Asociacin entre Ruralidad, Oportunidades y Pobreza en
los cantones de Costa Rica
Universidad de Costa Rica Maestra en Estadstica Keylor Carmona
Introduccin
Si bien existe consenso entre los distintos analistas en que las causas de la pobreza son complejas, y multidimensionales tanto entre las reas urbanas como rurales; el tema de la pobreza rural retoma especial inters entre los promotores del desarrollo econmico latinoamericano por cuanto su incidencia y severidad parecen mantenerse o agravado en el ltimo cuarto de siglo (Echeverra, 2000), adicionalmente, una buena parte de la pobreza urbana se origina en los esfuerzos de los pobres rurales por intentar escapar de la pobreza desplazndose a las ciudades (FMI, 2001).
En cuanto a las causas, si bien el tema particular de la pobreza rural constituye y comprende entre otros elementos, aspectos relacionados con la cultura, el clima, el gnero, los mercados y las polticas pblicas (FMI, 2001), tambin existe consenso en que la pobreza en este caso se debe a la ausencia de oportunidades de empleo, educacin, salud, infraestructura productiva, acceso al crdito, y dems servicios de apoyo.
La presente investigacin aplica la tcnica de modelos estructurales lineales a partir de variables latentes y variables observadas (modelos LISREL), con el objetivo cuantificar la asociacin entre la ruralidad y la ausencia de oportunidades y el nivel socieconmico de los cantones. Metodologa Variables y fuentes de informacin
La informacin a nivel cantonal se obtuvo de las estadsticas censales a partir del Censo de Poblacin y Vivienda del ao 2000 (CPV-2000) realizado por el Instituto Nacional de Estadstica y Censos (INEC). Ciertas variables fueron procesadas directamente de la informacin censal a partir de la pgina web del INEC www.inec.go.cr entre estas: Proporcin de ocupados en agricultura, cobertura de agua potable dentro de las viviendas, y densidad de poblacin. Otras variables fueron recopiladas gracias al programa Info-Censos del Centro Centroamericano de Poblacin (CCP) que publica estas estadsticas en su pgina web www.ccp.ucr.ac.cr . Entre stas se encuentran: Mortalidad Infantil por cada 100 hijos en mujeres entre 20 y 34 aos, porcentaje de analfabetismo, asistencia escolar entre jvenes entre 5 y 24 aos, desempleo abierto, porcentaje de poblacin sin seguro social, personas con discapacidad por cada 1000 habitantes, y razn de dependencia demogrfica. 1
Otro conjunto de estadsticas fueron obtenidas de las variables que emplea el Ministerio de Planificacin Nacional (MIDEPLAN) para construir el ndice de Desarrollo Social Cantonal (IDS) y disponibles en su pgina web www.mideplan.go.cr . Especficamente: Nacimientos en madres menores a 19 aos, tasa general de mortalidad, tasa de diarrea por cada 1000 habitantes, porcentaje de aprobacin del I y II ciclo de enseanza primaria, desercin de secundaria, y la cobertura elctrica.
Adicionalmente otros indicadores particularmente sobre nivel socioeconmico se obtuvieron de los resultados de la estimacin para reas pequeas realizadas por Carmona, Ramos y Snchez (2005) para el ao 2001. Especficamente: Mediana del ingreso de los habitantes de cada cantn, el porcentaje de poblacin pobre segn lnea de ingreso, y el ndice de polarizacin social 1 .
Finalmente es importante notar que todas las variables fueron normalizadas cuando as se requiri y homogenizadas en sus rangos de variacin y direccin de tal forma que todas variaran entre 0 y 100, y adicionalmente que todas estuvieran asociadas a mayores niveles de ruralidad, escasez de oportunidades (laborales, educativas, etc) y bajos niveles socioeconmicos. Tcnica de anlisis
Como instrumento de anlisis, se utiliz la tcnica de modelos estructurales lineales a partir de variables latentes y variables observadas (modelos LISREL). Para una introduccin a esta tcnica y especificaciones para el uso del programa respectivo vase Diamantopoulos y Siguaw (2000).
En trminos generales, esta tcnica permite estimar modelos de ecuaciones simultneas entre variables no observadas directamente, conocidas como latentes, y sus variables observadas. En trminos prcticos representa una combinacin de las tcnicas estadstcas de anlisis de factores y los modelos de ecuaciones simultneas desarrolladas en la econometra. Sus procedimientos estadsticos parten de la proyeccin de la matriz de varianzas y covarianzas a partir de las variables explicativas y con las restricciones estructurales derivadas de las relaciones establecidas entre las mismas. Especificacin del modelo
Luego de anlisis previos a partir de la tcnica de anlisis de factores, se decidi incorporar al anlisis 7 variables observables y tres variables latentes. La variable latente Rural se construy a partir de las variables observables densidad de poblacin (dens) y proporcin de ocupados en el sector agrcola (Ocupag).
