View
3
Download
0
Category
Preview:
Citation preview
Curso de Análisis de la Pobreza
Multidimensional
30 Agosto–9 Septiembre 2013
Managua, Nicaragua
Repaso del Curso
7 Septiembre, 2013
Sabina Alkire
¿Por qué el énfasis en medición?
Podemos: Técnico 1) Incremento en datos disponibles
2) Las medidas multidimensionales han proliferado
Necesitamos: Política pública 3) La pobreza por ingresos es importante, pero no da cuenta de
indicadores clave
4) El crecimiento económico es insuficiente.
5) No existe una medida única de pobreza que no sea por
ingresos
6) El ingreso no es una representación suficiente de la pobreza
multidimensional
Estamos dispuestos: Política 7) “Demanda” nacional e internacional
8) Espacio político para nuevas medidas concurrentes
Source: Whelan Layte Maitre 2004 Understanding the
Mismatch between Income Poverty & Deprivation
Europa 2020: Pobreza multidimensional
En Europa, mientras 20%
de la población es
persistentemente pobre por
ingresos, y 20% sufre
persistentemente carencias
materiales, SOLO 10% de la
población son
persistentemente pobres por
ingresos Y sufren privación
material.
Esta observación motivó la
implementación de una
medición multidimensional
de pobreza en Europa (EU
2020). El ingreso no cuenta
la historia completa.
4. ¿Crecimiento económico?
Los argumentos son sólidos…y
debatibles
François Bourguignon, Agnès Bénassy-Quéré, Stefan Dercon,
Antonio Estache, Jan Willem Gunning, Ravi Kanbur, Stephan
Klasen, Simon Maxwell, Jean-Philippe Platteau, Amedeo
Spadaro
‘La correlación entre el
crecimiento del PIB per capita y
los ODMs no monetarios es
practicamente cero…”
7
Motivation: Launched July 2013 in Kolkata,
An Uncertain Glory: India and its Contradictions
(Drèze and Sen 2013) documents the mismatch between
glittering growth and social achievements in India.
IPM vs ingreso: El ingreso no es un buen proxy para el IPM
Los cambios en IPM vs. ingreso son variables
El crecimiento económico vs. reducciones del
IPM son variables
El IPM generalmente añade nueva información
Enfoques de la Medición
Multidimensional de la Pobreza
Indicadores
Múltiples
Conjuntos
Difusos
Estadísticos
Axiomático
Conteo
No son mutuamente excluyentes; existen
traslapes.
Dominación
Enfoques de la Medición
Multidimensional de la Pobreza
Bourguignon & Chakravarty (2003)
Bossert, Chakravarty
& D’Ambrosio (2009)
Alkire & Foster (2007, 2011)
1 1
1( , ) ( ) with 0
n d
j ij
i j
M X z w g knd
Chakravarty & D’Ambrosio (2006)
Métodos Estadísticos Multivariados
Enfoque de Conteo - Implementaciones
América Latina
• Enfoque de Necesidades Básicas Insatisfechas (Unsatisfied
Basic Needs, NBI) – Prominente en América Latina
• Utilizaron 5 indicadores censales: – Hacinamiento (3+ people/room)
– Vivienda
– Instalaciones Sanitarias
– Niños que atendían primaria
– Hogar: (la cabeza tiene escolaridad de 2 años o menos) o alta dependencia
(4+/trabajador).
• Identificación: Proporción de conteo con 1+, 2+ y 3+
privaciones.
