Beruflich Dokumente
Kultur Dokumente
Analti a
volumen
Revista de Anlisis Estadstico
Journal of Statistical Analysis
www.inec.gob.ec
www.ecuadorencifras.com
ISSN 1390-6208
Nmero 4 - 2012
Proyeccin
Analtika 4, Julio 2012 - Diciembre 2012, revista semestral de anlisis estadstico, Instituto Nacional de Estadstica y
Censos, Ecuador. Publicacin internacional bilinge dedicada a estudios relacionados con ciencias sociales, econmica, anlisis
estadstico y de datos. Las ideas y opiniones expresadas en las colaboraciones, son de exclusividad de las autoras y los autores.
Directorio INEC
David Vera Alcivar
DIRECTOR EJECUTIVO (E)
Directorio Revista
Livino Armijos
DIRECTOR DE LA REVISTA
DIRECTOR DE ESTUDIOS ANALTICOS ESTADSTICOS
Pal Medina Ph.D.
EDITOR - DIRECTOR CIENTFICO DE LA REVISTA
Francisco Venegas Martnez Ph.D. ( IPN - Mxico)
Diego Chamorro Ph.D. ( U . d' Evry - Val- d'Essone - Francia)
Silviu Glavan Ph. D. ( U. Navarro - Espaa)
Adriana Uquillas Ph. D. ( Banco Itau - Unibanco- Brazil)
Carlos Machicado Ph.D. ( INESAD - Bolivia)
CarlosAlmeida Ph.D. ( UCL - Blgica)
Ana Molina M.Sc., Ph.D.(c) ( IUIOG Espaa)
COMIT EDITORIAL INTERNACIONAL
Borys Alvarez Ph.D. (UCE - Ecuador)
Petronio Alvarez Ph.D. (UCE - Ecuador)
Juan Mayorga-Zambrano Ph.D. (UIsrael - Ecuador )
Wilson Prez Ph.D. (FLACSO - Ecuador)
Juan Garca M.Sc (UDLA - Ecuador)
Sergio Castillo M.Sc (ESPE - Ecuador)
Fernando Romero
Martha Rodrguez
REVISIN DE ESTILO Y REDACCIN
Byron Sosa
DISEO Y DIAGRAMACIN PORTADA Y SEPARATAS
Presentacin
Estimados lectores,
Es para m, un placer presentar el cuarto nmero de la Revista Analtika, una revista semestral de anlisis
estadstico del Instituto Nacional de Estadstica y Censos de Ecuador que naci con el objetivo de
difundir los resultados de investigadores nacionales y extranjeros en las reas de anlisis estadstico,
econmico, financiero y sociolgico.
A lo largo de su trayectoria, el prestigio de la revista Analtika ha ido creciendo entre la comunidad
acadmica. Muestra de ello es la presentacin del artculo "Estructura ocupacional y bono demogrfico en
el Ecuador", cuyos autores han expuesto en varios congresos nacionales e internacionales. Entre ellos,
cabe destacar, el II Congreso Latinoamericano de Estudiantes de Estadstica del Instituto Tecnolgico
Metropolitano (Medelln, Colombia), la V Semana Internacional de Estadstica y Probabilidad de la
Benemrita Universidad Autnoma de Puebla (Mxico) y, el XIII Encuentro de Matemtica y sus
Aplicaciones (Ecuador).
Los artculos Diferencia de gastos segn tamao y composicin familiar: una aplicacin para Ecuador
usando escalas de equivalencia", y "Evolucin de la poblacin inmigrante en Ecuador" fueron aprobados
en el X Congreso Latinoamericano de Sociedades de Estadstica (Crdoba, Argentina). El primer artculo
fue, adems, aprobado en 4th Bolivian Conference on Development Economics y, en las XVII Jornadas
en Estadstica e Informtica de la Escuela Politcnica del Litoral. Este segundo artculo mencionado fue,
igualmente, presentado en la V Semana Internacional de Estadstica y Probabilidad, de la Benemrita
Universidad Autnoma de Puebla (Mxico); de la misma forma, en el XIII Encuentro de Matemtica y
sus Aplicaciones en la Escuela Politcnica Nacional y, por ltimo, en las XVII Jornadas en Estadstica e
Informtica de la Escuela Politcnica del Litoral.
Otro artculo que fue aceptado en 4th Bolivian Conference on Development Economics es "Anlisis de la
participacin laboral de la mujer en el mercado ecuatoriano", el cual es publicado en el presente volumen.
Los artculos "Diferencia de gastos segn tamao y composicin familiar: una aplicacin para Ecuador
usando escalas de equivalencia" y "Anlisis de la participacin laboral de la mujer en el mercado
ecuatoriano" tambin fueron aceptados en el I Seminario de Metodologa do IBGE - XI Reunio IASI
sobre Estatstica Pblica (Brasil). En este congreso tambin fue aceptado el artculo "Evolucin de la
poblacin inmigrante en Ecuador" para presentacin en sesin de posters.
Cabe destacar, en este cuarto nmero de Analtika, la incorporacin al Comit Editorial de importantes
cientficos e investigadores internacionales, como el Dr. Francisco Venegas Martnez, el Dr. Carlos
Machicado y el Dr. Carlos Almeida, que avalan la buena acogida de la revista a nivel internacional.
Tambin es grato anunciar, que adems de estar en Latindex, la revista ha sido ingresada en Dialnet,
hemeroteca de artculos cientficos hispanos en Internet, y que contina la postulacin en otras bases de
datos que certifican la calidad de investigacin y edicin de la revista.
La Revista Analtika responde al desafo de la sociedad del conocimiento, donde datos, hechos y sucesos
no son suficientes para acoplarse a las demandas de la sociedad sino que se complementan y sustentan
con investigacin rigurosa, exhaustiva y tcnica, con la finalidad de ofrecer explicaciones que sean parte
de una fase previa para plantear soluciones a los principales problemas sociales, demogrficos y
econmicos; se espera que los artculos contenidos en esta revista animen a ms investigadores a publicar
sus trabajos y a difundir el potencial con el que contamos en el pas.
David Vera Alcivar
Director Ejecutivo (E)
Contenido
1.- Diferencia de gastos segn tamao y composicin familiar:
una aplicacin para Ecuador usando escalas de equivalencia ..................................................3
Difference expenditures of household size and family:
composition in Ecuador using equivalence scales
Yannira Chvez y Pal Medina
2.- Anlisis de la participacin laboral de la mujer en el mercado ecuatoriano..........23
Analysis of womens labor force participation in the Ecuadorian market
Juan Carlos Garcia - Patricia Cortez
3. - Fiscal policy and economic growth: a simulation analysis for Bolivia........................53
Poltica Fiscal y crecimiento econmico: un anlisis de simulacin para Bolivia
Carlos Gustavo Machicado y Pal Estrada
4.- Geoestadstica y arqueologa:..................................................79
una nueva perspectiva analtico-interpretativa en el anlisis espacial intra-site
Geostatistical and archaeology:
a new analytical-interpretative approach for intra-site spatial variability
Alfredo Maximiano Castillejo
5.-Normas para la presentacin de trabajos .....95
Norms for submission of papers
Analti a
Diferencia de gastos segn tamao y composicin
familiar: una aplicacin para Ecuador usando escalas
de equivalencia
Difference expenditures of household size and family
composition in Ecuador using equivalence scales
www.inec.gob.ec
www.ecuadorencifras.com
Analti a
Diferencia de gastos segn tamao y composicin familiar. . .
La presente investigacin analiza el gasto de las familias ecuatorianas, considerando los siguientes rubros: alimentacin, salud, transporte, diversin, educacin, artculos de recreo, joyera , vehculos para uso del hogar junto con su
mantenimiento, vestido y calzado, comunicaciones, servicios del hogar, servicio domstico, electrodomsticos, impuestos, servicios profesionales, peridicos, revistas, cigarrillos, cervezas y bebidas alcohlicas. Adems, se toma en cuenta la
composicin y tamao de las familias. Esto ltimo permite establecer escalas de equivalencia en funcin de los diversos
tipos de familias, pues se hace evidente las diferencias en el gasto relativo que incurren los hogares con una distinta composicin. Finalmente, a travs de las diferencias establecidas en el gasto relativo, se puede calcular el costo que involucra
tener un miembro ms; en particular, el costo de tener un hijo. Para lograr los objetivos planteados, se estima la curva
de Engel a travs de distintas formas funcionales, no lineales, como las formas flexibles de Fourier. En este estudio se
utilizan los datos de la Encuesta de Condiciones de Vida (ECV) efectuada por el INEC durante el perodo 2005-2006,
porque es la fuente de informacin ms reciente que contiene todos los datos necesarios para el estudio.
Palabras clave: escalas de equivalencia, gasto relativo, curva de Engel, formas funcionales.
Abstract
This research analyzes the cost of ecuadorian families, considering the expenses: food, health, transport, leisure, education, recreational, jewelry, vehicles for use of the home together with your maintenance, clothing and footwear, communications, services household, domestic, appliances, taxes, professional services, newspapers, magazines, cigarettes,
beers and alcoholic drinks. In addition, intervene the composition and size of the families. It allows the above mentioned
to establish equivalence scales depending on the unlike types of families, since the differences become evident in the
relative expense that the homes incur with a diverse composition. Finally, with the heterogeneous established in the relative expense, it is possible to calculate the cost that involves having one or more member; especially, the cost of having a
son. To achieve the raised aims Engels curve is estimated with different functional forms, not linear forms, as Fouriers
flexible forms. This study use information from the Survey of Living conditions (ECV) effected by the INEC during the
period 2005-2006, since it is the source of information more recent that it contains all the information necessary for the
study.
Keywords: equivalence scales, relative expense, Engels curve, functional forms.
Cdigo JEL: CO1,C52,C65,D11,D19. MSC2000: 49M15, 62J12.
Analti a
Yannira Chvez y Pal Medina
Introduccin
Analti a
Diferencia de gastos segn tamao y composicin familiar. . .
Marco Terico
En esta seccin se plantean los fundamentos tericos, Adems, se debe considerar que:
basados en la teora del consumidor, para analizar las pre Las preferencias de los hogares pueden representarse
ferencias de ste en el estudio de las curvas de Engel, y la
especificacin de las escalas de equivalencia.
por curvas de indiferencia3 [4] y,
1 En este tipo de modelos se supone que la oferta de trabajo de los miembros del hogar es exgena y que hogares con igual composicin, que
presentan un consumo idntico de bienes y servicios, disfrutan del mismo nivel de bienestar.
2 Un hogar racional siempre elige la cesta de mayor preferencia.
3
Curvas de Indiferencia: es aquella que proporciona las diferentes combinaciones de bienes que otorgan el mismo nivel de utilidad o satisfaccin a
un individuo u hogar. Son convexas al origen y con pendiente negativa.
Analti a
Yannira Chvez y Pal Medina
La combinacin ptima de bienes para el hogar se obtiene en aquel punto donde la curva de indiferencia
ms alta que puede alcanzar una persona es aquella
que toca la restriccin presupuestaria en forma tangente. [4].
tal. Para cada nivel de ingreso distinto (a precios constantes) habr combinaciones de equilibrio distintas. Uniendo
grficamente cada una de las combinaciones que el hogar
demanda para distintos niveles de ingreso, se obtiene la denominada Curva de Consumo Ingreso. A partir de esta, podemos deducir una funcin que relacione el ingreso total y la
Al mantenerse fijos los precios y variar el ingreso to- demanda de uno de los bienes (a precios constantes), denotal, el hogar va a reasignar su consumo de los bienes minada Curva de Engel. Lo mencionado puede observarse
( x1 , x2 , . . . , x L ) de forma tal que maximice su utilidad to- en la figura 1.
Figura 1. Derivacin de la Curva de Engel a partir de un hogar determinado, considerando la maximizacin de su funcin de utilidad.
Fuente: Estimacin Curvas de Engel en Argentina, Matas Caratugi [4].
Antes de continuar, es necesario establecer dos supuestos para obtener una curva de Engel, para el total de hogares los cuales son:
i) Que los hogares se enfrentan a los mismos precios y,
ii) Que las preferencias de los hogares respecto a los bienes son homogneas, condicionadas a sus caractersticas sociodemogrficas.
En 1857, Ernst Engel observ, que manteniendo constante los precios, la demanda de ciertos bienes, como los
alimentos, pierde participacin en el gasto total a medida
que el ingreso del consumidor aumenta. En otras palabras,
esta observacin, actualmente conocida como Ley de Engel, establece una relacin negativa entre la cantidad destinada a la adquisicin de ciertos bienes y el nivel de ingreso del consumidor [21].
Por otra parte, la teora microeconmica no determina ninguna forma funcional para las curvas de Engel, de
manera que debe hallarse de manera puramente emprica,
siendo esto un desafo. Las formas propuestas son numerosas, cada una de ellas con ventajas y desventajas respecto
de las dems [21]. Tericamente, si bien no se conoce la forma de la curva de Engel, si se pueden determinar ciertas
restricciones que la misma debera cumplir [4]. Estas son:
i) Que la forma funcional de la curva de Engel debe poder representar correctamente bienes inferiores, ne6
cesarios y de lujo.
ii) Que la forma funcional de la curva de Engel debe
cumplir la condicin de que la suma de lo demandado o consumido sea igual al ingreso total.
iii) Que la curva de Engel posea elasticidad-ingreso decreciente.
Por tanto, no existe una forma funcional de la curva de
Engel que se determine como la mejor o nica, sino que
depende de la aproximacin que requiera cada investigador. Este estudio, analiza diferentes formas funcionales que
consideran nicamente variaciones en el gasto disponible,
para luego, a partir de la mejor forma funcional incorporar caractersticas sociodemogrficas. Las variables que se
analizan en las formas funcionales son: y (la proporcin del
gasto de alimentos sobre el gasto total), g (el gasto total), n
(el nmero total de personas en el hogar) y (un trmino
de error).
En particular, se analizan:
1. La especificacin Working Leaser, representada por:
g
y = + ln
+ ,
(1)
n
g
donde ln n es el logaritmo natural del ingreso per cpita del hogar y, y son parmetros a estimar.
Analti a
Diferencia de gastos segn tamao y composicin familiar. . .
2. Las especificaciones polinmicas sugeridas por JorgenPor un lado, la teora del consumidor dice que dos hoson, Lau, Stoker, Banks, Blundell y Lewbel, representa- gares con un comportamiento similar poseen el mismo nidas por:
vel de bienestar aunque su composicin sea completamente distinta. Sin embargo, mediante las escalas de equivalena) Polinomio de segundo grado
cia dos hogares pueden compararse en trminos de bienesg
g
tar, considerando el tamao y composicin de los hogares.
y = + 1 ln
+ 2 ln2
+ ,
(2)
Las escalas de equivalencia comparan hogares de comn
n
posicin diferente, en la misma forma que un ndice de cosb) Polinomio de tercer grado
to de vida compara dos niveles de precios. Formalmente, a
las escalas de equivalencia se las define de la siguiente mag
g
g
y = + 1 ln
+ 2 ln2
+ 3 ln3
+ , nera:
n
n
n
(3)
D EFINICIN 1 (Escalas de Equivalencia). Si (u0 ) es el nivel
c) Polinomio de cuarto grado
de utilidad de referencia, ( p0 ) es el vector de precios de referencia,
g
g
g
la escala de equivalencia que compara dos hogares con composi+ 2 ln2
+ 3 ln3
y = + 1 ln
cin z1 y z2 resulta de la relacin
n
n
n
g
+ 4 ln4
+ ,
(4)
c ( u0 , p 0 , z 1 )
n
S=
, donde c es la funcin de costo
(8)
c ( u0 , p 0 , z 2 )
donde , 1 , 2 , 3 , y 4 son parmetros a estimar.
O BSERVACIN 1. La ecuacin (8) no resulta simple, ya que no
3. Las especificaciones sugeridas por Gallant y Golub; se es suficiente con estimar las funciones de demanda para distintos
consideraron tres formas bsicas, representadas por:
tipos de bienes en funcin del nivel de ingreso, los precios y el
tamao del hogar; tambin se debe establecer el supuesto bajo el
a) Primera forma bsica
cual se va a realizar la estimacin.
h g i
h g i
y = + 1 T ln
+ 2 sin T ln
El supuesto con el que se va a trabajar en este estudio
n
h n g i
es el planteado por Engel y dice: la participacin del gasto
+ 3 cos T ln
+ ,
(5) en alimentos es un indicador vlido del nivel de bienestar [8].
n
Particularmente, a las escalas de equivalencia se las puede
obtener a partir de la estimacin de la forma funcional de
b) Segunda forma bsica
la curva de Engel.
h g i
h g i
Sea la forma funcional dada por
y = + 1 T ln
+ 2 T ln2
n
n
h g i
h g i
g
+ 3 sin T ln
+ 4 cos T ln
+ ,
y = + ln
+ z + ,
(9)
n
n
n
(6)
donde y es la proporcin del gasto de alimentos sobre el
gasto total del hogar, g es el gasto total del hogar, n es el
c) Tercera forma bsica
nmero total
de personas en el hogar, es un termino de
h g i
h g i
g
error, ln n es el logaritmo natural del ingreso per cpita
y = + 1 T ln2
+ 2 sin T ln
n
h n
g i
del hogar, z son las caractersticas demogrficas considera+ 3 cos T ln
+ ,
(7) das y , son parmetros a estimar.
n
Ahora, si se considera a g como el gasto necesario del
g
donde T ln n es el logaritmo natural del ingre- hogar h para mantener el mismo nivel de satisfaccin que
0
so per cpita del hogar reescalado de manera que su el hogar de referencia (z=2), cuyo gasto es g . Si ambos horango se encuentre entre 0 y 2 y , 1 , 2 , 3 y 4 gares destinan la misma proporcin de su gasto a alimentos, se tiene que considerando la definicin 1 4 y la ecuason parmetros a estimar.
cin (9), se puede deducir la escala de equivalencia, como
referencia del gasto en alimentos, se puede deducir de la
2.2 Escalas de equivalencia
siguiente manera:
Las escalas de equivalencia se definen como un ndice
0
g
g
h
que muestra a precios de referencia el diferencial de costos
+ ln
+
z
=
ln
+ z0
h
n0
n
en el que debe incurrir un hogar, considerando su tamao
0
y composicin, para alcanzar la curva de indiferencia del
g
g
ln
ln
= z0 z h
hogar de referencia [5].
n0
nh
4 Es
Analti a
Yannira Chvez y Pal Medina
ln
g n0
g0 nh
z0 z h
.
han sido presentados por trimestres o anualmente, se toma en cuenta la inflacin para deducir un gasto mensual
aproximado.
Se obtiene,
2. Se analizan los datos inconsistentes a nivel de los gastos del hogar. En la tabla 1, se pueden observar los por=
exp
.
(10)
E=
centajes de los datos inconsistentes que se eliminaron,
los cuales representan el 58,99 % del universo. Por otra
De acuerdo a la complejidad de la forma funcional esparte, el 74,40 % de datos inconsistentes eliminados copecificada, el despeje de las variables del gasto, se torna
rresponden a hogares que tienen un gasto menor a $75,5
cada vez ms complejo, es as que, para el caso de las ecuadlares americanos mensuales; este valor es el mnimo
ciones (5) (6) y (7) no es posible llegar a un despeje analque un hogar compuesto por un miembro requiere patico; siendo necesaria la aplicacin de mtodos numricos;
ra subsistir, de acuerdo al valor estimado de la canasta
en particular, en este estudio hemos hecho uso del mtodo
vital [13]. El restante 25,6 % de datos inconsistentes que
de Newton Raphson [17].
se elimin corresponde a hogares donde el gasto total es
mayor al ingreso y a aquellos que refieren un gasto total
o en alimentos nulo (situacin que resulta inverosmil y
3 Metodologa de Estimacin
que, adems, podra aadir distorsiones en los clculos
que se realicen).
En esta seccin se analiza el consumo o gasto de los hogares en Ecuador considerando algunas formas funciona- 3. Se determinaron los datos extremos para el gasto total
les para la Curva de Engel, las cuales permitirn obtener un
y de alimentos, los cuales pueden observarse en el diaajuste de los datos con una menor cantidad de parmetros.
grama de caja de la figura 2. Dado que la presencia de
estos datos puede causar distorsiones en el anlisis, se
decidi excluirlos.
3.1 Datos
g
g0
nh
n0
z0 z h
La informacin estadstica utilizada en el anlisis proviene de la Encuesta de Condiciones de Vida (ECV) 200520065. Para el anlisis de la misma, fue necesario efectuar
las siguientes restricciones:
1. Se realiza una homologacin entre las bases de hogares
y personas, ya que el INEC tiene desagregada esta informacin. De esta manera, se puede conocer la composicin de los hogares, lo que constituye un dato necesario
para la estimacin de la Curva de Engel. Para tener los
valores del gasto total y del que se destina a alimentos,
se realiza un anlisis mensual de gastos; si los valores
Razn
Gasto mnimo de una
persona
Descripcin
Una persona como mnimo tiene un gasto de $75,5 segn
la canasta vital, eliminndose a los hogares que tienen un
gasto inferior a este.
Gastos superiores al
Ingreso e iguales a cero
Total Hogares
Hogares eliminados
Nmero
5 961
%
74,40
2 051
25,60
8 012
58,99
Tabla 1. Datos inconsistentes eliminados. Fuente: elaboracin propia a partir de la encuesta ECV 2005-2006.
La encuesta considera las reas urbana y rural de las regiones Sierra, Costa y Amazona [12]
Analti a
Diferencia de gastos segn tamao y composicin familiar. . .
Figura 2. Diagrama de caja del Gasto Total y del Gasto en Alimentos mensuales. Fuente: elaboracin propia a partir de la ECV
2005-2006.
Figura 3. Diagrama de caja del Gasto Total y del Gasto en Alimentos mensuales, luego de eliminar los datos extremos. Fuente:
elaboracin propia a partir de la ECV 2005-2006.
Jefa del hogar mujer: esta caracterstica tiene un importante impacto sobre el hogar y sus integrantes. En
general, se observa que la canasta de bienes elegida
y por ende la asignacin del gasto familiar que hacen
las mujeres es socialmente preferible a la que eligen
los hombres, motivo por el cual es de esperar que la
proporcin del gasto destinada a cubrir las necesidades alimenticias del hogar sean mayores en los hogares en los cuales la jefa es mujer [11, 21].
En primera instancia, se busca una forma funcional para la curva de Engel; para esto, se consideran los modelos
(1) (2), (3), (4), (5), (6) y (7). En segunda instancia, se incorporan caractersticas sociodemogrficas a paritir del modelo seleccionado. La estimacin se realiza por medio de una
regresin lineal mltiple, aplicando el mtodo de los Mnimos Cuadrados Ordinarios (MCO)[6], bajo el supuesto de
que la distribucin del error es normal.
En las formas funcionales consideradas en los prrafos
anteriores,
nicamente se estn considerando variaciones
Composicin etaria del hogar: se considera los grupos de infantes, nios, adultos y adultos mayores. Es en el gasto disponible, ya que se supone que los precios son
preciso segregar segn grupos etarios, pues cada uno constantes e iguales para todos los hogares. Sin embargo,
de ellos tiene diferentes necesidades de alimentacin es preciso considerar caractersticas sociodemogrficas, coy de bienes y servicios. No todos los miembros del mo el tamao y la composicin del hogar, para evitar atrihogar son iguales y ni consumen los mismos bienes. buciones errneas al gasto [4].
Se espera, entonces, que el gasto en alimentos del hoA continuacin se presenta los resultados obtenidos de
gar se incremente conforme aumenta la edad de sus las distintas formas funcionales ensayadas para la curva de
miembros [21].
Engel.
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
Modelo 3
Modelo 4
Modelo 5
Modelo 6
Modelo 7
Variables
Const.
Lgpc*
Const.
Lgpc
Lgpc2
Const.
Lgpc
Lgpc2
Lgpc3
Const.
Lgpc
Lgpc2
Lgpc3
Lgpc4
Const.
TLgpc**
Sen TLgpc
Cos TLgpc
Const.
TLgpc
TLgpc2
Sen TLgpc
Cos TLgpc
Const.
