APORTACIN DE LAS TCNICAS FACTORIALES AL ANLISIS DE LAS … · 2007. 10. 15. · recogidas del IDH...

Estudios Económicos de Desarrollo Internacional Vol.6-2 (2006)

APORTACIÓN DEL AFM AL ANÁLISIS DE LAS POLÍTICAS PÚBLICAS. UNA VISIÓN DE AMÉRICA

LATINA Y EL CARIBE, 1990-2002 CARRASCO ARROYO, Salvador*

ARREDONDO, Jorge Orlando Resumen No cabe duda en que el marco político-económico-social en que se desenvuelven la mayoría de los países Latinoamericanos es el de la desigualdad, la pobreza y la falta de garantías democráticas. Sin embargo, también cuentan con una gran potencial humano y económico. Este trabajo pretende exponer a partir de una reflexión sobre las políticas públicas, la situación de América Latina y Caribe Hispano en el año 1990 y 2002. Para ello, utiliza el análisis de variables cuantitativas recogidas del IDH del PNUD, a través del Análisis Factorial Múltiple como técnica que aportan a los actores públicos una metodología de análisis capaz de visualizar las implicaciones de determinadas actuaciones en los diferentes campos como: la salud, la educación o el desarrollo. Abstract There is no doubt that the social-political-economic framework where the majority of Latinamerican countries are developed is the framework of inequality, poverty and lack of democratic guarantees. However, they also have a great human and economic potential. This article tries to show, starting from a reflection about the public politics, the situation of Latin America and Hispanic Caribbean in 1990 and 2002. For that, it uses the analysis of quantitative variables collected from IDH (PNUD), through Multiple Factorial Analysis a tecnique able to contribute to the public actors with an analysis methodology capable to visualize the implications of some particular actions in different fields: Health; Education, Development. Palabras Clave: América Latina, Desarrollo, AFM, Políticas Públicas, Factorial. Clasificación JEL: J78, R10, C49.

* Salvador Carrasco Arroyo. Facultad de Economía. Universidad de Valencia. Avda. Tarongers s/n. 46022 Valencia (España). E-mail: [email protected], y Jorge Orlando Arredondo. Facultad de Ciencias Sociales. Universidad Nacional de San Juan (Argentina). Avda. Cereceto 560(o) –CP5407 Rivadavia. E-mail: [email protected]

mailto:[email protected]


1. Introducción. Nos encontramos en el siglo XXI y, sin embargo, seguimos

sin resolver los problemas del desarrollo en la mayoría de los países que configuran el mapa Latinoamericano. Las asimetrías persisten. Los discursos políticos que emplean la semántica y el lenguaje con palabras como: globalización, sostenibilidad, desarrollo, desigualdad, multiculturalidad, gobernabilidad, competitividad, crecimiento, pluralismo, bienestar o riqueza se suceden. Palabras manejadas por políticos y gestores públicos, actores políticos, económicos y sociales que -como agentes de vital importancia en las políticas públicas- son responsables en mayor o menor medida del futuro de los pueblos.

Así y en esta línea se celebran eventos, reuniones y cumbres.

A principios de 2004 se celebró en Monterrey (México) la tercera Cumbre Extraordinaria de las Américas, donde en el Preámbulo de la Declaración de Nuevo León1 decía “Nuestro propósito es avanzar en la instrumentación de medidas para combatir la pobreza, promover el desarrollo social, lograr un crecimiento económico con equidad y reforzar la gobernabilidad de nuestras democracias (...) el bienestar de nuestros pueblos requiere el logro de tres objetivos estrechamente vinculados e interdependientes: crecimiento económico con equidad para reducir la pobreza, desarrollo social y gobernabilidad democrática...”. En la siguiente Cumbre celebrada en el Mar del Plata (Argentina) se decía, también, en la Declaración Final: ...reafirmamos nuestro compromiso de combatir la pobreza, la desigualdad, el hambre y la exclusión social para elevar las condiciones de vida de nuestros pueblos y reforzar la gobernabilidad democrática en las Américas. Sin embargo, prácticamente una de cada dos personas en América Latina y el Caribe viven hoy en la pobreza2 y una de cada cinco en extrema pobreza.

1 Declaración de Nuevo León en www.oas.org/documents/ SpecialSummitMexico 2 “Nunca hubo tantos latinoamericanos y caribeños pobres como hoy” decía el Presidente de Chile D. Ricardo Lagos o también “De acuerdo con cifras del Banco Interamericano de Desarrollo, el 44 % de la población de América Latina y El Caribe se encuentra por debajo de la línea de pobreza”.

92

Carrasco, S., Arredondo, J.O. Análisis AFM de políticas en América Latina

Este escenario económico-social va cambiando. La senda hacia el desarrollo está trazada a través de las acciones políticas, acciones que son consecuencia de la toma de decisiones de los agentes implicados. Es en esa toma de decisiones y en su preámbulo donde enmarcamos nuestro trabajo como, un proceso de análisis exploratorio de la información que emana del “Sistema” al servicio de los actores políticos. En este sentido, este trabajo no pretende ahondar en el análisis de las políticas públicas ni en un discurso político-económico, sino aportar un protocolo de actuación estadística a través del cual podamos detectar qué actuaciones son previsiblemente recomendables para intentar conseguir los objetivos planteados.

