EVALUACIÓN PARCIAL

Alumna:

 Martinez Pinedo Madeley

Full name
 ACCESO DE LAS PERSONAS AL SEGURO DE SALUD Y POLITICAS QUE
INCREMENTARON SU ACCESIBILIDAD
La Encuesta Nacional de Hogares (ENAHO) es la investigación que realiza el Instituto Nacional de
Estadística e Informática (INEI), con el fin de obtener los indicadores sobre las condiciones de vida
de la población peruana. Entre estos indicadores están los módulos de salud, educación, gastos,
ingresos, etc.

Este trabajo utiliza los datos obtenidos de la ENAHO en el año 2016, combinando, mediante el
programa STATA, comandos que le permitan obtener variables o indicadores que se desea
analizar.

Primero usaremos el módulo de salud específicamente para analizar los indicadores de los seguros
de salud en el país, para calcular si las personas se encuentran aseguradas o no, que tipo de
seguro tienen, también para medir el porcentaje de asegurados en cada departamento dentro del
país y que es lo que ha hecho el gobierno para incrementar el número de asegurados en beneficio
de cada persona.

TABLA N°1 NÚMERO DE PERSONAS QUE TIENEN ACCESO TANTO A SEGUROS PRIVADOS DE
SALUD COMO AL PROGRAMA PÚBLICO ESSALUD

SISTEMA DE SALUD
OTRO SEGURO O
QUE ESTA AFILIADO SEGURO PRIVADO TOTAL
NO CUENTA
ACTUALMENTE

OTRO SEGURO O
23,473,663 276,025.4 23,749,688
NO CUENTA

ESSALUD 8,031,113.2 272,163.7 8,303,276.9

TOTAL 31,504,776 548,189.1 32,052,965

Fuente: ENAHO
Elaboración propia

Durante el año 2016 según datos de la ENAHO el número de personas que contaban con un seguro
en ESSALUD eran un total de 8, 303,277; mientras que el número de personas que tenían un
seguro de salud privado era de 548,189 los cuales representan el 25.9% y 1.71% respectivamente.
Como se observa una mayor proporción de asegurados pertenecen a ESSALUD ya que este es un
seguro que el estado brinda a los peruanos. A su vez el 0.85%( 272,164 personas) se encuentran
asegurados en ambos seguros de salud.
A nivel departamental Moquegua cuenta con mayor proporción de habitantes que poseen un
Seguro Privado el cual representa un 4.24% del total de su población, seguidamente se encuentra
Lima con 3.96% y después Callao con 2.72% de asegurados.

En ESSALUD, el porcentaje de asegurados del departamento de Callao seguido de Ica y Moquegua

poseen un 42.24%, 41.52% y 38.92% de asegurados en este tipo de seguro del total de sus
habitantes; Lima se encuentra cuarto con un 36% siendo estos los que poseen la mayoría de
habitantes asegurados en ESSALUD como se puede observar en el gráfico N°1 y N°2.

TABLA N°2 NÚMERO DE PERSONAS A NIVEL NACIONAL NO CUENTAN CON SEGURO.

¿CUENTAN CON
PORCENTAJE
SEGURO DE SALUD? HABITANTES

7,822,174 24.40
NO CUENTA

SI CUENTAN 24,230,791.3 75.60

TOTAL 32,052,965 100.00

Fuente:ENAHO
Elaboración propia

En el año 2016, a nivel nacional, la población que accede a un Seguro de Salud (ESSALUD, SIS,
Seguro Privado, Seguro Militar, etc) representa un 75.6% de habitantes lo que concluye que la
mayoría de peruanos independientemente de la edad o genero cuenta con un seguro de salud.

Así el 24,4% de la población nacional no cuenta con un seguro; este porcentaje puede depender
del nivel de pobreza, educación, los ingresos, la edad que las personas tienen. El MINSA debe
plantear reformas para garantizar que las personas no necesariamente pobres que no cuentan
con un acceso a algún seguros y que pertenecen a grupos vulnerables, sean cubiertas por el
seguro público, independientemente a la condición económica que pertenezcan.
LOS AVANCES DEL ESTADO:

A través de los años el MINSA ha ido aplicando una serie de políticas o reformas para reducir la
cantidad de las personas que no cuentan con un seguro en el país1. Dichas Reformas del Sector se
iniciaron en el año 2013, enfrentándose a un sistema que se encontraba fragmentado,
segmentado, bajo financiamiento y población vulnerable sin cobertura en un seguro.

