esto, a su vez, implica un menor costo. No obstante, cabe destacar que parte significativa de la disminución en el costo total si la economía pasa de una senda de crecimiento de 3% a una 5%, se debe a la caída en el monto de la redistribución. Para una correcta lectura de los resultados aquí reportados resulta indispensable considerar que las políticas redistributivas introducidas atienden a la necesidad de reducir la pobreza en su dimensión monetaria (que es precisamente a lo que apunta la meta para el primer indicador). Por lo mismo, los resultados mostrados líneas arriba nos indican que una mayor tasa de crecimiento facilita, fundamentalmente, la reducción de la pobreza en esta dimensión específica. Tal como se precisó, pasar de una tasa de crecimiento de 3% a una de 5% lleva a una caída importante en la magnitud y costo asociado a las políticas redistributivas. Ahora bien, este mayor crecimiento no es de ninguna manera suficiente para alcanzar las metas asociadas al resto de indicadores considerados. Si bien un mayor crecimiento se traduce en una disminución en la magnitud y costo asociado a las políticas sociales, éstas mantienen un rol fundamental. 81

Para visualizar esto último, el siguiente cuadro resume el aporte que tiene cada componente (crecimiento, redistribución y políticas sociales) para la consecución de las metas.

Cuadro No. 47 Aporte del crecimiento, redistribución y políticas sociales a la consecución de las metas

Indicadores para los que se alcanza la meta si hubiera Sólo 3% de crecimiento

Acumulado

Aporte

2 /a

Sólo más crecimiento (de 3% a 5%)

3

1 /b

Más crecimiento y redistribución

4

1 /c

12

8

Más crecimiento, redistribución y políticas sociales

/a Relación niñas/niños que cursan algún grado de primaria y secundaria en edad normativa. /b Tasa de conclusión neta primaria. /c Incidencia de la pobreza.

Tal como se muestra en el cuadro anterior, pasar de una tasa de crecimiento de 3% a una de 5% anual implica que sólo un indicador adicional (la tasa de conclusión neta primaria) alcanza la meta propuesta. Si a esto le sumamos la aplicación de políticas redistributivas se logra, además, que la incidencia de la pobreza alcance la meta. Esto último, por su parte, se consigue a un costo significativamente menor (una caída del orden del 73% en el monto asociado a la redistribución) si la economía crece a una tasa de 5% en lugar de 3% anual. Tal como se precisó anteriormente, una mayor tasa de crecimiento facilita, fundamentalmente, la reducción de la pobreza en su dimensión monetaria. La consecución de las metas para el resto de indicadores, finalmente, requiere de la aplicación de políticas sociales específicas. En particular, de los 12 indicadores para los que es posible alcanzar la meta, 8 lo logran gracias a la aplicación de dichas políticas. Estas intervenciones, por su parte, tiene un costo del orden del 20% menor si la economía crece a una tasa de 5% en lugar de 3% anual.

Las medidas de política en el contexto de los modelos utilizados El ejercicio de simulación llevado a cabo sobre la base del modelo integrado nos ha permitido identificar un conjunto de medidas de política que coadyuvan a la consecución de las metas propuestas. En particular, estas medidas se traducen en la introducción de incrementos sobre determinadas variables de política (listadas en los cuadros anteriores) y la importancia de estas variables, a su vez, fue contrastada y validada en cada uno de los modelos microeconométricos construidos. La magnitud del incremento propuesto (y el costo resultante), por su parte, está en función del efecto que tiene la variable de política en cuestión sobre el indicador analizado, y este efecto es estimado al momento de construir cada modelo. De lo anterior se desprende que la estimación del efecto que tiene cada variable es fundamental para el ejercicio de simulación. Si tomamos en cuenta que el cálculo de dicho efecto es el resultado de la aplicación de determinada técnica de estimación, queda claro que el conjunto de variables utilizado se encuentra limitado por la información disponible. Es decir, 82

del universo de variables de política disponibles, sólo ha sido posible considerar un subconjunto para las cuales existe la información suficiente que permita la aplicación de la técnica de estimación propuesta. Ahora bien, ¿de qué manera la técnica de estimación utilizada nos garantiza que el efecto estimado y causalidad supuesta son las correctas? De hecho, es válido preguntarse si es que existe el riesgo de haber encontrado relaciones entre variables que en realidad no guardan relación (relaciones espurias) y, más aún, si la causalidad supuesta es la correcta y va sólo en un sentido (de la variable de política al indicador). Al respecto, en nuestros modelos se han minimizado estos riesgos trabajando en dos frentes. En lo que respecta a la posibilidad de encontrar relaciones espurias, los modelos construidos minimizan este riesgo a través de la inclusión de todas las variables explicativas relevantes para las que se tiene información. Es decir, los efectos estimados no se basan en simples correlaciones bivariadas (entre dos variables), sino que toman en cuenta el hecho de que hay más de una variable relevante para explicar el comportamiento del indicador analizado. Por ejemplo, supongamos que existe una relación causal cierta y positiva entre el nivel de ingresos de la familia y el máximo grado de instrucción alcanzado por los hijos. Supongamos, además, que existe también una relación causal cierta y positiva entre el nivel de ingresos y el acceso a determinado servicio. A través de una correlación simple entre el grado de instrucción y el acceso a este servicio, se puede determinar que existe una relación positiva entre ellos y concluir, erróneamente, que aumentar el acceso a ese servicio llevará a aumentar el grado de instrucción de los niños. De hecho, se ha encontrado esta relación (espuria) positiva debido a que ambas dependen positivamente del nivel de ingreso. ¿Cómo controlamos este riesgo? Esto se logra incluyendo tanto el acceso al servicio como el nivel de ingresos como variables explicativas en el modelo microeconométrico. Hecho esto, el modelo será capaz de identificar que la variable de acceso no es relevante. Formalmente se diría: “luego de controlar por el nivel de ingresos de la familia, el acceso a este servicio ya no es significativo”. De ahí la importancia de las llamadas “variables de control”. El segundo riesgo identificado es la posibilidad de trabajar con variables cuya causalidad sea contraria a la supuesta. Esto es particularmente válido al momento de evaluar programas de asistencia social, ya que cabe esperar que la mayor intervención de dichos programas se dé en las localidades que más lo necesitan. Si no controlamos este riesgo, es posible concluir que determinado programa tiene un efecto negativo sobre el fenómeno que se busca mitigar. Por ejemplo, que el programa de desayunos escolares contribuye a aumentar el déficit calórico de las familias. Este resultado, que contradice nuestra intuición y/o puede llevar a descartar este programa como efectivo, se debe a que las familias que acceden al mismo son precisamente aquellas ubicadas en localidades donde la inversión en este programa es mayor atendiendo a que son localidades pobres. En este caso, la variable explicativa “acceso al programa” depende de la variable a explicar “déficit calórico”, debido a que la intervención de política se da justamente en las localidades con mayor déficit. Para minimizar este riesgo en nuestros modelos, las variables de acceso a programas de asistencia han sido “instrumentalizadas”. Esto significa que en lugar de trabajar con la variable de acceso directamente, se procedió primero a estimar la probabilidad de acceso a estos programas usando variables instrumentales y se trabajó con dicha predicción como variable explicativa. Con las técnicas mencionadas anteriormente, nuestros modelos son capaces de aproximar el efecto que tiene cada variable de política y, sobre la base de esto, permiten la realización de simulaciones de política y el análisis de costo respectivo. No obstante, es necesario considerar que los efectos estimados son sólo aproximaciones y que, por lo mismo, nuestro análisis y 83

costeo preliminar no sustituye a una evaluación más detallada. En particular, los resultados aquí reportados pueden complementarse con evaluaciones de impacto y estudios de costoefectividad que analicen a profundidad el efecto de intervenciones de política individuales.

84

Bibliografía Aaby P., J. Bukh, IM. Lisse y AJ. Smiths, Measless vaccination and reduction in child mortality: a community study from Guinea-Bissau, Journal of Infectious Diseases, 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, British Medical Journal, 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/reproductivehealth/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 Tr ade, 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, pp. 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, pp. 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, American Journal of Epidemiology, 1998. 85

Cortez, Rafael, La Nutrición de los Niños en Edad Preescolar, Centro de Investigación de la Universidad del Pacífico-CIES, 2002. 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, No. 3, noviembre, 1982, 452-453. Francke, Pedro (1996). Tipos de crecimiento y pobreza: u na 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 No. 5, 1995, pp. 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 Naciones Unidas, Indicators for monitoring the millenium development goals. Definitios, rationale, concepts and sources, documento preliminar, New York, 2003. Kakwani, Nanak, Income Inequality and Poverty: Methods of Estimation and Policy Applications. Banco Mundial & Oxford University Press, 1980. Kakwani, Nakak y Ernesto Pernia. What is Pro Poor growth? , Asian Development R eview, Vol. 18, No. 1, 1999. Kraay, A., When is growth Pro-poor? Cross-country evidence. World Bank Research Working paper 3225, December 2003. 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. Ministerio de Salud del Perú, Plan nacional para la reducción de la muerte materna, feta y neonatal 2004-2006, Dirección General de Salud de las Personas y Dirección Ejecutiva de Atención Integral de Salud, Lima, febrero, 2004. 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. 86

Portocarrero, F (Ed.), Políticas Sociales en el Perú: Nuevos aportes, Red para el Desarrollo de las Ciencias Sociales en el Perú, Lima, julio 2002. Portocarrero, F. Et al, Gestión Pública y políticas alimentarias en el Perú, Universidad del Pacífico, Lima, abril 2000. Ravallion, M. y Shaohua Chen. Measuring Pro Poor Growth. Development Research Group, World Bank, August 2001, p. 11 Riordan, J. et al, El ataque a la pobreza: Un enfoque de mercado, Universidad del Pacífico, USAID, IDRC, Lima, noviembre 2002. 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. 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. Vásquez, E. et al, Inversión social para un buen gobierno en el Perú, Universidad del Pacífico, Lima, diciembre 2001. Vásquez, E. (Ed), Impacto de la inversión social en el Perú, Universidad del Pacífico, IDRC, Lima, enero 2002. Vásquez, E. y E. Mendizábal (Eds.), ¿Los niños...primero?: El gasto público social focalizado en niños y niñas en el Perú (1990-2000), Universidad del Pacífico, Save The Children Suecia, Lima, diciembre 2002. Vásquez, E. et al, Los desafíos de la lucha contra la pobreza extrema en el Perú, Universidad del Pacífico, IDRC, Lima, marzo 2003. Vásquez, E. (Ed), ¿Cómo reducir la pobreza y la inequidad en América Latina?, Universidad del Pacífico, IDRC, Lima, abril 2003. 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.

