Indice de Marginacion

Índice de Marginación
como función de Variables
Empleadas por el PNUD
Xóchitl Arce
Rocío León
Gustavo Ramírez

Rafael Gómez
Yamil Nares
Lisselle Vázquez

Planteamiento del Problema
La medición de la pobreza (y el desarrollo) tiene
distintas concepciones. En este trabajo se
presentan dos de ellas, la primera es la
desarrollada por el Consejo Nacional de Población
(CONAPO) y la segunda por elorganismo
internacional que es referente obligado para
efectuar comparaciones internacionales, el
Programa de Naciones Unidas para el Desarrollo
(PNUD).

Planteamiento del Problema (cont.)
La intención es mostrar la asociación (y el
grado en que ésta se da) entre el Índice de
Marginación y las variables a partir de las
cuales se construye el Índice de Desarrollo
Humano

Marco Teórico


Índice deMarginación
 Variables



que lo componen

Índice de Desarrollo Humano
 Variables

que lo componen

El Modelo
I .M .  0  1Mort   2 Alfab  3 IndEsc   4 IndPIB  ui






I.M.: Índice de Marginación
Mort: Tasa de Mortalidad Infantil
Alfab: Porcentaje de población de 15 años y
más alfabeta
IndEsc: Índice de población de 6 a 24 años que
no asiste a la escuela
IndPIB: Índice deProducto Interno Bruto (en
USD) per cápita

Modelo Muestral
Dependent Variable: IMARG
Method: Least Squares
Date: 05/15/04 Time: 11:36
Sample: 1 500
Included observations: 499
Excluded observations: 1
Variable
C
INDESC
MORT
ALFAB
INDPIB
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

Coefficient Std. Error
t-Statistic
Prob.
-0.578858
0.266677-2.170631
0.030400
1.636532
0.523404
3.126711
0.001900
0.086893
0.003185
27.278560
0.000000
-0.028571
0.003922
-7.285317
0.000000
-1.730692
0.132583 -13.053610
0.000000
0.942435
0.941969
0.241301
28.763700
3.895891
1.893686

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

0.040403
1.001680
0.004425
0.046636
2021.905000
0.000000

Verificación deSupuestos
Normalidad
 No Multicolinealidad
 No Autocorrelación
 Homoscedasticidad


Conclusión
El modelo satisface dos puntos que, a juicio
de los autores, son determinantes
 Cumple los supuestos de Normalidad,
Homoscedasticidad y No Autocorrelación.
 El Coeficiente de Determinación Ajustado
es muy elevado (0.942), por lo que puede
afirmarse que las variables independientes
seleccionadasexplican 94.2% de la
variación total en la estimación de la
variable dependiente.

Análisis de Coeficientes
I .Mˆ .   0.579 1.637 IndEsc  0.087 Mort  0.029 Alfab  1.731 IndPIB
( 0.054)



( 0.002)

( 0.000)

( 0.000)

( 0.000)

Variables Asociadas Directamente
 Índice

de Escolaridad
 Tasa de Mortalidad


Variables Asociadas Inversamente
 Alfabetismo
 PIB

per cápita

Recomendaciones



Para disminuir marginacion combatir el analfabetismo, etc.
Modelo de cada municipio, entonces correr el mismo modelo para
regiones parecidas
Dependiendo de la beta mas grande, combatir la marginacion con
politicas de empleo, obras publicas en las regiones mas afectadas y
con las politicas de abao



Política de gasto



Política de empleo
Política educativa escuelas, maestros
Política desalud hospitales (mortalidad)




Supuestos: Normalidad
H 0 : ui ~ N(0, );
2

H A : ui ~ N(0, 2 );
 A2 K  32 

JB  n


6
24


 (0.207) 2 3.139  32 
  3.967
JB  499


6
24


2
ˆ  P(  2,  3.967)  0.138

Supuestos: Normalidad
50
S eries: Residuals
S ample 1 500
Observations 499

40

30

20

Mean
Median
Maximum
Minimum
S td. Dev.
S kewness
K urtosis

1.30E -14-0.016680
0.751444
-0.770627
0.240330
0.207089
3.138837

Jarque-B era
P robability

3.967453
0.137556

10

0
-0.8

-0.6

-0.4

-0.2

0.0

0.2

0.4

0.6

0.8

Regresar

Supuestos: No Multicolinealidad
Es menester plantear que, a priori, las variables
independientes (a saber, la mortalidad infantil, la
tasa de alfabetización, el PIB per cápita y la
escolaridad) en una escala u otra son todas...