P. 1
Tesis Mapas de Pobreza

Tesis Mapas de Pobreza

|Views: 562|Likes:
Tesis de investigación respecto a los índices de pobreza urbano y rural para el departamento de Madre de Dios, Perú, aplicando el Análisis Factorial.
Tesis de investigación respecto a los índices de pobreza urbano y rural para el departamento de Madre de Dios, Perú, aplicando el Análisis Factorial.

More info:

Published by: Jorge Jesús Morales González on Feb 11, 2012
Copyright:Public Domain

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF or read online from Scribd
See more
See less

05/03/2015

Sections

I

UNIVERSIDAD NACIONAL DE SAN
ANTONIO ABAD DEL CUSCO
FACULTAD DE ECONOMÍA









TESIS PRESENTADA POR EL BACHILLER:
Jorge Jesús MORALES GONZALEZ
PARA OPTAR AL TÍTULO PROFESIONAL
DE ECONOMISTA.

ASESOR:
Dr. Jesús Federico BARRIONUEVO MUJICA

CUSCO - PERU
2011
“MAPAS DE POBREZA URBANO Y RURAL PARA
EL DEPARTAMENTO DE MADRE DE DIOS”
II








Reconocimiento:
Al
Dr. Jesús Federico Barrionuevo Mujica
y
al
Dr. Cleto De La Torre Dueñas
por
la
asesoría
proporcionada.







Agradecimientos:
A
todos
mis
profesores
y
compañeros
de
la
promoción
“318 Años”.









III


















A:
Luz
y
Domingo,
mis
padres,
con
Amor.













IV



RESUMEN

La pobreza es uno de los principales problemas que enfrenta actualmente la humanidad.
En el caso del departamento de Madre de Dios la pobreza no monetaria ha disminuido de
manera gradual durante la última década y actualmente tres quintas partes de la
población son pobres. Solucionar este problema es imperativo por razones de carácter
económico, social y ético, y debe estar dentro de las prioridades de cualquier gobierno
que quiera realizar una lucha frontal al problema multidimensional de la pobreza. El
objetivo principal de esta investigación es “Construir mapas de pobreza, basados en
niveles de agregación geográfica urbano y rural para determinar la condición y
concentración de pobreza, en el ámbito geográfico del departamento de Madre de Dios”,
para luego llevar a cabo un análisis de los resultados. La metodología de la investigación
consiste en elaborar factores que permitan explicar el problema de la pobreza y el de
construir los índices para determinar la condición y concentración de pobreza. Dentro de
los principales resultados obtenidos resalta la concentración de la pobreza en la zona sur
del departamento.

Palabras claves: pobreza, política social y mapas de pobreza.

ABSTRACT

Poverty is one of the major problems facing mankind today. In the case of the department
of Madre de Dios non-monetary poverty has declined gradually over the last decade and
now three-fifths of the population is poor. Solving this problem is imperative for reasons of
economic, social and ethical, and be among the priorities of any government that wants to
make a frontal multidimensional problem of poverty. The main objective of this research is
"Building maps of poverty, based on levels of urban and rural geographic aggregation to
determine the condition and concentration of poverty in the geographical scope of the
department of Madre de Dios," and then carry out an analysis of the results. The research
methodology is to develop factors that explain the problem of poverty and building the
indexes to determine the condition and concentration of poverty. Among the main results
obtained highlight the concentration of poverty in the southern department.


Keywords: poverty, social policy and poverty maps.






V











“Cada conjunto de datos abre una rica e importante agenda de investigación
dentro de la dinámica de la pobreza y la desigualdad en múltiples
dimensiones. Un ataque simultáneo desde tres frentes: datos, modelación y
medición, ofrecen una esperanza para establecer un fundamento empírico
creíble de la acción pública en la lucha contra la pobreza”
1
.








1
Aguil ar , P. (2005).
VI

INDICE GENERAL

PORTADA .......................................................................................................................... I
AGRADECIMIENTOS ....................................................................................................... II
DEDICATORIA ..................................................................................................................III
RESUMEN ........................................................................................................................ IV
INDICE GENERAL ........................................................................................................... VI
INDICE DE TABLAS ......................................................................................................... X
INDICE DE GRÁFICOS .................................................................................................... XII
INTRODUCCIÓN ............................................................................................................... 1
CAPÍTULO I: MARCO TEÓRICO ...................................................................................... 4
1.1 Marco Teórico Referencial .......................................................................................... 4
1.2 Marco Teórico Científico ............................................................................................. 6
1.2.1 Enfoque de Capacidades de Sen ............................................................................... 7
1.2.2 Enfoque Absoluto y Relativo de la Pobreza .............................................................. 8
1.2.3 Enfoque Objetivo y Subjetivo de la Pobreza ........................................................... 10
1.3 Marco Conceptual ...................................................................................................... 11
1.3.1 Pobreza....................................................................................................................... 11
1.3.1.1 Medición de la pobreza ............................................................................................ 14
1.3.2 Focalización................................................................................................................ 20
1.3.3 Mapas de Pobreza ..................................................................................................... 23
1.3.4 Filtración y Subcobertura .......................................................................................... 24
1.3.5 Gasto Público ............................................................................................................. 24
1.3.6 Gasto Social ............................................................................................................... 25
1.3.7 Programas Sociales ................................................................................................... 26
1.3.7.1 Características de los Programas Sociales ............................................................ 26
1.4 Análisis Exploratorio de los Datos ............................................................................ 28
VII

1.4.1 Test de Kolmogorov – Smirnov ................................................................................ 31
1.4.2 Test de Levene .......................................................................................................... 32
1.5 Análisis Factorial ........................................................................................................ 33
1.5.1 Modelo del Análisis Factorial .................................................................................... 35
1.5.1.1 Supuestos del Modelo .............................................................................................. 36
1.5.2 Métodos de Estimación ............................................................................................. 37
1.5.2.1 Método de Componentes Principales ..................................................................... 38
1.5.3 Saturación, Comunalidad y Unicidad ....................................................................... 39
1.5.4 Matriz de Correlaciones ............................................................................................ 41
1.5.5 Viabilidad del Modelo Factorial ................................................................................. 43
1.5.6 Criterios para Decidir el Número de Factores ......................................................... 46
1.5.6.1 Criterio de Esfericidad de Bartlett ............................................................................ 47
1.5.7 Rotaciones Factoriales .............................................................................................. 47
1.5.7.1 Rotación Ortogonal ................................................................................................... 48
1.5.8 Interpretación de los Factores .................................................................................. 50
1.6 Baremación del Test .................................................................................................. 51
1.7 Análisis de Cluster ..................................................................................................... 52
1.7.1 Dendrograma ............................................................................................................. 53
1.8 Censo de Población y Vivienda 2007 ...................................................................... 53
CAPÍTULO II: CARACTERIZACIÓN GEOGRÁFICA Y SOCIOECONÓMICA DEL
DEPARTAMENTO DE MADRE DE DIOS ........................................................................ 55
2.1 Características Geográficas y Estimación de la Población ................................... 55
2.1.1 Localización Geográfica ............................................................................................ 55
2.1.2 Medio Físico ............................................................................................................... 55
2.1.3 Población y División Política ..................................................................................... 58
2.1.4 Características de la Población ................................................................................ 60
2.2 Características Socioeconómicas ............................................................................ 68
2.2.1 Minería ........................................................................................................................ 69
2.2.2 Actividad Agropecuaria.............................................................................................. 72
2.2.3 Actividad Pesca .......................................................................................................... 74
2.2.4 Extracción Forestal de Madera ................................................................................. 75
VIII

2.2.5 Recolección de Castaña ........................................................................................... 76
2.2.6 Extracción de Recursos del Bosque ........................................................................ 77
2.2.7 Turismo ....................................................................................................................... 77
2.2.8 Hidrocarburos ............................................................................................................. 78
CAPÍTULO III: MARCO METODOLÓGICO PARA LA ELABORACIÓN DE MAPAS DE
POBREZA ........................................................................................................................ 79
3.1 Aplicación de Entrevistas sobre Focalización del Gasto Público y Mapas de
Pobreza .................................................................................................................................. 80
3.2 Proceso de Selección de los Indicadores ................................................................ 81
3.3 Modelación Econométrica ......................................................................................... 82
3.3.1 Estimación de los Indicadores .................................................................................. 82
3.3.2 Criterio de Selección del Modelo .............................................................................. 82
3.3.3 Criterio de Interpretación de los Factores ................................................................ 82
3.3.4 Construcción de los Índices de Pobreza ................................................................. 83
3.3.4.1 Criterio para la Categorización de los Índices de Pobreza ................................... 83
3.3.5 Elaboración del Dendrograma .................................................................................. 84
CAPÍTULO IV: ELABORACIÓN DE MAPAS DE POBREZA POR ANÁLISIS
FACTORIAL ..................................................................................................................... 85
4.1 Perfil de Conocimiento sobre Focalización del Gasto Público y Mapas de
Pobreza .................................................................................................................................. 85
4.2 Elaboración de Mapas de Pobreza por Análisis Factorial ...................................... 92
4.2.1 Resultados del Proceso de Selección de Indicadores ........................................... 91
4.2.2 Resultados de la Estimación de los Indicadores..................................................... 99
4.2.3 Resultados del Criterio de Selección del Modelo ................................................. 101
4.2.4 Denominación y Contenido Específico de cada Factor ........................................ 103
4.2.5 Análisis de los Índices de Pobreza ......................................................................... 106
4.2.6 Análisis de las Dimensiones de la Pobreza ........................................................... 113
4.2.7 Análisis de Cluster para las Dimensiones de la Pobreza ..................................... 116


IX

CONCLUSIONES Y RECOMENDACIONES .................................................................. 119
REFERENCIAS BIBLIOGRAFICAS ............................................................................... 123
ANEXO ........................................................................................................................... 127





























X

INDICE DE TABLAS

1. Errores de Focalización ............................................................................................. 24
2. Características Básicas según Tipo de Programa Social ........................................... 27
3. Medidas Descriptivas Numéricas y Representaciones Gráficas aconsejadas en función
de la escala de medida de la Variable.............................................................................. 31
4. Areas Naturales Protegidas en el departamento de Madre de Dios ......................... 57
5. Población y División Geopolítica del departamento de Madre de Dios ..................... 58
6. Evolución de la Población según Censos 1940 - 2007 ............................................. 60
7. Tasa de Crecimiento Demográfico según Censos 1940 - 2007 ................................ 61
8. Población Urbana y Rural según Censos 1940 - 2007 ............................................. 62
9. Población por Grupos de Edad ................................................................................ 62
10. Razón de Dependencia Demográfica ....................................................................... 63
11. Distribución de la Población Migrante ...................................................................... 64
12. Migración Reciente del departamento de Madre de Dios ......................................... 64
13. Hogares con Migración Internacional ....................................................................... 65
14. Esperanza de Vida al Nacer a Nivel Distrital ............................................................ 65
15. Indice de Desarrollo Humano a Nivel Distrital .......................................................... 66
16. Población Económicamente Activa Ocupada de Madre de Dios .............................. 67
17. Estructura Productiva de Madre de Dios .................................................................. 68
18. Producto Bruto Interno de Madre de Dios ................................................................ 69
19. Producción estimada de oro..................................................................................... 71
20. Producción Agrícola de Madre de Dios .................................................................... 73
21. Producción Pecuaria de Madre de Dios ................................................................... 74
22. Capacidad instalada de establecimientos de hospedaje .......................................... 78
23. Arribo de turistas a establecimientos de hospedaje.................................................. 78
24. Criterio de Categorización del SISFOH .................................................................... 84
25. Presupuesto del Programa de Vaso de Leche, año 2010 ........................................ 89
26. Presupuesto del Programa de Complementación Alimentaria, 2010 ........................ 89
27. Resultados del Test de Kolmogorov - Smirnov......................................................... 97
28. Resultados del Test de Levene ................................................................................ 99
29. Comparación de los Coeficientes de las Matrices de los Indicadores de
Porcentaje de Varones y Porcentaje de Mujeres ........................................................... 100
XI

30. Comparación de los Coeficientes de las Matrices de los Indicadores de Tasa de
asistencia a un centro de estudios y Tasa de inasistencia a un centro de estudios........ 101
31. Comunalidades con Valores Significativos ............................................................. 102
32. Indice de KMO y Prueba de Esfericidad de Bartlett ................................................ 103
33. Matriz de Componentes Rotados ........................................................................... 104
34. Estadísticos del Índice de Pobreza ........................................................................ 108
35. Indices de Pobreza según Área Geográfica ........................................................... 109


























XII

INDICE DE GRÁFICOS

1. Clasificación de los Enfoques de la Pobreza según Herrera (2001) ............................ 11
2. Red Hidrográfica del departamento de Madre de Dios ................................................ 56
3. Capacitación en Focalización del Gasto Público ......................................................... 86
4. Utilización de Mapas de Pobreza ................................................................................ 86
5. Línea de Base sobre el Gasto Social ........................................................................... 87
6. Planeamiento del Gasto Social .................................................................................... 88
7. Identificación de Beneficiarios ...................................................................................... 90
8. Barreras o Dificultades en el Gasto Social ................................................................... 91
9. Porcentaje de Hogares que Utilizan Electricidad como Energía para Cocinar ............. 92
10. Porcentaje de las Personas que No Pertenecen a la PEA ........................................ 93
11. Logaritmo del Porcentaje de Personas Mayores de 18 años que No Tienen DNI ..... 94
12. Porcentaje de Hogares Sin Ningún Servicio de TIC .................................................. 95
13. Porcentaje de Hogares que Sólo Tienen Lavadora ................................................... 96
14. Mapa de Pobreza Urbano para el departamento de Madre de Dios ......................... 110
15. Mapa de Pobreza Rural para el departamento de Madre de Dios ............................ 111
16. Niveles de Pobreza para el distrito de Tambopata ................................................... 112
17. Dendrograma de las Dimensiones de la Pobreza .................................................... 117













1

INTRODUCCIÓN

En el departamento de Madre de Dios para el año 2007, la estimación de la pobreza no
monetaria realizada por el Instituto Nacional de Estadística e Informática (INEI), establece
que un 59.23% de la población, 117 mil 981 personas, del departamento son
considerados como pobres y potenciales beneficiarios de los programas sociales. Sin
embargo, los indicadores de pobreza no se encuentran todavía a niveles reducidos de
agregación geográfica que permitan reducir en lo posible los problemas de filtración y
subcobertura, facilitando la ganancia de eficiencia y efectividad del gasto social.

La pobreza es la privación de los medios materiales para satisfacer en medida
mínimamente aceptable las necesidades humanas, incluidos los alimentos. Este concepto
de privación va mucho más allá de la falta de ingreso privado: incluye la necesidad de
servicios básicos de salud y educación y otros servicios esenciales que la comunidad
tiene que prestar para impedir que la gente caiga en la pobreza. Reconoce además la
necesidad de empleo y participación.

El primer antecedente de los mapas de pobreza construidos con el objetivo de servir
como instrumento de focalización del gasto público, es el mapa de pobreza elaborado por
el Banco Central de Reserva del Perú (BCRP) el año 1981 en base al Censo de 1972 y
otras fuentes estadísticas como la Encuesta Nacional de Consumo Alimentario (ENCA).
Este mapa fue elaborado en el marco del programa de distribución de Bonos de
Alimentación. Si bien no llegó a ser utilizado, sirvió como primer antecedente y motivó la
elaboración del mapa de pobreza de 1986, también a cargo del BCRP, el cual utilizó como
base el Censo de 1981.

Posteriormente en el año 1993 se elaboró el Mapa de Necesidades Básicas del Instituto
Nacional de Estadística e Informática (INEI), en este mapa se utilizaron 5 indicadores de
Necesidades Básicas Insatisfechas: Porcentaje de hogares con inasistencia escolar,
porcentaje de viviendas inadecuadas, porcentaje de hogares con hacinamiento,
porcentaje de viviendas sin servicio de desagüe y porcentaje de hogares con alta
dependencia económica. La fuente de información en la que se basó fue el Censo IX de
Población y IV de Vivienda del año 1993.

2

En este mismo contexto, el Fondo Nacional de Cooperación para el Desarrollo
(FONCODES) en el año 2006 elabora un nuevo Mapa de Pobreza utilizando como fuente
de información el Censo del 2005, finalmente, el INEI mediante el documento Mapas de
Pobreza Provincial y Distrital 2009 elaboró un Mapa de Pobreza con enfoque de
(Necesidades Básicas Insatisfechas (NBI), teniendo como fuente de información al XI
Censo de Población y VI de Vivienda del 2007. Este mapa es la referencia apropiada para
la contrastación de los resultados en la investigación.

Los mapas de pobreza son actualmente, una de las herramientas básicas en la
focalización del gasto público orientado a la lucha contra la pobreza, sobre todo en países
en vías de desarrollo, pues los mapas de pobreza han representado bajos costos en su
elaboración, ejecución y monitoreo. La mayoría de programas y proyectos a favor de
disminuir la pobreza en estos países aplican algún tipo de estrategia de focalización
geográfica.

La fuente de información utilizada para la elaboración de los mapas de pobreza fue el XI
Censo de Población y VI de Vivienda 2007 que permitió obtener información hasta los
niveles de agregación geográfica de centro poblado para la construcción de los índices de
pobreza, y así, facilitando la elaboración de los mapas de pobreza.

El objetivo general de este estudio es “Construir mapas de pobreza, basados en niveles
de agregación geográfica urbano y rural para determinar la condición y concentración de
pobreza, en el ámbito geográfico del departamento de Madre de Dios”. En este mismo
contexto, la hipótesis principal que se pretende probar en la investigación es “La
construcción de mapas de pobreza, basados en niveles de agregación geográfica urbano
y rural, determina la condición y concentración de pobreza para la gestión eficiente de las
autoridades en la lucha contra la pobreza, en el ámbito geográfico del departamento de
Madre de Dios”.

La presente investigación se caracteriza por ser una investigación aplicada dada a que
permite solucionar problemas específicos en torno a la focalización geográfica del gasto
público y así mejorar la calidad de vida de la población del departamento de Madre de
Dios.

3

La estrategia general a seguir es mediante la técnica de reducción de variables o análisis
factorial, que permite encontrar un número determinado de factores o dimensiones que
explican el problema de la pobreza y que facilitan la construcción de los índices de
pobreza para la elaboración de los mapas de pobreza urbano y rural para el departamento
de Madre de Dios.

Esta tesis consta de cuatros capítulos:

El Capítulo I, presenta la revisión bibliográfica, donde se puntualiza el marco teórico
referencial, el marco teórico científico y el marco teórico conceptual empleado para la
presente investigación.

El Capítulo II, se refiere a la caracterización geográfica y socioeconómica del
departamento de Madre de Dios, donde se hace referencia a la localización geográfica, el
medio físico y la división política del departamento, también se hace mención a la
actividad minera, agropecuaria, pesca, extracción forestal y castañera, turismo e
hidrocarburos, que son las principales actividades productivas de la región.

En el capítulo III, se presenta a detalle, la metodología empleada para el cálculo de los
índices de pobreza que nos permita determinar la condición y concentración de pobreza a
niveles de agregación geográfica urbano y rural, la elaboración del análisis de
conglomerados para explicar el problema de la pobreza y la aplicación de las entrevistas
estructuras a las personas que laboran en las municipalidades del departamento de
Madre de Dios.

El capítulo IV, presenta el perfil de conocimiento de las personas que laboran en las
municipalidades sobre temas de focalización del gasto público y mapas de pobreza, la
elaboración de los mapas de pobreza por análisis factorial y el análisis de los índices de
pobreza y las dimensiones de la pobreza para el departamento de Madre de Dios.

Finalmente, se presentan las conclusiones y recomendaciones obtenidas de la
investigación, las referencias bibliográficas empleadas y los anexos adjuntos en la
presente investigación.

4

CAPÍTULO I
MARCO TEÓRICO

1.1 Marco Teórico Referencial
El primer antecedente de los mapas de pobreza construidos con el objetivo de servir
como instrumento de focalización del gasto público, es el mapa de pobreza elaborado por
el BCRP el año 1981 en base al Censo de 1972 y otras fuentes estadísticas como la
ENCA. Este mapa fue elaborado en el marco del programa de distribución de Bonos de
Alimentación. Si bien no llegó a ser utilizado, sirvió como primer antecedente y motivó la
elaboración del mapa de pobreza de 1986, también a cargo del BCRP, el cual utilizó como
base el Censo de 1981
2
.

No obstante, los mapas de pobreza adquieren relevancia especial como instrumento de
asignación geográfica del gasto público recién el año 1991 con la creación del
FONCODES, primer programa orientado específicamente a la lucha contra la pobreza.
Posteriormente se elaboraron mapas de pobreza con información del Censo IX de
Población y IV de Vivienda del año 1993 (en algunos casos complementados con otras
fuentes como el Censo de Talla de 1993, encuestas del Ministerio de Salud, estadísticas
de Transportes y Comunicaciones del año 1996).

Posteriormente en el año 1993 se elaboró el Mapa de Necesidades Básicas del INEI, en
este mapa se utilizaron 5 indicadores de Necesidades Básicas Insatisfechas: Porcentaje
de hogares con inasistencia escolar, porcentaje de viviendas inadecuadas, porcentaje de
hogares con hacinamiento, porcentaje de viviendas sin servicio de desagüe y porcentaje
de hogares con alta dependencia económica. La fuente de información en la que se basó
fue el Censo IX de Población y IV de Vivienda del año 1993.

Seguidamente, en el año 1996 se construye el Mapa de Pobreza del FONCODES, en
este mapa se elaboró un índice sintético de pobreza para cada distrito (1793) y se

2
Cabe menci onar , que en el Per ú se cuent a con mapas de pobr eza desde el año 1977; si n embar go, est os
mapas habr ían si do el abor ados con obj et ivos de descr ipci ón y análi si s de l a pobr eza, ant es que como
i nst r ument os de f ocal izaci ón del gast o públ ico. Dos de l os mapas el abor ados con ant er i or i dad a 1981 y que
t uvi er on ampl ia di f usi ón f uer on l os el abor ados por Richar d Webb y Car l os Amat y León en base al Censo de
1972. Post er i or ment e a l a el abor aci ón de est e mapa, el Inst i t ut o Naci onal de Est adíst ica e Inf or mát i ca
(1985-1986) y el Inst it ut o Cuánt o (1988) el abor ar on nuevos mapas de pobr eza.
5

clasificó los distritos en 5 estratos (pobre extremo, muy pobre, pobre, regular y aceptable).
Los indicadores utilizados son: Tasa de analfabetismo, porcentaje de hogares con
inasistencia escolar, porcentaje de viviendas inadecuadas, porcentaje de hogares con
hacinamiento, porcentaje de hogares sin servicio de agua potable, porcentaje de hogares
sin servicio de desagüe porcentaje de viviendas sin electricidad, tasa de desnutrición
crónica y porcentaje de hogares con alta dependencia económica.

El Ministerio de la Presidencia en el mismo año construye el Mapa de la Estrategia
Focalizada contra la Pobreza Extrema del Ministerio de la Presidencia (PROFINES)
3
, este
mapa se elabora en dos etapas:

- En primer lugar, se efectúa un ordenamiento a nivel distrital, en base al indicador de
FONCODES. La variante del mapa distrital de PROFINES respecto al de FONCODES
consiste en que 207 de los 419 distritos priorizados son seleccionados utilizando un
criterio demográfico, es decir, incorporando la variable tamaño poblacional del distrito.
Los 237 distritos restantes son seleccionados tomando en consideración
exclusivamente el nivel relativo del indicador de FONCODES.
- En segundo lugar, se efectúa un ordenamiento por zonas censales (para el caso de
distritos grandes) y centros poblados (para el caso de distritos más pequeños y
rurales). Este ordenamiento se efectúa en base a la metodología del mapa de
Necesidades Básicas Insatisfechas del INEI.

En este mismo contexto, el FONCODES en el año 2006 elabora un nuevo mapa de
pobreza utilizando como fuente de información el Censo del 2005, para la construcción
del índice de carencias, se utilizó dos tipos de indicadores: el primero que refleja una
situación de carencias de la población en el acceso a servicios básicos y el segundo
muestran una situación de vulnerabilidad. Los indicadores propuestos son los siguientes:

- Indicadores de carencia: porcentaje de la población que carecen de agua potable,
porcentaje de la población que carecen de desagüe o letrinas y porcentaje de la
población que carecen de electricidad.

3
Pr oyect o par a l a Focali zaci ón de l a Inver si ón Económi ca y Soci al (PROFINES).
6

- Indicadores de vulnerabilidad: mujeres analfabetas de 15 años y más, porcentaje de
niños de 0 a 12 años de edad y porcentaje de niños desnutridos de 6 a 9 años de
edad.

Finalmente, el INEI mediante el documento Mapas de Pobreza Provincial y Distrital 2009
elaboró un mapa de pobreza con enfoque de NBI, teniendo como fuente de información al
XI Censo de Población y VI de Vivienda del 2007. Este mapa es la referencia apropiada
para la contrastación de los resultados de la investigación. Los indicadores utilizados para
la elaboración del mapa de pobreza mediante el enfoque de las necesidades básicas
insatisfechas fueron: porcentaje de hogares con inasistencia escolar, porcentaje de
viviendas inadecuadas, porcentaje de hogares con hacinamiento, porcentaje de viviendas
sin servicio de desagüe y porcentaje de hogares con alta dependencia económica.

1.2 Marco Teórico Científico
Una de las dificultades que se enfrenta al estudiar la pobreza es ensayar una definición de
consenso, debido a la dificultad teórica que la propia dinámica social imprime al concepto.

En esta perspectiva, la pobreza constituye un fenómeno social que está asociado al grado
de bienestar alcanzado por una sociedad determinada. La percepción de la pobreza
evoluciona en el tiempo e incluso entre sociedades, en razón de su desarrollo
diferenciado.

En la percepción de la pobreza influye el enfoque en que se ubique el investigador y su
definición en la determinación de los criterios normativos. Ello hace que este tema,
muchas veces, no genere una apreciación unívoca y uniforme, por parte de los
investigadores sociales.

De acuerdo a la literatura sobre el tema, se puede afirmar, que no existe una teoría
económica sobre la pobreza, tanto la teoría microeconómica como la macroeconómica, no
contemplan teorización alguna sobre la pobreza, en los distintos tópicos bajo su dominio.
La forma como se ha abordado el estudio de la pobreza es a partir de enfoques o
perspectivas, que han tenido como denominador común, clasificaciones operativas de
carácter dicotómico, sin desarrollar una teoría que dé explicaciones y cuáles son las
causas de la pobreza.
7

1.2.1 Enfoque de Capacidades de Sen
El problema de definir y medir la pobreza ha recibido mucha atención en las últimas
décadas. Hay dos interrogantes que debería responderse en una investigación sobre la
pobreza. El primero está referido a la identificación de los pobres y el segundo está
referido a la agregación de la pobreza de los individuos en un índice de bienestar.

Para Amartya Sen (1984)
4
, el nivel de vida de un individuo está determinado por sus
“capacidades” y no por los bienes que posea ni por la utilidad que experimente. En este
sentido, la pobreza no es una cuestión de escaso bienestar sino la incapacidad de
conseguir bienestar debido a la ausencia de medios para ello.

En consecuencia, para Sen la pobreza no es la falta de ingresos o de riqueza sino de
capacidades básicas. Sen lo ejemplifica así: una bicicleta es un bien que posee distintas
características, entre ellas, ser un medio de transporte. Esa característica le da a la
persona la capacidad de transportarse, y esa capacidad a su vez puede proporcionar
utilidad al individuo. De modo que existiría una secuencia que se inicia en el bien, pasa
por las características de éste, después por las capacidades y, por último, por la utilidad.

En virtud de ello la posesión de bienes no indica por sí sola las actividades que un
individuo puede realizar, pues éstas dependen de las facultades e impedimentos de cada
individuo. Por lo tanto, si bien los objetos “proveen la base para una contribución al
estándar de vida, no son en sí mismos una parte constituyente de ese estándar”.

En lo referente a la política al enfoque absoluto y relativo de la pobreza, Sen opta por una
posición intermedio: absoluto, desde las capacidades mínimas básicas; y relativo en el
terreno de los bienes requeridos para desarrollar esas capacidades.




4
Se t oma como r ef er enci a del document o: “ Enf oques par a l a medi ci ón de l a pobr eza. Br eve r evi si ón de l a
l i t er at ur a” .
8

En la medición de la pobreza aparecen dos problemas diferentes (1976)
5
: la identificación
de los pobres dentro de la población y la construcción de un índice de pobreza utilizando
la información disponible. El primer problema implica la elección de un criterio que nos
permite diferenciar a quienes lo cumple del resto de la población. A este concepto lo
llamaremos línea de pobreza, la frontera que separa a los pobres de aquellos que no los
son.

Para Sen construir un umbral de pobreza es de vital importancia en cualquier
investigación de pobreza, el autor opina que se debe optar por una solución que pueda
compatibilizar los criterios absoluto/relativo. Una vez definido el umbral y medido sobre
una variable que refleje el nivel de vida, tendremos la población dividida en pobres y no
pobres.

1.2.2 Enfoque Absoluto y Relativo de la Pobreza
Hay varias maneras en las que las consideraciones relativa y absoluta de la pobreza
entrarán en la medición. Para Spicker (1999)
6
, la diferencia entre “absoluto” y “relativo” no
estaría en la definición de pobreza, sino que son más bien “interpretaciones de la manera
en la que se forman socialmente las necesidades”.

Mientras el primer enfoque sostiene que las necesidades –o al menos una parte de ellas–
es independiente de la riqueza de los demás, y no satisfacerlas revela una condición de
pobreza en cualquier contexto, el segundo plantea que las necesidades surgen a partir de
la comparación con los demás, y la condición de pobreza depende del nivel general de
riqueza.

El enfoque relativo radica en que las personas tenderían a percibir su propio bienestar en
función del bienestar de los demás. Una persona con un nivel de ingreso determinado
puede no sentirse pobre si vive en una sociedad de recursos limitados, pero si vive en una
opulenta, sus ingresos pueden ser insuficientes para permitir que se integre en forma
adecuada. A medida que aumenta la riqueza de una sociedad, los estándares sociales

5
Se hace r ef er enci a a l a l i t er at ur a del document o: “ Enf oques par a l a medi ci ón de la pobr eza. Br eve r evi si ón
de l a li t er at ur a” .
6
Se t oma como r ef er enci a del document o: “ Enf oques par a l a medi ci ón de l a pobr eza. Br eve r evi si ón de l a
l i t er at ur a” .
9

son más altos y las restricciones legales más exigentes, y para cumplirlos se requiere de
recursos cada vez mayores.

Por lo tanto, según este criterio la pobreza de una persona dependería de cuánto tenga su
grupo social de referencia, y no tener tanto como él implica una condición de “privación
relativa”. Por el contrario, la pobreza absoluta tiene relación con los requerimientos
(necesidades) de las personas, que son bastante independientes de los que otros
miembros de la sociedad tengan. No satisfacerlas las necesidades revela pobreza en
cualquier contexto.

Los defensores del enfoque “relativo” critican el uso de líneas de pobreza “absolutas”, que
no incorporan adecuadamente los crecientes requerimientos sociales. Al respecto, Sen
argumenta que, si bien la sociedad determina ciertas necesidades, no puede negarse la
existencia de un “núcleo irreductible” de pobreza absoluta, independiente del nivel de
ingresos de algún grupo referencial.

Este núcleo está conformado por necesidades cuya insatisfacción representa
indiscutiblemente una situación de privación, como por ejemplo, la inanición. En un caso
extremo en el que toda la población tenga un ingreso similar pero todos mueran de
hambre, no habrá nadie que sea “relativamente más pobre” que el resto, pero difícilmente
puede decirse que ninguno es pobre.

En este sentido, para Sen la pobreza es “absoluta” en el espacio de las capacidades, pero
“relativa” en el espacio de los bienes. La falta de una capacidad es “absoluta” porque no
depende de si otras personas la han satisfecho o no. Por ejemplo, “no sentirse
avergonzado ante sus semejantes” es una capacidad que se alcanza independientemente
de si otros la tienen. Sin embargo, los bienes necesarios para adquirir esa capacidad
pueden ser muy diferentes en distintos tipos de sociedades.





10

En resumen, “la característica de ser ‘absoluto’ no significa constancia en el tiempo, ni
invariabilidad entre sociedades, ni concentración únicamente en alimentos y nutrición. Es
un enfoque para juzgar la privación de una persona en términos absolutos en vez de
términos puramente relativos vis-a-vis los niveles disfrutados por otros en la sociedad”
(Sen, 1985)
7
.

Por su parte, autores que defienden posturas “relativistas” no están necesariamente de
acuerdo con el planteamiento de Sen o la idea de un componente absoluto de la pobreza.

Debe notarse, sin embargo, que los desacuerdos surgen en algunos casos por interpretar
de manera diferente el término “absoluto”; por ejemplo, “absoluto en términos de bienes”
implica una línea de pobreza constante en el tiempo, pero “absoluto en términos de
capacidades” no necesariamente.

1.2.3 Enfoque Objetivo y Subjetivo de la Pobreza
Debido a las múltiples causas y dimensiones que abarca la pobreza, para Herrera (2001)
8
,
la noción de pobreza puede seguir dos concepciones: objetiva y subjetiva. Bajo el enfoque
objetivo, se emplea un conjunto de procedimientos para determinar si un individuo se
encuentra o no debajo del umbral que lo clasifica como pobre o no. Bajo el enfoque
subjetivo, es el propio individuo quien determina su situación. Bajo el enfoque objetivo la
pobreza se mide mediante medidas monetaria tales como las líneas de pobreza absoluta
y línea de pobreza relativa y mediante medidas no monetaria como las Necesidades
Básicas Insatisfechas (NBI) y medidas antropométricas, tal como se muestra en el Gráfico
1.1.








7
Se hace r ef er enci a a l a l i t er at ur a del document o: “ Enf oques par a l a medi ci ón de la pobr eza. Br eve r evi si ón
de l a li t er at ur a” .
8
Se t oma como r ef er enci a del document o: “ La pobr eza y su di námi ca en el sur del Per ú” .
11

Gráfico 1.1
Clasificación de los Enfoques de la Pobreza según Herrera (2001)














Fuente: “La pobreza y su dinámica en el sur del Perú”.


1.3 Marco Conceptual
1.3.1 Pobreza
La pobreza es un fenómeno complejo y multidimensional, razón por la cual existen
múltiples definiciones y maneras de medirla. El Programa de Desarrollo de las Naciones
Unidad (PNUD) define a la pobreza desde tres perspectivas diferentes (PNUD ,1997)
9
:

1. Perspectiva del ingreso. Una persona es pobre sólo cuando su nivel de ingreso es
inferior a la línea de pobreza que se ha definido. Muchos países han adoptado líneas
de pobreza de ingreso para vigilar los progresos hechos en la reducción de la
incidencia de la pobreza. Con frecuencia se define la línea de pobreza en términos de
tener ingreso suficiente para comprar una cantidad determinada de alimentos.



9
Inf or me sobr e Desar r ol l o Humano - Repor t e Gl obal (1997)
Ver : ht t p:/ / hdr .undp.or g/ es/ i nf or mes/ mundi al / i dh1997/ capi t ul os/ espanol /

Pobr eza
Obj et i va Subj et i va
M onet ar i a
(Ut i l i t ar i st a)

No M onet ar i a (Enf oque
capaci dades y
f unci onal i dades)
Línea de pobr eza
absol ut a
Línea de pobr eza
r el at i va
Engel Línea aust er a de
Raval l i on
Encuest as di r ect as
sobr e l a apr eci aci ón del
gr ado de sat i sf acci ón
de l as necesi dades
bási cas o del mont o
r equer i do par a
sat i sf acer l as.
NBI

Indi cador es
Ant r opomét r i cos

M edi a, medi ana
del gast o
Enf oques mi xt os Indi cador de Desar r ol l o Humano (PNUD) , Enf oque Int egr ado
Enf oques di námi cos, Vul ner abi l i dad, Pobr eza per manent e y t r ansi t or i a
12

2. Perspectiva de las necesidades básicas. La pobreza es la privación de los medios
materiales para satisfacer en medida mínimamente aceptable las necesidades
humanas, incluidos los alimentos. Este concepto de privación va mucho más allá de la
falta de ingreso privado: incluye la necesidad de servicios básicos de salud y
educación y otros servicios esenciales que la comunidad tiene que prestar para
impedir que la gente caiga en la pobreza. Reconoce además la necesidad de empleo
y participación.

