Metodología para la Medición de la Pobreza Multidimensional
Transcripción
Metodología para la Medición de la Pobreza Multidimensional
Metodología para la Medición de la Pobreza Multidimensional Maria Emma Santos Universidad Nacional del Sur-CONICET y OPHI Taller sobre Indices de Pobreza Multidimensional 18 y 19 de Septiembre 2013 Bogotá, Colombia Una Aplicación: El Indice de Pobreza Multidimensional [Global] Índice de Pobreza Multidimensional (IPM) Alkire y Santos 2010 Alkire, Roche y Seth 2011 Alkire, Conconi y Roche 2013 ¿Qué es el IPM? • Constituye la primera implementacion del metodo directo para la medicion de pobreza en una forma internacionalmente comparable, cubriendo un numero tan grande de paises (104 países en desarrollo). • Fue lanzado en 2010 en el Human Development Report de Naciones Unidas, y actualizado en 2011 y 2013 • La metodología del IPM está siendo adaptada para diversas medidas nacionales – usando indicadores más apropiados para cada contexto. • El IPM construye sobre distintas medidas preexistentes, incluyendo el IPH. ¿Qué mide el IPM? • El IPM mide pobreza aguda entendida como la inhabilidad de una persona para satisfacer simultaneamente minimos estandares internacionalmente comparables, relacionados con los ODMs y con funcionamientos clave. OPHI – equipo IPM 2013 OPHI Research Team: Sabina Alkire (Directora), James Foster (Research Fellow), John Hammock (Co-Fundador y Research Associate), Adriana Conconi (coordinación IPM 2013-14), José Manuel Roche (coordinación IPM 2011-13), Maria Emma Santos (coordinación IPM 2010), Suman Seth, Paola Ballon, Gaston Yalonetzky, Diego Zavaleta, Mauricio Apablaza Analistas y asistentes en el cálculo del IPM desde 2011: Akmal Abdurazakov, Cecilia Calderon, Iván Gonzalez De Alba, Usha Kanagaratnam, Gisela Robles Aguilar, Juan Pablo Ocampo Sheen, Christian Oldiges y Ana Vaz. Contribuciones especiales: Heidi Fletcher (preparación de los mapas), Esther Kwan y Garima Sahai (asistentes de investigación y preparación de gráficos), Christian Oldiges (asistencia de investigación en descomposiciones regionales y errores est;andar), John Hammock (material de campo de Ground Reality Checkl), Yadira Diaz (asistencia en prepación de mapas). Equipo de Comunicaciones: Paddy Coulter (Director de Comunicaciones), Emma Feeny (Research Communications Officer), Heidi Fletcher (Web Manager), Moizza B Sarwar (Research Communications Assistant), y Cameron Thibos (Design Assistant). Apoyo Administrativo: Laura O’Mahony (OPHI Project coordinator), Natasha Francis (OPHI Project Assistant) OPHI prepara el IPM para su publicación en el Human Development Report de UNDP y agradecemos el apoyo de nuestros colegas en HDRO. METODOLOGÍA DEL IPM 1. Datos: Encuestas Demographic & Health Surveys (DHS - 52) Multiple Indicator Cluster Surveys (MICS - 34) World Health Survey (WHS – 17) Adicionalmente, usamos 6 encuestas especiales para Argentina (urbana: ENNyS), Brasil (PNDS), México (ENSANUT), Marruecos (ENNVM), Territorios Ocupados Palestinos (PAPFAM), and Sudáfrica (NIDS) Restricciones: Datos de 2002-2011. No todas las encuestas tienen exactamente los mismos indicadores. Restricciones en los datos El IPM se ve afectado en gran medida ante la falta de comparabilidad de los datos. • ciertos indicadores claves no son cubiertos (stock, calidad) • hay información faltante para algunas dimensiones • valores faltantes conducen a reducciones en el tamaño de la muestra/sesgos • varían los encuestados; la información a nivel individual es escasa • las encuestas son actualizadas cada 3-5 años, y en distintos años • los datos excluyen ciertos grupos (adultos mayores, institucionalizados) • las encuestas de ingreso/consumo no cuentan con los indicadores de salud usados en el IPM Estos problemas pueden mejorarse en medidas nacionales. “Mejorar la recolección de datos y su calidad debería ser una preocupación central en todos los países...” Bourguignon et al. 2008 pág. 6 Dimensiones/Indicadores, Pesos, Umbrales Dimensión Indicador (peso) (peso) Salud (1/3) Educación (1/3) Nutrición (1/6) Mortalidad infantil (1/6) Años de educación (1/6) Asistencia escolar (1/6) Acceso a electricidad (1/18) Privaciones Umbral de Pobreza Al menos un adulto o niño en el hogar con información nutricional es desnutrido Ha muerto al menos un niño en el hogar Ningún miembro del hogar ha completado 5 años de educación Al menos un niño en edad escolar en el hogar no asiste a la escuela hasta el grado 8 La vivienda no tiene electricidad Acceso a saneamiento adecuado (1/18) El baño de la vivienda no es mejorado o se comparte con otros hogares Caidad de vida (1/3) El hogar no tiene acceso a agua potable o la misma está a más de 30 minutos (ida y vuelta) La vivienda tiene pisos de tierra, arena o estiércol Tipo de pisos (1/18) Tipo de combustible para cocinar (1/18) El hogar cocina con estiércol, madera o carbón El hogar no posee más de uno de: radio, TV, teléfono, bicicleta, Tenencia de activos (1/18) motocicleta, o refrigerador, y no posee un carro o camioneta Acceso a agua potable (1/18) Indicadores del IPM y los ODM – Salud • Nutrición ODM 1 (Erradicar la pobreza extrema y el hambre) • Mortalidad ODM 4 (Reducir la mortalidad infantil) – Educacion • Asistencia de niños a la escuela y años de educación ODM 2 (Achieve Universal Primary Education) – Estandar de Vida • Electricidad no es ODM ● Combustible para cocinar ODM 7 • Sanidad ODM 7 ● Agua Potable MDG 7 (Asegurar la Sustentabilidad Ambiental) • Piso no es ODM ● Activos MDG 1 • Omisiones de ODM: genero, enfermedades infecciosas, ingreso, mortalidad materna, medio ambiente, tenencia de la vivenda Indicadores del IPM y los ODMs Notar que... A diferencia de los indicadores de los ODM, los indicadores del IPM utilizan la misma poblacion base: el total de poblacion. El hogar es la unidad de analisis para identificar a los pobres. El IPM utiliza cualquier informacion disponible sobre todos los miembros de cada hogar para identificar todos los miembros del hogar como pobres o no. Esto supone interacciones y externalidades (positivas y negativas) y puede crear eficiencia de politica. Las estimaciones son reportadas en terminos de personas (no hogares). Datos - mejorando MPI 2010 MPI 2013 DHS: 48 DHS: 51 MICS: 35 MICS: 30 WHS: 19 WHS: 17 Special: 2 Special: 6 10 indicatores: 62 10 indicatores 66 Faltan 1 31 Faltan 1 31 Faltan 2 8 Faltan 2 6 Faltan 3 3 Faltan 3 1 Años 2002-11 Años 2000-08 14 Ponderaciones iguales por dimension “la interpretación del conjunto de indicadores se facilita enormemente cuando los componentes individuales tienen grados de importancia que, si bien no exactamente iguales, no son manifiestamente diferentes.” Atkinson, Cantillon, Marlier y Nolan (2002), p. 25 Durante el análisis se realizaron pruebas de robustez de los umbrales y ponderadores Identificación: ¿Quién es pobre? Un individuo es multidimensionalmente pobre si está privado en 33% de las dimensiones Privaciones de Phuba (ci/d): 3*(1/6)+3*(1/18)= (9+3)/18=12/18=67% >33%, entonces ella es POBRE Análisis de robustez – cambios en la línea de pobreza, k Entre países que no muestran un progreso signficativo Multidimensional Poverty Index (MPI) 0 .1 .2 .3 .4 .5 Madagascar 2004-2009 .1 .2 .3 .4 .5 .6 Poverty cutoff (k) Lower Limit T1 MPI T1 Upper Limit T1 .7 .8 Lower Limit T2 MPI T2 Upper Limit T2 .9 1 Senegal 2005-2011 Multidimensional Poverty Index (MPI) 0 .1 .2 .3 .4 .5 0 0 .1 .2 .3 .4 .5 .6 Poverty cutoff (k) Lower Limit T1 MPI T1 Upper Limit T1 .7 .8 Lower Limit T2 MPI T2 Upper Limit T2 .9 1 Análisis de robustez – cambios en la línea de pobreza, k Entre países que muestran un progreso substancial Nepal 2006-2011 Rwanda 2005-2010 .1 .2 .3 .4 .5 .6 Poverty cutoff (k) Lower Limit T1 MPI T1 Upper Limit T1 .7 .8 .9 0 1 .1 .2 .3 .4 .5 .6 Poverty cutoff (k) Lower Limit T1 MPI T1 Upper Limit T1 Lower Limit T2 MPI T2 Upper Limit T2 .8 .9 1 .1 .2 .3 .4 .5 .6 Poverty cutoff (k) Lower Limit T1 MPI T1 Upper Limit T1 .7 .8 Lower Limit T2 MPI T2 Upper Limit T2 .9 1 0 .1 .2 .3 .4 .5 .6 Poverty cutoff (k) Lower Limit T1 MPI T1 Upper Limit T1 .1 .2 .3 .4 .5 .6 Poverty cutoff (k) Lower Limit T1 MPI T1 Upper Limit T1 Multidimensional Poverty Index (MPI) 0 .1 .2 .3 .4 0 0 Lower Limit