Está en la página 1de 12

UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE CIENCIAS ECONÓMICAS

ESCUELA PROFESIONAL DE ECONOMÍA

Impacto de la Anemia, en la localidad Villa Jesús del Distrito de Villa el Salvador,

del Primer Trimestre del 2018 en niños de 0 a 3 años.

PROFESOR: Mg. Del Carpio Alva Isabel Margarita

INTEGRANTES:

Clavijo Rojas, Luis

Duran Espinoza Saul Edson

Huaman Castro Erick

Ticona Anara Alberto

2018

Bellavista – Callao

.............. 10 .................................................................................... 8 3.......................................................................... 4 3.......................................................................................................1 Datos: .........................................................................Contenido INTRODUCCIÓN:......................................... Antecedentes .........................................................................2 Tipo de estimación: ......................................4....................................................................................................................................... 5 3............... 8 Conclusiones: . 5 3................................................2 Significancia de los coeficientes............. 7 3................................. 7 3......3 Regresión del modelo ..................................................................4 Análisis de la regresión................................................................................................................................4.................................. 3 2................... 8 3......................................................................................................1 Análisis de signos .................................................. 1 1......... Situación Actual y Objetivo de estudio ............... METODOLOGIA DEL TRABAJO .....

6 % a 46. en la actualidad en promedio ha subido de 43. La anemia es una enfermedad causada por la falta de hierro en la sangre. moderado . 5 niños de 6 y 11 meses 3 tienes anemia. según el INEI. La anemia es un mal que se debe combatir a nivel nacional. y su principal consecuencia es la deficiencia en el abastecimiento de oxígeno en el cuerpo. existen tres tipos de anemia según el nivel de carencia de hierro: leve. 1 INTRODUCCIÓN: El presente proyecto recoge la información sobre la anemia. es decir es la insuficiencia de hemoglobina en la sangre.6% y los segmentos donde hay un mayor crecimiento de la anemia es en las zonas urbanas. el impacto económico que genera y los diferentes sectores de población que afecta en el distrito de Villa el Salvador. donde los más vulnerables son los menores de un año como por ejemplo por cada.

2 y grave. Esta enfermedad es más recurrente en zonas rurales a diferencia de las zonas urbanas. es decir. según datos del INEI del 20172. “Indicadores de Resultados de los Programas Presupuestales. según información de la Organización Mundial de la Salud (OMS)1. La anemia se estima utilizando como indicador el nivel de hemoglobina que se tiene en la sangre. cuando dentro de la sangre no hay suficientes glóbulos rojos. sin embargo.4%) presentan un cuadro de anemia. Primer Semestre 2017 Encuesta Demográfica y de Salud Familiar (Resultados Preliminares al 50% de la muestra)” . 4 de cada 10 niños y niñas menores de 3 años (44. no quiere decir que tampoco se vea afectada. 1 Concentración de hemoglobina para diagnosticar la anemia y evaluar su gravedad Organización Mundial de la Salud (OMS)-2011 2 INEI (2017).

2% según la Organización Mundial de la Salud (OMS) y la presencia de Anemia en niños de 3 a 36 meses fue de 50. en los sectores más pobres del país Para el Perú en el año 2010 se tuvo una prevalencia de destrucción crónica de 23. 3 1. las regiones que presentan mayor prevalencia de desnutrición crónica para el 2008 fueron Huancavelica.3%. periodo 2012-2016” . Cajamarca. “Construcci6n de la agenda de investigaci6n en desnutrición infantil en el Perú. 3 Revista Peruana de Epidemiología (2012). Andahuaylas. Apurímac. Estas regiones son parte de las regiones con más pobreza en el Perú incluso en la actualidad (2018) lo cual indica una relación directa con el factor pobreza. según el Centro Nacional de Alimentación y Nutrición (CENAN) del Instituto Nacional de Salud (INS). demostrado así un aumento de la anemia en este distrito. Pero el distrito de Villa el Salvador siendo un distrito joven. luz y desagüe. y Ayacucho 28%3. la cual en su mayoría de asentamientos humanos no cuenta los servicios básicos como agua. por lo cual son los niños los que más sufren las consecuencias. Ancash. sobre todo. uno de los objetivos más claros es la reducción de desnutrición crónica y anemia para niños menores de 5 años. Antecedentes En el año 2007 se crea el plan concertado que plantea como objetivo sanitario nacional disminuir la tasa de mortalidad infantil y la reducción de la desnutrición infantil para el año 2017-2020.

