UNIVERSIDAD CATÓLICA ANDRÉS BELLO

FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES

ESCUELA DE ECONOMÍA

ANÁLISIS COMPARATIVO DE LA RELACIÓN ENTRE LA TASA DE

MORTALIDAD INFANTIL Y LA EXCLUSIÓN SOCIAL FEMENINA
PARA LOS AÑOS 2010 Y 2020

Trabajo de Grado presentado como requisito para optar al título de Economista

Tutor:
Econ. Daniel Alejandro Cárdenas Gómez

Autores:
David Alberto Varillas Pérez C.I: 26.740.392
Zarah Elisa del Carmen Domínguez Bonato C.I: 27.234.573

Caracas, noviembre de 2021

i
 AGRADECIMIENTOS Y DEDICATORIAS

A mis padres, por ser mis pilares, por soñar conmigo y por inculcarme los valores que
rigen mi vida.

A mis hermanos, por enseñarme siempre a ser mejor.

A Zarah Domínguez, por ser amiga, compañera y un rayo de luz.

A Carmen, César, Montó y Euckarys, por ser apoyo durante estos 4 años.

A la UCAB, por tenderme la mano cuando fue necesario, y por darme los espacios
para crecer y encontrarme. Por siempre “en todo amar y servir”.

A la Sociedad de Debate UCAB, por ser mi segundo hogar. Siempre estaré para
ustedes.

A Daniel Cárdenas, por creer en nosotros y en nuestra idea.

David Varillas

A la UCAB por brindarme una de las mejores etapas de mi vida, y permitirme crecer a
nivel profesional

A Daniel por su apoyo, guía, paciencia, y ser una lucecita de esperanza en el camino

A mi familia, Carmencita y Jare por las risas y mensajes de ánimo

A Beto, compañero de aventuras, porque sin él esta travesía nunca hubiera sido la
misma,

A mi compañera incondicional y de las personas más importantes de mi vida, mi mamá

Zarah Domínguez.

ii
 ÍNDICE DE CONTENIDO

CAPÍTULO I................................................................................................................. 9

EL PROBLEMA ........................................................................................................... 9

Planteamiento del problema ....................................................................................... 9

Interrogantes del problema ................................................................................... 11

Hipótesis ................................................................................................................. 12

Objetivos de la investigación ................................................................................... 12

Objetivo general .................................................................................................. 12

Objetivos específicos ........................................................................................... 12

Justificación e importancia ...................................................................................... 12

Limitaciones ............................................................................................................ 13

CAPÍTULO II ............................................................................................................. 15

MARCO TEÓRICO .................................................................................................... 15

Antecedentes ........................................................................................................... 15

Bases teóricas .......................................................................................................... 22

Mortalidad infantil: Determinantes y sus implicaciones para el desarrollo ................ 22

Exclusión social: Determinantes y medición ............................................................ 27

CAPÍTULO III ............................................................................................................ 38

MARCO METODOLÓGICO ...................................................................................... 38

Tipo de Investigación .............................................................................................. 38

Diseño de la Investigación ....................................................................................... 38

Población, muestra y fuentes de información ........................................................... 39

Descripción de variables .......................................................................................... 40

iii
 1. Tasa de mortalidad infantil................................................................................... 40

Manejo estadístico ............................................................................................... 40

2. Exclusión Social Femenina .................................................................................. 41

Manejo estadístico ............................................................................................... 41

3. Crecimiento Económico ....................................................................................... 43

Manejo estadístico ............................................................................................... 43

4. Gasto en Salud ..................................................................................................... 43

Manejo estadístico ............................................................................................... 43

5. Análisis descriptivo ............................................................................................. 43

1. Tasa de mortalidad infantil y gasto en salud ......................................................... 45

2. Tasa de mortalidad infantil y crecimiento económico ........................................... 46

3. Tasa de mortalidad infantil y exclusión social femenina ....................................... 46

Análisis econométrico ............................................................................................. 47

Modelo econométrico .......................................................................................... 47

Técnicas e instrumentos de recolección de datos .................................................. 51

Técnicas de procesamiento y análisis de datos ..................................................... 51

CAPÍTULO IV ............................................................................................................ 53

ANÁLISIS DE RESULTADOS .................................................................................. 53

CAPÍTULO V ............................................................................................................. 61

CONCLUSIONES Y RECOMENDACIONES............................................................ 61

Conclusiones ........................................................................................................... 61

Recomendaciones .................................................................................................... 63

ANEXOS .................................................................................................................... 65

REFERENCIAS .......................................................................................................... 72

iv
 ÍNDICE DE TABLAS

Tabla 1. Análisis descriptivo para los datos correspondientes al modelo 1 (2010-2011) 44

Tabla 2. Análisis descriptivo para los datos correspondientes al modelo 2 (2019-2020) 44
Tabla 3. Coeficiente de correlación, mortalidad infantil y gasto en salud ..................... 45
Tabla 4. Coeficiente de correlación, mortalidad infantil y crecimiento económico ....... 46
Tabla 5. Coeficiente de correlación, exclusión social femenina .................................... 47
Tabla 6. Resumen de valores de las pruebas ................................................................ 54
Tabla 7. Estimación del modelo para el año 2010-2011 ............................................... 55
Tabla 8. Estimación del modelo para el año 2019-2020 ............................................... 55
Tabla 9. Resumen: Modelo 2010-2011 y 2019-2020 .................................................... 56
Tabla 10. Estimación del modelo IA, 2010-2020 ......................................................... 58
Tabla 11. Estimación del modelo IB, 2010-2020 ......................................................... 59
Tabla 12. Resumen: Modelo IA e IB ........................................................................... 59

ÍNDICE DE ANEXOS

Anexo 1. Modelo simple de regresión 2010-2011 ........................................................ 65

Anexo 2. Modelo de Efectos Fijos con estimador within 2010-2011 ............................ 65
Anexo 3. Modelo simple de regresión 2019-2020 ........................................................ 65
Anexo 4. Modelo de Efectos Fijos con estimador within 2019-2020 ............................ 66
Anexo 5. Pruebas F para los modelos de 2010 y 2020 .................................................. 66
Anexo 6. Modelo de Efectos Aleatorios 2010-2011 ..................................................... 66
Anexo 7. Modelo de Efectos Aleatorios 2019-2020 ..................................................... 67
Anexo 8. Pruebas de Hausman para los modelos de 2010 y 2020 ................................. 67
Anexo 9. Prueba de Breusch-Godfrey/Wooldridge (correlación serial) ........................ 67
Anexo 10. Prueba Breusch-Pagan para 2010 y 2020 (heterocedasticidad) .................... 68
Anexo 11. Coeficientes de los modelos de efectos fijos, 2010-11 y 2019-20, corregidos
por heterocedasticidad y correlación serial. ...................................................................... 68

v
 Anexo 12. Modelo pooling para países de ingreso alto y medio alto (modelo IA) para el
período 2010-2020 ........................................................................................................... 68
Anexo 13. Modelo pooling para países de ingreso bajo y medio bajo (modelo IB) para el
período 2010-2020 ........................................................................................................... 69
Anexo 14. Coeficientes de los modelos pooling, IA e IB, corregidos por
heterocedasticidad y correlación serial. ............................................................................ 69
Anexo 15. Diagramas de dispersión para cada año de estudio ...................................... 70

vi
 UNIVERSIDAD CATÓLICA “ANDRÉS BELLO”

FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES

ESCUELA DE ECONOMÍA

ANÁLISIS COMPARATIVO DE LA RELACIÓN ENTRE LA TASA DE

MORTALIDAD INFANTIL Y LA EXCLUSIÓN SOCIAL FEMENINA
PARA LOS AÑOS 2010 Y 2020
Trabajo de Grado presentado como requisito para optar al título de Economista

RESUMEN
La presente investigación tiene como principal objetivo analizar comparativamente la
incidencia de la exclusión social femenina, medida a partir del índice de desigualdad de
género publicado por el Programa de las Naciones Unidas para el Desarrollo, sobre la tasa
de mortalidad infantil para los años 2010 y 2020. La exclusión social femenina es la variable
de interés; no obstante, se agregan también como variables explicativas el crecimiento
económico, medido como la variación porcentual del PIB per cápita, y el gasto en salud per
cápita (en dólares internacionales corrientes). Se parte de la hipótesis de que existe una
relación positiva entre ambas variables; es decir, se busca determinar si al existir mayor
exclusión social femenina, las tasas de mortalidad infantil tienden a aumentar. Para ello, se
emplea como técnica econométrica el modelaje de efectos fijos para datos panel, con la
transformación del estimador within, para una muestra de 140 países. Finalmente,
subdividiendo la muestra principal por tipo de ingreso y aumentando la longitud del panel de
datos empleado se exhibieron relaciones distintas, según el modelaje utilizado. Se rescata
que la variable de interés obtuvo el resultado esperado para comprobar la hipótesis al realizar
estos cambios, es decir a mayor exclusión social femenina, mayores serán los niveles de la
tasa de mortalidad infantil.

Palabras clave: Exclusión social femenina, tasa de mortalidad infantil, análisis comparativo,
índice de desigualdad de género, modelo de efectos fijos, estimador within.

vii
 INTRODUCCIÓN

De acuerdo con Ghebreyesus, Fore, Kanem y Watkinsla (2020) “la supervivencia infantil
es uno de los mayores éxitos en la historia reciente del desarrollo internacional. Desde
principios de la década de 1990, la tasa de mortalidad de los niños menores de cinco años se
ha desplomado casi un 60%”. Según los autores, este hecho se debe principalmente a la
tendencia de amplificar el alcance de los sistemas de salud para las poblaciones más
vulnerables; no obstante, esta tendencia mundial puede no verse reflejada en los países en
vías de desarrollo. Por el contrario, en estos países las tasas de mortalidad infantil, en algunos
casos, tienden a aumentar.

Los países en vías de desarrollo presentan barreras estructurales distintas al mundo

desarrollado. De esta forma, si bien incluso en países desarrollados existen personas y
colectivos en situación de vulnerabilidad, lo cierto es que es más probable que existan
colectivos en situaciones precarias en países subdesarrollados. Esto ocasiona que el objetivo
de ampliar el alcance de los sistemas de salud hasta la población más vulnerable no pueda
ejecutarse de igual forma en ambos tipos de países. Siendo esto último algo vital para la lucha
contra la mortalidad infantil, se puede reconocer entonces que esta es una problemática
importante y compleja para los países en vías de desarrollo, sobre todo en lo que respecta a
las políticas encaminadas a la reducción del indicador.

Dada esta realidad, los esfuerzos realizados para analizar las variables que afectan con
mayor incidencia a la mortalidad infantil se vuelven relevantes en la medida que son
provechosos para identificar no solo qué camino conlleva a la reducción del indicador, sino
también qué camino es más provechoso ante las características y limitantes que presentan los
países. En este sentido, los determinantes de la tasa de mortalidad infantil relacionados a los
sistemas de salud (por ejemplo, gasto sanitario per cápita) han sido ampliamente discutidos
en la teoría; sin embargo, el enfoque de entender la mortalidad infantil como una
problemática multicausal, en vista de que no solo se presenta por deficiencias del sistema
sanitario, ha ido cobrando mayor relevancia en la actualidad.

6
 Cada vez son más los cuestionamientos sobre si las dinámicas sociales de marginalización
poseen un efecto sobre la mortalidad infantil. Un individuo con capacidades equiparables a
otro, que demuestra ser más productivo en la actividad a realizar y que no es seleccionado
por sesgos y roles impuestos, sean explícitos o implícitos, implica una pérdida para la
proliferación de transacciones económicas al tener un factor excluido que está siendo
subutilizado. Por lo tanto, la exclusión social puede entenderse como determinante de la
mortalidad infantil y, en específico, la exclusión social femenina, en tanto que las mujeres
enfrentan barreras estructurales debido a las discriminaciones de las que son víctimas, lo que
les impide, en muchas ocasiones, acceder a educación y empleos de calidad. Estas
privaciones terminan mermando su capacidad de proveerse a sí mismas y a sus familias de
bienes y servicios básicos

En esta investigación, se busca entender el rol que tiene la exclusión social femenina en
las tasas de mortalidad infantil. En otras palabras, se busca entender si el aumento de la
participación de las mujeres en la vida pública (mercado laboral, educación, participación
política), así como el mayor acceso a servicios públicos (servicios sanitarios) tiene alguna
incidencia en la reducción de las tasas de mortalidad infantil.

Esta investigación se dividirá en cinco capítulos. El primero, enuncia cuál es el

planteamiento y formulación del problema, así como los objetivos planteados para estudiar
el fenómeno en cuestión. De igual forma, se propone la hipótesis de que existe una relación
positiva entre los niveles de exclusión social femenina y las tasas de mortalidad infantil,
mientras que, por último, se exponen tanto la justificación como las limitaciones del presente
estudio.

El segundo capítulo engloba las bases teóricas y antecedentes del estudio. Se lleca a cabo
una revisión de la literatura referente a la estimación de las tasas de mortalidad infantil a
partir de la desigualdad de género. Consecuentemente, se hace una revisión de una serie de
trabajos que tratan la exclusión social como fenómeno actual, empezando por su definición,
luego sus determinantes y cómo se ha medido en casos anteriores. Asimismo, se expone la
definición de la tasa de mortalidad infantil y sus determinantes según la teoría económica.

7
 El tercer capítulo expone la metodología a emplear para estimar las tasas de mortalidad
infantil, la descripción de las variables explicativas a utilizar para el modelo y el análisis
econométrico. Por último, el cuarto capítulo enuncia los resultados obtenidos de la
estimación, mientras que el quinto capítulo desarrolla las conclusiones y recomendaciones
de la investigación.

8
 CAPÍTULO I

EL PROBLEMA

“La concentración de la atención en el papel de

agencia de las mujeres influye directamente en su
bienestar, pero su alcance va mucho más allá”

Amartya Sen

Planteamiento del problema

La mortalidad infantil, en su forma más simple, es la probabilidad que tiene un recién

nacido de morir durante su primer año de vida. Por lo tanto, este índice refleja de distintas
formas los niveles de desarrollo de un país, en tanto que revela la capacidad que tiene de
garantizar el derecho más básico de todo niño: la supervivencia. Según el Banco Mundial
(2020), “En los últimos 29 años, la tasa de mortalidad de los menores de 5 años se redujo en
un 59 %, pero aún mueren 20.000 niños todos los días por causas mayormente evitables o
tratables”. Esto implica que, si bien la humanidad ha tenido avances significativos en la lucha
contra la mortalidad infantil, lo cierto es que sigue habiendo un gran camino por recorrer. De
hecho, según Iqbal et al. (2018, p. 1), “Más de la mitad de estas muertes prematuras se deben
a enfermedades prevenibles o afecciones tratables y, por lo tanto, son el resultado de la
marginación socioeconómica y de las barreras relativas en el acceso a una atención médica
sencilla y asequible”.

En este sentido, se interpreta que la mortalidad infantil es un problema multidimensional,

ya que por un lado se debe a razones sanitarias como el poco acceso a la alimentación, a
vacunas o a servicios de salud básicos. Sin embargo, este poco acceso a estos servicios puede
ser consecuencia de condiciones socioeconómicas precarias que generan marginalización y,

9
por lo tanto, exclusión. De esta forma, la exclusión social, entendiendo esta como la exclusión
que sufren las personas al tener una privación para ser parte de ciertas relaciones sociales
(Sen, 2000, p. 5), termina siendo un gran determinante en las tasas de mortalidad infantil, al
limitar el acceso a servicios básicos que son indispensables para garantizar la vida de los
recién nacidos.