La cobertura de aseguramiento se ha incrementado a través del D.L: 1164, DECRETO LEGISLATIVO

QUE ESTABLECE DISPOSICIONES PARA LA EXTENSIÓN DE LA COBERTURA POBLACIONAL DEL
SEGURO INTEGRAL DE SALUD EN MATERIA DE AFILIACIÓN AL RÉGIMEN DE FINANCIAMIENTO
SUBSIDIADO incorporando diversos grupos que habían quedado fuera del sistema de protección
social en salud. Al eliminar la barrera económica se incrementa el acceso en particular en los más
pobres.

Ley N° 30061 declara de prioritario interés nacional la atención integral de la salud de las y los
estudiantes de educación básica regular y especial de las instituciones públicas del ámbito del
Programa Nacional de Alimentación Escolar Qali Warma, que los incorpora como asegurados del
Seguro Integral de Salud.

A partir del 2015, los recién nacidos y las madres gestantes son afiliados automáticamente al
Seguro Integral de Salud en caso no cuenten con otra cobertura de seguro. Dicha protección
brinda servicios preventivos y curativos al recién nacido hasta los 5 años incrementando el número
de afiliados en ese año. A su vez se incrementó el presupuesto del SIS que trajo como efecto un
incremento de su cobertura y beneficios.

Anteriormente, en el año 2009 se crea el Paquete Esencial de Aseguramiento en Salud (PEAS) que
incluía una lista priorizada de condiciones asegurables, intervenciones en salud, prestaciones o
procedimientos de salud y garantías explicitas de oportunidad y calidad. Con la Reforma se otorgó
al SIS la capacidad para comprar servicios al sector privado, si es que no hay un servicio público
que resuelva su demanda de salud. Con ello se supera la segmentación del sistema y se consolida
un administrador de fondo que está protegiendo el derecho a la salud, sin importar quién brinde
el servicio.

1
•REFORMA EN SALUD - MINISTERIO DE SALUD - GOBIERNO DEL PERÚ•–
www.minsa.gob.pe
 LA EFECTIVIDAD QUE TUVO EL PROGRAMA PARA REDUCIR LA TASA DE DESERCIÓN
ESCOLAR

“Juntos también proyectaba contribuir al desarrollo de los capital humano en lo referente al

campo educativo. En ese sentido, se le pide a usted evaluar la efectividad que tuvo el programa
para reducir la tasa de deserción escolar “

La pregunta que nos hacemos: ¿Recibir apoyo del programa JUNTOS disminuye la deserción
educativa? Planteando el modelo:

𝑦𝑖 = 𝛼 + 𝛽𝐷𝑖 + 𝜃𝑋𝑖 + 𝜀𝑖

Dónde:

𝐷𝑖 = 1, 𝑠𝑖 𝑟𝑒𝑐𝑖𝑏𝑒 𝑎𝑝𝑜𝑟𝑡𝑎𝑐𝑖𝑜𝑛 𝑑𝑒𝑙 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎 𝐽𝑈𝑁𝑇𝑂𝑆

𝐷𝑖 = 0, 𝑠𝑖 𝑒𝑠 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜

Asumimos que la muestra es aleatoria y las personas están en un rango de edad de 6 a 19 años,
sus padres tienen educación primaria completa y son de proveniencia rural. Y 𝑋𝑖 representa al sexo
del encuestado.

Mediante el uso de diferencia de medias hallamos el efecto causal de la participación del

programa JUNTOS en la deserción educativa.

Suponemos que no correlación entre los errores y las variables independientes y además la
variable participación es independiente dela variable sexo en el programa entonces

𝐸[𝑦𝑖1 |𝐷𝑖 = 1] − 𝐸[𝑦𝑖0 |𝐷𝑖 = 0] = 𝛽

Utilizando el programa STATA no da como resultado 𝛽 = −0.0075512

Lo que significa que si una persona recibe el programa juntos hay una probabilidad del 0.755% que
no deje de estudiar.