pero hay otros factores más como por ejemplo hay muchas mujeres se incorporan al mercado laboral y como resultado no puede dar de lactar a su niño. El presente trabajo se enfocará en el distrito de Villa el Salvador. donde se desarrollará los factores que están contribuyendo a que la anemia aumente o disminuya. En especial Lima Metropolitana. 4 Formato siguiendo lo que publica MIDIS “El Ministerio de Desarrollo e Inclusión Social” 5 Econometría.4%. 4 2. uno de los distritos más grandes en cuanto a territorio y población en Lima. la zona urbana no es ajena a este problema. la cual el distrito de Villa el Salvador libera los índices más altos de anemia. Entre el año 2016 y 2017 la presencia de anemia en la costa aumentó de un 36.7% a 39. el sexo. los datos sobre la desnutrición crónica y de anemia son recurrentes en zonas rurales de selva y sierra. Y utilizando las variables que empíricamente vemos que guardan una relación con esta enfermedad. Bajo el método de estimación probit5. se escogió este método porque es útil para situaciones de variables dicótomas. la talla y el peso. Gujarati. Situación Actual y Objetivo de estudio Si bien es cierto. como el ingreso de cada hogar.Damodar N. pero nos hemos investigado los factores de manera general4.2% en el 2017 a 41% en el primer semestre del 2018. Estudiando. El objetivo es poder estimar el impacto económico y social que genera esta enfermedad tomando como población a niños y niñas de 0 a 36 meses. la edad. al pasar de 33. poder demostrar y encontrar resultados. este procedimiento permitirá saber que tanto influye la anemia en el desarrollo del niño. .

4 1 87 1 680 0 10.2 1 85 1 650 0 10.9 1 89 2 900 0 9.5 1 90 1 1200 0 10. localidad “villa de Jesús”.1 Datos: Datos de niños de 0-3 años del distrito de villa el salvador.3 0 87 2 950 1 11.9 1 91 1 600 1 10. 5 El análisis de los resultados nos permitirá poder sacar conclusiones sobre las políticas que se han venido manejando o eliminar estas para permitir nuevas.6 0 94 1 900 1 10.9 1 94 1 650 0 8. reducir costos y ampliar el impacto de nuevas políticas y prácticas.1 0 85 1 1100 1 11. las decisiones que se puedan tomar para mejorar la eficiencia de las políticas ya existentes.8 1 91 2 950 0 10.7 .2 1 84 3 600 1 10. 1 trimestre del presente año 2018 a continuación: Y(ANEMIA) T (CM) EDAD INGF EDMA H 0 95 2 900 1 12.9 1 88 1 700 0 10.3 0 86 2 1200 1 11.56 0 88 1 600 1 11 0 91 3 850 1 11.5 1 90 2 700 0 10. 3.9 0 88 2 1000 1 10.9 1 90 1 600 1 10.9 1 84 2 600 0 10.5 1 89 1 600 0 10.9 0 89 3 1000 1 13.6 1 87 1 560 0 10. METODOLOGIA DEL TRABAJO 3.7 1 90 1 1200 1 10 1 84 2 950 1 9.

8 1 84 1 500 0 10.8 1 92 2 500 0 9.2 1 94 2 600 0 10.1 1 57 1 700 0 10.9 0 92 3 1000 1 11 0 66 1 960 1 13 1 62 1 587 0 9. Registro diario de Cred.7 1 89 1 500 1 10 1 90 1 600 1 10.9 1 92 1 500 1 10.2 Notas:  Y= Anemia.4 1 60 0 1200 0 7. Villa el Salvador .1 1 95 1 700 1 10.9 1 94 2 500 0 9.9 1 75 1 950 0 9. 6 1 84 1 500 0 9.5 1 66 1 600 0 9.7 0 85 3 950 0 12 1 93 1 600 1 8.08 1 60 1 600 0 10.1 1 50 1 600 1 9.5 1 72 1 648 1 9.57 0 85 1 850 1 10.5 1 59 1 600 1 9. 1= El niño tiene anemia 0= No tiene anemia  INGF= Ingreso familiar  EDMA= Educación de la madre. 0= Trunco 1= Secundaria completa  H= Hemoglobina  T= Talla Fuente: Puesto de salud Fernando Luyo Sierra.9 1 50 1 550 0 9.