Sin embargo, la exclusión social no afecta a todos por igual. Según la UNICEF (2020),
“A nivel mundial, casi 1 de cada 4 niñas entre los 15 y los 19 años carece de empleo y no se
está educando ni capacitando, en comparación con 1 de cada 10 niños”. Sumado a esto, según
el Foro Económico Mundial (FMI) (2021) existen grandes brechas de género en distintas
dimensiones. A nivel de representación política, sólo el 26% de los parlamentarios de una
muestra de 156 países son mujeres, mientras que para la misma muestra, solo el 27% de los
puestos gerenciales en empresas están ocupados por mujeres. Esto podría estar relacionado
con que “se considera que las mujeres tienen menos habilidades de liderazgo que los hombres
con características similares, y las mismas acciones realizadas por hombres y mujeres en
situaciones de liderazgo se evalúan de manera más negativa cuando las mujeres son las
líderes” (Duflo y Topalova, 2004, p. 15).

En este sentido, que las mujeres enfrenten de forma estructural mayor exclusión social,
tiene repercusiones en tanto que “ser excluido de las relaciones sociales también puede
conducir a otras privaciones, lo que limita aún más nuestras oportunidades de vida” (ibidem).
Es decir, si las mujeres enfrentan mayor exclusión social en términos educativos, laborales y
sanitarios, esto no solo es un problema en sí mismo, sino que sus consecuencias también lo
son, debido a que representa dificultades para poder salir de la pobreza, tener mejores
oportunidades de vida, o incluso mejorar las condiciones de su entorno. Sobre esto, Sen
(1999, p.238) señala que al disminuir la exclusión social en las mujeres y aumentar así su
capacidad de agencia.

Las vidas afectadas pueden ser las de los hijos, ya que existen abundantes pruebas de que el
aumento del poder de las mujeres dentro de la familia puede reducir significativamente la
mortalidad. Y si vamos más allá, la agencia y la voz de las mujeres, en los que influyen la
educación y el empleo, pueden influir, a su vez, en la naturaleza del debate público sobre toda

10
 una variedad de cuestiones sociales, entre las cuales se encuentran unas tasas de fecundidad
aceptables.

Por esta razón, surge la necesidad de identificar las relaciones existentes entre la exclusión
social femenina y las tasas de mortalidad infantil. Esto es importante a fin de identificar
soluciones efectivas al problema de la mortalidad infantil, entendiendo que es probable que
tengan que pasar, necesariamente, por atender la exclusión social que sufren las mujeres.
Teniendo todo esto en cuenta, la investigación buscará, a través de un análisis comparativo,
determinar el grado de incidencia de las tasas de exclusión social femenina en las tasas de
mortalidad infantil, para los años 2010 y 2020.

De esta forma, se utilizará como variable dependiente la tasa de mortalidad infantil para
niños menores a 5 años recopilada y publicada por el Banco Mundial para un conjunto de
140 países1, mientras que como variable independiente se utilizará a la exclusión social
femenina, medida a través del índice de desigualdad de género calculado por el Programa de
las Naciones Unidas para el Desarrollo, dentro del cual se ponderan elementos relacionados
al mercado laboral, educación y servicios sanitarios. Sumado a esto, el resto de variables
explicativas serán la tasa de variación anual del PIB per cápita y el gasto en salud per cápita
expresado en dólares internacionales corrientes.

Interrogantes del problema

Debido a que este trabajo busca relacionar la tasa de mortalidad infantil con la exclusión
social femenina, se busca responder las siguientes interrogantes:

1. ¿Qué variables se aproximan mejor a reflejar indicadores de exclusión social femenina?

2. ¿Qué relación existe entre la exclusión social femenina y la tasa de mortalidad infantil?

3. ¿Qué diferencia existe entre la posible relación de exclusión social femenina y

mortalidad infantil para los años 2010 y 2020?

1
El listado de países se encuentra disponible en los anexos de la investigación.

11
Hipótesis

Frente a esto, se plantea como hipótesis que existe una relación positiva entre los niveles
de exclusión social femenina y las tasas de mortalidad infantil. Es decir, a mayor exclusión
femenina, mayores serán los índices de mortalidad infantil. Por lo tanto, someter a prueba
esta hipótesis es relevante ya que ayuda a la comprensión de las dinámicas y determinantes
de la mortalidad infantil, algo vital para la superación de un mal que afecta constantemente
el bienestar de las personas y el desarrollo de los países.

Objetivos de la investigación

Objetivo general

Analizar comparativamente la relación entre la exclusión social femenina y las tasas de

mortalidad infantil en los años 2010 y 2020, con el fin de determinar la posible incidencia de
la exclusión social femenina sobre la mortalidad infantil.

Objetivos específicos

1. Identificar las variables que mejor permitan aproximarse a indicadores de exclusión

social femenina.

2. Estimar, mediante un análisis estadístico, la relación existente entre las variables de

exclusión social femenina y las tasas de mortalidad infantil.

3. Comparar el comportamiento de la exclusión social femenina y de la mortalidad infantil

entre los años 2010 y 2020, así como la relación entre ellas en ambos momentos del
tiempo.

Justificación e importancia

Este trabajo surge con la intención de analizar e identificar la incidencia de la exclusión

social femenina sobre las tasas de mortalidad infantil. Por lo tanto, la investigación posee un
enfoque de género, al evaluar el alcance que pudiera generar una mayor inclusión femenina
en el ámbito laboral, político y social sobre este indicador de mortalidad, el cual refleja

12
numerosas condiciones de desarrollo de un país, al revelar si este tiene o no la capacidad de
garantizar la supervivencia de los niños. Asimismo, se resalta que:

El papel actual de la economía de la salud es decisivo debido a la conciencia internacional

cada vez mayor sobre la estrecha relación entre el desarrollo económico y la salud. Además,
dado que la salud en la infancia es uno de los principales predictores de la salud y la
productividad a lo largo de la vida, la mortalidad infantil es un indicador relevante del
desarrollo socioeconómico (Dhrif, 2018, p.72).

Con base en los teóricos, la investigación parte de la premisa de que una mayor exclusión
social femenina podría afectar de forma positiva las tasas de mortalidad infantil, planteando
así la posibilidad de complementar la teoría existente a través de este enfoque que ha cobrado
relevancia en los últimos años y generar conocimiento que sea base para futuras
investigaciones, ya sea que estas tengan fines netamente académicos o que se direccionen al
diseño de políticas públicas. Sumado a esto, partir de un enfoque de género toma relevancia
al ser una base para estudiar cómo las desigualdades de género son restricciones para el
desarrollo no solo de las mujeres, sino de los países en su conjunto.

Limitaciones

Existen problemas metodológicos al momento de analizar la incidencia de la exclusión

social femenina sobre las tasas de mortalidad infantil para un conjunto de países. En primer
lugar, las causas de la exclusión social femenina son diversas y complejas, por lo que pueden
variar de un país a otro, afectando la forma en la que esa exclusión se manifiesta. Estas
diferencias podrían ser invisibilizadas al momento de intentar reducir la exclusión social
femenina a alguna variable que pueda ser utilizada como indicador. De hecho, utilizar un
proxy de la exclusión social femenina solo puede dar indicios de la magnitud de la exclusión,
no de las causas o sus determinantes a nivel específico.

Además de esto, realizar el análisis para un conjunto de países diversos puede conllevar a
problemas de heterogeneidad. Esto podría ser una limitación en tanto que no en todos los
países las causas de la mortalidad infantil se comportan de la misma forma. De hecho, se
parte de un estatus quo en el cual existen países con una gran exclusión social femenina,
mientras que existen otros con una muy pequeña. Este punto de partida tan distanciado podría

13
ocasionar que una disminución de la exclusión social femenina afecte de formas distintas en
ambos conjuntos de países. Sin embargo, este efecto diferenciado, en principio, no se
evidenciaría.

Por lo tanto, las conclusiones de esta investigación no serán aplicables a cada uno de los
países de la muestra, sino que servirán para evaluar la incidencia promedio de la exclusión
social femenina sobre las tasas de mortalidad infantil. Esto lo que quiere decir es que esta
investigación no busca determinar las causas de la mortalidad infantil para cada país en
específico de la muestra, sino que busca entender a nivel general cómo afecta la exclusión
social femenina a las tasas de mortalidad infantil. Según Arcay (2017, p.13), esto puede
entenderse con un símil referente a la relación entre un médico investigador y un médico
practicante:

Un investigador se preguntaría cómo una variable biológica X afecta otra Y, o cómo ella
causa ciertos síntomas en el paciente promedio, mientras que un médico practicante se
preguntaría cuál es la variable específica que ha causado una enfermedad específicamente en
el paciente que se trata.

En este caso, la investigación abarca los objetivos del médico investigador.

14
 CAPÍTULO II

MARCO TEÓRICO

“A lo mejor nada sea tan importante hoy en la economía

política del desarrollo como que se reconozca como es
debido la participación y el liderazgo en el terreno político,
económico y social de las mujeres”

Amartya Sen

Este apartado está conformado, principalmente, por las bases teóricas que sustentan el
estudio realizado. En principio, se enuncian y desarrollan los antecedentes; es decir, trabajos
de investigación previos que pueden apoyar la presente investigación; en segundo lugar, se
destacan las bases teóricas, en donde se profundiza sobre los determinantes de las dos
variables principales del estudio, la tasa de mortalidad infantil y la exclusión social.

Antecedentes

En la siguiente sección se pasarán a señalar y desarrollar los antecedentes que constituyen

una guía o referencia para abordar la relación entre la tasa de mortalidad infantil y la
exclusión social femenina. El fin último es proveer una recopilación de investigaciones
pasadas para así partir de argumentos sólidos y exponer lo que se ha realizado hasta la
actualidad.

Asociación entre el índice de desigualdad de género y las tasas de mortalidad

infantil (2015)

El trabajo realizado por Brinda, Rajkumar y Enemark tiene como objetivo general
investigar la asociación entre las tasas de mortalidad infantil y los Índices de Desigualdad de

15
Género de países para los cuales el Programa de las Naciones Unidas para el Desarrollo ha
publicado dicho índice.

La tesis de la que parten es que en la medida que se incremente la desigualdad de género

se “debilita la salud materna y daña a los niños a través de muchas vías directas e indirectas”
(Brinda, Rajkumar y Enemark, 2015, p.1). Por otra parte, los datos que utiliza el estudio como
factores de confusión, entre ellos el producto interno bruto per cápita y la cobertura de
inmunización, fueron recolectados a partir de instancias oficiales2 (Brinda et al., 2015). La
investigación se basa en un análisis transnacional de 138 países. Además, la metodología
empleada por los autores fueron modelos de regresión robustos no paramétricos
multivariados para analizar la relación entre las variables.

Entre los resultados que se derivaron del estudio se encuentra que las mujeres de los países
de ingresos medianos y bajos tienden a presentar una desigualdad de género
significativamente mayor que los países de ingresos altos. Por otro lado, el Gender Inequality
Index (Índice de Desigualdad de Género, GII de ahora en adelante) se asoció positivamente
con las tasas de mortalidad neonatal e infantil3. Para esto tuvieron que ajustar los posibles
efectos que causarían los factores de confusión planteados.

Sumado a esto, entre los hallazgos de la investigación destaca que entre los tópicos
expuestos en el paper se encuentran: (1) sugerencia de que las iniciativas para reducir las
tasas de mortalidad infantil deben extenderse más allá de las intervenciones médicas, dado
que un punto relevante sería priorizar los derechos y la autonomía de las mujeres; (2)
discusión sobre mecanismos fundamentales que relacionan la desigualdad de género y la
mortalidad infantil, además de los problemas socioeconómicos que refuerzan la desigualdad
de género y la mortalidad infantil en los países de mediano y bajo ingreso. Por último, la
conclusión principal es que en la medida que los países busquen disipar las barreras de género

2
Como el Banco Mundial y la Organización Mundial de la Salud.
3
Coeficiente de mortalidad neonatal: β = 53,85 e infantil β = 70,28

16
y centrarse en el bienestar social de las mujeres puede aumentar la supervivencia infantil de
ambos sexos.

Asociaciones de la desigualdad de género con la desnutrición y la mortalidad

infantil (2016)

El trabajo realizado por Marphatia, Cole, Grijalva-Eternod y Wells parte de la premisa de

que es necesario identificar las posibles vías que permitan mejorar la salud infantil más allá
del PIB. Sobre esto, señalan que:

Los esfuerzos nacionales para reducir el bajo peso al nacer (BPN), la desnutrición y la
mortalidad infantil dan prioridad al crecimiento económico. Sin embargo, esto puede ser
ineficaz, mientras que el aumento del producto interno bruto (PIB) también impone costos
de salud, como la obesidad.

En este sentido, el objetivo general del estudio consiste en reconocer otros mecanismos
que mejoren la salud infantil, por lo cual los autores investigan las asociaciones entre el
Global Inequality Index (índice de desigualdad de género realizado por el Programa de las
Naciones Unidas para el Desarrollo), “la prevalencia de BPN 4 , desnutrición infantil (retraso
del crecimiento y emaciación) y mortalidad de menores de 5 años” (Marphatia et al., 2016).
La muestra del análisis estuvo conformada por 96 países, y la metodología consistió en
realizar modelos de regresión del bajo peso al nacer, prevalencia de emaciación y retraso en
el crecimiento y mortalidad sobre el PIB y el GII. En referencia a los resultados, los
investigadores obtuvieron que:

La variable del GII desplazó al PIB como predictor del BPN pues explicó el 36% de la
varianza, además esta variable también explicaba la variación en emaciación y retraso del
crecimiento y la tasa de mortalidad infantil en un 10% y 41%, respectivamente (ídem).

En referencia a las conclusiones a las que llegaron los investigadores se encuentra que una
reducción en la desigualdad de género, podría llevar a importantes reducciones en la
mortalidad infantil en los países de ingresos bajos y medianos (ídem, 2016). Los autores
resaltan que “independientemente de la riqueza nacional, aumentar el empoderamiento de las

4
Bajo Peso al Nacer

17
mujeres en relación con los hombres puede promover el estado nutricional y la supervivencia
de los niños” (ibidem, 2016).

Políticas respecto a la Desigualdad de Género y la mortalidad infantil en los

Estados Unidos (2016)

Entre los objetivos principales que posee la investigación se encuentra, en primer lugar,
investigar la relación entre la desigualdad política de género en las legislaturas estatales y las
tasas estatales de mortalidad infantil en los Estados Unidos; y en segundo lugar, proyectar
los costos a nivel de población asociados con la subrepresentación de mujeres. La
metodología empleada consiste en el uso de modelos de efectos fijos y de efectos aleatorios,
mientras que el período de estudio evaluado fue entre el año 1990 y el 2012.

Entre los resultados que se desglosaron del análisis se destaca que:

Los porcentajes más altos de mujeres en las legislaturas estatales están asociados con una
reducción de las tasas de mortalidad infantil (TMI), tanto entre estados como dentro de los
estados a lo largo del tiempo. Según las predicciones, si las mujeres estuvieran en paridad
con los hombres en las legislaturas estatales, el número esperado de muertes infantiles en los
EUA en 2012 habría sido menor en aproximadamente un 14,6%, es decir, 3.478 muertes
infantiles (Homan, 2016, p.127).

El estudio consiguió identificar una fuerte relación negativa y significativa entre la

representación política de las mujeres en los gobiernos estatales y las tasas estatales de
mortalidad infantil en los Estados Unidos. Por otro lado, un hecho relevante del análisis es
que se “observaron hallazgos consistentes tanto en el modelo de efectos aleatorios como en
el de efectos fijos”. Esto implica que la relación entre la representación política de las mujeres
y las TMI no se puede atribuir únicamente a las diferencias en las características invariantes
en el tiempo no observadas de los estados de EUA (Homan, 2016). Incluso, Homan señala
que “la desigualdad política de género es de igual o mayor importancia como determinante
de las tasas estatales de mortalidad infantil que los niveles estatales de pobreza” (ídem).