3. Perspectiva de capacidad. La pobreza representa la ausencia de ciertas capacidades
básicas para funcionar, una persona que carece de la oportunidad para lograr algunos
niveles mínimamente aceptables de esos funcionamientos. Los funcionamientos
pertinentes a este análisis pueden variar de los físicos, como estar bien nutrido, estar
vestido y vivir en forma adecuada, evitar la morosidad prevenible, hasta logros
sociales más complejos, como participar en la vida de la comunidad. El criterio de la
capacidad concilia los conceptos de pobreza absoluta y relativa, ya que la privación
relativa de ingreso y productos puede provocar una privación absoluta de capacidad
mínima.

El carácter multidimensional y complejo de la pobreza, que va mucho más allá que la falta
de ingreso o consumo, quedó plasmado en un Informe del Banco Mundial (2001)
10
donde
se describe:

- “Lo ya establecido de la pobreza, abarque no sólo los bajos ingresos y el consumo,
sino también el bajo rendimiento de la educación, la salud, la nutrición y otras áreas
del desarrollo humano”.

Tomando en consideración experiencias pasadas, así como los nuevos enfoques de la
pobreza, el World Bank (2001) recomienda combatir la pobreza llevando a cabo acciones
en tres áreas:


10
Inf or me del Banco M undi al : Lucha cont r a l a Pobr eza (2000-2001)
Ver :ht t p:/ / w dr onli ne.w or l dbank.or g/ w or l dbank/ a/ c.ht ml / wor l d_devel opment _r epor t _2000_2001/ f r ont _m
at t er / WB.0-1952-1129-4.f r ont mat t er
13

a. Promover oportunidades materiales propiciando el crecimiento económico, la creación
de trabajos, escuelas, crédito, servicios de agua y desecho de excretas, salud y
educación.
b. Facilitar el empoderamiento de los pobres, fortaleciendo su participación y haciendo
que las instituciones estatales sean más accesibles y rindan cuentas a ellos. También
eliminando barreras sociales resultado de discriminaciones por género, raza, religión o
estatus social.
c. Mejorando la seguridad de los pobres para reducir su vulnerabilidad ante
enfermedades, ajustes económicos y desastres naturales.

Por su parte, el PNUD (2003)
11
afirma que para salir de la pobreza se necesita un enfoque
multifacético que va más allá de las políticas requeridas para mantener la estabilidad y el
crecimiento económico, así como un clima político estable. Por ello propone seis
conjuntos de políticas:

1. Invertir en el desarrollo humano, es decir, salud, educación, nutrición, sanidad y agua,
para fomentar la creación de una fuerza de trabajo productiva.
2. Ayudar a los pequeños agricultores a incrementar su productividad.
3. Invertir en infraestructura: electricidad, carreteras, puertos.
4. Implementar políticas de desarrollo industrial dirigidas a la pequeña y mediana
industria.
5. Promover la equidad social y los derechos humanos para que los pobres y los
marginados, incluidas las mujeres, tengan libertad y voz para influenciar en las
decisiones que afectan sus vidas.
6. Promover la sustentabilidad ambiental y la buena gerencia de las ciudades para
proveer ambientes seguros.

De lo anterior se desprende que el problema de la pobreza es multidimensional y se debe
atacar desde diferentes ángulos. Por un lado, se deben llevar a cabo políticas top-down
(de arriba hacia abajo) que propicien la estabilidad y el crecimiento económico. Pero
dichas políticas deben ser acompañadas por políticas bottom-up (de abajo hacia arriba)

11
Inf or me sobr e Desar r ol l o Humano (2003)
Ver : ht t p:/ / hdr .undp.or g/ en/ medi a/ hdr 03_sp_compl et e2.pdf

14

que promuevan el desarrollo de las capacidades de los individuos, mejoren la distribución
del ingreso y permitan la participación de los pobres en la búsqueda de mejores
condiciones de vida.

1.3.1.1 Medición de la pobreza
Existen diversos métodos para la identificación de los pobres, desde los métodos que
miden la situación de los hogares en cuanto a sus características, el medio donde se
desenvuelven y su acceso a servicios básicos; hasta los métodos que miden la pobreza
según el poder adquisitivo de los hogares a través de líneas de pobreza.

A continuación se muestran algunas definiciones de pobreza
12
así como un breve
resumen de las metodologías para su cálculo, con la finalidad de brindar a los usuarios de
esta información elementos útiles para su interpretación:

A.1 La pobreza monetaria
Se define como la insuficiencia de recursos monetarios para adquirir una canasta de
consumo mínima aceptable socialmente. Para ello se elige un indicador de bienestar
(gasto per cápita) y parámetros de lo socialmente aceptado (líneas de pobreza total para
el caso de consumo total y línea de pobreza extrema para el caso de alimentos):

- Se dice que un hogar es pobre cuando su gasto per cápita es inferior a una Línea de
Pobreza (LPt).
- Se dice que un hogar es pobre extremo cuando su gasto per cápita es inferior a una
Línea de Pobreza Extrema (LPex).

La tasa de pobreza monetaria es comúnmente el indicador que hace referencia al nivel de
vida de la población, esta refleja la capacidad de un hogar para afrontar las exigencias
mínimas para vivir; en este sentido el indicador que se utiliza es el gasto per cápita del
Hogar.




12
De acuer do a l a l i t er at ur a y met odol ogía empl eada por el M i ni st er i o de Economía y Fi nanzas (M EF) del
Per ú.
15

a. Método de la Línea de Pobreza
Este método centra su atención en la dimensión económica de la pobreza y utiliza el
ingreso o el gasto de consumo como medidas del bienestar. Al determinar los niveles de
pobreza, se compara el valor per cápita de ingreso o gasto en el hogar con el valor de una
canasta mínima denominada línea de pobreza.

El indicador de línea es un método para determinar la pobreza coyuntural basada en el
poder adquisitivo de los hogares en un determinado período. Cuando se utiliza el método
de línea de pobreza por el consumo, se incorpora el valor de todos los bienes y servicios
que consume el hogar, indistintamente de la forma de adquisición o consecución.

La utilización del gasto de consumo tiene la ventaja de que es el mejor indicador para
medir el bienestar, porque se refiere a lo que realmente consume un hogar y no a lo que
potencialmente puede consumir cuando se mide por el ingreso. Otro aspecto favorable es
que el consumo es una variable más estable que el ingreso, lo que permite una mejor
medición de la tendencia del nivel de pobreza.

A continuación se describe la determinación de las líneas de pobreza:

1. Para el caso de la Línea de Pobreza Extrema:
- Se toma una norma nutricional de consumo de calorías diarias.
- Se cuantifica el valor mensual de este consumo bajo una canasta de bienes
alimenticios (CBA) que sea lo más real posible.

2. Para el caso de la línea de Pobreza Total:
- Se ubica una población de referencia, la cual debe tener como gasto total per cápita
mensual (GTPC) aproximadamente el mismo valor de la canasta de consumo
alimenticio, es decir: CBA=GTPC.
- La línea de pobreza total (LPT) se calcula como el valor de la canasta per cápita
mensual multiplicada por la inversa del coeficiente de ENGEL (CE) de la población de
referencia, es decir:



LPT = CBA x CE
-1

16

Con los datos de la ENAHO (Encuesta Nacional de Hogares), el INEI construye tres
canastas mínimas alimentarias, una para cada región natural. Ellas aseguran el consumo
de 2318 Kilo calorías diarias per cápita.

b. Indicadores Foster, Greer y Thorbecke
Un grupo de medidas que merece especial atención es la familia de índices paramétricos
propuesto por Foster, Greer y Thorbecke (1984). Estos autores proponen una ecuación
que contiene el indicador de la “aversión a la desigualdad” (α), que muestra la importancia
que se le asigna a los más pobres en comparación con los que están cerca de la línea de
pobreza.

 ¿
=
|
.
|

\
| ÷
=
q
i
z
y z
N
P
1
1
, donde o ≥ 0

Donde:
z: es la línea de pobreza
y: es el gasto o ingreso per cápita
n: es el número de personas
q: es el número total de personas cuyo ingreso o gasto per cápita está por debajo de la
línea de pobreza

Los diferentes valores de “α” encierran diferentes significados:

- Cuando = 0, esta medida es igual al índice de recuento: el porcentaje de personas que
se encuentran en situación de pobreza monetaria, se obtiene la incidencia de la
pobreza.
- Cuando = 1, se obtiene la brecha de pobreza, decir, el porcentaje promedio en el
cual los pobres deberán aumentar sus ingresos para salir de la línea de pobreza
- De los distintos indicadores que forman parte de este grupo, el que más atención
suele recibir es P2 (que se obtiene con = 2), que es una medida de la severidad de la
pobreza, el cual representa la distribución de los gastos per cápita entre los pobres.




17

A.2 La Pobreza No Monetaria
Mientras que la pobreza monetaria puede variar rápidamente en el corto plazo debido a
factores como mayores ingresos monetarios del hogar (y por lo tanto mayor gasto), los
indicadores de pobreza estructural se refieren estrictamente a la caracterización de los
hogares en cuanto a su tenencia o calidad de bienes y servicios, o en todo caso, tenencia
de capital humano que describa mejor sus condiciones de vida.

a. Índice de Desarrollo Humano
El Índice del Desarrollo Humano (IDH) es uno de los instrumentos más utilizados a nivel
internacional para medir el adelanto medio de un país en lo que respecta a la capacidad
básica de su población, la cual es representada por tres componentes:

1. Esperanza de vida al nacer, que refleja una existencia larga y saludable.
2. Logro educativo, que resume la capacidad de las personas para acceder al sistema
educativo lo cual se traduce en menores tasas de analfabetismo y mayor asistencia a
la educación básica.
3. El ingreso, que indica la capacidad de acceso a los recursos para vivir dignamente. En
el caso internacional, y a nivel más agregado, la variable que se utiliza es el PBI per
cápita el cual contempla adicionalmente las ganancias empresariales; sin embargo
dadas que no se puede desagregar, esta variable fue desestimada y se utiliza en su
lugar como proxy el ingreso per cápita.

El valor del IDH indica cuánto avanzó un país, a fin de llegar a ciertas metas. El rango
fluctúa entre 0 (cero) y 1 (uno). Cuanto más cercano esté un determinado lugar de un IDH
igual a 1, tanto mayor será su desarrollo humano.

b. Indicador de Necesidades Básicas Insatisfechas
El método de medición de las Necesidades Básicas Insatisfechas (NBI) toma en
consideración un conjunto de indicadores relacionados con características de los hogares
en relación a necesidades básicas estructurales (Vivienda, educación, salud,
infraestructura pública, etc.).

18

Este método presta atención fundamentalmente a la evolución de la pobreza estructural, y
por tanto no es sensible a los cambios de la coyuntura económica y permite una visión
específica de la situación de pobreza, considerando los aspectos sociales.

Se define pobre por NBI a aquella población que reside en hogares con al menos una las
siguientes necesidades básicas insatisfechas:

1. Hogares en viviendas con características físicas inadecuadas.- Toma en cuenta el
material predominante en las paredes y pisos, así como al tipo de vivienda.
2. Hogares en viviendas con hacinamiento.- Se determina que hay hacinamiento cuando
residen más de 3.4 personas por habitación.
3. Hogares en viviendas sin desagüe de ningún tipo.- Porcentaje de vivienda sin desagüe
de ningún tipo.
4. Hogares con niños que no asisten a la escuela.- Hogares con presencia de al menos
un niño de 6 a 12 años que no asiste a un centro educativo.
5. Hogares con alta dependencia económica.- Porcentaje de la población en hogares con
jefe con primaria incompleta (hasta segundo año) y (i) con 4 o más personas por
ocupado, o (ii) sin ningún miembro ocupado.

En el caso del método de las necesidades básicas insatisfechas el INEI determina el
número de ellas en cada hogar y luego, presenta la proporción de personas que tienen
por lo menos una NBI (pobres) o por lo menos dos NBI (pobres extremos).

c. Indicador de Condiciones de Vida de los Hogares
Existen otros indicadores de pobreza cuya finalidad es examinar las carencias específicas
de los hogares respecto a sus condiciones de vida, que podrían afectar el desarrollo de su
capital humano.

Estas carencias podrían traducirse en la presencia de déficits en cuanto al acceso de
condiciones adecuadas para la vivienda, manejo de combustibles no apropiados para
cocinar, e incluso el acceso a servicios básicos como agua, desagüe y electricidad.

19

La utilidad de los mismos radica en la orientación de la inversión pública a través de
políticas focalizadas con el fin de mitigar los déficits encontrados en segmentos
importantes de la población.

A.3 El Método Integrado
Existen métodos para mejorar el análisis de la pobreza, basados en su componente
monetario y no monetario; ello con la finalidad de mejorar la planificación de políticas para
el mediano o largo plazo. En este caso, el método integral ayuda en identificar en qué tipo
de políticas se va a dirigir el gasto público y en qué zonas la pobreza se agudiza tanto en
su componente monetario y no monetario.

Según INEI (2000) Este método combina los métodos de la línea de pobreza y las
necesidades básicas insatisfechas, dividiendo a la población en 4 grupos:

1. Pobres crónicos, constituido por quienes presentan limitaciones en el acceso a las
necesidades básicas y a su vez tienen ingresos o consumos deficientes;
2. Pobres recientes, formado por quienes tienen sus necesidades básicas satisfechas
pero cuyos ingresos o gastos están por debajo de la línea de pobreza;
3. Pobres inerciales, aquellos que no presentan problemas en ingresos o gastos, pero si
tienen al menos una necesidad básica insatisfecha.
4. Integrados socialmente, los que no tienen problemas de necesidades básicas ni de
gastos o ingresos.

Los métodos LP y NBI tienen características propias que se complementan de manera
muy útil para ciertos propósitos. Así, es posible notar que el método LP es capaz de
identificar, a diferencia del método NBI, situaciones de “pobreza reciente”; es decir,
hogares que satisfacen sus necesidades básicas pero que, por motivos coyunturales, han
visto reducidos sus ingresos a un nivel menor que la línea de pobreza.

Del mismo modo, los métodos NBI y LP actúan de manera complementaria con relación al
tipo de necesidades que cada uno de ellos identifica. El método LP se basa en el
consumo o ingreso corriente, no toma en cuenta los servicios públicos provistos
gratuitamente ni las necesidades cuya satisfacción requiere de gasto en inversión y no de
gasto corriente, como ocurre con la vivienda o la educación. En cambio, el método NBI
20

toma en cuenta justamente estos aspectos, pero no aquellos relacionados con el
consumo privado de bienes y servicios.

El método NBI es muy útil para identificar las necesidades básicas de la población y que
constituye una herramienta indispensable para la implementación de políticas públicas.
Sin embargo, también se ha visto que este método no es apto para realizar una medición
de la pobreza, principalmente porque no cuenta con un indicador de bienestar
teóricamente sólido que permita la agregación de resultados, además de otras
limitaciones mencionadas anteriormente. Mientras que bajo un “método indirecto” de
medición -como el de líneas de pobreza- sí es posible llevar a cabo un proceso de
agregación, pero no identificar y situar geográficamente la gama de carencias de la
población.

1.3.2 Focalización
En el campo específico de las políticas y programas de superación de la pobreza, la
focalización es una modalidad de intervención pública que tiende a asegurar que un
programa/proyecto provea en exclusividad a una determinada población objetivo, de los
satisfactores básicos requeridos.

La focalización es parte de la formulación de estrategias de intervención pública centradas
en la eficacia. Por este procedimiento se asegura que el conjunto de beneficiarios
efectivos de un programa/proyecto sea exclusivamente el de los beneficiarios potenciales
para los que se lo diseñó. En ello reside uno de los grandes valores de la focalización
como instrumento que da eficacia a la política social.

La focalización es entendida de muy diversos modos, lo que da lugar a un amplio abanico
de interpretaciones. Pueden plantearse básicamente tres acepciones, de las cuales, la
primera es la que verdaderamente se ha generalizado en la Región:

a. Focalización en estricto sentido
b. Focalización en sentido amplio
c. Focalización en sentido ideológico


21

a. Focalización en estricto sentido
La focalización en un sentido estrictamente técnico, se plantea estas dos preguntas
básicas: ¿Quiénes?, ¿Dónde?

Frente a la pregunta de quiénes son, la focalización recurre a criterios para identificar y
dimensionar la población objetivo con carencias básicas (ya sea a través del método de
las Necesidades Básicas Insatisfechas o de la Línea de Pobreza). Ante la pregunta de
dónde están, se recurre a criterios de localización de la población objetivo, especialmente
criterios territoriales y/o institucionales.

De este modo, al focalizar se utilizan los siguientes criterios:
- Identificar y dimensionar la población objetivo con carencias básicas.
- Localizar la población objetivo.

En base a los mismos, la focalización en estricto sentido se define principalmente en
términos de:
- Identificar y dimensionar la población con carencias básicas, y localizar la población
objetivo.


Donde:
PO: Población objetivo
Pb: Población beneficiaria
i: Carencias básicas (NBI, LP)
j: Localización (territorial, institucional)

Esta definición estricta pone énfasis en aspectos instrumentales y operativos.

El cabal cumplimiento de esta definición tiene enormes consecuencias en el área social,
pues permite dar factibilidad y eficacia a las políticas sociales dirigidas específicamente a
los grupos poblacionales de bajos ingresos, posibilitando que estos últimos capten
plenamente los beneficios de esas políticas sociales, y que se minimice o anule la
filtración de tales beneficios en favor de la población que no está en situación de pobreza.

PO = Pbij

22

b. Focalización en sentido amplio
En una acepción más amplia, la focalización se plantea las preguntas básicas formuladas
anteriormente, ¿Quiénes?, ¿Dónde?, e incorpora además la siguiente: ¿Qué? Frente a
esta última pregunta, se procede a la identificación y formulación de las medidas
diferenciadas y específicas que proveen el servicio/bien realmente requerido por la
población objetivo.

De tal forma, la focalización en sentido amplio se define principalmente en términos de:
Identificar, dimensionar y localizar la población objetivo con carencias básicas, e
identificar y formular medidas diferenciadas y específicas requeridas por esa población
objetivo.

Se observa claramente que esta acepción, a diferencia de la anterior, va mucho más allá
de la identificación y localización de los grupos meta, y procura vincular la focalización con
la faz inicial de la formulación programática.

Precisamente por esta razón, algunos analistas y especialistas de programación social,
sostienen que la pregunta ¿Qué? corresponde ser formulada sólo en el ámbito de la
priorización de alternativas de acción, como parte de los problemas de la formulación
programática. Y no correspondería su consideración en el ámbito de la focalización, de la
definición de quiénes son y dónde está la población beneficiaria del programa o proyecto
social.

Más allá de establecer cuál es el ámbito teórico y metodológico en que corresponde
formular esta pregunta, lo destacable es el intento de vincular e integrar la focalización
con la formulación programática del programa/proyecto de superación de la pobreza.

c. Focalización en sentido ideológico
Por último, cabe mencionar una tercera acepción de focalización, muy volcada hacia lo
ideológico-político, especialmente sobre la función del Estado. Está basada en el
concepto de subsidiariedad del Estado y se centra principalmente en la focalización como
criterio para la asignación del gasto público social.
23

La idea es que dicho gasto público social debe beneficiar principalmente a la población
pobre, sosteniéndose que el mercado es la vía para distribuir bienes y servicios a la
población no pobre.

En esta perspectiva, el principal instrumento de focalización del gasto público social es el
denominado gasto social efectivo.

1.3.3 Mapas de Pobreza
Según la definición de P. Lanjouw, J. Poggi, J. Lanjouw y J. Hentschel
13
, un Mapa de
Pobreza es esencialmente “un perfil geográfico de la pobreza que proporciona una
descripción detallada de la distribución y concentración espacial de la misma, el nivel de
vida dentro de un país. Estos tienen gran importancia para las organizaciones
gubernamentales, no gubernamentales e instituciones multilaterales comprometidas con
la reducción de la pobreza por medio del gasto realizado”.

La primera edición de un mapa “descriptivo” de pobreza fue la realizada por Charles
Booth en 1889, a las calles de Londres, donde plasmó con distintos colores las diferentes
características sociales y económicas (ingreso) de los habitantes, obteniendo así un
estudio espacial de la pobreza.
14


El primer antecedente de los Mapas de Pobreza construido con el objetivo de servir como
instrumento de focalización del gasto público fue en Perú en 1981. Este mapa se
construyó en el marco de programas de ayuda alimentaria (distribución de Bonos de
Alimentación); este motivó que tiempo más tarde, en 1986, se elaborara el primer Mapa
de Pobreza.
15


Los Mapas de Pobreza se derivan de la necesidad de encontrar un instrumento de
Focalización o Targeting (por su nombre en inglés), que se define como la política

13
Se ut il izó como r ef er enci a l a Tesi s “ El abor aci ón de mapas de pobr eza a di f er ent es niveles de
desagr egaci ón geogr áf i ca, una apl i caci ón par a el est ado de Ver acr uz” .
14
Li t er at ur a r ef er ent e a l a Tesi s “ El abor aci ón de mapas de pobr eza a di f er ent es ni vel es de desagr egaci ón
geogr áf ica, una apli caci ón par a el est ado de Ver acr uz” .
15
Ambos mapas f uer on const r ui dos por el Banco Cent r al de Reser va del Per ú. El mapa de 1981 se basó en el
Censo de 1972 y ot r as f uent es est adíst icas. El pr imer mapa de pobr eza se basó en el Censo de 1981.
24

mediante la cual se introduce un enfoque selectivo en la identificación de beneficiarios
para los programas sociales orientados al tratamiento de situaciones de carencia.
16


1.3.4 Filtración y Subcobertura
Los errores de focalización de los programas sociales suelen medirse por dos
indicadores: filtración y subcobertura.

Por convención se define “filtración” al porcentaje de personas que acceden a un
programa social y no pertenecen a la población objetivo y se define como
“subcobertura” al porcentaje de la población objetivo que no recibe la atención de un
programa social pese a ser elegible.

En la siguiente tabla podemos graficar estos conceptos.

Tabla 1.1
Errores de Focalización
Er r or es de Focal i zaci ón
Pobl aci ón Obj et i vo
Si No
Benef i ci ari o
Si Focal i zaci ón Cor r ect a Fi l t r aci ón
No Subcober t ur a Excl usi ón Cor r ect a
Fuente: SISFOH
Elaboración Propia.



1.3.5 Gasto Público
Es la cantidad de dinero que el Gobierno usa para realizar pagos a los empleados
públicos, a los ministerios, a proyectos, compras diversas, intereses de la deuda pública,
etc. Los Gastos se dividen en: Gastos Corrientes y Gastos de Capital:

1. Gastos Corrientes: Son los necesarios para el normal desempeño de las funciones de
los organismos del Estado, destinados a las actividades de producción de bienes y
servicios del Sector Público, los pagos de intereses por la deuda pública interna y
externa y las transferencias que realiza. Incluyen Servicios Personales, Servicios no
Personales, Trasferencias Corrientes, Bienes de Consumo e Insumos y los Intereses
de la Deuda Pública interna y externa.

16
Li t er at ur a r ef er ent e a l a t esi s “ Elabor aci ón de mapas de pobr eza a di f er ent es ni vel es de desagr egaci ón
geogr áf ica, una apli caci ón par a el est ado de Ver acr uz” .
25

2. Gastos de Capital: Son los que se emplean en la compra o producción de bienes
(materiales e inmateriales) y en inversiones financieras que aumentan el capital del
Estado. Sirven como instrumento para la producción de bienes y servicios. Incluyen
también las transferencias de capital, gastos e inversiones financieras, para lograr
objetivos de política y no con el fin de obtener rentabilidad de los excedentes
financieros. Entre los más importantes se destacan, la inversión física, las
transferencias de capital y la inversión financiera.

1.3.6 Gasto Social
Según el Ministerio de Economía y Finanzas de Perú, se define como gasto social “al
gasto realizado por el Estado en los diferentes niveles de gobierno, para proveer bienes y
servicios públicos y privados atendiendo a sus funciones de: asignación de recursos,
redistribución del ingreso, provisión de bienes preferentes y promoción del crecimiento
económico, con el fin de buscar el aseguramiento (universal o selectivo) de un conjunto
de derechos sociales de la población.

Ello supone que la definición del gasto social en el caso peruano, más que buscar el
bienestar de la sociedad como un fin específico, se dirige a la búsqueda de logros en
materia de equidad social, a través desarrollo del capital físico y humano que promuevan,
en el mediano o largo plazo, el aseguramiento de necesidades básicas de los ciudadanos
las cuales son tomados como parte de sus derechos. El enfoque de necesidades que se
muestra en esta concepción determina al gasto social como aquel gasto (directo o
indirecto) que realiza el Estado ante la incapacidad real de los individuos de poder
integrarse eficazmente al mercado, lo cual influye en la generación y reproducción de la
pobreza.

De acuerdo a lo anterior, el gasto social total de divide en: básico, complementario y el
previsional. Se define el gasto social básico como el financiamiento directo de los bienes y
servicios que llegan a la población beneficiaria (Por ejemplo, raciones alimenticias y
nutricionales, medicinas, textos escolares, pago a los servicios prestados por los maestros
y los médicos -salario del maestro, implementación de aulas y hospitales, etc.).


26

En tanto que el gasto social complementario recoge las partidas presupuestales
consideradas sociales, que complementa al que busca mantener y perfeccionar las
capacidades básicas de las personas y la generación de oportunidades sociales y
económicas para la lucha contra la pobreza y el desarrollo sostenido. Esta clasificación
incluye además aquellos gastos administrativos necesarios para la gestión de las
acciones sociales.

1.3.7 Programas Sociales
Los programas sociales son acciones concretas cuya finalidad es la contribución directa
(impacto positivo) sobre la calidad de vida y el modo de vida de una población o sociedad.
Los programas sociales abordan a la calidad y el modo de vida de una población por ser
ellos indicadores del bienestar social, en cuanto a la disponibilidad de servicio y bienes
como de la satisfacción de las necesidades individuales y sociales.

1.3.7.1 Características de los Programas Sociales
Partimos por distinguir dos tipos básicos o modelos ideales
17
: los programas protectores
(también llamados asistenciales) y los habilitadores. En la práctica diversos programas
incluyen componentes tanto protectores como habilitadores, conformando un “tipo
intermedio” o programa mixto. La tabla siguiente resume en forma estilizada sus
principales características.













17
Cor r esponde a l a t er mi nol ogía sociol ógi ca de M ax Weber . Ést e pl ant eó l a t eor ía de l os “ Ti pos Ideales”
como model os soci al es car act er i zados por r asgos esenci al es comunes.
27

Tabla 1.2
Características Básicas según Tipo de Programa Social
DIMENSIÓN PROTECTORES HABILITADORES
1. Objetivo
Reducir vulnerabilidad Reforzar capacidades
2. Población meta Grupos vulnerables (pobres
extremos, menores, tercera
edad, madres gestantes,
etc.)
Personas / grupos en
capacidad de aprovechar
oportunidades (pobres no
extremos, jóvenes,
pequeñas y medianas
empresas)
3. Relación con ciclo económico Anticíclicos Procíclicos
4. Impacto en ingresos Bajo; reducción de costos Alto; empleabilidad y
oportunidades de
ingresos
5. Criterios de selección Endógenos (fijado por el
programa)
Exógenos; autoselección
(depende del participante)
6. Tipo de focalización Geográfica Individual
7. Tipo de participación Comunal, grupal Individual
8. Co-financiamiento Poco factible Deseable
Fuente: Programas Sociales en el Perú: Elementos para una propuesta desde el control gubernamental

Como se señala en la tabla 1.2, los programas protectores buscan reducir la
vulnerabilidad y la pérdida de capacidades humanas o patrimonio. Por tanto la población
meta debe fijarse en función de su grado de vulnerabilidad, ya sea en función de su ciclo
de vida (ver sección siguiente) o de circunstancias adversas (desastres naturales o crisis
familiares; desempleo prolongado, enfermedades crónicas o discapacitadoras).

Los programas habilitadores buscan reforzar capacidades para aprovechar
oportunidades económicas o de diverso tipo. Por tanto se orientan mayormente a
personas en su ciclo de vida intermedio (jóvenes y adultos en capacidad productiva) que
con sus propios medios no podrían acceder a la capacitación o recursos (por ejemplo
crédito, conectividad) que le permitan aprovechar estas oportunidades.

De ello se deduce que los programas protectores deben reforzarse en períodos de
recesión o alta inflación; en este sentido son anti-cíclicos. Por el contrario, los programas
habilitadores tiene mayor valor estratégico en contextos de rápido crecimiento económico
o cuando se desarrollan nuevas actividades económicas o aparecen nuevos nichos en el
mercado (agro-exportación, turismo, nuevas fuentes energéticas, descentralización, etc.).
Por ello este tipo de programa es considerado pro-cíclicos.
28

En tal sentido, el impacto en las condiciones económicas de los involucrados es
diferencial. Los programas protectores reducen los costos de recuperación y la pérdida de
patrimonio y capacidades. Su impacto en los ingresos es indirecto y de medición más
compleja. Los programas habilitadores sí pueden y deberían tener un impacto en los
ingresos, ya sea en forma directa (caso del micro-crédito o la inversión en infraestructura
productiva) o indirecta (los casos de capacitación laboral que mejoran la empleabilidad).

Los criterios de selección de la población objetivo son también diversos según cada tipo
de programa. En los protectores, habitualmente el mismo programa identifica los criterios
de vulnerabilidad en forma endógena (niños desnutridos, madres gestantes en pobreza
extrema, zonas afectadas por desastres, etc.). En el caso de los habilitadores, y
dependiendo de la efectividad de los mecanismos de difusión, opera en mayor medida la
auto-selección (por ejemplo para acceder al micro-crédito, bonos de capacitación-
PROJOVEN, proyectos productivos, FONDOEMPLEO, Innovación y Competitividad para
el Agro Peruano -INCAGRO-etc.).

1.4 Análisis Exploratorio de los Datos
El Análisis Exploratorio de Datos (A.E.D.)
18
es un conjunto de técnicas estadísticas cuya
finalidad es conseguir un entendimiento básico de los datos y de las relaciones existentes
entre las variables analizadas. Para conseguir este objetivo el A.E.D. proporciona
métodos sistemáticos sencillos para organizar y preparar los datos, detectar fallos en el
diseño y recogida de los mismos, tratamiento y evaluación de datos ausentes (missing),
identificación de casos atípicos (outliers) y comprobación de los supuestos subyacentes
en la mayor parte de las técnicas multivariantes (normalidad, linealidad,
homocedasticidad).

La finalidad del Análisis Exploratorio de Datos (AED) es examinar los datos previamente a
la aplicación de cualquier técnica estadística. De esta forma el analista consigue un
entendimiento básico de sus datos y de las relaciones existentes entre las variables
analizadas.

18
De acuer do con l a li t er at ur a de Sal vador Fi guer as, M y Gar gal l o, P. (2003): “ Análi si s Explor at or i o de Dat os”
Ver : ht t p:/ / w w w.5campus.com/ l ecci on/ aed

29

El AED proporciona métodos sencillos para organizar y preparar los datos, detectar fallos
en el diseño y recogida de datos, tratamiento y evaluación de datos ausentes,
identificación de casos atípicos y comprobación de los supuestos subyacentes en la
mayor parte de las técnicas multivariantes.

Etapas del Análisis Exploratorio de Datos
Para realizar un A.E.D conviene seguir las siguientes etapas:

1. Preparar los datos para hacerlos accesibles a cualquier técnica estadística
El primer paso en un A.E.D. es hacer accesible los datos a cualquier técnica estadística.
Ello conlleva la selección del método de entrada (por teclado o importados de un archivo)
y codificación de los datos así como la de un paquete estadístico adecuado para
procesarlos.

Los paquetes estadísticos son conjuntos de programas que implementan diversas
técnicas estadísticas en un entorno común. Algunos de los más utilizados son SAS,
BMDP, SPSS, SYSTAT, STATISTICA, STATA y últimamente MINITAB, S-PLUS,
EVIEWS, STATGRAPHICS y MATLAB. Los paquetes estadísticos utilizados en la
investigación son el SPSS versión 19 y el MINITAB versión 15
19
.

La codificación de los datos depende del tipo de variable. Los paquetes estadísticos
existentes en el mercado proporcionan diversas posibilidades (datos tipo cadena,
numéricos, nominales, ordinales, etc).

La inmensa mayoría de los paquetes estadísticos permite realizar manipulaciones de los
datos previas a un análisis de los mismos. Algunas operaciones útiles son las siguientes:

- Combinar conjuntos de datos de dos archivos distintos
- Seleccionar subconjuntos de los datos
- Dividir el archivo de los datos en varias partes
- Transformar variables

19
En el paquet e est adíst ico IBM SPSS St at i st ics 19 se r eal i zar on l os f i l t r os est adíst icos (Nor mal i dad y
Het er ocedast ici dad) de l os i ndi cador es, l a model aci ón y l a const r ucci ón de l os índi ces de pobr eza; mient r as
que el paquet e est adíst ico M i nit ab 15 compl ement ó el f i l t r o de Nor mali dad par a l os i ndi cador es ut i li zados
en l a invest igación a t r avés de l os gr áf i cos de Pr obabi li dad de Nor mal i dad.
30

- Ordenar casos
- Agregar nuevos datos y/o variables
- Eliminar datos y/o variables
- Guardar datos y/o resultados

Finalmente, y con el fin de aumentar la inteligibilidad de los datos almacenados, conviene
asociar a la base de datos utilizada, un libro de códigos en el que se detallen los nombres
de las variables utilizadas, su tipo y su rango de valores, su significado así como las
fuentes de donde se han sacado los datos. Todos los paquetes anteriormente citados
permiten esta posibilidad.

2. Realizar un examen gráfico de la naturaleza de las variables individuales a analizar y
un análisis descriptivo numérico que permita cuantificar algunos aspectos gráficos de
los datos.

Una vez organizados los datos, el segundo paso de un A.E.D. consiste en realizar un
análisis estadístico gráfico y numérico de las variables del problema con el fin de tener
una idea inicial de la información contenida en el conjunto de datos así como detectar la
existencia de posibles errores en la codificación de los mismos.

El tipo de análisis a realizar depende de la escala de medida de la variable analizada. En
la Tabla 1.3 se sugieren las representaciones gráficas y resúmenes descriptivos
numéricos más aconsejables para realizar dicho análisis. En dicha Tabla se
sobreentiende que las escalas más informativas pueden utilizar las medidas numéricas y
representaciones gráficas de las escalas menos informativas además de las suyas
propias (razón > intervalo > ordinal > nominal).








31

Tabla 1.3
Medidas Descriptivas Numéricas y Representaciones Gráficas aconsejadas en
función de la escala de medida de la Variable
Escal a de medid a Represent aciones gráficas M edidas de Tendencia Cent ral M edidas de Dispersión
Nominal
Di agr ama de bar r as
Di agr ama de l íneas
Di agr ama de sect or es
M oda
Ordinal Boxpl ot
M edi ana
Rango Int er cuar t íl i co
I nt ervalo Hi st ogr amas
Pol ígonos de f r ecuenci a
M edi a
Desvi aci ón Típi ca
Razón
M edi a Geomét r i ca
Coef i ci ent e de var i aci ón
Fuente: Salvador Figueras, M. y Gargallo, P. 2003: “Análisis Exploratorio de Datos”.

3. Realizar un examen gráfico de las relaciones entre las variables analizadas y un
análisis descriptivo numérico que cuantifique el grado de interrelaciones existentes
entre ellas.

4. Evaluar, si fuera necesario, algunos supuestos básicos subyacentes a muchas
técnicas estadísticas como, por ejemplo, la normalidad, la linealidad y
homocedasticidad.

5. Identificar los posibles casos atípicos (outliers) y evaluar el impacto potencial que
puedan ejercer en análisis estadísticos posteriores.

6. Evaluar, si fuera necesario, el impacto potencial que puedan tener los datos ausentes
(missing) sobre la representatividad de los datos analizados.

1.4.1 Test de Kolmogorov – Smirnov
El Test de Kolmogorov-Smirnov
20
se basa en la idea de comparar la función de la
distribución acumulada de los datos observados con la de una distribución normal,
midiendo la máxima distancia entre ambas curvas.



20
De acuer do con l a li t er at ur a de Sal vador Fi guer as, M y Gar gal l o, P. (2003): “ Análi si s Explor at or i o de Dat os”
32

Como en cualquier test de hipótesis, la hipótesis nula se rechaza cuando el valor del
estadístico supera un cierto valor crítico que se obtiene de una tabla de probabilidad. En
la mayoría de los paquetes estadísticos, como el SPSS, aparece programado dicho
procedimiento, y proporciona tanto el valor del test como el p-valor correspondiente.

