Székely poniendo a la pobreza de ingresos y a la desigualdad

Solo disponible en BuenasTareas
  • Páginas : 36 (8979 palabras )
  • Descarga(s) : 0
  • Publicado : 8 de enero de 2012
Leer documento completo
Vista previa del texto
Poniendo a la pobreza de ingresos y a la desigualdad en el mapa de México
Miguel Székely Pardo, Luis F. López-Calva, Álvaro Meléndez
Martínez, Ericka G. Rascón Ramírez y Lourdes Rodríguez-Chamussy*
Fecha de recepción: 8 de noviembre de 2005; fecha de aceptación: 6 de diciembre de 2006.

Resumen: El presente artículo presenta estimaciones de la pobreza de ingresos y de la desigualdad a nivelestatal y municipal para México. Esta estimación permite mapear la pobreza de ingresos, así como determinar la contribución de cada Estado y Municipio a la pobreza de ingresos nacional. Adicionalmente, facilita la medición del nivel de desigualdad en espacios geográficos desagregados, y la descomposición de la desigualdad en términos de la proporción debida a desigualdades intra-estatales ymunicipales, y entre entidades federativas y municipios. Nuestras estimaciones se basan en mediciones robustas de los ingresos de los hogares, mediante el uso de metodologías que permiten resolver un dilema comúnmente presente en la medición del bienestar, el cual consiste en conciliar la existencia de información desagregable a detalle pero con baja calidad de medición, con información de alta calidadde medición pero con pocas posibilidades de desagregación geográfica.
Palabras clave: pobreza y desigualdad municipal, mapas de pobreza, mapas
de desigualdad e imputación de ingresos.

Introducción
En un estudio reciente, López Calva et al. (2005) adaptaron y aplicaron al caso de México una metodología propuesta por Elbers, Lanjouw y Lanjouw (2003), que consiste en realizar estimacioneseconométricas para incrementar la calidad en la medición y las posibilidades de desagregación de uno de los indicadores de bienestar más comúnmente utilizados: el ingreso de los hogares; es decir, los recursos monetarios y no monetarios con que cuenta la población. La utilidad de este ejercicio consiste en proporcionar la posibilidad de transformar información sobre el bienestar que en su formaoriginal presenta limitaciones de desagregación, para convertirla en datos confiables que puedan desglosarse geográficamente. Generalmente, las fuentes de información sobre los ingresos que proveen datos a nivel de localidades, municipios, y otras áreas geográficas –típicamente los Censos de Población–, presentan un alto grado de subreporte y error.1 Por otra parte,
existe otro tipo de instrumentoscomo las Encuestas de Hogares, que generalmente están diseñadas para medir con detalle el nivel de ingreso o gasto. Sin embargo, por sus requerimientos y altos costos de implementación, suelen aplicarse a muestras representativas de la población, las cuales no permiten obtener estimaciones representativas a nivel de localidad, municipio o incluso de entidad federativa. Es decir, con la informaciónexistente generalmente se presenta un dilema entre calidad de medición y detalle, que consiste ya sea en utilizar información con grandes posibilidades de desagregación pero con alto grado de error, o información con bajo grado de error en su medición pero con pocas posibilidades de desagregación. Por lo tanto, no es posible construir una medida de ingreso agregable en todos sus componentes y que almismo tiempo sea representativa de una área geográfica menor que la que permite el diseño muestral. Esto limita la capacidad para medir los recursos monetarios con los que cuenta una población y, por ende, también limita las posibilidades de estimar indicadores de bienestar como la pobreza, la desigualdad y el desarrollo humano, entre otros. La metodología de Elbers, Lanjouw y Lanjouw (2003) (ELLde aquí en adelante) consiste en un proceso de imputación en dos etapas. En la primera se estima un modelo de ingresos y un modelo de heteroscedasticidad a partir de los datos de una encuesta de hogares. En la segunda etapa
se “imputa” un ingreso a cada uno de los hogares del Censo utilizando el vector de parámetros obtenido en la primera etapa, y se incorpora el modelo de heteroscedasticidad...
tracking img