Base de datos a utilizar
Obteniendo los niveles de pobreza de Panamá
Sobre la medición de pobreza en Panamá
Actualmente Panamá es uno de los países latinoamericanos que ha adoptado la definición y metodología de pobreza multidimensional como su medición oficial de pobreza, dicha metodología es utilizada y propuesta por el Programa de las Naciones Unidas para el Desarrollo (PNUD) para dar seguimiento a los Objetivos de Desarrollo Sostenible (ODS), y fue desarrollada por la Human Development & Poverty Reduction Initiative (OPHI) de la Universidad de Oxford. Panamá realizó las primeras mediciones oficiales siguiendo esta metodología en 2017 teniendo el acompañamiento técnico de OPHI1. Las estimaciones están a cargo del Ministerio de Economía y Finanzas (MEF) y el Ministerio de Desarrollo Social (MIDES) y se realizan en base a los datos de la Encuesta de Propósitos Múltiples levantada por el Instituto Nacional de Estadísticas y Censo de Panamá (en adelante INEC) en marzo de cada año.
Antes de 2017 la pobreza en Panamá se concebía bajo la premisa tradicional de pobreza monetaria, y fue estimada a través del método de línea de pobreza. Hasta 2008 se utilizó como medida de bienestar el consumo, tomando como referencia el requerimiento mínimo calórico por persona al día estimado por el Instituto de Nutrición de Centro América y Panamá (INCAP) y la Organización Panamericana de la Salud (OPS) en 1998; de este modo la línea de pobreza extrema estaba definida como el costo de satisfacer ese requerimiento calórico mínimo, mientras que la línea de pobreza general (o total) incluye el costo de satisfacer ese consumo mínimo más el costo de obtener un conjunto de bienes y servicios básicos.
Entre 2008 y 2016 se consideró como indicador de bienestar el ingreso per cápita y se ajustaron las líneas de pobreza extrema y general, tomando como referencia el costo de adquirir una canasta de bienes alimenticios actualizada obtenida de la Encuesta de Ingresos y Gastos de 2008, que responde a un conjunto de requerimientos calóricos mínimos que varían en función de la edad, sexo y el nivel de actividad de las personas. Asimismo, se actualizó la canasta de bienes no alimentarios y la línea de pobreza general. En 2015 se realizó una nueva actualización de las líneas de pobreza.
Disponibilidad de bases de datos
Debido a que el enfoque de esta serie de publicaciones es la estimación de la pobreza monetaria, se necesita acceder a las bases de datos de las Encuestas Continuas de Hogares en las cuales se recopila información sobre el ingreso del hogar. Sin embargo, aunque se puede acceder a tabulaciones específicas de las encuestas de hogares y nivel de vida, las bases de datos no están disponibles al público. La única base de datos a la que se pudo acceder es la Encuesta de Indicadores Múltiples por Conglomerados (MICS por sus siglas en inglés) la cual se realiza por el INEC, con apoyo técnico de PNUD y UNICEF, para recopilar información demográfica de interés. Por lo cual, se procede en esta publicación a estimar indicadores vinculados al nivel de vida y la pobreza de los hogares y las personas, que están disponibles en la base de datos MICS 20132.
Obteniendo indicadores de nivel de vida vinculados a la condición de pobreza
Antes de realizar las estimaciones de los indicadores se debe unir la base de datos de personas (hl.dta) con la base de datos de hogares (hh.dta), para los cuales primero se verifica que haya una serie de códigos únicos no repetidos mediante los cuales se hace la unión (variables HH1 HH2)3. Una vez se ha unido la base de datos con la cual vamos a trabajar, se procede a declarar el diseño de la muestra, el cual corresponde a un diseño estratificado de 2 etapas, de este modo se introduce una pequeña variación a la explicación dada en el recurso complementario “Declarando el diseño muestral”4. En la programación 1 se observa la forma en que se declara este tipo de diseño.
Programación 1: Declaración de diseño muestral 2 etapas
svyset PSU [pweight=hhweight], strata(stratum) vce(linearized) singleunit(missing) || MUES_HCN
Como se observa lo único diferente es que se añade la doble barra para indicar los criterios de la segunda etapa de selección de la muestra, en este caso se hizo considerando si los hogares tienen o no niños menores de 5 años (MUES_HCN), este criterio se utilizó para seleccionar igual cantidad de hogares con y sin niños dentro de cada unidad primaria de muestreo (PSU o UPM)5. El peso, ponderador o factor de expansión utilizado es el peso poblacional de los hogares (hhweight), este factor expande la muestra de personas al total de población nacional, sin considerar la edad de los niños y otras características demográficas de los encuestados. Tenga en cuenta que si se trabajara con las bases de datos de niños menores de 5 años o de mujeres en edad reproductiva se deberían usar los factores de expansión específicos para estas poblaciones y el diseño muestral a declarar sería diferente, ya que debería incluir sub estratos y los pesos específicos de estos.