Es evidente que los procesos de intervención pública son de

una complejidad creciente y ya la Ciencia Política en su largo recorrido que va desde las primeras aportaciones de Lasswell en los años 50 hasta el actual neoinstitucionalismo (Toboso y Compés, 2003) junto con todas sus variantes de las últimas décadas, muestran marcos teóricos diversos. Lo que pretendemos realizar en este trabajo es dar respuesta a los asertos del Nobel Coase (citado en Toboso y Compés, 2003, p. 9) cuando reclama la necesidad de mas trabajos empíricos y aportar “los puzzles y los patrones hallados mediante la sistemática obtención de datos” para “la inspiración de los teóricos”.

Así, este trabajo sólo parte de la conceptualización que el

mundo político forma un subsistema con estructuras, actores y reglas y que las políticas públicas son “una concatenación de actividades, decisiones o medidas coherentes por lo menos en su intención, y tomadas principalmente por los actores del sistema político-administrativo de un país con la finalidad de resolver un problema colectivo” (Kauffer, E. 2002, p. 5), y en este sentido resulta evidente que uno de los problemas colectivos de América Latina y el Caribe es la lucha contra las desigualdades y la pobreza.

El planteamiento que seguirá este estudio está basado en la

medición de las Asimetrías del Desarrollo en América Latina y el Caribe a través de variables recogidas de los informes del Programa

93

Estudios Económicos de Desarrollo Internacional Vol.6-2 (2006) de las Naciones Unidas para el Desarrollo (PNUD) para dos escenarios, 1990 y 2002.

La técnica utilizada es el análisis factorial múltiple como

metodología exploratoria para la interpretación de la situación de los 20 países que constituyen el área geográfica a analizar. Se trata de diagnosticar la situación en América Latina a partir de dos radiografías efectuadas en los años 1990 y 2002 aglutinando la información a través de la construcción de indicadores sintéticos complejos llegando en una segunda fase a plasmar en un mismo plano los dos escenarios, donde se visualizara la evolución de cada uno de los países. Para ello se trabajará a partir de cinco grupos de variables que recogen una medida del desarrollo, como son: Educación, Salud, Desarrollo, Esfuerzo Público, las que actuarán como activas, y un quinto grupo de variables que denominaremos ilustrativas. 2. Marco del análisis.

Como el marco de análisis en que nos moveremos es el del desarrollo, el primer problema que nos encontramos es el de las definiciones, dado que hablamos de desarrollo económico, humano, cultural, social o político. Nosotros entendemos por la palabra desarrollo un sentido amplio, escorado hacia las teorías del bienestar que recogen como argumentos los esgrimidos en tantas ocasiones por autores como Chakravarty (1995) o Sen (1987), que defienden el desarrollo del bienestar centrándolo en la obtención de logros personales en las funciones básicas del ser humano (Pattanaik, P, 2001, p.334), o al que ya aludía el tercer Informe del Desarrollo Humano, donde le asigna un concepto amplio e integral que comprende todas las opciones humanas, en todas las sociedades y en todas las etapas del desarrollo (PNUD, 1992, p.19).

El segundo problema radica en la medición del desarrollo, el diseño de indicadores significativos y la búsqueda de datos. En razón de considerar que la mejor fuente estadística a nivel internacional para la medición del mismo es la Oficina del Informe del Desarrollo

94


Humano, en cuanto aglutina información de los diferentes organismos internacionales. Partiremos de esta fuente para tomar las variables que constituirían los datos para la base de nuestro estudio, utilizando las que aparecen en la tabla 1 aplicadas a los 20 países que constituyen América Latina y el Caribe de habla hispana.

Tabla 1: Variables empleadas en el AFM 1990 y 2002 Esperanza de vida al nacer Porcentaje de población con acceso a agua.

Grupo 1: Salud

Tasa de mortalidad en niños menores de 5 años por 1000 nacidos vivos PIB per capita (PPA) Grupo 2:

Desarrollo Consumo de energía eléctrica por habitante Kw/h. Tasa de alfabetización de adultos Grupo 3:

Educación Tasa de matricula combinada en primer. segundo y tercer grado Gasto Público en Educación en porcentaje del PIB Grupo 4:

Esfuerzo Público

Gasto Público en Salud en porcentaje del PIB

Tasa de desempleo urbano Líneas telefónicas por 1000 hb

Grupo 5: Ilustrativo.

Crecimiento del consumo privado por habitante a precios ctes. del 95

La filosofía utilizada por el PNUD se centra en las cuatro

capacidades que considera más importantes: vivir una vida larga y saludable, disponer de educación, tener acceso a los recursos necesarios para disfrutar de un nivel de vida digno y participar en la vida de la comunidad, combinando medidas de la esperanza de vida, matrícula escolar, alfabetización e ingresos. Para ello, la técnica utilizada para el cálculo del IDH se basa en la elaboración de un índice compuesto sintético clasificando a los países en función de este indicador.

Otra técnica es la Quantum Measurement Technique, basada

en la probabilidad de Rasch y utilizada por Morán y Álvarez para la obtención de una medida del desarrollo. Esta técnica permite reducir

95


matrices de datos a una variable unidimensional. (Morán, J.C.; Álvarez, P. 2001. p.196). En esta línea de sintetización de la información se enmarca el trabajo de G. Del Valle, T. y Puerta, C. (G. Del Valle, T; Puerta, G. 1999), donde -a través del Análisis Factorial Múltiple- (AFM) aportan una nueva metodología para la obtención de un indicador del desarrollo humano. Ésta es la línea metodológica que seguiremos aunque nuestro objetivo no es propiamente la obtención de un indicador agregado sintético sino el de explicar, el comportamiento de cada país según su actuación en cada uno de los grupos de variables seleccionadas.

