Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Similars in
SciELO 
Permalink
INTRODUCCION
Con la finalidad de disminuir la transmisión intergeneracional de la pobreza en Paraguay, desde el año 2005, el Ministerio de Desarrollo Social (MDS) viene ejecutando el Programa de Transferencias Monetarias Condicionadas (CCT por sus siglas en inglés) denominado Tekoporã. Su implementación consistió en realizar transferencias monetarias a hogares beneficiados, condicionadas al cuidado de la salud y la educación de los menores de edad.
Una vez implementando este tipo de programa, surge el cuestionamiento de si efectivamente la ejecución del mismo favoreció la reducción de la pobreza y, adicionalmente, si afectó a otras variables relevantes. Este artículo se centró en la segunda cuestión planteada, y buscó conocer los efectos externos producidos por el programa; en específico, evaluó el impacto producido en la oferta laboral de los beneficiarios. Esta variable pudo haber sido afectada a través de la variación del salario de reserva, causada por la variación del ingreso, de acuerdo a la teoría económica.
Para hacer la evaluación se utilizó la metodología Propensity Score Matching y se aplicó a la base de datos de la Encuesta de Ingresos y Gastos y Condiciones de Vida 2012 (EIG) y a la Encuesta Permanente de Hogares 2012 (EPH), ambas elaboradas por la Dirección General de Estadística, Encuestas y Censos (DGEEC). Se utilizaron dos bases de datos, de manera a comparar los resultados y analizar su consistencia. Los datos corresponden al año 2012, debido a que es el último año en que se realizó la EIG y para ese momento, el programa ya llevaba 7 años de implementación, por lo tanto la evaluación puede dar resultados robustos.
En el año 2012 el programa abarcó 87 distritos de los Departamentos de Concepción, San Pedro, Cordillera, Guairá, Itapúa, Paraguarí, Caazapá, Central, Misiones, Ñeembucú, Caaguazú, Alto Paraná, Amambay, Canindeyú, Presidente Hayes, Alto Paraguay y Asunción.
De acuerdo al Fondo de Población de las Naciones Unidas (UNFPA) (2017), Los hogares participantes se encontraban en extrema pobreza, con hijos de 0 a 18 años, y/o embarazadas, y/o adultos mayores de 65 años y/o personas con capacidad diferente. La situación de pobreza se determinó a través del Índice de Calidad de Vida (ICV), calculado para cada hogar. Adicionalmente, debieron residir en los distritos de mayor pobreza, de acuerdo al Índice de Priorización Geográfica (IPG).
El programa consistió en la transferencia de un importe mensual a los hogares. La recepción de esta transferencia tuvo como condición la vacunación de menores de edad y su asistencia a centros de salud durante el año. Además, los hijos en edad escolar, debieron estar matriculados y asistir a centros de enseñanza.
El control del cumplimiento de estas condicionantes, se realizó a través del Seguimiento y Monitoreo del Avance de las Familias, efectuado por los Guías Familiares y Facilitadores Comunitarios, junto a las Instituciones educativas y de salud.
Breve revisión de literatura
Para determinar la metodología a utilizar en una evaluación, debe tenerse en cuenta la forma en que fueron seleccionados los participantes. Si estos fueron escogidos al azar, el diseño del programa es experimental y su evaluación se efectúa siguiendo los métodos inicialmente planteados por Neyman (1923) y Fischer (1935), luego desarrollados para la evaluación de programas por Blundell y Costa Dias (2009), Angrist y Pischke (2009) y Khandker, Koolwal y Samad (2010).
Cuando los participantes no fueron seleccionados al azar, el diseño del programa es no experimental. Ante esta situación, la literatura recomienda la conformación de un grupo de control, similar al grupo de participantes del programa, para luego comparar las variables de interés. Esto puede hacerse mediante los métodos que se presentan a continuación.
