Albán Salgado, Freddy Angel Junior

FACULTAD DE
NEGOCIOS
Carrera de Economía
“DETERMINANTES DE LA POBREZA MONETARIA

EN EL DEPARTAMENTO DE LA LIBERTAD, 2019”
Tesis para optar el título profesional de:
Economista
Autor:
Br. Freddy Angel Junior Albán Salgado
Asesor:
Mg. Marco Antonio Honorio Acosta
Trujillo - Perú
2020
DEDICATORIA
A la mujer que más amo, mi madre, Digna Susana Salgado Julca. Gracias por todas tus
enseñanzas y amor.
A los ángeles que me guían, mis abuelos: Susana, Marcos, América y Manuel.
A mi tía, Dionisia Encarnación Salgado Julca. Por brindarme siempre su apoyo y amor.
Albán Salgado, Freddy Angel Junior Pág. 2

AGRADECIMIENTO
A mi padre, Freddy Angel Albán Martínez, por siempre demostrarme su amor y

comprensión.
A las Sras. Maruja y Rosa Tejada y a toda la familia Tejada. Por su constante apoyo y
acogerme como parte de su familia.
A mi asesor: Marco Antonio Honorio Acosta, por su infinita dedicación y apoyo.

TABLA DE CONTENIDOS
DEDICATORIA ............................................................................................................................... 2
AGRADECIMIENTO ......................................................................................................... 3
ÍNDICE DE TABLAS ......................................................................................................... 6
ÍNDICE DE ECUACIONES .............................................................................................. 6
RESUMEN ........................................................................................................................... 8
CAPÍTULO I. INTRODUCCIÓN ..................................................................................... 9
1.1. Realidad problemática ................................................................................................. 9
1.2. Formulación del problema ......................................................................................... 31
1.3. Objetivos ...................................................................................................................... 31
1.3.1. Objetivo general ..................................................................................................... 31
1.3.2. Objetivos específicos.............................................................................................. 31
1.4. Hipótesis ...................................................................................................................... 31
1.4.1. Hipótesis general .................................................................................................... 31
CAPÍTULO II. METODOLOGÍA .................................................................................. 32
2.1. Tipo de investigación .................................................................................................. 32
2.2. Población y muestra ................................................................................................... 32
2.2.1. Población: ............................................................................................................... 32

2.2.2. Muestra: .................................................................................................................. 32
2.3. Técnicas e instrumentos de recolección y análisis de datos .................................... 32
2.4. Procedimiento ............................................................................................................. 32
2.5. Aspectos éticos ............................................................................................................ 35
CAPÍTULO III. RESULTADOS ..................................................................................... 39
3.1. Variables que impactan en la reducción de la pobreza ........................................... 39
3.2. Caracterización de la población pobre del departamento de La Libertad ........... 43
3.3. Estimación del modelo de regresión logística especificado ..................................... 44
CAPÍTULO IV. DISCUSIÓN Y CONCLUSIONES ..................................................... 46
4.1. Discusión ................................................................................................................... 46
4.2 Conclusiones ............................................................................................................. 49
REFERENCIAS ................................................................................................................ 51

ÍNDICE DE TABLAS
TABLA 1: MATRIZ DE CORRELACIÓN I ................................................................. 34
TABLA 2: MATRIZ DE CORRELACIONES II........................................................... 35
TABLA 3: MATRIZ DE OPERACIONALIZACIÓN DE VARIABLES.................... 36
TABLA 4: REGRESIÓN LOGÍSTICA .......................................................................... 39
TABLA 5: ODDS RATIO ................................................................................................. 41
TABLA 6: MARGINAL EFFECTS AFTER LOGIT..................................................... 42
TABLA 7: PORCENTAJE DE PREDICCIONES CORRECTAS POR EL MODELO
............................................................................................................................................. 43

ÍNDICE DE ECUACIONES
ECUACIÓN 1: MODELO DE POBREZA BAJO EL ENFOQUE DE ACTIVOS __ 26
ECUACIÓN 2: RELACIÓN ENTRE EL NIVEL DE GASTO Y CAPITAL
HUMANO, FÍSICO, PÚBLICO Y ORGANIZACIONAL______________________ 28
ECUACIÓN 3: ESPECIFICACIÓN DEL MODELO DE PROBABILIDAD DE SER
POBRE EN FUNCIÓN DEL CAPITAL HUMANO, FÍSICO, FINANCIERO,
PÚBLICO Y ORGANIZACIONAL ________________________________________ 28
ECUACIÓN 4: ESTIMACIÓN DEL MODELO LOGIT _______________________ 32
ECUACIÓN 5: REEXPRESIÓN DEL MODELO LOGIT COMO LOGARITMOS
DE LA RAZÓN DE PROBABILIDADES ___________________________________ 33
ECUACIÓN 6: ESTIMACIÓN DEL MODELO LOGIT INICIAL ______________ 33
ECUACIÓN 7: MODELO LOGIT ESTIMADO EN SU FORMA EXTENDIDA ___ 33
ECUACIÓN 8: MODELO ESPECIFICADO A REGRESIONAR _______________ 35
ECUACIÓN 9: ESTIMACIÓN DEL MODELO LOGIT ESPECIFICADO _______ 45

RESUMEN
La presente investigación, utilizando datos de la Encuesta Nacional de Hogares 2019,
determinó, a través de un modelo de regresión logística y bajo el enfoque de activos, las
variables determinantes de la pobreza en la región La Libertad en el año 2019. El
procedimiento utilizado implicó el uso del análisis de correlación de las variables
explicativas para seleccionar un set estas que permita superar un potencial problema de
multicolinealidad en la regresión logística a estimar. Las variables que explicaron de manera
significativa el nivel de pobreza fueron: número de integrantes del hogar, acceso a conexión
de agua por red pública, acceso a electricidad, acceso a teléfono fijo o celular, años de
educación del jefe de hogar, condición de inclusión financiera del jefe de hogar, sexo y edad
del jefe de hogar.
Concretamente, de los resultados hallados, entre los más importantes se observa que pasar
de no disponer a disponer teléfono reduce la probabilidad en 36.0% y, el hecho de que el
hogar pase a tener un jefe de hogar con una cuenta en el sistema financiero la reduce en
15.5%.
Palabras clave: pobreza, logit, multidimensionalidad
8
CAPÍTULO I. INTRODUCCIÓN
1.1. Realidad problemática
La pobreza constituye una de las principales motivaciones en la elaboración de
políticas públicas, principalmente, por que la reducción de esta incide en la mejora de la
calidad de vida de las personas. El Banco Mundial (BM) define la pobreza como: “un
fenómeno multidimensional, que incluye incapacidad para satisfacer las necesidades
básicas, falta de control sobre los recursos, falta de educación y desarrollo de destrezas,
deficiente salud, desnutrición, falta de vivienda, acceso limitado al agua y a los servicios
sanitarios, vulnerabilidad a los cambios bruscos, violencia y crimen, falta de libertad
política y de expresión"
Según las estimaciones del BM, en el año 2020, las personas en condición de
pobreza extrema [El BM define que una persona en condición de pobreza extrema es
aquella que vive con 1.9 USD/día o menos] se incrementarán entre 88 y 115 millones.
Del mismo modo, dependiendo de la magnitud de la crisis económica generada por la
pandemia del COVID-19, la tasa de pobreza extrema mundial se ubicaría entre 9.1% y
9.4% en el año 2020.
En Perú, el Instituto Nacional de Estadística e Informática (INEI) señala qué: “la
pobreza es una condición en la cual una o más personas tienen un nivel de bienestar
inferior al mínimo socialmente aceptado. En una primera aproximación, la pobreza se
asocia con la incapacidad de las personas para satisfacer sus necesidades básicas de
alimentación. Luego, se considera un concepto más amplio que incluye la salud, las
condiciones de vivienda, educación, empleo, ingresos, gastos, y aspectos más extensos
como la identidad, los derechos humanos, la participación popular, entre otros”1.
1
Disponible en https://www.inei.gob.pe/media/MenuRecursivo/metodologias/pobreza01.pdf

Asimismo, el INEI señala que existen tres métodos de medición de la pobreza, los
cuales son: el método de la Línea de Pobreza (LP), método de las Necesidades Básicas
Insatisfechas (NBI) y el método de medición integrado. Cabe resaltar que estos métodos
prestan atención a diferentes aspectos de la pobreza, por lo cual los resultados que
deriven de estos enfoques no necesariamente coinciden para una misma población.
El método de la Línea de Pobreza se enfoca en la dimensión económica de la
pobreza, utilizando el gasto o ingreso como medida del bienestar. Así, este método
compara el ingreso o gasto [El INEI señala explícitamente que la medición a través del
gasto es la más acertada pues permite evaluar lo que el hogar consume realmente, a
diferencia de la medición a través del ingreso que evalúa lo que el hogar podría
consumir potencialmente] per cápita de un hogar con el valor de la línea de pobreza
determinada (canasta mínima de consumo). Por su parte el método de las Necesidades
Básicas Insatisfechas presta atención a indicadores estructurales de la pobreza [Los
indicadores son: viviendas con características físicas inadecuadas, hogares en
hacinamiento, hogares con al menos un niño que no asiste a la escuela, hogares con el
jefe de hogar con primaria incompleta y hogares con tres personas o más por perceptor
de ingreso], por lo que resulta no ser sensible a los cambios coyunturales de la economía;
para este caso, se determina la cantidad de NBI en cada hogar y se presenta la proporción
de la población con al menos una NBI. Este método permite evaluar pobreza de manera
multidimensional, dado que incorpora aspectos sociales. Finalmente, el método de
medición integrado, presenta una combinación de los métodos de la línea de pobreza y
las necesidades básicas insatisfechas. A través de este método se clasifica a la población
en cuatro grupos: pobres crónicos [Población con limitaciones de acceso a las
necesidades básicas y que a la vez tienen ingresos o gastos por debajo de la línea de
pobreza], pobres recientes [Población con necesidades básicas satisfechas, pero con

ingresos o gastos por debajo de la línea de pobreza], pobres inerciales [Población con
la menos una necesidad básica insatisfecha, pero sin problemas de ingreso o gasto] e
integrados socialmente [Población con necesidades básicas satisfechas y sin problemas
de ingreso o gasto].
El Instituto Nacional de Estadística e Informática, reportó que, en el año 2019, el
porcentaje de la población en condición de pobreza monetaria se situó en 20.2%,
disminuyendo 0.3% respecto al año 2018. Del mismo modo, en los últimos años se ha
registrado una moderación en la tasa de crecimiento (disminución) de la pobreza
monetaria (Ver Anexo 1). En el periodo 2004 – 2019, la tasa de incidencia de la pobreza
monetaria como porcentaje de la población se ha reducido, en promedio, 2.4% por año
aproximadamente, pasando de 58.7% en 2004 a 20.2% en 2019.Asimismo, para el año
2019, según la Encuesta Nacional de Hogares (ENAHO) se le atribuye ciertas
condiciones a la población en condición de pobreza, entre ellas, se menciona que el
78.9% de los hogares en situación de pobreza accedió al servicio de agua mediante red
pública y el 46.4% al servicio de desagüe mediante red pública y que, del total de la
población pobre, el 94.7% tuvo empleo informal.
Según dominio geográfico, se encuentra que, en la costa (sin incluir Lima
Metropolitana), la población en condición de pobreza monetaria representó alrededor del
13.7% del total; por su lado, en la sierra, esta cifra asciende a 29.3%; así también, en la
Selva, la cifra se situó en 25.8% Finalmente, la población en condición de pobreza de
Lima Metropolitana representa el 14.2% de su población.En la región La Libertad, en
2019 (Ver Anexo 2), se registró que, del total de su población, el 24.7% se encontraba
en condición de pobreza monetaria, ubicándose así en el puesto once (11) respecto del
resto de departamentos. Del mismo modo, el porcentaje de hogares en condición de
pobreza monetaria ascendió a 21.1%, situando a La Libertad en el cuarto rango (Ver