87

Anexos 1. Anexo de estimaciones ODM 1: REDUCIR LA POBREZA Y EL HAMBRE Meta 2: Reducir a la mitad, entre 1990 y 2015, el porcentaje de personas que padezcan hambre Indicador 4: Porcentaje de menores de 5 años con insuficiencia ponderal (desnutrición infantil global) Variable dependiente: Definición La variable dependiente se construye a partir del indicador Puntaje Z de peso por edad. De acuerdo a las guías metodológicas para los indicadores ODM, 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. Método de estimación Los determinantes del estado nutricional de los niños menores de 5 años fueron estimados a partir de modelos de regresión logit ordenados y específicos para las zonas urbanas y las zonas rurales del país. Así, las variables dependientes ( Y ) toman los siguientes valores: 0 = Nivel nutricional normal (puntaje Z mayor a -1) 1 = Desnutrición leve (puntaje Z entre –1 y –2) 2 = Desnutrición moderada (puntaje Z entre –2 y –3) (Indicador) 3 = Desnutrición severa (puntaje Z menor a –3) (Indicador)

0

1

k1

2

3

k3

k2

En consecuencia, la probabilidad de que un individuo sea desnutrido global se define como:

Pr?desnutrido? ? Pr(Y ? 2) ? Pr(Y ? 3) donde

? Pr?Y ? 2 ? ? Pr? k2 ? ?

?? i

? ? ? ' X ? ? ' Z ? k3 ? ?

88

?

1 ? 1 ? exp? ? k3 ? ?

? Pr?Y ? 3 ? ? Pr? k3 ? ?

?? i

1

?

? ? ? ? ' X ? ? i Z ? 1 ? exp ?? k2 ? ? ?

? ? ? 'X ? ? iZ ? ?

?? i

? ? ? ? ? ? ' X ? ? 'Z ? ? 1 ? Pr? ? ? ? ? ' X ? ? ' Z ? k3 ? i ? ? i ? 1 ? 1? ? ? 1 ? exp ?? k3 ? ? ? ? ? ' X ? ? i Z ? ? i ?

donde:

?

? es el término constante, X es un vector de características socioeconómicas del individuo i, Z es un vector de variables de políticas sociales, que toma el valor de 1 si el individuo i accede y 0, de lo contrario.

Resultados Cuadro No. 1: Estimación del modelo de desnutrición global – zonas urbanas Variable Entre 6 y 11 meses de edad Entre 12 y 18 meses de edad Entre 19 y 60 meses de edad Madre culminó la educación secundaria Número de controles prenatales

Monto distrital del gasto en programas de alimentación infantil [IV] 82 Tipo de conexión a desagüe Índice de activos privados

Coeficiente 0.485994 1.207006 1.080170

Error estándar 0.29229 0.26504 0.24156

Z 1.66 4.55 4.47

P>|z| 0.0960 0.0000 0.0000

-0.357694 -0.071391

0.10994 0.01426

-3.25 -5.01

0.0010 0.0000

-3.32E-07 -0.144384 -0.150379

0.00000 0.05023 0.02910

-3.14 -2.87 -5.17

0.0020 0.0040 0.0000

Especificaciones de la estimación Number of obs Wald chi2(9) Prob > chi2 Pseudo R2 Log pseudo-likelihood

Ancillary parameters

4395 Cut1 220.55 Cut2 0.0000 Cut3 0.0733 -2289.03

1.116973 3.018342 5.55876

82

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).

89

Cuadro No. 2 : Estimación del modelo de desnutrición global – zonas rurales Variable

Edad entre 6 y 11 meses Edad entre 12 y 18 meses Edad entre 19 y 60 meses Madre culminó la educación primaria Madre culminó la educación secundaria Niño lactó alguna vez Número de controles prenatales Índice de activos privados del hogar Tipo de conexión de agua Tipo de conexión de desagüe

Coeficiente 1.45539 2.48775 2.22742

Error estándar 0.19886 0.19108 0.17652

Z 7.32000 13.02000 12.62000

P>|z| 0.00000 0.00000 0.00000

-0.36195

0.07765

-4.66000

0.00000

-0.23891 -0.75404

0.12982 0.55657

-1.84000 -1.35000

0.06600 0.17500

-0.03370

0.01192

-2.83000

0.00500

-0.15686 -0.10223 -0.08554

0.03290 0.03824 0.03501

Especificaciones de la estimación Number of obs 4663 Wald chi2(11) Prob > chi2 Pseudo R2 Log pseudo-likelihood

353.21 0.0000 0.0703 -4278.85

Cut1 Cut2 Cut3

-4.77000 0.00000 -2.67000 0.00800 -2.44000 0.01500 Ancillary parameters 1.165697 2.920548 4.838568

Indicador 5: Porcentaje de la población por debajo del nivel mínimo de consumo de energía alimentaria Variable dependiente: Definición La variable dependiente se define como la probabilidad de que un hogar no cumpla con sus necesidades mínimas de consumo de calorías. Esta variable se construyó sobre la base de la información proporcionada por la Encuesta Nacional de Hogares (ENAHO) 2002, 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 Alimentos83. Después de agregar todas las calorías disponibles en el hogar, éstas se compararon con las necesidades calóricas normativas, de acuerdo al número y perfil demográfico de los miembros de cada hogar84, para determinar si el hogar tenía o no déficit calórico. Método de estimación Los métodos de estimación utilizados fueron dos modelos logit separados para las áreas urbanas y rurales , donde las variables dependientes tomaron el valor de 1 si el hogar no cubre sus necesidades calóricas, y de 0 en caso contrario. Así, la probabilidad de que una familia sea pobre calórica se define como:

83

MINSA, INS -CENAN, “Tabla Peruana de Composición de Alimentos”, Séptima Edición, 1996. Obtenido de FAO/OMS/UNU Necesidades de energía y proteínas, Informe de la reunión consultiva conjunta FAO/OMS/UNU de expertos, Ginebra 1985. 84

90

Pr( yi ? 1 | xi , z i ;? , ? , ? ) ?

exp(? ? xi ? ? z i? ) 1 ? exp( ? ? xi ? ? zi ? )

donde yi es una variable binaria que toma el valor de 1 cuando la familia i-ésima es pobre calórica, y 0 de otro modo, ? es el término constante, X es un vector de características socioeconómicas del individuo i,

Z es un vector de variables de políticas sociales, que toma el valor de 1 si el individuo i accede y 0, de lo contrario. Resultados Cuadro No. 3 : Estimación del Modelo de Déficit Calórico – Zonas Urbanas Variable Gasto del hogar Gasto del hogar ^2 Miembros menores a 5 años Miembros entre 5 y 11 años Miembros entre 12 y 17 años Miembros mayores a 17 años Proporción de hombres con respecto a mujeres 85 Acceso a desayunos escolares [IV] 86 Acceso a comedores populares [IV] Índice de activos públicos en el hogar Constante

Coeficiente -0.0006 1.36E -08 0.2080 0.3897 0.5074 0.5528

Error estándar 0.0001 0.0000 0.0536 0.0469 0.0444 0.0399

0.0679 0.0386 -2.0926 0.9158 -6.6401 1.6784 -0.0732 0.0304 -1.3972 0.1833 Especificaciones de la estimación Number of obs 6968 Wald chi2(11) 323.6 Prob > chi2 0.0000 Pseudo R2 0.1734 Log pseudo-likelihood -3368.4075

85

Z -11.09 10.88 3.88 8.31 11.42 13.85

P>|z| 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

1.76 -2.29 -3.96 -2.41 -7.62

0.0790 0.0220 0.0000 0.0160 0.0000

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. 86 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.

91

Cuadro No. 4: Estimación del Modelo de Pobreza Calórica – Zona Rural Variable Gasto del hogar Gasto del hogar ^2 Miembros menores a 5 años Miembros entre 5 y 11 años Miembros entre 12 y 17 años Miembros mayores a 17 años Proporción de hombres con respecto a mujeres Constante

Coeficiente -0.00177730 0.00000017 0.34789420 0.51849750 0.57280130 0.52211530

Error estándar 0.0001 0.0000 0.0405 0.0376 0.0420 0.0425

Z -18.79 11.84 8.6 13.77 13.65 12.29

P>|z| 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

0.11454330 -1.27965000

0.0359 0.1250

3.19 -10.23

0.0010 0.0000

Especificaciones de la estimación Number of obs 5587 Wald chi2(7) 681.56 Prob > chi2 0 Pseudo R2 0.1882 Log pseudo-likelihood -3133.1643

ODM 2 (Lograr la enseñanza primaria universal) y ODM 3 (Promover la igualdad entre los sexos y la autonomía de la mujer). Indicador 6: Tasa de matrícula neta en la enseñanza primaria (net primary enrolment ratio). Este 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). Para el caso peruano, existe un “problema” para implementar este indicador: La educación primaria es casi universal. De hecho, evidencia anecdótica de la ENAHO 2002 sugiere que cerca de 99% de niños en edad de asistir a primaria lo hacen. Tal y como se han planteado (de manera muy general) este ODM ya ha sido cumplido y no es sujeto de evaluación: La tasa neta de matrícula de primaria es cercana a 100%. En consecuencia se plantea un indicador alternativo.