T2 MPI T2 Upper Limit T2 Ghana 2003-2008 Multidimensional Poverty Index (MPI) 0 .05 .1 .15 .2 .25 Bolivia 2003-2008 .7 .7 .8 .9 1 .9 1 Lower Limit T2 MPI T2 Upper Limit T2 Multidimensional Poverty Index (MPI) 0 .1 .2 .3 .4 .5 0 Multidimensional Poverty Index (MPI) 0 .1 .2 .3 .4 .5 Multidimensional Poverty Index (MPI) 0 .1 .2 .3 .4 Multidimensional Poverty Index (MPI) 0 .1 .2 .3 .4 Bangladesh 2004-2007 .7 .8 Lower Limit T2 MPI T2 Upper Limit T2 .9 1 0 .1 .2 .3 .4 .5 .6 Poverty cutoff (k) Lower Limit 2008 MPI 2008 Upper Limit 2008 .7 .8 Lower Limit 2010 MPI 2010 Upper Limit 2010 Análisis de robustez – cambios en la línea de pobreza, k Casos en el límite: todos con valores de IPM bajos (<0.09) Guyana 2005-2009 Multidimensional Poverty Index (MPI) 0 .02 .04 .06 .08 .1 Multidimensional Poverty Index (MPI) 0 .01 .02 .03 .04 Armenia 2005-2010 0 .1 .2 .3 .4 .5 .6 Poverty cutoff (k) Lower Limit T1 MPI T1 Upper Limit T1 .7 .8 .9 1 0 .1 .2 Lower Limit T2 MPI T2 Upper Limit T2 .3 Lower Limit T1 MPI T1 Upper Limit T1 Jordan 2007-2009 .2 .3 .4 .5 .6 Poverty cutoff (k) Lower Limit T1 MPI T1 Upper Limit T1 .8 .9 1 .9 1 Lower Limit T2 MPI T2 Upper Limit T2 .7 .8 Lower Limit T2 MPI T2 Upper Limit T2 .9 1 Multidimensional Poverty Index (MPI) 0 .05 .1 .15 .2 .1 .7 Peru 2005-2008 Multidimensional Poverty Index (MPI) 0 .02 .04 .06 0 .4 .5 .6 Poverty cutoff (k) 0 .1 .2 .3 .4 .5 .6 Poverty cutoff (k) Lower Limit T1 MPI T1 Upper Limit T1 .7 .8 Lower Limit T2 MPI T2 Upper Limit T2 Phuba 20 21 21 22 22 23 23 24 24 25 26 26 27 27 28 28 29 29 Otras historias Metodología: IPM – matriz g0(k) Tasa de Pobreza Ajustada = M0 = H*A = .442 k=3 (calcular IPM para cada valor de k) Indicadores c(k) c(k)/d 0 0 0 0 0 0 0 0 0 0 0 0 1.67 1.67 1.67 1.67 .55 0 7.76 .776 0 0 0 .55 g 0 (k ) = 0 1.67 0 1.67 .55 0 .55 .55 .55 0 5.53 .553 0 0 0 1.67 .55 .55 .55 0 .55 . 5 5 4.42 .442 H = tasa de pobreza = ¾ = 75% A = privación promedio entre los pobres = (0.776+0.553+0.442)/3=0.59 = 59% M0 = HA = .442 ¿Cómo se calcula el IPM? • El IPM se construye en base al método AF: Fórmula: MPI = M0 = H × A • H es el porcentaje de personas que son pobres, muestra la incidencia de la pobreza multidimensional. • A es el promedio de la proporción de privaciones ponderadas que sufren los pobres. Muestra la intensidad de la pobreza de la gente – la distribución conjunta de sus privaciones. A es nuevo. El IPM es apropriado para datos ordinales y satisface propiedades como consistencia por subgrupos, monotonicidad dimensional, foco en pobreza y privaciones. El IPM es como la brecha de la pobreza – pero mirando su intensidad – lo que sufre una persona al mismo tiempo. ¿Qué es lo novedoso? Intensidad El IPM comienza con cada persona y construye un perfil de privación para cada persona. Algunas personas son identificadas como pobres en base a la distribución conjunta de sus privaciones. El resto de las personas es identificado como no-pobres. • La mayoría de las medidas de pobreza multidimensional como el IPH analizan las privaciones una por una, no a nivel de hogar. • Las medidas de conteo sí analizan privaciones conjuntas pero sólo proveen una tasa de incidencia, sin dar incentivos a focalizarse en aquellos que sufren de más privaciones al mismo tiempo o en reducir la intensidad. Algunas propiedades importantes • Descomposición por Subgrupos: la medida nacional puede ser desagregada por edad, género, región, etnicidad, área urbano/rural, etc. 0.00 Mexico Brazil China Dominican Republic 0.10 Indonesia Ghana Bolivia 0.20 0.30 India MPI Value • Descomposición por Dimensión (luego de la identificación): se puede ver fácilmente qué dimensiones están causando más pobreza para distintos grupos o áreas. Kenya Tanzania 0.40 0.50 Nairobi Central Mozambique North Eastern Urban 0.60 Niger 0.80 Central Rural Eastern Western Coast Rift Valley Nyanza Mali 0.70 Central Urban North Eastern North Eastern Rural Base de datos IPM http://www.ophi.org.uk/multidimensional-poverty-index/mpi-data-bank/ Base de datos IPM: http://www.ophi.org.uk/multidimensional-poverty-index/mpi-data-bank/ Tablas Web : 1) Resultados nacionales (109 