1 Este ltimo indicador mide el distanciamiento entre el grupo de mayor ingreso y el de menor ingreso en cada cantn. 2 La variable latente Deficiencia de oportunidades (Def_opor), se construy a partir de las variables observables deficiencia en la cobertura de agua potable dentro de la vivienda (Def_Agua), Desercin en secundaria (DescIII), Deficiencia en la cobertura del Seguro Social (Def_SS).
Finalmente, la variable latente Bajo Nivel Socioeconmico (Bajo_NSE), se construy a partir de las variables observables ndice de rezago en mediana del ingreso del cantn (Meding2), endice de pobreza a partir de la lnea de pobreza (PbY).
La interaccin de las ecuaciones se muestra a continuacin:
4 6 _ + = NSE Bajo PbY 5 7 _ 2 + = NSE Bajo Meding
3 Resultados y Anlisis
Tal y como se muestra en las figuras 1 y 2, el modelo especificado puede ser estimado, observndose que todos los parmetros son positivos tal y como se esperaba. Sin embargo se presentan dificultades en la estimacin de determinados errores estandar, as como en las pruebas t.
As mismo, los resultados demuestran contrario a lo esperado una baja relacin entre la variable latente Deficiencia de oportunidades (def_opor) y Bajo nivel socioeconmico (Bajo_NSE) de 0.01. Este resultado plantea a pesar de las posibles deficiencias en las variables utilizadas para construccin de ambas variables latentes, la hiptesis de que la deficiencia de oportunidades no es la causa del bajo nivel socioeconmico, sino una consecuencia del mismo. Sin embargo este resultado puede deberse a la condicin transversal del anlisis, por lo que es posible que la asociacin esperada inicialmente entre oportunidades y nivel socioeconmico resulte ms evidente en estudio con informacin temporal, especialmente estudios de cohorte.
La asociacin causal observada entre la variable latente de ruralidad con la correspondiente a deficiencia de oportunidades, y bajo nivel socioeconmico si resulta significativa y cercanas a la unidad (0.71 y 0.95 respectivamente). Este resultado sugiere que la dinmica de las reas rurales estn estadsticamente relacionadas con la deficiencia de oportunidades, y con bajos niveles socioeconmicos.
En cuanto a la eficiencia interna del modelo estimado, es importante notar que dos ecuaciones, particularmente la que asocia deficiencia de acceso a agua con el constructo de deficiencia de oportunidades, y la que asocia el ndice de resago en el ingreso (MEDING2) con el constructo de bajo nivel socioeconmico, presenta problemas de especificacin generando errores estndar negativos y R2 superiores a uno.
Por otra parte el estudio de la validez del modelo y su bondad de ajuste, muestran que es necesario mejorar en futuros estudios sus especificaciones debido a que no es apropiado para ajustar las interacciones poblacionales (chi 2 presenta un nivel de significancia cercano al 3%).
Otros indicadores que prueban la bondad del ajuste de la matriz de varianzas y covarianzas, como el RMSEA, y el ECVI se encuentran en lmites de baja aceptabilidad (0.079, 0.07 , respectivamente), lo que confirma la necesidad de mejorar la especificacin del modelo.
4 Figura 1: Resultados de los parmetros estandarizados del modelo estimado.
Figura 2: Valor de los estadsticos t significativos del modelo estimado.