El Propensity Score Matching es un método desarrollado por Rosenbaum y Rubin (1983), mediante el cual se define un set de variables observables, con el cual se calcula la probabilidad de participación en el programa. Luego, se conforma el grupo de control, con aquellos no participantes que tengan mayores propensity score y características similares a los participantes. Las orientaciones para ejecutar este método pueden verse en Khandker et al (2010) y su aplicación en evaluaciones a CCT se presenta en Dearden, Emmerson, Frayne y Meghir (2009) y Todd, Winters y Hertz (2010).
Si se cuenta con datos de línea de base y también posteriores a la ejecución, para determinar el grupo de control y calcular las diferencias en los resultados de las variables evaluadas, puede utilizarse el método Difference in Differences Matching, tal como se presenta en Attanasio y Mesnard (2006) y Attanasio et al (2010).
En caso de que la participación no sea aleatoria pero dependa de que una variable, como por ejemplo que el ingreso o un índice no pase un límite establecido, se utiliza el método Regression Discontinuity, inicialmente desarrollado por Campbell (1969) y cuya aplicación en CCT puede verse en Lee y Lemieux (2010). De esta forma puede obtenerse los efectos de un programa, al comparar los resultados de los participantes y no participantes, cercanos al límite.
Ante la existencia de variables inobservables que influyen en la participación, se sugiere realizar la evaluación con Variables Instrumentales, originalmente desarrolladas por Wright (1928) y ampliamente utilizadas en econometría. Mediante este método, se minimizan los sesgos causados por inobservables y se mejora la evaluación. Su ejecución puede verse en Perova y Vakis (2012) y Angelucci y Attanasio (2009).
Con respecto a Tekoporã, se realizaron anteriormente dos evaluaciones, pero exclusivamente sobre el proyecto piloto, que abarcó a 4.500 hogares y fue ejecutado entre los años 2005 y 2007, en los distritos de Buena Vista y Abaí del Departamento de Caazapá y en los distritos de Santa Rosa del Aguaray, Lima y Unión del Departamento de San Pedro. Soares, Ribas e Hirata (2008) analizaron los efectos en la salud, educación, consumo, cesta alimentaria, pobreza, crédito para consumo, ahorro, actividad agrícola, participación social, adquisición de cédulas de identidad, trabajo infantil y oferta laboral en los adultos. Como resultado hallaron efectos positivos en todas las variables, excepto en el trabajo infantil y la oferta laboral en los adultos. En otra evaluación, Perez Ribas, Veras Soares, Teixeira, Silva e Hirata (2011), analizaron el impacto en la demanda por salud y educación y obtuvieron resultados positivos en asistencia escolar y visita a centros de salud, no así en la vacunación de menores.
Ambos estudios utilizaron datos administrativos del proyecto piloto ejecutado en cinco distritos del país, en los años 2005 y 2006, obtenidos de la entonces Secretaria de Acción Social (SAS), actual MDS. También, utilizaron datos de una encuesta realizada en dos distritos cercanos, no participantes del programa. En relación a la información utilizada, debe considerarse que podría tener sesgos, debido a que, al ser realizada por la propia SAS, los participantes pudieron haber respondido estratégicamente ante el temor de perder la transferencia. Además, el proyecto piloto tiene limitaciones, porque solo abarcó a cinco distritos en los años iniciales, en cambio, una evaluación realizada con información del 2012 contiene información más robusta, debido a la amplitud geográfica y a los años de implementación del programa.
MATERIALES Y METODOS
El artículo utilizó datos de la Encuesta de Ingresos y Gastos y de Condiciones de Vida 2011-2012 (EIG) de Paraguay. La base de datos contiene información de 5417 hogares encuestados, entre los cuales se identificó a 252 hogares participantes del programa Tekoporã.
También, se usaron datos de la Encuesta Permanente de Hogares 2012 (EPH). En esta base de datos fueron identificados 259 hogares beneficiarios de Tekoporã, de un total de 5288 hogares encuestados. Esta información puede verse de manera sintetizada en la Tabla 2.
Debido a que la selección de participantes del Tekoporã no es aleatoria y depende de las condiciones de pobreza del hogar y la localización geográfica, la evaluación no puede ser realizada comparando directamente los resultados promedios de participantes y no participantes. Por este motivo, la evaluación se debió realizar utilizando un método no experimental.