Se utilizará un nivel de confianza del 95% y nivel de significancia ( o ) del 5%.

Donde:

- Hipótesis Nula Ho: es que el conjunto de datos siguen una distribución normal.
- Hipótesis Alternativa H1: es que no sigue una distribución normal.

Este test se basa en evaluar un estadístico:
Con la finalidad de aprovechar los resultados que arroja el paquete estadístico con el que
se procesan los datos, se utiliza el criterio de “nivel de significancia observado” (p-value)

- Si p-value es menor que el nivel de significancia ( o ) rechazamos la hipótesis nula.
- Si p value es mayor que el nivel de significancia ( o ) entonces no hay elementos
suficientes en la muestra para rechazar la hipótesis nula.

1.4.2 Test de Levene
Uno de los pasos previos a la comprobación de si existen diferencias entre las medias de
varias muestras es determinar si las varianzas en tales muestras son iguales (es decir, si
se cumple la condición de homogeneidad de varianzas o homoscedasticidad), ya que de
que se cumpla o no esta condición dependerá la formulación que empleemos en el
contraste de medias.

El test de Levene
21
se usa para contrastar si k muestras tienen la misma varianza, es
decir, la homogeneidad de varianzas. Otros contrastes, como por ejemplo el análisis de la
varianza, suponen que las varianzas son iguales para todos los grupos. De ahí la
importancia de verificar con el test de Levene esa hipótesis.


21
De acuer do con l a li t er at ur a est adíst ica de Sal vador Fi guer as, M y Gar gal l o, P. (2003): “ Anál i sis
Expl or at or i o de Dat os”
33

Se utilizará un nivel de confianza del 95% y nivel de significancia ( o ) del 5%.

Donde:

- Hipótesis Nula Ho: No existen diferencias significativas entre las varianzas en el
conjunto de datos.
- Hipótesis Alternativa H1: Existen diferencias significativas entre las varianzas en el
conjunto de datos.

Este test se basa en evaluar un estadístico:
Con la finalidad de aprovechar los resultados que arroja el paquete estadístico con el que
se procesan los datos, se utiliza el criterio de “nivel de significancia observado” (p-value)

- Si p-value es menor que el nivel de significancia ( o ) rechazamos la hipótesis nula.
- Si p value es mayor que el nivel de significancia ( o ) entonces no hay elementos
suficientes en la muestra para rechazar la hipótesis nula.

1.5 Análisis Factorial
El análisis factorial
22
es un método multivariante que explica un conjunto de variables
observables mediante un número reducido de variables no observables llamadas factores.
La técnica multivariante es considerada como un método de reducción de la dimensión, el
espacio
p
dimensional de las variables se reduce, a un espacio
k
dimensional de factores
(
k p <
); dentro del análisis de componentes principales.

El análisis factorial parte al igual que el análisis de componentes principales de una matriz
de individuos por variables, pero en este caso se trata de observar las correlaciones entre
las
p
variables.




22
De acuer do con l a l i t er at ur a est adíst i ca de Ri char d A. Jonhson y Dean W. Wi cher n: “ Appli ed M ul t i var i at e
St at i st i cal Anal ysi s” .
34

La hipótesis subyacente es; que dichas correlaciones no son fortuitas, sino que se deben
a que las variables comparten causas comunes llamadas factores o dimensiones
subyacentes y por tanto los factores son seleccionados para explicar las interrelaciones
entre las variables.

El objetivo del análisis factorial consiste en identificar cuáles son esas dimensiones
subyacentes o factores y cuantificarlos. Como resultado se obtiene una estimación de las
puntuaciones de cada individuo en cada uno de los
k
factores, y por tanto se termina
reduciendo la dimensión del espacio.

En el análisis de componentes principales, el primer factor o componente seria aquella
que explica una mayor parte de la varianza total, el segundo factor seria aquel que explica
la mayor parte de la varianza restante, es decir, de la que no explicaba el primero y así
sucesivamente.

En el análisis factorial se distingue entre varianza común y única. La varianza común es la
parte de la variación de la variable que es compartida con las otras variables. La varianza
única, es la parte de la variación de la variable que es propia de esa variable. En
componentes principales no se hace esa distinción entre los dos tipos de varianza. El
análisis de componentes principales busca hallar combinaciones lineales de las variables
originales que expliquen la mayor parte de la varianza total, el análisis factorial pretende
hallar un nuevo conjunto de variables, menor en número que las variables originales que
exprese lo que es común a esas variables.

El análisis factorial está relacionado con el análisis de componentes principales, pero
existen ciertas diferencias. En primer lugar, las componentes principales se construyen
para explicar las varianzas, mientras que los factores se construyen para explicar las
covarianzas o correlaciones entre las variables. En segundo lugar, las componentes
principales es una herramienta descriptiva, mientras que el análisis factorial presupone un
modelo estadístico formal de generación de los datos.

El método del análisis factorial nos permitirá realizar un estudio detallado de la matriz de
correlaciones para su posterior análisis e interpretación y por medio de este estudio
construir las variables subyacentes.
35

1.5.1 Modelo del Análisis Factorial
El análisis factorial opera sobre
p
variables aleatorias observables
( )
1 2 1
, ,..., ,
p p
X X X X
÷

definidas sobre una misma población, las cuales comparten
( ) k k p <
causas comunes.
Se trata de encontrar
k
nuevas variables llamadas factores comunes
{ }
1 2
, , ...,
k
F F F
, los
factores únicos
{ }
1 2
, , ...,
p
  
y determinar su contribución en las variables originales.

El modelo de análisis factorial se define de la siguiente forma:

1 11 1 12 2 1 1
2 21 1 22 2 2 2
1 1 2 2
...
...
...
k k
k k
p p p pk k p
X F F F
X F F F
X F F F
   
   
   
= + + + +
= + + + +
= + + + +
          
[1.1]

En forma general;
1 1 2 2
1, 2, ,
i i i ik k i
X F F F i p     = + + + = 


Donde
( )
1 2
, , ...,
k
F F F
se denominan factores comunes, porque de acuerdo con el
modelo planteado, influyen en conjunto en las
p
variables. Las variables
( )
1 2
, ,...,
p
    =
se llaman factores únicos o específicos, porque cada factor
i

influye
exclusivamente en las variables
i
X

( ) 1,..., i p =
y
ij
A  ( =
¸ ¸
una matriz de orden
p k ×
.
( ) 1,..., i p =
( 1, 2, , ) j k = 
.

Las ecuaciones del modelo se pueden expresar matricialmente de la forma siguiente:

1 11 12 1 1 1
2 21 22 2 2 2
1 2
...
...
.
...
k
k
p p p pk p k
X F
X F
X F
   
   
   
( ( ( (
( ( ( (
( ( ( (
= +
( ( ( (
( ( ( (
( ( ( (
¸ ¸ ¸ ¸ ¸ ¸ ¸ ¸
      
[1.2]

36

El modelo estará dado por:
X AF  = +
[1.3]

Donde;
k p <
puesto que se desea explicar las variables por un número más reducido de
variables nuevas aleatorias y la totalidad de los
( ) k p +
factores son variables
incorrelacionadas; es decir que la variabilidad de una variable explicada por un factor no
tiene relación con los demás factores.

En el modelo se puede observar que, cada variable observada es el resultado de la
combinación lineal de los
k
factores comunes con diferentes pesos
( )
i j

. A estos
pesos se les llama saturaciones, pero hay una parte de
i
X
no explicada por los factores
comunes, estos son los factores únicos o específicos
( )
i

.

1.5.1.1 Supuestos del Modelo
Todos los problemas pueden ser inconsistentes cuando se obtienen soluciones y por ello
se requiere el planteamiento de las hipótesis, las hipótesis utilizadas en el análisis factorial
son:

Hipótesis 1: Se establece que los factores son variables aleatorias tipificadas e
incorrelacionadas.

Así:
| | 0
i
E F =

| | 0
i
E  =

| | 1 ;
i i
E FF i i = =

| | 1 ;
i i
E i i   = =
[1.4]
| |
´
0 ; '
i i
E F F i i = =

| |
´
0 ; '
i i
E i i   = =

| | 0
i i
E F =

37

Hipótesis 2: Las variables originales también se tipifican. A través de la transformación de
estas variables del tipo:
i
i
X
X X
Z

÷
=
[1.5]

Por tanto y por las propiedades de la varianza en [3.1] se tiene
( )
2 2 2
1 1 2 2
var var( ) var( ) ... var( ) var( )
i i i ik k i
X F F F     = + + + +
[1.6]

Donde:
2 2 2 2
1 2 3
... 1
i i i ik
    + + + + =
;
1, 2,..., i p =
[1.7]

1.5.2 Métodos de Estimación
El propósito del análisis factorial consiste en encontrar los mejores valores
ij

, los cuales
representan las correlaciones entre los factores y los pesos y permitan reproducir los
valores de
i j
X
más próximos a los observados y que indiquen claramente que variables
pertenecen a los factores identificados. Existen diferentes métodos de estimación de
estos pesos, entre ellos tenemos; el método de componentes principales, el método de
ejes principales, el método alfa, el método de máxima verosimilitud, etc.

El método más utilizado es el de componentes principales, en el cual los pesos de los
factores se obtienen de la descomposición espectral de la matriz de correlación. Los
criterios para seleccionar el número de factores, son; el porcentaje de variación total
explicada, el criterio de Catell, el criterio de Káiser.

El objetivo es encontrar la matriz de los pesos que permita identificar que variables están
relacionadas a cada uno de los factores, es posible mejorar la solución inicial con una
rotación de factores de tal manera que los pesos se aproximen a uno o a cero. La rotación
mantiene la información total pero al reasignar a través de estos factores se facilita la
interpretación de los factores.

38

1.5.2.1 Método de Componentes Principales
En el modelo factorial hay que estimar la matriz de pesos
A
y del factor únicos

a partir
de la matriz
R
de correlaciones muéstrales, entre
n
individuos y
p
variables
cuantitativas.
1/ 2 1/ 2
´ ´ ´ R V V V V AA = A = A A =
[1.8]
Donde:
( ) 1 1 2 2
...
p p
A       =
[1.9]
Eliminando las columnas correspondientes a los autovalores más pequeños, o sea,
aquellas que contribuyen poco a
R
, tenemos:
' AA R ~ [1.10]
Donde:
( ) 1 1 2 2
...
k k
A       =
con
k p <
.
Si incluimos la variación del factor específico (matriz de especificidad) tenemos:
´ R AA ~ ++
[1.11]

Las estimaciones de
A
, que son las cargas factoriales, es dada por:
( ) 1 1 2 2
ˆ ˆ ˆ ˆ
ˆ ˆ ˆ ...
k k
A       =

Y:
ˆ ˆ ˆ ˆ
´ R AA = ++


En consecuencia:
2
ˆ ˆ
1
i i
h + = ÷
(
1,... i p =
) [1.12]

i
+
, es la estimación de los elementos de la matriz de especificidad.
39

Para verificar la proporción de la variabilidad acumulada por los
k
primeros factores
utilizamos el siguiente criterio:
1
11 22
1
ˆ
ˆ
k
i
i
pp
k
i
i
s s s
p


=
=
¦
¦
¦
+ + +
¦
¦
´
¦
¦
¦
¦
¹
¿
¿


En términos prácticos, se puede retener aquellos factores asociados a los autovalores
mayores que 1. Si la proporción de la variabilidad explicada por los autovalores mayores
que 1 fuera baja, se toma los demás factores hasta que se consiga una proporción
adecuada de la variabilidad, generalmente entre 70% y 90%.

1.5.3 Saturación, Comunalidad y Unicidad
a. Saturación
Denominaremos saturación de la variable
i
X
en el factor
i
F
al coeficiente
; ; 1, 2, , 1, 2, ,
ij
i j i p y j k  = = =  
.
La determinación de la matriz
A
del modelo factorial es uno de los problemas
fundamentales del análisis factorial.
11 12 13 1
21 22 23 2
31 32 33 3
1 2 3
k
k
k
p p p pk
A
   
   
   
   
(
(
(
(
=
(
(
(
¸ ¸



    

[1.14]

Los coeficientes de
A
, informan de la relación existente entre las variables y los factores
comunes. Se obtienen a partir de los coeficientes de correlación entre las variables
originales (matriz
R
). Por [1.8] se tiene:


para análisis factorial de S
para análisis factorial de R
[1.13]
40

1/ 2 1/ 2
´ ´ ´ R V V V V AA = A = A A =
[1.15]
1/2
A V = A


Siendo
V
la matriz de vectores propios y
A
la matriz de valores propios.

Esto supone que la saturación
ij

coincide con el coeficiente de correlación entre la
variable y el factor.

En caso general de variables no tipificadas, la matriz
A
se obtiene a partir de la matriz de
covarianzas. Entonces la correlación entre
i
X
y
i
F
será el cociente:
( ) ,
ij ij
j j
Corr i j
 
 
= =
[1.16]

La matriz de saturaciones cumple que la varianza del
j
-ésimo factor se obtiene sumando
los cuadrados de las saturaciones de la
j
-ésima columna de
A
(conjunto de
correlaciones con dicho factor). Es decir:
2
1
p
j ij
i
 
=
=
¿
[1.17]

Ya que:
( ) ( )
'
1/ 2 1/ 2 1/ 2 1/ 2 1/ 2 1/ 2
´ ´ A A V V V V I = A A = A A = A A = A

Téngase en cuenta que el valor propio
j

nos indica el porcentaje de la varianza total
explicada por el factor
j
.

b. Comunalidad
Se denomina comunalidad a la expresión:
2 2
1
k
i i j
j
h 
=
=
¿
[1.18]

41

Evidentemente la comunalidad nos indica el porcentaje de la variabilidad de cada variable
i
explicada por los
k
factores comunes.

c. Unicidad o Especificidad
A cada uno de los coeficientes
2
i
h
se denomina unicidad o especificidad de la variable.
Por tanto, como teníamos que el modelo en forma matricial es
X AF  = +
, donde


(matriz de factores únicos),
F
(matriz de factores comunes) será tanto menor cuanto
mayor sea la variación explicada por los
k
factores comunes.

En el caso que estamos trabajando con variables tipificadas y por las propiedades de la
varianza aludidas anteriormente, tenemos que:

2 2 2 2
1 2
... var( ) 1
i i ij i
    + + + + =
[1.19]

Esto es:
2 2
var( ) 1
i
h  + =


Es decir la varianza de una variable cualquiera es la suma de su comunalidad más su
unicidad
2
var( )
i

. Por tanto en función del número de factores comunes que
obtengamos, existirá una parte de la variabilidad de la variable original no explicada que
corresponderá a un factor único o específico.

1.5.4 Matriz de Correlaciones
Partimos de la correlación entre dos variables i e i’ de manera que:

( )
( )
´
´
´
cov
i i
i i
i i
X X
Corr X X
 
=
[1.20]

Sabemos además que:
1
k
i ij j i
j
X F  
=
= +
¿

' ' '
1
k
j
i i j i
j
X F  
=
= +
¿


42

Por las hipótesis de partida tenemos que:
( ) ( ) ' ' ' ' ' '
1 1
cov
k k
i i ij j i i j
i i ii i j i i
j j
Corr X X X X E F b F b     
= =
( | | | |
= = = + +
( | |
( \ . \ . ¸ ¸
¿ ¿


Desarrollando el producto;
' ' ' ' ' '
'
1 1 1
k k k
ii ij j j i j j i i j i j i
i j i i i j i i
j j j
E F F b F b F b b F         
= = =
(
= + + +
(
¸ ¸
¿ ¿ ¿


De la linealidad de la esperanza y al ser los factores incorrelacionados (hipótesis de
partida) tendremos que:
( ) ( ) ' ' ' '
'
1
ov , , 1,...,
k
i ij i
i ii i j i
j
C X X corr X X i i p   
=
= = = ¬ =
¿
[1.21]

La varianza de la variable
i
-ésima, viene dada por la expresión:
( ) | |
2 2 2 2 2 2
1 1
ar 1 ( ) ( 2 )
k k
i i i i ij j i i ij j i i ij i j i
j j
v X E X X E F b E F b b F       
= =
( (
= = = = + = + +
( (
¸ ¸ ¸ ¸
¿ ¿
[1.22]

Y aplicando nuevamente las hipótesis de partida podemos comprobar la expresión que
habíamos indicado anteriormente:
2 2 2 2 2
1
1
k
i ij i i i
j
b h b  
=
= + = + =
¿
[1.23]

Se comprueba la descomposición de la varianza en dos partes, la comunalidad y la
unicidad que es la varianza única no explicada por el modelo.
Por tanto matricialmente se expresa como;
' 2
R AA  = +
y

* 2
R R  = ÷
[1.24]

Siendo
*
R
la matriz de correlaciones reproducida obteniéndose de la matriz
R

sustituyendo los unos de la diagonal principal por las comunalidades de las variables.

43

2
1 12 13 14 1
2
21 2 23 24 2
* 2
31 32 3 34 3
2
1 2 3 4
..
..
..
..
p
p
p
p p p p p
h r r r r
r h r r r
R r r h r r
r r r r h
(
(
(
(
=
(
(
(
¸ ¸
     
[1.25]

La identidad fundamental tendrá la expresión equivalente
* '
R AA =
. Por tanto la matriz de
correlación muestral es un estimador de la matriz
'
AA
. Los coeficientes de saturación
ij


de las variables en los factores deben verificar esta condición, que no es suficiente para
determinarlos. En realidad existen muchas matrices
A
que lo verifican, siendo, todas
ellas, soluciones validas del análisis. Para seleccionar una solución, deberemos
establecer otra condición para
A
.

Cuando tenemos estimado el producto
'
AA
, se diagonaliza la matriz de correlaciones
reducida, ya que una solución de la ecuación:
2 * '
R R AA  ÷ = =
es la matriz
A
cuyas
columnas son los vectores propios estandarizados de
*
R
.

A partir de esta matriz reducida y por medio de la diagonalización, obtenemos a través de
los vectores y valores propios los ejes factoriales.

1.5.5 Viabilidad del Modelo Factorial
Cuando comenzamos un análisis factorial, lo primero que realizamos es la obtención de la
matriz
R
de correlación muestral a partir de los datos de
n
individuos y
p
variables. Una
vez obtenida esa matriz, podemos hacer contrastes de hipótesis previos para decidir si el
modelo factorial es adecuado a la información obtenida.

a. Prueba de Esfericidad de Bartlett
Uno de estos contrastes es el test de esfericidad de Bartlett, este contraste trata de
determinar si existe una estructura de relación –mejor dicho de interrelaciones
significativas- o no entre variables originales.

44

Como sabemos, la matriz de correlación
R
nos indica la relación existente entre cada par
de variables (
ij
r
) y su diagonal estará compuesta por unos. Si no existiese relación entre
las h variables, todos los coeficientes de correlación entre cada par de variables seria
cero.

Por tanto, la matriz de correlación poblacional coincidiría con la matriz identidad y su
determinante sería igual a uno. (Cuando el determinante sea grande y pequeño el grado
de significancia, más improbable será que la matriz sea identidad.)


0
: 1 H R =
[1.26]

1
: 1 H R =


Si los datos son una muestra aleatoria procedente de una distribución normal
multivariante, entonces bajo la hipótesis nula, el determinante de la matriz será 1 y se
demuestra que el estadístico:

( )
2
2 5
1 ln
6
p
n R 
+ (
= ÷ ÷ ÷
(
¸ ¸
[1.27]

Se distribuye asintóticamente como una
2

con
( 1) / 2 p p ÷
grados de libertad. En el
caso de que se acepte la hipótesis nula carecería de sentido realizar un análisis factorial.

La prueba de esfericidad de Bartlett está formulada de la siguiente forma:

- H
o
: Las variables de estudio son independiente, no están correlacionados.
- H
1
: Las variables son dependientes están correlacionadas.

Al 95% de confianza de la prueba de Bartlett se rechaza la hipótesis nula
(sig=0.00<0.05), concluyéndose que las variables están correlacionadas.



45

b. Índice de Kaiser-Mayer-Olkin
Otro índice de idoneidad de la aplicación del análisis factorial es el contraste de Káiser-
Meyer-Olkin. Consiste en comparar los coeficientes de correlación parcial. Esta medida
se denomina “adecuación muestral”, puede obtenerse para el conjunto o para cada
variable.

Dado que el coeficiente de correlación parcial nos indica la correlación existente entre dos
variables, una vez que se han eliminado los efectos lineales de las demás variables. En
un análisis factorial se puede interpretar esos efectos de las otras variables como los
correspondientes a los factores comunes. Por lo tanto, el coeficiente de correlación parcial
entre dos variables sería equivalente, en este contexto, al coeficiente de correlación entre
los factores únicos específicos de cada dos variables.

De acuerdo con las hipótesis de partida, los factores únicos están incorrelacionados, los
coeficientes de correlación parcial constituyen una aproximación a los teóricos y serán
prácticamente cero.

La medida de adecuación se expresa como:
2
1 1
2 2
1 1 1 1
p k
ij
i j
p p k k
ij ij
i j i j
r
KMO i j
r 
= =
= = = =
= ¬ =
+
¿¿
¿¿ ¿¿
[1.28]

Donde
ij
r
son coeficientes de correlación observados entre variables y
ij

son
coeficientes de correlación parcial entre variables originales.

Si los coeficientes de correlación parcial entre las variables son muy pequeños, quiere
esto decir que la relación entre cada par de las mismas se debe o puede ser explicada por
el resto y por tanto llevar a cabo un análisis factorial de los datos no deja de ser una
buena solución.


46

En este supuesto, si la suma de los coeficientes de correlación parcial al cuadrado es muy
pequeña. KMO, será un índice muy próximo a la unidad y por tanto el análisis factorial
será un procedimiento adecuado. De hecho y para Kaiser:

1) 0.00
s
KMO
s
0.45 ; son malos.
2) 0.45
s
KMO
s
0.60 ; son regulares.
3) 0.60
s
KMO
s
0.75 ; son aceptables.
4) 0.75
s
KMO
s
0.90 ; son buenos.
5) 0.90
s
KMO
s
1.00 ; son excelentes.

1.5.6 Criterios para Decidir el Número de Factores
Lo primero que hay que tener en cuenta es que cuando estábamos en un análisis de
componentes principales, lo que pretendíamos obtener era
p
factores incorrelacionados
que fueran combinación lineal de las variables originales, de manera, que al seleccionar
un número reducido de ellos
k p <
explicaran el máximo de la variabilidad total de estas
variables.

En el análisis factorial, pretendemos obtener las variables originales como combinación de
los factores (teniendo en cuenta que solamente se establecen como hipótesis
k p <

factores comunes). Estos factores comunes son desconocidos a priori, y debe decidirse
su número en base a los resultados obtenidos del propio análisis. Incluso en ocasiones se
realiza un análisis factorial fijándose previamente
k
y se estiman los parámetros, sin que
se pueda estar convencido de que el número de factores escogido sea el correcto.

En principio, a la hora de escoger el número de factores a retener se puede emplear los
criterios adoptados en el análisis de componentes principales. Pero como el análisis
factorial es un método inferencial también se puede realizar contrastes de significación de
los factores. Factores que se han obtenido a través de los vectores propios de la matriz de
correlaciones reducida.

El problema que se plantea es decidir el número de
k
vectores propios de esta matriz.
Para tomar esta decisión y como estamos en un contexto inferencial, puede emplearse los
siguientes contrastes.
47

1.5.6.1 Criterio de Esfericidad de Barlet
Como resultado de la diagonalización de
*
R
se ha obtenido
p
valores propios
( )
1 2
, , ...,
p
  
. El número de valores propios no nulos nos indica la dimensión del espacio
en el que se encuentran las observaciones. Un valor propio nulo revelaría la existencia de
una dependencia entre las variables.

Se desea contrastar la hipótesis de que hay
k
factores comunes; bajo la hipótesis nula, el
rango de la matriz poblacional de correlaciones reducida es
k
, de forma que los últimos
( ) p k ÷
valores propios deben ser idénticos entre si e iguales a cero, el estadístico es:
*
1
2
*
1
1
2 11
log
6
/
p k
k
i
i
k
i
i
trazR
p k
p
n
R



÷
=
=
( | | | |
÷
( | |
÷
+ \ . ( \ . ¸ ¸
= ÷ ÷
(
¸ ¸
¿
[
[1.29]

Sigue una distribución asintótica
2

con
( 1)( ) / 2 p k p k ÷ ÷ ÷
grados de libertad. Si el
valor del estadístico de prueba supera el valor critico correspondiente, rechazamos la
hipótesis nula de que la dimensión del espacio factorial es
k
y por tanto modificaremos
este valor y comenzaremos de nuevo el proceso.

1.5.7 Rotaciones Factoriales
La rotación factorial se presenta como la solución que permite transformar la matriz inicial
en otra de más fácil interpretación, y se basa en la posibilidad de transformar la estructura
factorial sin alterar sus propiedades matemáticas.

Para algunos autores, la obtención de la matriz factorial es solo el primer paso de la
factorización, siguiéndole de forma inmediata, la rotación de la citada matriz pues solo así
se consigue una buena interpretación de los factores.

La rotación factorial consiste en hacer girar los ejes de coordenadas (que representan los
factores de la matriz factorial), hasta que estos se aproximen a la nube de puntos de las
variables representadas, en este caso, a partir de sus pesos. La rotación factorial
48

transforma la matriz factorial inicial en otra matriz denominada matriz factorial rotada,
combinación lineal de la primera y por lo que el porcentaje de varianza explicada es igual.

El objetivo de la matriz factorial rotada es simplificar la interpretación factorial, principio de
estructura simple, lo que queda garantizado si esta cumple una serie de requisitos
23
:

- La matriz factorial debe tener pocos pesos altos y el resto deberá estar próximos a
cero.
- Una variable no debe estar saturada más que en un solo factor.
- No deben existir factores con la misma distribución de pesos altos y bajos.

Del mismo modo que existe una gran variedad de criterios para extraer los factores,
también hay distintos procedimientos para realizar las rotaciones factoriales, todos buscan
cumplir el principio de estructura simple y, para todos, las comunalidades y porcentaje de
varianza total explicada no cambia, aunque si el porcentaje de varianza atribuido a cada
uno de los factores.

La rotación factorial se efectuaba por métodos gráficos o métodos analíticos.
Actualmente, los primeros, dada su escasa objetividad, ya no se aplican, debiendo recurrir
a los segundos. Estos se dividen siguiendo dos criterios: el criterio de rotación ortogonal
(los factores comunes no están correlacionados y técnicamente son más fáciles de
aplicar), y el criterio de rotación oblicua (los factores comunes están correlacionados y en
consecuencia, son más realistas). De los primeros, es la rotación varimax la más
utilizada, mientras que de los segundos es el método de oblimin el más recomendado.

1.5.7.1 Rotación Ortogonal
Existen varios procedimientos para las rotaciones factoriales como; VARIMAX,
EQUAMAX y QUARTIMAX que son procedimientos ortogonales es decir que los factores
se mantienen incorrelacionados y los ejes forman ángulos rectos. El PROMAX y EL
DIRECT OBLIMIN pertenecen al grupo de los denominados oblicuos o no ortogonales,
señalan a su vez que la rotación no afecta a la comunalidad y al porcentaje de varianza
explicada por el modelo, aunque si puede cambiar a cada factor.

23
Se especi f i ca que l a li t er at ur a est adíst i ca f ue ext r aída de l a Tesi s Doct or al : “ M odel os Soci o-Demogr áf i cos:
At l as Soci al de l a ci udad de Al i cant e” – Uni ver si dad de Al icant e.
49

Lo más recomendable es la rotación ortogonal, aunque en el caso que exista razones
para pensar que los factores están correlacionados, entonces utilizaremos la rotación
oblicua.

En la rotación oblicua las ponderaciones factoriales no coinciden con las correlaciones
entre el factor y la variable, puesto que los factores están correlacionados entre sí, por
eso se hace la rotación oblicua la matriz factorial no rotada se convierte en dos matrices
diferentes: la matriz de ponderaciones (la que se utiliza en la interpretación) y la matriz de
correlaciones entre factores y variables. A continuación definiremos cada uno de estos
métodos:

1. Rotación Varimax
Es el procedimiento ortogonal más utilizado, el mismo que trata de minimizar el
número de variables que hay con pesos o saturaciones elevadas en cada factor. Es el
más frecuentemente empleado, diseñado por Kaiser, y como su nombre indica está
orientado a maximizar la varianza de los coeficientes que definen los efectos de cada
factor sobre las variables observadas. Lógicamente, una forma de conseguir esto es
que algunos factores tengan cargas altas y otros próximas a cero, lo que tiene como
consecuencia que bastantes variables tengan saturaciones bajas en un factor.

2. Rotación Quartimax
Este procedimiento ortogonal trata de minimizar el número de factores necesarios
para explicar un conjunto de variables. La rotación quartimax se caracteriza porque en
lugar de minimizar trata de encontrar el ángulo que haga máximo el valor. El efecto
más importante de esta estrategia es que reduce el número de factores que son
necesarios para explicar una variable superficial. Sus resultados son en general
semejantes a los obtenidos con el procedimiento varimax.

3. Rotación Equamax
Es un procedimiento ortogonal el cual es una combinación de los dos anteriores, es
decir trata de simplificar factores y variables. Lo que se traduce en que simplifica la
interpretación debido a que reduce el número de variables que saturan alto en un
factor y reduce también el número de factores necesarios para explicar una variable.

50

4. Rotación Oblicua
a. Oblimin Directo
Método para la rotación oblicua (no ortogonal), cuando delta es igual a cero (el valor por
defecto), las soluciones son las más oblicuas. A medida que delta se va haciendo más
negativo, los factores son menos oblicuos. Para anular el valor por defecto de delta,
puede introducirse un número menor o igual que 0,8. Si utilizamos este método al final
tendremos una matriz de correlación entre los factores pero no será identidad.

b. Promax
Rotación oblicua que permite que los factores estén correlacionados. Puede calcularse
más rápidamente que una rotación oblimin directa, por lo que es útil para grandes
conjuntos de datos. Es una rotación oblicua que se utiliza cuando las ponderaciones
factoriales no coinciden con la correlación entre el factor y la variable.

1.5.8 Interpretación de los Factores
Una vez que ya hemos simplificado la matriz factorial a partir de la rotación de la misma
se concluye el proceso del análisis factorial, resta interpretar los factores obtenidos en
función de las variables con las que se encuentran asociados (matriz factorial rotada)
superando, con ello, una de las principales críticas de esta técnica. Su “debilidad” radica
en el hecho de que las soluciones apuntadas por el análisis no son únicas dependiendo
de las decisiones adoptadas sobre el modo de factorizar, el tipo de rotación escogido,
número de factores seleccionados, etc. Para tal objetivo, los pasos sugeridos por
Bisquerra Alzina (De acuerdo a la literatura estadística de la Tesis Doctoral: “Modelos
Socio-Demográficos: Atlas Social de la ciudad de Alicante” – Universidad de Alicante) son:

1. Estudiar la composición de las saturaciones factoriales significativas de cada factor.
Para estudiar estas saturaciones factoriales, y a efectos prácticos, recomienda:

- La representación gráfica de los ejes factoriales. Las representaciones se hacen
tomando los factores (representados en el eje de coordenadas, ejes factoriales) de
dos en dos (excepcionalmente de tres en tres factores). Sobre los ejes se situarán
los coeficientes de correlación que asocian a las variables con los factores. A partir
de las gráficas resulta sencillo desvelar la estructura latente del factor, pues las
variables saturadas de un factor aparecerán agrupadas.
51

- Ordenar las variables en función del peso de los factores sobre estas, de tal
manera que en la matriz factorial rotada aparezcan las variables con
ponderaciones altas para el mismo factor agrupadas.
- Eliminar las saturaciones bajas ocupando sus espacios blancos.

2. Intentar dar un nombre a los factores. El nombre debe adecuarse a la estructura de
sus saturaciones, esto es, conociendo su contenido. En esta última fase juega un
importante papel el marco teórico en el que se apoye el objeto de estudio, sin olvidar
la experiencia del investigador. En última instancia, el nombre asignado tendrá
carácter aproximativo.

1.6 Baremación del Test
Para baremar el test, previamente se lleva a cabo un proceso de estandarización de las
p variables
i
X (ítems) para que todas tengan media 0 y desviación típica 1.

i
i
i X
i
X
X U
Z

÷
=
,
1, 2,..., i p =

La solución factorial óptima suele ser la solución rotada, es decir, aquella en la que los
factores extraídos son transformados (normalmente la rotación es ortogonal) para que
cada indicador esté altamente correlacionado sólo con uno de los factores extraídos.
En base a esta información se obtienen las siguientes dimensiones:


1 11 1 21 2 1
2 12 1 22 2 2
1 1 2 2
...
...
.........................................
...
p p
p p
k k k pk p
F e Z e Z e Z
F e Z e Z e Z
F e Z e Z e Z
= + + +
= + + +
= + + +


Puesto que cada dimensión de la pobreza no presenta la misma importancia, entonces el
índice de pobreza se obtendrá como una suma ponderada (con coeficientes de
ponderación decrecientes, auto valores) de los índices intermedios de la expresión
anterior, así:

52


1 1 2 2 3 3
1
...
k k
k
i
i
F F F F
Indice
   

=
+ + + +
=
¿


El método utilizado para estimar el índice de pobreza ha sido el análisis factorial por el
método de las componentes principales (software SPSS). Este procedimiento tiene la
ventaja de reducir un número importante de indicadores a unos pocos factores o
componentes principales para facilitar su interpretación. Otro resultado muy importante de
este método, es que se pueden obtener puntajes factoriales normalizados (con media = 0
y desviación estándar = 1), que luego pueden ser transformados en un índice entre 0 y 1
(probabilidades).

El valor que alcance este índice se interpretará en adelante como el “Índice de Pobreza” -
IP
24
, donde valores cercanos a 0 indicará que los ámbitos geográficos son menos pobres
y no representan un problema desde el punto de vista de la focalización para el gasto
social, en cambio cuando los valores son más elevados o están cercanos a 1, indican las
zonas más pobres y por tanto interesa para efectos de focalización y son los que de
manera prioritaria necesitan atención en la solución de diversos tipos de problemas,
desde las carencias en el acceso a los servicios básicos hasta el tema de la nutrición y
alimentación, así como la asignación de recursos financieros para la inversión social.

1.7 Análisis de Cluster
El Análisis de Clusters (o Análisis de Conglomerados) es una técnica de Análisis
Exploratorio de Datos para resolver problemas de clasificación. Su objeto consiste en
ordenar objetos (personas, cosas, animales, plantas, variables, etc.) en grupos
(conglomerados o clusters) de forma que el grado de asociación/similitud entre miembros
del mismo cluster sea más fuerte que el grado de asociación/similitud entre miembros de
diferentes clusters. Cada cluster se describe como la clase a la que sus miembros
pertenecen.


24
Est e índice de pobr eza se puede i nt er pr et ar en t ér mi nos de pr obabi li dades, de t al modo que di st r i t os con
val or es cer canos a 0 l a pr obabil i dad de ser pobr es es muy baj a, en t ant o que val or es cer canos a 1 i ndi can
una al t a pr obabil i dad de que l os di st r i t os sean más pobr es.
53

El análisis de cluster es un método que permite descubrir asociaciones y estructuras en
los datos que no son evidentes a priori pero que pueden ser útiles una vez que se han
encontrado. Los resultados de un Análisis de Clusters pueden contribuir a la definición
formal de un esquema de clasificación tal como una taxonomía para un conjunto de
objetos, a sugerir modelos estadísticos para describir poblaciones, a asignar nuevos
individuos a las clases para diagnóstico e identificación, etc.

Podemos encontrarnos dos tipos fundamentales de métodos de clasificación: Jerárquicos
y No Jerárquicos. En los primeros, la clasificación resultante tiene un número creciente de
clases anidadas mientras que en el segundo las clases no son anidadas.

Los métodos pueden dividirse en Aglomerativos y Divisivos. En los primeros se parte de
tantas clases como objetos tengamos que clasificar y en pasos sucesivos vamos
obteniendo clases de objetos similares, mientras que en los segundos se parte de una
única clase formada por todos los objetos que se va dividiendo en clases sucesivamente.

