Publicación (Parte 1)

CRÉDITOS
Econ. José García Zanabria

Jefe del INEI
Instituto Nacional de Estadística e Informática
Dr. Aníbal Sánchez Aguilar

Subjefe del INEI
Comisión Consultiva de Pobreza

Renos Vakis Banco Mundial
María Davalos Banco Mundial
Marcos Robles Chávez Banco Interamericano de Desarrollo
Judith Guabloche Colunge Banco Central de Reserva
Walter Mendoza De Souza Fondo de Población de Naciones Unidas
Juan Pichihua Serna Ministerio de Economía y Finanzas
Ramón Díaz Vásquez Ministerio de Desarrollo e Inclusión Social
Nelly Zavaleta Pimentel Centro Nacional de Alimentación y Nutrición
José Velásquez Hurtado Ministerio de Desarrollo e Inclusión Social
Federico Arnillas Lafert Mesa de Concertación para la Lucha Contra la Pobreza
Javier Herrera Zúñiga Institut de Recherche pour le Développement - IRD Francia
Javier Portocarrero Maisch Consorcio de Investigación Económica y Social
Juan José Díaz Noziglia Grupo de Análisis para el Desarrollo
Jhonatan Clausen Pontificia Universidad Católica del Perú
Richard Charles Webb Duarte Investigador Independiente
Carolina Trivelli Ávila Investigadora Independiente
Javier Escobal D'angelo Investigador Independiente
José Rodríguez González Investigador Independiente
Conducción y Asesoramiento Técnico

Nancy Hidalgo Calle
Directora Técnica
Dirección Técnica de Demografía e Indicadores Sociales
Paul Corral Rodas

Javier Escobal D’Angelo
Javier Herrera Zuñiga
Metodología
José Llanos Solórzano Max García Tello
Mixsi Casas Bendezú Francisco Ruiz Torres
Oscar Kuroiwa Quispe Daniel Quispe Segura
Orlando Alarcón Medina Oscar Perfecto Vasquez
Elvis Arroyo Rojas
Mapas Temáticos Diagramación y Corrección de Textos

Joel Ochoa Chávez Francisco Villar Morán
Delia Pillco Torres
Maroc Santiago Casani

Av. General Garzón N° 658, Jesús María, Lima 11 PERÚ
Teléfonos: (511) 433-8398 431-1340 Fax: 433-3591
Web: www.inei.gob.pe
Primera edición, febrero 2020
La información contenida en este documento puede ser reproducida total o parcialmente, siempre y cuando se mencione la fuente
de origen: Instituto Nacional de Estadística e Informática.
Presentación
El Instituto Nacional de Estadística e Informática (INEI), en el marco de la promoción y difusión de

estudios especializados sobre las condiciones de vida y pobreza con información proveniente de los
Censos Nacionales de Población y Vivienda, las Encuestas Continuas de Hogares y otras fuentes de datos,
pone a disposición de autoridades, instituciones públicas y privadas y usuarios en general el documento
“Mapa de Pobreza Monetaria Provincial y Distrital 2018”. Este documento contiene los indicadores de
pobreza elaborados con una metodología que combina datos del Censo de Población y Vivienda 2017
(CPV), la Encuesta Nacional de Hogares 2017-2018 (ENAHO) y otras fuentes de datos, principalmente
registros administrativos; el cual responde a la creciente demanda de información estadística confiable
desagregada geográficamente a nivel de distrito, y constituye un insumo para la priorización de los
distritos más pobres del país y la implementación de políticas sociales.
Este documento contiene cinco capítulos. El primer capítulo presenta el objetivo, los usos del mapa de
pobreza monetaria, las mejoras incorporadas al mapa, y las limitaciones encontradas. El segundo capítulo
describe las experiencias en la construcción de mapas de pobreza en el país. El tercer capítulo detalla la
metodología utilizada en la elaboración del mapa de pobreza monetaria, el proceso de armonización
de la base de datos del Censo de Población y Vivienda 2017 (CPV) con la Encuesta Nacional de
Hogares 2017-2018 (ENAHO) a nivel de hogar, y la selección de variables explicativas del modelo.
El cuarto capítulo presenta un análisis de precisión y robustez de los resultados. Este análisis se realizó
utilizando, principalmente, fuentes internas, y reuniones con los usuarios del mapa de pobreza monetaria
distrital. El quinto capítulo presenta un análisis de los principales resultados obtenidos, la necesidad del
agrupamiento de algunos distritos para mejorar la precisión de los resultados, la necesidad de presentar
los resultados en grupos robustos de distritos con fines de focalización, y la comparación de los Mapas
de Pobreza Monetaria con el Mapa de Pobreza por NBI. Finalmente, el documento incluye un anexo
estadístico y metodológico. En el primero, se presenta información de la población proyectada al 2020,
indicadores de incidencia de la pobreza total a nivel distrital y provincial; y en el segundo, se describen
las variables explicativas y las ecuaciones de los modelos de regresión para las 25 regiones y la Provincia
Constitucional del Callao. El departamento de Lima se desagregó en la Provincia de Lima y la Región
Lima (Provincias de Barranca, Cajatambo, Canta, Cañete, Huaral, Huarochirí, Huaura, Oyón y Yauyos).
El INEI expresa su reconocimiento a las autoridades públicas y privadas, a los funcionarios censales
y a las familias peruanas por su apoyo en brindarnos la información; y de manera especial la valiosa
colaboración de la Comisión Consultiva de Pobreza por el acompañamiento y supervisión permanente
desde el inicio de este trabajo; siendo este, el segundo mapa que es revisado por la Comisión. Asimismo,
al Dr. Javier Herrera, Director del Institut de Recherche pour le Développement (IRD-Francia), al Sr. Paul
Corral Rodas, del Banco Mundial, y al Dr. Javier Escobal D'Angelo.
Lima, febrero de 2020
Econ. José García Zanabria

Jefe(e)
Contenido
RESUMEN EJECUTIVO 7
1. INTRODUCCIÓN 10
1.1. Objetivo del Mapa de Pobreza Monetaria 11
1.2. Usos del Mapa de Pobreza Monetaria 11
1.3. Mejoras Incorporadas al Mapa de Pobreza Monetaria 2018 11
1.4. Limitaciones del Mapa de Pobreza Monetaria 2018 12
2. ANTECEDENTES 13
3. METODOLOGÍA 14
3.1. Metodología para la Estimación de la Pobreza Monetaria 14
3.2. Fuentes de Información 14
3.2.1. Censo de Población y Vivienda 2017 14

3.2.2. Encuesta Nacional de Hogares 2017 y 2018 15
3.2.3. Fuentes Externas 16
3.3. Etapas de la Estimación 22
3.3.1. Análisis de Bases de Datos 22

3.3.2. Selección de Variables 23
3.3.3. Modelamiento 24
3.3.4. Validación 26
3.3.5. Agrupamiento de Distritos 27
3.4. Análisis de la Bondad de Ajuste de los Modelos 27
4. SENSIBILIDAD Y VALIDACIÓN DE LOS MODELOS 30

4.1. Comparación de las estimaciones de los Modelos del Gasto con las estimaciones
directas 30
4.2. Sensibilidad de los Modelos en la Submuestra 31
4.3. Sensibilidad en las estimaciones de los Modelos Departamentales a distintas desa-

gregaciones 32
4.4. Validación Externa 33
5. ANÁLISIS DE LOS RESULTADOS 34

5.1. Agrupamiento de Distritos 34
5.2. Generación de Grupos Robustos de Distritos 39
5.3. Resultados de la Pobreza Monetaria Provincial y Distrital 2018 41
5.3.1 Incidencia de la pobreza monetaria total por provincias 42

5.3.2 Incidencia de la pobreza monetaria total por distritos 43
5.3.3 Características de los distritos en el grupo robusto más pobre 43
5.4. Comparación de Resultados del Mapa 2018 y 2013 44
5.5. Comparación de la Pobreza Monetaria Distrital y por NBIs 48
5.5.1 Definición de la Necesidades Básicas Insatisfechas (NBIs) 48

5.5.2 Resultados distritales de las Necesidades Básicas Insatisfechas (NBIs) 49
5.5.3 Comparación de los resultados entre la pobreza monetaria distrital y por NBIs 49
ANEXOS 51
ANEXOS ESTADÍSTICOS 53
Anexo N° 1: Pobreza Monetaria Total, Grupos Robustos y Ubicación del Distrito
por Nivel de Pobreza Total, Según Distrito, 2018 55
Anexo N° 2: Población, Pobreza Monetaria Total, Ubicación de la Pobreza Total,

Según Provincia y Distrito, 2018 96
Anexo N° 3: Población, Pobreza Monetaria Total, Grupos Robustos y Ubicación

del Distrito por Nivel de Pobreza Total, 2018 152
Anexo N° 4: Población, Pobreza Monetaria Total, Grupo Robusto y Ubicación

de la Pobreza Total, Según Provincias, 2018 204
ANEXOS METODOLÓGICOS 209

Anexo N° 1: Diccionario de Variables Predictoras del Gasto Per Cápita de los Hogares 211
Anexo N° 2: Coeficientes de los Modelos de Regresión Logístico por Departamento 235
ANEXOS MAPAS TEMÁTICOS 249
GLOSARIO DE TÉRMINOS 301
BIBLIOGRAFÍA 303
RESUMEN EJECUTIVO
1. El Mapa de Pobreza Monetaria Provincial y Distrital 2018 tiene como objetivo mostrar la
distribución geográfica de la pobreza monetaria a nivel de áreas menores (provincia, distrito
e infradistrito) para identificar y priorizar las zonas más pobres del país, debido a que la
información a nivel de departamento no refleja la heterogeneidad dentro de las provincias ni
los distritos.
2. El Mapa de Pobreza Monetaria Provincial y Distrital 2018 es un insumo y guía para la focalización
de políticas públicas, más no un determinante.
3. El Decreto Supremo Nº 029-2007-PCM, que aprueba el Plan de Reforma de Programas Sociales,
y el Decreto Supremo Nº 080-2007, que aprueba el Plan de Operaciones de la Estrategia CRECER,
establecen que el ámbito de intervención en las localidades y familias pobres sea determinado
por el Mapa de Pobreza Monetaria, elaborado por el Instituto Nacional de Estadística e
Informática-INEI.
4. El Mapa de Pobreza Monetaria Provincial y Distrital 2018 se elaboró bajo la supervisión de la
Comisión Consultiva de Pobreza. En sus tareas de evaluación de la construcción del mapa
de pobreza monetaria, la Comisión se reunió entre abril del 2019 y febrero del 2020 en seis
oportunidades (23 de abril, 28 de mayo, 25 de junio, 11 de octubre, 26 de noviembre de 2019
y 11 de febrero de 2020). Todas las etapas de elaboración del mapa fueron evaluadas por la
Comisión, prestándose particular atención a la rigurosidad de los procesos, la evaluación de la
robustez y a las distintas pruebas de validación interna y externa de los resultados obtenidos.
5. Se consideró actualizar el Mapa de Pobreza Monetaria al año 2018 debido a la disponibilidad
de los resultados de los Censos Nacionales 2017: XII de Población, VII de Vivienda y III
de Comunidades Indígenas, la Encuesta Nacional de Hogares 2017 y 2018 y Registros
Administrativos que permitieron dar cuenta de la nueva fisionomía de las condiciones de vida
de la población.
6. El Mapa de Pobreza Monetaria Provincial y Distrital 2018 se elaboró utilizando la metodología
propuesta por Chris Elbers, Jean Lanjouw y Peter Lanjouw (“Micro-Level Estimation of Poverty
and Inequality”, Econometrica 2003) y ha seguido los mismos lineamientos que la empleada en
la elaboración del anterior Mapa de Pobreza del año 2013. Dicha metodología, que consiste en
combinar los resultados de una encuesta de hogares (con representatividad a nivel de regiones)
con información censal, permite estimar los indicadores de pobreza monetaria para unidades
administrativas menores (provincias, distritos). La necesidad de hacer una estimación indirecta
de la pobreza provincial y distrital se debe a que en las encuestas a hogares por muestreo no se
tiene representatividad provincial ni distrital.
7. Para elaborar el Mapa de Pobreza Monetaria Provincial y Distrital 2018 se ha introducido un
conjunto de mejoras con el fin de afinar la precisión y robustez de las estimaciones de pobreza.
Entre estas tenemos: (a) se utilizó la encuesta de cobertura para obtener la población total en
el Censo 2017, y se estimó la Población Económicamente Activa (PEA) ocupada total de 14 y
más años de edad por categoría de ocupación y rama de actividad, (b) se probó la igualdad de
la distribución en su conjunto y no solamente de las medias, en las variables comunes entre
el censo y la encuesta, (c) se utilizó variables del contexto espacial de los hogares, como el
tiempo y distancia a una institución educativa, establecimiento de salud, y hacia la capital del
distrito o provincia más cercana, (d) se validaron los resultados de la predicción en la muestra
y fuera de la muestra, evitando el riesgo de sobreajuste de los modelos, (e) se utilizó la técnica
de Machine Learning (Regresión Lasso Adaptado) como método de selección de variables para
la estimación de los modelos, (f) se incrementó la muestra de la ENAHO 2018 para mejorar la
precisión del Mapa de Pobreza Monetaria 2018 en 363 conglomerados (2 824 viviendas) en los
departamentos de Áncash, Arequipa, Madre de Dios, Pasco y Puno, a solicitud del MIDIS.
Mapa de pobreza monetaria provincial y distrital 2018 7