Entre los métodos no experimentales, el denominado Regression Discontinuity no pudo ser utilizado, debido a que la EIG y la EPH no contienen todas las variables que el gobierno utiliza para calcular la condición de pobreza o ICV y así determinar la participación. Tampoco, fue utilizado el método de Variables instrumentales debido a que la selección de participantes se basa en variables observables; entonces, no hay variables inobservables que obliguen a adoptar ese método.
Por las razones expuestas, para la conformación de un grupo de control, este artículo utilizó el método Propensity Score Matching. Iniciado por Rosenbaum y Rubin (1983), consiste en determinar un set de variables observables Xi y a partir del mismo, conformar un grupo de control, seleccionando a aquellos cuyos valores del set de variables sean similares a los valores de los participantes.
Cuando existen numerosas variables en el set Xi puede dificultarse el emparejamiento señalado. Ante esto, los autores propusieron utilizar el Propensity Score que es la probabilidad de participar del programa, condicionada a las variables observables. Formalmente sería Pr(D=1|Xi), donde D es la condición de participación en el programa y adopta el valor de 1 para los participantes y 0 para los que no reúnan las características para participar.
Estas propensiones deben cumplir con las dos condiciones, señaladas en Imbens y Wooldridge (2009). La primera, Balanceo, significa que dado el set de variables Xi, la condición de participar en el programa es independiente del set, entonces Xi⊥D|Pr(Xi). En segundo lugar, la condición de independencia, que implica la independencia de los resultados Y0,Y1, respecto a la condición de participación D, formalmente debe darse que Y0,Y1⊥D|Pr(Xi). Además de las condiciones mencionadas, las propensiones de los participantes y no participantes deben estar dentro de un rango común. De manera formal debe darse 0≤Pr(Xi)≤1.
Una vez cumplidas las condiciones y si la participación en el programa se determina exclusivamente por las variables observables, se logran resultados correctos en la evaluación. En este artículo no se contó con datos anteriores a la ejecución del programa; razón por la cual, no se utilizó el método Difference in Differences Matching, expuesto en Khandker et al (2010).
Las características Xi contenidas en las bases de EIG y de la EPH propuestas inicialmente para el matching se presentan en la Tabla 1, también puede verse una comparación con las variables utilizadas por la SAS para calcular el ICV de los hogares.
Excepto la variable Ingreso mensual familiar, todas las demás variables son categóricas, lo que obligó a transformarlas en variables dummys. La variable número de dormitorios fue reemplazada por la variable hacinamiento, esta se construyó mediante la división entre la cantidad de personas en el hogar y el número de dormitorios.
En la ejecución del emparejamiento, las variables tenencia de baño, pieza para cocinar, electricidad, línea fija, computadora, internet y grado académico del cónyuge, no cumplieron con la condición de balanceo señalada anteriormente y tuvieron que ser excluidas para realizar el matching.
En la Tabla 2 pueden verse los estadísticos descriptivos de las variables construidas y luego utilizadas para calcular el propensity score. En este caso se presentan los valores obtenidos al analizar la base de datos de la EIG.
Tabla 2: Estadísticos descriptivos, con la base de datos de la EIG.
Fuente: elaboración propia con datos de la Encuesta de Ingresos y Gastos y de Condiciones de Vida 2011-2012. Notas: (1) Baja calidad en la pared es la construida con estaqueo, adobe, madera, tronco de palma, cartón, hule, madera de embalaje o no tiene pared. (2) Baja calidad en el techo es la construida con paja, fibrocemento (eternit), chapa de zinc, tablilla de madera, cartón, hule, madera de embalaje. (3) Baja calidad del empleo corresponde a agricultores, trabajadores agropecuarios, pesqueros y trabajadores no calificados. (4) Valores expresados en millones de guaraníes.
