Analitika Vol 1

Estimados lectores,
Presentacin
Es para mi un placer presentar este primer nmero de la revista Analtika, una publicacin
semestral del Instituto Nacional de Estadstica y Censos (INEC).
La revista Analtika espera fortalecer la misin del INEC mediante la investigacin y el anlisis
de datos estadsticos para interpretar la evolucin del desarrollo de la sociedad de la economa
ecuatoriana. La relevancia de las investigaciones realizadas en esta primera publicacin dan
cuenta de los procesos de cambio social en los que est inmerso nuestro pas. Asimismo, arroja
informacin oportuna para observar tendencias de la poblacin y de la economa, para poder
adelantarse a los cambios, ofreciendo una mejor adecuacin para la formulacin de polticas de
entidades pblicas y privadas.
Adems, pretende posicionarse a corto plazo como la revista de referencia de anlisis estadstico de
carcter econmico y sociolgico a nivel nacional y consolidarse a largo plazo, formando parte
de la Red de Revistas Cientficas de Amrica Latina y el Caribe, Espaa y Portugal (REDALYC),
en un referente de toda la regin.
Se pone as en marcha un proyecto ambicioso que combina la rigurosidad de los datos y los
mtodos de anlisis estadstico, con un equipo multidisciplinar y un amplio abanico de temas
que responden a una necesidad y disposicin investigadora del INEC. Dan cuenta de ello los
diferentes artculos que abren esta primera edicin de la revista Analtika.
El primero de ellos versa sobre los determinantes sociales de la temporalidad en el mercado
laboral ecuatoriano. El segundo artculo analiza la evolucin de la fecundidad en Ecuador desde
el ao 1990 al ao 2007 y calcula el bono demogrfico El tercero considera las variables de los
esfuerzos personales y las herencias sociales en el comportamiento del ingreso laboral de una
persona. El cuarto, estima la densidad poblacional del Ecuador continental a partir de la cuan-
tificacin de las zonas no habitables; y finalmente, el ltimo estudio analiza desde un punto de
vista matemtico el comportamiento de las inversiones piramidales y sus efectos.
Les invito a leer, analizar y comentar los estudios aqu presentados; as como tambin a participar
con la presentacin de trabajos para la publicacin del nuevo nmero de la revista Analtika.
Queremos que la revista sea el punto de encuentro de estudiantes, profesores e investigadores.
Que este medio se convierta en un ejemplo del potencial cientfico que existe en el Ecuador.
E EEl ll d ddi iir rre eec cct tto oor rr
B BBy yyr rro oon nn V VVi iil lll lla aac cc s ss
Contenido
1. Determinantes de la temporalidad en el mercado laboral ecuatoriano.................... 1
2. Fecundidad en el Ecuador y su relacin con el entorno social y evolutivo................. 25
3. Estudio de la desigualdad de ingresos en el Ecuador considerando esfuerzos y
herencias sociales...................................................................................................... 53
5. Un modelo matemtico para esquemas piramidales tipo Ponzi. .............................
87 4. Estimacin de la Densidad Poblacional del Ecuador Continental. .........................
117
Normas para la presentacin de trabajos.
Juan Mayorga - Zambrano
David Bastidas - Pal Medina
Margarita Veln - Pal Medina
Cintya Lanchimba - Pal Medina
Yannira Chvez - Pal Medina
Determinants of temporality in Ecuadorian labor market
Estimation of population density of continental Ecuador
Study over earnings inequality in Ecuador considering personal effort and
social inheritance
Fertility in Ecuador and its relationship with social and evolutionary environment
A mathematical model for Ponzi pyramid schemes
Instructions for Authors - Manuscript Submission
Determinantes de la temporalidad en el mercado laboral ecuatoriano
Yannira Chvez
y Pal Medina
Unidad de Anlisis de la Informacin Estadstica, Instituto Nacional de Estadstica y Censos, Juan Larrea N15-36 y Jos Riofro, Quito,
Ecuador
Departamento de Ciencias Exactas, Escuela Politcnica del Ejrcito, Avda. General Rumiahui s/n, Sangolqu, Ecuador
Instituto Gregorio Milln, Universidad Carlos III de Madrid, Avda. de la Universidad 30, 28911, Legans, Espaa.
yannira_chavez@inec.gob.ec,

plmedina@espe.edu.ec
Recibido: 15 de septiembre de 2010 Aceptado: 15 de octubre de 2010
Resumen
En este trabajo se analiza el papel que desempean las caractersticas individuales, familiares y laborales en la pro-
babilidad de tener un contrato temporal frente a un contrato indenido. Se analiza concretamente la inuencia del nivel
de educacin, las condiciones en las que se encuentra el trabajador y la regin. Despus, se realiza un anlisis por rama
de actividad, evidenciando cules son las caractersticas que posibilitaran la existencia del contrato temporal en cada
una de ellas. Para lograr estos objetivos se estiman modelos de regresin logstica utilizando los datos de la Encuesta de
Empleo, Desempleo y Subempleo desde el II trimestre del ao 2007 al II trimestre del ao 2010, elaborada por el Instituto
Nacional de Estadstica y Censos (INEC).
Palabras claves: contrato temporal, contrato indenido, modelos logit, rama de actividad.
Abstract
In this paper, the role played by individual, family and jobs characteristics are analyzed on the probability of having a
xed-term employment versus permanent employment. In particular, the inuence of education level, characteristics of
the workers and region are examines in this investigation. Then, we analyze by branch of activity new light about factors
affecting xed-term employment. The econometric methodology used consists of the estimation of logistic regression
models, using data from the Survey of Employment, Unemployment and Underemployment from 2nd quarter of 2007
to the 2nd quarter of 2010, elaborated by the National Institute of Statistics and Censuses (INEC).
Keywords: xed-term employment, permanent employment, logistic regression, branch of activity.
JEL Codes: C35, C87, J01, J41.
1 Introduccin
Dentro del concepto de contrato temporal se distin-
guen dos grupos. El primero considera a los contratos
eventuales, es decir, contratos por obra, a destajo, por ho-
ras y por jornal. Estos tipos de contratos son por tiempo
determinado o por necesidades eventuales de las empre-
sas. Generalmente, los trabajadores que se encuentran bajo
esta relacin laboral pueden ser despedidos sin incurrir en
grandes pagos y terminan usualmente sin derecho a nin-
guna indemnizacin. Esta ltima caracterstica podra ex-
plicar el dramtico crecimiento de esta modalidad laboral.
El segundo grupo considera a los contratos de tempora-
da, es decir, aquellos que en razn de la costumbre o de la
contratacin colectiva se celebran entre una empresa o em-
pleador y un trabajador o grupo de trabajadores para que
realicen trabajos cclicos o peridicos, en razn de la natu-
raleza discontinua de sus labores, gozando estos contratos
de estabilidad, entendida como el derecho de los trabaja-
dores a ser llamados a prestar sus servicios en cada tempo-
rada que se requieran. Este tipo de contrato, a diferencia de
los anteriores, implica la obligacin por parte del emplea-
dor de renovar el contrato por las siguientes temporadas;
caso contrario, el empleador debe incurrir en el pago de
indemnizacin [4].
En el caso concreto de Ecuador, la evolucin de los con-
3
Analti a
k
1
Revista de Anlisis Estadstico
Yannira Chvez y Pal Medina
tratos temporadas decrece notablemente a partir del ao
2008, por el Mandato Constituyente No. 8
1
(Eliminacin
y prohibicin de la tercerizacin, intermediacin laboral,
contratacin laboral por horas y cualquier forma de preca-
rizacin de las relaciones de trabajo). Sin embargo, no se
evidencia un efecto progresivo en el largo plazo, pues se
presenta una tendencia creciente que se mantiene a lo largo
del ao 2009. Esto podra deberse a que las empresas ecua-
torianas no estn en la capacidad de brindar estabilidad
a sus trabajadores, ni brindar posibilidades de formacin
y promocin interna, generndose altas tasas de rotacin,
menor antigedad laboral y salarios ms bajos para este
grupo de asalariados.
Por lo expuesto, este trabajo tiene dos propsitos. En
primer lugar, se examinarn las condiciones de los asala-
riados para evidenciar cules son las caractersticas pri-
mordiales que afectan o determinan que una persona ten-
ga un contrato temporal y, de esta manera, poder inuen-
ciar en las condiciones del individuo, disminuyendo as la
tendencia creciente de esta modalidad de contrato. En se-
gundo lugar, se desea determinar en qu medida la tem-
poralidad es un fenmeno que depende tanto de las carac-
tersticas de los trabajadores, como de la rama de actividad
de las empresas.
El artculo se estructura como sigue. En la seccin 2 se
expone con detalle la metodologa y las especicaciones
economtricas que servirn de base para las estimaciones
que se realizarn. La seccin 3 presenta los modelos de-
sarrollados que permiten el contraste entre la tcnica de
estimacin empleada y los datos y variables utilizados. Fi-
nalmente, en la seccin 4 se sealan las conclusiones ms
relevantes.
2 Metodologa
En esta seccin se plantea las especicaciones econo-
mtricas necesarias, para analizar los factores determinan-
tes al momento de tener un contrato temporal, en contra-
posicin con el contrato indenido.
2.1 Especicaciones economtricas
La modelizacin estadstica con datos binarios tiene co-
mo n adaptar las herramientas de regresin convenciona-
les para relacionar la variable respuesta (Y), con variables
explicativas (X
1
, X
2
, , X
n
) [6]. Dentro de este contexto,
los modelos de regresin logstica son los ms utilizados
cuando la variable dependiente es cualitativa.
Para cuanticar la inuencia que ejercen las variables
explicativas en la probabilidad de tener una relacin labo-
ral temporal frente a una indenida, se especica en el si-
guiente modelo logit:
Pr(Y = y
i
) =
exp(
i
)
1 + exp(
i
)
, i = 1, 2, , N. (1)
donde,
Y =
1 contrato temporal
0 contrato indenido
y
i
=
0
+
1
X
i1
+ ... +
n
X
in
. (2)
La ec. (1) representa una funcin de distribucin de
probabilidad, en consecuencia toma sus valores entre 0 y
1. Adems, tiene la forma de S, vase gura 1.
Figura 1. Funcin de distribucin logstica. Fuente: elaboracin
propia.
Para estimar los parmetros del modelo 1 se utiliza el
mtodo de mxima verosimilitud. Es decir, estimaciones
que hagan mxima la probabilidad de obtener los valo-
res de la variable dependiente Y, en funcin de los datos
de la muestra. Estas estimaciones no son de clculo di-
recto, como ocurre en el caso de las estimaciones de los
coecientes de la regresin lineal mltiple por el mtodo
de los mnimos cuadrados. Para el clculo de estimaciones
mximo-verosmiles, normalmente hay que recurrir a ruti-
nas de optimizacin matemtica; por ejemplo, el algoritmo
de Newton-Raphson.
En este trabajo, de manera particular, se utilizar el
software estadstico SPSS. Una de las principales ventajas
de utilizar este software es que, a ms de obtener los esti-
madores de los coecientes de la regresin, se obtiene los
errores estndar del modelo. Luego de estimar el modelo,
el siguiente paso ser comprobar la signicacin estads-
tica de cada uno de los coecientes de la regresin; para
ello, se emplean bsicamente tres mtodos: el estadstico
1
Mandato Constituyente 8 (Suplemento del Registro Ocial 330, 6-V-2008).
2
Estadstico de Wald: Contrasta la hiptesis de que un coeciente aislado distinto de 0 y, sigue una distribucin normal de media 0 y varianza 1.
3
Estadstico G: Es la contrastacin de cada uno de los modelos que surgen de eliminar de forma aislada cada una de las covariables frente al
modelo completo.
4
Prueba Score: Este estadstico se incrementa conforme aumenta el nmero de covariables y, no es muy utilizado para la evaluacin del modelo.
4 Analti k a, Revista de anlisis estadstico, 1 (2011), Vol. 1(1): 324
Journal of Statistical Analysis
Analti a
k
1
de Wald
2
, el estadstico G de razn de verosimilitud
3
y
la prueba de Score
4
. En la presente investigacin utiliza-
remos el estadstico de Wald, ya que nos permite evaluar
de forma individual la signicancia de la covariable intro-
ducida.
Para la interpretacin de los parmetros , sin conocer
la magnitud de los mismos, ya que no es un modelo lineal,
el signo indica que si el estimador es positivo, incrementos
en la variable asociada causan incrementos en la probabi-
lidad de tener un contrato temporal (Pr(Y = 1)). Por el
contrario, si el estimador es negativo, signicar que incre-
mentos en la variable asociada causarn disminuciones en
la probabilidad de tener un contrato temporal (Pr(Y = 1)).
Para profundizar ms la interpretacin de los estima-
dores en el modelo Logit se denen dos conceptos funda-
mentales [2]:
DEFINICIN 1 (Odds). Se dene como el cociente de probabi-
lidades, entre la variable respuesta y su complemento. Algebrai-
camente, se expresa como:
Odds =
Pr(Y = 1)
1 Pr(Y = 1)
= exp(
0
+
1
X
i1
+ ... +
n
X
in
).
(3)
Tomando logaritmos neperianos en la ec. (3), obtene-
mos una expresin lineal para el modelo:
Logit[Pr(Y = 1)] = ln
Pr(Y = 1)
1 Pr(Y = 1)
= (
0
+
1
X
i1
+ ... +
n
X
in
). (4)
En la ec. (4), por ejemplo, se aprecia que el estimador
n
se podr interpretar como la variacin en el trmino
Logit (el logaritmo neperaino del cociente de probabilida-
des) causada por una variacin unitaria de X
n
(suponien-
do constantes el resto de variables explicativas).
DEFINICIN 2 (Odds-Ratio). Se dene cmo el cociente entre
los dos odds asociados. El obtenido tras realizar el incremento
en el grupo con el factor de evaluacin (Odds2) y el grupo sin
el factor de evaluacin (Odds1). Algebraicamente, la relacin se
expresa como:
Odds Ratio =
Odds2
Odds1
= exp(
i
). (5)
De la denicin 2 se deduce que un coeciente
i
cer-
cano a cero, un Odds-Ratio cercano a uno, signicar que
cambios en la variable explicativa X
i
asociada no tendrn
efecto alguno sobre la variable dependiente Y, pues:
Odds2 = Odds1,
es decir, no se observa variacin tras realizar el incre-
mento.
3 Desarrollo de Modelos
En esta seccin se presentan los modelos que permiten
el contraste entre la tcnica de estimacin empleada y los
datos y variables utilizadas. Se detallan dos modelos que
permitirn explicar las caractersticas que afectan el tener
un contrato temporal y determinar en qu medida la tem-
poralidad depende de la rama de actividad.
3.1 Etapas de la construccin del modelo
Antes de profundizar en los modelos, se realizar una
enumeracin de los pasos que contempla su construccin,
pues ella permitir tener una breve visin de lo que se
abarcar en cada paso. A continuacin, se detallan las eta-
pas necesarias para la construccin del modelo.
1. Seleccin de la ventana de muestreo: se detalla los
datos de la Encuesta de Empleo, Desempleo y Sub-
empleo.
2. Denicin de la variable dependiente: contrato tem-
poral frente a contrato indenido.
3. Anlisis descriptivo de la base: conocer la estructura
y calidad de la base de datos.
4. Seleccin de las variables explicativas del modelo:
identicacin de las variables independientes.
5. Estimacin del modelo (Regresin Logstica): resul-
tados de los coecientes del modelo.
6. Validacin del modelo: pruebas para explicar la pre-
diccin del modelo.
7. Denicin de perles de individuos: agrupacin de
los individuos de acuerdo al modelo estimado.
3.2 Modelo 1
Dos son los objetivos de este modelo: el primero es
identicar la probabilidad de tener una relacin laboral
temporal y el segundo es conocer el segmento de indivi-
duos que presentan mayor propensin de adquirir un con-
trato temporal frente a un contrato indenido.
La correcta identicacin de las caractersticas indivi-
duales puede facilitar la generacin de estrategias diferen-
ciadas, con el n de establecer mayor estabilidad en el mer-
cado laboral ecuatoriano. En resumen, este modelo est en-
focado a diagnosticar los factores que inuyen en tener un
contrato temporal, basndose en la historia de cada indi-
viduo; para lo cual, se considera los datos de la Encuesta
de Empleo, Desempleo y Subempleo (ENEMDU), desde el
II trimestre del ao 2007 al II trimestre de ao 2010 y la
metodologa descrita en la seccin anterior.
Analti k a, Revista de anlisis estadstico, 1 (2011), Vol. 1(1): 324 5
Analti a
k
1
3.2.1 Seleccin de la ventana de muestreo
El perodo de anlisis abarca datos trimestrales del rea
urbana y se realizan las siguientes restricciones en la base:
Se considera a las personas de 15 a 65 aos de edad de-
bido a que los Artculos 82 y 86 del Cdigo de la Niez
y Adolescencia [8] sealan que la edad mnima para rea-
lizar un contrato laboral se ja en 15 aos para todo tipo
de trabajo; y, por otro lado, se establece hasta los 65 aos
de edad, pues es la edad mnima en la que los emplea-
dos pueden jubilarse.
Se seleccionaron a los individuos que estn trabajando
y tienen un contrato laboral. Adems, se considera a in-
dividuos nicos en los diferentes perodos de tiempo, es
decir, si un individuo X fue encuestado en el segundo
trimestre del ao 2007 y, el mismo individuo X es en-
cuestado nuevamente en el segundo trimestre del ao
2008, se tomar la informacin ms actual, es decir, la
del segundo trimestre del ao 2008.
3.2.2 Denicin de la variable dependiente
Se toma como variable dependiente el hecho de que un
individuo tenga un contrato temporal o un contrato inde-
nido, basndose en la informacin que proporciona la pre-
gunta 43
5
de la encuesta ENEMDU.
A continuacin se muestra los datos procesados (vase
tabla 1).
Variable Dependiente Porcentaje
Temporal 52.86
Indenido 47.14
Tabla 1. Distribucin de la variable dependiente. Fuente: elabo-
racin propia a partir de la encuesta ENEMDU.
Antes de continuar es conveniente tener claro los con-
ceptos de contrato temporal y contrato indenido, tenien-
do presente que un contrato en su forma ms general es
un acuerdo entre el empresario y el trabajador, en el cual
se detallan las condiciones en las que el trabajador se com-
promete a realizar un determinado trabajo o actividad por
cuenta del empresario y bajo su direccin, a cambio de una
retribucin o sueldo.
DEFINICIN 3 (Contrato temporal). Es todo contrato que tie-
ne una duracin determinada, es decir, por un perodo nito de
tiempo. Dentro de esta modalidad se considera las relaciones la-
borales: ocasional, eventual, por obra, a destajo, por horas y por
jornal.
DEFINICIN 4 (Contrato indenido). Es todo contrato que
tiene una duracin por tiempo indenido, es decir, no se estable-
ce un perodo de tiempo. Dentro de esta modalidad se considera
las relaciones laborales: nombramiento o contrato permanente.
3.2.3 Anlisis descriptivo de la base
El anlisis exploratorio sirve para conocer la estructura
y la calidad de la base de datos.
A continuacin, se presenta el resultado nal de las
principales variables para los 57.858 individuos a consi-
derar. Cabe sealar que dentro de la base se tiene un 0.30 %
de individuos que no informan sobre las preguntas que se
tomarn en cuenta, en el desarrollo de esta investigacin.
En la tabla 2 se puede observar que la categora viu-
do de la variable Estado Civil representa slo el 1.51 % del
universo, lo cual nos indica que no es un dato representa-
tivo dentro de la muestra, por lo que se decidi eliminar
esta categora con el objetivo de tener una mejor estima-
cin (vase tabla 6).
Estado Civil Nmero Porcentaje
Casado (a) 20660 35.71
Soltero (a) 20636 35.67
Unin Libre(a) 10042 17.36
Separado (a) 4194 7.24
Divorciado (a) 1458 2.52
Viudo (a) 871 1.51
Tabla 2. Frecuencias y Porcentajes para la variable Estado Civil.
Fuente: elaboracin propia a partir de la encuesta ENEMDU.
Nivel de Instruccin Nmero Porcentaje
Centro de Alfabetizacin 118 0.20
Educacin Media 2604 4.50
Educacin Bsica 2577 4.45
Ninguno 684 1.18
Primaria 12731 22.00
Secundaria 19613 33.89
Superior no universitaria 840 1.45
Superior universitaria 17509 30.26
Post-grado 1182 2.04
Tabla 3. Frecuencias y Porcentajes para la variable Nivel de
Instruccin. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
En la tabla 3 se puede observar que los datos se en-
cuentran concentrados en determinadas categoras, por lo
que se decidi eliminar las que tienen una menor repre-
sentacin, siendo los centros de alfabetizacin, ninguno y
superior no universitario, ya que en conjunto representan
un 2.83 %del universo considerado. Adems, se agrup las
categoras educacin bsica y primaria como una sola, con
el nombre de Educacin Bsica y las categoras educacin
media y secundaria como Educacin Media. Para identi-
car precisamente el nivel de instruccin del individuo, se
analizar esta variable con detalle en el modelo 2 (vase
tabla 7).
5
La pregunta 43 de la encuesta ENEMDU dice: El trabajo que tiene(...) es: Con nombramiento; Con contrato permanente/indenido/estable o de
planta; Contrato temporal, ocasional o eventual; Por obra, a destajo; Por horas; Por jornal
Analti a
k
1
Ocupacin Nmero Porcentaje
Empleado Privado 35564 61.47
Empleado de Gobierno 11339 19.60
Jornalero o pen 6619 11.44
Empleado Domstico 3868 6.69
Empleado Tercerizado 468 0.81
Tabla 4. Frecuencias y Porcentajes para la variable Ocupacin.
En la tabla 4 se muestra la distribucin de la varia-
ble ocupacin, decidiendo eliminar la categora jornalero
o pen que representa el 11.44 % del universo para enfati-
zar el anlisis en las categoras restantes (vase tabla 8).
Regin Natural Nmero Porcentaje
Sierra 28677 49.56
Costa 25818 44.62
Amazona 3302 5.71
No delimitado* 61 0.11
*El termino No delimitado se reere a las zonas de
las Golondrinas, Manga del Cura, y el Piedrero.
Tabla 5. Frecuencias y Porcentajes para la variable Regin Natu-
ral. Fuente: elaboracin propia a partir de la encuesta ENEMDU.
En la tabla 5 se muestra que el rea no delimitada re-
presenta el 0.10 %, por lo que se decidi agrupar la regin
no delimitada con la regin de la Amazonia, con el objetivo
de mejorar la prediccin del modelo,(vase la tabla 9).
Realizando las modicaciones indicadas para mejorar
la conanza y estabilidad de la informacin a ser utilizada
en el modelo se reduce en un 15.78 % el universo a consi-
derar, obteniendo 49.158 individuos.
En la tabla 6, se describe los cambios que se efectuaron
realizando las agrupaciones y eliminaciones que se citaron
anteriormente.
Un anlisis preliminar indica que el contrato temporal
se concentra en los individuos solteros, mientras que los
individuos casados tienen mayor tendencia a tener contra-
to indenido (vase tabla 6).
Se puede observar en la tabla 7 que el contrato temporal
se concentra en los individuos de educacin media y entre
las categoras de educacin bsica y superior universita-
ria que en conjunto representan el 25.80 % mientras que el
contrato indenido se concentra en los individuos que tie-
nen educacin superior universitaria y entre las categoras
de educacin bsica y educacin media que en conjunto
representan el 28.13 %.
Dentro del anlisis se puede evidenciar que tanto el
contrato temporal como el indenido se concentran en los
empleados privados. Es decir, la distribucin de los indivi-
duos en las categoras de ocupacin es proporcional tanto
para el contrato temporal como para el contrato indenido
(vase tabla 8).
La regin Costa presenta una mayor agrupacin del
contrato temporal, mientras que la regin Sierra tiene una
mayor concentracin en contratos indenidos (vase ta-
bla 9).
3.2.4 Seleccin de las variables explicativas - Modelo 1
En esta etapa, a travs de probar varios modelos, se
busca encontrar las variables independientes que discri-
minen mejor la proporcin de contratos temporales versus
contratos indenidos.
Las variables a incluirse en el modelo 1, se detallan en
la tabla 10.
Estado Civil Contrato Indenido Contrato Temporal Total
Categora Nmero % Nmero % Nmero %
Casado (a) 12332 25.09 6025 12.26 18357 37.34
Soltero (a) 7542 15.34 10170 20.69 17712 36.03
Unin Libre 3534 7.19 4449 9.05 7983 16.2
Separado (a) 1613 3.28 2112 4.30 3725 7.58
Divorciado (a) 933 1.90 448 0.91 1381 2.81
Tabla 6. Distribucin por tipo de contrato de la variable Estado Civil. Fuente: elaboracin propia a partir de la encuesta ENEMDU.
Nivel de Instruccin Contrato Indenido Contrato Temporal Total
Educacin Bsica 4304 8.76 6697 13.62 11001 22.38
Educacin Media 9523 19.37 10307 20.97 19830 40.34
Superior Universitaria 11167 22.72 5988 12.18 17155 34.90
Post-grado 960 1.95 212 0.43 1172 2.38
Tabla 7. Distribucin por tipo de contrato de la variable Nivel de Instruccin. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
Analti a
k
1
Ocupacin Contrato Indenido Contrato Temporal Total
Empleado Privado 16176 32.91 18324 37.28 34500 70.18
Empleado Gobierno 8321 16.93 2339 4.76 10660 21.69
Empleado Domstico 1336 2.72 2208 4.49 3544 7.21
Empleado Tercerizado 121 0.25 333 0.68 454 0.92
Tabla 8. Distribucin por tipo de contrato de la variable Ocupacin. Fuente: elaboracin propia a partir de la encuesta ENEMDU.
Regin Natural Contrato Indenido Contrato Temporal Total
Sierra 15567 31.67 9509 19.34 25076 51.01
Costa 8914 18.13 12351 25.13 21265 43.26
Amazonia 1473 3.00 1344 2.73 2817 5.73
Tabla 9. Distribucin por tipo de contrato de la variable Regin Natural. Fuente: elaboracin propia a partir de la encuesta ENEMDU.
N
o
Variable Tipo Categora
1 Edad Discreta
2 Sexo
Dicotmica
Hombre
Mujer
3 Nivel de Instruccin
Categrica
Educacin Bsica
Educacin Media
Superior Universitario
Post-grado
4 Estado Civil
Categrica
Casado
Separado
Divorciado
Unin Libre
Soltero
5 Ocupacin
Categrica
Empleado Gobierno
Empleado Privado
Empleado Tercerizado
Empleado Domstico
6 Antigedad
Dicotmica
Mayor a un ao
Menor igual a un ao
7 Jornada Laboral
Dicotmica
Jornada Completa
Jornada Parcial
8 Regin Natural
Categrica
Sierra
Costa
Amazonia
9 Nmero de trabajadores Discreta
Tabla 10. Descripcin y enumeracin de las variables independientes, Modelo 1. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
3.2.5 Estimacin del Modelo 1 (Regresin Logstica)
Los resultados de la estimacin del modelo, con las va-
riables sealadas previamente, se presentan en la tabla 11,
en la que se puede observar los coecientes obtenidos (),
su error estndar (E.T.) y su signicacin estadstica (Sig.)
con la prueba de Wald. Adems, los Odds-Ratio (Exp())
con sus respectivos intervalos de conanza. Con estos re-
sultados se proceder a realizar pruebas de hiptesis que
justiquen el modelo estimado.
Con los datos obtenidos en la tabla 11, empezamos la
comprobacin del modelo 1.
En primer lugar, contrastaremos la siguiente prueba de
hiptesis:
H
0
:
i
= 0
H
1
:
i
= 0
En particular, se rechazar la hiptesis nula (H
0
) cuan-
do la signicancia estadstica sea menor a 0.05. Como se
puede observar en la tabla 11, para la mayora de los esti-
Analti a
k
1
madores se rechaza (H
0
). Sin embargo, las variables de Ni-
vel de Instruccin (en la categora Superior Universitaria)
y Estado Civil (en la categora Divorciado y Unin Libre),
que tienen una signicancia estadstica mayor a 0.05, la hi-
ptesis nula se acepta, pero debido a que las mismas de
forma univariante son signicativas. Se decidi dejarlas en
el modelo multivariado ya que aportan informacin extra
dentro del objetivo de la investigacin [3], que es identi-
car las caractersticas del individuo para cuanticar la pro-
babilidad en tener un contrato temporal frente a un con-
trato indenido.
Tabla 11. Resultados de las variables incluidas en el Modelo 1. Fuente: elaboracin propia a partir de la encuesta ENEMDU.
Los resultados de Exp () y su intervalo de conan-
za (vase tabla 11) son los resultados de mayor potencial
dentro de la Regresin Logstica Multivariada. Estas son
medidas de asociacin (Odds, Odds-Ratio) ajustadas. En
resumen, nos indica que las variables de mayor inuencia
para cambiar la probabilidad de tener un contrato tempo-
ral vs. un contrato indenido son la Educacin Bsica y el
Empleo Tercerizado, es decir, si la propensin de estas au-
menta la probabilidad de tener un contrato temporal tam-
bin y viceversa, comprobndose lo que empricamente se
conoce.
Paso 1 Chi cuadrado gl sig
Paso 14038.87 17 0,00
Bloque 14038.87 17 0,00
Modelo 14038.87 17 0,00
Tabla 12. Prueba omnibus sobre los coecientes del modelo 1.
En segundo lugar, para comprobar si el modelo es glo-
balmente signicativo, se evala con la prueba del logarit-
mo del cociente de verosimilitudes (vase en la tabla 12).
Mediante esta prueba se contrasta:
H
0
:
1
, ....,
n
= 0
H
1
:
1
, ....,
n
= 0
Para la evaluacin global del modelo, es preciso tener claro
las siguientes deniciones:
DEFINICIN 5 (-2 log de la verosimilitud (-2LL)). Mide has-
ta qu punto un modelo se ajusta bien a los datos. Cuanto ms
pequeo sea el valor, mejor ser el ajuste. El resultado de esta
medicin recibe tambin el nombre de desviacin.
DEFINICIN 6 (La R cuadradro de Cox y Snell). Es un coe-
ciente de determinacin generalizado que se utiliza para estimar
la proporcin de varianza de la variable dependiente explicada
por las variables predictoras (independientes). Sus valores osci-
Analti a
k
1
lan entre 0 y 1.
DEFINICIN 7 (La R cuadrado de Nagelkerke). Es una ver-
sin corregida de la R cuadrado de Cox y Snell. La R cuadrado
de Cox y Snell tiene un valor mximo inferior a 1, incluso para
un modelo perfecto. La R cuadrado de Nagelkerke corrige la
escala del estadstico para cubrir el rango completo de 0 a 1.
Despus de tener claro los conceptos, se procede a ex-
plicar los resultados presentados en la tabla 12, Paso, Blo-
que y Modelo.
La primera la (PASO) es la correspondiente al cambio
de verosimilitud (de -2LL, vase la denicin 5) entre
pasos sucesivos en la construccin del modelo.
La segunda la (BLOQUE) es el cambio (-2LL) entre blo-
ques de entrada sucesivos durante la construccin del
modelo. En este caso, se introdujeron las variables en un
solo bloque, el estadstico Chi cuadrado del Bloque es el
mismo que el estadstico Chi cuadrado del Modelo. Por
lo que se realiz el modelo incluyendo las variables en
forma conjunta, despus de haber evaluado las pruebas
de forma individual.
La tercera la (MODELO) es la diferencia entre el valor
de (-2LL) para el modelo, slo con la constante y el valor
de (-2LL) para el modelo actual [1].
La signicacin estadstica (0,00) nos indica que el mo-
delo con las variables introducidas mejora el ajuste de for-
ma signicativa y se rechaza la hiptesis nula H
0
.
Finalmente, se presenta el resumen del modelo.
Paso -2 log de la
verosimilitud
R cuadrado de
Cox y Snell
R cuadrado de
Nagelkerke
1 53954,665 ,248 ,332
Tabla 13. Resumen del Modelo. Fuente: elaboracin propia a partir de la encuesta ENEMDU.
El R cuadrado de Cox y Snell presentado en la tabla
13 tiene un valor de 0,248 que indica que el 24,80 % de la
variacin de la variable dependiente es explicada por las
variables incluidas en el modelo. Considerndose que es
un buen ajuste en la estimacin del modelo, pues la prime-
ra prueba de hiptesis que se realiza acepta las variables
incluidas y la consistencia del modelo [1, 5].
3.2.6 Validacin del Modelo 1
La ecuacin de regresin logstica obtenida es:
Pr(Y = y
i
) =
exp(
i
)
1 + exp(
i
)
, i = 1, 2, , n, (6)
donde
Y =
1 contrato temporal
0 contrato indenido
i
= 2,226 +0,170x
21
+0,944x
31
+0,476x
32
+0,116x
33
0,247x
41
+0,202x
42
0,129x
43
0,009x
44
0,018x
5
0,851x
61
0,113x
62
1,058x
63
0,005x
7
0,443x
81
+0,352x
82
1,524x
91
0,929x
101
.
Las variables consideradas son:
x
21
: Hombre
x
31
: Educacin Bsica
x
32
: Educacin Media
x
33
: Superior Universitaria
x
41
: Casado
x
42
: Separado
x
43
: Divorciado
x
44
: Unin Libre
x
5
: Edad
x
61
: Empleado Gobierno
x
62
: Empleado Privado
x
63
: Empleado Tercerizado
x
7
: Nmero de trabajadores en el establecimiento
x
81
: Sierra
x
82
: Costa
x
91
: Antigedad mayor a un ao
x
101
: Jornada laboral completa
Una de las formas de evaluar el ajuste del modelo es
mediante una valoracin de prueba diagnosticada. Esto
es comprobar cmo clasica el modelo obtenido a nuevos
individuos de la muestra, en comparacin con la realidad
observada. Con el objetivo de evidenciar la clasicacin
que realiza el modelo con las nueve variables predictoras,
se presenta la tabla de clasicacin (vase tabla 14).
En la tabla 14 podemos apreciar cmo el modelo obte-
nido clasica correctamente a 15.727 (de los 23.204) trabaja-
dores temporales (Y = 1), por lo que su sensibilidad es de
Analti a
k
1
67.80 %. Por otra parte, el modelo clasica correctamente a
19.909 de los 25.954 trabajadores con contrato indenido,
por lo que la especicidad del modelo es del 76.70 %.
Tabla 14. Tabla de Clasicacin. Fuente: elaboracin propia a par-
tir de la encuesta ENEMDU.
De forma global, se puede decir que se ha clasicado
correctamente al 72.50 % de los individuos, siendo consi-
derada una prediccin aceptable [1].
A continuacin, se estima la curva caracterstica opera-
tiva del receptor (curva de COR), (vase la gura 2), la cual
discrimina la puntuacin ptima de corte para una prueba
de deteccin selectiva. El rea bajo la curva es una medida
global de la exactitud de una prueba diagnosticada. Esto
es, la probabilidad de clasicar correctamente un par de
individuos con contrato temporal y contrato indenido. El
resultado obtenido es de 0.796. Es decir, el poder de discri-
minacin del modelo construido es de aproximadamente
el 80 %.
Figura 2. Curva de COR. Fuente: elaboracin propia a partir de
la encuesta ENEMDU.
Una segunda opcin para evaluar el ajuste del mode-
lo construido es a travs del test de Hosmer-Lemeshow
6
presentado en la tabla 16, los deciles de riesgo que se esta-
blecen para los valores observados y esperados. En la tabla
15 se encuentra la evaluacin de la prueba a travs del test
Chi cuadrado que contrastar ambas distribuciones (con 8
grados de libertad).
Paso Chi cuadrado gl Sig.
1 187,754 8 ,050
Tabla 15. Prueba de Hosmer y Lemeshow. Fuente: elaboracin
propia a partir de la encuesta ENEMDU.
El test Chi cuadrado (vase tabla 15) es signicativo, in-
dicando que los valores observados en algunos casos pue-
den ser diferentes a los observados. Por lo que se evaluar
los deciles de riesgo en la tabla 16.
Y = indenidos Y = temporal
Total
Riesgo Observado Esperado Observado Esperado
Paso 1 1 4457 4416,603 463 503,397 4920
2 4196 4043,811 721 873,189 4917
3 3792 3698,583 1124 1217,417 4916
4 3295 3318,556 1622 1598,444 4917
5 2782 2904,726 2135 2012,274 4917
6 2318 2483,542 2598 2432,458 4916
7 1814 2025,055 3102 2890,945 4916
8 1449 1504,144 3467 3411,856 4916
9 1175 1006,190 3740 3908,810 4915
10 676 552,789 4232 4355,211 4908
Tabla 16. Tabla de contingencia para la Prueba de Hosmer y Lemeshow. Fuente: elaboracin propia a partir de la encuesta ENEMDU.
6
Test de Hosmer-Lemeshow: consiste en establecer los deciles de riesgo o probabilidad predicha por el modelo de presentar el evento y en cada
una de las diez categoras consideradas se comparan los valores observados y los predichos, tanto para los que tienen el resultado explorado como
para los que no lo tienen.
Analti a
k
1
Se constata en la tabla 16 que los valores esperados en
los deciles 7 y 9 son los resultados que peor se ajustan a los
datos, porque son los que se encuentran ms dispersos en
relacin a los valores observados.
Finalmente, como el modelo considera variables cuan-
titativas (Edad, Nmero de trabajadores), se realiza un es-
tudio de linealidad en el modelo logit. Se procedi a rea-
lizar grcos de dispersion y el clculo de correlaciones,
como se presenta en la gura 3.
Puede observarse en la gura 3 que existe cierta agru-
pacin, tanto para la variable Edad como para el Nmero
de trabajadores, sin mayor dispersion individual.
Figura 3. Edad y Numero de Trabajadores. Fuente: elaboracin
propia a partir de la encuesta ENEMDU.
Para vericar lo obtenido en las guras se realiza un
anlisis de correlacin bivariante que se muestran en las
tablas 17 y 18, respectivamente.
Tabla 17. Correlaciones Edad. Fuente: elaboracin propia a partir
de la encuesta ENEMDU.
En la tabla 17, se puede observar una correlacin nega-
tiva con un coeciente de Pearson de -0,522 respecto a la
edad, siendo estadsticamente signicativa.
Tabla 18. Correlaciones Nmero de trabajadores. Fuente: elabo-
racin propia a partir de la encuesta ENEMDU.
En la tabla 18, se puede observar una correlacin po-
sitiva con un coeciente de Pearson de 0,036, respecto al
nmero de trabajadores siendo estadsticamente signica-
tiva.
3.2.7 Denicin de perles de individuos
Para detectar cmo se encuentran distribuidos o agru-
pados los individuos de acuerdo al modelo calculado, en
lo que respecta al rango de edad, se analiza en qu edades
se concentra el contrato temporal e indenido en los casos
de estudio. Una distribucin por rango de edades revela
que el contrato indenido se concentra en las personas de
36 a 40 aos de edad, presentando una probabilidad media
esperada del 0.72. Por otra parte, las personas con contra-
tos temporales se concentran en los individuos de 26 a 30
aos, con una probabilidad media esperada del 0.70.
En lo que respecta a la actividad econmica
7
que per-
mite clasicar al establecimiento donde trabaja la persona
dentro de un sector de la economa, segn la clase de bie-
nes o servicios que produce. El contrato temporal se en-
cuentra concentrado en la rama de Comercio al por ma-
yor y menor; reparacin de vehculos automotores, moto-
cicletas, efectos personales y enseres domsticos, con una
probabilidadmedia esperada del 0,72 de conseguir un con-
trato temporal, mientras que el contrato indenido se en-
cuentra concentrado en la rama de Administracin pbli-
ca y defensa; planes de seguridad social de aliacin obli-
gatoria, con una probabilidad media esperada del 0,80 de
obtener un contrato indenido.
En referencia a la temporalidad por provincia, el con-
trato temporal se concentra en la provincia del Guayas, con
7
Se toma en cuenta la clasicacin de la Rama de Actividad de acuerdo a la Revisin 3.1 de la Clasicacin Internacional Industrial Uniforme
(CIIU)
Analti a
k
1
una probabilidad media esperada del 0,74 y, por el contra-
rio, el contrato indenido se encuentra agrupado en la pro-
vincia de Pichincha, con una probabilidad media esperada
de 0,75.
Finalmente, de acuerdo a la clasicacin del modelo es-
timado, la probabilidad media esperada de tener un con-
trato temporal desde el segundo trimestre del ao 2007
hasta el primer trimestre del ao 2010 se concentra en el
cuarto trimestre del ao 2009, presentando una probabi-
lidad media esperada de 0,71. El contrato indenido se
ha concentrado en el mismo trimestre del ao presentan-
do una probabilidad media esperada del 0,73 de tener un
contrato indenido. Esto puede ser explicado, por la esta-
cionalidad que existe en el comportamiento del mercado
laboral, en el mes de diciembre.
3.2.8 Escenarios del Modelo 1
Se presentan tres escenarios: pesimista, optimista y mo-
derado. Con base en los resultados estimados para el Mo-
delo 1 se buscar establecer las caractersticas que se di-
ferencian al variar las circunstancias personales, laborales,
familiares y la regin en la que se encuentren las personas,
con el objeto de evidenciar la prediccin que tiene el mo-
delo.
A continuacin, se presenta en la tabla 19 los resultados
para cada escenario.
Escenario Pesimista: se considera las caractersticas me-
nos favorables que puede tener un asalariado. As, un
hombre o mujer con educacin bsica, divorciado, terce-
rizado, con una antigedad menor igual a un ao, con
jornada parcial y de la Amazonia, tendr una probabili-
dad de 0.99 o 0.98 de tener un contrato temporal, respec-
tivamente, (vase tabla 19).
Escenario Moderado: se considera condiciones acepta-
bles de un asalariado en el mercado laboral. As, un
hombre o mujer con un nivel de instruccin superior
universitaria casado, empleado privado, con una an-
tigedad mayor a un ao, con jornada completa y de la
Costa, tendr una probabilidad de 0.51 o 0.46 de tener
un contrato temporal, respectivamente (vase tabla 19).
Escenario Optimista: se considera condiciones relativa-
mente buenas y estables dentro del mercado laboral. As,
un hombre o mujer con post-grado, soltero, empleado
de gobierno, con una antigedad mayor a un ao, con
jornada completa y de la Sierra tendr una probabilidad
de 0.20 o 0.18 de tener un contrato temporal, respectiva-
mente (vase tabla 19).
En los escenarios desarrollados, la distincin del sexo,
marca una diferencia, es decir, un hombre con las carac-
tersticas que se sealan en los tres diferentes escenarios
presenta una probabilidad de tener un contrato temporal
mayor que las mujeres.
Las caractersticas como el nivel de educacin, el tipo
de ocupacin, la antigedad y la jornada laboral son varia-
bles que al modicar su estado, afectan en mayor medida
la probabilidad de obtener un contrato temporal. Esto se
observa en el escenario pesimista, con las condiciones es-
tablecidas se obtuvo una probabilidad alta en la prediccin
del modelo. Por otra parte, las variables edad y nmero de
trabajadores que son continuas indican que a medida que
estas se incrementen en una unidad va a ocasionar una dis-
minucin en la probabilidad de obtener un contrato tem-
poral. Por ltimo, la regin Costa es la que presenta una
mayor probabilidad de temporalidad y la regin Sierra es
la de menor probabilidad.
3.3 Modelo 2
Este modelo, adems de cuanticar los factores que in-
uyen en el contrato temporal, permite ser aplicado de for-
ma independiente en cada rama de actividad, basndose
en la historia del individuo desde el 2
o
trimestre del ao
2007 al 2
o
trimestre del ao 2010. Adicionalmente, se con-
sidera un trimestre ms en referencia al Modelo 1, tenien-
do as un universo mayor en 9.29 % al considerado en el
anterior modelo.
La explicacin y restricciones que se tomaron en cuen-
ta para el desarrollo de este nuevo modelo son las mismas
que se detallaron en el Modelo 1; los pasos que se realiza-
ron para obtener los resultados del mismo son los que se
citan en el numeral 3.1.
A continuacin se detallan las diferencias que se consi-
deraron relevantes:
1. Se considera un trimestre ms en el universo a ser
tomado en cuenta, siendo 63.234 individuos para el
estudio.
2. No se considera variables continas, categorizando
las variables edad y nmero de trabajadores.
3. Se agrega la variable Recibe cursos de capacita-
cin.
4. En lugar de ingresar la variable Regin Natural,
se toma en cuenta una desagregacin por las cinco
ciudades autorepresentadas (Cuenca, Machala, Gua-
yaquil, Quito, Ambato ) y las regiones.
5. Para la variable Nivel de Instruccin no se realiza las
mismas agrupaciones descritas, si no se unica la in-
formacin de los individuos que se registra con el sis-
tema tradicional al sistema actual de educacin, para
mayor informacin, [7].
6. En la variable Estado Civil se realiz una unicacin
entre Casado y Unin Libre, Divorciado y Separado,
para que las estimaciones en esta variable sean ms
estables y as mejorar la signicancia de estas catego-
ras.
Analti a
k
1
7. En la variable Ocupacin se realiz un cambio en las
ocupaciones tomadas en cuenta, incorporando la ca-
tegora jornalero o pen y eliminando empleado ter-
cerizado debido a que la proporcin dentro del uni-
verso considerado es menor. Esto se puede observar
en la tabla 4.
Caractersticas del Individuo Escenarios
Pesimista Moderado Optimista
Sexo
Hombre 1 1 0
Mujer 0 0 1
Nivel de
Instruccin
Educacin Bsica 1 0 0
Educacin Media 0 0 0
Superior Universitaria 0 1 0
Post-grado 0 0 1
Estado Civil
Casado 0 1 0
Separado 0 0 0
Divorciado 1 0 0
Unin Libre 0 0 0
Soltero 0 0 1
Ocupacin
Empleado Gobierno 0 0 1
Empleado Privado 0 1 0
Empleado Tercerizado 1 0 0
Empleado Domstico 0 0 0
Antigedad
Mayor a un ao 0 1 1
Menor igual a 1 ao 1 0 0
Jornada Laboral
Jornada Completa 0 1 1
Jornada Parcial 1 0 0
Regin Natural
Sierra 0 0 1
Costa 0 1 0
Amazona 1 0 0
Edad
Disminuye
Nmero de
Trabajadores
Disminuye
Pr(Y = 1) 0.9859 0.5068 0.1757
Tabla 19. Escenarios para el Modelo 1. Fuente: elaboracin propia a partir de la encuesta ENEMDU.
Al haberse detallado la validacin y etapas para el mo-
delo 1, en esta seccin se la abreviar. Por lo tanto, se pre-
sentarn los principales resultados obtenidos, cubriendo
de esta manera la razn de presentar un segundo mode-
lo.
Antes de continuar es conveniente explicar cmo se
realiz la categorizacin de las covariables Edad y Nmero
de Trabajadores. A la variable Edad se la divide en rangos,
es as que se empez probando con una amplitud de 5, re-
sultando no signicativa en el modelo global, por lo que se
realiz pruebas hasta obtener una amplitud que se ajuste
al modelo, siendo esta de 10. En lo que respecta a la va-
riable Nmero de Trabajadores en el establecimiento, se la
representa en forma dicotmica, de tal manera que a los
establecimientos con un nmero menor a 100 trabajadores
se le denomina con 1 y a los establecimientos de 100 y ms
trabajadores se le denomina con 0.
3.3.1 Resumen del Modelo 2
Tomando en cuenta los cambios y modicaciones que
se llevaron a cabo en las variables a incluirse en el modelo,
se mejoran los resultados en relacin al Modelo 1, siendo
el R cuadrado de Nagelkerke de 0.467, es decir, aumentn-
dose un 40.66 %. Por otra parte, el modelo de forma global
ha clasicado correctamente a un 76.90 % mejorndose en
un 6.10 %.
Los resultados para saber de qu manera estn inuen-
ciando las variables que se incluyeron en el modelo se
muestran en la tabla 20, que abarca los coecientes obte-
nidos, su error estndar (E.T.), su signicacin estadstica
(Sig.) con la prueba de Wald, Exp () y, sus intervalos de
conanza.
Analti a
k
1
En la tabla 20 se puede observar que dentro de las ca-
ractersticas individuales y familiares que afectan positiva-
mente al aumentar la probabilidad en la obtencin de una
relacin laboral temporal, son que un individuo tenga un
nivel de educacin bsica o media, que sea hombre y sol-
tero. Por otro lado, las caractersticas que posibilitan una
disminucin en la probabilidad de tener un contrato tem-
poral son que tenga un nivel de instruccin superior, sea
mujer y casada.
Tabla 20. Resultados de las variables incluidas en el Modelo 2. Fuente: elaboracin propia a partir de la encuesta ENEMDU.
Las caractersticas laborales que conducen a aumentar
asalariados temporales, son que tenga una jornada laboral
parcial, que tenga una experiencia menor o igual a un ao
de trabajo, que este trabajando en una empresa de menos
de 100 trabajadores y sea privada, que no reciba cursos de
capacitacin y el factor que ms afecta es que sea jornale-
ro o pen. Por otro lado, las caractersticas que inuyen a
disminuir la probabilidad del contrato temporal son que
tenga una jornada laboral completa, que tenga una expe-
riencia mayor a un ao, que se encuentre en una empresa
de mas de 100 trabajadores, que reciba cursos de capacita-
cin y, que desarrolle su trabajo dentro del sector pblico.
De acuerdo a las ciudades autorepresentadas y regio-
nes que se incorporaron en el modelo, se puede notar que
en Machala, Guayaquil, y en la resto de la Costa son los
lugares donde el contrato temporal tiene mayor probabili-
dad de ocurrir. Por el contrario, en Cuenca, Quito, Ambato
y en el resto de la Sierra esta probabilidad disminuye.
3.3.2 Escenario del Modelo 2
Se presentan tres escenarios: pesimista, optimista y mo-
derado, en base a los resultados estimados para el Modelo
2. Se buscar establecer las caractersticas personales, labo-
rales, familiares y, la ciudad o regin en la que se encuen-
tren, con el objetivo de evidenciar la prediccin que tiene
el modelo.
A continuacin se presenta en la tabla 21, los resultados
Analti a
k
1
para cada escenario.
Escenario Pesimista, se considera las caractersticas
menos favorables que puede tener un asalariado. As
un hombre o mujer, que se encuentre entre los 15
a 25 aos de edad, con educacin bsica, separa-
do/divorciado, jornalero/pen, con una antigedad
menor igual a un ao, con jornada parcial, en un esta-
blecimiento de menos de 100 trabajadores, no recibe
cursos de capacitacin y, es de la Costa, tendr una
probabilidad de 0.99 o 0.99 de tener un contrato tem-
poral, respectivamente, (vase tabla 21).
Escenario Moderado, se considera condiciones acep-
tables de un asalariado en el mercado laboral. As un
hombre o mujer, que se encuentre entre los 26 a 35
aos de edad, con un un nivel de instruccin supe-
rior universitaria, casado/unin libre, empleado pri-
vado, con una antigedad mayor a un ao, con jor-
nada completa, en un establecimiento de menos de
100 trabajadores, no recibe cursos de capacitacin y
es de la Amazonia, tendr una probabilidad de 0.44
o 0.39 de tener un contrato temporal, respectivamen-
te, (vase tabla 21).
Caractersticas del Individuo Escenarios
Pesimista Moderado Optimista
Sexo
Hombre 1 1 0
Mujer 0 0 1
Rango de Edad
15-25 1 0 0
26-35 0 1 0
36-45 0 0 1
46-55 0 0 0
56-65 0 0 0
Nivel de
Instruccin
Educacin Bsica 1 0 0
Educacin Media 0 0 0
Superior Universitaria 0 1 0
Post-grado 0 0 1
Estado Civil
Casado/Unin Libre 0 1 0
Separado/Divorciado 1 0 0
Soltero 0 0 1
Ocupacin
Empleado Gobierno 0 0 1
Empleado Privado 0 1 0
Jornalero o Pen 1 0 0
Empleado Domstico 0 0 0
Antigedad
Mayor a un ao 0 1 1
Menor igual a 1 ao 1 0 0
Jornada Laboral
Jornada Completa 0 1 1
Jornada Parcial 1 0 0
Tamao del
Establecimiento
Menos de 100 trabajadores 1 1 0
100 y ms trabajadores 0 0 1
Recibe cursos de
capacitacin
Si 0 0 1
No 1 1 0
Ciudades
Autoreprentadas y
Regiones
Cuenca 0 0 0
Machala 0 0 0
Guayaquil 0 0 0
Quito 0 0 0
Ambato 0 0 0
Resto de la Sierra 0 0 1
Resto de la Costa 1 0 0
Amazonia 0 1 0
Pr(Y = 1) 0.9990 0.4362 0.0992
Tabla 21. Escenarios para el Modelo 2. Fuente: elaboracin propia a partir de la encuesta ENEMDU.
Analti a
k
1
Escenario Optimista, se considera condiciones relativa-
mente buenas y estables dentro del mercado laboral. As
una hombre o mujer, que se encuentre entre los 36 a 45
aos de edad, con post-grado, soltero, empleado de go-
bierno, con una antigedad mayor a un ao, con jornada
completa, en un establecimiento de ms de 100 trabaja-
dores, que recibe cursos de capacitacin y es de la Sierra,
tendr una probabilidad de 0.12 o 0.09 de tener un con-
trato temporal, respectivamente, (vase tabla 21).
3.3.3 Anlisis por Rama de Actividad
El objetivo de este anlisis, es identicar las caracters-
ticas relevantes de cada Rama de Actividad, para de esta
manera conocer cul es el grupo de individuos predomi-
nante en cada rama y as tener un aporte que permita evi-
denciar y constatar las razones de la existencia del contrato
temporal en cada una de ellas.
Para lograr el objetivo sealado, se realiz un anlisis
desagregado de acuerdo a la Clasicacin Internacional In-
dustrial Uniforme (CIIU) a un dgito, en la cual se conside-
ran 17 Ramas de Actividad que permiten clasicar al esta-
blecimiento donde se encuentra el empleado. Recalcando
que para el sector Q. Organizaciones y rganos extrate-
rritoriales, al tener informacin nicamente de 7 indivi-
duos a lo largo del perodo de anlisis, y su representa-
cin porcentual con respecto a las Ramas de Actividad es
del 0,01 %, (vase la gura 4), no son datos sucientes que
permitan realizar el anlisis requerido.
En la gura 4 se puede observar la distribucin de las
distintas Ramas de Actividad, dentro del universo consi-
derado para el estudio.
A continuacin, se presentan los resultados obtenidos,
enfocndose principalmente en los Rangos de Edad, en el
Nivel de Instruccin, en el tipo de ocupacin, y en las ciu-
dades autorepresentadas o regiones. Sin embargo, no se
prestar mayor atencin a las variables, sexo, antigedad,
jornada laboral, tamao del establecimiento y recibe cur-
sos de capacitacin, pues son variables que al aplicarlos en
el modelo no son signicativas.
Figura 4. Distribucin de individuos por Rama de Actividad. Fuente: elaboracin propia a partir de la encuesta ENEMDU.
Es necesario tomar en cuenta que los resultados que se
presentan son realizados en base a una muestra, por lo que
la agrupacin de los individuos en determinadas ciudades
representaran el comportamiento general de la regin, co-
mo en el caso de Machala, explicara el comportamiento de
la regin Costa.
Analti a
k
1
A. Agricultura, ganadera, caza y silvicultura
En la tabla 22 se observa que la probabilidad de tener
un contrato temporal, en esta rama de actividad, se incre-
menta para los individuos entre 15 a 25 aos de edad, con
una educacin bsica, que sean jornaleros o peones y, que
vivan en Machala o en la Amazonia. Por otra parte, la ni-
ca caracterstica que hace que disminuya la probabilidad
de tener un contrato temporal es la existencia del empleo
privado.
Rama de Actividad Caractersticas Inuencia
A.Agricultura, ganadera, caza y
silvicultura
Rango de Edad 15-25 Positiva
Nivel de Instruccin Educacin Bsica Positiva
Ocupacin
Empleado/Obrero Privado Negativa
Jornalero Pen Positiva
Regiones y Ciudades
Autorepresentadas
Machala Positiva
Amazonia Positiva
Tabla 22. Caracterizacin de los individuos con contrato temporal en la Rama A. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
B. Pesca
En la tabla 23 se puede notar que la probabilidadde que
aumente el contrato temporal, en esta rama de actividad se
divide en dos grupos; en el primer grupo se representa a
las personas entre 15 y 25 aos; el segundo grupo a las per-
sonas de 36 a 45 aos. En ambos grupos se observa que las
caractersticas relevantes de las personas son tener educa-
cin bsica y ser jornalero o pen. En esta rama de activi-
dad no se puede determinar en que regin o ciudad existe
una mayor probabilidad de una relacin laboral temporal,
debido a que este sector econmico no se desarrolla en las
ciudades que abarca la representacin del universo consi-
derado. Por otra parte, la existencia del empleo privado
dentro de esta rama de actividad fomenta la disminucin
de la probabilidad de tener un contrato temporal.
B.Pesca
Rango de Edad
15-25 Positiva
36-45 Positiva
Ocupacin
Jornalero Pen Positiva
Tabla 23. Caracterizacin de los individuos con contrato temporal en la Rama B. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
C. Explotacin de minas y canteras
En la tabla 24 se observa que la probabilidad de tener
menta en los individuos de 15 a 25 aos de edad, con un
nivel de educacin bsica. Al igual que en la rama de acti-
vidad de la Pesca en el universo considerado no es posible
establecer en que regin o ciudad se aumentara el contra-
to temporal. Por otra parte, las caractersticas que disminu-
yen los asalariados temporales son: encontrarse entre 46 a
55 aos de edad y la existencia del empleo privado.
C. Explotacin de minas y canteras
Rango de Edad
15-25 Positiva
46-55 Negativa
Ocupacin Empleado/Obrero Privado Negativa
Tabla 24. Caracterizacin de los individuos con contrato temporal en la Rama C. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
Analti a
k
1
D. Industrias manufactureras
En la tabla 25 se puede notar que la probabilidad de
aumentar la contratacin temporal, en esta rama de acti-
vidad, es por la agrupacin de los individuos entre 15 a
35 aos de edad, que tienen una educacin bsica o me-
dia, y que viven en Machala, Guayaquil o en el resto de
la Costa. Por otra parte, las caractersticas que posibilitan
una disminucin en la probabilidad de tener un contrato
temporal son: ser empleado privado o pblico y que vivan
en Cuenca.
D. Industrias manufactureras
Rango Edad
15-25 Positiva
26-35 Positiva
Rango Edad
15-25 Positiva
26-35 Positiva
Nivel de Instruccin
Educacin Bsica Positiva
Educacin Media Positiva
Estado Civil Casado / Unin Libre Negativa
Antigedad
Menor igual a un ao Positiva
Mayor a un ao Negativa
Ocupacin
Empleado/Obrero Pblica Negativa
Jornada Laboral
Jornada Parcial Positiva
Jornada Completa Negativa
Tamao de Establecimiento
Menos de 100 trabajadores Positiva
Mas de 100 trabajadores Negativa
Cursos de Capacitacin
No reciben Positiva
Si reciben Negativa
Regiones y Ciudades
Autorepresentadas
Cuenca Negativa
Machala Positiva
Guayaquil Positiva
Resto de la Costa Positiva
Tabla 25. Caracterizacin de los individuos con contrato temporal en la Rama D. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
Fuente: elaboracin propia a partir de la encuesta ENEMDU
E. Suministro de electricidad, gas y agua
En la tabla 26 se observa que la probabilidad de obtener
mentar para los individuos entre 15 a 25 aos de edad y,
con educacin media. Por otra parte, la caracterstica que
hace que disminuya la probabilidad de tener un contrato
temporal es que se encuentren en un rango de edad de 26
a 35 aos.
E. Suministro de electricidad, gas y agua Rango de Edad
15-25 Positiva
26-35 Negativa
Nivel de Instruccin Educacin Media Positiva
Tabla 26. Caracterizacin de los individuos con contrato temporal en la Rama E. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
F. Construccin
En la tabla 27 se puede apreciar que la probabilidad de
tener un contrato temporal, en esta rama de actividad, au-
menta para los individuos con un nivel de educacin bsi-
ca. Por otra parte, las caractersticas de los individuos que
posibilitan una disminucin en la probabilidad de obtener
una relacin laboral temporal, son: que sea casado o unin
libre, empleado privado o pblico y, que vivan en Cuenca,
Quito o Ambato.
Analti a
k
1
F. Construccin
Estado Civil Casado/Unin Libre Negativa
Ocupacin
Empleado/Obrero Pblico Negativa
Regiones y Ciudades
Autorepresentadas
Cuenca Negativa
Quito Negativa
Ambato Negativa
Tabla 27. Caracterizacin de los individuos con contrato temporal en la Rama F. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
G. Comercio al por mayor y menor; reparacin de vehculos automotores, motocicletas, efectos personales y
enseres domsticos
incrementar el contrato temporal, en esta rama de activi-
dad, es en los individuos entre los 15 a 35 aos de edad,
con un nivel de educacin bsica y que vivan en Machala
o Guayaquil. Por otra parte, las caractersticas que incenti-
van la disminucin de esta probabilidad son: ser empleado
privado o pblico y que vivan en Cuenca, Quito o Ambato.
G. Comercio al por mayor y menor;
reparacin de vehculos automotores,
motocicletas, efectos personales y enseres
domsticos
Rango Edad
15-25 Positiva
26-35 Positiva
Ocupacin
Empleado/Obrero Publicado Negativa
Regiones y Ciudades
Autorepresentadas
Cuenca Negativa
Machala Positiva
Guayaquil Positiva
Quito Negativa
Ambato Negativa
Tabla 28. Caracterizacin de los individuos con contrato temporal en la Rama G. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
H. Hoteles y restaurantes
aumentar la contratacin temporal, en esta rama de activi-
dad, es por la agrupacin de los individuos entre 15 a 25
aos de edad y, que vivan en Machala o en Guayaquil. Por
otra parte, las caractersticas que posibilitan una disminu-
cin en la probabilidad de tener un contrato temporal son:
ser empleado privado y, que vivan en Cuenca, Quito o Am-
bato.
H. Hoteles y restaurantes
Rango Edad 15-25 Positiva
Ocupacin Empleado/Obrero Privado Negativa
Regiones y Ciudades
Autorepresentadas
Cuenca Negativa
Machala Positiva
Guayaquil Positiva
Quito Negativa
Ambato Negativa
Tabla 29. Caracterizacin de los individuos con contrato temporal en la Rama H. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
I. Transporte, almacenamiento y comunicaciones
que incremente el contrato temporal, en esta rama de acti-
vidad, es en los individuos entre los 15 a 35 aos de edad,
con un nivel de educacin bsica o media, y que vivan en
Machala o resto de la Costa. Por otra parte, las caractersti-
cas que posibilitan la disminucin de esta probabilidad de
tener un contrato temporal son: ser empleado privado o de
gobierno y, que vivan en Cuenca o Quito.
Analti a
k
1
I. Transporte, almacenamiento y
comunicaciones
Rango Edad
15-25 Positiva
26-35 Positiva
Nivel de Instruccin
Ocupacin
Empleado/Obrero Gobierno Negativa
Regiones y Ciudades
Autorepresentadas
Cuenca Negativa
Machala Positiva
Quito Negativa
Tabla 30. Caracterizacin de los individuos con contrato temporal en la Rama I. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
J. Intermediacin nanciera
un contrato temporal, en esta rama de actividad, se ve afec-
tada positivamente por las personas entre los 46 a 55 aos
de edad, que tenga un nivel de educacin bsica, que sea
empleado de gobierno y que vivan en Machala. Por otra
parte, las caractersticas que hacen que disminuya la pro-
babilidad de tener un contrato temporal son: ser empleado
privado y que vivan en Quito.
J. Intermediacin nanciera
Rango Edad 46-55 Positiva
Ocupacin
Empleado/Obrero Gobierno Positiva
Regiones y Ciudades
Autorepresentadas
Quito Negativa
Machala Positiva
Tabla 31. Caracterizacin de los individuos con contrato temporal en la Rama J. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
K. Actividades inmobiliarias, empresariales y de alquiler
incrementar el contrato temporal, en esta rama de activi-
dad, es para los individuos entre 36 a 45 aos de edad, con
un nivel de educacin bsica o media. Por otra parte, las
caractersticas que hacen que disminuya esta probabilidad
son: que se encuentren entre 46 a 55 aos de edad, sea ca-
sado y que vivan en Cuenca, Quito o Ambato.
K. Actividades inmobiliarias,
empresariales y de alquiler
Rango Edad
36-45 Positiva
46-55 Negativa
Nivel de Instruccin
Regiones y Ciudades
Autorepresentadas
Cuenca Negativa
Quito Negativa
Ambato Negativa
Tabla 32. Caracterizacin de los individuos con contrato temporal en la Rama K. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
Analti a
k
1
L. Administracin pblica y defensa; planes de seguridad social de aliacin obligatoria
En la tabla 33 se observa que la probabilidad de obte-
ner un contrato temporal, en esta rama de actividad, se ve
afectada positivamente para las personas entre 15 a 55 aos
de edad, con un nivel de educacin bsica y, que vivan en
Machala. Por otra parte, las caractersticas que posibilitan
la disminucin de la probabilidad de una relacin laboral
temporal son: que se encuentre entre los 56 a 65 aos de
edad, que sea casado y, que vivan en Ambato o el resto de
la Sierra.
L. Administracin pblica y defensa;
planes de seguridad social de aliacin
obligatoria
Rango de Edad
15-25 Positiva
26-35 Positiva
36-45 Positiva
46-55 Positiva
56-65 Negativa
Regiones y Ciudades
Autorepresentadas
Machala Positiva
Ambato Negativa
Resto de la Sierra Negativa
Tabla 33. Caracterizacin de los individuos con contrato temporal en la Rama L. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
M. Enseanza
aumentar la contratacin temporal, en esta rama de activi-
dad, es por la agrupacin de los individuos entre 15 a 55
aos de edad y que vivan en Machala, Guayaquil, Ambato
o el resto de la Costa, notndose que la enseanza es una
rama de actividad en la que la temporalidad tiene mayor
posibilidad de desarrollarse.
M. Enseanza
Rango Edad
15-25 Positiva
26-35 Positiva
36-45 Positiva
46-55 Positiva
Regiones y Ciudades
Autorepresentadas
Machala Positiva
Guayaquil Positiva
Ambato Positiva
Tabla 34. Caracterizacin de los individuos con contrato temporal en la Rama M. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
N. Actividades de servicios sociales y de salud
En la tabla 35 se aprecia que la probabilidad de aumen-
tar la contratacin temporal, en esta rama de actividad, es
para los individuos entre 15 a 45 aos de edad, con un nivel
de educacin bsica y que vivan en Machala, indicndonos
que en las Actividades de servicios sociales y de salud el
contrato temporal es la forma ms comn de relacin labo-
ral que se establece.
Analti a
k
1
N. Actividades de servicios sociales y de
salud
Rango Edad
15-25 Positiva
26-35 Positiva
36-45 Positiva
Regiones y Ciudades
Autorepresentadas
Machala Positiva
Tabla 35. Caracterizacin de los individuos con contrato temporal en la Rama N. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
O. Otras actividades comunitarias sociales y personales de tipo servicios
menta para las personas entre 15 a 35 aos de edad y, que
vivan en Machala. Por otra parte, las caractersticas que in-
centivan la disminucin de esta probabilidad son: que sea
casado y, que vivan en Cuenca.
O. Otras actividades comunitarias sociales
y personales de tipo servicios
Rango Edad
15-25 Positiva
26-35 Positiva
Regiones y Ciudades
Autorepresentadas
Cuenca Negativa
Machala Positiva
Tabla 36. Caracterizacin de los individuos con contrato temporal en la Rama O. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
P. Hogares privados con servicio domstico
aumentar la contratacin temporal, en esta rama de acti-
vidad, es para los individuos entre 15 a 35 aos de edad,
que sea separado o divorciado y que vivan en Cuenca o
Guayaquil. Por otra parte, las caractersticas que permiten
disminuir la probabilidad de tener un contrato temporal
son: que vivan en Quito o Ambato. Adems es necesario
conocer que en esta rama se agrupan las empleadas(o) do-
msticas(o), y que por tal razn el establecimiento no so-
brepasa en ninguno de los casos a 100 trabajadores.
P. Hogares privados con servicio
domstico
Rango Edad
15-25 Positiva
26-35 Positiva
Estado Civil Separado/Divorciado Positiva
Regiones y Ciudades
Autorepresentadas
Cuenca Positiva
Guayaquil Positiva
Quito Negativa
Ambato Negativa
Tabla 37. Caracterizacin de los individuos con contrato temporal en la Rama P. Fuente: elaboracin propia a partir de la encuesta
ENEMDU.
4 Conclusiones
Este trabajo ha permitido detectar las diferencias en el
acceso al empleo temporal segn la regin de residencia,
usando la desagregacin de las caractersticas de los indi-
viduos. Adems, ayuda a evidenciar la realidad ecuatoria-
na.
Los resultados obtenidos han mostrado que la tempo-
ralidad en Ecuador no slo depende de la estructura pro-
ductiva existente, sino que es un fenmeno asociado a las
caractersticas de los trabajadores y a nuestra cultura em-
presarial. Resaltan la inuencia que tiene el nivel de ins-
Analti a
k
1
truccin, el tiempo de trabajo y el tipo de jornada laboral
al momento de obtener un contrato temporal, y el hecho
de ser hombre o mujer, presentando los hombres una ma-
yor propensin de tener un contrato temporal, esto podra
explicarse, debido a que existen tareas sencillas y rudimen-
tarias, como las que exigen los cultivos agrcolas, la cra de
ganado, la pesca, la caza, la industria, y construccin que
requiere la utilizacin de herramientas manuales y a me-
nudo, un esfuerzo considerable.
En referencia a las regiones y ciudades, se obtiene que
en la Regin Costa, particularmente en las ciudades de Ma-
chala y Guayaquil se concentran los contratos tempora-
les. Una posible explicacin sera el desarrollo en las ac-
tividades de: agricultura, ganadera, caza y silvicultura,
industrias manufactureras, hoteles y restaurantes, trans-
porte, almacenamiento y comunicaciones. En las activida-
des mencionadas se pueden presentar contratos eventua-
les, por obra, por horas. Generalmente son actividades que
se desarrollan por temporadas, es decir, por perodos del
ao en los cuales tienen mayor desarrollo y surge la nece-
sidad de incrementar el contrato temporal.
Por lo que respecta a la rama de actividad Enseanza,
es un sector econmico que se desarrolla en todas las ciu-
dades y regiones, tanto en la educacin privada como p-
blica y, al existir una gran demanda dentro de la enseanza
se posibilita en mayor medida la relacin laboral temporal.
Finalmente, se ha comprobado a travs de un modelo
de regresin logstica el conocimiento emprico del com-
portamiento social, dentro del mercado laboral ecuatoria-
no, permitiendo cuanticar en que medida se encuentra el
contrato temporal concentrado.
Agradecimientos
Los autores queremos dejar constancia de nuestro agra-
decimiento a Byron Villacs, Jorge Garca, Hugo Freire y
Livino Armijos por las sugerencias, colaboracin y ayuda
recibida en la elaboracin del presente estudio.
Referencias
[1] M. Aguayo, y E. Lore, Cmo hacer una Regresin
Logstica binaria paso a paso II anlisis multivarian-
te, Fundacin Andalucia Beturia para la Investiga-
cin en Salud, Dot. N
o
0702013, (2007).
[2] A. Alejandro,J. Prez, R. Kizys y L. Manzanedo, Re-
gresin Logstica Binaria, Universidad Oberta de Ca-
talunya, Barcelona, (2002).
[3] A. Caparros, y L. Navarro, Temporalidad, segmen-
tacin laboral y actividad productiva: existen dife-
rencias regionales?, Estadstica Espaola, Vol. 50, N
o
.
168, (2008).
[4] Codicacin 17, Codicacin del Cdigo del Tra-
bajo, Registro Ocial Suplemento 167, Diciembre,
(2005).
[5] C. Gamero,Satisfaccin Laboral y tipo de contrato
en Espaa, Investigative Radiology 34, Vol. 10, 636
- 642, (1999).
[6] L. Hachuel, G. Boggio, D. Wojdyla y E. Servy, Inter-
pretacin y comparacin de modelos de regresin lo-
gstica para el estudio de la desocupacin, Dcimas
Jornadas Investigaciones en la Facultad de Ciencias
Econmicas y Estadstica, Noviembre, (2005).
[7] Instituto Nacional de Estadsticas y Censos del Ecua-
dor,Manual del Encuestador, Estadstica de Hoga-
res, Junio, (2010).
[8] Ley No. 100,Cdigo de la niez y adolescencia, Re-
gistro Ocial 737, Enero, (2003).
Fecundidad en el Ecuador y su relacin con el entorno social y
evolutivo
Cintya Lanchimba
y Pal Medina
Ecuador
cintya1919@gmail.com,