8. Para estimar la pobreza a nivel distrital se realizaron las siguientes etapas: (i) se recolectaron y
prepararon 22 bases de datos que se utilizaron en la estimación de los modelos predictivos, ii) se
compatibilizaron las definiciones y se estandarizaron las modalidades de las variables comunes
entre el censo y la encuesta, (iii) se seleccionaron las variables explicativas relacionadas al
gasto de los hogares, (iv) se estimaron 26 modelos predictivos del gasto per cápita del hogar
para cada departamento, estimando modelos independientes para la Provincia Constitucional
del Callao, provincia de Lima y la Región Lima (v) se realizaron las pruebas de sensibilidad y
robustez, vi) se imputó el gasto de los hogares del censo con los parámetros estimados de
los modelos (incluido el de sus errores) con la ENAHO 2017-2018, y (vii) se calcularon los
indicadores de pobreza monetaria y sus intervalos de confianza a partir de 300 simulaciones
a nivel de los datos censales. Cabe señalar que para obtener las estimaciones de pobreza
monetaria a nivel de provincias y distritos se tuvo también en consideración los parámetros
de la distribución de los residuos de los modelos con el fin de tener en cuenta la variación del
gasto no explicada por los coeficientes de las regresiones.
9. En la aplicación de dicha metodología, se combinaron los resultados de la Encuesta Nacional
de Hogares (ENAHO) 2017-2018 y el Censo de Población y Vivienda (CPV) 2017. Con el fin de
hacer comparables la encuesta y el Censo, se armonizó el concepto de miembros del hogar
aplicando la metodología empleada en la ENAHO, y se ajustó la población total (censada más
omitida) por grupos de edad, sexo, área de residencia y departamento.
10. Se utilizaron además otras fuentes externas (20) tales como el IV Censo Nacional Agropecuario
(CENAGRO) 2012, Programa Nacional CUNAMAS 2018, Registro Nacional de Usuarios de
Programas Sociales (RNU) 2017, Plan de Salud Escolar (PSE) 2016, Programa Nacional de
Becas y Crédito Educativo (PRONABEC) 2012-2018, Registro Nacional de Municipalidades
(RENAMU) 2018, Seguro Integral de Salud (SIS) 2017, Organismo Supervisor de la Inversión
en Energía y Minería (OSINERMING) 2017, entre otros. Ello ha permitido, por un lado, reducir la
presencia de efectos fijos a distintos niveles de desagregación geográfica y por tanto mejorar el
poder predictivo de los modelos del gasto; y por el otro, generar un sistema de bases de datos
enlazados geográficamente al Censo 2017, que constituye una herramienta útil para futuras
investigaciones.
11. Además de seleccionar variables definidas de manera estrictamente comparable, se examinó la
igualdad en la distribución de las variables predictivas presentes tanto en la ENAHO 2017-2018
como en el Censo 2017. Se estimaron modelos econométricos con varios cortes geográficos,
siendo los modelos departamentales los más eficientes en cuanto a su capacidad predictiva.
12. Se seleccionaron los modelos predictivos del gasto per cápita del hogar que presentaron
las bondades de ajuste más elevadas y bajos ratios de varianza. La bondad del ajuste de la
regresión, medida a través de los coeficientes de determinación ajustado (R2) que indican
cuánto de la variación del gasto es explicada por el modelo seleccionado, varía entre 0 y 1,
siendo mejor el ajuste cuanto más se aproxima a 1. Los resultados fueron bastante buenos
en la totalidad de los modelos predictivos departamentales pues los R2 estimados varían en el
rango de 0.37 al 0.74.
13. Se realizaron varias pruebas de validación interna. La primera comparó los valores del gasto
departamental predichos por los modelos de regresión e imputación a los datos del Censo con
los valores observados en la ENAHO 2017-2018. La segunda prueba analizó la sensibilidad
del modelo del gasto y su capacidad predictiva dividiendo la muestra (ENAHO) en dos partes
iguales, estimándose los coeficientes en la primera mitad para luego imputarlos a la otra mitad
para finalmente comparar los estimadores de pobreza monetaria predichos con las tasas de
pobreza observadas en la ENAHO.
14. Se implementó una validación externa a través de una reunión con representantes del MIDIS,
en donde se presentaron y discutieron los resultados preliminares obtenidos por el Mapa de
Pobreza Monetaria Provincial y Distrital 2018.
8 Instituto Nacional de Estadística e Informática

15. Se conformaron 197 grupos de distritos debido a la necesidad de tener una mayor precisión en
la incidencia de la pobreza monetaria en los distritos cuyo tamaño poblacional es menor a mil
hogares. Para el agrupamiento, se consideró la cercanía del distrito, las características urbanas
y rurales; y la pertenencia al mismo (o continuo) grupo robusto del distrito.
16. Se conformaron 28 grupos robustos sobre un total de 1 874 distritos con diferencia estadística
significativa en su incidencia de pobreza monetaria con un nivel de confianza del 95%.
17. Los distritos de Uchuraccay, Oxamarca y Anguia se encuentran en el primer grupo robusto de la
pobreza monetaria; es decir, las estimaciones de su pobreza no tienen diferencias significativas.
18. En 116 distritos se presenta una incidencia de pobreza monetaria mayor al 60%. Los distritos
con incidencia de pobreza menor al 40% son 1 160. En el departamento de Cajamarca se
encuentran 16 de los 20 distritos más pobres del Perú. En cuanto a los 20 distritos menos
pobres del país, casi la mitad (9) se encuentran fuera de Lima metropolitana.
19. Entre el mapa 2018 y 2013, en 1 119 distritos (59,7%) disminuyeron la incidencia de la pobreza
monetaria. En el rango de la pobreza monetaria de 60% y más, en el Mapa 2013 se tenía 495
(26,4%) distritos y en el 2018 son 116 distritos (6,2%), disminuyendo 379 distritos.
20. Un poco más de un tercio (608 distritos) tienen una incidencia de pobreza monetaria y NBI
en el mismo rango de pobreza. Existe correlación entre la pobreza monetaria y NBI, pero esta
relación no es perfecta, por eso es necesario el mapa de pobreza monetaria porque revela
especificidades que las NBI no revelan.

1. INTRODUCCIÓN
La implementación de políticas sociales y la priorización de los ámbitos de intervención requieren
de instrumentos de focalización desagregados geográficamente a un nivel que no permiten por
si solas las encuestas por muestreo a los hogares1. En efecto, dichas encuestas no tienen por lo
general representatividad provincial y menos aún distrital, debido a su diseño muestral. Más aún,
en la mayoría de los casos las provincias de un mismo departamento y los distritos de la misma
provincia no presentan los mismos niveles de pobreza monetaria, por lo que la desagregación
geográfica cobra relevancia. Las técnicas estadísticas de estimación para áreas menores permiten
contar con indicadores de pobreza monetaria para el conjunto de las provincias y los distritos del
país.
La metodología utilizada en la elaboración del Mapa de Pobreza Monetaria Provincial y Distrital
2018, fue propuesta por investigadores del Banco Mundial2 y para su elaboración se ha considerado
los mismos lineamientos usados en el Mapa de Pobreza del año 2013.
Para la elaboración de un nuevo Mapa de Pobreza Monetaria Provincial y Distrital, se eligió el año
2018 por la disponibilidad de los resultados de los Censos Nacionales 2017: XII de Población, VII de
Vivienda y III de Comunidades Indígenas, la Encuesta Nacional de Hogares de los años 2017 y 2018
y Registros Administrativos, que permiten dar cuenta de la nueva fisionomía de las condiciones de
vida de la población. La disponibilidad de las diversas fuentes de información permitió una mejor
aplicación de la metodología de elaboración del mapa de pobreza, en la medida que se requiere
igualdad en la distribución de las variables predictivas del gasto según las fuentes censales y la
encuesta de hogares.
El Mapa de Pobreza Monetaria Provincial y Distrital 2018 considera el enfoque monetario de la
pobreza. La definición de pobreza monetaria es la misma que la empleada en la estimación de
la pobreza a nivel departamental realizada a partir de la Encuesta Nacional de Hogares (ENAHO).
Se define como pobres monetarios a aquellos individuos que residen en hogares cuyo gasto per
cápita mensual está por debajo del valor de una canasta de productos (líneas de pobreza) que
permite satisfacer las necesidades mínimas. La estimación del gasto considera tanto los gastos
monetarios, como los no monetarios (autoconsumo, autosuministro, donaciones y transferencias
en especie y en dinero sean de origen privado o público).
Este instrumento fue elaborado bajo la supervisión de la Comisión Consultiva para la Estimación
de la Pobreza3. El proceso de su elaboración tuvo una duración de 1 año y durante este periodo la
Comisión se reunió en seis oportunidades (23 de abril, 28 de mayo, 25 de junio, 11 de octubre, 26 de
noviembre de 2019 y 11 de febrero de 2020) en las cuales se discutieron los procedimientos para
la estimación del Mapa de Pobreza Monetaria y se formularon una serie de recomendaciones que
fueron tomadas en cuenta en la elaboración del presente Mapa de Pobreza.
1 El marco normativo vinculado a los mapas de pobreza en el Perú incluye:

• El Decreto Supremo Nº 029-2007-PCM, que aprueba el Plan de Reforma de Programas Sociales, y el Decreto Supremo Nº 080-2007- PCM, que aprueba
el Plan de Operaciones de la Estrategia CRECER, establecen que el ámbito de intervención en las localidades y familias pobres sea determinado por el
mapa de pobreza elaborado por el Instituto Nacional de Estadística e Informática-INEI.
• El Decreto Supremo Nº 081-2011-PCM, que crea el programa social denominado Programa Nacional de Asistencia Solidaria “Pensión 65”, y el
Decreto Supremo Nº 008-2012-PCM que establece medidas complementarias para acceder a la subvención económica del Programa Nacional de
Asistencia Solidaria “Pensión 65” de manera progresiva en los distritos más pobres del Perú, toman como referencia los distritos cuyo nivel de pobreza
es superior a 50% de acuerdo al Mapa de Pobreza 2009 del Instituto Nacional de Estadística e Informática – INEI. Asimismo, el Decreto Supremo Nº
009-2012-MIDIS, que amplían la cobertura del Programa Nacional de Asistencia Solidaria “Pensión 65” y del Programa Nacional de Apoyo Directo a
los Más Pobres “Juntos”, establece el ámbito de intervención de manera progresiva tomándose como referencia los distritos cuyo nivel de pobreza sea
superior al 40%, de acuerdo con el Mapa de Pobreza 2009 elaborado por el Instituto Nacional de Estadística e Informática - INEI.
• El Decreto Supremo Nº 021-2012-EM que crea el Sistema de Seguridad Energética en Hidrocarburos y el Fondo de Inclusión Social Energético (FISE).
A través de este último, se asignará a los hogares una compensación (vale de descuento FISE), y se realizará conforme a la disponibilidad presupuestal
en las regiones y distritos con mayor nivel de pobreza, según la información contenida en el último mapa de pobreza publicado por el INEI.
2 Elbers, C., Lanjouw, J. O., y Lanjouw, P. (2003). Micro–level estimation of poverty and inequality. Econometrica, 71(1), 355-364.
3 La Comisión Consultiva para la Estimación de la Pobreza fue creada por Resolución Suprema Nº 097-2010-PCM. Son funciones de la Comisión
Consultiva: (1) asesorar en los procesos de medición de la pobreza y otros indicadores relacionados, así como supervisar los procesos que se adopten;
(2) evaluar y validar los resultados de las estimaciones que se efectúen periódicamente; y (3) proponer, cuando sea pertinente, modificaciones a las
metodologías a partir de la evaluación de su validez y la experiencia internacional, siempre que se asegure la comparabilidad en el tiempo de los
indicadores.

La elaboración del Mapa de Pobreza Monetaria Provincial y Distrital 2018 responde a la creciente
demanda de información estadística confiable desagregada geográficamente y en particular a las
necesidades de las políticas públicas del Estado Peruano para priorizar a los distritos más pobres
del país.
1.1. Objetivo del Mapa de Pobreza Monetaria

El objetivo del Mapa de Pobreza es mostrar la distribución geográfica de la pobreza monetaria
a nivel de áreas menores (provincia, distrito e infra distrito) para identificar y priorizar las
zonas más pobres del país, constituyendo una herramienta importante en la toma de mejores
decisiones de política pública para mejorar el bienestar social, facilitando también la definición
de prioridades para la asignación de recursos públicos, debido a que la información a nivel de
departamento no refleja la heterogeneidad dentro de las provincias ni distritos.
Además, estas unidades administrativas (provincias y distritos) tienen una gran demanda en
la focalización de los programas sociales y el diseño de las políticas públicas con criterios de
descentralización y articulación territorial.
1.2. Usos del Mapa de Pobreza Monetaria

El Mapa de Pobreza Monetaria tiene un conjunto de usos, entre los cuales se encuentran:
• Facilita la definición de prioridades para la asignación de recursos públicos y es de mucha
utilidad en la focalización del gasto público en zonas geográficas que presentan una mayor
incidencia de la pobreza.
• Es un insumo y guía para los lineamientos en los diferentes Programas Sociales, porque
permite priorizar a poblaciones vulnerables.
• Identifica las diferencias en las condiciones de los hogares y la población a nivel de áreas
menores (provincias, distritos e infradistritos) donde una encuesta no tiene ese nivel de
inferencia
1.3. Mejoras Incorporadas al Mapa de Pobreza Monetaria 2018

La metodología de elaboración del Mapa de Pobreza Monetaria Provincial y Distrital 2018
sigue los mismos procesos y metodología empleados en el mapa 2013; sin embargo, se
han introducido un conjunto de mejoras con el fin de afinar la precisión y robustez de las
estimaciones de pobreza. Estas mejoras son las siguientes:
• Se utilizó la encuesta de cobertura del Censo del 2017 para obtener la población total
(población censada y omitida). Además, se estimó la Población Económicamente Activa
(PEA) ocupada del CPV 2017 de acuerdo a lo obtenido en la Encuesta Nacional de Hogares
2017-2018, en lo que respecta a categoría de ocupación y rama de actividad , con la finalidad
de identificar las brechas de empleo a nivel de áreas menores.
• Se ajustó el factor de expansión anual de la ENAHO 2017-2018 por departamento, sexo,
grupo de edad y área de residencia.
• Se probó la igualdad de la distribución en su conjunto y no solamente de las medias, en
las variables comunes entre el censo y la encuesta.
• Se utilizó variables del contexto espacial de los hogares, como el tiempo y distancia a una
institución educativa, establecimiento de salud, y hacia la capital del distrito o provincia
más cercana.
• Se validaron los resultados de la predicción en la muestra y fuera de la muestra, con el
objetivo de medir la capacidad predictiva de los modelos. Para evitar el sobreajuste de
los modelos se utilizó la técnica de Machine Learning (Regresión Lasso Adaptado) como
método de selección de variables para la estimación de los modelos.