759779 -2.006331 0.610605 0.3 Regresión del modelo El modelo regresionado por máxima verosimilitud (probit) nos muestra los siguientes resultados: Dependent Variable: Y Method: ML . se suele estimar utilizando el procedimiento estándar de máxima verosimilitud. log likelihood -28.310003 Akaike info criterion 0. que se denomina una regresión probit.001369 -2. Error z-Statistic Prob.006331𝑇𝐴𝐿𝐿𝐴 ̂ − 0.700274 2. El propósito del modelo es estimar la probabilidad de que una observación con características particulares caerá en una categoría específica.34817 LR statistic 30. que emplea una función de enlace probit.000003 Obs with Dep=0 13 Total obs 49 Obs with Dep=1 36 ̂ − 0. El modelo probit.Binary Probit (Newton-Raphson / Marquardt steps) Date: 10/28/18 Time: 10:47 Sample: 1 49 Included observations: 49 Convergence achieved after 5 iterations Coefficient covariance computed using observed Hessian Variable Coefficient Std.835520 2.0090 McFadden R-squared 0.69634 Restr. 7 3.0487 INGF -0. Un modelo probit es una especificación popular para un modelo de respuesta ordinal o binario.925232 Log likelihood -12.0037𝐼𝑁𝐺𝐹 ̂ − 1.8305 EDAD -0.983484 0.970902 0. casados o no casados.446071 S.805430 Deviance 25.93864 Hannan-Quinn criter. 3.264054 Prob(LR statistic) 0.228492 Schwarz criterion 0.9834𝐸𝐷𝑀𝐴 ̂ . viene de probabilidad + unit (unidad). Deviance 56.543581 Mean dependent var 0.0181 TALLA -0. of regression 0.734694 S.7000 − 0.754424 0.7544𝐸𝐷𝐴𝐷 𝐼̂𝑖 = 6.E. C 6. clasificando las observaciones basadas en sus probabilidades predichas es un tipo de modelo de clasificación binario.362979 0. La palabra es un acrónimo.214090 0.029571 -0.0067 EDMA -1.2 Tipo de estimación: Probit es un tipo de regresión donde la variable dependiente puede tomar solo dos valores. dependent var 0. por ejemplo. trata el mismo conjunto de problemas que la regresión logística utilizando técnicas similares. log likelihood -0. Como tal.81906 Avg. 0.382781 -1. Además.87728 Restr.732189 Sum squared resid 4.709294 0.003708 0.D.

la propensión a padecer anemia es mayor. menor será la probabilidad de que el niño tenga anemia.2 Significancia de los coeficientes Usando la prueba t:  𝐻0 : 𝛽1 = 0 𝐻1 : 𝛽1 ≠ 0 Se rechaza 𝐻0 .  Variable Educación Materna: Al igual que las variables antes mencionadas. existirá mayor probabilidad de que padezca de anemia. Coincide con la lógica.  Variable Ingreso familiar: El signo nos dice que tiene una influencia inversa. puesto que Mientras mayor educación tenga la madre del neonato o niño. hay menor probabilidad de que el niño contenga anemia. . no es estadísticamente significativo. Por lo tanto. es estadísticamente significativo. porque su probabilidad de error es menor al 5%. porque su probabilidad de error es menor al 5%. es decir que mientras la familia del neonato o niño tenga menores recursos.  Variable Edad: A mayor edad.  𝐻0 : 𝛽2 = 0 𝐻1 : 𝛽2 ≠ 0 Se acepta 𝐻0 . 8 3. su repercusión sobre la anemia en niños de 0 a 3 años tiene sentido inverso. en especial los bebés. ya que mientras el niño tenga una edad menor.4. Por lo tanto.1 Análisis de signos  Variable Talla: A mayor talla. 3.  𝐻0 : 𝛽3 = 0 𝐻1 : 𝛽3 ≠ 0 Se rechaza 𝐻0 .4. Coincide con la realidad.4 Análisis de la regresión 3. porque su probabilidad de error es mayor al 5%. hay menor probabilidad (indicios) de que el niño contenga anemia. Un niño (0-3) con anemia no logra obtener la talla estándar debido a falta de calcio en los huesos.