Anexo 3) de 21.1% a 24.7%. Asimismo, en el mismo periodo se tiene que el 90.3% de
los hogares de La Libertad disponen de conexión de agua por red pública, el 71.5%
cuentan con conexión al servicio de alcantarillado por red pública, 96.9% disponen de
conexión a energía eléctrica y el 93.8% cuentan con teléfono (fijo o celular).
Dentro de las principales características de los miembros del hogar, La Libertad,
en el año 2019 registró que el 83.9% de los jefes de hogar eran mayores de 60 años y
70.1% de estos eran varones. Asimismo, para el mismo año, la ENAHO 2019 muestra
que, en los hogares de la Libertad, 35.1% de los jefes de hogar son mujeres mayores de
60 años.
Se presentan los siguientes antecedentes que configuran esta investigación:
El Instituto Nacional de Estadística e Informática (2011) desarrolló un documento
titulado “Perú, determinantes de la pobreza, 2009” en el cual se presenta un marco
general para la aplicación del modelo de regresión de probabilidad logística (en adelante
logit) en la determinación de los factores que influyen en reducción de la pobreza a nivel
nacional, urbano y rural. Asimismo, dentro de dicho documento, haciendo alusión a la
Comisión Económica para América Latina y el Caribe (CEPAL), resaltan que el
tradicional enfoque monetario de medición de la pobreza no permite explicar el acceso
efectivo a los bienes y servicios fundamentales y, en consecuencia, “revela solo
parcialmente el impacto de la disponibilidad monetaria sobre el bienestar”. Esto,
concuerda con la multidimensionalidad de la pobreza pues además de incluir la falta de
ingresos, incide en la privación de oportunidades, posibilidades de trabajar y realización
de su potencial físico y mental.
Del mismo modo, en esta publicación se estima un modelo de regresión logit que
mide la probabilidad de que un hogar sea pobre relacionándola causalmente con seis (6)

categorías de variables exógenas: Características del hogar, características individuales,
capital físico privado, capital físico público, capital institucional y capital social. Entre
los principales hallazgos a nivel nacional, este estudio encontró que el tamaño del hogar
(número de miembros) aumenta la probabilidad de que el hogar sea pobre [Esto se ve
con mayor contraste al comparar hogares con un mismo nivel de ingresos, pero diferente
tamaño]; en el aspecto laboral, el estudio determinó que el jefe de hogar con un empleo
de mala calidad [Este estudio discriminó la condición de empleo de buena o mala calidad
a partir de los ingresos provenientes de la actividad realizada por el jefe de hogar en el
periodo de estudio] aumenta la probabilidad de ser pobre; dentro de la misma categoría
de variables, la investigación encontró que cuando el jefe de hogar cuenta con dos
ocupaciones, la probabilidad de ser pobre aumenta en 25.2% [Según el INEI, este
resultado, contrario a lo esperado, podría estar asociado al tipo de inserción laboral y
más concretamente a la calidad del empleo y niveles salariales. Así entonces, se
evidencia que no basta con tener un empleo, este tiene que ser de calidad para frenar la
pobreza].
En contraste, la investigación encontró una relación inversa entre el número de
perceptores de ingreso [Personas mayores de 14 años que aportan a la economía del
hogar] y la condición de pobreza del hogar. En relación al sexo del jefe de hogar, esta
variable no influyó en la reducción de la pobreza, en tanto que, a mayor edad del jefe de
hogar, la probabilidad de ser pobre disminuye [Según el INEI, este resultado es
razonable, dado que cuanto más joven es el jefe de hogar, menor será su capacidad de
generar ingresos, en razón de un menor stock de capital humano acumulado]. Otra
variable que mostró una relación inversa respecto a la probabilidad de que el hogar sea
pobre fue el capital humano del jefe de hogar, expresado como el número de años de
estudio [El INEI, dada la evidencia empírica, señala que, ante la falta de propiedad

sobre los medios de producción, la educación constituye uno de los factores
condicionantes fundamentales del tipo de ocupación y, en efecto, del nivel de ingresos
de los jefes de hogar]. En referencia al capital físico privado [Propiedad sobre la tierra
como medio de producción], el estudio encontró una relación inversa respecto a la
probabilidad de que el hogar sea pobre, pues la probabilidad de pobreza se reduce en
25.5%; asimismo, la investigación encontró que la posesión y utilización de activos
microempresariales como fuente generadora de ingresos disminuye la probabilidad de
pobreza en 54.2%.
Abordando el acceso a servicios básicos de la vivienda, por un lado, el estudio
encontró que disponer de energía eléctrica disminuye la probabilidad de ser pobre [Esto
se da en razón de las oportunidades que el uso productivo de la energía ofrece] al igual
que el disponer de teléfono fijo o celular. En lo concerniente a la dimensión de capital
institucional (título de propiedad de la vivienda), el estudio detectó que reducía la
probabilidad de ser pobre. Finalmente, otro hallazgo de este estudio, determinó que
cuando los hogares disponen de capital social [Según el INEI, el capital social hace
alusión a las relaciones que los hogares establecen en sus actividades económicas que
no son de mercado y están basadas en confianza, cooperación y reciprocidad]
(expresado a través de pertenencia a una red o asociaciones), la probabilidad de que los
hogares sean pobres, disminuye.
En lo que refiere a los análisis marginales [Entiéndase efecto marginal como el
cambio discrecional de la variable dummy cuando pasa de 0 a 1], por un lado, el estudio
indica que las variables con mayores efectos sobre la reducción de la probabilidad de que
el hogar sea pobre resultaron ser: Posesión de activos empresariales, activos públicos y
capital social. Se resalta que contrariamente a lo esperado, el efecto marginal del capital
humano, es relativamente menor a los mencionados anteriormente, pues ante cambios de

una unidad en los años de estudio del jefe de hogar, la probabilidad de que el hogar sea
pobre se reduce en solo 1.7%. Por otro lado, los efectos marginales indican que, si
empleo del jefe de hogar es de mala calidad, mayor es el tamaño del hogar o mayor es el
número de ocupaciones del jefe de hogar, entonces mayor es la probabilidad de ser pobre.
Este antecedente es importante porque configura para la presente investigación un
marco aplicativo del modelo logit en la determinación de los factores, bajo el enfoque de
activos, que influyen en la probabilidad de ser pobre. Además, provee a la investigación
de variables a considerar, así como un ejemplo de modelamiento.
La investigación titulada “Contribución de la disponibilidad de servicios públicos
a la reducción de la pobreza en La Libertad (2012)” desarrollada por Rumiche (2014),
analiza el impacto del acceso a servicios públicos (agua potable, desagüe, electricidad y
telefonía) en la probabilidad de que los hogares de la Libertad sean pobres en el año
2012. Para dicho fin, el autor especifica un modelo logit, utilizando datos de corte
transversal provenientes de la ENAHO 2012. Entre sus principales resultados, se observa
que el modelo especificado muestra los signos esperados para las variables
disponibilidad de desagüe, disponibilidad de electricidad y disponibilidad de teléfono,
sin embargo, y, contrariamente a lo esperado, la variable disponibilidad de
abastecimiento de agua por red pública muestra una relación directa2 con la probabilidad
de ser pobre. Del mismo modo, la investigación señala que cuando el jefe de hogar es
mujer, la variable disponibilidad de abastecimiento de agua por red pública disminuye la
probabilidad de ser pobre.
En lo referente al análisis marginal, este estudio encuentra que la variable con
mayor efecto marginal en la reducción de la probabilidad de que el hogar sea pobre es la
2
Una relación directa indica que, ante un aumento o disminución de la variable independiente, la variable dependiente también lo hará en
el mismo sentido

disponibilidad de teléfono (11.9%), seguido por la disponibilidad de electricidad (11.3%)
y disponibilidad de desagüe (7.0%). La importancia de este antecedente reside en el
hecho de que, para una misma población, pero en un periodo distinto, configura variables
a considerar en la presente investigación.
La autora Julca (2015) presenta la tesis titulada “Crecimiento económico y pobreza
en el Perú: un análisis de datos de panel para el periodo 2004-2013”, en ella se analiza
la relevancia del crecimiento económico [En la investigación se define el crecimiento
económico como la capacidad de una economía de producir más bienes y servicios]
regional en la reducción de los niveles de pobreza monetaria (variable endógena), dada
la importancia de factores adicionales como el gasto social, desempleo, desarrollo
financiero e inversión pública productiva. Esta investigación utiliza como indicador de
la pobreza la tasa de incidencia de la pobreza total; como indicador del crecimiento
económico, utiliza el Producto Bruto Interno (PBI) per cápita (pc); como indicador del
Gasto Social (GS), utiliza el GS total pc, el cual viene dado como la suma del GS en
educación pc y el GS en salud y saneamiento pc; como indicador del Desempleo (DES),
utiliza la tasa de desempleo; como indicador del Desarrollo Financiero (DF), utiliza los
créditos (CIMF) y depósitos de las instituciones microfinancieras (DIMF); finalmente,
como indicador de la inversión pública productiva (IPP), el estudio utiliza la inversión
pública en el sector agricultura y la inversión pública en el sector transporte.
Para analizar el impacto de las variables explicativas definidas sobre la variable
endógena, la autora especifica cuatro modelos econométricos bajo la metodología de
datos panel. En el primer modelo, dentro del set de variables exógenas considera el PBI
pc, GS, DES, CIMF e IPP; en el segundo, considera el PBI pc, GS desagregado en GS
en educación pc y GS en salud y saneamiento pc, DES, CIMF e IPP desagregado en IPP
en agricultura y IPP en transporte; en el tercer modelo, considera el PBI pc, GS, DES,

DIMF e IPP; finalmente, en el cuarto, considera el PBI pc, GS desagregado en GS en
educación pc y GS en salud y saneamiento pc, DES, DIMF e IPP desagregado en IPP en
agricultura y IPP en transporte. Asimismo, tanto la variable endógena como las exógenas
fueron expresadas en logaritmos [Esta forma de expresión permite una interpretación
de los coeficientes más precisa y directa debido a que representan elasticidades, es
decir, indican la respuesta porcentual de la variable endógena ante una variación
porcentual de cualquiera de las variables explicativas].
Entre los principales hallazgos de esta investigación, se encontró que los cuatro
modelos estimados presentan los signos esperados, al respecto, el PBI pc presenta una
relación inversa con el nivel de pobreza; el GS también presenta un impacto favorable
en la reducción de la pobreza, similar es el resultado para el caso del GS en salud y
saneamiento pc, sin embargo, en lo referente al GS en educación pc, el signo encontrado
es positivo; para el caso del desempleo, se presenta una relación positiva con la pobreza;
por el lado del desarrollo financiero, la investigación encuentra que esta variable se
relaciona de manera inversa con la pobreza y que existe una relación inversa entre la IPP
y la pobreza; sin embargo, al desagregar los componentes de la IPP, se halla una relación
positiva entre la pobreza y la IPP en agricultura, caso contrario al relacionar la pobreza
con la IPP en transporte. Esta investigación nos brinda un marco macro de los
determinantes de la pobreza, además de un primer aproximamiento con una variable
proxy de la inclusión financiera, configurando una variable a considerar.
El trabajo desarrollado por Yupanqui e Infante (2015) titulado “Determinantes
microeconómicos de la pobreza en el Perú: un modelo econométrico Logit”, especifican
cuatro modelos [Las autoras consideran cinco modelos más que no fueron tomados en
cuenta para el presente análisis] de regresión logística en los cuales se plantea como
variable endógena la condición de pobreza del hogar.