Asimismo, la autora realiza análisis complementarios dentro del mismo estudio, en donde
indica que “el partido político mayoritario en la legislatura no es un predictor
estadísticamente significativo de las tasas estatales de mortalidad infantil” (ídem, p.133) lo

18
que implica que lo relevante sobre las TMI no serían las tendencias o diferencias partidistas,
sino la representación de género.

Respecto a los mecanismos de transmisión, el estudio señala que:

Cuanto más alto es el estatus de la mujer en la sociedad, mayor es su influencia sobre la

política social, lo que resulta en más inversiones en educación, salud, nutrición y otros
programas sociales que reducen la mortalidad infantil (Boehmer y Williamson, 1996 citado
en Homan 2016, p.129)

Asimismo, con respecto a la evidencia, el análisis histórico de Miller (2008) apoya este
tipo de transmisión al proporcionar evidencia de que la extensión del derecho al sufragio a
las mujeres estadounidenses en 1920 provocó un gran aumento en el gasto en salud pública
que derivó en una reducción de la mortalidad infantil (Homan, 2016).

De igual forma, la autora indica que:

Investigaciones anteriores también han demostrado que las legisladoras son más propensas
que sus homólogos masculinos a realizar asignaciones presupuestarias y promulgar políticas
que promuevan la atención médica, los problemas de la mujer y la infancia, los servicios
sociales, la educación, el gasto social y la política contra la discriminación, lo cual podría
mejorar potencialmente los resultados de salud infantil (Homan 2016, p.129).

Mortalidad, fertilidad y sesgo de género en la India: un análisis a nivel de distrito

(1995)

El estudio realizado por Murthi, Guio y Dréze analiza la relación entre la tasa de
mortalidad infantil y la desigualdad de género utilizando una muestra de 296 estados de la
India provenientes del censo de 1981. En este sentido, el estudio parte de la hipótesis de que
la tasa de mortalidad infantil puede estar asociada a la tasa de alfabetización femenina y
masculina, la participación laboral de las mujeres, la pobreza, la urbanización y las
facilidades médicas.

Entre las conclusiones del trabajo, en primer lugar se halló una relación negativa y
significativa entre la proporción de mujeres alfabetizadas y las tasas de mortalidad infantil,
lo que implica que si la proporción de la población femenina que está alfabetizada aumenta,

19
se reduce la tasa de mortalidad infantil; es meritorio resaltar que si bien la alfabetización
femenina tiene un efecto negativo y estadísticamente significativo sobre la mortalidad
infantil tanto en niños como en niñas, el efecto sobre la mortalidad infantil femenina fue
mayor (Murthi et al., 1995). De igual forma, los autores indican también que:

Una mayor alfabetización femenina reduce el sesgo anti-femenino en la supervivencia

infantil independientemente de la alfabetización masculina. La alfabetización masculina
también tiene un efecto negativo sobre la mortalidad infantil (independientemente de la
alfabetización femenina), pero su efecto es mucho menor que el de la alfabetización femenina
y no es estadísticamente significativo (Murthi et al., 1995, p.764).

Esto pudiera deberse a una reducida participación del género masculino en el cuidado de
los niños y tareas domésticas debido a roles de género impuestos, lo cual ocasiona que su
mayor alfabetización no sea significativa en la explicación de la tasa de mortalidad infantil
(ibidem, 1995).

Con respecto al razonamiento sobre la relación entre la educación femenina y las TMI, los
autores comentan que es probable que las mujeres educadas tengan más conocimientos sobre
nutrición, higiene y atención de la salud; este aspecto puede ser particularmente significativo
dada la naturaleza notablemente desinformada y deficiente de las prácticas de cuidado
infantil en gran parte de las zonas rurales en la India. Además, la educación básica puede ser
importante para ayudar a las madres a exigir la atención adecuada a las necesidades de los
niños por parte de otros miembros del hogar, aprovechar los servicios de salud pública y, en
general, perseguir sus aspiraciones, incluido el bienestar de los niños, de una manera más
amplia informada y eficaz (Murthi et al., 1995).

En segundo lugar, los autores no encuentran una relación estadísticamente significativa al

5% entre la tasa de participación laboral femenina y las tasas de mortalidad infantil (TMI),
estos resultados se muestran en la tabla 3 de la página 762. Asimismo, en su modelo
obtuvieron un coeficiente de signo positivo (relación directa) entre ambas variables, lo que
implicaría que una mayor participación femenina en la fuerza laboral está asociada con
niveles más altos de las TMI.

20
 Sobre este punto, los autores señalaban que al examinar los efectos entre estas variables,
es importante controlar cuidadosamente las desventajas económicas y sociales que motivan
a muchas mujeres a buscar un empleo remunerado, por lo tanto, es importante controlar el
nivel de pobreza. De igual forma:

La participación laboral femenina en la India es a menudo un reflejo de las dificultades

económicas, y la falta de control del factor pobreza puede conducir, por ejemplo, a una
relación espuria positiva entre la participación femenina en la fuerza laboral y la mortalidad
infantil, reflejando implícitamente, de hecho, la asociación positiva entre pobreza y
mortalidad infantil (Murthi et al., 1995, p.767).

Con respecto al razonamiento teórico que brindan los autores en torno a la relación entre
la participación femenina en la fuerza laboral y la mortalidad infantil, indican que “es difícil
determinar de forma general si el efecto de una mayor participación femenina en la fuerza
laboral sobre la supervivencia infantil es positivo o negativo”.

En el caso de los niños, dos efectos actúan en dirección opuesta, el primero, la

participación en un empleo remunerado a menudo mejora la eficacia de los roles de agencia
de la mujer en la sociedad y la familia, incluidos los relacionados con el cuidado infantil; el
segundo, la doble carga del trabajo doméstico y el empleo externo pueden afectar la
capacidad de las mujeres para garantizar la buena salud de sus hijos, aunque solo sea
reduciendo el tiempo disponible para las actividades de cuidado infantil, ya que los hombres
suelen ser reacios a compartir las tareas domésticas. En el caso de las niñas, una tercera
consideración es que niveles más altos de participación femenina en la fuerza laboral pueden
realzar la importancia que se concede a la supervivencia de una niña. El resultado neto de
estos diferentes efectos sigue siendo una cuestión de investigación empírica (Murthi et al.,
1995).

Inequality matters: infant mortality in the global village (2007)

El trabajo realizado por Ronald David consta de una revisión bibliográfica en torno a la
variable: mortalidad infantil, y a la posible relación existente entre esta y la desigualdad. En
este sentido, David plantea que, si bien los esfuerzos que se realizan para disminuir las tasas
de mortalidad infantil suelen ir direccionados en torno a 1) Suplementos alimenticios o

21
tratamientos sintomáticos y 2) Educación de las mujeres sobre temas alimenticios y
sanitarios, lo cierto es que existe una relación clara entre los problemas de salud pública y las
estructuras sociales, por lo que las soluciones deben ir enfocadas en torno a la desigualdad.

Sobre este último punto, plantea la relevancia de entender si la relación entre desigualdad
y mortalidad es causal. En este sentido, expresa que:

Si, por un lado, la desigualdad y las malas condiciones de salud son los efectos de alguna
patología aún no identificada, las políticas para reducir la desigualdad, como la redistribución
de la riqueza, equivaldrían a un tratamiento sintomático (en gran medida) ineficaz que deja
la(s) causa(s) incitadora(s) de enfermedad y muerte sin control. (Marmot, M., 2002, citado
en David, R, 2007, p.4).

No obstante, y derivado de esta explicación, si por otro lado la desigualdad de ingresos

causa las malas condiciones sanitarias al privar a las personas de los recursos materiales
necesarios para sobrevivir, entendiendo la relación entre ambas variables como causal,
entonces las políticas redistributivas dirigidas a solucionar la desigualdad de ingresos si
serían efectivas. Sumado a esto, David se inclina por explicar que la relación entre ambas
variables es causal, y a partir de esto profundiza sobre la relevancia de entender las dinámicas
de integración de las mujeres en la sociedad, con énfasis en el caso de las altas tasas de
mortalidad infantil dentro de la población afroamericana en Estados Unidos.

Finalmente, David propone, entre diversas soluciones, promover legislaciones que

busquen la igualdad de empleo y de remuneración para las mujeres (David, R, 2007, p.11).
Todo esto entendiendo que, una disminución de las brechas sociales tendrá un impacto
negativo sobre las tasas de mortalidad infantil.

Bases teóricas

Mortalidad infantil: Determinantes y sus implicaciones para el desarrollo

La mortalidad infantil es la probabilidad que tiene un recién nacido de morir antes de

cumplir su primer año de vida. En este sentido, se reconoce que este indicador es relevante
en la medida que representa, de forma práctica, parte del estado de salud de un país. De
hecho, según el Banco Mundial (2021):

22
 Dado que con frecuencia no se dispone de datos sobre la incidencia y la prevalencia de
enfermedades, las tasas de mortalidad se utilizan a menudo para identificar poblaciones
vulnerables. Además, se encuentran entre los indicadores que se utilizan con más frecuencia
para comparar el desarrollo socioeconómico entre países.

En este orden de ideas, una vez que, mediante las tasas de mortalidad infantil, se reconoce
que un país se encuentra en condiciones de vulnerabilidad en relación con los demás países,
suele surgir la pregunta de cómo podrían disminuirse los niveles de este indicador. No
obstante, para tener una idea sobre las políticas públicas efectivas que pueden ir encaminadas
hacia este objetivo, se deben realizar estudios sobre las variables que pudieran estar
impactando sobre el comportamiento respectivo de la tasa de mortalidad. El trabajo realizado
por Abdelhafdh Dhrif en 2018, denominado “Gastos en salud, crecimiento económico y
mortalidad infantil: antecedentes de países desarrollados y en desarrollo” consta de una
revisión bibliográfica y un estudio econométrico respecto a los determinantes de la
mortalidad infantil, haciendo énfasis en los efectos directos e indirectos del gasto en salud
sobre el indicador. Es importante destacar que para su análisis el autor utiliza la tasa de
mortalidad infantil para menores de 5 años.

El estudio econométrico consiste en un modelo de ecuaciones simultáneas para una

muestra de 93 países, con datos desde el año 1995 al 2012. El trabajo realizado por Dhrif es
significativamente relevante para la presente investigación en vista de que recoge la
justificación teórica para las otras variables agregadas en el modelo econométrico, además
de la exclusión social femenina. En primer lugar, referente al gasto en salud, el autor enuncia
que:

Conforme a la literatura sobre economía de la salud, un aumento del gasto sanitario supone
un acceso más amplio a los servicios de salud y de otro tipo, lo que contribuye a reducir las
tasas de mortalidad infantil. Así, mejorar el estado de salud de la población debería promover
el crecimiento económico y, en consecuencia, reducir la pobreza; y, dada la relación negativa
que existe entre pobreza y mortalidad, esto podría disminuir la tasa de mortalidad infantil
(Dhrif 2018, p. 81)

En segundo lugar, otra variable que agrega el estudio es el crecimiento económico de los
países utilizando como proxy la variación porcentual del PIB per cápita, sobre este punto:

23
 Musgrove (1996) y Filmer y Pritchett (1997) presentan argumentos para considerar que antes
que aumentar el gasto público en salud, para reducir la mortalidad infantil se deben apoyar
políticas que estimulen el crecimiento económico, reduzcan la pobreza y la desigualdad de
ingresos y aumenten el nivel de educación de las mujeres (Dhrif, 2018, p. 73)

Asimismo, el autor señala que “el crecimiento económico es uno de los principales
factores que determinan los resultados en materia de salud en los países en desarrollo”
(Bokhari, Gay y Gottret, citado en Dhrif, 2018, p. 74). De esta forma, se justifica
teóricamente que el crecimiento económico pase a formar parte de la ecuación que explica la
tasa de mortalidad infantil.

Cabe acotar que en esta ecuación el autor también incluye una variable que representa el
ámbito educacional de la mujer, la variable en cuestión es la tasa de alfabetismo femenino
que “se considera un factor clave para el estado de salud de los niños, así como de la
población en general” (Baldacci, Guin-Siu y De Mello citado en Dhrif, 2018, p. 82), de forma
que la posición de la mujer vuelve a tener relevancia teórica también en este trabajo
investigativo. Como dato adicional, la especificación de la regresión de mortalidad infantil
en la investigación incluye otras cuatro variables que, según el autor, en la literatura sobre
economía de la salud se destacan como factores determinantes (expectativa de vida,
eficiencia en el uso del agua, urbanización y emisiones de CO2).

En lo que respecta a los resultados de la investigación que se derivan de la ecuación de

mortalidad infantil, donde los parámetros de interés para el presente análisis son los
coeficientes que representan el crecimiento económico, gasto sanitario y de la tasa de
alfabetismo femenino sobre la variable endógena, se muestra una relación negativa entre la
variable del gasto sanitario y la mortalidad infantil. El valor del coeficiente es de -0,17, lo
que se interpreta como un aumento del gasto sanitario en una unidad implicaría una
disminución de 0,17 unidades de la mortalidad infantil, “lo que sugiere que un incremento
del gasto sanitario per cápita supone un acceso más amplio a la atención de salud y a otros
servicios que contribuyen a disminuir las tasas de mortalidad de los niños menores de cinco
años” (ibidem, 2018, p. 84).

24
 Asimismo, se exhibe una relación también negativa entre la variable del crecimiento
económico y la mortalidad infantil, el valor del coeficiente es de -0,76, lo que implicaría que
un aumento del 1% en el crecimiento económico derivaría en una disminución de 0,76 puntos
porcentuales en la tasa de mortalidad infantil. Sobre este punto el autor resalta que:

Se espera que una tasa de crecimiento alta resuelva problemas relacionados con la
inseguridad alimentaria, el mal estado de los edificios y el equipamiento, la falta de una
infraestructura social adecuada y el presupuesto insuficiente para reducir la mortalidad
infantil. Los ingresos altos dan lugar a una mejor infraestructura de la salud pública, como la
relativa al agua y el saneamiento, junto con una mejor nutrición, mejores viviendas y la
capacidad de pagar por la atención de salud (ibidem, 2018, p. 84).

Consecuentemente, se muestra una relación negativa entre la tasa de alfabetismo femenino

y la mortalidad infantil. Un aumento de una unidad de la tasa de alfabetismo femenino
derivaría en una disminución de 2,65 unidades en la tasa de mortalidad infantil. En esta
misma línea, el autor indica que:

El nivel de educación de la madre es un factor decisivo para la condición de salud tanto de

los niños como de la población en general. En los países en desarrollo, las mujeres
desempeñan un papel más importante en la salud e higiene de la familia, aparte de que la
educación de la mujer se asocia de manera positiva con la salud infantil y en forma negativa
con las tasas de fecundidad (ibidem, 2018, p. 86).

Finalmente, es importante acotar que las variables en el modelo de Dhrif resultaron con el
signo esperado a partir de la teoría, además son estadísticamente significativas. Al final del
trabajo el autor procede a calcular el efecto total del gasto en salud, tanto directo como
indirecto, sobre la mortalidad infantil y concluye que los resultados pueden variar según la
muestra empleada en el modelo, sobre esta conclusión el autor señala que:

El hecho de que, en los países menos desarrollados en contraste con los países de ingresos
altos y medio-altos, los gastos en salud no tengan efectos significativos puede deberse a los
mayores costos de la tecnología médica, mientras que otra razón de la diferencia entre los
países desarrollados y en desarrollo podría ser la ineficiencia del gasto sanitario (ibidem,
2018, p. 94).

25
 Este comentario se desglosa dado que el resultado obtenido por el autor fue que un mayor
gasto sanitario tiene un efecto positivo y significativo solo en los países de ingresos medio-
altos y altos, pero no en los de ingresos bajos y medio-bajos.