Finalmente, la necesidad de adoptar decisiones en el terreno

de lo político implica la obligación de estar informado, justificando la existencia de: informes, estudios y trabajos que aportan esperanza a los pueblos, sin eximir la responsabilidad política y social de los administradores públicos, en la medida que son éstos quienes, a través de la aplicación de sus políticas públicas, interactúan en el territorio, pese a que no siempre la información va a ser decisiva. En el mundo de las políticas públicas, elegir entre un mayor gasto en sanidad que en educación, o una mayor inversión en educación superior que en educación primaria, no acostumbra a ser un problema de información -aunque esta información no pueda considerarse superflua- (Subirats y Goma, 1998, p.30).

Desde entonces este programa3 ha dedicado grandes

esfuerzos a realizar el seguimiento del desarrollo y cómo alcanzar sus metas, reducir la pobreza y estudiar los efectos de la aplicación de diversos mecanismos de política para lograr este cometido. El Programa fomenta la creación de indicadores e instrumentos para la observación y análisis de las realidades de 190 países, bajo el

3Al PNUD se le ha encomendado la tarea de administrar la labor de seguimiento de los avances logrados en el cumplimiento de los ODM para el sistema de las Naciones Unidas, y de esta manera evaluar junto con la Comisión Económica para América Latina y el Caribe (CEPAL) y el Instituto de Investigación económica Aplicada (IPEA), los avances en el cumplimiento del compromiso de reducir a la mitad, para 2015, la proporción de la población que vive con menos de un dólar diario.

96


supuesto de que sólo es posible mejorar el bienestar y la calidad de vida si se mejora la calidad de los actores públicos. Para ello, es necesario planificar y evaluar. La planificación obliga a la recogida y análisis de la información que refleja la realidad, sin embargo, la disponibilidad de información suficiente, homogénea y fiable para la labor del decisor y gestor no está exenta de problemas. Uno de los más importantes es la visión tan asimétrica entre el gestor público y el político. 3. Metodología factorial.

Las técnicas factoriales las enmarcamos dentro de las técnicas reductoras de la dimensionalidad inicial de la información existente, éstas pretenden explicar el comportamiento de los individuos (países) en función de los datos que cada uno de ellos posee sobre un gran conjunto de variables. (Ochando, C; Carrasco, S. 2000, p.267).

El Análisis Factorial Múltiple (AFM) se caracteriza porque la información se presenta en forma de una tabla de datos donde un conjunto de Individuos están descritos por un conjunto de variables agrupadas en diferentes subtablas (grupos) en función de: su naturaleza, tipología, características, número, correlaciones, etc. La única limitación radica en no mezclar en un mismo grupo, variables de diferente naturaleza. Podemos formar grupos de variables cuantitativas o cualitativas pero de ninguna forma se puede configurar un grupo activo de variables entremezclando ambos tipos. Esta importancia, sin embargo, no es imprescindible si el grupo de variables a formar no actúa en la formación de los factores sino sólo como descriptoras de la situación. En este sentido, ilustran el análisis y se les denomina conjuntamente grupo ilustrativo. La tabla de datos X (gráfico 1) tiene I filas y K columnas, estructurada en J conjuntos. Las I filas son elementos de Rk y la distancia entre dos individuos-países (i, p) es una medida de inercia que se define mediante la formula:

( ) ( ) kpkik mxxpid ⋅−= ∑ 22 ,

97

Estudios Económicos de Desarrollo Internacional Vol.6-2 (2006) donde los coeficientes mk ponderan la influencia de cada variable al calcular la distancia entre individuo-país.

xik

1 2 j J+1 J1 K1 1 1 1 1

1

I

K2 Kj Kj+1 KJ

Individuos

VariablesGrupos

i

k

Gráfico 1: Tabla de datos. Dos son las escuelas para este tipo de estudios. La

anglosajona, que utiliza la metodología Indscal (Carroll, 1970), y la Escuela Francesa, con dos metodologías: Statis (Estructura estadística de tablas de tres índices) introducida en 1976 por L’Hermier Des Plantes y desarrollada posteriormente por Lavit (L’Hermier Des Plantes, H. 1976; Lavit, C. 1980), y el Análisis Factorial Múltiple desarrollada por B. Escofier y J. Pages, a principios de los 80.

El AFM será la técnica utilizada en este estudio, basada en el

Análisis de Componentes Principales (ACP). Como todo análisis factorial se sustenta en el concepto de inercia, como una medida sintética de dispersión, y en la utilización de una distancia que determinará la métrica a seguir. Existe una abundante bibliografía internacional disponible al respecto donde se pueden recoger los aspectos o conceptos fundamentales (Escofier y Pages, 1990; Lebart, Morinau y Piron, 1995; Volle, M. 1997; Bécue y Pagés, 1999).

La metodología del AFM4 analiza individualmente cada

grupo de variables o subtablas en diferentes fases a través de un Análisis de Componentes Principales, ponderando cada subtabla por el inverso del primer valor propio del ACP. Así, equilibra el peso de

4 El software utilizado es el SPAD-N, del Centre International de Statistique et d’Informatique Appliquées (CISIA-CERESTA).

98


los grupos en la obtención del primer factor de manera que el peso de cada grupo es el mismo y no dependerá del número y calidad de las variables empleadas. Es decir, en primer lugar, se realiza una transformación de la matriz X, por tanto se realiza un ACP normado (es decir, centrado y reducido) de las tablas escogidas por el analista obteniendo los primeros valores propios de cada grupo. En segundo lugar, se forma la tabla X.