Con un test de significancia con un grado de confianza del 95% planteamos la hipótesis nula de
que el impacto en la deserción no es significativa.

̅̅̅̅
𝑦 𝑖1 − ̅̅̅̅
𝑦𝑖0
𝑡= = −1.5196833
1 1
[𝜎 2 ( + )]0.5
𝑛1 𝑛0

Por lo tanto teniendo como punto crítico el valor de 2, se acepta la hipótesis de que el impacto de
recibir el programa JUNTOS no es significativo en la deserción de los estudiantes.

Establecemos los supuestos para estimar el impacto del programa a través del modelo de mínimos
cuadros ordinarios.

Suponemos:
  El modelo es lineal
 Las variables son independientes de los errores
 La esperanza de los errores es cero.
 No hay correlación
 No multicolinealidad

Definamos las variables:

𝑑𝑒𝑠𝑒𝑟 𝑖 :1 si deserta 0 otro caso

𝐽𝑈𝑁𝑇𝑂𝑆 𝑖 : Participación en el programa JUNTOS 1 si participa 0 no participa

𝑒𝑑𝑎𝑑 𝑖 : Edad en años

seguro𝑖 : 1 si está asegurado, 0 otro caso

𝑁𝐵𝐼 𝑖 : 1 si tiene alguna necesidad básica insatisfecha, 0 otro caso

𝑝𝑜𝑏𝑟𝑒𝑧𝑎 𝑖 : 1 extremo pobre, 2 pobre

𝑚𝑖𝑒𝑝𝑒𝑟ℎ𝑜 𝑖 Tamaño de la familia

Corremos la regresión

. reg deser mieperho pobreza JUNTOS edad seguro NBI

Source SS df MS Number of obs = 10158

F( 6, 10151) = 2.47
Model .822014545 6 .137002424 Prob > F = 0.0219
Residual 563.737938 10151 .055535212 R-squared = 0.0015
Adj R-squared = 0.0009
Total 564.559953 10157 .055583337 Root MSE = .23566

deser Coef. Std. Err. t P>|t| [95% Conf. Interval]

mieperho -.0007505 .001172 -0.64 0.522 -.003048 .0015469

pobreza .0048153 .0057445 0.84 0.402 -.0064451 .0160756
JUNTOS -.00217 .0049324 -0.44 0.660 -.0118385 .0074984
edad -.0022481 .0006262 -3.59 0.000 -.0034755 -.0010207
seguro -.000703 .0075053 -0.09 0.925 -.0154148 .0140088
NBI -.0024392 .0047952 -0.51 0.611 -.0118388 .0069603
_cons .0846787 .0169573 4.99 0.000 .051439 .1179184

Como se observa en la regresión el impacto del programa JUNTOS en la deserción educativa es

inversa (-0.0217), quiere decir que si una persona participa en el programa hay una probabilidad
de que esa persona no deserte
Para asegurar la condición de exogeneidad no se asegura si omitimos alguna variable que se
encuentre en los residuos y tiene una relación con las variables independientes, por ejemplo los
ingresos de los padres puede tener una relación con la pobreza, la salud de la persona si está
enfermo o no con el seguro, etc.

Instrumentamos la variable altitud con las necesidades básicas insatisfechas

Corremos la regresión

Instrumental variables (2SLS) regression Number of obs = 34291

Wald chi2(6) = 45.68
Prob > chi2 = 0.0000
R-squared = .
Root MSE = .24752

deser Coef. Std. Err. z P>|z| [95% Conf. Interval]

JUNTOS -.0254535 .0097119 -2.62 0.009 -.0444886 -.0064185

mieperho -.0013907 .0007445 -1.87 0.062 -.00285 .0000685
pobreza .0001958 .0033533 0.06 0.953 -.0063765 .0067681
NBI .000675 .0031492 0.21 0.830 -.0054973 .0068473
edad -.001641 .0003448 -4.76 0.000 -.0023168 -.0009652
seguro .0043442 .004138 1.05 0.294 -.003766 .0124545
_cons .0959751 .0119441 8.04 0.000 .0725652 .1193851

Instrumented: JUNTOS
Instruments: mieperho pobreza NBI edad seguro altitud

Demostramos que cumple con la condición para que sea un variable instrumental

. correlate altitud res1

(obs=34291)

altitud res1

altitud 1.0000
res1 0.0000 1.0000

. correlate JUNTOS altitud

(obs=34291)

JUNTOS altitud

JUNTOS 1.0000
altitud 0.3875 1.0000

Como se observa no hay correlación entre la IV y los residuos, y la correlación entre la IV y JUNTOS
es diferente de cero; cumple con las condiciones.
Ahora en el nuevo esquema el impacto del programa es -0.0254535, lo cual ha aumentado.

