Metodología para la Medición de la Pobreza Multidimensional / Maria Emma Santos - Universidad...

Metodología para la Medición de la

Pobreza MultidimensionalMaria Emma Santos

Universidad Nacional del Sur-CONICET y OPHI

Taller sobre Indices de Pobreza Multidimensional

18 y 19 de Septiembre 2013

Bogotá, Colombia

Una Aplicación:

El Indice de Pobreza

Multidimensional

[Global]

Índice de Pobreza

Multidimensional (IPM)

Alkire y Santos 2010

Alkire, Roche y Seth 2011

Alkire, Conconi y Roche 2013

¿Qué es el IPM?

• Constituye la primera implementacion del metodo directo

para la medicion de pobreza en una forma

internacionalmente comparable, cubriendo un numero tan

grande de paises (104 países en desarrollo).

• Fue lanzado en 2010 en el Human Development Report de

Naciones Unidas, y actualizado en 2011 y 2013

• La metodología del IPM está siendo adaptada para diversas

medidas nacionales – usando indicadores más apropiados

para cada contexto.

• El IPM construye sobre distintas medidas preexistentes,

incluyendo el IPH.

¿Qué mide el IPM?

• El IPM mide pobreza aguda entendida como la

inhabilidad de una persona para satisfacer

simultaneamente minimos estandares

internacionalmente comparables, relacionados con

los ODMs y con funcionamientos clave.

OPHI – equipo IPM 2013

OPHI Research Team: Sabina Alkire (Directora), James Foster (Research Fellow), John Hammock (Co-Fundador y

Research Associate), Adriana Conconi (coordinación IPM 2013-14), José Manuel Roche (coordinación IPM 2011-13), Maria Emma

Santos (coordinación IPM 2010), Suman Seth, Paola Ballon, Gaston Yalonetzky, Diego Zavaleta, Mauricio Apablaza

Analistas y asistentes en el cálculo del IPM desde 2011: Akmal Abdurazakov, Cecilia Calderon, Iván

Gonzalez De Alba, Usha Kanagaratnam, Gisela Robles Aguilar, Juan Pablo Ocampo Sheen, Christian Oldiges y Ana Vaz.

Contribuciones especiales: Heidi Fletcher (preparación de los mapas), Esther Kwan y Garima Sahai (asistentes de

investigación y preparación de gráficos), Christian Oldiges (asistencia de investigación en descomposiciones regionales y errores est;andar),

John Hammock (material de campo de Ground Reality Checkl), Yadira Diaz (asistencia en prepación de mapas).

Equipo de Comunicaciones: Paddy Coulter (Director de Comunicaciones), Emma Feeny (Research Communications

Officer), Heidi Fletcher (Web Manager), Moizza B Sarwar (Research Communications Assistant), y Cameron Thibos (Design Assistant).

Apoyo Administrativo: Laura O’Mahony (OPHI Project coordinator), Natasha Francis (OPHI Project Assistant)

OPHI prepara el IPM para su publicación en el Human Development Report de

UNDP y agradecemos el apoyo de nuestros colegas en HDRO.

METODOLOGÍA

DEL IPM

1. Datos: Encuestas

Demographic & Health Surveys (DHS - 52)

Multiple Indicator Cluster Surveys (MICS - 34)

World Health Survey (WHS – 17)

Adicionalmente, usamos 6 encuestas especiales para Argentina (urbana:

ENNyS), Brasil (PNDS), México (ENSANUT), Marruecos (ENNVM),

Territorios Ocupados Palestinos (PAPFAM), and Sudáfrica (NIDS)

Restricciones: Datos de 2002-2011. No todas las encuestas tienen

exactamente los mismos indicadores.

Restricciones en los datosEl IPM se ve afectado en gran medida ante la falta de comparabilidad

de los datos.• ciertos indicadores claves no son cubiertos (stock, calidad)

• hay información faltante para algunas dimensiones

• valores faltantes conducen a reducciones en el tamaño de la

muestra/sesgos

• varían los encuestados; la información a nivel individual es escasa

• las encuestas son actualizadas cada 3-5 años, y en distintos años

• los datos excluyen ciertos grupos (adultos mayores, institucionalizados)

• las encuestas de ingreso/consumo no cuentan con los indicadores de

salud usados en el IPM

Estos problemas pueden mejorarse en medidas nacionales.

“Mejorar la recolección de datos y su calidad debería ser una

preocupación central en todos los países...”

Bourguignon et al. 2008 pág. 6

Dimensiones/Indicadores, Pesos, Umbrales

Dimensión

(peso)

Indicador

(peso)Umbral de Pobreza

Mortalidad infantil (1/6) Ha muerto al menos un niño en el hogar

Años de educación (1/6) Ningún miembro del hogar ha completado 5 años de educación

Acceso a electricidad (1/18) La vivienda no tiene electricidad

Tipo de pisos (1/18) La vivienda tiene pisos de tierra, arena o estiércol

Tipo de combustible para cocinar (1/18) El hogar cocina con estiércol, madera o carbón

Caidad de

vida (1/3)

El baño de la vivienda no es mejorado o se comparte con otros hogares

El hogar no tiene acceso a agua potable o la misma está a más de 30

minutos (ida y vuelta)

Acceso a saneamiento adecuado (1/18)

Acceso a agua potable (1/18)

El hogar no posee más de uno de: radio, TV, teléfono, bicicleta,

motocicleta, o refrigerador, y no posee un carro o camionetaTenencia de activos (1/18)

Al menos un adulto o niño en el hogar con información nutricional es

desnutridoSalud

(1/3)

Al menos un niño en edad escolar en el hogar no asiste a la escuela

hasta el grado 8

Nutrición (1/6)

Educación

(1/3) Asistencia escolar (1/6)

Privaciones

Indicadores del IPM y los ODM– Salud

• Nutrición ODM 1 (Erradicar la pobreza extrema y el hambre)

• Mortalidad ODM 4 (Reducir la mortalidad infantil)

– Educacion

• Asistencia de niños a la escuela y años de educación

ODM 2 (Achieve Universal Primary Education)

– Estandar de Vida

• Electricidad no es ODM ● Combustible para cocinar ODM 7

• Sanidad ODM 7 ● Agua Potable MDG 7 (Asegurar la Sustentabilidad Ambiental)

• Piso no es ODM ● Activos MDG 1

• Omisiones de ODM: genero, enfermedades infecciosas,

ingreso, mortalidad materna, medio ambiente, tenencia de

la vivenda

Indicadores del IPM y los ODMs

Notar que...