• Poderoso en términos de políticas: utilizado para focalizar
políticas (Información censal)
AF Metodología
Método de conteo
Método axiomático
Revisión: FGT Mediciones Variable – ingreso
Identificación – línea de pobreza
Agregación – Foster-Greer-Thorbecke ’84
Ejemplo Ingreso = (7,3,4,8) Línea de Pobreza z = 5
Vector de Privación g0 = (0,1,1,0)
Tasa de incidencia P0 = μ(g0) = 2/4
Vector de Brecha normalizado g1 = (0, 2/5, 1/5, 0)
Brecha de Pobreza P1 = μ(g1) = 3/20
Cuadrado del vector de la brecha g2 = (0, 4/25, 1/25, 0)
Medida FGT = P2 = μ(g2) = 5/100
AF Método: Matriz de Logros
Matriz de valores de bienestar para n personas en d dominios
Dominios
Personas
z ( 13 12 3 1) Cortes
y
13.1 14 4 1
15.2 7 5 0
12.5 10 1 0
20 11 3 1
AF Método: Matriz de Privaciones, y Censurada
Deprivation Matrix Censored Deprivation Matrix, k=2
g0
0 0 0 0
0 1 0 1
1 1 1 1
0 1 0 0
0
2
4
1
g0(k)
0 0 0 0
0 1 0 1
1 1 1 1
0 0 0 0
0
2
4
0
Matriz de Privaciones Matriz de Privaciones Censuradas
k=2
Agregación: AF Familia
AF Familia es Mα = μ(gα(t)) para α > 0
Dominios
Personas
Teorema 1 Para cualquier vector de ponderación y líneas de corte, la metodología Mka
=(ρk,M) satisface: descomponibilidad, replicación invariancia, simetría, axioma de foco
en pobreza y en privación, monotonicidad débil y dimensional, no trivialidad,
normalización, y reordenamiento débil para alpha>0; monotonicidad para alpha>0; y
transferencia débil para alpha>1.
g (k)
0 0 0 0
0 0.42
0 1
0.04
0.17
0.67
1
0 0 0 0
¿Qué es el enfoque de las
capacidades? • El enfoque de las capacidades de Sen es un marco teórico
moral que propone que las estructuras sociales deben ser
evaluadas según el alcance de las libertades de las
personas para promover o alcanzar los funcionamientos
que valoran.
• “Lo esencial en este caso es la libertad real que tenga la
persona de hacer esto o ser aquello – cosas que el o ella
valoraría hacer o ser.” Idea of Justice p 232.
Las capacidades • Son varias combinaciones de los funcionamientos (hechos y
estados) que una persona puede alcanzar. Es entonces, un conjunto de vectores de funcionamientos que reflejan la libertad de una persona para llevar un estilo de vida u otro…de escoger entre posibles maneras de vivir (Inequality Re-examined).
Funcionamientos • Son las diferentes cosas que una personas puede valorar y
que tiene razón para valorar, hacer o ser
Los funcionamientos permiten la existencia de
diferentes factores de conversión interpersonales
Recursos Capacidades Funcionamientos Utilidad
Bicicleta Capacidad Montar
para montar
Comida Capacidad Alimentado
para alimentarse
Cosas que X
valora Cosas que X
tiene razón para
valorar
Agencia
“Lo que una persona tiene la libertad de hacer y alcanzar in la búsqueda de cualesquiera objetivos o valores le parecen importantes.” Sen “Well-being Agency and Freedom” J of Philosophy 1985: 203
“Alguien que actúa y genera cambio, y cuyos logros pueden ser juzgados en términos de sus propios valores y objetivos, aún si los evaluamos bajo criterios externos” Sen Development as Freedom. 1999: 19
Capacidades y Agencia
“Este enfoque… es esencialmente un enfoque ‘centralizado en las personas’…
El rol de las oportunidades sociales es expandir la esfera de la agencia humana y la libertad, tanto como un fin en sí mismo y como un medio para continuar la expansión de la libertad.
Las opciones que una persona tiene dependen en en las relaciones con otros y en lo que hace el Estado y las demás instituciones.”
(Drèze & Sen, 2002, p. 6).
Reporte de Desarrollo Humano 2010, PNUD
El desarrollo humano es la expansión de las libertades
de las personas para vivir vidas largas, saludables y
creativas; para llevar a cabo otros objetivos que tienen
razón para valorar, y para involucrarse activamente en
formar un desarrollo equitativo y sostenible en un
planeta que todos compartimos.
Las personas, como individuos o en un grupo, son
tanto beneficiarias como líderes del desarrollo
humano.