Resultado 1: Declaración de diseño muestral 2 etapas
Distribución de la población por área de residencia
La estimación de la distribución de la población por área de residencia es muy sencilla, se realiza ejecutando la Programación 2. Como se observa en la Tabla 2, para el 2013, el 66.9% de la población reside en el área urbana, mientras que 33.1% reside en el área rural (recuerda que para obtener los porcentajes siempre se debe multiplicar el resultado “Proportion” por cien).
Programación 2: Distribución de la población por área de residencia
svy linearized: proportion HH6
Tabla 2: Distribución de la población por área de residencia
Porcentaje de población por tipo de fuente de agua a la que accede
Este indicador corresponde con el Objetivo de Desarrollo del Milenio (ODM) 7.8 de la dimensión de agua y saneamiento. Según CGR (2014) se define como el porcentaje de miembros de hogar (población) que usan fuentes de agua mejorada para beber. Según el Programa Conjunto OMS/UNICEF para el Monitoreo del Abastecimiento de Agua y del Saneamiento (JMP) “Una fuente de agua potable mejorada es una fuente que por el tipo de construcción protege apropiadamente el agua de la contaminación exterior, en particular de la materia fecal” (OMS, 2012).
La variable correspondiente a este indicador en la base de datos de la MICS 2013 es WS1 (fuente principal de agua potable), a partir de esta variable se debe crear una variable dicotómica o dummy que indique si los hogares (o la personas miembros de los hogares) cuentan con fuentes de agua mejoradas o no. La clasificación de los tipos de fuente al agua se realizó en función de las definiciones internacionales de agua y saneamiento6, con la distinción de que en Panamá se considera fuente mejorada el acceso a agua a través de camión cisterna así como el agua embotellada; mientras que no se considera fuente mejorada el agua de lluvia (CGR, 2014).
En la programación 2A se muestra que se asigna el valor de 1 a los tipos de fuente que se consideran mejorados y 0 a los que se consideran no mejorados, para conocer los códigos de respuesta de los tipos de fuente de agua se utiliza el cuestionario MICS 20137. En la Tabla 2A se verifica que la variable creada tiene valores para cada persona incluida en la base de datos.
Programación 2A: Creación de variable dicotómica Tipo de fuente de agua
capture drop tfagua
gen tfagua=.
replace tfagua=0 if WS1>=1&WS1<51
replace tfagua=1 if WS1==32|WS1==42|WS1>=51
replace tfagua=0 if WS1==91|WS1==61
label var tfagua "Tipo de fuente de agua potable"
label define tfagua 0 "Fuente mejorada" 1 "Fuente no mejorada", replace
label values tfagua tfagua
tab tfagua
Tabla 2A: Creación de variable dicotómica Tipo de fuente de agua
Para conocer la proporción de personas que acceden a fuentes de agua potable mejorada a nivel nacional se ejecuta la Programación 2B, para conocer dicha proporción por área de residencia se aplica la Programación 2C. En las Tablas 2B y 2C se observa que el 5.1% de la población panameña no accede a agua potable a través de fuentes mejoradas, este porcentaje se eleva al 15.1% de la población el área rural, al contrario en el área urbana prácticamente el 100% de las personas accede a agua potable a través de fuentes mejoradas8. Estos resultados reflejan una marcada desigualdad en las condiciones de vida de la población en función de su distribución territorial.
Programación 2B: Proporción de personas por Tipo de fuente de agua
svy linearized: proportion tfagua
Tabla 2B: Proporción de personas por Tipo de fuente de agua
Programación 2C: Proporción de personas por Tipo de fuente de agua por área de residencia
svy linearized: proportion tfagua, over (HH6)
Tabla 2B: Proporción de personas por Tipo de fuente de agua por área de residencia
Porcentaje de población por tipo de saneamiento al que accede
El acceso a saneamiento mejorado fue uno de los Objetivos de Desarrollo del Milenio (ODM 7.9), según la OMS y UNICEF se entiende como saneamiento mejorado “mejorado es el que higiénicamente impide el contacto de los seres humanos con excretas humanas” (OMS, 2012), los criterios internacionales para operacionalizar esta definición pueden resumirse como el acceso a saneamiento a través de inodoro o letrina (con o sin tratamiento) que descargan en red de alcantarillado, pozo séptico o pozo con losa, las demás formas de saneamiento se consideran no mejoradas, también se consideran no mejoradas las anteriores si son públicas o compartidas.