Recibido: 1 de agosto de 2010 Aceptado: 31 de septiembre de 2010
Resumen
Este documento analiza la evolucin de la fecundidad en Ecuador desde el ao 1990 al ao 2007, perodo en el cual
se dispone de datos reales. Luego, en base a la evolucin (tendencia) detectada se pretende inferir el comportamiento
de la fecundidad a corto y mediano plazo, para lo cual se utilizan las Estadsticas Vitales desde el ao 1990 hasta el ao
2007, la Encuesta de Empleo y Desempleo (ENEMDU) en el mismo perodo y los Censos de Poblacin y Vivienda de 1990 y
2001. Los resultados muestran una tendencia decreciente de la tasa de fecundidad en el pas, Esta tasa es explicada por
la poblacin femenina en edad fecunda, la poblacin total y la tasa de natalidad. Adems, se estudia el bono demogr-
co para el Ecuador, pues conocerlo permitir que el gobierno tome las medidas adecuadas para su aprovechamiento.
Finalmente, del estudio se desprende que el bono demogrco se encontrar situado entre el ao 2013 y el ao 2022.
Palabras claves: tasa de fecundidad, bono demgraco.
Abstract
This paper analyzes the changes of the female fertility in Ecuador, from 1990 to 2007, period which provided real
data. Then, based on the fertility rate detected it tried to infer the behaviors fertility in the short and medium term, for
which Vital Statistics are used from years 1990 to 2007, the Survey of Employment and Disemployment ENEMDU in the
same period and Censuses on Population and Housing of 1990 and 2001. The results show a decreasing tendency of the
rate female fertility in the country; this rate is explained by the female population of fertile age, the total population and
the rate of natality. In addition, the demographic bond for Ecuador will be studied, because knowledge will allow the
government to take appropriate measures to their use. Finally, this study indicates that the demographic bond will be
located between 2013 and 2022.
Keywords: fertility rate, demographic bond.
JEL Codes: B54, C51.
1 Introduccin
Durante la dcada pasada, Ecuador experiment cam-
bios en el comportamiento de los patrones demogrcos,
en los cuales la natalidad, mortalidad y fecundidad jue-
gan un papel preponderante. Por ejemplo, en 1990 de cada
1000 personas 5 moran; mientras que 17 aos ms tarde,
slo 4 personas mueren, es decir, la tasa de mortalidad ha
disminuido. Actualmente, la esperanza de vida al nacer de
una persona supera los 75 aos, mientras que en 1990 era
de 69 aos, segn UNICEF. Por otra parte, la tasa de natali-
dad pas de un 3 % a un 2 % y, la tasa de fecundidad, pas
de 10,64 % a 6,85 %; en el mismo perodo.
Son muchos los intentos de explicar, a travs de dis-
tintas teoras, la evolucin de los fenmenos demogr-
cos y esclarecer sus consecuencias al margen de cualquier
27
Analti a
k
1
Cintya Lanchimba y Pal Medina
voluntad normativa. Entre las teoras ms utilizadas [10]
se destaca la teora de la transicin demogrca, donde la
evolucin de la mortalidad y fecundidad juegan un papel
fundamental. En el presente trabajo nos basaremos en la
teora citada.
La alta fecundidad de las sociedades antiguas estaba
dictada sin lugar a dudas por el imperativo de la super-
vivencia. Durante largo tiempo, muchos nacimientos no
fueron ms que nacimientos de reemplazo destinados sim-
plemente a compensar la desaparicin de los primognitos
muertos. Posteriormente, la limitacin de los nacimientos
fue compensada por una mejora de la supervivencia antes
de las edades fecundas. Sin embargo, la fuerte reduccin
de nales de siglo XX, fruto del descenso del nmero de
hijos no deseados y la revisin a la baja del nmero de hi-
jos deseados, no ha llegado a compensarse con las mejoras
en la supervivencia de los ms jvenes [8].
En resumen, la cronologa del descenso de la fecundi-
dad sigue el guin marcado por la teora de transicin de-
mogrca, el mismo que se basa en la baja de la mortalidad
y fecundidad, las cuales estn correlacionadas con el pro-
ceso de modernizacin de la sociedad.
Por otra parte, la tasa de fecundidad es un indicador
importante en la transicin demogrca de un pas, su es-
tudio es til para hallar estimaciones de la poblacin en el
futuro, si tomamos en cuenta que su importancia radica en
que los nios que nacen sern el sustento del futuro y, que
los mismos pueden representar un bono demogrco. Por
tanto, el objetivo de este trabajo es llegar a estimar la ta-
sa de fecundidad y, principalmente, determinar cuales son
las variables que la determinan.
El presente trabajo est estructurado de la siguiente
manera: en la seccin 2 se detalla la metodologa a utilizar,
en la seccin 3 se detallan varias teoras para el anlisis de-
mogrco del pas y, nalmente, en la seccin 4 se detallan
las conclusiones.
2 Modelo
Al hablar de la tasa de fecundidad no podemos dejar
de lado ciertos conceptos que estn asociados a la misma;
es el caso de la tasa de natalidad, mortalidad y la pobla-
cin de un pas. Por esta razn eso que antes de empezar
a estimar la tasa de fecundidad ecuatoriana es necesario
conocer primero los conceptos anteriormente citados.
2.1 Deniciones
La deniciones que se presentan a continuacin son
fundamentales en el desarrollo del presente trabajo, pues
a partir de ellas se estudian y construyen los distintos mo-
delos estadsticos.
DEFINICIN 1 (Tasa de fecundidad (Y)). Se dene como la
razn que existe entre el nmero de nacimientos (Nn) ocurridos
en un cierto perodo (aos, meses, das) y la cantidad de poblacin
femenina en edad frtil (Pf ), en el mismo periodo. Algebraica-
mente se puede representar la relacin como:
Y
i
=
Nn
i
Pf
i
, (1)
donde, el subndice i indicar el perodo de tiempo en el que se
mide la tasa, generalmente aos.
DEFINICIN 2 (Tasa de natalidad (W) ). Se dene como la
razn que existe entre el nmero de nacimientos (Nn) ocurri-
dos y la cantidad total de personas (pt), en el mismo periodo de
tiempo. Algebraicamente se puede representar la relacin como:
W
i
=
Nn
i
pt
i
, (2)
DEFINICIN 3 (Tasa de mortalidad (Z)). Se dene como la
razn que existe entre el nmero de defunciones (m) y la canti-
dad total de personas (pt), en el mismo periodo de tiempo. Alge-
braicamente se puede representar la relacin como:
Z
i
=
m
i
pt
i
, (3)
DEFINICIN 4 (Relacin de dependencia poblacional
(RD)). Se dene como la razn entre la poblacin mayor a 65
aos (P
65
), ms la poblacin menor a 15 aos (P
15
) y, la pobla-
cin que se encuentra entre los 15 y 64 aos (PT). Algebraica-
mente se puede representar la relacin como:
RD =
P
65
+ P
15
PT
. (4)
Dentro de la dinmica de poblaciones existen varios
modelos para representar y estudiar el comportamiento
poblacional [1, 11]. Los pioneros del estudio matemtico
son Malthus [13], Verhults [19], Lotka [12] y Voltera [20]
cuyos trabajos se publicaron en los aos 20 y 30 del siglo
pasado, respectivamente. Sin embargo, el modelo repre-
sentado por la ecuacin logstica de poblacin [19, 21] es
uno de los ms aceptados y utilizados para realizar apro-
ximaciones del tamao poblacional. Por tal motivo, en el
presente trabajo utilizaremos este modelo.
DEFINICIN 5 (Ecuacin Logstica de la Poblacin). Si P
representa el tamao de la poblacin y t representa el tiempo, la
ecuacin logstica de la poblacin, queda formalizada por la si-
guiente ecuacin diferencial:
dP
dt
= P(a bP), (5)
donde a corresponde a la tasa de natalidad y b a la tasa de mor-
talidad.
Analti a
k
1
Fecundidad en el Ecuador y su relacin con el entorno social y evolutivo
Observacin: Si se cumple la relacin b << a, de tal mo-
do que si P no es demasiado grande, entonces el trmino
bP
2
es insignicante comparado con aP, de donde se de-
duce que la poblacin crece exponencialmente [21].
Considrese ahora la ecuacin logstica (5) para prede-
cir el crecimiento futuro de una poblacin aislada. Si P
0
es
la poblacin en el tiempo t
0
, entonces P(t), la poblacin en
el tiempo t, dado por la ecuacin (5), cumplir que:
P(t
0
) = P
0
. (6)
A la igualdad (6) se la conoce como condicin inicial para
la ecuacin (5).
La ecuacin (5) junto con la condicin inicial (6), de-
nen un problema de Valor Inicial, cuya solucin es:
P(t) =
aP
0
bP
0
+ (a bP
0
)e
at
0
. (7)
DEFINICIN 6 (Tasa Ocupacional femenina (O)). Se dene
como la razn entre el total de personas ocupadas (Of ) y la po-
blacin femenina en edad para trabajar (Pe), en el mismo perodo
de tiempo.
O
i
=
Of
i
Pe
i
, (8)
2.2 Etapas del modelo
Para la estimacin de la tasa de fecundidad, en el caso
ecuatoriano se sigui las siguientes etapas:
1. Seleccin de los datos a utilizar,
2. Construccin de las variables a utilizar,
3. Construccin y anlisis de varios modelos y,
4. Seleccin del mejor modelo.
2.2.1 Seleccin de los datos a utilizar
Los datos utilizados se obtuvieron de las siguientes
fuentes de informacin: las Estadsticas Vitales entre el ao
1990 y el ao 2007, las ENEMDU en el mismo perodo de
tiempo y, los Censos de Poblacin y Vivienda del ao 1990 y
2001.
Empleo de las Estadsticas Vitales. Las Estadsticas Vi-
tales de Nacimientos registran ao a ao los nacimientos
de los ecuatorianos. Un hecho particular es la no coinci-
dencia entre el ao de nacimiento y el ao de inscripcin
de los infantes, debido a que hay infantes que son inscritos
muchos aos ms tarde.
La particularidad sealada obliga a considerar nica-
mente datos desde el ao 1990 al ao 2007, pues si se con-
sideraran datos posteriores al ao 2007 se podra tener da-
tos inconsistentes; por lo que se ltro esta informacin, de
la base original, tomando en cuenta el ao de inscripcin
de los menores. Esto se evidencia cuando, al analizar los
registros, la edad a la que las madres tienen sus hijos es-
t correlacionada negativamente con el ao de inscripcin
del menor, ver Tabla 1.
Diferencia* Edad de las madres
Diferencia* 1 -0,016
Edad de las madres -0,016 1
Signicancia 1, 17 10
286
1, 17 10
286
*El trmino diferencia signica la diferencia anual entre el ao de
inscripcin y el ao de nacimiento de un menor.
Tabla 1. Cuadro de correlaciones de los aos de inscripcin y la
edad de la madre. Fuente: Elaboracin propia.
Una posible explicacin para la correlacin negativa
podra ser que mientras ms joven es la madre ms largo
es el tiempo que tarda en inscribir a un menor en el Re-
gistro Civil. Sin dejar de lado que esta correlacin es muy
pequea.
Por otra parte, dentro de las Estadsticas Vitales se regis-
tran las Estadsticas de Defunciones. Esto sirvi para de-
terminar la tasa de mortalidad; de manera particular, se
calcul la tasa de mortalidad de las mujeres en edad frtil.
Encuesta de Empleo y Desempleo Urbano (ENEMDU).
A partir de la encuesta anual, que se realiza en el mes de
diciembre, se determin la tasa ocupacional femenina.
Censos de Poblacin y Vivienda 1990 y 2001. Dado que
los Censos reejan el estado actual de toda la poblacin, a
partir de ellos se determinarn las tasas correspondientes
al sexo y el rango de edad segn estndares internaciona-
les. Datos necesarios para el estudio.
2.2.2 Construccin de las variables a utilizar
A continuacin, se describir cada una de las metodo-
logas utilizadas para construir las variables necesarias en
el estudio.
Estimacin de la Poblacin. Utilizando la ecuacin (7),
para estimar la poblacin en un perodo de tiempo deter-
minado, es necesario conocer las tasas de natalidad a, de
mortalidad b y una poblacin inicial P
0
.
Basados en las consideraciones establecidas estimare-
mos, en primer lugar, la poblacin en la dcada de los 90;
para ello, utilizaremos las deniciones 2 y 3 para calcular la
tasa de natalidad y mortalidad, respectivamente. Adems,
como condicin inicial consideramos:
P
0
= P
1990
= 9
648,189,
donde P
0
= P
1990
es la poblacin de Ecuador en 1990, es
decir, ser el ao base o inicial.
Analti a
k
1
Para los aos 2001, 2002,....,2007 volvemos a repetir los
clculos, considerando para ello el Censo de Poblacin y
Vivienda del ao 2001. Aqu, la condicin inicial es:
P
0
= P
2001
= 12
156,608,
donde P
0
= P
2001
es la poblacin de Ecuador en 2001, es
decir, ser el ao base o inicial.
Adems, se consider las deniciones 2 y 3 para calcu-
lar la tasa de natalidad y mortalidad, respectivamente. Los
resultados de la estimacin de la poblacin ecuatoriana en-
tre el ao 1990 y el ao 2007, utilizando la ecuacin (7) que
se muestran en la Figura 1.
Figura 1. Estimacin de la poblacin del Ecuador en el perodo de tiempo 1990-2007. Se evidencia una tendencia creciente, con un
comportamiento exponencial. El punto de cambio en la continuidad de la recta representa el cambio de datos (tasas) en el modelo
(Censo 2001). Fuente: Elaboracin propia.
Figura 2. Estimacin de la poblacin femenina en edad frtil en el perodo de tiempo 1990-2007. Se evidencia una tendencia creciente,
con un comportamiento exponencial. El punto de cambio en la continuidad de la recta, representa el cambio de datos (tasas) en el
modelo (Censo 2001). Fuente: Elaboracin propia.
Analti a
k
1
Adicionalmente, a los datos mostrados se estim la po-
blacin femenina en edad frtil. Estos clculos se los reali-
z de manera similar a los efectuados para estimar la po-
blacin nacional total. Los resultados se pueden observar
en la Figura 2.
Tasa de Natalidad (TN). De acuerdo a la denicin 2 pa-
ra el clculo de la tasa de natalidad es necesario conocer el
nmero de nacimientos y la poblacin nacional total en el
mismo perodo. Los resultados obtenidos, de la estimacin
de la tasa de natalidad, entre el ao 1990 y el ao 2007 se
muestran en la Tabla 2.
Los resultados de la Tabla 2, que muestran un descen-
so de la tasa de natalidad, pueden ser mejor apreciados
en la Figura 3.
Ao TN Ao TN Ao TN
( %) ( %) ( %)
1990 3,22 1996 2,96 2002 2,65
1991 3,16 1997 2,80 2003 2,48
1992 3,14 1998 2,64 2004 2,32
1993 3,20 1999 2,87 2005 2,18
1994 2,96 2000 2,81 2006 2,21
1995 2,93 2001 2,78 2007 2,06
Tabla 2. Evolucin de la Tasa de Natalidad en el perodo 1990-
2007. Fuente: Elaboracin propia.
Figura 3. Evolucin de la Tasa de Natalidad en el perodo de tiempo 1990-2007. Puede observarse un constante decrecimiento de la
tasa de natalidad con ciertos puntos de correccin, los cuales no hacen ms que raticar la tendencia decreciente. Fuente: Elaboracin
propia.
Tasa de Mortalidad (TM). De acuerdo a la denicin 3,
para el clculo de la tasa de mortalidad es necesario cono-
cer el nmero de muertes y la poblacin total nacional en
el mismo perodo. Los resultados obtenidos de la estima-
cin de la tasa de mortalidad, entre el ao 1990 y el ao
2007 se muestran en la Tabla 3.
Los resultados de la Tabla 3, que muestran un descenso
de la tasa de mortalidad, pueden ser mejor apreciados en
la Figura 4.
Ao TM Ao TM Ao TM
( %) ( %) ( %)
1990 0,52 1996 0,46 2002 0,45
1991 0,54 1997 0,45 2003 0,42
1992 0,53 1998 0,46 2004 0,42
1993 0,50 1999 0,46 2005 0,43
1994 0,48 2000 0,45 2006 0,43
1995 0,46 2001 0,46 2007 0,42
Tabla 3. Evolucin de la Tasa de Mortalidad en el perodo 1990-
Analti a
k
1
Figura 4. Evolucin de la Tasa de Mortalidad en el perodo 1990-2007. Fuente: Elaboracin propia.
La tasa de mortalidad tiene una tendencia decreciente y
las distintas variaciones que se observan en la serie tempo-
ral, logran que el decrecimiento en de esta tasa no sea tan
abrupto. Adems, se evidencia perodos en los que existe
cierta estabilidad en la tasa de mortalidad ecuatoriana.
Tasa de Fecundidad (TF). De acuerdo a la denicin 1
para el clculo de la tasa de fecundidad es necesario cono-
cer el nmero de nacimientos y la poblacin nacional fe-
menina en edad frtil, en el mismo periodo de tiempo. Se
debe tener presente que el dato de la poblacin femenina
fue estimado ao a ao mediante la ecuacin (7). Los resul-
tados obtenidos de la estimacin de la tasa de fecundidad,
entre el ao 1990 y el ao 2007 se muestran en la Tabla 4.
Ao TF Ao TF Ao TF
( %) ( %) ( %)
1990 10,64 1996 8,66 2002 8,70
1991 10,21 1997 8,03 2003 8,15
1992 9,95 1998 7,45 2004 7,63
1993 9,94 1999 7,92 2005 7,22
1994 9,03 2000 7,61 2006 7,32
1995 8,74 2001 9,10 2007 6,85
Tabla 4. Evolucin de la Tasa de Fecundidad en el perodo 1990-
Los resultados de la Tabla 4, que muestran un descenso
de la tasa de fecundidad, pueden ser mejor apreciados en
la Figura 5.
La tasa de fecundidad presenta una tendencia decre-
ciente, con un punto atpico en el ao 2001 y otra vez un
decrecimiento, pero no debemos olvidar que los datos de
la poblacin femenina son reales slo en el ao 1990 y en
el ao 2001. Esto se debe al cambio en los parmetros para
estimar la poblacin, debido a que se considera el Censo
de Poblacin y Vivienda 2001. A pesar de que existe un
cambio en la valoracin de la poblacin, se observa que la
tendencia decreciente se mantiene e incluso su pendiente
aumenta, hasta el ao 2006 que se da un punto de correc-
cin.
Tasa Ocupacional Femenina (TOF). De acuerdo a la de-
nicin 6 para el clculo de la tasa ocupacional femenina
es necesario conocer el total de mujeres ocupadas y el total
de mujeres en edad de trabajar (que esta directamente re-
lacionada con la PEA femenina que se encuentra calculada
ms adelante). Sin embargo, debido a las caractersticas del
estudio, consideramos la poblacin en edad frtil, esto es
de 12 a 49 aos. Los resultados obtenidos de la estimacin
de la TOF, entre el ao 1990 y el ao 2007 se muestran en
la Tabla 5.
Ao TOF Ao TOF Ao TOF
( %) ( %) ( %)
1990 31,05 1996 35,68 2002 41,31
1991 34,63 1997 37,16 2003 24,15
1992 34,79 1998 27,34 2004 27,99
1993 34,28 1999 37,24 2005 19,56
1994 36,09 2000 25,80 2006 18,91
1995 36,37 2001 31,49 2007 20,30
Tabla 5. Evolucin de la Tasa Ocupacional femenina en el perodo
1990-2007. Fuente: Elaboracin propia.
Los resultados de la Tabla 5, que muestran la tendencia
de la TOF, pueden ser mejor apreciados en la Figura 6.
Analti a
k
1
Figura 5. Evolucin de la tasa de fecundidad en el perodo 1990-2007. Fuente: Elaboracin propia.
Figura 6. Evolucin de la tasa de ocupacional femenina en el perodo 1990-2007. Fuente: Elaboracin propia.
La tasa ocupacional femenina durante los aos 1990 y
1997 tiene una tendencia creciente. Esta pasa de 31,05 % a
37,16 %, respectivamente. Despus del ao 1997 se obser-
van fuertes oscilaciones en la tasa ocupacional femenina,
sin que se pueda evidenciar una tendencia. En el ao 2004
se establece una cota superior para la tasa, pues a partir de
este ao ninguno de los otros valores vuelve a superar di-
cha cota. En resumen, se podra decir que a partir del ao
Analti a
k
1
2002, la tasa ocupacional femenina tiene una tendencia de-
creciente, sin que se pueda esperar una recuperacin a los
niveles alcanzados en la dcada de los noventa.
Edad media de las madres. Se considera como edad me-
dia de las madres la edad promedio en la que una mu-
jer tiene un hijo. Este promedio fue realizado de manera
anual. Se tom nicamente las mujeres cuya edad est en-
tre los 12 y 49 aos, pues por cuestiones naturales, en la
mujer su perodo de fertilidad no puede ser inferior ni su-
perior a este rango de edad. Las posible excepciones (datos
atpicos: madres menores de 12 aos y mayores a 49), no
se han considerado. Los resultados obtenidos de la estima-
cin de la edad media de las madres, entre el ao 1990 y el
ao 2007 se muestran en la Tabla 6.
Los resultados de la Tabla 6, que muestran un decreci-
miento de la edad media de las madres, pueden ser mejor
apreciados en la Figura 7.
Ao Edad Media Ao Edad Media Ao Edad Media
aos aos aos
1990 26,36 1996 25,95 2002 25,68
1991 26,25 1997 25,99 2003 25,64
1992 26,17 1998 25,78 2004 25,64
1993 26,15 1999 25,80 2005 25,63
1994 26,06 2000 25,80 2006 25,52
1995 25,98 2001 25,78 2007 25,42
Tabla 6. Evolucin de la edad media de las madres a la hora de tener hijos en el perodo 1990-2007. Fuente: Elaboracin propia.
Figura 7. Evolucin de la edad media de las madres a la hora de tener hijos en el perodo 1990-2007. Fuente: Elaboracin propia.
La edad media de las madres en el momento de tener
hijos tiene una tendencia decreciente, con puntos de co-
rreccin, y ucta dentro de un rango pequeo (0, 94 < 1),
pues se encuentra entre los 25.42 y 26.36 aos. Adems, se
puede apreciar que en 17 aos no ha habido un cambio
signicativo en la edad media de las madres a la hora de
tener hijos.
Nmero de nios. Para el clculo del nmero de nios
se considera el total de nios nacidos en el pas durante el
perodo de tiempo al que hacemos referencia. Los resulta-
dos obtenidos, de la estimacin del nmero de nios entre
el ao 1990 y el ao 2007, se muestran en la Tabla 7.
Los resultados de la Tabla 7, que muestran el nmero
de nios nacidos, pueden ser mejor apreciados en la Figu-
ra 8.
Analti a
k
1
Ao Total de nios Ao Total de nios Ao Total de nios
1990 309 453 1996 333 223 2002 327 911
1991 311 150 1997 323 675 2003 313 709
1992 317 993 1998 314 042 2004 299 531
1993 332 787 1999 349 382 2005 288 534
1994 316 676 2000 351 251 2006 298 080
1995 321 195 2001 336 266 2007 283 984
Tabla 7. Evolucin del nmero de nios nacidos en el perodo 1990-2007. Fuente: Elaboracin propia.
Figura 8. Evolucin del nmero de nios nacidos en el perodo 1990-2007. Fuente: Elaboracin propia.
Desde el ao 1990 hasta el ao 1999 puede observarse
un comportamiento irregular del nmero de nios naci-
dos. Se podra decir que tiene un leve comportamiento
creciente. Por otra parte, a partir del ao 2000, el compor-
tamiento decreciente es evidenciado. Los cambios en la
lnea de tendencia estn directamente relacionados con los
cambios en la tasa de natalidad.
Poblacin Femenina Econmicamente Activa (PEAf).
La poblacin econmicamente activa femenina toma en
cuenta el total de mujeres en edad para trabajar: esto es
de los 15 a 65 aos. Los resultados obtenidos de la estima-
cin de la PEAf entre el ao 1990 y el ao 2007 se muestran
en la Tabla 8.
Los resultados de la Tabla 8 que, en general, mues-
tran un crecimiento en la PEA femenina, pueden ser mejor
apreciados en la Figura 9.
Ao PPEAf Ao PEA PEAf Ao PEAf
1990 11 592 1996 12 262 2002 7 888
1991 12 363 1997 12 181 2003 24 668
1992 12 237 1998 13 299 2004 25 251
1993 12 169 1999 13 257 2005 23 691
1994 11 985 2000 19 143 2006 23 934
1995 11 985 2001 18 532 2007 23 702
Tabla 8. Evolucin de la Poblacin Econmicamente Activa Fe-
menina en el perodo 1990-2007. Fuente: Elaboracin propia.
La PEA femenina muestra una ligera tendencia crecien-
te hasta el ao 2001, luego se produce una drstica cada en
el ao 2002, la cual se podra explicar por el fenmeno de
la migracin. Posterior al ao 2002, se observa una recupe-
racin que alcanza su mximo en el ao 2004 y permanece
estable por el resto de perodo de estudio.
Analti a
k
1
Figura 9. Evolucin de la Poblacin Econmicamente Activa Femenina en el perodo 1990-2007. Fuente: Elaboracin propia.
2.2.3 Construccin de modelos
Un modelo lineal mltiple, en general, relaciona la
variable dependiente Y con k variables explicativas X
r
(r=1,...,k) o cualquier transformacin de stas, las cuales
generan un hiperplano de parmetros
r
desconocidos. El
modelo puede representarse de la siguiente manera:
Y
i
=
0
+
k
r=1
r
X
r
+, (9)
donde es una variable aleatoria independiente que sigue
una ley normal N(0,
2
). Adems, esta variable recoge to-
dos aquellos factores de la realidad no controlables u ob-
servables.
Un modelo de Regresin Lineal Mltiple con k variables
predictoras y basado en n observaciones es de la forma:
y
i
=
0
+
1
x
i1
+
2
x
i2
+ .... +
k
x
ik
+
i
, (10)
donde i = 1, 2, ..., n. Generalmente para la estimacin de
los parmetros
r
se utiliza la tcnica de Mnimos de Cua-
drados Ordinarios [5].
Como paso previo a la construccin de un modelo li-
neal mltiple se realiz un cambio de escala de las varia-
bles a utilizar, pues al considerar tasas y totales poblacio-
nales (distintas escalas), el empleo de la regresin lineal
mltiple directamente tendra problemas [5]. Adems, se
considerar un nivel de conanza del 95 % (nivel de sig-
nicancia de 5 %) para las distintas pruebas de hiptesis a
realizar, con el objeto de validar el modelo.
Para encontrar el modelo adecuado se desarrollaron
dos fases. En la primera fase se construyeron varios mode-
los tratando de encontrar el ms adecuado. Aqu se pre-
senta un primer modelo realizado con todas las variables
estudiadas y un resumen de los varios modelos analizados
junto con un segundo modelo que de acuerdo a las prue-
bas de signicancia es el ms consistente.
En la segunda fase, tras el estudio de diferentes auto-
res con respecto a la estimacin de la tasa de fecundidad
[15, 17], se not que existen otras variables que probable-
mente puedan explicar de mejor manera esta tasa; por lo
que se construy otro modelo que toma en cuenta varia-
bles como: la poblacin nacional, la tasa de natalidad, n-
mero total de nios nacidos vivos, nmero total de nios
nacidos muertos y la poblacin total econmicamente acti-
va femenina y masculina.
A continuacin, se presentan las fases descritas para la
construccin del modelo:
Fase I. En esta fase se construirn varios modelos, pe-
ro explcitamente se presentarn dos: el Modelo 1 ser el
elaborado considerando todas la variables en estudio y el
Modelo 2 ser el ptimo de entre todos los modelos ana-
lizados. Se presenta, adems, un resumen de los modelos
elaborados.
Modelo 1: Este modelo considera todas las variables
en estudio, las cuales son:
Analti a
k
1
Y
i
: Tasa de Fecundidad en el ao i.
X
1i
: Tasa ocupacional de la mujer en el ao i.
X
2i
: Edad de las madres en el ao i.
X
3i
: Nmero de nios nacidos en el ao i.
X
4i
: Ingresos de las mujeres ocupadas en el ao i.
X
5i
: Nmero de mujeres ocupadas en el ao i.
X
6i
: Hogares con mujeres en edad frtil en el ao i.
X
7i
: Poblacin femenina ocupada en el ao i.
X
8i
: Poblacin femenina en edad para trabajar (15-
65aos) en el ao i.
El modelo lineal mltiple formalizado por todas las va-
riables descritas es:
Y
i
=
0
+
1
X
1i
+
2
X
2i
+
3
X
3i
+
4
X
4
i
+
5
X
5i
+
6
X
6i
+
7
X
7i
+
8
X
8i
+
i
. (11)
A la relacin establecida en la ecuacin (11) lo llamare-
mos Modelo 1. Los resultados obtenidos al estimar los coe-
cientes
r
, r = 0, . . . , 8, son:
Coeciente Valor
0
3, 97 10
11
1
0,16
2
3, 89 10
02
3
0,63
4
3, 14 10
02
5
0,33
6
-0,15
7
3, 81 10
02
8
-0,94
Tabla 9. Resultados de los regresores, Modelo 1, Fase I. Fuente:
Elaboracin propia.
Explcitamente el Modelo 1 es:
Y
i
= 3, 97 10
11
+0, 16X
1i
+3, 89 10
02
X
2i
+0,63X
3i
3, 14 10
02
X
4i
+ 0,33X
5i
0,15X
6i
3, 81 10
02
X
7i
0, 94X
8i
+
i
. (12)
A continuacin se realizaron pruebas de hiptesis a los
parmetros del modelo. La prueba para cada uno de los
parmetros es:
H
0
:
r
= 0
H
a
:
r
= 0
Utilizando el estadstico t-student a un nivel de conanza
del 95 %, los resultados obtenidos se muestran en la Tabla
10.
Coeciente T-valor Sign. Decisin
0
0 1 Acepto
1
1,44 0,18 Acepto
2
1,82 0,09 Acepto
3
37,31 0 Rechazo
4
-1,68 0,12 Acepto
5
1,36 0,20 Acepto
6
-1,56 0,15 Acepto
7
-0,11 0,92 Acepto
8
-25,43 0 Rechazo
Tabla 10. Resultados de las pruebas de hiptesis para los par-
metros del Modelo 1. Fase I. Fuente: Elaboracin propia.
En la Tabla 10 encontramos que
0
,
1
,
2
,
4
,
5
,
6
,
7
son nulos, pues su razn t en valor absoluto es inferior
a la razn t al 95 %; esto es 2,20. Por otra parte, el valor de
la signicacia para cada uno de los parmetros menciona-
dos es superior a 0.05, lo cual conrmar lo anteriormente
dicho, es decir, los parmetros son nulos.
Por otra parte, los datos mostrados en la Tabla 11, co-
rrespondientes al Modelo 1, no hacen ms que raticar que
el modelo no es vlido, pues su p-valor es menor a 0,05 y el
valor de F es muy superior al valor F - crtico.
Nombre Valor
R
2
0,851
F 8,68
p valor 0,0009
F critico 3,14
Tabla 11. Resultados de los parmetros R
2
, F, F-crtico y p-valor.
Modelo 1, Fase I. Fuente: Elaboracin propia.
En resumen, un modelo que considere todas las varia-
bles independientes mostradas (X
1
, . . . , X
8
), no aproxima
de manera adecuada la tasa de fecundidad.
Por lo sealado, a n de tener un modelo ms consis-
tente se realizaron diferentes combinaciones entre las va-
riables. Algunas de las combinaciones realizadas se mues-
tran en la Tabla 12.
Luego de realizar todas las combinaciones posibles,
la combinacin de variables ms adecuada para determi-
nar la tasa de fecundidad es la formada por las variables
X
3
, X
6
, X
7
y X
8
. El modelo formado por las variables men-
cionadas, es al que llamaremos Modelo 2.
Analti a
k
1
1 REGRESOR 2 REGRESORES
Coeciente Valor T-valor Decisin Valor T-valor Decisin
0
8, 21 10
11
0 Accept Ho 9, 72 10
11
0 Accept Ho
1
0,56 2,78 Reject Ho 0,66 2,77 Reject Ho
2
0,19 0,79 Accept Ho
8
R-cuadrado 0,31 0,34
3 REGRESORES 4 REGRESORES
0
1, 13 10
10
10
0 Accept Ho
1
2
9, 93 10
03
0,05 Accept Ho 6, 70 10
02
0,3 Accept Ho
3
4
-0,13 -0,64 Accept Ho
8
0
8, 51 10
11
11
0 Accept Ho
1
0,24 0,72 Accept Ho 2, 43 10
01
0,72 Accept Ho
2
1, 68 10
02
0,08 Accept Ho 1, 68 10
02
0,08 Accept Ho
3
4
-0,17 -0,91 Accept Ho -0,17 -0,91 Accept Ho
5
6
0,68
8
0
8, 36 10
11
10
0 Accept Ho
1
9, 77 10
02
0,12 Accept Ho -1,42 -1,88 Accept Ho
2
2, 52 10
02
0,11 Accept Ho 3, 72 10
02
-0,23 Accept Ho
3
4
-0,19 -0,89 Accept Ho 9, 32 10
02
-0,59 Accept Ho
5
-0,73 -0,61 Accept Ho 3,77 2,4 Reject Ho
6
0,12 0,19 Accept Ho 1,27 2,19 Accept Ho
7
-6,55 -3,44 Reject Ho
8
Tabla 12. Resultados al realizar distintas combinaciones entre las variables. Fuente: Elaboracin propia.
Analti a
k
1
Modelo 2: El modelo lineal mltiple formalizado por
todas las variables ms consistentes es:
Y
i
=
0
+
3
X
3i
+
6
X
6i
+
7
X
7i
+
8
X
8i
+
i
. (13)
Los resultados obtenidos al estimar los coecientes
r
,
r = 0, 3, 6, 7, 8, son:
Coeciente Valor
0
7,52 10
11
3
0,64
6
0,70
7
0, 67 10
02
8
-0,89
Tabla 13. Resultados de los regresores, Modelo 2, Fase I. Fuente:
Elaboracin propia.
Explcitamente el Modelo 2
1
es:
Y
i
= 7,52 10
11
+0, 64X
3i
+0, 70X
6i
0, 67 10
2
X
7i
0, 89X
8i
+
i
. (14)
parmetros es:
H
0
:
r
= 0
H
a
:
r
= 0
14.
0
0 1 Acepto
3
35,27 0 Rechazo
6
2,87 0,012 Rechazo
7
-2,59 0,02 Rechazo
8
-26,58 0 Rechazo
Tabla 14. Resultados de las pruebas de hiptesis para los estima-
dores. Modelo 2, Fase I. Fuente: Elaboracin propia.
En la Tabla 14 se puede observar que, salvo el coe-
ciente
0
, ninguno de los otros coecientes en nulo, ya que
se rechaza la hiptesis nula (
r
es cero) para cada uno de
ellos, pues su razn t en valor absoluto es superior a la ra-
zn t al 95 %; esto es 2,16. Adems, esto se conrma con el
valor de signicancia obtenido para cada coeciente.
Cabe sealar que la nulidad del coeciente
0
, esto es
que la tasa de fecundidad (Y) sera igual a 0 si las otras
variables (X
3
, X
6
, X
7
, X
8
) son 0; se podra considerar como
un indicador de la coherencia del modelo obtenido, ya que
el mismo seala que si no nacen nios (X
3
= 0), que si los
hogares no tienen mujeres en edad frtil (X
6
= 0), que si
no existe poblacin femenina ocupada (X
7
= 0 y que si no
hay poblacin femenina en edad para trabajar (X
8
= 0);
obviamente, la tasa de fecundidad sera (Y = 0).
Nombre Valor
R
2
0,995
F 752
p valor 3, 32 10
16
F-crtico 3,34
Tabla 15. Resultados de la signicancia de los regresores. Modelo
2, Fase I. Fuente: Elaboracin propia.
Por lo visto en la Tabla 15, el Modelo 2 estima adecua-
damente la tasa de fecundidad. Esto se ratica al obser-
var que el p-valor
2
es menor que 0,05 y que el estadstico
F calculado es mayor que el F-crtico (se rechaza la hipte-
sis nula que de todos coecientes
r
son nulos de manera
simultanea).
En resumen, lo resultados obtenidos, ver Tablas 15 y 14,
permiten concluir que la tasa de fecundidad es estimada
adecuadamente con el Modelo 2.
Antes de realizar los cambios de escala correspondien-
tes, se realizar un anlisis de residuos. Cabe recordar que
el anlisis de residuos, de manera general, indicar la con-
sistencia o no del modelo lineal, pues los residuos obteni-
dos debern tener una varianza constante (homocedastici-
dad, lo contrario es conocido como heterodedasticidad) y
estar normalmente distribuidos.
Para saber si los residuos tienen una varianza constante
se realiz la prueba de la razn de los mximos de verosi-
militud [5]; la cual, basicamente prueba la siguiente hip-
tesis:
H
0
:
i
N(0,
2
)
H
1
:
i
N(0,
2
i
)
para i = 1, . . . , n. Al realizar la prueba se calcul el estads-
tico
2
, el cual fue de 0,4. Luego, se compar el resultado
obtenido con el valor del estadstico a un nivel de conan-
za del 95 %; el valor del estadstico fue de
2
0,95
= 5. Al
comparar los dos valores se observa que
2
<
2
0,95
, por
lo que se acepta H
0
, es decir, la varianza de los residuos es
constante.
Para saber si los residuos estn normalmente distribui-
dos se utilizar el grco del histograma y el grco P-P
normal de regresin, que son mostrados en la Figura 10.
Para el anlisis se compara la curva normal con la distribu-
cin emprica en el histograma y, se evala el alejamiento
de los puntos representados con respecto a la diagonal.
1
A pesar de que este modelo se podra considerar como denitivo, los parmetros no pueden ser interpretados hasta que se expresen en la escala
correspondiente.
2
Numricamente cero 3, 32 10
16
0
Analti a
k
1
Figura 10. Histograma y Grco P-P normal. Modelo 2, Fase I. Fuente: Elaboracin propia.
Con base en lo observado en la Figura 10, izquierda, po-
demos concluir que existen desviaciones de la curva nor-
mal en las colas. Sin embargo, se podra considerar que los
datos se distribuyen normalmente. Esto se ratica al obser-
var la distribucin de los puntos en el grco P-P normal
(Figura 10, derecha).
A continuacin se aplica los cambios de escala corres-
pondientes a la ecuacin (14) [5]. As, el Modelo 2 explci-
tamente es:
Y
i
= 0, 10 + 2, 48 10
07
X
3i
+ 1, 39 10
06
X
6i
1, 31 10
06
X
7i
2, 49 10
08
X
8i
+
i
. (15)
Una vez realizado el cambio de escala, podemos dar
una interpretacin a la ecuacin y a sus parmetros. As,
los signos de la ecuacin (15) muestran que a medida que
la poblacin femenina en edad para trabajar aumenta, la
tasa de fecundidad disminuye, si el resto de variables se
mantienen constantes; por ejemplo, si consideramos las va-
riable X
7i
3
, considerando su coeciente, podemos decir por
cada 1000.000 de mujeres que ingresan a la edad para tra-
bajar, la tasa de fecundidad disminuye 1,31 veces. Un an-
lisis similar se puede realizar para el resto de variables.
Con el n de profundizar el anlisis sobre la tasa de fe-
cundidad en Ecuador, se realiz una estimacin de cada
una de las variables que la componen, mediante nmeros
aleatorios normales, hasta el ao 2030. La Figura 11 mues-
tra los resultados:
Figura 11. Evolucin de la Tasa de Fecundidad en el perodo 1990-2030. Se observa que a partir del ao 2008 no se distingue una
tendencia; sin embargo, no debemos olvidar que estos son datos simulados, por lo que se aplicar una media mvil para tener un
mejor acercamiento a la realidad. Fuente: Elaboracin propia.
3
Poblacin femenina ocupada en el ao i
Analti a
k
1
Figura 12. Evolucin de la Tasa de Fecundidad en el perodo 1990-2030. Puede apreciarse una mejor aproximacin de la tasa de
fecundidad, que mantiene una tendencia decreciente con algunos puntos de correccin. Fuente: Elaboracin propia.
En la Figura 12 se muestran los datos ajustados me-
diante una media mvil (4 perodos).
Hasta aqu el estudio de la primera fase.
Fase II. Como ya se mencion, tras el estudio de dife-
rentes autores con respecto a la estimacin de la tasa de
fecundidad [15, 17] se not que existen otras variables que
probablemente puedan explicar de mejor manera esta tasa.
As, en esta fase se contemplo las siguientes variables:
Y
i
: Tasa de Fecundidad en el ao i.
X
1i
: La poblacin femenina en edad fecunda en el ao
i.
X
2i
: La poblacin total estimada en el ao i.
X
3i
: La tasa de natalidad en el ao i.
X
4i
: La poblacin econmicamente activa masculina
en el ao i.
X
5i
: La poblacin econmicamente activa femenina
en el ao i.
X
6i
: El nmero de nacidos vivos en el ao i.
X
7i
: El nmero de nacidos muertos en el ao i.
Luego de construir los modelos de regresin respecti-
vos, se observa que la tasa de fecundidad con respecto a
las variables anteriormente citadas, no es estimada adecua-
damente. En otras palabras, las variables consideradas no
son tiles para modelar la fecundidad. Un breve resumen
de los modelos construidos se muestra en la Tabla 17.
Como se puede observar en la Tabla 17 ninguno de los
modelos construidos con 7, 6, 5 y 4 variables es lo sucien-
temente consistente para adoptarlo. Sin embargo, dentro
de los modelos con 3 variables, se encontr el que mejor
ajusta los datos; por lo que a continuacin presentamos la
mejor aproximacin obtenida.
Y
i
=
0
+
1
X
1i
+
2
X
2i
+
3
X
3i
+
i
, (16)
donde
Y
i
: La tasa de fecundidad.
X
1i
: Poblacin femenina en edad fecunda (12-49
aos) en el ao i.
X
2i
: La poblacin total estimada.
X
3i
: La tasa de natalidad.
Los resultados obtenidos al estimar los coecientes
r
son:
Coeciente Valor
0
-0,008
1
2, 11 10
08
2
6, 9 10
09
3
3,34
Tabla 16. Resultados de los regresores. Fase II. Fuente: Elabora-
cin propia.
Analti a
k
1
Coeciente Valor T-valor Accept Ho Valor T-valor Decisin
0
1, 87 10
10
0 Reject Ho 1, 86 10
10
0 Accept Ho
1
-0,78 -12,20 Reject Ho -0,78 -12,68 Reject Ho
2
3
1,26 3,36 Accept Ho 1,16 4,01 Reject Ho
4
0,78 1,31 Accept Ho 0,83 1,47 Accept Ho
5
6
9, 29 10
02
-0,57 Accept Ho 4, 23 10
02
-0,38 Accept Ho
7
1, 93 10
02
0,43
R-cuadrado 0,99 0,996827
Coeciente Valor T-valor Valor T-valor Decisin
0
1, 81 10
10
10
0 Accept Ho
1
-0,79 -14,48 Reject Ho -0,85 -23,02 Reject Ho
2
3
4
0,79 1,48 Accept Ho 2, 07 10
02
0,70 Accept Ho
5
-0,76 -1,44 Accept Ho
Tabla 17. Regresiones. Fuente: Elaboracin propia.
Explcitamente el modelo es
4
:
Y
i
=0, 008 2, 11 10
08
X
1i
+ 6, 9 10
09
X
2i
+3, 34X
3i
+
i
. (17)
parmetros es:
H
0
:
r
= 0
H
a
:
r
= 0
18.
0
-0,677 0,510 Acepto
1
-24,081 8, 56 10
13
Rechazo
2
9,375 2, 07 10
07
Rechazo
3
16,82 1, 11 10
10
Rechazo
Tabla 18. Resultados de las pruebas de hiptesis para los estima-
dores. Fase II. Fuente: Elaboracin propia.
En la Tabla 18 se puede observar que, salvo el coe-
ciente
0
, ninguno de los otros coecientes es nulo, ya que
se rechaza la hiptesis nula (
r
es cero) para cada uno de
ellos, pues su razn t en valor absoluto es superior a la ra-
zn t al 95 %; esto es 2,14. Adems, esto se conrma con el
valor de signicancia obtenido para cada coeciente.
Cabe sealar que la nulidad del coeciente
0
, esto es
que la tasa de fecundidad (Y) sera igual a 0 si las otras
variables (X
1
, X
2
, X
3
) son 0; se podra considerar como un
indicador de la coherencia del modelo obtenido, ya que el
mismo seala que si no existe poblacin femenina en edad
fecunda (X
1
= 0), que si la poblacin es casi cero (X
2
= 0)
(esta es nicamente una consideracin terica) y que si la
tasa de natalidad es cero (X
3
= 0); obviamente, la tasa de
fecundidad sera (Y = 0).
Nombre Valor
R
2
0,996
F 202
p valor 4, 05 10
17
F-crtico 3,68
Tabla 19. Resultados de la signicancia de los regresores. Fase II.
Fuente: Elaboracin propia.
Por lo visto en la Tabla 19, el modelo de la Fase II esti-
ma adecuadamente la tasa de fecundidad. Esto se ratica
al observar que el p-valor
5
es menor que 0,05 y que el es-
tadstico F calculado es mayor que el F-crtico (se rechaza
la hiptesis nula que de todos coecientes
r
son nulos de
4
A pesar de que este modelo se podra considerar como denitivo, los parmetros no pueden ser interpretados hasta que se expresen en la escala
correspondiente.
5
Numricamente cero 4, 05 10
17
0
Analti a
k
1
manera simultanea).
En resumen, lo resultados obtenidos, ver Tablas 18 y 19,
permiten concluir que la tasa de fecundidad es estimada
adecuadamente por el modelo construido.
Antes de realizar los cambios de escala correspondien-
tes, se realizar un anlisis de residuos (similar a lo hecho
en la Fase I). Cabe recordar que el anlisis de residuos, de
manera general, indicar la consistencia o no del modelo
lineal, pues los residuos obtenidos debern tener una va-
rianza constante (homocedasticidad, lo contrario es cono-
cido como heterodedasticidad) y estar normalmente distri-
buidos.
Para saber si los residuos tienen una varianza constan-
te se realizar la prueba de la razn de los mximos de
verosimilitud [5]; la cual, basicamente prueba la siguiente
hiptesis:
H
0
:
i
N(0,
2
)
H
1
:
i
N(0,
2
i
)
para i = 1, . . . , n. Al realizar la prueba se calcul el estads-
tico
2
, el cual fue de 1.24. Luego, se compar el resultado
obtenido con el valor del estadstico a un nivel de conan-
za del 95 %; el valor del estadstico fue de
2
0,95
= 5. Al
comparar los dos valores se observa que
2
<
2
0,95
, por
lo que se acepta H
0
, es decir, la varianza de los residuos es
constante.
Para saber si los residuos estn normalmente distribui-
dos se utilizar el grco del histograma y el grco P-P
normal de regresin, que son mostrados en la Figura 13.
Para el anlisis se compara la curva normal con la distribu-
cin emprica en el histograma y, se evala el alejamiento
de los puntos representados con respecto a la diagonal.
Figura 13. Histograma y Grco P-P normal. Fase II. Fuente: Elaboracin propia.
En base a lo observado en la Figura 13, izquierda, pode-
mos concluir que existen desviaciones de la curva normal
en las colas, particularmente en la cola derecha. Sin em-
bargo, se podra considerar que los datos se distribuyen
normalmente, an ms, se distribuyen de mejor manera
a los resultados obtenidos en el Modelo 2. Esto se ratica
al observar la distribucin de los puntos en el grco P-P
normal (Figura 13, derecha).
A pesar de la pruebas realizadas, para conrmar los
resultados obtenidos, se realizarn pruebas de multicoli-
nealidad
6
, pues se tiene la sospecha que podra existir este
problema.
Comenzaremos calculando el factor de inacin de la
varianza (FVI)
7
. Los resultados obtenidos se muestran en
la Tabla 20.
Nombre Valor
FVI1 4,59
FVI2 25,09
FVI3 14,95
Tabla 20. Pruebas de Multicolinealidad. Fase II. Fuente: Elabora-
cin propia.
6
La multicolinealidad se produce cuando hay una fuerte correlacin entre los regresores. Si la correlacin es fuerte afecta a la precisin de los
estimadores y a las pruebas de hiptesis
7
Los factores de inacin de la varianza FIV son los valores ubicados en la diagonal de la matriz de correlaciones. Un factor de inacin de la
varianza superior a 10 es un fuerte indicio de multicolinealidad.
Analti a
k
1
Como se puede observar en la Tabla 20, los FVI son su-
periores a 10. En otras palabras, se puede decir que existe
un fuerte indicio de multicolinealidad. Sin embargo, para
corroborar esto aplicaremos el ndice de condicionaminen-
to
8
, el cual es un indicador de multicolinealidad.
Luego de realizar los anlisis y clculos respectivos, el
ndice de condicionamiento es
IC = 107, 29.
Dado que el IC es mayor que 15, lo cual nos indica que
existe una fuerte multicolinealidad, es necesario aplicar las
medidas remediables pertinentes, es decir, aplicar un m-
todo de regresin con componentes principales [5]
9
.
Luego de las correcciones y ajuste necesarios, el modelo
corregido (disminucin de la multicolinealidad) es:
Y
i
= 0, 056 2, 89 10
09
X
1i
+1, 61 10
09
X
2i
+4, 85 10
09
X
3i
+
i
. (18)
Una vez realizado el cambio de escala, podemos dar
una interpretacin a la ecuacin y a sus parmetros. As,
los signos de la ecuacin (15) muestran que a medida que
la poblacin femenina en edad para trabajar aumenta, la
tasa de fecundidad disminuye, si el resto de variables se
mantienen constantes; por ejemplo, si consideramos las va-
riable X
7i
(poblacin femenina ocupada), considerando su
coeciente, podemos decir por cada 1000.000 de mujeres
que ingresan a la edad para trabajar, la tasa de fecundidad
disminuye 1,31 veces. Un anlisis similar se puede realizar
para el resto de variables.
La tasa de fecundidad muestra una correlacin positiva
con la poblacin total estimada y con la tasa de natalidad,
es decir, si la tasa de natalidad aumenta o si la poblacin
aumenta, la tasa de fecundidad tambin lo har. Luego,
considerando la poblacin femenina en edad fecunda, po-
demos decir que por cada 1000.000 de mujeres, la tasa fe-
cundidad disminuir 2.89 veces. Este valor ratica el de-
crecimiento de la tasa de fecundidad. Es de notar que den-
tro del rango de la poblacin femenina en edad fecunda se
encuentra gran parte de la PEA femenina.
Con el n de profundizar el anlisis sobre la tasa de fe-
cundidad en Ecuador, se realiz una estimacin de cada
una de las variables que la componen, mediante nmeros
aleatorios normales, hasta el ao 2030. La Figura 14 mues-
tra los resultados:
Figura 14. Evolucin Tasa de Fecundidad en el perodo 1990-2030. Fuente: Elaboracin propia.
8
El ndice de condicionamiento se dene como:
IC =
max
min
,
donde
max
es el mayor valor propio y,
min
es el menor valor propio de la matriz de correlaciones. Un ndice de condicionamiento superior a 15 es
un indicio de fuerte multicolinealidad, entre 10 y 15 es moderada y, menor que 10 no es un problema
9
Para la correccin de la multicolinealidad se realiza una regresin con componentes principales. As, el modelo a desarrollar es
Y
i
= C + ,
donde representa a la matriz de coecientes, C es la matriz de componentes principales y es el error. Las hiptesis sobre el trmino del error
son las usuales para una regresin lineal mltiple. El modelo no incluye el trmino independiente (constante), porque las componentes principales
son centradas. Con el n de disminuir la varianza de los estimadores
r
se eliminan las componentes principales cuyos valores propios son muy
pequeos.
Analti a
k
1
Como podemos observar en la Figura 14, a partir del
ao 2008 se presenta una estacionalidad aparente; sin em-
bargo, no debemos olvidar que estos son datos simulados,
por lo que se intentar diferenciar la lnea de tendencia pa-
ra tener una mejor aproximacin a la realidad, ver Figu-
ra15
Figura 15. Evolucin Tasa de Fecundidad en el perodo 1990-2030. Podemos observar una tasa de fecundidad que se adapta ms a la
realidad. Fuente: Elaboracin propia.
A continuacin, exponemos las razones para elegir uno
de los modelos construidos.
2.2.4 Seleccin del Modelo
Al analizar las dos fases del estudio podemos observar
que el modelo 1, de la Fase I no es vlido, pues la mayora
de los estimadores (regresores) son nulos. Por otro lado, el
modelo 2 de la misma fase, en el cual los coecientes no
son nulos, se podra considerar un modelo vlido. Sin em-
bargo, el modelo presentado en la Fase II, que cumple con
las mismas caractersticas (coecientes no nulos), tambin
se podra considerar como vlido. As, potencialmente te-
nemos dos modelos vlidos. An ms, si consideramos los
coecientes de determinacin R
2
de cada uno de los mo-
delos, tenderemos que R
2
= 0,995 y que R
2
= 0,996, res-
pectivamente.
Como se puede notar, existira un problema si necesi-
tramos elegir un modelo, pues hasta el momento los dos
son estadsticamente vlidos. Afortunadamente, por estu-
dios anteriores realizados [15], se sabe la importancia de la
tasa de natalidad en la estimacin de la tasa de fecundidad.
As, basados en la bibliografa y en los anlisis respectivos,
podemos decir que el modelo desarrollado en la Fase II es
el ms adecuado, pues en el se considera la tasa de natali-
dad.
3 Aplicacin
Por lo visto en la seccin anterior, la tasa de fecundidad
tiene una tendencia decreciente, pero esta por si misma no
reeja los cambios poblacionales, por lo que en esta seccin
se hace uso de los otros elementos poblacionales ya calcu-
lados y, mediante el empleo de ciertos indicadores pobla-
cionales se desarrollar algunas teoras demogrcas.
Antes de continuar es necesario saber cual ha sido el
comportamiento de la poblacin ecuatoriana. Para ello, se
analizar las pirmides poblacionales
10
obtenidas a partir
de los Censos Poblacionales del ao 1990 y del ao 2001.
3.1 Pirmide Poblacin Ecuatoriana
La Pirmide Poblacional Ecuatoriana por rango de eda-
des, considerando el censo del ao 1990, se muestra en la
Figura 16. Los rangos establecidos tienen una amplitud de
5 aos, segn estndares internacionales.
En el ao 1990 la Pirmide Poblacional Ecuatoriana, Fi-
gura 16, mostr tener una forma triangular. Esta forma es
tpica en pases en vas de desarrollo y algunos autores la
denominan Torre Eiffel [2, 9, 10]. En la Pirmide Poblacio-
nal; por ejemplo, se puede observar que la poblacin ma-
yor o igual a 85 aos es realmente pequea comparada con
la poblacin menor a 14 aos. Esto evidencia la poblacin
mayoritariamente joven.
10
Es un histograma que est hecho a base de barras cuya altura es proporcional a la cantidad que representa la estructura de la poblacin por sexo
y edad.
Analti a
k
1
Figura 16. Pirmide Poblacional del Ecuador considerando los datos del censo del ao 1990. Fuente: Elaboracin propia.
Figura 17. Pirmide Poblacional del Ecuador para el ao 2001. Fuente: Elaboracin propia.
En la Figura 17 se muestra la Pirmide Poblacional
Ecuatoriana considerando el censo del ao 2001.
Para el ao 2001, la pirmide muestra un ensancha-
miento, ya que los ecuatorianos pasamos de 9648.198 a
12156.608 habitantes, Figura 17. Esto se debe, en alguna
medida, al descenso en la tasa de mortalidad en los lti-
mos aos, vase la Figura 4.
Otra particularidad de la pirmide, Figura 17, se puede
observar en la poblacin mayor a 85 aos. En el ao 1990
esta poblacin era casi imperceptible, mientras que en el
ao 2001 su representatividad ya es notoria.
En resumen, la relacin poblacional a cambiado a lo lar-
go de los aos, aumentando las personas adultas mayores.
Sin embargo, toda los clculos realizados muestran que la
Analti a
k
1
poblacin ecuatoriana sigue siendo mayoritariamente jo-
ven. Esto ltimo se evidencia en el ensanchamiento de la
base en la pirmide.
En la Figura 18 se observa que la poblacin ecuatoriana
ha sufrido cambios en su composicin poblacional
11
. Sin
embargo, estos cambios no son lo sucientemente gran-
des como en sociedades desarrolladas, donde las pirmi-
des poblacionales casi se han invertido, es decir, la pobla-
cin es mayoritariamente adulta. En Ecuador la poblacin
es mayoritariamente joven.
Figura 18. Pirmide Poblacional Ecuatoriana. Fuente: Elaboracin propia.
3.2 Teora de la Transicin Demogrca
Esta teora fue desarrollada por el demgrafo Warren
Thompson en el ao 1929 [2, 4], quien observ los cambios
que habran experimentado en los ltimos aos las socie-
dades industrializadas de su tiempo con respecto a la ta-
sa de natalidad y de mortalidad, de acuerdo a la cual una
sociedad preindustrial pasa, demogrcamente hablando,
por cuatro fases antes de derivar en una sociedad plena-
mente postindustrial (este fenmeno puede visualizarse en
la Figura 19) [2].
Figura 19. Fases de la Teora de la Transicin Demogrca. Fuente: Elaboracin propia.
11
Otros indicadores que muestran los cambios poblacionales son la tasa de natalidad y de mortalidad, ver Tabla 2 y 3. En las dos tasas se evidencia
el descenso en los ltimos aos.
Analti a
k
1
Fase 1: Antiguo rgimen demogrco. Se reere a las
sociedades preindustriales, donde las tasas de natalidad
y de mortalidad son muy altas, por lo cual el crecimiento
natural de la poblacin es muy lento.
Fase 2: Comienzo de la transicin. Propio de pases
en vas de desarrollo. Los ndices de mortalidad bajan de
forma repentina gracias a las mejoras en las tcnicas agr-
colas, las mejoras tecnolgicas, los avances en medicina y
alfabetizacin. Estos cambios contribuyen decisivamente
a alargar la esperanza de vida de las personas y a reducir
la mortalidad.
Fase 3: Final de la transicin. Los ndices de natalidad
inician un importante descenso motivado por: el acceso a
la contracepcin, la incorporacin de la mujer a la educa-
cin y al mercado laboral, el acceso al estado del bienestar,
el proceso de urbanizacin, la sustitucin de la agricultura
de subsistencia por la agricultura de mercado, junto con
otros cambios sociales.
Fase 4: Rgimen demogrco moderno. Tpico de las
sociedades postindustriales y se caracteriza porque la tasa
de mortalidad toca fondo y la de natalidad se iguala prc-
ticamente con ella, el crecimiento natural de la poblacin
se hace muy bajo, por razones totalmente opuestas a las
del Antiguo Rgimen Demogrco.
Fase 5 Fase o crecimiento cero. El paso del tiempo ha
permitido la adicin de una quinta fase, en la cual la tasa
de natalidad se mantiene baja mientras que la mortalidad
aumenta ligeramente, debido al envejecimiento de la po-
blacin. En esas circunstancias el crecimiento natural pue-
de llegar a ser negativo, como ha ocurrido en los pases del
Este de Europa, [2].
3.2.1 Clculo de la fase demogrca para el Ecuador.
Dado que una sociedad puede encontrarse en alguna
de las 5 fases anteriormente descritas, condicionadas stas
por la tasa de natalidad y mortalidad (ver Tablas 2 y 3),
analizaremos en qu fase nos encontramos, basados en los
datos mostrados en la Figura 20.
Como podemos observar en la Figura 20 el Ecuador se
encontrara en la fase tres, donde los ndices de natalidad
inician un importante descenso. Segn esta teora, el des-
censo en la natalidad, podra estar motivado por la incor-
poracin de la mujer a la educacin, al mercado laboral, a
mejoras en el sistema de salud y a procesos de urbaniza-
cin, junto con otros cambios sociales.
Figura 20. Transicin Demogrca Ecuatoriana. Fuente: Elaboracin propia.
3.3 Bono Demogrco Ecuatoriano
El mundo actual vive un proceso de transformacin de-
mogrca, pues hay un descenso de mortalidad y fecun-
didad como resultado de la industrializacin, los avances
mdicos y sobre todo el mejoramiento de la calidad vida.
As, el descenso de la mortalidad, antes que la fecundi-
dad, produjo en el mundo la manifestacin del crecimien-
to acelerado de la poblacin, con repercusiones signicati-
vas, principalmente en los pases en desarrollo. A este fe-
nmeno la opinin mundial prest atencin y, llev al de-
bate internacional la discusin del crecimiento demogr-
co donde sobresalen opiniones en su favor, en contra y las
que abarcan las dos opciones [10].
12
Ver denicin 4.
Analti a
k
1
El crecimiento demogrco produce nuevas oportuni-
dades, denominadas bono demogrco. El bono demogr-
co se da cuando las relaciones de dependencia
12
se re-
ducen. En otras palabras, la poblacin menor a 15 aos y
mayor a 65 aos es inferior a la poblacin que se encuen-
tra entre los 15 y 65 aos (poblacin que se encuentra pro-
duciendo). Por tanto, las poblaciones productivas son nu-
merosas y generan mayores ingresos, que contribuyen al
desarrollo econmico de las naciones. Sin embargo, para
que este bono se convierta en un benecio es necesaria la
implementacin de una serie de polticas que con anticipa-
cin preparen su aprovechamiento.
Por lo expuesto a continuacin, estimaremos el bono
demogrco para el Ecuador.
3.3.1 Estimacin del Bono Demogrco Ecuatoriano
La perspectiva demogrca en el futuro se basa en pro-
yecciones de la poblacin bajo determinados supuestos.
Para la estimacin del bono demogrco ecuatoriano, en
primer lugar, vamos a estimar la poblacin hasta el ao
2030. Esto con el objeto de saber si desde el ao 1990 hasta
la actualidad (2010) se ha presentado o no un bono demo-
grco y, si en aos posteriores podra presentarse.
Para la estimacin de poblacin nacional total, utiliza-
remos la metodologa expuesta en las anteriores secciones,
es decir, con la ayuda de los censos de los aos 1990 y 2001,
respectivamente, estimaremos la poblacin total conside-
rando la ecuacin logstica de poblacin, ecuacin (7). Lue-
go, es necesario conocer la poblacin clasicada por sexo
y por edad, desde el ao 1990 hasta el ao 2030. Para esto
consideraremos el censo del ao 1990, donde conocemos la
distribucin de la poblacin por sexo y por edad.
A partir de la informacin obtenida dividimos los da-
tos en rangos de 5 aos, segn estndares internacionales.
Los rangos considerados son de 0 a 4 aos, de 5 a 10 aos,
de 11 a 16 aos, etc.
13
Finalmente, utilizando la denicin 4, se determin la
relacin de dependencia, para poder comparar con la po-
blacin en edad productiva. Los resultados pueden obser-
varse en la Figura 21.
Figura 21. Bono Demgraco Ecuatoriano. Se evidencia el bono demogrco entre el ao 2013 y 2022. Fuente: Elaboracin propia.
Como se puede apreciar en la Figura 21 la relacin de
dependencia entre el ao 1990 y el ao 2010 evidencia una
ligera tendencia decreciente, a partir del ao 2010 se visua-
liza un decrecimiento ms pronunciado, encontrando en el
ao 2015 el punto ms bajo de la tendencia y, el punto ms
alto se ubica en el ao 2025. Por otra parte, la poblacin en
edad productiva muestra una tendencia creciente hasta el
ao 2015, a partir de ese ao se puede apreciar una tenden-
cia decreciente hasta el ao 2025; luego, puede observarse
un tenue crecimiento.
Determinando la intersecciones correspondientes, pue-
de notarse que en el Ecuador el umbral del bono demo-
grco se ubicar plenamente entre el ao 2013 y el ao
2022; en ese perodo la relacin de dependencia es inferior
a las personas es edad productiva. As, se tendrn relacio-
nes de dependencia cercanas o inferiores a 60, potencial-
mente inactivos, por cada 100, potencialmente activos, que
sera el inicio, ao 2013. En el ao 2015 se observa que la re-
13
En cada uno de los rangos considerados, obviamente, se suscitarn nacimientos y defunciones, los cuales han sido considerados y ubicados en los
rangos correspondientes; por ejemplo, la poblacin en 1995 habr avanzado un rango, entre 1991 y 1995 se suscitaran un sin nmero de nacimientos
y defunciones que en 1995 se ubicarn en el rango de 0 a 4 aos.
Analti a
k
1
lacin de dependencia obtendra su menor valor, mientras
que la poblacin en edad productiva alcanzar su mayor
valor. En adelante, se visualiza un descenso de las perso-
nas en edad productiva y un creciendo de las personas de-
pendientes hasta el ao 2022, en el cual se intersecan.
Al contar con perodos de tiempo donde la poblacin
en edad productiva es superior a la poblacin dependien-
te, se generan mayores ingresos para el pas. Esto debe ser
canalizado a travs del gobierno mediante polticas socia-
les que aprovechen esta relacin. As, por ejemplo, la me-
jora en la salud pblica conduce a una baja en la tasa de
mortalidad, lo cual produce un descenso de la fecundidad;
esto, a su vez, podra acelerar la transicin demogrca,
intensicando potencialmente los benecios econmicos y,
podra en un futuro sacar al pas de un ciclo de pobreza
[10].
4 Conclusiones
Se ha trabajado con datos de las Estadsticas vitales, la
Encuesta ENEMDU y los Censos Poblacionales de 1990 y 2001,
con stos se ha construido una regresin por mnimos cua-
drados ordinarios que nos ha permitido concluir que la ta-
sa de fecundidad es explicada por la tasa de natalidad, la
poblacin femenina en edad fecunda y la poblacin total
del pas.
Para la seleccin de variables se consider como hip-
tesis la relacin directa entre la tasa ocupacional femenina
y la tasa de fecundidad, sustentada en qu a medida que
las sociedades se desarrollan los niveles de fecundidad de-
crecen. En el caso ecuatoriano sucedi lo contrario, es decir,
la tasa ocupacional femenina no explica la tasa de fecundi-
dad, pero si lo hace la tasa de natalidad.
La realidad demogrca del pas fue plasmada con
la estimacin de la poblacin, que permiti encontrar un
bono demogrco (la poblacin en relacin de dependen-
cia es menor que la poblacin en edad productiva), el cual
se encontrar entre el ao 2013 y el ao 2022. El aprove-
chamiento del bono demogrco debera ser canalizado a
travs de polticas sociales, principalmente en el rea de
salud y educacin, pues esto representa una oportunidad
de crecimiento econmico en el futuro.
La tasa de natalidad y mortalidad muestran un lento
descenso en los ltimos aos, por lo que pasar mucho
tiempo antes que la poblacin ecuatoriana sufra una tran-
sicin demogrca notable.
Agradecimientos
decimiento a Byron Villacis, Jorge Garcia, Hugo Freire y
Livino Armijos por las sugerencias, colaboracin y ayuda
recibida en la elaboracin del presente estudio.
Referencias
[1] F. Brauer and C. Castillo-Chavez, Mathe-
matical Models in Population Biology and
Epidemiology,"Springer-Verlag, (2000).
[2] H. Cabeza, Teora de la Transicin Demogr-
ca,"Per, (2008).
[3] J. Chackiel, Mtodos de Estimacin de la Fecundi-
dad y la Mortalidad a partir de Censos, una aplicacin
a los pueblos indgenas de Panam, CEPAL, (2000).
[4] L. Campos, La transicin demogrca en el primer
tercio del siglo XX, Universidad de Mlaga, (1999).
[5] A. Castro, Apuntes de Econometra, Escuela Poli-
tcnica Nacional, Quito, Ecuador, (2008).
[6] R. Cervantes, Envejecimiento y Calidad de Vida,
Universidad de las Amricas, Puebla, Mxico, (2003).
[7] M. Di Cesare, Interacciones entre transicin demo-
grca y epidemiolgica en Nicaragua: implicancias
para las polticas pblicas en salud, CEPAL, (2007).
[8] F. Fernandez, Fecundidad y formacin de familias
en Andaluca, Instituto de Estadstica de Andaluca,
(2000).
[9] C. Flores, FecundidadAdolescente y Desigualdad en
Colombia y la Regin de Amrica Latina y el Caribe,
CEPAL, (2006).
[10] M. Flores, Bono Demogrco en Honduras, Crdo-
ba, Argentina, (2008).
[11] H. Freedman, Deterministic Mathematical Models in
Population Ecology, Marcel Dekker, (1980).
[12] A. J. Lotka, Analytical Note on Certain Rhythmic in
Organic Systems, Proc. Natl. Acad. Sci. U.S., 6, 410-
415, (1920).
[13] T. Malthus, Primer ensayo sobre la poblacin, Mi-
nerva Ediciones, Madrid, (2010).
[14] M. Marn, La tasa de actividad femenina en relacin
a la natalidad, Universidad de Cdiz, (2000).
[15] A. Montalvo, Variables relacionadas con la natali-
dad en los sectores urbano y rural de la provincia del
Guayas, Escuela Politcnica del Litoral, Guayaquio,
Ecuador, (2007).
[16] P. Saad, Juventud y bono demogrco en Iberoam-
rica, CEPAL, Chile, (2008).
[17] J. Sanchz, Fecundidad y actividad econmica de las
mujeres en Espaa, Universidad de Malaga, (2005).
Analti a
k
1
[18] J. Ulloa, El modelo logstico: Una alternativa para el
estudio del crecimiento poblacional de organismos,
Crdoba, Argentina, Revista Electrnica de Veterina-
ria, Vol. 11, Nm. 03, (2010).
[19] P. Verhulst, Notice sur la loi que la population pour-
suit dans son accroissement, Correspondance mat-
hmatique et physique, 10, 113-121, (2009).
[20] V. Volterra, Variazioni e uttuazioni del nume-
ro dindividui in specie animali conviventi, Mem.
Acad. Lincei Roma, 2, 31-113, (1926).
[21] D. Zill, Ecuaciones Diferenciales con aplicaciones de
modelado, Primera edicin, International Thomson
Editores, Mxico, (1997).
Estudio de la desigualdad de ingresos en el Ecuador considerando
esfuerzos y herencias sociales
Margarita Veln
y Pal Medina
Ecuador
margarita_velin@inec.gob.ec,