9834(0) ̂𝐼𝑖 =2. Por lo tanto.0037𝐼𝑁𝐺𝐹 𝐼̂𝑖 = 6.84404184 Hallando su valor en la distribución a acumulada normal Zi =0.7544(1.  𝐻0 : 𝛽4 = 0 𝐻1 : 𝛽4 ≠ 0 Se rechaza 𝐻0 .775) − 1. porque su probabilidad de error es menor al 5%.4285) − 0.77551 𝐼𝑁𝐺𝐹 *Probabilidad aproximada cuando la educación de la madre es trunca: 𝐼̂𝑖 = 6.0037(753.7000 − 0. *El cambio aproximado en la probabilidad de respuesta cuando la educación de la madre pasa de una educación trunca a secundaria completa.4285) − 0. es estadísticamente significativo.7544𝐸𝐷𝐴𝐷 ̂ − 1.7544(1.775) − 1. 9 Por lo tanto.82752584 Hallando su valor en la distribución a acumulada normal Zi = 0. es estadísticamente significativo.7000 − 0.7000 − 0.79955 Por lo que el cambio aproximado o el decremento de la probabilidad de que un niño tenga anemia cuando la educación de la madre pasa de ser trunca a tener como mínimo secundaria completa es de 19.81% . ̂ − 0.9834(1) ̂𝐼𝑖 =0.0037(753.99767 *Probabilidad aproximada cuando la educación de la madre es como mínimo secundaria completa: 𝐼̂𝑖 = 6.9834𝐸𝐷𝑀𝐴 ̂ Notas:  No se considera la talla por que en nuestra regresión es una variable estadísticamente no significativa  Datos sobre las medias: ̅̅̅̅̅̅̅̅ 𝐸𝐷𝐴𝐷 =1.42857143 ̅̅̅̅̅̅̅ =753.

la no significancia de la talla tras los resultados del estudio planteado se puede explicar.47 26.71%  El E(#porcentaje of Dep=0) de aciertos 8.83 32.00 36.45 toma Y=1: 9.55 73.00 26.77 57. mediante el cual se determina el grado de certeza de los resultados calculados.33 14. debido a que.71 0.89 3.00 Total 13.06 40.00 49.15 Estimated Equation Constant Probability Dep=0 Dep=1 Total Dep=0 Dep=1 Total  Totalidad de porcentajes correctos de la totalidad del modelo: 85.55 26.53 38.67 85.00 13.33 12.  Por otro lado.00 73.47 % Incorrect 30. vendría a ser esto un efecto más que una causa.31 58.90 % Correct 67.76 3.94 16.00 0.10 10.00 36.45  El porcentaje de aciertos cuando la variable dependiente toma Y=0: 69.00 49.24 9.00 100.06 36. si bien un niño con anemia no logra un crecimiento adecuado.5 Estimated Equation Constant Probability Dep=0 Dep=1 Total Dep=0 Dep=1 Total P(Dep=1)<=C 9 3 12 0 0 0 P(Dep=1)>C 4 33 37 13 36 49 Total 13 36 49 13 36 49 Correct 9 33 42 0 36 36 % Correct 69.24 Percent Gain** 69.29 100. son significativas a nivel estadístico.17 32.77 8.23 91. para dar fe de esto volvemos a usar opción que nos da el programa Eviews (Estimation Prediction Evaluation).6713.00 Correct 8.  Finalmente.00 E(# of Dep=1) 4.59 22.23 -8.90 89.55 91.83 cuando la variable 3.45 26.06 83.53 Total Gain* 69.37 15. se concluye que:  Las variables escogidas para la explicación de la presencia o ausencia de anemia en un niño de 0 a 3 años.45 26.94 dependiente 12.43 Percent Gain** 56.98 Total Gain* 41.02 % Incorrect 32.53 73. se puede decir que el modelo seleccionado para el estudio ha sido el correcto. 10 Conclusiones: Tras la estimación del modelo y los resultados obtenidos mediante el uso del modelo Probit los análisis respectivos. TABLA 02 Expectation-Prediction Evaluation for Binary Specification Equation: ESTIMACION_PROBIT Date: 10/28/18 Time: 15:53 Success cutoff: C = 0.47 61.54 *Change in "% Correct" from default (constant probability) specification **Percent of incorrect (default) prediction corrected by equation . económico y social.2336.45 29.23 NA 46.