A diferencia de los indicadores de los ODM, los

indicadores del IPM utilizan la misma poblacion base: el

total de poblacion.

El hogar es la unidad de analisis para identificar a lospobres.

El IPM utiliza cualquier informacion disponible sobre todos

los miembros de cada hgoar para identificar todos los

miembros del hogar como pobres o no. Esto supone

interacciones y externalidades (positivas y negativas) y

puede crear eficiencia de politica.

Las estimaciones son reportadas en terminos de personas

(no hogares).

MPI 2010

DHS: 48

MICS: 35

WHS: 19

Special: 2

10 indicatores: 62

Faltan 1 31

Faltan 2 8

Faltan 3 3

Años 2000-08

MPI 2013

DHS: 51

MICS: 30

WHS: 17

Special: 6

10 indicatores 66

Faltan 1 31

Faltan 2 6

Faltan 3 1

Años 2002-11

14

Datos - mejorando

Durante el análisis se realizaron pruebas de

robustez de los umbrales y ponderadores

“la interpretación del conjunto de indicadores se facilita

enormemente cuando los componentes individuales

tienen grados de importancia que, si bien no

exactamente iguales, no son manifiestamente

diferentes.” Atkinson, Cantillon, Marlier y Nolan (2002), p. 25

Ponderaciones iguales por dimension

Identificación: ¿Quién es pobre?

Un individuo es multidimensionalmente pobre

si está privado en 33% de las dimensiones

Privaciones de Phuba (ci/d):

3*(1/6)+3*(1/18)=

(9+3)/18=12/18=67% >33%,

entonces ella es POBRE

Análisis de robustez – cambios en la línea de pobreza, k

0.1

.2.3

.4.5

Multid

imensio

nal P

overt

y I

ndex (

MP

I)

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)

Lower Limit T1

MPI T1

Upper Limit T1

Lower Limit T2

MPI T2

Upper Limit T2

Senegal 2005-2011

Entre países que no muestran un progreso signficativo0

.1.2

.3.4

.5

Multid

imensio

nal P

overt

y I

ndex (

MP

I)

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)

Lower Limit T1

MPI T1

Upper Limit T1

Lower Limit T2

MPI T2

Upper Limit T2

Madagascar 2004-2009

0.1

.2.3

.4

Multid

imensio

nal P

overt

y I

ndex (

MP

I)

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)

Lower Limit T1

MPI T1

Upper Limit T1

Lower Limit T2

MPI T2

Upper Limit T2

Bangladesh 2004-2007

0

.05

.1.1

5.2

.25

Multid

imensio

nal P

overt

y I

ndex (

MP

I)

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)

Lower Limit T1

MPI T1

Upper Limit T1

Lower Limit T2

MPI T2

Upper Limit T2

Bolivia 2003-2008

0.1

.2.3

.4

Multid

imensio

nal P

overt

y I

ndex (

MP

I)

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)

Lower Limit T1

MPI T1

Upper Limit T1

Lower Limit T2

MPI T2

Upper Limit T2

Ghana 2003-2008

0.1

.2.3

.4

Multid

imensio

nal P

overt

y I

ndex (

MP

I)

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)

Lower Limit T1

MPI T1

Upper Limit T1

Lower Limit T2

MPI T2

Upper Limit T2

Nepal 2006-2011

0.1

.2.3

.4.5

Multid

imensio

nal P

overt

y I

ndex (

MP

I)

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)

Lower Limit T1

MPI T1

Upper Limit T1

Lower Limit T2

MPI T2

Upper Limit T2

Rwanda 2005-2010

Entre países que muestran un progreso substancial

0.1

.2.3

.4.5

Mu

ltidim

ensio

na

l Povert

y Ind

ex (

MP

I)

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)

Lower Limit 2008

MPI 2008

Upper Limit 2008

Lower Limit 2010

MPI 2010

Upper Limit 2010


Casos en el límite: todos con valores de IPM bajos (<0.09)0

.01

.02

.03

.04

Multid

imensio

nal P

overt

y I

ndex (

MP

I)

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)

Lower Limit T1

MPI T1

Upper Limit T1

Lower Limit T2

MPI T2

Upper Limit T2

Armenia 2005-2010

0

.02

.04

.06

.08

.1

Multid

imensio

nal P

overt

y I

ndex (

MP

I)0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1

Poverty cutoff (k)

Lower Limit T1

MPI T1

Upper Limit T1

Lower Limit T2

MPI T2

Upper Limit T2

Guyana 2005-2009

0

.02

.04

.06

Multid

imensio

nal P

overt

y I

ndex (

MP

I)

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)

Lower Limit T1

MPI T1

Upper Limit T1

Lower Limit T2

MPI T2

Upper Limit T2

Jordan 2007-2009

0

.05

.1.1

5.2

Multid

imensio

nal P

overt

y I

ndex (

MP

I)

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)

Lower Limit T1

MPI T1

Upper Limit T1

Lower Limit T2

MPI T2

Upper Limit T2

Peru 2005-2008


20

Phuba

3 Dimensiones

10 Indicadores

Años de

Educación

(1/6)

Asistencia

Escolar

(1/6)

Educación (1/3)

Mortalidad

Infantil

(1/6)

Nutrición

(1/6)

Salud (1/3) Calidad de Vida (1/3)

Co

mb

ust

ible

p/

co

cin

ar

San

eam

ien

to

Ag

ua

Ele

ctr

icid

ad

Pis

o

Pro

pie

dad

Bs.