Resumen de Formulas Útiles del
Método AF
1( ; )
n
k iix z q
Hn n
1( )
n
iic k
Adq
0
1 10
0
( )( ( ))
n d
iji jg k
M g knd
Resumen de Formulas Útiles del
Método AF 0
1( )
n
ijC ij
j
g kH
w n
0 1
d j C
jj
wM H
d
0
( / ) C
j j
j
w d HC
M
0 1
d j C
jj
wM H
d
Tasa de Privación Censurada
Contribución por indicador
Resumen de Formulas Útiles del
Método AF 0
1( )
n
ijC ij
j
g kH
w n
0 1
d j C
jj
wM H
d
0
( / ) C
j j
j
w d HC
M 0 1
d j C
jj
wM H
d
Tasa de Privación Censurada
Contribución por indicador
1 20 0 1 0 2( ; ) ( ; ) ( ; )
n nM X z M X z M X z
n n
0
0
/ ( ; )
( ; )
i i
Gi
n n M X zC
M X z
Descomposición por Grupo
Fórmula: MPI = M0 = H × A
29 29
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 States 4.2%
Latin America and Caribbean
9.5%
East Asia and Pacific
34.6%
South Asia 29.8%
Sub-Saharan Africa 14.3%
Europe and Central Asia
0.7%
Arab States 2.12%
Latin America & Caribbean
2.2% East Asia &
Pacific 14.9%
South Asia 51.3%
Sub-Saharan Africa 28.90%
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
Comparando las tasa de recuento de IPM y $1.25/dia
32
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%N
iger
Eth
iop
ia
Mal
i
Buru
ndi
Burk
ina
Fas
o
Lib
eria
Guin
ea
So
mal
ia
Mo
zam
biq
ue
Sie
rra
Leo
ne
Sen
egal
DR
Co
ngo
Ben
in
Uga
nda
Rw
anda
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
India
Cam
ero
on
Yem
en
Pak
ista
n
Ken
ya
Lao
Cam
bo
dia
Nep
al
Rep
ub
lic
of
Co
ngo
Nam
ibia
Zim
bab
we
Les
oth
o
Sao
To
me
and P
rin
cip
e
Ho
ndura
s
Gh
ana
Van
uat
u
Djib
outi
Nic
arag
ua
Bh
uta
n
Guat
emal
a
Indo
nes
ia
Bo
livia
Sw
azilan
d
Taj
ikis
tan
Mo
ngo
lia
Per
u
Iraq
Ph
ilip
pin
es
So
uth
Afr
ica
Par
aguay
Ch
ina
Mo
rocc
o
Suri
nam
e
Guya
na
Est
on
ia
Turk
ey
Egy
pt
Tri
nid
ad a
nd T
ob
ago
Bel
ize
Syr
ian
Ara
b R
epub
lic
Co
lom
bia
Sri
Lan
ka
Aze
rbai
jan
Mal
div
es
Kyr
gyzs
tan
Do
min
ican
Rep
ub
lic
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
Ukra
ine
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
Russ
ian
Fed
erat
ion
Ser
bia
Bo
snia
an
d H
erze
govin
a
Geo
rgia
Kaz
akh
stan
Un
ited
Ara
b E
mir
ates
Arm
enia
Bel
arus
Slo
ven
ia
Slo
vak
ia
Comparando las tasa de recuento de la pobreza por IPM y $1.25/dia
Intensity 69.4% & More Intensity 50-69.4% Intensity 44.4-50% Intensity 33.3-44.4% $1.25 a day
33
Que rápido el cambio por estado de IPM y ingreso?
