Metodología para la Medición de la

Pobreza Multidimensional
Maria Emma Santos
Universidad Nacional del Sur-CONICET y OPHI
Taller sobre Indices de Pobreza Multidimensional
18 y 19 de Septiembre 2013
Bogotá, Colombia
 Una Aplicación:
El Indice de Pobreza
Multidimensional
[Global]
 Índice de Pobreza
Multidimensional (IPM)

Alkire y Santos 2010

Alkire, Roche y Seth 2011
Alkire, Conconi y Roche 2013
 ¿Qué es el IPM?
• Constituye la primera implementacion del metodo directo
para la medicion de pobreza en una forma
internacionalmente comparable, cubriendo un numero tan
grande de paises (104 países en desarrollo).
• Fue lanzado en 2010 en el Human Development Report de
Naciones Unidas, y actualizado en 2011 y 2013
• La metodología del IPM está siendo adaptada para diversas
medidas nacionales – usando indicadores más apropiados
para cada contexto.
• El IPM construye sobre distintas medidas preexistentes,
incluyendo el IPH.
 ¿Qué mide el IPM?
• El IPM mide pobreza aguda entendida como la
inhabilidad de una persona para satisfacer
simultaneamente minimos estandares
internacionalmente comparables, relacionados con
los ODMs y con funcionamientos clave.
 OPHI – equipo IPM 2013
OPHI Research Team: Sabina Alkire (Directora), James Foster (Research Fellow), John Hammock (Co-Fundador y
Research Associate), Adriana Conconi (coordinación IPM 2013-14), José Manuel Roche (coordinación IPM 2011-13), Maria Emma
Santos (coordinación IPM 2010), Suman Seth, Paola Ballon, Gaston Yalonetzky, Diego Zavaleta, Mauricio Apablaza

Analistas y asistentes en el cálculo del IPM desde 2011: Akmal Abdurazakov, Cecilia Calderon, Iván
Gonzalez De Alba, Usha Kanagaratnam, Gisela Robles Aguilar, Juan Pablo Ocampo Sheen, Christian Oldiges y Ana Vaz.

Contribuciones especiales: Heidi Fletcher (preparación de los mapas), Esther Kwan y Garima Sahai (asistentes de
investigación y preparación de gráficos), Christian Oldiges (asistencia de investigación en descomposiciones regionales y errores est;andar),
John Hammock (material de campo de Ground Reality Checkl), Yadira Diaz (asistencia en prepación de mapas).

Equipo de Comunicaciones: Paddy Coulter (Director de Comunicaciones), Emma Feeny (Research Communications
Officer), Heidi Fletcher (Web Manager), Moizza B Sarwar (Research Communications Assistant), y Cameron Thibos (Design Assistant).

Apoyo Administrativo: Laura O’Mahony (OPHI Project coordinator), Natasha Francis (OPHI Project Assistant)

OPHI prepara el IPM para su publicación en el Human Development Report de

UNDP y agradecemos el apoyo de nuestros colegas en HDRO.
METODOLOGÍA
DEL IPM
 1. Datos: Encuestas

Demographic & Health Surveys (DHS - 52)

Multiple Indicator Cluster Surveys (MICS - 34)
World Health Survey (WHS – 17)

Adicionalmente, usamos 6 encuestas especiales para Argentina (urbana:

ENNyS), Brasil (PNDS), México (ENSANUT), Marruecos (ENNVM),
Territorios Ocupados Palestinos (PAPFAM), and Sudáfrica (NIDS)

Restricciones: Datos de 2002-2011. No todas las encuestas tienen

exactamente los mismos indicadores.
 Restricciones en los datos
El IPM se ve afectado en gran medida ante la falta de comparabilidad
de los datos.
• ciertos indicadores claves no son cubiertos (stock, calidad)
• hay información faltante para algunas dimensiones
• valores faltantes conducen a reducciones en el tamaño de la
muestra/sesgos
• varían los encuestados; la información a nivel individual es escasa
• las encuestas son actualizadas cada 3-5 años, y en distintos años
• los datos excluyen ciertos grupos (adultos mayores, institucionalizados)
• las encuestas de ingreso/consumo no cuentan con los indicadores de
salud usados en el IPM
Estos problemas pueden mejorarse en medidas nacionales.

“Mejorar la recolección de datos y su calidad debería ser una

preocupación central en todos los países...”
Bourguignon et al. 2008 pág. 6
 Dimensiones/Indicadores, Pesos, Umbrales
Dimensión Indicador
Privaciones
Umbral de Pobreza
(peso) (peso)
Al menos un adulto o niño en el hogar con información nutricional es
Salud Nutrición (1/6)
desnutrido
(1/3)
Mortalidad infantil (1/6) Ha muerto al menos un niño en el hogar
Años de educación (1/6) Ningún miembro del hogar ha completado 5 años de educación
Educación
(1/3) Asistencia escolar (1/6)
Al menos un niño en edad escolar en el hogar no asiste a la escuela
hasta el grado 8
Acceso a electricidad (1/18) La vivienda no tiene electricidad
Acceso a saneamiento adecuado (1/18) El baño de la vivienda no es mejorado o se comparte con otros hogares