• Se incrementó la muestra de la ENAHO 2018 para el Mapa de Pobreza Monetaria Provincial
y Distrital 2018 en 363 conglomerados (2 824 viviendas) en los departamentos de Áncash,
Arequipa, Madre de Dios, Pasco y Puno, a solicitud del MIDIS.
• Se estimaron modelos independientes en el departamento de Lima: Provincia Constitucional
del Callao, Provincia de Lima y la Región de Lima.
1.4. Limitaciones del Mapa de Pobreza Monetaria 2018

Se han identificado un conjunto de limitaciones en el proceso de elaboración del Mapa de
Pobreza Monetaria Provincial y Distrital 2018. Estas limitaciones afectan de alguna manera
las estimaciones de pobreza monetaria obtenidas. Estas limitaciones identificadas son:
• El nivel de precisión de las estimaciones distritales de la incidencia de pobreza monetaria
se ve afectado por el tamaño de la población total de los distritos. El 30% de los distritos
tienen una población total menor a 600 hogares.
• La no disponibilidad de otras fuentes de información relevantes para explicar el gasto del
hogar, como registros administrativos de empleo, afecta la eficiencia en las estimaciones
de pobreza provincial y distrital.

2. ANTECEDENTES
En el año 1981 el Banco Central de Reserva del Perú (BCRP) elaboró el primer mapa de pobreza
utilizando la metodología de Necesidades Básicas Insatisfechas (NBIs), y teniendo como insumo
los datos del Censo de Población y Vivienda de 1972. En el año 1986 nuevamente el BCRP elaboró
otro mapa de pobreza con las mismas características metodológicas del mapa anterior, y con los
datos del Censo de Población y Vivienda de 1981.
En 1996 el Fondo de Cooperación para el Desarrollo Social (FONCODES), programa social de alcance
nacional adscrito al Ministerio de Desarrollo e Inclusión Social (MIDIS), elaboró un mapa de pobreza
utilizando la metodología de índices de carencias en servicios básicos y de vulnerabilidad, y con los
datos del Censo de Población y Vivienda de 1993.
En 2001 el Ministerio de Economía y Finanzas (MEF) elaboró el mapa de pobreza con información
del Censo de Población y Vivienda de 1993 y de la Encuesta Nacional de Hogares (ENAHO) de 2001.
La metodología utilizada combina la información de un censo y una encuesta.
En el año 2003 el Instituto Nacional de Estadística e Informática (INEI) elaboró el Mapa de Pobreza
2001 utilizando los datos del Censo de Población y Vivienda de 1993 y de la Encuesta Nacional de
Hogares (ENAHO) del año 2001, utilizando una metodología que combina información de un censo
y una encuesta.
La metodología de estimación de la pobreza, que combina los datos de un censo y una encuesta, fue
sistematizada en el año 2003 por Elbers, Lanjouw y Lanjouw (Elbers et al. 2003), investigadores del
Banco Mundial. Esta metodología también es conocida como la metodología ELL del Banco Mundial.
En el año 2009 el Instituto Nacional de Estadística e Informática (INEI) elaboró el mapa de pobreza
monetaria utilizando la metodología del Banco Mundial. Las fuentes de información fueron el
Censo de Población y Vivienda 2007 y la Encuesta Nacional de Hogares (ENAHO) 2009. El nivel
de desagregación fue de distritos. Finalmente, en el año 2015 el INEI elaboró el Mapa de Pobreza
Provincial y Distrital 2013 con información del Empadronamiento Distrital de Población y Vivienda
(SISFOH) 2012 y 2013 y la ENAHO 2012 y 2013, con un nivel de desagregación de distrito e infradistrito
en algunos distritos grandes. La metodología utilizada fue la del Banco Mundial.

3. METODOLOGÍA
3.1. Metodología para la Estimación de la Pobreza Monetaria
La Encuesta Nacional de Hogares (ENAHO) permite estimar el ingreso y gasto de los hogares,
y por consiguiente la pobreza monetaria, con una representatividad departamental, más no
a nivel provincial ni distrital. Por otra parte, el Censo de Población y Vivienda (CPV), o un
empadronamiento nacional, tiene información a nivel distrital y a niveles más desagregados,
pero no tiene información de ingresos y/o gastos. Para obtener estimaciones distritales es
necesario utilizar una metodología de estimación en áreas menores que use la información
disponible del censo y la encuesta para estimar la pobreza a nivel de distrito, pero sin incurrir
en costos adicionales.
La metodología de estimación de áreas menores desarrollada por Elbers, Lanjouw y Lanjouw
(Elbers et al. 2003), investigadores del Banco Mundial (BM), combina los datos de un censo de
población y de una encuesta de hogares. En términos generales, esta metodología (también
conocida como metodología ELL) utiliza los datos de la encuesta de hogares para estimar un
modelo del gasto per cápita de los hogares; luego utiliza este modelo estimado para predecir
el gasto de cada hogar del censo de población; y por último, con el gasto estimado por hogar,
se calcula la pobreza a nivel distrital y otros niveles de desagregación geográfica.
El siguiente gráfico muestra el concepto general de la metodología ELL.
Análisis de la Metodología ELL
3.2. Fuentes de Información

Las fuentes de datos principales utilizadas en la construcción del Mapa de Pobreza Monetaria
Provincial y Distrital 2018 son el Censo de Población y Vivienda (CPV) 2017 y la Encuesta
Nacional de Hogares (ENAHO) 2017 y 2018.
3.2.1. Censo de Población y Vivienda 2017

Los Censos Nacionales XII de Población, VII de Vivienda y III de Comunidades Indígenas
fueron censos de hecho o de facto, y se realizaron el 22 de octubre del 2017 de acuerdo
al Decreto Supremo N° 076-2017-PCM, desarrollandose a nivel nacional en un día
en el área urbana y del 23 de octubre al 7 de noviembre del 2017 en el área rural. El
censo contiene información sobre la composición, distribución, tamaño poblacional,
características sociodemográficas y económicas de la población y las características
de los hogares y viviendas.
Las unidades de investigación en el Censo de Población fueron las personas, y el hogar
que conforman; mientras que para el Censo de Vivienda fue la vivienda. Por primera vez, en
el censo de población se solicitó el número del documento nacional de identidad (D.N.I.).
La cédula censal contó con cinco secciones:

• Sección I: Localización de la vivienda y número de hogares (12 preguntas).
• Sección II: Características y servicios de la vivienda (13 preguntas).
• Sección III: Características del hogar (3 preguntas).
• Sección IV: Personas que conforman el hogar (2 preguntas).
• Sección V: Características de la población (29 preguntas).
Al momento del censo, el país estaba conformado administrativamente por 1 874
distritos, que actualmente no ha cambiado, es decir, desde el Empadronamiento Distrital
de Población y Vivienda (SISFOH), 2012-2013 se crearon 20 distritos, como se puede
observar en la tabla siguiente:
TABLA N°1
RELACIÓN DE DISTRITOS CREADOS
Ley de
Nº Ubigeo Departamento Provincia Distrito Fecha de publicación
creación
1 120609 JUNÍN SATIPO VIZCATÁN DEL ENE 30346 2 de Octubre 2015
2 080913 CUSCO LA CONVENCIÓN VILLA KINTIARINA 30349 14 de Octubre 2015
3 230111 TACNA TACNA LA YARADA LOS PALOS 30358 7 de Noviembre 2015
4 100704 HUÁNUCO MARAÑÓN LA MORADA 30360 11 de Noviembre 2015
5 100607 HUÁNUCO LEONCIO PRADO PUCAYACU 30376 7 de Diciembre 2015
6 100608 HUÁNUCO LEONCIO PRADO CASTILLO GRANDE 30377 7 de Diciembre 2015
7 100705 HUÁNUCO MARAÑÓN SANTA ROSA DE ALTO YANAJANCA 30378 7 de Diciembre 2015
8 100113 HUÁNUCO HUÁNUCO SAN PABLO DE PILLAO 30379 7 de Diciembre 2015
9 050412 AYACUCHO HUANTA CHACA 30387 16 de Diciembre 2015
10 090721 HUANCAVELICA TAYACAJA ROBLE 30388 18 de Diciembre 2015
11 090722 HUANCAVELICA TAYACAJA PICHOS 30391 18 de Diciembre 2015
12 030609 APURÍMAC CHINCHEROS ROCCHACC 30392 28 de Diciembre 2015
13 030610 APURÍMAC CHINCHEROS EL PORVENIR 30393 28 de Diciembre 2015
14 100609 HUÁNUCO LEONCIO PRADO PUEBLO NUEVO 30440 27 de Mayo 2016
15 090723 HUANCAVELICA TAYACAJA SANTIAGO DE TUCUMA 30445 28 de Mayo 2016
16 030611 APURÍMAC CHINCHEROS LOS CHANKAS 30455 13 de Junio 2016
17 050511 AYACUCHO LA MAR ORONCCOY 30457 14 de Junio 2016
18 080914 CUSCO LA CONVENCIÓN MEGANTONI 30481 5 de Julio 2016
19 100610 HUÁNUCO LEONCIO PRADO SANTO DOMINGO DE ANDA 30491 23 de Julio del 2016
20 211105 PUNO SAN ROMAN SAN MIGUEL 30492 26 de Julio del 2016
Fuente: Instituto Nacional de Estadística e Informática.
3.2.2. Encuesta Nacional de Hogares 2017 y 2018

La Encuesta Nacional de Hogares (ENAHO) es una encuesta de derecho que se ejecuta
a nivel nacional, durante todo el año. Se compiló las bases de datos anuales de los
años 2017 y 2018, verificando, mediante un test de medias, que no existan diferencias
significativas. Se obtuvo una muestra total de 11 mil 111 conglomerados, equivalente a
71 mil 224 viviendas y 72 mil 046 hogares. Debido al mayor número de casos, se obtuvo
una base de datos que permitió obtener estimaciones más robustas de los modelos
econométricos desagregados geográficamente.
Entre sus temas de investigación se tienen:
• Características de la vivieda y del hogar (34 preguntas).
• Características de los miembros del hogar (20 preguntas).
• Educación – Para personas de 3 años y más de edad (43 preguntas).
• Salud – Para todas las personas (32 preguntas).
• Empleo e Ingreso – Para personas de 14 años y más de edad (87 preguntas).

• Sistema de pensiones (2 preguntas)
• Etnicidad (3 preguntas).
• Despalazmiento de la población a otros distritos por trabajo (1 pregunta).
• Inclusión financiera (4 preguntas).
• Gastos del hogar (82 preguntas).
• Programas sociales de ayuda alimentaria (7 preguntas).
• Programas sociales no alimentarios (4 preguntas).
• Participación ciudadana (6 preguntas).
• Módulo de opinión (45 preguntas).
3.2.3. Fuentes Externas

Además de las dos fuentes de datos principales, se recolectaron otras fuentes de datos
cuyas variables están relacionadas con el gasto/consumo de los hogares. Estas bases de
datos provienen de las diferentes instituciones del sector público, y son principalmente
registros administrativos.
Se obtuvieron diez bases de datos a nivel de persona (bases de datos de población) y
diez bases de datos a otros niveles como instituciones educativas, establecimientos de
salud, suministros de electricidad, etc. (bases de datos de instituciones). La siguiente
tabla muestra las diferentes bases de datos utilizadas.
TABLA N°2
FUENTES EXTERNAS
Bases de Población Bases Institucionales
- Oficina de Normalización Previsional (ONP), 2016 - Registro Nacional de Municipalidades (RENAMU), 2018
Registro de Usuarios Afiliados al Aseguramiento Universal Registro Nacional de Identificación y Estado Civil (RENIEC),
- de Salud (SUSALUD), 2019 -
2017
- Sistema Integral de Salud (SIS), 2017 - Directorio Central de Empresas y Establecimientos, 2017
Sistema de Información de Apoyo a la Gestión de la Programa Nacional de Becas y Crédito Educativo

- Institución Educativo (SIAGIE), 2016-2017 -
(PRONABEC), 2012-2018
- Evaluación Censal de Estudiantes (ECE), 2011-2016 - Programa Nacional de Saneamiento Rural, 2018
Plan de Salud Escolar (PSE), 2016
- - Censo Escolar, 2017
Registro Nacional de Usuarios de Programas Sociales
- - Sistema de Denuncias Policiales (SIDPOL), 2017
(RNU), 2017
Programa Nacional CUNAMAS, 2018 Organismo Supervisor de la Inversión en Enegía y Minería
- -
(OSINERMING), 2017
- IV Censo Nacional Agropecuario (CENAGRO), 2012 - Censo Penitenciario, 2016
Paneles Solares u algún otro mecanismo que genere energía
- eléctrica (MINEM), 2017 - Mapa de Pobreza Provincial y Distrital, 2013
Las fuentes de datos mencionadas pasaron por un proceso de enlace geográfico, que
consistió en los siguientes pasos:
• Las bases de datos que estaban georeferenciadas fueron revisadas y validadas
utilizando la cartografía censal del INEI.
• Las bases de datos que no estaban georeferenciadas se enlazaron geográficamente
mediante la ubicación geográfica del distrito, nombres o direcciones, según sea
el caso. Una vez enlazados geográficamente, se les asignó la ubicación censal
correspondiente.

• En los casos que no se pudo georeferenciar al mínimo nivel de la base de datos,
estos se agregaron a los siguientes niveles geográficos, como manzanas, centros
poblados y distritos.
Estas bases de datos externas georeferenciadas y enlazadas permitieron captar mejor
la heterogeneidad de la unidad geográfica más desagregada como provincia, distrito,
manzanas, centros poblados entre otros. Los siguientes cuadros muestran las principales
características de las 20 bases de datos externas.