Por ano
MPI Income
Andhra Pradesh
Arunachal Pradesh
Assam
Bihar
Goa
Gujarat
Haryana
Himachal Pradesh
Jammu & KashmirKarnataka
Kerala
Madhya Pradesh
Maharashtra
Manipur
Meghalaya
Mizoram
Nagaland
OrissaPunjab
Rajasthan
Sikkim
Tamil Nadu
Tripura
Uttar Pradesh
West Bengal
-3.5
-3.0
-2.5
-2.0
-1.5
-1.0
-0.5
0.0
0.5
1.0
10 20 30 40 50 60 70 80
Ch
an
ge in
Po
vert
y P
er
An
nu
m T
ill 2
004
-5 (
in P
erc
en
tag
e P
oin
ts)
Income Poverty Headcount Ratio in 1993-4 (in Percentages)
Andhra Pradesh
Arunachal Pradesh
Assam
Bihar
Goa Gujarat
Haryana
Himachal Pradesh
Jammu & Kashmir
Karnataka
Kerala
Madhya Pradesh
Maharashtra
ManipurMeghalaya
Mizoram
Nagaland
Orissa
Punjab
Rajasthan
Sikkim
Tamil Nadu
Tripura
Uttar Pradesh
West Bengal
-3.5
-3
-2.5
-2
-1.5
-1
-0.5
0
0.5
1
10 20 30 40 50 60 70 80
Ch
ang
e in
Po
vert
y P
er A
nn
um
Til
l 20
06 (
in P
erce
nta
ge
Po
ints
)
Multidimensional Headcount Ratio in 1999 (in Percentages)
1999: 1 en 2 de los pobres por IPM tiene pobreza profunda
1 en 3 tiene pobreza profunda e intensa (>50%) 26.6% and 19.3% of 56.8% respectively - Alkire and Seth 2013
34
Puntaje de Privaciones de la persona
Privados
Sin
Privaciones
50% 33%
19.1%
Moderada
Umbrales de
Privación IPM
Umbral de Pobreza
Pobreza Intensa 11.3%
Umbrales de
privación profunda
Ambos – Pobreza
Profunda y Intensa 19.3%
Profunda
7.3%
35
-.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
Para ver estes cambios
necesitamos reporter el
M0, no solo H.
Pobres moderados
Derechos sociales
Carencias
Políticas públicas en el ámbito económico y social
LBE
Pobres extremos
0 3
Vulnerables por carencia
social
Vulnerables por ingreso
5 2 4 1 6
Población no pobre y no vulnerable
LBM
Bie
ne
sta
r In
gre
so
¿Cóme se construye el índice?
Cinco dimensiones de
empoderamiento (5DE)
Una medición directa del empoderamiento de las
mujeres en 5 dimensiones
Índice de Paridad de
Género (IPG) Logros de las mujeres en comparación a los
logros del hombre principal en el hogar
Índice de
Empoderamiento
de las Mujeres en
la Agricultura
(IEMA)
IEMA está formado por dos sub índices
Varía de cero a uno;
valores altos = mayor empoderamiento
5DE = (1-M0) GPI = (1-P1)
El Índice de Empoderamiento de las Mujeres en la Agricultura
5DE = He + HdAe = (1- HdA) He es el porcentaje de mujeres empoderadas
Hd es el porcentaje de mujeres desempoderadas
A es el promedio absoluto de puntaje de empoderamiento entre las desempoderadas
IPG = Hp+ HwRp = (1- HwI) Hp es el porcentaje de mujeres con paridad de género
Hd es el porcentaje de mujeres sin paridad de género
R es el puntaje de paridad relativa de las mujeres en comparación a los hombres = (1-I)
He + Hd = 100% Hp + Hw = 100%
Fórmula
El Índice de Empoderamiento de las
Mujeres en la Agricultura (IEMA)
IPM de Colombia: Una Herramienta del Monitoreo
Siete Decisiones Fundamentales
para tu Propia Medida AF:
1. Propósito
2. Unidad de Análisis – individuos u hogares
3. Dimensiones (si es útil)
4. Indicadores - columnas de la matriz
5. Umbrales de Pobreza para cada indicador
6. Ponderación/Valores para cada indicador
7. Línea de Pobreza para identificar a los pobres
Otras cuestiones claves:
IPM Nacional
1. ¿Base legal/institucional? (a respetar)
2. ¿Quién tiene autoridad para actualizar (institución)?
3. ¿Cuándo/Cómo actualizar encuesta/metodología?
4. ¿Qué incentivos genera (Ministerios)?