En el primer modelo, las autoras especifican una regresión logit utilizando
variables explicativas como sexo, estado civil y edad del jefe de hogar además del
número de miembros del hogar. Los resultados de esta primera regresión muestran, por
un lado, que, si el jefe de hogar es varón, conviviente o viudo, la probabilidad de que el
hogar sea pobre se incrementa, asimismo, la edad del jefe de hogar y el número de
miembros del hogar también muestran una relación directa con la probabilidad de ser
pobre. Por otro lado, cuando el jefe de hogar es casado, divorciado o separado, la
probabilidad de que el hogar sea pobre se ve disminuida.
En el segundo modelo, las autoras especifican una regresión que utiliza como
variable explicativa el nivel educativo del jefe de hogar. Los resultados de esta segunda
regresión muestran que a medida que el jefe de hogar cuenta con un mayor nivel
educativo, la probabilidad de que el hogar sea pobre, disminuye.
En el tercer modelo, las autoras especifican una regresión que utiliza como variable
explicativa el tipo de centro educativo en el que estudió el jefe de hogar. Los resultados
de esta tercera regresión muestran que el jefe de hogar que estudió en una institución
estatal, aumenta las probabilidades de que el hogar sea pobre.
En el cuarto modelo, las autoras especifican una regresión que utiliza como
explicativa la localización geográfica del hogar; los resultados muestran que cuando el
hogar está localizado en Lima, la probabilidad de ser pobre disminuye. Asimismo, se
observa que la probabilidad de ser pobre es mayor cuando el hogar está ubicado en la
sierra.
Esta investigación, nos aporta un ejemplo de modelamiento en el cual se reduce la
pérdida de datos, obteniendo un mayor número de grados de libertad.

La autora Samamé (2020) realizó una investigación titulada “Determinantes
microeconómicos de la pobreza en el Perú: Elaboración modelo econométrico –
ENAHO 2017”. Esta investigación especificó un modelo logit tomando como variable a
explicar la pobreza y como variables explicativas el número de hijos, disponibilidad de
servicio eléctrico (electricidad), número de años de estudio del jefe de hogar (educación)
y disponibilidad de servicios higiénicos (servicios higiénicos). Entre los principales
hallazgos se encontró, por un lado, que la variable cantidad de hijos presenta una relación
directa con la probabilidad de ser pobre; por otro lado, las variables electricidad,
educación y servicios higiénicos se relacionan de manera inversa con la probabilidad de
ser pobre. Asimismo, el análisis marginal indica que la variable que presenta un mayor
efecto sobre la probabilidad de ser pobre es servicios higiénicos. Sin embargo, se
considera que los resultados de esta investigación no son consistentes en la medida que
se detectó que en el proceso de inferencia no se consideró el factor de expansión [El INEI
reconoce que para que las estimaciones derivadas de la ENAHO sean representativas a
nivel de población, es necesario multiplicar los datos de cada observación muestral por
el factor de expansión calculado según diseño muestral] de los módulos utilizados.
investigación citada, nos aporta un modelamiento basado en el enfoque de activos,
configurando así, variables a considerar.
Los autores Quispe y Roca (2019) desarrollaron la investigación titulada
“Determinantes de la pobreza en el Perú bajo el enfoque de activos”. El trabajo utiliza
información de la ENAHO 2009, 2011 y 2016 y especifica tres modelos (uno para cada
año) en los que toma como variable dependiente la pobreza monetaria (expresada de
forma binaria) y como variables explicativas la disponibilidad de agua, servicios
higiénicos, de electricidad y de teléfono, título de propiedad de la vivienda, educación
del jefe de hogar, idioma o lengua materna del jefe de hogar, número de miembros del

hogar y el número de habitaciones de la vivienda. Entre los principales resultados se
encontró que para los tres años de estudio los coeficientes de la regresión eran los
esperados. Respecto a los efectos marginales, se encontró que del conjunto de variables
que reducían en gran medida la probabilidad de ser pobre; la variable que más impacta
es la disponibilidad de electricidad (-37.5% en 2009, -28.8% en 2011 y -16.5% en 2011),
otra variable que reduce dicha probabilidad es la disponibilidad de agua (-10.3% en 2009,
-10.0% en 2011 y -0.9% en 2016). Este trabajo configura factores a considerar por la
presente investigación, ejemplo de modelamiento, así como un reforzamiento del marco
teórico.
El trabajo titulado “Características y determinantes de la pobreza en la región
Piura a partir de la encuesta ENAHO 2013” desarrollado por Ortiz (2014) presenta los
determinantes de la pobreza en la región Piura a nivel regional, urbano y rural. El autor
especifica doce modelos, seis logit y seis probit, en los cuales determina la probabilidad
de ser pobre (monetario y con necesidades básicas insatisfechas) en función de las
variables de la categoría activos humanos: tamaño del hogar, perceptores de ingresos,
sexo del jefe de hogar, edad del jefe de hogar, años de estudio del jefe de hogar, calidad
de empleo del jefe de hogar, número de ocupaciones del jefe de hogar; de la categoría
activos físicos privado: tenencia de tierras, posesión de activos empresariales, tenencia
de internet; capital físico público: disponibilidad de agua, disponibilidad de servicios
higiénicos, disponibilidad de energía eléctrica, tenencia de teléfono; de la categoría
activo institucional: propiedad de la vivienda y de la categoría activo social: posesión de
activos sociales.

Entre los resultados del modelo logit3, a nivel regional, por un lado, las variables
explicativas que presentan una relación inversa con la variable dependiente son: número
de perceptores, edad, años de estudio del jefe de hogar, disponibilidad de servicios
higiénicos, título de propiedad de la vivienda, tenencia de activos empresariales y
tenencia de internet; por otro lado, las variables que denotan una relación directa con la
variable dependiente son el tamaño del hogar y la calidad de empleo del jefe de hogar.
Esta investigación hizo un análisis comparativo del grado de ajuste del modelo logit y
probit, concluyendo que el modelo probit se ajustaba mejor, soslayando la influencia de
cada una de las variables mencionadas en el párrafo anterior sobre la probabilidad de ser
pobre. Particularmente, esta investigación nos permite apreciar que a pesar de especificar
dos tipos de modelos (logit y probit), no se encuentran diferencias significativas entre
los resultados que estos nos dan, reafirmando así la consideración inicial de utilizar un
modelo de regresión logística.
Por último, en el ámbito nacional, la Asociación de Bancos del Perú (2018) elaboró
el estudio “La inclusión financiera como determinante de la reducción de la pobreza en
el Perú: un análisis a nivel departamental” en el cual determina un modelo para el
periodo 2007-2015 que toma como variable endógena el nivel de pobreza departamental
basado en Mínimos Cuadrados Balanceados con efectos fijos y como variables exógenas
considera las variables (i) inclusión financiera, (ii) nivel de educación, (iii) tasa de
empleo, (iv) crecimiento económico, (v) acceso a los servicios de salud, (vi) grado de
penetración de la tecnología y (vii) gasto del Estado en programas sociales.
Entre los resultados del modelo se tiene que, como era esperado, el grado de
inclusión financiera guarda una relación inversa con el nivel de pobreza; similar es el
3
Para el presente análisis nos centramos en los resultados obtenidos del modelo logit que determina la probabilidad de ser pobre monetario
en función de las variables explicativas mencionadas a nivel regional.

caso para la variable ingreso per cápita. En lo que concierne a la tasa de empleo, se
encuentra el signo esperado (negativo) aunque con un nivel bajo. Respecto a la variable
tasa de analfabetismo, el modelo determinó nuevamente el signo esperado y, en efecto,
una relación directa con el nivel de pobreza. Por último, respecto a las variables gasto
del Estado en programas sociales y acceso a los servicios de salud se encuentran los
signos esperados (negativos) aunque solo la primera variable responde con la
significancia esperada.
El estudio concluye postulando que la inclusión financiera ha sido un importante
factor en la lucha para palear la pobreza a nivel departamental. Asimismo, indica que
para la reducción del nivel de pobreza en el periodo 2007-2015 han estado inmersos otros
factores como el crecimiento económico, nivel educativo, gasto del Estado en programas
sociales. El aporte de esta investigación resulta muy importante, al recomendar que la
inclusión financiera debe ser medida como la población que dispone de una cuenta en el
sistema financiero, nos brinda un sustento para la inclusión de esta variable bajo ese tipo
de medición en nuestro modelo, permitiéndonos así ser una de las primeras (si no la
primera) investigaciones en incluir en un modelo de pobreza bajo el enfoque de activos,
la variable inclusión financiera bajo dicha condición.
En el ámbito latinoamericano, las autoras Torres, Jiménez y Luzardo (2017)
desarrollaron la investigación titulada “Determinantes de la pobreza en Venezuela y
Colombia: Estudio comparativo 2010 – 2014”, en la cual, a través de un modelo logit,
evaluaron y compararon los principales determinantes microeconómicos de la pobreza
en Venezuela y Colombia para el periodo 2010-2014. Para poder comparar los
resultados, las autoras utilizan la pobreza monetaria como variable dependiente. Por un

lado, entre los principales resultados del modelo logit4 para Colombia, el estudio indica
que la razón de probabilidad (odds ratio) de que un hogar sea pobre cuando el jefe de
hogar es mujer es 3.5 veces más que en los hogares en los que el jefe de hogar es hombre;
respecto al nivel educativo del jefe de hogar, las autoras indican que, a medida que este
aumenta, la probabilidad de que el hogar sea pobre disminuye; en lo concerniente al
número de hijos, a medida que estos aumentan, la probabilidad de ser pobre, también
aumenta; finalmente, en relación al acceso a electricidad, se halló una relación inversa
con la variable dependiente. Por otro lado, los principales resultados del modelo logit
para Venezuela indican que es casi dos (2) veces más probable que el hogar sea pobre si
la jefatura está a cargo de una mujer; respecto al nivel educativo del jefe de hogar, se
observa un comportamiento similar al hallado para Colombia; en Venezuela, a diferencia
de Colombia, a medida que aumenta la edad del jefe de hogar, aumenta la probabilidad
de que el hogar sea pobre y que la disponibilidad de teléfono y electricidad disminuyen
la probabilidad de ser pobre.
El estudio concluye afirmando que el contar con un jefe de hogar mujer aumenta
la probabilidad de ser pobre. Además, especifica que los hogares cuyo jefe es
desempleado presentan una mayor probabilidad de ser pobres. Asimismo, las autoras
indican que un bajo nivel educativo es uno de los rasgos distintivos de la población pobre.
Y que disponer de ciertos activos como casas o departamentos reduce la probabilidad de
ser pobre en términos monetarios en comparación con aquellas familias que habitan
viviendas con precarias condiciones. Así entonces, este antecedente nos permite
visualizar el comportamiento de ciertas variables a considerar en nuestra investigación,
pero en territorios distintos.
4
El trabajo presenta tres modelos logit para cada país (2010, 2012 y 2014). Asimismo, debido a la disponibilidad de los datos utilizados
para la especificación, estos corresponden al primer semestre de cada año de estudio y, en efecto, los resultados también corresponden a
dichos periodos.