Indicador 6 – alternativo: Proporción de niños que cursan algún grado de primaria en edad normativa, sin atraso escolar. Variable Dependiente: Definición Indicador binario: y = 1 si el niño se encuentra cursando algún año escolar en edad normativa, y = 0 de otro modo (no asiste a la escuela o está atrasado).

92

Método de estimación ogit binario que busca explicar la probabilidad de asistir a algún grado de primaria sin presentar atraso escolar:

Pr(yi ? 1 | xi , z i ;? , ? , ? ) ? donde:

exp(? ? xi ? ? z i? ) 1 ? exp(? ? xi ? ? zi ? )

? es el término constante, X es un vector de características socioeconómicas del individuo i, Z es un vector de variables de políticas sociales, que toma el valor de 1 si el individuo i accede y 0, de lo contrario.

A partir de este modelo, se construye el indicador de la proporción de niños que está cursando cualquier año de la primaria en edad normativa d e la siguiente manera:

? 6 ? Pr[y i ? 1|x i ] ? F(? ?x i )

93

Resultados

Variable dependiente

1 si tiene entre 6 y 11 años y no cursa primaria

??

pvalue

* Algún hermano en primaria

0.3039

0.0000

* Alguna hermana en primaria

0.2815

0.0000

* Hogar pobre

0.3167

0.0000

Variable independiente

??

1 si atraso o deserción

pvalue

* Vivienda con electricidad

-0.9020

0.0000

-0.2817

0.0000

* Vivienda con desagüe

-0.0977

0.0521

-0.2069

0.0040

* Escuela estatal

-2.7529

0.0000

* Jefe del hogar mujer

0.2397

0.0020

Edad del Jefe del Hogar

0.0099

0.0000

0.7732

0.0000

-0.0668

0.0050

-0.1390

0.0010

* Alguna hermana en secundaria

-0.5992

0.0060

* Madre analfabeta

1.2306

0.0000

log( Gasto comp. en educación )

-0.2097

0.0000

* Primero

-2.1578

0.0000

* Segundo

-1.7255

0.0000

* Tercero

-1.5735

0.0000

* Cuarto

-1.5319

0.0000

* Quinto

-2.0228

0.0000

1.7516

0.0000

* Padre analfabeto

5.1043

0.0000

* Madre analfabeta

5.2378

0.0000

-0.5668

0.0000

0.1942

0.0242

log( Ingreso ) log( Gasto comp. en educación ) Efectos diferenciados para mujeres * Mujer

Binarias de grado

Constante Proporción observada Observaciones Pseudo-R2 * Indicadores binarios (var. dummy).

-5.7238

0.0000

10.18% 11870 0.583

43.43% 11490 0.139

94

Indicador 7b: Proporción de estudiantes que inician el primer grado y terminan el sexto grado de primaria (survival rate to grade 6). El acceso casi universal a la primaria implica que este indicador sea cercano a 100%. Esto se debe a que no se incorporan ni consideraciones de edad del estudiante ni la posibilidad de atraso escolar. Así, se define el Indicador 7b alternativo: Proporción de niños que terminan la primaria sin atrasos. Es decir, la probabilidad de terminar primaria en edad normativa con todo éxito.

Variable Dependiente: definición Indicador binario: y = 1 si se reporta que el niño terminó la primaria en la edad normativa (11 años) , y = 0 de otro modo (no asiste a la escuela o está atrasado).

Método de estimación Logit binario que busca explicar la p robabilidad de aprobar la primaria en la edad normativa:

Pr( yi ? 1 | xi , z i ;? , ? , ? ) ? donde:

exp(? ? xi ? ? z i? ) 1 ? exp( ? ? xi ? ? zi ? )

? es el término constante, X es un vector de características socioeconómicas del individuo i, Z es un vector de variables de políticas sociales, que toma el valor de 1 si el individuo i accede y 0, de lo contrario.

Así, el indicador de la proporción de niños de 12 años que terminaron la primaria a se construye de la siguiente manera:

? 7 b ? Pr[ y i ? 1| x i ] ? F(? ?x i )

95

Resultados

??

pvalue

* Algún hermano en primaria

-2.0667

0.0000

log( Ingreso )

0.3129

0.0000

log( Gasto comp en educación )

0.8301

0.0000

* Algún hermano en primaria

1.4773

0.0000

* Alguna hermana en primaria

-2.1140

0.0000

Constante

-5.2137

0.0000

Variable independiente

Efectos diferenciados para mujeres * Mujer

Proporción observada Observaciones

41.65% 2095

Pseudo R2 * Indicadores binarios (dummies).

0.440

Indicador 8: Tasa de alfabetización de las personas de edades entre los 15 y los 24 años. El acceso casi universal a la primaria implica que este indicador puede ser cercano a 100% a nivel global. Sin embargo, al restringir el ámbito de estudio a zonas rurales o zonas pobres es probable que las cifras sean menores que 100% y que el indicador tenga la variabilidad suficiente para ser estimado.

Variable Dependiente: definición Indicador binario: y = 1 si el individuo reporta saber leer y escribir, y = 0 de otro modo. Según otro criterio, puede plantearse que y = 1 si el individuo cursó la educación primaria completa, y = 0 de otro modo.

Método de estimación Logit binario que busca explicar la probabilidad de ser alfabeto:

Pr( yi ? 1 | xi , z i ;? , ? , ? ) ? donde:

?

exp(? ? xi ? ? z i? ) 1 ? exp( ? ? xi ? ? zi ? )

es el término constante, X es un vector de características socioeconómicas del individuo i, 96

Z es un vector de variables de políticas sociales, que toma el valor de 1 si el individuo i accede y 0, de lo contrario. Así, el indicador de la proporción de personas entre 15 y 24 a ños de edad que saben leer y escribir se construye como:

? 8 ? Pr[y i ? 1|x i ] ? F(? ?x i ) Resultados Sin idioma Variable independiente

Con idioma

??

pvalue

??

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

* Enfermedad crónica

0.9720

0.0000

0.9584

0.0000

* Migrante de distrito pobre

0.3217

0.0570 -0.6143

0.0000

-0.4876

0.0000

-0.5342

0.0000

* 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

* Lengua materna es español log( Ingreso del distrito de origen ) Efectos diferenciados para mujeres

Proporción observada Observaciones Pseudo R2 * Indicadores binarios (dummies).

14.39%

14.26%

8008 0.184

6351 0.181

Indicadores 9a, 9b y 9c a) Razón niña a niño en la educación primaria. b) Razón niña a niño en la educación secundaria. c)

Razón niña a niño en la educación superior. 97

De acuerdo con la ENAHO 2 001 menos del 10% de las personas entre 6 y 17 años no asisten a la escuela. Tal y como se han planteado (de manera muy general) este ODM no puede ser sujeto de evaluación por el acceso casi universal a la escuela (objetivos a. y b.). En consecuencia se plantean los siguientes indicadores de manera alternativa: a) Razón niña a niño que cursan algún grado de primaria en edad normativa. b) Razón niña a niño que cursan algún grado de secundaria en edad normativa. c)

Razón niña a niño en la educación superior.

Variables Dependientes: definición Indicadores binarios: a) y = 1 si el niño cursa algún grado de primaria en edad normativa, y = 0 de otro modo. b) y = 1 si el niño cursa algún grado de secundaria en edad normativa, y = 0 de otro modo. c)

y = 1 si el niño cursa o cursó algún grado de educación superior, y = 0 de otro modo.

Métodos de estimación Logit binario que busca explicar la probabilidad de ocurrencia de alguno de los eventos listados:

Pr(yi ? 1 | xi , z i ;? , ? , ? ) ? donde:

exp(? ? xi ? ? z i? ) 1 ? exp(? ? xi ? ? zi ? )

? es el término constante, X es un vector de características socioeconómicas del individuo i, Z es un vector de variables de políticas sociales, que toma el valor de 1 si el individuo i accede y 0, de lo contrario.

donde el grupo de factores condicionantes incluye un indicador binario de gènero de la persona:

? ?x i ? ? ?x i s i ? ? ?x i ( 1 ? s i ) siendo si igual a 1 si el individuo en cuestión es una mujer. Así, la razón niña a niño que cursan algún nivel de educación descrito se construye de la siguiente manera:

?9 ?

Pr[ y i ? 1| x i , s i ? 1 ] F (? ?x i ) ??9 Pr[ y i ? 1| x i ] F(? ?x i ) 98

donde ? 9 es una constante que permite expresar la razón de proporciones como una razón niña a niño (es igual al número de niños o personas en algún rango de edad entre el número de niñas en el mismo rango de edad).

Resultados

Indicador 9a ??

pvalue

* Algún hermano en primaria

0.3039

0.0000

* Alguna hermana en primaria

0.2815

0.0000

* Hogar pobre

0.3167

0.0000

* Vivienda con electricidad

-0.2817

0.0000

* Vivienda con desagüe

-0.2069

0.0040

* Jefe del hogar mujer

0.2397

0.0020

Edad del Jefe del Hogar

0.0099

0.0000

* Padre analfabeto

0.7732

0.0000

log( Ingreso )

-0.0668

0.0050

log( Gasto comp en educación )

-0.1390

0.0010

* Alguna hermana en secundaria

-0.5992

0.0060

* Madre analfabeta

1.2306

0.0000

log( Gasto comp en educación )

-0.2097

0.0000

* Primero

-2.1578

0.0000

* Segundo

-1.7255

0.0000

* Tercero

-1.5735

0.0000

* Cuarto

-1.5319

0.0000

* Quinto

-2.0228

0.0000

Constante

1.7516

0.0000

Variable independiente

Efectos diferenciados para mujeres

Binarias de grado

Proporción observada

43.43%

Observaciones

11490

Pseudo R2

0.139

99

Indicador 9b ??

pvalue

* Algún hermano en primaria

0.7328

0.0000

* Vivienda con electricidad

-0.5351

0.0000

* Vivienda con desagüe

-0.3696

0.0000

* Escuela estatal

-0.5193

0.0000

* Jefe del hogar mujer

0.1686

0.0390

log( Ingreso )

-0.0756

0.0220

log( Gasto comp en educación )

-0.6702

0.0000

* Alguna hermana en primaria

0.8114

0.0000

log( Gasto comp en educación )

-0.0579

0.0010

* Primero

-1.1083

0.0000

* Segundo

-1.2552

0.0000

* Tercero

-1.3562

0.0000

* Cuarto

-1.4431

0.0000

Constante

5.5740

0.0000

Variable independiente

Efectos diferenciados para mujeres

Binarias de grado

Proporción observada Observaciones Pseudo R2

68.60% 11780 0.235

100

Indicador 9c ??