El hogar no tiene acceso a agua potable o la misma está a más de 30

Caidad de Acceso a agua potable (1/18)
vida (1/3)
minutos (ida y vuelta)
Tipo de pisos (1/18) La vivienda tiene pisos de tierra, arena o estiércol
Tipo de combustible para cocinar (1/18) El hogar cocina con estiércol, madera o carbón
El hogar no posee más de uno de: radio, TV, teléfono, bicicleta,
Tenencia de activos (1/18)
motocicleta, o refrigerador, y no posee un carro o camioneta
 Indicadores del IPM y los ODM
– Salud
• Nutrición ODM 1 (Erradicar la pobreza extrema y el hambre)
• Mortalidad ODM 4 (Reducir la mortalidad infantil)
– Educacion
• Asistencia de niños a la escuela y años de educación
ODM 2 (Achieve Universal Primary Education)
– Estandar de Vida
• Electricidad no es ODM ● Combustible para cocinar ODM 7
• Sanidad ODM 7 ● Agua Potable MDG 7
(Asegurar la Sustentabilidad Ambiental)
• Piso no es ODM ● Activos MDG 1

• Omisiones de ODM: genero, enfermedades infecciosas,

ingreso, mortalidad materna, medio ambiente, tenencia de
la vivenda
 Indicadores del IPM y los ODMs
Notar que...
A diferencia de los indicadores de los ODM, los
indicadores del IPM utilizan la misma poblacion base: el
total de poblacion.
El hogar es la unidad de analisis para identificar a los
pobres.
El IPM utiliza cualquier informacion disponible sobre todos
los miembros de cada hogar para identificar todos los
miembros del hogar como pobres o no. Esto supone
interacciones y externalidades (positivas y negativas) y
puede crear eficiencia de politica.
Las estimaciones son reportadas en terminos de personas
(no hogares).
 Datos - mejorando
MPI 2010 MPI 2013
DHS: 48 DHS: 51
MICS: 35 MICS: 30
WHS: 19 WHS: 17
Special: 2 Special: 6

10 indicatores: 62 10 indicatores 66
Faltan 1 31 Faltan 1 31
Faltan 2 8 Faltan 2 6
Faltan 3 3 Faltan 3 1
Años 2000-08 Años 2002-11
14
 Ponderaciones iguales por dimension
“la interpretación del conjunto de indicadores se facilita
enormemente cuando los componentes individuales
tienen grados de importancia que, si bien no
exactamente iguales, no son manifiestamente
diferentes.”
Atkinson, Cantillon, Marlier y Nolan (2002), p. 25

Durante el análisis se realizaron pruebas de

robustez de los umbrales y ponderadores
Identificación: ¿Quién es pobre?
Un individuo es multidimensionalmente pobre
si está privado en 33% de las dimensiones
Privaciones de Phuba (ci/d):
3*(1/6)+3*(1/18)=
(9+3)/18=12/18=67% >33%,
entonces ella es POBRE
Análisis de robustez – cambios en la línea de pobreza, k
Entre países que no muestran un progreso signficativo
Madagascar 2004-2009
Multidimensional Poverty Index (MPI)
0 .1 .2 .3 .4 .5

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
Poverty cutoff (k)

Lower Limit T1 Lower Limit T2

MPI T1 MPI T2 Senegal 2005-2011

Multidimensional Poverty Index (MPI)

.5
Upper Limit T1 Upper Limit T2

0 .1 .2 .3 .4

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
Poverty cutoff (k)

Lower Limit T1 Lower Limit T2

MPI T1 MPI T2
Upper Limit T1 Upper Limit T2
Análisis de robustez – cambios en la línea de pobreza, k
Entre países que muestran un progreso substancial
Bangladesh 2004-2007 Nepal 2006-2011 Rwanda 2005-2010

Multidimensional Poverty Index (MPI)

Multidimensional Poverty Index (MPI)

Multidimensional Poverty Index (MPI)

.5
.4
.4

.4
.3
.3

.3
.2
.2

.2
.1
.1

.1
0

0
0

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1 0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1 0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
Poverty cutoff (k) Poverty cutoff (k) Poverty cutoff (k)

Lower Limit T1 Lower Limit T2 Lower Limit T1 Lower Limit T2 Lower Limit T1 Lower Limit T2
MPI T1 MPI T2 MPI T1 MPI T2 MPI T1 MPI T2
Upper Limit T1 Upper Limit T2 Upper Limit T1 Upper Limit T2 Upper Limit T1 Upper Limit T2

Bolivia 2003-2008 Ghana 2003-2008

.5
Multidimensional Poverty Index (MPI)
Multidimensional Poverty Index (MPI)

Multidimensional Poverty Index (MPI)

.4
.25

.4
.2

.3

.3
.15

.2

.2
.1

.1

.1
0 .05

0
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1 0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1 0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
Poverty cutoff (k) Poverty cutoff (k) Poverty cutoff (k)

Lower Limit T1 Lower Limit T2 Lower Limit T1 Lower Limit T2 Lower Limit 2008 Lower Limit 2010
MPI T1 MPI T2 MPI T1 MPI T2 MPI 2008 MPI 2010
Upper Limit T1 Upper Limit T2 Upper Limit T1 Upper Limit T2 Upper Limit 2008 Upper Limit 2010
Análisis de robustez – cambios en la línea de pobreza, k
Casos en el límite: todos con valores de IPM bajos (<0.09)
Armenia 2005-2010 Guyana 2005-2009
Multidimensional Poverty Index (MPI)