TLgpc2
Sen TLgpc
Cos TLgpc
Estimado
1,164
-0,137
1,355
-0,212
0,007
0,962
0,013
-0,035
0,003
-30,396
23,564
-6,620
0,815
-0,037
0,563
-0,054
-0,002
0,011
0,522
0,010
-0,013
-0,031
0,042
0,529
-0,011
-0,026
0,037
Error estndar
0,021
0,004
0,178
0,069
0,007
1,357
0,774
0,146
0,009
10,559
7,903
2,204
0,271
0,013
0,010
0,005
0,005
0,007
0,019
0,025
0,005
0,0120
0,0141
0,007
0,001
0,007
0,005
Valor t
56,830
-33,110
7,620
-3,050
1,080
0,710
0,020
-0,240
0,290
-2,880
2,980
-3,000
3,000
-2,990
54,270
-10,960
-0,43
1,46
27,615
0,407
-2.609
-2,53
2,991
72,240
-11,270
-3,990
7,370
Pr(>|t|)
0,000
0,000
0,000
0,002
0,281
0,478
0,986
0,809
0,770
0,004
0,003
0,003
0,003
0,003
0,000
0,000
0,665
0,143
0,000
0,684
0.009
0,011
0,003
0,000
0,000
0,000
0,000
Tabla 2. Formas funcionales para la curva de Engel. Fuente: elaboracin propia a partir de la encuesta ECV 2005-2006.
* Corresponde al Logaritmo del Gasto per cpita
** Corresponde al Logaritmo del Gasto per cpita reescalado
Como puede observarse, los coeficientes resultan significativos al 99 % y negativos para los modelos (1), (4) y (7),
en los modelos estimados. Este hecho en particular, indica que la participacin del gasto en alimentos disminuye a
medida que el logaritmo del ingreso per cpita del hogar
aumenta. Esta relacin negativa es conocida como primera
Ley de Engel [20].
En el caso de los modelos (2), (3), (5) y (6) los coeficientes resultan no significativos, por lo que estas formas funModelos
Modelo 1
Modelo 2
Modelo 3
Modelo 4
Modelo 5
Modelo 6
Modelo 7
R2
0,1728
0,173
0,173
0,1744
0,17234
0,1745
0,1745
R2 Ajustado
0,1727
0,1727
0,1725
0,173
0,173
0,1739
0,174
Schwarz
-6290,048
-6282,645
-6274,165
-6274,567
-6276,764
-6275,009
-6283.409
F-estadstico
1096
548,6
365,7
276,9
366,8
277,1
369,4
Tabla 3. Criterios de eleccin para el ajuste de la Curva de Engel. Fuente: elaboracin propia a partir de la encuesta ECV 2005-2006.
10
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
De acuerdo a estos criterios de seleccin, el modelo elegido corresponde al modelo flexible de Fourier (Modelo 7).
En este modelo el R2 y R2 ajustado resultan superiores6 ,
mientras que los parmetros de Akaike y Schwarz, presentan los valores mnimos esperados, y el F-estadstico es significativo. Adicionalmente, el modelo no presenta multicolinealidad como se puede ver en la tabla 11 del anexo A.1.
Const.
TLgpc2
Sen TLgpc
Cos TLgpc
Ln miem hog
Jefe hogar mujer
Prop 5-14
Prop 15-64
Prop 65 y ms
Alquila vivienda
Estimado
0,598
-0,013
-0,024
0,039
-0,052
0,009
-0,024
-0,011
0,063
-0,019
Error estndar
0,017
0,001
0,006
0,005
0,004
0,004
0,016
0,015
0,0160
0,0044
Valor t
34,500
-14,050
-3,700
8,180
-12.440
1,940
-1,480
-0,740
3,960
-4,520
Pr(>|t|)
0,000
0,000
0,000
0,000
0,000
0,052
0,139
0,462
0.000
0.000
Tabla 4. Modelo con caractersticas sociodemogrficas. Fuente: elaboracin propia a partir de la encuesta ECV 2005-2006.
Modelo
Completo
R2
0,2433
R2 Ajustado
0,242
F-estadstico
187,2
Tabla 5. Criterios estadsticos del Modelo con caractersticas sociodemogrficas. Fuente: elaboracin propia a partir de la encuesta ECV 2005-2006.
6 Los
0.3
0.2
Density
0.0
0.1
2
4
Studentized Residuals(Mm7)
0.4
QQ Plot
Dist. Res. Estan.
En segundo lugar, se evala la significancia global del
modelo a travs del valor F-estadstico (vase en la tabla 5);
ste es de 187,2 con 5 238 grados de libertad, por lo cual es
estadsticamente significativo. Adems, se puede notar en
la tabla 5 que el valor de R2 corresponde a 0,2433; con ello
aumenta en un 7 % aproximadamente, su capacidad explicativa respecto al Modelo 7. En otras palabras, las caractersticas sociodemogrficas mejoran al modelo en alrededor
del 7 %, lo que quiere decir que la proporcin destinada del
gasto en alimentos es mejor explicada cuando se incluyen
este tipo de variables.
Pese a que presenta un aumento, el valor del coeficiente
4
2
0
2
4
4 2
0
2
de determinacin obtenido refleja, a primera vista, que no
t Quantiles
ResEstan
es bueno; pudiera ser necesario un mayor nmero de variables explicativas, o una mejor especificacin del modelo.
Por un lado, para determinar las variables explicativas del Figura 4. Distribucin de los residuos estandarizados. Fuente: elamodelo, se utilizarn como referencias investigaciones de boracin propia a partir de la ECV 2005-2006.
valores de R2 y R2 Ajustado, aunque son bajos, son similares a los presentados en Argentina [21].
11
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
Variable
Const.
TLgpc2
Sen TLgpc
Cos TLgpc
Ln miem hog
Jefe hogar mujer
Prop 5-14
Prop 15-64
Prop 65 y ms
Alquila vivienda
93 %
LI
LS
0,566
0,629
-0,015 -0,011
-0,035 -0,012
0,030
0,048
-0,059 -0,044
0,001
0,017
-0,052
0,005
-0,039
0,016
0,034
0,092
-0,028 -0,012
94 %
LI
LS
0,565
0,6301
-0,015
-0,0114
-0,035
-0,0115
0,030
0,0481
-0,059
-0,0439
0,000
0,0168
-0,0535
0,0063
-0,0396
0,0173
0,0332
0,0935
-0,0281 -0,0115
95 %
LI
LS
0,564
0,632
-0,015
-0,011
-0,036
-0,011
0,003
0,049
-0,0062 -0,044
-0,000
0,017
-0,055
0,008
-0,041
0,019
0,319
0,095
-0,028
-0,011
99 %
LI
LS
0,553
0,642
-0,016 -0,011
-0,039 -0,007
0,027
0,051
-0,062 -0,041
-0,003
0,019
-0,065
0,017
-0,050
0,028
0,022
0,105
-0,031 -0,009
Tabla 7. Intervalos de Confianza para el Modelo Completo. Fuente: elaboracin propia a partir de la encuesta ECV 2005-2006.
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
aos de edad (grupo omitido)-, el gasto en alimentos resul- de los hogares ecuatorianos, el hogar de referencia que se
ta menor que el de los hogares cuyos integrantes pertene- utilizar en este estudio. En particular, se presentan tres recen, en su mayora, al grupo de adultos mayores (65 aos y sultados.
ms); en estos hogares, el consumo de alimentos crece, pai) La escala de equivalencia que permite tener un ndira cubrir las necesidades nutricionales de estos adultos. En
ce de referencia para hogares con diferente composiel caso de los grupos de nios (entre 5 y 14 aos) y adultos
cin, tomando en cuenta economas de escala.
(entre 15 y 64 aos), los coeficientes no resultan significativos.
ii) El costo de un hijo adicional en funcin de un adulto
Vivienda: La variable dicotmica sobre si el hogar alequivalente, que determina que al aumentar un hijo
quila la vivienda es significativa y negativa. Esto indica
ms en el hogar el costo va disminuyendo y,
que, al realizarse pagos por el alquiler de vivienda, disminuye la proporcin del gasto en alimentos con relacin
iii) El gasto por adulto equivalente, que refleja la diferenal gasto total. Especficamente, hay una reduccin del 2 %,
cia respecto del clculo del gasto per cpita.
cuando un hogar alquila vivienda, en relacin al hogar que
no alquila vivienda.
Resultados y Aplicaciones
1
2
3
4
5
6
7
8
9
TOTAL
0
12,3
15,8
9,2
4,9
2,2
0,6
0,2
0,0
0,0
45,3
1
2,2
12,9
7,2
3,7
1,4
0,6
0,0
0,1
0,0
28,2
2
1,0
10,9
3,9
2,1
0,5
0,4
0,1
0,0
0,0
19,0
Se construye una matriz que identifique el posible nmero de adultos y nios que comprenda un hogar. A partir
de esta matriz, se determina de forma porcentual, utilizando los datos de la encuesta ECV 2005-2006, la composicin
de los hogares ecuatorianos (vase tabla 8).
3
0,3
3,7
1,0
0,7
0,2
0,1
0,1
0,0
0,0
6,2
NIOS
4
5
0,0 0,0
0,7 0,1
0,1 0,0
0,2 0,1
0,1 0,0
0,0 0,0
0,0 0,0
0,0 0,0
0,0 0,0
1,1 0,2
6
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
7
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
TOTAL
16,0
44,1
21,4
11,7
4,4
1,8
0,4
0,1
0,0
100,0
Tabla 8. Composicin de los hogares ecuatorianos, expresados en forma porcentual. Fuente: Elaboracin propia a partir de ECV
2005-2006.
En la tabla 8, puede notarse que el 86,3 % de los hogares ecuatorianos rene a los conformados por un solo
miembro adulto y a los que tienen 4 adultos y 2 nios; los
hogares con mayor cantidad. Asimismo, ha de resaltarse
la gran proporcin de hogares conformados por dos adultos (44,1 %) y de aquellos que no cuentan con la presencia
de ningn nio (45,3 %). Adems, se observa que el hogar
formado por dos adultos y cero nios representa el 15,8 %
de los tipos de hogar en el Ecuador, convirtindose de esta
manera en la categora con mayor representatividad; por lo
tanto, se lo considera como el hogar de referencia.
g0
n0
13
Analti a
Yannira Chvez y Pal Medina
Una vez resuelta la ecuacin, consideraremos combinaciones nicas de hogares de acuerdo a jefe de hogar mujer
y alquiler de vivienda, es decir, hogares tipo en los que las
caractersticas sociodemogrficas son diferentes; ello conduce a ejemplos tales como: un hogar que alquila vivienda
y cuyo jefe de hogar es mujer, o a un hogar que no alquila
vivienda y cuyo jefe de hogar es mujer. Existen 354 hogares con estas caractersticas sociodemogrficas diferentes.
Se calcula entonces su gasto total.
A partir del gasto total de esos 354 hogares, se analiza cada tipo de hogar de acuerdo al nmero de adultos y
nmero de nios; para cada tipo de hogar, se toma el mximo, el mnimo y el promedio del gasto mensual total.
Por ejemplo, para un hogar conformado por 2 adultos y 0
nios, se tiene que gastan mensualmente, como mximo,
$2 214,45; como mnimo, $1 378,75; y que, en promedio, su
gasto mensual es de $1 750,33.
De tal manera, se tienen 43 tipos de hogares con un gasto diferenciado (mximo, mnimo, promedio) de acuerdo a
las caractersticas sociodemogrficas. Para la obtencin de
las escalas de equivalencia se toma los tipos de hogares con
un gasto mximo, con el objeto de tener una cota superior
para establecer los gastos.
NIOS
2
0,583
0,824
1,045
1,254
1,379
1,199
1,310
1,441
1,585
1,314
1,413
1,599
1,741
1,763
1,503
1,589
1,789
1,958
2,070
1
1
A
D
U
L
T
O
S
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
g
,
E
(11)
Figura 6. Costo de un nio ms en un hogar con diferente nmero de adultos. Fuente: Elaboracin propia a partir de la ECV
2005-2006.
g
,
n
(12)
Nios
2
2
2
2
2
2
0
1
2
3
4
5
Gasto
mximo total
565,27
964,6
1025,79
885,44
1171,21
919,12
Escala de
Equivalencia
1,00
1,20
1,31
1,44
1,58
1,73
Gasto per
cpita
282,64
321,53
256,45
177,09
195,20
131,30
Gasto
adultos
565,27
643,44
539,94
343,38
306,75
143,27
Gasto
Nios
00,00
160,58
242,93
271,03
432,23
387,93
Diferencia
( %)
100,00 %
150,06 %
205,27 %
246,95 %
278,57 %
304,56 %
Tabla 10. Comparacin entre gasto per cpita y gasto por adulto equivalente. Fuente: Elaboracin propia a partir de la ECV 2005-2006.
15
Analti a
Yannira Chvez y Pal Medina
En la ltima columna de la tabla 10, se puede notar
que existe una diferencia positiva entre el gasto por adulto
equivalente y el gasto per cpita. El hogar de referencia que
se toma es el formado por dos adultos, es decir, el adulto
equivalente est en funcin del hogar de referencia. Es as
que, para el caso de un hogar formado por dos adultos, el
gasto per cpita equivale a 282,64 mientras que, el gasto
por adulto equivalente corresponde a 565,27, siendo esta
una medida que toma en cuenta diferentes necesidades del
hogar. En otras palabras, al tomar el gasto per cpita o el
gasto por adulto equivalente como indicador de bienestar
se vuelve obvia una diferencia. Para el caso de este hogar el
nivel de bienestar tomando el primer criterio (gasto per cpita) necesitara menos recursos que si se toma en cuenta el
segundo criterio (gasto por adulto equivalente) para alcanzar el bienestar. Sucede algo similar con el crecimiento del
hogar por la llegada de un hijo/a. En este punto, se ha diferenciado, a partir del gasto por adulto equivalente, entre el
porcentaje que correspondera al gasto por nios/as y por
adultos, respectivamente; ello se representa por las proporciones de la escala de equivalencia. Es as que, en un hogar
formado por dos adultos y un nio el 0,20 es la proporcin
del gasto que requiere el nio. Adems, es preciso notar en
la figura 7, que la diferencia es creciente, con pendiente positiva; a la vez, el crecimiento del gasto cuando aumenta
un nio/a en el hogar es cada vez menor. Esto se debe a
las economas de escala en el consumo de alimentos y a los
efectos de las diferencias demogrficas de los miembros de
un hogar [5].
el gasto ponderado por el nmero de miembros de la familia. Este trabajo, al presentar un mtodo alternativo para
el clculo de las lneas de pobreza e indigencia ayudara a
generar un indicador comparable a nivel nacional, que permitira realizar cambios importantes de la interpretacin final.
Este estudio intenta contribuir con una aproximacin
emprica para estimar escalas de equivalencia con datos de
consumo de hogares en Ecuador correspondientes al perodo 2005-2006. Las escalas de equivalencia fueron estimadas
para hogares que se diferencian en el sexo del jefe de hogar,
en el alquiler de vivienda, la cantidad de nios y adultos
que lo conforman; se emple un modelo flexible de Fourier, usando el supuesto de Engel; ste presenta la ventaja
de ser relativamente fcil de estimar. Se basa en supuestos
claramente identificables que, sin embargo, son cuestionables tericamente.
De acuerdo a la composicin de los hogares ecuatorianos, dado que el hogar con mayor representacin fue el
conformado por dos adultos y cero nios, se estableci a
ste como hogar de referencia para la estimacin de las escalas de equivalencia. Del anlisis del modelo finalmente
empleado, se pudo determinar que:
Existen economas de escala. La adicin sucesiva de
nios a un hogar hace que el porcentaje medido en
funcin de un adulto equivalente vaya disminuyendo.
Existen diferencias de acuerdo a la composicin previa del hogar. Es as, que no se tiene el mismo costo
de la inclusin de un nio al hogar formado por dos
adultos, que a otro formado por tres adultos.
El gasto por adulto equivalente es mayor al gasto per
cpita, dado que este toma en cuenta la composicin
del hogar.
La diferencia porcentual entre el gasto por adulto
equivalente y el gasto per cpita es creciente con la
inclusin de nios al hogar.
Conclusiones
A partir de este estudio, podemos concluir que la correcta estimacin de escalas de equivalencia es de vital importancia para comparar el nivel de bienestar de diferentes
grupos de la poblacin.
En el Ecuador, el estndar de vida de las personas se
mide en funcin del gasto per cpita de la familia, esto es,
16
6 Recomendaciones
Cuando se disponga de datos ms actualizados resultara deseable volver a estimar las escalas de equivalencia,
empleando la misma metodologa propuesta en este trabajo. Ello ayudara a comparar entre distintos criterios, y adems permitira determinar las diferencias respecto de las
Analti a
Diferencia de gastos segn tamao y composicin familiar. . .
escalas estimadas, determinando las variaciones a lo largo [11] R. Geldstein, (1997), Mujeres jefas de hogar: famidel tiempo ocurridas con las escalas de equivalencia.
lia, pobreza y gnero, UNICEF, Argentina, ISBN 98795490-8-2, pp. 5- 84.
Referencias
[1]
[2]
[3]
[4]
[5]
17
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
ANEXO
A
del estimador como consecuencia de la no ortogonalidad de los regresores. Se considera un problema grave
de multicolinealidad cuando el FIV de algn coeficiente
es mayor de 10. Algebraicamente, se expresa como
FIV ( j ) =
1. Deteccin de Multicolinealidad
En la tabla 11, se presenta, el factor inflacionario de la
varianza (FIV). Es un indicador que nos permite detectar ausencia de una combinacin lineal de los regresores
independientes o la presencia de una relacin entre dos
o ms regresores (multicolinealidad).
El FIV muestra en qu medida se agranda la varianza
Lgpc
Lgpc2
Lgpc3
Lgpc4
TLgpc
TLgpc2
Sen TLgpc
Cos TLgpc
Modelo 2
281,99
281,99
Modelo 3
34 912,43
131 827,80
31 428,08
1
,
1 R2j
(13)
Modelo 4
3 645 370
30 004 985
27 728 240
2 881 682
Modelo 5
Modelo 6
Modelo 7
7,36
191
116,21
7,07
26,62
4,47
2,14
3,35
1,37
6,99
Tabla 11. Factor inflacionario de la varianza. Fuente: Elaboracin propia a partir de la ECV 2005-2006.
2. Deteccin de Heterocedasticidad
En las figuras 8 y 9, se observa grficamente la presencia de heterocedasticidad para cada uno de los modelos;
es as, dado que la varianza local de los residuos crece o
decrece con respecto a las variables incluidas en el modelo.
Modelo
Chi cuadrado
Valor p
Decisin
1
6
0,01262095 Heterocedasticidad
Para confirmar la presencia de heterocedasticidad se
2
6
0,012408 Heterocedasticidad
realiza el contraste de Breusch y Pagan, cuya finalidad
3
6
0,01342869
Heterocedasticidad
es comprobar si se puede encontrar un conjunto de va4
7
0,01031481 Heterocedasticidad
riables Z que sirvan para explicar la evolucin de la va5
6
0,01277594 Heterocedasticidad
rianza de las perturbaciones aleatorias; esta varianza se
6
6
0,01259528 Heterocedasticidad
estima a partir del cuadrado de los errores del modelo
7
7
0,00955186 Heterocedasticidad
inicial en el que se busca comprobar si existe o no heterocedasticidad.
Tabla 12. Contraste de Breusch y Pagan. Fuente: Elaboracin proEn la tabla 12, se observa el estadstico de contraste (Va- pia a partir de la ECV 2005-2006.
lor p) y se lo compara con el Chi cuadrado correspon-
18
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
5.5
6.0
6.5
7.0
0.2
0.4
0.0
0.2
1.0
0.0
1.0
0.2
0.4
0
20
0.0
1.0
0.2
0.4
0.2
0.4
1.0
Lgpc2
1.0
Seno_Lgpc
0.0
20
40
0.2
0.4
1.0
0.0
1.0
Seno_Lgpc
0.4
0.2
TLgpc2
Component+Residual(Y)
0.6
250
Lgpc3
Component+Residual(Y)
0.2
0.4
0
Lgpc2
0.6 0.0
100
Component+Residual(Y)
1.0
0.0
Component+Residual(Y)
f)
20 30 40 50
1.0
Coseno_Lgpc
b)
Lgpc
40
TLgpc2
Component+Residual(Y)
20 35 50
Component+Residual(Y)
6.5
Component+Residual(Y)
0.2
0.4
0.4
0.2
Component+Residual(Y)
0.0
TLgpc
0.4
0.2 0.0
0.2
Component+Residual(Y)
0.4
1.0
Seno_Lgpc
0.6
Component+Residual(Y)
1.0
e)
0.4
Component+Residual(Y)
Coseno_Lgpc
Lgpc
Component+Residual(Y)
a)
4.5
1.0
0.0
1.0
Coseno_Lgpc
150
20
4.5 5.5 6.5
g)
50
c)
10
Component+Residual(Y)
0.4
Component+Residual(Y)
5.0
Lgpc
20 30 40 50
100
250
Lgpc3
60 20
Lgpc2
Component+Residual(Y)
100
Lgpc
Component+Residual(Y)
Component+Residual(Y)
0.2
0.4
Component+Residual(Y)
0.4
0.2
0.0
4.5
TLgpc
0.4
Component+Residual(Y)
500 1500
Lgpc4
d)
Figura 8. Deteccin grfica de heterocedasticidad. a) Modelo 1, b)
Modelo 2, c) Modelo 3, d) Modelo 4
19
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
2p
155,75
Valor p
9,58E-30
Decisin
Heterocedasticidad
30
1.0
0.0
0.8
Prop_15_64
0.4
0.8
0.4
0.0
1.0
0.4
0.0
0.0
0.2
0.4
0.6
0.4
Prop_5_14
0.0
0.4
0.0
0.4
Prop_65_mas
0.5
0.4
0.8
0.4
0.0
0.0
Coseno_Lgpc
Jefe_hogar_mujer_sum
Component+Residual(Y)
0.4
0.0
0.4
1.0
Component+Residual(Y)
0.4
0.0
2.0
Ln_miem_hog
0.0
1.0
Component+Residual(Y)
1.0
0.5
0.4
Component+Residual(Y)
0.4
0.0
0.4
Component+Residual(Y)
0.0
0.0
0.4
Component+Residual(Y)
0.4
0.0
40
Seno_Lgpc
0.4
En la tabla 13, se puede observar que el mayor valor obtenido es de 5,46, a partir del cual se puede concluir que el
modelo no presenta una multicolinealidad grave.
En referencia a la heterocedasticidad se realiza el contraste de Breusch-Pagan, a travs de una distribucin 2p ;
en el caso de un modelo homocedstico, se distribuye como una 2p ; con ello, si el valor de p es menor de 0,05, se
rechaza la homocedasticidad (es decir, se acepta que existe
heterocedasticidas en el modelo).
20
TLgpc2
Component+Residual(Y)
10
0.4
0.4
0.0
0.4
Component+Residual(Y)
0.4
Valor
4,62
2,15
3,35
1,65
1,06
2,96
5,46
4,98
1,07
Component+Residual(Y)
Variable
TLgpc2
Seno TLgpc
Cos TLgpc
Ln miem hog
Jefe hogar mujer
Prop 5-14
Prop 15-64
Prop 65 y ms
Alquila viv.
0.0
0.4
0.8
Alquila_vivi
Figura 10. Deteccin Grfica de Heterocedasticidad. Fuente: elaboracin propia a partir de la ECV 2005-2006.
En la figura 10, se puede apreciar la existencia de heDe acuerdo a los resultados mostrados en la tabla 14, el terocedasticidad, lo cual concuerda con el contraste de
valor p es inferior a 0,05, por lo que se evidencia heteroce- Breusch-Pagan.
20
Analti a
Anlisis de la participacin laboral de la mujer en el
mercado ecuatoriano
Analysis of womens labor force participation in the
Ecuadorian market
www.inec.gob.ec
www.ecuadorencifras.com
Analti a
Anlisis de la participacin laboral de la mujer en el mercado ecuatoriano
Universidad
Direccin
Resumen
Esta investigacin muestra el comportamiento de la probabilidad de participacin laboral femenina en las diferentes
provincias del territorio continental ecuatoriano, en el periodo comprendido entre los aos 1990 y 2011. Para tal efecto se
consideran ciertas variables y caractersticas de la mujer, que influyen de manera positiva o negativa en su insercin en
el mercado laboral. El modelo utilizado para la obtencin de los resultados es la regresin logstica, donde se considera
que una mujer participa en el mercado laboral si est clasificada dentro de la Poblacin Econmicamente Activa (PEA).
Los datos para el anlisis han sido tomados de la Encuesta de Empleo, Desempleo y Subempleo (ENEMDU), elaborada
por el Instituto Nacional de Estadstica y Censos (INEC).
Palabras clave: participacin laboral, ocio-consumo, regresin logstica, probabilidad.