países); 2) Resultados subnacionales (65); 3) Resultados análisis en el tiempo (22) Perfiles por país: informes breves con resultados, gráficos y mapas de pobreza para cada país Mapas de pobreza: 1) Mapas interactivos online – StatPlanet; 2) Versión para imprimir – MapInfo/PDF Casos de estudio: profundas entrevistas cualitativas 36 Diapositivas Adicionales CAMBIOS EN EL TIEMPO Alkire y Roche (2013) Comparando IPM en el tiempo 22 países que tienen dos o más DHS comparables. Las definiciones de los indicadores varían en algunos casos. Ajustamos los IPM publicados para generar comparaciones rigurosas. Por lo tanto, estos índices difieren en algunos casos de los resultados publicados para el IPM. Datos más recientes: 2007 – 2011 18 países se remontan 5 a 7 años en el tiempo, los restantes 4 permiten comparaciones que cubren cambios en 2 a 4 años. Datos más antiguos: 1998/9 - 2008 Etiopía: tiene dos comparaciones 2000-2005 y 2005-2010. Se obtuvo informacional adicional de WDI para las comparaciones. Los datos poblacionales se refieren a 2010. Análisis en el tiempo en 22 países Cambios en Bolivia, Etiopía, Nepal y Uganda Ethiopia Cambios en Bolivia, Etiopía, Nepal y Uganda Cambios en el tiempo en el IPM Multidimensional Poverty Index (MPI) over Time Armenia 2005-2010** Jordan 2007-2009 Colombia 2005-2010*** Guyana 2005-2009** Per u 2005-2008* Bolivia 2003-2008*** Zimbabwe 2006-2010/11*** Lesotho 2004-2009*** Ghana 2003-2008*** Cambodia 2005-2010*** Nepal 2006-2011*** Kenya 2003-2008/9*** India 1998/9-2005/6*** Bangladesh 2004-2007*** Nigeria 2003-2008*** Tanzania 2008-2010*** Rwanda 2005-2010*** Malawi 2004-2010*** Uganda 2006-2011*** Madagascar 2004-2008/9 Senegal 2005-2010/11 Ethiopia 2005-2011*** Ethiopia 2000-2005*** .000 18 countries have statistically significant MPI reduction at α=0.05 Note: .100 .200 .300 MPI in Year 1 .400 *** statistically significant at α=0.01 ** statistically significant at α=0.05, * statistically significant at α=0.10 .500 .600 MPI in Year 2 .700 .800 Cambios en el tiempo en el IPM Madagascar 2004-2008/9 Armenia 2005-2010 Jordan 2007-2009 Guyana 2005-2009 Senegal 2005-2010/11 Colombia 2005-2010 Peru 2005-2008 India 1999-2005/6 Zimbabwe 2006-2010/11 Malawi 2004-2010 Kenya 2003-2008/9 Nigeria 2003-2008 Lesotho 2004-2009 Ethiopia 2005-2011 Ethiopia 2000-2005 Uganda 2006-2011 Bolivia 2003-2008 Cambodia 2005-2010 Tanzania 2008-2010 Ghana 2003-2008 Bangladesh 2004-2007 Rwanda 2005-2010 Nepal 2006-2011 -.030 -.025 -.020 -.015 -.010 -.005 .000 Reduccioón Absoluta mas grande en top 7 top 3 .005 Annualized Absolute Variation .010 Multidimensional Poverty Index (MPI) Year 1 Year 2 How do we report the results? Absolute % Relative Armenia 2005-2010 Bangladesh 2004-2007 Bolivia 2003-2008 Cambodia 2005-2010 Colombia 2005-2010 Ethiopia 2000-2005 Ethiopia 2005-2011 Ghana 2003-2008 Guyana 2005-2009 India 1998/9-2005/6 Jordan 2007-2009 Kenya 2003-2008/9 Lesotho 2004-2009 Madagascar 2004-2008/9 Malawi 2004-2010 Nepal 2006-2011 Nigeria 2003-2008 Peru 2005-2008 Rwanda 2005-2010 Senegal 2005-2010/11 Tanzania 2008-2010 Uganda 2006-2011 Zimbabwe 2006-2010/11 .003 .365 .175 .298 .040 .677 .605 .309 .053 .300 .011 .296 .239 .383 .381 .350 .368 .085 .460 .440 .367 .417 .180 (.001) (.007) (.005) (.006) (.002) (.004) (.005) (.007) (.005) (.002) (.002) (.008) (.005) (.016) (.006) (.013) (.011) (.007) (.005) (.019) (.008) (.007) (.006) .001 .289 .089 .212 .023 .605 .523 .202 .041 .251 .011 .244 .182 .400 .334 .217 .313 .066 .330 .423 .326 .343 .145 (.000) (.006) (.003) (.006) (.001) (.005) (.007) (.007) (.002) (.003) (.001) (.010) (.007) (.007) (.005) (.012) (.006) (.004) (.006) (.010) (.007) (.009) (.005) Annualized variation .000 -.025 -.017 -.017 -.003 -.014 -.014 -.021 -.003 -.007 .000 -.009 -.012 .004 -.008 -.027 -.011 -.006 -.026 -.003 -.021 -.015 -.008 -12.9% -7.0% -9.8% -5.8% -8.4% -2.1% -2.2% -6.9% -5.4% -2.4% -3.6% -3.2% -4.8% 1.0% -2.0% -7.6% -3.0% -7.3% -5.6% -0.7% -5.7% -3.5% -4.2% t-statistics for difference 2.36 7.51 13.68 10.03 8.38 6.66 8.26 10.43 2.23 12.81 0.36 4.10 6.34 1.03 6.06 7.61 4.04 1.83 15.55 1.04 3.96 5.70 4.50 ** *** *** *** *** *** *** *** ** *** *** *** *** *** *** * *** *** *** *** Note: 45 *** statistically significant at α=0.01, ** statistically significant at α=0.05, * statistically significant at α=0.10 Cómo cambia el IPM: - Reducciones en la incidencia - Reducciones en la intensidad Reduciendo incidencia e intensidad País A: País B: Política de reducción de pobreza (sin foco en desigualdad) Política orientada a los más pobres entre los pobres Multidimensional Headcount (H) 75.00 70.00 Intensity Intensity of Deprivations (A) 60.00 0.42 59.00 0.41 58.00 Multidimensional Multidimensional Headcount Headcount (H) (H) Multidimensional Poverty Index (MPI = H * A) 0.40 75.00 75.00 Before 70.00 70.00 0.39 57.00 65.00 60.00 56.00 55.00 0.42 0.42 59.00 59.00 0.41 0.41 58.00 58.00 57.00 57.00 65.00 65.00 0.37 0.36 54.00 0.35 After 60.00 60.00 0.34 0.33 52.00 56.00 56.00 50.00 50.00 0.31 0.30 0.38 0.38 0.37 0.37 54.00 54.00 0.35 0.35 52.00 52.00 51.00 51.00 Before Before 0.39 0.39 0.36 0.36 0.32 51.00 0.40 0.40 55.00 55.00 53.00 53.00 55.00 55.00 Multidimensional Multidimensional Poverty Poverty Index Index (MPI (MPI = =H H ** A) A) 60.00 60.00 0.38 55.00 53.00 Intensity of Intensityof Deprivations Deprivations (A) (A) 0.34 0.34 0.33 0.33 0.32 0.32 0.31 0.31 50.00 50.00 50.00 0.30 0.30 País B redujo la intensidad de50.00 las deprivaciones entre los pobres en mayor medida. El índice final refleja esto. (IPM satisface Monotonicidad Dimensional) After Reducir incidencia o intensidad? 0.2 Bad/Bad Good/ Bad Annual Absolute Variation in Intensity (A) 0 -5 -4 -3 -2 Reduction in Incidence of Poverty (H) -1 0 1 2 -0.2 -0.4 -0.6 Lo mejor es reducir simultáneamente la incidencia e intensidad de la pobreza -0.8 Reduction in Intensity of Poverty (A) -1 -1.2 -1.4 Good /Good Bad/Good -1.6 Annual Absolute Variation in % Headcount Ratio (H) 48 Reducir incidencia o intensidad? 49 Reducir incidencia o intensidad? La misma reducción en incidencia pero diferente reducción en intensidad de la pobreza 50 Reducir incidencia o intensidad? Diferentes grupos – diferentes caminos a la reducción de pobreza? 51 Reducción IPM Rwanda 2005-2010 -.026 Ethiopia 2005-2011 Nigeria 2003-2008 -.014 -.011 Diferente camino a la reducción de pobreza Rwanda 2005-2010 32% 68% Ethiopia 2005-2011 Nigeria 2003-2008 6% 55% 94% 45% Incidence of poverty effect (H) Intensity of poverty effect (A) Intensidad e Incidencia: ambos reducen IPM Madagascar Notablemente, Etiopía, Malawi y Senegal siguen un camino de reducción de intensidad 22% 15% 26% 29% 21% 33% 32% 21% -.030 -.025 -.020 -.015 107% Armenia Jordan 95% Guyana 16% 16% Senegal 10% 90% Colombia 14% 86% Peru 88% 12% India 21% 79% Zimbabwe 40% 60% Malawi 17% 83% Kenya 6% 94% Nigeria 17% 83% Lesotho 45% 55% Ethiopia 2 63% 37% Ethiopia 1 78% Uganda 85% Bolivia 74% Cambodia 71% Tanzania Ghana 79% 67% Bangladesh 68% Rwanda Nepal 79% -.010 -.005 .000 .005 .010 Annualized Absolute Variation in MPI 53 Cómo cambia IPM: - Reducciones en cada indicador Cómo redujeron IPM los mejores países Nepal (.350) Bangladesh (.365) Rwanda (.460) Annualized Absolute Change in proportion who is poor and deprived in... 0.00 -1.00 -2.00 -3.00 -4.00 -5.00 -6.00 -7.00 Nutrition Child Mortality Years of Schooling Attendance Cooking Fuel Sanitation Water Electricity Floor Assets -8.00 Otros patrones de reducción Ghana (.309) Tanzania (.367) Cambodia (.298) Bolivia (.175) Annualized Absolute Change in proportion who is poor and deprived in... 1.00 0.00 -1.00 Nutrition Child Mortality Years of Schooling Attendance -2.00 Cooking Fuel Sanitation -3.00 Water -4.00 Electricity Floor Assets -5.00 Otros patrones de reducción Madagascar (.383) Malawi (.381) Uganda (.417) Annualized Absolute Change in proportion who is poor and deprived in... 0.03 0.01 -0.01 Nutrition Child Mortality Years of Schooling Attendance -0.03 Cooking Fuel Sanitation -0.05 Water -0.07 Electricity Floor Assets -0.09 Cambios en IPM Subnacional: - Yendo más allá de promedios - Mostrando disparidades “No dejes atrás a nadie” (HLP2015) 59 Cambios en el tiempo en Rwanda Rwanda 2005-2010: Annualized Absolute Changes