Una vez planteados los determinantes según la teoría de la variable objetivo, que es la
mortalidad infantil, se expondrá un análisis de la literatura que considera con mayor atención
el rol que juega la población femenina sobre la mortalidad infantil, con el fin de hacer la
relación de por qué se considera relevante la exclusión social femenina para medir dicho
indicador de mortalidad. De esta forma, el trabajo de Amartya Sen en su obra “Desarrollo y
Libertad” (1999) permite dar un nuevo enfoque a los cuestionamientos que surgen al
momento de estudiar el desarrollo económico como un fenómeno multifactorial. Sen indica
que se debe posicionar a la población femenina para que sean agentes activos en su capacidad
de agencia, más allá del enfoque de otorgarles bienestar, esto implicaría una recomendación
hacia los estados para que sus políticas sociales estén direccionadas a brindar las condiciones
para que este grupo tenga incentivos de convertirse en un factor principal de generación de
su propio bienestar, de esta forma, Sen también destaca que bajo este enfoque las mujeres
deben ser percibidas como “agentes promotores dinámicos de transformaciones sociales que
pueden alterar tanto la vida de ellas mismas como la de los que las rodean” (p.233).

Por lo tanto, el autor afirma que en la medida en que las mujeres tengan un papel más
activo sobre su propio bienestar podrían llegar a generar externalidades positivas sobre el
bienestar de otros, por ejemplo, los niños. Por lo tanto, mientras su inclusión aumente en los
distintos ámbitos: social, económico, político, educacional, estas podrán ser capaces de
ejercer autonomía sobre las decisiones que se tomen “tanto en el seno de la familia como
fuera de ella” (ibidem), este punto es altamente relevante para definir la relación entre la
mortalidad infantil y la exclusión social femenina. Consecuentemente, el autor enuncia los
distintos ámbitos que se deben tomar en cuenta cuando se habla de inclusión femenina. Esta
línea argumentativa es destacada debido a que la variable proxy que se utiliza de exclusión
social femenina en el capítulo siguiente engloba los ámbitos que propone el autor, lo que
brinda el sustento teórico para su utilización.

26
 De esta forma, la razón que brinda el autor respecto a por qué tomar en cuenta la
participación laboral femenina para explicar desigualdades es que en la medida que la misma
se vea reducida, las probabilidades de percibir un ingreso independiente se reducen entre la
población femenina, lo que causaría un perjuicio en el objetivo de reforzar su posición social,
dado que su contribución a la prosperidad termina no siendo tan obvia bajo el juicio social.
Además, el motivo que indica para tomar en cuenta el ámbito educativo es que siempre que
aumente el nivel de educación (así como la calidad) fortalece la inclusión social de la
población femenina a través de una mayor información percibida, así como una mayor
cualificación a diferencia de un estado de menor acceso educacional.

Del mismo modo, otra dimensión que destaca Sen es la política, de la cual considera como
ejemplo la participación femenina en el parlamento. Afirma que, cuando aumenta la
representación femenina, podría llegar a presentarse una mayor presión por corregir
desigualdades que perjudican el bienestar de las mujeres en comparación con los hombres,
además, contemplando que en la medida que vayan consiguiendo mayor representatividad es
más directo el reconocimiento que pudieran obtener de la población, debido a que es más
visible dada la naturaleza del ámbito político.

Asimismo, se puede apreciar cómo esta base teórica contribuye para justificar el empleo
del índice de desigualdad de género como proxy de la exclusión social femenina, y como sus
componentes se corresponden a los ámbitos que Sen considera relevantes para explicar esta
variable (laboral, educacional y político). Finalmente, Sen relaciona la supervivencia de los
infantes con respecto a la inclusión femenina y su empoderamiento en el sistema social, a
través del mecanismo de “la importancia que conceden las madres normalmente al bienestar
de los hijos y la oportunidad que tienen, cuando se fortalece su inclusión social, para influir
sobre las decisiones de la familia” (Sen, 1999, p.240).

Exclusión social: Determinantes y medición

El término de exclusión social es, al mismo tiempo, amplio y de reciente data. Según
Silver (1994), el término pudo originarse en Francia en la década de los sesenta, a medida
que políticos, académicos y activistas se referían a los pobres como “los excluidos”. Sin

27
embargo, no fue hasta la década de los ochenta, con la crisis social y política francesa, que
se popularizó del todo, y se empezó a utilizar para referirse a distintas formas de desventaja
social.

En este sentido, se atribuye el término a René Lenoir, secretario de Estado para la Acción
Social del gobierno francés en 1974, quien lo utilizó para referirse a “los discapacitados
mentales y físicos, personas con tendencias suicidas, personas inválidas de avanzada edad,
niños abusados, adictos a las drogas, delincuentes, padres solteros, hogares problemáticos,
marginados, asociales e inadaptados” (Silver, 1994, p.532). Con esto, Lenoir buscaba
agrupar, bajo una misma categoría, a aquellos grupos sociales a los que no protegía el sistema
de seguridad social, con lo que se evidencia que desde un inicio el término se utilizó en
contextos en los cuales uno o varios colectivos se encontraban al margen de ciertas
actividades o beneficios.

Saith (2001, p. 3) señala que:

El término de exclusión social se amplió más allá de la definición inicial francesa, para incluir
el aumento en el desempleo recurrente y de largo plazo, así como la inestabilidad en las
relaciones sociales. Se reconoció que el empleo no se trataba solo de ingresos, sino de
relaciones sociales y un sentido de autoestima, y que los desempleados estaban excluidos de
la participación en las actividades normales de la sociedad.

De esta forma la exclusión social se liga al desempleo y a las privaciones que este conlleva,
en términos de impedir que las personas puedan acceder a bienes y servicios, así como estar
intrínsecamente ligado con la pobreza. Esto ha ocasionado que los términos exclusión social
y pobreza se utilicen como sinónimos, al suponerse que ambos fenómenos son consecuencia
del desempleo y se evidencian de la misma forma. Sin embargo, Atkinson (1998) explica que
por pobreza se entiende la falta de dinero o de posesiones materiales. Esta falta de dinero
pudiese ir de la mano a ser excluido socialmente, pero las dos condiciones no necesariamente
se dan de forma conjunta. De hecho, “las personas pueden ser pobres sin ser socialmente
excluidas, y las personas pueden ser socialmente excluidas sin ser pobres” (ibidem, 1998, p.
9).

28
 Sumado a esto, Atkinson (1998) plantea dos ideas base para la literatura sobre la exclusión
social. La primera es la relatividad: las personas son excluidas de una sociedad en particular;
es decir, la exclusión se da en un lugar y en un tiempo determinado. La segunda es que la
idea de exclusión social aplica más a colectivos y comunidades que a individuos aislados, ya
que muchas veces la exclusión se genera en torno a las características de un grupo en
concreto, ya sea su condición socioeconómica, su lugar de residencia o su color de piel. Sin
embargo, quizá la principal contribución de Atkinson al debate no fue otra sino explicar que
la exclusión social no solamente se relaciona con la pobreza, sino que esta es solo una de las
tantas formas de exclusión.

Definiciones más explícitas, aunque no por eso menos amplias, han sido planteadas. Le
Grand et al (1999) plantea una definición, según la cual un individuo debe cumplir con tres
condiciones para considerarse como socialmente excluido. Estas condiciones son: a) Reside
geográficamente en una sociedad, b) Por razones más allá de su control no puede participar
en las actividades normales de los ciudadanos de esa sociedad y c) Quisiera participar en esas
actividades. En este sentido, Le Grand comparte con Atkinson la idea de la relatividad, y al
mismo tiempo concuerdan en el hecho de que la exclusión social puede verse como
desempleo, pero es un fenómeno mucho más amplio.

No obstante, la definición de Le Grand, específicamente por la segunda y tercera

condición, dejaba abierta la posibilidad a la existencia de la exclusión voluntaria, la cual no
sería considerada como exclusión social. Barry (Citado por Le Grand, 2003) señala que
podría darse el caso en el cual un individuo o colectivo decida no participar o no quiera
participar de ciertas actividades o relaciones sociales; sin embargo, aun cuando esta decisión
pareciera ser autónoma, podría ser generada a partir del rechazo o discriminación, por lo que
debería ser considerado como exclusión social. Para complementar su crítica a la definición
de Le Grand, Barry explica que ante la dificultad para determinar las preferencias
individuales (y colectivas) y con ello saber cuándo la exclusión, en estos casos, es realmente
voluntaria, lo socialmente preferible es considerar toda exclusión social como no deseable,
en tanto que tiene efectos negativos a nivel colectivo.

29
 Frente a esto, Le Grand (ibidem, 1999) propone una definición alternativa, en donde un
individuo se considera como excluido cuando: a) Reside geográficamente en una sociedad y
b) No participa en las actividades normales de un ciudadano de esa sociedad. Por lo tanto, el
resultado de este debate fue que, indiferentemente de las razones por las cuales un individuo
o colectivo no es parte de las actividades principales de la sociedad, ese hecho en sí mismo
es problemático.

Sin embargo, si bien estos autores dejaron en claro que la exclusión social es siempre
problemática, fue Sen (2000) quien propuso que, aunque la exclusión social es una privación,
no toda privación es exclusión social. En tal sentido, la diferencia entre una privación general
y la exclusión social es que esta última es, siempre, un fenómeno relacional. Esto lo que
implica es que la exclusión social es una privación que se genera cuando una persona o
colectivo es excluido de alguna relación social. Por ejemplo, sería exclusión social que una
familia no tenga acceso a alimentos porque fueron excluidos de un programa de subsidios,
mientras que quizá no sería exclusión si la falta de acceso a alimentos se originó en una
cosecha dañada a raíz de una tormenta inesperada.

Siguiendo esta línea, el planteamiento de Sen también implica que la exclusión, al ser
relacional, implica agencia. Esto lo que quiere decir es que, si un colectivo de personas es
excluido, entonces una persona o grupo de personas lleva a cabo esa exclusión, sea esto una
acción voluntaria o no.

Sumado a esto, Sen explica que “la exclusión social puede ser constitutivamente parte de
la privación de capacidades, así como instrumentalmente una causa de diversas fallas de
capacidades” (2000, p. 5). En otras palabras, la exclusión social es, al mismo tiempo, tanto
una privación de capacidades, como la causa de otras privaciones de capacidades. Por
ejemplo, las mujeres, debido a sesgos de género, podrían ser excluidas del mercado laboral
o de puestos de trabajo con salarios altos, lo que representa en sí mismo exclusión y una
privación de capacidades. Sin embargo, la falta de acceso al mercado laboral también
dificulta acceder a educación de calidad o servicios de salud, lo que representa otra privación.

30
 Los aportes de Sen cobran relevancia en varios sentidos. Por un lado, entender que no toda
privación es exclusión social es importante para buscar los nexos causales detrás de las
privaciones. Por otro lado, si la exclusión social puede ser el resultado de ciertas privaciones
y al mismo tiempo generar otras, estudiar los determinantes de la exclusión social puede ser
una tarea compleja.

De hecho, la complejidad se deriva de que los procesos de exclusión social pueden tener
distintas dimensiones. En este sentido, la exclusión social puede verse como exclusión
política, que se refleja en una privación de los derechos civiles, la participación política y el
derecho a organizarse, así como la igualdad de oportunidades (Khan et al, 2015). También
puede verse como exclusión económica, siendo esta una privación en el acceso al mercado
laboral y a servicios financieros como el crédito. Y, por último, se refleja en exclusión social
y cultural, las cuales se relacionan con discriminación por razones de género, etnia o edad,
así como discriminación basada en creencias o sistemas de valores. Estas limitan el acceso a
servicios sociales y al mercado laboral (ibidem, 2015).

Todo esto trae como consecuencia que

Estas relaciones están interconectadas y se superponen, y dada la complejidad de las

influencias sobre los individuos, es imposible identificar una única causa específica en el
contexto de la exclusión social. Las personas pueden ser excluidas debido a la acción
deliberada de otros (por ejemplo, discriminación por parte de los empleadores); como
resultado de procesos en sociedad que no implique una acción deliberada; o incluso por
elección. Sin embargo, de manera más general, las causas de la exclusión social que conducen
a la pobreza, el sufrimiento y, a veces, la muerte puede atribuirse al funcionamiento de
relaciones desiguales de poder. (ibidem, 2015, p. 12)

En este sentido, ser un excluido social puede ser determinado por la pertenencia a un
colectivo minoritario o que se encuentre en alguna desventaja política, social o económica.
De hecho, “los patrones de exclusión organizados socialmente constituyen barreras
formidables a la movilidad social en el camino de los hogares e individuos más pobres”
(Munck citado por Narayan y Petesch, 2007, p. 10). Por lo tanto, son estos patrones de
exclusión social, que pueden incluso variar entre países, los principales causantes de que

31
ciertos grupos o individuos enfrenten privaciones en algunas o todas las dimensiones
mencionadas anteriormente.

Adicionalmente, Hashem (1995) añade que, en países subdesarrollados, los procesos de

exclusión social podrían ser explicados también como un problema entre oferta y demanda.
Según Hashem, “si bien la provisión equitativa de servicios sociales a todos los ciudadanos
es una prioridad gubernamental, los esfuerzos para brindar estos servicios básicos se han
visto comprometidos por limitaciones técnicas y financieras” (Hashem, 1995, p. 179). Frente
a esto, los grupos en desventaja social debido a los patrones de exclusión anteriormente
mencionadas podrían verse en desventaja, ya sea por contar con menos redes que les permitan
acceder a estos recursos escasos, o por ser relegados de forma deliberada por grupos con
mayor poder relativo.

Ejemplos de estas distintas dimensiones de exclusión pueden verse en la literatura.

Hashem (1995) explica cómo en Yemen la tribu de los akhdam sufre de exclusión social, en
gran parte, debido a sus características físicas, las cuales los hacen parecer extraños a efectos
de las otras tribus dominantes. Los akhdam enfrentan restricciones para acceder al mercado
laboral, lo que los priva de acceder a ingresos y los condiciona a vivir en condiciones
precarias.

En un trabajo más global, Justino y Litchfield (2003) demuestran que los grupos
minoritarios e indígenas tienen más probabilidades de ser pobres y objetos de exclusión social
que cualquier otro grupo. Esta exclusión tendría una relación con “con la discriminación
pasada y / o continuada contra las minorías y los pueblos indígenas” (ibidem, 2003, p. 22),
lo que constituye una barrera para acumular tanto capital humano como físico, así como para
acceder a roles productivos y tener representación en las decisiones colectivas.

De igual forma, ejemplos de exclusión a nivel de representación política han sido

documentados. En este sentido, Duflo y Topalova (2004) realizan un estudio en la India, en
donde se centran en comunidades cuya dirección está reservada para mujeres, y realizan una
comparación entre los resultados a nivel de bienes y servicios públicos y el nivel de
satisfacción de los ciudadanos. En él, encuentran que las aldeas reservadas para mujeres

32
líderes “tienen más bienes, y la calidad medida de estos bienes es al menos tan alta como en
las aldeas no reservadas. Además, es menos probable que los aldeanos paguen sobornos en
las aldeas reservadas para las mujeres.” (ibidem, 2004, p. 4).

Sin embargo, los resultados arrojados por el estudio señalaron que los niveles de
satisfacción eran significativamente más bajos. Esto podría deberse a que “por lo general, se
considera que las mujeres tienen menos habilidades de liderazgo que los hombres con
características similares, y las mismas acciones realizadas por hombres y mujeres en
situaciones de liderazgo se evalúan de manera más negativa cuando las mujeres son las
líderes” (ibidem, 2004, p. 15). Por lo tanto, se evidencia cómo un patrón de exclusión termina,
en este caso, privando las probabilidades de que un colectivo obtenga representación política.