El trabajo “Factores determinantes de la pobreza en base a un modelo logístico”,
desarrollado por Teitelboim (2005), determinó dos modelos de regresión logística, uno
para el área rural y otro para el área urbana de Chile. En ambos modelos utilizó como
variable dependiente la pobreza monetaria y como exógenas utilizó variables de las
categorías geográficas, demográficas, mercado laboral, educación, vivienda, ingresos,
patrimonio.
Entre los resultados se encontró, por un lado, que en el área urbana las variables
que incrementan la probabilidad de ser pobre son el número de personas por hogar y la
pertenencia o descendencia del jefe de hogar de algún pueblo originario; en contraste,
las variables escolaridad, edad, actividad del jefe de hogar, tenencia de activos como
lavadora, teléfono, videocámara, microondas, calefón y conexión televisión cable,
reducen la probabilidad de que un hogar sea pobre. Por otro lado, en el área rural, al igual
que en el área urbana, un mayor número de miembros en el hogar incrementa la
probabilidad de que el hogar sea pobre; en oposición, las variables que disminuyen dicha
probabilidad son los años de escolaridad del jefe de hogar y que su condición en el
mercado laboral sea de ocupados o inactivos. Respecto a la tenencia de activos, se indica
que el único bien que discrimina entre ser pobre o no, en la zona rural, es la tenencia de
refrigerador.
La autora Guevara (2019) realizó la investigación “Determinantes de la pobreza
en Tungurahua”5: Una comparación entre modelos logit y probit”, en la cual tomando
datos de la Encuesta Nacional de Empleo, Desempleo y Subempleo (ENEMDU) 2018,
especifica un modelo logit y uno probit con el fin de identificar los determinantes de la
pobreza en función de variables categorizadas en etnia, educación, trabajo y seguridad
5
Tungurahua es una de las 24 provincias que conforman la República de Ecuador.

social. Entre los principales resultados del modelo logit, el autor halla que el ser afro
ecuatoriano, analfabeto, artesano u operario incrementan la probabilidad de ser pobre;
en contraste, el autor determina que el no asistir a clases reduce la probabilidad de ser
pobre [A primera impresión esto resulta ilógico, sin embargo, argumenta que esta
relación haría referencia a la inasistencia oportuna.]. Asimismo, otra variable que
disminuye la probabilidad de ser pobre es el subempleo por falta de tiempo de trabajo,
reduciendo dicha probabilidad en 9.32%. Esta investigación, permite introducir análisis
sobre el comportamiento de ciertas variables que a primera impresión resultan ilógicos.
Por último, los autores Muñeton & Gutiérrez, Alderid (2017) desarrollaron la
investigación “Pobreza y enfoque de capacidades: un caso de estudio en el programa
de superación de la pobreza extrema en Medellín, Colombia”, la cual centra su atención
en el enfoque de capacidades (la cual introduce los cimientos de la discusión sobre las
diferentes dimensiones que comprende la pobreza). En este estudio descriptivo se utilizó
como muestra 23 hogares pertenecientes al programa “Medellín Solidaria” y centra su
atención en evidenciar los aspectos de la vida que son más valorados por las personas
integrantes del programa. Asimismo, los autores consideran que la pobreza es una
expresión de la capacidad para lograr funcionamientos [Los autores definen
funcionamientos como el conjunto de estados de la vida, de formas del ser y el hacer,
llamado “vector de funcionamientos”] valiosos. La metodología que utilizaron fue una
entrevista semi-estructurada a los que se denominaron como responsables del hogar;
además la aplicación de dos grupos focales con los representantes de los hogares. Ambos
instrumentos sirvieron como abordaje de temas relacionados a aspiraciones, logros,
expectativas y restricciones para lograr sus metas.

Entre los resultados6 se evidencia que en lo referente a la dimensión vivienda, esta
se configura como un indicador de la calidad de vida, además de uno de los anhelos más
mencionados por los entrevistados. Asimismo, respecto a la vivienda, los resultados
valoraron la representación material de esta es el medio indiscutible para sentirse menos
pobres. En lo concerniente a la dimensión educación de los hijos, los resultaron
exhibieron que el estar educado se valora como un funcionamiento que permite dejar
atrás las condiciones de pobreza; los entrevistados aspiran a una buena educación para
los hijos y a la vez sale a relucir que una gran restricción para su acceso son los costos
de la misma, percibiéndose como una aspiración de difícil alcance. Los resultados de la
dimensión empleo muestran que las personas pobres anhelan un empleo digno, de buena
calidad y estable.
Finalmente, el estudio concluye que entre las valoraciones más importantes se
evidenciaron el estar protegido, saludable, educado, contar con una familia y participar
del mercado de trabajo. Como era de esperarse, los autores concluyen que el recurso
vivienda connota la seguridad que busca una persona en condición de pobreza para eludir
la categoría pobre.
A continuación, se esbozan las principales bases teóricas de la presente
investigación:
El enfoque de activos fue introducido por Attanasio y Székely (2001) en la
publicación del libro “Portrait of the poor: an assets-based approach”. En este, a partir
de un análisis de estudios de casos en: Bolivia, Brasil, Chile, Colombia, Costa Rica y
Perú, los autores examinan la pobreza como un problema estructural, haciendo hincapié
en por qué los pobres tienen menores ingresos. Del mismo modo, hacen mención que el
6
Los resultados muestran 5 dimensiones, sin embargo, para el presente análisis se tomaron en cuenta solo 3

enfoque más utilizado para medir la pobreza en aquel entonces (enfoque monetario) no
era el más adecuado, dado que este enfoque conducía a diseñar políticas orientadas a
aumentar los ingresos, las cuales estaban direccionadas a las consecuencias y no a las
causas de la pobreza. En ese sentido, postulan que los ingresos son una función de 4
elementos: (i) los activos generadores de ingresos de cada individuo; (ii) la tasa de
utilización de estos activos para producir ingresos; (iii) el valor de mercado de los activos
generadores de ingresos en posesión; y (iv) transferencias independientes de los activos
generadores de ingresos en posesión. A partir de estos elementos, el enfoque de activos
indica que el ingreso per cápita de las familias se puede expresar como:
∑𝑗𝑖=1 ∑𝑙𝑎=1(𝐴𝑎,𝑖 𝑅𝑎,𝑖 𝑃𝑎 ) + ∑𝑘𝑖=1 𝑇𝑖 (1)

𝑦𝑖 =
𝑛
donde y es el ingreso per cápita del hogar i, A es el stock de activos del tipo a del
individuo i, R representa la tasa de utilización de dicho activo por el individuo i, P es el
valor de mercado unitario del activo de tipo a, finalmente T representa las transferencias
recibidas por el individuo i, j representa el número de perceptores de ingresos del hogar
al que el individuo i pertenece, l es el número de diferentes tipos de activos y k es el
número de individuos del hogar que reciben transferencias mientras que n es el tamaño
del hogar al que el individuo i pertenece. A través de esta especificación, el enfoque de
activos separa los elementos de corto (𝑇𝑖 ) y largo (𝐴, 𝑅 𝑦 𝑃) plazo de la pobreza; además,
se afirma que las políticas orientadas a 𝑇𝑖 son útiles en la medida que estén direccionadas
a contrarrestar ciertos shocks temporales que limiten la capacidad de acumulación de
activos por parte los hogares.
Asimismo, el enfoque de activos cataloga A en tres tipos de activos: (i) capital
humano, (ii) capital físico y (iii) capital social. El capital humano hace alusión al set de
habilidades que se necesitan para producir un bien o servicio; el capital físico, al valor

monetario de los activos financieros, posesión de dinero, propiedades, y stock de capital
usado para producción; el capital social, según Putnam (1993), se refiere al set de normas
y redes sociales que facilitan la acción colectiva entre individuos.
El caso de estudio analizado para Perú en la concepción del enfoque de activos,
llamado “Distribution, access and complementary: capital of the poor in Peru”, a través
del análisis estadístico, determina la relación entre activos, retornos y pobreza. Este
análisis indica que dependiendo del marco conceptual que se utilice, los determinantes
de la pobreza pueden verse como la relación entre poseer o acceder a ciertos activos. Los
autores, asumiendo que los hogares son productores que maximizan beneficios sujetos a
las restricciones tecnológicas habituales y, que los consumidores maximizan su bienestar
optimizando su consumo y decisiones de trabajo dado un nivel de ganancias obtenidas;
establecen la relación entre la posesión o acceso a activos por parte de los hogares y su
nivel de gasto a través de la siguiente ecuación:
Ecuación 2: Relación entre el nivel de gasto

𝐺 = 𝐺(𝑝; 𝐴) = 𝐺(𝑝; 𝐴ℎ𝑢𝑚físico,
y capital humano,
, 𝐴𝑓𝑖𝑠 , público
𝐴𝑓𝑖𝑛 , 𝐴𝑝𝑢𝑏,𝑜𝑟𝑔
y
) (2)
organizacional
donde p es el vector de precios, 𝐴ℎ𝑢𝑚 es el vector de activos referente a capital humano;
𝐴𝑓𝑖𝑠 , capital físico; 𝐴𝑓𝑖𝑛 , capital financiero y 𝐴𝑝𝑢𝑏,𝑜𝑟𝑔 , capital público y organizacional.
A partir de la ecuación 2, dado que la definición de pobreza implícita está basada en el
gasto, esta se reescribe de la siguiente forma:
Ecuación 3: Especificación del modelo de probabilidad de

𝑃 = 𝑃(𝐴
ser pobre en ℎ𝑢𝑚 ,𝐴 ,𝐴
𝑓𝑖𝑠capital
función del ,𝐴
𝑓𝑖𝑛humano,
𝑝𝑢𝑏,𝑜𝑟𝑔
físico, ) (3)
financiero, público y organizacional
donde P es la probabilidad de que un hogar sea pobre o no pobre en función de las
categorías de activos ya definidas.
Finalmente, entre las variables que el caso consideró en la estimación de los
determinantes de la pobreza, se encuentran: años de educación del jefe de hogar; años de
educación del resto de miembros del hogar mayores de 14 años; género del jefe de hogar;

tamaño de la familia; ahorros financieros; acceso a: agua potable, alcantarillado,
electricidad y teléfono.
Realizando un balance de la bibliografía revisada se evidencia que, en los últimos
20 años, la pobreza ha sido estudiada, principalmente, desde el enfoque de activos. En la
presente investigación, el enfoque de activos está reflejado en las variables: perceptores
de ingresos, tamaño del hogar, acceso a agua por red pública, acceso a desagüe por red
pública, acceso a electricidad, acceso a teléfono, años de educación del jefe de hogar,
calidad de empleo del jefe de hogar, ocupaciones del jefe de hogar, condición de
inclusión financiera del jefe, sexo del jefe de hogar y edad del jefe de hogar.
El resultado de este balance, confirma el concepto de multidimensionalidad de la
pobreza como la forma más certera de considerarla. Asimismo, el modelo logit ha sido
el más utilizado en la especificación de modelos que buscan determinar la probabilidad
de ser pobre en función de ciertas características.
En lo concerniente a las variables que se han tomado en cuenta con una mayor
frecuencia en las investigaciones revisadas, destacan el tamaño del hogar, calidad del
empleo, años de educación del jefe de hogar, acceso a conexión de agua por red pública,
acceso a conexión de desagüe por red pública y acceso a electricidad. Es importante
mencionar que en algunos trabajos se determinó que para un hogar en el que la educación
escolar del jefe de hogar había sido impartida en una institución pública, la probabilidad
de ser pobre era mayor respecto de aquellos hogares en los que esta había sido impartida
en una institución privada. De otro lado, diversas publicaciones encontraron que cuando
el hogar cuenta con un jefe de hogar mujer, el contar con conexión a agua por red pública,
disminuye la probabilidad de que este sea pobre. Asimismo, es resaltable que en la
investigación realizada por la Asociación de Bancos del Perú (2018), esta reconoce como