Multidimensional Poverty Index (MPI)

.04

.02 .04 .06 .08 .1

0 .01 .02 .03

0
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1 0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
Poverty cutoff (k) Poverty cutoff (k)

Lower Limit T1 Lower Limit T2 Lower Limit T1 Lower Limit T2

MPI T1 MPI T2 MPI T1 MPI T2
Upper Limit T1 Upper Limit T2 Upper Limit T1 Upper Limit T2

Jordan 2007-2009
Peru 2005-2008
.06
Multidimensional Poverty Index (MPI)

Multidimensional Poverty Index (MPI)

.15 .2
.04

.1
.02

.05
0

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
Poverty cutoff (k) 0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
Poverty cutoff (k)
Lower Limit T1 Lower Limit T2
MPI T1 MPI T2 Lower Limit T1 Lower Limit T2
Upper Limit T1 Upper Limit T2 MPI T1 MPI T2
Upper Limit T1 Upper Limit T2
 Phuba

20
21
21
22
22
23
23
24
24
25
26
26
27
27
28
28
29
29
Otras historias
 Metodología: IPM – matriz g0(k)
Tasa de Pobreza Ajustada = M0 = H*A = .442
k=3 (calcular IPM para cada valor de k)
Indicadores c(k) c(k)/d

 0 0 0 0 0 0 0 0 0 0 0 0
1.67 1.67 1.67 1.67 .55 0 0 0 0 .55  7.76 .776
g 0 (k ) =  
 0 1.67 0 1.67 .55 0 .55 .55 .55 0  5.53 .553
 
 0 0 0 1.67 .55 .55 .55 0 .55 . 55  4.42 .442

H = tasa de pobreza = ¾ = 75%

A = privación promedio entre los pobres =
(0.776+0.553+0.442)/3=0.59 = 59%
M0 = HA = .442
¿Cómo se calcula el IPM?
• El IPM se construye en base al método AF:

Fórmula: MPI = M0 = H × A

• H es el porcentaje de personas que son pobres,

muestra la incidencia de la pobreza multidimensional.
• A es el promedio de la proporción de privaciones
ponderadas que sufren los pobres. Muestra la
intensidad de la pobreza de la gente – la distribución
conjunta de sus privaciones.
A es nuevo. El IPM es apropriado para datos ordinales y satisface propiedades como
consistencia por subgrupos, monotonicidad dimensional, foco en pobreza y privaciones.
El IPM es como la brecha de la pobreza – pero mirando su intensidad –
lo que sufre una persona al mismo tiempo.
 ¿Qué es lo novedoso?
Intensidad
El IPM comienza con cada persona y construye un
perfil de privación para cada persona.
Algunas personas son identificadas como pobres en base a la
distribución conjunta de sus privaciones. El resto de las personas
es identificado como no-pobres.

• La mayoría de las medidas de pobreza multidimensional

como el IPH analizan las privaciones una por una, no a
nivel de hogar.
• Las medidas de conteo sí analizan privaciones conjuntas pero
sólo proveen una tasa de incidencia, sin dar incentivos a
focalizarse en aquellos que sufren de más privaciones al
mismo tiempo o en reducir la intensidad.
 Algunas propiedades importantes
• Descomposición por Subgrupos: la medida nacional puede ser
desagregada por edad, género, región, etnicidad, área urbano/rural, etc.

0.00
• Descomposición por Dimensión (luego de la
Mexico
Brazil China
Dominican Nairobi
Central
Republic Urban
0.10
identificación): se puede ver fácilmente qué Indonesia
Ghana
Bolivia Central Central

dimensiones están causando más pobreza para 0.20 Rural

distintos grupos o áreas. 0.30 India Kenya Eastern

Coast
Western

MPI Value
Rift Valley
Tanzania Nyanza
0.40

Mozambique
0.50
North
Mali Eastern
0.60 Urban
Niger
North North
0.70 Eastern Eastern
Rural

0.80
 Base de datos IPM
http://www.ophi.org.uk/multidimensional-poverty-index/mpi-data-bank/
 Base de datos IPM:
http://www.ophi.org.uk/multidimensional-poverty-index/mpi-data-bank/

Tablas Web : 1) Resultados nacionales (109

países); 2) Resultados subnacionales (65);
3) Resultados análisis en el tiempo (22)

Perfiles por país: informes breves con

resultados, gráficos y mapas de pobreza para
cada país
Mapas de pobreza: 1) Mapas interactivos online
– StatPlanet; 2) Versión para imprimir –
MapInfo/PDF
Casos de estudio: profundas entrevistas
cualitativas
36
Diapositivas Adicionales
CAMBIOS EN EL TIEMPO
Alkire y Roche (2013)
Comparando IPM en el tiempo
 22 países que tienen dos o más DHS comparables.
 Las definiciones de los indicadores varían en algunos casos.
 Ajustamos los IPM publicados para generar comparaciones
rigurosas.
 Por lo tanto, estos índices difieren en algunos casos de los
resultados publicados para el IPM.
 Datos más recientes: 2007 – 2011
 18 países se remontan 5 a 7 años en el tiempo, los restantes 4
permiten comparaciones que cubren cambios en 2 a 4 años.
 Datos más antiguos: 1998/9 - 2008
 Etiopía: tiene dos comparaciones 2000-2005 y 2005-2010.
 Se obtuvo informacional adicional de WDI para las comparaciones.
 Los datos poblacionales se refieren a 2010.
Análisis en el tiempo en 22 países
Cambios en Bolivia, Etiopía, Nepal y Uganda