5. Proceso de desarrollo de medida:
a. ¿Consultas Públicas?
b. ¿Grupo de Expertos – Instituto de Estadística, Académicos, Expertos por Sector, etc.
c. ¿Expertos Internacionales/Regionales?
6. Consideraciones Políticas
Posibles dimensiones
Stiglitz-Sen-Fitoussi
Salud
Educación
Seguridad Económica
Seguridad Personal
Balance del Tiempo
Voz Política & Governabilidad
Conexiones Sociales
Condiciones Ambientales
Medidas Subjetivas de la calidad de vida
Voces de los
Pobres
Bienestar Físico
Bienestar Material
Bienestar Social
Seguridad
Bienestar Psicológico
Finnis
Salud y Seguridad
Conocimiento
Ocio y Trabajo
Agencia y
empoderamiento
Relaciones
Armonía – Arte,
Religión,
Naturaleza
Paz interior
GNH de
Bután
Salud
Educación
Standard de
Vida Material
Uso del Tiempo
Governabilidad
Comunidad
Medio Ambiente
Cultura &
Espiritualida
d
Bienestar
Emocional
Sobre los pesos:
“ninguna fórmula mágica …existe, ya que el tema de la ponderación es un proceso de valoración y juicio, y no de una tecnología impersonal”. ~ Sen 1999:79
Clave: Explica los pesos claramente al publico
In practice…your paper or report should:
1. Write out the purpose of the measure – what evaluative exercise(s) it will serve
2. Identify the ‘criteria’ used to select indicators/ deprivation cutoffs / weights / poverty cutoff
3. Justify each calibration choice using normative and empirical grounds & the literature
4. Identify plausible alternatives (e.g. a range of possible weights; alternative indicators), which you will then use to test robustness
5. Identify relevant processes (consultation, participation)
6. Caveat: identify systematically the limitations and weaknesses; tests Quality difference between two papers/reports with the same final measure & analysis but systematic vs lazy articulation of the calibration choices is very large. Why?
Algunas veces no se necesita tener cada detalle de manera correcta
No imoprta en que oredn etsén las letars en
una plaabra, lo úinco que imoprta es que la
priemra y la úlitma lerta etsen en el luagr
coerrcto. El rseto pudee ser un lio pero
pudees leelro sin ninúgn porbelma. Es asi
poqrue nosortos no lmeeos cada palarba
por sepaardo sino cada palarba cmoo un
tdoo.
STATA
Datos Multidimensionales Matriz de logro de 4 personas en 4 dimensiones
Ingreso Escolarid. Indice de
Material.
Mal
Nutricion
y =
700 14 4 No Ana
300 13 5 Yes Jose
400 10 1 Yes Maria
800 11 3 No Antonio
z = 500 12 3 No
Quien es privado en que?
. tab water [aw=weight], miss
Drinking Water | Freq. Percent Cum.
----------------------------------------+-----------------------------------
piped into dwelling | 345.276658 6.75 6.75
piped to yard/plot | 309.02379 6.04 12.78
public tap/standpipe | 1,342.9821 26.24 39.02
tube well or borehole |1,709.79777 33.40 72.42
dug well/protected well | 280.695062 5.48 77.90
dug well/unprotected well | 121.958089 2.38 80.28
protected spring | 1.41716748 0.03 80.31
unprotected spring | 71.6447815 1.40 81.71
rainwater | 22.4582991 0.44 82.15
tanker truck | 73.87955 1.44 83.59
cart with small tank | 13.6526331 0.27 83.86
surface water (river/dam/lake/pond/stre | 474.903988 9.28 93.14
bottled water | 12.6214404 0.25 93.38
other | 338.688665 6.62 100.00
----------------------------------------+-----------------------------------
Total | 5,119 100.00
Matriz de Privaciones Reemplazar entradas: 1 si esta privado, 0 si no esta
privado
Ingreso Escolarid. Indice de
Material.