Las variables que contienen información sobre este indicador son WS8 (tipo de servicio sanitario), WS9 (comparte el servicio con personas de otra vivienda) y WS10 (comparte el servicio con otras personas conocidas o está abierto al público). Para conocer el porcentaje de población que accede a saneamiento mejorado, primero se debe crear una variable dicotómica en la que se identifique el tipo de servicios sanitario con el que cuenta el hogar, teniendo en cuenta los criterios ya mencionados.
Para crear esta variable de identificación de tipo de saneamiento se deben explorar los valores o códigos de las variables WS8, WS9 y WS10, para lo cual se ejecuta la Programación 3A. Como se observa en la Tabla 3A, esta programación sólo muestra ejemplos de los valores contenidos en la variable WS8 ya que tiene varias categorías, por lo cual se usa la información plasmada en el cuestionario de MICS 2013 y dichos códigos se verifican haciendo uso de la Programación 3B, note que se tabula la variable para cada código (ver resultados en Tabla 3B).
Programación 3A: Explorar valores de datos en las variables de interés
codebook WS8 WS9 WS10
Tabla 3A: Explorar valores de datos en las variables de interés
Programación 3B: Verificación de códigos del cuestionario para WS8
tab WS8 if WS8==11
tab WS8 if WS8==12
tab WS8 if WS8==13
tab WS8 if WS8==21
tab WS8 if WS8==22
tab WS8 if WS8==31
tab WS8 if WS8==14
tab WS8 if WS8==23
tab WS8 if WS8==51
tab WS8 if WS8==95
tab WS8 if WS8==96
Tabla 3B: Verificación de códigos del cuestionario para WS8
En la Tabla 3A se observa que para la variable WS9 (servicio compartido) hay 5 valores omitidos (missing), por lo cual se hace necesario explorar a qué tipo de servicio sanitario corresponden (WS8) y así asignar el valor más adecuado a estos datos en la variable de identificación de tipo de saneamiento, para esto se ejecuta la Programación 3C. Los resultados (Tabla 3C) indican que estos valores omitidos en WS9 corresponden a servicios higiénicos mejorados en WS8, por lo que los consideraremos mejorados en la variable de identificación. Dicha variable se genera usando la Programación 3D y como resultado se obtiene una variable dicotómica con valores para cada persona incluida en la base de datos (ver Tabla 3D).
Programación 3C: Explorar datos omitidos en WS9
codebook WS8 WS9 if WS9==9
Tabla 3C: Resultado de explorar datos omitidos en WS9
Programación 3D: Creación de variable de identificación tipo de saneamiento
capture drop tsan
gen tsan=.
replace tsan=0 if (WS8>=1&WS8<=31)&WS9!=1
replace tsan=1 if (WS8>=1&WS8<=31)&WS9==1
replace tsan=1 if WS8>=51
replace tsan=1 if WS8==14|WS8==23
label var tsan "Tipo de saneamiento"
label define tsan 0 "Saneamiento mejorado" 1 "Saneamiento no mejorado", replace
label values tsan tsan
tab tsan
Tabla 3D: Creación de variable de identificación tipo de saneamiento
A fin de conocer el porcentaje de población que cuenta con saneamiento mejorado a nivel nacional y por área de residencia se ejecuta la Programación 3E y 3F. La cobertura de saneamiento mejorado a nivel nacional es menor a la de agua potable mejorada, para 2013 el 84.8% de la población panameña tenía en su hogar un servicio sanitario mejorado, mientras que el 15.2% contaba con un servicio no mejorado (ver Tabla 3E), este porcentaje es mayor en el área rural donde el 27.1% de la población accede a saneamiento no mejorado, en el área urbana solo el 9.3% de las personas se encuentra en esta situación (ver Tabla 3F).