Ethiopia
Cambios en Bolivia, Etiopía, Nepal y Uganda
 Cambios en el tiempo en el IPM
Multidimensional Poverty Index (MPI) over Time
Armenia 2005-2010**
Jordan 2007-2009 18 countries have statistically
Colombia 2005-2010*** significant MPI reduction at α=0.05
Guyana 2005-2009**
Per u 2005-2008*
Bolivia 2003-2008***
Zimbabwe 2006-2010/11***
Lesotho 2004-2009***
Ghana 2003-2008***
Cambodia 2005-2010***
Nepal 2006-2011***
Kenya 2003-2008/9*** Note: *** statistically significant at α=0.01
India 1998/9-2005/6*** ** statistically significant at α=0.05,
Bangladesh 2004-2007*** * statistically significant at α=0.10
Nigeria 2003-2008***
Tanzania 2008-2010***
Rwanda 2005-2010***
Malawi 2004-2010***
Uganda 2006-2011***
Madagascar 2004-2008/9
Senegal 2005-2010/11
Ethiopia 2005-2011***
Ethiopia 2000-2005***

.000 .100 .200 .300 .400 .500 .600 .700 .800

MPI in Year 1 MPI in Year 2
 Cambios en el tiempo en el IPM
Madagascar 2004-2008/9
Armenia 2005-2010
Jordan 2007-2009
Guyana 2005-2009
Senegal 2005-2010/11
Colombia 2005-2010
Peru 2005-2008
India 1999-2005/6
Zimbabwe 2006-2010/11
Malawi 2004-2010
Kenya 2003-2008/9
Reduccioón
Nigeria 2003-2008 Absoluta mas
Lesotho 2004-2009 grande
Ethiopia 2005-2011
Ethiopia 2000-2005
Uganda 2006-2011
Bolivia 2003-2008
Cambodia 2005-2010 en top 7
Tanzania 2008-2010
Ghana 2003-2008
Bangladesh 2004-2007
Rwanda 2005-2010 top 3
Nepal 2006-2011

-.030 -.025 -.020 -.015 -.010 -.005 .000 .005 .010

Annualized Absolute Variation

 Multidimensional Poverty
How do we report the results?
Absolute
Index (MPI)
Year 1
% Relative Year 2
Annualized variation t-statistics for
difference

Armenia 2005-2010 .003 (.001) .001 (.000) .000 -12.9% 2.36 **

Bangladesh 2004-2007 .365 (.007) .289 (.006) -.025 -7.0% 7.51 ***
Bolivia 2003-2008 .175 (.005) .089 (.003) -.017 -9.8% 13.68 ***
Cambodia 2005-2010 .298 (.006) .212 (.006) -.017 -5.8% 10.03 ***
Colombia 2005-2010 .040 (.002) .023 (.001) -.003 -8.4% 8.38 ***
Ethiopia 2000-2005 .677 (.004) .605 (.005) -.014 -2.1% 6.66 ***
Ethiopia 2005-2011 .605 (.005) .523 (.007) -.014 -2.2% 8.26 ***
Ghana 2003-2008 .309 (.007) .202 (.007) -.021 -6.9% 10.43 ***
Guyana 2005-2009 .053 (.005) .041 (.002) -.003 -5.4% 2.23 **
India 1998/9-2005/6 .300 (.002) .251 (.003) -.007 -2.4% 12.81 ***
Jordan 2007-2009 .011 (.002) .011 (.001) .000 -3.6% 0.36
Kenya 2003-2008/9 .296 (.008) .244 (.010) -.009 -3.2% 4.10 ***
Lesotho 2004-2009 .239 (.005) .182 (.007) -.012 -4.8% 6.34 ***
Madagascar 2004-2008/9 .383 (.016) .400 (.007) .004 1.0% 1.03
Malawi 2004-2010 .381 (.006) .334 (.005) -.008 -2.0% 6.06 ***
Nepal 2006-2011 .350 (.013) .217 (.012) -.027 -7.6% 7.61 ***
Nigeria 2003-2008 .368 (.011) .313 (.006) -.011 -3.0% 4.04 ***
Peru 2005-2008 .085 (.007) .066 (.004) -.006 -7.3% 1.83 *
Rwanda 2005-2010 .460 (.005) .330 (.006) -.026 -5.6% 15.55 ***
Senegal 2005-2010/11 .440 (.019) .423 (.010) -.003 -0.7% 1.04
Tanzania 2008-2010 .367 (.008) .326 (.007) -.021 -5.7% 3.96 ***
Uganda 2006-2011 .417 (.007) .343 (.009) -.015 -3.5% 5.70 ***
Zimbabwe 2006-2010/11 .180 (.006) .145 (.005) -.008 -4.2% 4.50 ***