in Regional MPI North (0.481) West (0.481) East (0.479) South (0.469) National (0.460) City of Kigali (0.260) 0.000 Annualized Absolute Change in the regional MPI -0.005 -0.010 -0.015 -0.020 -0.025 -0.030 -0.035 -0.040 -0.045 -0.050 Países como Rwanda muestran igual ritmo de reducción en todas sus regiones 60 Cambios en el tiempo en Nepal Annualized Absolute Change in the regional MPI Nepal 2006-2011: Annualized Absolute Changes in Regional MPI 0.000 -0.005 -0.010 -0.015 -0.020 -0.025 -0.030 -0.035 -0.040 -0.045 -0.050 Países como Nepal muestran una reducción desigual de pobreza entre sus regiones 61 Cambios en el tiempo en Nigeria Nigeria 2003-2008: Annualized Absolute Changes in Regional MPI South East (.131) South West (.132) South South (.215) North Central (.321) National (.368) North West (.530) North East (.552) 0.010 Annualized Absolute Change in the regional MPI 0.000 -0.010 -0.020 -0.030 -0.040 -0.050 62 A Ba rm ng en la ia de Bo s h C liv am ia bo C Et o dia hi lom o Et pia bia hi op 00/ ia 05 05 / G 11 ha G na uy a Jo na rd a Ke n Le nya so th N o ep Ni al ge ri a P R eru w a Se nda Zi neg m ba al bw e Annualized Absolute Variation in MPI -.2 -.1 0 En algunos países observamos Changes over time inaumentos MPI y caídas en la pobreza simultáneamentente: Senegal, Nigeria y Zimbabwe Si bien las comparaciones deben hacerse con cuidado, se observan grandes disparidades en el progreso en Camboya, Etiopía, Nepal y Senegal63 DÓNDE VIVEN LOS POBRES 109 Países en Desarrollo: ~ 31 Países de Ingresos Bajos, (700.9 M) ~ 70 Países de Ingresos Medios, (4557.9 M), de los cuales: ~ 42 Ingreso Medio Bajo (2378.9 M) ~ 28 Ingreso Medio Alto (2179.0 M) ~ 8 Países de Ingresos Altos (41.2 M), de los cuales: ~ 5 OECD (29.2 M) ~ 3 no OECD (12 M) Población Total: 5.3 Billion people Que representa 78% de la población mundial (population figures from 2010; data from 2000-2011). IPM varía mucho dentro de las categorías de ingreso Niger Ethiopia Mali Burundi Burkina Faso Liberia Guinea Somalia Mozambique Sierra Leone Senegal DR Congo Benin Uganda Rwanda Timor-Leste Madagascar Malawi Tanzania Zambia Chad Mauritania Cote d'Ivoire Gambia Bangladesh Haiti Togo Nigeria India Cameroon Yemen Pakistan Kenya Lao Cambodia Nepal Republic of Congo Namibia Zimbabwe Lesotho Sao Tome and Principe Honduras Ghana Vanuatu Djibouti Nicaragua Bhutan Guatemala Indonesia Bolivia Swaziland Tajikistan Mongolia Peru Iraq Philippines South Africa Paraguay China Morocco Suriname Guyana Estonia Turkey Egypt Trinidad and Tobago Belize Syrian Arab Republic Colombia Sri Lanka Azerbaijan Maldives Kyrgyzstan Dominican Republic Hungary Croatia Viet Nam Mexico Czech Republic Argentina Tunisia Brazil Jordan Uzbekistan Ecuador Ukraine Macedonia Moldova Uruguay Thailand Latvia Montenegro Palestinian Territories Albania Russian Federation Serbia Bosnia and Herzegovina Georgia Kazakhstan United Arab Emirates Armenia Belarus Slovenia Slovakia Comparing the Headcount Ratios of MPI Poor and $1.25/day Poor 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Intensity 69.4% & More Intensity 50-69.4% Intensity 44.4-50% Intensity 33.3-44.4% $1.25 a day Población Total en los 104 países del IPM 2013 Europe and Central Asia 7.5% SubSaharan Africa 14.3% South Asia 29.8% Arab States 4.2% Latin America and Caribbean 9.5% East Asia and Pacific 34.6% Individuos pobres por IPM, por región La mitad de la población mundial considerada en el IPM vive en Asia del Sur, y 29% en África SubSahariana Europe and Central Asia 0.7% Sub-Saharan Africa 28.90% Arab States 2.12% Latin America & Caribbean 2.2% East Asia & Pacific 14.9% South Asia 51.3% La mayoría de las personas pobres viven en países de ingresos medios. 