Mal
Nutricion
g0 =
0 0 0 0 Ana
1 0 0 1 Jose
1 1 1 1 Maria
0 1 0 0 Antonio
z = 500 12 3 No
. tab water hh_d_water [aw=weight], miss
| RECODE of water
| (Drinking Water)
Drinking Water | 0 1 | Total
----------------------+----------------------+----------
piped into dwelling | 345.27666 0 | 345.27666
piped to yard/plot | 309.02379 0 | 309.02379
public tap/standpipe | 1,342.982 0 | 1,342.982
tube well or borehole | 1,709.798 0 | 1,709.798
dug well/protected we | 280.69506 0 | 280.69506
dug well/unprotected | 0 121.95809 | 121.95809
protected spring | 1.4171675 0 | 1.4171675
unprotected spring | 0 71.644782 | 71.644782
rainwater |22.4582991 0 |22.4582991
tanker truck | 0 73.87955 | 73.87955
cart with small tank | 0 13.652633 | 13.652633
surface water (river/ | 0 474.90399 | 474.90399
bottled water | 12.62144 0 | 12.62144
other | 0 338.68866 | 338.68866
----------------------+----------------------+----------
Total | 4,024.272 1,094.728 | 5,119
Tabla de contingencia (cross-tab)
Tasas de Incidencia Brutas o Censuradas
“P” = 75%
Mortalidad infantil (J)
Agua potable (I) No Privado = 0 Privado = 1
Total
No Privado =0 4 (67%, 80%) 2 (33%, 40%) 6
Privado = 1 1 (25%, 20%) 3 (75%, 60%) 4
Total 5 5 10
Tasas de incidencia (bruta): Agua potable=40%, Mortalidad infantil=
50%
Pregunta: Que información de la tabla podemos utilizar para
medir la asociación?
Una medida de similitud *: “P”
Si dos indicadores de privación/pobreza no son independientes,
y por lo menos una de las distribuciones marginales n1+ , n+1 es
diferente de cero, P se define como:
Fuentes de información utilizadas para calcular P:
n11 numero de personas que están privadas en los dos
indicadores (concordancias) → Distribución conjunta
n1+ , n+1 tasa de privación (censurada o no) → Dist. marginales
* Similitud refleja la fuerza de las “concordancias”;
Usamos tasas de privaciones brutas o censuradas
11
1 1
0,1min ,
n
nP
n
Errores Estándar
¿Cuál es la precisión de mis medidas?
Si uso estas medidas para definir
políticas, ¿cuál es la probabilidad que
estén equivocadas?
? ? ? ? ?
¿Son los valores de M0 diferentes? –
Intervalos de Confianza
10%
15%
20%
25%
30%
35%
Manipur Andhra
Pradesh
Tripura Arunachal
Pradesh
Lower Bound M0 (subgroup) Upper Bound
Fuente: Alkire y Seth (2012)
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
Análisis de robustez – cambios en la línea de pobreza, k
¿Cuál es la Tasa de Recuento Censurada por dimensión?
Ingreso: 1/4 Educación: 2/4
Saneamiento: 1/4 Electricidad: 1/4
Composición Dimensional
Ingreso Años de
educación
Saneamiento
(Mejorado)
Acceso a
Electricidad
g0(k) =
0 0 0 0 Ana
0 0 0 0 José
1 2 0.5 0.5 María
0 2 0 0 Antonio
Descomposición por dimensión
MPI para India
¿Cómo redujeron los países el IPM?
-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
Alkire & Roche (2013)
Descomposición por incidencia e intensidad (valores de Roche 2013, pobreza infantil)
Variación absoluta
1997 2000 1997-2000
M0 0.555 0.495 -6% ***
H 82.9% 75.8% -7.1% ***
A 66.9% 65.3% -1.6% ***
Tasa de recuento bruta
Salud 43.5% 39.8% -3.7% **
Nutrición 74.3% 62.2% -12.1% ***
Agua 4.7% 3.6% -1.1%
Saneamiento 72.5% 68.4% -4.1% **
Vivienda 95.9% 94.1% -1.8% **
Información 68.5% 65.3% -3.2% *
Tasa de recuento censurada
Salud 41.3% 37.1% -4.1% **
Nutrición 68.4% 56.0% -12.5% ***
Agua 4.6% 3.4% -1.2%
Saneamiento 69.8% 63.8% -6.0% ***
Vivienda 82.6% 75.4% -7.3% ***
Información 66.0% 61.3% -4.7% ***
Note: *** estadísticamente significativo al α=0.01, **
estadísticamente significativo al α=0.05, * estadísticamente
significativo al α=0.10
Contribución
M0 100%
H 72%
A 28%
ΔA 100%
Salud 63%
Nutrición 24%
Agua 3%
Saneamiento 14%
Vivienda 0%
Información -3%
La contribución es útil para
entender la relación entre los
cambios de la pobreza
multidimensional y los
cambios en la tasa de
recuento bruta y censurada.