Note: 45
*** statistically significant at α=0.01, ** statistically significant at α=0.05, * statistically significant at
α=0.10
 Cómo cambia el IPM:
- Reducciones en la incidencia
- Reducciones en la intensidad
Reduciendo incidencia e intensidad
País A: País B:
Política de reducción de pobreza Política orientada a los más pobres entre
(sin foco en desigualdad) los pobres
Multidimensional Intensity
Intensity of Multidimensional Multidimensional
Multidimensional Intensity of
Intensityof Multidimensional
Multidimensional
Headcount Deprivations Poverty Index Headcount
Headcount Deprivations
Deprivations Poverty
Poverty Index
Index
(H) (A) (MPI = H * A) (H)
(H) (A)
(A) (MPI
(MPI =
=HH ** A)
A)

75.00 60.00 75.00

75.00 60.00
60.00 0.42
0.42 0.42

0.41 59.00 0.41

0.41
59.00 59.00
Before 0.40 Before
Before
0.40 70.00 0.40
70.00 58.00 70.00 58.00
58.00
0.39 0.39
0.39
57.00 57.00
57.00
0.38 0.38
0.38
65.00 56.00 65.00
65.00 56.00
56.00
0.37 0.37
0.37

55.00 0.36 55.00

55.00 0.36
0.36
After 60.00 54.00 0.35
0.35
60.00 54.00 0.35 60.00 54.00

0.34 0.34
0.34
53.00 53.00
53.00
0.33 0.33
0.33
55.00 55.00
55.00 52.00 After
52.00 52.00
0.32 0.32
0.32
51.00 51.00
51.00
0.31 0.31
0.31
50.00 50.00 0.30 País B redujo la intensidad
50.00
50.00
de50.00
las deprivaciones
50.00 0.30
0.30

entre los pobres en mayor medida. El índice final

refleja esto.
(IPM satisface Monotonicidad Dimensional)
 Reducir incidencia o intensidad?
0.2
Bad/Bad
Good/ Bad
0
-5 -4 -3 -2 -1 0 1 2
Annual Absolute Variation in Intensity (A)

Reduction in Incidence
of Poverty (H) -0.2

-0.4

-0.6

Reduction in
Intensity of
Lo mejor es reducir -0.8
Poverty (A)
simultáneamente la incidencia e
intensidad de la pobreza -1

-1.2

-1.4

Good /Good Bad/Good

-1.6
Annual Absolute Variation in % Headcount Ratio (H)
48
Reducir incidencia o intensidad?

49
 Reducir incidencia o intensidad?
La misma reducción en incidencia
pero diferente reducción en
intensidad de la pobreza

50
 Reducir incidencia o intensidad?
Diferentes grupos –
diferentes caminos a la
reducción de pobreza?

51
 Reducción IPM
Rwanda Ethiopia Nigeria
2005-2010 2005-2011 2003-2008 Diferente camino
a la reducción de
-.011
-.014 pobreza
-.026 Rwanda Ethiopia Nigeria
2005-2010 2005-2011 2003-2008
6%
32%
55%
94%
68%
45%

Incidence of poverty effect (H)

Intensity of poverty effect (A)
Intensidad e Incidencia: ambos reducen IPM
Madagascar 107%

Notablemente, Etiopía, Malawi Armenia

Jordan
y Senegal siguen un camino de 95% Guyana
16% 16% Senegal
reducción de intensidad 10% 90% Colombia
14% 86% Peru
12% 88% India
21% 79% Zimbabwe
40% 60% Malawi
17% 83% Kenya
6% 94% Nigeria
17% 83% Lesotho
55% 45% Ethiopia 2
63% 37% Ethiopia 1
22% 78% Uganda
15% 85% Bolivia
26% 74% Cambodia
29% 71% Tanzania
21% 79% Ghana
33% 67% Bangladesh
32% 68% Rwanda
21% 79% Nepal

-.030 -.025 -.020 -.015 -.010 -.005 .000 .005 .010

Annualized Absolute Variation in MPI
53
 Cómo cambia IPM:
- Reducciones en cada indicador
Cómo redujeron IPM los mejores países
Nepal Bangladesh Rwanda
(.350) (.365) (.460)
0.00
in proportion who is poor and deprived in...

-1.00 Nutrition
Annualized Absolute Change

Child
-2.00 Mortality
Years of
Schooling
-3.00 Attendance

-4.00 Cooking
Fuel
Sanitation
-5.00
Water

-6.00 Electricity

Floor
-7.00
Assets
-8.00
 Otros patrones de reducción
Ghana Tanzania Cambodia Bolivia
(.309) (.367) (.298) (.175)
1.00
in proportion who is poor and deprived in...

Nutrition
0.00
Annualized Absolute Change

Child
Mortality
Years of
-1.00 Schooling
Attendance

-2.00 Cooking
Fuel
Sanitation

-3.00 Water

Electricity

-4.00 Floor

Assets
-5.00
 Otros patrones de reducción
Madagascar Malawi Uganda
(.383) (.381) (.417)
0.03
in proportion who is poor and deprived in...