Recibido: 20 de septiembre de 2010 Aceptado: 1 de diciembre de 2010
Resumen
El objetivo principal de este estudio es analizar el comportamiento del ingreso laboral de una persona en funcin de
las variables que lo componen, a travs de una aplicacin en el mercado laboral ecuatoriano. Las variables a utilizar son
de dos tipos: heredadas y de esfuerzo propio. Las variables heredadas se caracterizan por ser circunstanciales, es decir,
son todas aquellas situaciones o condiciones que rodean o afectan al individuo al nacer, y corresponden bsicamente a
la informacin socioeconmica de sus padres. Las variables de esfuerzo propio se caracterizan por ser las cualidades,
habilidades y decisiones que por si mismo toma el individuo para incrementar su productividad laboral y mejorar sus
ingresos. Una vez determinada la relacin cualitativa entre todas las variables, por medio de simulaciones se evala
el efecto en los ingresos, considerando diversos escenarios, en particular, se analiza un escenario en el cual todas las
personas tienen las mismas oportunidades al nacer (igualdad de caractersticas heredadas) para diferentes intervalos de
edades. Finalmente, a travs del coeciente de Gini se evalan los efectos obtenidos en los distintos escenarios, en la
desigualdad de los ingresos. Los datos utilizados en este estudio han sido obtenidos de la Encuesta de Condiciones de
Vida, ECV (2006).
Palabras claves: ingreso laboral, variables heredadas, variables de esfuerzo propio, coeciente de Gini.
Abstract
The aim of this paper is to analyze the behaviour of earnings in the Ecuadorian labor market as a function of both
variables: inheritance and personal efforts. The inheritance variables are circumstantial and are composed of several
situations or conditions that surrounds and affects a person from his/her birth. They mainly correspond to the family
background. On the other hand, personal effort variables are characterized by the qualities, skills and situations taken in
order to increase his/her productivity as a worker and therefore his/herincome. In this study, we are going to determi-
nate the qualitative relationship between these variables by using simulations to evaluate the effect of these variables on
earnings. We will take into consideration different age ranges of people as well as consider some scenarios where ever-
yone has equal opportunities at birth (same inherited characteristics). Finally, we are going to calculate the Gini index to
evaluate the effects on the income inequality. The data analyzed will be obtained from the Encuesta de Condiciones de
Vida, ECV (2006).
Keywords: earnings, income, inheritance variables, personal effort variables, Gini index.
JEL Codes: C15, D31, D63.
1 Introduccin
Durante los ltimos aos, ha nacido el inters de mu-
chos economistas y gobiernos por resolver el problema de
la desigualdad de los ingresos, donde la desigualdad de
oportunidades y la desigualdad de los resultados son fac-
tores implcitos [1, 8, 10, 16].
55
Analti a
k
1
Margarita Veln y Pal Medina
La desigualdad de oportunidades est relacionada con
las circunstancias de los individuos al nacer, es decir, con
todo el entorno y situacin de sus padres. Mientras que la
desigualdad de resultados tiene relacin con la distribu-
cin del producto total de la economa, medida a travs de
los ingresos laborales, o del ingreso per cpita que tienen
las personas en su respectivo pas [3, 15]. De acuerdo con
Bourguignon, entre los muchos determinantes del ingreso
de una persona, es posible distinguir dos diferentes gru-
pos: aquellos determinantes que resultan de los esfuerzos
de las personas a lo largo de sus vidas, los cuales permiten
incrementar su productividad, y aquellos que obedecen a
las circunstancias que estn fuera del control de las per-
sonas [3]. Bourguignon llama al primer grupo de determi-
nantes variables de esfuerzo y a los segundos, variables
de circunstancias(en este trabajo se llamarn variables
heredadas).
La relacin entre ingresos (I), variables heredadas (H) y
variables de esfuerzos propios (E) puede ser descrita como
I = f (H, E), donde las variables heredadas generalmente
incluyen variables socioeconmicas de los individuos; por
ejemplo: lugar, etnia, sexo, educacin de los padres, etc.
Las variables de esfuerzo propio consideran variables de
capital humano; por ejemplo, capacitacin laboral, migra-
cin laboral, etc. En este punto cabe recalcar que al ingreso
I, por facilidad, lo notaremos como Y.
Bourguignon propone dos modelos considerando va-
riables heredadas y de esfuerzo propio, para medir el in-
greso laboral [3, 13, 15].
El primer modelo es una relacin lineal entre las va-
riables heredadas y las de esfuerzo propio, pero esta for-
mulacin es restrictiva debido a que asume una separa-
cin completa entre las variables heredadas y de esfuerzo,
cosa que en la realidad no es as pues existe una elevada
posibilidad de correlacin
1
entre estas variables. En el se-
gundo modelo, los esfuerzos son parte de una funcin de
las variables heredadas; as, las variables heredadas juegan
un doble rol, tienen un efecto directo en los ingresos y un
efecto indirecto en los esfuerzos. Este autor dene el pri-
mer efecto como el efecto parcial de las variables heredadas
observadas en los ingresos y, el segundo, como el efecto to-
tal, que es el conjunto de los efectos directos e indirectos de
las variables heredadas observadas en los ingresos [13].
Uno de los principales problemas de esta ltima formu-
lacin es que no se puede asumir a priori la independen-
cia de las variables no observadas en el trmino residual
de la ecuacin de ingresos y en las variables de esfuerzo.
Un ejemplo es la riqueza de los padres, pues esto tiene un
impacto directo en la educacin o en el ingreso actual de
su hijo (o en ambos), independientemente de la educacin
propia del hijo. Esta correlacin entre el trmino residual
y las variables de esfuerzo, que da origen al problema de
endogeneidad
2
, produce un sesgo en la estimacin.
Un mtodo para resolver el problema de endogeneidad
es observar variables instrumentales [11], que puedan in-
uir en los esfuerzos, pero no en los ingresos. Modelos de
este tipo se han utilizado ampliamente en la literatura so-
bre retornos a la educacin [3]. En la ecuacin de Mincer
por ejemplo, la educacin por la instrumentacin de los
antecedentes familiares es prctica habitual para corregir
la endogeneidad de la educacin [12]. Esto permitira ha-
cer una estimacion adecuada por Mnimos Cuadrados Or-
dinarios (MCO) y obtener coecientes insesgados para cal-
cular los efectos parcial y total de las oportunidades sobre
los ingresos [3]. Aunque este mtodo es uno de los ms uti-
lizados para solucionar este tipo de relaciones indeseables
entre variables, resulta inconveniente para este caso con-
creto. La dicultad se halla en la imposibilidad de emplear
el contexto familiar como variable instrumental del nivel
de educacin de un individuo, por tratarse precisamente
de una de las variables a estimar. Ante la imposibilidad de
encontrar variables instrumentales adecuadas, Bourguig-
non recomienda otra alternativa para tratar la endogenei-
dad de las variables de esfuerzo propio, la cual se basa en
el anlisis paramtrico de rangos
3
. Esta tcnica, en la cual
nos basaremos, hace posible simular los sesgos de los es-
timadores de la ecuacin de ingresos y, obtener rangos de
conabilidad para los niveles de desigualdad simulados.
La informacin utilizada en el estudio es la contenida
en la Encuesta de Condiciones de Vida, ECV(2006). Esta es
la informacin ms actualizada para los nes de la inves-
tigacin. La informacin de la ECV (2006), bsicamente,
permite elaborar y medir indicadores necesarios para las
variables en estudio. De la encuesta se selecciona la infor-
macin correspondiente a hombres y mujeres entre 26 y 60
aos, que se clasica de acuerdo con el sexo y la edad, esta
ltima se la divide en intervalos de cinco aos (referidos al
ao de nacimiento) [3, 15] con la nalidad de observar el
cambio de la inuencia de los padres a travs del tiempo
y si las oportunidades al nacer de los individuos provocan
una variacin en la proporcin total de la desigualdad.
El documento est estructurado de la siguiente forma:
en la seccin dos se presenta el marco terico, especca-
mente se describe cada una de las metodologas y concep-
tos utilizados en el estudio; en la seccin tres se describen
los modelos utilizados para determinar la desigualdad de
los ingresos; en la seccin cuatro se presentan los resulta-
dos y el anlisis al aplicar la teora para el caso ecuatoriano;
en la seccin cinco se dan las conclusiones y; nalmente, en
la seccin seis se dan las recomendaciones del estudio.
2 Marco terico
En esta seccin se detallan los conceptos y mtodos ne-
cesarios para el anlisis de los ingresos laborales de las per-
1
Vase seccin 2.2
2
Vase seccin 2.2
3
Vase seccin 2.5
Analti a
k
1
Estudio de la desigualdad de ingresos en el Ecuador considerando esfuerzos y herencias sociales
sonas, as como uno de los indicadores para medir la desi-
gualdad de los ingresos.
2.1 Modelos lineales
Un modelo lineal mltiple, en general, relaciona la
variable dependiente Y con K variables explicativas X
k
(k=0,...,K) o cualquier transformacin de stas. Algebrai-
camente puede representarse de la siguiente manera:
Y =
0
+
K
k=1
k
X
k
+ , (1)
donde es una variable aleatoria normalmente distribui-
da que sigue una ley normal N(0,
2
). Adems, se asume,
esta variable recoge todos aquellos factores de la realidad
no controlables u observables.
Un modelo de Regresin Lineal Mltiple con K variables
predictoras y basado en n observaciones es de la forma:
Y
i
=
0
+
1
X
i1
+
2
X
i2
+.... +
k
X
ik
+
i
(2)
para i = 1, 2, , n.
Generalmente para la estimacin de los paramtros
k
se utiliza la tcnica de Mnimos de Cuadrados Ordinarios
[11] y los estimadores de mxima verosimilitud.
2.2 Deniciones
DEFINICIN 1 (Correlacin). Es la medida de la intensidad de
la relacin lineal entre dos variables. El coeciente de correlacin,
r, entre dos variables aleatorias X e Y se calcula de la siguiente
manera,
r =

XY
X

Y
,
donde
XY
es la covarianza de (X, Y) y
X
y
Y
las desviaciones
tpicas.
Observacin: El coeciente de correlacin puede tomar
valores desde menos uno hasta uno, indicando que mien-
tras ms cercano a uno sea el valor del coeciente de corre-
lacin, en cualquier direccin, ms fuerte ser la relacin
lineal entre las dos variables. Mientras ms cercano a cero
sea el coeciente de correlacin indicar que ms dbil es
la relacin lineal entre ambas variables. Si es igual a cero se
concluir que no existe relacin lineal alguna entre ambas
variables.
DEFINICIN 2 (Endogeneidad). Es la correlacin entre las
variables explicativas y el trmino de error en un modelo lineal
general. Para determinar si existe endogeneidad en el modelo, se
considera, E(
i
| x
i
) = 0, para todo i = 1, . . . , n. Entonces la
variable x se denomina exgena; pero si y x estn correlaciona-
das, entonces x se denomina variable endgena.
Observaciones:
i. Cuando el modelo lineal general presenta endogenei-
dad, el estimador de mnimos cuadrados ordinarios
es inconsistente [5]. Para evitar este tipo de problemas
se asume que los regresores son exgenos, es decir,
son independientes.
ii. Los economistas usan modelos para entender qu es-
t sucediendo en la economa. Dentro de los modelos,
se destacan dos elementos importantes: las variables
endgenas, que son aquellas que intentan explicar el
modelo y, las variables exgenas que el modelo toma
como dadas.
DEFINICIN 3 (Coeciente de Determinacin). El coecien-
te de determinacin, R
2
es el cuadrado del coeciente de correla-
cin r, donde 0 R
2
1 y, puede interpretarse como el porcen-
taje de la variacin total que est siendo explicada por la regre-
sin.
Observaciones:
i. Una regresin ser buena si la variabilidad explicada
por la regresin es relativamente alta con respecto a la
variablidad total de la variable dependiente, es decir,
si SEC STC. En otras palabras, que R
2
1.
ii. El coeciente de determinacin es un buen indicador
de la calidad de la regresin, pero no es determinan-
te ni suciente para decidir sobre la adecuacin del
modelo, por eso es necesario tomar en cuenta el an-
lisis de la varianza, donde a travs del estadstico de
Fisher, se puede decidir si existe relacin lineal signi-
cativa entre la variable dependiente y el conjunto de
variables independientes tomadas juntas [11].
2.2.1 Prueba de hiptesis
Una vez determinada la calidad del modelo, es decir,
la relacin existente entre la variable dependiente y las va-
riables independientes, es importante tambin analizar la
calidad de cada uno de los estimadores de MCO. Para esto
es necesario probar la hiptesis:
_
H
0
:
i
= 0
H
1
:
i
= 0,
donde i es el nmero de estimadores de MCO.
Generalmente se considera un nivel de conanza del
95 % (nivel de signicancia del 5 %) para validar los esti-
madores, y por lo tanto se rechazar la hiptesis nula (H
0
)
cuando la signicancia sea menor a 0,05.
2.3 Regresin logstica
Los modelos de regresin logstica son los ms utili-
zados cuando la variable independiente, Y, es cualitativa,
pues adoptan las herramientas de la regresin convencio-
nal, para relacionar esta variable con variables explicativas
Analti a
k
1
(X
1
, X
2
, , X
k
). Adems, toman en cuenta la correlacin
entre las distintas muestras [2]. Algebraicamente, la regre-
sin logstica puede representarse de la siguiente manera:
Pr(Y = y
i
) =
exp(
i
)
1 + exp(
i
)
, i = 1, 2, , n, (3)
donde
Y =
_
1 cumple
0 no cumple
y
i
=
0
+
1
X
i1
+ ... +
k
X
ik
, para k = 1, 2, , K.
La ecuacin (3) representa una funcin de distribucin,
en consecuencia, toma sus valores entre 0 y 1, como lo
muestra la gura 1.
10 5 5 10
x
0.2
0.4
0.6
0.8
1.0
fx
fx
1
e
x
1
Figura 1. Funcin de distribucin logstica.
Para estimar los parmetros de un modelo logstico
(distribucin de probabilidad) se utiliza el mtodo de m-
xima verosimilitud, es decir, estimaciones que hagan mxi-
ma la probabilidad de obtener los valores de la variable de-
pendiente Y, proporcionado por los datos de una muestra.
Estas estimaciones no son de clculo directo, como ocurre
en el caso de las estimaciones de los coecientes de la re-
gresin lineal mltiple, por el mtodo de mnimos cuadra-
dos.
Es necesario, una vez estimado el modelo, comprobar
su signicacin estadstica. Para ello se emplean bsica-
mente tres mtodos que son: -2 log de la verosimilitud
(-2LL)
4
, la R cuadradro de Cox y Snell
5
y, la R cuadrado de
Nagelkerke
6
.
2.4 Anlisis paramtrico de rangos
El anlisis paramtrico de rangos es una alternativa al
problema de endogeneidad entre variables [15]. Para en-
tenderlo, realizaremos una breve descripcin del mismo.
En primer lugar, es necesario escribir el modelo que se
desee estimar de la forma:
ln(Y
i
) = X
i
+
i
, (4)
donde el trmino residual
i
no es necesariamente inde-
pendiente de todas las variables explicativas y, por consi-
guiente, los estimadores de MCO pueden estar sesgados,
es decir,
E(
) = + B. (5)
Aqu B es el sesgo del estimador de MCO y puede denir-
se como:
B = M
1
X
= M
1
(
X
X
)
,
(6)
donde
M: es la multiplicacin de X traspuesta por X, es de-
cir, X
X.

X
: son los coecientes de correlacin entre los com-
ponentes de X y el trmino residual .

X
: es el error estndar de las variables de X y,

: es el error estndar de los residuos .

Para conocer el sesgo de cada estimador es preciso te-
ner los valores correspondientes a
X
,
X
y a
. A pesar
de que, en principio, slo el valor de
X
es conocido, un
estimador insesgado de
puede calcularse para cualquier

grupo de coecientes de correlacin
X
, con base en la si-
guiente expresin:
2
=
2
+ B
MB
=

2
1 K
,
(7)
donde

2
: es la varianza de los residuos de MCO y,
K = (
X
X
)
M
1
(
X
X
).
Aqu, denota el producto tensorial.
4
-2 log de la verosimilitud (-2LL): mide hasta qu punto un modelo se ajusta bien a los datos. El resultado de esta medicin recibe tambin el
nombre de desviacin. Cuanto ms pequeo sea el valor, mejor ser el ajuste.
5
R cuadradro de Cox y Snell: es un coeciente de determinacin generalizado que se utiliza para estimar la proporcin de varianza de la va-
riable dependiente explicada por las variables predictoras (independientes). La R cuadrado de Cox y Snell se basa en la comparacin del log de la
verosimilitud (LL) para el modelo, respecto al log de la verosimilitud (LL) para un modelo de lnea base. Sus valores oscilan entre 0 y 1.
6
R cuadrado de Nagelkerke: es una versin corregida de la R cuadrado de Cox y Snell. La R cuadrado de Cox y Snell tiene un valor mximo
inferior a 1, incluso para un modelo perfecto. La R cuadrado de Nagelkerke corrige la escala del estadstico para cubrir el rango completo de 0 a 1.
Analti a
k
1
2.5 ndice de la desigualdad
Existen algunos ndices para medir la desigualdad en
la distribucin del ingreso; sin embargo, los ms conocidos
son: el coeciente de Gini y el coeciente de Theil [3, 15].
En este trabajo utilizaremos el primero, pues es el ms co-
mn y, adems, el INEC ha establecido su uso para las me-
diciones de la desigualdad.
DEFINICIN 4 (Coeciente de Gini). Se dene matemtica-
mente como la proporcin acumulada de los ingresos totales que
obtienen las proporciones acumuladas de la poblacin. En la
prctica, una frmula usual para calcular el coeciente de Gini
es:
G =
1
n=1
k=1
(X
k+1
X
k
)(Y
k+1
+Y
k
)
, (8)
donde G es el coeciente de Gini, X es la proporcin acumulada
de la variable poblacin y, Y es la proporcin acumulada de la
variable ingresos.
Observacin: El coeciente de Gini se basa en la Curva
de Lorenz [7, 14], que es una representacin grca de una
funcin de distribucin acumulada, ver gura 2. La lnea
diagonal representa la igualdad perfecta de los ingresos,
todos reciben la misma renta. En la situacin de mxima
igualdad o equidad distributiva, el coeciente de Gini es
igual a cero; por el contrario, a medida que aumenta la des-
igualdad, el coeciente de Gini se acerca al valor de 1.
Figura 2. Grco que muestra la curva de Lorentz y el clculo del
coeciente de Gini.
3 Metodologa
En esta seccin se hace una descripcin de la ecuacin
de ingreso laboral que propone Bourguignon [3] para de-
terminar el efecto parcial y efecto total de las variables he-
redadas, en el ingreso. Adems, se describe cmo se selec-
cionaron los datos y un anlisis descriptivo de los mismos.
3.1 Modelo de Bourguignon
El modelo de Bourguignon, a partir de un modelo line-
al, estima los ingresos de los individuos considerando las
variables heredadas y las de esfuerzo propio. La particu-
laridad fundamental del modelo es que realiza un cambio
de variable al ingreso, pues en lugar de considerarla de
manera natural toma su logaritmo. El hecho de realizar es-
te cambio de variable se debe a que la forma de la variable
ingreso es exponencial (puede tener valores muy altos) y
al aplicar el logaritmo natural, la escala cambia.
El modelo de Bourguignon, algebraicamente, se puede
expresar como:
ln(Y
i
) =
0
+
1
X
H1i
+
2
X
H2i
+ +
r
X
Hri
+
1
X
E1i
+
2
X
E2i
+ +
q
X
Eqi
+
Yi
(9)
i = 1, 2, , n, con r, q N. En esta ecuacin,
Y
i
: es el ingreso laboral de una persona.
X
Hri
: son las variables heredadas.
X
Eqi
: son las variables de esfuerzo propio.

i
,
i
: son los estimadores.

Yi
: es el trmino residual, que sigue una distribucin
N(0,
2
).
r, q: son el nmero de variables heredadas y de es-
fuerzo propio, respectivamente, y
n: es el tamao de la muestra.
En este modelo se asume que el trmino residual in-
cluye el error de medicin y las variaciones propias de las
variables heredadas y de las de esfuerzo propio. Adems,
se asume independencia entre las variables.
Debido a la relacin existente entre las variables here-
dadas y de esfuerzo propio se puede denir de manera ex-
plcita una ecuacin entre stas. En primer lugar, se dene
una ecuacin que exprese a las variables de esfuerzo pro-
pio en funcin de las variables heredadas, de la siguiente
forma:
X
Eki
= b
0k
+ b
1k
X
H1i
+ b
2k
X
H2i
+ + b
rk
X
Hri
+
X
E
ki
(10)
k = 1, 2, , q. Aqu,
X
Ek
: es la variable de esfuerzo propio a considerar,
de manera particular, en este estudio si:
k = 1, X
E1
= estudio del individuo.
k = 2, X
E2
= migracin.
k = 3, X
E3
= capacitacin laboral.
b
rk
r: es el nmero de variables heredadas, y
Analti a
k
1

X
Eki
: es el trmino residual que tiene una distribu-
cin N(0,
2
).
Reemplazando la ecuacin (10), es decir, cada una de
las variables de esfuerzo propio consideradas, en la ecua-
cin (9), se tiene que:
ln(Y
i
) =
0
+
1
X
H1i
+
2
X
H2i
+ +
r
X
Hri
+
1
(b
01
+ b
11
X
H1i
+ b
21
X
H2i
+ + b
r1
X
Hri
+
X
E
1i
)
+
2
(b
02
+ b
12
X
H1i
+ b
22
X
H2i
+ + b
r2
X
Hri
+
X
E
2i
) +
+
q
(b
0q
+ b
1q
X
H1i
+ b
2q
X
H2i
+ + b
rq
X
Hri
)
+
X
E
qi
+
Yi
.
(11a)
Desarrollando la ecuacin (11a) y, agrupando los trmi-
nos semejantes se tiene:
ln(Y
i
) =
0
+
1
b
01
+
2
b
02
+ +
q
b
0q
+ X
H1i
(
1
+
1
b
11
+
2
b
12
+ +
q
b
1q
)
+ X
H2i
(
2
+
1
b
21
+
2
b
22
+ +
q
b
2q
) +
+ X
Hri
(
r
+
1
b
r1
+
2
b
r2
+ +
q
b
rq
)
+
1
X
E
1i
+
2
X
E
2i
+ +
q
X
E
qi
+
Yi
.
(11b)
A continuacin, por simplicacin, notaremos la ecua-
cin (11b) de la siguiente manera:
ln(Y) =
0
+
s
b
0
+ (
w
+
s
b
ws
)X
Hw
+
X
E
+
Y
,
(12)
donde

0
=
0

s
b
0
=
1
b
01
+
2
b
02
+ +
q
b
0q
, s = 1, 2, , q

w
=
i
si w = i
w
= 0 si w = i

s
b
ws
=
1
b
r1
+
2
b
r2
+ +
q
b
rq
X
Hw
= X
H1
, X
H2
, , X
Hr

X
E
=
1
X
E
1
+
2
X
E
2
+ +
q
X
E
q

Y
: es el trmino residual que tiene una distribucin
N(0,
2
).
La ecuacin (12) representa el doble efecto que las ca-
ractersticas heredadas tienen sobre los ingresos. Por un la-
do, el coeciente
w
mide la inuencia sobre los ingresos
de las oportunidades al nacer mientras que el coeciente
s
b
ws
mide la inuencia de los esfuerzos propios, indirec-
tamente a travs de las variables heredadas. Las constantes
0
y
s
b
0
y; los errores
X
E
y
Y
, nos indican que el indi-
viduo tiene ingresos laborales, aunque la inuencia tanto
de las variables heredadas como las de esfuerzo propio,
sea nula.
3.2 Estimacin del ingreso hipottico
Para determinar el ingreso hipottico es necesario reali-
zar simulaciones eliminando las diferencias existentes en-
tre los individuos, es decir, igualar las medias de las va-
riables heredadas, como propone Bourguignon, o utilizar
diferentes escenarios que se crean convenientes; por ejem-
plo, que todos los padres tengan 12 aos de estudio en pro-
medio.
Para esto, primero hay que calcular los estimadores de
la ecuacin de ingresos (9); luego, los estimadores obteni-
dos, junto con las medias de las variables heredadas (

X
Hi
),
se reemplazan en la ecuacin (9). As, la ecuacin del ingre-
so hipottico se puede escribir como:
ln(
Y
i
) =
0
+
1

X
H1i
+
2

X
H2i
+ +
r

X
Hri
+

1
X
E1i
+

2
X
E2i
+ +

q
X
Eqi
+
Yi
,
(13)
donde

Y
i
: es el ingreso hipottico.

X
Hri
: son las medias de las variables heredadas, u
otros valores que nosotros asignemos.

i
,

i
,
Yi
En la ecuacin (13), las variables de esfuerzo propio son
las que determinarn el nuevo nivel de ingresos del indi-
viduo, pues las variables heredadas, al ser reemplazadas
por su media o por otro valor que designemos, dejan de
ser una causa de la distribucin desigual; pero hay que re-
cordar que las variables de esfuerzo propio dependen de
las variables heredadas, es as que la simulacin determi-
nada por la ecuacin (13), slo reeja el efecto parcial de
la desigualdad de oportunidades sobre la distribucin del
ingreso y, por lo tanto, se requiere de otra ecuacin para
determinar el efecto total.
Al utilizar los resultados obtenidos al ejecutar la ecua-
cin (10), es decir, la ecuacin de la variable de esfuerzos
propios, y reemplazarlos por sus correspondientes en la
ecuacin (13), se tiene la siguiente ecuacin de ingresos:
ln(
Y
i
) =
0i
+ (
b
0i
) + (
i
+

b
i
)X
Hi
+
X
E
i

i
+
Yi
, (14)
donde X
Hi
es una variable de control, pudiendo ser las me-
dias de las variables heredadas u otro valor que nosotros
consideremos apropiado. Ntese que a la ecuacin (14) la
hemos escrito de acuerdo a la ecuacin (12).
Con la ecuacin (14) es posible determinar el efecto to-
tal de las variables heredadas, a travs de las variables de
esfuerzo propio, sobre la distribucin del ingreso.
Analti a
k
1
3.3 Seleccin de los datos y anlisis descripti-
vo
Una vez denida la teora del modelo de ingresos, es
necesario analizar las variables a utilizarse; por lo cual, el
procedimiento realizado antes de ejecutar las correspon-
dientes regresiones del modelo fue seleccionar los datos y
analizar la calidad de los mismos.
3.3.1 Seleccin de los datos
El universo objeto de la investigacin para la ECV
(2006) fue constituido por todos los hogares del rea urba-
na y rural de la Repblica del Ecuador, excluyendo los ho-
gares de la Regin Insular. La unidad de anlisis o unidad
de observacin es el hogar. El marco de muestreo para la
ECV (2006) fue construido en base al marco maestro cons-
truido por David Megill (U.S. Census Bureau) en el ao
2002, el cual utiliz datos del VI Censo de Poblacin y V
de Vivienda del ao 2001.[17] Los dominios de estudio,
denominados Dominios de Estimacin, son agrupaciones
de centros poblados con caractersticas similares para los
que se pretenden obtener estimaciones. Las 13.536 vivien-
das seleccionadas son distribuidas en 20 estratos tomando
en cuenta, que los estratos son bsicamente las provincias
dentro de cada regin formando 15 estratos, excepto las
provincias de la Regin Amaznica, las cuales conforman
1 slo estrato; y, los grandes centros poblados urbanos que
constituyen 4 estratos aparte.[17] La base de datos ECV
(2006) cuenta con 55.666 datos, a los cuales aplicamos las
siguientes restricciones:
Consideramos a las personas de 26 a 60 aos de edad,
en un esfuerzo por concentrarnos en los individuos que
han nalizado la universidad y son potencialmente acti-
vos en el mercado laboral.
Se seleccionaron a los individuos que estuvieron tra-
bajando, y por consiguiente tuvieron ingresos laborales
mensuales.
Se consideraron a los individuos que tienen informacin
de los padres. Esta restriccin es importante ya que las
variables correspondientes a los padres son parte de las
variables explicativas del modelo.
Luego de seleccionar a los individuos entre 26 a 60 aos
de edad, la base se redujo a 20.315. A partir de estos da-
tos, se discrimin a los individuos que tienen ingresos y a
los que no. Esto se muestra en la tabla 1. Continuando con
el anlisis de los 15.106 individuos con ingresos, pasamos
a seleccionar a los que tienen informacin de sus padres,
pues son datos necesarios para el estudio. Los resultados
se muestran en las tablas 2 y 3.
Variable Frecuencia Porcentaje
Tienen ingresos 15.106 74,36
No tienen ingresos 5.209 25,64
Total 20.315 100,0
Tabla 1. Distribucin de las personas entre 26 y 60 aos de edad
que tienen ingresos. Fuente: elaboracin propia a partir de la en-
cuesta ECV (2006).
El padre vive en el hogar 1.171 7,8
El padre no vive en el hogar 13.935 92,2
Total 15.106 100,0
Tabla 2. Frecuencias y porcentajes correspondientes a la pregunta
N
9 (el padre de (...) vive en el hogar?), seccin 2, considerando

a las personas ocupadas entre 26 y 60 aos de edad. Fuente: ela-
boracin propia a partir de la encuesta ECV (2006).
La madre vive en el hogar 973 7,0
La madre no vive en el hogar 12.962 93,0
Total 13.935 100,0
Tabla 3. Frecuencias y porcentajes correspondientes a la pregunta
N
12 (la madre de (...) vive en el hogar?), seccin 2, consideran-

do a las personas ocupadas entre 26 y 60 aos de edad. Fuente:
elaboracin propia a partir de la encuesta ECV (2006).
A partir de las tablas 2 y 3, eliminamos a los 1.171 indi-
viduos que viven con sus padres y a los 973 individuos que
viven con sus madres, respectivamente. Estos datos los eli-
minamos , pues la ECV no toma informacin de los padres
y madres si ellos viven en el hogar.
Al eliminar a estos grupos de individuos, los datos se
redujeron a 12.962. Ahora, resta analizar a los individuos
que conocen el nivel de instruccin de sus padres. Las ta-
blas 4 y 5 muestran las frecuencias y porcentajes corres-
pondientes.
Nivel de Instruccin Frecuencia Porcentaje
Primario 7.142 55,10
Secundario 1.209 9,33
Post bachillerato 39 0 ,30
Superior 468 3,61
Ninguno 2.779 21,44
No sabe 1.325 10,22
Total 12.962 100,0
Tabla 4. Frecuencias y porcentajes correspondientes al nivel de
instruccin del padre, considerando a las personas ocupadas en-
tre 26 y 60 aos de edad. Fuente: elaboracin propia a partir de la
encuesta ECV (2006).
Es necesario eliminar a los 1.325 individuos que No sabe
el nivel de instruccin del padre y a los 284 individuos que
No sabe el nivel de instruccin de la madre.
Analti a
k
1
Nivel de Instruccin Frecuencia Porcentaje
Primaria 6.385 54,87
Secundaria 1.166 10,02
Post bachillerato 49 0,42
Superior 273 2,35
Ninguno 3.480 29,90
No sabe 284 2,44
Total 11.637 100,00
Tabla 5. Frecuencias y porcentajes correspondientes al nivel de
instruccin de la madre, considerando a las personas ocupadas
entre 26 y 60 aos de edad. Fuente: elaboracin propia a partir de
la encuesta ECV (2006).
La base de datos es ahora de 11.353, mismos que sern
utilizados en el anlisis.
3.3.2 Anlisis de las bases
Para realizar el anlisis de la base es necesario detallar
cules son las variables que se consideran en el modelo.
stas y su tipo se muestran en la tabla 6.
N
o
Variable Tipo Categora
1 Autoidenticacin tnica (et) Categrica
Mestizo
Indgena (e1)
Blanco (e2)
Negro (e3)
Mulato (e4)
Otro, cul?
2
Provincia de
nacimiento
(pn)
Categrica
Pichincha
Azuay (p1)
Bolvar (p2)
Caar (p3)
Carchi (p4)
Cotopaxi (p5)
Chimborazo (p6)
El Oro (p7)
Esmeraldas (p8)
Guayas (p9)
Imbabura (p10)
Loja (p11)
Los Ros (p12)
Manab (p13)
Tungurahua (p14)
Amazona (p15)
3
Educacin promedio de los
Discreta
padres (epp)
4
Diferencia de la educacin
Discreta
de los padres (dep)
5 Educacin del individuo (s) Discreta
6
Educacin al cuadrado del
Discreta
individuo (sc)
7 Nacido en zona rural (nzr) Dicotmica
Urbana
Rural
8 Migrante (migra) Dicotmica
Si
No
9 Capacitacin laboral (cl) Dicotmica
Si
No
Tabla 6. Detalle de las variables independientes a utilizar en el modelo. Los datos que estn en parntesis son las respectivas nomen-
claturas que se utilizan al escribir las correspondientes ecuaciones en seccin 4. Fuente: elaboracin propia a partir de la encuesta
ECV (2006).
Analti a
k
1
Caractersticas de las variables heredadas
Las variables heredadas o de oportunidad que se consi-
deran en este estudio contienen informacin sobre el gru-
po tnico, el lugar de origen y la educacin de los padres.
La etnia se mide a travs de cuatro variables categricas
que registran si el individuo se autodene indgena, blan-
co, negro o mulato. La etnia mestizo se toma como referen-
cia, ya que los datos reejan que la mayora de la poblacin
ecuatoriana se autodene como tal [17].
El lugar de origen establece las diferentes provincias
del pas donde el individuo naci, y se toma como punto
de comparacin la provincia donde est la capital del pas,
Pichincha.
Adicionalmente, se considera una variable auxiliar que
controla si el individuo es nacido en zona rural.
La educacin de los padres, que est expresada en n-
mero de aos de estudio,
7
considera dos valores que son: el
promedio de aos de educacin en conjunto de los padres
y la diferencia de aos de estudio entre ellos [3, 15].
Caractersticas de las variables de esfuerzo propio
Las variables de esfuerzo propio que se consideran con-
tienen informacin sobre la educacin del individuo, la mi-
gracin laboral y la capacitacin laboral.
La educacin del individuo se mide en aos y, adems,
a partir de sta, se construye una variable auxiliar, la edu-
cacin del individuo al cuadrado, con el objeto de capturar
las posibles no linealidades[3].
La migracin laboral es una variable dicotmica que
dene si el individuo ha migrado por trabajo al lugar don-
de fue encuestado en los ltimos 5 aos.
La capacitacin laboral corresponde a si el individuo
se encuentra actualmente capacitndose para mejorar en
su trabajo, o al menos se ha capacitado durante los doce
ltimos meses anteriores a la fecha de la encuesta.
Anlisis descriptivo
El anlisis descriptivo de los datos los realizaremos se-
paradamente para hombres y mujeres, y en cada intervalo
de edad.
Considerando la edad de los individuos se separ en
intervalos de 5 aos, es decir, de 26 a 30 aos de edad (na-
cidos entre 1976 y 1980), de 31 a 35 aos de edad (nacidos
entre 1971 y 1975), de 36 a 40 aos de edad (nacidos entre
1966 y 1970), de 41 a 45 aos de edad (nacidos entre 1961 y
1965), de 46 a 50 aos de edad (nacidos entre 1956 y 1960),
de 51 a 55 aos de edad (nacidos entre 1951 y 1955) y de 56
a 60 aos (nacidos entre 1946 y 1950)[3].
Este mtodo, adems de permitir medir el rol de la des-
igualdad de oportunidades, en la forma de desigualdad de
los ingresos observados, para una determinada edad, nos
permite observar entre cada generacin los cambios de ca-
da una de las variables independientes y, los efectos sobre
el ingreso, as como la inuencia de la movilidad social.
Adicionalmente, la segmentacin realizada permitir ana-
lizar los diferentes efectos en el desempeo econmico de
los individuos, a medida que pasa el tiempo; y, dependien-
do de los resultados, formular recomendaciones de ndole
poltico para mitigar problemas socioeconmicos.
La distribucin de los datos entre hombres y mujeres se
observa en la tabla 7.
Sexo Frequencia Porcentaje
Hombre 6.905 60,8
Mujer 4.448 39,2
Total 11.353 100,0
Tabla 7. Frecuencias y porcentajes correspondientes al sexo, con-
siderando a las personas ocupadas entre 26 y 60 aos de edad.
Fuente: elaboracin propia a partir de la encuesta ECV (2006).
Trabajaremos con 6.905 datos para el caso de los hom-
bres y con 4.448 datos para el caso de las mujeres. Luego,
como ya se mencion, es necesario separar los datos por
intervalos de edades.
Por el tamao de la informacin de todos los intervalos,
solamente presentaremos el proceso para el primer inter-
valo de edad, es decir, consideraremos los hombres entre
26 y 30 aos (nacidos entre 1976 y 1980).
Variable etnia
Como se puede observar en la tabla 8 todos los datos son
representativos (entendindose por datos no representati-
vos a aquellos datos, cuya frecuencia es muy baja corres-
pondiente a un porcentaje menor a 1 %), por lo que no es
necesario realizar ningn proceso de depuracin.
Autoidenticacin
Frecuencia Porcentaje
tnica
Mestizo 928 77,08
Indgena 124 10,30
Blanco 86 7,14
Negro 38 3,16
Mulato 28 2,33
Total 1.204 100,00
Tabla 8. Frecuencias y porcentajes correspondientes a la etnia,
considerando a las personas ocupadas entre 26 y 30 aos de edad.
Variable provincia de nacimiento
8
Con respecto a la variable provincia de nacimiento tam-
poco es necesario realizar ningn proceso de depuracin.
7
La educacin, tanto de los individuos como de los padres estn dadas en la ECV (2006) como variables categricas (nivel de estudios aprobado y
cul es el ao ms alto que ha aprobado); por tal motivo, fue necesario calcular los aos de estudio en funcin de las dos variables.
8
Esta variable no est explcita en la base de datos, es una variable recodicada.
Analti a
k
1
Provincia de
Nacimiento
Manab 160 13,3
Guayas 140 11,6
Pichincha 109 9,1
Los Ros 94 7,8
Azuay 84 7,0
Tungurahua 73 6,1
El Oro 72 6,0
Bolivar 68 5,6
Loja 64 5,3
Cotopaxi 60 5,0
Chimborazo 60 5,0
Imbabura 56 4,7
Amazona 53 4,4
Esmeraldas 48 4,0
Carchi 42 3,5
Caar 21 1,7
Total 1.204 100,0
Tabla 9. Frecuencias y porcentajes correspondientes a la provin-
cia de nacimiento, considerando a las personas ocupadas entre
26 y 30 aos de edad. Fuente: elaboracin propia a partir de la
encuesta ECV (2006).
Variable Educacin promedio de los padres
Aos de
Instruccin
0 286 23,75
1 13 1,08
2 57 4,73
3 114 9,47
4 56 4,65
5 24 1,99
6 459 38,12
8 3 0,25
9 11 0,91
10 33 2,74
11 9 0,75
12 4 0,33
13 76 6,31
14 1 0,08
15 5 0,42
16 4 0,33
17 7 0,58
18 17 1,41
19 23 1,91
21 2 0,17
Total 1.204 100,00
Tabla 10. Frecuencias y porcentajes correspondientes a los aos
de instruccin del padre, considerando a las personas ocupadas
entre 26 y 30 aos de edad. Fuente: elaboracin propia a partir de
la encuesta ECV (2006).
Para analizar la variable Educacin promedio de los pa
dres es necesario analizar los aos de instruccin del padre
y de la madre. Los resultados se muestran en la tabla 10.
Decidimos agrupar los valores en el siguiente orden, de
tal forma que todos los datos sean representativos:
Aos de
Instruccin
0 286 23,75
1 16 1,33
2 57 4,73
3 114 9,47
4 56 4,65
5 24 1,99
6 459 38,12
9 15 1,25
10 33 2,74
11 14 1,16
13 76 6,31
17 13 1,08
18 18 1,50
19 23 1,91
Total 1.204 100,00
de instruccin del padre, considerando a las personas ocupadas
entre 26 y 30 aos de edad, luego de agrupar valores. Fuente: e-
laboracin propia a partir de la encuesta ECV (2006).
Para el caso de la madre, la distribucin es como sigue:
Aos de
Instruccin
0 301 25,00
1 12 1,00
2 61 5,07
3 113 9,39
4 54 4,49
5 27 2,24
6 408 33,89
8 6 0,50
9 9 0,75
10 51 4,24
11 8 0,66
12 9 0,75
13 80 6,64
15 3 0,25
16 6 0,50
17 23 1,91
18 22 1,83
19 10 0,83
20 1 0,08
Total 1.204 100,00
de instruccin de la madre, considerando a las personas ocupa-
das entre 26 y 30 aos de edad. Fuente: elaboracin propia a par-
tir de la encuesta ECV (2006).
Analti a
k
1
Del mismo modo que para los hombres, agrupamos va-
lores de la siguiente forma:
Aos de
Instruccin
0 301 25,00
1 12 1,00
2 61 5,07
3 113 9,39
4 54 4,49
5 27 2,24
6 408 33,89
9 15 1,25
10 51 4,24
12 15 1,25
13 80 6,64
17 26 2,16
18 23 1,91
19 18 1,50
Total 1.204 100,00
de instruccin de la madre, considerando a las personas ocupa-
das entre 26 y 30 aos de edad, luego de agrupar valores. Fuente:
Adems del anlisis descriptivo que hasta aqu se ha
presentado, se analiz tambin las variables: educacin
promedio de los padres, diferencia aos de estudio de los
padres y aos de estudio del individuo. Sin embargo, res-
ta analizar la variable dependiente, ingreso laboral. De-
bido a que esta variable no est explcita en la encuesta,
se consider el ingreso laboral mensual calculado por el
INEC para la ECV (2006).
Con el objeto de determinar datos atpicos se realiz un
diagrama de caja, que se lo puede observar en la gura 3.
I
n
g
r
e
s
o