18
Cuadro N° 1
PERÚ: FUENTES EXTERNAS
Paneles Solares o
Registro Nacional de Usuarios Sistema de Información de Apoyo a
Algún Otro Mecanismo Plan de Salud Escolar Oficina de Normalización
de Programas Sociales (RNU) la Gestión de la Institución Educativa
que Genere Energía (PSE) 2016 Previsional (ONP) 2016
2017 (SIAGIE) 2016-2017
Eléctrica (MINEM) 2017
Concentra la información y Brinda información Brinda información sobre Es un aplicativo web administrado Permite obtener
la base de datos de todos sobre personas cuya los riesgos y daños en por el Ministerio de Educación puesto información sobre las
los usuarios afiliados a los vivienda utiliza paneles la salud que pueden a disposición de las Instituciones pensiones de los usuarios
Programas Sociales o de solares o algún otro estar interfieriendo en el Educativas públicas y privadas a que estan afiliados a este
subsidios del Estado, la cual mecanismo de energía aprendizaje del alumno. nivel nacional, el cual les permite administrador del Sistema
es provista por cada sector e eléctrica obtener información de los procesos Nacional de Pensiones.
OBJETIVOS
institución responsable. de matrícula, asistencia y evaluación
de estudiantes.
Variables consideradas
Relación de usuarios de Número de usuarios de Indicador de Hemoglobina Situación regular del alumno:
Pensión del jubilado
programas sociales paneles solares de los alumnos Aprobado, despaprobado o retirado
Indicador de diagnostico
Tipo de programa social Grado del alumno
nutricional de los alumnos
Número de usuarios del Indicador de agudeza

Gestión: Pública o Privada
Programa Juntos visual de los alumnos
Número de beneficiarios del

Programa Pensión 65
Número de beneficiarios del

Programa Beca 18
Nivel de armonización
Manzana Distrito Manzana Manzana Distrito

Cuadro N° 1
Registro de
Usuarios Afiliados
Evaluación Censal de Seguro Integral de Salud Base de Datos del IV Censo Nacional Programa Nacional
al Aseguramiento
Estudiantes (ECE) 2011-2016 (SIS) 2017 Agropecuario (CENAGRO) 2012 Cunamás 2018
Universal de Salud
(SUSALUD) 2019
Permite obtener información Brinda la información Es un seguro de salud Es la investigación estadística Es un programa social
acerca del nivel de aprendizajes de todos los afiliados dirigido para todos los mas importante del Sector Agrario. focalizado a cargo del
de estudiantes de segundo al Registro de Usuarios ciudadanos peruanos Proporciona datos actualizados para Ministerio de Desarrollo e
grado de primaria, y en algunos al aseguramiento que no cuenten con otro el conocimiento de la base productiva Inclusión Social (MIDIS),
departamentos del país a los universal de salud . seguro de salud vigente. agropecuaria mediante el recojo cuyo objetivo es mejorar el
Mapa de pobreza monetaria provincial y distrital 2018

estudiantes de cuarto grado de Brinda información sobre de las declaraciones de todos los desarrollo infantil de niñas
OBJETIVOS
primaria. los beneficiarios y los productores agropecuarios del país. y niños menores de 3 años
tipos de atenciones que y nos brinda la relación de
requieren. los niños registrados.
Resultados de la evaluación en Niños registrados en

Usuarios de Sussalud Usuarios de SIS Número de parcelas
comprensión lectora Cunamás
Resultados de la evaluación en
Tipo de atenciones Número de ganado
matemáticas
Idioma del alumno Superficie agrícola
Gestión: Pública o Privada Superficie cultivada
Número de llamas
Manzana Manzana Manzana Conglomerado Distrito
19
20
Cuadro N° 1
Programa Nacional de Registro Nacional de Registro Nacional de Directorio Central de

Registro del Consumo de Energía
Becas y Crédito Educativo Municipalidades (RENAMU) Identificación y Estado Empresas y Establecimientos
Eléctrica (OSINERGMIN) 2017
(PRONABEC) 2012-2018 2018 Civil (RENIEC) 2017 2017
Dirigida a estudiantes de Permite obtener información Es un organismo Es una institución pública adscrita Constituye un instrumento
universidades públicas estadística de las autónomo del Estado a la Presidencia del Consejo de base para la construcción
con alto rendimiento municipalidades provinciales, Peruano encargado de Ministros del Perú y está encargada de marcos muestrales para
académico y limitados distritales y de centros la identificación de los de supervisar que las empresas la ejecución de encuestas a
recursos económicos para poblados, a fin de generar peruanos, otorgando el eléctricas, las de combustibles y las empresas y establecimientos
que continúen y culminen indicadores municipales que Documento Nacional de del régimen general de Minería del en el Sistema Estadístico
sus carreras con éxito. sirvan de apoyo a la gestión Identidad (DNI) y brinda Perú cumplan las normas legales Nacional. Brinda información
OBJETIVOS
Brinda informacion sobre regional y local para la información de las de las actividades que desarrollan. sobre la estructura de las
los beneficiarios de este planificación y la adecuada caracteristicas de edad Brinda información sobre el consumo empresas y establecimientos.
programa. toma de decisiones. y sexo de la población. eléctrico a nivel de suministro.
Número de locales de la
Número de beneficiarios municipalidad por condición Edad Tipo de tarifa electrica Tipo de empresa
de tenencia
Número de computadoras en
Promedio de edad del Empresas según rangos de
la Municipalidad con acceso Sexo Consumo eléctrico mensual
beneficiario venta
a internet
Número de vehiculos en la Gasto mensual por consumo Empresas según volumen de

Estado civil
Municipalidad eléctrico venta
Empresas según número de

Número de maquinarias Grado de instrucción
personal activo
Número de trabajadores en la
Municipalidad

Distrito Distrito Distrito Manzana Distrito
Cuadro N° 1
Programa Nacional de Sistema Informático de Mapa de Pobreza

Saneamiento Rural (PNSR) Censo Escolar 2017 Censo Penitenciario 2016 Denuncias Policiales Provincial y Distrital
2018 (SIDPOL) 2017 2013
Tiene como finalidad atender Permite obtener información sobre las Brinda información estadística Permite obtener Tiene como objetivo
a las poblaciones más instituciones educativas públicas y sobre las características información sobre identificar las provincias
necesitadas del ámbito rural privadas. Proporciona información útil sociodemográficas y las intervenciones, y los distritos con mayor
con servicios de agua y para la planificación en los niveles de situación jurídica de la denuncias, ocurrencias y incidencia de pobreza
saneamiento integrales, de gestión provincial, regional y nacional. población penitenciaria de 18 consultas policiales. y nos da informacion
calidad y sostenibles. Brinda Recolecta datos agregados de años y más de edad recluida sobre la pobreza en al
información estadística de alumnos matriculados, infraestructura en los 66 establecimientos año 2013.
OBJETIVOS
Mapa de pobreza monetaria provincial y distrital 2018

los centros poblados. del local escolar, mobiliarios y penitenciarios del país.
ambientes educativos, entre otros.
Acceso a electrícidad Instituciones educativas Número de internos por sexo Denuncias por sexo Índice de pobreza 2013
Acceso a establecimientos Denuncias por grupos

Matrícula Número de intenos con SIS
de salud de edad
Número de internos por Denuncias por estado

Acceso a Internet Docentes
grupos de edades civil
Número de internos por tipo

Acceso a teléfono Bienes del local escolar
de delito
Número de internos según

Servicios del local escolar
nivel educátivo
Centro Poblado Distrito Distrito Distrito Distrito
21
3.3. Etapas de la Estimación
La metodología utilizada para la elaboración del Mapa de Pobreza Monetaria Provincial y
Distrital 2018 consta de las siguientes etapas:
• Análisis de bases de datos.- Se recolectaron las fuentes de datos a utilizarse en la
estimación de los modelos. Se enlazaron estas bases de datos con las bases de datos
del censo y la encuesta a nivel geográfico. Se verificó la igualdad de las definiciones de
las variables comunes entre el censo y la encuesta. Y se estandarizaron las modalidades
(categorias de las preguntas) de las variables comunes.
• Selección de variables.- Se eliminaron las variables que tienen valores constantes. Se
seleccionó las variables mediante pruebas estadísticas. Se verificó la igualdad de las
distribuciones de las variables comunes entre el censo y la encuesta. Y se redujo el número
de variables mediante la técnica de Lasso adaptado.
• Modelamiento.- Se estimaron los modelos del gasto per cápita del hogar a nivel de región.
Y se analizaron las estadísticas de bondad de ajuste.
• Validación.- Se verificó que las estimaciones obtenidas por los modelos de cada región
se encuentren dentro del intervalo de confianza estimado por la encuesta. Se evaluó la
capacidad predictiva del modelo en la submuestra.
• Agrupamiento de distritos.- Se conformaron los grupos robustos de distritos según la
estimación de pobreza monetaria. Se agruparon distritos de menor tamaño poblacional y
poca precisión para mejorar la calidad de las estimaciones.
Las siguientes secciones explican con mayor detalle cada una de las etapas mencionadas
de la metodología.
3.3.1. Análisis de Bases de Datos

Teniendo como insumo las diferentes bases de datos recolectadas, se construyeron un
conjunto de variables que conformaron la base de datos final para la estimación de los
modelos predictivos del gasto per cápita de los hogares. Se diferenció entre variables
cualitativas (como por ejemplo, sexo, estado civil, grado de instrucción) y variables
cuantitativas (como por ejemplo, total de trabajadores, número de micro-pequeñas
empresas). Las variables se consideraron como válidas si los datos faltantes no superaron
el 30% de los casos en las variables cualitativas, y el 40% en las variables cuantitativas.
Las variables cualitativas se dicotomizaron, y cuando no se logró representatividad en
estas nuevas variables, estas se agruparon. Luego se agregaron a los diferentes niveles
geográficos como manzana, conglomerado, centro poblado y distrito; siendo el hogar
el menor nivel de agregación.
En el caso que los datos faltantes no hubiesen superado los umbrales mencionados, se
procedió a la imputación de los datos de la siguiente manera: (a) los datos faltantes se
imputaron con la moda en el caso de las variables cualitativas, y con la mediana en el
caso de las variables cuantitativas, (b) se realizó la agregación de los casos a los niveles
geográficos de manzana, conglomerado, centro poblado y distrito, hasta completar los
datos.
Asimismo, se verificó que las variables comunes entre el censo y la encuesta estén
definidas de la misma manera. El siguiente paso fue la estandarización de las
modalidades (categorías) de las variables. Por ejemplo, en el cuadro siguiente se muestra
el análisis realizado para la estandarización de las modalidades de la variable común:
Material predominante en los pisos. Se muestra que la ENAHO 2018 y el CPV 2017 tienen
definidas las mismas modalidades, pero no así en la ENAHO 2017 que define la modalidad
4: Madera (entablados) en forma diferente. Para armonizar esta variable de la ENAHO
2017, se rescataron de la modalidad 7 (otro material) aquellos casos relacionados con
los materiales “Pona y Tornillo”, y se agregaron a la modalidad 4.

Gráfico N° 1
ESTANDARIZACIÓN DE LAS MODALIDADES DE LA VARIABLE MATERIAL
PREDOMINANTE EN LOS PISOS
ENAHO 2017 ENAHO 2018 Censo 2017
3.3.2. Selección de Variables

Esta etapa de la metodología tiene como objetivo seleccionar las variables predictivas
candidatas que se utilizarán en la estimación de los modelos de gasto per cápita del
hogar. La base de datos utilizada contiene 1 240 variables para cada una de las 26
regiones (Lima se divide en la Provincia de Lima y la Región Lima); donde 277 son
variables internas y 963 son variables externas.
En primer lugar se verificó que las variables no tengan valores constantes; es decir, que
los valores de las variables no se concentren en su totalidad en un solo valor. Si la variable
tenía el mismo valor en todos los casos, se consideró como una constante y se eliminó de
la base de datos. Este es el caso, por ejemplo, de las variables de características rurales
en regiones completamente urbanas como la Provincia Constitucional del Callao. Esta
verificación se realizó tanto para las variables internas como las variables externas.
Luego se realizó la verificación de la similitud de las distribuciones de las variables
comunes entre el censo y la encuesta. Se verificó que el valor promedio de las variables
estimadas en el censo se encontraran dentro de los intervalos de confianza (al 95%) del
valor obtenido en la ENAHO. Para las variables cualitativas se realizó el test de similitud
de medias, y para las variables cuantitativas se realizó la prueba de Kernel. Estas pruebas
se realizaron sólo para las variables internas.
En las variables cualitativas se analizaron los resultados de la prueba de chi cuadrado. En
las variables cuantitativas se evaluó la igualdad de las distribuciones de kernel utilizando
una prueba estadística no paramétrica para muestras de dos distribuciones, donde la
hipótesis nula es que las dos muestras provienen de la misma distribución.
El siguiente gráfico muestra el número de variables seleccionadas por cada una de las
pruebas estadísticas para cada una de las regiones.

Gráfico N°2
NÚMERO DE VARIABLES SELECCIONADAS POR PRUEBA, SEGÚN DEPARTAMENTO
Total 209 208 203 200 199 197 196 195 191 189 187 184 183 180
170 169 164 162 160 157
Test 94 89 84 82 82 81 83 143 140
similitud 97 83 78 71 137
92 78 72 127
75 68
72 77 70
75 104
68 63
76 65 85
43
26
115 119 119 118 115 115 112 111 112
Test Kernel 102 108
95
106 108
95 101 92 85 90 82 75 77
61 62 61 59
Tacna
Moquegua
Tumbes
Cajamarca
Madre de Dios
Piura
Puno
Lambayeque
Loreto
Ica
Ucayali
Amazonas
Áncash
Pasco
Huánuco
Ayacucho
La Libertad
Región Lima 2/
Junín
Prov. Const.del Callao
Provincia de Lima 1/
San Martín
Huancavelica
Apurímac
Cusco
Arequipa
1/ Comprende los 43 distritos de la provincia de Lima.
2/ Comprende las provincias de Barranca, Cajatambo, Canta, Cañete, Huaral, Huarochirí, Huaura, Oyón y Yauyos.
Fuente: INEI – Mapa de Pobreza Monetaria Provincial y Distrital 2018
Finalmente, se realizó la selección de variables que tienen suficiente apoyo empírico para
ser incluidas como variables predictivas candidatas en los modelos. Para esta selección
de variables se utilizó la regresión Lasso adaptado, un método de machine leaning, para
beneficiarse de la validación cruzada incorporada en su algoritmo; lo que evita el riesgo
de caer en el sobreajuste del modelo a los datos.
Esta es una de las mejoras introducidas respecto al mapa anterior, en el que se utilizó
la regresión stepwise. Un problema potencial con la regresión stepwise es que, como
analiza las variables independientes una a la vez, puede fallar en obtener el mejor modelo;
y como resultado, el modelo puede ajustarse bien a los datos de la muestra, pero no
necesariamente funciona bien fuera de la muestra (Groß 2003), situación conocida como
sobreajuste.
La regresión Lasso adaptado fue propuesta por Zou (Zou 2006), y es una generalización
de la regresión Lasso. Tiene la misma ventaja de la regresión Lasso de reducir algunos
de los coeficientes a exactamente cero, realizando así una selección de variables; pero
además, utiliza un conjunto de pesos (obtenidas de una estimación previa) para penalizar
más aquellos coeficientes con estimaciones pequeñas (variables poco importantes), y
tiende a incluir menos variables extras y generar una menor varianza.
3.3.3. Modelamiento
Para la elaboración del Mapa de Pobreza Monetaria 2018 se utilizó el modelo de regresión
de errores anidados51 propuesto en la metodología desarrollada por Elbers, Lanjouw y
Lanjouw (Elbers et al. 2003). La metodología realiza la estimación de los modelos en
función de los gastos, donde se asume que el logaritmo del gasto per cápita de un hogar
es igual a las variables básicas y a las variables externas denominadas “clúster” ya que
es el nivel de agregación al que ingresan el conjunto de datos tanto en la encuesta y el
censo.
El modelo es el siguiente:
(1)
Donde:
c: Sub índice del clúster
h: Sub índice para el hogar dentro del clúster c
ych: Gasto per cápita del hogar h en el clúster c
x : Características de los hogares para el hogar h en el clúster c
ch
5 Los niveles de un factor secundario aparecen asociados a un único nivel del factor principal.