72% de los pobres por IPM vive en Países de Ingresos Medios Población Total por Categoría de Ingreso Ingresos Altos 0.8% Ingresos Altos 0.1% Ingresos Bajos 12.7% Ingresos Medios Bajos 45.4% Población Pobre por IPM Ingresos Medios Altos 41.1% Datos poblacionales 2010 Ingresos Medios Altos 12.3% Ingresos Bajos 27.5% Ingresos Medios Bajos 60.1% IPM y $1.25 por día: complementarios IPM vs $1.25/día: 16 comparaciones Difícil comparar tendencia de IPM vs $1.25 dado a la poca frecuencia en los datos • • • • Comparaciones para el mismo año sólo están disponibles para Perú y Colombia. No hay datos de $1.25 para Zimbabwe. En el caso de 8 países, los datos de $1.25 data son anteriores a los comparables de IPM: Armenia, Ghana, Guyana, Kenya, Lesotho, Malawi, Tanzania y Uganda. Como los períodos son distintos, usamos una interpolación de $1.25 para 7 países: Bangladesh, Bolivia, Camboya, Jordania, Malawi, Nigeria y Rwanda. Cambios en el IPM vs brecha de pobreza $1.25 (relativa) 0.1 MPI Gap $1.25 Relative variation 0.05 0 -0.05 -0.1 -0.15 -0.2 -0.25 -0.3 -0.35 La mayoría de los países con mejor desempeño redujeron el IPM tanto como o incluso en mayor medida que la pobreza por ingresos. Los rankings son muy distintos! Cambios en H (IPM) vs incidencia $1.25 (relativa) 0.05 Relative variation 0 -0.05 -0.1 -0.15 -0.2 Incidence (H) -0.25 -0.3 -0.35 Incidence $1.25 Análisis de Robustez Robustez de los rankings del IPM a: • • • • • Composicion del Hogar Umbrales de Privacion (Indicadores) Pesos Los resultados de robustez pertenecen a Umbral de Pobreza (k) los calculos del IPM Variabilidad Muestral 2010 a menos que lo indiquemos, y estan presentados en Alkire y Santos (2013) OPHI WP 59. Composición del Hogar • Test de hipótesis para evaluar si los hogares pobres por MPI: a) b) c) d) e) f) Son más grandes Tienen mayor número de niños menores de 5 Tienen mayor número de niños en edad escolar Tienen mayor número de mujeres en edad reproductiva Tienen mayor número de mayores de 50 años Tienen mayor probabilidad de tener jefa mujer (proporción de hogares pobres con jefa mujer vs. proporción de hogares no-pobres con jefa mujer). (se consideró la estratificación y clustering para el cómputo de errores estándar) 76 Composición del Hogar: Los hogares pobres tienen… (porcentaje ponderado por población de 2007 de países donde Signific. No signific. los hogares pobres Signific. tienen…) mayor menor distinto Tamaño del hogar 49.6% 38.2% 12.2% Número de mujeres 47.8% 38.1% 14.1% Número de niños menores de 5 56.3% 7.5% 36.2% Niños en edad escolar 59.4% 5.5% 35.1% Jefa mujer 11.1% 36.1% 52,8% Número de personas 50+ 19.4% 42.5% 38.1% 77 Composición del Hogar: Los hogares pobres tienen… En general, no hay una diferencia significativa en el tamaño del hogar (porcentaje ponderado y # de mujeres por población de 2007 de países donde los hogares pobresSignific. tienen…) Signific. No signific. mayor menor distinto Tamaño del hogar 49.6% 38.2% 12.2% Número de mujeres 47.8% 38.1% 14.1% Número de niños menores de 5 56.3% 7.5% 36.2% Niños en edad escolar 59.4% 5.5% 35.1% Jefa mujer 11.1% 36.1% Número de personas 50+ 19.4% En general, lá 52,8% probabilidad de tener 42.5% 38.1% niños es mayor para los hogares pobres por IPM 78 Composición del Hogar • Realizamos algunos tests separando valores “Bajos”, “Medios” y “Altos” del MPI, así como diferencias regionales. Alkire y Santos 2013, OPHI WP 59 • MPI Bajo: el 16.6% de los países menos pobres ponderados por población • MPI Medio: el 45% central de los países ponderados por población • MPI Alto: el 38% menos pobre de los países ponderados por población • Nota: los grupos no tienen la misma población debido a China e India,, 79 pero se dividieron por centiles 33% y 66%. Composición del hogar por nivel del MPI • Países con MPI bajo: 18.6% de estos países tienen hogares pobres con tamaño sig. mayor que los no-pobres, mientras que 76% tienen tamaño menor. • Países con MPI medio: 47.3% de estos países tienen hogares pobres con tamaño sig. mayor; 23% sig. menor. • Países con MPI alto: 85% de estos países tienen hogares pobres con tamaño sig. mayor que los no-pobres. • Un patrón similar se repite para el número de niños menores de 5, niños en edad escolar y número de mujeres. 80 Entendiendo el ‘sesgo’ en la composición de hogares en países con MPI alto 1. La pobreza IPM podría ser objetivamente más elevada para hogares de mayor tamaño y con más niños. 2. El diseño muestral y la construcción de los indicadores IPM podría ‘inflar’ inadecuadamente la pobreza aparente en hogares de gran tamaño. 