( )jjJ XXXX 2/1

122/1

1212/1

11−−−= λλλ K

donde es el primer valor propio proveniente de un ACP realizado sobre la j-ésima tabla. Posteriormente se calculan las coordenadas de las variables de cada uno de los grupos respecto a los factores para obtener la representación global.

j1λ

Como en toda técnica factorial su objetivo inicial es estudiar

las semejanzas entre los individuos-países y las relaciones entre las variables. Sin embargo, esta técnica incorpora al estudio una nueva dimensión. Contempla las relaciones entre grupos de variables, grupos de individuos y los factores hallados. Se puede detectar qué grupo de variables es el responsable de situar a un individuo-país o grupo de países en una u otra posición ante el factor y por tanto qué variable actúa directamente mejorando su posición media ante ese factor y/o frente a los individuos-países de su entorno.

Otra de las ventajas de esta técnica es la realización de

comparaciones de los individuos-países en diferentes momentos en el tiempo. El procedimiento será posible si, tras detectar para cada momento las variables más representativas de los individuos a efectos de la investigación, dichas variables tienen el mismo comportamiento en la formación de cada uno de los factores que configuran los diferentes espacios. En ese caso, las variables comunes en cada momento del tiempo y con una mayor correlación con cada uno de los factores determinarán el sentido o carácter de cada uno de los factores, planos y espacios factoriales. Por otro lado, esta técnica incorpora con los gráficos factoriales un gran potencial

99

Estudios Económicos de Desarrollo Internacional Vol.6-2 (2006) explicativo e interpretativo sin perder un consistente y riguroso carácter matemático. 4. Situación inicial - 1990.

La aplicación del AFM se ha realizado sobre 12 variables

cuantitativas repartidas en cuatro grupos activos y uno ilustrativo. Los 20 Países escogidos abarcan Centro América, el Grupo Andino, MERCOSUR y otros que por su importancia no pueden estar fuera como México o Chile.

Como todo análisis factorial la reducción de la

dimensionalidad del espacio inicial se traduce en la búsqueda de un subespacio de menor dimensión que explique la máxima variabilidad de la nube inicial (comportamiento de los países en 1990). Es decir, encontrar una serie de vectores ortonormados que nos marquen la dirección de los ejes factoriales, de manera que podamos configurar diferentes espacios factoriales sobre los cuales se proyecte la nube inicial de individuos. En realidad y puesto que nuestra capacidad de visión es mayor en dos dimensiones, la búsqueda se traduce en encontrar dos ejes factoriales que recojan la máxima variabilidad inicial (máxima información de partida). Así, en la combinación de dos ejes ortonormados formamos un plano factorial donde se proyecta la máxima inercia (variabilidad o máxima información inicial de los países) ya que se suma la inercia aportada por cada eje factorial.

Por tanto, la búsqueda de un análisis de este tipo parte por

encontrar la máxima explicación con los mínimos ejes factoriales. El número máximo de ejes posibles sería igual al número de variables utilizadas. En este caso no aportaríamos una reducción de la información del espacio inicial. Por el contrario, si obtuviéramos un solo vector que configure un eje factorial de inercia máxima (100%) la proyección sobre ese eje recogería la máxima información y sería una variable sintética que podríamos utilizarla como un indicador sintético agregado extraordinario del comportamiento del conjunto de los individuos. Pero lo normal no es ni un caso ni el otro.

100


Además, debemos saber qué información recogen esos ejes

sobre los que se proyectaran los países (individuos). Es decir, debemos detectar qué información recoge cada uno de esos ejes y por tanto qué variables son las responsables de la construcción de ese factor.

Al realizar el análisis global para el año 1990 con las nueve

variables activas obtendríamos nueve valores propios que corresponderían a nueve vectores propios y nueve ejes factoriales que explicarían el comportamiento de los 20 países con respecto a esas nueve variables. Sin embargo, a efectos de nuestro análisis y con el objetivo de la reducción del espacio escogeríamos tan sólo a los dos primeros ejes cuyos valores propios asociados a los dos primeros factores explican el 76,50% de la información inicial. (Tabla 2).

Tabla 2: Valores propios del análisis global.

Nº Valor propio Porcentaje P. acumulado1 2,6064 56,43 56,43 2 0,9271 20,07 76,50

El problema reside en la identificación de cada uno de los

ejes, entonces, es necesario saber las correlaciones entre las variables y los factores. A partir de ellos sabremos qué variables han contribuido con mayor porcentaje a la construcción de dicho factor y también qué parte de variabilidad de la variable está explicada por dicho eje.

Tabla 3: Correlación entre las variables canónicas y los factores

Grupo F1 F2 1.- Salud 0,96 0,232.- Desarrollo 0,84 0,353.- Educación 0,86 0,324.- Esfuerzo Público 0,51 0,85

101


Detectamos que los tres primeros grupos están muy correlacionados con el primer factor -valores superiores a 0,80- y solamente el cuarto grupo es el que más contribuye a la construcción del segundo factor. Esta información podemos completarla con los datos de la tabla 3 y el gráfico 2 donde observamos las proximidades entre los grupos que aportan -en cierto modo- datos de los resultados por la aplicación de determinadas políticas.