L
a
b
o
r
a
l

T
o
t
a
l

M
e
n
s
u
a
l
1000.00
800.00
600.00
400.00
200.00
.00
1051
883
798
685
176
742
666
628
598
403
375
351
218
164
120
99
77
58
49
35
32
30
24
21
Figura 3. Diagrama de caja del Ingreso laboral mensual. Fuente:
Como se puede observar existen datos atpicos, por lo
cual, es necesario eliminarlos para evitar posibles inconsis-
tencias, obteniendo de esta manera una base total de 1.059
individuos, para el caso de los hombres nacidos entre 1976
y 1980, es decir, con una edad entre 26 y 30 aos. Procedi-
mientos similares se realiz para el resto de intervalos.
4 Anlisis y discusin de datos: el ca-
so ecuatoriano
En esta seccin se presenta la aplicacin al caso ecuato-
riano. Se calcular en primer lugar el efecto parcial, utili-
zando los estimadores de la ecuacin de ingresos y las me-
dias de las variables heredadas; en segundo lugar, el efec-
to total, al reemplazar la ecuacin de esfuerzos propios en
la ecuacin de ingresos y, nalmente, se calcular el coe-
ciente de Gini con el propsito de medir la disminucin o
no en la desigualdad de los ingresos.
4.1 El efecto parcial
Para determinar el efecto parcial que tienen las varia-
bles heredadas en la distribucin de los ingresos, en primer
lugar, es necesario calcular los estimadores de la ecuacin
de ingresos, ecuacin (9). Luego se utilizan las medias de
las variables heredadas y los datos de la variable de es-
fuerzo propio que nos permitir realizar los clculos de la
simulacin del ingreso laboral hipottico.
4.1.1 Los ingresos
La forma desagregada de la ecuacin (9) es como sigue:
ln(Y
i
) =
0
+
et
et
i
+
pn
pn
i
+
epp
epp
i
+
dep
dep
i
+
nzr
nzr
i
+
s
s
i
+
sc
sc
i
+
m
migra
i
+
cl
cl
i
+
Yi
,
(15)
donde
Y
i
: es el ingreso laboral.
et: es la variable categrica etnia.
pn: es la variable categrica provincia de nacimiento.
epp: es la educacin promedio de los padres.
dep: es la diferencia entre la educacin del padre y de
la madre.
nzr: es la variable dicotmica nacidos en zona rural.
s: es la educacin del individuo.
sc: es la educacin del individuo elevada al cuadra-
do.
migra: es la variable dicotmica migracin laboral.
Analti a
k
1
cl: es la variable dicotmica capacitacin laboral.

i
,
j

Yi
: es el trmino residual que tiene una distribucin
N(0,
2
)..
Dentro de la variable etnia (et), hay cuatro variables di-
cotmicas (desde e1 hasta e4) y dentro de la variable pro-
vincia de nacimiento (pn) hay quince variables dicotmi-
cas (desde p1 hasta p15), mismas que se encuentran deta-
lladas en la tabla 6.
Las ecuaciones de ingresos fueron estimadas por inter-
valos, separadamente para hombres y mujeres, utilizando
el mtodo de Mnimos Cuadrados Ordinarios (MCO).
Los coecientes de determinacin R
2
, para cada una de
los modelos, son bajos; sin embargo, el anlisis de varian-
za, ANOVA, que nos informa si existe o no relacin signi-
cativa entre las variables, indica que s existe relacin. Los
resultados de R
2
y del nivel crtico
9
de la tabla ANOVA los
podemos ver en las tablas 14 y 15 que, adems, contienen
los resultados de los estimadores y el nmero de observa-
ciones de cada intervalo. El coeciente de correlacin R
2
,
tanto para el caso de los hombres como para el de las mu-
jeres, entre 31 y 35 aos de edad, es 0,28.
Estudios similares realizados en Brasil y Colombia pre-
sentan resultados con coecientes de determinacin bajos
[3, 15], permitindonos en cierta forma aceptar los resulta-
dos obtenidos en el presente estudio, pues son similares.
En el caso de Brasil presenta coecientes de determi-
nacin R
2
entre 0,36 y 0,45 para el caso de la ecuacin de
ingresos de los hombres, pero para el caso de las mujeres
no presentan dichos resultados. Mientras que para la ecua-
cin de estudios de los hombres, presentan un R
2
entre 0,34
y 0,43 y para las mujeres un R
2
entre 0,36 y 0,46. Tambin
es importante resaltar la base de datos con la que trabajan,
5.812 datos.
Por otra parte, Colombia presenta un R
2
entre 0,29 y
0,41 para el caso de la ecuacin de ingresos de los hom-
bres, pero para el caso de las mujeres, al igual que Brasil,
no presentan dichos resultados. La ecuacin de estudios
de los hombres presentan un R
2
entre 0,33 y 0,54 y para
las mujeres un R
2
entre 0,31 y 0,42. La base de datos con
la que trabajaron en la ecuacin de ingresos para el caso
de los hombres es de 1287.828 datos, y para el caso de las
mujeres es de 1.003 datos. La base de datos con la que tra-
bajaron en la ecuacin de estudios para el caso de los hom-
bres es de 1287.828 datos y, para el caso de las mujeres es
de 1729.408 datos.
Los resultados para el caso ecuatoriano, correspondien-
te a los hombres, se presentan en la tabla 14.
Para el caso de los hombres con una edad entre 31 y 35
aos, la ecuacin de ingresos, considerando los estimado-
res signicativos es:
ln(

Y
i
) =5,1674 0,5040p
2i
0,3434p
6i
0,2818p
9i
0,3094p
11i
0,3664p
12i
0,3383p
13i
0,2973p
14i
0,3167p
15i
+0,0213epp
i
+0,0399s
i
0,1864nzr
i
+ 0,2786cl
i
+
Yi
,
(16)
donde
Yi
son los resultados del error de la ecuacin de
ingresos para cada individuo i. Esta notacin de los resul-
tados del error, la utilizaremos en todas las ecuaciones que
hemos tomado como ejemplo para mostrar los resultados
obtenidos.
De la ecuacin (16), para este caso especco, hombres
entre 31 y 35 aos de edad, se concluye que:
Si se considera la nula inuencia de las variables heredadas y
de esfuerzo propio, se observa que los hombres tienen un ingre-
so mayor que el de las mujeres (comparar las ecuaciones (16)
y (17)).
Si la educacin de los padres se incrementara un ao, el ingre-
so del individuo crecera en un 2 %.
Si la educacin del individuo se incrementara en un ao, su
ingreso crecera en un 3 %.
Si el individuo naci en zona rural, su ingreso disminuira en
un 18 %.
Si el individuo se ha capacitado para mejorar su trabajo, du-
rante los ltimos doce meses, su ingreso se incrementara en
un 27 %.
Los resultados para el caso de la mujeres de presentan
en la tabla 15.
Para el caso de las mujeres, con una edad entre 31 y 35
aos, la ecuacin de ingresos, considerando los estimado-
res signicativos, es:
ln(

Y
i
) =4,4652 0,3174p
1i
0,9270p
3i
0,4865p
9i
0,3110p
11i
0,6944p
12i
0,3944p
13i
0,5929p
15i
+ 0,0356epp
i
+ 0,0068sc
i
+0,4524cl
i
+
Yi
(17)
De la ecuacin (17), para este caso especco, mujeres
Como se mencion para el caso de los hombres, si se considera
la nula inuencia de las variables heredadas y de esfuerzo pro-
pio, se observa que las mujeres tienen menores ingresos que los
hombres (comparar las ecuaciones (16) y (17)).
Si la educacin de los padres se incrementara un ao, el ingre-
so del individuo crecera en un 3,6 %.
ingreso crecera en un 0,7 %.
9
El nivel crtico (Sig.) indica que, si suponemos que el valor poblacional de R es cero, es improbable (probabilidad = 0,000) que R, tome el valor
obtenido. Lo cual implica que R es mayor que cero y que, en consecuencia, las variables dependiente e independientes estn linealmente relacionadas.
Analti a
k
1
un 45 %.
A continuacin se realiza un anlisis general de todos
los intervalos de edad, tanto de hombres como de muje-
res. As, los resultados de las regresiones muestran que la
constante, tanto para hombres como para mujeres, en to-
dos los intervalos, es positivo, siendo mayor para el caso
de los hombres; as, su estimador correspondiente es ms
alto para los que estn entre 26 y 30 aos de edad
10
. En
el caso de las mujeres, el estimador correspondiente a la
constante es ms alto para las que estn entre 46 y 50 aos
de edad. Este hecho, si la inuencia de las variables here-
dadas y de esfuerzo propio es nula, reeja que en prome-
dio los hombres tienen salarios ms altos que las mujeres:
ver gura 4. La inuencia nula de las variables heredadas
sobre el ingreso de los individuos signicara que el indi-
viduo se autoidentica como mestizo, que ha nacido en la
provincia de Pichincha, que sus padres no tienen estudios
y que ha nacido en zona urbana. Mientras que la inuencia
nula de las variables de esfuerzo propio signicara que el
individuo no ha estudiado, no se ha capacitado para con-
seguir o mejorar su trabajo durante los ltimos doce meses
ni ha migrado en los ltimos cinco aos para conseguir un
trabajo mejor remunerado.
Figura 4. Estimadores de la ecuacin de ingresos correspondien-
tes a la constante. Fuente: elaboracin propia.
Por otro lado, tomando en cuenta las variables hereda-
das y considerando los valores signicativos, en general,
tanto para los hombres como para las mujeres tuvieron los
siguientes efectos en los ingresos: la etnia fue negativa, la
provincia de nacimiento fue negativa, en comparacin con
la provincia de Pichincha (provincia de referencia), la edu-
cacin de los padres fue positiva y el nacimiento en zona
rural fue negativo.
Mientras Las variables de esfuerzo propio tuvieron los
siguientes efectos en los ingresos: la educacin del indivi-
duo fue positiva, la migracin laboral fue positiva, nica-
mente para el caso de los hombres con una edad entre 56
y 60 aos y, la capacitacin laboral fue positiva.
A continuacin se realiza el anlisis individual de las
variables en estudio.
Etnia
Los resultados correspondientes a la variable etnia, en
general, tanto en el caso de los hombres como en de las
mujeres, muy pocos son los signicativos
11
, lo que indica-
ra que la variacin del ingreso laboral no depende en gran
manera de la variable etnia. Los estimadores signicativos,
en su mayora, son negativos, siendo el efecto negativo en
los ingresos mayor para las mujeres.
Provincia de Nacimiento
Para el caso de la variable provincia de nacimiento te-
nemos un escenario similar al de la etnia: no todos son
signicativos y en su mayora son con signo negativo en
comparacin con los nacidos en la provincia de Pichincha.
Por ejemplo, los hombres nacidos en Esmeraldas con edad
entre 56 y 60 aos son los que mayor desventaja tienen,
pues el estimador correspondiente es el valor ms bajo; lo
que signicara que son los que menores ingresos tienen
en comparacin con el resto de los nacidos en otras pro-
vincias, y sin considerar las dems variables. En el caso de
las mujeres, las nacidas en la provincia de Caar con edad
entre 31 y 35 aos son las que menores ingresos tienen; sin
embargo, a diferencia de los hombres, esta variable tiene
menor inuencia en el ingreso de las mujeres.
Educacin de los padres
Los estimadores de la variable educacin promedio de
los padres son signicativos y con signo positivo, para el
caso de los hombres con una edad entre 31 y 45 aos, don-
de se puede decir que la educacin de los padres es un
factor importante en los ingresos de los individuos.
Para el caso de las mujeres los estimadores correspon-
dientes son signicativos y con signo positivo para las que
estn con una edad entre 31 y 40 aos y, entre 46 y 50 aos.
La inuencia positiva sobre los ingresos es mayor para las
mujeres.
10
Tener presente que los datos fueron tomados en el ao 2006.
11
Los resultados al ejecutar las regresiones presentan las pruebas t y sus niveles crticos, mismos que sirven para contrastar la hiptesis nula de que
un coeciente de regresin vale cero en la poblacin. Niveles crticos muy pequeos (generalmente menores que 0,05) indican que debemos rechazar
esa hiptesis nula. Por tal motivo, llamaremos estimadores signicativos a aquellos, cuyo nivel crtico fue menor que 0,05.
Analti a
k
1
A
O
N
A
C
I
M
I
E
N
T
O
1
9
4
6
-
5
0
1
9
5
1
-
5
5
1
9
5
6
-
6
0
1
9
6
1
-
6
5
1
9
6
6
-
7
0
1
9
7
1
-
7
5
1
9
7
6
-
8
0
(
E
D
A
D
)
5
6
-
6
0
5
1
-
5
5
4
6
-
5
0
4
1
-
4
5
3
6
-
4
0
3
1
-
3
5
2
6
-
3
0
(
C
o
n
s
t
a
n
t
)
4
,
7
2
2
8
*
5
,
1
0
6
3
*
5
,
0
2
4
2
*
5
,
1
1
6
3
*
4
,
8
0
2
5
*
5
,
1
6
7
4
*
5
,
2
9
4
9
*
I
n
d
g
e
n
a
(
e
1
)
-
0
,
2
3
1
3
-
0
,
0
5
2
0
-
0
,
1
8
4
3
*
-
0
,
2
5
6
5
*
-
0
,
1
4
5
2
*
*
-
0
,
1
2
7
3
-
0
,
2
5
1
5
*
B
l
a
n
c
o
(
e
2
)
-
0
,
1
2
6
9
-
0
,
0
2
4
2
0
,
0
0
5
1
0
,
0
1
1
7
-
0
,
0
2
9
9
0
,
0
0
3
6
0
,
0
8
5
2
N
e
g
r
o
(
e
3
)
0
,
5
7
1
6
*
0
,
1
4
3
7
-
0
,
1
1
2
2
0
,
0
7
6
7
0
,
1
1
2
1
-
0
,
0
2
8
5
-
0
,
1
4
2
0
M
u
l
a
t
o
(
e
4
)
0
,
2
9
3
1
0
,
3
7
6
1
-
0
,
1
6
3
1
0
,
0
6
1
1
0
,
1
4
7
9
-
0
,
0
1
4
5
0
,
0
7
1
3
A
z
u
a
y
(
p
1
)
-
0
,
0
7
6
2
-
0
,
1
4
8
9
0
,
0
4
4
1
-
0
,
0
9
8
3
0
,
1
5
5
7
0
,
1
9
2
8
-
0
,
0
0
4
0
B
o
l
v
a
r
(
p
2
)
-
0
,
2
6
0
1
-
0
,
2
4
5
1
-
0
,
1
6
4
9
-
0
,
2
1
0
4
-
0
,
1
5
3
4
-
0
,
5
0
4
0
*
-
0
,
0
9
5
6
C
a
a
r
(
p
3
)
-
0
,
2
8
4
8
-
0
,
1
6
9
9
0
,
0
3
9
1
0
,
1
0
7
0
0
,
1
6
3
0
-
0
,
0
1
4
6
-
0
,
4
1
8
1
C
a
r
c
h
i
(
p
4
)
-
0
,
1
4
4
7
-
0
,
1
3
0
6
0
,
2
1
3
7
-
0
,
1
5
0
1
0
,
0
8
2
4
-
0
,
1
0
8
9
-
0
,
1
3
0
0
C
o
t
o
p
a
x
i
(
p
5
)
0
,
1
9
4
0
0
,
2
1
0
9
0
,
0
2
9
5
-
0
,
1
0
4
7
-
0
,
0
0
0
4
-
0
,
0
0
7
2
-
0
,
0
1
6
9
C
h
i
m
b
o
r
a
z
o
(
p
6
)
-
0
,
2
3
9
9
-
0
,
3
6
0
8
*
-
0
,
0
6
8
4
0
,
0
0
4
1
-
0
,
0
1
3
1
-
0
,
3
4
3
4
*
-
0
,
1
2
4
1
E
l
O
r
o
(
p
7
)
0
,
1
9
1
7
-
0
,
2
2
5
1
0
,
0
6
0
8
-
0
,
1
2
2
7
-
0
,
0
3
6
5
-
0
,
2
4
5
9
0
,
0
0
7
5
E
s
m
e
r
a
l
d
a
s
(
p
8
)
-
1
,
2
9
0
6
*
-
0
,
5
8
2
8
*
0
,
1
3
1
0
-
0
,
3
8
7
1
-
0
,
2
3
3
5
-
0
,
3
1
8
8
-
0
,
1
7
9
9
G
u
a
y
a
s
(
p
9
)
-
0
,
1
4
9
3
-
0
,
4
7
5
6
*
-
0
,
0
4
8
6
-
0
,
1
0
9
6
-
0
,
1
1
7
0
-
0
,
2
8
1
8
*
-
0
,
2
1
8
4
*
I
m
b
a
b
u
r
a
(
p
1
0
)
-
0
,
1
3
1
0
-
0
,
3
8
7
8
*
-
0
,
2
2
3
8
-
0
,
0
1
8
5
0
,
1
0
7
6
-
0
,
1
2
5
7
0
,
0
2
6
1
L
o
j
a
(
p
1
1
)
-
0
,
5
8
0
1
*
-
0
,
5
8
8
4
*
-
0
,
2
2
9
6
-
0
,
1
8
0
1
-
0
,
2
5
9
9
*
-
0
,
3
0
9
4
*
-
0
,
3
0
7
5
*
L
o
s
R
o
s
(
p
1
2
)
-
0
,
2
0
2
2
-
0
,
4
5
2
4
*
-
0
,
1
3
3
6
-
0
,
3
1
0
6
*
-
0
,
2
2
3
3
*
-
0
,
3
6
6
4
*
-
0
,
2
5
8
1
*
M
a
n
a
b
(
p
1
3
)
-
0
,
2
9
7
7
-
0
,
5
1
8
7
*
-
0
,
0
2
0
2
-
0
,
2
9
7
5
*
-
0
,
1
6
8
0
*
*
-
0
,
3
3
8
3
*
-
0
,
4
1
3
7
*
T
u
n
g
u
r
a
h
u
a
(
p
1
4
)
-
0
,
5
5
0
6
9
*
-
0
,
5
0
2
3
*
0
,
0
7
6
3
0
,
0
9
8
3
0
,
0
5
0
0
-
0
,
2
9
7
3
*
-
0
,
1
1
1
9
A
m
a
z
o
n
a
(
p
1
5
)
-
0
,
4
2
7
1
-
0
,
3
5
9
5
-
0
,
0
8
8
9
-
0
,
3
0
2
8
*
-
0
,
3
4
2
7
*
-
0
,
3
1
6
7
*
-
0
,
0
6
2
0
E
d
u
c
a
c
i
n
p
r
o
m
e
d
i
o
d
e
l
o
s
p
a
d
r
e
s
(
e
p
p
)
0
,
0
2
3
1
0
,
0
1
3
4
0
,
0
1
5
3
0
,
0
2
2
8
*
0
,
0
3
6
5
*
0
,
0
2
1
3
*
-
0
,
0
0
4
1
D
i
f
e
r
e
n
c
i
a
E
d
u
c
a
c
i
n
p
a
d
r
e
y
m
a
d
r
e
(
d
e
p
)
-
0
,
0
1
4
3
-
0
,
0
2
3
7
*
-
0
,
0
0
1
4
-
0
,
0
1
5
1
*
0
,
0
1
0
0
-
0
,
0
1
1
3
-
0
,
0
0
3
4
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
(
s
)
0
,
0
9
9
0
*
0
,
0
8
5
0
*
0
,
0
5
0
7
*
0
,
0
5
8
7
*
0
,
0
8
2
0
*
0
,
0
3
9
9
*
0
,
0
1
8
6
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
e
l
e
v
a
d
a
a
l
c
u
a
d
r
a
d
o
(
s
c
)
-
0
,
0
0
2
2
-
0
,
0
0
1
1
0
,
0
0
0
5
-
0
,
0
0
0
6
-
0
,
0
0
1
5
0
,
0
0
0
7
0
,
0
0
1
9
N
a
c
i
d
o
e
n
z
o
n
a
r
u
r
a
l
(
n
z
r
)
-
0
,
1
5
0
7
-
0
,
2
2
7
3
3
*
-
0
,
2
1
4
3
*
-
0
,
1
6
9
6
*
-
0
,
0
8
4
1
*
-
0
,
1
8
6
4
*
-
0
,
2
5
6
2
*
M
i
g
r
a
c
i
n
l
a
b
o
r
a
l
(
m
i
g
r
a
)
0
,
6
3
0
2
*
-
0
,
3
9
8
8
0
,
0
1
9
5
0
,
0
1
0
7
0
,
0
8
6
2
0
,
1
1
3
4
0
,
0
5
8
3
C
a
p
a
c
i
t
a
c
i
o
n
L
a
b
o
r
a
l
(
c
l
)
0
,
5
5
4
7
*
0
,
4
0
9
0
*
0
,
2
9
4
1
*
0
,
2
9
0
3
*
0
,
2
1
2
8
*
0
,
2
7
8
6
*
0
,
2
4
0
4
*
N
m
e
r
o
d
e
o
b
s
e
r
v
a
c
i
o
n
e
s
5
8
6
7
4
2
8
7
4
9
8
8
1
1
3
4
1
0
6
0
1
0
5
9
R
2
0
,
2
8
0
,
2
9
0
,
2
7
0
,
2
3
0
,
2
6
0
,
2
8
0
,
2
4
A
N
O
V
A
:
S
i
g
.
(
F
)
0
,
0
0
0
,
0
0
0
,
0
0
0
,
0
0
0
,
0
0
0
,
0
0
0
,
0
0
N
o
t
a
:
*
S
i
g
n
i
c
a
t
i
v
o
a
l
5
%
,
*
*
S
i
g
n
i
c
a
t
i
v
o
a
l
1
0
%
.
T
a
b
l
a
1
4
.
E
s
t
i
m
a
d
o
r
e
s
d
e
l
a
s
e
c
u
a
c
i
o
n
e
s
d
e
l
i
n
g
r
e
s
o
l
a
b
o
r
a
l
d
e
l
o
s
h
o
m
b
r
e
s
.
F
u
e
n
t
e
:
e
l
a
b
o
r
a
c
i
n
p
r
o
p
i
a
a
p
a
r
t
i
r
d
e
l
a
e
n
c
u
e
s
t
a
E
C
V
(
2
0
0
6
)
.
Analti a
k
1
A
O
N
A
C
I
M
I
E
N
T
O
1
9
4
6
-
5
0
1
9
5
1
-
5
5
1
9
5
6
-
6
0
1
9
6
1
-
6
5
1
9
6
6
-
7
0
1
9
7
1
-
7
5
1
9
7
6
-
8
0
(
E
D
A
D
)
5
6
-
6
0
5
1
-
5
5
4
6
-
5
0
4
1
-
4
5
3
6
-
4
0
3
1
-
3
5
2
6
-
3
0
(
C
o
n
s
t
a
n
t
)
4
,
0
0
3
7
*
4
,
1
7
4
3
*
4
,
5
9
4
0
*
4
,
2
9
3
0
*
4
,
0
3
7
4
*
4
,
4
6
5
2
*
4
,
1
6
1
2
*
I
n
d
g
e
n
a
(
e
1
)
-
0
,
0
0
2
2
0
,
0
6
5
2
-
0
,
3
8
1
8
*
-
0
,
1
2
3
3
0
,
3
0
5
4
*
-
0
,
2
0
6
1
0
,
0
5
9
0
B
l
a
n
c
o
(
e
2
)
0
,
0
2
3
4
-
0
,
1
1
1
7
-
0
,
1
0
0
2
-
0
,
3
2
5
7
*
0
,
0
8
5
6
-
0
,
1
5
9
4
0
,
0
6
4
1
N
e
g
r
o
(
e
3
)
-
1
,
1
0
6
4
*
0
,
6
2
8
8
-
0
,
5
8
6
6
*
*
0
,
5
8
5
4
*
0
,
3
1
1
9
0
,
1
0
7
4
-
0
,
3
1
9
5
M
u
l
a
t
o
(
e
4
)
-
1
,
2
1
3
5
*
0
,
0
4
6
5
-
0
,
2
8
9
9
0
,
2
7
3
8
0
,
2
0
9
0
0
,
2
3
9
7
-
0
,
4
2
1
0
A
z
u
a
y
(
p
1
)
-
0
,
4
9
7
1
-
0
,
2
5
5
9
-
0
,
3
4
1
4
-
0
,
2
7
7
3
-
0
,
1
8
3
1
-
0
,
3
1
7
4
*
*
-
0
,
2
9
3
3
B
o
l
v
a
r
(
p
2
)
-
0
,
1
2
0
1
-
0
,
2
2
0
3
0
,
0
4
5
1
-
0
,
2
4
2
5
-
0
,
2
0
4
2
-
0
,
1
9
3
4
-
0
,
4
0
7
2
*
*
C
a
a
r
(
p
3
)
-
0
,
8
8
6
1
*
-
0
,
8
9
2
9
*
-
0
,
4
7
7
0
*
*
-
0
,
2
8
6
2
-
0
,
2
1
3
3
-
0
,
9
2
7
0
*
-
0
,
4
2
0
8
C
a
r
c
h
i
(
p
4
)
-
0
,
4
8
3
5
-
0
,
3
2
0
0
-
0
,
4
4
1
9
-
0
,
3
0
5
7
-
0
,
5
4
0
6
7
*
-
0
,
3
0
4
4
-
0
,
3
0
7
2
C
o
t
o
p
a
x
i
(
p
5
)
-
0
,
0
0
0
8
-
0
,
1
2
3
1
-
0
,
2
8
5
1
-
0
,
2
2
1
3
-
0
,
3
0
9
8
-
0
,
1
8
8
6
0
,
0
8
8
5
C
h
i
m
b
o
r
a
z
o
(
p
6
)
-
0
,
0
9
8
0
-
0
,
3
4
8
4
-
0
,
2
4
5
3
0
,
0
0
6
3
-
0
,
5
6
5
4
*
-
0
,
2
2
2
0
-
0
,
2
6
2
0
E
l
O
r
o
(
p
7
)
0
,
2
4
2
5
-
0
,
1
1
1
0
-
0
,
5
3
5
5
*
-
0
,
4
7
1
8
4
*
-
0
,
3
1
1
3
-
0
,
2
4
1
5
-
0
,
1
7
5
9
E
s
m
e
r
a
l
d
a
s
(
p
8
)
0
,
3
1
7
4
-
0
,
3
9
9
2
0
,
0
4
8
1
-
0
,
5
1
1
6
*
-
0
,
3
3
1
5
-
0
,
3
8
5
2
0
,
2
3
8
4
G
u
a
y
a
s
(
p
9
)
-
0
,
1
7
1
2
-
0
,
1
9
2
2
-
0
,
5
9
7
9
*
-
0
,
4
2
8
1
*
-
0
,
3
7
9
4
*
-
0
,
4
8
6
5
*
-
0
,
1
5
9
2
I
m
b
a
b
u
r
a
(
p
1
0
)
0
,
3
1
7
8
-
0
,
0
2
7
1
-
0
,
5
4
2
8
*
-
0
,
0
2
7
5
-
0
,
1
4
2
0
0
,
1
0
4
2
0
,
2
3
4
7
L
o
j
a
(
p
1
1
)
-
0
,
6
5
2
2
*
-
0
,
2
0
8
4
-
0
,
2
7
9
4
-
0
,
4
8
6
0
*
-
0
,
2
0
1
4
-
0
,
3
1
1
0
*
*
-
0
,
0
5
9
4
L
o
s
R
o
s
(
p
1
2
)
-
0
,
3
2
8
7
-
0
,
4
4
6
6
*
*
-
0
,
5
0
6
8
-
0
,
4
7
9
5
*
-
0
,
2
6
8
8
-
0
,
6
9
4
4
*
-
0
,
0
2
7
3
M
a
n
a
b
(
p
1
3
)
-
0
,
2
5
9
7
-
0
,
2
3
8
6
-
0
,
7
1
9
5
*
-
0
,
2
9
6
0
-
0
,
3
2
6
4
*
-
0
,
3
9
4
4
*
-
0
,
2
1
7
0
T
u
n
g
u
r
a
h
u
a
(
p
1
4
)
-
0
,
3
5
1
8
0
,
1
9
9
7
-
0
,
7
3
1
9
*
0
,
1
2
6
4
-
0
,
1
4
7
8
-
0
,
1
4
1
6
0
,
0
1
1
9
A
m
a
z
o
n
a
(
p
1
5
)
-
0
,
7
9
9
6
-
0
,
3
2
4
8
-
0
,
3
8
5
0
-
0
,
4
5
1
0
*
-
0
,
1
6
9
9
-
0
,
5
9
2
9
*
-
0
,
3
1
7
2
E
d
u
c
a
c
i
n
p
r
o
m
e
d
i
o
d
e
l
o
s
p
a
d
r
e
s
(
e
p
p
)
0
,
0
1
3
4
0
,
0
0
6
3
0
,
0
4
8
0
*
0
,
0
0
3
5
0
,
0
3
1
8
*
0
,
0
3
5
6
*
0
,
0
1
3
8
D
i
f
e
r
e
n
c
i
a
E
d
u
c
a
c
i
n
p
a
d
r
e
y
m
a
d
r
e
(
d
e
p
)
0
,
0
1
5
4
0
,
0
1
8
7
-
0
,
0
0
3
6
-
0
,
0
1
0
9
0
,
0
0
8
0
-
0
,
0
1
9
7
-
0
,
0
0
1
8
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
(
s
)
0
,
0
9
8
8
*
0
,
0
5
1
4
0
,
0
1
7
2
0
,
0
3
9
2
0
,
0
9
0
5
*
-
0
,
0
5
6
1
0
,
0
1
9
0
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
e
l
e
v
a
d
a
a
l
c
u
a
d
r
a
d
o
(
s
c
)
0
,
0
0
0
2
0
,
0
0
2
7
0
,
0
0
2
8
0
,
0
0
3
2
*
-
0
,
0
0
0
8
0
,
0
0
6
8
*
0
,
0
0
3
3
*
*
N
a
c
i
d
o
e
n
z
o
n
a
r
u
r
a
l
(
n
z
r
)
-
0
,
1
3
0
4
-
0
,
1
7
4
1
-
0
,
1
3
1
2
-
0
,
2
3
3
4
*
-
0
,
1
8
6
6
*
0
,
0
1
4
7
-
0
,
2
3
4
1
*
M
i
g
r
a
c
i
n
l
a
b
o
r
a
l
(
m
i
g
r
a
)
0
,
2
7
0
5
0
,
2
2
7
3
-
0
,
2
4
9
8
0
,
1
5
0
2
-
0
,
2
2
6
1
-
0
,
0
1
0
4
-
0
,
0
5
3
8
C
a
p
a
c
i
t
a
c
i
o
n
l
a
b
o
r
a
l
(
c
l
)
0
,
7
2
8
2
*
0
,
6
0
2
4
*
0
,
4
7
7
4
*
0
,
5
3
1
4
*
0
,
5
1
8
3
*
0
,
4
5
2
4
*
0
,
2
7
2
6
*
N
m
e
r
o
d
e
o
b
s
e
r
v
a
c
i
o
n
e
s
3
1
4
4
6
6
5
5
6
7
1
2
7
9
0
7
0
2
6
9
7
R
2
0
,
4
0
0
,
3
9
0
,
2
9
0
,
3
0
0
,
2
5
0
,
2
8
0
,
2
3
A
N
O
V
A
:
S
i
g
.
(
F
)
0
,
0
0
0
,
0
0
0
,
0
0
0
,
0
0
0
,
0
0
0
,
0
0
0
,
0
0
N
o
t
a
:
*
S
i
g
n
i
c
a
t
i
v
o
a
l
5
%
,
*
*
S
i
g
n
i
c
a
t
i
v
o
a
l
1
0
%
T
a
b
l
a
1
5
.
E
s
t
i
m
a
d
o
r
e
s
d
e
l
a
s
e
c
u
a
c
i
o
n
e
s
d
e
l
i
n
g
r
e
s
o
l
a
b
o
r
a
l
d
e
l
a
s
m
u
j
e
r
e
s
.
F
u
e
n
t
e
:
e
l
a
b
o
r
a
c
i
n
p
r
o
p
i
a
a
p
a
r
t
i
r
d
e
l
a
e
n
c
u
e
s
t
a
E
C
V
(
2
0
0
6
)
.
Analti a
k
1
En la variable diferencia de la educacin de los padres,
los estimadores son signicativos y con signo negativo pa-
ra el caso de los hombres entre 41 y 45 aos y, entre 51 y
55 aos de edad. Mientras que para las mujeres, los esti-
madores no son signicativos para ningn intervalo. Este
hecho revela, que la educacin de la madre tiene inuencia
positiva nicamente en el ingreso del hijo, pues los estima-
dores son negativos y al tener mayor educacin la madre
que el padre, la variable diferencia de la educacin de los
padres sera negativa, y por consiguiente, el efecto sobre el
ingreso sera positivo.
Nacido en zona rural
Los estimadores de la variable nacido en zona rural pa-
ra el caso de los hombres no son signicativos para los que
estn entre 56 y 60 aos de edad, mientras que para los de-
ms intervalos son signicativos y con signo negativo; lo
que signica que los nacidos en zona urbana tienen mayo-
res ingresos que los que nacieron en zona rural.
Para el caso de las mujeres, los estimadores son signi-
cativos y con signo negativo, para las que tienen una edad
entre 26 y 30 aos y, entre 36 y 45 aos, siendo el efec-
to negativo mayor que el de los hombres, es decir, que si
comparamos con la zona urbana, que es la zona de referen-
cia, las mujeres tienen menores ingresos que los hombres
tambin nacidos en zona rural.
Consideremos ahora las variables de esfuerzo propio:
Educacin del individuo
Los coecientes que representan la variable educacin
del individuo, para el caso de los hombres, no son signi-
cativos para los que estn entre 26 y 30 aos de edad, para
los dems intervalos son signicativos con signo positivo.
Esto indica que la variable es inuyente en el ingreso labo-
ral, pues, en promedio, por cada ao adicional de educa-
cin del individuo, su salario se incrementa en un 5 %.
Para el caso de las mujeres, a diferencia de los hombres,
esta variable no es tan inuyente, pues solamente para dos
intervalos, los estimadores son signicativos.
Por otro lado, los estimadores que representan a la va-
riable educacin del individuo al cuadrado, no son signi-
cativos para ninguna edad de los hombres; y para las mu-
jeres lo son slo para dos intervalos y en valores muy bajos;
por lo que, en general, se puede decir que esta variable no
es inuyente en el ingreso laboral, y, por lo tanto, el efec-
to de los aos de escolaridad sobre el ingreso tiene forma
lineal.
Migracin Laboral
Esta variable, en general, no es inuyente en el ingreso
de los hombres ni en el de las mujeres, aunque existe un
caso particular en los hombres de 56 a 60 aos de edad, cu-
yo estimador es signicativo y con signo positivo, lo cual
indica que su ingreso sera 60 % ms que los dems.
Capacitacin Laboral
Los estimadores de la variable capacitacin laboral no
son signicativos nicamente para un intervalo que co-
rresponde a los individuos entre 51 y 55 aos de edad, para
los dems intervalos son signicativos y con signo positi-
vo, tanto en hombres como en mujeres, siendo mayor la
inuencia de esta variable sobre el ingreso en el caso de las
mujeres. Adems, se puede notar que tanto en hombres co-
mo en las mujeres, esta variable tiene mayor inuencia en
las generaciones mayores que en las generaciones jvenes.
4.1.2 Simulacin - efecto parcial
La simulacin del ingreso laboral hipottico se realiza
utilizando los estimadores y los errores calculados ante-
riormente, las medias de las variables heredadas y la serie
de las variables de esfuerzo propio.
La ecuacin (13) considerando las variables indicadas
es:
ln(
Y
i
) =
0
+
e

et
i
+
pn
pn
i
+
epp
epp
i
+
dep

dep
i
+
nzr
nzr
i
+

s
s
i
+

sc
sc
i
+

m
migra
i
+

cl
cl
i
+
Yi
(18)
donde,

Y
i
: es el ingreso hipottico,

et
i
, pn
i
, epp
i
,

dep
i
, nzr
i
: son las medias de las varia-
bles heredadas,

i
,

j
, u
i
: estimadores de MCO.
Ahora, para calcular el ingreso hipottico es necesario
utilizar los coecientes y errores obtenidos al estimar la
regresin correspondiente a la ecuacin (15). Tambin es
necesario utilizar las medias de las variables heredadas u
otros valores que consideremos convenientes y, las series
originales de las variables de esfuerzo.
Ejemplo
Si consideramos el siguiente escenario para todos los
individuos:
La etnia es mestiza.
La provincia de nacimiento es Pichincha.
La educacin promedio de los padres es de 12 aos.
La diferencia entre la educacin del padre y la ma-
dre es de 0 aos, es decir, tienen el mismo nivel de
educacin.
Haya nacido en zona urbana.
Analti a
k
1
La ecuacin de ingreso hipottico para el caso de los
hombres entre 31 y 35 aos de edad es:
ln(
Y
i
) =5, 1674 + 0, 0213epp
i
+0, 0399s
i
0, 1864nzr
i
+ 0, 2786cl
i
+
Yi
(19)
ln(
Y
i
) =5, 1674 + 0, 0213(12) + 0, 0399s
i
0, 1864(0) +0, 2786cl
i
+
Yi
(20)
ln(
Y
i
) =5, 1674 + 0, 2556 + 0, 0399s
i
+ 0, 2786cl
i
+
Yi
(21)
ln(
Y
i
) =5, 423 +0, 0399s
i
+ 0, 2786cl
i
+
Yi
(22)
La etnia y la provincia de nacimiento son variables de
referencia, por tal motivo toman valores igual a cero en es-
te caso.
Si se considera la nula inuencia de las variables de esfuer-
zo propio, se observa que los hombres tienen mayores ingresos
que las mujeres (comparar las ecuaciones (22) y (26)).
Si la educacin de los padres es de 12 aos, el ingreso del indi-
viduo crecera en un 25,6 %.
Si el individuo naci en zona urbana, su ingreso a diferencia
de los que nacieron en zona rural, crecera en un 18,7 %.
un 29 %.
Por otro lado, si consideramos el mismo escenario pa-
ra las mujeres, la ecuacin de ingreso hipottico para las
mujeres entre 31 y 35 aos de edad es:
ln(
Y
i
) =4, 4652 + 0, 0356epp
i
+0, 0068sc
i
+ 0, 4524cl
i
+
Yi
(23)
ln(
Y
i
) =4, 4652 + 0, 0356(12) + 0, 0068sc
i
+ 0, 4524cl
i
+
Yi
(24)
ln(
Y
i
) =4, 4652 + 0, 4272 + 0, 0068sc
i
+ 0, 4524cl
i
+
Yi
(25)
ln(
Y
i
) =4, 8924 + 0, 0068sc
i
+ 0, 4524cl
i
+
Yi
(26)
Si se considera la nula inuencia de las variables de esfuerzo
propio, se observa que las mujeres tienen menores ingresos que
las hombres (comparar las ecuaciones (22) y (26)).
Si la educacin de los padres es de 12 aos, el ingreso del indi-
viduo crecera en un 42,7 %.
un 45,2 %.
La diferencia entre el nivel de desigualdad observado,
es decir, el coeciente de Gini calculado en base al ingreso
observado, y el que resulta con esta nueva distribucin del
ingreso, es decir, el coeciente de Gini calculado en base
a la ecuacin (18) una vez reemplazado los valores corres-
pondientes, corresponde al efecto parcial de las variables
heredadas sobre el ingreso. Estos resultados se presentan
en la seccin correspondiente al clculo y anlisis del coe-
ciente de Gini, seccin 4.3.2.
4.2 El efecto total
Para determinar el efecto total, en primer lugar, es ne-
cesario determinar las ecuaciones del esfuerzo propio.
4.2.1 Las variables de esfuerzo propio
Para determinar la educacin del individuo, utilizare-
mos el mtodo de MCO, mientras que para la migracin y
la capacitacin laboral, por ser variables cualitativas, uti-
lizaremos un modelo Logit. La forma desagregada que se
aplica a las tres variables (estudios, migracin laboral y ca-
pacitacin laboral) es:
X
Eki
=b
0
+ b
1k
et
i
+ b
2k
pn
i
+ b
3k
epp
i
+ b
4k
dep
i
+ b
5k
nzr
i
+
X
E
ki
, (27)
donde
X
Ek
: es la variable de esfuerzo propio a considerar,
as si:
k = 1, X
E1
= estudio del individuo.
k = 2, X
E2
= migracin.
k = 3, X
E3
= capacitacin laboral.
et: es la variable categrica etnia.
pn: es la variable categrica provincia de nacimiento.
epp: es la educacin promedio de los padres.
dep: es la diferencia entre la educacin del padre y de
la madre.
b
rk

X
E
ki
: es el trmino residual que tiene distribucin
N(0,
2
).
Analti a
k
1
Observacin: Por facilidad, a la variable de esfuerzo pro-
pio, estudio del individuo, la notaremos como (S) en lugar de
X
E1
.
A continuacin se presentan los resultados obtenidos
al ejecutar las regresiones para cada una de las variables
de esfuerzo propio, cabe recalcar que de los resultados ob-
tenidos, nicamente la variable de esfuerzo propio corres-
pondiente al estudio del individuo fue signicativa, las de-
ms, tanto la migracin laboral como la capacitacin labo-
ral no fueron signicativas, por lo que no se incluirn en
la ecuacin de ingreso hipottico para determinar el efec-
to total de las variables heredadas en la distribucin del
ingreso; nicamente se presentan los resultados obtenidos
de acuerdo a la validez del modelo.
Para el caso de la variable de estudio, como los resul-
tados fueron signicativos, adems de los resultados se
presenta un breve anlisis.
Variable de esfuerzo propio: estudio del individuo
En la tabla 16 se puede observar los resultados obteni-
dos para la ecuacin de estudios de los hombres.
AO NACIMIENTO 1946-50 1951-55 1956-60 1961-65 1966-70 1971-75 1976-80
(EDAD) 56-60 51-55 46-50 41-45 36-40 31-35 26-30
(Constant) 5,8378* 5,5036* 6,7481* 7,7080* 7,6063* 7,4031* 7,2541*
Indgena -2,1046* -1,9753* -2,0846* -1,7710* -0,7016* -0,4597 0,0283
Blanco -0,9817* -1,1648* -0,1021 -0,8941 -1,1476* 0,0385 -0,4390
Negro 0,2419 -1,2278 -1,0103 -1,9159* -1,0435* -1,2040* 0,4954
Mulato -0.6223 -0.4443 0.6118 -1.2400 -0.6397 -0.5725 0.0932
Azuay -0.7659 -0.2078 -0.8040 -0.7214 0.2621 -0.2358 -0.1449
Bolvar -2.0006* -0.8666 -1.1807 -0.9549 -0.6090 0.0469 0.1459
Caar -0.6234 0.1082 -0.9602 -0.0616 -0.5006 0.2388 0.3588
Carchi -1.2130 -0.3980 -1.1268 -1.0456 -1.3080* 0.3784 -0.3337
Cotopaxi -1.5489* 0.1558 -0.6909 -0.3112 -0.2782 0.3700 0.6066
Chimborazo -0.8844 0.2790 -0.2744 -0.2258 0.0981 0.0332 0.3149
El Oro -1.1378 -0.6465 -1.0140 -0.1580 -1.20107* 0.0389 -1.1249*
Esmeraldas -1.6833 -0.4246 -1.7722* -0.6762 -1.3358* -0.7702 -2.0868*
Guayas -1.8026* -1.0204 -1.8510* -1.2966* -1.4489* -0.8474* -1.9396*
Imbabura -1.5765 0.9472 -0.4700 -0.5059 -0.4737 0.2398 -1.0396*
Loja -1.4376* -0.6247 -0.9876 -0.1586 -0.9731* -0.9849* -1.1283*
Los Ros -0.0365 -1.8578* -2.4147* -1.5122* -2.4850* -0.7654 -2.0113*
Manab -2.5990* -0.9836 -1.37605* -1.5442* -2.3431* -1.0769* -1.4914*
Tungurahua -0.4125 -0.2832 0.7301 -1.1823* -1.1318* -0.5748 -0.5043
Amazona -0.4872 1.9663 2.4602* 1.4439* -0.6029 1.2774* -1.0964
Educacin promedio de los padres 0.8354* 0.8692* 0.8731* 0.7235* 0.6840* 0.5702* 0.5705*
Diferencia Educacin padre y madre -0.0673 -0.0233 -0.0397 -0.0256 -0.0123 -0.0134 -0.0501*
Nacido en zona rural -1.3165* -1.4614* -1.3165* -1.3707* -1.0591* -1.5370* -1.4277*
Nmero de observaciones 586 742 874 988 1134 1060 1059
R2 .486 .459 .446 .395 .412 .406 .421
ANOVA: Sig. (F) 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Nota: * Signicativo al 5 %.
Tabla 16. Estimadores de las ecuaciones de estudio de los hombres. Fuente: elaboracin propia a partir de la encuesta ECV (2006).
Por ejemplo, la ecuacin de estudios (S) para el caso de
los hombres entre 31 y 35 aos de edad es:
S
i
= 7,4031 1,2040e
3i
0,8474p
9i
0,9849p
11i
1,0769p
13i
+1,2774p
15i
+ 0,5702epp
i
1,5370nzr
i
+
Si
,
(28)
donde
Ei
corresponde a los errores de la ecuacin de es-
tudios de cada individuo i. Esta notacin la utilizaremos
en todas las ecuaciones correspondientes al estudio, que
hemos tomado como ejemplo para mostrar los resultados
obtenidos.
Si se considera la nula inuencia de las variables heredadas,
no se observa una tendencia marcada entre hombres y mujeres,
pues la diferencia de aos de estudio no es muy signicativa,
es decir, es mucho menos de un ao (comparar las ecuaciones
Analti a
k
1
(28) y (29)).
Si la educacin de los padres se incrementara en un ao, los
aos de estudio del individuo creceran un 57 %.
Si el individuo naci en zona rural, sus aos de estudio a dife-
rencia de los nacidos en zona urbana se reducira en 154 %.
A continuacin para el caso de las mujeres, de manera
anloga, en la tabla 17 se puede observar los resultados de
la ecuacin de estudios.
AO NACIMIENTO 1946-50 1951-55 1956-60 1961-65 1966-70 1971-75 1976-80
(EDAD) 56-60 51-55 46-50 41-45 36-40 31-35 26-30
(Constant) 4.1579* 4.6833* 5.3634* 6.6742* 7.6567* 7.5142* 7.5002*
Indigena -1.8382* -2.5676* -3.0117* -2.9959* -2.2496* -2.4169* -1.2652*
Blanco -0.8515 -0.8387 -0.4783 -0.2590 -0.6757 -0.4218 -1.2815*
Negro -0.7007 -1.2358 -2.9076* -1.9576* -0.3173 -1.7845* -1.0480
Mulato -1.6187 -1.2987 -3.5524* -1.9291* 0.6513 -0.7488 -0.3288
Azuay -1.4114 -0.1769 -1.0114 -1.5031* -1.0731 -0.7881 -0.3810
Bolvar -0.3485 1.1192 -0.1373 0.7521 1.0977 1.2653 0.7831
Caar 0.3812 0.2860 -0.3666 -0.8194 -1.6042** 1.7113 0.6479
Carchi -0.0090 -0.2941 -1.1158 -0.3966 -0.3102 -0.1504 -0.2877
Cotopaxi -0.7772 0.8189 -0.3981 -1.7221* -1.2413** 0.2692 -0.4867
Chimborazo -0.2013 0.5667 0.6580 -0.0920 -0.1853 0.3380 0.6553
El Oro 3.3267* 2.5852* 1.6710* -0.2186 0.2018 0.8731 1.4478*
Esmeraldas 0.2772 1.6210 3.2517* 1.2641 -1.0556 1.0191 0.0953
Guayas -1.7890* -0.7933 -0.1890 -0.4031 -0.8190 -0.3241 0.3207
Imbabura -0.0749 0.5855 0.1191 -0.4616 -1.6811* 0.9241 0.3504
Loja 0.8659 0.7687 -0.4778 0.1355 -0.2190 -0.0908 1.0512
Los Ros 0.7300 2.2379* -0.1231 -0.0465 -1.0610 -0.2563 -0.9220
Manab -0.9583 -0.6910 0.3537 -1.2104** -0.7766 0.2096 0.1763
Tungurahua 0.2839 0.0767 -0.1750 -0.6935 0.0213 -0.3752 -0.5433
Amazona -1.3980 0.7321 -0.0625 2.7072* 0.3092 2.0836* 0.8014
Educacin promedio de los padres 0.9947* 0.9552* 0.8994* 0.7969* 0.6729* 0.5770* 0.5474*
Diferencia Educacin padre y madre -0.2332* -0.1625* -0.0468 0.0343 -0.0321 -0.0760 -0.0321
Nacido en zona rural -1.7615* -1.8685* -1.5234* -1.1964* -1.5740* -1.7200* -1.7424*
Nmero de observaciones 314 466 556 712 790 702 697
R2 .657 .565 .528 .472 .429 .416 .413
ANOVA: Sig. (F) 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Nota: * Signicativo al 5 %, ** Signicativo al 10 %
Tabla 17. Estimadores de las ecuaciones de estudio de las mujeres. Fuente: elaboracin propia a partir de la encuesta ECV (2006).
Por ejemplo, la ecuacin de estudios (S) para el caso de
las mujeres entre 31 y 35 aos de edad es:
S
i
=7,5142 2,4169e
1i
1,7845e
3i
+ 2,0836p
15i
+0,5770epp
i
1,7200nzr
i
+
Si
(29)
Si la educacin de los padres se incrementara en un ao, los
aos de estudio del individuo creceran un 58 %, es decir, cre-
cera 1 % ms que en el caso de los hombres.
Si el individuo naci en zona rural, sus aos de estudio a dife-
rencia de los nacidos en zona urbana se reducira en 172 %.
A continuacin se presenta un anlisis general de to-
dos los intervalos de edad tanto para hombres como para
el caso de las mujeres.
Los resultados presentados en las tablas 16 y 17 nos
muestran que los coecientes que representan a la cons-
tante de la ecuacin de estudios, tanto para hombres como
para mujeres, tienen un orden creciente, siendo los de ma-
yor valor, los de las generaciones contemporneas, es decir,
que los individuos ms jvenes tienen ms aos de estudio
que los individuos con mayor edad.
Entre las generaciones ms recientes, la educacin de
las mujeres est por encima de la de los hombres, con me-
nos de un ao de educacin, mientras que entre las genera-
ciones mayores, los hombres tienen un ao ms de estudio
que las mujeres.
A continuacin se realiza un anlisis individual de las
variables heredadas que inuyen en el estudio del indivi-
duo.
Analti a
k
1
Etnia
Los estimadores que representan la variable categrica
etnia, a diferencia de la ecuacin de estudios, son signi-
cativos en ms intervalos, tanto en el caso de los hombres
como en el de las mujeres, por lo que se puede deducir
que esta variable tiene una mayor inuencia en los estu-
dios que en los ingresos.
Para el caso de las mujeres autodenidas indgenas, los
coecientes son signicativos para todas las edades, y a di-
ferencia de los hombres, estos valores son ms altos, por
lo que se podra concluir que las mujeres autodenidas
indgenas tienen menor educacin que los hombres auto-
denidos indgenas y tambin, menor educacin que las
mujeres autodenominadas mestizas, que es la variable de
referencia. As; por ejemplo, la educacin de las mujeres
autodenidas como indgenas entre 46 y 50 aos de edad,
comparada con la educacin de las mujeres autodenidas
mestizas tiene una diferencia de 3 aos.
La educacin de los hombres, con mayor desventaja, en
comparacin a la de los hombres autodenidos como mes-
tizos, son los autodenidos indgenas entre 56 y 60 aos de
edad.
Provincia de nacimiento
Esta variable tiene un escenario similar que en la ecua-
cin de ingresos y, como se puede observar el nivel edu-
cativo del individuo, hombre o mujer, se benecia nota-
blemente cuando se nace en la provincia de Pichincha, en
comparacin con las dems provincias del pas.
De los resultados obtenidos, si comparamos la educa-
cin entre los individuos de la costa, los nacidos en la pro-
vincia del Guayas tienen ms aos de estudio, y una com-
paracin entre los individuos de la Sierra sin considerar a
Pichincha (provincia de referencia) corresponde a los naci-
dos en la provincia de Loja.
Educacin de los padres
La ecuacin de educacin es importante en cuanto al
efecto de la educacin promedio de los padres. As, los es-
timadores que representan a la variable educacin de los
padres son signicativos y con signo positivo en todos los
intervalos de edad, tanto en hombres como en mujeres y,
se puede observar una tendencia decreciente para los dos
sexos mostrando que la educacin de las generaciones ms
jvenes depende menos de la educacin de los padres que
las generaciones mayores. Esta situacin puede deberse a
que en general, el derecho a la educacin y su acceso se ha
ampliado recientemente en los ltimos 15 o 20 aos y ya no
depende tanto de los niveles educativos o ingresos de los
padres, pues antes estaba ms determinado por el poder
adquisitivo de los padres. De los resultados obtenidos se
puede decir que, en promedio, por cada ao adicional de
estudio de los padres, el estudio del individuo, sea hombre
o mujer, se incrementa en un 70 %.
Por otro lado, los estimadores que representan a la va-
riable diferencia de la educacin de los padres, al igual que
en la ecuacin de ingresos, tienen un escenario similar, por
lo que se puede decir que esta variable no es inuyente en
la escolaridad del individuo.
Nacido en zona rural
Para el caso de la variable nacido en zona rural, en to-
dos los intervalos los estimadores son signicativos, tanto
en hombres como en mujeres. El efecto de esta variable so-
bre la educacin es negativo, siendo principalmente mayor
para el caso de las mujeres. As, para el caso de las mujeres
que viven en zonas rurales, comparadas con las que viven
en zonas urbanas, se puede establecer una relacin de 3 a
1, es decir, por cada 3 aos de estudio en la zona urbana,
se estudia 1 ao en la zona rural.
Una vez analizado cada una de las variables hereda-
das que se utilizaron para determinar la escolaridad del
individuo, presentamos los resultados de las variables de
esfuerzo propio, migracin laboral y capacitacin laboral.
Variable de esfuerzo propio: Migracin Laboral
La ecuacin de esfuerzo propio correspondiente a mi-
gracin se la estim utilizando el modelo logit. Los resulta-
dos que indican la calidad del modelo se presentan en las
tablas 18 y 19, para hombres y mujeres, respectivamente.
Como se puede observar, en concordancia con lo esta-
blecido en la seccin 2.4, los resultados muestran que el
modelo, tanto para los hombres como para las mujeres, no
es bueno; por lo tanto, esta variable no se la considerar
para el clculo de las simulaciones. Ahora, resta analizar
la variable capacitacin laboral.
Variable de esfuerzo propio: Capacitacin Laboral
Los resultados que muestran la calidad del modelo de
la ecuacin de capacitacin laboral se presentan en las ta-
blas 20 y 21, para hombres y mujeres, respectivamente.
Al igual que la variable migracin laboral, los resulta-
dos para la variable capacitacin laboral muestran que el
modelo no es bueno para ningn intervalo, tanto para el
caso de los hombres como para el de las mujeres. Por tal
motivo, se puede decir que la migracin laboral y la capa-
citacin laboral no son dependientes de las caractersticas
heredadas, pero no as los estudios del individuo.
Analti a
k
1
EDAD -2 Log likelihood Cox y Snell R Square Nagelkerke R Square
26 - 30 770, 577
a
0,168 0,281
31 - 35 690, 362
a
0,096 0,181
36 - 40 603, 182
a
0,059 0,132
41 - 45 404, 147
a
0,078 0,202
46 - 50 232, 592
a
0,081 0,274
51 - 55 170, 731
a
0,063 0,245
56 - 60 89, 142
a
0,094 0,423
a. Las estimaciones terminaron en la iteracin nmero 20 porque el mximo nmero de
iteraciones a sido alcanzado. La solucin nal no puede ser encontrada.
Tabla 18. Resultados del modelo de la variable de esfuerzo propio: Migracin, para el caso de los hombres. Fuente: elaboracin
propia a partir de la encuesta ECV (2006).
26 - 30 437, 998
a
0,146 0,267
31 - 35 346, 260
a
0,111 0,242
36 - 40 368, 053
a
0,103 0,236
41 - 45 236, 125
a
0,089 0,257
46 - 50 100, 634
a
0,099 0,400
51 - 55 55, 762
a
0,099 0,492
56 - 60 13, 616
a
0,157 0,814
Tabla 19. Resultados del modelo de la variable de esfuerzo propio: Migracin, para el caso de las mujeres. Fuente: elaboracin propia
a partir de la encuesta ECV (2006).
26 - 30 770, 577
a
0,168 0,281
31 - 35 842, 139
a
0,133 0,219
36 - 40 853, 350
a
0,136 0,229
41 - 45 731, 753
a
0,138 0,234
46 - 50 546, 257
a
0,150 0,275
51 - 55 445, 180
a
0,174 0,318
56 - 60 300, 645
a
0,156 0,315
Tabla 20. Resultados del modelo de la variable de esfuerzo propio: Capacitacin Laboral, para el caso de los hombres. Fuente:
26 - 30 490, 267
a
0,163 0,279
31 - 35 435, 914
a
0,184 0,327
36 - 40 511, 493
a
0,216 0,366
41 - 45 447, 213
a
0,163 0,295
46 - 50 263, 720
a
0,251 0,471
51 - 55 236, 453
a
0,260 0,468
56 - 60 102, 587
a
0,302 0,608
Tabla 21. Resultados del modelo de la variable de esfuerzo propio: Capacitacin Laboral, para el caso de las mujeres. Fuente: elabo-
racin propia a partir de la encuesta ECV (2006).
Analti a
k
1
4.2.2 Simulacin - efecto total
Para determinar el efecto total de las variables hereda-
das en el ingreso laboral se considerar como nica varia-
ble, de las correspondientes a la de esfuerzo propio, a la
variable estudio del individuo.
Una vez establecidas las correspondientes ecuaciones
del ingreso hipottico que nos permitirn determinar el
efecto parcial de las variables heredadas en la distribucin
del ingreso y, calculado los estimadores y el error de la
ecuacin de estudios, resta establecer las dems ecuacio-
nes del ingreso hipottico que nos permitirn establecer el
efecto total de las variables heredadas sobre los ingresos al
considerar la relacin existente entre variables de esfuerzo
y variables heredadas.
Para esto, es necesario estimar un nuevo modelo de los
ingresos, tomando como base la ecuacin (14), donde re-
emplazaremos los coecientes ya estimados anteriormen-
te, tanto de la ecuacin de ingresos (15) como de la ecua-
cin de estudio del individuo (27).
La forma desagregada de la ecuacin (14), consideran-
do las variables a utilizar, es como sigue:
ln(
Y
i
) =
0
+
e