una medida de inclusión financiera a la población con una cuenta en el sistema
financiero. Finalmente, se reconoce que la inclusión financiera se está introduciendo de
manera muy importante como un factor determinante de la pobreza. Asimismo, un
aspecto diferencial de la presente investigación reside en el hecho de que la
consideración de las variables utilizadas en la especificación del modelo, están avaladas
por el análisis de correlaciones. Esto es algo análogo en lo que se hace bajo el método
componentes principales, disminuyendo variables que están correlacionadas pero
incluidas en otras.
Asimismo, es preciso definir los siguientes términos:
Modelo Logit : modelo econométrico no lineal de respuesta
binaria. Modelo de probabilidad no lineal.
Hogar : ENAHO (2019) “Un hogar es el conjunto de
personas, sean o no parientes, que ocupan en su totalidad o en parte una vivienda,
comparten comidas principales y atienden en común otras necesidades vitales”.
Vivienda : ENAHO (2019) “Espacio físico que
comparten uno o más hogares”.
En lo referente a la reducción de la pobreza monetaria, el departamento de La
Libertad desde el año 2010 mostró una tendencia similar (reducción) a las cifras del
agregado nacional, pero, manteniendo un nivel de pobreza por encima del promedio
nacional hasta el año 2018 en la que logró casi estar a los niveles nacionales, para luego
de manera abrupta distanciarse del promedio nacional en el año 2019 (Ver Anexo 4);
cabe considerar que este distanciamiento ocurrió antes de la pandemia generada por el
COVID-19; es por esta razón que se considera necesario plantearnos la siguiente

pregunta: ¿cuáles son los factores determinantes de la pobreza monetaria en La Libertad
en el año 2019?
1.2. Formulación del problema
¿Cuáles son los factores que determinan la pobreza monetaria en el departamento
de La Libertad en el año 2019?
1.3. Objetivos
1.3.1. Objetivo general
Determinar las variables que impactan en la reducción de la pobreza
monetaria en el departamento de La Libertad en el año 2019.
1.3.2. Objetivos específicos
 Realizar una caracterización la población pobre en La Libertad
 Proponer una estimación del modelo de regresión especificado.
 Proponer recomendaciones de política económica.
1.4. Hipótesis
1.4.1. Hipótesis general
Las variables que influyen en la probabilidad que un hogar del
departamento de La Libertad sea pobre en el año 2019 son: número de
perceptores de ingresos del hogar, número de integrantes del hogar, acceso a
conexión de agua por red pública, acceso a conexión de desagüe por red
pública, acceso a electricidad, acceso a teléfono fijo o celular, años de
educación del jefe de hogar, calidad de empleo del jefe de hogar, número de
ocupaciones del jefe de hogar, condición de inclusión financiera del hogar,
sexo del jefe de hogar y edad del jefe de hogar.

CAPÍTULO II. METODOLOGÍA
2.1. Tipo de investigación
Según la profundización en el objeto de estudio: explicativa.
Según la naturaleza de los datos: corte transversal.
2.2. Población y muestra
2.2.1. Población:
Todos los habitantes de la región La Libertad en el año 2019
2.2.2. Muestra:
Todos los habitantes de la región La Libertad encuestados en la Encuesta
Nacional de Hogares (ENAHO) 2019.
2.3. Técnicas e instrumentos de recolección y análisis de datos
La muestra fue obtenida de la sección microdatos del portal web oficial del INEI,
específicamente de la Encuesta Nacional de Hogares – Metodología Actualizada. En
dicho apartado se encuentran los módulos utilizados. Asimismo, para el procesamiento
de datos se utilizó el software STATA 16; adicionalmente el software Excel 16 sirvió
como ayuda para la realización de gráficos y tablas.
2.4. Procedimiento
El modelo utilizado en la estimación económetrica se apoyó en el modelo de
regresión logit, cuya expresión se muestra en la siguiente ecuación:
1 del modelo
Ecuación 4: Estimación
(4)
𝑷𝑖 =
logit −(∝+𝛽
1+𝑒 1 𝑋1 +⋯+𝛽12 𝑋12 )
Para efectos de estimar el modelo logit, utilizando Mínimos Cuadrados
Ordinarios, la ecuación anterior se reexpresó del siguiente modo:

𝜌 5: Reexpresión del modelo
Ecuación
𝑳𝒏(
logit ) =∝ +𝛽1𝑋1de+ la
⋯ razón
+ 𝛽12de
𝑋12 (5)
1 −como
𝜌 logaritmos
probabilidades
El análisis econométrico de la muestra se realizó en el software estadístico
STATA 16, generando un modelo logit. El modelo inicial siguió la siguiente
especificación matricial:
Ecuación 6: Estimación del (6)
modelo𝐋logit
𝑖 = 𝜶inicial
𝑖 + 𝜷𝑘𝑖 𝑿𝑖𝑘
donde 𝐋𝑖 es el vector columna de dimensión n x 1 que representa el logaritmo natural

𝝆
de la razón de probabilidad (𝟏−𝝆), 𝝆𝜏 es la probabilidad entre 0 y 1 de que un hogar sea
pobre en el periodo t, 𝜶𝑖 es un vector de dimensión n x 1 que recoge el intercepto de
la regresión logística, 𝜷𝑘𝑖 es una matriz de dimensión 1 x k que contiene los
coeficientes de la regresión, 𝑿𝑚𝑖 (X1 : número de perceptores de ingresos del hogar;
X2 : número de integrantes del hogar; X3 : acceso a conexión de agua por red pública;
X4 : acceso a conexión de desagüe por red pública; X5 : acceso a electricidad; X6 : acceso
a teléfono fijo o celular; X7 : años de educación del jefe de hogar; X8 : calidad de empleo
del jefe de hogar; X9 : número de ocupaciones del jefe de hogar; X10 : condición de
inclusión financiera del jefe de hogar; X11 : sexo del jefe del hogar; X12 : edad del jefe
de hogar) es una matriz de dimensión k x n que contiene el conjunto de variables
explicativas del modelo.
El modelo que se especificó fue el siguiente:
𝑳𝑖 =∝ +𝛽1 𝑿1 + 𝛽2 𝑿2 + 𝛽3 𝑿3 +7:𝛽4 𝑿Modelo

Ecuación 4 + 𝛽5 𝑿5 + 𝛽6 𝑿6 + 𝛽7 𝑿7 + 𝛽8 𝑿8 + 𝛽9 𝑿9
logit
estimado en su forma extendida
+ 𝛽10 𝑿10 + 𝛽11 𝑿11 + 𝛽12 𝑿12 (7)

Posteriormente, se realizó la matriz de correlación para determinar posibles
problemas de multicolinealidad, en esta se evidenció una fuerte correlación entre el
número de perceptores de ingresos (𝑿1 ) y el número de integrantes del hogar (𝑿2 ),
así como entre las variables acceso a conexión de agua por red pública (𝑿3 ) y acceso
a desagüe por red pública (𝑿4 ).
Tabla 1: Matriz de correlación I

X1 X2 X3 X4 X5 X6 X7 X8 X9 X 10 X 11 X 12
X1 100.00% - - - - - - - - - - -
X2 68.39% 100.00% - - - - - - - - - -
X3 3.82% -5.96% 100.00% - - - - - - - - -
X4 5.30% -10.45% 44.53% 100.00% - - - - - - - -
X5 6.86% 0.73% 19.96% 24.16% 100.00% - - - - - - -
X6 9.99% 8.97% -4.75% 6.13% 23.41% 100.00% - - - - - -
X7 -5.69% -10.01% 13.91% 32.50% 12.95% 5.27% 100.00% - - - - -
X8 -6.12% -10.43% 1.70% -3.75% -1.42% -14.82% -27.39% 100.00% - - - -
X9 -8.20% -8.25% -3.41% -7.55% 8.45% 4.26% 5.11% 8.21% 100.00% - - -
X10 -6.04% -7.04% 7.20% 19.40% 9.38% 13.05% 35.07% -33.55% -3.84% 100.00% - -
X11 -3.94% -15.48% 3.86% 7.29% 3.05% 3.05% 2.02% 26.51% 9.68% 3.76% 100.00% -
X12 21.95% 0.83% 0.99% 8.60% 0.48% 3.96% -16.42% 13.31% -0.39% 0.23% 2.56% 100.00%
Fuente: ENAHO 2019, INEI

Elaboración propia
Debido a esto, del modelo anterior se decidió descartar las variables número de
perceptores de ingresos (𝑿1 ) y acceso a desagüe por red pública (𝑿4 ).
Adicionalmente, se realizó una nueva matriz de correlaciones con las variables
restantes, en las cuales se identificó una alta relación entre las variables la condición
de inclusión financiera (𝑿10 ) y calidad de empleo del jefe de hogar (𝑿8 ), así como
también entre esta última y el número de años de educación del jefe de hogar (𝑿7 ).

Tabla 2: Matriz de correlaciones II
X2 X3 X5 X6 X7 X9 X10 X11 X12

X2 100.00% - - - - - - - -
X3 1.51% 100.00% - - - - - - -
X5 -3.39% 22.04% 100.00% - - - - - -
X6 20.23% 5.49% 14.33% 100.00% - - - - -
X7 -1.80% 10.36% 13.87% 23.79% 100.00% - - - -
X9 -0.31% 1.75% 3.29% 2.85% 1.41% 100.00% - - -
X10 -1.42% 7.22% 10.10% 16.35% 37.75% -1.51% 100.00% - -
X11 -18.76% 3.11% 0.14% -2.65% -8.95% 11.07% 1.62% 100.00% -
X12 -18.34% 0.05% 1.65% -20.92% -29.26% -10.11% -6.58% 4.99% 100.00%
Fuente: ENAHO 2019, INEI
Elaboración propia
A la luz de estos resultados se descartó la variable calidad de empleo del jefe
de hogar (𝑿8 ) y bajo un criterio discrecional se descartó también la variable número
de ocupaciones del jefe de hogar (𝑿9 ).
Finalmente, el modelo especificado a regresionar fue:
Ecuación 8: Modelo especificado

𝑳𝑖 =∝ + 𝛽2 𝑿2 + 𝛽3 𝑿3 + 𝛽5 𝑿5 + 𝛽6 𝑿6 + 𝛽7 𝑿7 + 𝛽10 𝑿10 + 𝛽11 𝑿11 + 𝛽12 𝑿12 (8)
a regresionar
2.5. Aspectos éticos
Los datos utilizados son de uso público, en la recolección de estos no se ha
vulnerado ningún principio de privacidad de la información. Asimismo, los softwares
utilizados para el procesamiento de los mismos cuentan con la respectiva licencia que
permite su uso.
Esta tesis es original y reconoce de manera explícita los aportes que brindaron
investigaciones previas.