Abstract
This research shows the behavior of the probability of female participation in the various provinces of mainland Ecuador, in the period between 1990 and 2011. For this purpose it is considered certain variables, characteristics of women,
affecting positively or negatively on the labor market insertion. The model used for obtaining the results is the logistic
regression, where it is considered that a woman participates in the labor market if it is classified within the economically
active population (PEA). Data for analysis were taken from the Encuesta de Empleo, Desempleo y Subempleo (ENEMDU) developed by the Instituto Nacional de Estadstica y Censos (INEC).
Keywords: labor participation, leisure-consumption, logistic regression, probability.
Cdigo JEL: C12, C51, C53.
Introduccin
23
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
crementando hasta alcanzar el 38,9 % mientras que la masculina se ha estabilizado alrededor del 62,0 % (ver Figura
1). Los ltimos siete aos muestran incrementos constan-
tes, aunque no enfticos, de la participacin laboral femenina (ver Figura 2); pero sta an queda lejos de la participacin laboral de los hombres.
80,0%
64,7%
62,7%
62,5%
62,1%
62,1%
61,9%
62,2%
64,5%
62,6%
61,4%
61,9%
61,3%
40,0%
37,3%
35,3%
37,9%
37,5%
38,1%
37,9%
37,8%
38,7%
38,6%
37,4%
35,5%
Porcentaje
Porcentaje
62,0%
63,0%
60,9%
61,4%
61,1%
60,7%
60,8%
60,5%
61,5%
61,1%
60,0%
60,0%
40,0%
38,1%
38,0%
37,0%
39,1%
38,9%
38,6%
39,3%
39,2%
39,5%
38,5%
38,9%
20,0%
20,0%
,0%
,0%
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
Aos
Hombres
2006
2007
2008
2009
2010
2011
Aos
Mujeres
Hombres
Mujeres
Figura 1. Evolucin de la participacin laboral desde el ao 1990 al 2011. Los resultados corresponden a la muestra de hombres y
mujeres que pertenecen a la PEA. Fuente: ENEMDU 1990 - 2011. Elaboracin: Autores.
39,6%
39,3%
39,4%
39,2%
39,2%
Porcentaje
39,0%
38,9%
38,9%
38,8%
38,6%
38,5%
38,6%
38,4%
38,2%
38,0%
2005
2006
2007
2008
2009
2010
2011
Aos
Mujeres
Por lo sealado, este trabajo pretende mostrar cuantitativamente el comportamiento de la probabilidad de participacin de una mujer en el mercado laboral, desde el ao
1990 hasta el ao 2011 y, a partir de esto, inferir su conducta. Para ello se estima la probabilidad de participacin
en cada provincia del pas, con variables explicativas que
miden caractersticas de la mujer, evidencindose una desigualdad cuantitativa en la participacin laboral por gnero. Para el anlisis, se utiliza la base de datos de la ENEMDU; esta encuesta, elaborada por el INEC, se aplic en todo
el terrirorio, excepto en la Regin Insular. Se ha considerado el periodo comprendido entre los aos 1990 a 2011.
El artculo se estructura de la manera siguiente: en la
seccin 2 se establece el marco terico, fundamentalmente las hiptesis econmicas que se considerarn; adicional24
2 Marco Terico
Esta investigacin est destinada a mostrar un conjunto de posibles causas por las que la mujer, resuelve o no,
participar en el mercado laboral.
Las presunciones econmicas respecto de la decisin de
la mujer de participar en el mercado se cimentan en los modelos de oferta laboral; estos se basan en la idea de que la
mujer, individualmente imaginada, es el sujeto de las decisiones relacionadas con la oferta de trabajo. Los trabajos de
G. Becker [3] y G. Borjas [5] se desenvuelen a partir del modelo de oferta laboral denominado ocio-consumo, el cual
ser la plataforma de esta investigacin y ser desarrollado posteriormente. Sin embargo, se debe mencionar que
hay otros modelos que parten de la idea de que el sujeto
de decisin no es la mujer, sino la familia, considerada como un todo (vase [2]). Cada uno de estos modelos tiene
sus ventajas y sus inconvenientes. Se tomar como punto
de partida el modelo de oferta laboral ocioconsumo, pues
es un modelo de fcil aplicacin y, adems, ampliamente
Analti a
Anlisis de la participacin laboral de la mujer en el mercado ecuatoriano
2.1.3 Restricciones
En el caso de la eleccin entre ocio y consumo hay un
lmite natural para el ocio, y es el tiempo; de su parte, el
consumo est limitado por el presupuesto disponible del
individuo. En este contexto, la restriccin de presupuesto o
nivel de consumo se expresa como:
C = V + WT WL,
(2)
donde V simboliza las rentas no salariales, W la tasa salarial, T el tiempo total del que dispone el individuo y L el
nmero de horas dedicadas al ocio. Entonces, el nmero de
horas dedicadas al trabajo h, es
h = T L.
(3)
(4)
RMS = lm
(1)
max
U (C, L).
C V + Wh
s.a.
0h
(5)
25
Analti a
Juan Carlos Garcia y Patricia Cortez
que
ocasiona especial inters, que suele denominarse vade reserva y se denota como W . El salario de reserva es
riable
dependiente Y, respecto a un conjunto de variables,
el precio ms bajo que convencera a una persona para que
llamadas
independentes X1 , X2 , , Xn , resulta adecuado
ofrezca su mano de obra en el mercado laboral.
y
conveniente
la aplicacin de los modelos de regresin.
Cuando la solucin es interior, el salario de mercado
Los
modelos
regresin
se expresan de la siguiente forma:
(que es el que se oferta en el mercado laboral) es mayor
2.1.5 Soluciones
1
X1 i
2
X2
i
Analti a
Anlisis de la participacin laboral de la mujer en el mercado ecuatoriano
i
1+e 0
Ui0 = 0 Xi + i0
(17)
se tiene que:
Ui1 = 1 Xi + i1 .
pi
Ahora, puesto que Yi es una variable dicotmica que
(15)
Yi = ln
1 pi
representa la opcin elegida por el sujeto, se tiene que:
1
1, si Ui1 > Ui0 Wi > Wi
e( 0+ T Xi )
Y
=
(18)
Yi = ln 1+(
i
0 + T Xi )
0, si Ui1 < Ui0 Wi < Wi .
e
1+ e ( 0 +
Yi
= ln
Yi
TX )
i
+ T X
e( 0
0 + T Xi .
i)
Se observa que, al realizar esta transformacin, se obtiene un modelo lineal denominado logit.
Metodologa economtrica
En vista de lo expuesto, se presentan dos inconvenientes para resolver este problema; en primer lugar, los salarios de reserva W no son observables y, en segundo lugar,
los salarios de mercado W de los individuos que participan
laboralmente no son conocidos. Por lo cual, los dos tipos de
salarios deben ser estimados a partir de otras variables que
s sean observables.
Como el presente estudio se refiere a la probabilidad de
participacin laboral femenina, para el salario de reserva se
puede considerar, entre otras variables, el nmero de hijos
y el estado civil; el salario de mercado puede estimarse a
partir de la educacin y la edad.
Los modelos de utilidad se pueden expresar en funcin
de un conjunto de variables; as, para este modelo, un grupo de ellas encierra las caractersticas de los sujetos que toman la decisin, el cual se simboliza con X; y el otro grupo se asocia a las caractersticas de las alternativas, que se
representa con Z. En general, los modelos de utilidad se
expresan as:
Uij = Xi + Zj + ij ,
(16)
donde Uij es la utilidad que le brinda al sujeto i la alternativa j, y los parmetros asociados a cada variable, y ij es
el error aleatorio que acumula los factores no controlables
de la realidad.
Por otra parte, dado que slo existen dos alternativas
posibles, participar o no participar en el mercado laboral,
4 Datos y Modelacin
Como se mencion anteriormente, los datos para la elaboracin de este trabajo han sido obtenidos de la ENEMDU
considerando el periodo de aos comprendido entre 1990
a 2011.
El muestreo utilizado en la ENEMDU desde el ao 1990
al ao 2011 es estratificado por conglomerados y probabilstico; por tanto, las bases de datos incorporan un factor
de expansin para cada registro, el cual puede interpretarse como la cantidad de personas incorporadas en un registro de la muestra. En otras palabras, la poblacin encuestada siempre variar de manera creciente, guardando concordancia con el crecimiento poblacional.
4.1 Datos
La muestra para el anlisis est formada por 441.421 registros, divididos por provincias y por aos, como se muestra en las Tablas 1 (ver pg. 48) y 2 (ver pg. 49) del B; corresponden a mujeres que pertenecen a la PEA2 y se encuentran entre los 10 y 60 aos de edad3 . En este estudio
se llamar edad laboral al rango comprendido entre 10 y 60
aos y, conjunto laboral, al formado por mujeres que pertenecen a la PEA y estn en edad laboral.
Tomando como ejemplo, al azar, la provincia de Loja en
el ao 1997 (ver Tabla 1, B), que corresponde a la muestra
sin ponderar. Se observa una frecuencia de 386, es decir, se
encuest a 386 mujeres pertenecientes al conjunto laboral.
2 Son todas las personas de 10 aos y ms que trabajaron al menos una hora en la semana de referencia de la encuesta, o aunque no trabajaron,
tuvieron trabajo (ocupados), o bien aquellas personas que no tenan empleo pero estaban disponibles para trabajar (desocupados). Definicin tomada de
los formularios metodolgicos del INEC.
3 La poblacin econmicamente activa en el Ecuador se considera a partir de los 10 aos de edad y la edad; la edad de jubilacin es a los 60 aos.
27
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
59,17%
56,91%
60,00%
57,58%
54,29%
50,00%
52,76%
45,56%
44,98%
40,00%
Porcentaje
30,00%
22,52%
20,00%
10,00%
6,98%
0,00%
10 a 14
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60
Edad
Muestra total
28
ha ecogido los aos 1990, 1995, 2000, 2005 y 2011 con el fin de visualizar un resumen de los resultados obtenidos.
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
hombres, en sentido opuesto a lo que sucede con la educacin universitaria. A partir del ao 2000 hasta el ao 2011,
disminuye el pocentaje de mujeres en la educacin bsica,
pero aumenta en el nivel universitario; la educacin media
contina mostrando un predominio de las mujeres.
78,70%
76,44%
75,67%
74,11%
68,70%
67,39%
60,00%
Porcentaje
46,47%
Acceso a la educacin
1997
1991
52,65%
40,00%
31,07%
52,99%
52,35%
51,27%
50,94%
50,58%
20,00%
49,42%
49,06%
12,91%
48,73%
47,65%
47,35%
47,01%
0,00%
Educacin Bsica
Educacin Media
Hombres
Educacin Universitaria
Educacin Bsica
Mujeres
Educacin Media
Hombres
2004
48,24%
48,48%
Educacin Bsica
Educacin Media
Hombres
Ninguno
49,44%
49,55%
Mujeres
Educacin Universitaria
Educacin Bsica
48,13%
Educacin Media
Hombres
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60
Educacin Bsica
Educacin Media
Educacin Universitaria
51,87%
51,76%
50,56%
50,45%
49,45%
10 a 14
Edad
2009
51,52%
50,55%
Educacin Universitaria
Mujeres
Educacin Universitaria
Mujeres
Figura 5. Porcentaje de participacin laboral clasificado por nivel educativo y grupos de edad. Los resultados corresponden a
la muestra de las mujeres del conjunto laboral. Incluye todas las
observaciones, desde el ao 1990 al ao 2011. Fuente: Elaboracin
propia a partir de la ENEMDU, considerando al periodo 1990 2011.
Se nota que, a partir de los 25 aos de edad, la educacin universitaria tiene un alto impacto en la participacin
laboral femenina, pues quienes la tienen participan laboralmente mucho ms que las del resto de niveles escolares.
A pesar de lo expuesto y de la importancia de contar Adicionalmente se observa que, aunque en proporcin mecon mayores niveles de educacin, no se aprecia un impac- nor, las mujeres con educacin media participan ms que
to de esta ganancia femenina en su participacin dentro del las que tienen educacin bsica; y que estas ltimas sumercado laboral. Como se mencion antes, su tasa de parti- peran en participacin a las de nivel educativo nulo5 . Lo
cipacin sigue siento muy inferior a la de los hombres, una contrario sucede con las mujeres del conjunto laboral que
realidad difcil de explicar y que est fuera del alcance de se encuentran entre 10 y 19 aos, ya que la mayor particiesta investigacin.
pacin laboral la tienen aquellas mujeres sin ningn nivel
Estudios similares realizados en otros pases latinoame- educativo. Posiblemente sto se debe a que, en el mencioricanos (vase [15]) evidencian un patrn comn. Resulta nado rango de edad, la participacin laboral resta signifientonces un tanto paradjico que, a pesar de contar con cativamente la posibilidad de acceder a los diferentes nimayores ndices de escolaridad, las mujeres sigan teniendo veles de eeducacin. El ingreso de las nias y adolescentes
menor participacin laboral que los hombres. Se presume ecuatorianas al mercado laboral casi nunca es una decisin
que esta incongruencia se debe a que la experiencia laboral personal; usualmente, ellas provienen de hogares pobres y
que han ganado los hombres a lo largo del tiempo influyen sus ganancias estn destinadas al sustento de sus familias.
de manera significativa para la contratacin del personal, En cuanto a las mujeres de entre 20 y 24 aos, se muestra
dejando de lado los conocimientos y las habilidades adqui- un comportamiento similar en relacin con los niveles de
ridas por las mujeres.
educacin bsica, media y universitaria (ver Figura 9).
Por otro lado, es indudable que la participacin en el
mercado laboral est influenciada por el nivel educativo. 4.2.3 Estado civil
Segn lo expuesto en [7], a mayor nivel de educacin, mayor es la particiapcin de la mujer. A continuacin se analiDe manera anloga, el estado civil afecta a la particiza las tasas de participacin laboral desagregadas por nivel pacin econmica de la poblacin femenina, debido a que
educativo y grupos de edad. Para una mejor percepcin de la sociedad otorga roles sociales de gnero y compromila intervencin que tiene la educacin en la participacin sos de acuerdo con la situacin conyugal. Al imaginar a los
laboral femenina, se muestra el promedio obtenido de to- hombres como nicos proveedores econmicos del hogar,
dos los aos, entre 1990 y 2011, en la Figura 5. Se incluye la unin conyugal establece que son ellos quienes debern
el valor porcentual del nivel educativo que ms destaca en generar ingresos en rplica a las necesidades y peticiones
participacin laboral en cada grupo de edad.
de los miembros de su ncleo familiar.
5 Se
29
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
0,08%
9,74%
34,45%
80%
56,20%
Porcentaje
67,89%
72,08%
72,15%
70,71%
27,92%
27,85%
29,29%
66,82%
61,01%
60%
99,92%
90,26%
40%
65,55%
43,80%
20%
32,11%
33,18%
38,99%
0%
10 a 14
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60
Edad
Soltera, separada u otras
Figura 6. Porcentaje de mujeres clasificado por estado civil y grupos de edad. Los resultados corresponden a la muestra de las
mujeres en edad laboral. Incluye todas las observaciones, desde
el ao 1990 al ao 2011. Fuente: Elaboracin propia a partir de la
ENEMDU, considerando al periodo 1990 - 2011.
80,00%
73,70%
75,41%
73,66%
67,90%
70,00%
65,17%
60,00%
52,12%
50,43%
52,80%
48,81%
53,89%
50,83%
46,66%
50,00%
Porcentaje
43,54%
40,50%
40,00%
34,65%
30,00%
22,62%
20,00%
10,00%
21,55%
15,66%
6,97%
0,00%
10 a 14
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60
Edad
Soltera, separada u otras
Figura 7. Porcentaje de participacin laboral clasificado por estado civil y grupos de edad. Los resultados corresponden a la muestra de las mujeres del conjunto laboral. Incluye todas las observaciones, desde el ao 1990 al ao 2011. Fuente: Elaboracin propia
a partir de la ENEMDU, considerando al periodo 1990 - 2011.
Analti a
Anlisis de la participacin laboral de la mujer en el mercado ecuatoriano
80,00%
74,95%
66,91%
70,00%
60,00%
52,61%
51,11%
Porcentaje
50,00%
40,00%
31,85%
30,00%
20,00%
11,04%
7,10%
10,00%
0,00%
0,00%
0,00%
10 a 14
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60
Edad
Muestra total
56,71%
56,90%
55,58%
53,47%
51,70%
49,59%
50,00%
42,16%
40,00%
27,06%
30,00%
20,00%
10,00%
0,00%
0,00%
0,00%
10 a 14
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60
Edad
Muestra total
6 Para
7 Se
esta investigacin, se denomina mujer en edad frtil a la que se encuentra entre 15 y 44 aos.
eligi este rango de edad por los resultados encontrados en [1, 12] y dado que la PEA en el Ecuador se calcula a partir de los 10 aos.
31
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
95,75%
93,91%
91,87%
89,41%
90,00%
88,22%
87,73%
87,14%
Porcentaje
88,21%
84,07%
80,00%
Ahora, se examina la participacin laboral de las mujeres que cuentan con ingresos adicionales en el hogar (ver
Figura 11). Con excepcin de aquellas entre 10 y 19 aos,
donde el efecto es ms enrgico, se visualiza que alrededor
del 50 % de las mujeres que cuentan con ingresos adicionales en el hogar participan del mercado laboral; eso indica
que el 50 % restante se encuentra influenciado por los ingresos adicionales que recibe el hogar, para desistir de incorporarse a la fuerza de trabajo.
70,00%
10 a 14
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60
Edad
Cuenta con ingresos adicionales
Figura 10. Porcentaje de mujeres que cuentan con ingresos adicionales en el hogar clasificado por grupos de edad. Los resultados
corresponden a la muestra de las mujeres en edad laboral. Incluye todas las observaciones, desde el ao 1990 al ao 2011. Fuente:
Elaboracin propia a partir de la ENEMDU, considerando al periodo 1990 - 2011.
Par cipacin laboral de mujeres que cuentan con ingresos adicionales en el hogar
60,00%
56,43%
54,69%
56,69%
55,28%
52,75%
50,79%
50,00%
44,43%
44,09%
Porcentaje
40,00%
4.3 Modelizacin
Una vez identificadas las variables que inciden en la decisin de la mujer de participar o no en el mercado laboral,
es necesario establecer la expresin y dimensin concretas
de cada variable que intervendr en el modelo economtrico que estudia la probabilidad de participacin laboral de
las mujeres por provincia.
Puesto que ya se calcul las tasas de participacin laboral femenina a nivel global y en diferentes tramos de edad,
el anlisis sugiere una distribucin, que se encuentra especificada en la Tabla 1. En cuanto a las dimensiones de las
variables seleccionadas, para la construccin del modelo
economtrico, todas las variables explicativas del modelo
son cualitativas, dicotmicas, y se consideran exgenas.
Tomando en cuenta las variables seleccionadas, se especifican modelos de regresin logstica (ver seccin 2.2) para
cada ao (1990 a 2011) y cada provincia del pas, mediante
la siguiente ecuacin
30,00%
22,62%
pi =
20,00%
10,00%
1
,
1 + ev i
(19)
7,14%
donde
0,00%
10 a 14
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60
Edad
Muestra total
32
vi
Analti a
Anlisis de la participacin laboral de la mujer en el mercado ecuatoriano
Variable
Etiqueta
Participacin laboral
Participa
De 10 a 19 aos de
edad
De 20 a 44 aos de
edad
De 45 a 60 aos de
edad
Edad1
Edad2
Edad3
Educacin
Educacin
Estado civil
Casada
Nios menores en el
hogar
Nios
Ingresos adicionales
Ingresos
Definicin
1 = Participa en el mercado laboral (pertenece a la PEA)
0 = No participa en el mercado laboral
1 = De 10 a 19 aos de edad
0 = Ms de 19 aos de edad
1 = De 20 a 44 aos de edad
0 = Menos de 20 o ms de 44 aos de edad
1 = De 45 a 60 aos de edad
0 = Menos de 45 aos de edad
1 = Educacin universitaria o ms
0 = Inferior a educacin univeristaria
1 = Casada o unin libre
0 = Soltera, separa u otras
1 = Presencia de nios menores de 9 aos en el hogar
0 = Sin nios menores de 9 aos en el hogar
1 = Existen otros ingresos en el hogar, distintos a los de ella
0 = No existen otros ingresos
Tabla 1. Descripcin y dimensiones de las variables consideradas para el anlisis. Fuente: Elaboracin propia.
Resultados
En este punto, se procede con la estimacin del modelo descrito por la ecuacin (20), para cada provincia y cada
ao del periodo 1990 a 2011. Se calcula las probabilidades
de participacin en el mercado laboral para una mujer con
las caractersticas antes mencionadas.
La Tabla 3 muestra los valores de los parmetros estimados8 , sus respectivos error estndar y significacin estadstica con la prueba de Wald, que es un estadstico que
contrasta la hiptesis nula de que los parmetros son iguales a cero; es decir,
H0 : k = 0
Ha : k 6 = 0
(21)
con k = 0, 1, 2, , 7 y, puesto que se ha buscado un intervalo de confianza del 95 %, se aceptar la hiptesis nula H0
siempre que la significacin estadstica sea mayor o igual a
0,05. En este caso, la variable en cuestin no es estadsticamente significativa para el modelo.
Como se observa, la variable Edad3 carece de significancia estadstica en las provincias de Bolvar y Carchi.
La variable Educacin no posee significacin estadstica en
la provincia de Pichincha. La variable Nios pierde significancia estadstica en las provincias de Bolvar, Carchi y
Morona Santiago. En consecuencia, el resto de variables,
Edad1, Casada e Ingresos son totalmente significativas para explicar la participacin de la mujer en el mercado laboral.
8 Slo
Ahora, se expone grficamente los resultados obtenidos, por regin y en orden de ubicacin territorial, para
todas las provincias del Ecuador continental; el periodo objeto de anlisis es 1990-2011 (ver Figura 12).
Se evidencia que las provincias con mayor participacin
laboral, en promedio, pertenecen a las regiones de la Sierra
y el Oriente, en ese orden. Esta conducta lleva a plantearse
una interrogante que podra ser resuelta en futuras investigaciones: influye la regin en la participacin laboral?
Adicionalmente, se observa que en la mayora de las
provincias la probabilidad de participacin laboral tiende
a estabilizarse de manera prcticamente lineal durante los
ltimos cinco aos. Se aparta de este comportamiento la
provincia de Napo, donde la probabilidad decae. Otra conducta interesante que se presenta es el hecho de que en las
provincias donde se encuentran las tres ciudades ms importantes del pas, Azuay, Pichincha y Guayas, tienden a
tener una evolucin de la probabilidad prcticamente estable durante el periodo de anlisis; hecho que se contrapone con las provincias de Bolvar, Caar, Carchi, Manab,
Napo y Pastaza, donde el comportamiento es bastante irregular. Esto lleva a pensar que, en estas ltimas provincias,
deben estar influyendo otras variables que no se consideraron en el estudio; con ello, queda planteada la necesidad
de un posterior anlisis de nuevos factores que expliquen
de mejor manera la probabilidad de participacin laboral
femenina.
33
Analti a
Constante
Edad1
Edad3
Educacin
Casada
Nios
Ingresos
0
E.T.
Wald
Sig.
1
E.T.
Wald
Sig.
3
E.T.
Wald
Sig.
4
E.T.
Wald
Sig.
5
E.T.
Wald
Sig.
6
E.T.
Wald
Sig.
7
E.T.
Wald
Sig.