En la Tabla 2 se muestra la existencia de deficiencias en las siguientes variables, que presentan altos promedios, próximos o superiores al 50%: Techo de baja calidad, Inadecuado combustible utilizado para cocinar, No cuenta con teléfono de línea fija, No cuenta con computadora, Hogar sin miembros con seguro médico, Baja calidad del empleo principal del jefe de hogar. Además, se puede notar que el promedio de años de estudios es 8 y que el 55% de los hogares tuvieron hijos menores de 18 años.
Por otra parte, la evaluación también se hizo utilizando la base de datos de la EPH. Al igual que en el caso anterior, la Tabla 3 muestra los estadísticos descriptivos de las variables construidas y utilizadas para calcular el propensitity score con datos de la EPH.
Tabla 3: Estadísticos descriptivos, con la base de datos EPH.
Fuente: elaboración propia con datos de la Encuesta Permanente de Hogares - 2012. Notas: (1) Baja calidad en la pared es la construida con estaqueo, adobe, madera, tronco de palma, cartón, hule, madera de embalaje o no tiene pared. (2) Baja calidad en el techo es la construida con paja, fibrocemento (eternit), chapa de zinc, tablilla de madera, cartón, hule, madera de embalaje. (3) Baja calidad del empleo corresponde a agricultores, trabajadores agropecuarios, pesqueros y trabajadores no calificados. (4) Valores expresados en millones de guaraníes.
La Tabla 3, con datos de la EPH, muestra valores promedios bastante altos y similares a los resultantes de la EIG. El promedio de años de estudios también es 8 y el porcentaje de hijos menores es 56%.
Con la información de ambas bases de datos, se corrió el modelo Probit Pr(D=1|Xi) que calculó el propensity score de los hogares y la conformación de los grupos de control se produjo con los hogares no participantes, cuyos propensity score fueron más próximos a los de los hogares participantes. En esta conformación, se utilizó la técnica Nearest Neighbor Matching sin reemplazamiento; es decir, los participantes no volvieron a ser utilizados, de manera a conseguir similar cantidad de controles que participantes.
Con esta información, se calculó el efecto promedio del programa en la Oferta laboral de los participantes. El efecto calculado puede expresarse de forma general de la siguiente manera:
ATT=[E(Y1|D=1)−E(Y0|D=1)] (1)
Donde ATT es el efecto promedio en los participantes (Average Treatment Effect on the Treated). El resultado de la variable evaluada, para el caso de los participantes, se identifica con Y1, mientras que Y0 indica el resultado del grupo de control. Por otra parte, D=1 indica la condición de participación, dadas las variables observables Xi. Para el caso de los participantes, D=1 porque son beneficiarios del programa. Mientras que, para los grupos de control, D=1 debido a que las variables observables del set Xi son similares a las de los participantes y por lo tanto tienen alta probabilidad de ser seleccionados, pero no participan del programa. El operador E en ambos términos indica el resultado promedio de cada grupo.
Para obtener el ATT en la oferta laboral de los participantes del programa, se corrió la siguiente regresión:
Yi=β𝐗+∅Tekoporãi+εi (2)
Donde Yi es el resultado de las variables cuyos impactos desea medirse, en este artículo es la oferta laboral. Luego, 𝐗 es el vector de las variables observables Xi, presentadas en las Tablas 2 y 3. Tekoporãi es una variable dummy con valor 1 si el hogar participó del programa y 0 si no fue participante. Por último, εi es el término de error.
Para evaluar el efecto en la oferta laboral, se utilizó la información de los trabajos remunerados recientemente realizados por el jefe de hogar, su cónyuge y los hijos. Además, se consideró que, según la teoría económica, cuando el salario del mercado es superior al salario de reserva, el individuo decide ingresar al mercado laboral. Entonces, para el caso de Tekoporã, el aumento de ingreso obtenido por las transferencias del programa pudo haber aumentado el salario de reserva de los participantes y de esta forma pudo haber producido efectos en la oferta laboral. En consecuencia, los participantes pudieron preferir abandonar el mercado laboral esperar por un trabajo que ofrezca un ingreso mayor al nuevo salario de reserva. De esta forma, el programa pudo haber tenido un efecto negativo en la oferta laboral, de la forma encontrada por Borraz y González (2009).