Tabla 3: Matriz de operacionalización de variables
Variable Tipo de variable Definición Unidad de medida Indicadores Valor del indicador Fuente
Variable dependiente
Personas cuyos hogares 1/ tienen
1 Hogar pobre
ingresos o consumos per cápita
Pobreza Cualitativa inferiores al costo de una canasta total Dicotómica INEI
de bienes y servicios mínimos
2/
0 Hogar no pobre
esenciales.
Variable independiente
Miembros del hogar que se encuentran

Perceptores de
Cuantitativa en actividad laboral y contribuyen a la Cuantitativa Número de personas INEI
ingresos
economía del hogar.
Tamaño del Número de miembros con los que

Cuantitativa Cuantitativa Número de personas INEI
hogar cuenta el hogar.
Hogar con acceso a agua por red 1 Dispone

Acceso a agua
Cuantitativa pública dentro o fuera de la vivienda Dicotómica INEI
por red pública
pero dentro de la edificación. 0 No dispone
Acceso a Hogar con acceso a desagüe por red 1 Dispone

desagüe por red Cuantitativa pública dentro o fuera de la vivienda Dicotómica INEI
pública pero dentro de la edificación. 0 No dispone
Acceso a 1 Dispone
Cuantitativa Hogar con acceso a electricidad. Dicotómica INEI
electricidad
0 No dispone
Acceso a Hogar con acceso a telefono fijo o 1 Dispone

Cuantitativa Dicotómica INEI
teléfono celular.
0 No dispone
Años de
Años de estudio cursados por el jefe Acumulación de años de
educación del Cuantitativa Unidad Ver anexo 1 INEI
de hogar. estudio del jefe de hogar
jefe de hogar
Se considera un empleo de buena o
regular calidad aquel que genera 1 Mala calidad
Calidad de
ingresos iguales o superiores a dos
empleo del jefe Cualitativa Dicotómica INEI
veces la línea de pobreza absoluta y
de hogar
como empleos de mala calidad, en 0 Buena calidad
caso contrario.
1 Tiene más de un empleo

Ocupaciones del Condición en la que el jefe de hogar
Cualitativa Dicotómica INEI
jefe de hogar tiene mas de un trabajo.
0 Tiene solo un empleo

Está incluído
Condición de 1
Condición que se desprende de contar financieramente INEI -
inclusión Cualitativa Dicotómica
con una cuenta en el sistema financiero. No está incluído ASBANC
financiera 0
financieramente
El jefe de hogar es
Conjunto de características que 1
Sexo del jefe de mujer
Cualitativa diferencian una especie en masculinos y Dicotómica INEI
hogar El jefe de hogar es
femeninos. 0
varón
Edad del jefe de Número de años de

Cuantitativa Años cumplidos del jefe de hogar. Cuantitativa Unidad de medida INEI
hogar edad
1/ Según la ficha técnica de la ENAHO 2019, un hogar es el conjunto de personas, sean o no parientes, que ocupan en su totalidad o en parte
una vivienda, comparten las comidas principales y atienden en común otras necesidades vitales
2/ Definición disponible en: https://www.inei.gob.pe/media/MenuRecursivo/metodologias/pobreza01.pdf
Fuente: INEI - ASBANC
Elaboración propia

CAPÍTULO III. RESULTADOS
3.1. Variables que impactan en la reducción de la pobreza
Se utilizó la chi2 para evaluar si simultáneamente todas las variables
consideradas en el modelo explican la probabilidad de ser pobre y para medir el
aporte individual de cada una de las variables se utilizó la prueba normal
estandarizada (z). Las lecturas de estos indicadores muestran que en conjunto todas
las variables son significativas, puesto que la probabilidad de la chi2 es menor que
0.05 y, asimismo, se observa que todas las pruebas z tienen una probabilidad menor
a 0.05, lo cual significa que todas aportan en la tarea de explicar la variable
dependiente. Además, precisamos que todos los signos son los esperados.
Se debe indicar que el signo de los coeficientes indica la relación de cada
variable independiente con la variable pobreza (dependiente).
Tabla 4: Regresión logística

Logistic regression Number of obs = 1 197
LR chi2(8) = 101 571.3
Prob > chi2 = 0.0000
Log likelihood = -164326.88 Pseudo R2 = 0.2361
Pobreza Coef. Std. Err. z P>|z| [95% Conf. Interval]

X2 0.2524 0.0023 109.0600 0 0.2478424 0.2569138
X3 - 0.4846 0.0134 - 36.1600 0 - 0.5109189 - 0.4583795
X5 - 0.7306 0.0224 - 32.6700 0 - 0.7744363 - 0.6867660
X6 - 1.7871 0.0174 - 102.5800 0 - 1.8212520 - 1.7529620
X7 - 0.1788 0.0012 - 150.0600 0 - 0.1811709 - 0.1764991
X10 - 1.2664 0.0112 - 112.9700 0 - 1.2883420 - 1.2444030
X11 - 0.6801 0.0103 - 66.1900 0 - 0.7002050 - 0.6599274
X12 - 0.0324 0.0003 - 101.8500 0 - 0.0330545 - 0.0318064
Cons 4.0873 0.0348 117.3600 0 4.0190090 4.1555330
Fuente: ENAHO 2019
Elaboración propia.
Las relaciones que representan los coeficientes del modelo son consistentes con lo
esperado. Por un lado, la variable tamaño del hogar (𝑿2 ) registra una relación directa
con la probabilidad de ser pobre, principalmente porque ante un aumento de la

expansión demográfica del hogar, para un mismo nivel de ingresos (o creciendo en
menor proporción que la tasa de natalidad) reducirá la renta per cápita, aumentando
las posibilidades de no poder cubrir el gasto mínimo que representa la línea de
pobreza; por otro lado, las variables acceso a agua por red pública (𝑿3 ), acceso a
electricidad (𝑿5 ), acceso a teléfono (𝑿6 ), años de educación del jefe de hogar (𝑿7 ),
condición de inclusión financiera del jefe de hogar (𝑿10 ), sexo del jefe de hogar
(𝑿11 ) y edad del jefe de hogar (𝑿12 ), se asocian de manera inversa con la
probabilidad de ser pobres. La primera variable, incide en las condiciones de
salubridad de un hogar, el contar con acceso a agua por red pública reduce la
probabilidad de ser pobre debido a que evita enfermedades (derivadas de la falta de
higiene ante la ausencia de este recurso) y que, en efecto, el proceso de acumulación
de capital se vea interrumpido (años de educación, edad, etc); la segunda y tercera
variable, configuran una asociación lineal inversa con la pobreza en la medida en que
sean utilizados para actividades productivas (uso productivo); respecto a los años de
educación del jefe de hogar, al incrementar el stock de capital humano, también lo
harán los ingresos (derivados de una mejor condición laboral o de la utilización del
tiempo en actividades productivas); en lo referente a la inclusión financiera, el contar
con una cuenta en el sistema financiero es una puerta a diferentes fuentes de
financiamiento que, en la medida en que estos fondos sean utilizados en actividades
productivas, permitirán que un hogar deje la condición de pobreza, sin embargo, para
un hogar que tiene un déficit de gasto muy alto, el beneficio marginal de utilizar el
crédito al que podría acceder de estar incluido financieramente en cubrir dicho déficit
es también muy alto, distorsionando el efecto que esta variable podría tener sobre la
probabilidad de ser pobre; finalmente la edad del jefe de hogar se asocia de manera
inversa debido a que esta es una condición necesaria para incrementar los ingresos a

través de los años de educación (u otro indicador no considerado para el presente
análisis: experiencia laboral). Esta última relación nos permite visualizar la dinámica
del enfoque de activos, en el que muchas veces un activo estará en función de la
disponibilidad de otro.
Asimismo, analizando las odds ratio7, como era de esperarse, presentan un alto nivel
de significancia, los cuales se verifican a continuación:
Tabla 5: Odds Ratio

Logistic regression Number of obs = 1 197
LR chi2(8) = 101 571.3
Prob > chi2 = 0.0000
Log likelihood = -164326.88 Pseudo R2 = 0.2361
Pobreza Odds Ratio Std. Err. z P>|z| [95% Conf. Interval]

X2 1.2871 0.0030 109.0600 0 1.2812580 1.2929340
X3 0.6159 0.0083 - 36.1600 0 0.5999440 0.6323075
X5 0.4816 0.0108 - 32.6700 0 0.4609635 0.5032008
X6 0.1674 0.0029 - 102.5800 0 0.1618231 0.1732599
X7 0.8362 0.0010 - 150.0600 0 0.8342928 0.8381995
X10 0.2819 0.0032 - 112.9700 0 0.2757275 0.2881130
X11 0.5066 0.0052 - 66.1900 0 0.4964835 0.5168888
X12 0.9681 0.0003 - 101.8500 0 0.9674859 0.9686941
Cons 59.5771 2.0750 117.3600 0 55.6459300 63.7859600
Fuente: ENAHO 2019
Entre las consideraciones observadas, resulta que al incrementarse en una unidad el
tamaño del hogar (𝑿2 ), se genera una razón de probabilidades de aproximadamente
2 a 1 respecto a la probabilidad de que el hogar pase a ser pobre; al incrementarse en
una unidad las variables acceso a conexión de agua por red pública (𝑿3 ), acceso
electricidad (𝑿5 ), acceso a teléfono (𝑿6 ), años de estudio del jefe de hogar (𝑿7 ),
sexo del jefe de hogar(𝑿11 ) y edad del jefe de hogar (𝑿12 ), se genera una razón de
probabilidades de 2 a 1 respecto a la probabilidad de que el hogar pase a no ser pobre.
7
La interpretación del odds ratio es la siguiente: si el odd ratio = 1 indica que la probabilidad es de 1 a 1, si el odd ratio > 1 la probabilidad
de ser pobre es mayor que la de no serlo y que cuando el 0 > odd ratio < 1 la probabilidad de no ser pobre es mayor que la de ser pobre.

Por su parte, al incrementarse en una unidad la variable condición de inclusión
financiera del jefe de hogar (𝑿10 ), se genera una razón de probabilidades de
aproximadamente 4 a 1 respecto a la probabilidad de que el hogar sea pobre.
Para efectos de determinar la contribución (reducción) de las variables en la
probabilidad de que un hogar sea pobre (no pobre) cuando alguna de estas dummy
sufre un cambio discrecional de 0 a 1, se estimaron las contribuciones marginales,
Tabla 6: Marginal effects after logit

Marginal effects after logit
y = Pr(pobreza) (predict)
= 0.15922628
Variable d y /d x Std. Err. z P>|z| [ 95% C.I. ] X

X2 0.0338 0.0003 108.2200 0 0.0331750 0.0343990 3.5673
X3 - 0.0738 0.0023 - 32.2300 0 - 0.0782400 - 0.0692690 0.9016
X5 - 0.1215 0.0045 - 27.2000 0 - 0.1302200 - 0.1127170 0.9693
X6 - 0.3591 0.0042 - 85.5100 0 - 0.3673640 - 0.3509000 0.9425
X7 - 0.0239 0.0002 - 159.9200 0 - 0.0242350 - 0.0236480 7.9583
X10 - 0.1551 0.0012 - 130.5200 0 - 0.1574520 - 0.1527930 0.3805
X11 - 0.0833 0.0012 - 72.6100 0 - 0.0855270 - 0.0810310 0.3018
X12 - 0.0043 0.0000 - 104.6500 0 - 0.0044230 - 0.0042600 52.7850
(*) dy/dx is for discrete change of dummy variable from 0 to 1
Fuente: ENAHO 2019

Elaboración propia
En estas se observa que las variables que reducen la probabilidad de que el hogar sea
pobre cuando estas aumentan en una unidad son: acceso a conexión de agua por red
pública (𝑿3 ), -7.4%; acceso a electricidad (𝑿5 ), -12.2%; acceso a teléfono8 (𝑿6 ), -
36.0%; años de estudio del jefe de hogar (𝑿7 ), -2.4%; condición de inclusión
financiera del jefe de hogar (𝑿10 ), -15.5%; sexo del jefe de hogar (𝑿11 ), -8.3% y
edad del jefe de hogar (𝑿12 ), -0.43%. En contraste, ante un incremento en la variable
tamaño de hogar (𝑿2 ), la probabilidad de que el hogar sea pobre incrementa en 3.4%.
8
El INEI (2011) indica que este gran impacto sobre la reducción de la pobreza se sustenta en el uso productivo de este recurso.

Adicionalmente se complementó con el análisis de la bondad de ajuste del modelo,
en el cual se verificó que tiene un porcentaje correctamente predicho de 75.96% (Ver
Tabla 6).
Tabla 7: Porcentaje de predicciones correctas por el modelo
% Acumulado
No acertó 24.04 24.04
Acertó 75.96 100
Total 100.00
3.2. Caracterización de la población pobre del departamento de La Libertad
En La Libertad, a nivel de población, el 24.7% de esta se encuentra en
condición de pobreza mientras que a nivel de hogares el 21.1% sufren de esta
condición.
Entre las principales características que definen a los hogares pobres de la región la
Libertad podemos apreciar:
 El promedio de perceptores de ingresos asciende a 2 personas.
 El promedio del tamaño de hogar es de 4 personas.
 El 16.2% no dispone de conexión de agua por red pública, ya sea dentro
o fuera de la vivienda, pero dentro de la edificación.
 El 55.3% no dispone de conexión de desagüe por red pública, ya sea
dentro o fuera de la vivienda, pero dentro de la edificación.
 El 8.7% no dispone de electricidad.
 El 14.6% no dispone de teléfono fijo o celular.
 El jefe de hogar tiene en promedio 5 años de estudios, con un rango entre
[0,16].