Respondiendo a la pregunta (2.d) analizamos los test de heterocedasticidad:

 Test de White

White's test for Ho: homoskedasticity

against Ha: unrestricted heteroskedasticity

chi2(23) = 53.50
Prob > chi2 = 0.0003

Cameron & Trivedi's decomposition of IM-test

 Test de Breusch y Pagan

Source chi2 df p

Breusch-Pagan / Cook-Weisberg 53.50

Heteroskedasticity
test for heteroskedasticity
23 0.0003
Ho: Skewness
Constant variance
913.04 6 0.0000
Kurtosis 945.74 1 0.0000
Variables: fitted values of deser
Total 1912.28 30 0.0000

chi2(1) = 102.84
Prob > chi2 = 0.0000

 Test de Golfeld y Quandt

display F =0.73924535

Los test muestran que existe heterocedasticidad en la regresión. En presencia de

heterocedasticidad suministran una base poco fiable para la inferencias y los estimadores pueden
ser insesgados pero inconsistentes. Esta heterocedasticidad puede ser producto de la omisión de
algunas variables relevantes tales como los ingresos de las familias, o quizás también puede surgir
por el uso de una forma funcional incorrecta.

Corrección de la Heterocedasticidad

Linear regression Number of obs = 10158

F( 6, 10151) = 2.44
Prob > F = 0.0232
R-squared = 0.0015
Root MSE = .23566

Robust
deser Coef. Std. Err. t P>|t| [95% Conf. Interval]

JUNTOS -.00217 .004915 -0.44 0.659 -.0118044 .0074644

mieperho -.0007505 .001182 -0.63 0.525 -.0030676 .0015665
pobreza .0048153 .0055498 0.87 0.386 -.0060634 .0156939
edad -.0022481 .0006143 -3.66 0.000 -.0034523 -.0010439
seguro -.000703 .0075067 -0.09 0.925 -.0154177 .0140117
NBI -.0024392 .0046983 -0.52 0.604 -.0116488 .0067704
_cons .0846787 .0174267 4.86 0.000 .050519 .1188384

En este caso los estimadores de los coeficientes no cambien, pero si se modifican las desviaciones
estándar.
ANEXOS
GRÁFICO N°1

Porcentaje de habitantes por departamentos

que cuentan con ESSALUD
Ucayali 16.91%
Tumbes 24.53%
Tacna 26.21%
San Martín 16.66%
Puno 12.84%
Piura 21.33%
Pasco 24.96%
Moquegua 38.92%
Madre de Dios 16.07%
Loreto 13.62%
Lima 36.62%
Lambayeque 30.10%
La Libertad 24.69%
Junín 17.77%
Ica 41.52%
Huanuco 12.51%
Huancavelica 10.85%
Cusco 13.18%
Callao 42.24%
Cajamarca 14.21%
Ayacucho 10.40%
Arequipa 32.09%
Apurímac 10.23%
Ancash 20.52%
Amazonaz 12.33%
 GRÁFICO N°2

Porcentaje de habitantes por departamentos

que cuentan con SEGURO PRIVADO
Ucayali 0.48%
Tumbes 0.71%
Tacna 1.78%
San Martín 0.92%
Puno 0.03%
Piura 0.87%
Pasco 0.15%
Moquegua 4.24%
Madre de Dios 0.28%
Loreto 0.42%
Lima 3.96%
Lambayeque 0.95%
La Libertad 1.09%
Junín 0.63%
Ica 0.40%
Huanuco 0.85%
Huancavelica 0.08%
Cusco 0.41%
Callao 2.72%
Cajamarca 1.62%
Ayacucho 0.20%
Arequipa 1.33%
Apurímac 0.06%
Ancash 1.37%
Amazonaz 0.21%