Azuay
.866
.015
3421.906
.000
-2.707
.014
34857.740
.000
.213
.012
321.699
.000
.282
.011
639.599
.000
-.433
.011
1633.048
.000
-.054
.011
23.143
.000
-.088
.014
37.107
.000
Bolvar
.454
.032
205.745
.000
-1.834
.032
3295.893
.000
.048
.026
3.495
.062
.626
.026
587.885
.000
-.091
.023
15.649
.000
-.013
.025
.300
.584
-.207
.030
48.268
.000
Caar
1.015
.024
1757.017
.000
-1.958
.023
7200.488
.000
.070
.021
10.869
.001
.171
.024
50.259
.000
-.506
.019
736.486
.000
-.080
.019
17.156
.000
-.251
.023
122.104
.000
Carchi
.890
.030
856.631
.000
-2.665
.037
5167.123
.000
.044
.024
3.197
.074
.422
.027
239.573
.000
-.438
.021
419.214
.000
.011
.023
.230
.631
-.770
.030
661.244
.000
Cotopaxi
1.406
.022
4003.637
.000
-2.449
.021
13664.934
.000
.109
.017
39.901
.000
.341
.019
318.368
.000
-.413
.015
728.838
.000
.168
.016
105.750
.000
-.537
.021
657.860
.000
Chimborazo
1.450
.021
4551.659
.000
-2.848
.021
19114.029
.000
-.130
.017
59.138
.000
-.075
.017
19.289
.000
.082
.015
29.065
.000
.110
.016
49.897
.000
-.660
.021
1022.557
.000
El Oro
.976
.018
2924.373
.000
-2.445
.018
18024.893
.000
.231
.013
334.164
.000
.989
.013
6084.762
.000
-.585
.012
2524.157
.000
.123
.012
106.831
.000
-.911
.018
2702.088
.000
Esmeraldas
.324
.018
316.964
.000
-3.210
.029
12427.833
.000
.484
.017
830.999
.000
1.581
.017
9150.882
.000
-.885
.015
3592.682
.000
.184
.015
150.122
.000
-.744
.018
1785.767
.000
Guayas
.899
.008
14137.114
.000
-3.062
.008
142538.279
.000
-.310
.005
3504.712
.000
.976
.005
37393.757
.000
-.563
.005
14697.130
.000
-.027
.005
30.385
.000
-.460
.007
3977.599
.000
Imbabura
.930
.024
1560.858
.000
-1.901
.019
9941.794
.000
.040
.016
6.100
.014
.527
.016
1034.002
.000
.163
.015
125.447
.000
.421
.015
807.419
.000
-.884
.023
1428.987
.000
Loja
.250
.019
180.595
.000
-1.860
.019
10088.169
.000
.490
.015
1066.139
.000
.325
.013
591.411
.000
-.220
.013
273.432
.000
.382
.014
799.373
.000
-.386
.017
495.473
.000
Tabla 2. Resultados de las estimaciones obtenidas en SPSS para el modelo de regresin logstica. Fuente: ENEMDU 1990 - 2011. Elaboracin: Autores.
34
4
Revista de Anlisis Estadstico
Journal of Statistical Analysis
k
Juan Carlos Garcia y Patricia Cortez
0
E.T.
Wald
Sig.
1
E.T.
Wald
Sig.
3
E.T.
Wald
Sig.
4
E.T.
Wald
Sig.
5
E.T.
Wald
Sig.
6
E.T.
Wald
Sig.
7
E.T.
Wald
Sig.
Los Ros
.603
.015
1542.240
.000
-2.927
.021
19744.183
.000
-.113
.012
88.577
.000
1.082
.012
7675.471
.000
-.608
.011
3173.445
.000
-.247
.011
463.033
.000
-.947
.015
4074.485
.000
Manab
.015
.011
1.830
.176
-2.435
.014
30219.953
.000
.354
.009
1570.039
.000
1.134
.009
16659.000
.000
-.625
.008
6112.531
.000
.326
.008
1512.211
.000
-.565
.011
2610.192
.000
Morona Santiago
.338
.042
65.773
.000
-1.441
.032
1975.212
.000
.841
.041
415.780
.000
1.362
.048
800.636
.000
.891
.034
690.020
.000
.062
.034
3.431
.064
-.407
.042
92.341
.000
Napo
-.251
.053
22.830
.000
-1.390
.047
859.803
.000
.794
.038
446.907
.000
1.327
.038
1230.686
.000
-.612
.035
307.607
.000
.363
.035
106.688
.000
-.285
.050
32.750
.000
Pastaza
1.118
.053
443.723
.000
-2.728
.054
2558.179
.000
-.149
.045
10.949
.001
.750
.042
313.234
.000
-.171
.036
22.243
.000
-.292
.040
53.225
.000
-.730
.047
244.972
.000
Pichincha
1.039
.008
18944.108
.000
-3.045
.009
121435.088
.000
.020
.006
12.319
.000
.008
.005
2.318
.128
-.629
.005
13902.514
.000
.250
.005
2187.700
.000
-.547
.007
5755.625
.000
Tungurahua
1.819
.025
5410.954
.000
-2.321
.016
19875.198
.000
.118
.015
60.956
.000
-.192
.014
177.053
.000
.145
.013
119.440
.000
.073
.014
28.327
.000
-.894
.024
1420.990
.000
Zamora Chinchipe
1.894
.061
976.490
.000
-3.511
.056
3910.181
.000
-.091
.036
6.353
.012
1.424
.043
1089.226
.000
-.672
.034
393.984
.000
-.361
.035
106.279
.000
-1.438
.056
654.079
.000
Sucumbos
1.028
.052
1516.655
.000
-3.311
.042
6156.571
.000
.092
.033
7.864
.005
1.586
.037
1811.166
.000
-1.436
.027
2765.547
.000
-.140
.029
23.949
.000
-1.623
.051
1015.918
.000
Orellana
.819
.062
174.468
.000
-2.855
.053
2864.176
.000
2.084
.042
2445.139
.000
1.958
.064
934.012
.000
-1.080
.043
624.844
.000
-.367
.038
91.601
.000
-1.067
.065
273.870
.000
Tabla 3. Resultados de las estimaciones obtenidas en SPSS para el modelo de regresin logstica. Fuente: ENEMDU 1990 - 2011. Elaboracin: Autores.
Ingresos
Nios
Casada
Educacin
Edad3
Edad1
Constante
Analti a
35
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
80,00%
80,00%
Porcentaje
Porcentaje
Esmeraldas
100,00%
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
0,00%
1985
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
Aos
Mujer de referencia
2005
2010
2015
2005
2010
2015
2005
2010
2015
2005
2010
2015
2005
2010
2015
Mujer de referencia
Los Ros
Guayas
100,00%
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
2000
Aos
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
0,00%
1985
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
Aos
2000
Aos
Mujer de referencia
Mujer de referencia
El Oro
100,00%
Porcentaje
80,00%
60,00%
40,00%
20,00%
0,00%
1985
1990
1995
2000
2005
2010
2015
Aos
Mujer de referencia
Regin Oriente
Napo
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
Sucumbos
100,00%
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
0,00%
1985
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
Aos
Mujer de referencia
Pastaza
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
Orellana
100,00%
60,00%
40,00%
20,00%
0,00%
2001
60,00%
40,00%
20,00%
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
0,00%
1985
2012
1990
1995
Aos
Mujer de referencia
Mujer de referencia
100,00%
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
Zamora Chinchipe
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
1990
1995
2000
Aos
Mujer de referencia
36
2000
Aos
Morona San!ago
0,00%
1985
2000
Aos
Mujer de referencia
2005
2010
2015
0,00%
1985
1990
1995
2000
Aos
Mujer de referencia
Analti a
Anlisis de la participacin laboral de la mujer en el mercado ecuatoriano
Regin Sierra
Imbabura
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
Carchi
100,00%
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
0,00%
1985
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
2000
Aos
Mujer de referencia
80,00%
Porcentaje
Porcentaje
100,00%
80,00%
60,00%
40,00%
20,00%
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
2000
2005
2010
2015
2005
2010
2015
2005
2010
2015
Mujer de referencia
Bolvar
Tungurahua
100,00%
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
2015
Aos
Mujer de referencia
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
1998
2000
2002
2004
2006
2008
2010
0,00%
1985
2012
1990
1995
2000
Aos
Aos
Mujer de referencia
Mujer de referencia
Chimborazo
Caar
100,00%
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
2010
40,00%
Aos
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
2000
Aos
Aos
Mujer de referencia
Mujer de referencia
Azuay
Loja
100,00%
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
2005
60,00%
20,00%
0,00%
1985
60,00%
40,00%
20,00%
0,00%
1985
2015
Cotopaxi
100,00%
0,00%
1985
2010
Mujer de referencia
Pichincha
0,00%
1996
2005
Aos
60,00%
40,00%
20,00%
1990
1995
2000
Aos
Mujer de referencia
2005
2010
2015
0,00%
1985
1990
1995
2000
Aos
Mujer de referencia
Figura 12. Probabilidad de participacin de la mujer en el mercado laboral, clasificado por regin, provincias y escenarios. Fuente:
ENEMDU 1990 - 2011. Elaboracin: Autores.
37
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Mximo
Mnimo
78.47 % (2008)
88.74 % (2006)
84.65 % (1991)
96.34 % (2002)
87.31 % (2002)
83.43 % (2010)
85.13 % (1991)
80.43 % (1991)
74.71 % (2008)
85.38 % (1993)
77.11 % (2009)
80.29 % (1992)
67.44 % (1995)
68.23 % (1994)
89.20 % (1999)
83.74 % (2005)
81.36 % (2007)
86.04 % (2011)
88.61 % (2010)
73.66 % (2011)
74.15 % (2008)
51.17 % (1995)
23.23 % (1998)
29.65 % (1998)
50.82 % (1998)
59.47 % (1992)
46.67 % (1994)
54.56 % (1999)
46.39 % (1997)
48.69 % (2003)
46.31 % (1997)
38.64 % (1990)
46.15 % (2002)
37.63 % (2001)
41.68 % (2007)
43.76 % (2011)
45.18 % (1994)
59.50 % (1998)
59.45 % (1999)
53.64 % (1995)
45.11 % (1993)
52.61 % (2005)
Promedio
(2007 a 2011)
70.67 %
71.08 %
69.55 %
70.05 %
78.88 %
79.53 %
68.71 %
66.32 %
71.80 %
70.71 %
66.28 %
64.61 %
58.82 %
54.22 %
70.20 %
65.64 %
75.15 %
82.16 %
77.50 %
64.85 %
68.07 %
Comportamiento
Tabla 4. Resumen del comportamiento de la probabilidad de participacin laboral femenina en las diferentes provincias del pas,
divido por escenarios. Fuente: Elaboracin propia a partir de la ENEMDU, considerando al periodo 1990 - 2011.
Para un mejor discernimiento de los datos, en este punto, se realiza un anlisis enfocado en el ltimo ao del periodo considerado, es decir, 2011. En primer lugar, se evala el efecto de un cambio en cada una de las variables
independientes (ver Tabla 5); y, en segunda instancia, se
presenta grficamente los resultados obtenidos (ver Figura
13).
De acuerdo a lo obtenido, se observa que la variable
Edad1 resta participacin laboral en todas las provincias,
siendo ms drstico el efecto en la provincia de Zamora
Chinchipe. En cuanto a la variable Edad3, resta participacin laboral nicamente en las provincias de Chimbora-
38
Analti a
Anlisis de la participacin laboral de la mujer en el mercado ecuatoriano
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Constante
70.39 %
61.15 %
73.41 %
70.90 %
80.32 %
81.00 %
72.63 %
58.03 %
71.07 %
71.71 %
56.23 %
64.64 %
50.39 %
58.38 %
43.76 %
75.35 %
73.86 %
86.04 %
86.92 %
73.66 %
69.39 %
Edad1
13.69 %
-56.69 %
20.10 %
-41.05 %
28.03 %
-45.38 %
14.49 %
-56.40 %
26.07 %
-54.25 %
19.82 %
-61.19 %
18.70 %
-53.92 %
5.29 %
-52.75 %
10.31 %
-60.76 %
27.48 %
-44.23 %
16.66 %
-39.56 %
8.91 %
-55.72 %
8.17 %
-42.21 %
24.93 %
-33.45 %
16.24 %
-27.52 %
16.65 %
-58.70 %
11.85 %
-62.01 %
37.72 %
-48.33 %
16.56 %
-70.36 %
9.26 %
-64.40 %
11.54 %
-57.85 %
Edad3
74.62 %
4.24 %
62.30 %
1.14 %
74.76 %
1.35 %
71.79 %
0.89 %
81.99 %
1.67 %
78.93 %
-2.08 %
76.98 %
4.35 %
69.17 %
11.13 %
64.32 %
-6.75 %
72.52 %
0.80 %
67.71 %
11.49 %
62.02 %
-2.62 %
59.14 %
8.75 %
76.49 %
18.11 %
63.25 %
19.49 %
72.49 %
-2.87 %
74.25 %
0.38 %
87.41 %
1.36 %
85.86 %
-1.06 %
75.40 %
1.74 %
94.80 %
25.41 %
Educacin
75.90 %
5.52 %
74.64 %
13.49 %
76.62 %
3.21 %
78.78 %
7.89 %
85.16 %
4.84 %
79.82 %
-1.18 %
87.70 %
15.08 %
87.05 %
29.01 %
86.70 %
15.64 %
81.11 %
9.40 %
63.99 %
7.76 %
84.36 %
19.72 %
75.94 %
25.55 %
84.57 %
26.18 %
74.58 %
30.82 %
86.62 %
11.27 %
74.02 %
0.16 %
83.57 %
-2.47 %
96.51 %
9.58 %
93.18 %
19.52 %
94.14 %
24.75 %
Casada
60.66 %
-9.72 %
58.98 %
-2.17 %
62.46 %
-10.95 %
61.13 %
-9.77 %
72.98 %
-7.34 %
82.24 %
1.24 %
59.64 %
-12.99 %
36.33 %
-21.70 %
58.31 %
-12.75 %
74.90 %
3.19 %
50.77 %
-5.46 %
49.87 %
-14.76 %
35.21 %
-15.17 %
77.38 %
19.00 %
29.67 %
-14.09 %
72.05 %
-3.31 %
60.11 %
-13.75 %
87.69 %
1.65 %
77.25 %
-9.67 %
39.94 %
-33.71 %
43.50 %
-25.89 %
Nios
69.26 %
-1.13 %
60.83 %
-0.32 %
71.81 %
-1.60 %
71.12 %
0.22 %
82.83 %
2.52 %
82.64 %
1.64 %
75.01 %
2.38 %
62.45 %
4.41 %
70.50 %
-0.57 %
79.43 %
7.71 %
65.31 %
9.08 %
58.81 %
-5.83 %
58.44 %
8.06 %
59.88 %
1.50 %
52.79 %
9.03 %
69.55 %
-5.80 %
78.40 %
4.54 %
86.90 %
0.85 %
82.25 %
-4.67 %
70.85 %
-2.81 %
61.11 %
-8.28 %
Ingresos
68.52 %
-1.86 %
56.15 %
-5.00 %
68.23 %
-5.18 %
53.01 %
-17.89 %
70.45 %
-9.87 %
68.79 %
-12.22 %
51.62 %
-21.01 %
39.65 %
-18.39 %
60.80 %
-10.27 %
51.16 %
-20.55 %
46.62 %
-9.61 %
41.48 %
-23.15 %
36.60 %
-13.79 %
48.29 %
-10.09 %
36.91 %
-6.85 %
59.57 %
-15.78 %
62.05 %
-11.81 %
71.61 %
-14.44 %
61.20 %
-25.72 %
35.56 %
-38.10 %
43.81 %
-25.58 %
Tabla 5. Probabilidad de participacin en el mercado laboral, clasificado por provincia y variacin respecto a la mujer de referencia.
Fuente: Elaboracin propia a partir de la ENEMDU, considerando al periodo 1990 - 2011.
39
Analti a
Juan Carlos Garcia y Patricia Cortez
Referencias
Mayor al 80%
Entre 70% y 79%
Entre 60% y 69%
Inferior a 60%
[1] G. lvarez, (2002) Decisiones de fecundidad y participacin laboral de la mujer en Espaa. Investigaciones
econmicas - Universidad de Vigo, Vol. 26, No. 1, P.
187-218.
[2] O. Ashenfelter, J. Heckman, (1974) The estimation of
income and substitution effects in a model of family labour
supply. Econometrica, Vol. 42, No. 1, P. 73-85.
[3] G. Becker, (1965) A theory of the allocation of time. The
Economic Journal, Vol. 75, No. 299, P. 493-517.
Conclusiones y Recomendaciones
[6] C. Castellar, J. Uribe, (2000) Determinantes de la participacin en el mercado de trabajo del rea metropolitana de
Cali en diciembre de 1998. Departamento de Economa
de la Universidad del Valle.
Analti a
Anlisis de la participacin laboral de la mujer en el mercado ecuatoriano
[13] C. Iglesias, R. Llorente, (2000) Las decisiones de parti- [17] J. M. Mussons, J. Perdiguero, (2008) Determinantes
cipacin laboral de la mujer en Espaa y Europa: Exissociales del diferencial de ocupacin por gnero. Institut
ten diferencias?. Revista Universitaria de Ciencias del
dEstudis Regionals i Metropolitans de Barcelona.
Trabajo, P. 211-236.
[18] Encuesta Nacional de Empleo, Desempleo y Subem[14] O. Larraaga, (2004) Participacin laboral de la mujer
pleo, (1990 - 2011) Instituto Nacional de Estadstica y
en Chile: 1958-2003. Departamento de Economa, UniCensos. Quito - Ecuador.
versidad de Chile.
[19] La Microeconoma - Bernard Guerrien. Disponible
[15] E. Lpez Mendoza, (2009) Hombres y Mujeres en la
en: http://www.eumed.net/cursecon/libreria/bg
educacin. Direccin General de Polticas de Desarro-micro/1a.htm, Consulta: 08 de junio del 2012.
llo Social.
[20] La Teora de la Utilidad y de la De[16] C. F. Miller, (1997) Structural change in the probability
manda
del
Consumidor.
Disponible
en:
of part-time participation by married women. Bulletin of
http://www.zonaeconomica.com/teoria-utilidad
Economic Research, Vol. 49, No. 4, P. 257-273.
-demanda, Consulta: 02 de abril del 2012.
41
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
ANEXO
Anexo A
Modelo ocio-consumo
A continuacin se define los conceptos de ocio y consumo para fines de esta investigacin. Se considerar ocio
al tiempo recreativo que un individuo puede organizar y
utilizar de acuerdo a su propia voluntad, es decir, en el que
excluye las obligaciones laborales. Por otro lado, el consumo ser el resultado de hacer uso de un bien o servicio, en
otras palabras, de gastar.
El modelo ocio-consumo, de manera resumida, plantea
que cada sujeto al tratar de maximizar su utilidad se enfrenta a un problema de eleccin entre ocio9 L y consumo
C, pues para consumir ms se debe trabajar ms y reducir
el tiempo dedicado al ocio. Por tanto, el problema consiste
en maximizar una funcin de utilidad, U, que depende de
L y C, es decir, U ( L, C ); ella est sujeta a dos restricciones:
el presupuesto y el tiempo. La restriccin de presupuesto
encierra el total de los ingresos del individuo; la restriccin
de tiempo establece que el espacio dedicado al ocio no debe
superar el tiempo disponible.
En la Figura A.1, donde el eje vertical representa a la
utilidad y el eje horizontal representa a las cantidades de
L y C, se muestra la evolucin de la utilidad a medida que
aumenta el gasto en L y C.
C1
B
C2
U( L , C )
Nivel de
utilidad
Funcin de utilidad
U(d)
L
L1
L2
U(c)
U(b)
U(a)
L, C
(1)
9 Se
42
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
la curva ms alejada. La forma de las curvas de indiferen- donde V simboliza las rentas no salariales, W la tasa salacia describe en qu medida un consumidor est dispuesto rial, T el tiempo total del que dispone el individuo y L el
a sustituir un bien por otro.
nmero de horas dedicadas al ocio. Entonces, el nmero de
horas dedicadas al trabajo h, es
C
(6)
h = T L.
As, la ecuacin (5) puede ser escrita como
C3
(7)
C = V + Wh.
C2
U3
U2
C1
U1
Px x + Py y = R.
(8)
La RMS es la cantidad de C a la que est dispuesto a
renunciar un individuo para obtener una unidad adicional
de L, sin variar su nivel de satisfaccin. La RMS en un punAdicionalmente, la cantidad mxima de x que puede
to mide, en trminos del ocio, la disposicin a pagar por el comprar el consumidor es
consumo. Analticamente, coincide con la pendiente negativa de la curva de indiferencia en ese punto,
R
,
(9)
dC
C
Px
(2)
= .
RMS = lm
dL
L 0 L
La RMS disminuye conforme se desciende a lo largo y la cantidad mxima de y es
de la curva de indiferencia. A medida que consume mayor
cantidad de C, el consumidor estar dispuesto a renunciar
R
.
(10)
a una cantidad cada vez menor de L para obtener unidaPy
des adicionales del primero. Adicionalmente, la variacin
total de la utilidad ante cambios en las cantidades de L y C,
En el caso del modelo ocio-consumo, la cantidad mxiviene dada por el diferencial total de la utilidad.
ma de L que puede tener un individuo es cuando no trabadU = UC dC + UL dL.
(3) ja, es decir, cuando C = 0; y la cantidad mxima de C de la
Manteniendo el nivel de utilidad constante, U = cte, que puede hacer uso un sujeto es cuando no dedica tiempo
dU = 0, es decir desplazndoce a lo largo de la curva de al ocio, es decir, si L = 0; adems la renta total disponible es V + WT. De la ecuacin (5) se obtiene que, tomando
indiferencia, se tiene que
V
C = 0, la cantidad mxima de L es L = T + W
; y, tomando
UL
L = 0, la cantidad mxima de C es C = V + WT .
UC dC + UL dL = 0 RMS =
.
(4)
UC
Por lo tanto,
R
R
=
PL
UL
R
R
=
PC
UC
T+
V
W
= V + WT.
(11)
(12)
Estas breves acotaciones permiten representar grfica(5) mente la restriccin presupuestraria (ver Figura A.4).
43
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
V+WT
tan
n
=W
40
T+ V
W
30
R ec
ta p
resu
p
ues
ta
ria
C = -30
U2
U1
L = 20
La pendiente de la recta presupuestaria indica la relacin a la que puede sustituirse L por C, sin alterar la utilidad del individuo.
20
L
40
80
El problema presenta dos soluciones, denominadas solucin interior y solucin de esquina. La solucin interior se
presenta cuando el individuo utiliza cantidades positivas
(13) de L y C, es decir, cuando dedica tiempo tanto al ocio como
al consumo, y en este caso se cumple que
La eleccin ptima es la que permite maximizar la utilidad sujeta a la restriccin presupuestaria, es decir:
max
U (C, L).
C V + Wh
s.a.
0h
U
Con el fin de lograr una mejor comprensin de este
RMS = L ,
(14)
U
C
principio, se procede a realizar un ejemplo (ver Figura A.5).
Si se toma UL = 1, UL = 2 y R = 80, se observa lo siguiente:
donde UL representa la derivada parcial de la funcin U
respecto a la variable L; anlogamente, se define UC .
a. La combinacin A produce una
RMS =
C
30
=
= 1, 5,
L
20
RMS >
UL
.
UC
(15)
Analti a
Anlisis de la participacin laboral de la mujer en el mercado ecuatoriano
C
R/UC
RMS=
C*
UC
= U ( L*, C* )
UL
R/UL
L*
(16)
donde 1 y 2 son los multiplicadores asociados a las restricciones de presupuesto y de tiempo, respectivamente.
Derivando respecto al consumo y al ocio e igualando a cero, se obtienen las siguientes condiciones de primer orden:
RMS >
UC
= U ( L*, 0 )
UL
L* = R/UL
L
= UC 1 = 0 UC = 1
C
(18)
L
= U L 1 W 2 = 0 U L = 1 W + 2 .