Una aproximación lineal del modelo (1) se escribe como:
(2) (Denominado modelo Beta)
Desde que los datos de la encuesta son sólo una submuestra de toda la población, la
información de ubicación no está disponible para todas las regiones en los datos del
censo. Por lo tanto, no podemos incluir la ubicación de las variables en el modelo de
encuesta. El residuo de (2) debe contener la varianza de la ubicación.
(3)
Aquí la n es el componente del clúster y εch es el componente de los hogares. Como se

c
mencionó anteriormente, la estimación de n para cada grupo en el conjunto de datos del
c
censo no es aplicable, por lo tanto, debemos estimar las desviaciones de n . Tomando
c
las expectativas aritméticas de (3) a lo largo de clúster c.
(4)
Por lo tanto:
Suponiendo nc y εc se distribuyen normalmente y son independientes entre sí, Elbers

et al. 2003 proporcionaron una estimación de la varianza de la distribución del efecto
de localización n
c
〗(5)
Cuando el efecto de ubicación nc no existe, la ecuación (3) se reduce a uch=εch

Según Elbers et al. 2003, el residuo restante εch puede ser estimado con un modelo
logístico de εch sobre las características del hogar.
(6) (Denominado modelo Alfa)
El estimador de la varianza para ε es igual a:

ch
(7)
El resultado anterior indica una violación de los supuestos de los Mínimo Cuadros
Ordinarios (MCO) en el modelo (2), por lo que se necesita una regresión por Mínimos
Cuadrados Generalizados (GLS). En GLS la matriz varianza-covarianza es un bloque
diagonal matriz con estructura:
(8)
En general, el procedimiento para la etapa de la estimación del mapa de pobreza puede

ser descrito de la siguiente manera:
1. Obtener el modelo de estimación “Beta” (2)

2. Calcular el efecto de ubicación n (3)
c
2
3. Calcular los estimadores de varianza var(σ ) (4)
n
4. Preparar el εch término residual para estimar el modelo “Alfa” (6)

5. Estimar el modelo GLS (8)
6. Utilizar una descomposición de valor singular para descomponer la matriz de
varianza-covarianza desde el paso anterior. Esto será utilizado para generar el vector
de una distribución normal de las variables aleatorias tal que la matriz de varianza-
covarianza conjunta estará en la forma de (8)
7. Leer los datos del censo, eliminar registros que contienen valores perdidos, generar
en el censo todas las variables necesarias para los modelos tanto el Alfa y Beta
8. Guardar todos los datos necesarios para la estimación.
Posteriormente la imputación del modelo a los datos del censo se realizó mediante
un proceso de simulación totalmente especificado. La simulación consiste en generar
valores de los parámetros de las distribuciones estimadas, se define como:
(9)
Donde
a) ñc Es una variable aleatoria (podría ser una distribución normal o distribución-T) con
una varianza definida en (5)
b) εch es una variable aleatoria (ya sea una distribución normal o distribución-T) con
una varianza definida en (7),
La simulación en el censo es un proceso que se repite muchas veces (ejemplo 300 veces),
una vez obtenidas las 300 medidas se puede estimar los indicadores de incidencia de
pobreza monetaria en los diferentes niveles geográficos, es decir, distritos, provincias,
regiones, dominios geográficos. Esta media obtenida y las desviaciones estándar sirven
para la construcción del mapa de pobreza monetaria.
Dentro del proceso de estimación se consideró el “Empirical Best”62 desarrollado por
Molina y Rao, (2010) que asume que los errores están normalmente distribuidos, para
que la distribución de Y dado X sea también normal. Luego se usa las propiedades de
la distribución Normal Multivariada y el conocimiento de Y en la muestra de la encuesta
(Y ) para que las réplicas sean tomadas de la distribución. (Donde Y
s r
es la parte no incluida en la encuesta).
3.3.4. Validación
Esta etapa de la metodología tiene como finalidad verificar y garantizar la robustez
de las estimaciones del gasto del hogar y de los resultados de pobreza monetaria. Se
realizaron dos tipos de validaciones: interna y externa. La validación interna consistió
en el análisis de sensibilidad que se hicieron para evaluar la capacidad predictiva de los
modelos del gasto; y la validación externa consistió en la confrontación de los resultados
de pobreza monetaria con los registros administrativos a nivel distrital proporcionados
por los gestores de los programas sociales.
6 Isabel Molina and J. N. K. Rao – “Small area estimation of poverty indicators”, Isabel Molina, Balgobin Nandram and J. N. K. Rao –
Small area estimation of general parameters with application to poverty indicators: a hierarchical bayes approach.

En el caso de la validación interna, se realizaron los siguientes análisis:
• Se compararon las estimaciones de los modelos del gasto con las estimaciones
directas de la ENAHO 2017-2018 por departamento.
• Se analizó la sensibilidad de las estimaciones del gasto en los modelos por
departamento.
• Se evaluó la capacidad predictiva de los modelos dividiendo la muestra de la ENAHO
2017-2018 en dos partes iguales.
• Se analizó la sensibilidad de los resultados de los modelos departamentales a
distintas desagregaciones como área de residencia, dominio geográfico y región
natural.
3.3.5. Agrupamiento de Distritos

La agrupación de distritos tiene como objetivo obtener una mayor precisión en la
incidencia de pobreza en los distritos de menor tamaño (población menor a mil hogares)
y con alto coeficiente de variación.
Para la agrupación se seleccionaron los distritos que cumplían con los siguientes
criterios: (a) menos de mil hogares, (b) coeficiente de variación mayor al 20%. Además,
para el agrupamiento se consideró la cercanía del distrito, características urbanas y
rurales; y pertenencia al mismo grupo robusto del distrito.
3.4. Análisis de la Bondad de Ajuste de los Modelos

En el siguiente cuadro se muestran los coeficientes de determinación ajustado (R2 ajustado)
para cada modelo predictivo del gasto per cápita del hogar. Se observa que el porcentaje de
variación explicado por los modelos regionales varíó entre 37.2% y 73.8%, lo que indica una
bondad de ajuste satisfactoria (se considera que la metodología de imputación no dará buenos
resultados con R2 ajustados por debajo de 0,35).73
7 Qinghua Zhao, Peter Lanjouw. Using PovMap2 A USER´s GUIDE. The World Bank.

Cuadro N° 2
ESTADÍSTICOS DE BONDAD DE AJUSTE DE LAS ECUACIONES DEL MODELO DEL GASTO
POR DEPARTAMENTO
Número de variables R2 Raíz cuadrada de las
Departamento RMSE
en el modelo Ajustado observaciones
TOTAL 229
Loreto 29 73,8 0.362 54
La Libertad 22 71,3 0.349 56
Cusco 25 70,7 0.315 50
Provincia de Lima 14 70,0 0.324 77
Huánuco 23 66,5 0.360 50
Cajamarca 30 65,5 0.381 54
Lambayeque 13 64,9 0.331 53
San Martín 18 64,2 0.367 51
Amazonas 21 63,2 0.375 49
Junín 19 62,7 0.374 55
Áncash 26 62,6 0.350 57
Piura 25 62,2 0.361 57
Ica 21 62,1 0.247 55
Prov.Const.del Callao 12 61,3 0.317 45
Moquegua 13 60,4 0.357 44
Apurímac 16 59,6 0.308 43
Ucayali 15 58,0 0.327 48
Ayacucho 21 56,2 0.372 48
Huancavelica 23 51,6 0.349 45
Pasco 16 49,9 0.368 46
Tacna 15 49,8 0.410 51
Región Lima 26 46,4 0.368 53
Arequipa 24 45,3 0.403 62
Madre de Dios 12 43,0 0.398 40
Puno 22 41,0 0.427 54
Tumbes 14 37,2 0.380 41
Asimismo, el cuadro muestra el número de variables predictivas presentes en los modelos

estimados, la raíz del error cuadrático medio, y la raíz cuadrada de las observaciones (que se
considera un límite máximo del número de variables que deberían estar en el modelo), para
cada una de las regiones. Así por ejemplo, el modelo predictivo de la región Loreto consta de
29 variables predictivas, tiene un coeficiente de determinación ajustado de 73.8%, tiene una
raíz del error cuadrático medio de 0.362, y el número máximo recomendado de variables en
el modelo es de 54, muy superior al número efectivo de variables.
Igualmente, en el siguiente gráfico se compararon los R² ajustados de lo modelos predictivos
del Mapa de Pobreza 2018 y el mapa 2013.

Gráfico N° 3
COEFICIENTES DE DETERMINACIÓN (R2 AJUSTADO) DE LOS MODELOS
PREDICTIVOS DEL GASTO, MAPA 2013 Y 2018
0,80
0,70
0,60
0,50
0,40
0,30
0,20
0,10 Mapa 2013 Mapa 2018
0,00
Áncash
Loreto
Puno
Moquegua
Ucayali
San Martín
Cusco
Junín
Huánuco
Huancavelica
Lambayeque
Apurímac
Ica
Madre de Dios
La Libertad
Tumbes
Pasco
Piura
Cajamarca
Ayacucho
Amazonas
Tacna
Arequipa
Fuente: INEI - Mapa de Pobreza Provincial y Distrital, 2013 y 2018.

4. SENSIBILIDAD Y VALIDACIÓN DE
LOS MODELOS
Se realizó un análisis de sensibilidad para evaluar la capacidad predictiva de los modelos del gasto
per cápita del hogar con la finalidad de verificar y garantizar la robustez en las estimaciones del
gasto y de los indicadores de pobreza monetaria.
4.1. Comparación de las estimaciones de los Modelos del Gasto con las estimaciones
directas
El siguiente gráfico muestra los intervalos de confianza al 95% de la incidencia de pobreza
monetaria obtenidas con la ENAHO 2017-2018 y de la estimación de la incidencia de
pobreza monetaria obtenida con el Censo 2017, en las 26 regiones, incluyendo la Provincia
Constitucional del Callao, provincia de Lima y Región Lima.
Se observa que todas las estimaciones de los modelos del gasto per cápita del hogar obtenidas
con el Censo 2017 se encuentran dentro de los intervalos de confianza obtenidos con la
encuesta, concluyendo que se ha obtenido una buena precisión en las estimaciones de la
pobreza monetaria en todas las regiones.
Gráfico N° 4
INCIDENCIA DE POBREZA MONETARIA POR DEPARTAMENTOS, SEGÚN ENAHO
2017-2018 Y MAPA 2018
60,0
60
50,0
50
Mapa 2018 -
en el Censo 2017
40,0
40
30,0
30
20,0
20
ENAHO -
10,0
10
0,0
0
San Martín
Loreto
Región Lima 2/
Ayacucho
Puno
Moquegua
Piura
Madre de Dios
Huánuco
Lambayeque
Prov.Const.del Callao
Áncash
Ucayali
La Libertad
Ica
Amazonas
Cusco
Apurímac
Junín
Huancavelica
Arequipa
Tumbes
Cajamarca
Pasco
Tacna

Fuente: INEI - Mapa de Pobreza Monetaria Provincial y Distrital, 2018.
En el gráfico siguiente se presentan los gastos per cápita del hogar observados en la ENAHO
2017-2018 y los gastos per cápita del hogar estimados en el Censo 2017, donde todos los
modelos se encuentran dentro del intervalo de confianza de la encuesta al 95%, a excepción
de Arequipa, concluyendo que las estimaciones del gasto tienen buena precisión.

Gráfico N° 5
GASTO OBSERVADO Y GASTO ESTIMADO
1100
1000
el Censo 2017
900
800
700
600
ENAHO -I ntervalo del gasto observado

500
400
Prov.Const.del…
Loreto
Puno
La Libertad
Huancavelica
Madre de Dios
Amazonas
Pasco
Moquegua
Ayacucho
Tacna
Tumbes
Región Lima 2/
Apurímac
Áncash
Ica
Junín
Lambayeque
Huánuco
Cajamarca
Piura
Cusco
Arequipa
Ucayali

4.2. Sensibilidad de los Modelos en la Submuestra

Se evaluó la capacidad predictiva del modelo del gasto per cápita del hogar, dentro y fuera
de la muestra, con el fin de evitar el riesgo de sobreajuste de dichos modelos a los datos de
la muestra; y garantizar que el conjunto de variables predictivas seleccionadas sea óptimo
para otro conjunto de datos.
Para evaluar la robustez del modelo en distintos conjuntos de datos se realizaron los siguientes
pasos:
• Se dividió la muestra de la ENAHO 2017-2018 en dos partes iguales.

• Se estimaron los coeficientes de regresión con la primera mitad de la muestra.
• Se imputaron los gastos en la otra mitad de la muestra con los coeficientes obtenidos en
la primera muestra.
• Los estimados del gasto obtenidos en la primera muestra se compararon con los gastos
observados en la segunda muestra.