1.7.1 Dendrograma
Un dendrograma es una representación gráfica en forma de árbol que resume el proceso
de agrupación en un análisis de clusters. Los objetos similares se conectan mediante
enlaces cuya posición en el diagrama está determinada por el nivel de similitud/disimilitud
entre los objetos.

La decisión sobre el número óptimo de clusters es subjetiva, especialmente cuando se
incrementa el número de objetos ya que si se seleccionan demasiado pocos, los clusters
resultantes son heterogéneos y artificiales, mientras que si se seleccionan demasiados, la
interpretación de los mismos suele ser complicada.

1.8 Censo de Población y Vivienda 2007
El XI Censo de Población y VI de Vivienda 2007 contiene información sobre la magnitud,
distribución y composición de la población, así como de sus características
sociodemográficas y económicas, y las de sus viviendas y hogares. Este Censo fue de
hecho o de facto, se desarrolló en un solo día en el área urbana (21 de octubre 2007) y
durante 15 días calendario en el área rural.

54

Las variables del censo que se utilizaron en la estimación de la pobreza provincial y
distrital son aquellas relacionadas con las características sociodemográficas de la
población, de los miembros del hogar y de las características de las viviendas. Entre ellas
se tiene, población, sexo, edad, características educativas de la población, población
económicamente activa (PEA); disponibilidad de alumbrado eléctrico, tipo de
abastecimiento de agua, servicio higiénico, material de las paredes y pisos de la vivienda;
asimismo variables a nivel de hogar como tenencia de equipos y servicios de
comunicación, entre las más importantes.

El contenido de la cédula censal
25
comprendió cinco secciones:
- Primera sección: Localización de la vivienda y número de hogares (15 preguntas)
- Segunda sección: Características y servicios de la vivienda (12 preguntas)
- Tercera sección: Características del hogar (6 preguntas)
- Cuarta sección: Personas que conforman el hogar (2 preguntas)
- Quinta sección: Características de la población (29 preguntas)
















25
La cédul a censal se det al l a con mej or pr eci si ón en el Anexo 3
55

CAPÍTULO II
CARACTERIZACIÓN GEOGRÁFICA Y SOCIOECONOMICA DEL
DEPARTAMENTO DE MADRE DE DIOS

2.1 Características Geográficas y Estimación de la Población
2.1.1 Localización Geográfica
La zona de estudio cubre todo el departamento de Madre de Dios, que se ubica en la
región sur oriental del territorio peruano, entre las Coordenadas Geográficas 9º 57´ y 13º
20´, Latitud Sur, 68º 39´ y 72º 31’, Longitud Oeste. Su ubicación geográfica es estratégica
por constituir una región trifronteriza con los países de Brasil y Bolivia, con una superficie
aproximada de 85,873.22 km
2
(6.6% del territorio nacional), que representa el 6,7% del
territorio Nacional y el 15,4 % de la región selva y un perímetro aproximado de 1 446,96
Km. del cual el 40,4% corresponde a frontera internacional.

La altitud de la Región Madre de Dios varía desde 186 m.s.n.m -distrito de Tambopata
en la provincia de Tambopata- hasta los 3 967 m.s.n.m -distrito de Fitzcarrald en la
provincia de Manu-.

Su capital Puerto Maldonado con una altitud de 186 m.s.n.m, está ubicado en la
confluencia de los ríos Madre de Dios y Tambopata. La geografía del departamento es de
las más difíciles y abruptas para la construcción de carreteras, pues los Andes se
precipitan hacia la selva formando abismos.

2.1.2 Medio Físico
La mayor parte de este territorio se encuentra en la región natural conocida como selva
baja, por lo que presenta un clima con altas temperaturas y abundantes lluvias, sobre todo
entre los meses de Diciembre y Marzo. La única excepción es la franja suroeste con un
clima más frío y seco. En puerto Maldonado las precipitaciones alcanzan los 300 mm
mensuales y la temperatura promedio se encuentra alrededor de los 25°C.

El relieve es mayormente plano, constituyendo la llanura de Madre de Dios; hacia el
suroeste se eleva la cadena montañosa de Paucartambo que establece el límite con el
departamento del Cusco. Hacia el sur se encuentran colinas con menor altura que forman
56

parte de la cordillera de Carabaya y limitan con el departamento de Puno. Estas zonas
elevadas corresponden a los conjuntos geomorfológicos de la Cordillera Oriental y la Faja
Subandina, que conforman las nacientes de los principales ríos del departamento.

Esta Faja Subandina se ha desarrollado sobre rocas sedimentarias del Cretáceo y
Terciario, y está cubierto por depósitos aluviales. El otro gran conjunto geomorfológico es
la Llanura Amazónica o Llanura de Madre de Dios, con una pendiente muy baja y formada
por depósitos aluviales y fluviales del Terciario Superior y Cuaternario.

Gráfico 2.1
Red Hidrográfica del departamento de Madre de Dios











Fuente: Conservación Internacional
El departamento es recorrido por ríos de amplia extensión y caudal. Los ríos del
departamento de Madre de Dios pertenecen a la Vertiente del Atlántico y sus aguas
llegarán a desembocar en el río Amazonas del lado brasileño. Los ríos principales del
departamento son el Madre de Dios y sus afluentes: Manu, Las Piedras, Tahuamanu,
Colorado, Inambari y Tambopata. La mayoría de estos nacen al suroeste del
departamento, mientras que el río Madre de Dios proviene del Cusco, los ríos Inambari y
Tambopata provienen de Puno.

57

El bosque húmedo tropical, que cubre casi todo el departamento, se caracteriza por una
enorme variedad de especies de flora y fauna; lo que convierte a esta región en una zona
de gran biodiversidad. La vegetación destaca por la presencia de grandes especies
forestales que pueden medir más de 50 metros de altura.

La existencia de especies aún no completamente descubiertas, sus abundantes selvas
vírgenes y la contribución de sus extensos bosques al proceso natural de disminución de
dióxido de carbono llevaros a la UNESCO a declarar el Manu como patrimonio natural de
la humanidad en 1987 y al Congreso nacional a declarar a Madre de Dios como capital de
la Biodiversidad del Perú (Ley N°26311 del 22 de Mayo de 1994). Para la protección de
los ecosistemas se han creado 6 Áreas Naturales Protegidas en la región:

Tabla 2.1
Áreas Naturales Protegidas en el departamento de Madre de Dios
N° Área natural protegida
(ANP)
Departamentos Área Legal
(ha)
% del ANP
en MDD
1 Parque Nacional Alto
Purús
Madre de Dios y
Ucayali
2510694 50%
2 Parque Nacional Manu Madre de Dios y
Cusco
1716295 91%
3 Parque Nacional
Bahuaja Sonene
Madre de Dios y
Puno
1091416 27%
4 Reserva Nacional
Tambopata
Madre ce Dios 274690 100%
5 Reserva Comunal
Purús
Madre de Dios y
Ucayali
202033 4%
6 Reserva Comunal
Amarakaeri
Madre de Dios y
Cusco
402336 100%
Fuente: Conservación Internacional

58

2.1.3 Población y División Política
El departamento de Madre de Dios está dividido políticamente de la siguiente manera
26
:

Tabla 2.2
Población y División Geopolítica del departamento de Madre de Dios
Población y División Geopolítica
Provincia Distrito Población Área km2
Tahuamanu 10742 21196.88

Iñapari
Iberia
Tahuamanu
1288
6715
2739
3793.90
2549.32
14853.66
Tambopata 78523 36268.48

Tambopata
Inambari
Las Piedras
Laberinto
60214
8038
5491
4780
19121.42
3828.64
7032.32
6286.29
Manu 20290 28407.86

Manu
Fitzcarrald
Madre de
Dios
Huepetuhe
2645
1263
9404
6978
6928.28
10015.48
9947.20
1516.90
Total 109555 85873.41
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia

A niveles de agregación geográfica de centros poblados el departamento de Madre de
Dios está conformado por
27
:
- Tambopata: El distrito de Tambopata lo conforman el centro poblado urbano de
Puerto Maldonado y los centros poblados rurales de Otilia, La Pastora, Tres Islas,
Infierno, Palma Real y la Población Dispersa.

26
En el anexo 9 se det al l a gr áf icament e l a divi si ón pol ít ica-admi ni st r at iva de l a r egi ón M adr e de Di os.
27
De acuer do al Dir ect or i o de Cent r os Pobl ados del depar t ament o de M adr e de Di os. Par a una mej or
pr eci si ón de l os det all es est adíst i cos a ni vel de cent r os poblados, r evi sar el Anexo 6.
59

- Inambari: El distrito de Inambari está integrado por el centro poblado urbano de
Mazuko y los centros poblados rurales de Sarayacu, Jayave, Santa Rosa,
Kotsimba, Puerto Mazuko, Ponal, Unión Progreso, Huacamayo Bajo, Alto
Huacamayo y la Población Dispersa.
- Las Piedras: El distrito de Las Piedras está compuesto por el centro poblado
urbano de Planchón y los centros poblados rurales de Mavila, Alegría, Sudadero,
El Triunfo y la Población Dispersa.
- Laberinto: El distrito de Laberinto lo conforman el centro poblado urbano de Puerto
Rosario de Laberinto y los centros poblados rurales de Fortuna Alto Laberinto,
Santo Domingo y la Población Dispersa.
- Manu: El distrito de Manu está integrado por el centro poblado urbano de
Salvación y los centros poblados rurales de Itahuania, Shintuya, Palotoa
(Llactapampa) y la Población Dispersa.
- Fitzcarrald: el distrito de Fitzcarrald está compuesto por el centro poblado urbano
de Boca Manu y los centros poblados rurales de Yomibato, Diamante y la
Población Dispersa.
- Madre de Dios: el distrito de Madre de Dios lo conforman el centro poblado urbano
de Boca Colorado y los centros poblados rurales de Pacal, San Juan Grande,
Boca Amigo, Bajo Colorado (Playa Oculta), San José de Karene, Puerto Luz,
Delta1, Delta2, Punkiri Chico, Delta4, Alto Pukiri, Cumbre (Pukiri Delta1) y la
Población Dispersa.
- Huepetuhe: el distrito de Huepetuhe está integrado por el centro poblado urbano
de Huepetuhe y los centros poblados rurales de Choque, Caychihue, Caychihue
Barraca, Puerto Punkiri, Puente Inambari y la Población Dispersa.
- Iñapari: el distrito de Iñapari está compuesto por el centro poblado urbano de
Iñapari y la Población Dispersa.
- Iberia: el distrito de Iberia lo conforman el centro poblado urbano de Iberia, el
centro poblado rural de Pacahuara y la Población Dispersa.
60

- Tahuamanu: el distrito de Tahuamanu está integrado por el centro poblado urbano
de San Lorenzo y los centros poblados rurales de Alerta, La Novia, Shiringayoc y
la Población Dispersa.
2.1.4 Características de la Población
a. Población y Tasa de Crecimiento
- Población a través de los censos
Los censos de población ejecutados en el país durante las últimas décadas, muestran la
evolución de la población a partir del año 1940. Según los resultados del XI Censo
Nacional de Población, al 21 de Octubre del año 2007, la población total para la región
Madre de Dios fue de 109555 habitantes.

Tabla 2.3
Evolución de la Población según Censos 1940 - 2007
Departamento de
Madre de Dios
Año Población
1940 4950
1961 14890
1972 21304
1981 33007
1993 67008
2007 109555
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia

En el periodo intercensal 1993-2007 (14 años) la población en la región Madre de Dios se
incrementó en 42547 habitantes, equivalente a 3039 habitantes por año, es decir, un
incremento de 63.5% respecto a la población total de 1993, que fue de 67008 habitantes.
(Véase tabla 2.3)



61

- Crecimiento de la población
El incremento de la población medido por la tasa de crecimiento promedio anual, refiere
que la población ha presentado un crecimiento promedio anual para el periodo 1993-2007
de 3.5%, lo cual confirma una tendencia decreciente en los últimos 14 años.

Entre los censos de 1981-1993 el crecimiento poblacional fue el de mayor nivel registrado
desde el año 1940 al 2007. A nivel departamental entre los censos de 1993 y 2007, el
mayor incremento se presenta en Madre de Dios, con un aumento en el volumen de la
población de 63.5%, creciendo a un ritmo promedio anual de 3.5%, que equivale a 3 mil
39 habitantes por año.

Tabla 2.4
Tasa de Crecimiento Demográfico según Censos 1940 - 2007
Año Total
Incremento
Intercensal
Incremento
Anual
Tasa de Crecimiento
promedio anual (%)
1940 4950
1961 14890 9940 473 5.11
1972 21304 6414 583 3.20
1981 33007 11703 1300 4.75
1993 67008 34001 2833 5.73
2007 109555 42547 3039 3.45
Fuente: Censos de Población y Vivienda 2007
Elaboración Propia

La tendencia declinante del ritmo de crecimiento poblacional en los últimos 14 años como
se observa en la tabla 2.4, se explica fundamentalmente por la reducción de los niveles de
fecundidad, comportamiento que se confirma con los resultados de las encuestas
demográficas y de salud familiar realizadas por el INEI.

- Población urbana y rural
La distribución de la población está asociada a los patrones de asentamientos y
dispersión de la población dentro de un país o región. El censo permite conocer la
distribución espacial de la población bajo distintos criterios de localización como área
urbana y rural, regiones naturales, divisiones político- administrativas, áreas
metropolitanas, ciudades, centros poblados y sectores menores de las ciudades
(asentamientos humanos, pueblos jóvenes, etc.)

62

Tabla 2.5
Población Urbana y Rural según Censos 1940 - 2007
Año Total
Población
Incremento
intercensal
Tasa de crecimiento
promedio anual (%)
Urbana Rural Urbana Rural Urbana Rural
1940 4950 1306 3644
1961 14890 3783 11107 2477 7463 4.94 5.17
1972 21304 8499 12805 4716 1698 7.09 1.28
1981 33007 15960 17047 7461 4242 6.76 3.13
1993 67008 38433 28575 22473 11528 7.06 4.21
2007 109555 80309 29246 41876 671 5.13 0.17
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia

De acuerdo al censo 2007, la población urbana y rural de la región Madre de Dios se ha
incrementado en proporciones diferentes. La población urbana se incrementó en
108.96%, entre 1993 y 2007, esto es, a un promedio de 2991 personas por año, lo que
significa una tasa promedio anual de 5.13%. La población rural censada aumentó en
2.35% en el periodo intercensal, a un promedio de 48 personas por año, que representa
una tasa promedio anual de 0.17% (véase tabla 2.5).

- Composición de la población por grandes grupos de edad
Los resultados del censo 2007 (tabla 2.6) revelan que en la región Madre de Dios la
población menor de 15 años es 43274, lo que representa el 31.4% de la población.
Comparado con el censo de 1993 se aprecia una reducción de 8.1 puntos porcentuales
respectivamente.

Tabla 2.6
Población por Grupos de Edad
Población por grandes grupos de edad según censos de 1993 y 2007
Departamento
Censo 1993 Censo 2007
Población 0-14 15-64
65 y
más Población 0-14
15-
64
65 y
más
Madre de Dios 67008 39.5 58.6 1.9 109555 31.4 65.9 2.6
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia

Del mismo modo el grupo de la población adulta (65 y más años de edad) se incrementó
en 0.7 puntos porcentuales en el periodo analizado.

63

Por otro lado, la población que constituye la fuerza laboral (15-64 años) pasó de 58.6% a
65.9% al 2007, en un periodo de 14 años analizado.

- Razón de dependencia demográfica
La razón de dependencia demográfica al año 2007 es de 51.7 dependientes por cada 100
personas en edad de trabajar. La razón de dependencia es la relación de la población
menor de 14 años más la población mayor de 65 años entre la población en edad activa,
es decir la población de 15 a 64 años de edad (véase tabla 2.7).
Comentado anteriormente por cada 100 personas que están en edad de desarrollar una
actividad económica productiva hay 52 personas en edad inactiva. Esta relación en el
año 1993 fue 71 personas dependientes, lo que indica la tendencia de la población de
reducir la carga potencial de dependientes.

Tabla 2.7
Razón de Dependencia Demográfica
Razón de dependencia demográfica según censos de 1993 y 2007
Departamento
Censo 1993 Censo 2007
0-14 15-64
65 y
más
Razón de
dependencia
demográfica
0-14 15-64
65 y
más
Razón de
dependencia
demográfica
Madre de Dios 26490 39246 1272 71 34423 72229 2903 52
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia

A nivel regional la razón de dependencia registra valores por debajo de la media normal,
lo que indica una disminución en 14 años.

b. Migración
Analizaremos la migración definida como el cambio permanente de lugar de residencia,
siempre que para ubicarse en el nuevo lugar de residencia se traspase la frontera político
administrativo geográfico. El traslado de la población de un lugar a otro con el propósito
de establecer una nueva residencia, obedece generalmente, al interés por alcanzar un
mejor nivel de bienestar. El estudio de los movimientos migratorios, abordado desde dos
enfoques como son residir en un lugar distinto al lugar de nacimiento (migración de toda la
vida) y haber cambiado de lugar de residencia hace cinco años (migración reciente),
aporta datos valiosos para entender los cambios sociales y económicos que se dan en los
64

lugares de origen y destino de los migrantes en un período determinado. Asimismo, la
migración es uno de los factores que afectan la dinámica de crecimiento y la composición
por sexo y edad de la población.

- Migración de toda la vida
En el año 2007, el número de población migrante es superior en 15 mil 630, es decir, paso
de 29 mil 355 a 44 mil 985 personas, significando un incremento de 53.25%. Así el
departamento de Madre de Dios acogió el 0.8% de inmigrantes del país en el año 2007.
Tabla 2.8
Distribución de la Población Migrante
Distribución de la población migrante, según departamento de
nacimiento
Departamento
Inmigrantes Emigrantes
1993 % 2007 % 1993 % 2007 %
Madre de Dios 29355 0.6 44985 0.8 9287 0.2 11239 0.2
Fuente: Censo de Población y Vivienda 2007
Elaboración propia

Es importante señalar que en el departamento de Madre de Dios, del total de la población
en el año 2007, el 41.1% es migrante de toda la vida, es decir, de cada 100 personas que
residen en Lima, 41 personas han nacido en otros departamentos del país o en otros
países. En comparación al Censo de 1993 se observa una disminución considerable, en
dicho año representó el 43.8%.
- Migración reciente
El otro punto de vista para medir la migración es a partir de conocer el lugar de residencia
que tenían las personas en una fecha fija, en este caso cinco años antes del censo.
Tabla 2.9
Migración Reciente del departamento de Madre de Dios
Población migrante de cinco años y más
Departamento
Inmigrantes Emigrantes
1988-
1993 %
2002-
2007 %
1988-
1993 %
2002-
2007 %
Madre de Dios 12347 0.8 20437 1.3 7413 0.4 6060 0.4
Fuente: Censo de Población y Vivienda 2007
Elaboración propia

65

Considerando la migración interna del quinquenio 2002-2007, se observa que 20 mil 437
personas se encuentran en condición de migrantes recientes. Captando 1.3% de
inmigrantes. Es decir, por cada 100 personas que se movilizan, 1.3% tienen a Madre de
Dios como lugar de destino. En 1993 esta cifra correspondió al 0.8%.

- Hogares con Migración Internacional
El departamento de Madre de Dios es el que presenta el menor porcentaje 0.4% de
hogares con al menos una persona fuera del país.
Tabla 2.10
Hogares con Migración Internacional
Hogares con personas que viven permanentemente en otro país,
por número de miembros, según censo del 2007
Departamento Total
Hogares sin
miembros en
otro país
Hogares con miembros
fuera del país
Total 1 a 2 3 a 4 5 a más
Madre de Dios 27494 24483 3011 1781 714 516
Elaboración propia
Fuente: INEI (censo 2007)

c. Esperanza de vida al nacer
La esperanza de vida al nacer es una estimación del promedio de años que vivirá un
grupo de personas nacidas el mismo año. Es uno de los indicadores de calidad de vida
más comunes. Al año 2007 el distrito con mayor esperanza de vida es Iberia y el que
presenta menor esperanza de vida es el distrito Fitzcarrald.

Tabla 2.11
Esperanza de Vida al Nacer a Nivel Distrital
Esperanza de Vida Años
Distrito de Tambopata 71.70
Distrito de Inambari 69.40
Distrito de Las Piedras 68.70
Distrito de Laberinto 68.80
Distrito de Manu 67.70
Distrito de Fitzcarrald 65.60
Distrito de Madre de Dios 65.90
Distrito de Huepetuhe 67.70
Distrito de Iñapari 71.70
Distrito de Iberia 72.50
Distrito de Tahuamanu 71.10
Fuente: Censo de Población y Vivienda 2007
Elaboración propia

66

d. Índice de Desarrollo Humano
El IDH surge, quizás, como una iniciativa para clasificar los países a partir de otras
variables que no fueran las usadas tradicionalmente en economía (PIB, balanza
comercial, consumo energético, desempleo, etc.), en educación (tasa de alfabetización,
número de matriculados según nivel educacional, etc.), en salud (tasa de natalidad,
esperanza de vida, etc.) o en otras áreas (gasto militar). El IDH busca medir dichas
variables a través de un índice compuesto, por medio de indicadores que se relacionan en
los tres aspectos mencionados en forma sinóptica; así mismo usado para medir el IDH a
nivel regional.

- Distrito con desarrollo humano alto (IDH ≥ 0,8)
- Distrito con desarrollo humano medio (0,5 ≤ IDH < 0,8)
- Distrito con desarrollo humano bajo (IDH < 0,5)

Tabla 2.12
Índice de Desarrollo Humano a Nivel Distrital
Índice de Desarrollo
Humano
2007
Distrito Tambopata 0.6228
Distrito Inambari 0.5724
Distrito Las Piedras 0.5753
Distrito Laberinto 0.5729
Distrito Manu 0.5564
Distrito Fitzcarrald 0.5061
Distrito Madre de Dios 0.5623
Distrito Huepetuhe 0.5707
Distrito Iñapari 0.5991
Distrito Iberia 0.6166
Distrito Tahuamanu 0.5868
Fuente: Censo de Población y Vivienda 2007
Elaboración propia

El IDH (tabla 2.12) a nivel distrital en el departamento de Madre de Dios da como
resultado un desarrollo humano medio general, encontrándose los 11 distritos dentro del
parámetro de desarrollo humano medio.


67

e. Población Económicamente Activa Ocupada
Al considerar a la población ocupada del departamento de Madre de Dios con relación a
la rama de actividad en el que labora, se observa que 8 mil 362 personas (17,0% del total
de la PEA ocupada) trabajan en la rama de Agricultura, 6 mil 929 personas (14,1%) en
Comercio, 6 mil 209 personas (12,6%) en Otros Servicios (comprende administración
pública, defensa, planes de seguridad social, actividades de servicios sociales y de salud,
servicios comunitarios, sociales y personales, hogares privados con servicio doméstico y
organizaciones y órganos extraterritoriales), 5 mil 290 personas (10,8%) en Pesca o
Minería, 4 mil 937 personas (10,0%) en Transporte y Comunicaciones, 4 mil 455 personas
(9,1%) en Construcción, 3 mil 831 personas (7,8%) en Hoteles y Restaurantes y 2 mil 999
personas (6,1%) en Manufactura, entre las principales.

Según sexo, las principales ramas de actividad en la que participan los hombres son:
Agricultura (21,0%), seguido de Pesca o Minería (14,2%), Transportes y Comunicaciones
(13,7%), Construcción (12,4%), Otros Servicios (10,9%), Comercio (8,0%) y Manufactura
(7,4%). En el caso de las mujeres, el 27,4% se encuentra trabajando en Comercio, el
20,1% en actividades de Hoteles y Restaurantes, el 16,5% en Otros Servicios, el 8,2% en
Agricultura y el 7,0% en Enseñanza, entre las principales.

Tabla 2.13
PEA Ocupada por Actividad de Madre de Dios
Rama de Act ividad
Tot al Hombr e M uj er
Absolut a % Absolut a % Absolut a %
Tot al 49179 100. 0 33790 100. 0 15389 100. 0
Agr i cul t ur a 8362 17.0 7107 21.0 1255 8.2
Pesca/ M iner ía 5290 10.8 4815 14.2 475 3.1
M anuf act ur a 2999 6.1 2496 7.4 503 3.3
Const rucci ón 4455 9.1 4188 12.4 267 1.7
Comer ci o 6929 14.1 2706 8.0 4223 27.4
Tr anspor t es y Comuni caci ones 4937 10.0 4625 13.7 312 2.0
El ect r i ci dad, gas y agua 119 0.3 104 0.3 15 0.1
Hot el es y Rest aur ant es 3831 7.8 737 2.2 3094 20.1
Int er medi aci ón Financi er a 155 0.3 95 0.3 60 0.4
Act . Inmobi li ar i a, Empr es. Y de Al q. 1345 2.7 949 2.8 396 2.6
Enseñanza 2021 4.1 940 2.8 1081 7.0
Ot r os Ser vi ci os 1/ 6209 12.6 3671 10.9 2538 16.5
No especif icado 2527 5.1 1357 4.0 1170 7.6
1/ Admi ni st r aci ón públ i ca, def ensa, pl anes de segur i dad soci al , act i vi dades de ser vi ci os soci al es y de sal ud,
ser vi ci os comuni t ar i os, soci al es y per sonal es, hogar es pr i vados con ser vi ci os domést i cos y or gani zaci ones
y ór ganos ext r at er r i t or i al es.
68

2.2 Características Socioeconómicas
El departamento de Madre de Dios, según su historia reciente, ha seguido un proceso
errático en el desarrollo de sus actividades económicas; ha pasado de actividades
extractivas (madera y oro, principalmente) hacia sistemas de producción agropecuaria
que no corresponden ni al tipo de suelo ni al volumen de la demanda local (Instituto
Nacional de Recursos Naturales 2006). Recién en los últimos años actividades como el
turismo y la extracción de productos no maderables (castañas), parecen estar en la senda
de modos más sostenibles de uso del territorio.

Según estimaciones del INEI (2001), Madre de Dios es una de las regiones con menor
desarrollo económico y ha aportado al PBI nacional solamente 0,4% (tabla 2.13).

Tabla 2.14
Estructura Productiva de Madre de Dios
Sect or
M adr e de Dios Per ú
PBI r % PBI n % PEAr PEAn
Sect or Pr imar io 43. 70 2. 80 12746 1951385
Agr i cul t ur a, caza y si l vi cul t ur a 8.40 0.40

Pesca 0.10 0.10
M i ner ía 35.20 2.30
Sect or Secundar io 9. 50 0. 40 1921 969579
M anuf act ur a 7.30 0.20

Const rucci ón 2.20 0.20
Sect or Ter ciar io 46. 80 5. 40 10050 2992545
El ect r i ci dad y agua 22.20 4.20

Comer ci o 5.10 0.10
Tr anspor t es y comunicaci ones 1.80 0.10
Rest aur ant es y hot eles 4.10 0.40
Ser vi ci os gubernament ales 7.10 0.50
Ot r os ser vi ci os 6.50 0.10
Valor agr egado br ut o 100. 00 0. 40
Not a: PBIr (PBI Regi onal ), PBIn (PBI Naci onal ), PEAr (PEA Regi onal ) y PEAn ( PEA Naci onal ).
Fuente: Banco Central de Reserva del Perú (2006)

La principal actividad económica de la región es la minería, con un aporte de 35,2% al PBI
departamental, que representa 2,3% del valor agregado bruto de la minería nacional
(tabla 1.13). Después de la minería, los servicios de electricidad y agua constituyen la
segunda fuente de mayor ingreso, con un aporte de 22,2% al PBI departamental (Banco
Central de Reserva del Perú 2006).

69

A pesar de la extensión del territorio de Madre de Dios, la agricultura, la caza y la
silvicultura ocupan el tercer lugar como actividades. Estas se caracterizan por el empleo
de abundante mano de obra y el uso de una tecnología tradicional. Su aporte al PBI
departamental es de 8,4% y representa 0,4% del valor agregado bruto nacional de esta
actividad. Si bien la agricultura no es una de las principales fuentes de ingreso de la
región (tabla 2.14), representa una de las actividades productivas más desarrolladas, no
obstante su baja productividad y las dificultades para su comercialización en los mercados
externos (Banco Central de Reserva del Perú 2006).

Tabla 2.15
Producto Bruto Interno de Madre de Dios
(Millones de nuevos soles a precios corrientes)
Act ividad 2003 2004 2005
Agr i cul t ur a 32 49 44
Const rucci ón 50 55 56
M anuf act ur a 12 15 17
M i ner ía 333 513 695
Pesca 9 12 13
Ser vi ci os 324 366 409
PBI Tot al 760 1010 1234
Fuente: Cuánto (2008).

2.2.1 Minería
La actividad minera en Madre de Dios está basada en la extracción del oro depositado en
los cauces de los ríos y sus playas. La explotación de este metal data del incanato, pero
es una actividad desarrollada en forma continua solo desde las décadas de 1930 y 1940.
Sin embargo, el boom del oro se produjo en la década de 1970 como consecuencia del
aumento del precio del metal (Instituto Nacional de Recursos Naturales 2007).

A partir de 1980, se produjo un cambio en los lavaderos de oro, la evolución de la frontera
minera y las tecnologías.
28
Según el INEI (2004), en la década de 1990, se incorporaron
cargadores frontales en el proceso de extracción de oro, principalmente en las
subcuencas de los ríos Huepetuhe y Caychihue. A fines de esa década, el oro se convirtió
en el principal mineral exportado, al representar 35% de las exportaciones minerales

28
Ini cialment e, l a ext r acci ón de or o se hacía de maner a ar t esanal , pr i ncipalment e en l as pl ayas. A par t i r de
l a década de 1980, l a ext r acci ón del met al pr eci oso se r eal izaba con l a ayuda de bal sas y dr agas que
per mi t ían ext r aer el met al de l os sediment os de l os r íos.
70

(antes, representaba 20%). Incluso, en los últimos años, el volumen exportado se ha
incrementado en 23% (Ministerio de Energía y Minas del Perú 1997).

Según datos del INEI (2004), la zona aurífera de la región se concentra en las provincias
de Tambopata y Manu, en el río Malinowski, las cuencas de los ríos Madre de Dios e
Inambari, así como en las subcuencas de los ríos Caychihue y Malinowski. En la provincia
de Tahuamanu solo se tiene información para el 2003, año en que se registraron 400
hectáreas para la extracción de oro (Instituto Nacional de Recursos Naturales 2007).

En la actualidad, las zonas tradicionalmente mineras de Madre de Dios ya han sido
severamente explotadas y la cantidad de oro que se extrae es menor que en años
anteriores; por esta razón, muchos mineros están en la búsqueda de nuevas zonas para
extraer el metal, como es el caso de la Quebrada de Guacamayo, Lamal, Nueva Arequipa
y Loromayo.

Existen dos sistemas para la extracción del oro: el primero es artesanal, utiliza
fundamentalmente la fuerza humana y algunos materiales rústicos como carretillas,
bateas y zarandas.
29
El segundo sistema comprende el uso de máquinas pesadas como
cargadores frontales, motobombas, generadores eléctricos y plataformas (chutes). El
trabajo se realiza durante las 24 horas, con tres turnos de ocho horas (Instituto Nacional
de Desarrollo 2007).

En Madre de Dios, las zonas de actividad aurífera representan una superficie estimada de
0,8 millones de hectáreas, áreas que comprenden las zonas de Laberinto, Huepetuhe y
los ríos Inambari y Malinowski, entre otros. Otras zonas se han abierto en los últimos
meses, como Delta 1 y Delta 2, a raíz del incremento del precio del oro en el mercado
internacional (tabla 2.15). (Instituto Nacional de Desarrollo 2007).

Se estima una población minera de 12.000 personas dedicadas directamente a la
actividad minera en la región Madre de Dios (30% aproximadamente son mineros
informales) y 30.000 personas aproximadamente dependen en forma indirecta de esta
actividad (Ministerio de Energía y Minas del Perú 2009).


29
La zar anda es un cedazo r ect angul ar con f ondo de r ed de cor ni sa, que se empl ea par a separ ar el or o del
cascaj o.
71

Según el MINEM (2009), se tienen identificadas tres zonas de conflicto, en las cuales se
vienen dando problemas de carácter social entre comunidades nativas y colonos mineros,
originados por la posesión y explotación de terrenos auríferos.

a. La Zona de Amortiguamiento de la Reserva Comunal Amarakaeri, ubicada entre el río
Puquiri y el río Colorado. En esta zona se ubica el poblado denominado Delta 1, con
3.000 habitantes que dependen directa e indirectamente de la actividad aurífera. Es
allí donde se generan los mayores conflictos entre comuneros nativos y mineros.
b. Zona de Amortiguamiento de la Reserva Nacional del Tambopata-Río Malinowski. En
esta zona, operan organizaciones mineras, constituidas por 38 concesionarios
mineros titulados, por mineros con 45 petitorios
30
y por mineros que operan en
petitorios y/o concesiones de terceros y que viene reclamando que se les otorguen
áreas de trabajo aduciendo que fueron marginados. Muchos de ellos han solicitado
concesiones de ecoturismo sobre áreas de actividad minera como un medio de alegar
derechos sobre estas (Ministerio de Energía y Minas del Perú 2009).
c. Zonas de no admisión de petitorios en terrenos de comunidades nativas. Como
consecuencia de enfrentamientos entre nativos y peticionarios mineros ubicados en
territorio de comunidades nativas, se suspendió
31
la admisión de petitorios mineros en
ocho zonas o áreas pertenecientes a diez comunidades nativas. Hasta la fecha se ha
logrado el acuerdo entre los comuneros nativos y los productores mineros de cinco
áreas; quedan por solucionar tres áreas (Ministerio de Energía y Minas del Perú
2009).
Tabla 2.16
Producción estimada de oro
Año Pr oducción est imada TM Valor br ut o est imado Cot ización pr omedio
2006 15800 330,187,920.00 US$ 650/ Oz
2007 16390 326,557,475.00 US$ 619.75/ Oz
2008 16725 468,892,568.00 US$ 872.72/ Oz
Fuente: Ministerio de Energía y Minas del Perú (2008)

Por concepto de canon minero correspondiente al año 2008, para el departamento de
Madre de Dios, se estima en total la suma de 47.800 nuevos soles, la cual no guarda
relación con el valor de la producción aurífera antes indicada. Ello evidencia que la casi

30
Cuyo t r ámi t e se encuent r a suspendi do por oposi ci ón del INRENA, en apli caci ón del ar t . 116 del D. S. 038-
2001-AG.
31
Según R. M . 137-2005-M REM / DM .
72

totalidad de la producción aurífera de la zona no aporta los impuestos correspondientes
(Ministerio de Energía y Minas del Perú 2009).

De estas áreas, el sector de Huepetuhe, por los volúmenes de material que se alcanzan a
extraer allí, ya podría dejar de considerarse como zona de pequeña minería, semejándose
a complejos de la gran minería (Instituto Nacional de Desarrollo 2007).

En el río Bajo Madre de Dios, se lleva a cabo la actividad minera a pequeña escala, en
forma artesanal y a mediana escala, con el uso de dragas flotantes (Parkswatch 2002). La
explotación es realizada por pequeños mineros, que en su mayoría no tienen concesiones
en las áreas que explotan (Instituto Nacional de Recursos Naturales 2006).

En las áreas naturales protegidas y sus zonas de amortiguamiento, la actividad minera se
centra en el río Bajo Madre de Dios y en todo el curso del río Malinowski, en los
alrededores de la localidad de Mazuko y en la comunidad de Kotsimba, junto a la Reserva
Nacional Tambopata (Parkswatch 2002).

Actualmente, los mineros artesanales continúan extrayendo oro de las playas de los ríos
en volúmenes pequeños. En épocas lluviosas, ellos se internan en zonas más profundas
de la selva para luego volver en épocas de estiaje (Banco Central de Reserva del Perú
2006).

Esta actividad genera impactos sobre los bosques y los cauces de ríos y quebradas.
Origina mayor turbidez y sedimento en el agua y contamina los ríos con mercurio,
elemento usado para separar el oro de la arena. El mercurio entra a las cadenas tróficas a
través de los peces y termina siendo ingerido por los seres humanos que viven en el área
(Parkswatch 2002).

2.2.2 Actividad Agropecuaria
La actividad agropecuaria se ha dado a través del tiempo en torno a las vías de acceso al
mercado, fluvial o terrestre, principalmente en el eje de los ríos Madre de Dios y
Tambopata, así como en las carreteras Cusco-Quincemil-Puerto Maldonado-Iberia-Iñapari
y Cusco-Pilcopata-Shintuya y zonas adyacentes (Ministerio de Agricultura del Perú 2000).