Tabla 4: Coordenadas y ayudas a la interpretación de los grupos

activos Grupo Coordenadas Contribuciones Cosenos

F1 F2 F1 F2 F1 F2 1.- Salud 0,91 0,01 35,0 1,1 0,82 0,002.- Desarrollo 0,70 0,11 27,0 11,9 0,49 0,013.- Educación 0,73 0,08 28,0 8,7 0,53 0,014.-Esfuerzo Público 0,26 0,73 9,9 78,2 0,06 0,50

Así observamos en la tabla 4, cómo el factor 1 (F1) está más

afectado por el grupo de variables de “salud”, seguido por el grupo de “Educación” y “Desarrollo”. Es decir, el 35% de la inercia recogida por el primer factor está causado por las variables que integran el grupo de salud; mientras que el 28% y 27%, por las variables de Educación y Desarrollo respectivamente. Por otro lado, es este factor el que explica con un 82% la dispersión de los diferentes países según su comportamiento en el grupo de variables de salud.

La contribución absoluta del grupo denominado “Esfuerzo

Público” a la formación del segundo factor es de un 78,2 %. Por el contrario, vemos (tabla 4) como este segundo componente (cosenos F2) no explica nada de los tres primeros grupos.

De esta situación, se obtiene sobre el plano factorial la

distribución de los grupos (gráfico 2). Sobre el primer eje se posicionan los grupos de Salud, Educación y Desarrollo, siendo aquél más alejado el que tiene una mayor implicación en este eje.

102


Mientras que en el segundo factor es el grupo Esfuerzo Público. No obstante, la implicación de los grupos y las variables de cada uno de ellos son los elementos necesarios para que se pueda realizar la denominación de las componentes o factores.

Gráfico 2: Grupos activos en plano factorial (1, 2)

Sin embargo, en este tipo de análisis siempre es aventurado

realizar denominaciones, ya sea de grupos de variables o más aún de factores. (Carrasco, S.; Rausell, P. 2001, p.83). En el primer caso es más sencillo puesto que es el investigador quien, en función de su objetivo a analizar, realiza la agrupación. En el segundo, son las correlaciones entre las variables de cada grupo y el factor las que lo determinarán, en función de ello se nombra al factor. En nuestro caso, a partir del gráfico 3 hemos denominado al factor 1 como “DESARROLLO” y al factor 2 como “COMPROMISO SOCIAL”.

El resultado que perseguimos es proyectar en un plano

factorial (1,2) los veinte países y describir su comportamiento en función de sus coordenadas (gráfico 4). Para ello, entendemos que

103

Estudios Económicos de Desarrollo Internacional Vol.6-2 (2006) los países tienen mayor compromiso social a medida que se desplazan hacia arriba del plano y mayor desarrollo cuando se desplazan hacia la derecha. Dos países pueden tener el mismo comportamiento respecto de un eje como Perú y Nicaragua respecto al eje “Desarrollo” y, sin embargo, tener un comportamiento diferente respecto al segundo eje “Compromiso Social”. Sin olvidar que analizamos una visión de las capacidades de los países de América Latina en un momento del tiempo, 1990.

Gráfico 3: Variables activas en plano factorial (1, 2) – 1990

104


Gráfico 4: Países de América Latina en plano factorial (1, 2) – 1990 El AFM nos brinda la posibilidad de detectar en primer

lugar, qué grupo es el responsable de situar el centroide (centro de gravedad) de cada país en el gráfico anterior. En segundo lugar, nos permite ver la estructura de cada grupo. Y finalmente, estudiar las semejanzas entre países. Para ello, es necesario realizar la representación grafica de las nubes parciales (Gráfico 5).

105


Gráfico 5: Representación de las nubes parciales (Bolivia, Perú, Colombia y Ecuador) en p. fact. (1, 2)

Podemos decir -a la vista del gráfico- que la estructura de

Ecuador y Perú es similar. Sus centros de gravedad están muy próximos, esto indica unas coordenadas semejantes ante los factores (1, 2) y la disposición de los grupos ante el centroide es la misma, o sea que el comportamiento de los grupos ante el Desarrollo y Compromiso Social es el mismo.

Sin embargo, la inercia intra es mayor entre los grupos de

Perú que entre los grupos de Ecuador; en otras palabras existen comportamientos más heterogéneos entre las variables analizadas en Perú. Por último, podemos decir que el grupo responsable de situar a

106


Ecuador en esta coordenada respecto al eje del Desarrollo es el grupo de las variables de educación. Una actuación política en las variables que actúan sobre las variables de salud mejoraría en gran medida la situación media del país.

Bolivia y Colombia a pesar de que tienen un comportamiento

similar ante el segundo factor (Compromiso Social) y prácticamente igual al individuo medio, su estructura es diferente. Existe un comportamiento opuesto en el armazón estructural, Colombia requiere un mayor compromiso social para alcanzar un superior desarrollo. Asimismo, para mejorar su situación necesita realizar acciones de política que incrementen el porcentaje de gasto social en educación y salud; en cambio, Bolivia debe actuar en las variables de salud.

Gráfico 6: Representación de las nubes parciales (Haití, Honduras y El Salvador) en p. fact. (1, 2)

Si observamos el gráfico 6 podemos comprobar las

disparidades entre comportamientos de los países de Haití, El Salvador y Honduras. El país más equilibrado es el Salvador con la inercia intra más débil. Su estructura es diferente a la de Honduras,

107

Estudios Económicos de Desarrollo Internacional Vol.6-2 (2006) territorio que precisa una actuación más drástica sobre las variables de salud, aunque en ambos casos sería interesante actuar sobre las variables de educación. Estas acciones mejorarían la posición media de cada país trasladando el centro hacia la derecha mejorando así el desarrollo medio del País.