Du

rab

les

(1/18 cada uno)

Otras historias

Metodología: IPM – matriz g0(k)Tasa de Pobreza Ajustada = M0 = H*A = .442

k=3 (calcular IPM para cada valor de k)

Indicadores c(k) c(k)/d

H = tasa de pobreza = ¾ = 75%

A = privación promedio entre los pobres =

(0.776+0.553+0.442)/3=0.59 = 59%

M0 = HA = .442

0

0 0 0 0 0 0 0 0 0 0

1.67 1.67 1.67 1.67 .55 0 0 0 0 .55

0 1.67 0 1.67 .55 0 .55 .55 .55 0

0 0 0 1.67 .55 .55 .55 0 .55 .

)

5

(

5

g k

0

7.76

5.53

4.42

0

.776

.553

.442

¿Cómo se calcula el IPM?

• El IPM se construye en base al método AF:

• H es el porcentaje de personas que son pobres,

muestra la incidencia de la pobreza multidimensional.

• A es el promedio de la proporción de privaciones

ponderadas que sufren los pobres. Muestra la

intensidad de la pobreza de la gente – la distribución

conjunta de sus privaciones.A es nuevo. El IPM es apropriado para datos ordinales y satisface propiedades como

consistencia por subgrupos, monotonicidad dimensional, foco en pobreza y privaciones.

El IPM es como la brecha de la pobreza – pero mirando su intensidad –

lo que sufre una persona al mismo tiempo.

Fórmula: MPI = M0 = H × A

¿Qué es lo novedoso?Intensidad

El IPM comienza con cada persona y construye un

perfil de privación para cada persona.

Algunas personas son identificadas como pobres en base a la

distribución conjunta de sus privaciones. El resto de las personas

es identificado como no-pobres.

• La mayoría de las medidas de pobreza multidimensional

como el IPH analizan las privaciones una por una, no a

nivel de hogar.

• Las medidas de conteo sí analizan privaciones conjuntas pero

sólo proveen una tasa de incidencia, sin dar incentivos a

focalizarse en aquellos que sufren de más privaciones al

mismo tiempo o en reducir la intensidad.

Algunas propiedades importantes

• Descomposición por Subgrupos: la medida nacional puede ser

desagregada por edad, género, región, etnicidad, área urbano/rural, etc.

• Descomposición por Dimensión (luego de la

identificación): se puede ver fácilmente qué

dimensiones están causando más pobreza para

distintos grupos o áreas.

Nairobi

Central

EasternWestern

Rift ValleyCoast

Nyanza

MexicoChinaBrazilDominican Republic

Indonesia

Ghana

Bolivia

Kenya

CentralRural

Central Urban

North Eastern Rural

North Eastern Urban

Tanzania

Mozambique

Mali

Niger

India

0.00

0.10

0.20

0.30

0.40

0.50

0.60

0.70

0.80

MP

I V

alu

e

North Eastern

Base de datos IPMhttp://www.ophi.org.uk/multidimensional-poverty-index/mpi-data-bank/

36

Base de datos IPM:

http://www.ophi.org.uk/multidimensional-poverty-index/mpi-data-bank/

Tablas Web : 1) Resultados nacionales (109

países); 2) Resultados subnacionales (65);

3) Resultados análisis en el tiempo (22)

Perfiles por país: informes breves con

resultados, gráficos y mapas de pobreza para

cada país

Mapas de pobreza: 1) Mapas interactivos online

– StatPlanet; 2) Versión para imprimir –

MapInfo/PDF

Casos de estudio: profundas entrevistas

cualitativas

Diapositivas Adicionales

CAMBIOS EN EL TIEMPOAlkire y Roche (2013)

Comparando IPM en el tiempo

22 países que tienen dos o más DHS comparables.

Las definiciones de los indicadores varían en algunos casos.

Ajustamos los IPM publicados para generar comparaciones

rigurosas.

Por lo tanto, estos índices difieren en algunos casos de los

resultados publicados para el IPM.

Datos más recientes: 2007 – 2011

18 países se remontan 5 a 7 años en el tiempo, los restantes 4

permiten comparaciones que cubren cambios en 2 a 4 años.

Datos más antiguos: 1998/9 - 2008

Etiopía: tiene dos comparaciones 2000-2005 y 2005-2010.

Se obtuvo informacional adicional de WDI para las comparaciones.

Los datos poblacionales se refieren a 2010.

Análisis en el tiempo en 22 países

Jordan

Peru

Armenia

Guyana

India

Lesotho

Nigeria

Kenya

Madagascar

Malawi

Zimbabwe

30%

35%

40%

45%

50%

55%

60%

65%

70%

75%

0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

Aver

age

Inte

nsi

ty o

f P

over

ty (

A)

Percentage of People Considered Poor (H)

Poorest Countries, Highest MPI

The size of the bubbles is a proportional representation of the total number of MPI poor in each country

Uganda

Ghana

Senegal

Cambodia

Bangladesh

Ethiopia

Bolivia

Rwanda

Nepal

TanzaniaColombia

30%

35%

40%

45%

50%

55%

60%

65%

70%

75%

0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

Aver

age

Inte

nsi

ty o

f P

over

ty (

A)




Uganda

Bolivia

Nepal

Cambios en Bolivia, Etiopía, Nepal y Uganda

Ethiopia

Cambios en Bolivia, Etiopía, Nepal y Uganda

30%

35%

40%

45%

50%

55%

60%

65%

70%

75%

80%

0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 110%

Aver

age

Inte

nsi

ty o

f P

over

ty (

A)