GRÁFICO Nº 6
GASTO OBSERVADO Y GASTO ESTIMADO DE LA SUBMUESTRA
1 150,0
1 050,0
Intervalo de confianza del
gasto de la submuestra
950,0
850,0
750,0
650,0
550,0
Intervalo de confianza del

450,0 gasto observado
350,0
Madre de Dios
Lima Metropolitana
Ayacucho
Piura
Apurimac
Puno
Huancavelica
Lambayeque
Ucayali
Ica
La Libertad
Loreto
Cusco
Callao
Amazonas
Junin
Lima Provincias 2/
Huanuco
Arequipa
Tumbes
Ancash
Cajamarca
Pasco
San Martin
Tacna
Moquegua
1/
Con los resultados obtenidos, se concluyó que los gastos per cápita del hogar estimados en
ambas submuestras son estadísticamente similares.
4.3. Sensibilidad en las estimaciones de los Modelos Departamentales a distintas

desagregaciones
Se compararon las estimaciones del gasto per cápita del hogar obtenidos mediante los 26
modelos departamentales, agregando los resultados a los distintos ámbitos geográficos (área
de residencia, región natural y dominios geográficos) con las estimaciones observadas en la
ENAHO 2017-2018.
Se observa que la incidencia de pobreza monetaria estimada en el Censo 2017 son similares
a los niveles que se observan en la encuesta. Por lo tanto, las estimaciones de la pobreza
monetaria a diferentes ámbitos geográficos son estadísticamente similares (test de similitud).

Cuadro N° 3
INCIDENCIA DE LA POBREZA TOTAL OBSERVADA DE LA ENAHO 2017-2018 Y
ESTIMADA EN EL CENSO 2017, SEGÚN ÁMBITO GEOGRÁFICO
Ámbito ENAHO 2017-2018 MAPA 2018
geográfico I.C. al 95% I.C. al 95%
Valor C.V. Valor C.V.
Inferior Superior Inferior Superior
Nacional 20,6 19,9 21,2 1,7 20,9 20,5 21,3 1,0
Área de residencia
Urbana 14,5 13,8 15,3 2,6 14,9 14,4 15,3 1,5
Rural 43,0 41,6 44,4 1,6 43,6 42,9 44,3 0,8
Región Natural
Costa 14,0 13,1 15,0 3,3 14,8 14,2 15,4 2,0
Sierra 30,7 29,5 31,9 2,0 30,4 29,8 31,0 1,0
Selva 27,1 25,6 28,6 2,9 27,1 26,4 27,9 1,3
Dominio Geográfico
Costa Norte 18,6 17,0 20,1 4,3 20,0 18,8 21,2 3,0
Costa Centro 8,6 7,3 9,9 7,7 10,0 9,3 10,8 3,7
Costa Sur 10,5 8,8 12,3 8,5 12,2 11,1 13,3 4,5
Sierra Norte 48,6 45,9 51,2 2,8 47,3 45,7 48,8 1,7
Sierra Centro 28,4 26,8 30,0 2,9 29,5 28,7 30,4 1,4
Sierra Sur 23,6 21,9 25,3 3,6 23,9 23,0 24,9 1,9
Selva 27,1 25,6 28,6 2,9 27,5 26,6 28,5 1,8

Lima Metropolitana 13,1 11,7 14,5 5,4 13,6 12,8 14,5 3,1
4.4. Validación Externa

Al no existir en el Censo de Población y Vivienda 2017 información sobre gastos, fue necesario
contar con información externa que permitiera validar los resultados de la incidencia de pobreza
monetaria obtenidos mediante el método de estimación del Mapa de Pobreza Monetaria
Provincial y Distrital 2018.
La implementación de la validación externa se realizó a través de una reunión con
representantes y gestores de los Programas Sociales del MIDIS, el 3 de diciembre del 2019, en
donde se presentaron y discutieron los resultados obtenidos por el Mapa de Pobreza Monetaria
Provincial y Distrital 2018.

5. ANÁLISIS DE LOS RESULTADOS
5.1. Agrupamiento de Distritos
El objetivo de agrupar distritos es mejorar la precisión de incidencia de la pobreza monetaria
en aquellos distritos de menor tamaño poblacional y con alto coeficiente de variación, teniendo
en cuenta que el 30% de los distritos del país tienen menos de mil hogares.
Para la selección de distritos a ser agrupados se tuvo los siguiente criterios:
• Cercanía del distrito.
• Caracter urbano/rural del distrito.
• Pertenencia al mismo grupo robusto (previamente generados con las estimaciones de la
pobreza monetaria iniciales), o al grupo robusto continuo dentro de la misma provincia.
En total se conformaron 197 grupos de distritos, utilizando los criterios mencionados. En los
siguientes gráficos se muestran algunos ejemplos de distritos agrupados:

Departamento: Cusco
Provincia: Paruro
Distrito: Yaurisque-Paruro-Colcha
Población Intervalo de confianza al 95%
Distrito proyectada C.V.
2020 Inferior Superior
Yaurisque 1931 22,9 37,7 12,5

Paruro 3474 22,9 37,7 12,5
Colcha 948 22,9 37,7 12,5
Ley N° 27795 - Quinta Disposición Transitoria y Final de la ley de demarcación y Organización

Territorial: "En tanto se determina el saneamiento de los límites territoriales, conforme a la
presente Ley, las delimitaciones censales y/u otros relacionados con las circunscripciones
existentes son de carácter referencial".

Departamento: Huánuco
Provincia: Marañon
Distrito: Huacrachuco-Cholon
Huacrachuco 15048 26,2 48,6 15,3

Cholon 5629 26,2 48,6 15,3


Departamento: Junin
Provincia: Chupaca
Distrito: Yanacancha-San Juan de Iscos
Yanacancha 2652 19,4 38,4 16,8
San Juan de Iscos 2314 19,4 38,4 16,8


Departamento: Puno
Provincia: Azángaro
Distrito: Tirapata-San Juan de Pupuja
Tirapata 2967 25,7 46,6 14,7

San Juan de Pupuja 4509 25,7 46,6 14,7
MUÑANI


5.2. Generación de Grupos Robustos de Distritos
Se construyeron grupos robustos con el fin de identificar distritos que tengan una incidencia
de pobreza monetaria estadísticamente semejantes dentro de los grupos, y a la vez que se
diferencien entre los grupos.
La conformación de los grupos robustos se realizó de la siguiente manera:
• A nivel nacional
- Se realizó el test de diferencia de medias cruzadas entre los 1 874 distritos, con un nivel
de confianza del 95%. Los distritos que no presentan diferencias entre si, conforman los
grupos robustos iniciales.
- Se realizó nuevamente el test de diferencias de medias cruzadas, entre los grupos
robustos iniciales y se obtuvieron nuevos grupos robustos.
- El paso anterior se repitió hasta encontrar que el número de grupos robustos obtenidos
sea igual al último conjunto de grupos robustos; es decir todos los grupos robustos son
significativamente diferentes entre si.
- Finalmente, se obtuvieron 28 grupos robustos de distritos sin diferencia significativa en
su incidencia de la pobreza monetaria, dentro de los grupos.
La conformación de los grupos robustos no ha incluido los distritos desagregados debido a
que se encuentra en proceso de revisión y evaluación por el Comité Consultivo de Pobreza;
en consecuencia, el número de grupos robustos variará cuando se incluya la desagregación
de los distritos.
En el siguiente cuadro se muestra la conformación de los grupos robustos de distritos,
número de distritos por grupo robusto, incidencia de la pobreza monetaria del grupo robusto,
intervalo de confianza de la pobreza monetaria al 95% y los valores mínimo y máximo de
la pobreza monetaria total de cada grupo robusto.

Cuadro N° 4
INCIDENCIA DE POBREZA MONETARIA TOTAL DE LOS GRUPOS
ROBUSTOS DE DISTRITOS
Número de Incidencia de pobreza monetaria total
I.C. al 95%
Grupo robusto distritos 1/ Valor C.V. de los distritos
Inferior Superior Mínima Máximo
01 3 80,5 76,3 84,6 2,6 78,7 81,3
02 15 75,8 73,0 78,6 1,9 72,7 78,2
03 23 70,3 67,9 72,7 1,8 68,6 72,3
04 54 65,2 63,1 67,4 1,7 62,5 68,2
05 47 60,3 58,0 62,5 1,9 58,3 62,5
06 130 54,9 53,3 56,5 1,5 52,7 58,2
07 129 50,8 49,1 52,5 1,7 48,7 52,7
08 197 46,0 44,7 47,3 1,4 43,3 48,6
09 138 41,5 39,8 43,1 2,0 39,5 43,2
10 180 37,1 35,3 38,8 2,4 34,8 39,5
11 115 33,0 31,1 34,8 2,8 31,7 34,8
12 158 29,6 28,0 31,1 2,7 26,7 31,6
13 24 26,2 23,9 28,5 4,5 26,1 26,7
14 185 23,4 22,1 24,7 2,8 21,2 26,0
15 116 19,5 18,3 20,7 3,1 17,8 21,1
16 106 16,5 15,5 17,5 3,2 14,2 17,7
17 33 13,8 12,6 15,0 4,3 13,1 14,2
18 43 12,1 11,0 13,3 4,9 11,5 13,1
19 54 10,3 9,5 11,0 3,9 8,8 11,4
20 26 7,9 7,2 8,6 4,7 7,0 8,7
21 13 6,6 5,7 7,5 6,8 6,3 7,0
22 32 5,3 4,8 5,8 4,9 4,3 6,2
23 31 3,2 2,7 3,8 8,8 2,2 4,0
24 9 1,7 1,3 2,2 13,1 1,4 2,2
25 4 1,2 0,9 1,5 12,2 1,0 1,4
26 6 0,6 0,5 0,8 13,0 0,5 0,8
27 1 0,3 0,1 0,6 41,0 0,3 0,3
28 2 0,1 0,0 0,1 34,4 0,1 0,1
Nota: Grupos semejantes al 95%.
1/ La conformación de los grupos robustos, no incluye los distritos desagregados
• Por departamento
- Se realizó el test de diferencia de medias cruzadas entre los distritos al 95% de confianza,
dentro de cada uno de los 26 regiones, teniendo para la provinica de Lima, Región Lima81
y la Provincia Constitucional del Callao regiones independientes.
- Se realizó nuevamente, en cada una de las regiones, el test de diferencias de medias
cruzadas, entre los grupos robustos iniciales y se obtuvieron nuevos grupos robustos.
- El paso anterior se repitió hasta encontrar que el número de grupos robustos obtenidos
sea igual al último conjunto de grupos robustos; es decir todos los grupos robustos son
significativamente diferentes entre si.
- Finalmente, se obtuvieron en promedio 6.2 grupos robustos de distritos a nivel de regiones
sin diferencia significativa en su incidencia de pobreza monetaria total, dentro de los
grupos.
A continuación, en el siguiente cuadro, se muestra el número de grupos robustos y el
número de distritos en cada una de las regiones.
8 La Región Lima esta conformada por las provincias de Barranca, Cajatambo, Canta, Cañete, Huaral, Huarochirí, Huaura, Oyón y Yauyos.

Cuadro Nº 5
NÚMERO DE DISTRITOS Y GRUPOS ROBUSTOS
POR DEPARTAMENTO, 2018
Departamento Número de distritos 1/ Número de grupos robustos
Promedio 6,2
Amazonas 84 6
Áncash 166 9
Apurímac 84 3
Arequipa 109 8
Ayacucho 119 7
Cajamarca 127 7
Prov. Const. Del Callao 7 4
Cusco 112 9
Huancavelica 100 7
Huánuco 84 5
Ica 43 4
Junín 124 6
La Libertad 83 9
Lambayeque 38 6
Provincia de Lima 43 13
Región Lima 2/ 128 9
Loreto 53 7
Madre de Dios 11 3
Moquegua 20 4
Pasco 29 4
Piura 65 7
Puno 110 9
San Martín 77 6
Tacna 28 4
Tumbes 13 2
Ucayali 17 4
1/ La conformación de los grupos robustos, no incluye los distritos desagregados

2/ Incluye las provincias de Barranca, Cajatambo, Canta, Cañete, Huaral, Huarochirí, Huaura, Oyón, y Yauyos.
5.3. Resultados de la Pobreza Monetaria Provincial y Distrital 2018

De acuerdo a los resultados obtenidos en las estimaciones del Mapa de Pobreza Monetaria
Provincial y Distrital 2018, se encontró lo siguiente:
De los 1 874 distritos, 713 distritos (38,1%) tienen una pobreza monetaria de 40% a más y
afecta al 13,4% de la población total del país (4 millones 166 mil 641). De estos distritos, 203
(28,5%) tienen menos de 2 mil habitantes; 244 (34,2%) entre 2 mil y menos de 5 mil habitantes;
237 (33,2%) de 5 mil y menos de 20 mil; y 29 distritos (4,1%) de 20 mil y más habitantes.
En 719 (38,4%) distritos la pobreza monetaria se encuentra entre los rangos de 20% a menos
de 40%, y afecta al 24,4% (7 millones 607 mil 537) de la población.
En 442 (23,6%) distritos la pobreza monetaria es menor a 20% y agrupa al 62,3% (19 millones
463 mil 207) de la población del país.