 El 78.8% tienen un jefe de hogar varón, en efecto, solo el 21.2% están
jefaturados por mujeres.
 El 39.7% de los jefes de hogar tienen un empleo de mala calidad.
 El 75.5% de los jefes de hogar tiene un solo empleo.
 El 53.2% de los jefes de hogar tienen un solo empleo y de mala calidad.
 El 85.3% de los jefes de hogar no están incluidos financieramente.
 El 88.06 de los jefes de hogar mujer no están incluidas financieramente.
A través del enfoque de pobreza integrada se puede determinar que en La
Libertad el 71.0% de la población se encuentra socialmente integrada [ No presentan
NBI y sin problemas de ingreso o gasto], el 18.5% de la población se encuentra en
condición de pobre coyuntural [Presentan al menos una NBI, pero sin problemas de
ingreso o gasto], el 4.3% de la población se encuentra en condición de pobre
estructural [No presentan NBI, pero si ingresos o gastos por debajo de la línea de
pobreza], finalmente el 6.2% de la población es pobre crónico [Presentan al menos
una NBI y problemas de ingreso o gasto].
Todos estos datos, nos permiten caracterizar a la población de los hogares
pobres en función de las variables consideradas en la presente investigación y
establecer un perfil de dicha población, el cual podría definirse como: hogares con
pocos perceptores de ingresos, con alto grado de desconexión de servicio de
alcantarillado, con jefes de hogar que en promedio tienen 5 años de estudios,
jefaturados en una razón de 8 a 2 por varones, con jefes de hogar que cuentan con un
empleo de mala calidad y casi nulo acceso al sistema financiero.
3.3. Estimación del modelo de regresión logística especificado

El modelo estimado sigue la siguiente especificación en su forma extendida:
𝑳𝑖 = 4.09 + 0.25𝑿2 − 0.48𝑿3 −9:

Ecuación 0.73𝑿 5 − 1.79𝑿6 del
Estimación − 0.18𝑿7 − 1.27𝑿10 −
modelo logit especificado (9)
0.68𝑿11 − 0.03𝑿12
donde 𝐋𝑖 es el vector columna de dimensión n x 1 que representa el logaritmo natural de la
𝝆
razón de probabilidad ( ), 𝝆𝜏 es la probabilidad entre 0 y 1 de que un hogar sea pobre
𝟏−𝝆
y, 𝑿2 : número de integrantes del hogar; 𝑿3 : acceso a conexión de agua por red
pública, 𝑿5 : acceso a electricidad, 𝑿6 : acceso a teléfono fijo o celular, 𝑿7 : años de
educación del jefe de hogar, 𝑿10 : condición de inclusión financiera del jefe de hogar,
𝑿11 : sexo del jefe de hogar y 𝑿12 : edad del jefe de hogar.

CAPÍTULO IV. DISCUSIÓN Y CONCLUSIONES
4.1. Discusión
Se determinó el impacto de las variables contenidas en la matriz 𝑋𝑚 sobre la
probabilidad de que un hogar sea pobre, hecho que permitió observar el
comportamiento de la pobreza en el departamento mencionado; asimismo, todas las
variables del modelo resultaron ser estadísticamente significativas. Los resultados,
de la variable tamaño de hogar (𝑋2) indican una relación positiva con la pobreza;
asimismo, esta relación es consistente con el Instituto Nacional de Estadística e
Informática (2011), Yupanqui e Infante (2015), Quispe y Roca (2019). Este resultado
resulta lógico ya que, para un mismo nivel de ingresos, un mayor número de
miembros del hogar, representa una renta per capita menor. Así también, la variable
acceso a conexión de agua por red pública (𝑋3), se encontró que, a diferencia del
estudio de Rumiche (2014), la relación entre esta variable y la probabilidad de ser
pobre es de caracter inversa, alinéandonos con Quispe y Roca (2019). Esta variable
mostró un comportamiento dinámico, ya que ante ciertas condiciones, esta, pasaba a
mostrar una relación inversa. Asimismo, dicha relación indica que esta variable
reduce la probabilidad de ser pobre, estos hallazgos principalmente por el
mejoramiento de las condiciones de salubridad del hogar, reduciendo así
enfermedades que podrían mermar la productividad de los perceptores de ingresos o
no permitiendo la acumulación de capital humano de aquellos miembros que se
encuentran recibiendo educación formal (el enfoque de activos propuesto por
Attanasio, O. & Székely, M. (2001) sugiere que la acumulación de capital depende,
entre otros, del acceso a otros acitvos).
El comportamiento de la variables acceso a electricidad (𝑋5) y acceso a
teléfono (𝑋6), denotó una relación negativa entre estas y la probabilidad de ser pobre;
este resultado es observable bajo el enfoque de activos para la medición de la pobreza
ya que ambas variables representan activos capaces de generar renta en función de
su uso productivo. Esta última relación es consistente con los hallazgos de Rumiche
(2014), Quispe y Roca (2019) y el Instituto Nacional de Estadística e Informática
(2011). En lo concerniente a la variable número de años de estudio del jefe de hogar
(𝑋7), la relación negativa refuerza la idea de que a mayor acumulación de capital
humano, menor es la probabilidad de que el hogar sea pobre; principalmente por las
mayores posibilidades de obtener un mejor empleo (entendido como un empleo con
un mejor salario) o realizar actividades más productivas respecto de aquellos que no
tienen un stock de capital humano elevado, generando así una mayor probabilidad de
que el hogar perciba un ingreso per cápita que le permita cumplir con el nivel mínimo
de gasto requerido para ser considerado no pobre. Este resultado fue similar al
encontrado por Instituto Nacional de Estadística e Informática (2011), Samamé
(2020), Quispe y Roca (2019); este último considera la variable educación del jefe
de hogar como una dummy.
Del mismo modo variables condición de inclusión financiera (𝑋10), sexo (𝑋11)
y edad (𝑋12) del jefe de hogar están relacionadas negativamente con la probabilidad
de que un hogar sea pobre. La variable 𝑋12, se relaciona de manera negativa con la
probabilidad de ser pobre, este hallazgo es consistente con los resultados de Instituto
Nacional de Estadística e Informática (2011), Yupanqui & Infante (2015), Ortiz
(2014). La edad es una condición necesaria mas no suficiente para la acumulación de
años de educación y años de experiencia,
Finalmente, la condición de inclusión financiera se asocia de manera inversa
con la probabilidad de ser pobre, esta, sirve como una proxy del acceso al crédito, sin
embargo, esta relación viene condicionada, es decir, no se debe considerar el crédito

como un activo capaz de retirar a un hogar de la condición de pobreza, esto dependerá
del uso que se le dé; por un lado, si este está destinado a actividades productivas y
por ende a acumular capital, permitirá al hogar, después de un tiempo, abandonar la
condición de pobreza; por otro lado, si este está destinado a cubrir brechas de
consumo que permitan obtener un nivel de bienestar adecuado, funcionará como una
transferencia, surtiendo así, un efecto de corto plazo (Ver Ecuación 1).
La limitación de esta tesis reside en el hecho de que debido a la falta de
información que permita realizar inferencia a nivel provincial y distrital (a excepción
de los censos que son realizados cada 10 años) se elaboró el modelo logit tomando
como población el departamento; sin embargo, ante la multidimensionalidad de la
pobreza y la necesidad de identificar los factores que la determinan en grupos
poblacionales más pequeños que un departamento, resulta un limitante el no contar
con muestras que permitan realizar la inferencia al nivel mencionado inicialmente.
Finalmente, la presente investigación tiene implicancias en la promoción de la
información referente a los principales determinantes de la pobreza en la región La
Libertad. Asimismo, sirve como conducto para futuras investigaciones que busquen
utilizar el enfoque de activos y aplicar la metodología para poblaciones más pequeñas
(esto último en función de la desaparición de la limitación mencionada
anteriormente). Las autoridades pueden tomar esta investigación y en particular el
enfoque utilizado como un punto de partida para la correcta determinación de los
aspectos a los cuáles debe estar dirigido un programa de alivio de la pobreza pues, al
momento de diseñar un esquema de transferencias con un objetivo en particular, es
crucial conocer las razones principales por las que dicho objetivo aún no ha sido
alcanzado por parte de los hogares. Finalmente, esta investigación introduce la
inclusión financiera a un modelo de pobreza bajo el enfoque de activos, hecho que

representa un aporte en la estimación de modelos que expliquen de una mejor manera
los determinantes de la pobreza.
4.2 Conclusiones
Se concluye:
1. Las variables que explican la pobreza son: tamaño del hogar, acceso a agua por red
pública, acceso a electricidad, acceso a teléfono fijo o celular, años de educación del
jefe de hogar, condición de inclusión financiera del jefe de hogar, sexo y edad del
jefe de hogar. De estas, las más importantes en la determinación del nivel de pobreza
son: acceso a electricidad, acceso a teléfono fijo o celular y la condición de inclusión
financiera. La razón de esto reside, en el uso productivo que se le puede dar a estos
activos, es decir, el uso productivo de la electricidad, teléfono, y acceso al sistema
financiero, permiten incrementar, de manera sostenida, el gasto per cápita de los
hogares.
2. El perfil de la población en condición de pobreza se define como hogares con: pocos
perceptores de ingresos, alto grado de desconexión de servicio de alcantarillado, jefes
de hogar que en promedio tienen 5 años de estudios formales, jefes de hogar que en
su gran mayoría son varones, jefes de hogar que cuentan con un empleo de mala
calidad y casi nulo acceso al sistema financiero.
3. El modelo especificado que mejor se adapta al fin de la investigación y a la naturaleza
de los datos es el modelo logit. El modelo estimado siguió la siguiente especificación:
𝐋𝑖 = 𝜶𝑖 + 𝜷𝑘𝑖 𝑿𝑖𝑘
donde 𝐋𝑖 es el vector columna de dimensión n x 1 que representa el logaritmo natural

𝝆
de la razón de probabilidad (𝟏−𝝆), 𝜶𝑖 es un vector de dimensión n x 1 que recoge el
intercepto de la regresión logística, 𝜷𝑘𝑖 es una matriz de dimensión 1 x k que contiene

los coeficientes de la regresión, 𝑿𝑚𝑖 es una matriz de dimensión k x n que contiene
el conjunto de variables explicativas del modelo.
1. En función de los resultados, se consideran las siguientes recomendaciones:
 Incrementar las inversiones en proyectos de conexión de agua y desagüe por red
pública, electricidad y telecomunicaciones.
 Aumentar las inversiones para mejorar en cobertura y calidad educativa la población
pobre de la región.
 Fomentar el empoderamiento de la mujer en la administración del hogar a través de
programas de capacitación y seguimiento psicológico.
 Hacer más efectiva la utilización de las bolsas de trabajo de las municipalidades para
permitir el acceso privilegiado a oportunidades de empleo de los sectores pobres de
la región.
 Promover políticas para insertar de manera privilegiada a la población pobre en el
sector financiero.
 Se recomienda que la ENAHO amplíe su muestra con el fin de poder realizar
investigaciones a nivel provincial y distrital que permitan una correcta identificación
de los problemas estructurales de la pobreza.
 Recomendar investigaciones utilizando modelos de probabilidad apoyados en el
análisis de componentes principales.