et
i
+
pn
pn
i
+
pep
pep
i
+
dep

dep
i
+
nzr
nzr
i
+

s
(
b
0
1 +

b
1
1

et
i
+

b
2
1 pn
i
+

b
31
pep
i
+

b
41

dep
i
+

b
51
nzr
i
+
Si
)
+

sc
(
b
0
1 +

b
1
1

et
i
+

b
2
1 pn
i
+

b
31
pep
i
+

b
41

dep
i
+

b
51
nzr
i
+
Si
)
2
+

m
migra
i
+

c
lcl
i
+
Yi
(30)
Ejemplo
Si consideramos los mismos escenarios de la seccin
anterior, es decir:
La etnia es mestiza.
La provincia de nacimiento es Pichincha.
La educacin promedio de los padres es de 12 aos,
es decir, tienen el mismo nivel de educacin.
La diferencia entre la educacin del padre y la madre
es de 0 aos.
Es nacido en zona urbana.
La ecuacin del ingreso hipottico para el caso de los
hombres entre 31 y 35 aos de edad es:
ln(
Y
i
) =5, 1674 +0, 0213epp
i
+0, 0399s
i
0, 1864nzr
i
+0, 2786cl
i
+
Yi
(31a)
ln(
Y
i
) =5,1674 + 0,0213(12) + 0,0399
_
7,4031
+0,5702epp
i
1,5370nzr
i
+
Si
0,1864(0) + 0,2786cl
i
+
Yi
(31b)
ln(
Y
i
) =5,1674 +0, 2556 +0,0399
_
7,4031
+0,5702(12) 1,5370(0) +
Si
0,1864(0) + 0,2786cl
i
+
Yi
(31c)
ln(
Y
i
) = 5, 9914 +0, 2786cl
i
+ 0, 0399
Si
+
Yi
(31d)
De la ecuacin (31d), para este caso especco, hombres
Si la educacin de los padres fuera de 12 aos, el efecto total
en el ingreso del individuo sera un crecimiento del 27,3 %.
Si la educacin del individuo se incrementara en un ao y la
educacin de los padres fuera de 12 aos y ha nacido en zona
urbana, su ingreso crecera en un 56,84 %.
Por otro lado, si consideramos el mismo escenario que
para los hombres, la ecuacin del ingreso hipottico para
el caso de las mujeres entre 31 y 35 aos de edad es:
ln(
Y
i
) =4, 4652 +0, 0356epp
i
+ 0, 0068sc
i
+0, 4524cl
i
+
Yi
(32a)
ln(
Y
i
) =4, 4652 + 0, 0356(12) + 0, 0068
_
7, 5142
+ 0,5770epp
i
1, 72nzr
i
+
Si
2
+ 0, 4524cl
i
+
Yi
(32b)
ln(
Y
i
) =4, 4652 +0, 0356(12) +0, 0068
_
7, 5142
+0,5770(12) 1, 72(0)
i
+
Si
2
+0, 4524cl
i
+
Yi
(32c)
ln(
Y
i
) = 6, 3099 +0, 4524cl
i
+ 0, 0068
Si
2
+
Yi
(32d)
De la ecuacin (32d), para este caso especco, mujeres
Si la educacin de los padres fuera de 12 aos, el efecto total
en el ingreso del individuo sera un crecimiento del 74,72 %.
Si la educacin del individuo se incrementara en un ao y la
educacin de los padres fuera de 12 aos y ha nacido en zona
urbana, su ingreso crecera en un 37,11 %.
Finalmente, la diferencia resultante entre este nivel de
desigualdad hipottico, es decir, el coeciente de Gini cal-
culado en base a la ecuacin (30), y el nivel observado, res-
ponde al efecto total de las variables heredadas, ya sea di-
rectamente o a travs de las variables de esfuerzo, en la
distribucin de los ingresos.
Analti a
k
1
4.3 Resultados de la desigualdad
Con los resultados obtenidos al ejecutar las ecuaciones
de ingreso hipottico, tanto para determinar el efecto par-
cial como para el efecto total, se calcular el coeciente de
Gini para distintos rangos. Se decidi considerar los esce-
narios: mximo, mnimo y medio, para de esta forma de-
terminar la desigualdad existente en cada una de las gene-
raciones consideradas, sin perjuicio de buscar, en un nuevo
estudio, un escenario ptimo.
4.3.1 Anlisis paramtrico de rangos
Las medidas de desigualdad simuladas en este estudio
se construyeron a partir de los estimadores de MCO de
la ecuacin de ingresos (15). Sin embargo, dicha forma re-
ducida tiene problemas de estimacin relevantes como ya
lo habamos mencionado, relacionados bsicamente con la
endogeneidad de las variables de esfuerzo propio. Por lo
tanto, es necesario estudiar los efectos de sus posibles ses-
gos. Para tal n, a travs del anlisis paramtrico de ran-
gos, se calcularon rangos para los coecientes y para los
niveles de desigualdad.
Por lo mencionado en la seccin 2.4, para el anlisis pa-
ramtrico de rangos es necesario los siguientes insumos:
X
,
X
y
, de los cuales slo falta conocer los valores

de
X
. Como
X
no se conoce de forma explcita, se esti-
m 1000 valores de la misma, a travs de la simulacin de
Montecarlo.
De las simulaciones realizadas slo se considerar
aquellos que cumplen que la matriz de covarianza ,
=
_
X
X X
_
es semi denida positiva, es decir, que cuando al multipli-
carse por un vector cualquiera, a la derecha y a la izquier-
da, ese producto es mayor o igual a cero.
Esta restriccin es necesaria, pues en el estudio se asu-
me que en la ecuacin de ingresos estimada el trmino re-
sidual puede estar correlacionado con las variables de es-
fuerzo, pero no con las variables heredadas.
El proceso se llev a cabo de la siguiente manera:
1. Se simularon 1.000 coecientes de correlacin
Xu
.
2. Se calcularon 1.000 valores de K, (K = (
Xu

X
)
M
1
(
Xu
X
)).
3. Se encontraron 1.000 valores de
2
u
.
4. Con los resultados de los clculos realizados en los
puntos anteriores se completa la informacin nece-
saria para estimar 1.000 sesgos para cada uno de los
coecientes de la ecuacin, es decir, 1.000 vectores
B.
5. Por ltimo, se verica que se cumpla la restriccin
de .
Se tom, como sesgo de cada uno de los estimadores de
MCO, el promedio de las 1.000 simulaciones y, como va-
lores extremos, el mximo y el mnimo, cuyos resultados,
para el caso de los hombres, se los presenta en las tablas
22, 23 y, 24, respectivamente. Estos resultados se utilizaron
para calcular el coeciente de Gini, efecto parcial y total,
sesgo mximo, mnimo y medio, respectivamente. Los re-
sultados del coeciente de Gini se presentan en la seccin
4.3.2, ver tabla 28.
Los resultados de los sesgos mximo, mnimo y prome-
dio de los los estimadores de MCO para el caso de las mu-
jeres se los presentan en las tablas 25, 26 y 27, respectiva-
mente, donde el sesgo mximo y mnimo para las edades
entre 55 y 60 aos no consta, ya que los resultados fueron
nmeros imaginarios.
De la misma manera que para el caso de los hombres,
estos resultados se utilizaron para calcular el coeciente de
Gini, efecto parcial y total, sesgo mximo, mnimo y me-
dio, respectivamente. Los resultados del coeciente de Gi-
ni se presentan en la seccin 4.3.2, ver tabla 29.
4.3.2 Coeciente de Gini
Para cada uno de los tres casos, -mximo, mnimo y
promedio-, se calcularon los niveles de desigualdad simu-
lados, es decir, los coecientes de Gini, y se obtuvieron ran-
gos que pueden interpretarse como intervalos de conanza
de los resultados obtenidos.
A continuacin, en las tablas 28 y 29 pueden observarse
los resultados aplicados al caso ecuatoriano para los hom-
bres y mujeres, respectivamente.
Analti a
k
1
A
O
N
A
C
I
M
I
E
N
T
O
1
9
4
6
-
5
0
1
9
5
1
-
5
5
1
9
5
6
-
6
0
1
9
6
1
-
6
5
1
9
6
6
-
7
0
1
9
7
1
-
7
5
1
9
7
6
-
8
0
(
E
D
A
D
)
5
6
-
6
0
5
1
-
5
5
4
6
-
5
0
4
1
-
4
5
3
6
-
4
0
3
1
-
3
5
2
6
-
3
0
(
C
o
n
s
t
a
n
t
)
-
0
,
1
5
7
9
-
0
,
0
7
2
6
-
0
,
0
5
2
5
-
0
,
0
3
4
9
-
0
,
0
2
1
2
-
0
,
0
1
9
6
-
0
,
0
1
5
7
I
n
d
i
g
e
n
a
(
e
1
)
0
,
0
1
0
7
0
,
0
0
0
7
-
0
,
0
0
1
2
0
,
0
0
0
9
-
0
,
0
0
0
6
-
0
,
0
0
0
3
0
,
0
0
0
2
B
l
a
n
c
o
(
e
2
)
0
,
0
1
2
9
0
,
0
0
7
0
0
,
0
0
5
9
0
,
0
0
1
6
0
,
0
0
1
5
0
,
0
0
0
8
0
,
0
0
0
6
N
e
g
r
o
(
e
3
)
0
,
0
0
7
4
0
,
0
0
8
7
0
,
0
0
7
8
0
,
0
0
9
0
0
,
0
0
2
7
0
,
0
0
1
8
0
,
0
0
2
6
M
u
l
a
t
o
(
e
4
)
0
,
0
3
4
0
0
,
0
2
8
6
0
,
0
0
7
7
0
,
0
1
0
3
0
,
0
0
6
3
0
,
0
0
4
8
0
,
0
0
6
7
A
z
u
a
y
(
p
1
)
0
,
1
6
0
2
0
,
0
7
4
8
0
,
0
5
5
9
0
,
0
3
7
8
0
,
0
2
4
6
0
,
0
2
4
3
0
,
0
1
9
4
B
o
l
v
a
r
(
p
2
)
0
,
1
6
8
1
0
,
0
7
6
6
0
,
0
5
6
7
0
,
0
3
9
0
0
,
0
2
4
1
0
,
0
2
5
5
0
,
0
2
0
3
C
a
a
r
(
p
3
)
0
,
1
6
6
9
0
,
0
8
1
7
0
,
0
6
0
0
0
,
0
4
1
9
0
,
0
2
7
8
0
,
0
2
7
3
0
,
0
2
6
0
C
a
r
c
h
i
(
p
4
)
0
,
1
6
3
4
0
,
0
7
6
3
0
,
0
5
9
2
0
,
0
3
8
8
0
,
0
2
3
6
0
,
0
2
5
6
0
,
0
2
0
9
C
o
t
o
p
a
x
i
(
p
5
)
0
,
1
6
5
0
0
,
0
7
8
4
0
,
0
5
7
4
0
,
0
3
8
6
0
,
0
2
4
0
0
,
0
2
4
2
0
,
0
2
0
6
C
h
i
m
b
o
r
a
z
o
(
p
6
)
0
,
1
5
8
0
0
,
0
7
8
0
0
,
0
5
6
7
0
,
0
3
8
8
0
,
0
2
3
5
0
,
0
2
5
8
0
,
0
2
0
2
E
l
O
r
o
(
p
7
)
0
,
1
6
1
2
0
,
0
7
8
4
0
,
0
5
5
9
0
,
0
3
7
7
0
,
0
2
3
4
0
,
0
2
4
1
0
,
0
1
9
2
E
s
m
e
r
a
l
d
a
s
(
p
8
)
0
,
2
0
4
0
0
,
0
7
3
3
0
,
0
5
4
4
0
,
0
3
4
9
0
,
0
2
2
5
0
,
0
2
3
3
0
,
0
1
8
9
G
u
a
y
a
s
(
p
9
)
0
,
1
5
6
3
0
,
0
7
1
6
0
,
0
5
3
1
0
,
0
3
5
5
0
,
0
2
1
8
0
,
0
2
2
2
0
,
0
1
7
9
I
m
b
a
b
u
r
a
(
p
1
0
)
0
,
1
7
0
9
0
,
0
7
9
6
0
,
0
5
7
0
0
,
0
3
9
8
0
,
0
2
4
2
0
,
0
2
5
3
0
,
0
2
0
4
L
o
j
a
(
p
1
1
)
0
,
1
6
0
6
0
,
0
7
4
3
0
,
0
5
4
6
0
,
0
3
7
5
0
,
0
2
3
1
0
,
0
2
3
9
0
,
0
2
0
1
L
o
s
R
o
s
(
p
1
2
)
0
,
1
6
3
0
0
,
0
7
6
5
0
,
0
5
4
9
0
,
0
3
7
6
0
,
0
2
2
6
0
,
0
2
3
7
0
,
0
1
8
9
M
a
n
a
b
(
p
1
3
)
0
,
1
6
0
5
0
,
0
7
3
3
0
,
0
5
2
5
0
,
0
3
6
8
0
,
0
2
2
2
0
,
0
2
2
3
0
,
0
1
8
5
T
u
n
g
u
r
a
h
u
a
(
p
1
4
)
0
,
1
5
7
7
0
,
0
7
7
7
0
,
0
5
6
1
0
,
0
3
8
3
0
,
0
2
3
4
0
,
0
2
4
3
0
,
0
1
9
6
A
m
a
z
o
n
a
(
p
1
5
)
0
,
1
7
6
9
0
,
0
8
1
9
0
,
0
6
0
3
0
,
0
3
9
9
0
,
0
2
4
6
0
,
0
2
5
9
0
,
0
2
0
8
E
d
u
c
a
c
i
n
p
r
o
m
e
d
i
o
d
e
l
o
s
p
a
d
r
e
s
(
e
p
p
)
0
,
0
0
0
3
0
,
0
0
0
3
0
,
0
0
0
2
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
1
0
,
0
0
0
0
D
i
f
e
r
e
n
c
i
a
E
d
u
c
a
c
i
n
p
a
d
r
e
y
m
a
d
r
e
(
d
e
p
)
-
0
,
0
0
1
0
0
,
0
0
0
6
0
,
0
0
0
1
0
,
0
0
0
0
0
,
0
0
0
1
0
,
0
0
0
0
0
,
0
0
0
0
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
(
s
)
0
,
0
0
0
1
0
,
0
0
0
0
-
0
,
0
0
0
4
-
0
,
0
0
0
1
-
0
,
0
0
0
1
-
0
,
0
0
0
5
-
0
,
0
0
0
4
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
e
l
e
v
a
d
a
a
l
c
u
a
d
r
a
d
o
(
s
c
)
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
N
a
c
i
d
o
e
n
z
o
n
a
r
u
r
a
l
(
n
z
r
)
-
0
,
0
0
5
6
-
0
,
0
0
3
3
-
0
,
0
0
1
4
-
0
,
0
0
2
7
-
0
,
0
0
1
2
-
0
,
0
0
2
2
-
0
,
0
0
2
0
M
i
g
r
a
c
i
n
(
m
i
g
r
a
)
0
,
0
3
2
3
0
,
0
0
9
4
0
,
0
0
7
1
0
,
0
0
0
4
0
,
0
0
1
4
0
,
0
0
0
2
-
0
,
0
0
0
3
C
a
p
a
c
i
t
a
c
i
o
n
L
a
b
o
r
a
l
(
c
l
)
0
,
0
0
7
7
0
,
0
0
5
0
0
,
0
0
2
0
0
,
0
0
2
1
0
,
0
0
0
3
0
,
0
0
1
3
0
,
0
0
0
8
T
a
b
l
a
2
2
.
S
e
s
g
o
m
x
i
m
o
d
e
l
o
s
e
s
t
i
m
a
d
o
r
e
s
d
e
M
C
O
(
B
)
p
a
r
a
e
l
c
a
s
o
d
e
l
o
s
h
o
m
b
r
e
s
.
F
u
e
n
t
e
:
e
l
a
b
o
r
a
c
i
n
p
r
o
p
i
a
a
p
a
r
t
i
r
d
e
l
a
e
n
c
u
e
s
t
a
E
C
V
(
2
0
0
6
)
.
Analti a
k
1
A
O
N
A
C
I
M
I
E
N
T
O
1
9
4
6
-
5
0
1
9
5
1
-
5
5
1
9
5
6
-
6
0
1
9
6
1
-
6
5
1
9
6
6
-
7
0
1
9
7
1
-
7
5
1
9
7
6
-
8
0
(
E
D
A
D
)
5
6
-
6
0
5
1
-
5
5
4
6
-
5
0
4
1
-
4
5
3
6
-
4
0
3
1
-
3
5
2
6
-
3
0
(
C
o
n
s
t
a
n
t
)
0
,
1
6
4
2
0
,
0
7
4
6
0
,
0
5
3
8
0
,
0
3
5
7
0
,
0
2
1
6
0
,
0
2
0
0
0
,
0
1
6
0
I
n
d
i
g
e
n
a
(
e
1
)
-
0
,
0
1
1
2
-
0
,
0
0
0
7
0
,
0
0
1
3
-
0
,
0
0
1
0
0
,
0
0
0
6
0
,
0
0
0
3
-
0
,
0
0
0
2
B
l
a
n
c
o
(
e
2
)
-
0
,
0
1
3
4
-
0
,
0
0
7
2
-
0
,
0
0
6
0
-
0
,
0
0
1
6
-
0
,
0
0
1
5
-
0
,
0
0
0
8
-
0
,
0
0
0
7
N
e
g
r
o
(
e
3
)
-
0
,
0
0
7
7
-
0
,
0
0
8
9
-
0
,
0
0
8
0
-
0
,
0
0
9
2
-
0
,
0
0
2
8
-
0
,
0
0
1
9
-
0
,
0
0
2
7
M
u
l
a
t
o
(
e
4
)
-
0
,
0
3
5
4
-
0
,
0
2
9
3
-
0
,
0
0
7
9
-
0
,
0
1
0
6
-
0
,
0
0
6
5
-
0
,
0
0
4
9
-
0
,
0
0
6
9
A
z
u
a
y
(
p
1
)
-
0
,
1
6
6
5
-
0
,
0
7
6
8
-
0
,
0
5
7
2
-
0
,
0
3
8
6
-
0
,
0
2
5
2
-
0
,
0
2
4
9
-
0
,
0
1
9
8
B
o
l
v
a
r
(
p
2
)
-
0
,
1
7
4
8
-
0
,
0
7
8
6
-
0
,
0
5
8
0
-
0
,
0
3
9
9
-
0
,
0
2
4
6
-
0
,
0
2
6
0
-
0
,
0
2
0
8
C
a
a
r
(
p
3
)
-
0
,
1
7
3
5
-
0
,
0
8
3
9
-
0
,
0
6
1
5
-
0
,
0
4
2
8
-
0
,
0
2
8
4
-
0
,
0
2
7
9
-
0
,
0
2
6
6
C
a
r
c
h
i
(
p
4
)
-
0
,
1
6
9
9
-
0
,
0
7
8
3
-
0
,
0
6
0
6
-
0
,
0
3
9
7
-
0
,
0
2
4
2
-
0
,
0
2
6
2
-
0
,
0
2
1
3
C
o
t
o
p
a
x
i
(
p
5
)
-
0
,
1
7
1
5
-
0
,
0
8
0
5
-
0
,
0
5
8
8
-
0
,
0
3
9
5
-
0
,
0
2
4
6
-
0
,
0
2
4
7
-
0
,
0
2
1
0
C
h
i
m
b
o
r
a
z
o
(
p
6
)
-
0
,
1
6
4
3
-
0
,
0
8
0
1
-
0
,
0
5
8
1
-
0
,
0
3
9
7
-
0
,
0
2
4
0
-
0
,
0
2
6
3
-
0
,
0
2
0
7
E
l
O
r
o
(
p
7
)
-
0
,
1
6
7
6
-
0
,
0
8
0
4
-
0
,
0
5
7
3
-
0
,
0
3
8
5
-
0
,
0
2
3
9
-
0
,
0
2
4
6
-
0
,
0
1
9
7
E
s
m
e
r
a
l
d
a
s
(
p
8
)
-
0
,
2
1
2
1
-
0
,
0
7
5
3
-
0
,
0
5
5
8
-
0
,
0
3
5
7
-
0
,
0
2
3
0
-
0
,
0
2
3
9
-
0
,
0
1
9
3
G
u
a
y
a
s
(
p
9
)
-
0
,
1
6
2
5
-
0
,
0
7
3
5
-
0
,
0
5
4
3
-
0
,
0
3
6
3
-
0
,
0
2
2
3
-
0
,
0
2
2
6
-
0
,
0
1
8
2
I
m
b
a
b
u
r
a
(
p
1
0
)
-
0
,
1
7
7
6
-
0
,
0
8
1
7
-
0
,
0
5
8
4
-
0
,
0
4
0
7
-
0
,
0
2
4
8
-
0
,
0
2
5
9
-
0
,
0
2
0
9
L
o
j
a
(
p
1
1
)
-
0
,
1
6
6
9
-
0
,
0
7
6
2
-
0
,
0
5
5
9
-
0
,
0
3
8
4
-
0
,
0
2
3
6
-
0
,
0
2
4
4
-
0
,
0
2
0
5
L
o
s
R
o
s
(
p
1
2
)
-
0
,
1
6
9
5
-
0
,
0
7
8
6
-
0
,
0
5
6
2
-
0
,
0
3
8
4
-
0
,
0
2
3
1
-
0
,
0
2
4
3
-
0
,
0
1
9
3
M
a
n
a
b
(
p
1
3
)
-
0
,
1
6
6
8
-
0
,
0
7
5
2
-
0
,
0
5
3
8
-
0
,
0
3
7
6
-
0
,
0
2
2
6
-
0
,
0
2
2
8
-
0
,
0
1
8
9
T
u
n
g
u
r
a
h
u
a
(
p
1
4
)
-
0
,
1
6
4
0
-
0
,
0
7
9
8
-
0
,
0
5
7
5
-
0
,
0
3
9
2
-
0
,
0
2
4
0
-
0
,
0
2
4
9
-
0
,
0
2
0
0
A
m
a
z
o
n
a
(
p
1
5
)
-
0
,
1
8
3
9
-
0
,
0
8
4
1
-
0
,
0
6
1
8
-
0
,
0
4
0
9
-
0
,
0
2
5
1
-
0
,
0
2
6
5
-
0
,
0
2
1
3
E
d
u
c
a
c
i
n
p
r
o
m
e
d
i
o
d
e
l
o
s
p
a
d
r
e
s
(
e
p
p
)
-
0
,
0
0
0
3
-
0
,
0
0
0
4
-
0
,
0
0
0
2
0
,
0
0
0
0
0
,
0
0
0
0
-
0
,
0
0
0
1
0
,
0
0
0
0
D
i
f
e
r
e
n
c
i
a
E
d
u
c
a
c
i
n
p
a
d
r
e
y
m
a
d
r
e
(
d
e
p
)
0
,
0
0
1
0
-
0
,
0
0
0
6
-
0
,
0
0
0
1
0
,
0
0
0
0
-
0
,
0
0
0
1
0
,
0
0
0
0
0
,
0
0
0
0
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
(
s
)
-
0
,
0
0
0
1
0
,
0
0
0
0
0
,
0
0
0
4
0
,
0
0
0
1
0
,
0
0
0
2
0
,
0
0
0
5
0
,
0
0
0
4
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
e
l
e
v
a
d
a
a
l
c
u
a
d
r
a
d
o
(
s
c
)
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
N
a
c
i
d
o
e
n
z
o
n
a
r
u
r
a
l
(
n
z
r
)
0
,
0
0
5
9
0
,
0
0
3
4
0
,
0
0
1
5
0
,
0
0
2
8
0
,
0
0
1
2
0
,
0
0
2
2
0
,
0
0
2
1
M
i
g
r
a
c
i
n
(
m
i
g
r
a
)
-
0
,
0
3
3
6
-
0
,
0
0
9
7
-
0
,
0
0
7
3
-
0
,
0
0
0
4
-
0
,
0
0
1
5
-
0
,
0
0
0
2
0
,
0
0
0
3
C
a
p
a
c
i
t
a
c
i
o
n
L
a
b
o
r
a
l
(
c
l
)
-
0
,
0
0
8
0
-
0
,
0
0
5
1
-
0
,
0
0
2
0
-
0
,
0
0
2
2
-
0
,
0
0
0
3
-
0
,
0
0
1
3
-
0
,
0
0
0
8
T
a
b
l
a
2
3
.
S
e
s
g
o
m
n
i
m
o
d
e
l
o
s
e
s
t
i
m
a
d
o
r
e
s
d
e
M
C
O
(
B
)
p
a
r
a
e
l
c
a
s
o
d
e
l
o
s
h
o
m
b
r
e
s
.
F
u
e
n
t
e
:
e
l
a
b
o
r
a
c
i
n
p
r
o
p
i
a
a
p
a
r
t
i
r
d
e
l
a
e
n
c
u
e
s
t
a
E
C
V
(
2
0
0
6
)
.
Analti a
k
1
A
O
N
A
C
I
M
I
E
N
T
O
1
9
4
6
-
5
0
1
9
5
1
-
5
5
1
9
5
6
-
6
0
1
9
6
1
-
6
5
1
9
6
6
-
7
0
1
9
7
1
-
7
5
1
9
7
6
-
8
0
(
E
D
A
D
)
5
6
-
6
0
5
1
-
5
5
4
6
-
5
0
4
1
-
4
5
3
6
-
4
0
3
1
-
3
5
2
6
-
3
0
(
C
o
n
s
t
a
n
t
)
0
,
1
1
9
0
0
,
0
6
6
3
0
,
0
5
0
1
0
,
0
3
4
2
0
,
0
2
1
2
0
,
0
1
9
5
0
,
0
1
5
7
I
n
d
i
g
e
n
a
(
e
1
)
-
0
,
0
0
8
1
-
0
,
0
0
0
6
0
,
0
0
1
2
-
0
,
0
0
0
9
0
,
0
0
0
6
0
,
0
0
0
3
-
0
,
0
0
0
2
B
l
a
n
c
o
(
e
2
)
-
0
,
0
0
9
7
-
0
,
0
0
6
4
-
0
,
0
0
5
6
-
0
,
0
0
1
6
-
0
,
0
0
1
5
-
0
,
0
0
0
8
-
0
,
0
0
0
6
N
e
g
r
o
(
e
3
)
-
0
,
0
0
5
6
-
0
,
0
0
7
9
-
0
,
0
0
7
4
-
0
,
0
0
8
8
-
0
,
0
0
2
7
-
0
,
0
0
1
8
-
0
,
0
0
2
6
M
u
l
a
t
o
(
e
4
)
-
0
,
0
2
5
7
-
0
,
0
2
6
1
-
0
,
0
0
7
3
-
0
,
0
1
0
1
-
0
,
0
0
6
3
-
0
,
0
0
4
8
-
0
,
0
0
6
7
A
z
u
a
y
(
p
1
)
-
0
,
1
2
0
7
-
0
,
0
6
8
2
-
0
,
0
5
3
3
-
0
,
0
3
7
0
-
0
,
0
2
4
6
-
0
,
0
2
4
3
-
0
,
0
1
9
5
B
o
l
v
a
r
(
p
2
)
-
0
,
1
2
6
7
-
0
,
0
6
9
9
-
0
,
0
5
4
0
-
0
,
0
3
8
2
-
0
,
0
2
4
1
-
0
,
0
2
5
4
-
0
,
0
2
0
4
C
a
a
r
(
p
3
)
-
0
,
1
2
5
8
-
0
,
0
7
4
5
-
0
,
0
5
7
3
-
0
,
0
4
1
0
-
0
,
0
2
7
8
-
0
,
0
2
7
3
-
0
,
0
2
6
1
C
a
r
c
h
i
(
p
4
)
-
0
,
1
2
3
1
-
0
,
0
6
9
6
-
0
,
0
5
6
5
-
0
,
0
3
8
0
-
0
,
0
2
3
6
-
0
,
0
2
5
6
-
0
,
0
2
0
9
C
o
t
o
p
a
x
i
(
p
5
)
-
0
,
1
2
4
4
-
0
,
0
7
1
5
-
0
,
0
5
4
7
-
0
,
0
3
7
8
-
0
,
0
2
4
0
-
0
,
0
2
4
2
-
0
,
0
2
0
7
C
h
i
m
b
o
r
a
z
o
(
p
6
)
-
0
,
1
1
9
1
-
0
,
0
7
1
2
-
0
,
0
5
4
1
-
0
,
0
3
8
1
-
0
,
0
2
3
5
-
0
,
0
2
5
7
-
0
,
0
2
0
3
E
l
O
r
o
(
p
7
)
-
0
,
1
2
1
5
-
0
,
0
7
1
5
-
0
,
0
5
3
4
-
0
,
0
3
6
9
-
0
,
0
2
3
4
-
0
,
0
2
4
0
-
0
,
0
1
9
3
E
s
m
e
r
a
l
d
a
s
(
p
8
)
-
0
,
1
5
3
7
-
0
,
0
6
6
9
-
0
,
0
5
1
9
-
0
,
0
3
4
2
-
0
,
0
2
2
5
-
0
,
0
2
3
3
-
0
,
0
1
8
9
G
u
a
y
a
s
(
p
9
)
-
0
,
1
1
7
8
-
0
,
0
6
5
3
-
0
,
0
5
0
6
-
0
,
0
3
4
7
-
0
,
0
2
1
8
-
0
,
0
2
2
1
-
0
,
0
1
7
9
I
m
b
a
b
u
r
a
(
p
1
0
)
-
0
,
1
2
8
8
-
0
,
0
7
2
6
-
0
,
0
5
4
4
-
0
,
0
3
9
0
-
0
,
0
2
4
2
-
0
,
0
2
5
3
-
0
,
0
2
0
5
L
o
j
a
(
p
1
1
)
-
0
,
1
2
1
0
-
0
,
0
6
7
7
-
0
,
0
5
2
1
-
0
,
0
3
6
8
-
0
,
0
2
3
1
-
0
,
0
2
3
8
-
0
,
0
2
0
1
L
o
s
R
o
s
(
p
1
2
)
-
0
,
1
2
2
9
-
0
,
0
6
9
8
-
0
,
0
5
2
4
-
0
,
0
3
6
8
-
0
,
0
2
2
6
-
0
,
0
2
3
7
-
0
,
0
1
8
9
M
a
n
a
b
(
p
1
3
)
-
0
,
1
2
1
0
-
0
,
0
6
6
8
-
0
,
0
5
0
1
-
0
,
0
3
6
0
-
0
,
0
2
2
1
-
0
,
0
2
2
2
-
0
,
0
1
8
6
T
u
n
g
u
r
a
h
u
a
(
p
1
4
)
-
0
,
1
1
8
9
-
0
,
0
7
0
9
-
0
,
0
5
3
5
-
0
,
0
3
7
6
-
0
,
0
2
3
4
-
0
,
0
2
4
3
-
0
,
0
1
9
6
A
m
a
z
o
n
a
(
p
1
5
)
-
0
,
1
3
3
3
-
0
,
0
7
4
7
-
0
,
0
5
7
5
-
0
,
0
3
9
1
-
0
,
0
2
4
6
-
0
,
0
2
5
9
-
0
,
0
2
0
9
E
d
u
c
a
c
i
n
p
r
o
m
e
d
i
o
d
e
l
o
s
p
a
d
r
e
s
(
e
p
p
)
-
0
,
0
0
0
2
-
0
,
0
0
0
3
-
0
,
0
0
0
2
0
,
0
0
0
0
0
,
0
0
0
0
-
0
,
0
0
0
1
0
,
0
0
0
0
D
i
f
e
r
e
n
c
i
a
E
d
u
c
a
c
i
n
p
a
d
r
e
y
m
a
d
r
e
(
d
e
p
)
0
,
0
0
0
7
-
0
,
0
0
0
5
-
0
,
0
0
0
1
0
,
0
0
0
0
-
0
,
0
0
0
1
0
,
0
0
0
0
0
,
0
0
0
0
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
(
s
)
-
0
,
0
0
0
1
0
,
0
0
0
0
0
,
0
0
0
4
0
,
0
0
0
1
0
,
0
0
0
1
0
,
0
0
0
5
0
,
0
0
0
4
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
e
l
e
v
a
d
a
a
l
c
u
a
d
r
a
d
o
(
s
c
)
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
N
a
c
i
d
o
e
n
z
o
n
a
r
u
r
a
l
(
n
z
r
)
0
,
0
0
4
2
0
,
0
0
3
0
0
,
0
0
1
4
0
,
0
0
2
6
0
,
0
0
1
2
0
,
0
0
2
1
0
,
0
0
2
0
M
i
g
r
a
c
i
n
(
m
i
g
r
a
)
-
0
,
0
2
4
3
-
0
,
0
0
8
6
-
0
,
0
0
6
8
-
0
,
0
0
0
4
-
0
,
0
0
1
4
-
0
,
0
0
0
2
0
,
0
0
0
3
C
a
p
a
c
i
t
a
c
i
o
n
L
a
b
o
r
a
l
(
c
l
)
-
0
,
0
0
5
8
-
0
,
0
0
4
6
-
0
,
0
0
1
9
-
0
,
0
0
2
1
-
0
,
0
0
0
3
-
0
,
0
0
1
3
-
0
,
0
0
0
8
T
a
b
l
a
2
4
.
S
e
s
g
o
p
r
o
m
e
d
i
o
d
e
l
o
s
e
s
t
i
m
a
d
o
r
e
s
d
e
M
C
O
(
B
)
p
a
r
a
e
l
c
a
s
o
d
e
l
o
s
h
o
m
b
r
e
s
.
F
u
e
n
t
e
:
e
l
a
b
o
r
a
c
i
n
p
r
o
p
i
a
a
p
a
r
t
i
r
d
e
l
a
e
n
c
u
e
s
t
a
E
C
V
(
2
0
0
6
)
.
Analti a
k
1
A
O
N
A
C
I
M
I
E
N
T
O
1
9
5
1
-
5
5
1
9
5
6
-
6
0
1
9
6
1
-
6
5
1
9
6
6
-
7
0
1
9
7
1
-
7
5
1
9
7
6
-
8
0
(
E
D
A
D
)
5
1
-
5
5
4
6
-
5
0
4
1
-
4
5
3
6
-
4
0
3
1
-
3
5
2
6
-
3
0
(
C
o
n
s
t
a
n
t
)
-
0
,
1
7
9
2
-
0
,
1
4
9
5
-
0
,
0
7
9
4
-
0
,
0
6
7
4
-
0
,
0
4
8
8
-
0
,
0
5
2
0
I
n
d
i
g
e
n
a
(
e
1
)
0
,
0
1
3
3
0
,
0
1
5
6
-
0
,
0
0
1
4
0
,
0
0
3
8
-
0
,
0
0
1
2
0
,
0
0
0
3
B
l
a
n
c
o
(
e
2
)
0
,
0
1
0
0
0
,
0
1
3
4
0
,
0
0
9
6
0
,
0
0
0
9
0
,
0
0
1
7
0
,
0
0
1
6
N
e
g
r
o
(
e
3
)
0
,
0
7
1
8
0
,
0
4
0
8
0
,
0
0
9
6
0
,
0
1
4
5
0
,
0
1
1
1
0
,
0
2
4
3
M
u
l
a
t
o
(
e
4
)
0
,
0
4
7
7
0
,
0
2
3
1
0
,
0
1
5
4
0
,
0
1
0
5
0
,
0
1
3
0
0
,
0
1
9
1
A
z
u
a
y
(
p
1
)
0
,
1
8
2
2
0
,
1
5
7
0
0
,
0
8
4
0
0
,
0
6
8
8
0
,
0
5
8
0
0
,
0
5
7
1
B
o
l
v
a
r
(
p
2
)
0
,
1
9
9
7
0
,
1
6
2
2
0
,
0
8
7
1
0
,
0
7
1
9
0
,
0
6
2
7
0
,
0
6
5
3
C
a
a
r
(
p
3
)
0
,
2
1
3
2
0
,
1
6
4
4
0
,
0
9
3
1
0
,
0
8
1
6
0
,
0
8
0
0
0
,
0
6
9
4
C
a
r
c
h
i
(
p
4
)
0
,
1
9
7
0
0
,
1
6
0
6
0
,
0
9
5
1
0
,
0
7
3
5
0
,
0
5
9
5
0
,
0
6
5
6
C
o
t
o
p
a
x
i
(
p
5
)
0
,
1
9
4
6
0
,
1
5
9
7
0
,
0
8
8
4
0
,
0
7
0
4
0
,
0
6
0
4
0
,
0
6
3
1
C
h
i
m
b
o
r
a
z
o
(
p
6
)
0
,
1
8
7
1
0
,
1
5
7
8
0
,
0
8
8
4
0
,
0
7
2
5
0
,
0
6
1
5
0
,
0
6
2
1
E
l
O
r
o
(
p
7
)
0
,
1
9
1
6
0
,
1
5
7
0
0
,
0
8
7
1
0
,
0
7
0
3
0
,
0
6
1
2
0
,
0
6
2
7
E
s
m
e
r
a
l
d
a
s
(
p
8
)
0
,
1
6
0
2
0
,
1
5
4
0
0
,
0
8
1
0
0
,
0
6
6
5
0
,
0
5
3
1
0
,
0
5
8
4
G
u
a
y
a
s
(
p
9
)
0
,
1
7
2
3
0
,
1
5
0
3
0
,
0
8
0
9
0
,
0
6
6
4
0
,
0
5
5
1
0
,
0
5
6
6
I
m
b
a
b
u
r
a
(
p
1
0
)
0
,
1
8
6
2
0
,
1
7
1
4
0
,
0
9
0
6
0
,
0
7
2
5
0
,
0
6
1
3
0
,
0
6
1
0
L
o
j
a
(
p
1
1
)
0
,
1
8
5
1
0
,
1
5
6
8
0
,
0
8
4
5
0
,
0
7
0
8
0
,
0
5
8
7
0
,
0
6
0
3
L
o
s
R
o
s
(
p
1
2
)
0
,
1
8
8
0
0
,
1
7
3
8
0
,
0
8
7
5
0
,
0
7
0
9
0
,
0
5
8
1
0
,
0
6
0
2
M
a
n
a
b
(
p
1
3
)
0
,
1
8
3
9
0
,
1
5
1
2
0
,
0
8
3
1
0
,
0
6
7
8
0
,
0
5
7
4
0
,
0
5
6
9
T
u
n
g
u
r
a
h
u
a
(
p
1
4
)
0
,
1
8
8
3
0
,
1
5
6
7
0
,
0
8
5
4
0
,
0
6
8
0
0
,
0
6
2
6
0
,
0
5
9
8
A
m
a
z
o
n
a
(
p
1
5
)
0
,
2
1
0
7
0
,
1
7
0
6
0
,
0
9
2
9
0
,
0
7
2
5
0
,
0
6
3
7
0
,
0
6
5
6
E
d
u
c
a
c
i
n
p
r
o
m
e
d
i
o
d
e
l
o
s
p
a
d
r
e
s
(
e
p
p
)
0
,
0
0
1
6
0
,
0
0
0
2
0
,
0
0
0
2
0
,
0
0
0
4
0
,
0
0
0
5
0
,
0
0
0
6
D
i
f
e
r
e
n
c
i
a
E
d
u
c
a
c
i
n
p
a
d
r
e
y
m
a
d
r
e
(
d
e
p
)
0
,
0
0
1
5
0
,
0
0
0
2
0
,
0
0
0
4
0
,
0
0
0
3
0
,
0
0
0
6
0
,
0
0
0
2
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
(
s
)
-
0
,
0
0
0
3
-
0
,
0
0
0
7
-
0
,
0
0
0
6
0
,
0
0
0
1
-
0
,
0
0
1
3
-
0
,
0
0
1
0
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
e
l
e
v
a
d
a
a
l
c
u
a
d
r
a
d
o
(
s
c
)
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
1
0
,
0
0
0
0
N
a
c
i
d
o
e
n
z
o
n
a
r
u
r
a
l
(
n
z
r
)
-
0
,
0
0
9
2
-
0
,
0
0
6
9
-
0
,
0
0
4
3
-
0
,
0
0
4
4
-
0
,
0
0
5
1
-
0
,
0
0
4
6
M
i
g
r
a
c
i
n
(
m
i
g
r
a
)
0
,
0
2
1
7
0
,
0
3
8
2
0
,
0
0
5
8
0
,
0
0
7
1
0
,
0
0
3
9
-
0
,
0
0
3
6
C
a
p
a
c
i
t
a
c
i
o
n
L
a
b
o
r
a
l
(
c
l
)
-
0
,
0
0
3
3
0
,
0
0
9
8
0
,
0
0
1
8
-
0
,
0
0
0
9
0
,
0
0
2
4
0
,
0
0
0
8
T
a
b
l
a
2
5
.
S
e
s
g
o
m
x
i
m
o
d
e
l
o
s
e
s
t
i
m
a
d
o
r
e
s
d
e
M
C
O
(
B
)
p
a
r
a
e
l
c
a
s
o
d
e
l
a
s
m
u
j
e
r
e
s
.
F
u
e
n
t
e
:
e
l
a
b
o
r
a
c
i
n
p
r
o
p
i
a
a
p
a
r
t
i
r
d
e
l
a
e
n
c
u
e
s
t
a
E
C
V
(
2
0
0
6
)
.
Analti a
k
1
A
O
N
A
C
I
M
I
E
N
T
O
1
9
5
1
-
5
5
1
9
5
6
-
6
0
1
9
6
1
-
6
5
1
9
6
6
-
7
0
1
9
7
1
-
7
5
1
9
7
6
-
8
0
(
E
D
A
D
)
5
1
-
5
5
4
6
-
5
0
4
1
-
4
5
3
6
-
4
0
3
1
-
3
5
2
6
-
3
0
(
C
o
n
s
t
a
n
t
)
0
,
1
8
8
4
0
,
1
5
6
3
0
,
0
8
1
9
0
,
0
6
9
3
0
,
0
5
0
1
0
,
0
5
3
5
I
n
d
i
g
e
n
a
(
e
1
)
-
0
,
0
1
4
0
-
0
,
0
1
6
4
0
,
0
0
1
4
-
0
,
0
0
3
9
0
,
0
0
1
2
-
0
,
0
0
0
3
B
l
a
n
c
o
(
e
2
)
-
0
,
0
1
0
5
-
0
,
0
1
4
0
-
0
,
0
0
9
8
-
0
,
0
0
0
9
-
0
,
0
0
1
7
-
0
,
0
0
1
6
N
e
g
r
o
(
e
3
)
-
0
,
0
7
5
5
-
0
,
0
4
2
7
-
0
,
0
0
9
9
-
0
,
0
1
4
9
-
0
,
0
1
1
4
-
0
,
0
2
5
0
M
u
l
a
t
o
(
e
4
)
-
0
,
0
5
0
2
-
0
,
0
2
4
1
-
0
,
0
1
5
9
-
0
,
0
1
0
8
-
0
,
0
1
3
4
-
0
,
0
1
9
6
A
z
u
a
y
(
p
1
)
-
0
,
1
9
1
6
-
0
,
1
6
4
2
-
0
,
0
8
6
7
-
0
,
0
7
0
8
-
0
,
0
5
9
6
-
0
,
0
5
8
7
B
o
l
v
a
r
(
p
2
)
-
0
,
2
1
0
0
-
0
,
1
6
9
5
-
0
,
0
8
9
8
-
0
,
0
7
4
0
-
0
,
0
6
4
4
-
0
,
0
6
7
1
C
a
a
r
(
p
3
)
-
0
,
2
2
4
2
-
0
,
1
7
1
9
-
0
,
0
9
6
1
-
0
,
0
8
4
0
-
0
,
0
8
2
2
-
0
,
0
7
1
4
C
a
r
c
h
i
(
p
4
)
-
0
,
2
0
7
1
-
0
,
1
6
7
8
-
0
,
0
9
8
0
-
0
,
0
7
5
6
-
0
,
0
6
1
2
-
0
,
0
6
7
5
C
o
t
o
p
a
x
i
(
p
5
)
-
0
,
2
0
4
6
-
0
,
1
6
7
0
-
0
,
0
9
1
2
-
0
,
0
7
2
5
-
0
,
0
6
2
1
-
0
,
0
6
4
9
C
h
i
m
b
o
r
a
z
o
(
p
6
)
-
0
,
1
9
6
8
-
0
,
1
6
5
0
-
0
,
0
9
1
2
-
0
,
0
7
4
6
-
0
,
0
6
3
3
-
0
,
0
6
3
9
E
l
O
r
o
(
p
7
)
-
0
,
2
0
1
5
-
0
,
1
6
4
1
-
0
,
0
8
9
9
-
0
,
0
7
2
3
-
0
,
0
6
2
9
-
0
,
0
6
4
5
E
s
m
e
r
a
l
d
a
s
(
p
8
)
-
0
,
1
6
8
5
-
0
,
1
6
1
0
-
0
,
0
8
3
6
-
0
,
0
6
8
5
-
0
,
0
5
4
5
-
0
,
0
6
0
1
G
u
a
y
a
s
(
p
9
)
-
0
,
1
8
1
2
-
0
,
1
5
7
1
-
0
,
0
8
3
4
-
0
,
0
6
8
4
-
0
,
0
5
6
7
-
0
,
0
5
8
2
I
m
b
a
b
u
r
a
(
p
1
0
)
-
0
,
1
9
5
8
-
0
,
1
7
9
2
-
0
,
0
9
3
5
-
0
,
0
7
4
7
-
0
,
0
6
3
0
-
0
,
0
6
2
7
L
o
j
a
(
p
1
1
)
-
0
,
1
9
4
7
-
0
,
1
6
3
9
-
0
,
0
8
7
1
-
0
,
0
7
2
8
-
0
,
0
6
0
4
-
0
,
0
6
2
0
L
o
s
R
o
s
(
p
1
2
)
-
0
,
1
9
7
7
-
0
,
1
8
1
7
-
0
,
0
9
0
2
-
0
,
0
7
2
9
-
0
,
0
5
9
7
-
0
,
0
6
1
9
M
a
n
a
b
(
p
1
3
)
-
0
,
1
9
3
4
-
0
,
1
5
8
0
-
0
,
0
8
5
7
-
0
,
0
6
9
7
-
0
,
0
5
9
0
-
0
,
0
5
8
5
T
u
n
g
u
r
a
h
u
a
(
p
1
4
)
-
0
,
1
9
8
0
-
0
,
1
6
3
8
-
0
,
0
8
8
1
-
0
,
0
6
9
9
-
0
,
0
6
4
4
-
0
,
0
6
1
4
A
m
a
z
o
n
a
(
p
1
5
)
-
0
,
2
2
1
6
-
0
,
1
7
8
3
-
0
,
0
9
5
8
-
0
,
0
7
4
6
-
0
,
0
6
5
5
-
0
,
0
6
7
4
E
d
u
c
a
c
i
n
p
r
o
m
e
d
i
o
d
e
l
o
s
p
a
d
r
e
s
(
e
p
p
)
-
0
,
0
0
1
7
-
0
,
0
0
0
2
-
0
,
0
0
0
2
-
0
,
0
0
0
4
-
0
,
0
0
0
5
-
0
,
0
0
0
6
D
i
f
e
r
e
n
c
i
a
E
d
u
c
a
c
i
n
p
a
d
r
e
y
m
a
d
r
e
(
d
e
p
)
-
0
,
0
0
1
6
-
0
,
0
0
0
2
-
0
,
0
0
0
4
-
0
,
0
0
0
3
-
0
,
0
0
0
6
-
0
,
0
0
0
2
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
(
s
)
0
,
0
0
0
3
0
,
0
0
0
8
0
,
0
0
0
6
-
0
,
0
0
0
1
0
,
0
0
1
4
0
,
0
0
1
0
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
e
l
e
v
a
d
a
a
l
c
u
a
d
r
a
d
o
(
s
c
)
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
-
0
,
0
0
0
1
0
,
0
0
0
0
N
a
c
i
d
o
e
n
z
o
n
a
r
u
r
a
l
(
n
z
r
)
0
,
0
0
9
6
0
,
0
0
7
2
0
,
0
0
4
4
0
,
0
0
4
5
0
,
0
0
5
2
0
,
0
0
4
8
M
i
g
r
a
c
i
n
(
m
i
g
r
a
)
-
0
,
0
2
2
8
-
0
,
0
3
9
9
-
0
,
0
0
6
0
-
0
,
0
0
7
3
-
0
,
0
0
4
0
0
,
0
0
3
7
C
a
p
a
c
i
t
a
c
i
o
n
L
a
b
o
r
a
l
(
c
l
)
0
,
0
0
3
5
-
0
,
0
1
0
3
-
0
,
0
0
1
8
0
,
0
0
0
9
-
0
,
0
0
2
5
-
0
,
0
0
0
8
T
a
b
l
a
2
6
.
S
e
s
g
o
m
n
i
m
o
d
e
l
o
s
e
s
t
i
m
a
d
o
r
e
s
d
e
M
C
O
(
B
)
p
a
r
a
e
l
c
a
s
o
d
e
l
a
s
m
u
j
e
r
e
s
.
F
u
e
n
t
e
:
e
l
a
b
o
r
a
c
i
n
p
r
o
p
i
a
a
p
a
r
t
i
r
d
e
l
a
e
n
c
u
e
s
t
a
E
C
V
(
2
0
0
6
)
.
Analti a
k
1
A
O
N
A
C
I
M
I
E
N
T
O
1
9
4
6
-
5
0
1
9
5
1
-
5
5
1
9
5
6
-
6
0
1
9
6
1
-
6
5
1
9
6
6
-
7
0
1
9
7
1
-
7
5
1
9
7
6
-
8
0
(
E
D
A
D
)
5
6
-
6
0
5
1
-
5
5
4
6
-
5
0
4
1
-
4
5
3
6
-
4
0
3
1
-
3
5
2
6
-
3
0
(
C
o
n
s
t
a
n
t
)
0
,
3
0
7
9
0
,
1
2
4
6
0
,
1
1
0
4
0
,
0
7
0
0
0
,
0
6
1
5
0
,
0
4
5
3
0
,
0
4
8
1
I
n
d
i
g
e
n
a
(
e
1
)
0
,
0
0
6
1
-
0
,
0
0
9
2
-
0
,
0
1
1
5
0
,
0
0
1
2
-
0
,
0
0
3
4
0
,
0
0
1
1
-
0
,
0
0
0
2
B
l
a
n
c
o
(
e
2
)
-
0
,
0
0
8
2
-
0
,
0
0
7
0
-
0
,
0
0
9
9
-
0
,
0
0
8
4
-
0
,
0
0
0
8
-
0
,
0
0
1
6
-
0
,
0
0
1
5
N
e
g
r
o
(
e
3
)
-
0
,
0
2
4
9
-
0
,
0
4
9
9
-
0
,
0
3
0
2
-
0
,
0
0
8
4
-
0
,
0
1
3
2
-
0
,
0
1
0
3
-
0
,
0
2
2
5
M
u
l
a
t
o
(
e
4
)
-
0
,
0
9
1
0
-
0
,
0
3
3
2
-
0
,
0
1
7
0
-
0
,
0
1
3
6
-
0
,
0
0
9
6
-
0
,
0
1
2
1
-
0
,
0
1
7
6
A
z
u
a
y
(
p
1
)
-
0
,
3
0
7
0
-
0
,
1
2
6
7
-
0
,
1
1
5
9
-
0
,
0
7
4
0
-
0
,
0
6
2
8
-
0
,
0
5
3
9
-
0
,
0
5
2
8
B
o
l
v
a
r
(
p
2
)
-
0
,
3
2
3
2
-
0
,
1
3
8
8
-
0
,
1
1
9
7
-
0
,
0
7
6
7
-
0
,
0
6
5
6
-
0
,
0
5
8
2
-
0
,
0
6
0
4
C
a
a
r
(
p
3
)
-
0
,
3
3
5
1
-
0
,
1
4
8
2
-
0
,
1
2
1
4
-
0
,
0
8
2
1
-
0
,
0
7
4
5
-
0
,
0
7
4
3
-
0
,
0
6
4
2
C
a
r
c
h
i
(
p
4
)
-
0
,
3
1
4
8
-
0
,
1
3
6
9
-
0
,
1
1
8
5
-
0
,
0
8
3
8
-
0
,
0
6
7
0
-
0
,
0
5
5
3
-
0
,
0
6
0
7
C
o
t
o
p
a
x
i
(
p
5
)
-
0
,
3
1
1
2
-
0
,
1
3
5
3
-
0
,
1
1
7
9
-
0
,
0
7
7
9
-
0
,
0
6
4
3
-
0
,
0
5
6
1
-
0
,
0
5
8
4
C
h
i
m
b
o
r
a
z
o
(
p
6
)
-
0
,
3
0
9
1
-
0
,
1
3
0
1
-
0
,
1
1
6
5
-
0
,
0
7
7
9
-
0
,
0
6
6
1
-
0
,
0
5
7
2
-
0
,
0
5
7
5
E
l
O
r
o
(
p
7
)
-
0
,
3
1
9
4
-
0
,
1
3
3
2
-
0
,
1
1
5
9
-
0
,
0
7
6
8
-
0
,
0
6
4
2
-
0
,
0
5
6
8
-
0
,
0
5
8
0
E
s
m
e
r
a
l
d
a
s
(
p
8
)
-
0
,
3
0
3
0
-
0
,
1
1
1
4
-
0
,
1
1
3
7
-
0
,
0
7
1
4
-
0
,
0
6
0
7
-
0
,
0
4
9
3
-
0
,
0
5
4
1
G
u
a
y
a
s
(
p
9
)
-
0
,
3
0
6
9
-
0
,
1
1
9
8
-
0
,
1
1
1
0
-
0
,
0
7
1
3
-
0
,
0
6
0
6
-
0
,
0
5
1
2
-
0
,
0
5
2
4
I
m
b
a
b
u
r
a
(
p
1
0
)
-
0
,
3
3
1
0
-
0
,
1
2
9
5
-
0
,
1
2
6
5
-
0
,
0
7
9
9
-
0
,
0
6
6
2
-
0
,
0
5
7
0
-
0
,
0
5
6
4
L
o
j
a
(
p
1
1
)
-
0
,
3
1
5
7
-
0
,
1
2
8
7
-
0
,
1
1
5
7
-
0
,
0
7
4
4
-
0
,
0
6
4
6
-
0
,
0
5
4
6
-
0
,
0
5
5
8
L
o
s
R
o
s
(
p
1
2
)
-
0
,
3
1
3
5
-
0
,
1
3
0
7
-
0
,
1
2
8
3
-
0
,
0
7
7
1
-
0
,
0
6
4
7
-
0
,
0
5
4
0
-
0
,
0
5
5
7
M
a
n
a
b
(
p
1
3
)
-
0
,
2
9
5
4
-
0
,
1
2
7
9
-
0
,
1
1
1
6
-
0
,
0
7
3
2
-
0
,
0
6
1
9
-
0
,
0
5
3
4
-
0
,
0
5
2
6
T
u
n
g
u
r
a
h
u
a
(
p
1
4
)
-
0
,
3
1
0
3
-
0
,
1
3
0
9
-
0
,
1
1
5
7
-
0
,
0
7
5
3
-
0
,
0
6
2
0
-
0
,
0
5
8
2
-
0
,
0
5
5
3
A
m
a
z
o
n
a
(
p
1
5
)
-
0
,
4
1
2
2
-
0
,
1
4
6
5
-
0
,
1
2
5
9
-
0
,
0
8
1
9
-
0
,
0
6
6
2
-
0
,
0
5
9
2
-
0
,
0
6
0
7
E
d
u
c
a
c
i
n
p
r
o
m
e
d
i
o
d
e
l
o
s
p
a
d
r
e
s
(
e
p
p
)
0
,
0
0
0
0
-
0
,
0
0
1
1
-
0
,
0
0
0
2
-
0
,
0
0
0
2
-
0
,
0
0
0
3
-
0
,
0
0
0
5
-
0
,
0
0
0
5
D
i
f
e
r
e
n
c
i
a
E
d
u
c
a
c
i
n
p
a
d
r
e
y
m
a
d
r
e
(
d
e
p
)
0
,
0
0
0
7
-
0
,
0
0
1
0
-
0
,
0
0
0
2
-
0
,
0
0
0
4
-
0
,
0
0
0
3
-
0
,
0
0
0
6
-
0
,
0
0
0
2
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
(
s
)
-
0
,
0
0
1
3
0
,
0
0
0
2
0
,
0
0
0
5
0
,
0
0
0
5
-
0
,
0
0
0
1
0
,
0
0
1
3
0
,
0
0
0
9
E
d
u
c
a
c
i
n
d
e
l
I
n
d
i
v
i
d
u
o
e
l
e
v
a
d
a
a
l
c
u
a
d
r
a
d
o
(
s
c
)
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
0
,
0
0
0
0
N
a
c
i
d
o
e
n
z
o
n
a
r
u
r
a
l
(
n
z
r
)
-
0
,
0
0
9
4
0
,
0
0
6
4
0
,
0
0
5
1
0
,
0
0
3
8
0
,
0
0
4
0
0
,
0
0
4
7
0
,
0
0
4
3
M
i
g
r
a
c
i
n
(
m
i
g
r
a
)
-
0
,
0
9
7
6
-
0
,
0
1
5
1
-
0
,
0
2
8
2
-
0
,
0
0
5
1
-
0
,
0
0
6
5
-
0
,
0
0
3
7
0
,
0
0
3
3
C
a
p
a
c
i
t
a
c
i
o
n
L
a
b
o
r
a
l
(
c
l
)
0
,
0
2
1
6
0
,
0
0
2
3
-
0
,
0
0
7
2
-
0
,
0
0
1
6
0
,
0
0
0
8
-
0
,
0
0
2
3
-
0
,
0
0
0
7
T
a
b
l
a
2
7
.
S
e
s
g
o
p
r
o
m
e
d
i
o
d
e
l
o
s
e
s
t
i
m
a
d
o
r
e
s
d
e
M
C
O
(
B
)
p
a
r
a
e
l
c
a
s
o
d
e
l
a
s
m
u
j
e
r
e
s
.
F
u
e
n
t
e
:
e
l
a
b
o
r
a
c
i
n
p
r
o
p
i
a
a
p
a
r
t
i
r
d
e
l
a
e
n
c
u
e
s
t
a
E
C
V
(
2
0
0
6
)
.
Analti a
k
1
AO NACIMIENTO 1946-50 1951-55 1956-60 1961-65 1966-70 1971-75 1976-80
(EDAD) 56-60 51-55 46-50 41-45 36-40 31-35 26-30
Observado 0,41066 0,38945 0,36260 0,35313 0,33145 0,31563 0,29405
efecto parcial-sesgo mximo 0,48136 0,46898 0,41945 0,43432 0,45437 0,40927 0,41792
efecto parcial-sesgo mnimo 0,47996 0,46806 0,41979 0,43408 0,45454 0,40952 0,41780
efecto parcial-sesgo medio 0,48014 0,46811 0,41978 0,43426 0,45451 0,40962 0,41780
efecto total-sesgo mximo 0,41860 0,40161 0,40188 0,40579 0,42460 0,40198 0,41793
efecto total-sesgo mnimo 0,41754 0,40102 0,40179 0,40565 0,42459 0,40187 0,41780
efecto total-sesgo medio 0,41768 0,40106 0,40179 0,40565 0,42459 0,40188 0,41780
Tabla 28. Coeciente de Gini considerando los sesgos de los estimadores de MCO para el caso de los hombres entre 26 y 60 aos.
Con los resultados obtenidos y que se presenta en la ta-
bla 28, se puede decir que para ninguna generacin de los
hombres, la desigualdad mejora, es decir, el coeciente de
Gini no disminuye; sin embargo, se puede notar que la de-
sigualdad para el efecto total es menor que para el efecto
parcial, es decir, el efecto total de las variables heredadas
sobre el ingreso de los individuos, permite que el coecien-
te de Gini sea menor, y por consiguiente la desigualdad
disminuya.
Ahora, resta analizar la desigualdad con escenarios di-
ferentes, hasta conseguir que la desigualdad de los ingre-
sos mejore. Por ejemplo, para el caso de los hombres entre
56 y 60 aos de edad la diferencia entre el coeciente de
Gini, calculado en base a los ingresos observados y el cal-
culado en base a la simulacin efecto total, es de -0,7 %,
por lo que se podra decir, que si las variables heredadas
mejoraran, por ejemplo, la educacin de los padres fuera
mayor que la que asumimos, la desigualdad de los ingre-
sos fcilmente se vera mejorada, es decir, el coeciente de
Gini, efecto total, sera menor que el calculado con el in-
greso observado, y la diferencia entre stos fuera positiva.
A diferencia de los hombres, la desigualdad de los in-
gresos en el caso de las mujeres s mejor con los escenarios
que asumimos, es decir, al asumir que la poblacin mues-
tral se autodena como mestiza, que la provincia de na-
cimiento sea Pichincha, que la educacin promedio de los
padres sea de 12 aos, que la diferencia de estudio de los
padres sea cero (que el padre y la madre tengan el mismo
nivel de educacin) y que haya nacido en zona urbana. Es
as, que para el caso de las mujeres entre 56 y 60 aos de
edad. Por ejemplo, la desigualdad de los ingresos (consi-
derando la diferencia entre el efecto total - sesgo medio y
el observado) mejor en un 9 %. Solamente, el ingreso de
las mujeres entre 26 y 35 aos no mejor, debido a los an-
tecedentes mencionados en los correspondientes anlisis
de los resultados para cada variable. Sin embargo, restara
analizar estos intervalos con otros escenarios mejorados,
con la nalidad de que la desigualdad de los ingresos se
reduzca.
AO NACIMIENTO 1946-50 1951-55 1956-60 1961-65 1966-70 1971-75 1976-80
(EDAD) 56-60 51-55 46-50 41-45 36-40 31-35 26-30
Observado 0,53693 0,49133 0,46404 0,45295 0,41652 0,42799 0,40436
efecto parcial-sesgo mximo ** 0,45449 0,42546 0,43424 0,46075 0,43270 0,42166
efecto parcial-sesgo mnimo ** 0,45457 0,42517 0,43412 0,46031 0,43261 0,42162
efecto parcial-sesgo medio 0,52841 0,45455 0,42522 0,43413 0,46035 0,43262 0,42162
efecto total-sesgo mximo ** 0,45449 0,42547 0,43522 0,40210 0,45205 0,42128
efecto total-sesgo mnimo ** 0,45457 0,42517 0,43483 0,40190 0,45132 0,42097
efecto total-sesgo medio 0,45168 0,45455 0,42521 0,43485 0,40191 0,45136 0,42098
Nota: ** Para este rango los sesgos son nmeros imaginarios.
Tabla 29. Coeciente de Gini considerando los sesgos de los estimadores de MCO para el caso de las mujeres entre 26 y 60 aos.
Analti a
k
1
5 Conclusiones
Con el presente trabajo se determin el comportamien-
to del ingreso laboral de una persona en funcin de las va-
riables heredadas y de esfuerzo propio que lo componen y,
por consiguiente, cules fueron los efectos en la desigual-
dad.
Tambin se determin un modelo para los ingresos,
tanto para hombres como para mujeres en intervalos de
cinco aos, donde se puede decir que en general los hom-
bres tienen mayores ingresos que las mujeres.
De las variables heredadas, la educacin de los padres
inuye ms en los estudios del individuo que en los in-
gresos, tanto para hombres como para mujeres. Se observ
que los ingresos y los estudios de las mujeres dependen de
la educacin de los padres (padre y madre) ms que los
hombres.
La migracin laboral no es un factor determinante en el
ingreso. Sin embargo, resta analizar a aquellos que migra-
ron en busca de trabajo, hace ms de cinco aos, pues el
presente estudio considera nicamente a aquellos que mi-
graron en busca de trabajo durante los ltimos cinco aos.
La capacitacin laboral es otro de los determinantes del
ingreso laboral y segn los resultados, la capacitacin labo-
ral tiene un mayor porcentaje en las mujeres.
Para determinar el efecto total de las variables hereda-
das sobre la distribucin del ingreso fue necesario deter-
minar otro modelo, de las variables de esfuerzo propio en
funcin de las variables heredadas, donde la nica ecua-
cin signicativa fue la ecuacin correspondiente a los es-
tudios del individuo.
Los resultados al efectuar las simulaciones indican que
si todas las personas tuvieran el escenario descrito ante-
riormente, la desigualdad de los ingresos de las mujeres
podra disminuir considerablemente hasta un 9 %, sobre
todo si mejoramos la variable heredada educacin de los
padres, ya que se ha visto que los ingresos son altos si la
educacin de los padres tiene un nivel elevado. Por lo que
una poltica de reduccin de la desigualdad debera estar
enfocada en mejorar la educacin de los nios y jvenes, y
as en el largo plazo ver disminuida la desigualdad.
Finalmente, con este estudio y con los resultados obte-
nidos, se puede concluir que la desigualdad en el ingre-
so laboral est asociado en gran medida a las diferencias
en las caractersticas heredades por los individuos, espe-
cialmente en el caso de las mujeres. El coeciente de Gini
muestra cmo la desigualdad disminuira en hombres y
mujeres si se eliminaran las diferencias de oportunidades
al nacer.
6 Recomendaciones
Al observar los resultados obtenidos y dado que el go-
bierno actual ha incrementado la inversin en educacin,
sera interesante dar continuidad a este estudio para ver el
comportamiento y los efectos de dicha poltica y sobre to-
do observar los resultados en los ingresos del individuo y,
por tanto, en la desigualdad. Otro factor a analizar podra
ser la exigencia de personal capacitado y con alto nivel de
educacin que en la mayora de cargos pblicos solicitan,
dado el signicativo incremento de plazas de trabajo en
este sector.
El gobierno debera tambin incluir otras reas de po-
ltica social que tienen relacin con la familia; una de estas
reas es la seguridad social, pues un individuo al tener es-
tabilidad familiar, por ejemplo, en su niez no tendra la
necesidad de trabajar, sino que estara en la capacidad de
prepararse acadmicamente para que en el futuro pueda
tener mayor posibilidad de obtener un trabajo mejor cali-
cado, evidentemente esto llevara a dicha persona a ob-
tener ingresos laborales. De esta manera, el ingreso de las
personas aumentara signicativamente y la desigualdad
disminuira.
Al parecer, las actividades que las personas realizan in-
uencian en su nivel de educacin. Por ejemplo, se asume
que las mujeres de las zonas rurales y que se autodenen
indgenas, en su mayora trabajan en actividades agrco-
las y ganaderas, por lo tanto no pueden estudiar. Ante esta
situacin, sera bueno que el gobierno tecnique esas acti-
vidades de modo que ellas puedan tener ms tiempo para
estudiar.
Finalmente, se recomienda incluir ms informacin de
los padres (entendindose padre y madre).Por tal motivo,
con la nalidad de no excluir informacin relevante, se-
ra conveniente que la pregunta 9 y 12 de la seccin 2 de
la ECV(2006) se eliminen, o, a su vez, a pesar de que in-
dividuos vivan con sus padres, se le solicite informacin
respecto de sus padres. De esta manera se preguntara a
todos los individuos del hogar informacin respecto de los
padres.
Agradecimiento
Los autores queremos dejar constancia de nuestro sin-
cero agradecimiento al Fsico Oscar Lasso, por las sugeren-
cias, colaboracin y ayuda recibida en la elaboracin del
presente estudio.
Referencias
[1] P. Aghion, J. Williamson, Growth, Inequality, and
Globalization. Theory, History, and Policy, Cambrid-
ge University Press, United Kingdom, (2004).
[2] N. Balakrishnan, Handbook of the Logistic Distribu-
tionStatistics, Vol.123, Marcel Dekker, Inc. NewYork,
(1992).
[3] F. Bourguignon, F. Ferreira y M. Menndez, Inequa-
lity of Outcomes and Inequality of Opportunities in
Analti a
k
1
Brazil, World Bank Policy Research Working Paper,
3174, (2003).
[4] D. Chotikapanich, Modeling Income Distributions
and Lorenz Curves, Department of Econometrics
and Business Statistics, Monash University, Australia,
Springer, (2008).
[5] A. Colin Cameron and P. Trivedi, Microeconome-
trics: Methods and Applications, Cambridge Univer-
sity Press, New York, (2005).
[6] F.Cowell, Inequality, Welfare and Income Distribu-
tion: Experimental Approaches, Research on Econo-
mic Inequality, Vol.11, Elsevier Ltd., The Netherlands,
(2004).
[7] F.Cowell, Measuring Inequality, Series LSE (Lon-
don School of Economics) Perspectives in Econo-
mic Analysis, published by Oxford University Press,
(2009).
[8] D. De Ferranti, Inequality in Latin America : Brea-
king With History?. World Bank Latin American
and Caribbean Studies, The International Bank for
Reconstruction and Development/ THE WORLD
BANK, New York, (2004)
[9] V.Fierro, Inversin en educacin: Tema con implica-
ciones de Poltica Econmica, Nota tcnica 34.
[10] D. Grusky y R. Kanbur, Poverty and Inequa-
lity, Stanford University Press, Stanford, California,
(2006).
[11] D. Gujarati, Econometra, Cuarta Edicin.
McGraw-Hill, Mxico, (2004).
[12] J. Heckman, L. Lochner and P. Todd, Fifty Years of
Mincer Earnings Regressions, NBER Working Paper
No. 9732, JEL No. C31, (2003).
[13] J. Nez, Inequality of outcomes vs. inequality of
opportunities in a developing country. An explo-
ratoty anlaysis for Chile, Estudios de Economa,
Vol.34-N
o
2, Pgs. 185-202, (2007).
[14] J. Nez V., La desigualdad econmica medida a tra-
vs de las curvas de Lorenz, Departamento de Esta-
dstica, Estructura Econmica y O.E.I. Universidad de
Alcal de Henares, (2006).
[15] J. Nez, J.C. Ramrez, B. Taboada, Esfuerzos y he-
rencias sociales en la desigualdad de ingresos en Co-
lombia, Serie Estudios y perspectivas Vol.12, CEPAL,
Bogot, (2006).
[16] J. Roemer, Equality of Opportunity, Cambridge
MA: Harvard University Press, (1998).
[17] Instituto Nacional de Estadsticas y Censos (INEC),
Metodologa de la Encuesta de Condiciones de Vi-
da, (2006).
Estimacin de la Densidad Poblacional del Ecuador Continental
David Bastidas
y Pal Medina
Ecuador
david_bastidas@inec.gov.ec,