Partiendo de que la exclusión social es un fenómeno multidimensional, que se manifiesta

en distintos ámbitos de la vida de las personas que la sufren, la labor de cuantificar ha sido
objeto de debate. Sobre esto, Khan et al (2015, p. 7) señalan que,

La medición de la exclusión social está ligada a la definición de exclusión social. Se han

adoptado diferentes enfoques para definir la exclusión social en los países en desarrollo. Estos
incluyen esfuerzos para determinar si las personas se benefician de las oportunidades o si
están por debajo de los logros promedio. También pueden basarse en ideas preconcebidas
sobre qué grupos están excluidos (por ejemplo, personas que viven en áreas remotas o grupos
tribales) o en encuestas que evalúan qué grupos se perciben como excluidos. Todos estos
enfoques tienden a identificar a diferentes personas como excluidas, ya que los "estados" de
exclusión son muy diversos y de diferente relevancia a nivel mundial. Como resultado, no
puede haber un conjunto único de indicadores que sea igualmente relevante para todos los
contextos.

Esta idea es importante. Si el enfoque utilizado para medir la exclusión social en su

conjunto es determinar cuántas personas se encuentran debajo de cierto umbral de
condiciones de vida, quizá en países subdesarrollados o pobres el análisis no fuese tan útil,
debido a las bajas condiciones de vida que permea a gran parte de la sociedad. Frente a esto,
un enfoque en donde se contemplen los niveles de vida de cada sociedad, y se evalúen las
condiciones de vida de cierto grupo con relación a esa sociedad o al grupo mayoritario, podría
ser más útil para determinar si ese grupo enfrenta exclusión. Después de todo, la exclusión
social es relativa, por lo que se da en un lugar y tiempo determinado (Atkinson, 1998).

33
 Sin embargo, otro punto importante es que la forma de medir exclusión social va de la
mano con la definición que se utilice. Partiendo de los conceptos repasados y del debate
académico que se dio en torno a ellos, es posible concluir que la exclusión social es una
privación que se origina cuando una persona o grupo de personas es excluido de alguna
relación social. No obstante, en la literatura se ha hecho énfasis en que para los estudios sobre
exclusión social son especialmente importantes aquellas relaciones o actividades que son
consideradas como normales para la sociedad (Le Grand et al, 1995). Sin embargo,
operacionalizar este criterio lleva a priorizaciones normativas sobre aquellas actividades
sociales que son importantes para los individuos, a tal punto de que la no participación en
ellas sea considerada como exclusión.

Sobre este punto ha existido cierto consenso. En su intento de medir la exclusión social
en Gran Bretaña, Le Grand et al (1995) contempla las actividades de consumo, ahorro,
producción, sociales y políticas. Esto se asemeja a lo propuesto por Khan et al (2015), quienes
proponen que la exclusión social debe ser medida en los ámbitos de participación política,
económica, social y cultural. De igual forma, en un estudio realizado por el Departamento de
Asuntos Económicos y Sociales de las Naciones Unidas (DAESNU) (2016, p. 22) con el
objetivo de medir la exclusión, toman en cuenta “los (indicadores) que miden el acceso a las
oportunidades, a saber, educación, servicios de salud e infraestructura; los que miden el
acceso al empleo y los ingresos; y los que miden la participación en la vida política, cívica y
cultural”.

En este orden, si bien la medición de la exclusión social puede partir de estas dimensiones
(participación económica y política, acceso a la educación y a servicios sanitarios), existen
una serie de limitaciones para medir la exclusión social, tanto a nivel general como en cada
una de las dimensiones mencionadas. En primer lugar, dado que es un fenómeno
multidimensional, los datos utilizados generalmente provienen de distintas fuentes y tienen
diferentes propósitos (ibidem, 2016), lo que dificulta la comparación entre ellos y en el
tiempo, sobre todo al momento de realizar análisis entre países.

En un sentido más amplio,

34
 Los indicadores de exclusión social rara vez se han combinado a nivel individual en un índice
compuesto. La evaluación de los cambios en los indicadores de exclusión a lo largo del
tiempo genera desafíos adicionales, ya que algunas fuentes de datos están disponibles solo
para un punto en el tiempo y surgen problemas de comparabilidad incluso entre censos o
encuestas del mismo tipo. (ibidem, 2016, p. 24)

Pese a estas limitaciones, en la literatura se reflejan distintas metodologías utilizadas para

la aproximación a indicadores de exclusión social. Muchas de las investigaciones utilizan
datos de corte longitudinal provenientes de encuestas de hogares; sin embargo, el problema
con esto es que, por naturaleza, las encuestas de hogares sub representan a ciertos grupos que
son socialmente excluidos, como pueden ser indigentes o personas residentes en instituciones
(cárceles, orfanatos, ancianatos) (DAESNU, 2016; Le Grand, et al, 1999).

En este sentido, Le Grand et al (1999), a través del análisis de encuestas de hogares de

Gran Bretaña, calculan la exclusión social con base en 5 dimensiones (consumo, ahorro,
producción, participación política y actividad social), para las cuales selecciona un indicador
de exclusión y un parámetro para definir cuándo una persona se encuentra excluida en esa
dimensión. Así, por ejemplo, para medir la exclusión en consumo utilizan como indicador el
ingreso, y utilizan como criterio de exclusión si el ingreso es menor o mayor al ingreso medio
de los hogares. De esta forma, concluyen que la exclusión del consumo es la más común para
el período evaluado, mientras que evidencian que las formas de exclusión suelen darse de
forma conjunta, ocasionando cierta interseccionalidad.

En otros trabajos se señala la importancia del estudio de la exclusión social a través de la

combinación de datos cualitativos y cuantitativos. Sobre esto, Clert et al (2001, p.2) señalan
que,

Los métodos basados en estadísticas brindan solidez a los resultados si se basan en muestras
adecuadas, y el análisis de regresión ayuda a controlar una gran cantidad de otras variables
al medir el impacto de una variable específica en un resultado dado.

Sin embargo, también señalan que los datos cuantitativos no pueden capturar
eficientemente las relaciones causales, al no brindar información contextual (ibidem, 2001).
Frente a esto, proponen que el estudio de la exclusión social debe complementarse con data

35
cualitativa, ya que permite arrojar luz sobre el contexto económico, político y social de los
procesos de exclusión.

Partiendo de esto, diversos estudios han utilizado la combinación de datos cuantitativos y

datos cualitativos para indagar sobre procesos de exclusión social en diversas dimensiones.
Gacitúa-Marió et al (2001) realiza un estudio sobre salud reproductiva en las zonas rurales y
pobres de Argentina, en donde utilizan datos cuantitativos provenientes de una muestra de
conglomerados de etapas múltiples de 300 hogares rurales (1,973 individuos, 52 por ciento
mujeres, 48 por ciento hombres) de distritos que tienen al menos 50 por ciento de hogares
con necesidades básicas insatisfechas (NBI) en tres provincias del norte de Argentina
(ibidem, 2001). Al mismo tiempo utilizan datos cualitativos provenientes de grupos focales
y entrevistas con actores clave.

Esto permitió determinar que las mujeres de estas comunidades enfrentan exclusión social
a nivel educativo (años de escolaridad promedio menores que los hombres), a nivel sanitario
(barreras para acceder a instrumentos de salud reproductiva), a nivel de conexiones sociales
(70% de las labores de las mujeres se relacionan con tareas del hogar). De esta forma, si bien
el estudio no contribuye con un indicador agregado de exclusión social para el grupo de
estudio, es relevante debido a la combinación de data cualitativa y cuantitativa.

Algo similar intenta Houston (2008), al calcular la exclusión social de las mujeres en
Reino Unido a partir de encuestas nacionales analizadas a nivel individual, con el fin de poder
medir la exclusión en términos relativos de las mujeres en comparación a los hombres.
Basándose en el enfoque de Le Grand, el trabajo demuestra que las mujeres, como grupo,
enfrentan exclusión social en términos de consumo, producción, participación política e
interacción social (ibidem, 2008). En resumen, se concluye que existe una brecha del 45%
entre los ingresos individuales de hombres y mujeres, lo que se utiliza como indicador de la
exclusión social que sufren las mujeres en relación al consumo.

Sumado a esto, se estima una brecha salarial del 45%, así como una exclusión política del
80% (medida a través de la diferencia de puestos en el parlamento entre hombres y mujeres).
Si bien son relevantes, más allá de los resultados, la principal contribución de Houston es,

36
ante la dificultad de construir un indicador agregado de exclusión social, medir la exclusión
social de las mujeres como colectivo en función de los niveles de desigualdad de género.
Esto es congruente con la idea de que la exclusión social es relativa; por lo tanto, si se parte
de que hombres y mujeres deberían tener los mismos niveles de participación y bienestar, es
válido medir qué tan excluidas (o incluidas) están las mujeres en función de los niveles de
igualdad con los hombres en las dimensiones estudiadas.

Por último, pese a los esfuerzos que ha realizado el Programa de las Naciones Unidas para
el Desarrollo (PNUD), para elaborar un indicador de exclusión social para Europa y Asia
Central (PNUD, 2013), estos esfuerzos no han sido consistentes en el tiempo ni se han
extendido a otros conjuntos de países. Frente a esto, la medición de la exclusión social ha
estado caracterizada principalmente por: 1) Cuantificación a partir de encuestas de hogares,
con el fin de determinar, en cada una de las dimensiones de exclusión, cuántas personas se
encuentran por debajo de un promedio o un mínimo; y 2) A partir de encuestas individuales,
determinar la exclusión social de un grupo de forma relativa a otro, a través de índices de
desigualdad.

37
 CAPÍTULO III

MARCO METODOLÓGICO

El presente capítulo inicia por enunciar y conceptualizar el tipo y el diseño de la

investigación; en otras palabras, la tipología indicada por Hurtado de Barrera (2010) y la
estrategia a utilizar para responder a las preguntas planteadas en el Capítulo I. De forma
consecuente, se puntualiza la población de interés, así como las variables a utilizar y la
muestra del estudio, además del respectivo análisis estadístico que se realiza a cada una de
las variables. Finalmente, se expone el modelo econométrico a utilizar y las técnicas de
procesamiento y análisis de los datos.

Tipo de Investigación

La clasificación que se decide adoptar es la propuesta por Hurtado de Barrera (2010), que
se desglosa en: (a) exploratoria, (b) descriptiva, (c) analítica, (d) comparativa, (e) explicativa,
(f) predictiva (g) proyectiva (h) confirmatoria (i) interactiva. El presente estudio engloba las
características de una tipología comparativa, debido a que se realizarán dos modelos en los
períodos de tiempo contemplados en el apartado: Fuente de información y población de
interés de este capítulo. Con el fin de corroborar esta aseveración se define la investigación
comparativa como “aquella cuyo propósito consiste en precisar diferencias y semejanzas
entre dos o más grupos con respecto a un mismo evento” (ibidem, p.133).

Diseño de la Investigación

La presente investigación engloba las características de un diseño de tipo no experimental,

acogiendo la clasificación de Sampieri et al, se define como aquel “que se realiza sin
manipular deliberadamente variables''. Es decir, no se hacen variar intencionalmente las

38
variables independientes (…) se observan los fenómenos tal y como se dan en su contexto
natural, para después analizarlos” (ibidem, p. 245)

En vista de que se busca observar el comportamiento que tiene la tasa de mortalidad

infantil y consecuentemente identificar qué incidencia posee la exclusión social femenina
sobre este indicador, se está estudiando una realidad preexistente. Así, el estudio se realiza
expost-facto, y por ende los investigadores no poseen un control directo ni influencia sobre
las variables porque ya ocurrieron (Sampieri et al., 1997).

La investigación responde a las características de un diseño no experimental-longitudinal,

pues para evaluar qué diferencia existe entre la posible relación de exclusión social femenina
y mortalidad infantil para los años 2010 y 2020 se debe analizar “cómo evoluciona o cambia
una o más variables o las relaciones entre éstas” (Sampieri et al., 1997, p.246) para estos dos
puntos en el tiempo.

Población, muestra y fuentes de información

En vista de que la investigación en curso pretende estudiar la relación entre la mortalidad

infantil y la exclusión social femenina, la población de estudio serían todos los países de la
actualidad, no obstante, es una población inaccesible dados los recursos y el alcance de los
investigadores, por lo que se recurre a una muestra.

La principal fuente de información para el presente análisis transversal es el conjunto de

datos a nivel de países, con periodicidad anual, del Banco Mundial para los siguientes
indicadores: (a) crecimiento del PIB per cápita (anual%), (b) tasa de mortalidad de menores
de 5 años (por cada 1.000 nacidos vivos) y (c) gasto corriente en salud per cápita, PPA
(dólares internacionales corrientes). La muestra representativa a partir de la cual se realizarán
inferencias está comprendida por 140 países para los años 2010, 2011, 2019 y 2020. En este
sentido, 2010 y 2011 corresponden al conjunto de datos panel para el primer modelo,
mientras que 2019 y 2020 se utilizan en el segundo modelo. La razón por la cual se realizan
dos modelos es porque se aspira obtener los resultados de los modelos 2010-2011 y 2019-
2020 para identificar si existen cambios en las variables regresoras seleccionadas, tras casi

39
una década de diferencia, a modo de realizar el pertinente análisis comparativo. Asimismo,
la otra fuente de información crucial fueron los reportes anuales del Programa de Naciones
Unidas para el Desarrollo (Human Development Reports) para el Índice de Desigualdad de
Género de los años 2010, 2011, 2019 y 2020 como proxy de la variable exclusión social
femenina tomando en cuenta los países de la muestra.

Es meritorio resaltar que la elección del año 2010 responde a que es el año en el que se
comienza a publicar el índice, mientras que 2020 es el último año para el cual la data estaba
disponible. El objetivo principal es comparar el año más temprano para el que estuviera
disponible el índice y el año más reciente para el cual la data estuviera disponible. Asimismo,
para las dos bases de datos de cada modelo se decidió agregar otro año para pasar de una
muestra de corte transversal a una conformada con datos panel, esto conlleva a una serie de
ventajas, como por ejemplo que “al combinar las series de tiempo y las observaciones de
corte transversal, los datos de panel proporcionan una mayor cantidad de datos informativos,
menos colinealidad entre variables, más grados de libertad y una mayor eficiencia” (Gujarati
y Porter, 2010, p.592).

Descripción de variables

En este apartado se procede a definir y describir las variables que serán utilizadas para
rechazar o no rechazar la hipótesis planteada en el primer capítulo. El presente estudio se
realiza con base en los indicadores publicados por el Banco Mundial a nivel de países para
los períodos de tiempo previamente señalados; y los valores del índice del PNUD (Índice de
Desigualdad de Género) también para los períodos preestablecidos. Esto representa una
muestra de 140 países para evaluar la incidencia de la exclusión social femenina sobre la tasa
de mortalidad infantil, además de las otras variables en consideración.

1. Tasa de mortalidad infantil

Manejo estadístico

40
 Como indicador de mortalidad infantil se utiliza la tasa de mortalidad infantil para niños
menores de 5 años. Este indicador refleja la probabilidad de que un niño que muera antes de
cumplir los 5 años, por cada 1.000 habitantes.

La base de datos fue extraída del Banco Mundial; no obstante, el ente indica que las
estimaciones son desarrolladas por el grupo interinstitucional de las Naciones Unidas para la
estimación de la mortalidad infantil (UNICEF, OMS, Banco Mundial, División de Población
de UN DESA). El indicador tiene una periodicidad anual.