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

* 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

Variable independiente

Efectos diferenciados para mujeres

Proporción observada Observaciones Pseudo R2

21.56% 48,356 0.249

* Indicadores binarios (dummies).

Indicador 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). El modelo estimado es el mismo que se utiliza para analizar el Indicador 8.

Variable Dependiente: definición Indicador binario: y = 1 si el individuo reporta saber leer y escribir, y = 0 de otro modo. Según otro criterio, puede plantearse que y = 1 si el individuo cursó la educación primaria completa, y = 0 de otro modo. 101

Método de estimación Logit binario que busca explicar la probabilidad de saber leer y escribir

Pr( yi ? 1 | xi , z i ;? , ? , ? ) ? donde:

?

exp(? ? xi ? ? z i? ) 1 ? exp( ? ? xi ? ? zi ? )

es el término constante,

X es un vector de características socioeconómicas del individuo i,

Z es un vector de variables de políticas sociales, que toma el valor de 1 si el individuo i accede y 0, de lo contrario. donde el grupo de determinantes incluye un indicador binario de género de la persona:

? ?xi ? ? ?xi si ? ? ?xi (1 ? si ) siendo si igual a 1 si el individuo en cuestión es una mujer. Así, 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 se define como:

? 10 ?

Pr[ y i ? 1| x i , s i ? 1] F ( ? ?x i ) ? Pr[ y i ? 1| x i ] F (? ?x i )

102

Resultados

Sin idioma Variable independiente

Con idioma

??

pvalue

??

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

* Enfermedad crónica

0.9720

0.0000

0.9584

0.0000

* Migrante de distrito pobre

0.3217

0.0570 -0.6143

0.0000

* Lengua materna es español log( Ingreso del distrito de origen )

-0.4876

0.0000

-0.5342

0.0000

* 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

Efectos diferenciados para mujeres

Proporción observada

14.39%

14.26%

Observaciones Pseudo R2 * Indicadores binarios (dummies).

8008 0.184

6351 0.181

Indicador 11: Porcentaje de empleados en el sector no agrícola remunerado que son mujeres. Variable Dependiente: definición Indicador discreto con tres categorías: y = 0 si el indivi duo en cuestión no es empleado en el sector no-agrícola remunerado; y = 1 si es empleado informal e y = 2 si es empleado formal del sector mencionado. 0

1

k1

2

k2

103

Método de estimación Logit ordenado que busca explicar la probabilidad estar en alguno de los estados mencionados previamente

? ? Pr?Y ? 0 ? ? Pr?? ? ? ? ' X ? ? 'Z ? k1 ? ? i ?

?

donde:

1 ? ? 1 ? exp ?? k1 ? ? ? ? ? ' X ? ? i Z ? ? i ?

? es el término constante, X es un vector de características socioeconómicas del individuo i, Z es un vector de variables de políticas sociales, que toma el valor de 1 si el individuo i accede y 0, de lo contrario.

El grupo de determinantes incluye un indicador binario de género de la persona

? ?x i ? ? ?x i si ? ? ?x i (1 ? si ) siendo si igual a 1 si el individuo en cuestión es una mujer.

Indicadores Primero (PNUD): Número total de mujeres empleadas en el sector no-agrícola remunerado entre el número de personas empleados en ese sector.

? 11 ?

Pr[ yi ? 0|x i , s i ? 1] ?? Pr[ y i ? 0| x i ]

11

F(? ?x i ) F(? ?x i )

donde ? 11 es igual al número de personas de la muestra entre el número de mujeres. Segundo (Alternativo): Número total de mujeres empleadas en el sector no-agrícola remunerado formal entre el número de personas empleados en ese sector.

? 11 ?

F ( ? ?x i ? ? ) F (? ?x i ? ? )

donde ? 11 es igual al número de personas de la muestra entre el número de mujeres.

104

Resultados

??

pvalue

-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

log( Ingreso medio del distrito )

0.2329

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

log( Ingreso medio del distrito )

0.0209

0.1123

Constante

-0.2244

0.4190

Variable independiente

* Rural

Efectos diferenciados para mujeres

Proporción observada

71.63%

Observaciones Pseudo R2

39,864 0.095

* Indicadores binarios (dummies).

105

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)

Tasa de mortalidad de los niños/niñas menores de 5 años.

4)

Tasa de mortalidad infantil.

5)

Porcentaje de niños/niñas de 1 año vacunados contra el sarampión.

Debido a que la probabilidad de que un niño o niña se haya vacunado(a) contra el sarampión se usará como una variable explicativa en el modelo de mortalidad de los niños/niñas menores de 5 años, se presentará en primer lugar dicha estimación. Luego, se mostrarán los modelos referidos a los determinantes de las tasas de mortalidad infantil y para niños/niñas menores de 5 años.

Indicador 15: Porcentaje de niños/niñas de 1 año vacunados contra el sarampión Variable dependiente: Definición Probabilidad de que un niño/niña de 1 año se encuentre vacunado contra el sarampión al momento de la encuesta. Método de estimación El método de estimación utilizado fue un logit binomial en donde la variable dependiente ( Y ) toma el valor de 1 si el niño/niña se vacunó (antes de los 23 meses), y 0 si no lo hizo. Así, dicha probabilidad se define como:

Pr(yi ? 1 | xi , z i ;? , ? , ? ) ?

exp(? ? xi ? ? zi? ) 1 ? exp(? ? xi ? ? zi ? )

donde ? es el término constante, xi es un vector de características socioeconómicas del individuo i, zi es un vector de variables de políticas sociales, que toma el valor de 1 si el individuo i accede y 0, de lo contrario.

106

Resultados

Cuadro No. 5: Estimación del Modelo de Vacunación contra el sarampión para niños/niñas entre los 12 y 23 meses de edad Sarampión Paquete_obs pro_crec Crec Completo edad_mes edad_mes2 ma1 hac_urb _cons Número de Observaciones Wald chi2(8) Prob > chi2 Log pseudo-likelihood Pseudo R2

Coeficiente Desviación Estándar 0.4686282 0.138147 1.046359 0.1472689 0.6797944 0.2496171 0.3219862 0.1296695 1.281958 0.2055663 -0.029739 0.0058668 0.1923365 0.1468779 -0.0747542 0.0371262 -13.49042 1.769477 Especificaciones de la Estimación 2513 258.96 0 -1236.2196 0.1614

Z 3.39 7.11 2.72 2.48 6.24 -5.07 1.31 -2.01 -7.62

P>Z 0.001 0 0.006 0.013 0 0 0.19 0.044 0

Indicador 15: Porcentaje de niños/niñas entre los 18 y 59 meses de edad vacunados contra el sarampión antes de los 18 meses de edad El objetivo de este segundo modelo de vacunación es poder instrumentalizar la probabilidad de vacunarse contra el sarmpión a la edad apropiada en el modelo de mortalidad en la niñez (niños/niñas entre 12 y 59 meses de edad), para lo cual no puede utilizarse el modelo de vacunación previo debido a la diferencia de edades de las muestras utilizadas (en el modelo previo se trabaja con los niños entre 12 y 23 meses de edad). Variable dependiente: Definición Probabilidad de que un niño/niña entre los 18 y 59 meses de edad se haya vacunado contra el sarampión antes de los 18 meses de edad. Así, dicha probabilidad se define como:

Pr(yi ? 1 | xi , z i ;? , ? , ? ) ? donde

exp(? ? xi ? ? zi? ) 1 ? exp(? ? xi ? ? zi ? )

? es el término constante, X es un vector de características socioeconómicas del individuo i, Z es un vector de variables de políticas sociales, que toma el valor de 1 si el individuo i accede y 0, de lo contrario.

107

Método de estimación El método que se usó para la estimación fue un logit binomial en donde la variable dependiente toma el valor de 1 si el niño/niña entre 18 y 59 meses de edad se vacunó antes de los 18 meses, y 0 si no lo hizo.

Resultados Cuadro No. 6: Estimación del Modelo de Vacunación contra el sarampión antes de los 18 meses de edad para niños/niñas entre los 18 y 59 meses de edad Sarampión (Inst) paquete_obs Crec Moderno info_muj ma2 pa2 hac_urb Sierra Ciudad pob_med _cons Número de Observaciones Wald chi2(11) Prob > chi2 Log pseudo-likelihood Pseudo R2

Coeficiente 0.6468427 1.485258 0.4152774 0.4642172 0.3698248 0.280551 -0.0965346 -0.1680431 0.2063449 -0.0000149 -1.259036

Desviación Estádar 0.114714 0.1530509 0.1066022 0.2164627 0.189791 0.1634492 0.0293129 0.0961961 0.1164631 9.97E -06 0.2580426 3925 253.53 0.0000 -2133.3108 0.0858

Z 5.64 9.7 3.9 2.14 1.95 1.72 -3.29 -1.75 1.77 -1.49 -4.88

P>Z 0 0 0 0.032 0.051 0.086 0.001 0.081 0.076 0.136 0

Indicador 13: Tasa de mortalidad de niños menores de cinco años Con el objetivo de estimar la mortalidad de los niños/niñas menores de cinco años, se planteó un modelo secuencial en donde, en primer lugar, se estima la probabilidad de que un niño/niña muera entre los 0 y 11 meses de edad. Luego, se determina la probabilidad de que un niño muera entre los 12 y 59 meses de edad, dado que no murió en el primer año de vida. No obstante, para modelar la segunda probabilidad se restringió la muestra a todos aquellos niños/niñas que tuviesen 4 años al momento de la encuesta ENDES 2000. Dicha acotación se llevó a cabo dado que para estimar la mortalidad en el segundo intervalo de edad se carece de una muestra de eventos completos, es decir, de niños/niñas que hayan completado los cinco años y para los cuales se haya registrado información sobre su situación de sobrevivencia. Entonces, la probabilidad de que un niño menor de 5 años muera (Probu5) es igual a: Probu5 = Prob inf + Prob niñez*(1-Prob inf)

108

Primer Nodo: Tasa de mortalidad infantil (Indicador 14) Variable dependiente: Definición Probabilidad de que un niño/niña muera entre los 0 y 11 meses de edad. Método de estimación El método utilizado fue un logit binomial en donde la variable dependiente toma el valor de 1 si el niño/niña murió en su primer año de vida, y el valor de 0 si sobrevivió a éste. Así, dicha probabilidad se define como:

Pr(yi ? 1 | xi , z i ;? , ? , ? ) ?

exp(? ? xi ? ? zi? ) 1 ? exp(? ? xi ? ? zi ? )

donde

? es el término constante, xi es un vector de características socioeconómicas del individuo i, zi es un vector de variables de políticas sociales, que toma el valor de 1 si el individuo i accede y 0, de lo contrario.