73

La actividad agrícola tiene carácter de subsistencia y en ella predomina el sistema
tradicional migratorio (roce, tumba, quema, uso de semilla común y cosecha manual).
Tiene una restringida e inadecuada aplicación de insumos externos, está sujeta a las
condiciones climatológicas y, como resultado de ello, muestra bajo rendimiento (Instituto
Nacional de Desarrollo 2007).

La producción se destina a la subsistencia de la población rural, y un pequeño excedente,
al comercio local, que no cubre la demanda departamental (Ministerio de Agricultura del
Perú 2000). Los principales cultivos regionales son el arroz, el maíz amarillo duro, el frejol,
la yuca y los plátanos (tabla 2.16). Estos productos son esencialmente para el
autoconsumo, debido a que la zona es deficitaria en la producción, por lo que debe
abastecerse de productos de la sierra y la costa (Instituto Nacional de Desarrollo 2007).

Tabla 2.17
Producción Agrícola de Madre de Dios
Pr oduct o
Super f icie cosechada ( ha) Pr oducción ( t )
2005 2006 2007 2005 2006 2007
Pl át ano - - - 10099 11188 11775
Yuca 910 883 887 9985 9871 9624
M aíz amari l lo dur o 4184 4883 4149 8492 9738 8548
Ar r oz 4502 5107 4278 8016 9513 7303
Fr ej ol 724 560 545 588 482 485
Fuente: Proinversión (2008).

Los colonos en Madre de Dios generalmente prefieren cortar nuevas áreas de bosque
virgen en lugar de retornar a terrenos previamente utilizados. De estos terrenos (cuatro o
cinco hectáreas anuales), solo una hectárea o menos se emplean para cultivos de
subsistencia; el resto queda como terreno sin uso y degradado. Así, la ignorancia de
técnicas agrícolas adecuadas da lugar a una grave degradación de los terrenos en la
región. En la zona de amortiguamiento de la Reserva Nacional Tambopata y Parque
Nacional Bahuaja-Sonene, esta situación está muy acentuada entre los colonos de la
carretera, algunos en el río Tambopata y el río Bajo Madre de Dios (Parkswatch 2002).

La producción pecuaria en la región, como en todo bosque tropical, es baja, por lo que
anualmente los ganaderos tienen que cortar más bosque para mantener a su ganado.
Esta situación se observa sobre todo en la carretera Puerto Maldonado-Cusco, donde hay
una cantidad importante de cabezas de ganado vacuno (Parkswatch 2002).
74

La actividad pecuaria, en la mayoría de los casos, se circunscribe a la crianza familiar de
bovinos, ovinos, porcinos y aves de corral, en sistema extensivo. Ello se desarrolla junto
con la agricultura y, en muchos casos, es una actividad complementaria de los extractores
de oro, de madera y de los comerciantes, la cual ha aumentado considerablemente desde
1996 hasta el 2001 (Ministerio de Agricultura del Perú 2000), y que sigue en crecimiento,
como se puede apreciar en la tabla 2.17.

Tabla 2.18
Producción Pecuaria de Madre de Dios
M adr e de Dios 2005 2006 2007
Car ne de Ovi no (t ) 41 36 39
Car ne de Por ci no (t ) 161 156 171
Car ne de Ave (t ) 1100 1169 1656
Car ne de Vacuno (t ) 1093 1265 1288
Leche de Vaca (t ) 1799 1799 1995
Fuente: Proinversión (2008).

2.2.3 Actividad Pesca
La cuenca del río Madre de Dios posee una importante riqueza pesquera que soporta una
actividad económica que abastece de pescado a la población urbana, proporcionando,
además, ingresos económicos a cerca de 500 pescadores en forma directa, e
indirectamente, a muchas más personas. Se debe tener en cuenta que el pescado es la
principal fuente de proteína animal de la población ribereña. Las personas dedicadas a
esta actividad trabajan, en su mayoría, en la época de estiaje, ya que durante el resto del
año se dedican a la minería, a la extracción forestal o a la recolección de castaña
(Instituto Nacional de Recursos Naturales 2007).

Predomina la pesca a niveles de subsistencia. También existe pesca con fines
comerciales, centrada en el río Bajo Madre de Dios, límite noreste de la zona de
amortiguamiento. La captura promedio en el río Bajo Madre de Dios representa 90% del
desembarque total registrado en Puerto Maldonado, lo cual muestra la importancia de
esta zona para la pesquería en la región. La pesquería en el río Tambopata enfrenta el
incremento de una población que tiene a esta actividad como fuente de proteína animal
(Parkswatch 2002).

75

En efecto, gran parte de la dieta de la población que vive dentro del bosque (nativos,
ribereños, madereros y pequeños mineros) depende de la pesca (Ministerio de Energía y
Minas del Perú 1997).

Según el Instituto Nacional de Desarrollo (2007), la actividad pesquera se desarrolla en
dos formas:
- La extracción de peces naturales provenientes de los cuerpos de aguas existentes en
todo el ámbito departamental.
- La crianza de peces en piscigranjas. En la provincia de Tahuamanu, existen alrededor
de 90 pequeñas piscigranjas (de 1.600 metros cuadrados de espejo de agua, en
promedio).

En los últimos años, como consecuencia de la pesca indiscriminada y por el impacto de
las actividades mineras, las poblaciones de peces están siendo gravemente afectadas. En
1997, el Instituto de Investigaciones de la Amazonía Peruana (2002) hizo un inventario
georeferenciado y evaluó los ambientes acuáticos con fines de acuicultura. Así, logró
identificar 36 quebradas con condiciones adecuadas para realizar actividades piscícolas.

2.2.4 Extracción Forestal de Madera
La producción forestal constituye una de las principales actividades económicas de la
región. Se lleva a cabo en bosques naturales, ya que aún no existen bosques cultivados
en producción.

La extracción de madera se centra en torno a tres especies de las llamadas maderas
finas: caoba, cedro y tornillo, las que representan el 63% del volumen total extraído en la
región Madre de Dios. Otras 40 especies de menor valor comercial son extraídas en
volúmenes bajos (Parkswatch 2002).

Desde los primeros años de la década de 1990, la extracción de madera se ha
incrementado, al pasar de una producción de 9,7 millones de pies tablares a 35,5 millones
de pies tablares en promedio en el 2001 (Parkswatch 2002). Se estima que existe un
potencial de 527 millones de metros cúbicos de madera, y aproximadamente 60% de este
volumen es aprovechable para la industria (Instituto Nacional de Recursos Naturales
2007), mientras que alrededor de 2.500 extractores de madera se encuentran dispersos
76

sobre las márgenes de las carreteras Puente Inambari-Puerto Maldonado, Puerto Triunfo-
Iñapari, Pilcopata-Shintuya, así como trochas laterales, a lo largo de ríos y quebradas
navegables (Parkswatch 2002).

A pesar de que la producción forestal constituye una de las principales actividades
económicas del departamento, se debe señalar que la explotación irracional de la madera
viene afectando el ecosistema y los conflictos entre madereros son permanentes (Banco
Central de Reserva 2006).

2.2.5 Recolección de Castaña
En el Perú, la castaña (Bertholletia Excelsa) se aprovecha comercialmente solo en la
región Madre de Dios, donde se encuentran rodales naturales en asociación con otras
especies (maderables y otras), en una extensión aproximada de un millón 600 mil
hectáreas (18,7% del territorio regional), con una densidad promedio de un árbol por
hectárea (Instituto de Investigación de la Amazonía Peruana 2001). Este recurso se
concentra en los distritos de Laberinto, Tambopata y Las Piedras, de la provincia de
Tambopata, y el distrito de Tahuamanu, de la provincia de Tahuamanu (Ministerio de
Agricultura 2000). Porciones importantes de estos castañales se encuentran dentro de las
áreas naturales protegidas (Parkswatch 2002).

El 100% de la castaña comercializada en la región procede de la recolección, dado que
las plantaciones establecidas en pequeñas superficies aún no están en producción. El
aprovechamiento de este recurso alcanzó 2.170 toneladas en 1999, volumen que solo
representaría 10% de todo el potencial estimado (Ministerio de Agricultura del Perú 2000).
Según las empresas dedicadas a la comercialización, la castaña pelada se distribuye en
tres calidades: 70% de primera, 21% de segunda y 9% de tercera (Ministerio de
Agricultura del Perú 2000).

La actividad castañera en la región no es solo económica sino también social, porque es
familiar. La castaña se recolecta con la ayuda de la familia tres meses en el año, y el resto
del año se vende la nuez de castaña. Los ingresos de esta actividad se mantienen como
un fondo de ahorros para la subsistencia.
77

2.2.6 Extracción de Recursos del Bosque
Las principales actividades de extracción de productos del bosque son la caza de
animales silvestres, la recolección de frutos, hojas de palmera, miel y huevos, entre otros.
Estas actividades son efectuadas por los pobladores rurales asentados en la zona,
principalmente con fines de subsistencia, pero también con propósitos comerciales
(Parkswatch 2002).

2.2.7 Turismo
El turismo es una actividad que, en los últimos años, ha cobrado gran importancia.
Tambopata ha sido un destino turístico desde 1975, con dos albergues ubicados a orillas
de los ríos Tambopata y Madre de Dios. Desde entonces, la industria turística ha crecido,
sobre todo en la década de 1990, por las políticas de incentivo al turismo y la inversión
privada. En 1989 funcionaban tres albergues turísticos y el flujo anual de turistas a través
de Puerto Maldonado era de tres mil turistas (Kirkby 2002).

En el año 2002, el área contaba con 25 establecimientos, de los cuales 11 se encuentran
en el interior de la zona de amortiguamiento y dos en la Reserva Nacional de Tambopata
(Parkswatch 2002). Ese año el flujo turístico a través de Puerto Maldonado era de más de
18 mil por año (Kirkby 2002).

El flujo turístico anual por la Reserva Nacional Tambopata y el Parque Nacional Bahuaja-
Sonene se caracteriza por ser estacional, con un patrón unimodal. Las temporadas de
más y menos visitas son de julio a agosto y de febrero a marzo, respectivamente (Kirkby
2002).

En el 2007, el turismo muestra ya algunas estadísticas de establecimientos de hospedaje
y flujo de turistas extranjeros y nacionales a Madre de Dios. Aunque todavía falta
categorizar los hospedajes por parte del Ministerio de Comercio Exterior y Turismo
(tabla 2.18), se puede mencionar que la gran mayoría de hospedajes no categorizados
corresponden, por un lado, a hostales y a locales con habitaciones que albergan a
migrantes nacionales que llegan a Puerto Maldonado y los principales centros poblados,
como Alberta y Mazuko, por trabajo (investigación, trabajo en la carretera, hidrocarburos,
minería y comercio), ya que en las ciudades no existe la oferta de alquiler de casas ni de
departamentos para la gran demanda existente.
78

Por otro lado, están los llamados “albergues” dirigidos a hospedar al flujo de turistas que
vienen en su gran mayoría del extranjero para realizar actividades de ecoturismo.

En el cuadro 2.19 se presenta el incremento registrado del arribo de turistas nacionales a
Madre de Dios (migrantes), que es más del doble de lo registrado del arribo de extranjeros
por motivos ecoturísticos.

Tabla 2.19
Capacidad instalada de establecimientos de hospedaje
M adr e de Dios 2007
Hot eles
Númer o de
est ablecimient os
Númer o de
habit aciones
Númer o de
camas
Hot el es 5 est r el l as - - -
Hot el es 4 est r el l as - - -
Hot el es 3 est r el l as - - -
Hot el es 2 est r el l as - - -
Hot el es 1 est r el l a 1 48 79
Al bergues 4 78 166
No Cat egor i zado 115 1699 2883
Tot al 120 1825 3128
Fuente: Ministerio de Comercio Exterior y Turismo (2008).

Tabla 2.20
Arribo de turistas a establecimientos de hospedaje
M adr e de Dios
Año
2005 2006 2007
Nacionales 93459 106193 126425
Ext r anjer os 50129 51436 61027
Tot al 143588 157629 187452
Fuente: Ministerio de Comercio Exterior y Turismo (2008).

2.2.8 Hidrocarburos
La prospección petrolera está volviendo a ganar terreno, generalmente en la selva baja. A
diferencia de las otras actividades, esta suele tener pocos encadenamientos directos con
usos del bosque, dado que las empresas proveen de víveres y de todo aquello que
necesitan sus empleados. Sin embargo, sí pueden generar alteración en la calidad del
agua y tener implicancias culturales, sociales y económicas en los centros poblados
alrededor de las áreas de trabajo (Instituto Nacional de Recursos Naturales 2006).

79

En relación con los hidrocarburos, el 2 de mayo del 2006 el Gobierno suscribió contratos
de licencia de exploración y explotación de hidrocarburos en el lote 76 con la empresa
Hunt Oil Company of Perú L. L. C. El lote 76 está ubicado entre las provincias del Manu y
Tambopata del departamento de Madre de Dios, Paucartambo y Quispicanchis del
departamento del Cusco, y Carabaya del departamento de Puno, con una extensión de
1.434.059 hectáreas (Ver anexo 10).

Asimismo, en diciembre del 2005, el gobierno suscribió contratos de licencia de
exploración y explotación de hidrocarburos en los lotes 111 y 113 con la empresa Sapet
Development Perú Inc., filial de la empresa china National Oil and Gas Exploration
Development Corporation (CNODC). El lote 111 está ubicado entre las provincias de
Tahuamanu y Tambopata, y tiene una extensión de 1.516.324 hectáreas. El lote 113 está
ubicado entre las provincias de Tahuamanu, Tambopata y Manu, y se extiende por
1.231.353 hectáreas (Ver anexo 10).

Como se puede observar en el anexo 10, la extensión de los lotes 111, 113 y 76 abarca
4.181.736 hectáreas, que representan aproximadamente 50% de la superficie de la región
Madre de Dios. El lote 76 está superpuesto en gran parte del territorio de la Reserva
Comunal Amarakaeri. El área del lote 111 está superpuesta con la reserva territorial para
pueblos indígenas en aislamiento de Madre de Dios y concesiones forestales maderables,
mientras que el área del lote 113 está sobrepuesta con la Reserva Nacional Tambopata,
con tierras de comunidades nativas (Comunidad Nativa Bélgica, Comunidad Nativa Palma
Real, Comunidad Nativa Sonene), la ciudad de Puerto Maldonado, concesiones forestales
maderables, castañeras, ecoturísticas, de conservación y las áreas de predios agrícolas
existentes (Instituto Nacional de Recursos Naturales 2007).







80

CAPÍTULO III
MARCO METODOLÓGÍCO PARA LA ELABORACIÓN DE MAPAS
DE POBREZA

Para elaborar los mapas de pobreza urbano y rural para el departamento de Madre de
Dios, con enfoque no monetario, se utiliza la técnica del análisis factorial que explica en
términos de factores ocultos las variables originales de un determinado problema, en este
mismo contexto se construye los índices de pobreza que nos permiten medir la pobreza a
estos niveles reducidos de agregación geográfica, posteriormente se utiliza el análisis de
cluster para clasificar a los centros poblados con índices de pobreza homogéneos y a los
factores obtenidos mediante el análisis factorial en grupos homogéneos llamados
conglomerados (clusters), basados en el criterio de reducir lo más posible el número de
factores para una mejor explicación del problema.

La utilización del análisis factorial es dado a que se utilizó el criterio de los indicadores
antropométricos, aquel que engloba indicadores relacionados con las características de
los hogares, características de la población, características de las viviendas, localización
geográfica, educación, salud, PEA, entre otros. y al tener una gran cantidad de
indicadores y al ser un método de estimación directo que explica el problema de la
pobreza, se opta por la utilización de esta técnica estadística.

3.1 Aplicación de Entrevistas sobre Focalización del Gasto Público y Mapas de
Pobreza
La aplicación de las entrevistas estructuradas está enfocada a las personas vinculadas
laboralmente a las áreas de Planificación y Presupuesto, Administración y Desarrollo
Social de las tres municipalidades provinciales de Tambopata, Iñapari y Manu y de las
ocho municipalidades distritales de Inambari, Las Piedras, Laberinto, Tahuamanu, Iberia,
Fitzcarrald, Huepetuhe y Madre de Dios; con el objetivo de obtener información referente
a la utilización de mapas de pobreza como instrumentos de focalización del gasto público
y temas afines a la investigación como el planeamiento, ejecución, monitoreo,
identificación de beneficiarios de los programas sociales, entre otros.

81

3.2 Proceso de Selección de los Indicadores
Esta fase es una de las más importantes debido a que exige el conocimiento del marco
conceptual del fenómeno de estudio. En este sentido, para la variable dependiente se
privilegió a la pobreza y se debe identificar los posibles indicadores explicativos de la
pobreza, de este grupo de posibles indicadores para no perder alguno que contenga
información importante para la investigación se debe transformar mediante el logaritmo o
algún otro algoritmo necesario para evitar la pérdida de información.

La fuente de información a utilizar para la construcción de los indicadores empleados en
la presente investigación derivan del XI Censo de Población y VI de Vivienda 2007
32

realizado por el INEI.

Las variables que se consideraron en la investigación son tres: Información
Socioeconómica, Área Geográfica y Población.

Para la selección de los indicadores predictores del modelo se utilizaron algunos filtros:

a. Métodos Gráficos:
El método gráfico
33
univariante más simple para diagnosticar la normalidad es una
comprobación visual del Histograma que compare los valores de los datos observados
con una distribución normal, es uno de los instrumentos a aplicar en la investigación y
considerada como primera fase en el proceso de selección de los indicadores.

b. Contrastes de Hipótesis:
Como segunda fase en el proceso de selección de los indicadores se tiene a la primera
prueba de la Normalidad, primer filtro, para este supuesto fue el Test de Kolmogorov-
Smirnov
34
, la hipótesis nula que se pone a prueba es que los datos proceden de una
población con distribución normal frente a una alternativa de que no es así.

Posteriormente de la realización de la Prueba de Normalidad, se realizó el segundo filtro a
los indicadores que pasaron el filtro anterior, es decir, se aplicó la Prueba de

32
El XI Censo de Pobl aci ón y VI de Vi vienda 2007 se det all a en el acápi t e 1.8
33
Par a una mej or expl icaci ón véase el acápi t e 1.4
34
El t est de Kol mogor ov – Smi r nov es expl icado en el acápi t e 1.4.1
82

Homocedasticidad a través del Test de Levene (explicado en el acápite 1.4.2) para evitar
los problemas de Heterocedasticidad en los indicadores predictivos de la pobreza.

3.3 Modelación Econométrica
Realizado el proceso de selección de los indicadores predictores de la pobreza se pasó a
la modelación, para ello, se utiliza la técnica multivariante del Análisis Factorial
35
que
explica un conjunto de variables observables mediante un número reducido de variables
no observables llamadas factores.

3.3.1 Estimación de los Indicadores
Con la construcción de los posibles indicadores explicativos de la pobreza y la realización
de los filtros necesarios, se procede a la estimación de los indicadores aptos de ser
medidos, es decir, aquellos que pasan los filtros considerados en los acápites 1.4.1 y
1.4.2. Esta estimación se da para la construcción del modelo econométrico y de los
índices de pobreza que permitan explicar el problema de la pobreza y la elaboración de
los mapas de pobreza urbano y rural para el departamento de Madre de Dios,
respectivamente.

3.3.2 Criterios de Selección del Modelo
Cuando ya se han estimados los posibles indicadores explicativos de la pobreza, se
procede a la utilización de criterios que permitan la aproximación más cercana a la
realidad, de tal manera, se obtenga una mejor predicción de los índices de pobreza.

El criterio que se utiliza es respecto a la comunalidad
36
donde se considera a los
indicadores con comunalidad de 69 por ciento a más, esto permite que se obtengan un
índice de KMO significativo, la Prueba de Esfericidad de Bartlett se valide, una mayor
Varianza Total Explicada y el menor número de Factores explicativos del modelo.

3.3.3 Criterio de Interpretación de los Factores
Una vez determinado el número de factores a conservar, para interpretar su significado
se analiza la matriz de componentes rotados.


35
Descr i t o det al l adament e en el acápi t e 1.5.
36
Par a una r evi si ón de l a def ini ci ón sobr e Comunal idad, se det al l a en el acápi t e 1.5.3.
83

El proceso de rotación busca una estructura simple: variables que saturen, a ser posible,
en un único factor, y factores que contengan un número reducido de variables que saturen
inequívocamente y exclusivamente en ellos.

3.3.4 Construcción de los Índices de Pobreza
Una vez determinado el número de factores explicativos del modelo se procede a la
construcción del índice de pobreza para los 68 centros poblados del departamento de
Madre de Dios. Para esto se sigue la técnica de la Baremación del Test
37
donde se
considera el porcentaje de la varianza explicada de cada factor y el valor de cada factor
determinado en la estimación del modelo.

La Baremación del Test nos permite establecer los niveles de pobreza para cada centro
poblado, dado a que se estandariza los valores estimados para que tengan una media de
0 y una desviación típica de 1, el valor que alcance este índice se interpretará en adelante
como el “Índice de Pobreza”.

Donde valores cercanos a 0 indicarán que los centros poblados son menos pobres y no
representan un problema desde el punto de vista de la focalización para el gasto social,
en cambio cuando los valores son más elevados o están cercanos a 1, indican las zonas
más pobres y por tanto interesa para efectos de focalización y son los que de manera
prioritaria necesitan atención en la solución de diversos tipos de problemas, desde las
carencias en el acceso a los servicios básicos hasta el tema de la nutrición y alimentación,
así como la asignación de recursos financieros para la inversión social.

Teniendo al índice como:
1
i i
i
i
i
F
indice


=
=
¿
¿


3.3.4.1 Criterio para la Categorización de los Índices de Pobreza
Para la categorización de los centros poblados, según sus índices de pobreza, como
pobres extremos, pobres o no pobres se utiliza el criterio del SISFOH, que para el nivel

37
Par a pr of undi zar en el cont eni do r evi sar el acápi t e 1.6
84

rural los centros poblados que pertenecen a los quintiles I y II se consideran como pobres
extremos, los que pertenecen a los quintiles III y IV como pobres y los que pertenecen al
quintil V como no pobres; mientras que para el nivel urbano los centros poblados que
pertenecen al quintil I se consideran como pobres extremos, los que pertenecen al quintil
II son considerados como pobres y los que pertenecen a los quintiles III, IV y V son
considerados como no pobres. (Véase tabla 3.1).

Tabla 3.1
Criterio de Categorización del SISFOH
Rural Urbano
Qui nt i l I
Pobr es
Ext r emos
Qui nt i l I Pobr es Ext r emos
Qui nt i l II Qui nt i l II Pobr es
Qui nt i l III
Pobr es
Qui nt i l III
No Pobr es Qui nt i l IV Qui nt i l IV
Qui nt i l V No Pobr es Qui nt i l V
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia.

3.3.5 Elaboración del Dendrograma
El Dendrograma
38
en la presente investigación nos permite apreciar claramente las
relaciones de agrupación entre los factores o dimensiones de la pobreza en nuestra
investigación, utilizando para ello el Análisis de Conglomerados Jerárquico, esto
contribuye a una mejor precisión de las dimensiones de la pobreza para el departamento
de Madre de Dios. Posteriormente se debe de realizar el pintado de los rellenos de los
conglomerados con la finalidad de establecer una diferenciación entre las dimensiones de
la pobreza, donde se determinan dos dimensiones que agrupan a los factores que se
establecen al estimar el modelo de la investigación.









38
El Dendr ogr ama es expli cado a det all e en el acápi t e 1.7.1.
85

CAPÍTULO IV
ELABORACIÓN DE MAPAS DE POBREZA POR ANÁLISIS
FACTORIAL

4.1 Perfil de Conocimiento sobre Focalización del Gasto Público y Mapas de
Pobreza
Para obtener información referente a la utilización de mapas de pobreza como
instrumentos de focalización del gasto público y temas afines a la investigación como el
planeamiento, ejecución, monitoreo, identificación de beneficiarios de los programas
sociales, entre otros, se realizó una entrevista estructurada siguiendo un guión elaborado
para la obtención de datos que permitan describir la realidad respecto a los temas
tratados en la entrevista.

La realización de las entrevistas se ejecutó entre los meses de Febrero y Marzo del año
2011, teniendo como punto de partida
39
la provincia de Tambopata -municipalidades de
Tambopata, Inambari, Las Piedras y Laberinto-, seguidamente de la provincia de
Tahuamanu -municipalidades de Iñapari, Iberia y Tahuamanu- y finalmente de la provincia
de Manu -municipalidades de Manu, Fitzcarrald, Madre de Dios y Huepetuhe-.

El universo de la entrevista comprenden 66 personas (dos personas entrevistadas por
cada área de las municipalidades provinciales y distritales, teniendo como prioridad tres
áreas mencionadas en el acápite 3.1, que son afines a la investigación), obteniendo un
total de 6 personas entrevistadas por cada municipalidad, de las 11 municipalidades que
comprenden todo el departamento de Madre de Dios.

De la entrevista realizada a las instituciones públicas
40
y aplicadas en las municipalidades
del ámbito de estudio se obtuvo la siguiente información:

a. Mapas de Pobreza
En el gráfico N°4.1, se observa que un 82% de las personas que laboran en las áreas de
planeamiento y administración de las municipalidades provinciales y distritales del
departamento de Madre de Dios no están capacitadas en temas de focalización del gasto

39
El cr i t er i o ut i l izado f ue el de l a Accesi bil i dad Geogr áf ica a las munici pal i dades di st r i t al es y pr ovi nci al es del
depar t ament o de M adr e de Dios.
40
Par a mayor es det all es véase el acápit e 3.1.
86

público, identificándose una desactualización del personal en temas antes mencionados
que son importantes para reducir los problemas de filtración y subcobertura de los
programas sociales.

Gráfico 4.1
Capacitación en Focalización del Gasto Público






Fuente: Entrevista realizada
Elaboración Propia.

Los mapas de pobreza constituyen en la actualidad uno de los instrumentos más
importantes para la focalización del gasto destinado a la lucha contra la pobreza en
países en desarrollo, típicamente caracterizados por presentar severos problemas de
pobreza y limitaciones en el presupuesto disponible para combatirla. En este sentido, los
mapas de pobreza se constituyen en un instrumento de focalización de los programas
sociales que se vienen desarrollando en el país, permitiendo la asignación de recursos
según la priorización de distritos más pobres del país.

Gráfico 4.2
Utilización de Mapas de Pobreza






Fuente: Entrevista realizada
Elaboración Propia.



87

En el departamento de Madre de Dios la utilización de mapas de pobreza por parte de las
instituciones públicas para una correcta priorización del gasto social no llega a la tercera
parte (véase gráfico 4.2), identificándose debilidades en el criterio de una adecuada
priorización del gasto según los distritos más pobres.

b. Línea de Base
La línea de base o punto de referencia sobre el gasto social nos permite establecer la
situación inicial del escenario en que se va a implementar el gasto destinado a la lucha
contra la pobreza y el de servir como un punto de comparación para que en futuras
evaluaciones se pueda determinar qué tanto se ha logrado alcanzar los objetivos.

Gráfico 4.3
Línea de Base sobre el Gasto Social








Fuente: Entrevista realizada
Elaboración Propia.

En el gráfico 4.3 se puede observar que menos del 20 por ciento de las instituciones
públicas tienen elaborados una línea de base del gasto social que les permita determinar
qué tanto han logrado sus objetivos sobre la lucha contra la pobreza para un periodo de
tiempo determinado.

c. Gestión
La planificación es un proceso de toma de decisiones para alcanzar un futuro deseado,
teniendo en cuenta la situación actual y los factores internos y externos que pueden influir
en el logro de los objetivos. En este contexto, la planificación es un proceso metódico
importante para obtener los objetivos establecidos en la lucha contra la pobreza.

88

Gráfico 4.4
Planeamiento del Gasto Social







Fuente: Entrevista realizada
Elaboración Propia.


En el departamento de Madre de Dios, como puede observarse en el gráfico 4.4, menos
de un 10 por ciento realiza un planeamiento estratégico, encontrándose como dominador
al planeamiento operativo que formula planes a corto plazo sobre cómo va a realizarse las
actividades, metas y objetivos del gasto social, mas no así proyecta un contexto sobre la
situación lucha largo plazo que es muy importante para determinar si ha sido eficiente el
gasto social de acuerdo a los objetivos estratégicos planteados.

d. Presupuesto
Dentro del Programa de Asistencia Social, el programa social más representativos a
competencia de las municipalidades distritales es el Programa de Vaso de Leche y de las
municipalidades provinciales es el Programa de Complementación Alimentaria. Para el
año 2010 los distritos de Fitzcarrald, Tahuamanu y Huepetuhe tuvieron un avance menor
del 90% de su presupuesto para el programa de vaso de leche, mientras que los demás
distritos ejecutaron financieramente al 100% su presupuesto (véase Tabla 4.1).









89

Tabla 4.1
Presupuesto del Programa de Vaso de Leche, año 2010
M unicipalidad PI A PI M
Ejecución Avance
%
Compromiso Devengado Girado
M uni ci pal i dad Pr ovi nci al de Tambopat a

511,603.00

518,528.00

491,111.00

491,111.00

491,101.00 94.7%
M uni ci pal i dad Pr ovi nci al de M anu

79,869.00

79,869.00

79,869.00

79,869.00

79,869.00 100.0%
M uni ci pal i dad Pr ovi nci al de Tahuamanu - Iñapar i

24,494.00

20,994.00

20,994.00

20,994.00

19,252.00 100.0%
M uni ci pal i dad Di st r i t al de Inambar i

125,455.00

125,455.00

125,448.00

125,448.00

125,448.00 100.0%
M uni ci pal i dad Di st r i t al de Fi t zcar r al d

17,560.00

27,560.00

17,556.00

17,556.00

17,556.00 63.7%
M uni ci pal i dad Di st r i t al de Iber i a

64,742.00

64,742.00

64,742.00

64,742.00

64,742.00 100.0%
M uni ci pal i dad Di st r i t al de Las Pi edr as

81,480.00

81,480.00

81,480.00

81,480.00

81,480.00 100.0%
M uni ci pal i dad Di st r i t al de M adr e de Di os

254,495.00

254,495.00

254,495.00

254,495.00

254,495.00 100.0%
M uni ci pal i dad Di st r i t al de Tahuamanu

37,292.00

36,792.00

36,792.00

36,792.00

36,792.00 86.1%
M uni ci pal i dad Di st r i t al de Laber i nt o

86,575.00

93,706.00

92,705.00

92,705.00

92,705.00 98.9%
M uni ci pal i dad Di st r i t al de Huepet uhe

77,927.00

77,927.00

68,580.00

68,580.00

68,580.00 88.0%
Fuente: Municipalidades provinciales y distritales del departamento de Madre de Dios.
Elaboración Propia.


La municipalidad que mejor ejecutó financieramente su presupuesto del programa de
complementación alimentaria fue la Municipalidad Provincial de Tahuamanu – Iñapari, que
llegó casi a un 95% de avance, por el contrario, la que menos ejecutó financieramente su
presupuesto fue la Municipalidad Provincial del Manu que bordea el 70% de avance y en
tanto, la Municipalidad Provincial de Tambopata no llega al 80% de avance de su
presupuesto. Para un mejor análisis, observar la Tabla 4.2.

Tabla 4.2
Presupuesto del Programa de Complementación Alimentaria, 2010
M unicipalidad PI A PI M
Ejecución Avance
%
Compromiso Devengado Girado
M uni ci pal i dad Pr ovi nci al de Tambopat a

132,349.00

202,864.00

157,092.00

157,092.00

157,092.00 77.4%
M uni ci pal i dad Pr ovi nci al de M anu

143,385.00

207,051.00

144,607.00

144,607.00

144,607.00 69.8%
M uni ci pal i dad Pr ovi nci al de Tahuamanu - Iñapar i

9,562.00

38,710.00

36,389.00

36,389.00

36,389.00 94.0%
Fuente: Municipalidades provinciales y distritales del departamento de Madre de Dios.
Elaboración Propia.

90

e. Beneficiarios
Las fallas de focalización observadas en los programas sociales se deben a la utilización
de diversas estrategias no eficientes para determinar la elegibilidad de sus beneficiarios.
Esto último se ve reflejado en las altas tasas de filtración de personas que no forman
parte de la población objetivo y las altas tasas de exclusión de personas que, formando
parte de dicha población objetivo, no acceden a los beneficios otorgados por los
programas sociales.

Por consiguiente, el Sistema de Focalización de Hogares (SISFOH) viene implementando
mecanismos para mejorar la identificación de los hogares potencialmente beneficiarios
(elegibles) para los programas sociales.

Gráfico 4.5
Identificación de Beneficiarios







Fuente: Entrevista realizada
Elaboración Propia.

En este contexto, como puede observarse en el gráfico 4.5 la identificación y selección de
los beneficiarios de los programas sociales se da por Empadronamiento con un 73% y el
realizado por el SISFOH que estima a un 27%. Esto refleja que más de las dos terceras
partes de los beneficiarios están seleccionados por medio de un padrón que identifica y
selecciona si un hogar debe ser considerado dentro de un programa social y la
autofocalización que ésta genera. Lo cual da a la interpretación de estrategias no
eficientes para la selección de los beneficiarios y el incremento de los problemas de
filtración y subcobertura en estos programas sociales.




91

f. Barreras o Dificultades
En la entrevista realizada se tomó como importante el tema de las barreras o dificultades
respecto al Gasto Social que reducen la ganancia de eficiencia, para lo cual se tuvo los
siguientes resultados representados en el gráfico 4.6.

Gráfico 4.6
Barreras o Dificultades en el Gasto Social






Fuente: Entrevista realizada
Elaboración Propia.

Las instituciones públicas entrevistadas dieron como resultado que la accesibilidad
geográfica es la mayor barrera o dificultad en el gasto social que no permite ganar
eficiencia en el gasto destinado a la lucha contra la pobreza. La segunda mayor barrera
fue la focalización, las inadecuadas estrategias de focalización y la predominancia de la
focalización por padrones y autofocalización (véase gráfico 4.6) que incrementan los
problemas de filtración y subcobertura. El monitoreo de los programas sociales es
considerado como tercera barrera ya que al no realizarse o al realizarse inadecuadamente
no contribuye a una optimización del gasto social.

Los altos costos administrativos de los programas sociales son considerados por las
instituciones públicas entrevistadas como la cuarta barrera o dificultad del gasto social con
un 15% del total de entrevistados y por último la limitación presupuestaria del gasto
destinado a la lucha contra la pobreza es considerada como barrera o dificultad del gasto
social representando un 9% del total.



92

4.2 Elaboración de Mapas de Pobreza por Análisis Factorial
Para la elaboración de los Mapas de Pobreza Urbano y Rural para el departamento de
Madre de Dios se empleó el Análisis Factorial (ver acápite 1.5) que es una técnica de
reducción de datos que sirve para encontrar grupos homogéneos de variables a partir de
un conjunto numeroso de variables. Por tanto, se buscó el número mínimo de
dimensiones capaces de explicar el máximo de información contenida en los datos.

4.2.1 Resultados del Proceso de Selección de Indicadores
a. Como resultados más resaltantes del análisis gráfico aplicado a los indicadores a
través del histograma tenemos:
Gráfico 4.7
Porcentaje de Hogares que Utilizan Electricidad como Energía para Cocinar




















Fuente: Censo de Población y Vivienda 2007
Elaboración Propia.

En el gráfico 4.7 se puede observar que los datos del indicador evaluado mediante un
gráfico de histograma no presenta una distribución normal, visualizándose una moda
diferenciada de valor cero y una curva de asimetría positiva. En este sentido, mediante el
gráfico de histogramas se puede determinar que el indicador no cumple el supuesto de la
normalidad.
93

Gráfico 4.7
Porcentaje de las Personas que No Pertenecen a la PEA
F
u
e
n
t
e
:

C
e
n
s
o

d
e

P
o
b
l
a
c
i
ó
n

y

V
i
v
i
e
n
d
a

2007
Elaboración Propia

Evaluando gráficamente el indicador del “porcentaje de las personas que no pertenecen a
la PEA” se determina que podría tener una distribución normal y podría considerarse en la
investigación. (Véase gráfico 4.7).