Cuadro N° 6
NÚMERO DE DISTRITOS, POBLACIÓN Y HOGARES, SEGÚN RANGO DE POBREZA
MONETARIA TOTAL, 2018
Rango de pobreza Número de distritos Población en los distritos Hogares en los distritos
monetaria total Abs. % Abs. % Abs. %
Menos a 20% 442 23,6 19 463 207 62,3 5 077 373 61,5
De 20% a 39.9% 719 38,4 7 607 537 24,4 1 998 425 24,2
De 40% a 59.9% 597 31,9 3 424 520 11,0 979 451 11,9
De 60% y más 116 6,2 742 121 2,4 197 036 2,4
Total 1 874 100,0 31 237 385 100,0 8 252 285 100,0

5.3.1 Incidencia de la pobreza monetaria total por provincias

De acuerdo a los resultados del Mapa de Pobreza Monetaria Provincial y Distrital 2018,
24 provincias tienen una pobreza monetaria de 48,8% y más, 50 provincias se encuentran
entre el rango de pobreza monetaria de 38.3% a 48.7%, 45 provincias se encuentran
entre 27.3% a 38.2%, 39 provincias se encuentran entre el rango de pobreza monetaria
de 16.0% a 27.2% y 38 provincias tienen menos de 38% de pobreza monetaria.
De las 20 provincias más pobres diez pertenecen al departamento de Cajamarca, tres al
departamento de Áncash, dos al departamento de la Libertad y una provincia en cada
uno de los departamentos de Pasco, Piura, Huánuco, Ayacucho y Amazonas.
A nivel de provincias se conformaron 16 grupos robustos, siendo la provincia de San
Pablo del departamento de Cajamarca la única que se encuentra en el primer grupo
robusto y ocho provincias en el segundo grupo robusto.
POBREZA MONETARIA, SEGÚN PROVINCIAS, 2018 Cuadro Nº 7

VEINTE PROVINCIAS MÁS POBRES, 2018
Nº Departamento Provincia Grupo robusto
1 Cajamarca San Pablo 01
TUMBES
LORETO
2 Pasco Daniel Alcides Carrión 02
3 Cajamarca Chota 02
4 Cajamarca Celendin 02
PIURA AMAZONAS
5 Cajamarca Cutervo 02
LAMBAYEQUE
CAJAMARCA
SAN MARTIN
6 Cajamarca San Marcos 02
7 Amazonas Condorcanqui 02
LA LIBERTAD
8 Piura Ayabaca 02
9 Áncash Pallasca 02
ANCASH HUANUCO
UCAYALI 10 Cajamarca Santa Cruz 03

PASCO
11 Huánuco Huacaybamba 03
JUNIN 12 Cajamarca San Miguel 03
LIMA
CALLAO
13 Ayacucho Víctor Fajardo 03

MADRE DE DIOS
HUANCAVELICA
CUSCO
14 La Libertad Bolívar 03
APURIMAC
15 Cajamarca Cajabamba 03
AYACUCHO
ICA PUNO
16 Cajamarca San Ignacio 03

ESTIMACIÓN(%) 17 Cajamarca Hualgayoc 03
AREQUIPA
48.8 - 67.3 (24Prov.)

18 Áncash Mariscal Luzuriaga 03
38.3 - 48.7 (50Prov.)
27.3 - 38.2 (45Prov.)
MOQUEGUA
19 La Libertad Julcan 03
16.0 - 27.2 (39Prov.)
TACNA
20 Áncash Sihuas 03
3.1 - 15.9 (38Prov.) Nota: La conformación de los grupos robustos, no incluye los distritos
Fuente: Instituto Nacional de Estadística e Informática Ley N° 27795 - Quinta Disposicion Transitoria y Final de la ley de demarcación y Organización desagregados.
presente Ley, las delimitaciones censales y/u otros relacionados con las circunscripciones Fuente: INEI – Mapa de Pobreza Monetaria Provincial y Distrital 2018
existentes son de caracter referencial".

5.3.2 Incidencia de la pobreza monetaria total por distritos
Entre los 20 distritos más pobres estimados en el Mapa de Pobreza Monetaria Provincial
y Distrital 2018, 16 se encuentran en el departamento de Cajamarca, tres en Ayacucho
y un distrito en el departamento de Huancavelica.
A nivel de distritos se conformaron 28 grupos robustos, siendo los distritos de
Uchuraccay, Oxamarca y Anguia los que se encuentran en el primer grupo robusto
de pobreza monetaria, es decir, las estimaciones de su pobreza monetaria no tienen
diferencias significativas al 95% de confianza.
Entre los 20 distritos menos pobres, diez distritos son del departamento de Lima, tres
distritos en Arequipa e Ica, un distrito en los departamentos de Cusco, Moquegua, Madre
de Dios y la Provincia Constitucional del Callao. En el último grupo robusto se encuentran
los distritos de San Isidro y Miraflores del departamento de Lima.
Tabla N° 3
RELACIÓN DE LOS VEINTE DISTRITOS MÁS Y MENOS POBRES, 2018
VEINTE DISTRITOS MÁS POBRES, 2018 VEINTE DISTRITOS MENOS POBRES, 2018
Grupo
Departamento Provincia Distrito Grupo robusto Departamento Provincia Distrito
robusto
Ayacucho Huanta Uchuraccay 1 Lima Lima San Isidro 28
Cajamarca Celendin Oxamarca 1 Lima Lima Miraflores 28
Cajamarca Chota Anguia 1 Arequipa Arequipa Yanahuara 27
Ayacucho Huanta Pucacolpa 2 Lima Lima San Borja 26
Huancavelica Tayacaja Pichos 2 Lima Lima Jesús María 26
Cajamarca San Marcos José Sabogal 2 Ica Ica Pueblo Nuevo 26
Cajamarca Cajabamba Cachachi 2 Arequipa Arequipa Arequipa 26
Cajamarca Jaen Sallique 2 Lima Lima Pueblo Libre 26
Cajamarca Cutervo Cujillo 2 Lima Lima Magdalena del Mar 26
Cajamarca Celendin Huasmin 2 Moquegua Ilo Pacocha 25
Cajamarca Celendin Miguel Iglesias 2 Lima Lima La Molina 25
Cajamarca Cutervo Callayuc 2 Lima Lima Santiago de Surco 25
Cajamarca Cajamarca Encañada 2 Cusco Cusco Wanchaq 25
Cajamarca Cajamarca Chetilla 2 Arequipa Arequipa José Luis Bustamante y Rivero 24
Cajamarca Cajamarca Cospan 2 Lima Lima Lince 24
Cajamarca Chota Miracosta 2 Ica Ica Ocucaje 24
Cajamarca Cutervo La Ramada 2 Lima Lima San Miguel 24
Ayacucho Huanta Chaca 2 Madre de Dios Manu Madre de Dios 24
Cajamarca Celendin Cortegana 3 Callao Callao La Punta 24
Cajamarca Cajabamba Sitacocha 3 Ica Chincha Chincha Baja 24
Nota: La conformación de los grupos robustos, no incluye los distritos desagregados. Nota: La conformación de los grupos robustos, no incluye los distritos desagregados.
Fuente: INEI – Mapa de Pobreza Monetaria Provincial y Distrital 2018 Fuente: INEI – Mapa de Pobreza Monetaria Provincial y Distrital 2018
5.3.3 Características de los distritos en el grupo robusto más pobre

De acuerdo a la conformación por grupo robusto de pobreza monetaria a nivel de distrito,
en el primer grupo (o grupo robusto más pobre) se encuentran tres distritos, el distrito de
Anguía en la provincia de Chota, Oxamarca en la provincia de Celendín que corresponden
al departamento de Cajamarca y el distrito de Uchuraccay en la provincia de Huanta del
departamento de Ayacucho, donde sus niveles de pobreza monetaria estadísticamente
son iguales.
Los distritos mencionados se encuentran ubicados a más de 2 600 m.s.n.m, siendo el
distrito de Uchuraccay quien se encuentra a una altitud superior a los demás (3 890
m.s.n.m). La temperatura en el distrito de Anguia oscilan entre 8°C y 21°C, en el distrito
de Oxamarca oscila entre 4°C y 19°C y en el distrito de Uchuraccay entre -5°C y 25°C.
Los tres distritos se encuentran en la región natural Sierra, específicamente los distritos
de Anguia y Oxamarca están ubicados en la Sierra Norte, mientras que el distrito de
Uchuraccay se encuentra en la Sierra Centro, la población total en conjunto es de 13 mil
153 personas; el distrito de Oxamarca cuenta con una población de 5 mil 907 personas,
seguido por Uchuraccay con 3 mil 861 personas y el distrito de Anguía con 3 mil 385
personas.

En este grupo robusto más pobre, el 72% de la población de 15 y más años de edad estudió
solo algún año de educación primaria, el 23% de su población es analfabeta, siendo el
distrito de Uchuraccay quien tiene una tasa de analfabetismo más alta (34%). El 87% de
la población económicamente activa ocupada total de 14 y más años de edad se dedica
a la agricultura. El 52% de su población presenta alguna necesidad básica insatisfecha.
Asimismo, en las viviendas particulares con ocupantes presentes que cuentan con
servicios básicos, en este grupo robusto, el 39% tienen agua por red pública, 5% tienen
desagüe por red pública y el 71% de sus viviendas cuentan con alumbrado eléctrico.
5.4. Comparación de Resultados del Mapa 2018 y 2013

Entre los mapas 2018 y 2013, en 1 119 distritos (59,7%) disminuyó la incidencia de la pobreza
monetaria. En el rango de la pobreza monetaria de 60% y más, en el Mapa 2013 se tenía 495
(26,4%) distritos y en el 2018 son 116 distritos (6,2%), disminuyendo en 379 distritos.
Al comparar los resultados del Mapa de Pobreza 2018 con los del 2013, en rangos, se
comprueba que la incidencia de pobreza monetaria se redujo en 1003 distritos (53,5% del
total de distritos), se mantiene en el mismo rango en 703 distritos (37,5%) y se incrementó
en 168 distritos (9,0%). De los 79 distritos que en el mapa 2013 tenían los niveles más altos
de pobreza (incidencia de pobreza monetaria de 80% a más), 78 distritos bajaron su nivel de
pobreza en el 2018, y en 1 se mantuvo en el mismo rango.
Tabla N° 4
MATRIZ DE LOS RANGOS DE POBREZA MONETARIA TOTAL, 2013 Y 2018
Mapa de Pobreza Monetaria 2018 Total de
Rangos (%)
0.0 - 9.9 10.0 - 19.9 20.0 - 29.9 30.0 - 39.9 40.0 - 59.9 60.0 - 79.9 80.0-100 distritos
0.0 - 9.9 102 18 3 1 124

10.0 - 19.9 32 134 30 3 3 202
Mapa de 20.0 - 29.9 7 98 94 37 16 1 253
Pobreza
Monetaria 30.0 - 39.9 1 41 101 81 39 1 264
2013 40.0 - 59.9 1 7 93 183 237 15 536
60.0 - 79.9 1 21 68 271 54 1 416
80.0 - 100.0 2 2 31 43 1 79
Total de distritos 143 299 344 375 597 114 2 1 874
Fuente: INEI – Mapa de Pobreza Monetaria Provincial y Distrital 2018 y XII Censo de Población, VII de Vivienda y III de Comunidades Indígenas
El número de distritos con una incidencia de pobreza de 60% a más es de 116 en el mapa
2018, y 495 en el mapa 2013. La población en estos distritos es de 742 mil 121 personas en
el mapa 2018, y de 3 millones 44 mil 367 en el mapa 2013. Asimismo, con una incidencia de
pobreza de menos de 40% se tienen 1161 distritos en el mapa 2018, y 843 en el mapa 2013.

Cuadro N° 8
NÚMERO DE DISTRITOS, POBLACIÓN Y HOGARES,
SEGÚN RANGO DE POBREZA MONETARIA TOTAL, 2013 Y 2018
MAPA 2013 MAPA 2018
Rangos de pobreza Población en los Población en los
Distritos Distritos
monetaria total distritos distritos
Abs. % Abs. % Abs. % Abs. %
Menos a 20% 326 17,4 14 728 758 48,3 442 23,6 19 463 207 62,3
De 20% a 39.9% 517 27,6 9 114 788 29,9 719 38,4 7 607 537 24,4
De 40% a 59.9% 536 28,6 3 611 038 11,8 597 31,9 3 424 520 11,0
De 60% y más 495 26,4 3 044 367 10,0 116 6,2 742 121 2,4
Cambios en las Tasas de Pobreza

331 distritos redujeron su pobreza en 20 y más puntos porcentuales (p.p.), de los cuales
123 distritos (37%) tienen una población menor a 2 mil habitantes. Asimismo, 22 distritos
aumentaron su pobreza monetaria en 20 y más p.p., y todos ellos tienen una población menor
a 5 mil habitantes.
En 1 465 (78,2%) distritos la pobreza disminuyó entre 2013 y 2018. De ellos, 331 (22,6%) distritos
decreció en más de 20 puntos porcentuales; en 502 (34,3%) entre 10 a 19 puntos porcentuales;
y, en 278 (19%) distritos entre 5 a 9 puntos porcentuales.
Cuadro N° 9
CAMBIOS EN LAS TASAS DE POBREZA MONETARIA TOTAL, 2013 Y 2018
Rangos de variación de la pobreza Distritos que bajan su Distritos que suben su
% %
monetaria total pobreza pobreza
Entre 5 y 9 p.p 278 25,0 87 48,9
Entre 10 y 19 p.p 502 45,2 69 38,8
20 a más p.p. 331 29,8 22 12,4
Total distritos 1 111 100,0 178 100,0

Fuente: INEI – Mapa de Pobreza Provincial y Distrital 2013 Y 2018
Si ordenamos los distritos por variación de incidencia de la pobreza monetaria en forma

descendente, el distrito de Quito-Arma de la provincia de Huaytará del departamento de
Huancavelica tiene una variación de pobreza monetaria de 61,6%, pasando de 85,4% (Mapa
de Pobreza 2013) a 21,5% (Mapa de Pobreza 2018).
De los primeros 20 distritos con una baja considerable en la incidencia de la pobreza monetaria,
el departamento de Apurímac tiene cuatro distritos, La Libertad tiene tres distritos, Áncash,
Arequipa, Ayacucho, Huancavelica, Piura y San Martin tienen dos distritos, y Cajamarca solo
un distrito.
De los primeros 20 distritos con una subida considerable en la incidencia de la pobreza
monetaria, el departamento de Áncash tiene 11 distritos, Cusco y Loreto tienen dos distritos,
y Amazonas, Huancavelica, Ica, Lima y Puno tienen un distrito.

Los distritos con cambios significativos en la disminución de la pobreza monetaria se
encuentran en la Sierra Centro, Sierra Sur, Sierra Norte y en la Selva. Asimismo, los distritos
con cambios importantes en el aumento de la pobreza monetaria se ubican principalmente en
la Sierra Centro, en la zona sur del departamento de Cusco, en la zona norte del departamento
de Puno, y el norte del departamento de Áncash.
Gráfico N° 7
CAMBIOS EN LAS TASAS DE POBREZA MONETARIA TOTAL POR DOMINIO
GEOGRÁFICO, 2013 Y 2018
102
Costa Norte
3 Redujo en más de 5 p.p.
31 Aumentó en 5 p.p.
Costa Centro
5
16
Costa Sur
2
143
Sierra Norte
9
422
Sierra Centro
68
219
Sierra Sur
47
170
Selva
44
8
Lima Metropolitana
0
Fuente: INEI – Mapa de Pobreza Provincial y Distrital 2013 Y 2018
Respecto a las variaciones de las tasas de pobreza monetaria entre los mapa 2018 y 2013, se
observa, que en la región costa no hay cambios y esto podría deberse a que hay una mayor
estabilidad en la oferta de trabajo el cual ha permitido que la población migrante no conserve
el mismo nivel de pobreza con el que vino.
Todos los distritos de la provincia de Pallasca presentan un aumento en tasas de pobreza
monetaria, los son altamente vulnerables a las inundaciones, como lo fueron al fenómeno del
niño 2017, y otros desastres naturales como derrumbes, caída, deslizamiento y volcadura de
piedras, escombro y rocas.