Programación 3D: Proporción de personas por tipo de saneamiento
svy linearized: proportion tsan
Programación 3E: Proporción de personas por tipo de saneamiento por área de residencia
svy linearized: proportion tsan, over (HH6)
Tabla 3D: Proporción de personas por tipo de saneamiento
Tabla 3E: Proporción de personas por tipo de saneamiento por área de residencia
Porcentaje de población por acceso a energía eléctrica
Parte fundamental de la condición de vida de las personas en cuanto a servicios básicos es el acceso a energía eléctrica, la información sobre este aspecto se encuentra en la variable HC8A, al explorar los datos de esta variable (ver Programación 4A y Tabla 4A) observamos que ya está estructurada de manera dicotómica, pero con los valores 1 u 2. De modo que creamos una nueva variable de identificación de acceso a electricidad recodificando los valores de la variables original (ver Programación 4B y Tabla 4B).
Programación 4A: Explorar variable HC8A
codebook HC8A
Tabla 4A: Resultado de explorar variable HC8A
Programación 4B: Crear variable de identificación de acceso a electricidad
capture drop elect
gen elect=.
replace elect=0 if HC8A==1
replace elect=1 if HC8A==2
label var elect "Energia electrica"
label define elect 0 "Si electricidad" 1 "No electricidad"
label values elect elect
tab elect
Tabla 4B: Variable de identificación de acceso a electricidad
A fin de estimar el nivel de acceso de la población a la energía eléctrica se ejecutan la Programación 4C y 4D. Como resultado se obtiene que para 2013 el 13.1% de la población nacional habitaba en hogares sin acceso a energía eléctrica, el acceso a este servicio es mucho menor en el área rural, donde el 36.4% de la población no cuenta con este servicio, por el contrario solamente el 1.5% de la población urbana está privada en este sentido (ver Tabla 4C y 4D), lo que indica una concentración de los servicios básicos adecuados en las zonas urbanas y la necesidad de ampliar la cobertura en las zonas rurales.
Programación 4C: Proporción de personas por acceso a energía eléctrica
svy linearized: proportion elect
Programación 4D: Proporción de personas por acceso a energía eléctrica por área de residencia
svy linearized: proportion elect, over (HH6)
Tabla 4C: Proporción de personas por acceso a energía eléctrica
Tabla 4D: Proporción de personas por acceso a energía eléctrica por área de residencia
Porcentaje de población con privación en servicios básicos
Debido a que no disponemos de datos para estimar la pobreza monetaria en Panamá, podemos crear una variable que identifique la privación de las personas en cuanto al acceso a servicios básicos, lo cual es un aspecto fundamental del nivel de vida y refleja la condición de pobreza, de hecho se considera una dimensión dentro de la pobreza multidimensional.
Crear una variable que identifique privación en el acceso a servicios básicos adecuados, considerando adecuados el agua y saneamiento mejorado y la energía eléctrica, de modo que estar privado implica no acceder a al menos uno de estos servicios. Generar esta variable es muy sencillo, dado que ya tenemos 3 variables dicotómicas que identifican dichas privaciones individuales, asignando el valor de 0 a la no privación y 1 a la existencia de privación. De modo que la variable de identificación conjunta se puede generar como una sumatoria, este modo de estimación además permite conocer la intensidad de la privación, es decir si está privado de los 3 servicios o solo de 1 (ver Programación 5A y Tabla 5A).
Programación 5A: Crear variable de identificación de privación en servicios básicos
capture drop psbas
gen psbas=.
replace psbas= tfagua + tsan + elect
label var psbas "Privacion en servicios basicos"
label define psbas 0 "Sin privacion" 1 "con privacion (1 servicio) " 2 "Con privacion (2 servicios)" 2 "Con privacion (3 servicios)", replace
label values psbas pasbas
tab psbas
Tabla 5A: Resultado de creación de variable de identificación de privación en servicios básicos
A fin de conocer la incidencia de la privación en servicios básicos en la población nacional y por área de residencia podría ejecutarse el comando que hemos utilizado a lo largo de estas y otras publicaciones: svy linearized: proportion, aplicándolo 2 veces: una a la población nacional y otra por áreas de residencia. Es posible obtener estos resultados en una misma tabla de distribución de las proporciones utilizando el comando svy linearized: tabulate, esta sintaxis genera tablas de una sola entrada o de dos entradas; en este caso se desea construir una tabla de dos entradas, pues se desea combinar información de dos variables: la situación de privación en servicios básicos y el área de residencia.
En la Programación 5B se muestra este comando, la primera variable (psbas) corresponde a la variable cuyos valores se presentarán en las filas, mientras que la segunda variable (HH6) se presentará en columnas, después de las variables listadas se escribe una coma seguida del tipo de dato o valor que deseamos que se presente en la tabla; en este caso se escribió column porque queremos que aparezca la proporción de la variable psbas por columna (por HH6). Este comando es muy flexible y se pueden presentar varios valores en la misma tabla, por ejemplo si quisiéramos la distribución porcentual de los porcentajes de privaciones por área de residencia y también la proporción de privaciones por área de residencia se escribe cell y luego column.
