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:

Modelo Estructural:
+ = Rural Opor Def
1
_

+ + = Rural Opor Def NSE Bajo
2 1
_ _

Modelos de Medicin:

1 1
+ = Rural Dens
2 2
+ = Rural Ocupag

1 3
_ _ + = Opor Def Agua Def
2 4
_ + = Opor Def DescIII
3 5
_ _ + = Opor Def SS Def

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

Bajo_NSE =0.014*Def_Opor +0.95*Rural, Errorvar.=0.070 , R =0.93
(0.074) (0.11) (0.036)
0.19 8.95 1.96






6
Conclusiones

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

Variable Mean St. Dev. T-Value Skewness Kurtosis Minimum Freq. Maximum Freq.
-------- ---- -------- ------- -------- -------- ------- ----- ------- -----
DESCIII 13.443 5.042 23.999 0.411 0.087 2.900 1 27.300 1
AGUA 46.691 22.836 18.402 0.331 -0.587 0.000 1 100.000 1
SINSS 38.388 17.265 20.011 0.516 1.697 0.000 1 100.000 1
DENS 61.662 26.063 21.293 -0.652 -0.661 0.000 1 100.000
OCUPAG 38.384 28.719 12.029 0.355 -0.998 0.000 1 100.000 1
PBY 32.286 16.702 17.398 0.330 -0.710 5.100 1 68.700 1
MEDING2 54.905 22.054 22.406 -0.107 -0.464 0.000 1 100.000 1

Test of Univariate Normality for Continuous Variables

Skewness Kurtosis Skewness and Kurtosis

Variable Z-Score P-Value Z-Score P-Value Chi-Square P-Value

DESCIII 1.550 0.121 0.367 0.714 2.537 0.281
AGUA 1.261 0.207 -1.355 0.175 3.425 0.180
SINSS 1.917 0.055 2.310 0.021 9.008 0.011
DENS -2.365 0.018 -1.628 0.103 8.247 0.016
OCUPAG 1.350 0.177 -3.311 0.001 12.787 0.002
PBY 1.258 0.208 -1.824 0.068 4.911 0.086
MEDING2 -0.417 0.677 -0.949 0.342 1.075 0.584

Histograms for Continuous Variables

DESCIII
Frequency Percentage Lower Class Limit
3 3.7 2.900
8 9.9 5.340
9 11.1 7.780
18 22.2 10.220
17 21.0 12.660
10 12.3 15.100
6 7.4 17.540
6 7.4 19.980
2 2.5 22.420
2 2.5 24.860

AGUA
Frequency Percentage Lower Class Limit
2 2.5 0.000
6 7.4 10.000
12 14.8 20.000
18 22.2 30.000
10 12.3 40.000
11 13.6 50.000
5 6.2 60.000
11 13.6 70.000
3 3.7 80.000
3 3.7 90.000

SINSS
Frequency Percentage Lower Class Limit
9
5 6.2 0.000
5 6.2 10.000
10 12.3 20.000
25 30.9 30.000
22 27.2 40.000
9 11.1 50.000
2 2.5 60.000
1 1.2 70.000
1 1.2 80.000
1 1.2 90.000

DENS
Frequency Percentage Lower Class Limit
2 2.5 0.000
5 6.2 10.000
7 8.6 20.000
5 6.2 30.000
7 8.6 40.000
6 7.4 50.000
6 7.4 60.000
21 25.9 70.000
12 14.8 80.000
10 12.3 90.000

OCUPAG
Frequency Percentage Lower Class Limit
18 22.2 0.000
10 12.3 10.000
5 6.2 20.000
12 14.8 30.000
10 12.3 40.000
5 6.2 50.000
6 7.4 60.000
7 8.6 70.000
5 6.2 80.000
3 3.7 90.000

PBY
Frequency Percentage Lower Class Limit
13 16.0 5.100
8 9.9 11.460
6 7.4 17.820
10 12.3 24.180
14 17.3 30.540
9 11.1 36.900
8 9.9 43.260
4 4.9 49.620
4 4.9 55.980
5 6.2 62.340

MEDING2
Frequency Percentage Lower Class Limit
1 1.2 0.000
3 3.7 10.000
10 12.3 20.000
8 9.9 30.000
10
10 12.3 40.000
13 16.0 50.000
18 22.2 60.000
7 8.6 70.000
7 8.6 80.000
4 4.9 90.000



Correlation Matrix

DESCIII AGUA SINSS DENS OCUPAG PBY
-------- -------- -------- -------- -------- --------
DESCIII 1.000
AGUA 0.573 1.000
SINSS 0.250 0.485 1.000
DENS 0.360 0.692 0.322 1.000
OCUPAG 0.322 0.591 0.194 0.796 1.000
PBY 0.290 0.644 0.323 0.843 0.850 1.000
MEDING2 0.379 0.707 0.344 0.880 0.856 0.975

Correlation Matrix

MEDING2
--------
MEDING2 1.000

Means

DESCIII AGUA SINSS DENS OCUPAG PBY
-------- -------- -------- -------- -------- --------
13.443 46.691 38.388 61.662 38.384 32.286

Means

MEDING2
--------
54.905

Standard Deviations

DESCIII AGUA SINSS DENS OCUPAG PBY
-------- -------- -------- -------- -------- --------
5.042 22.836 17.265 26.063 28.719 16.702

Standard Deviations

MEDING2
--------
22.054


The Problem used 8944 Bytes (=0.0% of available workspace)

11