3. Los indicadores IPM podrían tener un sesgo justificado: reflejan la prioridad de los niños y mujeres en los ODM, al ser grupos vulnerables. Robustez ante cambios en las líneas de corte/indicadores a) 3 medidas alternativas de nutrición infantil (peso-poredad, peso-por-altura y altura-por-edad), y diferente población de referencia b) Mortalidad infantil con y sin restricciones de edad c) Incluir asistencia escolar vs usar sólo años de educación d) Ignorar tiempo que lleva obtener agua en el indicador de agua potable e) Requerir agua por tubería, inodoros con arrastre de agua y pisos mejorados (considerando palma de bambú/tabla de madera como privado), para estar no privado en agua, saneamiento y pisos Robustez ante cambios en las líneas de corte/indicadores • Se computó el MPI en cada caso, se obtuvo el ranking de países y se calculó el índice de correlación de Spearman entre los rankings. • Todas las correlaciones de Spearman entre los rankings superan 0.96, y el Kendall-Tau b (ajusta por empates) supera 0.86. Robustez ante cambios en los pesos • Recuerden: el MPI varía entre 0 y 0.642, y la incidencia varía entre 0 y 93% • Re-ponderando cada dimensión: – 33% – 33% – 33% 50% 25% 25% • ¿Cuál es el efecto sobre: – MPI, H, A? – Ranking de países? 25% 50% 25% 25% 25% 50% Robustez ante cambios en los pesos MPI Weights 1 Equal weights: 33% each (Selected Measure) 50% Education Pearson 0.992 MPI 25% Health Spearman 0.979 Weights 2 Kendall (Taub) 0.893 25% LS 50% Health Pearson 0.995 MPI 25% Education Spearman 0.987 Weights 3 Kendall (Taub) 0.918 25% LS Pearson 0.987 50% LS MPI 0.985 25% Education Spearman Weights 4 Kendall (Taub) 0.904 25% Health Number of countries: 109 MPI Weights 2 MPI Weights 3 50% Education 50% Health 25% Health 25% Education 25% LS 25% LS 0.984 0.954 0.829 0.965 0.973 0.863 0.975 0.968 0.854 Robustez ante cambios en los pesos En síntesis: • Altas correlaciones: 0.97 y superior • Alta concordancia en rankings: 0.90 y superior • 85% de todas las comparaciones de a pares son robustas Robustez ante cambios en la línea de pobreza, k • 90% de todas las posibles comparaciones de a pares son robustas para k entre 20 y 40%. • Test más estricto: usando bootstrap – Computar por bootstrap el intervalo de confianza (95%) del MPI para cada valor de k. – Realizar comparaciones de a pares: dados dos países, A y B, B domina a A si el límite inferior del MPI de A (estimado por bootstrap) es estrictamente mayor que el límite superior del MPI de B (estimado por bootstrap), para todos los posibles valores de k. – Se encuentran comparaciones robustas (bootstrap) en 87.4% de todos los casos para k entre 20 y 40%. Robustez ante cambios en la línea de pobreza, k Comparaciones de a pares por región (bootstrap) : • Asia del Sur: 90% de las comparaciones de a pares son robustas (5 países) • África Sub-Sahariana: 85.9% (37 países) • Estados Árabes: 87.3% (11 países) • América Latina y el Caribe: 77.9% (18 países) • Asia del Este y Pacífico: 77.8 % (11 países) • Europa Central y del Este: 44.3% (24 países) Robustez ante cambios en la línea de pobreza, k El nivel de robustez por región (bootstrap) varía con el número de indicadores y la encuesta. • Cuando se evalúan sólo países que cuentan con los 10 indicadores: 91.2% de las comparaciones son robustas. • Cuando se evalúan sólo DHS: 91.7% de las comparaciones son robustas. 0 .1 MPI .2 .3 .4 Robustez del MPI en Asia del Sur 10% 20% 33% 40% 50% k Bangladesh MPI India MPI Nepal MPI 60% 70% 80% Bhutan MPI Maldives MPI Pakistan MPI 90% 100% Análisis de robustez – cambios en la línea de pobreza, k Entre países que no muestran un progreso significativo Multidimensional Poverty Index (MPI) 0 .1 .2 .3 .4 .5 Madagascar 2004-2009 .1 .2 .3 .4 .5 .6 Poverty cutoff (k) Lower Limit T1 MPI T1 Upper Limit T1 .7 .8 Lower Limit T2 MPI T2 Upper Limit T2 .9 1 Senegal 2005-2011 Multidimensional Poverty Index (MPI) 0 .1 .2 .3 .4 .5 0 0 .1 .2 .3 .4 .5 .6 Poverty cutoff (k) Lower Limit T1 MPI T1 Upper Limit T1 .7 .8 Lower Limit T2 MPI T2 Upper Limit T2 .9 1 www.ophi.org.uk