Programación 5B: Proporción de personas por condición de privación en servicios básicos y área de residencia
svy linearized : tabulate psbas HH6, column
Tal como se observa en la Tabla 5B los resultados de la Programación 5B reportan las proporciones de las variables indicadas, registrándose que para 2013 el 77.3% de la población nacional no se encontraba privada de acceso a servicios básicos adecuados, pero este porcentaje disminuye al 52.7% de la población rural, donde 8.4% está privada de agua potable mejorada, saneamiento mejorado y electricidad, lo cual implica condiciones de vida muy precarias.
Al final de la Tabla 5B aparecen 3 estadísticos que indican el nivel de independencia u homogeneidad de las proporciones (o valores: sean medias, totales, etc) presentados en la tabla, el estadístico guía es p-valor y F. En la Tabla 5B se observa un valor P muy pequeño y un F muy elevado, por lo que se rechaza la hipótesis nula de igualdad y puede inferirse que las proporciones de personas privadas de acceso a servicios básicos adecuados es diferente según el área de residencia.
Tabla 5B: Proporción de personas por condición de privación en servicios básicos y área de residencia
Es posible obtener una tabla cruzada de proporciones que incluya estadísticos que son reportados por el comando svy proportion, como es el error estándar y el intervalo de confianza de la estimación, para esto se ejecuta la Programación 5C. Como se observa en la Tabla 5C las estimaciones de proporciones y los estadísticos de prueba de independencia de las variables no cambian.
Programación 5C: Proporción de personas por condición de privación en servicios básicos y área de residencia
svy linearized : tabulate psbas HH6, column se ci
Tabla 5C: Proporción de personas por condición de privación en servicios básicos y área de residencia
Tarea
Estimar la proporción de privación del acceso a servicios básicos adecuados (incluyendo el error estándar e intervalo de confianza) de la población por sexo. Incluir en los servicios básicos el internet. Si realizas el cálculo correctamente los resultados deben coincidir con los mostrados abajo.
Te invitamos a continuar la serie de tutoriales. Puedes ver la ruta de aprendizaje recomendada en: https://escueladedatos.online/serie-de-tutoriales-conociendo-los-indicadores-de-pobreza-de-centroamerica/
Bibliografía
CEPAL. (2011). Propuesta de una nueva línea de pobreza para Panamá. Santiago de Chile: Naciones Unidas.
Ministerio de Economía y Finanzas. (2017). índice de Pobreza Multidimensional de Panamá: Año 2017. Ciudad de Panamá: Gobierno de la República de Panamá.
ONU. (2014). Objetivo de Desarrollo del Milenio – Cuarto Informe de Panamá 2014. Ciudad de Panamá.
OMS. (2012). Organización Mundial de la Salud. Obtenido de https://www.who.int/water_sanitation_health/monitoring/jmp2012/fast_facts/es/
Notas
1 Actualmente se han realizado dos mediciones de pobreza multidimensional para los años 2017 y 2018, los informes se encuentran disponibles en los siguientes links:
2 Esta es la última encuesta MICS disponible para Panamá. Se puede acceder a la base de datos desde la página de UNICEF, para lo cual se debe crear un usuario y solicitar acceso. Ver: http://mics.unicef.org/surveys
3 Ver “Unión de bases de datos” en Recursos complementarios. Link: https://escueladedatos.online/una-mirada-a-los-indicadores-de-pobreza-en-centroamerica-utilizando-stata-nicaragua/
4 Para mayores detalles al respecto ver “Declarando el diseño muestral” en Recursos complementarios. Link: https://escueladedatos.online/una-mirada-a-los-indicadores-de-pobreza-en-centroamerica-utilizando-stata-nicaragua/
5 Para mayores detalles sobre este punto el ver el Apéndice B: Diseño de la muestra, en la página 118 del Informe de resultados clave de la MICS 2013 de Panamá, disponible en: http://mics.unicef.org/surveys
6 Ver Hoja de información resumida JMP para Honduras.
7 Este cuestionario se encuentra disponible en: http://mics.unicef.org/surveys
8 Estos resultados coinciden con los reportados en el Informe de resultados claves de la MICS 2013 (ver página 7) que se puede descargar en: http://mics.unicef.org/surveys
Trackbacks/Pingbacks