Nutrition
0.01
Annualized Absolute Change

Child
Mortality
Years of
-0.01 Schooling
Attendance

-0.03 Cooking
Fuel
Sanitation

-0.05 Water

Electricity

-0.07 Floor

Assets
-0.09
Cambios en IPM Subnacional:
- Yendo más allá de promedios
- Mostrando disparidades
“No dejes atrás a nadie” (HLP2015)

59
Cambios en el tiempo en Rwanda
Rwanda 2005-2010: Annualized Absolute Changes in Regional MPI
City of
North West East South National Kigali
(0.481) (0.481) (0.479) (0.469) (0.460) (0.260)
0.000

-0.005
Annualized Absolute Change

-0.010
in the regional MPI

-0.015

-0.020

-0.025

-0.030

-0.035
Países como Rwanda
-0.040 muestran igual ritmo de
-0.045 reducción en todas sus
-0.050 regiones
60
 Cambios en el tiempo en Nepal
Nepal 2006-2011: Annualized Absolute Changes in Regional MPI
Annualized Absolute Change

0.000
in the regional MPI

-0.005
-0.010
-0.015
-0.020
-0.025
-0.030
-0.035
-0.040 Países como Nepal
-0.045 muestran una reducción
desigual de pobreza entre
-0.050
sus regiones 61
Cambios en el tiempo en Nigeria
Nigeria 2003-2008: Annualized Absolute Changes in Regional MPI

South South North North North

South East West South Central National West East
(.131) (.132) (.215) (.321) (.368) (.530) (.552)
0.010

0.000
Annualized Absolute Change

-0.010
in the regional MPI

-0.020

-0.030

-0.040

-0.050
62
 En algunos países
Changes overobservamos
time inaumentos
MPI y caídas en la pobreza
simultáneamentente: Senegal, Nigeria y Zimbabwe
Annualized Absolute Variation in MPI
-.2 -.1 0

la ia
Bo s h

Et pia bia

G na

Jo na

Le nya

ri a

ba al
Se nda
ia 05

N o

e
G 11

Ke n
am ia

R eru
Et o dia

Ni al
a

th

bw
ng en

Zi neg
ep
C liv
de

ha

ge
a
op 00/

rd
hi lom
bo

05

so

P
a
uy
Ba rm

m
A

C
o
hi

Si bien las comparaciones deben hacerse con cuidado, se observan grandes

disparidades en el progreso en Camboya, Etiopía, Nepal y Senegal63
DÓNDE VIVEN LOS
POBRES
 109 Países en Desarrollo:
~ 31 Países de Ingresos Bajos, (700.9 M)
~ 70 Países de Ingresos Medios, (4557.9 M), de los cuales:
~ 42 Ingreso Medio Bajo (2378.9 M)
~ 28 Ingreso Medio Alto (2179.0 M)
~ 8 Países de Ingresos Altos (41.2 M), de los cuales:
~ 5 OECD (29.2 M)
~ 3 no OECD (12 M)

Población Total: 5.3 Billion people

Que representa 78% de la población mundial
(population figures from 2010; data from 2000-2011).
IPM varía mucho dentro de las categorías de
ingreso
 100%

10%
20%
30%
40%
50%
60%
70%
80%
90%

0%
Niger
Ethiopia
Mali
Burundi
Burkina Faso
Liberia
Guinea
Somalia
Mozambique
Sierra Leone
Senegal
DR Congo
Benin
Uganda
Rwanda
Timor-Leste
Madagascar
Malawi
Tanzania
Zambia
Chad
Mauritania
Cote d'Ivoire

Intensity 69.4% & More

Gambia
Bangladesh
Haiti
Togo
Nigeria
India
Cameroon
Yemen
Pakistan
Kenya
Lao
Cambodia
Nepal
Republic of Congo
Namibia
Zimbabwe
Lesotho
Sao Tome and Principe
Honduras
Ghana

Intensity 50-69.4%
Vanuatu
Djibouti
Nicaragua
Bhutan
Guatemala
Indonesia
Bolivia
Swaziland
Tajikistan
Mongolia
Peru
Iraq
Philippines
South Africa
Paraguay
China
Morocco
Suriname
Guyana
Estonia

Intensity 44.4-50%
Turkey
Egypt
Trinidad and Tobago
Belize
Syrian Arab Republic
Colombia
Sri Lanka
Azerbaijan
Maldives
Kyrgyzstan
Dominican Republic
Hungary
Croatia
Viet Nam
Mexico
Czech Republic
Argentina
Tunisia
Brazil
Jordan
Uzbekistan
Ecuador
Intensity 33.3-44.4%

Ukraine
Macedonia
Moldova
Comparing the Headcount Ratios of MPI Poor and $1.25/day Poor

Uruguay
Thailand
Latvia
Montenegro
Palestinian Territories
Albania
Russian Federation
Serbia
Bosnia and Herzegovina
Georgia
$1.25 a day

Kazakhstan
United Arab Emirates
Armenia
Belarus
Slovenia
Slovakia
Población Total en los 104 países del IPM 2013 La mitad de la población
Europe and
Central Asia mundial considerada en
7.5% Arab States
Sub-
Saharan
4.2%
Latin
el IPM vive en Asia del
Africa
14.3%
America and
Caribbean Sur, y 29% en África Sub-
9.5%