94

Gráfico 4.8
Logaritmo del Porcentaje de Personas Mayores de 18 años que No Tienen DNI
























Fuente: Censo de Población y Vivienda 2007
Elaboración Propia

Realizando una evaluación mediante el gráfico de histogramas con curva normal, podría
determinar que el indicador “Logaritmo del porcentaje de personas mayores de 18 años
de edad que no tienen DNI” (véase gráfico 4.8) sus datos se encuentran distribuidos
normalmente, diferenciándose una moda cercana al valor 0,8. Por consiguiente, se
consideraría en la investigación.






95

Por otro lado, también se realizó un análisis gráfico en el paquete estadístico MINITAB,
para un mejor análisis de los indicadores, teniendo algunos resultados como el
“Porcentaje de hogares sin ningún servicio de TIC”. (Ver gráfico 3.4).

Gráfico 4.9
Porcentaje de Hogares Sin Ningún Servicio de TIC
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia.

En el gráfico 4.9 se puede observar que los datos se ajustan la curva de la normal, por
consiguiente podría considerarse el indicador en la investigación.






96

Gráfico 4.10
Porcentaje de Hogares que Sólo Tienen Lavadora
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia.

El análisis gráfico realizado para el indicador “porcentaje de hogares que sólo tienen
lavadora” se observa un sesgo hacia el valor cero y un caso atípico de valor cercano a
1.6, por lo que no sería considerado el indicador en la investigación. (Véase gráfico 4.10).

b. Como resultados más resaltantes del contraste de hipótesis aplicado a los indicadores
a través de las pruebas de Normalidad y Homocedasticidad, tenemos:

Los indicadores que pasaron el filtro del Test de Kolmogorov fueron 40 de un total de 120
posibles indicadores predictores del modelo, a esto se transformaron 10 indicadores con
logaritmo para alcanzar la normalidad de estos indicadores y no perder información en la
investigación, teniendo un global de 50 indicadores con datos distribuidos normalmente.
(Véase tabla 4.3).

97

Tabla 4.3
Resultados del Test de Kolmogorov - Smirnov
Prueba de Kolmogorov – Smirnov
I ndicador Sig. Asint ó t . (bilat eral)
% de hogares que utilizan gas como energía para cocinar .129
% de hogares que utilizan carbón como energía para cocinar .097
% de hogares que utilizan leña como energía para cocinar .375
% de hogares que solo tienen radio .290
% de hogares que solo tiene tv a color .122
% de hogares que tienen radio y tv a color .823
% de hogares que tienen radio, tv a color y equipo de sonido .069
% de hogares que tienen radio, tv a color y refrigeradora .132
% de hogares que tienen radio, tv a color, equipo de sonido y refrigeradora .120
% de hogares sin ningún miembro con discapacidad o limitación .222
% de PEA ocupada .783
% de No PEA .577
% de PEA ocupada realizando actividades de Agricult. Ganadería, Caza y Silvicultura .161
% de PEA ocupada realizando actividades de Comercio por Mayor y Menor .292
% de PEA ocupada realizando actividades de Hoteles y Restaurantes .683
% de PEA ocupada realizando actividades de Transportes y Comunicaciones .172
% de PEA ocupada realizando Otras Actividades .289
tasa de asistencia de personas de 12 a más años de edad a algún colegio, instituto o universidad .451
tasa de inasistencia de personas de 12 a más años de edad a algún colegio, instituto o universidad .451
% de personas de 0 a 14 años de edad .548
% de personas de 15 a 64 años de edad .492
% de personas de 65 a + años de edad .066
razón de dependencia demográfica .976
% de PEA ocupada que se desempeña como Asalariados .737
% de PEA ocupada que se desempeña como Trabajador Independiente .882
% de personas que No vivían hace 5 años en este distrito .281
% de personas que aprendieron a hablar en Lengua Nativa .314
% de personas sin seguro de salud .310
% de varones .114
% de mujeres .114
% de personas con nivel primario .949
% de personas con nivel secundario .472
% de personas con nivel no universitario incompleto .604
% de personas con nivel no universitario completo .071
tasa de analfabetismo .269
% de viviendas con acceso a agua por río, acequia, manantial o similar .221
% de viviendas que No tienen alumbrado eléctrico .716
% de viviendas con piso de tierra .141
% de viviendas con piso de madera .551
% de viviendas con acceso a servicios higiénicos por pozo ciego o letrina .141
log_lee_esc_no .646
log_tic_no .401
log_pers_extrj .455
log_pea_11a50 .398
log_pared_mad .648
log_pea_d .236
log_dni_no .969
log_partida_no .674
log_stud_no .756
log_area_r .781
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia.



98

Dentro de los indicadores transformados a logaritmo tenemos a:
- % de personas de 3 a más años de edad que no saben leer y escribir.
- % de hogares sin ningún tipo de servicio de tecnología de información y comunicación.
- % de personas en este hogar que viven en otro país.
- % de PEA ocupada de 11 a 50 trabajadores en la empresa.
- % de viviendas con paredes de madera.
- % de PEA desocupada.
- % de personas de 18 a más años de edad que No tienen DNI.
- % de personas que No tienen Partida de Nacimiento.
- % de personas sin nivel de estudios.
- % de hogares que viven en áreas rurales.

Posteriormente de haber realizado el filtro de la normalidad mediante es test de
Kolmogorov – Smirnov para determinar si los datos presentan una distribución normal se
realizó el estudio de la Homocedasticidad, que es una hipótesis muy habitual en algunas
técnicas estadísticas como el Análisis de la Varianza, el Análisis Discriminante y el
Análisis de Regresión.

La hipótesis se refiere a suponer la igualdad de varianzas de las variables dependientes
en diversos grupos formados por los distintos valores de las variables independientes. Si
dicha hipótesis no se verifica puede alterar la potencia y el nivel de significación de los
contrastes utilizados por dichas técnicas y de ahí el interés de analizar si se verifica o no
y, en este último caso, poner los remedios oportunos.

En la tabla 4.4 se muestran los resultados obtenidos al analizar las posibles variables
predictoras de la pobreza, donde todas las variables pasan el Test de Levene (explicado
en el acápite 1.4.2), por lo que se resuelve el problema de la Heterocedasticidad de la
misma.




99

Tabla 4.4
Resultados del Test de Levene
Prueba de homogeneidad de varianzas

Est adíst i co
de Levene gl 1 gl 2 Si g.
% de hogar es que ut i l i zan gas como ener gía par a coci nar .219 4 49 .600
% de hogar es que ut i l i zan car bón como ener gía par a coci nar .848 4 49 .514
% de hogar es que ut i l i zan l eña como ener gía par a coci nar .341 4 49 .439
% de hogar es que sol o t i enen r adi o .495 4 49 .072
% de hogar es que sol o t i ene t v a col or .114 4 49 .090
% de hogar es que t i enen r adi o y t v a col or .239 4 49 .190
% de hogar es que t i enen r adi o, t v a col or y equi po de soni do .569 4 49 .163
% de hogar es que t i enen r adi o, t v a col or y r ef r i ger ador a .463 4 49 .324
% de hogar es que t i enen r adi o, t v a col or , equi po de soni do y r ef r i ger ador a .529 4 49 .435
% de hogar es si n ni ngún mi embr o con di scapaci dad o l i mi t aci ón .719 4 49 .107
% de PEA ocupada .468 4 49 .147
% de No PEA .744 4 49 .207
% de PEA ocupada r eal i zando act i vi dades de Agr i cul t . Ganader ía, Caza y Si l vi cul t ur a .598 4 49 .104
% de PEA ocupada r eal i zando act i vi dades de Comer ci o por M ayor y M enor .182 4 49 .341
% de PEA ocupada r eal i zando act i vi dades de Hot el es y Rest aur ant es .270 4 49 .761
% de PEA ocupada r eal i zando act i vi dades de Tr anspor t es y Comuni caci ones .582 4 49 .650
% de PEA ocupada r eal i zando Ot r as Act i vi dades .433 4 49 .342
t asa de asi st enci a de per sonas de 12 a más años de edad a al gún col egi o, i nst i t ut o o uni ver si dad .213 4 49 .431
t asa de i nasi st enci a de per sonas de 12 a más años de edad a al gún col egi o, i nst i t ut o o uni ver si dad .210 4 49 .567
% de per sonas de 0 a 14 años de edad .339 4 49 .498
% de per sonas de 15 a 64 años de edad .450 4 49 .561
% de per sonas de 65 a + años de edad .693 4 49 .709
r azón de dependenci a demogr áf i ca .783 4 49 .230
% de PEA ocupada que se desempeña como Asal ar i ados .659 4 49 .129
% de PEA ocupada que se desempeña como Tr abaj ador Independi ent e .687 4 49 .067
% de per sonas que No vi vían hace 5 años en est e di st r i t o .772 4 49 .821
% de per sonas que apr endi er on a habl ar en Lengua Nat i va .272 4 49 .098
% de per sonas si n segur o de sal ud .122 4 49 .076
% de var ones .167 4 49 .127
% de muj er es .167 4 49 .238
% de per sonas con ni vel pr i mar i o .550 4 49 .347
% de per sonas con ni vel secundar i o .888 4 49 .231
% de per sonas con ni vel no uni ver si t ar i o i ncompl et o .122 4 49 .437
% de per sonas con ni vel no uni ver si t ar i o compl et o .174 4 49 .532
t asa de anal f abet i smo .897 4 49 .057
% de vi vi endas con acceso a agua por r ío, acequi a, manant i al o si mi l ar .771 4 49 .322
% de vi vi endas que No t i enen al umbr ado el éct r i co .943 4 49 .112
% de vi vi endas con pi so de t i er r a .103 4 49 .098
% de vi vi endas con pi so de mader a .361 4 49 .076
% de vi vi endas con acceso a ser vi ci os hi gi éni cos por pozo ci ego o l et r i na .841 4 49 .129
l og_l ee_esc_no .556 4 49 .203
l og_t i c_no .118 4 49 .407
l og_per s_ext r j .819 4 49 .321
l og_pea_11a50 .699 4 49 .201
l og_par ed_mad .160 4 49 .117
l og_pea_d .658 4 49 .119
l og_dni _no .935 4 49 .139
l og_par t i da_no .311 4 49 .439
l og_st ud_no .494 4 49 .554
l og_ar ea_r .535 4 49 .711
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia.

Luego de la elaboración de los posibles indicadores explicativos o predictivos de la
pobreza, se realizó un primer filtro donde se verificó si los datos de los indicadores se
distribuyen normalmente, en este caso se aplicó el Test de Kolmogorov – Smirnov
100

(explicado en el acápite 1.4.1). Al realizar este Test, se transformó a diez indicadores en
Logaritmos para que puedan alcanzar la normalidad de sus datos, de acuerdo a fines de
la investigación.

4.2.2 Resultados de la Estimación de los Indicadores
De acuerdo con la estimación realizada, la matriz de correlaciones
41
se encontraba como
“La matriz no es definida como positiva”
42
, determinándose que tenían que realizarse
ajustes al modelo para que la matriz sea definida como positiva y se obtengan el índice de
KMO y la Prueba de Esfericidad de Bartlett que son los que validan el modelo
econométrico de la investigación.

Tabla 4.5
Comparación de los Coeficientes de las Matrices de los Indicadores de
Porcentaje de Varones y Porcentaje de Mujeres
% de var ones % de muj er es
M at riz de
Component es
M at riz de Component es
Rot ados
M at riz de
Component es
M at riz de Component es
Rot ados
-.804 -.825 .804 .825
-.330 -.332 .330 .332
-.206 -.028 .206 .028
-.148 .000 .148 .000
-.013 -.025 .013 .025
-.040 .138 .040 -.138
.099 -.053 -.099 .053
.052 .042 -.052 -.042
-.073 .071 .073 -.071
.100 -.161 -.100 .161
.014 .045 -.014 -.045
-.002 -.018 .002 .018
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia.

En el análisis respectivo de los indicadores que generaban una matriz definida no positiva
se encuentran los relacionados al sexo de las personas y a la asistencia de las personas
de 12 a más años de edad a un centro de estudios, como pueden observarse en las
Tablas 4.5 y 4.6.


41
La mat r iz de cor r el aci ones est á expl i cada en el acápit e 1.5.4
42
Una de l as pr opi edades de l as mat r ices es que t oda mat r i z def i ni da posi t i va es i nver t ibl e (su det er mi nant e
es posi t i vo), y su i nver sa es def i ni da posi t i va. Respect o a est a pr opi edad se concluye que l a mat r iz no puede
ser inver t i bl e y por t ant o, que no puede est i mar se l a mat r iz de cor r el aci ón.
101

En este sentido se decidió realizar cuatro estimaciones para analizar qué indicadores
generan el índice de KMO y la Prueba de Esfericidad de Bartlett; como resultado se
obtuvo que los indicadores de sexo varones y tasa de inasistencia a un centro de estudios
son las que mejor explican el modelo.

Tabla 4.6
Comparación de los Coeficientes de las Matrices de los Indicadores de Tasa de
asistencia a un centro de estudios y Tasa de inasistencia a un centro de estudios
Tasa de asist encia a un Cent r o de Est udios Tasa de inasist encia a un Cent r o de Est udios
M at riz de
Component es
M at riz de Component es
Rot ados
M at riz de
Component es
M at riz de Component es
Rot ados
.856 .850 -.856 -.850
.320 .156 -.320 -.156
-.089 -.301 .089 .301
-.181 .070 .181 -.070
-.080 .070 .080 -.070
-.071 .046 .071 -.046
.007 .096 -.007 -.096
.023 -.124 -.023 .124
.111 -.052 -.111 .052
.008 -.073 -.008 .073
.041 -.156 -.041 .156
-.069 .023 .069 -.023
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia.

Con el descarte de dos indicadores se obtuvo un total de 48 indicadores para la
estimación del modelo que permita la construcción de los mapas de pobreza urbano y
rural para el departamento de Madre de Dios, mediante la técnica de reducción de
dimensiones o análisis factorial.

Una vez hecho las correcciones, se prosiguió a la estimación de los parámetros para la
modelación respectiva, donde se determinaron los factores que explican el problema de la
pobreza para el departamento de Madre de Dios y los que permitirán la construcción de
los índices de pobreza mediante la Baremación del Test
43
.




43
La Bar emaci ón del Test est á expli cada en el acápi t e 2.6.
102

4.2.3 Resultados del Criterio de Selección del Modelo
Se tienen los resultados referentes al criterio de la comunalidad aplicado en la presente
investigación:
En la tabla 4.7 se observa que los indicadores tienen como comunalidad mínima el valor
de 0.690 (69%), por consiguiente los indicadores que aparecen en la tabla son los que
nos interesan en el estudio.

Tabla 4.7
Comunalidades con Valores Significativos
Comunalidades
I nicial Ext racción
% de hogar es que ut i l i zan gas como ener gía par a coci nar 1.000 .802
% de hogar es que sol o t i enen r adi o 1.000 .740
% de No PEA 1.000 .872
% de PEA ocupada r eal i zando act i vi dades de Agr i cul t . Ganader ía, Caza y Si l vi cul t ur a 1.000 .845
% de PEA ocupada r eal i zando act i vi dades de Comer ci o por M ayor y M enor 1.000 .849
t asa de i nasi st enci a de per sonas de 12 a más años de edad a al gún col egi o o si mi l ar es 1.000 .845
% de PEA ocupada que se desempeña como Asal ar i ados 1.000 .865
% de per sonas que No vi vían hace 5 años en est e di st r i t o 1.000 .794
% de per sonas que apr endi er on a habl ar en Lengua Nat i va 1.000 .798
% de per sonas si n segur o de sal ud 1.000 .784
% de var ones 1.000 .838
% de per sonas de 0 a 14 años de edad 1.000 .953
% de per sonas de 15 a 64 años de edad 1.000 .957
r azón de dependenci a demogr áf i ca 1.000 .926
% de per sonas con ni vel secundar i o 1.000 .727
t asa de anal f abet i smo 1.000 .719
% de vi vi endas con acceso a agua por r ío, acequi a, manant i al o si mi l ar 1.000 .733
% de vi vi endas que No t i enen al umbr ado el éct r i co 1.000 .690
% de vi vi endas con pi so de t i er r a 1.000 .761
% de vi vi endas con acceso a ser vi ci os hi gi éni cos por pozo ci ego o l et r i na 1.000 .721
l og de per sonas de 3 a más años que no l een ni escr i ben 1.000 .791
l og de per sonas que no t i enen TIC' s 1.000 .864
l og de pea t r abaj ando en empr esas de 11 a 50 t r abaj ador es 1.000 .837
l og de vi vi endas con par edes de mader a 1.000 .718
l og de per sonas si n DNI 1.000 .758
l og de per sonas si n ni vel de est udi os 1.000 .800
l og de hogar es en ár eas r ur al es 1.000 .712
M ét odo de ext r acci ón: Anál i si s de Component es Pr i nci pal es

Fuente: Censo de Población y Vivienda 2007
Elaboración Propia.

Los indicadores que están explicadas en mayor proporción por el análisis factorial son: el
Grupo de personas de 15 a 64 años de edad con un 0.957, grupo de personas de 0 a 14
años de edad con 0.953 y la razón de dependencia demográfica con 0.926. Mientras que
103

el indicador que menor información aporto al modelo es: viviendas sin alumbrado eléctrico
con un 0.690. (Véase tabla 4.7).

Para determinar si el modelo es el que se aproxima más a la realidad, se utilizó el criterio
de esfericidad de Bartlett y el índice de idoneidad de Kaiser-Meyer-Olkin. La misma que
se muestra en la tabla 4.8.

Tabla 4.8
Índice de KMO y Prueba de Esfericidad de Bartlett
KMO y prueba de Bartlett
Medida de adecuación muestral de Kaiser-Meyer-Olkin. ,800
Prueba de esfericidad de
Bartlett
Chi-cuadrado aproximado 1500,720
gl 351
Sig. ,000
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia.

En la tabla 3.6 se tiene un buen Índice de KMO de 80% y que se valida el modelo al
encontrarse por debajo del nivel de significancia del 5% la Prueba de Esfericidad de
Bartlett.

4.2.4 Denominación y Contenido Específico de cada Factor
En la presente investigación, se estudió la composición de las saturaciones factoriales
y, de acuerdo a ellas, se asignó un nombre a las dimensiones de la pobreza identificadas;
la denominación y el contenido específico de cada factor son dependientes del valor de
las saturaciones de los indicadores y variable respecto a su valor para cada factor.

Con todo, las variables que comparten información con varios factores, si existen,
entorpecerán el proceso de rotación y, en lugar de obtener una única saturación elevada
en un único factor, tenderán a mostrar saturaciones moderadas en varios factores.

Un evidente caso se comprueba en la tabla 4.9, en parte, con las variables “PEA ocupada
realizando actividades de Agricultura, Ganadería, Caza y Silvicultura”, “Tasa de
inasistencia de personas de 12 a más años de edad a algún colegio o similares”, entre
otros.)
104

Tabla 4.9
Matriz de Componentes Rotados

Component e
1 2 3 4 5 6 7 8
% de hogar es que ut i l i zan gas como ener gía par a coci nar .011 -.684 -.331 -.031 -.151 -.117 .193 -.042
% de hogar es que sol o t i enen r adi o .155 -.678 -.089 -.313 -.115 .058 .210 .301
% de No PEA -.895 -.098 -.173 -.092 -.030 .112 -.084 -.034
% de PEA ocupada r eal i zando act i vi dades de Agr i cul t . Ganader ía,
Caza y Si l vi cul t ur a
-.597 .762 -.048 -.094 -.210 .025 .005 -.086
% de PEA ocupada r eal i zando act i vi dades de Comer ci o por M ayor y
M enor
.006 -.756 .079 -.176 .099 .286 .385 .005
t asa de i nasi st enci a de per sonas de 12 a más años de edad a al gún
col egi o o si mi l ar es
.761 .202 .447 .107 .088 -.054 -.053 .030
% de PEA ocupada que se desempeña como Asal ar i ados .580 -.051 -.016 -.697 .170 -.071 -.044 -.064
% de per sonas que No vi vían hace 5 años en est e di st r i t o .720 -.167 .080 .436 .090 -.001 .207 -.030
% de per sonas que apr endi er on a habl ar en Lengua Nat i va -.201 .158 .218 .390 .722 -.371 -.090 -.021
% de per sonas si n segur o de sal ud .338 -.070 .721 .028 .331 .079 .157 -.055
% de var ones .779 .346 .076 .163 -.005 -.273 -.045 .055
% de per sonas de 0 a 14 años de edad -.875 -.094 -.143 -.042 .036 .088 -.006 -.010
% de per sonas de 15 a 64 años de edad .854 -.006 .150 .105 .042 -.095 -.008 -.044
r azón de dependenci a demogr áf i ca -.849 .040 -.097 -.056 .045 .004 -.064 .071
% de per sonas con ni vel secundar i o .594 -.221 .196 .174 .078 .459 -.175 .099
t asa de anal f abet i smo .105 -.072 .113 -.109 .807 .161 -.020 -.017
% de vi vi endas con acceso a agua por r ío, acequi a, manant i al o
si mi l ar
.020 .558 .104 .117 .373 -.052 .170 -.476
% de vi vi endas que No t i enen al umbr ado el éct r i co .108 .146 .658 -.234 -.373 -.147 .042 -.083
% de vi vi endas con pi so de t i er r a .278 .033 .612 -.014 .034 .064 -.538 .118
% de vi vi endas con acceso a ser vi ci os hi gi éni cos por pozo ci ego o
l et r i na
-.131 .476 -.292 -.143 -.373 .471 .098 .022
l og de per sonas de 3 a más años que no l een ni escr i ben .915 .231 .156 .160 .023 -.056 -.104 -.091
l og de per sonas que no t i enen TIC' s .040 .095 -.029 -.013 .018 .028 .112 .916
l og de pea t r abaj ando en empr esas de 11 a 50 t r abaj ador es .161 .004 .023 .898 -.054 .027 .023 -.011
l og de vi vi endas con par edes de mader a -.241 .013 .034 .004 .095 -.804 .046 .024
l og de per sonas si n DNI -.058 .022 .842 .236 .377 .033 .056 -.048
l og de per sonas si n ni vel de est udi os .941 .366 .220 -.014 .087 -.059 .026 -.080
l og de hogar es en ár eas r ur al es .174 -.095 .096 .020 -.036 .050 .803 .122
M ét odo de ext r acci ón: Anál i si s de Component es Pr i nci pal es
M ét odo de r ot aci ón: Nor mal i zaci ón Var i max con Kai ser
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia.

Después de un análisis de la matriz de componentes rotados, se diferencian las
siguientes dimensiones o factores:



105

FACTOR 1 (31,985% de la varianza total): Nivel de Estudios.
Recoge los aspectos: población sin nivel de estudios con 0.941, población de 3 a más
años de edad que no sabe leer ni escribir con 0.915, población de 0 a 14 años de edad en
un -0.875, población de 15 a 64 años de edad con un 0.854 y razón de dependencia con
un -0.844.

FACTOR 2 (12,918% de la varianza total): Actividades Económicas
El segundo factor pondera mayormente a los factores: PEA ocupada realizando
actividades de Agricultura, Pesca, Caza y Silvicultura con 0.762, PEA ocupada realizando
actividades de comercio al por mayor y menor con un -0.756, hogares que utilizan gas
como energía para cocinar con -0.684, hogares que solo tienen radio con -0.678 y
viviendas con acceso a agua por río, acequia o similares con un 0.558.

FACTOR 3 (10,556% de la varianza total): Identidad.
El tercer factor pondera mayormente a los factores: Personas mayores de 18 años de
edad sin DNI con un 0.842, personas sin seguro de salud con un 0.721, viviendas que no
tienen alumbrado eléctrico en un 0.658 y viviendas con tipo de piso de tierra con 0.612.

FACTOR 4 (7,161% de la varianza total): Capital Humano.
El cuarto factor pondera mayormente a los factores: PEA trabajando en empresas de 11 a
50 trabajadores con un 0.898 y PEA ocupada que se desempeña como Asalariados en un
-0.697.

FACTOR 5 (5,291% de la varianza total): Educación Bilingüe Intercultural.
El quinto factor pondera mayormente a los factores: Analfabetismo con un 0.807 y Lengua
Nativa con un 0.722.

FACTOR 6 (4,594% de la varianza total): Infraestructura
El sexto factor pondera mayormente al factor: viviendas con paredes de madera con un
-0.804.

FACTOR 7 (4,061 de la varianza total): Localización.
El sétimo factor pondera mayormente al factor: hogares en áreas rurales con un 0.803.

106

FACTOR 8 (3,804% de la varianza total): Tecnologías de Información y Comunicación.
El cuarto factor pondera mayormente al factor: personas sin tecnologías de información y
comunicación con un 0.916.

En resumen.
El factor 1 está referido a nivel de estudios.
El factor 2 está referido a actividades económicas.
El factor 3 está referido a identidad.
El factor 4 está referido a capital humano
El factor 5 está referido a educación bilingüe intercultural.
El factor 6 está referido a infraestructura.
El factor 7 está referido a localización.
El factor 8 está referido a tecnologías de información y comunicación.

La pobreza se asocia en un 31.985% a los niveles de educación seguido de las
actividades económicas con un 12.918%, a la identidad con un 10.556%, al capital
humano con un 7.161%, a la educación bilingüe intercultural con un 5.291%, a la
infraestructura con 4.594%, a la localización con 4.061% y finalmente a las tecnologías de
información y comunicación con un 3.804%.

4.2.5 Análisis de los Índices de Pobreza
Siguiendo la metodología para la construcción de los índices de pobreza detallada en el
capítulo anterior, se estimó el valor de los factores determinados por el modelo para
utilizar la Baremación del Test, que permita la elaboración de los índices de pobreza en
los 68 centros poblados en el departamento de Madre de Dios.

Donde los Factores se estiman mediante:

i i
F e X =



27 26 25 24 23 22 21 20 19
18 17 16 15 14 13 12 11 10
9 8 7 6 5 4 3 2 1 1 1
174 . 0 774 . 0 058 . 0 241 . 0 161 . 0 040 . 0 815 . 0 131 . 0 278 . 0
108 . 0 020 . 0 105 . 0 594 . 0 949 . 0 954 . 0 955 . 0 779 . 0 338 . 0
201 . 0 720 . 0 580 . 0 761 . 0 006 . 0 597 . 0 895 . 0 155 . 0 011 . 0
X X X X X X X X X
X X X X X X X X X
X X X X X X X X X X e F
+ ÷ ÷ ÷ + + ÷ ÷ +
+ + + + ÷ + ÷ + +
÷ + + + + ÷ ÷ + = =


107

27 26 25 24 23 22 21 20 19
18 17 16 15 14 13 12 11 10
9 8 7 6 5 4 3 2 1 2 2
095 . 0 366 . 0 022 . 0 013 . 0 004 . 0 095 . 0 231 . 0 476 . 0 033 . 0
146 . 0 558 . 0 072 . 0 221 . 0 040 . 0 006 . 0 094 . 0 346 . 0 070 . 0
158 . 0 167 . 0 051 . 0 202 . 0 756 . 0 652 . 0 098 . 0 678 . 0 784 . 0
X X X X X X X X X
X X X X X X X X X
X X X X X X X X X X e F
÷ + + + + + + + +
+ + ÷ ÷ + ÷ ÷ + ÷
+ ÷ ÷ + ÷ + ÷ + ÷ = =


27 26 25 24 23 22 21 20 19
18 17 16 15 14 13 12 11 10
9 8 7 6 5 4 3 2 1 3 3
096 . 0 220 . 0 742 . 0 034 . 0 023 . 0 029 . 0 156 . 0 292 . 0 612 . 0
658 . 0 104 . 0 113 . 0 196 . 0 097 . 0 150 . 0 143 . 0 076 . 0 721 . 0
218 . 0 080 . 0 016 . 0 447 . 0 079 . 0 048 . 0 173 . 0 089 . 0 331 . 0
X X X X X X X X X
X X X X X X X X X
X X X X X X X X X X e F
+ + + + + ÷ + ÷ +
+ + + + ÷ + ÷ + +
+ + ÷ + + ÷ ÷ ÷ ÷ = =


27 26 25 24 23 22 21 20 19
18 17 16 15 14 13 12 11 10
9 8 7 6 5 4 3 2 1 4 4
096 . 0 220 . 0 742 . 0 034 . 0 023 . 0 029 . 0 156 . 0 292 . 0 612 . 0
658 . 0 104 . 0 113 . 0 196 . 0 097 . 0 150 . 0 143 . 0 076 . 0 721 . 0
218 . 0 080 . 0 016 . 0 447 . 0 079 . 0 048 . 0 173 . 0 313 . 0 031 . 0
X X X X X X X X X
X X X X X X X X X
X X X X X X X X X X e F
+ + + + + ÷ + ÷ +
+ + + + ÷ + ÷ + +
+ + ÷ + + ÷ ÷ ÷ ÷ = =


27 26 25 24 23 22 21 20 19
18 17 16 15 14 13 12 11 10
9 8 7 6 5 4 3 2 1 5 5
036 . 0 087 . 0 377 . 0 095 . 0 054 . 0 018 . 0 023 . 0 373 . 0 034 . 0
373 . 0 373 . 0 807 . 0 078 . 0 045 . 0 042 . 0 036 . 0 005 . 0 331 . 0
622 . 0 090 . 0 170 . 0 088 . 0 099 . 0 210 . 0 030 . 0 115 . 0 151 . 0
X X X X X X X X X
X X X X X X X X X
X X X X X X X X X X e F
÷ + + + ÷ + + ÷ +
÷ + + + + + + ÷ +
+ + + + + ÷ ÷ ÷ ÷ = =


27 26 25 24 23 22 21 20 19
18 17 16 15 14 13 12 11 10
9 8 7 6 5 4 3 2 1 6 6
050 . 0 059 . 0 033 . 0 804 . 0 027 . 0 028 . 0 056 . 0 471 . 0 064 . 0
147 . 0 052 . 0 161 . 0 459 . 0 004 . 0 095 . 0 088 . 0 273 . 0 079 . 0
371 . 0 001 . 0 071 . 0 054 . 0 286 . 0 025 . 0 112 . 0 058 . 0 117 . 0
X X X X X X X X X
X X X X X X X X X
X X X X X X X X X X e F
+ ÷ + + + + ÷ + +
÷ ÷ + + + ÷ + ÷ +
÷ ÷ ÷ ÷ + + + + ÷ = =


27 26 25 24 23 22 21 20 19
18 17 16 15 14 13 12 11 10
9 8 7 6 5 4 3 2 1 7 7
803 . 0 026 . 0 056 . 0 046 . 0 023 . 0 112 . 0 104 . 0 098 . 0 538 . 0
042 . 0 170 . 0 020 . 0 175 . 0 064 . 0 008 . 0 006 . 0 045 . 0 157 . 0
090 . 0 207 . 0 044 . 0 053 . 0 385 . 0 005 . 0 084 . 0 210 . 0 193 . 0
X X X X X X X X X
X X X X X X X X X
X X X X X X X X X X e F
+ ÷ + + + + ÷ + ÷
+ + ÷ ÷ ÷ ÷ ÷ ÷ +
÷ + ÷ ÷ + + ÷ + = =


27 26 25 24 23 22 21 20 19
18 17 16 15 14 13 12 11 10
9 8 7 6 5 4 3 2 1 8 8
122 . 0 080 . 0 048 . 0 024 . 0 011 . 0 916 . 0 091 . 0 022 . 0 118 . 0
083 . 0 476 . 0 017 . 0 099 . 0 071 . 0 044 . 0 010 . 0 055 . 0 055 . 0
021 . 0 030 . 0 064 . 0 030 . 0 005 . 0 086 . 0 034 . 0 301 . 0 042 . 0
X X X X X X X X X
X X X X X X X X X
X X X X X X X X X X e F
+ ÷ ÷ + ÷ + ÷ + +
÷ ÷ ÷ + + ÷ ÷ + ÷
÷ ÷ ÷ + + ÷ ÷ + ÷ = =


Obteniendo:
|
.
|

\
|
+ + + + + + +
+ + + + + + +
=
804 . 3 061 . 4 594 . 4 291 . 5 161 . 7 556 . 10 918 . 12 985 . 31
804 . 3 061 . 4 594 . 4 291 . 5 161 . 7 556 . 10 918 . 12 985 . 31
8 7 6 5 4 3 2 1
F F F F F F F F
IP

Luego de haber elaborado el índice de pobreza para los centros poblados del
departamento de Madre de Dios, se tiene como valor mínimo a 0.0917 y como valor
máximo a 0.9416, como puede observarse en la tabla 4.10.






108

Tabla 4.10
Estadísticos del Índice de Pobreza
Estadísticos
Índice de Pobreza
N Válidos 68
Perdidos 0
Media ,675666
Mediana ,752100
Desv. típ. ,2001058
Mínimo ,0917
Máximo ,9416
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia.

La elaboración de los índices de pobreza permitió construir los Mapas de Pobreza Urbano
y Rural para el departamento de Madre de Dios, teniendo a nivel urbano al distrito de
Tambopata (9.17%) con los menores índices de pobreza y al distrito de Fitzcarrald
(61.03%) con los mayores índices de pobreza, mientras que a nivel rural el distrito de
Madre de Dios (85.37%) presenta los mayores índices de pobreza y el distrito de
Tambopata (48.93%) los menores índices, como puede observarse en la tabla 4.11.

Por otro lado, el Mapa de Pobreza No Monetaria Distrital – 2009 del INEI, presenta las
siguientes cifras de pobreza: Tambopata (42.59%), Inambari (66.14%), Las Piedras
(61.74%), Laberinto (60.44%), Iñapari (28.41), Iberia (47.38%), Tahuamanu (54.65%),
Manu (61.92%), Fitzcarrald (80.86%), Madre de Dios (82.07%) y Huepetuhe (65.29%),
teniendo en cuenta que todavía estos índices de pobreza no se encuentran a niveles
reducidos de agregación geográfica como los que se plantea en la investigación.

Respecto a lo anterior, la elaboración de los índices de pobreza en la investigación
permite mejorar la precisión de los niveles de pobreza para la focalización de los
programas sociales en el departamento de Madre de Dios, la tabla 4.11 ejemplifica la
comparación de los índices de pobreza elaborados en la investigación con los elaborados
por el INEI.



109

Tabla 4.11
Índices de Pobreza según Área Geográfica
Di st r i t os
Ár ea Geogr áf i ca
Ur bano Rur al
Tambopat a 9.17% 48.93%
Inambar i 27.07% 76.69%
Las Pi edr as 48.21% 71.52%
Laber i nt o 31.03% 61.50%
Iñapar i 29.05% 72.13%
Iber i a 39.14% 64.05%
Tahuamanu 53.12% 75.41%
M anu 39.02% 64.63%
Fi t zcar r al d 61.03% 83.83%
M adr e de Di os 51.21% 85.37%
Huepet uhe 45.02% 72.86%
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia

Luego de determinar los índices de pobreza a niveles de agregación geográfica urbano y
rural se procedió a la elaboración de los mapas de pobreza; en el gráfico 4.11 se puede
analizar que a nivel urbano los distritos del departamento de Madre de Dios se encuentran
principalmente entre los quintiles
44
menos pobres, que vienen a ser los quintiles III, IV y V
respectivamente, determinándose que a nivel urbano los distritos presentan tasas de
pobreza por debajo del 55 por ciento, con excepción del distrito de Fitzcarrald.

En este contexto, el distrito de Tambopata se encuentra en el quintil V (Menos pobre), los
distritos de Iñapari, Laberinto e Inambari en el quintil IV y los distritos de Iberia,
Tahuamanu, Las Piedras, Huepetuhe, Madre de Dios y Manu en el quintil III, con
excepción del distrito de Fitzcarrald que se encuentra en el quintil II.

De acuerdo con la metodología del SISFOH, a nivel urbano, los distritos que son
considerados como No Pobres son Tambopata, Iñapari, Laberinto, Inambari, Iberia,
Tahuamanu, Las Piedras, Huepetuhe, Madre de Dios y Manu, mientras que el distrito de
Fitzcarrald si es considerado como distrito en Pobreza.



44
Los ni vel es de qui nt i l es de pobr eza son expl icados en el acápi t e 3.3.4.1
110

Gráfico 4.11
Mapa de Pobreza Urbano para el departamento de Madre de Dios











Elaboración Propia.









En el análisis de la figura 4.12 se puede observar una mayor diversidad de distritos de
diferentes colores, debido especialmente a la las variadas tasas de pobreza que presenta
cada distrito, donde el distrito de Madre de Dios (85.37%) es el que tiene las mayores
tasas de pobreza y los distritos de Manu (64.63%), Iberia (64.05%), Laberinto (61.50%) y
Tambopata (48.93%) son los que presentan las menores tasas de pobreza. Los mapas de
pobreza urbano y rural elaborados nos dan unas tasas de pobreza media de cada distrito.