Uganda

Bolivia

Nepal

Ethiopia

.000 .100 .200 .300 .400 .500 .600 .700 .800

Ethiopia 2000-2005***

Ethiopia 2005-2011***

Senegal 2005-2010/11

Madagascar 2004-2008/9

Uganda 2006-2011***

Malawi 2004-2010***

Rwanda 2005-2010***

Tanzania 2008-2010***

Nigeria 2003-2008***

Bangladesh 2004-2007***

India 1998/9-2005/6***

Kenya 2003-2008/9***

Nepal 2006-2011***

Cambodia 2005-2010***

Ghana 2003-2008***

Lesotho 2004-2009***

Zimbabwe 2006-2010/11***

Bolivia 2003-2008***

Peru 2005-2008*

Guyana 2005-2009**

Colombia 2005-2010***

Jordan 2007-2009

Armenia 2005-2010**

Multidimensional Poverty Index (MPI) over Time

MPI in Year 1 MPI in Year 2

Cambios en el tiempo en el IPM

Note: *** statistically significant at α=0.01

** statistically significant at α=0.05,

* statistically significant at α=0.10

18 countries have statistically significant MPI reduction at α=0.05

Cambios en el tiempo en el IPM

-.030 -.025 -.020 -.015 -.010 -.005 .000 .005 .010

Nepal 2006-2011

Rwanda 2005-2010

Bangladesh 2004-2007

Ghana 2003-2008

Tanzania 2008-2010

Cambodia 2005-2010

Bolivia 2003-2008

Uganda 2006-2011

Ethiopia 2000-2005

Ethiopia 2005-2011

Lesotho 2004-2009

Nigeria 2003-2008

Kenya 2003-2008/9

Malawi 2004-2010

Zimbabwe 2006-2010/11

India 1999-2005/6

Peru 2005-2008

Colombia 2005-2010

Senegal 2005-2010/11

Guyana 2005-2009

Jordan 2007-2009

Armenia 2005-2010

Madagascar 2004-2008/9

Annualized Absolute Variation

ReduccioónAbsoluta mas

grande

top 3

en top 7

45

How do we report the results?Absolute % Relative

Armenia 2005-2010 .003 (.001) .001 (.000) .000 -12.9% 2.36 **

Bangladesh 2004-2007 .365 (.007) .289 (.006) -.025 -7.0% 7.51 ***

Bolivia 2003-2008 .175 (.005) .089 (.003) -.017 -9.8% 13.68 ***

Cambodia 2005-2010 .298 (.006) .212 (.006) -.017 -5.8% 10.03 ***

Colombia 2005-2010 .040 (.002) .023 (.001) -.003 -8.4% 8.38 ***

Ethiopia 2000-2005 .677 (.004) .605 (.005) -.014 -2.1% 6.66 ***

Ethiopia 2005-2011 .605 (.005) .523 (.007) -.014 -2.2% 8.26 ***

Ghana 2003-2008 .309 (.007) .202 (.007) -.021 -6.9% 10.43 ***

Guyana 2005-2009 .053 (.005) .041 (.002) -.003 -5.4% 2.23 **

India 1998/9-2005/6 .300 (.002) .251 (.003) -.007 -2.4% 12.81 ***

Jordan 2007-2009 .011 (.002) .011 (.001) .000 -3.6% 0.36

Kenya 2003-2008/9 .296 (.008) .244 (.010) -.009 -3.2% 4.10 ***

Lesotho 2004-2009 .239 (.005) .182 (.007) -.012 -4.8% 6.34 ***

Madagascar 2004-2008/9 .383 (.016) .400 (.007) .004 1.0% 1.03

Malawi 2004-2010 .381 (.006) .334 (.005) -.008 -2.0% 6.06 ***

Nepal 2006-2011 .350 (.013) .217 (.012) -.027 -7.6% 7.61 ***

Nigeria 2003-2008 .368 (.011) .313 (.006) -.011 -3.0% 4.04 ***

Peru 2005-2008 .085 (.007) .066 (.004) -.006 -7.3% 1.83 *

Rwanda 2005-2010 .460 (.005) .330 (.006) -.026 -5.6% 15.55 ***

Senegal 2005-2010/11 .440 (.019) .423 (.010) -.003 -0.7% 1.04

Tanzania 2008-2010 .367 (.008) .326 (.007) -.021 -5.7% 3.96 ***

Uganda 2006-2011 .417 (.007) .343 (.009) -.015 -3.5% 5.70 ***

Zimbabwe 2006-2010/11 .180 (.006) .145 (.005) -.008 -4.2% 4.50 ***

Note: *** statistically significant at α=0.01, ** statistically significant at α=0.05, * statistically significant at

α=0.10

Multidimensional Poverty

Index (MPI)Annualized variation t-statistics for

differenceYear 1 Year 2

Cómo cambia el IPM: - Reducciones en la incidencia

- Reducciones en la intensidad

País A: País B:

50.00

55.00

60.00

65.00

70.00

75.00

50.00

51.00

52.00

53.00

54.00

55.00

56.00

57.00

58.00

59.00

60.00

0.30

0.31

0.32

0.33

0.34

0.35

0.36

0.37

0.38

0.39

0.40

0.41

0.42

Before

MultidimensionalHeadcount

(H)

Intensity of Deprivations

(A)

Multidimensional Poverty Index(MPI = H * A)

50.00

55.00

60.00

65.00

70.00

75.00

50.00

51.00

52.00

53.00

54.00

55.00

56.00

57.00

58.00

59.00

60.00

0.30

0.31

0.32

0.33

0.34

0.35

0.36

0.37

0.38

0.39

0.40

0.41

0.42

Before


(H)

Intensityof Deprivations

(A)


50.00

55.00

60.00

65.00

70.00

75.00

50.00

51.00

52.00

53.00

54.00

55.00

56.00

57.00

58.00

59.00

60.00

0.30

0.31

0.32

0.33

0.34

0.35

0.36

0.37

0.38

0.39

0.40

0.41

0.42

After

Before


(H)


(A)


50.00

55.00

60.00

65.00

70.00

75.00

50.00

51.00

52.00

53.00

54.00

55.00

56.00

57.00

58.00

59.00

60.00

0.30

0.31

0.32

0.33

0.34

0.35

0.36

0.37

0.38

0.39

0.40

0.41

0.42

After

Before


(H)


(A)


Política orientada a los más pobres entre

los pobres

Política de reducción de pobreza

(sin foco en desigualdad)

País B redujo la intensidad de las deprivaciones

entre los pobres en mayor medida. El índice final

refleja esto.