Recibido: 15 de octubre de 2010 Aceptado: 20 de diciembre de 2010
Resumen
En este trabajo se calcula la densidad poblacional del Ecuador continental, determinando, analizando y cuanticando
las zonas no habitables (bosques protectores, pramos, suelos de cultivo, etc.). Se inicia con un estudio cualitativo de las
zonas no habitables. Luego se cuantica y determina el territorio abarcado por cada una de estas zonas. Finalmente se
estima la densidad poblacional, considerando la inuencia que cada una de las zonas ejerce. Para lograr estos objetivos
se ha utilizado los datos obtenidos a travs de la Encuesta de Supercie y Produccin Agropecuaria Continua (ESPAC)
del 2009, as como la informacin contenida en la cartografa temtica proporcionada por el Instituto Geogrco Militar.
Palabras claves: densidad poblacional, zona no habitable, cartografa temtica.
Abstract
In this paper we have calculated the ecuadorian population density of continental zone by identifying, analyzing
and quantifying noninhabitable areas (Reserve forests, moors, agricultural soils, etc.). It begins by study the qualitative
noninhabitable areas; then quantify and determining the territory covered by each area. Finally we have estimated the
population density considering these areas. To reach these objectives we have used information from the Encuesta de
Supercie y Produccin Agropecuaria Continua (ESPAC)) from 2009, as well as thematic mapping provided by the Mi-
litary Geographic Institute.
Keywords: population density, noninhabitable area, thematic mapping.
JEL Codes: Q56, Q20
1 Introduccin
La densidad poblacional de un rea determinada es cal-
culada al dividir la poblacin que ocupa dicha rea para la
extensin de la misma, logrando as establecer una relacin
directa entre la poblacin y el rea que ocupa, mas dentro
de este estudio se debe tener en consideracin que los re-
cursos naturales como las caractersticas del suelo, vegeta-
cin, fauna, recursos minerales y energticos, etc., actan
como factores de atraccin para la poblacin, que acude a
los lugares donde estos se localizan en busca de su explota-
cin y aprovechamiento. La disponibilidad y la abundan-
cia local de uno o varios recursos naturales han dado paso
a los asentamientos humanos especializados en ciertos ti-
pos de actividades econmicas, como ocurre en casos espe-
ccos de poblaciones que viven de la explotacin minera
o en los ncleos de colonizacin que han formado asenta-
mientos humanos en la Regin Amaznica, impulsada por
la actividad petrolera. En el caso del recurso suelo, su ca-
lidad atrae al ser humano por su fertilidad, especialmente
en suelos de las llanuras de la Costa y de los valles inter-
andinos.
Adems dentro de este estudio se debe considerar la
distorsin presentada en esta relacin, debido, principal-
mente, a las caractersticas geogrcas del suelo (zonas im-
posibles de habitar), a los intereses econmicos (zonas pe-
89
Analti a
k
1
David Bastidas y Pal Medina
troleras, de produccin agrcola, etc.), a los intereses eco-
lgicos (zonas de protegidas), etc., siendo la principal con-
secuencia que un rea que se presenta tales caractersticas,
posea una menor capacidad poblacional que un rea de su
misma extensin que no las posea.
Al estudiar estas caractersticas deniremos la nocin
de zona no habitable, para a travs de ella, determinar la
inuencia de ciertas zonas dentro de la capacidad pobla-
cional del continente ecuatoriano. Dentro del estudio de
las zonas no habitables consideradas, encontraremos, en
su cuanticacin, varios inconvenientes, pues muchas de
estas zonas son de difcil delimitacin y acceso, como es el
caso de las reas protegidas, desiertos, pramos, playas,
etc.. Adems encontraremos diferencias/desacuerdos en
la informacin proporcionada por los organismos de con-
trol; por ejemplo, segn datos del ex INEFAN
1
en enero
del 2000 haba 207.000 hectreas de camaroneras, a pesar
de que para la Cmara Nacional de Acuacultura eran de
apenas 170.000 hectreas. En todo caso, slo 50.454 hect-
reas operaban lcitamente. El resto eran ilegales [7].
Por lo expuesto, este trabajo tiene dos propsitos: el pri-
mero busca cuanticar de manera ecaz las zonas conside-
radas como no habitables y el segundo desea determinar
una densidad poblacional ms cercana a la real, a travs de
la aproximacin de la supercie potencialmente habitable
del Ecuador continental. La aproximacin que se llevar a
cabo mediante la cuanticacin de las zonas que se consi-
deran como no habitables.
El artculo se estructura de la siguiente manera. En la
seccin dos se dan algunas deniciones que nos ayudaran
en nuestro estudio. En la seccin tres se expone con deta-
lle la metodologa, se realiza un breve estudio de las zonas
consideradas como no habitables y se estima el territorio
habitable efectivo; adems, se estudia la densidad pobla-
cional, as como la inuencia de las diferentes zonas no ha-
bitables en el clculo de la misma, para nalmente calcular
una densidad poblacional ms cercana a la real. En la sec-
cin cuatro se darn cotas superiores e inferiores para la
densidad poblacional, al considerar errores cometidos en
la toma de datos. En la seccin cinco se consideran algu-
nas aplicaciones de la densidad poblacional. Para nalizar,
en la seccin seis se exponen las conclusiones de este es-
tudio. Adicionalmente, se incluye una seccin de anexos,
en los cuales se muestran todos los clculos realizados, as
como las herramientas utilizadas.
2 Marco terico
Para estimar la densidad poblacional del Ecuador con-
tinental consideraremos la frmula estndar, es decir, la di-
visin del total de la poblacin (P) para el total de territorio
(T).
D =
P
T
. (1)
Sin embargo, en nuestro caso el total del territorio ser
el territorio continental habitable, el cual se estima al ex-
cluir del territorio continental total las zonas no habitables,
considerando como tales a las siguientes:
1. reas protegidas.
2. Ros, lagos y lagunas.
3. Zonas ganaderas, de cultivo y pramos.
4. Zonas desrticas y de playa.
5. Criaderos de camarones, peces y similares.
Para este estudio deniremos varios tipos de densida-
des poblacionales, obtenidas al variar el rea en conside-
racin, pudiendo de esta manera determinar la inuencia
de todas las zonas consideradas como no habitables en el
clculo de la densidad poblacional, a la que llamaremos
neta.
DEFINICIN 1 (Densidad Poblacional Bruta). Estimacin
estndar obtenida al dividir la poblacin total para el territorio
total. Algebraicamente se expresa como:
D
B
=
P
C
T
C
, (2)
donde P
C
es la poblacin total continental y T
C
es el terri-
torio total continental.
DEFINICIN 2 (Densidad Poblacional Parcial). Estimacin
obtenida al dividir la poblacin total para la diferencia entre el
territorio continental y el rea de estudio. Algebraicamente se
expresa como:
D
p
i
=
P
C
T
C
A
, (3)
donde A es el rea de estudio.
DEFINICIN 3 (Densidad Poblacional Neta). Estimacin
obtenida al dividir la poblacin total para la diferencia entre el
territorio continental y las zonas no habitables. Algebraicamente
se expresa como:
D
N
=
P
C
T
C
n
i=1
A
i
, (4)
donde n es el nmero de zonas no habitables considera-
das, y A
i
el rea de cada una de ellas, con i = 1, . . . , n.
1
Instituto Ecuatoriano Forestal y de reas Naturales, reemplazado ms tarde por la Direccin Forestal del Ministerio del Ambiente
Analti a
k
1
3 Metodologa
Para realizar la estimacin de la densidad poblacional,
seguiremos los siguientes pasos:
1. Cuanticar a nivel nacional las zonas no habitables
de mayor inuencia.
2. Estimacin del territorio habitable efectivo.
3. Estimacin de la densidad poblacional.
4. Intervalo para la densidad poblacional.
3.1 Cuanticacin a nivel nacional de las zo-
nas no habitables de mayor inuencia
Para cuanticar adecuadamente las zonas no habita-
bles, en primer lugar es necesario conocer o denir las ca-
ractersticas principales de cada una de ellas, por lo que, a
continuacin, haremos una breve descripcin y estudio de
las mismas.
3.1.1 reas protegidas
Un rea protegida es una regin denida geogrca-
mente, que se encuentra regulada y administrada para al-
canzar objetivos especcos de conservacin. Su objetivo
principal es la conservacin de ecosistemas que posean ca-
ractersticas nicas y que contribuyan a mantener la biodi-
versidad, sin descuidar el aprovechamiento de sus recur-
sos [3, 4, 13].
El pas cuenta con el Sistema Nacional de reas Pro-
tegidas, SNAP, que est conformado por 40 reas, las cua-
les, dependiendo de sus caractersticas particulares poseen
distintas categoras de manejo [16].
A continuacin, se describirn las principales caracte-
rsticas de las distintas reas protegidas y su correspon-
diente extensin.
rea Nacional de Recreacin: Supercie mayor a 1.000
hectreas en donde existan bellezas escnicas, recursos tu-
rsticos o de recreacin en un ambiente natural, fcilmente
accesibles desde centros poblados[14].
En el pas existen dos reas nacionales de recreacin,
las cuales poseen una extensin total de 26,83 km
2
y cuyas
reas se muestran en la Tabla 1.
REA NATURAL
SUPERFICIE
TERRESTRE
(km
2
)
1 REA NAC. DE RECREACIONEL BOLICHE 4
2 REA NAC. DE RECREACIONPARQUE-LAGO 22,83
SUPERFICIE TOTAL 26,83
Tabla 1. reas nacionales de recreacin y supercies. Fuente: Mi-
nisterio de Ambiente del Ecuador (MAE) y elaboracin propia.
Parque Nacional: rea con uno o varios ecosistemas,
comprendidos dentro de un mnimo de 10.000 hec-
treas. Su rea se mantiene en su condicin natu-
ral, siendo prohibida cualquier explotacin u ocupa-
cin [14].
El SNAP cuenta con nueve parques nacionales. El ms
grande de ellos es el parque nacional Sangay con 5.177,65
km
2
.
Las diferentes reas protegidas con sus respectivas ex-
tensiones se muestran en la Tabla 2.
REA NATURAL
SUPERFICIE
TERRESTRE
(km
2
)
1 PARQUE NACIONAL CAJAS 288,08
2 PARQUE NACIONAL COTOPAXI 333,93
3 PARQUE NACIONAL GALAPAGOS 6937
4 PARQUE NACIONAL LLANGANATES 2197,07
5 PARQUE NACIONAL MACHALILLA 561,84
6 PARQUE NACIONAL PODOCARPUS 1462,8
7 PARQUE NACIONAL SANGAY 5177,65
8 PARQUE NACIONAL SUMACO 2052,49
9 PARQUE NACIONAL YASUNI 9820
SUPERFICIE TOTAL 28.830,86
Tabla 2. Parques nacionales y supercies. Fuente: MAE y elabo-
racin propia.
Parque binacional: Reserva Ecolgica constituida por
dos zonas de proteccin ecolgicas, las mismas que
son colindantes y se hallan bajo soberana de dos pa-
ses distintos [15].
El parque binacional El Cndor es el nico existente en
el pas y fue constituido en 1999 tras la rma de paz entre
Ecuador y Per. Est formado por dos pequeos parques,
uno de 60 km
2
del lado peruano y otro de 24,40 km
2
del
lado ecuatoriano. El parque se ubica sobre una parte de la
Cordillera del Cndor, la cual posee ms de 160 km
2
de
longitud [1].
En la Tabla 3 se muestra la supercie del parque bina-
cional el Cndor correspondiente al Ecuador.
REA NATURAL
SUPERFICIE
TERRESTRE
(km
2
)
1 PARQUE BINACIONAL EL CONDOR 24,40
Tabla 3. Parque binacional y supercie. Fuente: MAE y elabora-
cin propia.
Refugio de Vida Silvestre: rea indispensable para ga-
rantizar la existencia de la vida silvestre -residente o
migratoria- con nes cientcos, educativos y recrea-
tivos [14].
En la Tabla 4 se detallan las supercies cubiertas por
cada uno de los diferentes refugios de la vida silvestre.
Analti a
k
1
REA NATURAL
SUPERFICIE
TERRESTRE
(km
2
)
SUPERFICIE
MARINA (km
2
)
SUPERFICIE
TOTAL (km
2
)
1 REFUGIO DE VIDA SILVESTRE EL ZARZA 36,43 0,00 36,43
2 REFUGIO DE VIDA SILVESTRE ISLACORAZON 7,00 0,00 7,00
3 REFUGIO DE VIDA SILVESTRE ISLASANTA CLARA 0,05 0,00 0,05
4 REFUGIO DE VIDA SILVESTRE LA CHIQUITA 8,09 0,00 8,09
5 REFUGIO DE VIDA SILVESTRE MANGLARES 2,42 0,00 2,42
ESTUARIORIO ESMERALDAS
EL MORRO
ESTUARIORIO MUISNE
8 REFUGIO DE VIDA SILVESTRE MARINO 50,44 85,86 136,30
COSTEROPACOCHE
9 REFUGIO DE VIDA SILVESTRE PASOCHOA 5,00 0,00 5,00
Subtotal SUPERFICIE TERRESTRE 241,46
Subtotal SUPERFICIE MARINA 85,86
Tabla 4. Refugios de la vida silvestre y supercies. Fuente: MAE y elaboracin propia.
Reserva biolgica: rea terrestre o acutica de exten-
sin variable. Sus objetivos estn orientados a la con-
servacin de los procesos naturales, posible ejecu-
cin de investigacin cientca, educacin y conser-
vacin de los recursos genticos [14].
El SNAP cuenta con tres reservas biolgicas, siendo dos
de ellas terrestres y una marina, abarcando una supercie
terrestre de 136,84 km
2
.
En la Tabla 5 se detalla el rea de las diferentes reservas
biolgicas.
REA NATURAL
SUPERFICIE
TERRESTRE
(km
2
)
SUPERFICIE
MARINA (km
2
)
SUPERFICIE
TOTAL (km
2
)
1 RESERVABIOLOGICALIMONCOCHA 46,13 0,00 46,13
2 RESERVABIOLOGICAMARINA 0,00 141100 141100
DE GALAPAGOS
3 RESERVABIOLGICAEL QUIMI 90,71 0,00 90,71
Subtotal SUPERFICIE MARINA 141100
Tabla 5. Reservas biolgicas y supercies. Fuente: MAE y elaboracin propia.
Reserva Ecolgica:rea de por lo menos 10.000 hect-
reas, con uno o ms ecosistemas con especies de o-
ra y fauna silvestres importantes o amenazadas de
extincin, para lo cual se prohbe cualquier tipo de
explotacin u ocupacin [14].
Las reservas ecolgicas que conforman el SNAP son 10
en total y abarcan una supercie terrestre de 12.083,47 km
2
.
En la Tabla 6 se detallan las supercies cubiertas por
cada una de ellas.
REA NATURAL
SUPERFICIE
TERRESTRE
(km
2
)
1 RESERVAECOL. ANTISANA 1200
2 RESERVAECOL. ARENILLAS 170,82
3 RESERVAECOL. EL ANGEL 157,15
4 RESERVAECOL. CAYAMBE COCA 4031,03
5 RESERVAECOL. CAYAPAS MATAJE 513
6 RESERVAECOL. COFAN BERMEJO 554,51
7 RESERVAECOL. COTACACHI CAYAPAS 2436,38
8 RESERVAECOL. LOS ILINIZAS 1499
9 RESERVAECOL. MACHE CHINDUL 1191,72
10 RESERVAECOL. MANGLAREAS CHURUTE 500,68
Tabla 6. Reservas ecolgicas y supercies. Fuente: MAE y elabo-
racin propia.
Analti a
k
1
Reserva geobotnica: Parque nacional cuyo objetivo es el
estudio de la estructura geolgica [2].
En 1978 mediante decreto ejecutivo se cre la Reserva
Botnica de Pululahua, con el n de conservar los recursos
naturales de esta rea atendiendo al valor natural y a la ne-
cesidad de orientar el uso humano. La proteccin de esta
reducida muestra de la estructura geolgica de la Cordille-
ra Nor Occidental de Los Andes y el mantenimiento de su
ora y fauna fueron dictaminados ya en 1966 cuando me-
diante Decreto Soberano se dio de primer Parque Nacional
en el Continente Ecuatoriano [2].
En la Tabla 7 se muestra la supercie de la nica reserva
geobotnica del pas.
Reserva de produccin de fauna: rea destinada a
la conservacin, proteccin y recuperacin de los
ecosistemas[14].
Son cuatro las reas destinadas a este propsito, siendo
la de mayor extensin, la reserva de produccin de fauna
Cuyabeno.
En la Tabla 8 se muestran las supercies cubiertas por
cada una de estas reas.
REA NATURAL
SUPERFICIE
TERRESTRE
(km
2
)
1 RESERVAGEOBOTANICA. PULULAHUA 33,83
Tabla 7. Reserva geobotnica y supercie. Fuente: MAE y elabo-
racin propia.
REA NATURAL
SUPERFICIE
TERRESTRE
(km
2
)
SUPERFICIE
MARINA (km
2
)
SUPERFICIE
TOTAL (km
2
)
1 RESERVADE PRODUCCION DE FAUNA 585,60 0,00 585,60
CHIMBORAZO
CUYABENO
M ANGLARES EL SALADO 52,17
PUNTILLA STA. ELENA
SUPERFICIE TOTAL del 7146,12
Tabla 8. Reservas de produccin de fauna y supercies. Fuente: MAE y elaboracin propia.
Reserva marina: Reserva que incluye columna de agua,
fondo marino y subsuelo, y comprende toda la zo-
na marina dentro de una franja de 40 millas nuticas,
medidas a partir de las lneas base del Archipilago y
las aguas interiores. Adems, se establece un rea de
proteccin mnima de la Reserva Marina de 60 mi-
llas nuticas, a partir de la lnea base, para regular
el transporte de productos txicos o de alto riesgo
[15].
El Plan de Manejo de la Reserva Marina tambin dene
la zonicacin de uso y actividades pesqueras y tursticas
permitidas. Se establecen, adems, las zonas profundas, y
zonas rocosas, zonas de humedales y zonas de playa.
En la Tabla 9 se muestra la supercie de la nica reserva
marina del pas.
Como datos curiosos mencionaremos que el Parque
Nacional Galpagos fue el primero en ser constituido al-
rededor de los aos 30, ms no fue sino hasta la dcada
los 60 que esta iniciativa ambiental fue tomada con serie-
dad y se crearon las primeras reas protegidas. De ah has-
ta la actualidad se han creado un total de 40 reas prote-
gidas, siendo dos de estas insulares, dos martimas y dos
continentales, abarcando una supercie terrestre total de
48221,86 km
2
, lo que equivale al 18,81 % del territorio na-
cional total [15].
REA NATURAL
SUPERFICIE
MARINA (km
2
)
1 RESERVAMARINA GALERA SAN FRANCISCO 546,04
Tabla 9. Reserva marina y supercie. Fuente: MAE y elaboracin
propia.
En la Tabla 10 se muestra un resumen de todas las reas
protegidas existentes en el pas y que fueron consideradas
para nuestro estudio.
Analti a
k
1
REA NATURAL
SUPERFICIE
TERRESTRE
(km
2
)
SUPERFICIE
MARINA (km
2
)
SUPERFICIE
TOTAL (km
2
)
REA NACIONAL DE RECREACIN 26,83 0,00 26,83
PARQUE BINACIONAL 24,40 0,00 24,40
PARQUE NACIONAL 28.830,86 0,00 28.830,86
REFUGIO DE VIDA SILVESTRE 241,46 85,86 327,32
RESERVABIOLGICA 136,84 141.100,00 141.236,84
RESERVADE PRODUCCION DE FAUNA 6.673,34 472,78 7.146,12
RESERVAECOLOGICA 12.254,29 0,00 12.254,29
RESERVAGEOBOTANICA 33,83 0,00 33,83
RESERVAMARINA 0,00 546,04 546,04
Subtotal SUPERFICIE TERRESTRE 48.221,86
SUPERFICIE TOTAL 190.426,53
Tabla 10. Distintas reas protegidas y supercies. Fuente: MAE y elaboracin propia.
Cabe sealar que no se consideraran las reservas mari-
nas y el Parque Nacional Galpagos, pues nuestro estudio
busca estrictamente la densidad poblacional continental.
3.1.2 Ros, lagos y lagunas
El Ecuador posee una rica red hidrogrca, la cual sur-
ge en su mayora en los relieves andinos. En esta red se
distinguen dos vertientes caracterizadas por la cordillera
de los Andes: la vertiente occidental y la oriental. Los ros
de la vertiente occidental poseen un curso breve pero cau-
daloso hacia el Pacco y son navegables en algunos tra-
mos. En cambio, los ros originados en la vertiente oriental
se dirigen hacia la llanura amaznica [6].
Dentro de la geografa nacional existen numerosos la-
gos, en su mayora de origen volcnico y muchas lagunas
de diversas formas y tamaos. Si bien los dos elementos
son masas de agua contenidas en depresiones naturales del
terreno y alimentadas por vertientes externas o internas,
su diferencia radica en el tamao de los mismos, siendo
los lagos ms grandes y profundos que las lagunas [6].
A continuacin haremos un breve estudio y descrip-
cin de los principales ros, lagos y lagunas del Ecuador.
Ros. A travs de la cartografa digital proporcionada
por el Instituto Geogrco Militar, se logr estimar el rea
de los ros ms representativos del territorio continental
ecuatoriano, los cuales cubren una extensin aproximada
de de 4406,85 km
2
, siendo los ms representativos el ro
Napo y el ro Pastaza con 867,14 km
2
y 427, 47 km
2
, respec-
tivamente.
En la Tabla 11 se muestra el rea de algunos de los ros
ms representativos del territorio continental ecuatoriano,
los cuales por su extensin contribuyen en la disminucin
del territorio habitable efectivo.
Cabe aclarar que para este estudio se cuantic el rea
perteneciente al territorio continental ecuatoriano, de cada
uno de los ros, pudiendo de esta manera ser la supercie
total cubierta por un ro mayor a la mencionada en este
estudio.
NOMBRE REA (km
2
) NOMBRE REA (km
2
)
RIO NAPO 867,14 RIO BOBONAZA 29,84
RIO PASTAZA 427,47 RIO NANGARITZA 28,61
RIO AGUARICO 398,89 RIO TIPUTINI 24,26
RIO GUAYAS 395,37 RIO CONONACO 24,05
RIO PUTUMAYO 320,68 RIO PATIA 23,21
RIO CURARAY 145,92 RIO TELEMBI 20,92
RIO COCA 123,69 RIO TAURA 20,62
RIO BABAHOYO 112,74 RIO MACUMA 20,12
RIO ESMERALDAS 73,34 RIO CHONE 19,28
RIO SAN MIGUEL 68,67 RIO QUEVEDO 16,00
RIO UPANO 56,60 RIO TAMBILLO 15,87
RIO CAYAPAS 56,45 RIO QUIJOS 15,60
RIO SANTIAGO 56,04 RIO PAYAMINO 15,22
RIO DAULE 53,24 RIO CUNAMBO 14,62
RIO BLANCO 45,28 RIO JUBONES 14,14
RIO PALORA 42,61 RIO PINTOYACU 13,43
RIO MATAJE 38,86 RIO PUCUNO 11,20
RIO ZAMORA 36,85 RIO CANGAIME 10,87
RIO MIRA 32,44 RIO GUIZA 9,86
Tabla 11. Los ros ms extensos del territorio continental ecuato-
riano. Fuente: IGM y elaboracin propia.
En el Anexo A.1. se muestran una tabla con aproxima-
damente el 95 %de los ros ms caudalosos del pas, adjun-
tando una breve explicacin de la forma de proceder para
su cuanticacin.
Lagos y lagunas. Si bien existe una gran cantidad de la-
gos y lagunas a lo largo del territorio nacional, su exten-
sin media no supera los 0,24 km
2
, cubriendo una exten-
sin continental total aproximada de 121,46 km
2
, lo que re-
presenta menos del 0,1 % del territorio nacional total.
En la Tabla 12 se muestra algunas de las lagunas de ma-
yor extensin existentes en la geografa nacional que logra-
ron ser cuanticados y localizados a travs de la cartogra-
fa digital proporcionada por el IGM.
Analti a
k
1
NOMBRE REA (km
2
) PROVINCIA
LAGUNA EL CANCLON 7,92 GUAYAS
LAGUNA DE SAN PABLO 6,07 IMBABURA
LAGUNA CUBILLIN 5,42 CHIMBORAZO
LAGUNA ZANCUDO COCHA 4,71 ORELLANA
LAGUNA PISAYAMBO 4,64 TUNGURAHUA
LAGUNA CUICOCHA 3,94 IMBABURA
LAGUNA QUILOTOA 3,06 COTOPAXI
LAGUNA GRANDE DE MOJANDA 2,95 PICHINCHA
LAGUNA PURUHANTA 2,73 IMBABURA
LAGUNA MAGDALENA 2,653 CHIMBORAZO
LAGUNA DE YAHUARCOCHA 2,41 IMBABURA
LAGUNA GRANDE 2,36 SUCUMBIOS
LAGUNA DE LIMONCOCHA 2,34 SUCUMBIOS
LAGUNA MAGTAYAN 2,27 CHIMBORAZO
LAGUNA TOBAR DONOSO DE PIAN 1,90 IMBABURA
LAGUNA DE COLTA 1,86 CHIMBORAZO
LAGUNA DE MICA 1,87 NAPO
LAGUNA LAS LECHUZAS 1,74 GUAYAS
LAGUNAS SARDINAYACU 1,71 MORONA SANTIAGO
LAGUNA YANACOCHA 1,60 CHIMBORAZO
LAGUNA CANANGUENO 1,51 SUCUMBIOS
LAGUNA VERDE COCHA 1,30 CHIMBORAZO
LAGUNA JATUN COCHA 1,20 ORELLANA
LAGUNA AZUL O LAGUNA PINTADA 1,18 IMBABURA
LAGUNA IMUYA 1,16 SUCUMBIOS
LAGUNA PATACOCHA 1,09 ORELLANA
Tabla 12. Lagunas de mayor extensin en el Ecuador. Fuente: IGM y elaboracin propia.
En el Anexo A.2. se muestra una tabla con aproxima-
damente el 80 % de los lagos y lagunas del pas, adjuntan-
do una breve explicacin de la forma de proceder para su
cuanticacin.
3.1.3 Zonas ganaderas, de cultivo y pramos
A travs de la ESPAC, se determin que en el ao 2009
las zonas ganaderas, de cultivo y pramos cubren un rea
aproximada de 118.143,12 km
2
. Sin embargo, dentro del
clculo de esta rea se considera una categora llamada
montes y bosques que se dene como:
Toda vegetacin arbustiva o boscosa, natural o plan-
tada; que puede tener valor por su lea, madera u
otros productos, o por razones ecolgicas. (sci) [10].
Esta denicin indica una clara interseccin de estas
reas con las zonas protegidas; por tal motivo para nuestro
estudio, hemos restado los montes y bosques de las zonas
ganaderas, de cultivo y pramos, con el objetivo de elimi-
nar las reas duplicadas.
Luego de realizar los clculos respectivos, se tiene que
el rea total ocupada por las zonas ganaderas, de cultivo
y pramos es de 82.655,77 km
2
presentando una reduccin
del 30,04 %del valor inicial.
A continuacin, describiremos con mayor detalle cada
una de estas zonas.
Zonas ganaderas. La ESPAC no cuantica explcitamen-
te el rea destinada a la crianza de ganado, animales de
campo y aves, pero s cuantica el rea destinada al pasto-
reo, clasicndolos en pastos cultivado y no cultivados.
A continuacin mostramos la informacin obtenida a
partir de la ESPAC para las reas citadas.
Pastos cultivados: Son los pastos sembrados que rebro-
tan despus de haber sido cortados o usados para el
pastoreo. Se destinan, prcticamente en su totalidad,
para alimento del ganado [10].
En la Tabla 13 se muestra la extensin ocupada por es-
tas reas en el 2009.
USO DE LA TIERRA REA (km
2
)
PASTOS CULTIVADOS 35.619,47
Tabla 13. Pastos cultivados. Fuente: INEC y elaboracin propia.
Pastos naturales: Son los pastos que se han establecido
y desarrollado de modo natural o espontneo, con la
intervencin de los agentes naturales (agua, viento,
etc.). Si hay tierras en las cuales han crecido rboles
o arbustos y son aprovechados principalmente como
alimento del ganado, estas sern clasicadas como
pasto natural [10].
Analti a
k
1
En la Tabla 14 se muestra la extensin ocupada por los
pastos naturales en el 2009.
2
)
PASTOS NATURALES 14.239,43
Tabla 14. Pastos naturales. Fuente: INEC y elaboracin propia.
Dado que su extensin, 49.858,90 km
2
representa el
19,45 % del territorio nacional total, se considerara a los
pastos cultivados y naturales como la principal rea ga-
nadera.
Zonas de cultivo. La zonas de cultivo abarcan aproxima-
damente el 14 % del total de la supercie del pas. Dentro
de esta zona se enmarcan todas aquellas reas cuyo pro-
psito dentro de los pasados cinco aos ha sido el cultivo,
tanto transitorio como permanente, pudiendo estas no en-
contrarse en produccin en el ao de estimacin [10].
La ESPAC considera distintas categoras enmarcadas
dentro de las zonas de cultivo, las cuales son:
Cultivos permanentes o perennes: Son aquellos culti-
vos que se plantan y despus de un tiempo relati-
vamente largo llegan a la edad productiva. Tienen
un prolongado perodo de produccin que permite
cosechas durante varios aos, sin necesidad de ser
sembrados o plantados nuevamente despus de ca-
da cosecha [10].
En la Tabla 15 se muestra la supercie total cubierta por
los cultivos permanentes en el pas.
2
)
CULTIVOS PERMANENTES 13.492,57
Tabla 15. Cultivos permanentes en el Ecuador. Fuente: INEC y
elaboracin propia.
Cultivos transitorios o de ciclo corto: Son aquellos cu-
yo ciclo vegetativo o de crecimiento es generalmente
menor a un ao, llegando incluso a ser de algunos
meses y una vez que llegaron a dar su fruto, la plan-
ta se destruye siendo necesario volverlos a sembrar
para obtener una nueva cosecha[10].
Tierras en barbecho o rastrojo: Se encuentran sin cul-
tivos (en reposo), siempre que el perodo de perma-
nencia en este estado, calculado hasta el da de la en-
trevista, sea menor de un ao [10].
Esta clase de cultivos representan el 48.51 % de las zo-
nas de cultivo con un rea en el 2009, de 10.286,21 km
2
.
En la Tabla 16 se muestra la supercie cubierta por los
cultivos transitorios y de barbecho. Estas dos categoras se
muestran agrupadas, pues no se ha podido encontrar in-
formacin individual.
2
)
CULTIVOS TRANSITORIOS Y BARBECHO 10.286,21
Tabla 16. Cultivos transitorios y barbecho. Fuente: INEC y elabo-
racin propia.
Tierras en descanso: Son aquellas tierras que habiendo
sido cultivadas anteriormente, se las dej de cultivar
en forma continua durante un periodo comprendido
entre uno a cinco aos, hasta el da de la entrevista,
no se encuentran ocupadas por cultivo alguno [10].
En la Tabla 17 se muestra la supercie cubierta por las
tierras de descanso.
2
)
DESCANSO 1.707,76
Tabla 17. Tierras de descanso. Fuente: INECy elaboracin propia.
Pramos. En la ESPAC se dene a los pramos como tie-
rras altas del callejn interandino cubiertas por vegetacin
tpica de los pramos andinos (paja de pramo) que suele
usarse para pastoreo extensivo[10].
En la Tabla 18 se muestra la supercie cubierta por los
pramos.
USO DE LA TIERRA
CONTINENTAL
(Aprox) REA
(km
2
)
PARAMOS 4.984,36
Tabla 18. Pramos. Fuente: INEC y elaboracin personal.
3.1.4 Zonas desrticas y de playa
Debido a su posicin geogrca y a la diversidad de
alturas impuesta por la cordillera de los Andes, el Ecua-
dor presenta una gran variedad de climas y cambios con-
siderables a cortas distancias. Cuenta con climas tropica-
les y templados, regiones con caractersticas subtropica-
les, situadas principalmente en las estribaciones de las dos
cordilleras. Tambin encontramos zonas desrticas, semi-
desrticas, estepas fras, clidas, etc.
Geogrcamente, las zonas desrticas se localizan en la
regin ms saliente de la costa ecuatoriana entre Salinas,
Santa Elena y Anconcito. Es una zona compuesta de capas
horizontales de arenisca arcillosa, que se origina cerca al
mar y se eleva hacia el continente para formar los altos de
Chanduy. Cubre apenas una supercie de 180 km
2
que re-
presentan el 0.07 % del rea total del pas. Junto a la zona
desrtica, se extiende el denominado matorral desrtico, a
Analti a
k
1
la altura de Chanduy y se prolonga hacia el norte y no-
roccidente, bordeando el mar, abarcando las poblaciones
de: Manglaralto, Puerto Lpez, Machalilla, Puerto Cayo y
Manta para terminar en Jaramij. Esta franja est formada
de esteros, salitrales y manglares en las cercanas a la costa,
y en su interior cruzado de lomas en todo sentido, particu-
larmente en su extremo meridional, en donde la cordille-
ra de Colonche se acerca a la costa. La otra parte, aunque
pequea, pero no menos importante, se encuentra locali-
zada en el extremo sur occidental del pas, desde Hualtaco
hacia el Norte, en el que se pueden distinguir tres zonas
paralelas: la primera bastante angosta formada de esteros,
salitrales y manglares; la segunda, ms ancha, compuesta
por salitrales sujetos a inundacin en los aguajes (salitrales
de Cayancas) y la tercera, formada las llanuras de matorral
desrtico.
Por otro lado, las playas del Ecuador se encuentran lo-
calizadas dentro de las provincias de Guayas, Santa Elena,
Manab, El Oro, Los Ros y Esmeraldas. A pesar de que
el continente ecuatoriano posee 640 km
2
de perl costane-
ro, no toda esta regin se puede considerar como zonas
de playa, pues adems de playas esta zona consta de lla-
nuras frtiles, colinas, cuencas sedimentarias y elevaciones
de poca altitud.
En la Tabla 19 se muestra la supercie cubierta por es-
tas zonas.
ZONA REA (km
2
)
ZONAS DESERTICAS Y DE PLAYA 520,40
Tabla 19. Zonas desrticas y de playa.
3.1.5 Criaderos de camarones, peces y similares
Dentro de la cartografa proporcionada por el IGM se
tiene una categora en la que se agrupa a camaroneras, pis-
ccolas y similares, la cual posee en el 2007 un rea igual
a 333,26 km
2
, ms en el III censo agropecuario se determi-
n que las camaroneras cubren una supercie de 2.343,59
km
2
, siendo este ltimo valor el considerado para el actual
estudio.
En la siguiente Tabla 20 se muestran la supercie abar-
cada por las zonas mencionadas.
ZONA REA (km
2
)
CRIADERO DE CAMARONES 2.343,59
PECES Y SIMILARES
Tabla 20. Criadero de camarones, peces y similares
3.2 Estimacin del territorio habitable efecti-
vo
Dado que el rea de ros, lagos, lagunas, zonas gana-
deras y de playa, as como el rea de los criaderos de ca-
marones, peces y similares en conjunto no representa ni el
3 % del territorio continental total, consideraremos a todas
estas reas como disjuntas, obteniendo un territorio conti-
nental efectivo aproximado de 110.086,55 km
2
.
En la Tabla 21 se muestra la relacin porcentual exis-
tente entre las distintas zonas no habitables y el territorio
continental total.
ZONA
REA (km
2
)
PORCENTAJE DEL
TERRITORIO
CONTINENTAL
REA TOTAL CONTINENTAL 248.359,48
REAS PROTEGIDAS 48221,86 19,42
ZONAS GANADERAS, 82655,77 33,28
DE CULTIVO Y PRAMOS
CRIADEROS DE CAMARONES, 2.343,59 0,94
PECES Y SIMILARES
ROS, LAGOS Y LAGUNAS 4591,31 1,85
ZONAS DESERTICAS 520,40 0,21
Y DE PLAYA
Tabla 21. Relacin entre el rea de las diferentes zonas no habita-
bles con el territorio continental efectivo.
En la Tabla 22 se muestra la relacin existente entre
las distintas zonas no habitables y el territorio continental
efectivo.
ZONA PROPORCIN
REAS PROTEGIDAS 0.44
ROS, LAGOS Y LAGUNAS 0.04
ZONAS GANDERAS DE 0.75
CULTIVO Y PARAMOS
ZONAS DESERTICAS Y DE PLAYA 0.005
CAMARONES, PECES Y SIMILARES 0.02
3.3 Estimacin de la densidad poblacional
En esta seccin se analizaran las distintas densidades
poblacionales denidas en la seccin 2.
3.3.1 Densidad Poblacional Bruta
En la actualidad, la supercie total del Ecuador es de
256.369,5 km
2
, la cual cubre las cuatro regiones que lo cons-
tituyen: Costa, Sierra, Oriente y la Regin Insular, formada
por el Archipilago de Galpagos, a su vez que la super-
cie continental del Ecuador, resultante al excluir la regin
insular, es de 248.359,48 km
2
.
Analti a
k
1
REGIN AREA (km
2
)
COSTA 68.648,4
SIERRA 63.191,0
ORIENTE 115.744,9
INSULAR 8.010,0
ZONAS NO DELIMITADAS 775,2
REA ECUADOR CONTINENTAL 248.359,5
REA TOTAL 256.369,5
Tabla 23. rea nacional por regiones geogrcas.
La poblacin nacional, segn proyecciones del INEC
para el 2010 es de 14.204.900 habitantes, concentrados en
su mayora en la regin continental. En la Tabla 24 se mues-
tra la poblacin continental y nacional.
ZONA HABITANTES
CONTINENTAL 14.180.534
PAIS 14.204.900
Tabla 24. Poblacin nacional y continental. Fuente: INEC y ela-
boracin propia.
Dada el rea total del Ecuador y su rea continen-
tal, junto con la proyeccin de poblacin planteada por el
INEC, se tiene que las densidades poblacionales brutas a
nivel nacional y continental son de 55,41 hab/km
2
y 57,10
hab/km
2
, respectivamente.
DENSIDAD
POBLACIONAL
(hab/km
2
)
NACIONAL 55,41
CONTINENTAL 57,10
Tabla 25. Densidades poblacionales.
3.3.2 Densidad poblacional parcial
A continuacin se estudiar la inuencia individual de
cada una de las zonas denominadas como no habitables en
el calculo de la densidad poblacional, para lo cual, se utili-
zar la denicin 2 (densidad poblacional parcial). Apartir
de la denicin citada, se estudiarn distintas densidades
dependiendo de la zona no habitable a ser considerada.
reas protegidas. En base a la denicin 2, calcularemos
la densidad poblacional parcial, considerando la supercie
ocupada por las reas protegidas.
Sea
D
p
1
=
P
C
T
C
A
1
(5)
Reemplazando los datos expuestos en la Tabla 10, en la
ecuacin 3.3.2 se tiene que:
D
p
1
=70,85
hab
km
2
.
El valor estimado, nos indica que al considerar las
reas protegidas, la densidad poblacional aumenta en un
24,09 %.
En la Tabla 26 se muestra la densidad poblacional par-
cial 1 y el porcentaje de aumento con relacin a la densidad
poblacional continental.
DENSIDAD POBLACIONAL (hab/km
2
)
PORCENTAJE
DE AUMENTO
CONTINENTAL 57,10
SIN REAS PROTEGIDAS 70,85 24,09
Tabla 26. Densidad poblacional 1.
24,09%
Figura 1. Densidad poblacional 1. Fuente: Elaboracin propia.
Ros, lagos y lagunas. En base a la denicin 2, calcu-
laremos la densidad poblacional parcial, considerando la
supercie ocupada por los ros lagos y lagunas.
Sea
D
p
2
=
P
C
T
C
A
2
(6)
Reemplazando los datos expuestos en la seccin 3.1.2.,
en la ecuacin 3.3.2 se tiene que:
D
p
1
=58,16
hab
km
2
.
poblacional continental. hab/km
2
.
2
)
PORCENTAJE
DE AUMENTO
CONTINENTAL 57,10
SIN ROS LAGOS Y LAGUNAS 58,16 1,86
Analti a
k
1
1,86%
Zonas ganaderas, de cultivo y pramos. En base a la de-
nicin 2, calcularemos la densidad poblacional parcial,
considerando la supercie ocupada por las zonas ganade-
ras, de cultivo y pramos.
Sea
D
p
3
=
P
C
T
C
A
3
(7)
Reemplazando los datos expuestos en las Tablas 15 a la
18, en la ecuacin 3.3.2 se tiene que:
D
p
3
=85,58
hab
km
2
.
2
)
PORCENTAJE
DE AUMENTO
CONTINENTAL 57,10
SIN ZONAS GANADE-
RAS DE CULTIVO Y P-
RAMOS
85,58 49,88
49,88%
Zonas desrticas y de playa. En base a la denicin 2,
calcularemos la densidad poblacional parcial, consideran-
do la supercie ocupada por las zonas desrticas y de pla-
ya.
Sea
D
p
4
=
P
C
T
C
A
4
(8)
Reemplazando los datos expuestos en las Tablas de la
19, en la ecuacin 3.3.2 se tiene que:
D
p
4
=57,22
hab
km
2
.
2
)
PORCENTAJE
DE AUMENTO
CONTINENTAL 57,10
SINROS LAGOS Y LAGUNAS 57,22 0,21
0,21%
Criaderos de camarones, peces y similares. En base a la
denicin 2, calcularemos la densidad poblacional parcial,
considerando la supercie ocupada por las zonas desrti-
cas y de playa.
Sea
D
p
5
=
P
C
T
C
A
5
(9)
Reemplazando los datos expuestos en la Tabla 20, en la
ecuacin 3.3.2 se tiene que:
D
p
5
=57,64
hab
km
2
.
Analti a
k
1
2
)
PORCENTAJE
DE AUMENTO
CONTINENTAL 57,10
SIN ROS LAGOS Y LAGUNAS 57,64 0,95
0,95%
3.3.3 Densidad poblacional neta
La densidad poblacional neta resulta al reemplazar los
valores resumidos en la Tabla 21, en la ecuacin 2, siendo
esta de 128,81 hab/km
2
.
En la Tabla 31 se muestra un resumen de la variacin
de la densidad poblacional, al considerar progresivamente
las zonas no habitables de la siguiente manera:
ZONA 1: Territorio continental menos las zonas ganade-
ras de cultivo y pramos.
ZONA 2: Zona 1 menos reas protegidas.
ZONA 3: Zona 2 menos el rea de ros, lagos y lagunas.
ZONA4: Zona 3 menos el rea de camaroneras, pisccolas
y anes.
ZONA 5: Zona 4 menos el rea de zonas desrticas y de
playa.
SUPERFICIE
(km
2
)
DENSIDAD
(hab/km
2
)
PORCENTAJE DE
AUMENTO CON
RESPECTOAL
VALOR INICIAL
( %)
CONTINENTAL 248.359,48 57,10 0
ZONA 1 200.137,62 70,85 24,09
ZONA 2 117.481,64 120,70 111,39
ZONA 3 112.950,56 125,55 119,87
ZONA 4 110.606,97 128,21 124,53
ZONA 5 110.086,57 128,81 125,59
Tabla 31. Resumen de las densidades, obtenida al considerar pau-
latinamente cada una de las zonas no habitables consideradas en
este estudio, por ejemplo: la densidad poblacional de la Zona 1
es obtenida al dividir el total de la poblacin continental para la
resta entre la supercie continental y la supercie de las reas
protegidas.
24,09% 70,36% 4,02% 2,11% 0,47%
Figura 6. Resumen de las densidades. Fuente: Elaboracin propia.
4 Intervalo para la densidad poblacional.
Las mediciones, generalmente, son susceptibles de con-
tener un error, aun ms cuando se trata de zonas geogr-
cas no tan bien denidas y muchas de ellas, de difcil ac-
ceso; por tal motivo, incluiremos trminos de error en el
clculo de cada una de las reas denidas como no habita-
bles, pues ello nos permite construir un intervalo, con cier-
to grado de exactitud, en la cual se encontrar contenida la
densidad poblacional.
Ahora, al considerar todas las reas como disjuntas, cal-
culamos la supercie continental neta T
e
o
C
, de la siguiente
manera:
T
e
o
C
= T
C
i=1
A
i
. (10)
Si consideramos que se cometi un error de medicin
i
para el clculo de cada rea A
i
(i = 1, . . . , 5), se tiene que
el rea de cada una de estas zonas es de
[A
i
i
A
i
],
Analti a
k
1
siendo entonces el territorio continental efectivo T
e
C
igual
a:
T
e
C
= T
C
i=1
(1
i
)A
i
(11)
Expandiendo el segundo trmino se tiene que
T
e
C
= T
C
i=1
A
i
i=1
i
A
i
(12)
Lo que es equivalente a:
T
e
C
= T
e
o
C