Í NDI CE DE POBREZA
Quint iles
0.7349 - 0.9416 Qui nt i l I
0.5748 - 0.7348 Qui nt i l II
0.3898 - 0.5747 Qui nt i l III
0.2031 - 0.3897 Qui nt i l IV
0.0917 - 0.2030 Qui nt i l V
Dist ri t os del
depart ament o de
M adre de Dios
1 Iñapar i
2 Iber i a
3 Tahuamanu
4 Las Pi edr as
5 Tambopat a
6 Laber i nt o
7 Inambar i
8 Huepet uhe
9 M adr e de Di os
10 M anu
11 Fi t zcar r al d
1
2
3
4
5
6
7 8
9
10
11
111

Gráfico 4.12
Mapa de Pobreza Rural para el departamento de Madre de Dios












Elaboración Propia.










Siguiendo la metodología del SISFOH, a nivel rural el distrito de Tambopata es el único
considerado como pobre (se encuentra en el quintil III), mientras que los distritos de
Iñapari, Iberia Tahuamanu, Las Piedras, Laberinto, Inambari, Huepetuhe, Madre de Dios,
Manu y Fitzcarrald (se encuentran en los quintiles I y II) son considerados como distritos
en Pobreza Extrema.

Í NDI CE DE POBREZA
Quint iles
0.7349 - 0.9416 Qui nt i l I
0.5748 - 0.7348 Qui nt i l II
0.3898 - 0.5747 Qui nt i l III
0.2031 - 0.3897 Qui nt i l IV
0.0917 - 0.2030 Qui nt i l V
Dist ri t os del
depart ament o de
M adre de Dios
1 Iñapar i
2 Iber i a
3 Tahuamanu
4 Las Pi edr as
5 Tambopat a
6 Laber i nt o
7 Inambar i
8 Huepet uhe
9 M adr e de Di os
10 M anu
11 Fi t zcar r al d
1
2
3
4
5
6
7 8
9
10
11
112

Para un mejor análisis a niveles reducidos de agregación geográfica se elaboró figuras en
forma de pye sobre los niveles de pobreza de cada distrito, tomando como unidades de
análisis a los centros poblados de cada distrito. La metodología empleada fue de dividir en
partes iguales el gráfico de pye en función a la cantidad de centros poblados que tenga y
de establecer a que quintil pertenece cada centro poblado de acuerdo a su tasa de
pobreza, con la finalidad de mejorar el análisis a nivel de distrital sobre los niveles de
pobreza para la implementación de políticas necesarias en la lucha contra la pobreza.

Gráfico 4.13
Niveles de Pobreza para el distrito de Tambopata













Elaboración Propia.






El gráfico 4.13 es uno de los 11 gráficos elaborados (ver anexo 8) que permiten un mejor
análisis de los niveles de pobreza, tomando como unidad de análisis a los centros
poblados, en este caso, del distrito de Inambari. El gráfico permite determinar que los
centros poblados rurales de Palma Real (76.11%) y la Población Dispersa (81.17%) del
Í NDI CE DE POBREZA
Quint iles
0.7349 - 0.9416 Qui nt i l I
0.5748 - 0.7348 Qui nt i l II
0.3898 - 0.5747 Qui nt i l III
0.2031 - 0.3897 Qui nt i l IV
0.0917 - 0.2030 Qui nt i l V
113

distrito se encuentran en el quintil más pobre (quintil V), mientras que el centro poblado
urbano de Puerto Maldonado (9.17%) se encuentra en el quintil menos pobre (quintil I), de
tal manera, que el gráfico permita la priorización del gasto destinado a la lucha contra la
pobreza en función a los centros poblados más pobres.

4.2.6 Análisis de las Dimensiones de la Pobreza
La técnica del análisis factorial utilizada en la investigación nos dio como resultado la
reducción a ocho factores o dimensiones que explican el problema de la pobreza, con el
motivo de una mejor explicación se realiza el respectivo análisis a las dimensiones.

FACTOR 1: NIVEL DE ESTUDIOS
La primera dimensión de la pobreza está relacionada con el nivel de estudios de la
población, donde se presenta con cargas factoriales elevadas de relación inversa a la
pobreza respecto si una persona no tiene nivel de estudios y personas mayores de 3 a
más años de edad que no saben leer y escribir. En la dimensión también se relacionan las
variables referentes a la población económicamente activa, donde personas
pertenecientes a la población económicamente activa tienen una relación directa con la
pobreza debido a que se dedicaron en su mayoría al trabajo no calificado como su única
fuente de obtener ingresos.

También se analiza que las variables de la migración reciente y personas sólo con nivel
secundario tienen una relación directa con la pobreza ya que en su mayoría ejercen
trabajos no calificados o de subsistencia, impidiendo la mejora de su calidad de vida.

FACTOR 2: ACTIVIDAD ECONÓMICA
La dimensión segunda está referida a cómo se relaciona la actividad económica con la
pobreza, en esta dimensión las variables de personas realizando actividades de
agricultura y las de comercio son las que presentan las mayores cargas factoriales, la
primera (0.762) con una relación directa y la segunda (-0.756) con una relación inversa.




114

La actividad económica relacionada a la agricultura está relacionado con bajos niveles en
la calidad de los servicios, que a su vez se relacionan directamente con la pobreza, es
decir, que personas que se dedican al trabajo de la agricultura no tienden a mejorar su
calidad de vida, mientras que las personas que están relacionadas con la actividad del
comercio generan mayores ingresos y a su vez les permite acceder a servicios de mayor
calidad.

FACTOR 3: IDENTIDAD
La dimensión referida a la identidad está relacionada con la identificación de la persona,
es decir, si tiene DNI que es el documento que le permite realizar cualquier trámite y
acceder a programas sociales de lucha contra la pobreza, donde ésta se relaciona con la
no tenencia de seguro social, los pisos de tierra y el alumbrado público.
Se observa que la no tenencia del documento nacional de identidad no les permite
acceder a beneficios sociales de lucha contra la pobreza y como consecuencia un
incremento en los niveles de pobreza.

Esto se comprueba en las cargas factoriales de la variable de tenencia de DNI (0.842) y
en la relación directa de las variables de seguro social (0.721), alumbrado público (0.658)
y tipo de piso de la vivienda (0.612) con la pobreza.

FACTOR 4: CAPITAL HUMANO
La cuarta dimensión está referida al capital humano, donde se relacionan las variables de
población económicamente activa según función que desempeña y población
económicamente activa según número de trabajadores en la empresa. Analizando las
cargas factoriales de ambas variables se analiza que las personas que son asalariadas
tienen una relación inversa con la pobreza (-0.697), mientras que las personas que
laboran en empresas o lugares de trabajo de 11 a 50 empleados presenta una relación
inversa con la pobreza (0.898).

Esto se explica debido al capital humano de las personas en ambas variables, siendo
para la variable de personas laborando en una empresa con 11 a 50 trabajadores, se
refiere a las personas trabajando en la agricultura y donde el capital humano es mínimo
dado a que la mayoría no terminó la educación básica y se dedicó a las labores del agro,
teniendo como consecuencia salarios mínimos a las personas dedicadas a esta actividad.
115

El trabajo asalariado es una característica de la población no pobre. Por el lado de las
personas que son asalariadas presentan una mayor preparación en la actividad que
realiza, teniendo alguna especialización respecto al campo donde labora y presentan una
estabilidad salarial que le permite mejorar su calidad de vida.

FACTOR 5: EDUCACIÓN BILINGÜE INTERCULTURAL
La educación bilingüe intercultural es denominada como la quinta dimensión predictora de
la pobreza, que tiene como variables a la lengua materna de las personas y el
analfabetismo, ambas con pesos factoriales positivos que establecen una relación directa
con la pobreza. La dimensión se explica en la poca efectividad de la educación bilingüe
intercultural para el departamento de Madre de Dios, debido a la ausencia de monitoreo
por parte de la institución supervisora para el cumplimiento de las metas y objetivos, la
escasa implementación de las Instituciones Educativas, la capacitación de los docentes,
entre otros.

Respecto a lo antes mencionado, se determina que la educación bilingüe ofertada perdió
eficiencia y eso se ve reflejado en la relación directa con el analfabetismo presente en los
centros poblados que tienen como lengua materna a la lengua nativa aprendida en su
niñez.

FACTOR 6: INFRAESTRUCTURA
En esta dimensión se denominó a la Infraestructura como dimensión predictora de la
pobreza, teniendo como variable el tipo de paredes de la vivienda. Las condiciones
adecuadas de una vivienda permiten mejorar la confortabilidad del área de estudio de las
personas y los niveles de saneamiento adecuados.

La variable considerada es el tipo de pared que tienen las viviendas, teniendo como carga
factorial el valor de -0.804 que determina una relación inversa con la pobreza, es decir,
que una mejora en la infraestructura establece una disminución de los niveles de pobreza
y como consecuencia se mejora los estándares de vida de las personas.




116

FACTOR 7: LOCALIZACIÓN
Como séptima dimensión se tiene a la localización geográfica de los hogares, teniendo
como variable relacionada a esta dimensión a los hogares con localización geográfica
rural. La mayoría de los estudios referentes a la pobreza determinan que la pobreza se
concentra en los lugares rurales de poca accesibilidad, dando importancia a la
localización geográfica urbana para priorizar el gasto destinado a la lucha contra la
pobreza.

En esta investigación la variable localización geográfica no es ajena como dimensión
predictora de la pobreza, teniendo como carga factorial el valor de 0.830, que significa
que tiene una relación directa con la pobreza, es decir, al incrementarse las personas
viviendo en zonas rurales se aumenta la pobreza, debido a las carencias de servicios,
empleo, entre otros, que no permiten mejorar los estándares de vida.

FACTOR 8: TECNOLOGÍA DE INFORMACIÓN Y COMUNICACIÓN
Como última dimensión, tenemos a la Tecnología de Información y Comunicación, que
con la información disponible nos permite conocer la penetración de las Tecnologías de
Información y Comunicaciones (TIC) en los hogares, y así evaluar el impacto de la
tenencia o no de ellos en los niveles de pobreza. En los resultados se observa que la
variable de no tenencia de estos quipos presenta una relación directa con la pobreza,
arrojando una carga factorial de 0.916 que confirma la relación directa existente con los
niveles de pobreza.

En este contexto, los hogares que no tienen alguna tecnología de información y
comunicación (teléfono fijo, teléfono celular, tv por cable, internet) tienden a consolidar la
pobreza a estos niveles reducidos de agregación geográfica.

4.2.7 Análisis de Cluster para las Dimensiones de la Pobreza
La realización del análisis de cluster a las dimensiones de la pobreza nos permite
complementar e interpretar de mejor manera la relación y síntesis de las dimensiones que
explican el problema de la pobreza para el departamento de Madre de Dios.



117

Gráfico 4.14
Dendrograma de las Dimensiones de la Pobreza
Fuente: Censo de Población y Vivienda 2007
Elaboración Propia.

El análisis gráfico de las dimensiones de la pobreza representado mediante el gráfico
4.10, genera dos grandes dimensiones predictoras del problema de la pobreza en el
departamento de Madre de Dios, la primera (gráfico de color azul grisáceo) engloba a las
dimensiones de Nivel de Estudios, Infraestructura y Educación Bilingüe Intercultural y la
segunda (gráfico de color rojo) agrupa a las dimensiones de Actividades Económicas,
Capital Humano, Tecnologías de Información y Comunicaciones, Localización y la de
Identidad. Respecto a la primera dimensión se refiere a la Educación mientras que la
segunda dimensión es respecto a lo Socioeconómico.

118

En cuanto al gráfico anterior se puede determinar que el problema de la pobreza para el
departamento de Madre de Dios se puede explicar mediante las dimensiones de la
Educación y el de la dimensión Socioeconómica, donde, la pérdida de eficiencia y
efectividad de la Educación y de las carencia de aspectos socioeconómicos en la
población son los grandes problemas que consolidan los niveles de pobreza a nivel
departamental.




























119

CONCLUSIONES Y RECOMENDACIONES

CONCLUSIONES

- A nivel urbano el distrito que presenta los mayores índices de pobreza es Fitzcarrald
(61.03%), mientras que a nivel rural el distrito con la mayor tasa de pobreza es Madre
de Dios (85.37%), resaltando la concentración de pobreza en la zona sur del ámbito
de estudio.

- La caracterización de pobreza realizada a nivel de agregación geográfica urbano
establece que solo el distrito de Fitzcarrald (61.03%) es pobre y los demás distritos no
son pobres, mientras que a nivel de agregación geográfica rural solo el distrito de
Tambopata (48.93%) es pobre y los demás distritos son pobres extremos.

- La metodología aplicada en la presente investigación y sus resultados permiten
determinar la condición y concentración de pobreza a niveles de agregación
geográfica urbano y rural para el departamento de Madre de Dios, mejorando la
precisión de los indicadores de pobreza para la identificación de los hogares
potencialmente beneficiarios para los programas sociales, respecto, a los mapas de
pobreza por NBI a nivel distrital 2009 del Instituto Nacional de Estadística e
Informática 2009.

- Las técnicas estadísticas de reducción del número de variables y análisis de cluster
empleadas en la investigación, permiten determinar que las dimensiones de la
educación y socioeconómica son las que explican el fenómeno de la pobreza para el
departamento de Madre de Dios, siendo determinantes el nivel de estudio alcanzado
por la población (31.99% de la varianza total explicada) y la actividad económica
donde labora (12.92% de la varianza total explicada) los que les permite escaparse de
la pobreza y mejorar sus estándares de vida.




120

- A nivel departamental hay un desconocimiento y desactualización de las personas que
laboran en las áreas de Planificación y Presupuesto, Administración y Desarrollo
Social de las municipalidades distritales y provinciales en temas de focalización del
gasto público, puesto que, el 82% no está capacitado en focalización del gasto
público, no utiliza mapas de pobreza como instrumento de focalización geográfica y no
presenta una línea de base sobre el gasto social, y un 91% no realiza un planeamiento
del gasto social, generando pérdidas de eficiencia en la gestión de los recursos
destinados a la lucha contra la pobreza y convirtiéndose en un escenario adecuado
para el incremento de la filtración de personas que no forman parte de la población
objetivo y la exclusión de personas que, formando parte de dicha población objetivo,
no accedan a los beneficios de los programas sociales.

- Las zonas con mayor concentración de pobreza, determinado por los mapas de
pobreza a niveles de agregación geográfica urbano y rural, permiten el
establecimiento de alguna relación o comparación entre vulnerabilidad y pobreza con
mapas de vulnerabilidad de otros sectores para mejorar la focalización del gasto
público en la lucha contra la pobreza y la calidad de vida de la personas.

- De acuerdo con las entrevistas estructuradas realizadas en las municipalidades
distritales donde se concentra la mayor incidencia de pobreza, se determinó que más
de un 80% de los técnicos que laboran en las municipalidades desconocen temas
sobre focalización geográfica, debiéndose mejorar el capital humano a través del
fortalecimiento de capacidades en temas de focalización del gasto público, dado a que
una mayor especialización de los técnicos que laboran en las municipalidades,
contribuyen al cumplimiento de metas y objetivos y en la elaboración de políticas
sociales efectivas en la lucha contra la pobreza.

- Las dimensiones de la Educación y Socioeconómica son las que mejor explican el
problema de la pobreza para el departamento de Madre de Dios y que para superar el
problema de la pobreza deben realizarse inversiones públicas y privadas en estas
dimensiones de la pobreza al igual que el gasto social debe estar focalizado respecto
a la Educación y aspectos Socioeconómicos que permitan a la población
madrediosense escaparse de la pobreza y mejorar su niveles de vida.

121

RECOMENDACIONES

- Aplicar los mecanismos de la presente investigación como un instrumento de
focalización geográfica en las estrategias de lucha contra la pobreza por parte de las
instituciones públicas y privadas para mejorar la eficacia del gasto público focalizado
en el departamento de Madre de Dios.

- Construir mapas de pobreza a niveles de agregación geográfica urbano y rural
complementando con el ingreso y gasto per cápita para el departamento de Madre de
Dios en el año 2007, con el propósito de mejorar la precisión de la condición y
concentración de pobreza para una focalización del gasto público a niveles reducidos
de agregación geográfica en las zonas de mayor incidencia de pobreza y así realizar
la implementación de estrategias públicas focalizadas en la lucha contra la pobreza
en el ámbito de estudio.

- Realizar una actualización constante de los mapas de pobreza del departamento de
Madre de Dios, posibilitando que las políticas públicas encaminadas a la lucha contra
la pobreza se mantengan en un continuo proceso de mejora y perfeccionamiento.

- Utilizar el Test de Kolmogorov - Smirnov como primer filtro para la selección de las
variables predictoras del problema para mejorar la fiabilidad de los datos en la
modelación econométrica del tema a investigar.

- Realizar transformaciones a los datos iniciales que se consideren importantes en la
investigación para que cumplan con las pruebas de normalidad, homocedasticidad,
entre otros.

- Utilizar el análisis de las comunalidades para mejorar las estimaciones de los índices
de KMO, la Prueba de Esfericidad de Bartlett y el número de factores que explican el
problema a investigar.



122

- Fortalecer las capacidades de los gobiernos locales en temas de focalización del
gasto público y mapas de pobreza, para obtener un mayor grado de especialización y
conocimiento sobre el tema, con el propósito de obtener resultados fiables y apegados
a la realidad, que faciliten el diseño y evaluación de los programas focalizados que
forman parte de la lucha contra la pobreza, identificando aquellas áreas geográficas
que ameriten apoyo para la superación de la pobreza.

- Realizar mapas de pobreza adicionales a niveles de agregación geográfica urbano y
rural o a niveles más reducidos por sectores: Educación, Salud, Agricultura,
Infraestructura, Energía, Transporte, entre otros; para mejorar la eficacia del gasto
destinado a la lucha contra la pobreza.

- Obtener las fuentes de información del censo y complementarlo con informaciones
sectoriales para la obtención de indicadores predictivos de la pobreza, y así la
estimación mediante el análisis factorial, es la guía a seguir para una aplicación
general de la metodología utilizada en la investigación.


















123

REFERENCIAS BIBLIOGRAFICAS

- Aguayo, M. (2007). Cómo realizar paso a paso un contraste de hipótesis con
SPSS para Windows y alternativamente con EPIINFO y EPIDAT. Sevilla:
Fundación Andaluza Betuaria Investigación en Salud. Disponible en:
http://www.fabis.org/html/archivos/docuweb/contraste_hipotesis_2r.pdf [2011, 30
de Julio].
- Aguilar, P. (2005). Elaboración de mapas de pobreza a diferentes niveles de
desagregación geográfica, una aplicación para el estado de Veracruz. Tesis para
optar el título de Licenciado en Economía. Universidad de las Américas Puebla,
Puebla.
- Banco Central de Reservas del Perú (2006). Caracterización económica y
financiera, región Madre de Dios. Lima: Autor. Disponible en:
http://www.bcrp.gob.pe/docs/Sucursales/Cusco/2006/Sintesis-MadredeDios-05-
2006.pdf [2011, 20 de Octubre].
- Banco Mundial (2000). Informe de desarrollo mundial: Lucha contra
la pobreza. Washington: Autor. Disponible en:
http://wdronline.worldbank.org/worldbank/a/c.html/world_development_report_2000
_2001/front_matter/WB.0-1952-1129-4.frontmatter [2011, 15 de Junio].
- Caminada, N. y Mosqueira, G. (1996). Mapa de pobreza a nivel distrital: estudio de
las provincias de Cusco, Espinar, La Convención, Paruro y Urubamba. Tesis para
optar el título de Economista. Universidad Nacional de San Antonio Abad del
Cusco, Cusco.
- Carrasco, S. (2002). Análisis de Componentes Principales. Valencia: Universidad
de Valencia. Disponible en: http://www.uv.es/carrascs/PDF/ACP.PDF [2011, 29
de Marzo].
- Chumpitaz, D. (2004). Aplicación del análisis factorial de correspondencias a
mapas perceptuales de los pacientes infectados por enfermedades de transmisión
sexual. Trabajo monográfico para optar el título de Licenciado en Estadística.
Universidad Nacional Mayor de San Marcos, Lima.
- Contraloría General de la República (2008). Programas sociales en el Perú.
Elementos para una propuesta desde el control gubernamental. Lima: Autor.
Disponible en: http://www.gobernabilidad.org.pe/download.php?f=programas-
sociales_1222469649.pdf [2011, 17 de Julio].
124

- Escobal, J., Torero, M. y Ponce, C. (2001). Focalización Geográfica del Gasto
Social: Mapas de Pobreza. Lima: Red CIES de Pobreza, GRADE-APOYO.
Disponible en: http://cies.org.pe/files/active/0/mapas.pdf [2011, 20 de Marzo].
- Feres, J. y Mancero, F. (2001). Enfoques para la medición de la pobreza. Breve
revisión de la literatura. Santiago de Chile: CEPAL. Disponible en:
http://www.eclac.org/publicaciones/xml/4/5954/lcl1479e.pdf [2011, 20 de Marzo].
- García, A., Vázquez, D., Reyes, H. y Limón, A. (2009). Investigación en el ámbito
empresarial: Pronósticos, supervisión e indicadores financieros. Aguascalientes:
Universidad Autónoma de Aguascalientes. Disponible en:
http://www.eumed.net/libros/2009b/543/543.zip [2011, 30 de Mayo].
- González, R. (2008). Pobreza absoluta y crecimiento económico, análisis de
tendencia en México, 1970-2005. Tesis para optar el título de Maestro en
Economía. Universidad Autónoma del Estado de México, Toluca.
- INADE (2007). Mesozonificación Ecológica-Económica del Corredor Interoceánico
Sur, tramo Iñapari-Inambari. Lima: Autor.
- INRENA (2007). Diagnóstico para el proyecto de consolidación y desarrollo de las
concesiones forestales y fortalecimiento de las capacidades de las autoridades
competentes de administración y control forestal y de fauna silvestre. Documento
no publicado. Puerto Maldonado: Autor.
- INRENA (2006). Estadísticas de concesiones. Productos no maderables. Madre de
Dios. Lima: Autor.
- Instituto Nacional de Estadística e Informática. (2010). Mapa de pobreza provincial
y distrital 2009. Lima: Prinley.
- Instituto Nacional de Estadística e Informática. (2010). Mapa de pobreza provincial
y distrital 2009, [CD-ROM]. Lima: INEI. [2011, 29 de Mayo].
- Instituto Nacional de Estadística e Informática. (2008). Sistema de consulta de la
base de datos del censo de población y vivienda 2007 a nivel de centro poblado,
[CD-ROM]. Lima: INEI. [2011, 29 de Mayo].
- Instituto Nacional de Estadística e Informática (2004). Encuesta Nacional de
Hogares. Lima: Autor. Disponible en:
http://www.inei.gob.pe/srienaho/enaho2010.htm [2011, 30 de Mayo].


125

- Instituto Nacional de Estadística e Informática (2001). Estadísticas: Madre de
Dios. Lima: Autor. Disponible en:
http://www.inei.gob.pe/biblioineipub/bancopub/Est/Lib0493/Libro.pdf [2011, 30 de
Mayo].
- Johnson, R. y Wichern, D. (2007). Análisis Estadístico Multivariable Aplicado.
(6a. Ed.) Nueva Jersey: Pearson/Education.
- Kirkby, C. (2002). Estándares ecoturísticos para la Reserva Natural de Tambopata,
el Parque Nacional Bahuaja-Sonene y sus zonas de amortiguamiento, Madre De
Dios, Perú. Lima: World Wide Fund. Disponible en:
http://www.ibcperu.org/doc/isis/5441.pdf [2011, 25 de Octubre].
- Martínez, A. (2004). Microcrédito y pobreza: proyecto de desarrollo de
comunidades rurales pobres. Tesis para optar el título de Doctor en Economía.
Universidad Simón Bolívar, Caracas.
- Ministerio de Agricultura (2000). Madre de Dios camino al desarrollo sostenible:
Propuesta de zonificación ecológica económica como base
para el ordenamiento territorial. Lima: Autor. Disponible en:
http://www.iiap.org.pe/publicaciones/CDs/zonificacion/index.htm [2011, 25 de
Octubre].
- Ministerio de Economía y Finanzas (2010). Métodos para medir
pobreza. Lima: Autor. Disponible en:
http://www.mef.gob.pe/index.php?option=com_content&view=article&id=370&Itemi
d=100412&lang=es [2011, 25 de Marzo].
- Ministerio de Economía y Finanzas (2005). El gasto público social en el Perú:
Taxonomía, definiciones y opciones de política. Lima: Autor. Disponible en:
http://www.mef.gob.pe/contenidos/pol_econ/documentos/gasto_publico_taxonomia
.pdf [2011, 27 de Setiembre].
- Ministerio de Energía y Minas (2009). Informe: minería aurífera en el departamento
de Madre de Dios. Lima: Autor. Disponible en:
http://www.minem.gob.pe/minem/archivos/file/Mineria/PUBLICACIONES/INFORM
ES/informe_madre_dios.pdf [2011, 22 de Octubre].
- Ministerio de Energía y Minas (1997). Evaluación ambiental territorial en la zona
aurífera de Madre de Dios. Lima: Autor. Disponible en:
http://www.minem.gob.pe/minem/archivos/file/dgaam/publicaciones/evats/mddios/
mddios_i.htm [2011, 20 de Octubre].
126

- Paredes, R. (2010). La pobreza y su dinámica en el sur del Perú (Informe Final).
Lima: Consorcio de Investigación Económica y Social (CIES). Disponible en:
http://cies.org.pe/files/documents/investigaciones/pobreza/Pobreza_y_su_dinamica
_en_el_Sur_del_Peru.pdf [2011, 28 de Marzo].
- Parkswatch (2002). Perú: La Reserva Nacional Tambopata y el
Parque Nacional Bahuaja-Sonene. Lima: Autor. Disponible en:
http://www.parkswatch.org/parkprofile.php?l=spa&country=per&park=tabs [2011,
24 de Octubre].
- Programa de las Naciones Unidas para el Desarrollo. (2003). Perspectiva General.
Objetivos de Desarrollo del Milenio: Un pacto entre las naciones para eliminar la
pobreza humana. Informe sobre Desarrollo Humano 2003 (pp.4-18). Nueva York:
Mundi-Prensa.
- Programa de las Naciones Unidas para el Desarrollo. (1997). La pobreza en la
perspectiva del desarrollo humano: Concepto y medición. Informe sobre Desarrollo
Humano 1997 (pp.18). New York: Mundi-Prensa.
- Rodríguez, M. (2000). Modelos sociodemográficos: Atlas social de la ciudad de
Alicante. Tesis para optar el título de Doctor en Economía. Universidad de
Alicante, Alicante.
- Salvador, M. y Gargallo, P. (2003). Análisis Exploratorio de Datos. Zaragoza:
Universidad de Zaragoza. Disponible en: http://www.5campus.com/leccion/aed
[2011, 09 de Abril].
- Samuelson, P. y Nordhaus, W. (2002). Economía (17a. Ed.) Madrid: McGraw-Hill.
- Sistema de Focalización de Hogares (2010). Focalización: Filtración y
subcobertura. Lima: Autor. Disponible en:
http://sisfoh.mef.gob.pe/focalizacion.shtml?x=1540 [2011, 20 de Mayo].
- Universidad Nacional Mayor de San Marcos (2005). Adaptación de las normas
American Psychological Association (APA) en la elaboración de documentos
académicos (2005). Lima: Autor. Disponible en:
http://www.cirio.info/alonso/APA_Bibliotecologia.doc [2011, 20 de Octubre].
- Webb, R. y Fernández, G. (2008). Anuario Estadístico: Perú en números 2008.
Lima: Instituto Cuánto. Disponible en:
http://sinia.minam.gob.pe/index.php?idElementoInformacion=162&idformula=&idTi
poElemento= [2011, 26 de Octubre].
127















ANEXO















128

ANEXO 1: PLAN DE TESI S
FUNDAMENTACIÓN DEL PROBLEMA

1. Planteamiento del problema
1.1. Situación Actual
En el departamento de Madre de Dios para el año 2007, la estimación de la pobreza no
monetaria realizada por el Instituto Nacional de Estadística e Informática (INEI), establece
que un 59.23% de la población (117 mil 981 personas) del departamento son
considerados como pobres y potenciales beneficiarios de los programas sociales. Sin
embargo, los indicadores de pobreza no se encuentran todavía a niveles reducidos de
agregación geográfica que permitan reducir en lo posible los problemas de filtración y
subcobertura, facilitando la ganancia de eficiencia y efectividad del gasto social.

La focalización del gasto destinado al combate a la pobreza en el departamento de Madre
de Dios refleja un débil impacto en la pobreza extrema, debido a la ausencia de
instrumentos de focalización que permitan ubicar espacialmente la situación de necesidad
y carestía de los centros poblados del departamento. Esto último se ve reflejado en los
problemas de filtración de personas que no forman parte de la población objetivo y
problemas de subcobertura de personas que formando parte de dicha población objetivo,
no acceden a los beneficios otorgados por los programas sociales.

A nivel de gobiernos locales la utilización de estas herramientas estratégicas para la
focalización del gasto público que permita reducir los problemas de filtración y
subcobertura, no se aplican, debido a la ausencia de instrumentos de focalización y a la
desactualización del gasto enmarcado en las estrategias focalizadas de lucha contra la
pobreza; un caso específico es el programa de vaso de leche, uno de los programas de
mayor envergadura a nivel nacional, presenta fallas de focalización que no benefician a
los hogares en condición de pobreza, conllevando a la pérdida de eficiencia del programa
social.




129

Actualmente, el encargado de mantener el Padrón General de Hogares (PGH), es el
Sistema de Focalización de Hogares (SISFOH) quien identifica los atributos que pudieran
determinar la elegibilidad de un individuo para un programa social en particular; la
focalización realizada por el SISFOH para el departamento de Madre de Dios el SISFOH
solo tiene en su base de datos a los potenciales hogares beneficiarios de los programas
sociales para la provincia de Tambopata, excluyendo de la focalización a las provincias
del Manu y Tahuamanu.

Finalmente es importante establecer que la pobreza es un fenómeno multidimensional, es
decir, la pobreza es la privación de los medios materiales para satisfacer en medida
mínimamente aceptable las necesidades humanas, incluidos los alimentos. Este concepto
de privación va mucho más allá de la falta de ingreso privado: incluye la necesidad de
servicios básicos de salud y educación y otros servicios esenciales que la comunidad
tiene que prestar para impedir que la gente caiga en la pobreza. Reconoce además la
necesidad de empleo y participación.

1.2 Prognosis
En los años venideros la focalización del gasto destinado a la lucha contra la pobreza en
el departamento de Madre de Dios seguirá reflejando un débil impacto en la pobreza
extrema y perdiendo efectividad y eficiencia debido a la ausencia de instrumentos de
focalización y a la desactualización del gasto enmarcado en las estrategias focalizadas de
lucha contra la pobreza.

Además debemos agregar la ausencia de la focalización a niveles reducidos de
agregación geográfica en las provincias de Tahuamanu y Manu y las fallas en la
focalización observadas en los programas sociales que generarán altas tasas de filtración
de personas que no forman parte de la población objetivo y altas tasas de exclusión de
personas que, formando parte de dicha población objetivo, no acceden a los beneficios
otorgados por los problemas sociales.

De esta manera, se estaría incrementando los problemas de ineficiencia e ineficacia del
gasto social referido a deficiencias en la focalización, éstas medidas por los niveles de
subcobertura y filtración existentes en los programas sociales.

130

En este sentido, la mayoría de los programas y proyectos que forman parte de la lucha
contra la pobreza al no presentar una correcta identificación y selección de beneficiarios,
no tienen un impacto importante en la pobreza extrema, evitando priorizar el ámbito de
intervención y mejorar la calidad de vida de las personas más pobres en el departamento
de Madre de Dios.

1.3 Alternativas de Solución
- Implementar mecanismos para mejorar la identificación de los hogares potencialmente
beneficiarios de los programas sociales a niveles reducidos de agregación geográfica
en todo el departamento.
- Actualizar el levantamiento de los datos anualmente para conocer la evolución de la
pobreza, del bienestar, las condiciones de vida de los hogares y reducir los problemas
de filtración y subcobertura.
- Cuantificar la incidencia de la pobreza de los centros poblados a nivel departamental,
para priorizar el ámbito de intervención de las zonas con mayor incidencia de la
pobreza total y extrema.
- Fortalecer las capacidades en focalización geográfica del gasto público a las personas
relacionadas directa e indirectamente con la organización, coordinación y ejecución de
los programas sociales, mediante la elaboración de mapas de pobreza a niveles de
agregación urbano y rural.
- Establecer criterios para la caracterización de la población como pobre extrema, pobre
y no pobre.
- Seleccionar los indicadores que mejoren la precisión de los niveles de pobreza con la
finalidad de reducir en lo posible los problemas de filtración y subcobertura del gasto
público destinado a la lucha contra la pobreza.









131

2. Formulación del problema
2.1 Problema General
¿Qué determina la construcción de los mapas de pobreza, basados en niveles de
agregación geográfica urbano y rural, en el ámbito geográfico del departamento de Madre
de Dios?

2.2 Problemas Específicos
1. ¿Cómo contribuye la información sobre los indicadores de pobreza a niveles reducidos
de agregación geográfica?
2. ¿Qué nos permite la identificación de áreas geográficas donde se concentra la mayor
incidencia de pobreza total y extrema?
3. ¿Cómo contribuye especificar si los hogares se encuentran en pobreza extrema,
pobreza y no pobreza?

2.3 Justificación
La investigación servirá para:
- Autoridades distritales, provinciales y regionales para tomar mejores decisiones.
- Instituciones encargadas del monitoreo y evaluación de los programas sociales.
- Personas relacionadas directa e indirectamente con la organización, coordinación y
ejecución de los programas sociales.
- Beneficiarios potenciales de los programas sociales.
- Beneficiarios excluidos de los programas sociales.
- Organismos no gubernamentales dedicados a la lucha contra la pobreza.
- Pobladores de los centros poblados influyan en las decisiones clave que les afecten.

El problema que se pretende resolver es:
- La imprecisión de los indicadores de pobreza a niveles de agregación geográfica
urbano y rural.
- La escasa focalización a niveles reducidos de agregación geográfica.
- Los problemas de filtración y subcobertura en el gasto destinado a la lucha contra la
pobreza.



132

Al investigador le servirá para:
- Aplicar la teoría y los instrumentos económicos y sociales de lucha contra la pobreza.
- Sirva de referencia para futuras investigaciones.
- Plantear una actualización en los mapas de pobreza.

La investigación es importante en función a la necesidad de contar con un instrumento de
focalización a niveles de agregación geográfica urbano y rural para el departamento de
Madre de Dios, permitiendo la identificación de las áreas geográficas en las cuales se
concentra el mayor número de población en condición de pobreza, facilitando la
priorización de la asignación del gasto público y la implementación de políticas sociales
orientados al tratamiento de situaciones de carencia.

Al respecto, esta investigación pretende especificar los indicadores de pobreza a niveles
de agregación geográfica urbano y rural en el departamento de Madre de Dios, con el
propósito de conocer la incidencia de la pobreza según las características del hogar y de
la población a estos niveles reducidos de agregación geográfica, permitiendo optimizar el
gasto destinado a la lucha contra la pobreza.

2.3 Objetivos de la investigación
2.4.1 Objetivo General
Construir mapas de pobreza, basados en niveles de agregación geográfica urbano y rural
para determinar la condición y concentración de pobreza, en el ámbito geográfico del
departamento de Madre de Dios.

2.4.2 Objetivos Específicos
1. Mejorar la precisión de la información de los indicadores de pobreza a niveles de
agregación geográfica urbano y rural para la construcción de los índices de pobreza.
2. Identificar las áreas geográficas donde se concentra la mayor incidencia de pobreza
total y extrema.
3. Caracterizar a los hogares en pobreza extrema, pobreza y no pobreza a niveles
reducidos de agregación geográfica.



133

2.4 Hipótesis
2.5.1 Hipótesis General
La construcción de mapas de pobreza, basados en niveles de agregación geográfica
urbano y rural, permite determinar la condición y concentración de pobreza para la
gestión eficiente de las autoridades en la lucha contra la pobreza, en el ámbito geográfico
del departamento de Madre de Dios.