(IPM satisface Monotonicidad Dimensional)

Reduciendo incidencia e intensidad

48

Reducir incidencia o intensidad?

-1.6

-1.4

-1.2

-1

-0.8

-0.6

-0.4

-0.2

0

0.2

-5 -4 -3 -2 -1 0 1 2

An

nu

al A

bso

lute

Vari

ati

on

in

In

ten

sity

(A

)

Annual Absolute Variation in % Headcount Ratio (H)

Reduction in Intensity of Poverty (A)

Bad/Good

Bad/Bad

Reduction in Incidenceof Poverty (H)

Good /Good

Good/ Bad

Lo mejor es reducir

simultáneamente la incidencia e

intensidad de la pobreza

49

Bangladesh

Bolivia

Cambodia

Colombia

Ethiopia 1Ethiopia 2

Ghana

India

Jordan

Kenya

Lesotho

Madagascar

Malawi

Nepal

Nigeria

Peru

Rwanda

Senegal

Tanzania

Uganda Zimbabwe

-1.6

-1.4

-1.2

-1

-0.8

-0.6

-0.4

-0.2

0

0.2

-5 -4 -3 -2 -1 0 1 2

An

nu

al A

bso

lute

Vari

ati

on

in

In

ten

sity

(A

)



Bad/Good

Bad/Bad


Good /Good

Good/ Bad


Bangladesh

Bolivia

Cambodia

Colombia


Ghana

India

Jordan

Kenya

Lesotho

Madagascar

Malawi

Nepal

Nigeria

Peru

Rwanda

Senegal

Tanzania

Uganda Zimbabwe

-1.6

-1.4

-1.2

-1

-0.8

-0.6

-0.4

-0.2

0

0.2

-5 -4 -3 -2 -1 0 1 2

An

nu

al A

bso

lute

Vari

ati

on

in

In

ten

sity

(A

)



Bad/Good

Bad/Bad


Good /Good

Good/ Bad

50

La misma reducción en incidencia

pero diferente reducción en

intensidad de la pobreza


Bangladesh

Bolivia

Cambodia

Colombia


Ghana

India

Jordan

Kenya

Lesotho

Madagascar

Malawi

Nepal

Nigeria

Peru

Rwanda

Senegal

Tanzania

Uganda Zimbabwe

-1.6

-1.4

-1.2

-1

-0.8

-0.6

-0.4

-0.2

0

0.2

-5 -4 -3 -2 -1 0 1 2

An

nu

al A

bso

lute

Vari

ati

on

in

In

ten

sity

(A

)



Bad/Good

Bad/Bad


Good /Good

Good/ Bad

51

Diferentes grupos –

diferentes caminos a la

reducción de pobreza?


Reducción IPM

-.026

-.014 -.011

Rwanda 2005-2010

Ethiopia 2005-2011

Nigeria 2003-2008 Diferente camino

a la reducción de

pobreza

68%45%

94%

32%55%

6%

Rwanda 2005-2010

Ethiopia 2005-2011

Nigeria 2003-2008

Incidence of poverty effect (H)

Intensity of poverty effect (A)

53

-.030 -.025 -.020 -.015 -.010 -.005 .000 .005 .010

Annualized Absolute Variation in MPI

-.030 -.020 -.010 .000 .010

Nepal

Rwanda

Bangladesh

Ghana

Tanzania

Cambodia

Bolivia

Uganda

Ethiopia 1

Ethiopia 2

Lesotho

Nigeria

Kenya

Malawi

Zimbabwe

India

Peru

Colombia

Senegal

Guyana

Jordan

Armenia

Madagascar

Annualized Absolute Variation in MPI-.030 -.020 -.010 .000 .010

Nepal

Rwanda

Bangladesh

Ghana

Tanzania

Cambodia

Bolivia

Uganda

Ethiopia 1

Ethiopia 2

Lesotho

Nigeria

Kenya

Malawi

Zimbabwe

India

Peru

Colombia

Senegal

Guyana

Jordan

Armenia

Madagascar

Annualized Absolute Variation in MPI

79%

68%

67%

79%

21%

32%

33%

21%

71%

74%

85%

78%

37%

45%

83%

94%

83%

60%

79%

88%

86%

90%

16%

95%

107%

29%

26%

15%

22%

63%

55%

17%

6%

17%

40%

21%

12%

14%

10%

16%

Intensidad e Incidencia: ambos reducen IPM

Notablemente, Etiopía, Malawi

y Senegal siguen un camino de

reducción de intensidad

Cómo cambia IPM:- Reducciones en cada indicador

Cómo redujeron IPM los mejores países

-8.00

-7.00

-6.00

-5.00

-4.00

-3.00

-2.00

-1.00

0.00

Nepal(.350)

Bangladesh(.365)

Rwanda(.460)

An

nu

ali

zed

Ab

solu

te C

han

ge

in p

rop

ort

ion

wh

o i

s p

oo

r an

d d

epri

ved

in

...

Nutrition

Child MortalityYears of SchoolingAttendance

Cooking FuelSanitation

Water

Electricity

Floor

Assets

Otros patrones de reducción

-5.00

-4.00

-3.00

-2.00

-1.00

0.00

1.00

Ghana(.309)

Tanzania (.367)

Cambodia (.298)

Bolivia(.175)

An

nu

ali

zed

Ab

solu

te C

han

ge

in p

rop

ort

ion

wh

o i

s p

oo

r an

d d

epri

ved

in

...