También, se pudo haber tenido otro efecto, si los participantes del programa, con la finalidad de participar el mayor tiempo posible, hayan preferido no ingresar o abandonar el mercado laboral formal y pasaran al informal, donde la productividad y los ingresos pudieron ser menores, tal como lo encontraron Bergolo y Cruces (2014). Por último, otra posibilidad es que el programa haya tenido efectos nulos en la oferta laboral, al igual que los resultados obtenidos por Skoufias y Di Maro (2008), Foguel y Barros (2010) y Martorano y Sanfilippo (2012).
RESULTADOS Y DISCUSION
La evaluación realizada con datos de la Encuesta de Ingresos y Gastos 2012, que presenta los efectos promedios causados por Tekoporã en la oferta laboral de los participantes, se presentan en la Tabla 4.
Tabla 4: Efectos promedios de Tekoporã, con datos de EIG.
Fuente: elaboración propia con datos de la Encuesta de Ingresos y Gastos y de Condiciones de Vida 2011-2012. * Significativo al 10%. ** Significativo al 5%.
La misma información, respecto al efecto promedio de Tekopora en los participantes, pero generada con datos de la Encuesta Permanente de Hogares 2012, se presenta en la Tabla 5.
Tabla 5: Efectos promedios de Tekoporã, con datos de EPH
Fuente: elaboración propia con datos de la Encuesta de Ingresos y Gastos y de Condiciones de Vida 2011-2012. * Significativo al 10%. ** Significativo al 5%.
En la evaluación del impacto en la oferta laboral, realizada con las bases de datos EIG y EPH, no se encontraron efectos estadísticamente significativos en trabajos remunerados de jefes de hogar, cónyuges ni hijos. Sin embargo, a pesar de que no existe evidencia estadística suficiente, debe considerarse que ambas evaluaciones coinciden en la dirección en la que se produjeron los resultados. En el caso de la oferta laboral del jefe de hogar, se presentaron reducciones en la oferta laboral, mientras que aumentó el trabajo remunerado de los hijos.
En cuanto a la oferta laboral de adultos, la ausencia de efectos indicaría que la seguridad de percepción de las transferencias durante la ejecución del programa, no causó el abandono de los trabajos que realizaban. Los ingresos adicionales no fueron suficientes para modificar sustancialmente al salario de reserva e inducirlos a abandonar el mercado laboral.
Por otro lado, la falta de efectos en el trabajo infantil, en especial el hecho de que no lo haya reducido, muestra que el programa no es una herramienta que funcione para lograr ese objetivo, este resultado concuerda con otras evaluaciones de CCT, como las realizadas por Borraz y González (2009) y Araujo, Ribeiro y Neder (2010).
CONCLUSIONES
La presente evaluación del CCT Tekoporã, realizada mediante la metodología Propensity Score Matching y utilizando las bases de datos de la EIG y de la EPH del año 2012, no encontró efectos en la oferta laboral del jefe de hogar, del cónyuge ni de los hijos. En este caso, no se encontraron evidencias de que el programa sea un medio que favorezca la reducción del trabajo infantil.
En cuanto a los adultos, tampoco se obtuvieron efectos significativos en la oferta laboral. Es decir que las transferencias no producen sustanciales modificaciones en las decisiones de participación en el mercado laboral. Este trabajo encontró reducciones en la oferta laboral, pero los mismos no fueron estadísticamente significativos, al hacer la clasificación en jefes de hogar y cónyuge. El Programa Tekoporã como herramienta de política y de la forma en que fue ejecutado, no produce efectos externos en la oferta laboral de adultos. Al respecto, sería conveniente establecer estrategias que eviten la posibilidad de que los mismos tengan incentivos para abandonar el mercado laboral. Además, convendría analizar la posibilidad de incluir componentes que ayuden a reducir el trabajo infantil y complementarlo con la asistencia escolar.