Por su parte, las fuentes de información son, principalmente, “los sistemas de registro civil
y las estimaciones directas o indirectas basadas en encuestas por muestreo o censos” (Banco
Mundial, 2021). Sin embargo, en países subdesarrollados los sistemas de registro civil no
siempre funcionan de forma eficiente, lo que podría ocasionar subregistros y distorsiones en
el registro que compliquen la comparación de los datos entre países y a través del tiempo.
Frente a esto, se “utilizan modelos estadísticos para obtener una línea de tendencia de mejor
estimación ajustando un modelo de regresión de tasas de mortalidad específico del país con
sus fechas de referencia” (ibidem, 2021).

Por último, se decide utilizar la tasa de mortalidad para niños menores a 5 años, en lugar
de la tasa para niños menores a 1 año, debido a que de acuerdo con el Banco Mundial (2021):

La mortalidad de menores de cinco años captura el efecto de la discriminación de género

mejor que la tasa de mortalidad infantil de menores de un año, ya que la desnutrición y las
intervenciones médicas tienen impactos más significativos en este grupo de edad. Cuando la
mortalidad de las mujeres menores de cinco años es más alta, es probable que las niñas tengan
menos acceso a los recursos que los niños.

2. Exclusión Social Femenina

Manejo estadístico

Partiendo de la revisión teórica, se utiliza como proxy de exclusión social femenina el

Gender Inequality Index (GII), calculado y publicado de forma anual desde el año 2010 por
el Programa de las Naciones Unidas para el Desarrollo, para un total de 162 países. El índice

41
muestra la pérdida potencial en desarrollo humano debido a las disparidades entre hombres
y mujeres en tres dimensiones: salud reproductiva, empoderamiento y mercado laboral
(PNUD, 2020).

El rango del índice se encuentra entre 0 y 1. En este sentido, mientras más alto sea el valor
del índice, se interpreta que existe una mayor desigualdad entre hombres y mujeres. Por lo
tanto, el 1 representa la desigualdad total, mientras que el 0 la igualdad total.

Para el cálculo del índice se utilizan los siguientes datos y fuentes:

 Ratio de mortalidad materna: OMS, UNICEF, UNFPA, Banco Mundial y la división

de población de las Naciones Unidas.
 Tasa de nacimientos en adolescentes: UNDESA
 Proporción de escaños parlamentarios ocupados por cada sexo: IPU
 Población con al menos alguna educación secundaria: UNESCO y Barro y Lee
 Tasa de participación en la fuerza laboral: ILO

La distribución de las variables según las dimensiones contempladas por el índice es la

siguiente:

Fuente: PNUD (2020)

En este sentido,

Los valores de GII se calculan utilizando la medida de desigualdad sensible a la asociación

sugerida por Seth (2009), lo que implica que el índice se basa en la media general de medias
generales de diferentes órdenes: la primera agregación es mediante una media geométrica

42
 entre dimensiones; estas medias, calculadas por separado para mujeres y hombres, se agregan
luego utilizando una media armónica entre géneros. (PNUD, 2020)

Entre las limitaciones del índice se encuentra que, en muchas dimensiones, no toma en
cuenta la amplitud de la desigualdad de género. Por ejemplo, si bien mide la participación
política con base en la proporción de escaños parlamentarios ocupados por mujeres, no toma
en cuenta la participación de las mujeres en otros ámbitos de la vida política, como los
gobiernos locales. Por otro lado, el índice no toma en cuenta la calidad de los servicios; por
lo tanto, incluso cuando para ciertos países pudiese observarse una mejora en la igualdad
educativa o sanitaria, no es posible saber si a nivel de calidad también existe esta mejora para
ambos grupos.

3. Crecimiento Económico

Manejo estadístico

Como variable proxy del crecimiento económico se utiliza el crecimiento porcentual anual
del PIB per cápita. Este dato fue extraído del Banco Mundial, quien señala como fuente sus
archivos de cuentas nacionales y archivos de las cuentas nacionales de la OCDE. Este dato
se obtiene luego de dividir el Producto Interno Bruto entre el número de habitantes del país
a mitad de año (Banco Mundial, 2021), y se encuentra disponible en periodicidad anual.

4. Gasto en Salud

Manejo estadístico

Para medir el gasto salud se utiliza el gasto corriente en salud expresado en términos per
cápita y en dólares internacionales corrientes. Esto fue extraído de la base de datos de gasto
mundial en salud de la Organización Mundial de la Salud y tiene una periodicidad anual. La
variable se obtiene luego de “rastrea todo el gasto en salud en un país determinado durante
un período de tiempo definido, independientemente de la entidad o institución que financió
y administró ese gasto” (Banco Mundial, 2021).

5. Análisis descriptivo

43
 Tabla 1. Análisis descriptivo para los datos correspondientes al modelo 1 (2010-2011)

Número de Valor Desviación

Variable Valor máximo Valor Promedio
observaciones mínimo estándar

Año 2010 2011 2010 2011 2010 2011 2010 2011 2010 2011

Mortalidad
2,5 2,5 207 207 34,99 34,97 38,23 38,19
infantil

Exclusión
social 0,049 0,05 0,81 0,81 0,46 0,46 0,20 0,20
femenina
140 140
Crecimiento
-10,86 -10,86 18,07 18,07 2,95 2,96 3,62 3,63
económico

Gasto en
21,96 21,96 8.130,76 8.130,76 1.285,18 1.285,32 1.512,85 1.512,75
salud

Fuente: elaboración propia

Tabla 2. Análisis descriptivo para los datos correspondientes al modelo 2 (2019-2020)

Número de Valor Desviación

Variable Valor máximo Valor Promedio
observaciones mínimo estándar

Año 2019 2020 2019 2020 2019 2020 2019 2020 2019 2020

Mortalidad
2 2 120 120 26,03 26 28,31 28,28
infantil

Exclusión
social 0,025 0,03 0,74 0,74 0,34 0,34 0,19 0,19
femenina
140 140
Crecimiento
-33,19 -33,19 42,79 42,79 -1,99 -2,03 5,93 5,94
económico

Gasto en
30,72 30,72 10.623,85 10.623,85 1.718,23 1.718,12 1.942,19 1.942,27
salud

Fuente: elaboración propia

Relación entre variables

44
 En este apartado se realiza un análisis preliminar de las relaciones entre los diferentes
indicadores que se usan (gasto en salud, exclusión social femenina y crecimiento económico)
y las tasas de mortalidad infantil. Se tiende a considerar que, en los países donde hay mayor
crecimiento económico, gasto en salud, menor pobreza y exclusión social femenina, las tasas
de mortalidad infantil serán menores. En este sentido, el signo esperado de la relación entre
cada una de las variables explicativas y la mortalidad infantil se exponen en el siguiente
cuadro:

Tabla 2. Signos esperados para cada variable

Variable Signo esperado

Gasto en salud per cápita, (dólares internacionales corrientes) Negativo

Crecimiento económico (tasa de variación porcentual del PIB per cápita) Negativo

Exclusión social femenina (índice del PNUD) Positivo

Fuente: elaboración propia

A continuación, se presenta un análisis de correlación entre la variable objetivo y cada

una de las variables explicativas.

1. Tasa de mortalidad infantil y gasto en salud

Tabla 3. Coeficiente de correlación, mortalidad infantil y gasto en salud

Año Coeficiente de correlación

2010 -0,55

2011 -0,55

2019 -0,56

2020 -0,56

Fuente: elaboración propia

45
 El coeficiente de correlación entre la tasa de mortalidad infantil para niños menores a 5
años (TMI5) y el gasto en salud per cápita (GSP) tuvo, para los 4 años de la muestra, un signo
negativo. Esto implica que cuando una de las dos variables aumenta, la otra disminuye. Por
lo tanto, si bien correlación no implica causalidad, este resultado va de acorde a lo esperado
con base en la teoría, según la cual a mayor gasto en salud per cápita, las tasas de mortalidad
infantil serán menores. Sumado a esto, debido a que el valor absoluto de las correlaciones
para los 4 años es superior a 0,5, es posible afirmar que la correlación existente tiende a ser
altamente negativa.

2. Tasa de mortalidad infantil y crecimiento económico

Tabla 4. Coeficiente de correlación, mortalidad infantil y crecimiento económico

Año Coeficiente de correlación

2010 0,04

2011 0,04

2019 0,08

2020 0,07

Fuente: elaboración propia

El coeficiente de correlación entre la TMI5 y el crecimiento económico (CE) tuvo, para

los cuatro años de la muestra, un signo positivo. Esto implica que cuando una de las dos
variables aumenta, la otra también. Este resultado contradice a lo esperado con base en la
teoría: a mayor crecimiento económico, menores tasas de mortalidad infantil. Sumado a esto,
debido a que para los cuatro años el valor absoluto de los coeficientes es inferior a 0,5, se
concluye que la correlación entre ambas variables es débilmente positiva. De hecho, los
valores son tan cercanos a cero que la correlación es casi nula.

3. Tasa de mortalidad infantil y exclusión social femenina

46
 Tabla 5. Coeficiente de correlación, exclusión social femenina

Año Coeficiente de correlación

2010 0,69

2011 0,79

2019 0,82

2020 0,82

Fuente: elaboración propia

El coeficiente de correlación entre la TMI5 y la exclusión social femenina (ESF) tuvo,

para los cuatro años de la muestra, un signo positivo. Esto quiere decir que, cuando una de
las dos variables aumenta, la otra también. Por lo tanto, este resultado va en línea a lo
esperado con base en la teoría: a mayor exclusión social femenina, mayores tasas de
mortalidad infantil. De igual forma, debido a que el valor absoluto del coeficiente de
correlación, para los cuatro años, es mayor a 0,5, es posible afirmar que las variables se
encuentran altamente correlacionadas de forma positiva.

Análisis econométrico

Modelo econométrico

La base de datos empleada para la investigación está comprendida por observaciones de

una misma unidad de corte transversal (países) para los años 2010, 2011, 2019 y 2020, para
las variables explicativas previamente analizadas. Ante estas características el enfoque más
acertado es el de una regresión múltiple con datos panel, ya que se puede analizar una serie
de unidades de corte transversal y a su vez estudiar cómo cambian las relaciones a lo largo
del tiempo al incluir variables dummy por período. Este tipo de data posee ciertas ventajas, a
saber:

47
 (a) Al combinar las series de tiempo con las observaciones de corte transversal, los datos de
panel proporcionan una mayor cantidad de datos informativos, más variabilidad, menos
colinealidad entre variables, más grados de libertad y una mayor eficiencia. (b) los datos de
panel resultan más adecuados para estudiar la dinámica del cambio; (c) detectan y miden
mejor los efectos que sencillamente ni siquiera se observan en datos puramente de corte
transversal o de series de tiempo (Baltagi, 1995, citado en Gujarati y Porter, 2010, p.592).

En lo que respecta al estudio econométrico de modelos de regresión con datos panel,

Jeffrey Wooldridge, en su libro Econometría Introductoria, indica que “no se puede suponer
que las observaciones se distribuyen de forma independiente a lo largo del tiempo” (2013,
p.449). En ese sentido, factores no observados que afectan, por ejemplo, la tasa de mortalidad
infantil de un país en 2010 también afectarán esa variable en 2011.

Asimismo, el autor también señala que este enfoque probablemente conduce a que las
observaciones no estén idénticamente distribuidas, como ejemplo, la distribución de la
variable crecimiento económico y la educación secundaria ha cambiado con el tiempo en la
mayoría de los países, lo cual se maneja en la práctica “al permitir que el intercepto en un
modelo de regresión múltiple cambie con el tiempo” (ibidem, p.448). Es decir, para
manifestar el hecho de que los individuos de estudio podrían poseer distintas distribuciones
en el tiempo, se accede a que la intersección difiera entre períodos. Esto se logra al incluir
“variables dummy para todos los períodos en estudio excepto el año más temprano de la
muestra que generalmente se elige como año base” (ibidem); los coeficientes de las variables
dummy representarán caídas/aumentos en la tasa de mortalidad infantil por razones que no se
capturan en las variables explicativas.

Dado que intentar controlar absolutamente todas las variables que afectan un fenómeno
en cuestión pudiera generar problemas de estimación, Wooldridge indica que “existen
factores no observados que afectan a la variable dependiente que están compuestos por dos
tipos: los que son constantes y los que varían con el tiempo” (2013, p.460).
Consecuentemente, si t denota el período de tiempo e i la unidad de sección transversal, se
puede expresar un modelo con más de una variable explicativa observada (y por lo tanto
controlada) y dos períodos de tiempo como:

48
 Ecuación 1. Modelo de Efectos Fijos

𝑦𝑖𝑡 = 𝛽0 + 𝛿0 𝑑2𝑡 + 𝛽1 𝑥𝑖𝑡1 + 𝛽2 𝑥𝑖𝑡2 + ⋯ + 𝛽𝑘 𝑥𝑖𝑡𝑘 + 𝑎𝑖 + 𝑢𝑖𝑡 𝑡 = 1,2.

En la notación, cada variable explicativa tiene tres subíndices: el primero denota el número
de observación transversal (i), el segundo denota el período de tiempo (t) y el tercero es solo
una etiqueta de variable (k). La variable 𝑑2𝑡 es una variable dummy que es igual a cero
cuando t = 1 y uno cuando t = 2, no cambia a través de i; por lo tanto, el intercepto es 𝛽0
cuando t = 1 y 𝛽0 + 𝛿0 cuando t = 2. Permitir que el intercepto cambie con el tiempo es
importante en la mayoría de las aplicaciones (ibidem).

En el mismo sentido, Wooldridge destaca que:

La variable 𝑎𝑖 captura todos los factores constantes de tiempo no observados que afectan a
𝑦𝑖𝑡 , el hecho de que 𝑎𝑖 no tenga un subíndice t indica que no cambia con el tiempo. Es común
en el trabajo aplicado encontrar 𝑎𝑖 referido como un efecto fijo, es posible que también se
mencione como heterogeneidad no observada o heterogeneidad individual (2013, p.460).

El término 𝑢𝑖𝑡 representa el error idiosincrático, debido a que denota factores no

observados que cambian con el tiempo y que inciden sobre la variable dependiente. La
estimación representada en la ecuación 1 se denomina modelo de efectos no observados o
modelo de efectos fijos.

Uno de los problemas que se presentan con mayor frecuencia en las estimaciones de este
tipo de modelos es la posible correlación entre el término de error y las variables explicativas.
Gujarati y Porter recomiendan utilizar la transformación de estimador de efectos fijos dentro
del grupo o estimador within para:

Eliminar el efecto fijo, expresando los valores de las variables dependientes y explicativas de
cada unidad transversal como desviaciones de sus respectivos valores medios. Así, para la
unidad transversal 1 obtenemos los valores muestrales medios de cada variable explicativa y
los restamos de los valores individuales de estas variables. Los valores resultantes se llaman
valores corregidos por la media. Se realiza para cada unidad transversal, luego se agrupan los
valores corregidos para ejecutar la regresión de MCO (2010, p.599).

Esta transformación la denota Wooldridge (2013) a través de las siguientes ecuaciones:

49
 Ecuación 2. Estimador within

𝑦𝑖𝑡 − 𝑦̅𝑖 = 𝛽1 (𝑥𝑖𝑡 − 𝑥̅𝑖 ) + 𝑢𝑖𝑡 − 𝑢̅𝑖 𝑡 = 1,2, … , 𝑇.

Ecuación 3. Estimador within

𝒚𝒊𝒕̈ = 𝜷𝟏 𝒙𝒊𝒕̈ + 𝒖𝒊𝒕̈ 𝒕 = 𝟏, 𝟐, … , 𝑻.

Para el caso de un modelo con más de una variable explicativa (como el de la ecuación 1),
el autor lo representa de la siguiente manera:

Ecuación 4. Estimador within para varias variables explicativas

𝑦𝑖𝑡̈ = 𝛽1 𝑥𝑖𝑡1
̈ + 𝛽2 𝑥𝑖𝑡2
̈ + ⋯ + 𝛽𝑘 𝑥𝑖𝑡𝑘
̈ + 𝑢𝑖𝑡̈ 𝑡 = 1,2, … , 𝑇.