5
i=1
i
A
i
(13)
Por otra parte, si escribimos la Tabla 22 utilizando la
notacin anterior tenemos que:
REA PROPORCIN
A
1
0, 44T
eo
C
A
2
0, 04T
eo
C
A
3
0, 75T
eo
C
A
4
0, 005T
eo
C
A
5
0, 02T
eo
C
Y por tanto, la ecuacin (13) es igual a:
T
e
C
= T
e
o
C
(0, 44
1
+0, 04
2
+0, 75
3
+0, 005
4
+0, 02
5
)T
e
o
C
, (14)
donde
(0, 44
1
+0, 04
2
+0, 75
3
+0, 005
4
+0, 02
5
) (15)
es la proporcin de error total cometido en el clculo de la
supercie continental neta, y que llamaremos

f.
Rescribiendo la ecuacin (11) se tiene que:
T
e
C
= T
e
o
C

fT
e
o
C
. (16)
Ahora la densidad poblacional neta D
n
p
, considerando la
ecuacin (13) es
D
n
p
=
P
T
e
C
(17)
En particular,
D
n
p
=
P
T
e
o
C

fT
e
o
C
(18)
Dado que a priori no se conocen los errores cometidos
en el proceso de cuanticacin de la supercie de las dis-
tintas zonas no habitables consideradas en la Tabla , se
muestran las distintas cotas entre las cuales se encontra-
ra la densidad poblacional neta, al considerar errores de
magnitud distinta.
ESCENARIO f
1
f
2
f
3
f
4
f
5

f COTA SUPERIOR COTA INFERIOR
NMERO 1 0 0 0,003 0 0,003 -0,00231 128,52 129,11
NMERO 2 0,01 0,01 0,005 0,01 0,001 -0,00862 127,71 129,93
NMERO 3 0,03 0,05 0,01 0,03 0,08 -0,02445 125,74 132,04
Tabla 33. Intervalos construidos al tomar errores de distinta magnitud.
En la Tabla 33, el escenario nmero 1, representa un es-
cenario ideal, en el cual la supercie de reas protegidas,
de ros, lagos y lagunas, zonas desrticas y de playa per-
manecen constantes, variando solamente las zonas de cul-
tivo de manera similar al ao pasado (del 2008 al 2009), y
las zonas camaroneras en igual proporcin a las zonas de
cultivo y cuyo valor es menor al 0.03 %. Bajo estas conside-
raciones se tendra que la densidad poblacional se encuen-
tra en el intervalo [128,53; 129,10], siendo el error cometi-
do en el clculo de la densidad poblacional neta menor al
0,25 %.
El escenario nmero 2, representa un escenario en el
que se cometi un error de cuanticacin del 1 % con res-
pecto a las reas protegidas, ros, lagos, lagunas y zonas
desrticas y de playa, as como un error del 0.5 % respecto
a las zonas de cultivo y camaroneras. Bajo estas considera-
ciones se tendra que la densidad poblacional se encuentra
en el intervalo [127,71 ; 129,93], siendo el error cometido en
el clculo de la densidad poblacional neta menor al 0,87 %.
Para nalizar, el escenario nmero 3 representa un es-
cenario en el cual la supercie de las reas protegidas di-
ere un 3 % del valor considerado, que el rea de los ros,
lagos y lagunas varan en un 5 %, que hay un variacin del
1 % en el rea de las zonas de cultivo, que las zonas desr-
ticas variaron en un 3 % y que el rea de las camaroneras
varia en un 8.
Bajo estas consideraciones se tendra que la densidad
poblacional se encuentra en el intervalo [125,74 ; 132,04],
siendo el error cometido en el clculo de la densidad po-
blacional neta menor al 2,51 %.
Analti a
k
1
5 Aplicaciones
Al aproximar de una manera ms exacta la densidad
poblacional, obtenemos un mejor indicador para la repar-
ticin de recursos y servicios en un rea determinada. Co-
mo una aplicacin de esto, vamos a calcular el rea mni-
ma que le correspondera patrullar a un polica y guardar
a una estacin de bomberos. Para el clculo propuesto se-
guiremos los siguientes pasos:
1. Consideraremos propuestas de organismos interna-
cionales sobre la relacin de efectivos-nmero de habi-
tantes R.
2. Fijamos la poblacin del territorio continental ecua-
toriano P, en 14.180.534 habitantes, segn la proyec-
cin del INEC para el ao 2010.
3. Se calcular el nmero aproximado de efectivos (po-
licas (p) - bomberos (b)) M, para patrullar o vigilar
a la poblacin considerada, a travs de la siguiente
relacin:
E
j
= PR, (19)
donde j=p,b.
4. Se aproximar, como zona referencial para la ubica-
cin de efectivos, la supercie en la que se encuen-
tran congregados mil habitantes. Para ello conside-
raremos por separado la densidad poblacional bruta
D
B
y la densidad poblacional neta D
N
, a travs de la
siguiente relacin
S =
M
D
j
(20)
Donde j = B, N y S es la supercie en donde se en-
cuentran congregados M habitantes.
A continuacin, se desarrollaran los casos citados:
Policas. Para determinar el rea mnima que le corres-
ponde vigilar a un polica consideraremos la propuesta de
la ONUsobre la relacin polica-nmero de habitantes; la cual
establece como promedio ponderado aceptable tres poli-
cas por cada mil habitantes
R
p
=
3
1000
. (21)
Luego, dado que la poblacin ecuatoriana P es de
14.180.534 habitantes, utilizando la igualdad (19) podemos
deducir que en el Ecuador continental deberan existir al
menos
E
p
=14.180.534
3
1000
=42.542 policas
A continuacin, determinaremos en km
2
la zona en la
cual se encontraran congregados mil habitantes.
Utilizando la igualdad (20) y los datos de la densidad
bruta, 57,10 hab/km
2
, tendremos que:
S
B
=
1000
57, 10
= 17, 51km
2
. (22)
Esto signica que en 17,51 km
2
se encuentran congregados
mil habitantes y, por lo tanto, esta zona debera ser vigilada
por tres policas. Si realizamos una reparticin proporcio-
nal de las zonas de vigilancia, utilizando el valor obtenido
en la igualdad (22), se tiene que a cada polica le corres-
ponde vigilar una supercie aproximada de 5,84
2
km
2
.
Realizando un anlisis similar con el dato de la densi-
dad neta, 128,81 hab/km
2
, tendremos que la supercie en
la que se encuentra congregados mil habitantes es de:
S
N
=
1000
128, 81
= 7, 76km2, (23)
y, por lo tanto, esta supercie debera ser vigilada por tres
policas. De manera anloga, si esta rea es repartida de
manera proporcional para cada uno de los policas, ten-
dremos que a cada uno le correspondera vigilar una su-
percie aproximada de 2,29 km
2
.
Para ejemplicar las cifras calculadas consideraremos
una zona urbana de la ciudad de Quito (vase la gura 7).
Figura 7. Sector centro norte de la ciudad de Quito. rea aproxi-
mada 5,84 km
2
. El color anaranjado representa aproximadamen-
te, 5,84 km
2
. Es decir, la zona que le tocara vigilar a un polica
considerando la densidad poblacional bruta. El color azul repre-
senta aproximadamente, 2,29 km
2
, es decir, la zona que le tocara
vigilar a un polica considerando la densidad poblacional neta.
Como se puede observar, un clculo adecuado de la
densidad poblacional permitir distribuir de una mejor
manera los servicios y recursos.
2
Este valor resulta al dividir el resultado de la ecuacin 22, para tres.
Analti a
k
1
Bomberos. Para determinar el rea mnima que le corres-
ponde guardar a una estacin de bomberos, considerare-
mos la media recomendada por la Unin Europea, la cual
establece que debe existir un bombero por cada mil habi-
tantes
R
b
=
1
1000
. (24)
Luego, dado que la poblacin ecuatoriana P es de
14.180.534 habitantes, utilizando la igualdad (19), pode-
mos deducir que en el Ecuador continental deberan existir
al menos
E
b
= 14.180.534
1
1000
= 14.180 bomberos.
Si se asume que en cada estacin de bomberos deben
permanecer diez bomberos se tendra en el Ecuador Con-
tinental un mnimo de 1.418 estaciones de bomberos, cada
una de ellas sirviendo a 10.000 personas.
A continuacin, determinaremos en km
2
la zona en la
cual se encontraran congregados diez mil habitantes.
Utilizando la igualdad (20) y el valor de la densidad
bruta, 57,10 hab/km
2
, tendremos que:
S
B
=
10,000
57, 10
= 175, 13km
2
. (25)
Esto signica que en 175,13 km
2
se encuentran congrega-
dos diez mil habitantes y, por lo tanto, esta zona debera
ser vigilada por una estacin de bomberos.
Figura 8. Sector centro norte de la ciudad de Quito. rea apro-
ximada 175,13 km
2
. El color anaranjado representa aproximada-
mente, 175,13 km
2
, es decir, la zona que le tocara guardar a una
estacin de bomberos considerando la densidad poblacional bru-
ta. El color azul representa, aproximadamente, 77,63 km
2
, es de-
cir, la zona que le tocara guardar a una estacin de bomberos
considerando la densidad poblacional neta.
Realizando un anlisis similar con el dato de la densi-
dad neta, 128,81hab/km2, tendremos que la supercie en
la que se encuentra congregados diez mil habitantes es de
S
N
=
10,000
128, 81
= 77, 63km
2
, (26)
y, por lo tanto, esta supercie debera ser vigilada por una
estacin de bomberos.
Para ejemplicar las cifras calculadas consideraremos
una zona urbana de la ciudad de Quito (vase la gura 8).
Finalmente, cabe sealar que las aplicaciones mostra-
das pretenden ejemplicar los diversos usos que se pue-
den dar a los valores obtenidos en este estudio.
6 Conclusiones
1. Actualmente los valores de densidad poblacional exis-
tentes en Ecuador no establecen la densidad poblacio-
nal real, puesto que incluyen todos los espacios no habi-
tables y, de esta forma, no tienen en cuenta la verdadera
masa crtica poblacional. Tener en cuenta los espacios
no habitables da la sensacin de que la densidad de po-
blacin es ms baja que la real, y que la poblacin se en-
cuentra muy dispersa, cuando en realidad est ms con-
centrada en ncleos. En este estudio se evidenci que al
considerar diferentes zonas no habitables dentro del te-
rritorio Ecuatoriano, la densidad poblacional puede va-
riar de una manera no despreciable, pues esta pas de
ser 57,10 hab/km
2
a ser 128,81 hab/km
2
, lo que repre-
senta un aumento del 125.6 % del valor inicial. Por otra
parte, si se toma en cuenta errores en la toma y proce-
samiento de la informacin, as como la variacin en el
rea de las zonas consideradas se tiene que la densidad
poblacional en el escenario ms desfavorable concebido
en este estudio no ser menor a 127,42 hab/km
2
, lo que
representa un aumento no menor al 123,16 %.
2. El establecer la densidad de poblacin real de un territo-
rio puede ser un dato bastante til a la hora de disear
y establecer polticas pblicas, como se muestra en la
aplicacin. En pases desarrollados, la densidad de po-
blacin es utilizada para categorizar territorios, ya sean
urbanos o rurales (con densidad poblacional alta, inter-
media o baja) y asignar a cada categora de territorio
unos servicios bsicos estandarizados e infraestructuras
por parte de las administraciones. A diferente densidad
de poblacin, los territorios presentan problemas (y so-
luciones) distintas y es uno de los datos que se deberan
utilizar (junto con otras caractersticas territoriales, co-
mo la geografa, el sistema productivo, caractersticas
sociales, niveles de renta) para asignar recursos y opti-
mizarlos en funcin de la poblacin a atender.
3. Dada que la alta densidad de poblacin se concentra en
ciudades y territorios urbanos, estos valores deberan
ser cuanticados. En particular, el clculo adecuado de
Analti a
k
1
la densidad poblacional en centros urbanos (cantones y
juntas parroquiales) determinar el nmero de colegios,
parques, centros de salud y hospitales, centros sociales,
que son necesarios para atender a la poblacin. Cada
uno de estos servicios atender a una ratio poblacio-
nal, lo cual hace necesario establecer, entre otras cosas,
su mejor ubicacin y los recursos que sern necesarios
(tanto econmicos como humanos), para ofrecer los ser-
vicios de calidad con equidad de acceso pero tambin
con eciencia, optimizando los recursos.
4. Una baja densidad de poblacin supone que los servi-
cios e infraestructuras deberan atender el mismo ratio
de poblacin en funcin del criterio de eciencia, con-
siderando que la poblacin se encuentra dispersa. Los
parmetros anteriores de calidad (ecacia), equidad de
acceso y eciencia puede que no sean los mismos, e in-
cluso que las soluciones sean totalmente diferentes que
en un espacio urbano con alta concentracin poblacio-
nal. En ese caso, los servicios pueden establecerse como
itinerantes, acercando el servicio al ciudadano en ca-
da una de las poblaciones de referencia, bien mejorar
el transporte pblico entre los municipios, o bien ubi-
car el servicio y/o infraestructura en el lugar que ofrez-
ca mejores posibilidades de comunicacin y transporte.
Las soluciones y los recursos que se necesitarn en es-
ta situacin son diferentes y afectan tanto al diseo y
planicacin de la poltica pblica como a los recursos
econmicos y humanos.
5. Finalmente, la alta proporcin de zonas no habitables en
Ecuador hace que los datos reales de densidad de pobla-
cin se vean alterados sustancialmente. Este hecho de-
bera modicar la percepcin de las polticas a adoptar
para el desarrollo de diversos territorios, considerando
las caractersticas locales de cada uno de ellos.
Agradecimientos
decimiento a Ana Molina, por sus valiosos comentarios y
sugerencias para la elaboracin del presente trabajo.
Referencias
[1] A. Coloma, Parque el Condor, Gua del Patri-
monio de reas Naturales Protegidas del Ecuador,
ECOFUND, FAN, DarwinNet, IGM, Quito-Ecuador,
(2007).
[2] C. Rivadeneira, Reserva Geobotnica Pululahua,
Gua del Patrimonio de reas Naturales Protegidas
del Ecuador, ECOFUND, FAN, DarwinNet, IGM,
Quito-Ecuador, (2007).
[3] Constitucin de la Repblica del Ecuador, Ttulo VII,
Captulo 2.
[4] COP, Convenio de Diversidad Biolgica, Ro,
(1992).
[5] Environmental Systems Research Institute, ArcGIS
Desktop Help 9.2, USA, (2007).
[6] E. Avils, Enciclopedia de Ecuador, Ecuador, (2010).
[7] E. Bravo, La industria camaronera en el Ecuador,
Accin Ecolgica, Ecuador, (2000).
[8] ECOLAP y MAE, Gua del Patrimonio de reas Na-
turales Protegidas del Ecuador, ECOFUND, FAN,
DarwinNet, IGM, Quito-Ecuador, (2007).
[9] F. Rivas , A. Alarcn y C. Carolina Espinosa, Geobo-
tnica del Ecuador, Escuela Politcnica del Ejrcito,
Sangolqu, (2005).
[10] INEC, Metodologa ESPAC, Ecuador, (2000).
[11] Instituto Geograco Militar, Instructivo para el uso
de cartas topogrcas digitales en formato shape-
le, Quito, (2010).
[12] Instituto Geograco Militar, Licencia de uso de la
cartografa bsica del Ecuador a escala 1:50.000, Qui-
to, (2010).
[13] Ley Forestal y de Conservacin de reas Naturales y
Vida Silvestre, Ttulo I, Capitulo 1 y 2.
[14] Ley Forestal y de Conservacin de de reas Naturales
y Vida Silvestre, Ecuador, (1981).
[15] Ministerio de Ambiente del Ecuador, Ecuador maga-
diverso, Ecuador, (2010).
[16] Subsecretara de Patrimonio Natural, Planes de Ma-
nejo del Sistema Nacional de reas Protegidas (Docu-
mentos Tcnicos), Ministerio de Ambiente del Ecua-
dor.
Analti a
k
1
ANEXOS
A Clculos realizados
Al abordar este estudio se encontr muy poca informa-
cin sobre la ubicacin, dimensiones y caractersticas de
las distintas zonas no habitables, teniendo que analizar, ca-
racterizar y cuanticar las supercies de aquellas zonas de
las cuales no se encontr informacin anterior a la presen-
tada en este estudio. Es por eso que se considera que dos
de los principales aportes de este estudio son, por un lado,
el clculo de las reas de los distintos ros, lagos y lagu-
nas de pas, y por otro, la ubicacin provincial de los lagos
y lagunas, encontrando en la base cartogrca del IGM la
principal fuente de informacin para esta labor.
A continuacin se explica con mayor detalle nuestra
forma de proceder para alcanzar este n.
A.1 Ros
Antes de iniciar, se debe aclarar que la informacin con-
tenida dentro de cada una de las cartas pertenecientes a la
cartografa base proporcionada por el IGM es nica e irre-
petible, lo que signica que dos cartas topogrcas no pue-
den contener informacin repetida sobre un mismo lugar
geogrco.
Dada esta aclaracin, a continuacin, se enunciaran los
pasos seguidos para determinar la supercie de un ro de-
terminado:
1. Dado que los ros estudiados recorren grandes dis-
tancias, inicialmente se determin cules cartas to-
pogrcas contenan informacin sobre el ro estu-
diado.
2. Se aproxim la porcin de rea contenida en las dis-
tintas cartas topogrcas de inters, a travs de pol-
gonos.
3. Se aproxim el rea total del ro estudiado, a travs
de la suma de las sub-reas calculadas anteriormen-
te.
4. Al nalizar, se obtuvo la base mostrada en la siguien-
te tabla.
NOMBRE Area km
2
ABANICO 0,6059268
ACAE 0,0297285
ACHICUBE 0,0913597
ACHIOTE 0,6853513
ACHIOTILLO 0,4524836
ACHIYACU 0,1652883
ACHOTIOTILLO 0,0596274
ADANGO 0,5154404
ADANGUYACU 0,7863642
AGUA CLARA 7,9580355
AGUACATE 0,1489408
AGUARICO 398,890938
ALAMOR 5,0151989
ALAO 1,0579506
AMARILLO 0,5495815
AMBOCAS 0,4895791
AMUNDALO 1,0625491
ANDRESYACU 1,0595648
ANGAMARCA 1,7404695
ANTISANA 0,5058338
ANZU 5,7672340
AQUEPI 0,4728128
ARAJUNO 7,3398412
NOMBRE Area km
2
ARENILLAS 1,8907037
ARMADILLO 0,7440067
ARRAYANPUNGU 0,1189426
AYAMPE 0,1949193
AZUELA 0,1587314
BABA 5,3279507
BABAHOYO 112,7356873
BACHILLERO 0,5150329
BAHAMENO 0,1205466
BALAO GRANDE 5,4950606
BANIFE 0,1922453
BAPADO 0,5177612
BARRANCO ALTO 1,4922950
BARRO 0,2004744
BECHE 0,3395631
BIGAL 1,2169870
BILSA 0,3722191
BIMBE 1,0733158
BLANCO 45,2780751
BOBO 3,2618249
BOBONAZA 29,8365735
BOGOTA 1,5698599
BOLICHE 4,8177478
NOMBRE Area km
2
BOLO 0,5409794
BOMBUSCARA 3,1774265
BONITO 0,9942962
BORJA 0,5456090
BRAVO 0,4895018
BRAVO GRANDE 1,0733067
BRAZO LARGO 1,0082699
BRICEDO 0,0997405
BUA 1,6592177
BUENAVISTA 3,7417160
BUENO 3,6276951
BUNCHE 0,1521092
CACHAVI 1,3434417
CACHIYACU 1,4150975
CADAR 6,5836099
CAJONES 0,4650113
CALABI 2,0882847
CALIFORNIA 0,4338122
CALLANAYACU 0,9360508
CALMITOYACU 0,2239244
CALOPE 1,4366587
CALUMA 0,1824460
CAMPECHE 0,1022440
Analti a
k
1
NOMBRE Area km
2
CANANDE 3,7148136
CANCHIYACU 0,0503588
CANGAIME 10,8695604
CANGUA 0,1543852
CANUMBI 2,2498952
CAONI 2,0207196
CAPAHUARI 2,8408455
CARCHI 0,5442396
CARRIZAL 1,3442946
CASHPI PITISHCA 0,1020924
CASUTCA 1,0699917
CATAMAYO 1,5016808
CATARAMA 3,8875262
CAYAPAS 56,448749
CEBADAS 0,7122441
CEDROYACU 0,1600723
CENEPA 0,0020849
CEVALLOS 0,0788345
CHAGE 0,3057976
CHALUPAS 1,5655907
CHAMBA 0,1095688
CHAMBO 3,8807373
CHAMOTETE 0,3250953
CHANCHAN 3,9664905
CHANGUARAL 2,1630197
CHANGUIL 0,4421303
CHAPALA 0,1524907
CHAPIZA 0,4062045
CHAZO JUAN 0,4140213
CHEBE 1,3228678
CHEMERE 0,5477233
CHICHE 0,2287435
CHICHIS 0,1735987
CHICO 0,5437632
CHICTA 0,5043885
CHIGUAZA 1,2705443
CHILA 1,6872706
CHILCALES 2,2850282
CHILINTOMO 0,0944550
CHIMBADAL 2,1871625
CHIMBIME 8,1883823
CHIMBO 6,8117849
CHINGUAL 0,9690023
CHINGUISIMI 0,0070683
CHINIMBIMI 0,4605131
CHINKIANAS 0,5990492
CHIPE 0,2276415
CHIRA 6,1216161
CHONE 19,2797282
CHONGON 3,0032916
CHONTAYACU 0,8379765
CHOTA 1,0889247
CHUCHUMBLEZA 3,9097449
CHUMBIRIATZA 4,5728100
NOMBRE Area km
2
CHUNDAYACU 3,7431071
CHUQUIRAHUAS 1,7858393
CHUYA LLUSHIN 1,8002642
CINTO 1,4176706
CLEMENTINA 0,8047280
COCA 123,692594
COCANIGUAS 0,5403382
COCO 0,6050871
COJIMIES 0,0199619
COLIMES 1,8649137
COLONSO 0,2706109
COLORADO 0,3636788
COMO HACEMOS 0,2818635
CONDUE 0,5716190
CONEJO 0,3077115
CONGOMA 1,7057060
CONONACO 24,0526645
COPATAZA 6,0483506
COROZAL 0,1087643
COSANGA 1,8004890
COTAPINO 0,8480996
COTONA 0,7968151
CRISTAL 6,8096529
CRISTAL GRANDE 0,7118735
CRISTALITO 0,0353692
CUANZA 0,5156082
CUAQUE 2,2841863
CUASA 0,1486706
CUBE 1,2868444
CULEBRAS 0,3243780
CUNAMBO 14,6231159
CUPA 0,5888233
CURARAY 145,923982
CUSHUIMI 5,3456417
CUSUTCAIME 1,0071004
CUTUCHI 2,6853411
CUTUGUAY 0,1573973
CUYABENO 5,2256320
CUYUIME 0,6435638
DANTAYACU 0,2938688
DASHINO 1,0321575
DAULE 53,2423085
DE ORO 0,7817909
DE PIEDRAS 0,8315866
DEL VALLE VICIOSO 0,3929104
DESGRACIA 0,1222424
DICAIO 0,8630247
DIVISO 0,4900147
DOGOLA 1,7168619
DON JUAN 0,0258393
DORADA 0,0493470
DORADO 0,2117671
DUE 3,6937809
DUE GRANDE 1,0469865
NOMBRE Area km
2
EL MONO 0,1981168
EL RAMAL 0,0801874
EL TORO 0,1419469
EL TORO GRANDE 0,0639783
EL VENADO 0,2442450
ENCANTO 0,5288500
ENE 0,0903530
ENGABAO 0,0366102
ENO 2,9138218
ESMERALDA 0,0663731
ESMERALDAS 73,3430695
FORESTAL 1,7264003
FRIO 0,2272112
GALA 6,589280
GRANDE 1,8629623
GUADALUPE 1,1474955
GUADUAL 0,2089178
GUALACEO 0,6826751
GUALPI 1,7902131
GUANZA 0,2824221
GUAPARA 0,1042671
GUAYABAL 0,6409778
GUAYAS 395,370941
GUAYLLABAMBA 8,6073159
GUEPPI 4,4103834
GUINEAL 1,4092449
GUIZA 9,8596569
GUSANO 0,6509481
HOJA BLANCA 0,3645138
HOLLIN 3,1853534
HONDO 2,1504839
HUAGCHUYACU 0,8115167
HUASAGA 1,8287920
HUATARACO 2,6041912
HUELE 0,3128582
HUICHIME 1,6359638
HUIMBI 0,4427930
HUINO 0,3764640
IGUANA 0,5150863
ILIPE 0,2831653
INCHILLAQUI 0,3376084
INDILLANA 2,0290997
INGA 0,3667901
INSINCHE 0,1509919
ISHPINGO 3,4112976
JAGUA 1,5837948
JALLIGUA 0,3788725
JAMA 2,6658622
JAMBUE 4,0075862
JATUNYACU 1,2250666
JAVITA 0,1201280
JIVINO 0,5460221
JORDAN 1,0930391
JUBONES 14,144970
Analti a
k
1
NOMBRE Area km
2
JUJAN 0,5380975
KAANK 0,3789912
KASPAIMI 1,2984024
KUFPANTZA 0,0148374
LA CALERA 0,5703792
LA ESPERANZA 0,3287081
LA MORENA 1,2510592
LAGARTO 0,0916662
LAGARTOCOCHA 6,0060747
LANGOA 0,1737091
LAS DAMAS 0,5748184
LAS JUNTAS 3,7074623
LAS MURAS 0,0963298
LAS VAINAS 0,3201876
LAVATORIO 0,5497628
LEON 2,9285468
LINDICHE 0,4076211
LLANGAYACU 0,1380669
LLIPUNO 0,5551936
LLIQUINO 1,8036798
LLOCULLIN 0,5058302
LLUSHCAYACU 0,0395985
LLUSIN 2,9035499
LOPI 0,1531996
LOS ATAJOS 6,2958414
LOS TINTOS 1,1207326
LUIS 0,2518454
LULU 2,0103409
LULU CHICO 0,6390772
LULU GRANDE 1,1278461
LUPAMBI 0,4657611
MACARA 1,1401365
MACHACUYACU 2,1588614
MACHE 5,2816095
MACUMA 20,1226334
MAGDALENA 0,1066997
MAGRO 0,3768667
MALICIA 0,2681353
MALO 0,4046214
MANDEROYACU 2,8039598
MANGOSIZA 6,7370687
MANGUILITA 0,7556778
MANGUILLA GRANDE 0,2210749
MAPALI 0,1809287
MASTRANTAL 1,0031524
MATAJE 38,8587345
MATALANGAR 0,8210606
MATE 0,2047613
MAZAN 0,1764781
MEMBRILLO 0,0754515
MEME 0,7239373
MEME CHICO 0,7899819
MERIBE 0,4980614
MILAGRO 1,0833201
NOMBRE Area km
2
MINDO 0,2444795
MIRA 32,4390400
MISAHUALLI 1,4296774
MOLINA 1,0675703
MOLINITA 0,1841535
MOLINO 0,4682725
MONDAYACU 0,0395967
MONGOYA 1,8068829
MONTADITA 0,0141126
MOROMORO 1,1218597
MORONA 7,4099986
MOSCA 1,2535609
MOSQUITO 0,1634329
MUISNE 4,2336941
MULATOS 2,2558610
MULAUTE 2,4647897
MURALLAS 0,4271334
NADADERO GRANDE 0,3777406
NAJURUNGO 2,6827968
NAJURUNGUITO 1,8085675
NAMAKIMI 0,5011037
NAMANGOSA 2,9141618
NANGARITZA 28,6126754
NANKUP 0,1003077
NAPO 867,142131
NARANJAL 3,0722320
NARANJO 0,4026709
NAVES GRANDE 0,0677018
NAYANAMACA 0,8078027
NEGRO 3,3894346
NEGROYACU 0,4589728
NORCAY 1,3893887
NUEVO 0,6898722
NULPE 0,1573516
NUMBAIME 0,2658454
NUMPAIN 0,1787088
NUMPATAKAIME 3,9939581
NUSHIDO 8,3888745
ONCEBI 0,4434959
ONZOLE 4,1797310
OPUNO 0,0074214
OSO 2,7167619
OSTIONES 0,8081430
OTONGO 0,1945507
OYACACHI 1,5733202
PACAYACU 0,2945993
PADAYACU 1,0892557
PAGUA 0,4246894
PAILON 0,0799586
PAJAN 1,4543276
PALORA 42,609852
PAMBIL 0,3952777
PANKI 2,5770686
PANO 1,0623495
NOMBRE Area km
2
PAPALLACTA 0,3144351
PARCAYACU 0,6229279
PASTAZA 427,4664770
PATATE 1,2779867
PATIA 23,2050003
PATUL 1,0321001
PAUSHIYACU 5,3692914
PAUTE 1,7977089
PAYAMINO 15,2156989
PEDRO CARBO 1,7243005
PERIPA 2,4049747
PESCADILLO 0,2637748
PIATUA 1,4673178
PIATUA BLANCO 0,5199481
PIDANATUG 0,6448409
PIDUDA BLANCA 2,6244205
PIEDRAS 0,6810856
PILATON 0,6640730
PINDO 1,0789857
PINDO GRANDE 0,6935314
PINGUINTS 0,0380717
PINTOYACU 13,4258865
PISQUE 0,4119553
PITA 0,6952987
PITIU 0,6095430
PITZARA 0,8672706
PLATANO 0,6463611
PORTOVIEJO 2,5004677
POTOSI 0,4218724
PUCA 1,9503634
PUCUNO 11,2026309
PUDUDA 0,0957941
PUEBLO VIEJO 0,2413239
PUELA 0,0754555
PUEMBO CHICO 0,0674912
PUEMBO GRANDE 0,3271874
PULA 3,2066107
PUMPUIS 6,1612876
PUNI 0,9751617
PUNINO 3,3516350
PUNIO 0,0762486
PUPUSA 1,0896041
PUSINO 1,3361727
PUSUNO 1,2056658
PUTUIMI 0,1299548
PUTUMAYO 320,6763761
PUTZU 4,2464154
PUTZUNO 0,3407282
PUYANGO 4,9938043
PUYO 2,4055461
QUEVEDO 16,0034759
QUIJOS 15,600597
QUILLOSANA 0,7012380
QUILLOYACU 0,6621293
Analti a
k
1
NOMBRE Area km
2
QUINDIGUA 9,231708
QUININDE 7,2679941
RIRCAY 0,4136359
RUMIYACU 4,3864795
SABALETITA 0,1056861
SABALO 9,3144897
SALAZAR 1,7312820
SALITRE 0,2785495
SAN AGUSTIN 1,9607182
SAN ANTONIO 9,5002674
SAN FRANCISCO 0,2782878
SAN JOSE 0,1841554
SAN JUAN 2,8158321
SAN JUAN CHICO 0,0740351
SAN MIGUEL 68,6710818
SAN PABLO 5,8465156
SAN PEDRO 1,6936802
SANDALIA 0,2344723
SANGAY 3,5107673
SANSA HUARI 0,0193744
SANTA MARIA 0,3083113
SANTA ROSA 1,3760260
SANTIAGO 56,0413443
SANTIMA 0,0904112
SARAYAQUILLO 5,0028072
SAUNTZA 0,1824176
SECO 0,2872468
SHANCARAJUNO 0,4688051
SHICAYACU 0,3688832
SHICULIN 0,3636877
SHINCATA 0,8804814
SHINLLIPANGA 0,2993151
SHIRIPUNO 7,6829018
SHUSHUFINDI 1,0981545
SIBIMBE 1,0343705
SICHIDA 0,1424030
SIETE 0,9809976
SIETE VUELTAS 0,0617032
SIGUIN 0,1178358
SILANCHE 1,0039185
SILENCIO 0,1555819
SITUCHE 1,7019085
NOMBRE Area km
2
SOLOMA 0,3809796
SOLOYA 0,4992882
SOTANO 0,3357745
SUANTS 0,2027593
SUCIO 2,9861654
SUMINO 0,0984551
SUNO 5,5859645
SUPAYACU 0,9034507
SUQUIBI 1,6975931
SUYUNUYACU 1,4198713
TABIAZA 0,1761568
TABUCHE 0,5987717
TAISHACURARAY 0,1894111
TAMBILLO 15,8720278
TASHAPI 0,5068694
TAURA 20,6162038
TAYUNTZA 1,8143353
TELEMBI 20,9231759
TENA 1,2310756
TENGUEL 0,9244284
TIAONE 2,6877732
TIBIO 0,3107459
TIGRE 0,6401588
TIGREYACU 0,4913646
TIGUA 0,1881879
TIGUINO 7,0408578
TINGUISA 0,6050725
TIPUTINI 24,2597128
TITINKIAF 0,1537777
TIVACUNO 3,0289494
TOACHI 5,5244148
TOACHI CHICO 0,3321738
TOACHI GRANDE 0,8801532
TOBAR 0,1964380
TONCHIGUE 0,0720178
TOPO 1,3341848
TRAPICHILLO 0,0555729
TUISHCACHI 0,1662416
TULULBI 1,0456433
TUNA 0,4937784
TUNA CHIGUAZA 0,5647811
TUTAPIASCO 0,1644999
NOMBRE Area km
2
TZAPINO 2,5492301
TZENGANGA 5,0319723
UDUSHAPA 0,7503904
UMBE 1,7281125
UPANO 56,595661
USHILLA ZAZAPI 0,6339622
VALDIVIA 0,6989516
VENDIDO 0,1320402
VENTANAS 0,7876038
VERDE 5,1681079
VERDE CHICO 0,1085455
VERDEYACU 0,7547349
VICHE 2,6939238
VILLANO 9,3515466
VINCES 8,5211020
VIVAR 0,1848226
VOLCAN 0,8763697
WAGRANI 0,6484086
WAMPIS 0,5832814
WAPUNTSENTZA 0,2719307
WAWAIM 0,6216328
WAWAIMI 0,4161248
WAWAIN 0,2256270
WICHIMIE 1,9622716
YAAPI 0,7817441
YAGUACHI 0,4978329
YAGUANA 0,3291512
YAHUILA 0,3017244
YAMALICO 1,294963
YANARUMI 0,0981752
YANUNCAY 0,7427482
YAREPA 0,7429847
YASUNI 5,7286054
YATANAENTZA 0,2139338
YAUPI 3,7247506
YURUGYACU GRANDE 0,6042336
YUTURI 0,5956461
ZAMORA 36,8498119
ZAPOTAL 2,0009458
ZARUMILLA 2,2865847
ZUDAC 0,2074906
Total 4406,85
A.2 Lagos y lagunas
El modo de proceder para el clculo de la supercie
abarcada por un lago o laguna es similar al clculo rea-
lizado en el apartado anterior. En esta seccin adems se
determinar la ubicacin de los distintos lagos y lagunas,
pues por su forma y distribucin esto es factible.
A continuacin se muestra la forma en que se procedi
para el clculo de la supercie y ubicacin de los diferentes
lagos y lagunas.
1. Se identic cules cartas cartogrcas posean infor-
macin sobre algn lago o laguna
2. Se aproxim el rea de los lagos o lagunas identica-
dos, a travs de polgonos.
3. Cuando la informacin de una misma laguna se en-
contraba en ms de una carta, se calculaba el rea
de cada porcin de lago o laguna en todas las car-
Analti a
k
1
tas identicadas, siendo la suma de las supercies de
las porciones de cada lago o laguna, la supercie del
mismo.
4. Una vez cuanticados la totalidad de lagos y lagu-
nas, se aproxim la ubicacin geogrca de cada lago
y laguna de la siguiente manera:
4.1. Se calcul el centro de masa de cada divisin de
un mismo lago o laguna.
4.2. Se tom a cada uno de los centros de masa como
la posicin de una partcula cuya masa puntual
es el rea de la porcin de lago o laguna al que
representa.
4.3. Se aproxim la ubicacin del total del lago o la-
guna como el centro de masa de todo el sistema.
Esta aproximacin nos sirvi de gua para deter-
minar la pertenencia de cada lago o laguna a las
distintas provincias del continente ecuatoriano.
4.4. Al nalizar, se obtuvo la base mostrada en la si-
guiente tabla.
AZUAY
NOMBRE Area km
2
LAGUNA AGUARONGO 0,005749502759
LAGUNA ARROZPAMBA 0,011527813280
LAGUNA ATAJADA 0,032495312738
LAGUNA ATUGYACU CHICO 0,011247743355
LAGUNA ATUGYACU GRANDE 0,109581167040
LAGUNA AURINCOCHA 0,021225943874
LAGUNA AYLLON 0,076011951606
LAGUNA BARROS 0,003854020754
LAGUNA BILLETE 0,031174272296
LAGUNA BURIN CHICO 0,023598475281
LAGUNA BURIN GRANDE 0,100137432722
LAGUNA BUSA 0,094744344641
LAGUNA CANOTILLOS 0,188439254770
LAGUNA CARDENILLO 0,014317561336
LAGUNA CASUIUA 0,007719340319
LAGUNA CEBADILLA 0,002424655296
LAGUNA CELESTE 0,009035208727
LAGUNA CHACAYACU 0,055098520570
LAGUNA CHACHACOCHA 0,011521925045
LAGUNA CHARON HUASI 0,021112012329
LAGUNA CHICA TOREADORA 0,012449710925
LAGUNA CHOPSHI 0,045241514220
LAGUNA CHUSALONGO 0,055193151617
LAGUNA CHUSPIHUAYCU 0,092046869375
LAGUNA COCHAURCU 0,006518353992
LAGUNA COCHUMA 0,060556192921
LAGUNA CONDORCOCHA 0,039260844747
LAGUNA CONTRA HIERBA 0,016410690509
LAGUNA CUCHEROS 0,034686023690
LAGUNA CUSNIHUAYCU 0,091445079490
LAGUNA DE AMARILLO DERRUMBO 0,091266440873
LAGUNA DE ANGAS 0,053682788476
LAGUNA DE BURIN 0,013285586914
LAGUNA DE CHAUPICHULO 0,079056761133
LAGUNA DE CUEVA ESCRITA 0,094189241867
LAGUNA DE DUBLAS 0,205358636507
LAGUNA DE GUNO 0,008854650658
LAGUNA DE INGAHUASI 0,012101203131
LAGUNA DE LA CASA 0,225517335
LAGUNA DE LAS IGLESIAS 0,009827125288
LAGUNA DE PALLACOCHA 0,008541002699
AZUAY
NOMBRE Area km
2
LAGUNA DEL PERRO CHICO 0,009659355496
LAGUNA DEL PERRO GRANDE 0,020468264785
LAGUNA DOS CHORRERAS 0,142316808673
LAGUNA ESTRELLA COCHA 0,024708176736
LAGUNA ESTRELLAS COCHA 0,038234108261
LAGUNA FONDO COCHA 0,035131629414
LAGUNA GALLO CANTANA 0,012267971413
LAGUNA HABACOTA 0,013667856651
LAGUNA HUNANCHI 0,191877293973
LAGUNA ILLINCOCHA 0,020139441063
LAGUNA INGA CASA 0,190789281109
LAGUNA INGADAN 0,002628910326
LAGUNA JIGENO 0,211683839460
LAGUNA LABRADOR 0,595469259982
LAGUNA LARGA 0,246483800988
LAGUNA LLALLI 0,011552401778
LAGUNA LLAVIUCU 0,131118529854
LAGUNA LORO URCU 0,015023877589
LAGUNA LOS CIPRESES 0,018892307792
LAGUNA LUSPA 0,795032338071
LAGUNA MAMA TOMASA 0,008321355034
LAGUNA MEDIANO PAQUI 0,074686387514
LAGUNA NARIG 0,008427756015
LAGUNA OSO HUAYCU 0,698258230293
LAGUNA PALLCACOCHA 0,047171028519
LAGUNA PAROQUINUAS 0,052831247454
LAGUNA PATOCOCHA CHICO 0,005615385409
LAGUNA PIEDRA AMARILLA 0,109386190834
LAGUNA PIACHI 0,003505655119
LAGUNA PICOCHAS 0,019064065997
LAGUNA PIDANCOCHA 0,033581154788
LAGUNA POTRO MUERTO 0,012320913405
LAGUNA PUCARRUMI 0,039751171072
LAGUNA QUINGOCOCHA 0,009486921271
LAGUNA QUINGOR 0,013425433115
LAGUNA QUINUAS 0,035955206451
LAGUNA RIDON COCHA 0,077594344881
LAGUNA RODEO O HACHAN 0,009807237407
LAGUNA RUNASHAYANA 0,039251673162
LAGUNA SANTO DOMINGO 0,081749118543
LAGUNA SEROCOCHA 0,003079774201
Analti a
k
1
AZUAY
NOMBRE Area km
2
LAGUNA SHUNO 0,005954843216
LAGUNA SUNINCOCHA 0,388806480362
LAGUNA TAGSHA 0,079484871038
LAGUNA TAITA CHUGO 0,565747949210
LAGUNA TANGEO 0,008876446490
LAGUNA TAQUIURCU 0,053371367926
LAGUNA TINTACOCHA 0,403541684077
LAGUNA TINTAPUNGU 0,007089602257
LAGUNA TOREADORA 0,182900679660
LAGUNA TORUGACACHI 0,006560569418
LAGUNA TOTORA COCHA 0,043379943469
LAGUNA TOTORAS 0,065701944589
LAGUNA TOTORASCOCHA 0,151882103402
LAGUNA TOTORILLAS CHICA 0,019645493441
LAGUNA TRUENOCOCHA 0,271996454272
LAGUNA VALERIANA YACU 0,005181818362
LAGUNA VALERIANATO 0,095062587079
LAGUNA VENTANAS 0,339116594738
LAGUNA VIVIANA 0,005222292944
LAGUNA YANACOCHA DE ATUGYACU 0,020321257526
LAGUNA YANTAHUAYCU 0,134213346051
LAGUNA ZHIRIGUIDA 0,032145243749
LAGUNAS ALUMBRE 0,115391365166
LAGUNAS CARDENILLO 0,018238237173
LAGUNAS DE ATRACADEROS 0,120665059406
LAGUNAS DE ATUGPAMBA 0,139474370079
LAGUNAS DE CASCARILLAS 0,105689303050
LAGUNAS DE GUALAHUAYCU 0,023547761356
LAGUNAS DE NAPALE 0,250234061826
LAGUNAS DE PATOS 0,058701917071
LAGUNAS DE SIRANCHUGLLA 0,013602577833
LAGUNAS DE SUERACOCHA 0,010348044807
LAGUNAS LAS CHORRERAS 0,105247204726
LAGUNAS LAS CONLLOSAS 0,028916720839
LAGUNAS NEGRAS 0,082579624706
LAGUNAS PLAYAS ENCANTADAS 0,317821558515
LAGUNAS QUIMSACOCHA 0,124842115793
LAGUNAS SAN ANTONIO 0,039229089952
LAGUNAS UNIDAS 0,264239763064
LAGUNA TRES LAGUNAS 0,174385193248
BOLIVAR
LAGUNA CALO COCHA 0,031483154708
LAGUNA LUTOCOCHA 0,001809820705
LAGUNA PATAMOCHA 0,312412202729
LAGUNAS DEL TIQUIBUZO 0,011106724636
CAAR
LAGUNA ARENILLAS 0,018323349582
LAGUNA BARROSCOCHA 0,034531710580
LAGUNA CASHIN 0,004304906776
LAGUNA CHULCUCOCHA 0,172682603364
LAGUNA CHUYA PATOCOCHA 0,001534981250
LAGUNA COCHA HUAYCU 0,002616363664
CAAR
NOMBRE Area km
2
LAGUNA DE TACANGA 0,004626818625
LAGUNA EL CARMEN 0,006301566145
LAGUNA EL RINCON 0,016970383550
LAGUNA GUABIZHUN 0,012424929014
LAGUNA JACARAN 0,052473571235
LAGUNA MACHANGARA COCHA 0,034481214828
LAGUNA MACHINGARA COCHA 0,471500762269
LAGUNA PAILACUCOCHA 0,012805154091
LAGUNA PATUL 0,080811165547
LAGUNA PINACOCHA 0,104478573476
LAGUNA QUITACOCHA 0,025658306613
LAGUNA SAN JOSE 0,056701242100
LAGUNA SARAMONTON 0,005962491355
LAGUNA SILUAPA 0,013412876900
LAGUNA SONTZAHUIN 0,265548198870
LAGUNA TAPLACOCHA 0,364780931780
LAGUNA TIPOCOCHA 0,004152104336
LAGUNA TOGLLACOCHA 0,102055011578
LAGUNA TROJECHARINA 0,010491395697
LAGUNA TUSHIN 0,027585691400
CARCHI
LAGUNA ARQUITECTO 0,002981895340
LAGUNA DE BAOS 0,002640216636
LAGUNA DE CAJUCO 0,066183960629
LAGUNA DE LA PLAZA 0,005648417290
LAGUNA DE POTRERILLOS 0,237996809086
LAGUNA DEL MEDIO 0,012228160997
LAGUNA EL SALADO 0,061944788681
LAGUNA RASOCOCHA 0,004842092600
LAGUNA SANTA LUISA 0,015805714740
LAGUNA SASARIN 0,113466530278
LAGUNAS DE CRESPO 0,143553558893
LAGUNAS DEL VOLADERO 0,284670132634
CHIMBORAZO
LAGUNA LAS TRES CRUCES 0,037990139439
LAGUNA AGUA DULCE 0,011105249736
LAGUNA ATANCOCHA 0,001862681048
LAGUNA AUCACOCHA 0,305853658213
LAGUNA AZUL 0,132035756102
LAGUNA AZUL COCHA 0,083431924016
LAGUNA BOAZO 0,291719221088
LAGUNA CACADRON 0,039767218719
LAGUNA CELINDRO 0,018855910208
LAGUNA CHAQUISHCA COCHA 0,083905208835
LAGUNA CHOCARCOCHA 0,015161891250
LAGUNA CHUYACOCHA 0,007499057410
LAGUNA COCHA 0,018831220229
LAGUNA COJITAMBO 0,048686187539
LAGUNA CUBILLIN 5,423075677900
LAGUNA CUYUG 0,027941818319
LAGUNA DAHUICUCHA 0,004813567111
LAGUNA DE COLTA 1,856214844859
Analti a
k
1
CHIMBORAZO
NOMBRE Area km
2
LAGUNA DE YANACOCHA 0,002023215898
LAGUNA DEL ORIENTE 0,008208437627
LAGUNA FICHIRON 0,005190242197
LAGUNA FRUTATIAN 0,045327743283
LAGUNA IGUAN COCHA 0,086847725030
LAGUNA JACSAN 0,175555418291
LAGUNA JUNACOCHA 0,065508358750
LAGUNA MAGTAYAN 2,266122628220
LAGUNA MANGAN 0,194640034993
LAGUNA MAPACOCHA 0,007511879082
LAGUNA MAPAHUIDA 0,067967409721
LAGUNA MUROCOCHA 0,062104171252
LAGUNA NEGRA 0,573269096382
LAGUNA NIDO COCHA 0,008160840000
LAGUNA PAILACOCHA 0,288880109839
LAGUNA PALANGANA 0,201366870897
LAGUNA PATO COCHA 0,003292271175
LAGUNA PATO ESCOPETA 0,010301877500
LAGUNA PATOGUAMBUNA 0,019264446122
LAGUNA PAYLLACOCHA 0,085156307944
LAGUNA PICHAHUIDA 0,575804745716
LAGUNA PUCACOCHA 0,156545509209
LAGUNA PUNGUL 0,005111135768
LAGUNA ROCON 0,013818105938
LAGUNA RUMICOCHA 0,022995851195
LAGUNA TALALAG CHICO 0,032727047608
LAGUNA TALINCOCHA 0,103248078350
LAGUNA TASARON 0,042573904855
LAGUNA TIAGUICOCHA 0,032587283395
LAGUNA TINGUICOCHA 0,070212489840
LAGUNA TINTILLAN 0,040149423977
LAGUNA TOLICOCHA 0,066334620340
LAGUNA VERDE COCHA 1,302741128939
LAGUNA VERDE COCHA CHICO 0,010671213317
LAGUNA YAHUARCOCHA 0,080832148349
LAGUNA YANACOCHA 1,604003588923
LAGUNA YANAURCU 0,056532279454
LAGUNA YUYO APANA 0,005232647437
LAGUNAS ARRAYAN 0,120893066042
LAGUNAS DE TASARON 0,007246358205
LAGUNAS MAGDALENA 2,650021487910
LAGUNAS TIACOS 0,008036829021
LAGUNA AMARILLA 0,085110974369
COTOPAXI
LAGUNA COCHAURCO 0,006235357733
LAGUNA CONDOR COCHA 0,003647914647
LAGUNA CUTZHUALO 0,006564328128
LAGUNA DE YAMBO 0,251572072227
LAGUNA QUILOTOA 3,059385460000
LAGUNA TILINTE 0,022072751372
EL ORO
NOMBRE Area km
2
LAGUNA CHILLACOCHA 0,002337639840
LAGUNA CHINCHILLA 0,005230641608
LAGUNA HUASIMO 0,123028533614
LAGUNA LA TEMBLADERA 0,821737959311
LAGUNA PUNTA BRAVA 0,120378821879
LAGUNA TOTORAL 0,284767051936
ESMERALDAS
LAGUNA CHILE 0,015564506355
LAGUNA DE TIMBRE 0,032110131755
GUAYAS
LAGO DE CAPEIRA 0,049736611878
LAGUNA CAZADORES 0,021674042713
LAGUNA CHALAQUERA 0,009871565100
LAGUNA CUBA 0,017837093238
LAGUNA EL CANCLON 7,924801503370
LAGUNA EL ENCANTO 0,044034542510
LAGUNA GALLINA 0,023675128386
LAGUNA LAS LECHUZAS 1,735195169460
LAGUNA LAS TAREAS 0,032738168150
LAGUNA PIEDROTA 0,004014743450
LAGUNA QUIQUILAY 0,025078140300
LAGUNA SAN JAVIER 0,014496295700
LAGUNA TADEO 0,012829255750
LAGUNA TEFANA 0,004351428750
LAGUNA UA DE GATO 0,012376272050
IMBABURA
LAGUNA AZUL O LAGUNA PINTADA 1,179848003280
LAGUNA BLANCA O CHIQUITA 0,007040697199
LAGUNA BURROCOCHA 0,037284427229
LAGUNA CRISTOCOCHA 0,043880943157
LAGUNA CUBILCHE 0,014445828639
LAGUNA CUICOCHA 3,936512262644
LAGUNA DAGNARO 0,030695575605
LAGUNA DE CUNRRU 0,018080201496
LAGUNA DE LAS GARZAS 0,090920930803
LAGUNA DE SAN PABLO 6,068211137360
LAGUNA DE YAHUARCOCHA 2,405116086490
LAGUNA JARICOCHA O CARICOCHA 0,062687609627
LAGUNA LA COCHA 0,021688099547
LAGUNA PURUHANTA 2,729103452710
LAGUNA SUCAPILLO 0,008712871506
LAGUNA TOBAR DONOSO DE PIDAN 1,900884886980
LAGUNA TUROCOCHA 0,016231772065
LAGUNAS MORASPUNGU 0,003905215554
LOJA
LAGUNA ARAMARA 0,014094448789
LAGUNA CAMPANA 0,005514926343
LAGUNA CHUQUIRAGUA 0,027675206023
LAGUNA COCHA CARANGA 0,004115176451
LAGUNA COCHA LARGA 0,010284003538
Analti a
k
1
LOJA
NOMBRE Area km
2
LAGUNA DE HUATIHUIDA 0,004353030727
LAGUNA DE PATOS 0,076055855229
LAGUNA DE PAYON 0,028264882503
LAGUNA DE YULUC 0,030054855569
LAGUNA NATOSA 0,008812723095
LAGUNA PENCO PENCO 0,009220016929
LAGUNA PRIETA 0,056936702820
LAGUNA SAN MIGUEL 0,005781519690
LAGUNA SARIHUIDA 0,028194815277
LAGUNA SHARIHUIDA 0,010810125761
LAGUNA TIGRECOCHA 0,005863175469
LOS RIOS
LAGUNA AVEJONAL 0,498810911636
MANAB
LAGUNAS DE OXIDACION 0,226935229694
LAGO EL ROSARIO 0,043908610162
MORONA SANTIAGO
LAGUNA AUSULLAY 0,020447441543
LAGUNA AYAUSHI 0,088646599790
LAGUNA BRAVA 0,006752738652
LAGUNA BUITRE 0,009139645091
LAGUNA CADO 0,029278259282
LAGUNA CARIMAYLLAG 0,027971124884
LAGUNA DE LOS PATOS 0,004343428823
LAGUNA DE PITIU 0,074386726826
LAGUNA DE PUSHI 0,136605151126
LAGUNA FRIEGA GENTE 0,056032331418
LAGUNA JUAN PABLO 0,019429205987
LAGUNA KUMPAK 0,106567449924
LAGUNA LA QUINTA 0,518766142018
LAGUNA LAGARTOCOCHA 0,769905670787
LAGUNA MINAS 0,143753449344
LAGUNA MUSHUGLLAGTA 0,082098258057
LAGUNA PAYLLACOCHA 0,034779718184
LAGUNA PIRCAPUNGU 0,010325635860
LAGUNA PUTZUCUCHA 0,050796381274
LAGUNA SAN LUIS 0,019778196356
LAGUNA SANTA BARBARA 0,106597000358
LAGUNA SHARARUMI 0,042233305754
LAGUNA SHILILE 0,267699509781
LAGUNA SOLTERO COCHA 0,207031621683
LAGUNA TULLPAS 0,014612690956
LAGUNA YANASACHA 0,004469164901
LAGUNAS DE ANTEOJOS 0,233790460748
LAGUNAS DE ATILLO 0,195820908580
LAGUNAS SARDINAYACU 1,714825267941
LAGUNAS TAMBILLO 0,095180649612
LAGUNAS YANACOCHA 0,013966608660
NAPO
LAGOS DE CAJAS 0,056381741624
LAGUNA BOSALIA 0,010803730975
LAGUNA CHUSPICOCHA 0,052218886029
NAPO
NOMBRE Area km
2
LAGUNA CIEGA 0,091896280695
LAGUNA DE COJANCO 0,075353472021
LAGUNA DE DOS VENADOS 0,197126630105
LAGUNA DE LOS LEONES 0,199143568605
LAGUNA DE MICA 1,827749849460
LAGUNA DE PALO 0,021913327926
LAGUNA DE SOGUILLAS 0,014326858707
LAGUNA EL CABLE 0,055153997676
LAGUNA EL CORAZN 0,038749398950
LAGUNA ENCANTADA 0,376368785497
LAGUNA JATUNCOCHA 0,084133103833
LAGUNA LAGUNA 0,102187016770
LAGUNA LLAVICOCHA 0,022716980998
LAGUNA LORETO 0,512532604365
LAGUNA MANGASHIMA 0,034709739799
LAGUNA MANGASHINA 0,372607214194
LAGUNA MARCOS COCHA 0,167127040983
LAGUNA OSOPAMBA 0,025445064261
LAGUNA OYACACHI 0,122960536791
LAGUNA PAPALLACTA 0,431396879851
LAGUNA PARCACUCHA 0,480094213576
LAGUNA SAN FERNANDO 0,216413606070
LAGUNA SAN MOGOTES 0,256828915568
LAGUNA STA LUCIA 0,039092849409
LAGUNA SUCUS 0,055353972268
LAGUNA TOROSCOCHA 0,043756959690
LAGUNA TUMIGUINA 0,204318017372
LAGUNA YANACOCHA 0,150199909068
LAGUNA YURACCOCHA 0,466422775999
LAGUNAS GUAITA LOMA 0,166227618414
LAGUNAS SAN DIEGO 0,423116018701
ORELLANA
LAGUNA ADANGU 0,236788792227
LAGUNA DE HURIRIMA 0,014343918921
LAGUNA JATUN COCHA 1,197273776066
LAGUNA PATACOCHA 1,085719671620
LAGUNA TARACOA 0,381384439513
LAGUNA YANAYACU 0,254314916608
LAGUNA YUTURI 0,171831387057
LAGUNA ZANCUDO COCHA 4,711013955560
PASTAZA
LAGUNA ANGACOCHA 0,091588347194
LAGUNA ANGUILIASYACU 0,095523859234
LAGUNA AZUNQUIL 0,065438013927
LAGUNA CACHICAMA 0,291701124720
LAGUNA CAMUNGUICOCHA 0,047380547392
LAGUNA CHICHIROTACOCHA 0,098729390379
LAGUNA CHIMIRICOCHA 0,061491064948
LAGUNA CHIQUIACU 0,094307194392
LAGUNA CHUNCHOCOCHA 0,326748043414
LAGUNA CORTACOCHA 0,054740679720
LAGUNA CUPAPISHCA 0,035670703171
Analti a
k
1
PASTAZA
NOMBRE Area km
2
LAGUNA DE PATO AMO 0,149156491027
LAGUNA GALOGALO COCHA 0,026770168350
LAGUNA GANOSCAPICOCHA 0,017473967970
LAGUNA GARZAYACU 0,091374611266
LAGUNA GUAYURICOCHA 0,051541516635
LAGUNA HUAMACOCHA 0,094882045053
LAGUNA HUASICACOCHA 0,376701029072
LAGUNA HUSYRACOCHA 0,071657099667
LAGUNA INAYOCOCHA 0,006545563989
LAGUNA ISHPINGOCOCHA 0,281876286213
LAGUNA JESS COCHA 0,099154749953
LAGUNA LLULLUCOCHA 0,122531836828
LAGUNA LOROCACHICOCHA 0,107534874884
LAGUNA MANGOCOCHA 0,073298472232
LAGUNA MEREYSHQUE 0,081581849010
LAGUNA MORETEPITISHCA 0,039507099988
LAGUNA PAICACOCHA 0,060836877776
LAGUNA PATOCOCHA 0,198243552782
LAGUNA PAVAYACUCOCHA 0,043854656876
LAGUNA PEASCOCHA 0,098147100188
LAGUNA QUILOALPACOCHA 0,022008860131
LAGUNA RAMOSCOCHA 0,036514806605
LAGUNA RUDASHILLO 0,323269883967
LAGUNA RUMISHUYUSHCA 0,239302327217
LAGUNA SANTA ROSA 0,443470464812
LAGUNA SHACARITACOCHA 0,118369210562
LAGUNA SHAHUACOCHA 0,036236086851
LAGUNA SHAPIRACOCHA 0,122126560120
LAGUNA SHINICOCHA 0,018558071377
LAGUNA SHUACOCHA 0,027038704410
LAGUNA TANGARANACOCHA 0,045494190251
LAGUNA TARCHICOCHA 0,447391447136
LAGUNA TILINGAZACOCHA 0,031566584064
LAGUNA UMUPICOCHA 0,053143824800
LAGUNA YANAPUMACOCHA 0,226085026772
LAGUNAS AZUCENACOCHA 0,079512181013
PICHINCHA
LAGUNA CHIQUITA 0,180782661647
LAGUNA CONDORAZO 0,046894823533
LAGUNA CUSNIPAGCHA 0,005027517492
LAGUNA DE ATACAZO 0,013421917902
LAGUNA DE BAYO 0,006425821643
LAGUNA DE BOYER 0,294387401269
LAGUNA DE COLLANTES 0,088931780752
LAGUNA DE JATAPAMBA 0,016470293363
LAGUNA DE LIMPIOS 0,293932800839
LAGUNA DE MANDUR 0,054168752135
LAGUNA DE SECAS 0,107604754550
LAGUNA DE YUYOS 0,129681775461
LAGUNA ENJALLINADA 0,088292447070
LAGUNA ESTRELLADA 0,061460077993
LAGUNA GRANDE DE MOJANDA 2,947988628720
PICHINCHA
NOMBRE Area km
2
LAGUNA ISHGA 0,014116459028
LAGUNA LOS ANDES 0,040808909928
LAGUNA MUERTE PUNGU 0,273383640300
LAGUNA NEGRA PAGCHA 0,496751239598
LAGUNA NONALVICO 0,103020699483
LAGUNA NUNALVIRO 0,784558620878
LAGUNA PAILACAJA 0,068789763708
LAGUNA PARCACOCHA 0,016193644250
LAGUNA PATO GUACHANA 0,023499100473
LAGUNA PONDOCOCHA 0,007706372572
LAGUNA QUILIMAS 0,065116974908
LAGUNA QUINDECOCHA 0,296941038605
LAGUNA QUINGRAY 0,007423458850
LAGUNA SAL SI PUEDES 0,006613973306
LAGUNA SUPAYCAHUAN 0,006886661236
LAGUNA TIPO PUGRU 0,033385668650
LAGUNA TORUNO 0,028994256400
LAGUNA UNAGRAN 0,004735927612
LAGUNA VERDE 0,654491576719
LAGUNAS DE LA VIRGEN 0,023110306781
LAGUNAS TINGUICOCHAS 0,065250596453
LAGUNA TU CURRASIN 0,053252669650
SUCUMBIOS
LAGO AGRIO 0,313827664601
LAGUNA ANCACOCHA 0,094998220899
LAGUNA CANANGUENO 1,549174631620
LAGUNA CHALLUACOCHA 0,106484345171
LAGUNA CHARAPACOCHA 0,004517487409
LAGUNA COCODRILOCOCHA 0,074187509472
LAGUNA CUYABENO 0,149136508410
LAGUNA DE LIMONCOCHA 2,335366306460
LAGUNA GARZA COCHA 0,022667814665
LAGUNA GARZOCOCHA 0,669364591787
LAGUNA GRANDE 2,355663223893
LAGUNA IMUYA 1,152605892309
LAGUNA LOROCOCHA 0,044305783758
LAGUNA MACUROCOCHA 0,092065143060
LAGUNA MANDI 0,056622753667
LAGUNA MANZOCOCHA 0,020766289200
LAGUNA MATEO COCHA 0,240375720590
LAGUNA NEGRA O YANACOCHA 0,760948833296
LAGUNA PAACOCHA 0,267218261207
LAGUNA PIGUALI 0,192846671025
LAGUNA PIURI COCHA 0,086715780007
LAGUNA SAN JORGE 0,069922972725
LAGUNA SAN MARCOS 0,623069869828
LAGUNA YAHUANGA 0,060801169580
LAGUNAS DEL MIRADOR 0,474205751675
LAGUNA YURACOCHA 0,000969763042
TUNGURAHUA
LAGUNA ANGASCOCHA 0,074095092325
LAGUNA ANTEOJOS 0,020695017112
Analti a
k
1
TUNGURAHUA
NOMBRE Area km
2
LAGUNA ANZACUCHO 0,002401197423
LAGUNA CASADA COCHA 0,002518141202
LAGUNA CHILIQUIN 0,072103812582
LAGUNA CHILIQUINGUE 0,044915939342
LAGUNA CHIRIQUIN 0,000613109626
LAGUNA COCHA NEGRA 0,015662092699
LAGUNA DE ALULEO 0,059721343082
LAGUNA DE CHAUPI CHUSPA 0,025148565107
LAGUNA DE MINSAS 0,082560729846
LAGUNA DE PUJIN 0,023327164592
LAGUNA DEL TAMBO 0,123356903767
LAGUNA GUARUMO COCHA 0,214472563220
LAGUNA INABUELA 0,002404041118
LAGUNA LLULLUCHA 0,001793246592
LAGUNA MALENDA CHICA 0,006689090531
LAGUNA MALENDA GRANDE 0,010268174984
LAGUNA NABOSBANCO 0,013848221017
LAGUNA ORQUETA COCHA 0,003556351468
TUNGURAHUA
NOMBRE Area km
2
LAGUNA PALOJAPINA 0,140284405023
LAGUNA PAYATAMBO 0,008120579210
LAGUNA PISAYAMBO 4,639250880448
LAGUNA QUILLOPACCHA 0,358641187354
LAGUNA SILLA HUAYCU 0,001590643446
LAGUNA SIQUIBULU 0,035498019165
LAGUNA TINGO 0,053150687080
LAGUNAS DE ALVAREZ 0,044494093981
LAGUNAS DE YURACPATO 0,064809901790
ZAMORA CHINCHIPE
LAGUNA COX 0,192886915360
LAGUNA DEL PATO 0,032917664764
LAGUNA DESAGUADERO 0,030802064495
LAGUNA LAS COLORADAS 0,050609140193
LAGUNA PATILLA 0,038177536794
LAGUNA SALADA 0,034053499502
LAGUNAS DE CONDORCILLO 0,123005073366
LAGUNAS DEL COMPADRE 0,360671719500
AREA TOTAL 121,458684837455
A.3 Zonas desrticas y de playa
Dentro de la cartografa base proporcionada por el
IGM, se encuentra una categora en la que se agrupan to-
das las zonas con gran acumulacin de arena, grava o gui-
jarros. Estas zonas se encuentran principalmente a lo largo
del litoral o en el lecho de un ro, siendo este el conjun-
to de zonas que se dene en nuestro estudio como zonas
desrticas o de playa.
Su rea se determin de manera similar a lo realizado
anteriormente. A travs de este clculo se determin que
en su totalidad esta zona posee una extensin aproximada
de 520,4 km
2
, como se mostr en la Tabla 19.
A.4 Criadero de camarones, peces y similares
Su rea se calcula mediante aproximacin geomtrica,
de manera similar a lo mencionado anteriormente, tenien-
do como referencia fundamental, una vez ms, la cartogra-
fa temtica proporcionada por el IGM. A travs de ella, se
pudo determinar las zonas en donde se encuentra asenta-
das camaroneras, pisccolas y similares, las cuales abarcan
un rea de 333,26 km
2
, como se muesta en la Tabla 34.
ZONA REA (km
2
)
CRIADERO DE CAMARONES 333,26
PECES Y SIMILARES
Tabla 34. Criadero de camarones, peces y similares
B Marco terico
B.1 Centro de masa
Dado un sistema de partculas discreto o continuo, el
centro de masas es el punto geomtrico que se mueve co-
mo si la resultante de fuerzas externas actuaran sobre la to-
talidad de la masa del sistema, concentrada en dicho pun-
to, movimiento que es equivalente al movimiento del sis-
tema de partculas.
Sistema discreto Dado un sistema discreto de n partculas
con vectores posicin r
i
(i = 1, . . . , n) el centro de masa, R,
se calcula de la siguiente manera:
R =