Resultados Cuadro No. 7 : Estimación del Modelo de Mortalidad Infantil Mortalidad Infantil Paquete_comp. Lacto Muertos edad_orden ma1 idav_pub piso_estab _cons

Coeficiente Desviación Estándar -1.193216 0.3774524 -3.989512 0.2399126 2.017697 0.1472667 -0.0157089 0.0018343 -0.5547404 0.2376703 -0.0961343 0.0676746 -0.2597451 0.0886052 1.237405 0.4796535 Especificaciones del Modelo Número de Observaciones 10236 Wald chi2(7) 565.36 Prob > chi2 0.0000 Log pseudo-likelihood -818.08021 Pseudo R2 0.4169

Z -3.16 -16.63 13.7 -8.56 -2.33 -1.42 2.93 2.58

P>Z 0.002 0 0 0 0.02 0.155 0.003 0.199

Segundo Nodo: Mortalidad de los niños/niñas de 12 a 59 meses (Indicador 13) Variable dependiente: Definición Probabilidad de que un niño/niña muera entre los 12 y 59 meses de edad. Método de estimación El método utilizado fue un logit binomial en donde la variable dependiente toma el valor de 1 si el niño/niña murió, y 0 si sobrevivió, dado que no murió durante su primer año de vida. Dicha probabilidad se define como: 109

Pr( yi ? 1 | xi , z i ;? , ? , ? ) ?

exp( ? ? xi ? ? zi? ) 1 ? exp(? ? xi ? ? zi ? )

donde ? es el término constante, xi es un vector de características socioeconómicas del individuo i, zi es un vector de variables de políticas sociales, que toma el valor de 1 si el individuo i accede y 0, de lo contrario. Resultados Cuadro No. 8 : Estimación del Modelo de Mortalidad en la Niñez Mortalidad en la Niñez paquete_cres ar Muertos edu_niv idav_pub pob_pues _cons Número de Observaciones Wald chi2(7) Prob > chi2 Log pseudo-likelihood Pseudo R2

Coeficiente -0.0167908 0.589736 -0.3754324 -0.466451 7.91E -06 -4.872883

Desviación Estándar 0.0073945 0.0791639 0.2545149 0.1981187 4.92E-06 0.4987802 Especificaciones del Modelo 2422 94.97 0.0000 -142.87222 0.1273

Z -2.27 7.45 -1.48 -2.35 1.61 -9.77

P>Z 0.023 0 0.14 0.019 0.108 0

ODM 5: MEJORAR LA SALUD MATERNA Meta 6: Reducir, entre 1990 y 2015, la mortalidad materna en tres cuartas partes Indicadores 16. Tasa de mortalidad materna. 17. Porcentaje de partos con asistencia de personal sanitario calificado. Con respecto al objetivo No. 5, a continuación se presentarán los modelos estimados para identificar los determinantes de cada uno de los indicadores propuestos. Cabe recordar que el indicador No. 17 se utilizará como una variable explicativa de la mortalidad materna; por ello, y para fines expositivos, en primer lugar, se mostrarán los resultados del modelo de parto asistido por un profesional calificado y, luego, la estimación de los determinantes de la mortalidad materna.

110

Indicador 17: Porcentaje de partos con asistencia de personal sanitario calificado. Variable dependiente: Definición Probabilidad de que una gestante sea atendida en el parto por un profesional calificado, independientemente del lugar en el que se lleve a cabo éste. Se entiende por profesional calificado a un médico, enfermera u obstetriz. Método de estimación El método de estimación utilizado fue un logit binomial en donde la variable dependiente toma el valor de 1 si la atención fue de un médico, una obstetriz o una enfermera, y de 0 en cualquier otro caso. Así, dicha probabilidad se define como:

Pr(yi ? 1 | xi , z i ;? , ? , ? ) ?

exp(? ? xi ? ? zi? ) 1 ? exp(? ? xi ? ? zi ? )

donde ? es el término constante, xi es un vector de características socioeconómicas del individuo i, zi es un vector de variables de políticas sociales, que toma el valor de 1 si el individuo i accede y 0, de lo contrario.

111

Resultados Cuadro No. 9: Estimación del Modelo de Parto asistido por un profesional calificado Parto Edad Control con_prof info_muj Idioma Ma ma1 ma2 Pa pa1 Seguro es_sis tp_mon Urbano idav_pri idav_pub pared_estab techo_estab piso_estab pob_med _cons

Coeficientes Desviación Estándar 0.0113992 0.0055062 0.8968131 0.0848077 1.093675 0.1148686 0.2134534 0.0974284 0.4520469 0.106913 0.4973586 0.0947533 0.6740367 0.1331951 0.7647872 0.2121439 0.2492291 0.1098834 0.2757801 0.0978018 0.0904813 0.0629312 0.5044646 0.1529275 0.2814481 0.0899261 0.7169862 0.0987632 0.1719612 0.0302495 0.0459744 0.0337551 0.1912526 0.0484378 0.2225328 0.0306044 0.2004737 0.0507332 -0.0000234 8.70E -06 -5.23149 0.3950142 Especificaciones de la Estimación Número de Observaciones 8347 Wald chi2(20) 1791.33 Prob > chi2 0.0000 Pseudo R2 0.4794 Log pseudo-likelihood -2826.5841

112

Z 2.07 10.57 9.52 2.19 4.23 5.25 5.06 3.61 2.27 2.82 1.44 3.3 3.13 7.26 5.68 1.36 3.95 7.27 3.95 -2.69 -13.24

P>z 0.038 0 0 0.028 0 0 0 0 0.023 0.005 0.15 0.001 0.002 0 0 0.173 0 0 0 0.007 0

Indicador 16: Tasa de Mortalidad Materna Para estimar los determinantes de la mortalidad materna se plantea un modelo secuencial en donde, primero, se prediga la probabilidad de que una mujer muera por cualquier causa, y luego se haga lo propio con la mortalidad por causas maternas. El primer modelo sólo es válido como un mecanismo de establecer más precisamente los determinantes de la mortalidad materna y por ello, y dado que la encuesta utilizada no contiene la información requerida para plantear un modelo de mortalidad general, sus resultados son bastante limitados y deben restringirse al verdadero propósito de la estimación principal. Así, el indicador de mortalidad materna se construye multiplicando ambas probabilidades y dividiendo por la tasa de fecundidad:

Tasa de mortalidad materna?

Pr?Muerte por cualquier causa?? Pr?Muerte por cualquier causa? ?100,000 Tasa de fecundidad Primer Nodo

Variable dependiente: Definición Probabilidad de que una mujer en edad fértil (entre los 15 y 49 años de edad) muera por cualquier causa. Método de estimación El método utilizado fue un logit binomial en donde la variable dependiente toma el valor de 1 si la mujer murió, y 0 de cualquier otro modo. Así, dicha probabilidad se define como:

Pr(yi ? 1 | xi , z i ;? , ? , ? ) ? donde

exp(? ? xi ? ? zi? ) 1 ? exp(? ? xi ? ? zi ? )

? es el término constante, X es un vector de características socioeconómicas del individuo i, Z es un vector de variables de políticas sociales, que toma el valor de 1 si el individuo i accede y 0, de lo contrario.

113

Resultados

Cuadro No. 10: Estimación del Modelo de Mortalidad de las mujeres en edad fértil por cualquier causa Mortalidad Edad es_civil ma1_pa1 body_mass talla_edad tp_dos idav_2 techo_estab pob_hosp _cons

Coeficiente 0.0474469 0.5398883 -0.7407413 0.0011072 -0.0002643 -1.435276 -0.0455689 -0.3639255 3.80E-06 -8.977081

Número de Observaciones Wald chi2(9) Prob > chi2 Log pseudo-likelihood Pseudo R2

Desviación Estándar 0.0287428 0.2516483 0.3788341 0.0002623 0.0001423 0.809023 0.0225773 0.1045344 2.62E-06 1.140746 Especificaciones del Modelo 9218 52.5 0.0000 -295.19938 0.0922

Z 1.65 2.15 -1.96 4.22 -1.86 -1.77 -2.02 -3.48 1.45 -7.87

P>Z 0.099 0.032 0.051 0 0.063 0.076 0.044 0 0.147 0

Segundo Nodo Variable dependiente: Definición Probabilidad de que una mujer en edad fértil (entre 15 y 49 años de edad) muera por alguna causa materna. Se entiende como muerte por causa materna a aquella que ocurre durante el embarazo, al momento del parto o dos meses después de éste último. Método de estimación El método utilizado fue un logit binomial en donde la variable dependiente toma el valor de 1 si la mujer murió por alguna causa materna, y 0 si la mujer murió por otras razones. Así, dicha probabilidad se define como:

Pr(yi ? 1 | xi , z i ;? , ? , ? ) ?

exp(? ? xi ? ? zi? ) 1 ? exp(? ? xi ? ? zi ? )

donde ? es el término constante, xi es un vector de características socioeconómicas del individuo i, zi es un vector de variables de políticas sociales, que toma el valor de 1 si el individuo i accede y 0, de lo contrario.