South Asia
Sahariana
29.8% East Asia
and Pacific
34.6%
Europe and Arab States
Central Asia 2.12%
0.7% Latin America
& Caribbean
2.2%
Sub-Saharan East Asia &
Africa Pacific
Individuos pobres 28.90% 14.9%

por IPM, por región

South Asia
51.3%
 La mayoría de las personas pobres viven en países
de ingresos medios.
72% de los pobres por IPM vive en Países de Ingresos Medios
Población Total por
Categoría de Ingreso Población Pobre por IPM
Ingresos Altos
0.8% Ingresos
Altos 0.1%
Ingresos Bajos
12.7% Ingresos
Ingresos
Medios
Medios Altos Altos
41.1%
Ingresos Ingresos 12.3%
Medios Bajos
45.4% Bajos
27.5%

Ingresos
Medios
Bajos
Datos 60.1%
poblacionales 2010
IPM y $1.25 por día:
complementarios
IPM vs $1.25/día: 16 comparaciones
 Difícil comparar tendencia de IPM vs $1.25 dado a la poca
frecuencia en los datos

• Comparaciones para el mismo año sólo están disponibles para

Perú y Colombia.
• No hay datos de $1.25 para Zimbabwe.
• En el caso de 8 países, los datos de $1.25 data son anteriores a
los comparables de IPM: Armenia, Ghana, Guyana, Kenya,
Lesotho, Malawi, Tanzania y Uganda.
• Como los períodos son distintos, usamos una interpolación de
$1.25 para 7 países: Bangladesh, Bolivia, Camboya, Jordania,
Malawi, Nigeria y Rwanda.
Cambios en el IPM vs brecha de pobreza $1.25 (relativa)
0.1
MPI Gap $1.25
0.05

0
Relative variation

-0.05

-0.1

-0.15

-0.2 La mayoría de los países con mejor

desempeño redujeron el IPM tanto
-0.25 como o incluso en mayor medida que la
pobreza por ingresos.
-0.3

-0.35
Los rankings son muy distintos!
Cambios en H (IPM) vs incidencia $1.25 (relativa)
0.05

-0.05
Relative variation

-0.1

-0.15

-0.2

Incidence (H) Incidence $1.25

-0.25

-0.3

-0.35
Análisis de Robustez
Robustez de los rankings del IPM a:

• Composicion del Hogar

• Umbrales de Privacion (Indicadores)
• Pesos Los resultados de
• Umbral de Pobreza (k) robustez pertenecen a
los calculos del IPM
• Variabilidad Muestral 2010 a menos que lo
indiquemos, y estan
presentados en Alkire y
Santos (2013) OPHI
WP 59.
 Composición del Hogar
• Test de hipótesis para evaluar si los hogares pobres por
MPI:
a) Son más grandes
b) Tienen mayor número de niños menores de 5
c) Tienen mayor número de niños en edad escolar
d) Tienen mayor número de mujeres en edad reproductiva
e) Tienen mayor número de mayores de 50 años
f) Tienen mayor probabilidad de tener jefa mujer
(proporción de hogares pobres con jefa mujer vs.
proporción de hogares no-pobres con jefa mujer).
(se consideró la estratificación y clustering para el cómputo de errores estándar)

76
 Composición del Hogar:
Los hogares pobres tienen…
(porcentaje ponderado por población de 2007 de países donde
los hogares pobres Signific.
Signific. tienen…) No signific.
mayor menor distinto
Tamaño del hogar 49.6% 38.2% 12.2%
Número de 47.8% 38.1% 14.1%
mujeres
Número de niños 56.3% 7.5% 36.2%
menores de 5
Niños en edad 59.4% 5.5% 35.1%
escolar
Jefa mujer 11.1% 36.1% 52,8%
Número de 19.4% 42.5% 38.1%
personas 50+

77
 Composición del Hogar:
En general, no hay una
Los hogares pobres tienen…
diferencia significativa
en el tamaño del hogar
(porcentaje ponderado
y # de mujeres por población de 2007 de países donde
los hogares pobresSignific.
Signific. tienen…) No signific.
mayor menor distinto
Tamaño del hogar 49.6% 38.2% 12.2%
Número de 47.8% 38.1% 14.1%
mujeres
Número de niños 56.3% 7.5% 36.2%
menores de 5
Niños en edad 59.4% 5.5% 35.1%
escolar
Jefa mujer 11.1% 36.1% En general, lá
52,8%
probabilidad de tener
Número de 19.4% 42.5% 38.1%
personas 50+ niños es mayor para los
hogares pobres por IPM
78
 Composición del Hogar
• Realizamos algunos tests separando valores
“Bajos”, “Medios” y “Altos” del MPI, así como
diferencias regionales. Alkire y Santos 2013, OPHI WP 59

• MPI Bajo: el 16.6% de los países menos pobres

ponderados por población
• MPI Medio: el 45% central de los países ponderados por
población
• MPI Alto: el 38% menos pobre de los países ponderados
por población
• Nota: los grupos no tienen la misma población debido a China e India,,
pero se dividieron por centiles 33% y 66%. 79
Composición del hogar por nivel del MPI
• Países con MPI bajo: 18.6% de estos países tienen
hogares pobres con tamaño sig. mayor que los no-pobres,
mientras que 76% tienen tamaño menor.
• Países con MPI medio: 47.3% de estos países tienen
hogares pobres con tamaño sig. mayor; 23% sig. menor.
• Países con MPI alto: 85% de estos países tienen hogares
pobres con tamaño sig. mayor que los no-pobres.
• Un patrón similar se repite para el número de niños
menores de 5, niños en edad escolar y número de mujeres.