El caso de Haití es tan deficiente ante el factor “compromiso

social” como en Honduras y el Salvador pero es mucho más extremo ante el factor “desarrollo”, es el país con peor situación global de los examinados en 1990. Necesita actuaciones políticas en el campo de la salud y educación principalmente e incrementar el esfuerzo público, de manera que desplace el centro hacia la derecha y hacia arriba.

Finalmente, entre los países de Argentina, Chile, Brasil y

México, los comportamientos más similares son entre Chile y Argentina por un lado, y por otro, Brasil y México. Argentina sería el país mejor posicionado ante el “Desarrollo”, seguido de Chile, México y Brasil. El grupo responsable de situar a Argentina en cabeza es educación, grupo sobre el que habría que actuar en Brasil y México para mejorar sustancialmente su situación media. Para mejorar a Chile y Argentina es en las variables de Gasto Social las que producirían una mejora en el “Desarrollo”.

5. Análisis de la situación en 2002.

Bajo la misma filosofía se ha procedido a realizar un análisis factorial múltiple sobre los mismos países. La estructura del AFM se ha mantenido al utilizar las mismas variables activas e ilustrativas manteniendo las agrupaciones realizadas para el año 1990. Es decir, cuatro grupos activos (Salud, Desarrollo, Educación y Esfuerzo Público) y un grupo ilustrativo.

En este caso, la variabilidad total explicada en los dos primeros factores es del 75,79 %. El primer valor propio explica el 58,81 %, y el segundo un 16,98 % de la inercia total. Esto supone

108


estar en la misma línea que el análisis de 1990, es decir, mantenemos la variabilidad explicada en el análisis anterior. La estructura entre los grupos y los factores (tabla 5), medidos a partir de las correlaciones entre las variables canónicas y los factores del análisis global, determina que el primer factor es común a los tres primeros grupos, y el segundo, como era de esperar, es común al cuarto grupo.

Tabla 5: Correlaciones entre las variables canónicas y los factores

F1 F2 G1. Salud 0.95 0.10G2. Desarrollo 0.81 0.44G3. Educación 0.91 0.14G4. Esf. Público 0.62 0.77

Podemos constatar que las variables activas en el primer

plano factorial (Gráfico 7) mantienen la estructura hallada en el año 1990 (gráficos 2 y 3). Es decir, el primer factor sigue siendo una variable sintética que aglutina las variables relacionadas con la Salud, la educación y, en último lugar, con el desarrollo (riqueza). Seguimos denominado a este factor “DESARROLLO”.

Respecto al segundo factor, siguen siendo las variables

relacionadas con el Gasto Social las que predominan5. Este grupo explica el 74 % de la inercia recogida por este eje. El grupo 2, sin embargo, contribuye en un 23 %, un 11 % más que en el año 1990, variación que no modifica sustancialmente la estructura del segundo eje. Por tanto mantenemos la denominación de este eje como “COMPROMISO SOCIAL”.

5 Téngase en cuenta que la estructura de los gráficos y las correlaciones son prácticamente las mismas en los años 1990 y 2002.

109


Gráfico 7: Variables y grupos activos en plano factorial (1, 2) - 2002

Vista la composición de los ejes y la configuración del primer plano factorial proyectamos los países obteniendo la nube de individuos (gráfico 8). Interpretamos el plano factorial como lo hacíamos en el caso anterior (1990), donde aquellos países emplazados en la parte superior están más comprometidos socialmente, mientras que los que se sitúan más hacia la derecha están en una posición más ventajosa en temas de salud y educación. Finalmente, los situados en el cuarto cuadrante poseen un mayor nivel de renta debido a la proyección de los individuos-países sobre el eje parcial constituido por las variables consumo de energía eléctrica por 1000 habitantes y por la variable renta per capita.

Si analizamos la nube de países en su conjunto debemos

destacar la situación de Haití y Cuba. Por un lado, Haití se mantiene como el país más extremo, con una mayor tasa de mortalidad, menor nivel de renta, menor nivel en educación y salud. Sigue manteniéndose alejado del centro. Por otro, Cuba es el país con un mayor porcentaje del PIB dedicado al gasto en educación y salud. Podría decirse que su compromiso social es mayor que en el resto de los países. Sin embargo, su nivel de renta y consumo es menor que en otros países como Panamá, Costa Rica, Chile, México, etc.

110


Grafico 8: Países de América Latina en plano factorial (1, 2) – 2002

Los países situados entre el primer y cuarto cuadrante son los

mejor situados a efectos del análisis, poseen un mayor compromiso social y un mayor desarrollo. En esta situación están los países de Argentina, Costa Rica, Uruguay y Chile.

Si analizamos las nubes parciales proyectadas sobre el

primer plano factorial en el año 2002, detectaremos -al igual que hacíamos anteriormente (1990)- qué grupos de variables son los responsables de situar a cada país en una coordenada específica.

Educación y Salud siguen siendo los grupos que inciden en

un mayor retardo hacia el desarrollo en Haití (Gráfico 9). Cualquier acción política que actuara sobre las variables

afectadas en estos grupos, posiblemente, mejorarían las coordenadas del centro de gravedad. Por otro lado, el segundo grupo compuesto por la variables renta per capita y consumo de energía eléctrica y el

111

Estudios Económicos de Desarrollo Internacional Vol.6-2 (2006) grupo de salud son los que han mejorado la situación en el Salvador, no obstante su estructura ha perdido cierto equilibrio, respecto al eje de abscisas que poseía en 1990.