Nutrition



Water

Electricity

Floor

Assets

-0.09

-0.07

-0.05

-0.03

-0.01

0.01

0.03

Madagascar (.383)

Malawi (.381)

Uganda (.417)

An

nu

ali

zed

Ab

solu

te C

ha

ng

e

in p

rop

ort

ion

wh

o i

s p

oo

r a

nd

dep

rive

d i

n..

.

Nutrition



Water

Electricity

Floor

Assets

Otros patrones de reducción

Cambios en IPM Subnacional:

- Yendo más allá de promedios

- Mostrando disparidades

59

“No dejes atrás a nadie” (HLP2015)

-0.050

-0.045

-0.040

-0.035

-0.030

-0.025

-0.020

-0.015

-0.010

-0.005

0.000

North (0.481)

West (0.481)

East (0.479)

South (0.469)

National (0.460)

City of Kigali (0.260)

An

nu

ali

zed

Ab

solu

te C

han

ge

in t

he

reg

ion

al

MP

IRwanda 2005-2010: Annualized Absolute Changes in Regional MPI

60

Cambios en el tiempo en Rwanda

Países como Rwanda

muestran igual ritmo de

reducción en todas sus

regiones

-0.050

-0.045

-0.040

-0.035

-0.030

-0.025

-0.020

-0.015

-0.010

-0.005

0.000

An

nu

ali

zed

Ab

solu

te C

han

ge

in t

he r

eg

ion

al

MP

I

Nepal 2006-2011: Annualized Absolute Changes in Regional MPI

61

Cambios en el tiempo en Nepal

Países como Nepal

muestran una reducción

desigual de pobreza entre

sus regiones

62

Cambios en el tiempo en Nigeria

-0.050

-0.040

-0.030

-0.020

-0.010

0.000

0.010

South East (.131)

South West (.132)

South South (.215)

North Central (.321)

National (.368)

North West (.530)

North East (.552)

An

nu

ali

zed

Ab

solu

te C

ha

ng

e

in t

he r

eg

ion

al

MP

I

Nigeria 2003-2008: Annualized Absolute Changes in Regional MPI

-.2

-.1

0

Annualiz

ed A

bsolu

te V

ariation in M

PI

Arm

enia

Ban

glad

esh

Bolivia

Cam

bodia

Colom

bia

Eth

iopia

00/0

5

Eth

iopia

05/1

1

Gha

na

Guy

ana

Jord

an

Ken

ya

Leso

tho

Nep

al

Niger

iaPer

u

Rwan

da

Sen

egal

Zimba

bwe

63

Changes over time in MPI

Si bien las comparaciones deben hacerse con cuidado, se observan grandes

disparidades en el progreso en Camboya, Etiopía, Nepal y Senegal

En algunos países observamos aumentos y caídas en la pobreza

simultáneamentente: Senegal, Nigeria y Zimbabwe

DÓNDE VIVEN LOS

POBRES

109 Países en Desarrollo:

~ 31 Países de Ingresos Bajos, (700.9 M)

~ 70 Países de Ingresos Medios, (4557.9 M), de los cuales:~ 42 Ingreso Medio Bajo (2378.9 M)

~ 28 Ingreso Medio Alto (2179.0 M)

~ 8 Países de Ingresos Altos (41.2 M), de los cuales:~ 5 OECD (29.2 M)

~ 3 no OECD (12 M)

Población Total: 5.3 Billion peopleQue representa 78% de la población mundial

(population figures from 2010; data from 2000-2011).

IPM varía mucho dentro de las categorías de

ingreso

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%N

iger

Eth

iop

ia

Mal

i

Bur

und

i

Bur

kin

a F

aso

Lib

eria

Gui

nea

Som

alia

Mo

zam

biq

ue

Sier

ra L

eon

e

Sen

egal

DR

Co

ngo

Ben

in

Uga

nd

a

Rw

and

a

Tim

or-

Les

te

Mad

agas

car

Mal

awi

Tan

zan

ia

Zam

bia

Ch

ad

Mau

rita

nia

Co

te d

'Ivo

ire

Gam

bia

Ban

glad

esh

Hai

ti

To

go

Nig

eria

Ind

ia

Cam

ero

on

Yem

en

Pak

ista

n

Ken

ya

Lao

Cam

bo

dia

Nep

al

Rep

ubli

c o

f C

on

go

Nam

ibia

Zim

bab

we

Les

oth

o

Sao

To

me

and

Pri

nci

pe

Ho

nd

uras

Gh

ana

Van

uatu

Dji

bo

uti

Nic

arag

ua

Bh

utan

Gua

tem

ala

Ind

on

esia

Bo

livi

a

Swaz

ilan

d

Taj

ikis

tan

Mo

ngo

lia

Per

u

Iraq

Ph

ilip

pin

es

Sout

h A

fric

a

Par

agua

y

Ch

ina

Mo

rocc

o

Suri

nam

e

Guy

ana

Est

on

ia

Tur

key

Egy

pt

Tri

nid

ad a

nd

To

bag

o

Bel

ize

Syri

an A

rab

Rep

ubli

c

Co

lom

bia

Sri

Lan

ka

Aze

rbai

jan

Mal

div

es

Kyr

gyzs

tan

Do

min

ican

Rep

ubli

c

Hun

gary

Cro

atia

Vie

t N

am

Mex

ico

Cze

ch R

epub

lic

Arg

enti

na

Tun

isia

Bra

zil

Jord

an

Uzb

ekis

tan

Ecu

ado

r

Ukr

ain

e

Mac

edo

nia

Mo

ldo

va

Uru

guay

Th

aila

nd

Lat

via

Mo

nte

neg

ro

Pal

esti

nia

n T

erri

tori

es

Alb

ania

Rus

sian

Fed

erat

ion

Serb

ia

Bo

snia

an

d H

erze

govi

na

Geo

rgia

Kaz

akh

stan

Un

ited

Ara

b E

mir

ates

Arm

enia

Bel

arus

Slo

ven

ia

Slo

vaki

a

Comparing the Headcount Ratios of MPI Poor and $1.25/day Poor

Intensity 69.4% & More Intensity 50-69.4% Intensity 44.4-50% Intensity 33.3-44.4% $1.25 a day