114

Resultados Cuadro No. 11 : Estimación del Modelo de Mortalidad Materna Mortalidad Materna Paquete_op Emb emb2 Cesarea idav_2 pob_med _cons Número de Observaciones Wald chi2(6) Prob > chi2 Log pseudo-likelihood Pseudo R2

Coeficiente Desviación Estándat -2.120566 1.074849 -2.507934 1.214338 0.3653402 0.1816857 -2.40375 1.156313 -0.1143273 0.0684954 0.0001179 0.0000727 1.909704 1.856662 Especificaciones del Modelo 166 19.67 0.0032 -62.731724 0.1539

115

Z -1.97 -2.07 2.01 -2.08 -1.67 1.62 1.03

P>Z 0.049 0.039 0.044 0.038 0.095 0.105 0.304

2. Principales limitaciones de información encontradas en la Encuesta Demográfica y de Salud Familiar (ENDES) 2000 y Encuesta Nacional de Hogares (ENAHO) 2002 para la estimación de los modelos de los cinco primeros ODM’s No obstante ser la ENDES una fuente de información oficial y confiable en términos estadísticos, presenta limitaciones. La principal de ellas es la falta de información acerca de los ingresos corrientes de los individuos de la muestra y, por lo tanto, sus niveles de pobreza y riqueza. Ante este inconveniente, se construyó un índice de activos que se usó como indicador del ingreso permanente de la familia a la que pertenecía la persona entrevistada (ver anexo 10). Otras limitaciones más específicas se pudieron identificar al estimar los modelos asociados a los ODM’s de salud y nutrición.

Modelos de salud infantil y materna Con el objetivo de hallar los determinantes de los modelos de salud infantil y materna se estimaron los siguientes indicadores: 1. 2. 3. 4. 5.

Partos asistidos por un profesional calificado. Tasa de mortalidad materna. Niños entre 12 y 23 meses vacunados contra el sarampión. Tasa de mortalidad infantil. Tasa de mortalidad en la niñez.

Con respecto a la estimación de estos modelos, una de las limitaciones encontradas es que no se dispone de información completa referida a los niños nacidos antes de la última gestación de la mujer. Por ejemplo, para el caso de la rehidratación oral y la lactancia materna sólo se reportan respuestas vinculadas con los últimos nacimientos. La información relacionada con los niños fallecidos es también bastante incompleta, impidiendo una adecuada comparación con aquellos que han sobrevivido al año o a los cinco años de vida; en este sentido, sólo se tiene información de los niños fallecidos en los cinco años anteriores a la encuesta. Además, para el caso de algunas variables (como rehidratación oral, lactancia materna y sarampión) no se recoge información para los niños fallecidos. No obstante, sólo para el caso de vacunación contra el sarampión, y ya que se contaba con un modelo de comportamiento para los niños que estaban vivos al momento de la encuesta, se predijo el comportamiento de dicha variable para aquellos que hubiesen muerto; cabe notar que sólo fueron incluidas en el modelo de comportamiento variables explicativas que tenían información completa para todos los niños (fallecidos o no). Con respecto al modelo de mortalidad materna, la gran limitación encontrada es que no se ha recogido información socioeconómica de las hermanas que se registraron como fallecidas. Por ello, se utilizó el método de la hermandad, imputando la información requerida de las hermanas vivas a las que fallecieron. Asimismo, a diferencia de las estimaciones del INEI, se hicieron uso de todas las muertes, independientemente de cuándo estas ocurrieron. Gracias a tal elección, se pudo contar con mayor información que la que el INEI utiliza para el cálculo de la tasa de mortalidad materna, ya que éste lo determina a partir de los episodios ocurridos cinco o diez años antes de que se realice la encuesta.

116

Por último, de acuerdo con estimaciones de UNICEF (2004), la mortalidad materna en el Perú 87 bordea las 400 muertes por cada 100,000 nacidos vivos. Por su parte, la ENDES 2000 arroja un estimado de 185, cometiéndose una subestimación que resulta muy difícil de corregir. Si bien en el aspecto del cálculo de la mortalidad materna el UNICEF arroja un estimado más exacto, a través de este estudio no es posible identificar aquellos factores individuales que subyacen a cada una de las muertes y, por lo tanto, sería imposible de establecer inferencias causales robustas más allá del cruce de tablas estadísticas.

Modelo de desnutrición infantil La inform ación de la ENDES 2000 también se empleó para la estimación del modelo de desnutrición infantil global. Al igual que en caso de los modelos de mortalidad infantil, la carencia de información en cuanto a la lactancia materna también constituyó un obstáculo, dado que la encuesta sólo consigna información para los últimos nacimientos. Teniendo en cuenta que se trabaja con niños menores a 60 meses de edad, se pierde una cantidad considerable de información debido a dicho inconveniente. Asimismo, tampoco se dispuso de medidas antropométricas para los niños que habían fallecido. Por último, la ENDES no presenta información detallada acerca del acceso a programas sociales alimentarios. Dado que el modelo pretende encontrar los determinantes de la desnutrición infantil, resulta importante incluir estas variables para corroborar su posible efecto –si es que lo tiene- en el estado nutricional de los niños. Ante este hecho, la utilización de información distrital proporcionada por el Programa Nacional de Asistencia Alimentaria (PRONAA) resulta una alternativa imperfecta. En suma, si bien es cierto que la ENDES 2000 acarrea limitaciones de diversa índole, es la fuente de información oficial más completa, a nivel individual, que el Perú posee en materia de salud del niño y de la madre/mujer. No obstante, se recomienda una mejora para ediciones futuras en los siguientes aspectos: 1. 2. 3.

Incluir información acerca de los ingresos y/o gastos de los hogares de las mujeres entrevistadas. Mejorar la confiabilidad y precisión de la información acerca de las muertes maternas, recogiéndose información socio-económica sobre aquellas mujeres que fallecieron. Recoger para los niños fallecidos información similar a aquella que se obtiene en el caso de los que han sobrevivido.

Modelo de déficit calórico En la estimación de este modelo se empleó la información que la Encuesta Nacional de Hogares (ENAHO) 2002 recoge acerca de la disponibilidad de alimentos en el hogar. Como se ha explicado en la sección del documento referida a este modelo, la información permitió calcular el monto total de calorías que el hogar dispone. Sin embargo, la encuesta no hizo un seguimiento explícito de la ingesta de alimentos (tal como sí hacen las encuestas especializadas de consumo de alimentos) y, por ende, no tiene un estimado preciso de la ingesta calórica final. En este sentido, la literatura técnica sobre el tema (véase, Bouis y Hadad (1991) por ejemplo) demuestra que la elasticidad caloría – ingreso calculada sobre la base de la disponibilidad de calorías en el hogar tiende a sobreestimarse.

87

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, 200 4, p. 28.

117

Por tanto, a fin de profundizar en el análisis de los determinantes y la dinámica de la ingesta calórica y su déficit se recomienda evaluar la posibilidad de realizar una encuesta especializada de consumo de alimentos en nuestro país (la última efectuada en el Perú data de 1972).

Modelo de Educación y Género En términos generales, las variables más relevantes consideradas en los modelos de educación y género pudieron ser construidas a partir de la ENAHO. Es bueno mencionar que los cálculos del INEI respecto a los ingresos y gastos del hogar resultaron ser de suma utilidad para homogeneizar las medidas de estas variables entre todos los modelos. Sin embargo, se encontraron limitaciones vinculadas a la falta de ingreso de datos (observaciones omitidas) y a la falta de preguntas en la encuesta vinculadas con variables potencialmente útiles. Así, en los modelos de analfabetismo se encontró una frecuencia muy alta de respuestas omitidas a la “¿Es Ud. analfabeto?”. Como se detalló en el texto, este hecho llevó a definir como analfabeto a un adulto que no haya concluido los estudios primarios. En estos mismos modelos, dentro del módulo de programas sociales los encuestados no respondieron en casi todos los casos si eran beneficiarios o no de algún programa de alfabetización. Ello impidió que en los modelos estimados se pudiera cuantificar de manera directa el efecto de este tipo de programa en el logro de los ODMs educativos. Una limitación adicional se encontró al estimar el modelo de empleo en el sector no agrícola asalariado. Si bien la ENAHO cuenta con información sobre los ingresos y actividades, no permite identificar del todo en qué sector económico se desenvuelve el encuestado. Por esta razón, la clasificación de personas empleadas en el sector no agrícola se aproximó indirectamente al descontar aquellas personas cuya composición de ingresos y actividades principales (por ejemplo, la opción “chacra”) sugerían que se dedicaban a actividades agrícolas. Se sugiere luego, que futuras versiones de ENAHO cuenten con una clasificación sectorial para la actividad económica de los encuestados.