L
(19)
45
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
Tablas
1990
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
1044
0
217
220
136
270
1092
417
3543
452
349
710
1101
234
169
272
2630
442
46
236
0
13580
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
1217
0
195
219
156
274
1217
423
3629
418
394
794
1046
270
217
261
2428
428
58
246
0
13890
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
825
70
102
95
94
184
868
222
2421
200
178
314
586
144
115
161
1786
220
79
153
86
8903
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
1706
1267
1426
1249
1378
1288
2195
2007
3267
1275
1425
1952
2001
279
253
193
2418
1620
167
314
198
27878
1991
Porcentaje
7,7
,0
1,6
1,6
1,0
2,0
8,0
3,1
26,1
3,3
2,6
5,2
8,1
1,7
1,2
2,0
19,4
3,3
,3
1,7
,0
100,0
Frecuencia
1230
0
253
212
133
280
1264
432
3702
420
397
803
1088
270
224
274
2591
432
65
249
0
14319
Porcentaje
8,8
,0
1,4
1,6
1,1
2,0
8,8
3,0
26,1
3,0
2,8
5,7
7,5
1,9
1,6
1,9
17,5
3,1
,4
1,8
,0
100,0
Frecuencia
1313
74
130
60
295
347
977
371
3518
323
386
868
1425
191
275
211
2341
365
71
140
0
13681
Porcentaje
9,3
,8
1,1
1,1
1,1
2,1
9,7
2,5
27,2
2,2
2,0
3,5
6,6
1,6
1,3
1,8
20,1
2,5
,9
1,7
1,0
100,0
Frecuencia
1490
1350
1507
1340
1392
1363
2071
2132
3419
1328
1375
2057
2179
280
268
221
2469
1366
188
306
217
28318
Porcentaje
6,1
4,5
5,1
4,5
4,9
4,6
7,9
7,2
11,7
4,6
5,1
7,0
7,2
1,0
,9
,7
8,7
5,8
,6
1,1
,7
100,0
Frecuencia
1635
1193
1240
1182
1226
1199
2007
1792
4511
1303
1113
1774
1795
228
243
187
3222
1533
165
288
160
27996
1992
Porcentaje
8,6
,0
1,8
1,5
,9
2,0
8,8
3,0
25,9
2,9
2,8
5,6
7,6
1,9
1,6
1,9
18,1
3,0
,5
1,7
,0
100,0
Frecuencia
1223
0
254
209
147
278
1220
405
3712
425
382
789
1058
265
178
299
2555
406
52
240
0
14097
Porcentaje
9,6
,5
1,0
,4
2,2
2,5
7,1
2,7
25,7
2,4
2,8
6,3
10,4
1,4
2,0
1,5
17,1
2,7
,5
1,0
,0
100,0
Frecuencia
1340
71
167
68
303
357
1043
388
3981
372
394
950
1522
232
317
242
2570
377
79
187
0
14960
Porcentaje
5,3
4,8
5,3
4,7
4,9
4,8
7,3
7,5
12,1
4,7
4,9
7,3
7,7
1,0
,9
,8
8,7
4,8
,7
1,1
,8
100,0
Frecuencia
1499
1457
1501
1319
1415
1422
2042
2040
3521
1368
1471
2138
2254
285
235
218
2577
1395
211
317
193
28878
2008
Porcentaje
5,8
4,3
4,4
4,2
4,4
4,3
7,2
6,4
16,1
4,7
4,0
6,3
6,4
,8
,9
,7
11,5
5,5
,6
1,0
,6
100,0
Frecuencia
1685
1223
1295
1180
1333
1246
2051
1983
4442
1256
1214
1944
1927
298
237
200
3396
1618
149
284
224
29185
Porcentaje
9,0
,5
1,1
,5
2,0
2,4
7,0
2,6
26,6
2,5
2,6
6,4
10,2
1,6
2,1
1,6
17,2
2,5
,5
1,3
,0
100,0
Frecuencia
1323
75
241
139
145
309
1114
349
3954
366
466
772
1365
151
328
195
2701
436
251
248
0
14928
Porcentaje
5,2
5,0
5,2
4,6
4,9
4,9
7,1
7,1
12,2
4,7
5,1
7,4
7,8
1,0
,8
,8
8,9
4,8
,7
1,1
,7
100,0
Frecuencia
1322
1374
1117
1264
1358
1345
1952
2041
3413
1389
1265
1960
2080
209
235
209
2472
1361
138
298
218
27020
2009
Porcentaje
5,8
4,2
4,4
4,0
4,6
4,3
7,0
6,8
15,2
4,3
4,2
6,7
6,6
1,0
,8
,7
11,6
5,5
,5
1,0
,8
100,0
Frecuencia
1514
853
1042
941
978
878
1715
1358
3830
1120
1195
1758
1809
200
148
173
3097
1412
131
263
136
24551
1994
Porcentaje
8,9
,0
1,7
1,5
1,1
1,8
8,9
2,9
25,9
3,0
2,9
5,5
7,7
2,0
1,5
2,2
17,3
3,0
,4
1,7
,0
100,0
Frecuencia
1196
0
218
206
168
281
1247
377
3590
428
362
797
1093
279
181
294
2434
433
70
250
0
13904
Porcentaje
8,9
,5
1,6
,9
1,0
2,1
7,5
2,3
26,5
2,5
3,1
5,2
9,1
1,0
2,2
1,3
18,1
2,9
1,7
1,7
,0
100,0
Frecuencia
1996
528
715
265
633
891
1426
647
4937
708
884
1379
1685
425
281
365
2841
749
254
445
0
22054
Porcentaje
4,9
5,1
4,1
4,7
5,0
5,0
7,2
7,6
12,6
5,1
4,7
7,3
7,7
,8
,9
,8
9,1
5,0
,5
1,1
,8
100,0
Frecuencia
1480
1348
1398
1283
1338
1263
1889
2048
3380
1420
1381
1966
2066
226
245
202
2502
1288
185
292
196
27396
Frecuencia
1205
0
212
222
144
259
1180
413
3580
423
341
777
1060
258
224
294
2408
437
53
221
0
13711
Porcentaje
9,1
2,4
3,2
1,2
2,9
4,0
6,5
2,9
22,4
3,2
4,0
6,3
7,6
1,9
1,3
1,7
12,9
3,4
1,2
2,0
,0
100,0
Frecuencia
1974
572
689
247
590
911
1387
630
4575
703
888
1258
1566
382
280
378
2822
714
214
421
0
21201
Porcentaje
5,4
4,9
5,1
4,7
4,9
4,6
6,9
7,5
12,3
5,2
5,0
7,2
7,5
,8
,9
,7
9,1
4,7
,7
1,1
,7
100,0
Frecuencia
1656
1208
1355
1204
1325
1194
2120
1903
3219
1221
1362
1953
1987
273
210
176
2352
1538
175
301
177
26909
Porcentaje
8,8
,0
1,5
1,6
1,1
1,9
8,6
3,0
26,1
3,1
2,5
5,7
7,7
1,9
1,6
2,1
17,6
3,2
,4
1,6
,0
100,0
2001
Porcentaje
9,3
2,7
3,2
1,2
2,8
4,3
6,5
3,0
21,6
3,3
4,2
5,9
7,4
1,8
1,3
1,8
13,3
3,4
1,0
2,0
,0
100,0
2007
2006
2005
2010
1995
Porcentaje
8,6
,0
1,6
1,5
1,2
2,0
9,0
2,7
25,8
3,1
2,6
5,7
7,9
2,0
1,3
2,1
17,5
3,1
,5
1,8
,0
100,0
2000
1999
2004
2003
2002
Frecuencia
1253
0
246
210
152
258
1252
411
3643
423
408
780
1080
286
206
305
2432
422
58
237
0
14062
1998
1997
1996
1993
Porcentaje
8,7
,0
1,8
1,5
1,0
2,0
8,7
2,9
26,3
3,0
2,7
5,6
7,5
1,9
1,3
2,1
18,1
2,9
,4
1,7
,0
100,0
Porcentaje
6,2
4,5
5,0
4,5
4,9
4,4
7,9
7,1
12,0
4,5
5,1
7,3
7,4
1,0
,8
,7
8,7
5,7
,7
1,1
,7
100,0
2011
Porcentaje
6,2
3,5
4,2
3,8
4,0
3,6
7,0
5,5
15,6
4,6
4,9
7,2
7,4
,8
,6
,7
12,6
5,8
,5
1,1
,6
100,0
Tabla 1. Distribucin provincial de la muestra sin ponderar. Fuente: ENEMDU 1990 - 2011. Elaboracin: Autores.
46
Analti a
Anlisis de la participacin laboral de la mujer en el mercado ecuatoriano
1990
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
73751
0
40655
49319
31825
33770
133627
54988
839440
57101
58959
105185
141990
7747
5221
2775
578122
46712
2869
6864
0
2270920
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
97854
0
45327
57498
46026
37710
161550
70576
1010598
63373
71652
130355
168468
10060
7899
3062
669009
56139
2910
9030
0
2719096
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
129310
15432
32290
34246
38496
67504
157354
75917
1023521
81241
65188
123945
242736
13693
9244
11373
758640
84198
9110
16956
7921
2998314
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
263030
59804
84384
60617
148932
158873
228580
156127
1325102
142658
157641
264299
466326
46974
39139
23691
1051260
186452
32401
55936
34220
4986444
1991
Porcentaje
3,2
,0
1,8
2,2
1,4
1,5
5,9
2,4
37,0
2,5
2,6
4,6
6,3
,3
,2
,1
25,5
2,1
,1
,3
,0
100,0
Frecuencia
80102
0
45649
49624
33228
34334
134040
61248
864513
54902
61683
106722
139976
10770
7270
3616
618555
50240
3097
8457
0
2368026
Porcentaje
3,6
,0
1,7
2,1
1,7
1,4
5,9
2,6
37,2
2,3
2,6
4,8
6,2
,4
,3
,1
24,6
2,1
,1
,3
,0
100,0
Frecuencia
116658
17080
33049
30431
73284
44296
125176
148391
948350
44469
53126
210366
381869
11537
9143
4059
650568
38342
4337
13944
0
2958475
Porcentaje
4,3
,5
1,1
1,1
1,3
2,3
5,2
2,5
34,1
2,7
2,2
4,1
8,1
,5
,3
,4
25,3
2,8
,3
,6
,3
100,0
Frecuencia
275190
59359
80390
55451
126893
146669
193884
133395
1240720
127985
142874
232873
424050
39501
30700
23361
920813
164051
29687
37944
25769
4511557
Porcentaje
5,3
1,2
1,7
1,2
3,0
3,2
4,6
3,1
26,6
2,9
3,2
5,3
9,4
,9
,8
,5
21,1
3,7
,6
1,1
,7
100,0
Frecuencia
270645
64102
87158
60647
151691
170640
230981
155356
1360917
148275
151260
267973
465098
48367
36084
27737
1039300
190796
30615
61750
41825
5061216
1992
Porcentaje
3,4
,0
1,9
2,1
1,4
1,4
5,7
2,6
36,5
2,3
2,6
4,5
5,9
,5
,3
,2
26,1
2,1
,1
,4
,0
100,0
Frecuencia
95154
0
42287
45603
36009
37608
131853
51716
934672
51442
58920
94123
127547
12974
7695
4594
606632
46550
3649
9160
0
2398188
Porcentaje
3,9
,6
1,1
1,0
2,5
1,5
4,2
5,0
32,1
1,5
1,8
7,1
12,9
,4
,3
,1
22,0
1,3
,1
,5
,0
100,0
Frecuencia
110016
15371
34647
28896
66565
42513
126383
143364
949228
43248
48624
200854
356650
12563
8556
4204
593633
37231
3365
12903
0
2838815
Porcentaje
6,1
1,3
1,8
1,2
2,8
3,3
4,3
3,0
27,5
2,8
3,2
5,2
9,4
,9
,7
,5
20,4
3,6
,7
,8
,6
100,0
Frecuencia
243509
59597
82645
56362
130499
152888
198941
138365
1272437
132627
151774
242176
432294
45540
28887
24718
981613
174544
36515
46227
26794
4658952
2008
Porcentaje
5,3
1,3
1,7
1,2
3,0
3,4
4,6
3,1
26,9
2,9
3,0
5,3
9,2
1,0
,7
,5
20,5
3,8
,6
1,2
,8
100,0
Frecuencia
272633
63900
86720
60767
152590
166939
226560
171175
1367616
146602
151849
275048
476016
56809
36614
26994
1054089
197875
29153
51433
44616
5115996
Porcentaje
3,9
,5
1,2
1,0
2,3
1,5
4,5
5,1
33,4
1,5
1,7
7,1
12,6
,4
,3
,1
20,9
1,3
,1
,5
,0
100,0
Frecuencia
107231
14254
77525
63207
38439
38232
148376
72699
1043164
72660
53455
141571
247139
8256
11159
3872
750854
54591
11124
13307
0
2971116
Porcentaje
5,2
1,3
1,8
1,2
2,8
3,3
4,3
3,0
27,3
2,8
3,3
5,2
9,3
1,0
,6
,5
21,1
3,7
,8
1,0
,6
100,0
Frecuencia
246504
61418
83098
56690
136728
155432
204174
141381
1275118
137070
148701
244913
447779
43073
34414
24125
985925
177944
26739
51282
34691
4717197
2009
Porcentaje
5,3
1,2
1,7
1,2
3,0
3,3
4,4
3,3
26,7
2,9
3,0
5,4
9,3
1,1
,7
,5
20,6
3,9
,6
1,0
,9
100,0
Frecuencia
274903
58669
85581
60438
146724
148917
227431
168373
1382486
151311
160386
281328
495155
41437
28470
26029
1095845
196295
30089
50956
62552
5173378
1994
Porcentaje
3,8
,0
1,9
2,1
1,7
1,5
5,9
2,6
37,4
2,3
2,6
4,5
6,2
,4
,2
,1
24,3
2,0
,1
,3
,0
100,0
Frecuencia
88142
0
43174
50137
43615
37644
149531
60589
943357
59579
61391
117944
151903
9281
5569
3184
606125
52675
3213
8223
0
2495276
Porcentaje
3,6
,5
2,6
2,1
1,3
1,3
5,0
2,4
35,1
2,4
1,8
4,8
8,3
,3
,4
,1
25,3
1,8
,4
,4
,0
100,0
Frecuencia
266836
69284
140088
98051
69751
150766
217741
132940
1294387
143955
136059
272581
333599
63359
9234
30404
905583
115610
10773
74828
0
4535828
Porcentaje
5,2
1,3
1,8
1,2
2,9
3,3
4,3
3,0
27,0
2,9
3,2
5,2
9,5
,9
,7
,5
20,9
3,8
,6
1,1
,7
100,0
Frecuencia
258526
62265
87441
58138
139128
150763
212176
146603
1289792
142467
152317
245305
446674
36864
33378
23826
996197
183451
36024
48962
44350
4794644
2010
Frecuencia
96733
0
46789
60708
43584
38416
157949
66356
992721
62935
62941
120815
161142
9848
7376
3340
648683
56794
2606
8789
0
2648525
Porcentaje
5,9
1,5
3,1
2,2
1,5
3,3
4,8
2,9
28,5
3,2
3,0
6,0
7,4
1,4
,2
,7
20,0
2,5
,2
1,6
,0
100,0
Frecuencia
269168
77853
128989
99049
68219
151478
215135
132997
1281474
132984
146559
276747
327658
58833
10144
27987
941667
116370
9844
68036
0
4541192
Porcentaje
5,4
1,3
1,8
1,2
2,9
3,1
4,4
3,1
26,9
3,0
3,2
5,1
9,3
,8
,7
,5
20,8
3,8
,8
1,0
,9
100,0
Frecuencia
254449
60636
83126
57590
144038
155364
217934
146565
1301146
139100
154580
256088
451887
44402
35410
25457
1020974
187608
33216
52166
30988
4852724
Porcentaje
3,7
,0
1,8
2,3
1,6
1,5
6,0
2,5
37,5
2,4
2,4
4,6
6,1
,4
,3
,1
24,5
2,1
,1
,3
,0
100,0
2001
Porcentaje
5,9
1,7
2,8
2,2
1,5
3,3
4,7
2,9
28,2
2,9
3,2
6,1
7,2
1,3
,2
,6
20,7
2,6
,2
1,5
,0
100,0
2007
2006
2005
1995
Porcentaje
3,5
,0
1,7
2,0
1,7
1,5
6,0
2,4
37,8
2,4
2,5
4,7
6,1
,4
,2
,1
24,3
2,1
,1
,3
,0
100,0
2000
1999
2004
2003
2002
Frecuencia
90966
0
45652
50480
40064
36311
142072
61964
899986
55958
63237
108651
149442
10343
5467
3157
585356
48507
2728
7353
0
2407694
1998
1997
1996
1993
Porcentaje
4,0
,0
1,8
1,9
1,5
1,6
5,5
2,2
39,0
2,1
2,5
3,9
5,3
,5
,3
,2
25,3
1,9
,2
,4
,0
100,0
Porcentaje
5,2
1,2
1,7
1,2
3,0
3,2
4,5
3,0
26,8
2,9
3,2
5,3
9,3
,9
,7
,5
21,0
3,9
,7
1,1
,6
100,0
2011
Porcentaje
5,3
1,1
1,7
1,2
2,8
2,9
4,4
3,3
26,7
2,9
3,1
5,4
9,6
,8
,6
,5
21,2
3,8
,6
1,0
1,2
100,0
Tabla 2. Distribucin provincial de la muestra ponderada. Fuente: ENEMDU 1990 - 2011. Elaboracin: Autores.
47
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
Figuras
54,62% 53,20%
46,56%
50,00%
49,32%
47,59%
41,98%
36,41%
Porcentaje
40,00%
31,22%
30,00%
19,41%
20,00%
10,00%
3,86%
0,00%
10 a 14 15 a 19 20 a 24 25 a 29 30 a 34 35 a 39 40 a 44 45 a 49 50 a 54 55 a 60
Edad
2000
1995
60,00%
52,11%
54,03%
57,40% 56,74%
60,00%
54,86%
51,60%
53,43%
48,67%
50,00%
50,00%
44,82%
51,76%
48,34%
45,24%
43,18%
42,53%
38,35%
40,00%
Porcentaje
Porcentaje
40,00%
30,00%
20,05%
20,00%
10,00%
35,14%
30,00%
24,77%
20,00%
10,00%
5,14%
0,00%
6,98%
0,00%
10 a 14 15 a 19 20 a 24 25 a 29 30 a 34 35 a 39 40 a 44 45 a 49 50 a 54 55 a 60
10 a 14 15 a 19 20 a 24 25 a 29 30 a 34 35 a 39 40 a 44 45 a 49 50 a 54 55 a 60
Edad
Edad
2005
70,00%
60,26%
57,74% 58,86%
60,00%
2011
62,59%
70,00%
60,06% 59,21%
59,59%
48,73%
50,00%
Porcentaje
Porcentaje
40,00%
24,35%
42,16%
40,00%
30,00%
14,98%
20,00%
20,00%
60,09% 60,59%
53,26%
49,27%
48,62%
50,00%
30,00%
63,26% 62,43%
60,00%
9,48%
10,00%
10,00%
0,00%
0,00%
2,79%
10 a 14 15 a 19 20 a 24 25 a 29 30 a 34 35 a 39 40 a 44 45 a 49 50 a 54 55 a 60
10 a 14 15 a 19 20 a 24 25 a 29 30 a 34 35 a 39 40 a 44 45 a 49 50 a 54 55 a 60
Edad
Edad
Figura 8. Porcentaje de participacin laboral clasificado por grupos de edad. Los resultados corresponden a la muestra de las mujeres
del conjunto laboral. Fuente: ENEMDU 1990 - 2011. Elaboracin: Autores.
48
Analti a
Anlisis de la participacin laboral de la mujer en el mercado ecuatoriano
De 15 a 19 aos
50,00%
80,00%
40,00%
Porcentaje
Porcentaje
60,00%
30,00%
20,00%
40,00%
20,00%
10,00%
0,00%
1985
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
2000
Aos
Ninguno
Educacin Bsica
2005
2010
2015
Aos
Ninguno
Educacin Media
Educacin Bsica
De 20 a 24 aos
Educacin Media
Educacin Universitaria
De 25 a 29 aos
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
60,00%
60,00%
40,00%
40,00%
20,00%
20,00%
0,00%
1985
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
2000
Aos
Ninguno
Educacin Bsica
Educacin Media
Educacin Universitaria
Ninguno
Educacin Bsica
80,00%
80,00%
60,00%
40,00%
20,00%
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
2000
Educacin Bsica
Educacin Media
2005
2010
2015
Aos
Educacin Universitaria
Ninguno
Educacin Bsica
Educacin Media
Educacin Universitaria
De 45 a 49 aos
100,00%
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
Educacin Universitaria
40,00%
De 40 a 44 aos
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
2000
Aos
Ninguno
Educacin Bsica
Educacin Media
2005
2010
2015
Aos
Educacin Universitaria
Ninguno
Educacin Bsica
De 50 a 54 aos
Educacin Media
Educacin Universitaria
De 55 a 60 aos
100,00%
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
Educacin Media
20,00%
Ninguno
60,00%
40,00%
20,00%
0,00%
1985
2015
60,00%
Aos
0,00%
1985
2010
De 35 a 39 aos
100,00%
Porcentaje
Porcentaje
De 30 a 34 aos
100,00%
0,00%
1985
2005
Aos
60,00%
40,00%
20,00%
1990
1995
2000
2005
2010
2015
0,00%
1985
1990
1995
Aos
Ninguno
Educacin Bsica
Educacin Media
2000
2005
2010
2015
Aos
Educacin Universitaria
Ninguno
Educacin Bsica
Educacin Media
Educacin Universitaria
Figura 9. Porcentaje de participacin laboral clasificado por grupos de edad y nivel educativo. Los resultados corresponden a la
muestra de las mujeres del conjunto laboral. Fuente: ENEMDU 1990 - 2011. Elaboracin: Autores.
49
Analti a
Fiscal policy and economic growth: a simulation
analysis for Bolivia
Poltica Fiscal y crecimiento econmico: un anlisis de
simulacin para Bolivia
www.inec.gob.ec
www.ecuadorencifras.com
Analti a
Fiscal policy and economic growth: a simulation analysis for Bolivia
Abstract
This paper develops a dynamic stochastic general equilibrium (DSGE) model to analyze the growth effects of fiscal
policy in Bolivia. It is a multi-sector model with five representative sectors for the Bolivian economy: Non-tradables,
importables, hydrocarbons, mining and agriculture. Public capital is included as a production factor in each of these
sectors. The model is calibrated and a number of interesting scenarios are simulated by modifying each of the available
fiscal policy instruments. In particular, we analyze the sustainability of Bolivian social policy based on government
transfers to households along with the short- and long-run implications of fiscal policy for growth and welfare. We
find that fiscal policy alone is unable to generate high rates of growth: it must be accompanied by an efficient provision
of public capital and productivity boosts in the economic sectors.
Palabras clave: Fiscal Policy, Infrastructure, Multi-sector growth model
Resumen
En este trabajo se desarrolla un modelo de equilibrio general dinmico estocstico (DSGE) para analizar los efectos
de la poltica fiscal en el crecimiento de Bolivia. Se trata de un modelo multisectorial con cinco sectores representativos
de la economa boliviana: no transables importables, hidrocarburos, minera y agricultura. Adems, se incluye capital
pblico como un factor de produccin en cada uno de estos sectores. El modelo est calibrado y se simulan una serie de
interesantes escenarios modificando cada uno de los distintos instrumentos disponibles de poltica fiscal. En particular,
se analiza la sostenibilidad de la poltica social basada en transferencias directas del gobierno a los hogares junto con las
implicaciones a corto y largo plazo de la poltica fiscal para el crecimiento y el bienestar. Se encuentra que la poltica fiscal
por s sola no es capaz de generar altas tasas de crecimiento, debe ir acompaada de una provisin eficiente de capital
pblico (infraestructura) y de incrementos en la productividad de los sectores econmicos.
Keywords: Poltica fiscal, infraestructura, modelo de crecimiento multisectorial.
Cdigo JEL: E62, H54, O41.
Introduction
The early 1990s saw a boom in economic literature analyzing expansionary fiscal policies based on tax cuts or
spending increases. Much of this body of research aimed
to analyze fiscal adjustments in contexts of economic cri-
sis. Giavazzi and Pagano (1990) were the first to argue that
decisive deficit reductions through spending cuts could be
expansionary via effects on private consumption. Alesina
and Perotti (1997) investigate various cases of fiscal ad-
53
Analti a
Carlos Gustavo Machicado y Pal Estrada
the importable sector (manufacturing), hydrocarbons, mining and agriculture, each of which are representative at the
level of the Bolivian economy. Among these sectors, the
government views the capital-intensive hydrocarbon sector as a strategic sector that will generate the resources
needed to combat poverty and underdevelopment.
In this study, we first analyze the macroeconomic and
sectoral impacts of changes in fiscal policy such as tax
structure and public infrastructure investments on: output,
consumption, investment, the trade balance and welfare.
Second, we identify the combination of fiscal policy instruments that allows the government to sustain public social
transfers to households. Third we show that the fiscal policy alone is not sufficient to generate the output growth and
welfare gains needed to reduce poverty levels, as per the
Millennium Development Goals, which indicate that GDP
per capita should grow by more than 2 percent per year.
This is equivalent to an overall GDP growth rate of more
than 6 percent per year. A combination of effective provisions of public capital and increased total factor productivity (TFP) is also needed. We provide the long-run results
for each simulation along with dynamic transitions for a
handful of selected cases.
The DSGE model is based on Chumacero, Fuentes, &
Schmidt-Hebbel (2004) and is modified to include public infrastructure investments much like Rioja (2003) and
specifically includes different exportable sectors as seen
in Estrada (2006). We calibrated the model for the Bolivian economy and solved it using the second-orderapproximation technique developed by Schmitt-Groh and
Uribe (2004). The advantage of this perturbation method is
that it allows for second-order effects, which feature heavily in an economy with high levels of uncertainty.
An important aspect of the model is that it allows us
to derive precise quantitative information about the effects
that each scenario has on real output and welfare as well
as macroeconomic variables such as consumption, investment and output in the five sectors. The section with
the model simulation first reports the steady-state (long
run) effects then presents the dynamic effects on the composition of these variables. This is important if we consider that, in recent years, the Bolivian governments antipoverty policy has been based on transfers to households,
while it aims to use public investment as the main approach to promoting growth and welfare. Quantitative
measures of the impact of these policies are thus needed
to guide policymakers.