Gráfico 9: Representación de las nubes parciales (Haití, Honduras y El Salvador) en 2002

Argentina mantiene el liderazgo como país con un mayor desarrollo en América Latina, seguida de Chile que acorta distancias debido a una mejora sustancial de la renta per capita y en el consumo medio de energía eléctrica. Chile pasa de tener una renta6 per capita en 1990 de 5.099 $ a 9.820 $ en el año 2002. La estructura de Argentina está más equilibrada que la del resto de los países, sobre todo con respecto a Brasil y México. El Compromiso social asociado a un mayor esfuerzo público, reflejado en mayor gasto público en salud y educación, es más patente en Argentina. México necesita hacer un mayor esfuerzo público que no lastre el centro de gravedad, su gasto público en salud a caído respecto a 1990 en un 36% situándose en 1,92 % del PIB.

6 Según datos estadísticos del PNUD.

112


6. Escenario común (1990-2002). El AFM nos permitirá estudiar simultáneamente cuál ha sido

el comportamiento de cada uno de los países respecto a su situación o coordenada en cada uno de los ejes factoriales. Se trata de observar en el plano factorial (1, 2) el desplazamiento de cada país desde 1990 al 2002.

La metodología utilizada se basa esta vez en formar dos

grupos de variables. El primero de ellos, recoge las variables de 1990 utilizadas en el primer análisis. El segundo, recoge las variables de 2002 utilizadas en el segundo análisis. Como hemos podido observar en los dos apartados anteriores la estructura de las variables es prácticamente la misma7.

La distribución de los valores propios y el porcentaje de

inercia explicado por los dos primeros valores configuran, a través de sus vectores propios asociados, el primer plano factorial. Plano que tendrá las mismas características y misma denominación para cada uno de los ejes. La matriz de correlaciones entre los grupos y los factores (tabla 7) nos indica que la correlación entre los dos primeros factores es 0,95 y entre los dos segundos 0,70. Es decir, confirma que comparten la estructura factorial y los ejes parciales son en realidad los factores de los análisis globales realizados para el año 1990 y 2002.

Tabla 7: Matriz de correlaciones entre factores parciales

101(G1F1) 8 102(G1F2) 201(G2F1) 202(G2F2)101(G1F1) 1.00 102(G1F2) 0.00 1.00 201(G2F1) 0.95 0.02 1.00 202(G2F2) 0.08 0.70 0.00 1.00

7 El AFM equilibra los grupos de variables al ponderar cada una de las variables por el primer valor propio de cada uno de los grupos y por la varianza de cada una de las variables. 8 G1F1 se corresponde como grupo 1 (1990) en Factor 1 (DESARROLLO).

113


El primer valor propio asociado al primer vector propio vale 1’9485, este nos indica que la dirección del primer factor es una dirección de inercia importante9. Entre los dos primeros factores se recoge el 73,35% de la variabilidad total de la nube inicial. Cada uno de los grupos contribuye prácticamente al 50% a la formación de cada uno de los ejes (Tabla 8) y la calidad de la representación de cada uno de los grupos está recogida por el primer factor. Es decir, el 85% y 87% de la variabilidad del primer y segundo grupo está recogida aquél.

Finalmente, y antes de proceder a representar gráficamente a

los países en los planos factoriales, nos cercioraremos que la representación simultánea está totalmente justificada ya que la relación inercia inter/inercia total es elevada, un 0.98 para el primer factor y 0.86 para el segundo.

Tabla 8: Coordenadas y ayudas a la interpretación de los grupos

activos Grupos Coordenadas Contribuciones Cosenos Calidad

F1 F2 F1 F2 F1 F2 G1- 1990 0.97 0.26 50.0 56.9 0.85 0.06 G2- 2002 0.97 0.19 50.0 43.1 0.87 0.03 100.0 100.0 0.86 0.05

La visión global de los países de América Latina sobre el plano factorial (gráfico 10) nos indica el centro de gravedad o valor medio de las coordenadas que tenía cada país en una u otra fecha. Es de destacar, de una manera global, que la evolución de la mayoría de los países ha sido recogida por el primer factor, por ello la evolución se presenta en una trayectoria vertical.

9 Téngase en cuenta que el primer factor puede tener como máximo un valor igual al numero de grupos (en nuestro caso 2), debido a la ponderación realizada.

114


Grafico 10: Países de América Latina en plano factorial (1, 2) - 90/02

A medida que la pendiente de la recta aumenta implica un

mayor cambio en el desarrollo entre las dos fechas analizadas. En general se aprecia una tendencia o desplazamiento hacia el centro del plano, se acortan distancias en relación al desarrollo medio en América Latina. Sin embargo, se aprecian diferentes comportamientos de los países, según se aproximen o se alejen cada uno de sus grupos del centro del plano que significa el comportamiento medio de la nube.

Haití no sólo mantiene su posición distante del centro de la

nube sino que en el año 2002 se aleja aún más, sus condiciones empeoran. En esta misma situación se encuentra México, Venezuela, Panamá o Brasil. Caso contrario sería el de Bolivia, El Salvador, Chile que se desplaza hacia la derecha adoptando una mejor posición

115

Estudios Económicos de Desarrollo Internacional Vol.6-2 (2006) respecto al primer factor. Argentina y Perú, aunque con un ligero avance, se mantienen en la línea de 1990.

8. Conclusiones.

Tras el análisis efectuado podemos englobar las conclusiones en dos áreas. La primera, en referencia a la metodología utilizada y la segunda por los propios resultados del análisis.