n
i=1
r
i
m
i
n
i=1
m
i
=
1
M
n
i=1
r
i
m
i
, (27)
donde m
i
= masa de la partcula i esima y M =
n
i=1
m
i
.
Sistema continuo
En un sistema continuo, la sumatoria se transforma en
integrales resultando:
R =
r dm
dm
=
1
M
r dm =
1
M
(r)r dV, (28)

donde es la funcin densidad del sistema y M =
dm.
Si se tiene que el sistema presenta una distribucin ho-
mognea de la masa, entonces la funcin de densidad es
constante y puede salir de la integral teniendo que la ecua-
Analti a
k
1
cin 20 puede escribirse como:
R =
r dm
dm
=

r dV
dV
=
r dV
V
, (29)
donde V =
dV.
C Herramientas utilizadas
Para la realizacin del presente estudio se ha utiliza-
do el programa ArcGis 9.2, y la cartografa digital bsica
1:50.000 en formato shapele proporcionada por el Institu-
to Geogrco Militar, cuyas principales caractersticas se
detallan a continuacin.
C.1 Formato shapele
Un Shapele es un formato de archivo digital que al-
macena los datos de forma vectorial y que alberga la loca-
lizacin y atributos de los elementos geogrcos. Este es el
formato estndar para el intercambio de informacin geo-
grca [5, 11].
Una Carta Topogrca Digital en formato .shp o shape-
le est constituida principalmente por 3 archivos:
El archivo que contiene las entidades geomtricas de
los objetos, y que se encuentra en formato .shp.
El archivo que almacena el ndice de las entidades
geomtricas, y que se encuentra en formato .shx.
El archivo que contiene la informacin alfanumrica
de los atributos de los objetos, y que se encuentra en
formato .dbf.
Adems de los archivos principales, un Shapele puede
estar constituido por archivos opcionales, que son los si-
guientes:
Archivo que almacena el ndice espacial de las enti-
dades (.sbn, .sbx).
Archivo que almacena el ndice espacial de las enti-
dades de los documentos inalterables (.fbn, .fbx).
Archivo que guarda la informacin referida al siste-
ma de referencia (.prj).
Archivo que almacena los metadatos del shapele
(.shp, .xml).
C.2 Cartografa digital
La cartografa digital bsica 1:50.000 en formato .shp,
proporcionada por el IGM, est constituida por 546 cartas,
las cuales cubren al pas de manera disjunta y se encuen-
tran subdivididas en dos zonas.
La zona 1 consta de 290 cartas abarcando en su mayo-
ra la Regin Costa y Sierra central. El estado de las car-
tas pertenecientes a la zona 1, al ser la primera versin de
la base de datos cartogrca nacional, realizada en al ao
2007, presenta las siguientes observaciones :
Un porcentaje moderado de errores topolgicos.
Errores en la catalogacin de los elementos.
Errores de toponimia con respecto a la ortografa,
sintaxis y ubicacin espacial del elemento cartogr-
co.
Falta de topologa entre cartas contiguas.
Falta de elementos cartogrcos en un bajo porcenta-
je, y/o una mala estructuracin dentro de la base de
datos.
Presencia de reas y longitudes negativas en elemen-
tos lineales y poligonales por falta de una Reparacin
Geomtrica de este tipo de informacin.
Los elementos lineales no presentan una topologa
de redes. La direccin viene dada por la manera co-
mo fue digitalizada o restituida dicha informacin.
Presencia de curvas de nivel por bloques.
Falta de topologa en el bloque de curvas de nivel.
La zona 2 est constituida por 256 cartas que abarca en su
mayora la regin oriental y la frontera norte. Para esta edi-
cin de la cartografa digital, presentada en el ao 2009, se
corrigi en su mayora los errores cometidos en la primera
zona [12].
Un modelo matemtico para esquemas piramidales tipo Ponzi
jrmayorga@espe.edu.ec
Recibido: 5 de noviembre de 2010 Aceptado: 1 de diciembre de 2010
Resumen
Se establece un modelo estocstico que describe un esquema piramidal tipo Ponzi. Se estudia su comportamiento, su
punto crtico (denido en trminos del estado nanciero de la captadora), su punto de saturacin (denido en trminos
del capital real de la captadora) y se dene un ndice de referencia sobre la viabilidad futura del esquema. Adicional-
mente, se hace la simulacin de una versin simplicada del modelo y se establece el algoritmo para la implementacin
computacional del modelo general.
Palabras claves: modelamiento matemtico, pirmides nancieras, esquemas Ponzi, procesos estocsticos.
Abstract
An stochastic model is established to describe a Ponzis piramidal scheme. We study its behavior, its critical point
(dened in terms of the nancial state), its saturation point (dened in terms of the total real capital), and its dened
an index to measure the schemes viability. A simulation of a very simple version of the model and an algorithm is
established to implement the general model.
Keywords: mathematical modeling, nancial pyramidal schemes, Ponzi schemes, stochastic processes.
JEL Codes: C02, C12.
1 Introduccin
Una pirmide de captacin nanciera es un esquema
de negocios fraudulento que sustenta su operacin en un
crecimiento rpido del nmero de clientes. Tal crecimiento
es impulsado por las referencias de clientes que perciben
intereses muy por encima de lo que pueden pagar las em-
presas formales de inversin.
Un esquema piramidal es viable mientras exista un u-
jo suciente de dinero fresco ingresando al sistema; caso
contrario, se alcanza el punto de saturacin y los clientes
que se encuentran en ese instante en el sistema pierden su
dinero.
Un esquema Ponzi se disfraza fcilmente de una em-
presa mediadora de inversiones, lo que le convierte en el
tipo ms peligroso de esquema piramidal. Por lo general,
los clientes no saben que son participantes de un esque-
ma Ponzi: compraron la idea de que hay una inversin de
altsimo retorno detrs del negocio. Las ganancias que ob-
tienen los clientes de la penltima generacin del sistema
son generadas por la ltima generacin.
1.1 Antecedentes histricos
El nombre de este tipo de fraude se debe a Carlo Ponzi,
quien en 1920 pas de ser un emigrante italiano con un par
de dlares en los bolsillos a millonario en Boston, Estados
Unidos, todo en menos de 6 meses. Su trama sin embargo
no es la primera de la que se tiene registro: la fama del ne-
gocio de la espaola Baldomera Larra se expandi como
plaga por Madrid en la dcada de 1870; operaba a la vista
de todos, pagando un 30 % mensual, con el dinero fresco
de los nuevos clientes [8].
En 1997, alrededor de 2000000 de albaneses, un 60 %
de la poblacin total, se vieron perjudicados por esquemas
Ponzi con prdidas de 1.200 millones de dlares america-
nos. Albania por poco padece una guerra civil, miles mu-
rieron en esta crisis [3].
Un esquema Ponzi puede funcionar por un mayor
tiempo que el de una pirmide tradicional en tanto que la
tasa de inters ofertada, siendo alta, no sea descabellada-
119
Analti a
k
1
mente mayor a las tasa de retorno de inversiones legtimas
(e.g. transacciones de divisas), pues esto atrae a un mayor
nmero de personas. Debido a la alta rentabilidad del ne-
gocio, los clientes optan, generalmente, por reinvertir un
alto porcentaje de su capital y de sus ganancias.
El esquema Ponzi de Bernard Madoff (detectado en di-
ciembre 2008) cae en la ltima descripcin. El fraude de
Madoff alcanz los 50.000 millones de dlares, el mayor
llevado a cabo por una sola persona. Madoff fue el presi-
dente de una de las rmas de inversiones ms importantes
de Wall Street, que lleva su nombre y que fund en 1960.
Sus fondos de inversin daban unos benecios de
entre el 10 % y el 15 % al ao, lo cual es algo ex-
traordinariamente bueno, pero no escandalosamen-
te bueno. Y aunque lloviese o nevase fuera, l asegu-
raba ganancias cada mes. . . [5].
En diciembre de 2008, Madoff fue detenido por el FBI y
acusado de fraude. El 29 de junio de 2009 fue sentenciado
a 150 aos de crcel [9].
1.2 Justicacin
Este trabajo tiene su origen en la curiosidad propia
del matemtico y en el hecho de que personas cercanas al
autor fueron afectadas por esquemas piramidales. Cmo
funciona este esquema al punto de engaar a miles de per-
sonas (incluyendo a personas con estudios universitarios)?
Cuando me he puesto a investigar sobre el particular
me he encontrado con bastante literatura pero po-
cas matemticas que expliquen el xito inicial y el
desplome posterior de estos instrumentos nancie-
ros. . . no he encontrado un modelo accesible y fcil
que muestre el mecanismo de auge, colapso y ca-
da de las pirmides nancieras o, mejor, que pueda
pronosticar su colapso a efectos didcticos para evi-
tar en lo posible futuras vctimas de este timo nan-
ciero. . . [5].
La ambicin desmedida es el motor de un esquema pi-
ramidal. La crisis de las pirmides de 2008 en Colombia
mostr una notable presencia de estos esquemas (siendo
los ms famosos Proyecciones DRFE y DMG), especial-
mente en los departamentos de Nario y Putumayo. Pue-
blos enteros fueron afectados, pues muchas de las captado-
ras se escondan bajo guras legales para inversiones leg-
timas.
El sntoma del virus: el deseo de ganar dinero fcil-
mente, deseo de todos nosotros, fantasa - agravada
por la ignorancia - de que no es tan difcil ganar di-
nero sin mayor esfuerzo. . . hay personas que explo-
tan esa ignorancia en benecio propio [4].
En este trabajo desarrollamos un modelo matemtico
que permite estudiar un tipo de esquemas Ponzi. Es im-
portante desarrollar y hacer ms accesible la matemtica
que describe estos procesos en virtud del alto peligro que
representa para el ciudadano promedio este tipo de frau-
des, especialmente por su alcance a travs de la Internet.
No olvidemos el impacto social del caso Notario Cabrera
de 2005 en Ecuador: hubo suicidios y personas tuvieron
que devolver autos y casas que haban adquirido pensan-
do nanciar los pagos con las ganancias de su inversin
piramidal. Ecuatorianos y colombianos llegaron a tomar
prstamos de bancos legalmente constituidos para meter
el dinero en las captadoras nancieras. DMG afect a unas
8000 personas en la ciudad de Pasto, aproximadamente el
5 % de la PEA (poblacin econmicamente activa) y a unas
240.000 personas en toda Colombia, aproximadamente el
1 % de PEA (vase [6]).
1.3 Descripcin del trabajo
En [1], Artzrouni modela esquemas Ponzi
incluyendo casos anlogos a sistemas de pensiones me-
diante una ecuacin diferencial para L(t), el capital real,
L(t + dt) = L(t) (1 + dt) + p(t)dt W(t)dt, (1)
donde t representa el tiempo. Conceptualmente, la estruc-
tura de (1) es la misma que nuestra sucesin de recurrencia
L
k
= (1 +
k1
)L
k1
+ P
k,k
W
k
,
vase (16), esto es, el capital real en un instante subsecuen-
te es la suma de tres trminos: primero, una expansin por
inversiones legtimas del capital real al instante previo (
representa la correspondiente taza nominal); segundo, el
ingreso de dinero fresco, p(t)dt, producto de las captacio-
nes a clientes nuevos; y tercero, una ltracin de dinero
producto de retiros que hacen los clientes W(t)dt.
En [1] el estudio tiene al capital real como elemento pri-
mordial; se lo considera continuo en el tiempo lo que im-
pide que se pueda hacer un seguimiento a la situacin de
los clientes conforme a su altura en la estructura piramidal.
Por otro lado, nuestro trabajo consiste en un modelo Ponzi
estocstico donde tan importante como el capital real son
el monto robado a los clientes. El estado nanciero de la
empresa captadora y su capital terico (que dene legal-
mente el tamao de la estafa). Adicionalmente, establece-
mos como variable de control el cociente del capital real
por el nmero de clientes que permite hacer un seguimien-
to a la salud del sistema.
En la Seccin 2 presentamos el modelo general, empe-
zando por los conceptos de momento crtico y punto de
saturacin. En la Seccin 2.2, se introducen las reglas de
juego de la empresa captadora. En la Seccin 2.3 se estu-
dia el crecimiento del nmero de clientes, la esencia de un
esquema piramidal. En la Seccin 2.4 se estudian los va-
lores tericos de captacin y capital. En la Seccin 2.5 se
plantean las relaciones para el capital real y el punto de sa-
turacin. En la Seccin 2.6 se establece el monto legal de la
estafa y la frmula de recurrencia para el estado nancie-
ro de la pirmide. En la Seccin 2.7 se establece el monto
Analti a
k
1
extraido del pecunio de los clientes. En la Seccin 2.8 se
proponen formulaciones para hacer un seguimiento a la
salud y eciencia del esquema Ponzi.
En la Seccin 3 se particulariza las formulaciones de la
Seccin 2 a un caso que a pesar de su enorme simplicidad
permite visualizar los alcances perjudiciales de un esque-
ma Ponzi. El algoritmo en seudocdigo para su implemen-
tacin computacional es presentado en la Seccin 4.
2 El modelo
La empresa captadora juega en un tiempo t I
[0, T), donde T es el instante en que la captadora deja de
funcionar y huye con el dinero de sus clientes. Estimar T
en base a algn criterio razonable es uno de los objetivos
de nuestro estudio.
Al tiempo t I, denotamos por

P(t) al capital teri-
co total, es decir, la cantidad de dinero que la captadora
nanciera nge tener en sus arcas. En un esquema pira-
midal

P() es una funcin creciente, es decir:
P(t
B
)

P(t
A
), para 0 t
A
< t
B
T.
El capital terico total permite establecer el tamao legal
de la estafa, D(t), es decir, los derechos que tienen los
acreedores en papeles al tiempo t. Como se ver ms ade-
lante,
D(t) = (1 + i
p
) [

P(t) E(t)], para t I,
donde E(t) representa la expansin del capital inicial E
0
al
tiempo t I e i
p
> 0 es la taza de retorno ofrecida por la
captadora para un perodo bsico de inversin h (0, T), que
puede ser 1 mes, 2 meses, etc. Pero,
dnde est el dinero de la pirmide. . . ? Se ha di-
luido, volatilizado en los pagos de intereses y comi-
siones. Hay que tener presente que el valor-dinero
del capital invertido por los clientes se erosiona per-
manentemente, desde el primer minuto. No hay que
perder de vista que la supuesta permanencia (o cre-
cimiento) del capital invertido (capital terico en el
modelo) sobre el que se paga a los clientes es una
ccin, [5].
Para determinar la cantidad de dinero que se ha extraido
de su pecunio a los clientes se dene en la Seccin 2.7 el
robo pecuniario total R(t), t I.
2.1 Criterios de parada
Establecemos un par de criterios de parada teniendo en
mente que la captadora desea que T sea lo ms extenso po-
sible en virtud de su relacin directa con las ganancias il-
citas. El primer criterio de parada se establece en trminos
del estado nanciero, F(t), t I de la captadora.
DEFINICIN 1. El punto crtico T
c
es aquel en que el estado
nanciero de la captadora cambia por primera vez de signo, esto
es:
1. F(T
c
) = 0;
2. F(t) > 0, para todo t (0, T
c
);
3. Si T
0
verica i) y ii), entonces T
c
T
0
.
El criterio de parada provisto por la Denicin 1 tiene
que ver con la posibilidad de que el estado nanciero de la
captadora tenga algn tipo de supervisin externa (e.g. de
algn organismo estatal). En los casos de fraude tipo Ponzi
ha sido usual la ausencia o ligereza de este tipo de control.
Ms an, como veremos ms adelante, una captadora pue-
de tener su estado nanciero en negativo y, sin embargo,
presentar mucho dinero en caja lo que usualmente lleva a
los clientes a pensar que la empresa goza de buena salud.
Como consecuencia, la empresa puede continuar con su
fraude por un tiempo adicional hasta que alcanza su pun-
to de saturacin.
DEFINICIN 2. El punto de saturacin T
s
es aquel en que el
capital real total, L(t), de la captadora cambia por primera vez
de signo:
1. L(T
s
) = 0;
2. L(t) > 0, para todo t [0, T);
3. Si T
0
verica i) y ii), entonces T
s
T
0
.
OBSERVACIN 1. Tngase presente que los puntos crtico y de
saturacin son variables aleatorias que dependen de los diferentes
parmetros y variables del sistema. Como veremos ms adelante,
T
s
tiene que ver con un nmero insuciente de nuevos clientes.
2.2 Reglas de juego
La captadora parte con un capital inicial E
0
> 0 que
suponemos grande: esto genera conanza en los primeros
clientes (la parte superior de la pirmide), factor indispen-
sable para el xito futuro de la empresa.
En una pirmide no-Ponzi, usualmente un cliente tiene
que reclutar a un cierto nmero de nuevos clientes para po-
der acceder a la ganancia prometida por la captadora. Por
otro lado, en un esquema Ponzi un cliente no tiene obli-
gacin de traer clientes nuevos al sistema de manera que
las velocidades de crecimiento de

P(t) y R(t) son menores
que en una pirmide no-Ponzi comparable. Por la misma
razn, en trminos generales, tanto T
c
como T
s
de un es-
quema Ponzi son mayores que sus pares en una pirmide
no-Ponzi.
Nuestra captadora ja la inversin inicial de un cliente en
m > 0, con
0 < m << E
0
y tal que los potenciales clientes constituyan un gran seg-
mento de la PEA en el rea de inuencia de la captadora.
Al restringir el capital inicial que puede invertir un cliente
Analti a
k
1
se frena el crecimiento de

P(t) y R(t) pero se gana en con-
trol, de manera que la captadora disminuye el riesgo de no
poder escapar con las utilidades.
Un cliente tiene derecho a ser parte del club de inverso-
res tanto tiempo como quiera; pero, si se desliga del siste-
ma, se lo tratar como cliente nuevo si quiere reintegrarse:
podr invertir nicamente m.
El perodo bsico de inversin, h (0, T), es un par-
metro establecido por la captadora y se mantiene constan-
te durante su funcionamiento. A un cliente antiguo se le
concede la posibilidad de reinvertir un monto no mayor al
ltimo pago que recibi de parte de la captadora; es de-
cir, si invierte s > 0, al n del perodo de inversin puede
reinvertir hasta r s, con r = 1 + i
p
.
La captadora opera de continuo en [0, T) pero realiza
captaciones y pagos nicamente en los instantes
t
k
= kh, k = 0, 1, ..., K, (2)
donde K N es tal que t
K
T < t
K+1
; el resto del tiem-
po la captadora supuestamente dedica sus esfuerzos a su
trabajo de inversin, para garantizar total seriedad en los
pagos a sus clientes y analiza las solicitudes de membre-
sa de las personas referidas por clientes antiguos. Por
tanto, al tiempo t
k+1
, k = 0, 1, ..., K 1, un cliente recibe
r = (1 + i
p
) veces el monto invertido al tiempo t
k
. Esti-
mar T
c
y T
s
corresponde entonces a determinar K
c
y K
s
de
manera que
T
c
= K
c
h, T
s
= K
s
h.
Hasta antes de un cierto t
k
0
primero se paga y luego se
capta inversiones; esto ayuda a captar clientes en las eta-
pas iniciales de la captadora. Sin embargo, usando como
argumento la asimetra entre el nmero de clientes nuevos
potenciales con respecto al nmero de clientes antiguos, se
establece que a partir de t
k
0
+1
primero se capta y luego se
paga. Esto permite a la captadora presentar un saldo en
caja positivo hasta antes del punto de saturacin.
2.3 Nmero de clientes
En un tiempo t I, el nmero de clientes est dado por
C(t) = C
k
, t [t
k
, t
k+1
),
donde suponemos que en la arista de la pirmide hay c
0
clientes, y que al tiempo t
k
el nmero de clientes nuevos, c
k
,
es un mltiplo aleatorio de C
k1
, es decir
c
k
= N
k
C
k1
, k N, (3)
de manera que
C
k
=
k
j=0
c
j
, k N {0}. (4)
Por induccin se prueba, para k N, que
c
k
= N
k
k1
j=1
(1 + N
j
), C
k
=
k
j=1
(1 + N
j
).
OBSERVACIN 2. En [1], Artzrouni supone que la rapidez con
que se mueve un fraude piramidal corresponde un crecimiento
exponencial del dinero fresco que entra al sistema,
p(t) = p
0
e
r
i
t
, t 0, (5)
donde r
i
es llamado tasa de inversiones. Nuestra suposi-
cin de crecimiento, (3), corresponde a un crecimiento cuasi-
exponencial; es anloga a (5) pero nos prove mucho ms infor-
macin con las limitaciones propias de un modelo probabilstico.
En efecto, la densidad p(t) es solucin del problema de valor ini-
cial
_
p(t + dt) p(t) = r
i
p(t) dt, t 0,
p(0) = p
0
,
en tanto que de (3) y (4) se tiene que
_
C
k
C
k1
= N
k
C
k1
, k N,
C
0
= c
0
.
OBSERVACIN 3. Por X N
_
,
2
_
, indicamos que la va-
riable aleatoria X sigue una distribucin normal de media R
y varianza
2
> 0. Por Pr{X A} denotamos la probabilidad
de que los valores de la variable aleatoria X caigan en la regin
medible A R.
El factor de expansin N(t) representa el nmero de
clientes nuevos que son atraidos por un cliente actual; est
dado por
N(t) = N
k
, t [t
k
, t
k+1
),
donde al tiempo t
k
suponemos que
N
k
N
_
N
k
,
1
4
_
, (6)
de manera que
Pr[N
k
1 N
k
N
k
+ 1] = 0,9544.
Para la estimacin de los valores esperados N
k
, usamos
un modelo SIR sencillo que permite estudiar la manera en
que se expande una enfermedad en una poblacin como
funcin del tiempo:
_
S = a S(t) I(t),
I = a S(t) I(t) b I(t),

S(0) = 1
1
U
,
I(0) =
1
U
,
(7)
donde S representa la fraccin de la PEA susceptible de ser in-
fectada por el esquema piramidal e I representa la fraccin
de la PEA que est infectada (y que por tanto puede trans-
mitir la enfermedad). Aqu U es el tamao de la PEA en la
zona de inuencia de la captadora. Los parmetros a y b son
Analti a
k
1
positivos y deben ser estimados a partir de informacin de
esquemas Ponzi concretos. Entonces ponemos
C
k
= I(t
k
) U, k N {0}
y hallamos N
k
, usando las relaciones (3) y (4), es decir,
N
k
=
C
k
C
k1
1, k N, (8)
donde, por simplicidad, suponemos que las variables alea-
torias N
k
y C
k1
son independientes.
2.4 Capital y captacin tericos
La captacin terica al tiempo t
k
a los clientes que ingre-
saron al sistema al tiempo t
j
es el valor que ve un cliente en
su cuenta piramidal (anloga a una cuenta bancaria). Est
dada por
P
k,j
= m p
k,j
, (9)
donde la matriz de captaciones (adimensional) (p
k,j
) M
K
s
,
est dada por
p
k,j
=
_
_
0, si j > k,
c
k
, si j = k,
p
k1,j
(1
k,j
)(1 + i
p
), si j < k.
(10)
Aqu
k,j
es una variable aleatoria que modela la taza de
retiro del capital al tiempo t
k
por parte de los clientes que
ingresaron al sistema al tiempo t
j
. Cuando k > j, se tiene
entonces que
p
k,j
= c
j
(1 + i
p
)
kj
kj1
l=0
(1
kl,j
). (11)
La captacin terica total est dada por
P(t) = P
k
, t [t
k
, t
k+1
), (12)
donde,
P
k
=
k
j=0
P
k,j
.
Para la taza de retiro se supone que
k,j
N(
k,j
,
2
1
),
donde 0 <
1
<< 1. Se tiene que
Pr[
k,j
2
1

k,j

k,j
+ 2
1
] = 0,9544.
El valor esperado est dado por interpolacin:
k,j
=
_
(k j)[(k j) + ], si k j d
1
,
, si k j > d
1
,
(13)
con
=
d
1
d
0
d
1
d
2
0
d
0
d
2
1
, =
d
2
0
d
1
d
1
d
2
0
d
0
d
2
1
,
=
i
p
i
p
+ 1
.
Como se puede ver en (13), el valor medio de la taza de re-
tiros al tiempo t
k
de los clientes que ingresaron al sistema
al tiempo t
j
depende exlusivamente del tiempo de perma-
nencia en el sistema; esto queda determinado por el factor
d = k j. Los coecientes y estn determinados por
los puntos (d
0
,
) y (d
1
, w
) que representan los valores

esperados, respectivamente, de la primera instancia en que
el retiro se vuelve signicativo y de la primera instancia en
que se retira toda la ganancia.
OBSERVACIN 4. La hiptesis (13) fue motivada por la expe-
riencia observada en el sur de Colombia, donde un gran nmero
de personas dejaron eventualmente de trabajar para vivir exclu-
sivamente de las ganancias jugosas que les provean los esquemas
piramidales.
Denotamos por
k
la tasa nominal en que realmente es
invertido el dinero existente en el sistema al tiempo t
+
k
. Es-
tos rditos son legtimamente obtenidos. En virtud de las
uctuaciones del mercado (en una economa estable), es
coherente suponer que para cada k,
k
N(,
2
2
),
donde 0 < << i
p
y 0 <
2
<< 1. Se tiene, para cada k,
que
Pr[ 2
2

k
+ 2
2
] = 0,9544.
El capital terico total est dado entonces por
P(t) = P(t) + E(t), (14)

E(t) = E
0
k1
l=0
(1 +
l
), t [t
k
, t
k+1
), (15)
donde E(t) representa la expansin del capital inicial E
0
.
2.5 Capital real y punto de saturacin
El capital real est dado por
L(t) = L
k
, t [t
k
, t
k+1
),
donde
_
L
0
= E
0
+ mc
0
,
L
k
= (1 +
k1
)L
k1
+ P
k,k
W
k
(16)
En (16), (1 +
k1
)L
k1
es el producto de inversiones leg-
timas, P
k,k
= mc
k
es el dinero fresco que entra al sistema y
W
k
el total de retiros en t
k
:
_
W
k
= m w
k
,
w
k
= (1 + i
p
)
k1
j=0

k,j
p
k1,j
.
(17)
Analti a
k
1
Para futura referencia ponemos
W(t) = W
k
, t [t
k
, t
k+1
).
PROPOSICIN 1. El paso de saturacin, K
s
est denido por el
primer entero positivo k que verica las desigualdades
_
c
k
w
k
(1 +
k1
)
k1
,
c
k
w
k
< (1 +
k1
)
k1
,
(18)
donde, para cada k N {0},
k
= L
k
/m.
Demostracin. sense (16) (10) y (17).
La Proposicin 1 establece que el punto de satura-
cin queda determinado por cantidades adimensiona
les.
En efecto, es claro que
_
0
= + c
0
,
k
= (1 +
k1
)
k1
+ c
k
w
k
,
donde
= E
0
/m (19)
es el capital inicial relativo, que mide el tamao del capital
inicial en trminos de la inversin base m.
OBSERVACIN 5. Para estimar T
s
y su distribucin probabi-
lstica debe efectuarse un nmero suciente de simulaciones. En
un juego concreto de la captadora, al instante t
k1
, el lado de-
recho de las desigualdades (18) es conocido en tanto que el lado
izquierdo se puede estimar. Por tanto, desde el punto de vista del
estafador, el momento de huir con los dineros de los clientes es
T
= h k
, donde k
es el primer entero positivo tal que

c
k+1
w
k+1
< (1 +
k
)
k
,
donde c
k+1
= C
k+1
C
k
, k = 0, 1, 2, ...
2.6 Deudas y estado nanciero
En trminos generales, la deuda de un cliente en parti-
cular es igual a la captacin terica correspondiente expan-
dida por la tasa de retorno. Entonces, la deuda al tiempo
t
k
a los clientes que ingresaron al sistema al tiempo t
j
est
dada por
D
k,j
=
_
0, si j > k,
(1 + i
p
) P
k,j
, si j k.
(20)
La deuda total a los clientes corresponde al tamao legal de
la estafa, est dada por
D(t) = D
k
, t [t
k
, t
k+1
),
donde
D
k
= (1 + i
p
) P
k
, k N. (21)
El estado nanciero en t
k
est dado por el estado nan-
ciero en t
k1
menos el monto de deudas contraidas y ms
el producto de inversiones legtimas en [t
k1
, t
k
), es decir
_
F
0
= E
0
i
p
mc
0
,
F
k
= F
k1
P
k
i
p
+
k1
L
k1
, k N.
(22)
PROPOSICIN 2. El paso crtico K
c
es el primer entero positivo
k que verica
_
v
k
,
< v
k+1
,
(23)
donde,
v
k
= i
p
k
j=0
p
j
k1
j=0
j
, k N.
Demostracin. Usando (22) y (11), se obtiene F
k
= E
0
m
v
k
, y se concluye por (19).
OBSERVACIN 6. De (23) es claro que T
c
y son directamen-
te proporcionales y es de inters establecer via simulaciones la
relacin de regresin que los vincula.
2.7 Robo pecuniario
El robo pecuniario a un cliente es la diferencia entre su
primera inversin y el total de retiros hasta que se retira
del sistema o hasta que la captadora deja de funcionar. En-
tonces, el robo pecuniario total est dado por
R(t) = R
k
, t [t
k
, t
k+1
),
donde
R
k
=
k
j=0
U
j,k
(t), (24)
donde
U
j,k
(t) = m
_
_
0, si j > k,
c
k
, si j = k,
c
j
k
l=j+1
l,j
p
l,j
, si j < k.
es el robo pecuniario al tiempo t
k
a los clientes que ingre-
saron al tiempo t
j
.
PROPOSICIN 3. Se tiene, para t I, que
mC(t) W(t) = R(t) D(t), (25)
donde mC(t)es la captacin real total, es decir, el total de dine-
ro fresco que ingres al sistema.
La demostracin es simple y la dejamos al lector.
Analti a
k
1
2.8 Eciencia, control y monto total de retiros
En nuestro modelo L(t) crece a un ritmo cuasi-
exponencial pero tal crecimiento es compensado a su vez
por el crecimiento del nmero total de clientes de mane-
ra que para hacer un seguimiento al deterioro del sistema
piramidal es importante considerar el capital promedio:
L(t) =
L(t)
C(t)
. (26)
Se tiene entonces que el valor esperado del capital prome-
dio, E[L(t)], es una funcin decreciente en [0, T
s
] y
E[L(T
s
)] = 0. (27)
La efectividad del sistema, E(t), se dene como el cociente
entre la ganancia real y el monto total de retiros, pues mi-
de, a cada instante, cuntas veces se ha multiplicado cada
unidad monetaria pagada a los clientes. Entonces
E(t) =
L(t) E
0
W(t)
=
(t)
w(t)
, (28)
donde w(t) = W(t)/m.
3 Una simplicacin interesante
Consideramos un caso particular del modelo presenta-
do en la Seccin 2. Esta simplicacin permite ver el rpido
crecimiento de un esquema Ponzi y vericar que una cap-
tadora puede tener un estado nanciero negativo cuando
tiene mucho dinero en caja, es decir un capital real positi-
vo. Por otro lado, esta simplicacin no permite determi-
nar T
s
pues asume que la poblacin de clientes potenciales
es innita.
3.1 Formulaciones
Como parte del juego de engao, se establece un cu-
po de clientes nuevos que puede traer consigo un cliente
antiguo. Un altsimo valor de i
p
impulsa la ambicin por
dinero fcil (de potenciales clientes nuevos) que combina-
da con un sentimiento mal orientado de solidaridad (de los
clientes actuales e.g. para con familiares, amigos, etc.) pro-
voca que el cupo mencionado sea comunmente usado al
mximo. Suponemos entonces que N
k
es constante e igual
a n N, k N. En este caso,
c
k
= n(1 + n)
k1
, k N, (29)
C
k
= (1 + n)
k
, k N {0}. (30)
En t
k
el sistema paga sus deudas y un cliente satisfe-
cho decide reinvertir casi totalmente en el sistema; esto tie-
ne sustento en que el monto pecuniario arriesgado es el
mismo que en su primera inversin. Suponemos entonces
que la taza de retiro
k,j
es constante e igual a un valor
0 < << 1.
OBSERVACIN 7. Este tipo de suposicin se us en [1] en el
contexto del modelo a tiempo continuo (1); si bien no es realista,
ayuda a describir el proceso que sigue un esquema Ponzi.
La matriz de captaciones est dada por
p
k,j
=
_
0, si j > k,
n(1 + n)
j1
r
kj
, si j k,
(31)
donde
r = (1 )(1 + i
p
).
La captacin terica total est determinada por
P
k
= m
_
r
k
+ n
k
j=1
r
kj
(1 + n)
j1
_
, k N (32)
Suponemos que existe estabilidad econmica de ma-
nera que las uctuaciones de la tasa nominal son despre-
ciales: consideramos que para cada k,
k
es una constante
pequea en comparacin con i
p
. Sin embargo, no debe
perderse de vista que la aparicin del fenmeno piramidal
afecta fuertemente a las economas locales (como en los ca-
sos de Colombia y Ecuador en 2008) y puede tambin afec-
tar a naciones enteras (como el caso de Albania en 1997).
Se tienen las siguientes frmulas
E
k
= E
0
(1 + )
k
, k N, (33)
L
k
= (1 + )L
k1
+ P
k,k
W
k
, k N, (34)
W
k
= (1 + i
p
)wP
k1
, k N, (35)
v
k
= i
p
k
j=0
p
j
k1
j=0
j
. (36)
El robo pecuniario queda determinado por
U
j
(t) = m
_
_
0, si j > k,
c
k
, si j = k,
c
j

k
l=j+1
p
l,j
, si j < k.
(37)
En est versin simplicada no existe punto de satura-
cin de manera que la relacin (27) no tiene sentido. Sin
embargo, se tiene la siguiente
PROPOSICIN 4. Si n > r, entonces existe

L R tal que
0 < lm
k
L(t
k
) =

L < m. (38)
Demostracin. sense (30) y (34).
Analti a
k
1
3.2 Simulacin
Implementamos en una hoja electrnica esta versin
simplicada de nuestro modelo. Suponemos que h corres-
ponde a 3 meses y usamos los siguientes parmetros:
Parmetro Valor
E
0
10
000,000
0,1 %
i
p
100 %
n 3
m 500
c
0
1
2,5 %
Tabla 1. Caso simplicado
Los valores de estos parmetros, en particular de i
p
, m
y , fueron escogidos tomando como referencia las carac-
tersticas econmicas de los Departamentos de Nario y
Putumayo en Colombia y de las Provincias del Carchi, Su-
cumbos y Orellana en el norte de Ecuador. Resumimos los
resultados en los grcos del y tablas que siguen.
k C
k
0 1
1 3
2 12
3 48
8 49152
9 196608
10 786432
15 805
306368
16 3221
225472
Tabla 2. Nmero de clientes
Figura 1. Nmero de clientes
Obsrvese en la tabla 2 que para k = 8 el nmero de
clientes es equivalente a la poblacin total de un pueblo
mediano, cercano a los 50.000 habitantes. Para k = 10 se ha
sobrepasado la poblacin de Cuenca, la tercera ciudad de
Ecuador.
k E
k
(millones)
0 10,00
1 10,25
2 10,51
3 10,77
8 12,18
9 12,49
10 12,80
15 14,48
16 14,85
Tabla 3. Expansin de E
0
Figura 2. Expansin de E
0
k

P
k
(millones)
0 0,00
1 0,25
2 0,02
3 0,09
8 89,33
9 357,4
10 1429,75
15 1464190,94
16 5856769,17
Tabla 4. Tamao estafa
Analti a
k
1
Obsrvese en la tabla 3 que para k = 16, el capital ini-
cial se ha incrementado en un 48.5 % como producto de
inversiones legtimas. Este desempeo es bueno pero in-
signicante con el tamao de la estafa.
Figura 3. Tamao estafa
k W
k
(millones)
0 0,0000
1 0,0001
2 0,0005
3 0,0021
8 2,2320
9 8,9327
10 35,7397
Tabla 5. Retiros
Figura 4. Retiros
Obsrvese en la tabla 5 que para k = 10 los retiros ape-
nas representan un 2.5 % del tamao de la estafa.
k F
k
(millones)
0 9,99
1 10,25
2 10,50
3 10,76
6 10,68
7 8,24
8 2,44
9 46,04
10 221,43
Tabla 6. Estado nanciero
Figura 5. Estado nanciero
Obsrvese en la tabla 6 que ya para k = 8 el estado -
nanciero ya cay a valores negativos en tanto que el capital
real es positivo.
k L
k
/C
k
0 10
000500
1 2
562978
2 657108
3 168726
6 3290
7 1184
8 644
9 506
10 471
Tabla 7. Capital promedio
Analti a
k
1
Figura 6. Capital promedio
Obsrvese en la tabla 7 que para el valor lmite estable-
cido en (38) se tiene

L 471 < m = 500.
4 Algoritmo general
Para simular el comportamiento de un esquema Pon-
zi como el del presente trabajo se podra usar el algoritmo
1. En l se utilizan dos funciones auxiliares: Normal(; s
2
)
que es un generador de nmeros aleatorios que siguen una
distribucin N(; s
2
), y sir(U, a, b) que resuelve numrica-
mente el sistema (7).
5 Conclusiones
Nuestro trabajo consiste en un modelo estocstico pa-
ra un esquema piramidal tipo Ponzi que permite hacer un
seguimiento al capital real, al monto robado a los clientes,
al estado nanciero de la empresa captadora y a su capital
terico. Estas ventajas compensan la mayor complejidad
computacional con respecto al trabajo [1].
La determinacin de los puntos crtico y de saturacin
est dada por el mecanismo interno del esquema Ponzi.
Esto es evidenciado en las Proposiciones 1 y 2 donde las
magnitudes que intervienen son adimensionales. Adicio-
nalmente, en (26) establecemos el capital promedio como
funcin de control para hacer un seguimiento a la salud
del sistema. La simplicacin descrita en la Seccin 3 per-
mite vericar el crecimiento cuasi-exponencial del dinero
entrante al esquema Ponzi evidenciando su alto nivel de
peligrosidad.
La continuacin lgica de este trabajo es una imple-
mentacin del algoritmo del modelo general que permita
realizar un conjunto de anlisis via simulaciones que, en
proporcin a la exitencia de informacin, debern contras-
tarse estadsticamente con esquemas Ponzi reales. Asimis-
mo, sera interesante levantar la restriccin sobre la inver-
sin inicial de un cliente pues en la prctica es realmen-
te una variable aleatoria antes que una constante. Orga-
nismos de control y de investigacin de delitos econmi-
cos son potenciales clientes de este tipo de investigaciones,
pues los fraudes piramidales siguen existiendo, slo cam-
bian de disfraces. El fraude Forex, [2], evidencia el uso de
la Internet para seguir captando dinero de gente incauta.
Referencias
[1] M. Artzrouni. The mathematics of Ponzi sche-
mes. Munich Personal RePEc Archive, http://mpra.ub.uni-
muenchen.de/14420, (2009).
[2] G. Guilln. Un vendedor de cepillos que esta-
f a miles en 10 pases. El Universo (Ecuador),
http://www.eluniverso.com, 14 Noviembre, (2010).
[3] C. Jarvis. The rise and fall of albanias pyramid sche-
mes. Finance Development, 37 (1), (2000).
[4] LexBase. Lleg a Colombia el Virus de la Pirmide.
El Tiempo (Colombia), http://www.eltiempo.com/, 18 No-
viembre, (2008).
[5] J. Monz. Por qu colapsan las pirmides -
nancieras? Caso Madoff. Pensamiento Sistmico,
http://jmonzo.blogspot.com, (2008).
[6] R. Pantoja. Sigue desconsuelo de ex inversionistas. Vi-
sita presidencial con sabor agridulce. Diario del Sur
(Colombia), http://www.diariodelsur.com.co/, 26 Enero de,
(2009).
[7] D. Pareja. Las matemticas detrs de las pirmides in-
vertidas de captacin de dinero. Universidad del Quin-
do, http://www.matematicasylosoaenelaula.info, (2008).
[8] R. Torres. El arte de la estafa. El Pas, (2009).
[9] United States Attorney Southern District of New York.
Bernard l. madoff pleads guilty to eleven-count crimi-
nal information and is remanded into custody. Release
of the Department of Justice, March 12, (2009).
Analti a
k
1
Algorithm 1: (T
c
, T
s
) = Ponzi(h; c
0
, U, a, b; m, E
0
; i
p
, ,
1
,
2
; d
0
, d
1
,
)
Input: h; c
0
, U, a, b; m, E
0
; i
p
, ,
1
,
2
; d
0
, d
1
,
Output: (T
c
, T
s
)
// Initialize
1 t
0
0; p
0
c
0
; C
0
c
0
;
2
i
p
1 + i
p
;
d
1
u d
0
d
1
d
2
0
d
0
d
2
1
;
d
2
0
d
1
u
d
1
d
2
0
d
0
d
2
1
;
3 L
0
E
0
+ m;
E
0
m
;
0

L
0
m
; F
0
E
0
i
p
m;
// Determine (S, I) = (S, I)(t)
4 (S, I) sir(U, a, b);
// Process
5 k 1; Z L
0
;
6 while Z > 0 do
7 t
k
k h;
8 N
k

I(t
k
)
I(t
k1
)
1; N
k
Normal N
k
, 1/4
_
;
9 c
k
N
k
C
k1
; C
k
C
k1
+ c
k
;
10 for j = 0, 1, ..., k do
11 if k j d
1
then
k,j
= (k j) [ (k j) + ]; else
k,j
=
;
12
k,j
Normal(
k,j
,
2
1
) ;
13 end
14 if j < k then p
k,j
p
k1,j
(1
k,j
)(1 + i
p
); else p
k,j
c
k
;
15 for l = 0, 1, ..., k 1 do
16
l
Normal( ,
2
2
)
17 end
18 P
k
m
k
j=0
p
k,j
; E
k
E
0
k1
l=0
(1 +
l
);
19

P
k
P
k
+ E
k
;
20 w
k
(1 + i
p
)
k1
j=0

k,j
p
k1,j
; W
k
m w
k
;
21
k
(1 +
k1
)
k1
+ c
k
w
k
; L
k
m
k
;
22 F
k
F
k1
P
k
i
p
+
k1
L
k1
;
23 for j = 0, 1, ..., k 1 do
24 U
j
m
_
c
j
l=j+1
l,j
p
l,j
_
;
25 end
26 U
k
m c
k
; R
k

k
j=0
U
j
;
27 L
L
k
C
k
; E
k

k
w
k
;
28 Z L
k
; k k + 1;
29 end
Normas para la presentacin de trabajos
Los autores estn invitados a enviar sus trabajos a la
revista Analti k a, ya sea en espaol o en ingls.
Para la publicacin de los diferentes trabajos, los auto-
res deben seguir los siguientes lineamientos:
Originalidad
El trabajo presentado se entender que es indito y ori-
ginal. En el caso de que el trabajo haya sido publicado en
otra revista, impresa o digital, ste deber tener el permiso
o autorizacin de la revista, detallando el nuevo aporte o
modicacin correspondiente. Despus de la aceptacin,
la autorizacin deber ser enviada al editor de la revista
Analti k a.
Presentacin
Los trabajos debern ser presentados en formato digi-
tal, el cual puede ser .pdf o .doc. Comprometindose el au-
tor o los autores, a proporcionar el trabajo en formato .tex,
si el mismo es aceptado para su publicacin.
Toda la documentacin correspondiente debe remitirse
al editor de la revista Analti k a, al siguiente correo electr-
nico: analitika@inec.gob.ec.
Requerimientos tcnicos
Para ser sometidos a revisin, los trabajos debern
cumplir los siguientes requerimientos tcnicos:
Las ilustraciones y tablas deben estar numeradas se-
cuencialmente, incluyendo una descripcin explicativa
para cada una.
Las guras deben tener formato .eps, de preferencia, o
formato .jpg, o .png de alta resolucin.
El texto en las guras y mapas debe escribirse con letras
fcilmente legibles.
Diferentes elementos de un grco deben contener sus
correspondientes explicaciones. Por ejemplo, en un gr-
co de pastel se deber especicar qu representa cada
color.
Asegrese de que las inscripciones o detalles, as como
las lneas, tengan tamaos y grosores adecuados; de tal
manera que sean legibles (nmeros, letras y smbolos).
Las fotografas deben grabarse con alto contraste y en
alta resolucin. Recuerde que las fotografas frecuente-
mente pierden contraste en el proceso de la impresin.
No combine fotografas y dibujos en la misma gura.
Si las guras, grcos, ilustraciones o fotografas inclui-
das en el trabajo tienen derecho de autor, es responsa-
bilidad del autor que presenta el trabajo a evaluacin,
obtener el permiso correspondiente para su uso.
Los grcos, ilustraciones y fotografas incluidas en el
trabajo deben ser enviados en una carpeta exclusiva, la
cual debe llevar el nombre:
Gracos_ (las dos primeras iniciales del ttu-
lo del artculo en maysculas).
Por ejemplo, si el trabajo tiene como ttulo: Densidad
poblacional del Ecuador continental, el nombre de la
carpeta debe ser:
Gracos_DP.
El formato general para la etiquetas identicativas de los
diversos ambientes deber ser:
Para tablas:
\label{DP_tab:001}
Para figuras
\label{DP_fig:001}
Para ecuaciones
\label{DP_eq:001}
Para definiciones
\label{DP_def:001}
Para teoremas
\label{DP_teo:001}
etc.
Estructura y formato
La estructura del documento ser de la siguiente forma:
Obligatorias Opcionales
Ttulo Agradecimientos
Resumen Recomendaciones
Palabras claves Futuros trabajos
Abstract Anexos
Keywords
Clasicacin
Introduccin
Marco Terico o Metodologa
Aplicacin o Resultados
Conclusiones
Referencias
Tabla 1. Estructura del documento a ser evaluado.
133
Analti a
k
1
Formato del documento
Detallaremos las particularidades a considerar, para
algunos de los componentes del documento.
Ttulo. El ttulo debe incluir la siguiente informacin:
ttulo del artculo, nombre completo del autor o de los
autores, direccin del autor o de los autores, incluyendo
su correo electrnico.
Resumen (Abstract). El Resumen debe ser en espaol y
en ingls. El Resumen debe ser corto y conciso (mximo
250 palabras) y en el mismo se debe expresar los res-
ultados relevantes del estudio. Debe ser informativo y
no indicativo; por ejemplo, diga:
En este trabajo se analiza el papel que desem-
pean las caractersticas individuales, familia-
res y laborales en la probabilidad de tener un
contrato temporal frente a un contrato inde-
nido,
lo cual es informativo. No diga
La probabilidad de tener un contrato temporal
frente a un contrato indenido es discutido y
aceptado,
lo cual es indicativo.
Palabras claves (Keywords). Las palabras claves deben
ser de tres a seis y representarn los principales temas
del artculo. Debern ser colocadas al nal del resumen
y del abstract, respectivamente.
Clasicacin Se debe incluir el sistema de clasicacin
del Journal of Economic Literature, JEL http://
www.aeaweb.org/journal/ jel_class_system.php#C.
Referencias. La seccin de referencias debe incluir todas
las publicaciones citadas en el texto. No se debe incluir
reportes no publicados u otro tipo de informacin que
no es posible vericar. Las tesis deben citarse nicamente
cuando estn disponibles para consulta en una biblioteca
fsica o virtual. Las referencias deben ir en orden
alfabtico y deben seguir el sistema inicial del nombre
apellido". Las referencias de portales electrnicos deben
seguir un esquema similar al de las publicaciones, pero,
adicionalmente, se deber incluir la fecha de consulta. A
continuacin se muestra un ejemplo:
Referencias
[1] M. Aguayo, y E. Lore, Cmo hacer una Regresin
Logstica binaria paso a paso II anlisis
multivariante,"Fundacin Andalucia Beturia para
la Investigacin en Salud, Dot. N
o
0702013, (2007).
[2] C. Gamero,Satisfaccin Laboral y tipo de contrato
en Espaa, Investigative Radiology 34, Vol. 10, 636
- 642, (1999).
[3] Ley No. 100,Cdigode la niez y adolescencia, Re-
gistro Ocial 737, Enero, (2003).
[4] Scientic Instrument Services, Inc.
2006. MASS Spectral Library. En lnea:
http://www.sisweb.com/software/ ms/nist.htm,
Consulta: 10 de abril del 2010.
Agradecimientos. Los agradecimientos podrn in-
cluirse como una seccin, la cual deber estar al nal
del artculo y constar de un prrafo.
Procedimiento editorial
Cuando el trabajo ha sido recibido por el editor, ste
pasa por dos procesos de calicacin. El primero, se lleva
acabo dentro de un consejo editorial interno que determ-
inar la pertinencia y solvencia cientca y, el segundo,
es la evaluacin por expertos nacionales o extranjeros,
considerando el mtodo blind review.
Si el manuscrito es aceptado para su publicacin, ste
pasar por las siguientes etapas:
1. El editor enviar al autor principal las observaciones
realizadas por los evaluadores para que ste realice las
correcciones y cambios necesarios. El tiempo asignado
para esto no ser mayor a un mes.
2. Cuando el trabajo corregido es regresado al editor, este
har la copia-edicin y empezar el proceso de formato.
Despus de que el trabajo ha sido formateado para la
publicacin, una prueba de impresin (page proofs)
ser enviada al autor para corregir posibles errores. En
este punto, no ser posible hacer cambios en el docu-
mento, sino solamente corregir errores de edicin o for-
mato. El autor debe retornar la prueba de impresin al
editor con sus observaciones, si las hubiere, mximo en
una semana despus de haberla recibido.
3. Finalmente, el documento corregido ser archivado
hasta que la revista empiece su proceso de impresin.
Cuando esto ocurra, se enviar una copia impresa y una
digital de la revista al autor.
Si el trabajo no es aceptado para su publicacin, ser
devuelto al autor noticando el motivo.
Comentarios nales
La publicacin del volumen de la revista depende de
la colaboracin entre los autores, los revisores, la imprenta
y el editor. La colaboracin y cumplimiento de los plazos
establecidos es fundamental.
La revista Analti k a publica dos volmenes por ao.
134
Analti a
k
1

Analitika Vol 1

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Analitika Vol 1

Cargado por

Copyright:

Formatos disponibles

Estimados lectores,

: es el error estndar de los residuos .

puede calcularse para cualquier

9 (el padre de (...) vive en el hogar?), seccin 2, considerando

12 (la madre de (...) vive en el hogar?), seccin 2, consideran-

, de los cuales slo falta conocer los valores

(r)r dV, (28)

I = a S(t) I(t) b I(t),

) que representan los valores

P(t) = P(t) + E(t), (14)

es el primer entero positivo tal que

También podría gustarte