The paper is organized as follows: Section 2 briefly describes fiscal policy in Bolivia in recent years. Section 3
describes the dynamic general equilibrium model and its
1 There is a rich literature on the determinants and economic outcomes of large fiscal adjustments. A non-exhaustivelist includes Ardagna (2004),
Giavazzi, Jappelli and Pagano (2000), Lambertini and Tavares (2000), McDermott and Wescott (1996), Von Hagen and Strauch (2001), Von Hagen,
Hughes, and Strauch (2002), among others.
2 See Mauntford and Uhlig (2008), Alesina and Ardagna (2009), Cogan et.al. (2009), Ramey (2009), and Romer and Romer (2010), among others.
3 Munnell (1990) and Garca-Mil, McGuire and Porter (1993) use panel data to estimate production elasticities.
4 Easterly and Rebelo (1993), Ford and Poret (1991), Hulten (1996) and Canning (1998) among others.
54
Analti a
Fiscal policy and economic growth: a simulation analysis for Bolivia
spectively in 2008 and 2009. Figure 2 shows that government expenditures grew over these last years but was surpassed by revenue growth.
One explanation for the increase in government revenues is ongoing increases in tax revenues. Total tax revenues increased by an annual average of 27.82 percent
between 2005 and 2008. The main taxes are the Value
Added Tax (VAT) and the Direct Tax on Hydrocarbons
(DTH), which together represent 50 percent of total tax revenues. The DTH, a tax on hydrocarbons exports, registered the largest average increase (of 52 percent), with the
greatest increase occurring in 2006, the year that Yacimientos Petrolferos Fiscales Bolivianos (YPFB), the national oil
company, was nationalized.
Figure 3 shows the composition of current revenues in
thenon-financial public sector. We can see that tax revenues remain the main source of income, although non-tax
revenues increased after nationalization of YPFB in 2006.
Note that the hydrocarbon tax was an important source of
revenues in 2005 and 2006. In 2007 and 2008, revenues
from the hydrocarbons tax were largely replaced by non-
5
A point of comparison can be made with the U.S. federal governments fiscal revenues, which have increased by 18.7 percent of GDP over the last
40 years (U.S. Congressional Budget Office, 2009).
55
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
2005
2006
2007
2008
19.27%
21.75%
21.08%
23.24%
Average
20052008
Average
20052009
7.31%
21.33%
15.61%
2009 (p)
8.77%
6.32%
14.87%
23.02%
15.40%
13.25%
7.52%
41.75%
38.05%
6.49%
47.18%
59.30%
33.37%
38.56%
18.72%
18.08%
18.87%
19.64%
5.28%
18.82%
16.12%
10.65%
1.23%
0.72%
18.83%
11.54%
7.86%
8.59%
64.44%
6.04%
19.15%
6.18%
29.20%
23.95%
13.32%
101.67%
29.49%
27.45%
5.15%
0.48%
12.47%
9.88%
65.32%
8.90%
52.11%
32.29%
64.10%
6.99%
18.41%
20.68%
16.63%
16.10%
24.79%
6.36%
19.55%
16.91%
136.12%
8.32%
11.57%
2.68%
52.00%
38.33%
18.38%
15.74%
21.31%
25.99%
16.22%
20.35%
13.04%
41.25%
34.10%
14.32%
21.61%
3.26%
27.82%
22.91%
Source: SIN-ANB
(p) preliminary information up to September 2009
6
For example, the telecom company - Entel - was nationalized in 2008, an aviation company - BOA - was created in 2008 and Comibol, a mining
company, was reactivated in 2009.
56
Analti a
Fiscal policy and economic growth: a simulation analysis for Bolivia
3.1.1 Households
The economy in our model is comprised of infinitelylived individuals who derive utility from consumption
of importable goods (cm,t ), consumption of non-tradable
goods (cn,t ) and government consumption (gt ). The last of
these is essentially a public good that is not characterized
by congestion. Representative agents thus maximizes the
expected value of lifetime utility as given by
Et
t u(cm,t , cn,t , gt )
(1)
t =0
Figure 6. Financing of the fiscal deficit (% of GDP). Source: Central Bank of Bolivia.
(2)
(4)
(5)
7 There are currently three types of conditional transfers: Renta Dignidad (for persons over 60 years of age), bono Juancito Pinto (for students in
primary school) and bono Juana Azurduy (for mothers during and after pregnancy).
8 Profits can be interpreted also as the remuneration to labour because we assume that labour is sector-specific.
57
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
1 = Et
1 = Et
"
ucn,t+1
ucm,t
"
ucm,t+1
ucm,t
(1 + rt+1 )
(1 k )
r
(1 + m )(1 + c ) t+1+1
(6)
#
(7)
conditions:
(1 + m ) f km
(zm,t ), k m,t , kt = rt
(13)
pn,t f kn
(zn,t , dn,t kt ) = rt
(1 xh )qxh,t f xh
(z xh,t , k xh,t, ht ) = rt
q xm,t f xm
(z xm,t , k xm,t, kt ) = rt
q xa,t f xa
(z xa,t , k xa,t, kt ) = rt
(14)
(15)
(16)
Equation (5) states that the relative price between importables and non-tradables must equate marginal utilities for
(17)
each good. The intertemporal conditions are the standard
Euler equations requiring the marginal rates of substitution These equations describe the demand for capital services
between current and future consumption to be equal to the by firms in each production sector of the economy.
price ratio in each of the two periods and for each good,
respectively evaluated at the cost of foreign borrowing and 3.1.3 Government
the rate of return on capital investment.
The volume of government infrastructure investment
is I, current public consumption expenditures are g and
3.1.2 Firms
lump-sum transfers to households are . The governThis economy is represented by five sectors: importa- ments budget constraint is therefore
bles (manufacturing), non-tradables (services), hydrocarbons, mining and agriculture. Each sector has an equal
number of representative firms which use private capital
k and public capital k g to produce their goods. Firms do
not directly own capital. Instead, they rent a quantity of
capital k t from households in each period at a rate of rt ,
the domestic interest rate. Public capital is provided by the
government at no direct cost to the firm. We assume that
labour is sector specific, which means that labour cannot
move between sectors. The importable sector is actually a
domestic sector that produces import substitutes.9
Public capital is included in each sectors production
function because the Bolivian economy is small and poor.
Any productive activity thus requires some form of government support. An appropriate way to capture this situation is to reflect government involvement in productive
activities through public provisions of infrastructure and
capital. The firms problem in this context is static, so sectoral profits are given by:
+ m (1 + c )(cm,t + it ) m ym,t
+ k ym,t + k rt k t + xh qxh,t y xh,t
(18)
(20)
58
Analti a
Fiscal policy and economic growth: a simulation analysis for Bolivia
world later at a time of current account surplus. This approach is typically not used, making it more difficult to resolve models because the strategy induces multiple equilibria for each debt pathway and because the variables are
non-stationary.10
Schmitt-Groh and Uribe (2003) suggest five modifications to the standard model of a small open economy
with incomplete asset markets in order to achieve stationarity. We use their modification of a debt-elastic interestrate premium, a strategy that has also been adopted by
Bhandari et al. (1990), Turnovsky (1997), and Osang and
Turnovsky (2000).11 This approach amounts to assuming
that the country faces an upward-sloping supply schedule
for debt, reflecting the degree of risk associated with lending to the economy. This is expressed as a borrowing rate
charged on foreign debt, rt+1 , which takes the form
bt
rt+1 = (1 r )r + (1 )
yt
(26)
where r is the exogenously given world interest rate and K xm (s), k xa,t+1 = K xa (s), k m,t+1 = Km (s), k nt,+1 = Kn (s);
(bt /yt ) is the country-specific risk premium that in- the pricing functions r = R(s) and pn = Pn (s); and a law
creases with the stock of debt as a share of output. There of motion for the exogenous state variable s+1 = S(s), such
are two key elements to this specification. First, the con- that:
vexity of the function is a convenient way to place a ceil Households solve problem (4) taking s and the form
ing on borrowing, as suggested by Eaton and Gersovitz
of the functions R(s), Pn (s), and S(s) as given. The
(1981). Second,the form of AR(1) specification of equation
equilibrium solution to this problem satisfies cm =
(22), which incorporates uncertainty, explains the need to
Cm (s), cn = Cn (s), k t+1 = K (s), and bt+1 = B(s).
use a stochastic model. A non-stochastic model specification would otherwise lead to the shortcoming brought up
by Fernandez de Cordoba and Kehoe (2000).
Firms in the hydrocarbons, mining, agriculture, imThe relative prices of exportable goods in relation to importable and non-tradable sectors maximize profits
portables, i.e. the terms of trade, are assumed to follow the
as per (13)-(17), taking s and the form of the funclaw of motion given by:
tions R(s), Pn (s), and S(s) as given. The equilibrium
solutions to these problems satisfy k xh,t+1 = K xh (s),
q xi,t+1 = (1 qxi )qxi + qxi q xi,t
k xm,t+1 = K xm (s), k xa,t+1 = K xa (s), k m,t+1 = Km (s),
2
k n,t+1 = Kn (s) and kt+1 = K (s).
+ vqxi,t+1
vqxi,t N 0, qxi
(23)
f (zi,t , k i,t , kt )
(24)
10 See
Fernandez de Cordoba and Kehoe (2000) for an application to the Spanish economy.
Other modifications imply a model that has an endogenous discount factor with convex portfolio adjustment costs and complete asset markets,
and without stationarity-inducing features.
11
59
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
3.2.2 Calibration
Once the laws of motion are specified, we accurately
calibrate the model to display the main characteristics of
the Bolivian economy. We consider 2006 as our base year
and use quarterly data. We show the model parameters
in Table 2, presumed for the time being to be invariant to
changes in economic policy.
The first column of Table 2 shows the deep parameters
of preferences, i.e. parameters that will be invariant to a
particular class of interventions. The subjective discount
factor was set consistent with the 10,66 percent annual
rate that Bolivians can borrow at (r in our model). The parameters m and n are calibrated to reproduce total consumption as a share of GDP in the steady state: we define total consumption as the sum of consumed importables and consumed non-tradables times the relative price
of this second type of consumption good. We set = 0.5
as a benchmark, implying imperfect substitution between
private and public consumption.
Preferences
Prod. Functions
Technology
Shocks
Fiscal Variables
Exogenous Prices
= 0.975
= 0.028 (yearly)
xh = 0.72
g = 0.18
q xh = 0.174
m = 0.4585
xh = 0.66
xm = 0.53
g = 0.083
q xm = 0.14
n = 0.5415
xm = 0.25
xa = 0.45
g = 0.01
q xa = 0.19
= 0.5
xa = 0.19
m = 0.4
g = 2
qxh = 0.87
m = 0.58
n = 0.51
= 0.613
qxm = 0.91
n = 0.38
xh = 0.014
m = 0.1
qxa = 0.86
xh = 0.25
xm = 0.009
c = 0.13
qxh = 0.017
xm = 0.14
xa = 0.011
k = 0.13
qxm = 0.01
xa = 0.12
m = 0.017
xh = 0.32
qxa = 0.11
m = 0.07
n = 0.03
= 0.248
n = 0.25
zxh = 0.53
r = 0.6576
zxm = 0.72
r = 0.01146
zxa = 0.57
r = 0.048
zm = 0.15
= 1.2
zn = 0.75
Source: Authors calculations
Table 2. Parameters.
12 It is reasonable to suppose that, for example, when individuals want to increase their consumption of health services they will sacrifice consumption of non-tradables such as haircuts.
60
Analti a
Fiscal policy and economic growth: a simulation analysis for Bolivia
4 Results
better specification of the production function is f ( zi,t , k i,t , kt ), where x represents private intermediate consumption.
parameter values are important for changes in the speed of convergence to the steady state.
15
We use the same weights as in Rioja (2003), namely 0.40, 0.10, 0.25, 0.25 respectively for power, telecom, paved roads and water systems. The
effectiveness index for developing countries is normalized such that a value of 1 indicates highly effective infrastructure.
16 According to our specification, the policy functions of the control variables cannot be obtained analytically, so we have to resort to numerical
methods. We used the Schmitt-Groh and Uribe (2004) second-order approximation technique. This perturbation method has proven superior to
traditional linear-quadratic approximations.
14 These
61
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
Variables
Simulated
0.2
0.1405
0.117
0.143
xh
0.288
xh
m ,
k ,
xh ,
0,
0.117,
0.352,
0.1348
0.1322
0.1380
0.352
value
cm
6.49
5.55
0.51
2.28
2.32
3.55
3.39
6.32
2.19
3.78
cn
2.05
2.15
0.42
1.34
1.41
2.25
2.23
2.30
1.46
1.93
Yxh
18.03
14.85
1.02
2.47
2.57
11.61
10.90
18.65
2.74
10.21
Yxa
2.03
2.00
0.36
0.29
0.30
0.51
0.52
2.20
0.37
0.27
Yxm
2.92
2.84
0.40
0.41
0.45
0.63
0.69
3.13
0.50
0.37
Ym
0.26
0.02
0.63
2.00
2.00
0.57
0.59
0.53
1.88
1.09
Yn
2.05
2.15
0.42
1.34
1.41
2.25
2.23
2.30
1.46
1.93
pn
5.05
5.20
0.90
0.98
0.99
1.38
1.28
5.42
0.79
1.98
/GDP
8.10
1.54
17.60
3.83
3.26
11.96
13.28
0.00
0.00
0.00
6.57
5.26
1.23
3.58
3.55
3.57
3.31
6.03
3.33
4.25
1.56
0.12
3.89
0.44
0.27
3.48
3.57
0.27
0.43
0.72
4.03
3.67
0.01
1.76
1.81
2.83
2.75
4.09
1.79
2.75
3.30
3.02
0.13
1.56
1.60
2.59
2.51
3.41
1.61
2.43
TU
3.86
3.82
0.02
1.71
1.83
2.71
2.79
3.91
1.73
2.81
17 To abstract from changes in relative prices, total consumption (C) and total output (Y) are measured at the initial baseline prices. EV is defined
as the subsidy (or tax, if negative) in terms of consumption of importables, non-tradables and public services needed to compensate the consumer for
them to be indifferent between the situation before and after policy change.
62
Analti a
Fiscal policy and economic growth: a simulation analysis for Bolivia
with an increase in the value added tax is undesirable because all variables are negatively impacted.
From these simulations, we can conclude that, in terms
of a tax policy, in Bolivia the best it is to liberalize the economy by reducing tariffs. This policy allows the economy
to grow by 3.3 percent and to experience welfare gains of
3.86 percent. If the government also wishes to maintain its
social policy based on transfers to households, it should
finance this policy by an increase in the value added tax.
This combined policy allows the economy to grow by 3.41
percent and to experience welfare gains of 3.91 percent relative to the baseline.
4.1.2 Expenditure and investment policy
Next, we analyze a fiscal policy based solely on public
expenditures and public investment. Recall that in our setting, public consumption includes everything other than
investment. This means that health and education expenditures are included in this variable, as are expenditures
such as wages and benefits for public workers. First, we
simulate a 10-percent increase in public expenditures. Second, we simulate an increase in public investment as a
share of total government revenues. We simulate an increase of this share that is equal to the average increase
over 2007 and 2008. Finally, we combine a 10-percent increase in public expenditures with a 10-percent increase in
public investments.
People typically expect that an increase in government
expenditures or public investments positively affects output. Cross-country empirical studies have generally found
that public infrastructure positively affects a countrys output (e.g, Easterly and Rebelo (1993), Canning and Fay
(1993), Canning (1999)). This holds true for the case of
Bolivia. A 3.26-percent increase in public investment as a
share of government revenues (the average over the last
two years) respectively increases output and public investment by 1.58 percent and 5.19 percent. However, the opposite happens when the government increases its current
expenditures. A 10-percent increase in government expenditures leads to a 1.86-percent decline in output and a 3.56percent decline in consumption. An increase in government expenditure certainly weighs on the fiscal balance,
given that transfers as a share of GDP have to be reduced
by 51.55 percent.
The combined scenario shows that transfers to households are very sensitive to an increase in government expenditures: they largely decrease, whereas aggregate output, consumption and investment show positive signs. In
particular, public investment increases substantially, by
11.69 percent. In the first and third columns, it can also
be seen that the real exchange rate depreciates, although
this depreciation only positively affects outputs in the exportable sectors in the combined scenario. In the case
Chamley (1986) and Chari, Christiano and Kehoe (1994) for references on optimal fiscal policy.
63
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
where only government expenditure increases, the negative sign on all sectoral outputs can be explained in relation
to reduced public investment, which affects public capital
and thus output in every sector.
The results show that the government should choose
a public investment policy over a public expenditure policy. This result itself points to another question: If education and health are considered as elements of variable
g, does this mean that it is bad for the government to in-
Variables
Simulated value
I/Yg
g, I/Yg
0.198
0.2756
0.198, 0.2936
cm
4.36
1.31
0.41
cn
2.92
1.80
2.52
Yxh
2.95
3.68
8.22
Yxa
0.61
0.76
1.66
Yxm
0.79
0.95
2.09
Ym
0.69
0.85
1.86
Yn
2.92
1.80
2.52
pn
2.06
0.41
3.17
/GDP
51.55
1.49
45.02
2.38
1.37
1.76
4.12
5.19
11.69
3.56
1.58
1.21
1.86
1.58
2.90
TU
3.38
1.51
1.33
Table 4. in steady-state values from an expenditure and investment policy (in percentages).
change in tax rates required to compensate for the negative effect that government expenditures has on transfers
to households.
4.1.4 Fiscal policy together with improved efficiency
and productivity
Analti a
Fiscal policy and economic growth: a simulation analysis for Bolivia
cent for non-tradables, 13.2 percent for hydrocarbons and respective sectors. As we are using quarterly data, the
10.4 percent in mining. We have re-calibrated the TFP pa- TFP parameters have been calibrated for quarterly rates of
rameters in each sector to obtain these growth rates in the growth.19
Variables
Simulated value
cm
g, c
0.198, 0.1627
6.14
g, c and xh
5.12
cn
2.00
3.68
Yxh
0.50
30.88
Yxa
0.34
1.08
Yxm
0.30
1.32
Ym
2.77
0.18
Yn
2.00
3.68
pn
4.75
1.11
0.00
0.00
6.29
6.53
6.95
9.09
3.85
4.32
1.74
5.48
TU
3.77
4.30
/GDP
Table 5. Change in steady-state values from a tax and expenditure policy (in percentages).
Rioja (2003) shows that raising public capital effectiveness has large and positive effects on private investment,
consumption and welfare. We simulated a 5-percent increase in the effectiveness level of the existing infrastructure network. This increases the value of to 0.644. The
first two columns in table 6 show the effects of increasing
TFP and , while the next columns show five combined
policy scenarios which give information on the best fiscal
policy for the Bolivian government to follow.
Comparing columns 1 and 2, we can see that both
changes positively impact the economy. Public and private investment are affected similarly, while consumption
increases more when there is an increase in TFP, leading to
a larger increase in output (5.16 percent). The favourable
productivity boost lifts output in the non-tradable sector by
6.67 percent, while the increase in effectiveness has a larger
impact on output in the hydrocarbons sector, which rises
by 6.35 percent relative to the baseline. Welfare gains are
also larger in the TFP simulation than in the effectiveness
simulation, while the magnitudes of the increase of transfers as a share of GDP are similar in both scenarios. A key
19 The PND presents the economic and planning strategy that the government will follow over the coming years to consolidate the process of
transforming the economy.
20
We do not consider a larger increase in TFP because this is more difficult to achieve. TFP is related to many things in the economy, but it is not
directly related to fiscal policy and only improves over time.
65
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
Important and sizable effects can be seen when the increase in TFP is omitted, although the effects are smaller.
Total real output increases by 8.05 percent, welfare gains
are in the order of 7.23 percent and total real consumption
rises by 7.81 percent. Lump sum transfers remain constant
because the effectiveness index increased by 17.7 percent.
Variables
T F P
g, T F P
g, T F P
and
g, T F P
and
g,
g, I/Yg
and
Simulated value
(*)
0.644
0.198, (*)
0.198, 0.721
0.198, 0.2936
and 0.7
cm
3.29
3.04
1.06
2.08
6.76
6.33
9.54
cn
6.67
3.40
3.67
7.29
12.67
9.00
13.70
Yxh
4.75
6.35
1.76
8.31
18.38
19.72
30.50
Yxa
1.27
1.29
0.68
1.98
3.88
3.81
5.69
Yxm
3.10
1.61
2.32
4.01
6.45
4.82
7.21
Ym
2.04
1.46
1.36
2.85
5.00
4.29
6.43
Yn
6.67
3.40
3.67
7.29
12.67
9.00
13.70
pn
2.89
0.20
4.82
4.96
5.15
2.49
3.51
/GDP
13.06
13.80
36.61
21.42
0.00
0.00
0.00
2.90
2.63
0.52
3.22
7.25
6.82
10.42
3.70
3.80
0.42
3.50
9.42
9.32
25.75
5.16
3.24
1.56
4.96
10.03
7.81
11.84
4.23
2.83
2.34
5.30
9.71
8.05
12.27
TU
4.72l
3.06
1.60
4.70
8.97
7.23
10.46
66
Restuccia (2008) for an excellent explanation of how low output per worker in Latin America is due to a low and declining relative TFP.
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
Years
Variable
10
20
40
80
160
SS
Output
3.0%
3.8%
4.8%
6.6%
9.1%
11.3%
12.2%
12.3%
Consumption
0.7%
1.6%
2.7
4.7%
7.8%
10.6%
11.7%
11.8%
Priv. Investment
1.5%
4.2%
6.5%
9.0%
10.4%
10.5%
10.4%
10.4%
Pub. Investment
20.3%
20.4%
20.7%
21.6%
23.3%
25.0%
25.7%
25.7%
0.8%
1.6%
2.6%
4.5%
7.1%
9.5%
10.4%
10.5%
Welfare
Years
Sector
Hydrocarbons
9.6%
Agriculture
10
20
40
80
160
SS
11.9%
14.4%
18.5%
23.8%
28.5%
30.3%
30.5%
2.1%
2.6%
3.1%
3.8%
4.7%
5.4%
5.7%
5.7%
Mining
2.6%
3.2%
3.8%
4.8%
5.9%
6.8%
7.2%
7.2%
Importables
1.2%
1.4%
1.7%
2.6%
4.1%
5.7%
6.3%
6.4%
Non-tradables
2.7%
3.8%
5.1%
7.2%
10.0%
12.6%
13.6%
13.7%
appropriate growth rates, we refer to the 2% GDP per capita growth required to reduce poverty levels.
67
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
Years
Variable
10
Output
5.3%
6.4%
7.7%
Consumption
3.1%
4.5%
Priv. Investment
3.5%
Pub. Investment
Welfare
20
40
80
160
SS
10.0%
13.2%
16.0%
17.1%
17.2%
6.0%
8.7%
12.6%
16.3%
17.7%
17.8%
7.2%
9.7%
12.4%
13.8%
13.9%
13.8%
13.8%
23.5%
23.7%
24.2%
25.4%
27.6%
29.7%
30.6%
30.7%
2.9%
4.2%
5.5%
7.8%
10.9%
13.7%
14.7%
14.8%
40
80
160
SS
Years
Sector
10
20
10.4%
13.5%
16.6%
21.7%
28.5%
34.4%
36.7%
36.9%
Agriculture
2.7%
3.3%
3.9%
4.8%
5.8%
6.7%
7.0%
7.1%
Mining
4.8%
5.6%
6.4%
7.5%
9.0%
10.1%
10.5%
10.6%
Importables
1.8%
2.1%
2.6%
3.8%
5.8%
7.8%
8.5%
8.6%
Non-tradables
7.2%
8.6%
10.2%
13.0%
16.7%
20.0%
21.3%
21.4%
Hydrocarbons
Table 8. Dynamic transition expansive fiscal policy + more effective public capital + higher TFP.
Concluding remarks
Bolivia has experienced a substantial increase in foreign revenues due to a substantial commodity boom. This
export boom has allowed the country to reverse chronic
fiscal and external deficits and to accumulate more foreign exchange reserves than even before (USD 7.7 billion
in 2008 and USD 8.5 billion in 2009). Average growth rates
of 5.2 percent over the last four years did more for Bolivian
economic growth than the three preceding decades, which
puts the country in an excellent position to reduce poverty.
23 In
68
Government revenue has increased by nearly 20 percentage points of GDP over the last four years. Much of
this rise is due to an increase in royalties collected, renationalization of the industry and the historically high international oil prices. This unprecedented scenario allowed
the government to push forward fiscal policy via expenditure and investment policies and to implement several
transfer programs for poor people.