5
Cuadro 1. Resultados de ajuste del modelo Degrees of Freedom 11 MinimumFit Function Chi-Square .83 (P =0.019) Normal Theory Weighted Least Squares Chi-Square .60 (P =0.028) Estimated Non-centrality Parameter (NCP) 10.6 90 Percent Confidence Interval for NCP (1.10 ; 27.85) MinimumFit Function Value 0.29 Population Discrepancy Function Value (F0) 0.13 90 Percent Confidence Interval for F0 (0.014 ; 0.35) Root Mean SquareError of Approximation (RMSEA) 0.11 90 Percent Confidence Interval for RMSEA (0.035 ; 0.18) P-Valuefor Test of CloseFit (RMSEA <0.05) 0.079 Expected Cross-Validation Index (ECVI) 0.7 90 Percent Confidence Interval for ECVI (0.58 ; 0.91) ECVI for Saturated Model 0.7 ECVI for Independence Model 7.89 Chi-Squarefor Indep. Model 21 DF 617.28 Independence AIC 631.28 Model AIC 55.6 Saturated AIC 56 Independence CAIC 655.04 Model CAIC 113.31 Saturated CAIC 151.04 Normed Fit Index (NFI) 0.96 Non-Normed Fit Index (NNFI) 0.96 Parsimony Normed Fit Index (PNFI) 0.5 ComparativeFit Index (CFI) 0.98 Incremental Fit Index (IFI) 0.98 Relative Fit Index (RFI) 0.93 Critical N (CN) 87.64
Cuadro 2. Resultados de las ecuaciones del modelo LISREL Estimates (MaximumLikelihood) Measurement Equations
DESCIII =0.56*Def_Opor, Errorvar.=0.69 , R =0.31 -0.11 6.06
AGUA =1.03*Def_Opor, Errorvar.=-0.056, R =1.06 (0.21) (0.12) 4.95 -0.46
SINSS =0.47*Def_Opor, Errorvar.=0.78 , R =0.22 (0.12) (0.12) 3.85 6.24
PBY =0.97*Bajo_NSE, Errorvar.=0.061 , R =0.94 -0.014 4.35
MEDING2 =1.01*Bajo_NSE, Errorvar.=-0.011 , R =1.01 (0.028) (0.011) 35.43 -1.01
DENS =0.91*Rural, Errorvar.=0.17 , R =0.83 (0.087) (0.039) 10.49 4.35
OCUPAG =0.87*Rural, Errorvar.=0.24 , R =0.76 (0.089) (0.046) 9.80 5.19
Structural Equations
Def_Opor =0.71*Rural, Errorvar.=0.50 , R =0.50 (0.18) (0.18) 4.01 2.74
Se concluye que los esfuerzos en el diseo de modelos que demuestren el efecto de la ausencia de oporturnidades sobre la pobreza deben profundizarse, ya que aunque la presente investigacin encuentra una asociacin dbil (0.01), probablemente estudios de anlisis temporal y cohortes, podrn ser ms encontrar evidencias ms claras al respecto.
Por su parte si se demuestra una fuerte y significativa asociacin entre el la ruralidad de los territorios y su ausencia de oportunidades y su bajo nivel socioeconmico (0.71 y 0.95 respectivamente). Las estrategias de desarrollo se debern enfocar a la promocin de las reas rurales con especial atencin a las deficiencias de oportunidades que esta poblacin enfrenta.
Finalmente nuevas variables y transformaciones de estas debern ser evaluadas con el objetivo de mejorar la especificacin y resultados del modelo, ya que los indicadores estadsticos al respectos se encuentran en los mrgenes de baja confiabilidad. Bibliografa
Alvarado C, Ronald; Arce A, Rodrigo; Gmez G, Bernab; Mendiera A, Melania; Torres B, Erick. Tesis: Modelos de ecuaciones estructurales: una aplicacin al estudio de los determinantes del tipo de mtodo anticonceptivo utilizado en Costa Rica. Universidad de Costa Rica, 2002
Diamantopoulos y Siguaw, 2000. Introduction to Lisrel. Sage Publications
Echeverri Rafael, 2004. Pobreza Rural y Territorio. Instituto Interamericano de Cooperacin Agrcola IICA.
Echeverri Rubn, 2000. Opciones para reducir la pobreza rural en Amrica Latina y el Caribe. En Revista de la Cepal 70.
Escobal, J avier y Ponce, Carmen, 2000. Innovaciones en la lucha contra la pobreza rural en Amrica Latina. CEPAL
Fondo Monetario Intenacional, 2001. La pobreza rural en los pases en desarrollo. En: Temas de Economa 26.
7 Anexos
DATE: 11/14/2006 TIME: 14:32
P R E L I S 2.72S
BY
Karl G. Jreskog & Dag Srbom
This program is published exclusively by Scientific Software International, Inc. 7383 N. Lincoln Avenue, Suite 100 Lincolnwood, IL 60712, U.S.A. Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140 Copyright by Scientific Software International, Inc., 1981-2005 Use of this program is subject to the terms specified in the Universal Copyright Convention. Website: www.ssicentral.com
The following lines were read from file C:\Ruralidad\BD3.PR2:
!PRELIS SYNTAX: Can be edited SY='C:\Ruralidad\BD3.PSF' OU MA=KM XT XM
W_A_R_N_I_N_G: DESCIII has more than 15 categories and will be treated as continuous. ERROR CODE 201.
W_A_R_N_I_N_G: AGUA has more than 15 categories and will be treated as continuous. ERROR CODE 201.
W_A_R_N_I_N_G: DENS has more than 15 categories and will be treated as continuous. ERROR CODE 201.
W_A_R_N_I_N_G: OCUPAG has more than 15 categories and will be treated as continuous. ERROR CODE 201.
W_A_R_N_I_N_G: PBY has more than 15 categories and will be treated as continuous. ERROR CODE 201.
W_A_R_N_I_N_G: MEDING2 has more than 15 categories and will be treated as continuous. ERROR CODE 201.
W_A_R_N_I_N_G: SINSS has more than 15 categories and will be treated as continuous. ERROR CODE 201.
Total Sample Size = 81
8 Univariate Summary Statistics for Continuous Variables