118

3. Índice de Activos del Hogar88 El índice de activos del hogar es una medida de la riqueza de este último que se basa en la importancia económica y social de la tenencia de determinados activos, características físicas del hogar y facilidades de uso de agua potable y desagüe. La necesidad de utilizar este indicador en la estimación de los modelos se produce como consecuencia de que la Encuesta Demográfica y de Salud 2000 carece de información referida a los ingresos y/o gastos de las familias y, por ello, se usa como variable proxy de estos últimos. Los valores que se utilizan para ponderar la tenencia de los activos en un hogar se hallan a través del análisis de componentes principales. Los factores estimados se multiplican por cada uno de los valores que pueden tomar los activos en un hogar, y que expresan sus facilidades de uso y su tenencia en el mismo; luego se calcula la sumatoria de estos productos. Finalmente, se asigna a cada individuo el valor que tome el índice del hogar en el que vive. Los rubros que se consideran se encuentran especificados en el Cuadro No. A.1 así como el signo que se le atribuye en el caso en que el hogar posea o carezca del activo en cuestión. Cuadro No. A.10 Rubros que componen el Índice de Activos del Hogar y signos relacionados Rubro Signo si posee Signo si no posee Electricidad Positivo Negativo Radio Positivo Negativo Televisión Positivo Negativo Refrigeradora Positivo Negativo Bicicleta Positivo Negativo Carro Positivo Negativo Teléfono Positivo Negativo Computadora Positivo Negativo Trabajador doméstico no Positivo Negativo relacionado con el jefe de hogar Si el hogar trabaja en la parcela Negativo Positivo familiar Número de miembros por Negativo Negativo dormitorio Agua potable dentro del hogar Positivo Negativo (sistema de red dentro del hogar) Pozo dentro del hogar Negativo Positivo Usa río, canal o agua subterránea Negativo Positivo para tomar Usa un pilón público Negativo Positivo Usa un pozo público Negativo Positivo Sistema de agua dentro del edificio Negativo Positivo Usa agua embotellada Negativo Positivo Usa la lluvia como agua potable Negativo Positivo Usa otra fuente de agua potable Negativo Positivo Sistema de desagüe dentro del Positivo Negativo hogar y privado Sistema de desagüe dentro del Positivo Negativo hogar y público Sistema de desagüe fuera del Positivo Negativo 88

Gwatkin, D., S. Runstein, K. Jonson, R. Pande y A. Wagstaff, Socioeconomic differences in health, nutrition and population in Peru , HNP/ Poverty Thematic Group of the World Bank, mayo, 2000.

119

Rubro hogar y privado Sistema de desagüe fuera del hogar y público Usa letrina privada Usa letrina pública Usa arbusto o el campo como letrina Usa otro tipo de letrina Si el piso es de polvo, arena o excremento Si el piso es de triplay Si el piso es de cemento Si el piso es de parquet u otro acabado similar Si usa ladrillo o losa como principal material para el piso Si tiene vinil o tiras de asfalto como principal material para el piso Si tiene otro tipo de material de pavimentación

Signo si posee

Signo si no posee

Positivo

Negativo

Negativo Negativo

Positivo Positivo

Negativo

Positivo

Negativo

Positivo

Negativo

Positivo

Negativo Positivo

Positivo Negativo

Positivo

Negativo

Positivo

Negativo

Positivo

Negativo

Negativo

Positivo

Fuente y Elaboración: Gwatkin, D., S. Runstein, K. Jonson, R. Pande y A. Wagstaff, Socioeconomic differences in health, nutrition and population in Peru, HNP/ Poverty Thematic Group of the World Bank, mayo, 2000.

Adicionalmente, se han construido dos índices más basados en el índice de activos del hogar: uno público y otro privado. El primero concentra información acerca de la tenencia de agua y desagüe, mientras que el segundo aglomera todos los demás (electricidad, radio, televisión, refrigeradora, bicicleta, carro, teléfono, computadora, trabajadora doméstica, tenencia de parcela de tierra, miembros por dorm itorio y la calidad del material del piso, del techo y de la pared del hogar). Por último, con el objetivo de simular los cambios en el índice de activos global y en el índice de activos privado con respecto a los ingresos, se estimaron modelos simples bivariados que relacionan los primeros con el último, utilizando los índices como variables dependientes y el ingreso como dependiente. La fuente de información que se utilizó fue la Encuesta Nacional de Hogares IV Trimestre 2001, que elabora el Instituto Nacional de Estadística e Informática. Así, pues, el coeficiente estimado se utiliza en las simulaciones realizadas con los diferentes modelos para determinar la evolución de los índices a partir de los cambios observados en los ingresos.

120

4. CALCULOS DE COSTOS Metodología para el costeo de las variables vinculadas al ODM 2 y ODM 3 (Educación y Género) Gasto Complementario en Educación (GCE): 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

GCE ? aPobre GCEPobre ? (1 ? aPobre )GCENopobre 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.

121

Está expresada en nuevos soles, lo que la hace fácilmente interpretable como una 89 90 transferencia en efectivo del Estado a los hogares pobres . 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. 39: 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)91

89

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 moti vos simplificadores, se asume que el costo de la totalidad de estas transferencias los asumirá el Estado. 90 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. 91 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.

122

Cuadro No. 40 : 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 Gasto total

2.6

0.1

146.4

29.2

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

90.4

Al respecto, surgen dos observaciones d e importancia: o

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).

o

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: o

GCENo Pobre y GCEPobre evolucionan al mismo ritmo que la economía. Es decir, crecen 92 a la misma tasa que el gasto promedio de los hogares .

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

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

o

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).

Programa de Allfabetización A continuación se detalla el costo del programa de alfabetización. En el primer cuadro se pueden apreciar los costos fijos y los costos por beneficiarios anuales. Sobre la base de ellos, en los cuadros siguientes, habiendo estimado el número de beneficiarios , se procede a costear el programa de alfabetización en los próximos 11 años. 92

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

123

Cuadro No. 41 : Componentes del gasto en el programa de alfabetización Detalle de costos para la alfabetizació n Costos fijos por año Sede Central Unidades Operativas Programa Nacional Dólares

864,000 396,000 1,260,000 360,000

Costos por año por beneficiario Sueldo y utiles promotor 88 Utiles beneficiario 8.2 Dólares 27.4 /1 Se asume (de manera conservadora) que los promotores requeridos por año acceden todos a un nuevo paquete de útiles. Sin redistribución

Hombres Mujeres Costo fijo

Número adicional por año 5,430 9,200

3 Costo por beneficiario por año 27 27

Monto total (11 años) 1,635,322 2,770,711 3,960,000

Número adicional por año 4,781 7,661

5 Costo por beneficiario por año 27 27

Monto total (11 años)

Número adicional por año

1,439,866 2,307,220 3,960,000

4,212 6,371

7 Costo por beneficiario por año 27 27

Monto total (11 años) 1,268,504 1,918,718 3,960,000

Con redistribución

Hombres Mujeres Costo fijo

Número adicional por año 5,350 8,985

3 Costo por beneficiario por año 27 27

Monto total (11 años) 1,611,229 2,705,961 3,960,000

Número adicional por año 4,765 7,623

5 Costo por beneficiario por año 27 27

124

Monto total (11 años)

Número adicional por año

1,435,048 2,295,775 3,960,000

4,235 6,420

7 Costo por beneficiario por año 27 27

Monto total (11 años) 1,275,431 1,933,475 3,960,000

Metodología para el costeo de los programas de alimentación complementaria, vinculados al ODM 1 (Hambre) Modelo de Ingesta calórica Con el objeto de calcular el costo anual unitario (por beneficiario efectivo) de los programas de alimentación complementaria numéricamente más importantes, tales como Comedores Populares y Desayunos Escolares, se utilizaron dos fuentes de información: el Programa Nacional de Asistencia Alimentaria (PRONAA) y la Encuesta Nacional de Hogares (ENAHO) 2002. El PRONAA proporciona en su página de Internet información acerca del gasto ejecutado total en el año 2002. Por otro lado, de la ENAHO se extrajo información de los beneficiarios de los programas en el cuarto trimestre del año 2002. Tal como se muestra en el Cuadro No. 6, para obtener el costo por beneficiario efectivo de cada uno de estos programas, se dividió el monto ejecutado por el PRONAA en cada uno de ellos (Cuadro No. 4), por el número total de beneficiarios proporcionado por la ENAHO (Cuadro No. 5), y se usó un tipo de cambio de 3.5 soles por dólar.

Cuadro No. 4: Inversión en programas de complementación alimentaria (PRONAA)

Ejecutado 2002 PRONAA (S/.) 89,320,392 31,287,271

Comedores Populares Desayunos Escolares

Cuadro No. 5: Beneficiarios ENAHO IV TRIM 2002

Urbano Rural Total Beneficiarios

Comedores populares 518,098 265,162 783,260

Desayunos escolares 292,737 1,043,702 1,336,439

Cuadro No. 6: Costo unitario anual efectivo

Costo unitario anual (US$)

Comedores populares 32.6

125

Desayunos escolares 6.7

Modelo de desnutrición infantil Para el modelo de desnutrición infantil, la variable de política es el monto ejecutado por distrito en los Programas de Alimentación Infantil, que al año 2000 eran: ? ? ?

CEIs (Centro de Educación Inicial) y PRONEIs (Programas no Escolarizados de Educación Inicial) PANFAR: Programa de Alimentación y Nutrición para Familias en Alto Riesgo, ejecutado a través de un convenio entre el PRONAA y la ONG PRISMA; y, PEBAL: Programa de Educación Básica No Escolarizada, que funcionaba sólo en Lima Metropolitana

La Encuesta Nacional de Demografía y Salud (ENDES) 2000, no cuenta con información acerca del acceso de las familias a dichos programas. Es por ello que no se simula el acceso al programa.

Así, se empleó para la estimación el monto ejecutado por el PRONAA en el año 2000 en 1,099 distritos de todo el país. Cada monto fue consignado para cada familia de acuerdo con su distrito de residencia. Así, los resultados de la simulación arrojan directamente un monto de dinero invertido requerido por distrito.

Metodología de costeo de las variables de política vinculadas a los ODM 4 y 5 Con el objetivo de llevar a cabo el costeo de las medidas de política propuestas para alcanzar los ODM No. 4 y 5, se llevarán a cabo dos pasos: 1)

El cálculo del costo unitario de dichas medidas.

2)

La elaboración de la línea de base de las variables de política. Este punto es importante, ya que el factor de expansión de la Encuesta Demográfica y de Salud Familiar es inútil para expandir los datos muestrales a los poblacionales.