This study simulated the macroeconomic and sectoral
impacts of various fiscal policy scenarios by building a
five-sector dynamic general equilibrium model for a small
open economy. The economy is inhabited by representative infinitely-lived agents who face upward-sloping foreign capital supply as a reflection of an endogenous country risk premium. We also include public capital as a production factor for private production, allowing us to analyze the impact of public infrastructure investment on sectoral outputs. Public capital is nonrival and we find that it
substantially aids growth and welfare. The model has been
calibrated to match the national account ratios and sectoral
output of the Bolivian economy using 2006 as the base year.
The simulation results for the steady states shows that
the best fiscal policy is a 3.71-percent increase in the value
added tax together with an open economy. This policy allows the economy to grow by 3.41 percent and to maintain
current social transfers to households. We then analyzed
fiscal policies involving increased government spending
and public investment. The results are notable, in that
macroeconomic constraints imply that government expen-
appendix C, we also performed a sensitivity analysis for the relative prices and the valuation of public consumption.
Analti a
Fiscal policy and economic growth: a simulation analysis for Bolivia
ditures strongly and negatively affect transfers to households. This negative effect reduces consumption of tradables and non-tradables, depressing aggregate demand.
As for public investment, it positively affects the economy by strengthening production in all sectors, although
growth and welfare gains are low.
These results are controversial, first because they indicate that this combination of policies does not allow the
economy to surpass the 6-percent minimum growth rate
required to reduce poverty and second, because it seems
that public expenditure policies are not good for the economy. In order to investigate this situation we analyzed
several combined scenarios. The results show that various macroeconomic indicators improve substantially when
a 10-percent increase in government expenditures is combined with an increase the value added tax up to the Latin
American average and a 27.2-percent decrease in the hydrocarbons tax. This policy situation allows the economy
to grow by 5.48 percent, with 30.9-percent growth in the
hydrocarbons sector being the main driver behind this result.
The results remain far from ideal when analyzing the
steady-state, i.e., the long-run effects. The analysis is then
complemented by simulation of TFP productivity boosts
across all sectors together with more effective provisions
of public capital. We found that the best combination of
fiscal policy instruments is the following: a 10-percent increase in government expenditures and public investment
and a 15.4-percent increase in the effectiveness index of
public capital. This combination allows the government to
sustain social transfer policies and the economy grows by
12.3 percent in the long run. An additional increase in TFP
as per the PND (National Development Plan) goals would
allow the economy to grow by a further 17.2 percent and
transfers to be increased by 13.7 percent.
Finally, we simulated the dynamic transition paths for
these two noteworthy scenarios to look into another important question: How long does it take the economy to reach
these steady states? It takes more than 100 years, but there
are also important effects in the medium run, particularly
in terms of productivity increases. In 5 years, output can
grow by an additional 6.4 percent, consumption rises by
6 percent and private investment increases by 9.7 percent.
After 10 years output grows by 7.7 percent and output is
10 percent higher in the 20-year timeframe. In conclusion,
larger productivity boosts are needed to promote growth
and welfare in the short-run.
The paper analyzed fiscal policy in Bolivia in an effort
to guide the decisions that a government will have to take
if it wants to use fiscal policy as the primary tool to promote development and structural transformations of the
Bolivian economy. The results should come as no surprise.
Fiscal policy alone is unable to generate growth rates: it
has to be accompanied by productivity boosts in every sector and public capital should also be deployed more effec-
References
[1] Alesina A., and R. Perotti (1997). The Welfare State and
Competitiveness, American Economic Review, Vol.87,
pp. 921-939.
[2] AlesinaA., and S. Ardagna (2009). Large changes in fiscal policy: taxes versus spending, in Tax Policy and the
Economy, Vol.24, pp. 35-68.2009.
[3] Ardagna S. (2004). Fiscal Stabilizations: When Do They
Work and Why, European Economic Review, Vol. 48,
No. 5, October 2004, pp. 1047-1074.
[4] Aschauer, D. (1985). Fiscal Policy and Aggregate Demand, American Economic Review, Vol.75, pp. 117127.
[5] Aschauer, D.A. (1989a). Is Public Expenditure Productive? Journal of Monetary Economics, Vol.23, pp.177200.
[6] Aschauer, D.A. (1989b). Public Investment and Productivity Growth in the Group of Seven, Economic Perspectives, Federal Reserve Bank of Chicago, Vol.13 (5), pp.
17-25.
[7] Barja, G, J. Monterrey and S. Villarroel (2005). The Elasticity of Substitution in Demand for Non-Tradable Goods
in Bolivia. IADB (mimeo).
[8] Barro, R. (1981). Output Effect of Government Purchases,
Journal of Political Economy, Vol.89, pp. 1086-1121.
[9] Bhandari, J., N. Haque, and S. Turnovsky (1990).
Growth, External debt, and Sovereign Risk in a Small Open
Economy, IMF Staff Papers 37, pp.388-417.
[10] Canning, D. (1998). A Database of World Infrastructure
Stocks, 1950-1995, Policy research working paper, No
1929, Washington, D.C., World Bank.
[11] Canning, D.(1999). Infrastructure Contribution to Aggregate Output, World Bank Policy Research Working Paper 2246.
[12] Canning, D.AndM.Fay (1993). The Effect of Transportation Networks on Economic Growth, manuscript,
Columbia University.
[13] Cavalcanti, P. and L. G. do Nascimento (2006). Welfare
and Growth Effects of Alternative Fiscal Rules for Infrastructure Investment in Brazil, Fundao Getulio Vargas
(mimeo).
69
Analti a
Carlos Gustavo Machicado y Pal Estrada
[14] Chamley, C. (1986). Optimal Taxation of Capital Income [29] Giavazzi, F., T. Jappelli, and M. Pagano (2000). Searchin General Equilibrium with Infinite Lives, Econometrica,
ing for Non-Linear Effects of Fiscal Policy: Evidence from
Vol.54 (3), pp. 607-622.
Industrial and Developing Countries, European Economic Review, 2000, Vol. 44(7), pp. 1259-1289.
[15] Chari, V.V., Lawrence Christiano and Patrick Kehoe
(1994). Optimal Fiscal Policy in a Business Cycle Model, [30] Hulten, C.R. (1996). Infrastructure Capital and Economic
Journal of Political Economy, Vol.102 (4), pp. 617-652.
Growth: How Well You Use It May Be More Important
Than How Much You Have, NBER Working Paper 5847.
[16] Christiano, L. and M. Eichenbaum (1992). Current Real
Business Cycle Theories and Aggregate Labor Markets [31] Ilzetzki and Vegh (2008). Procyclical Fiscal Policy in DeFluctuations, American Economic Review, v.82, pp.
veloping Countries: Truth or Fiction? NBER Working
430-450.
Paper 14191.
[17] Chumacero, R., Rodrigo Fuentes and Klaus Schmidt- [32] Lambertini, L., and J. Tavares (2001). Exchange Rates
Hebbel (2004). Chiles Free Trade Agreements: How Big
and Fiscal Adjustments: Evidence from the ECD and Imis the Deal?, Working Paper No. 264, Central Bank of
plications for EMU, FEUNL Working Paper 412, UniChile.
versidade Nova de Lisboa.
[18] Cogan, J, T. Cwik, J. Taylor and V. Wieland (2009). [33] Mountford, A.and U.Harald (2008). What Are the EfNew Keynesian versus Old Keynesian Government Spendfects of Fiscal Policy Shocks? NBER Working Paper
ing Multipliers, mimeo.
14551.
[19] Easterly, W. and S. Rebelo (1993). Fiscal Policy and Eco- [34] McDermott J., and R. Wescott(1996). An Empirical
nomic Growth: An Empirical Investigation, Journal of
Analysis of Fiscal Adjustments, IMF Staff papers, Vol.
Monetary Economics, Vol.32, pp. 417-458.
43(4), pp. 723-753.
[20] Eaton, J. and M. Gersovitz (1981). Debt with Potential
[35] Ministry of Economy and Public Financing (2009).FisRepudiation: Theoretical and Empirical Analysis, Review
cal Memory, La Paz, Bolivia.
of Economic Studies, Vol.48, pp. 289-309.
[36] Munnell, A. (1990). How Does Public Infrastructure Af[21] Estrada, P. (2006). Economa Pequea, Abierta, Exportafect Regional Economic Performance? New England Ecodora de Gas y Soya, con Shocks Internos y Externos: Camnomic Review, (September/October), pp. 11- 32.
bios que Bolivia no esperaba, Universidad de Chile.
[37] Osang, T. and S. Turnovsky (2000). Differential Tariffs,
[22] Evans, P. and G. Karras (1996). Private and Government
Growth and Welfare in a Small Open Economy, Journal of
Consumption with Liquidity Constraints, Journal of InDevelopment Economics, Vol. 62, pp. 315-342.
ternational Money and Finance, Vol.15, pp. 255-266.
[23] Feldstein, M.(2009). Rethinking the Role of Fiscal Policy, [38] Otalora, Carlos (2009). Economa Fiscal, primera edicin, Plural Editores, La Paz, Bolivia.
NBER Working Paper 14684.
[24] Fernandez de Cordoba, G. and T. Kehoe (2000). Capital Flows and Real Exchange Rate Fluctuations Following
Spains Entry into the European Community, Journal of
International Economics, Vol. 51, pp: 49-78.
[40] Restuccia, Diego (2008). The Latin American Development Problem. University of Toronto Department of
[25] Ford, R. and P. Poret (1991). Infrastructure and Private
Economics Working Paper tecipa-318.
Sector Productivity, OECD Working Paper, 91.
[26] Garca-Mil, T., T. McGuire y R.M. Porter (1993). [41] Rioja, F.K. (2003) The Penalties of Inefficient Infrastructure, Review of Development Economics, 7(1), pp.
The Effect of Public Capital in State- Level Production
127-137.
Functions Reconsidered, The Review of Economics and
Statistics, Vol.78, pp. 162-180.
[42] Romer, C. and D. Romer (2010). The Macroeconomic Effects of Tax Changes: Estimates Based on a New Measure
[27] Gavin, M.and R.Perotti (1997). Fiscal Policy in Latin
of Fiscal Shocks, American Economic Review, Vol. 100,
America, NBER Macroeconomics Annual.
pp. 763-801.
[28] GiavazziF., and M. Pagano (1990). Can Severe Fiscal
Contractions Be Expansionary? Tales of Two Small Euro- [43] Schmitt-Groh S. and M. Uribe (2003). Closing small
pean Countries, NBER Macroeconomics Annual, MIT
open economy models, Journal of International EcoPress, (Cambridge, MA), pp. 95-122.
nomics, Vol. 61, pp. 163-185.
70
Analti a
Fiscal policy and economic growth: a simulation analysis for Bolivia
71
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
APPENDIX
A
Calibrations
Table A.1. Calibration of
Sectors
Intermediate Consumption
(thousands of 1990Bs.)
Agriculture
Hydrocarbons
Mining
Importables
Non-tradables
Electricity, gas and water
Transport and storage
Communications
Total
Infrastructure
s
Agriculture
(1-5)
Hydrocarbons
(6 y 19)
Importables
(8-18 y 23)
Non-tradables
(25, 26 y 29-35)
673,280
37,740
31,698
528,444
128,294
322
186,842
1,781
1,588,400
188,944
1,903
1,171,274
162,272
88,162
369,308
52,109
534,921
3,935
2,383,885
590,965
16,516
106,898
585,708
257,327
57,827
50,813
102,381
18,218
1,195,688
171,412
3,633,472
154,590
574,910
2,823,865
260,887
89,587
403,240
66,670
8,007,221
559,497
196,011
187,431
1,022,309
2,331,561
1,008,874
169,092
1,161,924
235,227
6,312,428
1,566,243
0.12
0.25
0.14
0.07
0.25
Year
Power (i)
Telecom
(ii)
Paved
Roads (iii)
Water (iv)
1995
11.56
n.a.
94.50
n.a.
1996
11.49
n.a.
94.50
n.a.
1997
11.61
n.a.
94.30
n.a.
1998
11.99
n.a.
94.00
n.a.
1999
11.41
n.a.
93.60
n.a.
2000
10.18
n.a.
93.40
n.a.
2001
12.40
n.a.
93.30
n.a.
2002
13.07
n.a.
93.30
n.a.
2003
14.35
n.a.
93.00
n.a.
2004
13.61
n.a.
93.00
n.a.
2005
13.95
n.a.
n.a.
n.a.
2006
14.36
n.a.
n.a.
37.03
2007
n.a.
17.76
n.a.
31.97
2008
n.a.
n.a.
n.a.
32.87
72
1,459,264
f-land
0.19
0.15
0.00
1.00
f-cap
f-land
f-natres
Total
0.66
9,776,874
f-lab
in%
Total
1,873,349
f-cap
f-natres
6,444,261
Agriculture
(1-5)
f-lab
VA (in
thousands of
Bs. Of 1990)
1.00
0.23
0.00
0.66
0.11
7,303,326
1,670,433
4,834,479
798,415
Hydrocarbons
(6 y 19)
1.00
0.10
0.00
0.25
0.65
5,191,564
511,687
1,295,147
3,384,730
Mining (7,
20, 21 y 22)
1.00
0.00
0.00
0.58
0.42
7,711,000
4,440,511
3,270,488
Importables
(8-18 y 23)
1.00
0.00
0.00
0.38
0.62
31,447,553
11,971,380
1.00
0.00
0.00
0.75
0.25
2,115,539
1,579,682
535,857
Electricity,
gas and
water
Nontradables
(25, 26 y
29-35)
19,476,173
24
1.00
0.00
0.00
0.42
0.58
7,667,648
3,220,626
4,447,022
Transport
and storage
27
1.00
0.00
0.00
0.92
0.08
1,444,758
1,324,170
120,588
Communications
28
1.00
0.03
0.02
0.42
0.53
72,658,262
2,182,120
1,459,264
30,539,342
38,477,535
TOTAL
Analti a
73
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
Dynamic Transitions
Figure B.1. Baseline Scenario vs. C1
Sensitivity Analysis
Figure C.3
74
Analti a
Fiscal policy and economic growth: a simulation analysis for Bolivia
Cavalcanti and Goncalvez (2006) also perform a sensitivity analysis and find no problems when using values
of between 0 and 1, although Evans and Karras (1996)
have estimated a value of equal to 1.14 using a GMM estimator. We observe that when public consumption is pure
waste ( = 0) the GDP growth rate is above 1 percent, but
welfare gains are negative. As we increase the parameter
towards 1, the rate of growth tends to decrease and welfare
gains tend to increase. It is also interesting to observe that
the welfare gains are sizeable when public consumption is
equally valued to private consumption (when = 1).This
happens because we consider public consumption as part
of the utility function. Recall again that public consump-
tion includes government expenditures on health and education. These last results suggest that if human capital
were more highly valued in Bolivia (through more spending on health and education), the economy would benefit
from positive welfare gains even if output growth is held
back.
The results of the exercises with commodity prices (relative prices) show that output and welfare are positively
correlated with those prices, particularly for hydrocarbons.
A 10-percent increase in hydrocarbon prices relative to the
baseline can lead to output and welfare gains of nearly 15
percent. Changes in agriculture and mining prices have
similar effects on growth and welfare.
Figure C.4
Figure C.5
Figure C.6
75
Analti a
Geoestadstica y arqueologa: una nueva perspectiva
analtico-interpretativa en el anlisis espacial intra-site
Geostatistical and archaeology: a new
analytical-interpretative approach for intra-site spatial
variability
www.inec.gob.ec
www.ecuadorencifras.com
Analti a
Geoestadstica y arqueologa: una nueva perspectiva analtico-interpretativa. . .
Resumen
La mayor parte de la metodologa implementada en el anlisis espacial arqueolgico intra-site se limita a la caracterizacin de las distribuciones observadas en trminos de concentracin de restos en un conjunto de localizaciones (anlisis
clster) sin tener en cuenta cuestiones relacionadas con la dependencia espacial de la distribucin, en concreto, la nocin
de la autocorrelacin apenas suele ser considerada. Todo ello conduce a una serie analtica-interpretativa de la variacin
espacial bastante simplista y esencialmente poco resolutiva en relacin al potencial de la problemtica espacial objeto de
estudio.
Frente a ese panorama, existen propuestas como la Geoestadstica, cuyo argumento principal se centra en el estudio
de la dependencia espacial de las distribuciones. En este trabajo, se implementan postulados y herramientas del anlisis geoestadstico como medio para establecer un discurso analtico-interpretativo acerca de la variabilidad espacial en
un yacimiento arqueolgico donde el problema consiste en la deteccin y cuantificacin del lmite (interior/exterior)
de una unidad domstica (cabaa). Dicha estimacin no podra hacerse mediante el enfoque y los recursos analticos
comnmente implementados en arqueologa.
Palabras clave: Geoestadstica; Anlisis espacial intra-site; Semivariograma; Gradiente espacial.
Abstract
Most of methodology implemented in archaeological intra-site spatial analysis is limited to the characterization of
distributions in terms of spatial concentrations (cluster) regardless issues the spatial dependence of the distribution,
specifically, the notion of autocorrelation is no usually considered. All this leads to a series of analytical-interpretative
spatial variation rather simplistic and essentially little resolutive about the potential of space issues under study.
Against this background, there are proposals like Geostatistics, whose main argument focuses on the study of the
spatial dependence of the distributions. In this paper, we implement postulates and tools from Geostatistical as a way
to establish an analytical-interpretive discourse about spatial variability into an archaeological site where the problem
focuses on detection and quantification limit (in / out) of a domestic unit (hut). This boundary could not be estimated if
we are using approach and analytical resources commonly deployed in archeology.
Keywords: Geostatistics; Spatial intra-site analysis; Semivariogram; Spatial gradient.
Cdigo JEL: C46
79
Analti a
Alfredo Maximiano Castillejo
Introduccin
80
primera excavacin arqueolgica con datos coordenados fue realizada en 1954 por Laplace y Mroc [33].
Analti a
Geoestadstica y arqueologa: una nueva perspectiva analtico-interpretativa. . .
3 Metodologa Geoestadstica en el
anlisis espacial arqueolgico intrasite
En las siguientes pginas se expone un programa analtico compuesto de diferentes test en funcin a la naturaleza
del formato de datos espaciales, ya sean datos coordenados (nubes de puntos) y/o datos de frecuencias espaciales
(densidad espacial). Se debe tener en cuenta que en arqueologa ms del 90 % de los datos disponibles en una excavacin estn en alguno -o en combinacin de ambos- de los
81
Analti a
Alfredo Maximiano Castillejo
formatos descritos anteriormente. Esos datos no son continuos, es decir, no cumplen las expectativas de datos geoestadisticos (recordamos: una propiedad vara en funcin a
la localizacin de manera continua, por ejemplo concentracin de fosfatos en un rea determinada), y esto condiciona mucho el modo de trabajar desde arqueologa bajo los
principios de la Geoestadstica.
La determinacin del patrn espacial es el punto de
partida para caracterizar completamente la estructura espacial de una distribucin, dos ejemplos de test geoestadsticos sobre datos coordenados son:
Test de Mardia es un algoritmo que calcula la normalidad bi-variada que exista en una distribucin en base a la
Multivariacin de la Curtosis [36; 13; 57; 16]. La determinacin de la aleatoriedad espacial se produce cuando la curtosis decrece proporcionalmente a medida que incrementa
la desviacin estndar de la distribucin. Un ejemplo de
esta funcin, apenas usada en arqueologa, se encuentra en
la propuesta de J.A. Barcel y A. Maximiano [4].
K de Ripley: Es un estadstico que permite establecer
el tipo, la intensidad y el rango del patrn espacial a travs del anlisis de las distancias existentes entre todos los
puntos. Este test contrasta la variabilidad espacial en base
a diferentes escalas [54; 64]. Su notacin:
n
K ( d ) = n 2 A
i =1 j =1
n, nmero de puntos
Dado que en las reas de estudio que cuentan con lmiActualmente, su aplicacin en anlisis microespacial es
tes definidos, se pueden producir variaciones estocsticas
que causen valores mayores o menores que r2 , incluso para escaso [42] debido al desconocimiento de la funcin y al
patrones de distribucin de tipo Poisson, el test se deber uso extendido de test I de Moran, pero potencialmente es
82
Analti a
Geoestadstica y arqueologa: una nueva perspectiva analtico-interpretativa. . .
1
2N (h)
N (h)
i =1
[ Z ( xi ) Z ( xi + h)]2
arqueolgica. Algunas implementaciones aparecen en Zubrow y Harbaugh (1978) [70]; Warren (1990) [66]; Kvamme (1992) [32]; Lloyd y Atkinson (2004) [34]; aunque actualmente existe varias propuestas como las de Maximiano
(2005) [41]; Barcel y Maximiano (2006) [3]; Maximiano
(2008) [42]; Bevan y Conelly (2009) [5]; Maximiano y Gmez Romero (en prensa) [43]; Gmez Romero y Maximiano
(2011) [25]; Markofsky y Bevan (2011) [40].
4 Aplicacin geoestadstica en un problema espacial arqueolgico: El caso del yacimiento arqueolgico Tunel VII. Tierra del Fuego. Argentina
La eleccin de este caso se debe a dos cuestiones: la calidad de los datos arqueolgicos recogidos en sucesivas campaas de excavacin [50; 51;21], y la capacidad interpretativa del yacimiento en clave etnogrfica. Este caso permite
una evaluacin etno-arqueologa de las principales acciones que fueron realizadas por las personas que vivieron en
ese lugar gracias a la determinacin analtica de los diferentes restos materiales recolectados mediante metodologa arqueolgica [11; 50; 65; 35].
El yacimiento es una unidad de habitacin (cabaa)
perteneciente al extinto grupo social conocido como Yamanas, Se emplaza en la costa norte del Canal Beagle (Argentina) (54o 4915 S. y 68o 09 20E.). Este sitio ha sido completamente excavado en sucesivas campaas (desde 1988 hasta 1993) por un equipo internacional espaol-argentino. La
excavacin fue realizada completamente en extensin, ocupando una superficie de 32 m2 en forma rectangular (eje
mayor 8m, eje menor 4m). Con ello, se pudo excavar tanto
el interior de la cabaa, como en los aledaos de la misma. Aparte de la informacin estrictamente arqueolgica,
se cuenta con informacin de origen etnogrfico, desde la
cual diferentes investigadores han podido establecer hiptesis de trabajo complementarias acerca de la variabilidad
espacial de las mltiples distribuciones de restos existentes
en el yacimiento [65; 68; 69].
En este trabajo, se pretende ilustrar el potencial de la
geoestadstica en casos arqueolgicos sobre un determinado nivel de ocupacin del yacimiento (de entre los diez niveles documentados) dentro de toda sus secuencia de uso
(ms de 200 aos) y se analiza la distribucin de una determinada materialidad restos de fauna y conchas en torno
al siguiente problema espacial: Determinacin del interior
/exterior de la cabaa mediante un contraste cuantitativo
de dicho lmite. Este es un problema comn en arqueologa, en muchas ocasiones el arquelogo debe seguir un criterio visual o una somera relacin entre entidades arqueolgicas (por ejemplo presencia de estructuras de combustin, hoyos de postes, etc.) para establecer los lmites de
una cabaa o espacio de hbitat.
83
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
En arqueologa, la estimacin de un lmite se hace complicado ya que 1) la forma de recolectar datos y 2) el escaso
uso de programas empricos-analticos para la determinacin de la organizacin espacial interna en un yacimiento,
nos conduce a un ejercicio reflexivo en trminos netamente cualitativos, sin posibilidad de contrastes numricos y
siempre (o casi siempre) encaminados en encontrar analogas sobre casos existentes que tengan alguna similitud con
nuestra problemtica.
Tambin es cierto que resulta complejo establecer una
relacin coherente y cuantificable entre determinadas acciones y sus efectos materiales, ya que la fraccin material
recuperada mediante metodologa arqueolgica puede ser
consecuencia de la superposicin de varias y distintas acciones que inciden en los procesos de formacin del registro arqueolgico, de ah la importancia y el desarrollo de
la Tafonoma como paradigma y medio de conocimiento
acerca de las relaciones entre acciones y efectos materiales
[24; 7].
En el caso de estudio que se presenta en este artculo, se
propuso el siguiente enunciado de trabajo [42:244]: La gestin de los restos de fauna (huesos y conchas) entendidos como
efectos materiales de determinadas acciones genera un patrn
con tendencia a la agregacin y espacialmente correlacionado en
determinadas reas del yacimiento proporcionando un proxy sobre el lmite de la cabaa.
ndice
0.55
0.52
P (alea)
0
1
Tabla 1. Valores de estadsticos para determinar el grado de aleatoriedad de la distribucin. Elaboracin en PAST.