De esta forma, 𝑦𝑖𝑡̈ denota la variable dependiente corregida por su media, el mismo caso
para las variables explicativas y el término de error, mientras que el término 𝑎𝑖 (el efecto no
observable) se eliminó a través de la transformación debido a que es constante en el tiempo.
Wooldridge (2013, p.485) indica que “bajo un supuesto estricto de exogeneidad, el estimador
within es insesgado, el error idiosincrático 𝑢𝑖𝑡 no debe estar correlacionado con cada variable
explicativa para todos los períodos de tiempo”. Asimismo, el autor señala que al estimar un
modelo de efectos fijos:

No está claro cómo se debe calcular una medida de bondad de ajuste (..) el R cuadrado
obtenido de la transformación se interpreta como la cantidad de variación en el tiempo de 𝑦𝑖𝑡
que se explica por la variación en el tiempo de las variables explicativas (2013, p.487)

No obstante, existen algunas consideraciones a tomar en cuenta bajo este enfoque, los
estimadores within en primer lugar “aunque consistentes, son ineficientes (es decir, tienen
varianzas grandes) en comparación con los resultados de la regresión agrupada ordinaria”
(Gujarati y Porter, 2010, p.600); en segundo lugar, “puede distorsionar los valores de los
parámetros y desde luego eliminar los efectos de largo plazo” (ibidem, p.601).

A partir de la técnica econométrica expuesta previamente, la investigación estima la

incidencia del gasto en salud per cápita, el crecimiento económico y la exclusión social
femenina sobre las tasas de mortalidad infantil para los países de la muestra de 140 países a
través de la transformación del estimador within para la regresión de efectos fijos con datos

50
panel. En concordancia con esa estructura, la siguiente ecuación describe la relación entre las
tasas de mortalidad infantil y las variables explicativas señaladas anteriormente:

Ecuación 5. Descripción del modelo

̈ 𝑖𝑡 + 𝑢𝑖𝑡
𝑡𝑚𝑖̈ 𝑖𝑡 = 𝛽1 𝑐𝑒̈ 𝑖𝑡 + 𝛽2 𝑔𝑠̈ 𝑖𝑡 + 𝛽3 𝑒𝑠𝑓𝑝 𝑡 = 1,2, … , 𝑇.

En principio, 𝑡𝑚𝑖̈ 𝑖𝑡 representa a la variable dependiente (las tasas de mortalidad infantil

̈ 𝑖𝑡 corresponden al crecimiento económico (tasa
de 0 a 5 años). Por su parte, 𝑐𝑒̈ 𝑖𝑡 , 𝑔𝑠̈ 𝑖𝑡 y 𝑒𝑠𝑓𝑝
de variación porcentual del PIB per cápita), el gasto en salud per cápita y la exclusión social
femenina (Índice de Desigualdad del PNUD) respectivamente, mientras que 𝑢𝑖𝑡̈ representa el
término de error. Se resalta que los términos están corregidos por su media de acuerdo con
la transformación del estimador within.

Técnicas e instrumentos de recolección de datos

De acuerdo con Arias (2012), se establece que es posible agrupar, en términos generales,
las técnicas de recolección de datos en cuatro principales, (a) observación: se obtiene
sistemáticamente por medio de la visualización del fenómeno a estudiar; (b) documental:
recopilación, indagación, análisis, examinación e interpretación de datos a través de fuentes
secundarias; (c) entrevista, conversación con el tipo de relación entrevistado-entrevistador
sobre un tema específico; y (d) encuesta: método electrónico o presencial que capta
información obtenida de una muestra acerca de un tema específico.

Por lo tanto, la técnica de recolección de datos de la investigación es documental debido

a que se analizarán e interpretarán datos secundarios extraídos de fuentes académicas.
Asimismo, se utilizarán como instrumentos computadoras portátiles, mediante las cuales se
almacenarán los datos, se depurarán y se procederá a analizarlos.

Técnicas de procesamiento y análisis de datos

A través del programa estadístico R se estimó el modelo previamente indicado. De igual

forma, este programa posibilita la ejecución de contrastes de hipótesis y entre otras pruebas
estadísticas. Además, se empleó el paquete de Microsoft, específicamente el programa

51
informático de hojas de cálculo electrónicas Excel para el manejo de la información en bases
de datos. Cada variable fue estudiada en este programa antes de su manejo econométrico en
R. Finalmente, se ejecutarán gráficos y tablas de relevancia para la comprensión de las
relaciones establecidas.

52
 CAPÍTULO IV

ANÁLISIS DE RESULTADOS

A continuación, se exponen los resultados obtenidos de los dos modelos de efectos fijos,
a través de la transformación econométrica del estimador within, denotada en la ecuación 5
del capítulo anterior. Es meritorio recordar que la muestra a partir de la cual se realizaron las
estimaciones está comprendida por 140 países para los años 2010, 2011, 2019 y 2020; 2010
y 2011 corresponden al conjunto de datos panel que se emplearon en el primer modelo,
mientras que 2019 y 2020 se utilizan en el segundo modelo, esto con el fin de poder realizar
el análisis comparativo.

En principio, se realizó una prueba F para realizar la comparación del modelo within y
una regresión simple de mínimos cuadrados ordinarios y así reconocer cuál es el más
apropiado. La hipótesis nula estipula que no son necesarios time-fixed effects. Tanto para el
modelo 2010-2011 como para el modelo 2019-2020 se rechaza la hipótesis nula y se concluye
que, para ambos casos, el modelo de efectos fijos con estimador within es una mejor opción
(ver anexo Nº 5, en el apartado al final del documento)5. Se corrobora lo que afirmaban
Gujarati y Porter (2010), sobre que el modelo de efectos fijos con estimador within es
apropiado cuando la cantidad de observaciones de corte transversal es grande mientras que
la cantidad de años de estudio es pequeña, como la muestra de esta investigación.

De igual forma, se ejecutó la prueba de Hausman, en donde la hipótesis nula consiste en

que el modelo adecuado es el de efectos aleatorios frente a la alternativa de que el modelo de

5
Ver Tabla N° 6 para un resumen de todos los valores que arrojaron las pruebas. En los anexos se visualiza
la captura de pantalla de los resultados por R.

53
efectos fijos es preferido. Para ambos modelos, la prueba mostró un p-value menor a 0,05
por lo que se rechaza la hipótesis nula y se concluye que el modelo de efectos fijos es una
mejor opción (ver anexo Nº 8).

Consecuentemente, se ejecutó el test de Breusch-Godfrey/Wooldridge para estudiar si

existe o no correlación serial en las estimaciones realizadas. Se parte de que la hipótesis nula
indica que no existe correlación serial; los resultados para los dos modelos mostraron un p-
value menor a 0,05, por lo que se rechaza la hipótesis nula y se concluye que existe
correlación serial en las perturbaciones (ver anexo Nº 9).

Asimismo, se analizó la presencia de heterocedasticidad de los modelos mediante la

prueba Breusch-Pagan, en donde se plantea como hipótesis nula la existencia de
homocedasticidad. Ambos modelos exhibieron un p-value menor a 0,05, rechazando la
hipótesis nula y concluyendo que existe heterocedasticidad (ver anexo Nº 10).

Tabla 6. Resumen de valores de las pruebas

Prueba 2010-2011 2019-2020

F 2,2e-16 2,2e-16
Hausman 2,2e-16 2,2e-16
Breusch-Godfrey/Wooldridge (correlación
2,2e-16 2,2e-16
serial)
Breusch-Pagan (heterocedasticidad) 3,101e-05 2,2e-16
Fuente: elaboración propia

En vista de que se detectó tanto heterocedasticidad como correlación serial se procederá

a utilizar una matriz de covarianza robusta para abordar estos problemas, dado que implican
una pérdida de eficiencia sobre los estimadores de ambos modelos. De esta forma se utilizó
la función vcovHC de R Studio con el método Arellano, que es el que generalmente se
recomienda en la teoría para estos casos (heterocedasticidad y correlación serial). A
continuación, se muestran los resultados para el modelo de 2010 y el de 2020:

54
 Tabla 7. Estimación del modelo para el año 2010-20116

Variables
Estimación Std. Error t-value p-value
Regresoras

CE -0,5531843 0,5673963 -0,975 0,33131

ESFP -0,0494215 0,0398816 -1,2392 0,2174
GS 0,0026708 0,0013144 2,0319 0,04411*
factor(year)2011 -2,7226594 1,2259757 -2,2208 0,02802*
Fuente: elaboración propia

Tabla 8. Estimación del modelo para el año 2019-20207

Variables
Estimación Std. Error t-value p-value
Regresoras
CE -0,0292297 0,01216676 -2,4024 0,01764*
ESFP -2,83380856 3,50987679 -0,8074 0,42086
GS 0,00335321 0,00074995 4,4713 1,625E-05***
factor(year)2020 -1,23663925 0,15198379 -8,1367 2,277E-10***
Fuente: elaboración propia

Siguiendo un análisis comparativo, los resultados exhibidos en las tablas poseen ciertas
diferencias y similitudes. En cuanto a la relación de las regresoras con la TMI, en lo que
respecta a la variable CE (crecimiento económico) tanto para 2010 y 2020 se presenta el
signo negativo esperado según la teoría. Sin embargo, para el caso de las variables ESFP
(exclusión social femenina) y GS (gasto en salud) tanto para 2010 y 2020 los signos de los
regresores son contrarios a los esperados de acuerdo con la teoría (negativa y positiva
respectivamente).

Con respecto a cuáles son las variables significativas de los modelos, para 2010 el gasto
en salud y la variable dummy factor(year)2011 son significativas al 5% (p-value menor a
0,05); en comparación, el modelo del año 2020 presenta una variable significativa más que
es crecimiento económico (significativa al 5%). En similitud con el modelo de 2010, la
estimación para 2020 indica como significativas la variable dummy y el gasto en salud,

6
Ver anexos Nº 2 y 11
7
Ver anexos Nº 4 y 11

55
incluso a un nivel mayor de significancia (p-value menor a 0,01, significativas al nivel del
1%).

Tabla 9. Resumen: Modelo 2010-2011 y 2019-2020

Variable - Modelo Coeficiente Signo esperado Significativa
CE 2010 -0,55 Sí No
CE 2020 -0,02 Sí Sí
ESFP 2010 -0,04 No No
ESFP 2020 -2,83 No No
GS 2010 0,002 No Sí
GS 2020 0,003 No Sí
Fuente: elaboración propia

En resumen, los gastos en salud tienen un efecto positivo sobre las TMI para ambos
modelos, y los resultados señalaron que el gasto sanitario tiene un impacto significativo sobre
las TMI. Asimismo, el crecimiento económico tiene un efecto negativo sobre las TMI
también para los dos modelos, y la variable posee un efecto significativo sobre las TMI para
el modelo 2020-2019, mientras que para el de 2010-2011 no es significativa. Finalmente, la
exclusión social femenina no presenta un efecto significativo sobre las TMI para ninguno de
los modelos, y para ambos casos la variable presenta una incidencia negativa sobre las TMI;
es decir, a mayor exclusión menores serán los niveles de las TMI. Además, los coeficientes
del modelo 2010-2011 presentaban un mayor impacto sobre las TMI en comparación con el
modelo 2019-2020, excepto para la variable de crecimiento económico.

De acuerdo con los resultados obtenidos de los modelos de 2010 y 2020, se reconoce que
no se consiguió un efecto estadísticamente significativo en la variable de interés que era la
exclusión social femenina, además, dos variables explicativas no exhiben los signos que
justifica la teoría. Se reconoce que existen antecedentes, expuestos en la presente
investigación, que justifican la hipótesis de que la exclusión social de la población femenina
(cuantificada a través del índice de desigualdad del PNUD) posee un impacto positivo sobre
las TMI. Sin embargo, los modelos anteriores parecen cuestionar esta hipótesis. De igual
forma, no sería adecuado efectuar inferencias, así como tampoco desglosar conclusiones
concretas con los modelos realizados, dados los niveles de significancia que poseían ciertas
variables.

56
 Es meritorio resaltar que la poca cantidad de observaciones en cuanto al panel (tan solo
dos años para cada modelo) pudiera dar pie a que los resultados no sean confiables, y por lo
tanto no se logre identificar la relación entre las TMI y la variable de interés. Sumado a esto,
el modelo contempla dentro de su muestra países de ingreso alto y de ingreso bajo, por lo
que pudiese existir heterogeneidad en la data, justamente como ocurrió en el trabajo de los
determinantes de mortalidad infantil de Dhrif (2018).

A partir de estos resultados surgió la interrogante de si extendiendo el panel para una

mayor cantidad de años en estudio, y además desagregando la muestra por tipos de país según
su ingreso, la muestra podría conducir a resultados más cercanos a la teoría. De esta forma,
se agregó a la muestra anterior información del período comprendido entre 2010 y 2020 (con
periodicidad anual) para los 140 países en estudio, teniendo en cuenta ahora 11 años de
estudio en vez de solo dos, en comparación con los modelos anteriores. Asimismo, se
subdivide la muestra completa en dos más pequeñas, la primera abarca 56 países de ingreso
bajo y medio bajo, mientras que la segunda está conformada por 84 países de ingreso alto y
medio alto, ambas determinadas por el nivel de ingreso según la clasificación del Banco
Mundial.

Sumado a esto, se modificó la proxy de gasto en salud per cápita por gasto en salud como
porcentaje del PIB para probar si en este caso el signo que justifica la teoría se presenta,
entendiendo que medir el gasto en salud como porcentaje del PIB podría implicar menor
volatilidad en los datos.

De este modo, se realizan dos modelos pooling: uno para países de ingreso alto y medio
alto y otro para países de ingreso bajo y medio bajo. Un modelo pooling no permite
diferencias de intersección o pendiente entre individuos de corte transversal, similar a la
ecuación 1 del capítulo III, solo que eliminando el término que representa el efecto fijo. Por
lo tanto, la ecuación sería una simple regresión múltiple de mínimos cuadrados ordinarios
para datos panel. Se reduce la complicación estadística de que la población de estudio puede
tener distintas distribuciones dadas sus características al desagregar la muestra principal. Así,
en vez de ser un modelo con una muestra que engloba a todos los países (presentando alta

57
heterogeneidad entre individuos) la estimación va en línea con el tipo de ingreso de las
observaciones de corte transversal, entendiendo que países con el mismo tipo de ingreso
pueden presentar características similares.

En principio, se ejecutó el test de Breusch-Godfrey/Wooldridge para estudiar si existe o

no correlación serial en las estimaciones realizadas (la hipótesis nula indica que no existe
correlación serial), arrojando que tanto para el modelo IA como el IB se rechaza la hipótesis
nula, por lo que se concluye que existe correlación serial de los errores idiosincráticos.
Asimismo, se analizó la presencia de heterocedasticidad de los modelos mediante la prueba
Breusch-Pagan, donde se plantea como hipótesis nula la existencia de homocedasticidad. Los
resultados para ambos modelos rechazaban la hipótesis nula, por lo que se confirma presencia
de heterocedasticidad.