La mitad de la población

mundial considerada en

el IPM vive en Asia del

Sur, y 29% en África Sub-

Sahariana

Individuos pobres

por IPM, por región

Población Total en los 104 países del IPM 2013

Europe and Central Asia

7.5% Arab States4.2%

Latin America and

Caribbean9.5%

East Asia and Pacific

34.6%

South Asia29.8%

Sub-Saharan Africa14.3%

Europe and Central Asia

0.7%

Arab States2.12%

Latin America & Caribbean

2.2%East Asia &

Pacific14.9%

South Asia51.3%

Sub-Saharan Africa28.90%

IngresosAltos 0.1%

IngresosMediosAltos12.3%

IngresosMediosBajos60.1%

IngresosBajos27.5%

La mayoría de las personas pobres viven en países

de ingresos medios. 72% de los pobres por IPM vive en Países de Ingresos Medios

Población Total por

Categoría de Ingreso Población Pobre por IPM

Ingresos Altos0.8%

IngresosMedios Altos

41.1%Ingresos

Medios Bajos45.4%

Ingresos Bajos12.7%

Datos

poblacionales 2010

IPM y $1.25 por día:

complementarios

IPM vs $1.25/día: 16 comparaciones

Difícil comparar tendencia de IPM vs $1.25 dado a la poca

frecuencia en los datos

• Comparaciones para el mismo año sólo están disponibles para

Perú y Colombia.

• No hay datos de $1.25 para Zimbabwe.

• En el caso de 8 países, los datos de $1.25 data son anteriores a

los comparables de IPM: Armenia, Ghana, Guyana, Kenya,

Lesotho, Malawi, Tanzania y Uganda.

• Como los períodos son distintos, usamos una interpolación de

$1.25 para 7 países: Bangladesh, Bolivia, Camboya, Jordania,

Malawi, Nigeria y Rwanda.

-0.35

-0.3

-0.25

-0.2

-0.15

-0.1

-0.05

0

0.05

0.1

Rela

tive

vari

ati

on

MPI Gap $1.25

Cambios en el IPM vs brecha de pobreza $1.25 (relativa)

La mayoría de los países con mejor

desempeño redujeron el IPM tanto

como o incluso en mayor medida que la

pobreza por ingresos.

Los rankings son muy distintos!

Cambios en H (IPM) vs incidencia $1.25 (relativa)

-0.35

-0.3

-0.25

-0.2

-0.15

-0.1

-0.05

0

0.05

Rela

tive

vari

ati

on

Incidence (H) Incidence $1.25

Análisis de Robustez

Robustez de los rankings del IPM a:

• Composicion del Hogar

• Umbrales de Privacion (Indicadores)

• Pesos

• Umbral de Pobreza (k)

• Variabilidad Muestral

Los resultados de

robustez pertenecen a

los calculos del IPM

2010 a menos que lo

indiquemos, y estan

presentados en Alkire y

Santos (2013) OPHI

WP 59.

Composición del Hogar• Test de hipótesis para evaluar si los hogares pobres por

MPI:

a) Son más grandes

b) Tienen mayor número de niños menores de 5

c) Tienen mayor número de niños en edad escolar

d) Tienen mayor número de mujeres en edad reproductiva

e) Tienen mayor número de mayores de 50 años

f) Tienen mayor probabilidad de tener jefa mujer

(proporción de hogares pobres con jefa mujer vs.

proporción de hogares no-pobres con jefa mujer).

(se consideró la estratificación y clustering para el cómputo de errores estándar)

76

Composición del Hogar:

Los hogares pobres tienen…(porcentaje ponderado por población de 2007 de países donde

los hogares pobres tienen…)Signific.

mayor

Signific.

menor

No signific.

distinto

Tamaño del hogar 49.6% 38.2% 12.2%

Número de

mujeres

47.8% 38.1% 14.1%

Número de niños

menores de 5

56.3% 7.5% 36.2%

Niños en edad

escolar

59.4% 5.5% 35.1%

Jefa mujer 11.1% 36.1% 52,8%

Número de

personas 50+

19.4% 42.5% 38.1%

77

Composición del Hogar:

Los hogares pobres tienen…(porcentaje ponderado por población de 2007 de países donde

los hogares pobres tienen…)Signific.

mayor

Signific.

menor

No signific.

distinto

Tamaño del hogar 49.6% 38.2% 12.2%

Número de

mujeres

47.8% 38.1% 14.1%

Número de niños

menores de 5

56.3% 7.5% 36.2%

Niños en edad

escolar

59.4% 5.5% 35.1%

Jefa mujer 11.1% 36.1% 52,8%

Número de

personas 50+

19.4% 42.5% 38.1%

78

En general, no hay una

diferencia significativa

en el tamaño del hogar

y # de mujeres

En general, lá

probabilidad de tener

niños es mayor para los

hogares pobres por IPM

Composición del Hogar

• Realizamos algunos tests separando valores

“Bajos”, “Medios” y “Altos” del MPI, así como

diferencias regionales. Alkire y Santos 2013, OPHI WP 59

• MPI Bajo: el 16.6% de los países menos pobres

ponderados por población

• MPI Medio: el 45% central de los países ponderados por

población

• MPI Alto: el 38% menos pobre de los países ponderados

por población

• Nota: los grupos no tienen la misma población debido a China e India,,

pero se dividieron por centiles 33% y 66%. 79

Composición del hogar por nivel del MPI

• Países con MPI bajo: 18.6% de estos países tienen

hogares pobres con tamaño sig. mayor que los no-pobres,

mientras que 76% tienen tamaño menor.