Respecto a la metodología, recalcamos las inmejorables

condiciones del AFM como una técnica capaz de aportar información adicional al análisis clásico de componentes principales, permitiendo al analista y al actor político la toma de decisiones con menor incertidumbre. Así mismo, permite la agrupación de variables conformando grupos que determinan la posición media de cada país. Esta posición puede ser modificada en función de las variables sobre las cuales se actúa desde la perspectiva de las políticas públicas.

El AFM constituye una importante herramienta para

diseccionar con mayor detalle el comportamiento de un determinado territorio. Sus ventajas no sólo provienen de las virtudes cuantitativas de dicho método sino de la coherencia interpretativa que admite, sin perder un consistente y riguroso carácter matemático. También permite analizar la trayectoria de los individuos, en nuestro caso, países de América Latina en diferentes momentos del tiempo. Así, se estudia la evolución de los resultados obtenidos tras la aplicación de determinadas políticas para cada uno de los países en cada momento del tiempo.

Respecto a los resultados más relevantes del análisis

podemos apreciar en el año 2002, leve tendencia hacia el desplazamiento al origen de coordenadas del plano factorial determinado por los ejes, “COMPROMISO SOCIAL” y “DESARROLLO”, de los centros de gravedad de cada uno de los países. Es decir, los diferentes países se van igualando en comportamiento al individuo medio. Sin embargo, deberían desplazarse la mayoría de los países hacia el mayor desarrollo (hacia

116


la derecha) y mayor compromiso social (hacia arriba). Esta tendencia, determina un estancamiento e incluso un retroceso en la evolución de Latinoamérica que justifica las Reuniones, Conferencias, y Cumbres internacionales.

Finalmente es de destacar, en el periodo analizado, la

ralentización en el desarrollo de los países que componen MERCOSUR, el deterioro y agravamiento de la situación en Haití y el inmovilismo en Cuba.

Bibliografía Becue, M., Pagés, J. (1999). “Intra- Set Múltiple Factor Análisis. Application to textual data”. In: Proc. Of the 9 International Symposium on Applied Stochastc Models and Data Analysis, J.Jansen et al. (Eds.) Universidad de Lisboa. Lisboa. Carrasco Arroyo, S.; Rausell Köster, P. (2001). "La provisión de cultura en España desde una perspectiva del análisis regional". Información Comercial Española. Revista de Economía. nº 792. Carroll, J.D.; Chang, J.J. (1970). “Análysis of individual differences in multidimensional scaling via an N-way genmeralization of Eckart-Young descomposition”. Psychometrika. Nº 35 Chakravarty, A. (1995). “The Concept and the Measurement of the Standard of Living”. (Tesis doctoral). Riverside. University of California. Escofier, B., Pagès, J., (1990). “Analices Factorielles Simples et Multiples; objetifs, methodes et interpretation”. Dunod. Paris. Gacitúa, E.; Davis, S.H. et all. (2000). “Exclusión Social y Reducción de la Pobreza en América Latina y el Caribe”. FLACSO. San Jose. G. del Valle, T.; Puerta , C. (1999). “New Methodologies for calculating the HDI”. Global Forum on Human Development. United Nations Headquarter. New York. Kauffer, E.(2002): “Las políticas públicas: algunos apuntes generales”. Ecofronteras. Nº16. Lasswell, Harold D. (1951). “The Policy Orientation”, en Lerner, D., Lasswell, H., The Policy Sciences, Stanford, Stanford University Press.

117

Estudios Económicos de Desarrollo Internacional Vol.6-2 (2006) Lavit C. (1988). “Analyse conjointe de tableaux quantitative- Masson”. Paris. Lebart, L., Morineau, A., Fénelon, J-P. (1985). Tratamiento Estadístico de Datos. Marcombo. Barcelona-México. Lebart, L., Morineau, A., Piron, M., (1998). “Statistique exploratoire multidimensionnelle”. Dunod. Paris. L’Hermier Des Plantes, H. (1976). STATIS, “Structuration de Tableaux a Troi Indices de Statistique”. (These de Doctorat). Iniversite de Montpellier. Morán Álvarez, J.C.; Álvarez Martínez, P. (2001). “Medida del Desarrollo Humano para los Países de la América Latina. México”. Trimestre Económico nº 270. Ochando Claramunt, C.; Carrasco Arroyo, S. (2000). “The Role of The Resources of Power Hipothesys In Explaining. The Spanish Welfare State Between 1975-1995”. European Journal of Political Research. Nº 38. Pattanaik, P. (2001). Indicadores Culturales del Bienestar: Algunas cuestiones Conceptuales. Cap. 19, en Informe Mundial de la Cultura 2001. UNESCO. PNUD. Informes del Desarrollo Humano, 1990-2004 Sen, Amartya. (1987). “The Standard of Living”, Cambridge. Cambridge University Press. Subirats, J.; Gomà, R. (1998). “Políticas Públicas: Hacia la Renovación del Instrumental de Análisis”. Cap. 2, en R. Goma y J. Subirats coord. “Políticas Publicas en España”. Ariel. Madrid. Toboso, F., Compés, R. (2003): “Nuevas Orientaciones en la Nueva Economía Institucional. La incorporación de los aspectos distributivos”. El Trimestre Económico nº 281. Volle, Michael. (1997). “Analyse des Données”. Economica. Paris. Revista publicada por la AEEADE: http://www.usc.es/economet/aea.htm

118

APORTACIN DE LAS TCNICAS FACTORIALES AL ANLISIS DE LAS … · 2007. 10. 15. · recogidas del IDH...

Documents

Transcript of APORTACIN DE LAS TCNICAS FACTORIALES AL ANLISIS DE LAS … · 2007. 10. 15. · recogidas del IDH...