Figura 2. Imagen compuesta por densidad Kernel y tabla de contingencia de la distribucin de restos en el yacimiento de Tunel
VII. Tomado de Maximiano 2008 [42:185].
Tras estas estimaciones, nos interesaba conocer la intensidad en la correlacin de la distribucin. Los resultados
del semivariograma indican: (i) Forma prototpica de una
dinmica espacial opuesta a la aleatoriedad. (ii) Segn la
funcin, el umbral, que es la varianza muestral de la poblacin, muestra que la distribucin es equilibrada. (iii) El
rango, punto en donde el umbral alcanza su mximo valor
(muestra la distancia a partir de la cual la autocorrelacin
sera nula), en este caso se sita en torno a 7,5 m. (iii) El
efecto pepita2 que alberga la distribucin no es muy grande: un valor en torno a 20 sobre una oscilacin de 100, equivale aproximadamente a 1/5 del total de la varianza, lo que
implica que la distorsin sobre el modelo no es significativa, ratificando la calidad de la muestra para el conjunto de
datos empleados.
2 Es un parmetro del semivariograma, la diferencia que existe entre la meseta (mximo de la funcin montona decreciente que representa a la
semivarianza) y el origen de abscisa y ordenada. La interpretacin del semivariograma est influida por este efecto. Un semivariograma ajustado es
aquel que presenta unos valores de pepita significativamente bajos o moderados. Por el contrario, un efecto pepita puro es una funcin semivariograma plana (paralelo al eje de la x), es decir: aleatoriedad espacial.
84
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
Oi D j
Fij2
(1)
85
Analti a
Alfredo Maximiano Castillejo
una serie de casos de estudio. Otros trabajos en la bibliografa arqueolgica son los de Bove (1981) [8], Kvamme (1989)
[31], Neiman (1997) [47].
Una alternativa a la interpolacin clsica es la implementacin de superficies estocsticas, en las que se tiene en
cuenta la presencia de cierto grado de incertidumbre sobre
la variable espacial tratada [39]. Esto lleva a definir la variabilidad espacial en trminos de: Componente estructural,
componente aleatoria y error residual.
Esta aplicacin no es muy usada en arqueologa debido
a que generalmente la totalidad del rea muestral se encuentra documentada, con lo que no tiene mucho sentido
aplicar superficies estocsticas. Pero tambin es cierto que
si el problema espacial arqueolgico cumple en su enunciado y resolucin con las condiciones geoestadsticas, la prediccin de localizaciones se convierte en una va analticointerpretativa muy interesante.
El gradiente espacial (variacin de intensidad de un fenmeno por unidad de distancia entre un lugar y un centro
dado) de un determinado fenmeno es la expresin de cmo la variable regional cambia segn los valores que toma
en las localizaciones vecinas. Esto significa que el gradiente determina la continuidad espacial sobre un conjunto de
localizaciones que tienen una tasa de cambio parecida. Su
principal implicacin es que este test detecta regiones diferenciadas en base a la intensidad de cambio en los valores
de la variable espacial [37]. Por tanto, y lo que es ms importante, se pueden aproximar a las discontinuidades que
alberge una determinada estructura espacial, identificando
la tasa de cambio a travs de los valores que tome el gradiente3 .
La tcnica es muy utilizada en anlisis de imgenes, pero tambin puede aplicarse en el anlisis espacial, ya que se
trata de campos escalares en los que se intenta distinguir el
contorno o lmite de un rea internamente homognea que
adems se encuentra diferenciada de las reas vecinas.
El algoritmo ms usado para obtener el gradiente espacial de una distribucin es el clculo de la primera derivada, aunque pueden utilizarse una gran cantidad de mtodos equivalentes (para ampliar se recomienda el trabajo de
Sonka et al 1993 [61]).
Segn lo anterior, la superficie polinmica y el gradiente espacial son el objeto final del anlisis espacial propuesto en este artculo. Ambas entidades estn relacionadas y
constituyen el mbito adecuado para resolver la problemtica espacial arqueolgica mediante su cuantificacin y visualizacin analtica
A travs de la superficie polinmica, se percibe cmo se
localizan y distribuyen los valores de frecuencia en el rea
muestral. La imagen generada es una reproduccin real de
la deformacin espacial a la que se encuentran sometidas
las celdas prximas, segn los valores de frecuencia espacial contenidos en ellas. Con esto, se puede determinar el
grado de deformacin que pueda existir entre retculas vecinas. Lo ms importante es que si la deformacin es elevada, se puede considerar que existen cambios bruscos entre
retculas adyacentes, entendiendo as que exista independencia espacial sobre retculas que se encuentren relativamente alejadas. Mientras que si el cambio es gradual o es
imperceptible, se determinar la existencia de un vnculo
espacial entre retculas. En el caso emprico propuesto, la
superficie polinmica queda del siguiente modo:
Figura 5. Superficie polinmica con trama de color y sin ella desde diferentes ngulos. Realizado en Rock Works.
3
Se recuerda que una discontinuidad es el lmite observable en la primera derivada de la funcin matemtica que describe las frecuencias espaciales
(Gonzalez y Woods, 1993 [26]).
86
Analti a
Geoestadstica y arqueologa: una nueva perspectiva analtico-interpretativa. . .
ii) reas del espacio donde la probabilidad de la repulsin en la localizacin de determinado tipo de acciones es elevada.
Figura 6. Gradiente en 3D de la distribucin. La orientacin es S.E. se incluye misma imagen pero sin trama de color para hacer
hincapi en las dos zonas estables y contrapuestas. Realizado en
Rock Works
Inclusin de otras categoras arqueolgicas que se puedan relacionar con las acciones vinculables a la gestin de
los residuos, y que puedan determinar la segregacin y el
uso del espacio, por ejemplo concentraciones de desechos
La imagen muestra dos reas diferenciadas, pero con de talla, presencia de instrumental amortizado, restos de
un comportamiento espacial muy parecido. Ambas depre- limpieza de fogones. . .
siones estn indicando los lmites espaciales (discontinuidades) y cuantifican la intensidad de los mismos.
La combinacin entre superficie polinmica y gradiente establece la relacin por la cual en las zonas de mayor
y menor intensidad espacial (valores de frecuencia altos y
bajos) la tasa de cambio es muy baja, lo cual implica una
alta estabilidad espacial. Se puede afirmar que en la zona
de mayor intensidad espacial (altos valores de frecuencias
por unidad de superficie), existe una tasa de cambio baja
y a medida que se aleja de su centro, la tasa de cambio se
incrementa paulatinamente. Paralelamente, en la zona de
menor intensidad espacial (lo que equivale a frecuencias
bajas de restos por unidad de superficie), existe una tasa
de cambio mnima y a medida que se aleja de su centro, se
incrementa paulatinamente.
Empero, a travs de la superficie polinmica y el gra- Figura 7. Interpretacin del lmite de la cabaa. Parte superior,
diente se detecta la presencia de dos reas que se caracte- propuesta analgica y etno-aqueolgica acerca del lmite de la carizan no slo por su estabilidad en la tasa de cambio -que baa (Imagen de J. Estvez y A. Vila). Parte inferior, elaboracin
es significativamente baja-, sino que, adems, reflejan com- propia acerca de la interpretacin analtica sobre el posible lmite de la cabaa. En rojo el rea de atraccin de acciones relacioportamientos espaciales opuestos:
i) reas del espacio que tienen una probabilidad mayor
para que en ellas se localicen determinado/s tipos de
accin/es; y
87
Analti a
Alfredo Maximiano Castillejo
de la K de Ripley, Correlograma y el Semivariograma a esta escala, ya que la implementacin de dichas herramientas an es escasa y sobretodo, ha sido utilizada en casos de variabilidad espacial a escala
macro-espacial y con referencia a un enfoque confuso en relacin a las implicaciones lgico-formales de
una distribucin de efectos materiales de determinada accin o conjunto de acciones.
v) Todo el protocolo analtico desarrollado deriva en el
estudio del tipo de relacin existente entre el gradiente espacial y la superficie polinmica de cada distribucin objeto de estudio. De este modo, se alcanza una respuesta vlida al problema espacial planteado (basado en la hiptesis interpretativa de atraccin/repulsin espacial). La implicacin ms importante se centra en que el anlisis de la primera derivada de la funcin de distribucin puede ser una va
ptima en la solucin de determinados problemas espaciales en arqueologa que se encuentren relacionado con la localizacin de lmites (por ejemplo: una
cabaa)
A nivel de pensamiento arqueolgico, un discurso interpretativo de la variabilidad espacial observada en trminos de localizacin de acciones y no en base a la ubicacin de determinados restos materiales, posibilitar una
solucin cuantitativa y con significancia estadstica. As, si
existe la certeza de que un determinado espacio (domstico, ritual, coercin,. . . ) se caracteriza por la repulsin o
atraccin de un conjunto de determinadas acciones, y si
somos capaces de reconocer dichas acciones en base a la
fraccin de los efectos materiales de las mismas; entonces,
se podr interpretar esa rea en base a la dinmica espacial
de sus acciones: atraccin de restos sobre unas localizaciones y su sistemtica repulsin a otro emplazamientos.
Sin duda alguna, la realidad arqueolgica no es simple,
debemos partir de que la propia distribucin del fenmeno
est modificando, a su vez, las condiciones del resto de localizaciones y las acciones potencialmente realizables sobre ellas. Adems, la misma materialidad objeto de estudio
puede cumplir mltiples funciones en una misma regin
del espacio [43].
Por todo ello, la resolucin del problema no es un mapa de distribucin de restos materiales, eso ser slo una
primera aproximacin al problema, el fin ltimo es poder
establecer un mapeado de acciones sociales y cmo aquellas se relacionan entre s desde un anlisis multivariante.
A modo de comentario final, se hace especial hincapi
en que el enfoque geoestadstico pone de manifiesto relaciones espaciales reales y va ms all de la visualizacin,
ms o menos elegante y sofisticada, sobre algunas relaciones espacialmente aparentes. Actualmente, la apariencia en
el anlisis espacial arqueolgico es un serio problema, ya
que en ocasiones tenemos la tendencia a creer que la presencia de concentraciones de restos nos est indicando el
Analti a
Geoestadstica y arqueologa: una nueva perspectiva analtico-interpretativa. . .
emplazamiento de las acciones que las causaron (siguiendo un argumento de tipo: si aqu hay colillas, aqu han
fumado), lo que suele conducir hacia una reconstruccin
carente de rigor cientfico de la dinmica espacial acontecida en el pasado en clave a una serie de restos que se encuentran adscritos a una categora nominal.
Por el contrario, entender que una accin o conjunto de
acciones (y no solo una fraccin de sus consecuencias materiales), pueden realizarse en unas localizaciones especficas
y no en otras, si posibilita el estudio de las relaciones espaciales que existieron sobre una determinada regin (yacimiento arqueolgico) estableciendo un mapeado, probable, de donde fueron realizadas determinadas acciones.
Finalmente, no se debe olvidar que este enfoque, como
cualquier otro, no zanja el problema espacial de la variacin espacial en contexto arqueolgico. Deber ser el propio equipo de investigacin, que con su corpus de preguntas, junto al exhaustivo anlisis de la materialidad deber
definir los problemas espaciales a resolver, evaluando sus
resultados mediante la validacin o el descarte de la interpretacin de la dinmica espacial establecida a travs de un
conjunto determinado de tcnicas (en este caso, vinculadas
con la Geoestadstica).
Referencias
89
Analti a
Alfredo Maximiano Castillejo
[24] Gifford, D.P. Taphonomy and Paleoecology: a Criti- [39] Matheron, G. La thorie des variables rgionalises
cal Review of Archaeologys Sister Disciplines. En
et ses applications. Les Cahiers du Centre de MorpAdvances in Archaeologicalk Method and Theory. M
hologie mathmatique de Fontainebleau. Fascicule 5.
Schiffer (Ed) 4, pp. 365-438. Academic Press. New
(1971)
York. (1981)
[40] Markofsky S; A. Bevan Directional analysis of surfa[25] Gmez Romero, F.; Maximiano, A. Avances en la
ce artefact dsitributions: a case study from the Murgaplicacin del anlisis geo-estadstico en arqueolohab Delta, Turkmenistan. Journal of Archaeological
ga histrica: el ejemplo del Fortn Otamendi (1858Science 39 (2): 428-439. (2011)
1869). Revista de Arqueologa Histrica Argentina e
[41] Maximiano Castillejo, A. Mtodos geocomputacioLatino-americana . 4. 64-85. (2011)
nales aplicados al anlisis espacial en arqueologa.
[26] Gonzlez, R. C., Woods, R. E. Digital Image ProcesTrabajo de Investigacin. Universitat Autonoma de
sing, Addison-Wesley, Reading. (1993)
Barcelona. Barcelona. (2005)
[27] Haining, R. Spatial Data Analysis: Theory and Prac[42] Maximiano Castillejo, A. Teora geoestadstica aplitice. Cambridge University Press. Cambridge. (2003)
cada al anlisis de la variabilidad espacial arqueolgica intr-site. Tesis Doctoral. Universidad Autnoma
[28] Hietala, H. Intrasite spatial analysis in archaeology.
de Barcelona. Barcelona. (2008)
Cambridge University Press. Cambridge. (1984)
[29] Hodder I. R. Locational models and the study of Ro- [43] Maximiano, A.; Gmez Romero F. Application of logical geostatistical into an archaeological spatial promanoBritish settlement. In Models in archaeology.
blematic: Spatial dynamic into fortifications of the de(ed) D. L. Clarke. Metheun. London. (1972)
sert as a place of power in Argentine Pampas in Nine[30] Hodder, I. R.; Orton, C. Spatial analysis in archaeteenth Century. Proceedings of CAA 2010. Granada.
logy. University Press. Cambridge. Cambridge (1976)
(in press)
[31] Kvamme, K. L. Spatial Autocorrelation and the Clas[44] Maximiano Castillejo, A. (en prensa): Experimentansic Maya Collapse revisited: Refined techniques and
do con distribuciones espaciales en CPU: Simulacin
new conclusions. Journal of Archaeological Science,
estocstica y Visualizacin como complementos anaVolume 17, (2): 197-207. (1989)
lticos en el anlisis espacial arqueolgico. (Niveles
Magdalenienses de La Garma; Espaa). Actas del III
[32] Kvamme, K. L. A predictive site location model on
Congreso Internacional de Arqueologa Experimenthe high plains: an example an independent test.
tal. Banyoles Barcelona Octubre 2011. Monografias del
Plains Anthropologist, 37 (138), 19-40. (1992)
Museu Arqueologic de Catalunya (2013).
[33] Laplace-Jauretche, G., Mroc, L., Application des
coordonn es cartsiennes la fouille dun gisement. [45] Moral Garca, F.J. Aplicacin de la geoestadstica en
Bulletin de la Socit Prhistorique Franaise 51 (7),
las ciencias ambientales. Ecosistemas. Vol. XIII, 1.
58-66. (1954)
(2004)
[34] Lloyd, C. D.; Atkinson, P. M. Archaeology and geos- [46] Moran, P.A.P. Notes on Continuous Stochastic Phetatistics. Journal of Archaeological Science, 31; 151nomena. Biometrika, 37, 17-33. (1950)
165. (2004)
[47] Neiman, F. D. Conspicuous consumption as wasteful
[35] Mameli, L; Estvez Escalera, J. Etnoarqueozoologa
advertising: A Darwinian perspective on spatial patde aves: el ejemplo del extremo sur americano. Treterns in Classic Maya terminal monument dates. En
ball de Etnoarqueologa. Volumen 5. CSIC. Barcelona
Barton, M. C. y Clark, G. A., (Eds) Rediscovering Dar(2004)
win: Evolutionary Theory and Archaeological Explanation. Vol. 7 of Archaeological Papers of the Ameri[36] Mardia, K. V. Mardias Test of Multinormality. In S.
can Anthropological Association 7. American AnthroKotz and N.L. Johnson, eds., Encyclopedia of Statistipological Association. Washington. (1997)
cal Sciences, vol. 5. Wiley. New York. (1985)
[37] Marr, D. and Hildreth, E. Theory of edge detection. [48] Nijkamp, P.; Reggiani, A. Interaction, evolution and
chaos in space. Springer, Berlin. (1992)
Proceedings of the Royal Society of London. Series B,
Biological Sciences 207:187-217. (1980)
[49] Orton, C. Between Time and Space the geographical
[38] Matheron, G. Principles of geostatistics. Economy
dimension of knowledge. Archaeologia e Calcolatori
Geology 58, (8) 1246-1266. (1963)
15: 299-315. (2004)
90
Analti a
Geoestadstica y arqueologa: una nueva perspectiva analtico-interpretativa. . .
[50] Orquera, L. A. Anlisis de los conchales fueguinos y [61] Sonka, M., Hlavac, V., and Boyle, R. Image, Procesde la distribucin espacial interna del Sitio Tnel VII.
sing, Analysis and Machine Vision. Chapman y Hall
Actas del XII Congreso Nacional de Arqueologa ArComputing Series. Chapman y Hall, London. (1993)
gentina, 66 -72. La Plata.
[62] Tobler, W., Cellular geography, en Gale, S. y G.
[51] Orquera, L. A.; Piana A. E. (1999): La vida social y
Olsson (eds.): Philosophy in Geography. Dordrecht:
material de los Ymana. Eudeba-IFIC. Buenos Aires.
Reidel), pp. 379-386. (1979)
(1999)
[52] Pumain, D. Vers une Thorie volutive des villes.
LEspace Gographique, 2.119-134. (1997)
[53] Ripley, B. D. Spatial Statistics. Wiley. New York.
(1981)
[64] Venables W. N.; Ripley B. D. Modern Applied Statistics with S-Plus. Springer. New York. (1994)
[54] Ripley, B. D. The second order analysis of stationary
point process. Journal of Applied Probability, 13. 255276. (1976)
[65] Vila, A.; Estvez, J. Calibrando el Mtodo: Arqueologa en Tierra del Fuego. Atti 1. Congreso Di Etnoar[55] Schwarz, K R.; J. Mount Integrating Spatial Statistics
cheologia. Roma. (1999)
into Archaeological Data Modeling. In Mehrer, M.K.;
Wescott, K.L. (Eds.) GIS and Archaeological Site Loca[66] Warren, R.E. Predictive modelling of archaeological
tion Modeling. (167-189) Taylor y Francis. Boca Ratn.
site location: a primer. In K.M.S. Allen, S.W. Green
(2006)
and E.B.W. Zubrow (eds) Interpreting Space: GIS and
[56] Schabenberger, O.; Gotway, C.A. Statisitcal Methods
Archaeology. London. (1990)
for Spatial Data Analysis Chapman y Hall/CR. Boca
Ratn. (2005)
[67] Wheatley, D.; Gillings, M. Spatial Technology and
Archaeology: a Guide to the Archaeological Applica[57] Smith, S. P.; Jain, A-K. A test to determine the multitions of GIS. Taylor y Francis. London. (2002)
variate normality of a dataset". IEEE Transactions on
Pattern Analysis and Machine Intelligence 10 (5) 757[68] Wnsch, G. La organizacin del espacio interno
761. (1988)
de los asentamientos de comunidades cazadoras[58] Sokal, R. R.; Oden D. L. Spatial autocorrelation in
recolectoras: Revisin crtica y alternativas. Xama 45. (1991)
Biology. 1. Methodology. Biological Journal of the
Linnean Society 10:199-228. (1978a)
[69] Wnsch, G., Arasa, E.; Prez, M. Dissecting the pa[59] Sokal, R. R.; Oden D. L. Spatial autocorrelation in
limpset: an easy computer-graphic approach to the
biology. 2. Some biological implications and four apstratigraphic sequence of Tunel VII site (Tierra del
plications of evolutionary and ecological interest.
Fuego, Argentina). Analecta Praehistorica Leindesia
Biological Journal of the Linnean Society 10:229-249.
Univ. of Leiden. (1996)
(1978b)
[60] Sokal, R.R.; Oden, N. L.; Rosenberg, M. S. and D. Di- [70] Zurbrow, E. B.; Harbaugh, J. W. Kriging and simuGiovanni D. Ethnohistory, genetics, and cancer morlation. In I. Hodder (Ed.) Simulation Studies in Artality in Europeans. Proceedings of the National Acachaeology. Cambridge University Press. Cambridge.
demy of Sciences USA 94:12728-12731. (1997)
(1978)
91
Analti a
Normas para la presentacin de trabajos
Norms for submission of papers
www.inec.gob.ec
www.ecuadorencifras.com
Analti a
Normas para la presentacin de trabajos
Los autores estn invitados a enviar sus trabajos a la re- Si las figuras, grficos, ilustraciones o fotografas incluidas en el trabajo tienen derecho de autor, es responsavista Analtika, ya sea en espaol o en ingls.
bilidad del autor que presenta el trabajo a evaluacin,
Para la publicacin de los diferentes trabajos, los autoobtener el permiso correspondiente para su uso.
res deben seguir los siguientes lineamientos:
Originalidad
El trabajo presentado se entender que es indito y original. En el caso de que el trabajo haya sido publicado en
otra revista, impresa o digital, ste deber tener el permiso o autorizacin de la revista, detallando el nuevo aporte
o modificacin correspondiente. Despus de la aceptacin,
la autorizacin deber ser enviada al editor de la revista
Analtika.
Presentacin
Los trabajos debern ser presentados en formato digital, el cual puede ser .pdf o .doc. Comprometindose el autor o los autores, a proporcionar el trabajo en formato .tex,
si el mismo es aceptado para su publicacin.
Toda la documentacin correspondiente debe remitirse
al editor de la revista Analtika, al siguiente correo electrnico: analitika@inec.gob.ec.
Para tablas:
\label{DP_tab:001}
Para definiciones
\label{DP_def:001}
Requerimientos tcnicos
Para ser sometidos a revisin, los trabajos debern cumplir los siguientes requerimientos tcnicos:
Las ilustraciones y tablas deben estar numeradas secuencialmente, incluyendo una descripcin explicativa para
cada una.
Las figuras deben tener formato .eps, de preferencia, o
formato .jpg, o .png de alta resolucin.
El texto en las figuras y mapas debe escribirse con letras
fcilmente legibles.
Diferentes elementos de un grfico deben contener sus
correspondientes explicaciones. Por ejemplo, en un grfico de pastel se deber especificar qu representa cada
color.
Asegrese de que las inscripciones o detalles, as como
las lneas, tengan tamaos y grosores adecuados; de tal
manera que sean legibles (nmeros, letras y smbolos).
Las fotografas deben grabarse con alto contraste y en
alta resolucin. Recuerde que las fotografas frecuentemente pierden contraste en el proceso de la impresin.
No combine fotografas y dibujos en la misma figura.
Para figuras
\label{DP_fig:001}
Para ecuaciones
\label{DP_eq:001}
Para teoremas
\label{DP_teo:001}
etc.
4 Estructura y formato
La estructura del documento ser de la siguiente forma:
Obligatorias
Ttulo
Resumen
Palabras claves
Abstract
Keywords
Clasificacin
Introduccin
Marco Terico o Metodologa
Aplicacin o Resultados
Conclusiones
Referencias
Opcionales
Agradecimientos
Recomendaciones
Futuros trabajos
Anexos
95
Analti a
Revista de Anlisis Estadstico
Journal of Statistical Analysis
5 Procedimiento editorial
Cuando el trabajo ha sido recibido por el editor, ste
pasa por dos procesos de calificacin. El primero, se lleva
acabo dentro de un consejo editorial interno que determinar la pertinencia y solvencia cientfica y, el segundo, es la
evaluacin por expertos nacionales o extranjeros, considerando el mtodo blind review.
Si el manuscrito es aceptado para su publicacin, ste
pasar por las siguientes etapas:
6 Comentarios finales
Referencias
[1] M. Aguayo, y E. Lore, Cmo hacer una Regresin
Logstica binaria paso a paso II anlisis multivariante,"Fundacin Andalucia Beturia para la Investigacin en Salud, Dot. No 0702013, (2007).
96
Analti a
volumen
Revista de Anlisis Estadstico
Journal of Statistical Analysis
ISSN 1390-6208
Nmero 4 - 2012
Administracin Central
Quito
Juan Larrea N15-36 y Jos Riofro
Telfonos: (593) 22544 326 - 22544 561
Fax: (593) 22509 836 Casilla postal: 135C
correo-e: planta_central@inec.gob.ec
analitika@inec.gob.ec
www.inec.gob.ec
www.ecuadorencifras.com