REFERENCIAS
Asociación de Bancos del Perú. (2018). La inclusión financiera como determinante
de la reducción de la pobreza en el Perú: un análisis a nivel departamental.
Recuperado el 06 de noviembre de 2020, de Estudios Económicos de la
ASBANC:
https://www.asbanc.com.pe/Publicaciones/INCLUSION%20FINANCIERA%
20Y%20POBREZA.pdf
Attanasio, O., & Székely, M. (2001). Portrait of the Poor: An Assets-Based
Approach. Recuperado el 06 de noviembre de 2020, de Inter-American
Development Bank: https://publications.iadb.org/en/portrait-poor-assets-
based-approach
Guevara, C. (2019). Determinantes de la pobreza en Tungurahua. Recuperado el
06 de noviembre de 2020, de Universidad Técnica de Ambato:
https://repositorio.uta.edu.ec/handle/123456789/29355#:~:text=Al%20aplic
ar%20ambos%20modelos%20y,el%20contexto%20socioecon%C3%B3mic
o%20de%20Tungurahua
Instituto Nacional de Estadística e Informática. (2011). Perú: Determinantes de la
pobreza, 2009. Recuperado el 06 de noviembre de 2020, de Centro de
Investigación y Desarrollo:
https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/
Lib094
Julca, J. (2015). Crecimiento económico y pobreza en el Perú: un análisis de datos
panel para el periodo 2004-2013. Recuperado el 06 de noviembre de 2020,

de Repositorio de la Universidad Nacional de Piura:
http://repositorio.unp.edu.pe/handle/UNP/460
Muñeton, G., & Gutiérrez, Alderid. (2017). Pobreza y enfoque de capacidades: un
caso de estudio en el programa de superación de la pobreza extrema en
Medellín, Colombia. Recuperado el 06 de noviembre de 2020, de
http://www.scielo.org.co/pdf/entra/v13n2/1900-3803-entra-13-02-00060.pdf
Ortiz, J. (2014). Factores determinantes de la pobreza en la región de Piura a partir
de la encuesta ENAHO 2013. Recuperado el 06 de noviembre de 2020, de
Repositorio de la Universidad Nacional de Piura:
http://repositorio.unp.edu.pe/handle/UNP/474
Putnam, R. (1993). The Prosperous Community: Social Capital and Public Life.
Recuperado el 06 de noviembre de 2020
Quispe, M., & Roca, R. (2019). Determinantes de la pobreza en el Perú bajo el
enfoque de activos. Recuperado el 06 de noviembre de 2020, de Revistas
de investigación de la UNMSM:
https://revistasinvestigacion.unmsm.edu.pe/index.php/econo/article/view/16
559/14204
Rumiche, R. (06 de noviembre de 2014). Contribución de la disponibilidad de
servicios públicos a la reducción de la pobreza en La Libertad (2012).
Obtenido de Repositorio de la Universidad Nacional de Trujillo:
http://dspace.unitru.edu.pe/handle/UNITRU/2990
Samamé, M. (2020). Determinantes microeconómicos de la pobreza en el Perú:
Elaboración de un modelo econométrico - ENAHO 2017. Recuperado el 06
de noviembre de 2020, de Repositorio de la Universidad Señor de Sipán:
http://repositorio.uss.edu.pe/handle/uss/6818

Teitelboim, B. (2005). Factores determinantes de la pobreza en base a un modelo
logístico. Recuperado el 06 de noviembre de 2020, de Instituto de
investigación en Ciencias Sociales de la Universidad Diego Portales:
https://www.icso.cl/images/Paperss/octavo.pdf
Torres, E., Jiménez, M., & Luzardo, M. (2017). Determinantes de la pobreza en
Venezuela y Colombia: estudio comparativo 2010-2014. Recuperado el 06
de noviembre de 2020, de Universidad de Medellín:
http://www.scielo.org.co/pdf/seec/v20n43/0120-6346-seec-20-43-00081.pdf
Yupanqui, Y., & Infante, Y. (2015). Determinantes microeconómicos de la pobreza
en el Perú: un modelo logit. Recuperado el 06 de noviembre de 2020, de
Repositorio de la Universidad Nacional de San Cristobal de Huamanga:
http://repositorio.unsch.edu.pe/handle/UNSCH/841

ANEXOS
ANEXO 1: Perú, evolución de la pobreza monetaria 2004-2019 (% de la población)
70.0 0.0
58.7
60.0 55.6 -0.5
49.1
50.0
42.4 -1.0
40.0 37.3
33.5 Tasa de crecimiento promedio
30.8 2004 - 2019 -1.5
30.0 27.8
25.8
23.9 22.7 21.8 20.7 21.7 20.5 20.2 -2.0
20.0
-2.4
-2.5
10.0
0.0 -3.0
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
Fuente: Series Nacionales - INEI

ANEXO 2: Incidencia de la pobreza monetaria por departamento (porcentaje de la
población)
Perú 20.2
Ayacucho 39.4
Cajamarca 38.0
Huancavelica 36.9
Puno 34.7
Loreto 32.2
Amazonas 30.5
Pasco 30.3
Huánuco 29.4
Apurimac 29.1
San Martín 25.4
La Libertad 24.7
Piura 24.2
Cusco 23.0
Junín 20.7
Ancash 17.5
Lima Metropolitana 14.2
Tumbes 13.7
Tacna 13.3
Ucayali 12.3
Lambayeque 10.2
Moquegua 9.2
Madre de Dios 9.2
Arequipa 6.0
Ica 2.6
0.0 5.0 10.0 15.0 20.0 25.0 30.0 35.0 40.0 45.0
Fuente: ENAHO 2019 - INEI


ANEXO 3: Perú, mapa de pobreza 2019 (porcentaje de los hogares)
Fuente: ENAHO 2019 - INEI


ANEXO 4: Evolución de la pobreza monetaria 2010-2019 (porcentaje de la población)
33.0
31.4
30.6
31.0 29.5
29.4
30.8
29.0
27.4
27.0 27.8 25.9
24.5 24.7
25.0 25.8 23.5
23.0 23.9
20.8
22.7
21.0
21.8 21.7
20.7 20.5
19.0 20.2
La Libertad
17.0
Perú
15.0
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
Fuente: ENAHO 2010-2019, INEI
Elaboración propia

ANEXO 5: Codificación de la variable años de estudio del jefe de hogar
Años de estudio Grado Nivel Condición
0 - - Sin nivel o inicial

1 Primer grado Primaria Primaria incompleta
2 Segundo grado Primaria Primaria incompleta
3 Tercer grado Primaria Primaria incompleta
4 Cuarto grado Primaria Primaria incompleta
5 Quinto grado Primaria Primaria incompleta
6 Sexto grado Primaria Primaria completa
7 Primer grado Secundaria Secundaria incompleta
8 Segundo grado Secundaria Secundaria incompleta
9 Tercer grado Secundaria Secundaria incompleta
10 Cuarto grado Secundaria Secundaria incompleta
11 Quinto grado Secundaria Secundaria completa
12 - Superior Superior no universitaria y universitaria incompleta
13 - Superior Superior no universitaria y universitaria incompleta
14 - Superior Superior no universitaria completa o superior universitaria incompleta
15 - Superior Superior no universitaria completa o superior universitaria incompleta
16 - Superior Superior universitaria completa
17 - Superior Superior universitaria completa / Postgrado
18 - Superior Superior universitaria completa / Postgrado
Fuente: ENAHO 2019

Elaboración propia

Albán Salgado, Freddy Angel Junior

Cargado por

Copyright:

Formatos disponibles

Albán Salgado, Freddy Angel Junior

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Albán Salgado, Freddy Angel Junior

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE

“DETERMINANTES DE LA POBREZA MONETARIA

Tesis para optar el título profesional de:

Albán Salgado, Freddy Angel Junior Pág. 2

A mi padre, Freddy Angel Albán Martínez, por siempre demostrarme su amor y

A mi asesor: Marco Antonio Honorio Acosta, por su infinita dedicación y apoyo.

Albán Salgado, Freddy Angel Junior Pág. 3

ÍNDICE DE TABLAS ......................................................................................................... 6

ÍNDICE DE ECUACIONES .............................................................................................. 6

CAPÍTULO I. INTRODUCCIÓN ..................................................................................... 9

1.1. Realidad problemática ................................................................................................. 9

1.2. Formulación del problema ......................................................................................... 31

1.3. Objetivos ...................................................................................................................... 31

1.3.1. Objetivo general ..................................................................................................... 31

1.3.2. Objetivos específicos.............................................................................................. 31

1.4. Hipótesis ...................................................................................................................... 31

1.4.1. Hipótesis general .................................................................................................... 31

CAPÍTULO II. METODOLOGÍA .................................................................................. 32

2.1. Tipo de investigación .................................................................................................. 32

2.2. Población y muestra ................................................................................................... 32

2.2.1. Población: ............................................................................................................... 32

2.3. Técnicas e instrumentos de recolección y análisis de datos .................................... 32

2.4. Procedimiento ............................................................................................................. 32

2.5. Aspectos éticos ............................................................................................................ 35

CAPÍTULO III. RESULTADOS ..................................................................................... 39

3.1. Variables que impactan en la reducción de la pobreza ........................................... 39

3.2. Caracterización de la población pobre del departamento de La Libertad ........... 43

3.3. Estimación del modelo de regresión logística especificado ..................................... 44

CAPÍTULO IV. DISCUSIÓN Y CONCLUSIONES ..................................................... 46

4.1. Discusión ................................................................................................................... 46

4.2 Conclusiones ............................................................................................................. 49

Albán Salgado, Freddy Angel Junior Pág. 5

TABLA 1: MATRIZ DE CORRELACIÓN I ................................................................. 34

TABLA 2: MATRIZ DE CORRELACIONES II........................................................... 35

TABLA 3: MATRIZ DE OPERACIONALIZACIÓN DE VARIABLES.................... 36

TABLA 4: REGRESIÓN LOGÍSTICA .......................................................................... 39

TABLA 5: ODDS RATIO ................................................................................................. 41

TABLA 6: MARGINAL EFFECTS AFTER LOGIT..................................................... 42

TABLA 7: PORCENTAJE DE PREDICCIONES CORRECTAS POR EL MODELO

Albán Salgado, Freddy Angel Junior Pág. 6

ECUACIÓN 1: MODELO DE POBREZA BAJO EL ENFOQUE DE ACTIVOS __ 26

ECUACIÓN 2: RELACIÓN ENTRE EL NIVEL DE GASTO Y CAPITAL

HUMANO, FÍSICO, PÚBLICO Y ORGANIZACIONAL______________________ 28

ECUACIÓN 3: ESPECIFICACIÓN DEL MODELO DE PROBABILIDAD DE SER

POBRE EN FUNCIÓN DEL CAPITAL HUMANO, FÍSICO, FINANCIERO,

PÚBLICO Y ORGANIZACIONAL ________________________________________ 28

ECUACIÓN 4: ESTIMACIÓN DEL MODELO LOGIT _______________________ 32

ECUACIÓN 5: REEXPRESIÓN DEL MODELO LOGIT COMO LOGARITMOS

DE LA RAZÓN DE PROBABILIDADES ___________________________________ 33

ECUACIÓN 6: ESTIMACIÓN DEL MODELO LOGIT INICIAL ______________ 33

ECUACIÓN 7: MODELO LOGIT ESTIMADO EN SU FORMA EXTENDIDA ___ 33

ECUACIÓN 8: MODELO ESPECIFICADO A REGRESIONAR _______________ 35

ECUACIÓN 9: ESTIMACIÓN DEL MODELO LOGIT ESPECIFICADO _______ 45

Albán Salgado, Freddy Angel Junior Pág. 7

La presente investigación, utilizando datos de la Encuesta Nacional de Hogares 2019,

determinó, a través de un modelo de regresión logística y bajo el enfoque de activos, las

variables determinantes de la pobreza en la región La Libertad en el año 2019. El

procedimiento utilizado implicó el uso del análisis de correlación de las variables

multicolinealidad en la regresión logística a estimar. Las variables que explicaron de manera

del jefe de hogar.