Costeo de las Variables de Política Para determinar los costos relacionados con las atenciones de salud, se utilizará como base los Costos estándares de servicios de salud de la mujer y el niño. 93 No obstante, las cifras consignadas en dicho trabajo se encuentran expresadas en nuevos soles de 1999, por lo que será necesario actualizarlas a dólares de febrero de 2004.94 Además, se calculará un promedio simple entre el costo estándar en un hospital y el mismo para un centro de salud, ya que en el estudio se diferencian estos costos para ambos tipos de establecimientos. Este estudio, sin embargo, no considera algunos costos indirectos importantes que tienen que ver con la depreciación de los activos y la infraestructura utilizada. En este caso, se utilizará la información prove niente de un estudio realizado por Policy- AID, en el que se determinó el

93

Ministerio de Salud, Costos estándares de servicios de salud de la mujer y el niño, Proyecto Salud y Nutrición Básica, Lima, abril, 1999. 94 La actualización se llevará a cabo sobre la base de las inflaciones de 2000 (3.8%), 2001 (2%), 2002 (1.5%), 2003 (2.48%), enero de 2004 (0.54%) y febrero (1.09%). Instituto Nacional de Estadística e Informática. www.inei.gob.pe

126

costo de intervenciones de salud materna para doce establecimientos de salud de las zonas 95 más vulnerables del país.

En el caso del costeo de otro tipo de variables de política, como la disponibilidad de seguro, se utilizarán fuentes de información específicas que serán explicadas más adelante. A continuación, se esbozará la metodología a seguir para cada una de las variables de política relevantes.

Seis controles prenatales (control) Para el caso de los controles prenatales, debido a la especificación de la variable sobre la base de seis controles, es necesario considerar un costo que considere todos ellos. Asimismo, hay que tomar en cuenta que, de acuerdo con los costos estándares, existe la primera consulta y la consulta “continuadora”. A fin de incorporar ambos aspectos, se utilizará el costo de una primera consulta más cinco veces el costo de la consulta continuadora. También es importante añadir que las consultas prenatales pueden ser normales y de alto riesgo, sin embargo, para el presente trabajo, se hallará un costo promedio simple de ambas tipos de consulta. Por último, se le añadirá un porcentaje adicional al costo hallado por el uso de la infraestructura y de los equipos asociados a la consulta; éste porcentaje ha sido calculado a partir de la estructura de costos encontrada en el estudio de Policy (2003). Dados los diferentes componentes que constituyen la consulta prenatal, y las distintas maneras en que éstos han sido incorporados como variables explicativas de los diferentes modelos planteados (como un conjunto, o en forma individual), se plantean a continuación tres tipos de costos para la consulta prenatal: 96

Básico, el cual incluirá el uso del material médico y de un técnico de salud, si es el caso . Con Hierro, el cual, además, incluirá el sulfato ferroso. Con exámenes, el cual, además de los anteriores, incluirá el paquete de exámenes que se le hace a una embarazada, y que comprende: hemoglobina, grupo sanguíneo, serología, glicemia, orina y un estudio citológico.

En el siguiente cuadro se muestran el costo de los seis controles para cada una de las acepciones especificadas. Cuadro No. 7: Costo de seis controles prenatales (en dólares febrero 2004) Básico 13.3

Con Hierro 22.85

Con Exámenes 30.52

Fuente: Ministerio de Salud, Costos estándares de servicios de salud de la mujer y el niño, Proyecto Salud y Nutrición Básica, Lima, abril, 1999. Elaboración: Propia

Controles prenatales realizados por un profesional de la salud (con_prof) Se presentan dos posibilidades: que la paciente haya sido atendida por un médico o por una obstetriz. Para realizar el costeo, entonces, se hallará un promedio simple de la atención con 95

Costeo de las intervenciones en salud materna en el Perú: estudios de caso. The Futures Group In.- POLICY, 2003. El costo de atenderse por un profesional de la salud, entiéndase un médico, obstetriz o enfermera, será consignado en otra variable explicativa. 96

127

estos dos tipos de personal calificado, considerando las consultas prenatales normales y de alto riesgo (en este último caso, sólo se costea la atención por parte del médico). Como en el acápite anterior, se tomará el costo del personal calificado para la primera consulta más cinco veces el costo de las consultas continuadoras. El costo de la atención de las seis consultas por un profesional calificado asciende a 4.08 dólares.

Parto asistido por un profesional (parto y prob_parto) Siguiendo al estudio de Costos Estándares, se asume que el parto asisti do por un profesional se lleva a cabo en un establecimiento de salud. El costo final se obtuvo como un promedio simple de aquellos vinculados con la atención de un parto vaginal normal atendido por un médico, por una obstetriz o por un técnico capacitado. Por lo tanto, el costo de un parto asistido por un profesional asciende a 77.07 dólares.

Vacuna contra el sarampión (sar) El costo de la vacuna contra el sarampión, de acuerdo con los costos estándares, es de 0.52 dólares. 1)

Seguro Integral de Salud o ESSALUD (es_sis): Se utilizará el costo promedio por beneficiario programado del Seguro Integral de Salud para el 2003, el cual ascendió a 10.73 dólares.97

2)

Población por Puesto de salud (pob_pues): La inversión necesaria para la construcción de un puesto de salud es de 39,857 dólares, según la inversión programada por FONCODES en el 2003 para este tipo de infraestructura social. 98

3)

Población por Médicos (pob_med): Según el mismo estudio de Policy (2003), el costo anual de un médico asciende a 7,278.54 dólares.

4)

Mejoramiento de la infraestructura del establecimiento de salud (piso_estab, techo_estab y pared_estab): para el caso del material con que han sido construidos los establecimientos de salud, el costo que se asignará involucrará 1 metro cuadrado de piso, pared y techo mejorados. Es decir, se costeará no sólo mejorar una de las variables únicamente, sino que implicará una mejora integral del establecimiento. El costo de 1 metro cuadrado mejorado asciende a 153.15.99

Líneas de Base de las Variables de Política Como ya se mencionó en la introducción de esta sección, el factor de expansión de la Encuesta Demográfica y de Salud no es útil para representar los datos poblacionales por medio de los muestrales. Por ello, se utilizaron diversas fuentes a fin de aproximar los datos poblacionales. En el Cuadro No. 3 se presentan los datos expandidos y un breve comentario de la forma en que fueron estimados.

97

Sistema de Información de la Administración Financiera del Sector Público (SIAF-SP), Ministerio de Economía y Finanzas, 2004. 98 Ibíd.. 99 Costo promedio de diferentes obras del Instituto Nacional de Infraestructura de Salud y Educativa. Entrevista con Juan Gutiérrez, Oficina de Planificación y Presupuesto, febrero, 2004.

128

Cuadro No. 8: Líneas de Base de las poblaciones relevantes para la simulación de las variables de política Variable Con_prof Control Parto Prob_sar Es_sis Pob_pues Pob_hosp Pob_med

105

Piso_estab

Techo_estab106

107

Pared_estab

Población Inicial (al 2000) Número de nacimientos que tuvieron controles prenatales realizados por un 100 profesional: 480,470 101 Número de nacimientos que tuvieron seis controles prenatales: 279,828 Número de nacimientos que fueron asistidos por un profesional en el parto: 102 358,832 Número de niños entre 12 y 59 meses de edad que se vacunó contra el 103 sarampión en la edad adecuada=1,652,096 104 Número de nacimientos en los que la madre tenía seguro público=92871 4989 personas por puesto de salud. 32,520 personas por hospital. 4300 personas por médico. El material promedio del piso es 3.5. Se distribuye de la siguiente manera: 2,694,484.4 m2 de piso (5). 59,636.99 m2 de piso (4). 138,185.35 m2 de piso (3). 847,939.43 m2 de piso (2). 149,549.18 m2 de piso (1). El material promedio del techo es 1.36. Se distribuye de la siguiente manera: - 2,594,215.64 m2 de techo (5) - 170,321 m2 de techo (4). - 58,639.35 m2 de techo (3). - 737,684.73 m2 de techo (2). - 328,674.03 m2 de techo (1). El material promedio de la pared es 3.15. Se distribuye de la siguiente manera: - 12,579,564 m2 de pared (5). - 2,381,192.08 m2 de pared (4). - 323,933.52 m2 de pared (3). - 73,429 m2 de pared (2). - 195,188 m2 de pared (1).

Elaboración: Propia

100

Tasa de natalidad por mil habitantes/1000*número de habitantes*porcentaje de nacimientos controlados por un profesional de la salud=23.7/1000*25.662.000*0.79. Fuente: Instituto Nacional de Estadística e Informática y Encuesta Demográfica y de Salud Familiar ENDES 2000. 101 Tasa de natalidad por mil habitantes/1000*número de habitantes*porcentaje de nacimientos con 6 controles prenatales=23.7/1000*25.662.000*0.4601. Fu ente: Instituto Nacional de Estadística e Informática y Encuesta Demográfica y de Salud Familiar ENDES 2000. 102 Tasa de natalidad por mil habitantes/1000*número de habitantes*porcentaje de nacimientos controlados por un profesional de la salud=23.7/1000*25.662.000*0.59. Fuente: Instituto Nacional de Estadística e Informática y Encuesta Demográfica y de Salud Familiar ENDES 2000. 103 Número de niños entre 0 y 4 años*porcentaje de participación de niños entre 12 y 59 meses de edad en el grupo de 0-5 años*porcent aje de niños entre 12 y 59 meses de edad que se vacunó en edad adecuada=3082644*0.8166. Fuente: Instituto Nacional de Estadística e Informática y Encuesta Demográfica y de Salud Familiar ENDES 2000. 104 Tasa de natalidad por mil habitantes/1000*número de habitantes*porcentaje de nacimientos en los que la madre tenía seguro materno infantil o de ESSALUD=23.7/1000*25.662.000*0.1647. Fuente: Instituto Nacional de Estadística e Informática y Encuesta Demográfica y de Salud Familiar ENDES 2000. 105 Fuente: II Censo de Recursos y Producción del Sector Salud Hospitales-Clínicas, 1999. Oficina de Estadística e Informática del Ministerio de Salud, Lima, 1999. 106 Ibíd. 107 Ibíd.

129