Así mismo, es útil para
analizar la mediación del
paso de identificación. Alkire & Roche (2013)
La descomposición también se
puede hacer simultáneamente (valores de Roche 2013, pobreza infantil)
% Contribution (based on 2007 figures):
Population 6.5% 21.1% 31.4% 10.0% 22.1% 8.9% 100%
Multidimens ional Headcount ratio (H) 7.5% 19.9% 31.3% 8.8% 22.9% 9.6% 100%
Multidimens ional Chi ld Poverty Index (M0) 7.6% 20.3% 31.1% 8.6% 22.2% 10.3% 100%
Decomposition variation in Multidimensinal Child Poverty (Period 1997/2000)
Total % contribution (ΔM0 for Bagladesh = 100) 3.5% 31.5% 34.1% 9.4% 21.0% 0.4% 100%
Demographic effect 0.8% 8.5% -0.1% 0.5% -2.8% -8.2% -1.4%
Within-group effect: 2.7% 23.1% 34.3% 8.9% 23.8% 8.6% 101.4%
Incidence of poverty effect (H) 0.9% 19.0% 22.9% 7.4% 16.5% 6.2% 73.0%
Intensity of poverty effect (A): 1.8% 4.0% 11.4% 1.5% 7.3% 2.3% 28.4%
Health effect (in reducing intensity) 0.8% 3.6% 6.1% 1.5% 4.3% 1.1% 17.3%
Nutrition (in reducing intensity) 0.7% 1.2% 1.9% 0.9% 1.2% 0.8% 6.6%
Water (in reducing intensity) 0.5% -0.7% 0.6% -0.5% 0.8% 0.4% 1.1%
Sanitation (in reducing intensity) 0.1% 0.2% 2.1% -0.4% 1.6% 0.4% 4.0%
Shelter (in reducing intensity) 0.0% 0.1% 0.0% 0.0% -0.1% 0.0% -0.1%
Information (in reducing intensity) -0.3% -0.3% 0.8% 0.0% -0.4% -0.4% -0.7%
BagladeshBarisal Chittago Dhaka Khulna Rajshahi Sylhet
Podemos analizar la contribución de cada
subgrupo en M0 de manera simultánea,
mientras observamos también la
contribución de la reducción en la
incidencia y la intensidad (al igual que para
cada dimensión en la reducción de la
intensidad).
Alkire & Roche (2013)
Cuales son las variables ‘clave’ que podemos
regresionar?
Variable dependiente
medida AF: 𝑌
Rango
de
𝑌
Modelo de
Regresión
Nivel Distribución
conditional
𝑝𝑌(𝑦)
Binaria (𝑐𝑖 ≥ 𝑘) 0,1 Probabilidad Micro Bernoulli
𝑀0 ,𝐻 [0,1] Proportion Macro Binomial
(𝑛00 ,𝑛01 ,𝑛01 ,𝑛11) 0,1,2,.. Count Micro Poisson
IPM es como un lente de alta resolucion…
IPM es como un lente de alta resolucion…
Puedes hacer zoom
El IPM es como una camara de alta resolucion…
Puedes hacer zoom
- y ver mas
De una medición a un herramienta
La Tasa de Recuento nos dice
quien es pobre.
De una medición a un herramienta
El IPM nos
dice quien es pobre
.
Pero tambien como
son pobres
Thank you from whole the OPHI team
Recommended