2.5.2 Hipótesis Específicas
1. La mejora en la precisión de los indicadores de pobreza a niveles de agregación
geográfica urbano y rural, se permite la construcción de los índices de pobreza y el de
determinar con mayor aproximación los niveles de pobreza.
2. La identificación de las áreas geográficas donde se concentra la mayor incidencia de
pobreza total y extrema, facilitará la aplicación de los instrumentos de focalización del
gasto público, puesto que, serán más eficaces para la gestión de la lucha contra la
pobreza.
3. La adecuada caracterización de los hogares en pobreza extrema, pobreza y no
pobreza, identificará los problemas de filtración y subcobertura de los programas
sociales a implementarse.

2.6 Variables
La pobreza es un fenómeno multidimensional al que se le puede atribuir numerosas
causas y, en función al contexto en que se dé, no siempre son las mismas. Por ello se
tiene a las siguientes variables que se relacionan con la pobreza.

2.6.1 Variable Dependiente
- Pobreza

2.6.2 Variables Independientes
- Socioeconómica
- Localización Geográfica
- Demográfica


134

En las muchas investigaciones concernientes a la pobreza, para determinar los
indicadores de pobreza se han utilizado como fuente de información a los Censos de
Población y Vivienda y las Encuestas Nacionales de Hogares que permiten obtener datos
de manera confiable y luego construir indicadores de pobreza para diferentes niveles de
desagregación geográfica.

Basándonos en ese criterio, las variables del censo que se utilizaron en la estimación de
la pobreza a niveles de agregación geográfica urbano y rural son aquellas relacionadas
con las características sociodemográficas de la población, de los miembros del hogar y de
las características de la vivienda.

2.7 Método de Investigación
En la presente investigación se empleará el nivel de investigación descriptivo en un primer
momento, el mismo que se complementará con una correlacional para finalmente
complementarse con una explicativa, de acuerdo a la finalidad de la misma.

La investigación descriptiva se da con el análisis de la información los indicadores
considerados en la investigación, que tiene como fuente principal al Censo de Población y
Vivienda 2007 del INEI y a la entrevista realizada a las 11 municipalidades del
departamento de Madre de Dios.

Posteriormente se realiza el método correlacional al aplicar el análisis factorial a los
indicadores considerados en la investigación con la finalidad de obtener las dimensiones
de la pobreza que expliquen el problema de la pobreza para el departamento de Madre de
Dios, donde cada factor o dimensión está explicado por la correlación de indicadores
semejantes o afines a la dimensión.

Finalmente, se utiliza el método explicativo para analizar el por qué de las dimensiones
explicativas del modelo y el de cómo están correlacionados los indicadores en cada
dimensión y cómo éstas dimensiones se simplifican a través, del análisis de
conglomerados en dimensiones más globales para explicar las causas de la pobreza en
Madre de Dios y qué hacer para escapar de este problema.


135

Técnicas e Instrumentos:
Las principales técnicas que se han empleado en la investigación son: el Censo de
Población y Vivienda 2007 del INEI y la entrevista estructurada, aplicada a los
trabajadores de las instituciones públicas en los 11 distritos del departamento de Madre
de Dios.

Los principales instrumentos que se han empleado en la investigación son: los
cuestionarios o cédulas censales del Censo de Población y Vivienda 2007 y la Guía de
entrevista, ambos adjuntados en la investigación como Anexo 3 y 4, respectivamente.

2.8 Operacionalización de las variables
Variable
Dependient e
Definición
Operacional
Variable
I ndependient e
Definición
Operacional
Dimensiones I ndicadores
P
o
b
r
e
z
a

La pobr eza es l a pr i vaci ón
de l os medi os mat er i al es
par a sat i sf acer en medi da
míni mament e acept abl e
l as necesi dades humanas,
i ncl ui dos l os al i ment os.
Est e concept o de pr i vaci ón
va mucho más al l á de l a
f al t a de i ngr eso pr i vado:
i ncl uye l a necesi dad de
ser vi ci os bási cos de sal ud y
educaci ón y ot r os ser vi ci os
esenci al es que l a
comuni dad t i ene que
pr est ar par a i mpedi r que l a
gent e cai ga en l a pobr eza.
S
o
c
i
o
e
c
o
n
ó
m
i
c
a

Def i ni do como l as pr i nci pal es
car act er íst i cas soci al es y
económi cas del ámbi t o de
est udi o. Es deci r , se pr esent an
l as pr i nci pal es car act er íst i cas
del ni vel de educaci ón de l a
pobl aci ón, l a asi st enci a
escol ar , el anal f abet i smo, el
acceso de l a pobl aci ón al
segur o de sal ud, di scapaci dad,
et ni a, i dent i dad,
car act er íst i cas de l a pobl aci ón
en edad de t r abaj ar y su
par t i ci paci ón en l a act i vi dad
económi ca, car act er íst i cas
f ísi cas de l as vi vi endas
par t i cul ar es, el acceso a l os
ser vi ci os bási cos, ent r e ot r os.
Car act er íst i cas
Soci al es
Asi st enci a de
per sonas de 12 a
más años a al gún
cent r o de est udi os.
Per sonas de 3 a
más años de edad
que l een y
escr i ben.
Anal f abet i smo.
Ni vel de Est udi os.
Segur o de Sal ud.
M i embr os del
hogar con al guna
di scapaci dad o
l i mi t aci ón.
Lengua M at er na.
DNI.
Par t i da de
Naci mi ent o.
Car act er íst i cas
de l a Pobl aci ón
Económi cament e
Act i va
Pobl aci ón
Económi cament e
Act i va.
Pobl aci ón
Económi cament e
Act i va según
Act i vi dad.
Pobl aci ón
Económi cament e
Act i va según
númer o de
t r abaj ador es en l a
empr esa.
Pobl aci ón
Económi cament e
Act i va según
f unci ón
desempeñada.




136


Car act er íst i cas de
l a Vi vi enda
Ti po del pi so.
Ti po de l as
par edes.
Acceso al agua.
Al umbr ado
el éct r i co.
Ser vi ci os
hi gi éni cos.
Car act er íst i cas
del Hogar
Ti po de ener gía
par a coci nar .
Equi pami ent o del
hogar .
Tecnol ogías de
Inf or maci ón y
Comuni caci ones.
D
e
m
o
g
r
á
f
i
c
a

Son l as pr i nci pal es
car act er íst i cas de l a pobl aci ón
del ámbi t o de est udi o.
Cont i ene i nf or maci ón sobr e l a
pobl aci ón ur bana y r ur al ,
composi ci ón de l a pobl aci ón
por sexo, pobl aci ón por
gr andes gr upos de edad, r azón
de dependenci a demogr áf i ca,
mi gr aci ón r eci ent e, hogar es
con mi gr aci ón i nt er naci onal ,
ent r e ot r os.




Car act er íst i cas de
l a Pobl aci ón
M i gr aci ón
ext r anj er a de al gún
mi embr o del
hogar .

M i gr aci ón r eci ent e.

Gr andes gr upos de
edad.

Sexo.

Razón de
dependenci a.
L
o
c
a
l
i
z
a
c
i
ó
n

G
e
o
g
r
á
f
i
c
a

Cuando hacemos r ef er enci a a
l ocal i zaci ón geogr áf i ca nos
r ef er i mos a nombr ar un
det er mi nado punt o sobr e l a
super f i ci e t er r est r e. Est o nos
per mi t e r el aci onar di st i nt os
t i pos de i nf or maci ón que se
encuent r an en una base de
dat os, con una l ocal i zaci ón
geogr áf i ca en par t i cul ar
(mapa) .
Car act er íst i cas de
l a l ocal i zaci ón
Hogar es en ár eas
ur banas.

Hogar es en ár eas
r ur al es.



137

ANEXO 2: M ATRI Z DE CONSI STENCI A
PROBLEM AS OBJETI VOS HIPOTESIS VARIABLES
INDICADORES M ETODOLOGÍA
PROBLEM A
GENERAL
OBJETI VO
GENERAL
HIPOTESIS
GENERAL V. DEPENDI EN TE
DEFIN ICI ÓN
OPERACI ONAL
¿Qué d et er mi na l a
const r ucci ó n d e l os
mapas d e po br eza,
basado s en n i vel es
de agr egaci ón
geogr áf i ca ur bano
y r ur al , en el
ámbi t o geogr áf i co
del d epar t am en t o
de M adr e d e Di os?

Const r ui r mapas
de p obr eza,
basado s en
ni vel es d e
agr egaci ón
geogr áf i ca ur ban o
y r ur al par a
det er mi nar l a
con di ci ón y
concen t r aci ó n d e
pobr eza, a l o l ar go
de l a geogr af ía del
depar t ament o d e
M adr e d e Di o s.

La const r ucci ó n
de mapas d e
pobr eza, basado s
en ni vel es d e
agr egaci ón
geogr áf i ca ur ban o
y r ur al , per mi t e
det er mi nar l a
con di ci ón y
concen t r aci ó n d e
pobr eza par a l a
gest i ón ef i ci ent e
de l as au t or i dades
en l a l ucha con t r a
l a po br eza, en el
ámbi t o geogr áf i co
del depar t ament o
de M adr e d e Di os.

P
O
B
R
E
Z
A

La pobr eza es l a
pr i vaci ó n d e l o s
medi os mat er i al es
par a sat i sf acer en
medi da
míni mament e
acep t abl e l as
necesi dades
humanas,
i ncl u i do s l o s
al i men t os. Est e
concep t o d e
pr i vaci ó n va
mucho más al l á
de l a f al t a d e
i ngr eso pr i vado :
i ncl u ye l a
necesi dad d e
ser vi ci os bási co s
de sal u d y
edu caci ó n y ot r o s
ser vi ci os
esenci al es q ue l a
comun i dad t i en e
que pr est ar par a
i mpedi r qu e l a
gent e cai ga en l a
pobr eza.
Por cent aj e de hogar es qu e u t i l i zan
gas como en er gía par a co ci nar .
Por cent aj e de hogar es qu e sol o
t i enen r adi o.
Por cent aj e de hogar es qu e No
per t en ecen a l a PEA.
Por cent aj e de l a PEA o cupada
r eal i zan do act i vi dad es de
Agr i cul t ur a, Ganader ía, Caza y
Si l vi cul t ur a.
Por cent aj e de l a PEA o cupada
r eal i zan do act i vi dad es de
Comer ci o por M ayor y M en or .
Tasa de i nasi st enci a de per sonas
de 12 a más añ os de edad a al gún
col egi o o si mi l ar es.
Por cent aj e de l a PEA o cupada q ue
se d esempeñan como asal ar i ad os.
Por cent aj e de per sonas qu e n o
vi vían hace 5 añ os en est e di st r i t o.
Por cent aj e de per sonas qu e
apr en di er on a habl ar en l engua
nat i va.
Por cent aj e de per sonas si n segur o
de sal ud.
Por cent aj e de var on es.
Por cent aj e de per sonas de 0 a 14
años de edad.
Por cent aj e de per sonas de 15 a 64
años de edad.
Razón de depend enci a
demogr áf i ca.
Por cent aj e de per sonas co n ni vel
Secundar i o.
Tasa de anal f abet i sm o.
Pocent aj e de vi vi endas co n acceso
a agua por r ío, acequi a, manant i al
o si mi l ar .
Por cent aj e de vi vi endas qu e n o
t i enen al um br ado pú bl i co.
Por cent aj e de vi vi endas co n pi so
de t i er r a.
Por cent aj e de vi vi endas co n
acceso a ser vi ci os hi gi éni cos por
l et r i na.
Logar i t mo del por cen t aj e d e
per sonas de 3 a más años de edad
que no l een y no escr i ben.
Logar i t mo del por cent aj e d e
per sonas qu e n o t i en en TIC' s.
Logar i t mo del por cen t aj e d e l a
PEA t r abaj an do en empr esas d e
11 a 50 t r abaj ad or es.
Logar i t mo del por cen t aj e d e
vi vi endas con par edes de mader a.
Logar i t mo del por cen t aj e d e
per sonas qu e n o t i en en DNI.
Logar i t mo del por cen t aj e d e
per sonas si n ni vel d e est u di o s.
Logar i t mo del por cen t aj e d e
hogar es en ár eas r ur al es.
M ETODO DE
INVESTIGACIÓN
En l a pr esent e
i nvest i gaci ón se
empl ear á el M ét o do
Ci ent íf i co, dado a
que el pr oceso d e l a
i nvest i gaci ón no so l o
t r at a d e descr i bi r l os
hechos si no t ambi én
exp l i car l os y el
mét o do ci en t íf i co es
el adecuad o par a
obt en er esa
expr esi ón d e l as
cosas, gr aci as al cual
es p osi b l e man ej ar ,
combi nar y ut i l i zar
esas mi smas cosas.

NIVEL DE
INVESTIGACIÓN
De acuer do al
pr op ósi t o de l a
i nvest i gaci ón, se
empl ear á una
i nvest i gaci ón
descr i pt i va en un
pr i mer mom en t o,
l uego l e segui r á una
cor r el aci onal , par a
f i nal m en t e
compl ement ar se
con u na expl i cat i va.

DISEÑO DE
INVESTGACIÓN
El di seño d e
i nvest i gaci ón
sel ecci onad o es el
di seño t r ansver sal
exp l i cat i vo, dad o a
que se q ui er e
anal i zar l a i nci denci a
de l os ni vel es d e
pobr eza e
i nt er r el aci ón d e l as
di mensi o nes d e
pobr eza par a el
depar t ament o de
M adr e d e Di os en un
momen t o dado.

TECNI CAS DE
INVESTIGACIÓN
Las Técni cas d e
Invest i gaci ó n
empl eadas son: el
Censo de Po bl aci ón
y Vi vi enda 2007 d el
Inst i t ut o Naci onal d e
Est adíst i ca e
PROBLEM AS
ESPECÍFI COS
OBJETI VOS
ESPECIFI COS
HIPOTESIS
ESPECIFI CAS
V.
INDEPENDI EN TES
DEFIN ICI ÓN
OPERACI ONAL
¿Cómo con t r i b uye
l a i n f or maci ón
sobr e l os
i ndi cador es de
pobr eza a ni vel es
r educi d os de
agr egaci ón
geogr áf i ca?

M ej or ar l a
pr eci si ó n de l a
i nf or maci ó n de l o s
i ndi cador es d e
pobr eza a ni vel es
de agr egaci ó n
geogr áf i ca ur ban o
y r ur al par a l a
const r ucci ó n d e
l os índi ces d e
pobr eza.
La mej or a en l a
pr eci si ó n de l o s
i ndi cador es d e
pobr eza a ni vel es
de agr egaci ó n
geogr áf i ca ur ban o
y r ur al , se per mi t e
l a const r ucci ó n d e
l os índi ces d e
pobr eza y el d e
det er mi nar co n
mayor
apr oxi maci ó n l o s
ni vel es d e
pobr eza.

S
O
C
I
O
E
C
O
N
Ó
M
I
C
A
S

Def i ni d o com o l as
pr i nci pal es
car act er íst i cas
soci al es y
eco nómi cas del
ámbi t o d e
est udi o. Es d eci r ,
se pr esent an l as
pr i nci pal es
car act er íst i cas del
ni vel d e educaci ó n
de l a p obl aci ón, l a
asi st enci a escol ar ,
el anal f ab et i sm o,
el acceso d e l a
pobl aci ó n al
segur o d e sal u d,
di scapaci dad,
et n i a, i d en t i dad,
car act er íst i cas d e
l a pob l aci ó n en
edad d e t r abaj ar y
su par t i ci paci ó n
en l a act i vi dad
eco nómi ca,
car act er íst i cas
f ísi cas de l as
vi vi endas
par t i cul ar es, el
acceso a l o s
ser vi ci os bási cos,
ent r e o t r os.
138




Inf or mát i ca y l a
Ent r evi st a Est r uct ur a
empl eada a l os
t r abaj ador es d e l as
11 muni ci pal i dad es
en el depar t am en t o
de M adr e d e Di os.

INSTRUM EN TOS DE
INVESTIGACIÓN
Los Inst r um en t o d e
Invest i gaci ó n
empl eado s so n: el
Cuest i onar i o o
Cédul a Censal
empl eado por el
Inst i t ut o Naci onal d e
Est adíst i ca e
Inf or mát i ca en el
Censo d el 2007 y l a
Guía de En t r evi st a
empl eada en l a
Ent r evi st a
Est r uct ur ada.
¿Qué nos per mi t e
l a i dent i f i caci ón de
ár eas geogr áf i cas
don de se co ncent r a
l a mayor i nci denci a
de pobr eza t o t al y
ext r ema?

Iden t i f i car l as
ár eas geogr áf i cas
don de se
concen t r a l a
mayor i nci d enci a
de po br eza t ot al y
ext r ema.
La i dent i f i caci ó n
de l as ár eas
geogr áf i cas do nd e
se con cent r a l a
mayor i nci d enci a
de po br eza t ot al y
ext r ema, f aci l i t ar á
l a apl i caci ón d e
l os i nst r umen t o s
de f ocal i zaci ón del
gast o pú bl i co,
puest o q ue, ser án
más ef i caces par a
l a gest i ó n d e l a
l ucha con t r a l a
pobr eza.

L
O
C
A
L
I
Z
A
C
I
Ó
N

G
E
O
G
R
Á
F
I
C
A

Cuando hacemo s
r ef er en ci a a
l ocal i zaci ó n
geogr áf i ca no s
r ef er i mos a
nombr ar u n
det er mi nado
pun t o so br e l a
sup er f i ci e
t er r est r e. Est o no s
per mi t e r el aci o nar
di st i nt os t i pos d e
i nf or maci ó n qu e
se encuent r an en
una base d e
dat o s, co n u na
l ocal i zaci ó n
geogr áf i ca en
par t i cul ar (mapa).
¿Cómo con t r i b uye
esp eci f i car si l os
hogar es se
encuent r an en
pobr eza ext r ema,
pobr eza y no
pobr eza?

Car act er i zar a l o s
hogar es en
pobr eza ext r ema,
pobr eza y n o
pobr eza a ni vel es
r educi d os d e
agr egaci ón
geogr áf i ca.
La adecuada
car act er i zaci ó n d e
l os h ogar es en
pobr eza ext r ema,
pobr eza y n o
pobr eza,
i dent i f i car á l o s
pr obl emas d e
f i l t r aci ón y
subcob er t ur a d e
l os pr ogr amas
soci al es a
i mpl em en t ar se.

D
E
M
O
G
R
Á
F
I
C
A

Son l as pr i nci pal es
car act er íst i cas d e
l a po bl aci ón del
ámbi t o d e
est udi o. Con t i en e
i nf or maci ó n sobr e
l a pobl aci ó n
ur bana y r ur al ,
comp osi ci ón de l a
pobl aci ó n p or
sexo, p obl aci ó n
por gr andes
gr upos de edad,
r azón d e
dep en denci a
demogr áf i ca,
mi gr aci ón
r eci ent e, hogar es
con mi gr aci ó n
i nt er naci onal ,
ent r e o t r os.
139

ANEXO 3: GUI A DE ENTREVI STA
Guía de Entrevista a Instituciones
1. Datos del entrevistado
1.1 Nombre
1.2 Cargo, ¿hace cuánto lo ejerce?
1.3 Funciones
1.4 Profesión

2. Línea de base sobre el gasto social
2.1 ¿Cuándo fue hecha?
2.2 ¿Por quién?
2.3 ¿Existe copia del documento para revisar?

3. Mapas de Pobreza
3.1 ¿Tienen conocimiento de la importancia de los mapas de pobreza?
3.2 ¿Utilizan mapas de pobreza?
3.3 ¿Han sido capacitados en temas de focalización del gasto público?

4. Gestión
4.1 ¿Cómo se hace el planeamiento del gasto social?
4.2 ¿Cómo se ejecuta la programación del gasto social?
4.3 ¿Niveles y responsables de ejecución?
4.4 ¿Niveles y responsables del monitoreo?

5. Presupuesto
5.1 Aprobado 2010
5.2 Ejecutado 2010
5.3 Aprobado 2011

6. Beneficiarios
6.1 Alcanzados 2010
6.2 Meta 2011
6.3 Población Objetivo
6.4 Criterios de elección de beneficiarios
6.5 Problemas de subcobertura y filtración
6.6 Formas de consulta y participación

7. Niveles de coordinación y articulación
8.1 ¿Con qué otras instituciones o programas, públicos o privados (iglesias, ONG, etc.) coordina su
programa?
8.2 ¿Existe superposición, duplicidad o descoordinación con otros programas similares?

8. Para finalizar, ¿Podría darnos usted su opinión sobre las principales dificultades o barreras que
enfrenta en el gasto social?

9. Si de usted dependiera, ¿Qué cambios le haría a la focalización del gasto social?

140

ANEXO 4: GUI A PARA LA ELABORACI ÓN DE M APAS DE
POBREZA
1. Obtener la Base de Datos del ámbito de estudio de la investigación.
2. Seleccionar los indicadores afines a la investigación.
3. Preparar los datos para hacerlos accesibles a cualquier técnica estadística.
4. Seleccionar el paquete estadístico (SAS, BMDP, SPSS, SYSTAT, STATISTICA,
STATA, MINITAB, S-PLUS EVIEWS, STATGRAPHICS Y MATLAB) adecuado
para procesar los datos.
5. Realizar un análisis estadístico gráfico (Histogramas) y numérico (Pruebas de
Normalidad y Homocedasticidad) de los indicadores del problema con el fin de
tener una idea inicial de la información contenida en el conjunto de datos así como
detectar la existencia de posibles errores en la codificación de los mismos.
6. Realizar transformaciones (por ejemplo: logaritmizar el indicador) a los
indicadores, si fuese el caso, para no perder información de un indicador en la
investigación.
7. Estimar los indicadores en el paquete estadístico a través de la técnica estadística
del análisis factorial, para ello seleccionar al método de extracción de
componentes principales, el método de rotación de varimax y en las puntuaciones
factoriales a guardar como variables y como método a regresión, para obtener los
valores de los factores.
8. Analizar el valor de la varianza total explicada, el valor del índice de KMO, la
prueba de esfericidad de Bartlett y el valor de las comunalidades.
9. Tomar como criterio de descarte los indicadores menores del 69 por ciento en el
valor de su comunalidad.
10. Revisar el valor de la varianza total explicada, el valor del índice de KMO, la
prueba de esfericidad de Bartlett y el valor de las comunalidades.
11. Realizar la Baremación del Test para construir los índices de pobreza.
12. Dividir en quintiles los índices de pobreza construidos mediante la Baremación del
Test.
13. Establecer los valores y el color de cada quintil e identificar a que grupo pertenece
cada nivel de agregación geográfica de acuerdo a su índice de pobreza.
14. Elaborar inicialmente los mapas geográficos para posteriormente especificar los
niveles de pobreza a nivel urbano y rural de acuerdo a los índices de pobreza de
141

cada nivel de agregación geográfica, y obtener como producto final a los mapas de
pobreza urbano y rural.
15. Especificar la pobreza extrema, pobreza y no pobreza a niveles de agregación
geográfica urbano y rural, de acuerdo al criterio utilizado por el SISFOH.















142

ANEXO 5: CÉDULA CENSAL

143



















144





















144

ANEXO 6: DI RECTORI O DE CENTROS POBLADOS DEL DEPARTAM ENTO DE M ADRE DE
DI OS












145




146

ANEXO 7: M APAS DE POBREZA
M APA DE POBREZA URBANO PARA EL DEPARTAM ENTO DE
M ADRE DE DI OS


















LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

Dist ri t os del
depart ament o de
M adre de Dios
1 Iñapar i
2 Iber i a
3 Tahuamanu
4 Las Pi edr as
5 Tambopat a
6 Laber i nt o
7 Inambar i
8 Huepet uhe
9 M adr e de Di os
10 M anu
11 Fi t zcar r al d
1
2
3
4
5
6
7 8
9
10
11

147

M APA DE POBREZA URBANO PARA EL DI STRI TO DE
FI TZCARRAL














El distrito de Fitzcarrald a nivel urbano presenta una tasa de pobreza de 61.03%, es decir,
las personas consideradas como pobres son un promedio de 220 de un total de 361
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel urbano
el distrito de Fitzcarrald es considerado como Pobre.
LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

148

M APA DE POBREZA URBANO PARA EL DI STRI TO DE
HUEPETUHE



















El distrito de Huepetuhe a nivel urbano presenta una tasa de pobreza de 45.02%, es
decir, las personas consideradas como pobres son un promedio de 1826 de un total de
4056 habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel
urbano el distrito de Huepetuhe es considerado como No Pobre.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

149

M APA DE POBREZA URBANO PARA EL DI STRI TO DE I BERI A




















El distrito de Iberia a nivel urbano presenta una tasa de pobreza de 39.14%, es decir, las
personas consideradas como pobres son un promedio de 2112 de un total de 5396
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel urbano
el distrito de Iberia es considerado como No Pobre.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

150

M APA DE POBREZA URBANO PARA EL DI STRI TO DE
I NAM BARI



















El distrito de Inambari a nivel urbano presenta una tasa de pobreza de 27.07%, es decir,
las personas consideradas como pobres son un promedio de 971 de un total de 3586
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel urbano
el distrito de Inambari es considerado como No Pobre.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

151

M APA DE POBREZA URBANO PARA EL DI STRI TO DE
I ÑAPARI



















El distrito de Iñapari a nivel urbano presenta una tasa de pobreza de 29.05%, es decir, las
personas consideradas como pobres son un promedio de 279 de un total de 959
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel urbano
el distrito de Iñapari es considerado como No Pobre.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

152

M APA DE POBREZA URBANO PARA EL DI STRI TO DE
LABERI NTO



















El distrito de Laberinto a nivel urbano presenta una tasa de pobreza de 31.03%, es decir,
las personas consideradas como pobres son un promedio de 914 de un total de 2946
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel urbano
el distrito de Laberinto es considerado como No Pobre.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

153

M APA DE POBREZA URBANO PARA EL DI STRI TO DE LAS
PI EDRAS




















El distrito de Las Piedras a nivel urbano presenta una tasa de pobreza de 48.21%, es
decir, las personas consideradas como pobres son un promedio de 407 de un total de 844
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel urbano
el distrito de Las Piedras es considerado como No Pobre.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

154

M APA DE POBREZA URBANO PARA EL DI STRI TO DE M ADRE
DE DI OS



















El distrito de Madre de Dios a nivel urbano presenta una tasa de pobreza de 51.21%, es
decir, las personas consideradas como pobres son un promedio de 598 de un total de
1168 habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel
urbano el distrito de Madre de Dios es considerado como No Pobre.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

155

M APA DE POBREZA URBANO PARA EL DI STRI TO DE M ANU



















El distrito de Manu a nivel urbano presenta una tasa de pobreza de 39.02%, es decir, las
personas consideradas como pobres son un promedio de 336 de un total de 861
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel urbano
el distrito de Manu es considerado como No Pobre.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

156

M APA DE POBREZA URBANO PARA EL DI STRI TO DE
TAHUAM ANU


















El distrito de Tahuamanu a nivel urbano presenta una tasa de pobreza de 53.12%, es
decir, las personas consideradas como pobres son un promedio de 140 de un total de 263
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel urbano
el distrito de Tahuamanu es considerado como No Pobre.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

157

M APA DE POBREZA URBANO PARA EL DI STRI TO DE
TAM BOPATA


















El distrito de Tambopata a nivel urbano presenta una tasa de pobreza de 9.17%, es decir,
las personas consideradas como pobres son un promedio de 5170 de un total de 56382
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel urbano
el distrito de Tambopata es considerado como No Pobre.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

158

M APA DE POBREZA RURAL PARA EL DEPARTAM ENTO DE
M ADRE DE DI OS






















Dist ri t os del
depart ament o de
M adre de Dios
1 Iñapar i
2 Iber i a
3 Tahuamanu
4 Las Pi edr as
5 Tambopat a
6 Laber i nt o
7 Inambar i
8 Huepet uhe
9 M adr e de Di os
10 M anu
11 Fi t zcar r al d
LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V
1
2
3
4
5
6
7 8
9
10
11

159

M APA DE POBREZA RURAL PARA EL DI STRI TO DE
FI TZCARRAL














El distrito de Fitzcarrald a nivel rural presenta una tasa de pobreza de 83.83%, es decir,
las personas consideradas como pobres son un promedio de 756 de un total de 902
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel rural el
distrito de Fitzcarrald es considerado como Pobre Extremo.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

160

M APA DE POBREZA RURAL PARA EL DI STRI TO DE
HUEPETUHE



















El distrito de Huepetuhe a nivel rural presenta una tasa de pobreza de 72.86%, es decir,
las personas consideradas como pobres son un promedio de 2129 de un total de 2922
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel rural el
distrito de Huepetuhe es considerado como Pobre Extremo.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

161

M APA DE POBREZA RURAL PARA EL DI STRI TO DE I BERI A





















El distrito de Iberia a nivel rural presenta una tasa de pobreza de 64.05%%, es decir, las
personas consideradas como pobres son un promedio de 845 de un total de 1319
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel rural el
distrito de Iberia es considerado como Pobre Extremo.
LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

162

M APA DE POBREZA RURAL PARA EL DI STRI TO DE
I NAM BARI




















El distrito de Inambari a nivel rural presenta una tasa de pobreza de 76.69%, es decir, las
personas consideradas como pobres son un promedio de 3414 de un total de 4452
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel rural el
distrito de Inambari es considerado como Pobre Extremo.
LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

163

M APA DE POBREZA RURAL PARA EL DI STRI TO DE I ÑAPARI





















El distrito de Iñapari a nivel rural presenta una tasa de pobreza de 72.13%, es decir, las
personas consideradas como pobres son un promedio de 237 de un total de 329
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel rural el
distrito de Iñapari es considerado como Pobre Extremo.
LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

164

M APA DE POBREZA RURAL PARA EL DI STRI TO DE
LABERI NTO




















El distrito de Laberinto a nivel rural presenta una tasa de pobreza de 61.50%, es decir, las
personas consideradas como pobres son un promedio de 1127 de un total de 1834
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel rural el
distrito de Laberinto es considerado como Pobre Extremo.
LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

165

M APA DE POBREZA RURAL PARA EL DI STRI TO DE LAS
PI EDRAS




















El distrito de Las Piedras a nivel rural presenta una tasa de pobreza de 71.52%, es decir,
las personas consideradas como pobres son un promedio de 3323 de un total de 4647
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel rural el
distrito de Las Piedras es considerado como Pobre Extremo.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

166

M APA DE POBREZA RURAL PARA EL DI STRI TO DE M ADRE
DE DI OS




















El distrito de Madre de Dios a nivel rural presenta una tasa de pobreza de 85.37%, es
decir, las personas consideradas como pobres son un promedio de 7031 de un total de
8236 habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel
rural el distrito de Madre de Dios es considerado como Pobre Extremo.
LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

167

M APA DE POBREZA RURAL PARA EL DI STRI TO DE M ANU




















El distrito de Manu a nivel rural presenta una tasa de pobreza de 64.63%, es decir, las
personas consideradas como pobres son un promedio de 1153 de un total de 1784
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel rural el
distrito de Manu es considerado como Pobre Extremo.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

168

M APA DE POBREZA RURAL PARA EL DI STRI TO DE
TAHUAM ANU



















El distrito de Tahuamanu a nivel rural presenta una tasa de pobreza de 75.41%, es decir,
las personas consideradas como pobres son un promedio de 1867 de un total de 2476
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel rural el
distrito de Tahuamanu es considerado como Pobre Extremo.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

169

M APA DE POBREZA RURAL PARA EL DI STRI TO DE
TAM BOPATA




















El distrito de Fitzcarrald a nivel rural presenta una tasa de pobreza de 48.93%, es decir,
las personas consideradas como pobres son un promedio de 1875 de un total de 3832
habitantes. De acuerdo al criterio del SISFOH, utilizado en la investigación, a nivel rural el
distrito de Tambopata es considerado como Pobre.

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

170

ANEXO 8: GRAFI COS DE PYE DE POBREZA





















En el gráfico de pye de pobreza para el distrito de Fitzcarrald se observa que los
centros poblados de Yomibato, Diamante y la Población Dispersa se encuentran
en el quintil más pobre (quintil I), mientras que el centro poblado de salvación en el
segundo quintil más pobre (quintil II).
LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

171























En el gráfico de pye de pobreza para el distrito de Huepetuhe se observa que los centros
poblados de Caychihue Barraca, Puente Inambari y la Población Dispersa se encuentran
en el quintil más pobre (quintil I), los centros poblados de Caychihue y Choque en el
segundo quintil más pobre (quintil II), mientras que los centros poblados de Puerto Punkiri
y Huepetuhe en el quintil intermedio (quintil III).

LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

172




LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

En el gráfico de pye de pobreza para el distrito de Iberia se observa que los centros
poblados de Pacahuara y la Población Dispersa se encuentran en el segundo quintil más
pobre (quintil II), mientras que el centro poblado de Iberia en el quintil intermedio (quintil
III).


173





LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V


En el gráfico de pye de pobreza para el distrito de Inambari se observa que los centros
poblados de Sarayacu, Jayave, Kotsimba, Ponal, Unión Progreso, Huacamayo Bajo, Alto
Huacamayo y la Población Dispersa se encuentran en el quintil más pobre (quintil I), los
centros poblados de Santa Rosa y Puerto Mazuko en el quintil intermedio (quintil III),
mientras que el centro poblado de Mazuko en el segundo quintil menos pobre (quintil IV).


174
















LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V


En el gráfico de pye de pobreza para el distrito de Iñapari se observa que el centro
poblado de la Población Dispersa se encuentra en el segundo quintil más pobre (quintil II),
mientras que el centro poblado de Iñapari en el segundo quintil menos pobre (quintil IV).


175




LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

En el gráfico de pye de pobreza para el distrito de Laberinto se observa que el centro
poblado de la Población Dispersa se encuentra en el quintil más pobre (quintil I), el centro
poblado de Fortuna Alto Laberinto en el segundo quintil más pobre (quintil II), el centro
poblado de Santo Domingo en el quintil intermedio (quintil III), mientras que el centro
poblado de Puerto Rosario de Laberinto en el segundo quintil menos pobre (quintil IV).



176



LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V


En el gráfico de pye de pobreza para el distrito de Las Piedras se observa que los centros
poblados de Sudadero y la Población Dispersa se encuentran en el quintil más pobre
(quintil I), los centros poblados de Mavila, Alegría y El Triunfo en el segundo quintil más
pobre, mientras que el centro poblado de Planchón en el quintil intermedio (quintil III).




177



LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

En el gráfico de pye de pobreza para el distrito de Madre de Dios se observa que todos
los centros poblados con excepción del centro poblado de Boca Colorado se encuentran
en el quintil más pobre (quintil I), mientras que el centro poblado de Boca Colorado en el
quintil intermedio (quintil III).





178


































En el gráfico de pye de pobreza para el distrito de Inambari se observa que los centros
poblados de Shintuya y la Población Dispersa se encuentran en el quintil más pobre
(quintil I), mientras que los centros poblados de Salvación, Itahuania y Palotoa en el
quintil intermedio (quintil III).




LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

179

































En el gráfico de pye de pobreza para el distrito de Tahuamanu se observa que los centros
poblados de Shiringayoc y la Población Dispersa se encuentran en el quintil más pobre
(quintil I), los centros poblados de Alerta y La Novia en el segundo quintil más pobre
(quintil II), mientras que el centro poblado de San Lorenzo en el quintil intermedio (quintil
III).




LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

180















LEYENDA
I NDI CE DE POBREZA
Quint iles

0.7349 - 0.9416
Qui nt i l I

0.5748 - 0.7348
Qui nt i l II

0.3898 - 0.5747
Qui nt i l III

0.2031 - 0.3897
Qui nt i l IV

0.0917 - 0.2030
Qui nt i l V

En el gráfico de pye de pobreza para el distrito de Tambopata se observa que los centros
poblados de Palma Real y la Población Dispersa se encuentran en el quintil más pobre
(quintil I), el centro poblado de Infierno en el quintil intermedio (quintil III), los centros
poblados de Otilia, La Pastora y Tres Islas en el segundo quintil menos pobre (quintil IV),
mientras que el centro poblado de Puerto Maldonado en el quintil menos pobre (quintil V).




181

ANEXO 9: M APA POLI TI CO – ADM I NI STRATI VO DE LA REGI ON M ADRE DE DI OS

182

ANEXO 10: LOTES DE CONTRATOS DE OPERACI ONES PETROLERAS EN M ADRE DE DI OS






You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->