80
Entendiendo el ‘sesgo’ en la composición
de hogares en países con MPI alto
1. La pobreza IPM podría ser objetivamente más elevada
para hogares de mayor tamaño y con más niños.
2. El diseño muestral y la construcción de los indicadores
IPM podría ‘inflar’ inadecuadamente la pobreza
aparente en hogares de gran tamaño.
3. Los indicadores IPM podrían tener un sesgo
justificado: reflejan la prioridad de los niños y mujeres
en los ODM, al ser grupos vulnerables.
 Robustez ante cambios en las líneas de
corte/indicadores
a) 3 medidas alternativas de nutrición infantil (peso-por-
edad, peso-por-altura y altura-por-edad), y diferente
población de referencia
b) Mortalidad infantil con y sin restricciones de edad
c) Incluir asistencia escolar vs usar sólo años de educación
d) Ignorar tiempo que lleva obtener agua en el indicador
de agua potable
e) Requerir agua por tubería, inodoros con arrastre de
agua y pisos mejorados (considerando palma de
bambú/tabla de madera como privado), para estar no
privado en agua, saneamiento y pisos
 Robustez ante cambios en las líneas de
corte/indicadores
• Se computó el MPI en cada caso, se obtuvo el
ranking de países y se calculó el índice de
correlación de Spearman entre los rankings.

• Todas las correlaciones de Spearman entre los

rankings superan 0.96, y el Kendall-Tau b (ajusta
por empates) supera 0.86.
Robustez ante cambios en los pesos
• Recuerden: el MPI varía entre 0 y 0.642, y la
incidencia varía entre 0 y 93%
• Re-ponderando cada dimensión:
– 33% 50% 25% 25%
– 33% 25% 50% 25%
– 33% 25% 25% 50%
• ¿Cuál es el efecto sobre:
– MPI, H, A?
– Ranking de países?
 Robustez ante cambios en los pesos
MPI Weights 1 MPI Weights 2 MPI Weights 3
Equal weights:
50% Education 50% Health
33% each
25% Health 25% Education
(Selected
25% LS 25% LS
Measure)
50% Education Pearson 0.992
MPI
25% Health Spearman 0.979
Weights 2
25% LS Kendall (Taub) 0.893
50% Health Pearson 0.995 0.984
MPI
25% Education Spearman 0.987 0.954
Weights 3
25% LS Kendall (Taub) 0.918 0.829
50% LS Pearson 0.987 0.965 0.975
MPI
25% Education Spearman 0.985 0.973 0.968
Weights 4
25% Health Kendall (Taub) 0.904 0.863 0.854
Number of countries: 109
Robustez ante cambios en los pesos
En síntesis:

• Altas correlaciones: 0.97 y superior

• Alta concordancia en rankings: 0.90 y superior

• 85% de todas las comparaciones de a pares son

robustas
Robustez ante cambios en la línea de
pobreza, k
• 90% de todas las posibles comparaciones de a pares son
robustas para k entre 20 y 40%.
• Test más estricto: usando bootstrap
– Computar por bootstrap el intervalo de confianza (95%)
del MPI para cada valor de k.
– Realizar comparaciones de a pares: dados dos países, A y
B, B domina a A si el límite inferior del MPI de A
(estimado por bootstrap) es estrictamente mayor que el
límite superior del MPI de B (estimado por bootstrap),
para todos los posibles valores de k.
– Se encuentran comparaciones robustas (bootstrap)
en 87.4% de todos los casos para k entre 20 y 40%.
Robustez ante cambios en la línea de
pobreza, k
Comparaciones de a pares por región (bootstrap) :
• Asia del Sur: 90% de las comparaciones de a pares
son robustas (5 países)
• África Sub-Sahariana: 85.9% (37 países)
• Estados Árabes: 87.3% (11 países)
• América Latina y el Caribe: 77.9% (18 países)
• Asia del Este y Pacífico: 77.8 % (11 países)
• Europa Central y del Este: 44.3% (24 países)
Robustez ante cambios en la línea
de pobreza, k
El nivel de robustez por región (bootstrap) varía con el
número de indicadores y la encuesta.

• Cuando se evalúan sólo países que cuentan con los

10 indicadores: 91.2% de las comparaciones son
robustas.
• Cuando se evalúan sólo DHS: 91.7% de las
comparaciones son robustas.
Robustez del MPI en Asia del Sur
.4
.3
MPI
.2
.1
0

10% 20% 33% 40% 50% 60% 70% 80% 90% 100%
k

Bangladesh MPI Bhutan MPI

India MPI Maldives MPI
Nepal MPI Pakistan MPI
Análisis de robustez – cambios en la línea de pobreza, k
Entre países que no muestran un progreso significativo
Madagascar 2004-2009
Multidimensional Poverty Index (MPI)
0 .1 .2 .3 .4 .5

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
Poverty cutoff (k)

Lower Limit T1 Lower Limit T2

MPI T1 MPI T2 Senegal 2005-2011

Multidimensional Poverty Index (MPI)

.5
Upper Limit T1 Upper Limit T2

0 .1 .2 .3 .4

0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
Poverty cutoff (k)

Lower Limit T1 Lower Limit T2

MPI T1 MPI T2
Upper Limit T1 Upper Limit T2
www.ophi.org.uk