VARIACIÓN DE LAS TASAS DE POBREZA, SEGÚN DISTRITO
(Porcentaje)
VARIACIONES EN LAS TASAS DE POBREZA MONETARIA DISTRITAL 2013 Y 2018
TUMBES
LORETO
PIURA AMAZONAS
LAMBAYEQUE
CAJAMARCA
SAN MARTÍN
LA LIBERTAD
ÁNCASH
HUÁNUCO
UCAYALI
PASCO
JUNÍN
PROVINCIA LIMA
CONSTITUCIONAL
DEL CALLAO
MADRE DE DIOS
HUANCAVELICA CUSCO
APURÍMAC
ICA AYACUCHO
PUNO
Variación de las tasas de pobreza
Se redujo la pobreza de 20 a más puntos AREQUIPA
Se redujo la pobreza entre 10 y 19 puntos

MOQUEGUA
Se redujo la pobreza entre 5 y 9 puntos
No hubo cambios significativos TACNA
Aumentó la pobreza entre 5 y 9 puntos
Aumentó la pobreza entre 10 y 19 puntos
Aumentó la pobreza de 20 a más puntos
Ley Nº 27795 - Quinta Disposición Transitoria y Final de la Ley de Demarcación y Organización

Territorial: “En tanto se determina el saneamiento de los límites territoriales, conforme a la
Fuente: Instituto Nacional de Estadística e Informática. existentes son de carácter referencial”.

5.5. Comparación de la Pobreza Monetaria Distrital y por NBIs
La pobreza es un fenómeno que tiene muchas dimensiones, por lo que no existe una única
manera de definirla, esto se debe a su carácter subjetivo, relativo y cambiante. Además de la
medición monetaria, tenemos la medición de pobreza obtenida a través de la construcción
de los indicadores de Necesidades Básicas Insatisfechas (NBIs) que toma en consideración
un conjunto de indicadores relacionados con necesidades básicas estructurales (vivienda,
educación, infraestructura, etc.) aspectos que no son sensibles a los cambios de la coyuntura
económica y permite una visión específica de la situación de pobreza, considerando los
aspectos sociales.
En nuestro país, las NBIs se calculan a partir de la información de los Censos y de la Encuesta
Nacional de Hogares, siendo el censo la fuente que proporciona información más detallada.
5.5.1 Definición de la Necesidades Básicas Insatisfechas (NBIs)

Desde el Censo de 1993 al Censo 2017, las necesidades básicas insatisfechas que
calcula el INEI están definidas de la siguiente manera:
a) Hogares en viviendas con características físicas inadecuadas: Este indicador hace
referencia al material predominante en las paredes y pisos; según tipo de vivienda.
De esta manera clasifica a los hogares que reúnen las características siguientes:
• Paredes exteriores predominantes de estera.
• Vivienda con piso de tierra y paredes exteriores de quincha, piedra con barro,
madera u otros materiales.
• Viviendas improvisadas (de cartón, lata, ladrillos y adobes superpuestos, etc.).
b) Hogares en viviendas con hacinamiento: Indicador referido a la densidad de ocupación
de los espacios físicos de la vivienda. Este indicador se define por:
• La relación existente entre el número de personas con el número total de
habitaciones que tiene la vivienda, sin contar el baño, cocina ni pasadizo. Se
determina que hay hacinamiento cuando residen más de 3,4 personas por
habitación.
c) Hogares en viviendas sin desagüe de ningún tipo: Indicador relacionado a la
disposición de un lugar para la eliminación de excretas, que aseguren los riesgos de
contaminación contra la salud. Por lo tanto, este indicador se define como:
• Los hogares que no disponen de servicio higiénico por red de tuberías o pozo ciego
(es decir, no disponen del servicio o está conectado a acequia/canal).
d) Hogares con niños que no asisten a la escuela: Indicador que toma como referencia
el vínculo de integración del niño a la sociedad a través de la “escuela”. El indicador
se define como:
• Aquellos hogares con presencia de al menos un niño de 6 a 12 años que no asiste
a un centro educativo.
e) Hogares con alta dependencia económica: Este indicador expresa una relación entre
la capacidad económica de los hogares con la cual se busca identificar aquellos
hogares que no disponen de los recursos suficientes. Tiene como condiciones:
• Hogares que no tienen ningún miembro ocupado
• Jefe de hogar sólo cuenta con primaria incompleta
• Existe población ocupada y la relación entre la población no ocupada y ocupada
es superior a 3.

Definidos los criterios, se considera como hogares con Necesidades Básicas Insatisfechas
(NBI), los cuales se identifican como pobres aquellos hogares que presenten al menos
una Necesidad Básica Insatisfecha.
5.5.2 Resultados distritales de las Necesidades Básicas Insatisfechas (NBIs)

Al comparar los años 2013 y 2017, los resultados del número de distritos con al menos
una Necesidad Básica Insatisfecha (NBI), para el 2013 se observa que 489 distritos que
tenían una incidencia de pobreza mayor o igual al 60% redujeron significativamente este
nivel de pobreza.
En el 2017, se tiene 1 623 distritos con incidencia de pobreza por NBI menor al 60%.
Asimismo, 251 distritos con NBI mayor o igual al 60%.
Cuadro N° 10
COMPARACIÓN POR RANGOS DE POBREZA POR NBI, 2013 Y 2017
Al menos una NBI
2013 2017 Diferencia
(porcentaje)
Total 1874 1874
60,0 – 100,0 489 251 -238
40,0 - 59,9 632 481 -151
20,0 - 39,9 567 886 319
0,0 - 19,9 186 256 70
Fuente: INEI – Mapa de Pobreza Monetaria Provincial y Distrital 2013 Y 2018
5.5.3 Comparación de los resultados entre la pobreza monetaria distrital y por NBIs
608 distritos (32.4% del total de distritos) tienen una coincidencia en el rango de pobreza
entre Mapa de pobreza Monetaria 2018 y por NBI.
El coeficiente de correlación de Pearson es de 0.30, que indica que existe una relación
moderada.

Tabla N° 5
COMPARACIÓN POR RANGOS DE LA POBREZA MONETARIA Y NBI
Mapa de Pobreza Monetaria 2018
Rangos
(%) 0.0 -9.9 10.0-19.9 20.0-39.9 40.0-59.9 60.00-100.0 Total de distrito
0.0-9.9 28 1 29
10.0-19.9 41 77 73 36 227
NBI 20.0-39.9 55 157 321 297 56 886
2017 40.0-59.9 16 50 200 168 47 481
60.0-100.0 3 14 120 100 14 251
Total de distrito 143 298 715 601 117 1 874
NECESIDADES BÁSICAS INSATISFECHAS, SEGÚN DISTRITO, 2017 POBREZA MONETARIA, SEGÚN DISTRITOS, 2018
TUMBES TUMBES
LORETO LORETO
PIURA AMAZONAS PIURA AMAZONAS
LAMBAYEQUE LAMBAYEQUE
CAJAMARCA CAJAMARCA
SAN MARTIN SAN MARTIN
LA LIBERTAD LA LIBERTAD
ANCASH HUANUCO ANCASH HUANUCO
UCAYALI UCAYALI
PASCO PASCO
JUNIN JUNIN
LIMA LIMA
CALLAO CALLAO
MADRE DE DIOS MADRE DE DIOS
HUANCAVELICA HUANCAVELICA
CUSCO CUSCO
APURIMAC AYACUCHO APURIMAC

AYACUCHO
ICA PUNO ICA PUNO
ESTIMACIÓN (%)
ESTIMACIÓN(%)
60.0 - 100.0 (116Dist.)
60.0 - 100.0 ( 251 distritos) AREQUIPA AREQUIPA
40.0 - 59.9 (597Dist.)

40.0 - 59.9 ( 481 distritos)
20.0 - 39.9 ( 886 distritos) MOQUEGUA 20.0 - 39.9 (715Dist.) MOQUEGUA
10.0 - 19.9 ( 227 distritos) TACNA 10.0 - 19.9 (299Dist.) TACNA
0.0 - 9.9 ( 29 distritos) 0.0 - 9.9 (143Dist.)

Fuente: Instituto Nacional de Estadística e Informática Ley N° 27795 - Quinta Disposicion Transitoria y Final de la ley de demarcación y Organización Fuente: Instituto Nacional de Estadística e Informática Ley N° 27795 - Quinta Disposicion Transitoria y Final de la ley de demarcación y Organización
Territorial: "En tanto se determina el saneamiento de los límites territoriales, conforme a la Territorial: "En tanto se determina el saneamiento de los límites territoriales, conforme a la
presente Ley, las delimitaciones censales y/u otros relacionados con las circunscripciones presente Ley, las delimitaciones censales y/u otros relacionados con las circunscripciones
existentes son de caracter referencial". existentes son de caracter referencial".

Publicación (Parte 1)

Cargado por

Copyright:

Formatos disponibles

Publicación (Parte 1)

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

Publicación (Parte 1)

Cargado por

Copyright:

Formatos disponibles

CRÉDITOS

Econ. José García Zanabria

Dr. Aníbal Sánchez Aguilar

Comisión Consultiva de Pobreza

Conducción y Asesoramiento Técnico

Paul Corral Rodas

Mapas Temáticos Diagramación y Corrección de Textos

Instituto Nacional de Estadística e Informática

Primera edición, febrero 2020

El Instituto Nacional de Estadística e Informática (INEI), en el marco de la promoción y difusión de

Lima, febrero de 2020

Econ. José García Zanabria

1.2. Usos del Mapa de Pobreza Monetaria 11

1.3. Mejoras Incorporadas al Mapa de Pobreza Monetaria 2018 11

1.4. Limitaciones del Mapa de Pobreza Monetaria 2018 12

3.2. Fuentes de Información 14

3.2.1. Censo de Población y Vivienda 2017 14

3.3. Etapas de la Estimación 22

3.3.1. Análisis de Bases de Datos 22

3.4. Análisis de la Bondad de Ajuste de los Modelos 27

4. SENSIBILIDAD Y VALIDACIÓN DE LOS MODELOS 30

4.2. Sensibilidad de los Modelos en la Submuestra 31

4.3. Sensibilidad en las estimaciones de los Modelos Departamentales a distintas desa-

4.4. Validación Externa 33

5. ANÁLISIS DE LOS RESULTADOS 34

5.3. Resultados de la Pobreza Monetaria Provincial y Distrital 2018 41

5.3.1 Incidencia de la pobreza monetaria total por provincias 42

5.4. Comparación de Resultados del Mapa 2018 y 2013 44

5.5. Comparación de la Pobreza Monetaria Distrital y por NBIs 48

5.5.1 Definición de la Necesidades Básicas Insatisfechas (NBIs) 48

Anexo N° 2: Población, Pobreza Monetaria Total, Ubicación de la Pobreza Total,

Anexo N° 3: Población, Pobreza Monetaria Total, Grupos Robustos y Ubicación

Anexo N° 4: Población, Pobreza Monetaria Total, Grupo Robusto y Ubicación

ANEXOS METODOLÓGICOS 209

Anexo N° 2: Coeficientes de los Modelos de Regresión Logístico por Departamento 235

ANEXOS MAPAS TEMÁTICOS 249

GLOSARIO DE TÉRMINOS 301

Mapa de pobreza monetaria provincial y distrital 2018 7

8 Instituto Nacional de Estadística e Informática

Mapa de pobreza monetaria provincial y distrital 2018 9

1 El marco normativo vinculado a los mapas de pobreza en el Perú incluye:

10 Instituto Nacional de Estadística e Informática

1.1. Objetivo del Mapa de Pobreza Monetaria

1.2. Usos del Mapa de Pobreza Monetaria

1.3. Mejoras Incorporadas al Mapa de Pobreza Monetaria 2018

Mapa de pobreza monetaria provincial y distrital 2018 11

1.4. Limitaciones del Mapa de Pobreza Monetaria 2018

12 Instituto Nacional de Estadística e Informática

Mapa de pobreza monetaria provincial y distrital 2018 13

Análisis de la Metodología ELL

3.2. Fuentes de Información

3.2.1. Censo de Población y Vivienda 2017

14 Instituto Nacional de Estadística e Informática

3.2.2. Encuesta Nacional de Hogares 2017 y 2018

Mapa de pobreza monetaria provincial y distrital 2018 15

3.2.3. Fuentes Externas

Sistema de Información de Apoyo a la Gestión de la Programa Nacional de Becas y Crédito Educativo

16 Instituto Nacional de Estadística e Informática

Mapa de pobreza monetaria provincial y distrital 2018 17

Número de usuarios del Indicador de agudeza

1.2. Usos del Mapa de Pobreza Monetaria 11

1.3. Mejoras Incorporadas al Mapa de Pobreza Monetaria 2018 11

1.4. Limitaciones del Mapa de Pobreza Monetaria 2018 12

3.2. Fuentes de Información 14

3.2.1. Censo de Población y Vivienda 2017 14

3.3. Etapas de la Estimación 22

3.3.1. Análisis de Bases de Datos 22

3.4. Análisis de la Bondad de Ajuste de los Modelos 27

4. SENSIBILIDAD Y VALIDACIÓN DE LOS MODELOS 30

4.2. Sensibilidad de los Modelos en la Submuestra 31

4.4. Validación Externa 33

5. ANÁLISIS DE LOS RESULTADOS 34

5.3. Resultados de la Pobreza Monetaria Provincial y Distrital 2018 41

5.3.1 Incidencia de la pobreza monetaria total por provincias 42

5.4. Comparación de Resultados del Mapa 2018 y 2013 44

5.5. Comparación de la Pobreza Monetaria Distrital y por NBIs 48

5.5.1 Definición de la Necesidades Básicas Insatisfechas (NBIs) 48

ANEXOS METODOLÓGICOS 209

Anexo N° 2: Coeficientes de los Modelos de Regresión Logístico por Departamento 235

ANEXOS MAPAS TEMÁTICOS 249

GLOSARIO DE TÉRMINOS 301