• Países con MPI medio: 47.3% de estos países tienen

hogares pobres con tamaño sig. mayor; 23% sig. menor.

• Países con MPI alto: 85% de estos países tienen hogares

pobres con tamaño sig. mayor que los no-pobres.

• Un patrón similar se repite para el número de niños

menores de 5, niños en edad escolar y número de mujeres.

80

Entendiendo el ‘sesgo’ en la composición

de hogares en países con MPI alto

1. La pobreza IPM podría ser objetivamente más elevada

para hogares de mayor tamaño y con más niños.

2. El diseño muestral y la construcción de los indicadores

IPM podría ‘inflar’ inadecuadamente la pobreza

aparente en hogares de gran tamaño.

3. Los indicadores IPM podrían tener un sesgo

justificado: reflejan la prioridad de los niños y mujeres

en los ODM, al ser grupos vulnerables.

Robustez ante cambios en las líneas de

corte/indicadoresa) 3 medidas alternativas de nutrición infantil (peso-por-

edad, peso-por-altura y altura-por-edad), y diferente

población de referencia

b) Mortalidad infantil con y sin restricciones de edad

c) Incluir asistencia escolar vs usar sólo años de educación

d) Ignorar tiempo que lleva obtener agua en el indicador

de agua potable

e) Requerir agua por tubería, inodoros con arrastre de

agua y pisos mejorados (considerando palma de

bambú/tabla de madera como privado), para estar no

privado en agua, saneamiento y pisos

Robustez ante cambios en las líneas de

corte/indicadores

• Se computó el MPI en cada caso, se obtuvo el

ranking de países y se calculó el índice de

correlación de Spearman entre los rankings.

• Todas las correlaciones de Spearman entre los

rankings superan 0.96, y el Kendall-Tau b (ajusta

por empates) supera 0.86.

Robustez ante cambios en los pesos

• Recuerden: el MPI varía entre 0 y 0.642, y la

incidencia varía entre 0 y 93%

• Re-ponderando cada dimensión:

– 33% 50% 25% 25%

– 33% 25% 50% 25%

– 33% 25% 25% 50%

• ¿Cuál es el efecto sobre:

– MPI, H, A?

– Ranking de países?


MPI Weights 1 MPI Weights 2 MPI Weights 3

Equal weights:

33% each

(Selected

Measure)

50% Education

25% Health

25% LS

50% Health

25% Education

25% LS

Pearson 0.992

Spearman 0.979

Kendall (Taub) 0.893

Pearson 0.995 0.984

Spearman 0.987 0.954

Kendall (Taub) 0.918 0.829

Pearson 0.987 0.965 0.975

Spearman 0.985 0.973 0.968

Kendall (Taub) 0.904 0.863 0.854

Number of countries: 109

MPI

Weights 2

50% Education

25% Health

25% LS

MPI

Weights 3

50% Health

25% Education

25% LS

MPI

Weights 4

50% LS

25% Education

25% Health


En síntesis:

• Altas correlaciones: 0.97 y superior

• Alta concordancia en rankings: 0.90 y superior

• 85% de todas las comparaciones de a pares son

robustas

Robustez ante cambios en la línea de

pobreza, k• 90% de todas las posibles comparaciones de a pares son

robustas para k entre 20 y 40%.

• Test más estricto: usando bootstrap

– Computar por bootstrap el intervalo de confianza (95%)

del MPI para cada valor de k.

– Realizar comparaciones de a pares: dados dos países, A y

B, B domina a A si el límite inferior del MPI de A

(estimado por bootstrap) es estrictamente mayor que el

límite superior del MPI de B (estimado por bootstrap),

para todos los posibles valores de k.

– Se encuentran comparaciones robustas (bootstrap)

en 87.4% de todos los casos para k entre 20 y 40%.

Robustez ante cambios en la línea de

pobreza, kComparaciones de a pares por región (bootstrap) :

• Asia del Sur: 90% de las comparaciones de a pares

son robustas (5 países)

• África Sub-Sahariana: 85.9% (37 países)

• Estados Árabes: 87.3% (11 países)

• América Latina y el Caribe: 77.9% (18 países)

• Asia del Este y Pacífico: 77.8 % (11 países)

• Europa Central y del Este: 44.3% (24 países)

Robustez ante cambios en la línea

de pobreza, kEl nivel de robustez por región (bootstrap) varía con el

número de indicadores y la encuesta.

• Cuando se evalúan sólo países que cuentan con los

10 indicadores: 91.2% de las comparaciones son

robustas.

• Cuando se evalúan sólo DHS: 91.7% de las

comparaciones son robustas.

Robustez del MPI en Asia del Sur

0.1

.2.3

.4

MP

I

10% 20% 33% 40% 50% 60% 70% 80% 90% 100%k

Bangladesh MPI Bhutan MPI

India MPI Maldives MPI

Nepal MPI Pakistan MPI


0.1

.2.3

.4.5

Multid

imensio

nal P

overt

y I

ndex (

MP

I)

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)

Lower Limit T1

MPI T1

Upper Limit T1

Lower Limit T2

MPI T2

Upper Limit T2

Senegal 2005-2011

Entre países que no muestran un progreso significativo0

.1.2

.3.4

.5

Multid

imensio

nal P

overt

y I

ndex (

MP

I)

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)

Lower Limit T1

MPI T1

Upper Limit T1

Lower Limit T2

MPI T2

Upper Limit T2

Madagascar 2004-2009

www.ophi.org.uk

Metodología para la Medición de la Pobreza Multidimensional / Maria Emma Santos - Universidad...

Government & Nonprofit

Transcript of Metodología para la Medición de la Pobreza Multidimensional / Maria Emma Santos - Universidad...