En vista de que se detectó tanto heterocedasticidad como correlación serial, se procederá

a utilizar una matriz de covarianza robusta para abordar estos problemas, puesto que
representan una pérdida de eficiencia sobre los estimadores, por lo que se utilizó de nuevo la
función vcovHC con el método Arellano. A continuación, se muestran los resultados para el
modelo IA y el modelo IB:

Tabla 10. Estimación del modelo IA, 2010-20208

Variables Std.
Regresoras Estimación t-value p-value
Error
(Intercept) 3,625 2,733 1,327 0,185
CE -0,014 0,079 -0,178 0,859
ESFP 39,499 5,343 7,393 3,22E-10 ***
GSP -0,462 0,310 -1,494 0,1356
Fuente: elaboración propia

8
Ver anexos Nº 12 y 14

58
 Tabla 11. Estimación del modelo IB, 2010-20209

Variables Std.
Estimación t-value p-value
Regresoras Error
(Intercept) 3,582 19,876 0,180 0,857
CE -0,111 0,456 -0,245 0,807
ESFP 95,740 27,028 3,542 0,00043 ***
GSP 0,925 1,896 0,488 0,626
Fuente: elaboración propia

En referencia al valor del 𝑅2 , para el caso del modelo IA es de 44,80%, lo que indica que
las variables explicativas CE, ESFP y GSP explican alrededor de 45% de la variación de la
TMI en los países de ingreso alto y medio alto. Para el modelo IB, el 𝑅2 es de 17,3%, lo que
señala que las variables explicativas explican alrededor de 17% de la variación de la TMI en
los países de ingreso bajo y medio bajo.

Tabla 12. Resumen: Modelo IA e IB

Variable - Modelo Coeficiente Signo esperado Significativa
CE IA -0,01 Sí No
CE IB -0,11 Sí No
ESFP IA 39,49 Sí Sí
ESFP IB 95,74 Sí Sí
GS IA -0,46 Sí No
GS IB 0,92 No No
Fuente: elaboración propia

En resumen, los gastos en salud tienen un efecto negativo sobre las TMI solo en los países
de ingreso medio alto y alto, mientras que en los de ingreso bajo y medio bajo tiene una
incidencia positiva, no obstante, los modelos señalaron que el gasto sanitario no era
significativo al nivel del 5%. Asimismo, el crecimiento económico tiene un efecto negativo
sobre las TMI tanto en los países de ingreso medio alto y alto como en los países de ingreso
bajo y medio bajo, sin embargo, la variable tampoco posee un efecto significativo sobre las
TMI. Finalmente, la exclusión social femenina presenta un efecto significativo sobre las TMI
tanto en los países de ingreso medio alto y alto como en los países de ingreso bajo y medio

9
Ver anexos Nº 13 y 14

59
bajo, y para ambos casos la variable presenta una incidencia positiva sobre las TMI; es decir,
a mayor exclusión mayores serán los niveles de las TMI. Además, en los países de ingreso
bajo y medio bajo el impacto positivo sobre las TMI es mayor que en los países de ingreso
alto y medio alto.

60
 CAPÍTULO V

CONCLUSIONES Y RECOMENDACIONES

Conclusiones

En principio, el objetivo de la investigación consistía en analizar comparativamente la

relación entre la exclusión social femenina y las tasas de mortalidad infantil en los años 2010
y 2020, con el fin de determinar la posible incidencia de la exclusión social femenina sobre
la mortalidad infantil, y de esa forma brindar evidencia acerca de cuáles son los factores que
afectan este indicador de mortalidad. Dado que en la actualidad se ha reconocido
teóricamente la relación entre el desarrollo económico y la salud de los individuos, Dhrif
(2018) señala que, dado que “la salud en la infancia es uno de los principales predictores de
la salud y la productividad a lo largo de la vida, la mortalidad infantil es un indicador
relevante del desarrollo socioeconómico”, de allí parte su relevancia como objeto de estudio.

Por lo tanto, se realizaron dos modelos para el año 2010-2011 y 2019-2020,

respectivamente. Se buscó que los modelos estimaran la tasa de mortalidad infantil de 0 a 5
años a través de la exclusión social femenina, medida a partir del índice de desigualdad de
género publicado por el Programa de las Naciones Unidas para el Desarrollo; el crecimiento
económico, medido como la variación porcentual del PIB per cápita, y el gasto en salud per
cápita (en dólares internacionales corrientes).

Seguidamente, al analizar los resultados se observó que los gastos en salud presentaban
un efecto positivo sobre las TMI (contrario al signo esperado) tanto en el modelo 2010-2011
como en el modelo 2019-2020, de igual forma, ambos modelos señalaron que el gasto
sanitario tiene un impacto significativo sobre las TMI. Asimismo, el crecimiento económico
tiene un efecto negativo sobre las TMI tanto en el año 2010 como el 2020; sin embargo, la
variable posee un efecto significativo sobre las TMI solo para el año 2010. De igual forma,
la exclusión social femenina no presenta un efecto significativo sobre las TMI ni en el 2010

61
como tampoco en el 2020, y para ambos casos la variable presenta una incidencia negativa
sobre las TMI; es decir, a mayor exclusión menores serán los niveles de las TMI (relación
contraria al signo esperado).

A partir de los resultados obtenidos y con el fin de corroborar si los mismos son sensibles
a la muestra que se utilice, al igual que a la longitud del panel de datos empleados se procedió
a aumentar la longitud del panel de datos. En este sentido, se planteó un modelo que abarcara
el período completo de 2010 a 2020 (11 años); asimismo, se subdividió la muestra principal
en dos más pequeñas, ambas determinadas por el nivel de ingreso según la clasificación del
Banco Mundial de forma que cada muestra de países tuviera características relativamente
similares dado su nivel de ingreso.

Por lo tanto, se realizaron dos modelos, uno para los países de ingreso alto y medio alto y
otro para los países de ingreso bajo y medio bajo, para el período abarcado de 2010 al 2020,
que estimaran la TMI a través de las mismas variables de los casos anteriores, excepto por la
variable de gasto sanitario que se sustituyó por el gasto en salud como porcentaje del PIB.

Los resultados señalaron que los gastos en salud tienen un efecto negativo sobre las TMI
solo en los países de ingreso medio alto y alto, mientras que en los de ingreso bajo y medio
bajo tiene una incidencia positiva. No obstante, ambos modelos señalaron que la variable no
tiene un impacto significativo sobre las TMI. En tal sentido, el crecimiento económico tiene
un efecto negativo sobre las TMI tanto en los países de ingreso medio alto y alto como en los
países de ingreso bajo y medio bajo, sin embargo, la variable tampoco posee un efecto
significativo sobre las TMI.

Finalmente, la exclusión social femenina presenta un efecto significativo sobre las TMI
tanto en los países de ingreso medio alto y alto como en los países de ingreso bajo y medio
bajo, y para ambos casos la variable presenta una incidencia positiva sobre las TMI. Esto
quiere decir que a mayor exclusión mayores serán los niveles de las TMI. Sumado a esto, en
los países de ingreso bajo y medio bajo el impacto positivo sobre las TMI es mayor que en
los países de ingreso alto y medio alto.

62
 Por lo tanto, la conclusión principal a la que se llega es que subdividiendo la muestra
principal por tipo de ingreso y aumentando la longitud del panel de datos empleado se
exhibieron relaciones distintas, según el modelaje utilizado. Se rescata que la variable de
interés obtuvo el resultado esperado para comprobar la hipótesis al realizar estos cambios.

Recomendaciones

Se recomienda llevar a cabo los estudios sobre mortalidad infantil con una muestra de
unidades (países, estados, municipios…) que tengan características similares, ya que es más
probable que se tengan en cuenta la naturaleza específica de las mismas. De hecho, Dhrif
(2018, p.88) indica que:

A pesar de que la historia económica con seguridad será diferente de un país a otro, los países
de cada grupo son similares en cuanto a sus condiciones económicas y de salud, así como en
relación con las circunstancias políticas, normativas y sociales o culturales.

En segundo lugar, dada la relevancia que llega poseer este indicador de mortalidad por la
conexión directa que presenta con el crecimiento y desarrollo económico, se invita a
próximos investigadores a utilizar otras técnicas econométricas que sirvan como
acercamiento estadístico al fenómeno, entendiéndolo desde un carácter multicausal, debido
a su utilidad en la práctica para la formulación de políticas públicas.

En tercer lugar, se recomienda a futuros investigadores buscar alternativas para la

medición de la exclusión social femenina, tomando en cuenta que la utilización de índices de
desigualdad de género, si bien aporta una perspectiva interesante, también implica una serie
de limitaciones. Al utilizar un índice agregado que contempla varias dimensiones, se asume
el costo de oportunidad de no poder evaluar la influencia de cada una de esas dimensiones
por separado. Por ejemplo, sería académicamente positivo poder determinar qué dimensión
de la exclusión social femenina (sanitaria, laboral o política) incide más en las tasas de
mortalidad infantil. Esto, incluso, es una información importante de cara a la implementación
de políticas públicas: identificar la dimensión que más impacta en la mortalidad es una
condición necesaria para saber el punto de partida en el combate de la mortalidad infantil
bajo este enfoque.

63
 Posibles soluciones podrían ser 1) Utilizar sub índices de desigualdad de género para cada
una de las dimensiones de exclusión y 2) Utilizar datos agregados sobre la participación
femenina en cada una de las dimensiones, en lugar de índices de desigualdad.

En cuarto lugar, se recomienda promover el conocimiento sobre la mortalidad infantil y

sus determinantes, con el fin de brindar evidencia sobre cómo su reducción constituye una
condición para el desarrollo económico. En la medida en que la ciudadanía reconozca la
relevancia de este fenómeno y los impactos que posee su reducción, es plausible considerar
que estaría más incentivada a exigir las demandas colectivas necesarias al gobierno
representativo para mejorar su calidad de vida.

Por último, se invita a futuros investigadores a buscar estrategias de divulgación de sus

trabajos, con el fin de generar conciencia colectiva en torno a la importancia de garantizar la
inclusión de aquellos sectores de la sociedad que no gozan de los mismos niveles de
participación, representación y acceso a oportunidades. Esto no solo es importante desde un
punto de vista humanitario, también lo es desde la óptica de la realidad: para que el capital
humano esté disponible, primero debe poder sobrevivir.

64
 ANEXOS

Anexo 1. Modelo simple de regresión 2010-2011

Anexo 2. Modelo de Efectos Fijos con estimador within 2010-2011

Anexo 3. Modelo simple de regresión 2019-2020

65
Anexo 4. Modelo de Efectos Fijos con estimador within 2019-2020

Anexo 5. Pruebas F para los modelos de 2010 y 2020

Anexo 6. Modelo de Efectos Aleatorios 2010-2011

66
Anexo 7. Modelo de Efectos Aleatorios 2019-2020

Anexo 8. Pruebas de Hausman para los modelos de 2010 y 2020

Anexo 9. Prueba de Breusch-Godfrey/Wooldridge (correlación serial)

67
 Anexo 10. Prueba Breusch-Pagan para 2010 y 2020 (heterocedasticidad)

Anexo 11. Coeficientes de los modelos de efectos fijos, 2010-11 y 2019-20, corregidos
por heterocedasticidad y correlación serial.

Anexo 12. Modelo pooling para países de ingreso alto y medio alto (modelo IA) para
el período 2010-2020

68
 Anexo 13. Modelo pooling para países de ingreso bajo y medio bajo (modelo IB) para
el período 2010-2020

Anexo 14. Coeficientes de los modelos pooling, IA e IB, corregidos por

heterocedasticidad y correlación serial.

69
Anexo 15. Diagramas de dispersión para cada año de estudio

70
71
 REFERENCIAS

Arcay, G. (2017). Innovación y Productividad: estimando las restricciones vinculantes a la

inversión en innovación en países no desarrollados. Biblioteca de la Universidad
Católica Andrés Bello.
http://biblioteca2.ucab.edu.ve/anexos/biblioteca/marc/texto/AAT3880.pdf

Arias, F. (2012). El Proyecto de Investigación: Introducción a la metodología científica 6ta

Edición. Editorial Episteme.
https://www.academia.edu/10608686/El_Proyecto_de_Investigaci%C3%B3n_Intro
ducci%C3%B3n_a_la_metodolog%C3%ADa_cient%C3%ADfica_6ta_Edici%C3%
B3n_2012

Atkinson, A. B. (1998). Social Exclusion, Poverty and Unemployment. Applied Knowledge

Services. https://gsdrc.org/document-library/social-exclusion-poverty-and-
unemployment/

Banco Mundial. (2021). Mortality rate, under-5 (per 1,000 live births). The World Bank
Data. https://data.worldbank.org/indicator/SH.DYN.MORT.

Brinda, E., Rajkumar, A., & Enemark, U. (2015). Association between gender inequality
index and child mortality rates: a cross-national study of 138 countries. BMC Public
Health, 18(1), 15-97.
https://bmcpublichealth.biomedcentral.com/articles/10.1186/s12889-015-1449-3

David, R. (2007). INEQUALITY MATTERS: INFANT MORTALITY IN THE GLOBAL

VILLAGE. Joint Center for Political and Economic Studies Health Policy Institute.
https://www.faithhealthtransformation.org/wp-content/uploads/2015/11/Courage-to-
Love-Report-Inequality-Matters.pdf

Dhrifi, A. (2018). Gastos en salud, crecimiento económico y mortalidad infantil:

antecedentes de países desarrollados y en desarrollo. Repositorio de la Comisión
Económica para América Latina y el Caribe.

72
 https://www.cepal.org/es/publicaciones/43992-gastos-salud-crecimiento-
economico-mortalidad-infantil-antecedentes-paises
Duflo, E. y Topalova, P. (2004). Unappreciated service: Performance, perceptions, and
women leaders in india. The Field Experiments
Website.https://ideas.repec.org/p/feb/framed/00233.html

Gacitzua-Marió, E. Siaens, C. y Wodon Q. (2001). Reproductive Health in Argentina’s Poor

Rural Area. World Bank Technical paper N° 518.
https://documents1.worldbank.org/curated/en/607691468762936514/pdf/multi0pag
e.pdf

Ghebreyesus, T., Fore, H., Kanem, N. & Watkins, K. (2020). Winning the War Against
Maternal and Child Deaths. Project Syndicate. https://www.project-
syndicate.org/commentary/covid19-defend-progress-on-maternal-child-mortality-
by-tedros-adhanom-ghebreyesus-et-al-2020-05?barrier=accesspaylog.
Gujarati, D., & Porter, D. (2010). Econometría. McGraw Hill.

Hashem, M. (1995). Patterns and processes of social exclusion in the Republic of Yemen.
Education Development and Research Centre in Sana'a.
https://www.ilo.org/public/libdoc/ilo/1995/95B09_55_englp3.pdf

Homan, P. (2016) Political gender inequality and infant mortality in the United States, 1990-
2012.Social Science & Medicine, 182(17), 127-135.
https://www.sciencedirect.com/science/article/abs/pii/S0277953617302472?via%3
Dihub

Houston, D.. (2008). Women's Social Exclusion. ResearchGate.

https://www.researchgate.net/publication/229804841_Women's_Social_Exclusion

Hurtado de Barrera, J. (2010). Guía para la Comprensión Holística de la Ciencia. Fundación

Sypal. https://studylib.es/doc/4709633/gu%C3%ADa-para-la-comprensi%C3%B3n-
hol%C3%ADstica-de-la-ciencia

73
INMUJERES (2007). Glosario de género.
http://cedoc.inmujeres.gob.mx/documentos_download/100904.pdf

Iqbal, N; Gkiouleka, A; Milner, A; Montag, D & Gallo, V. (2018). Girls’ hidden penalty:
analysis of gender inequality in child mortality with data from 195 countries. BMJ
Global Health. https://gh.bmj.com/content/3/5/e001028

Justino, P. y Litchfield, J. (2003). Economic Exclusion and Discrimination: The Experiences

of Minorities and Indigenous Peoples. Minority Rights Group International.
https://minorityrights.org/wp-content/uploads/old-site-downloads/download-74-
Economic-Exclusion-and-Discrimination-The-Experiences-of-Minorities-and-
Indigenous-Peoples.pdf

Khan, S., Combaz, E. & McAslan Fraser, E. (2015). Social exclusion: topic guide. Revised
edition. Birmingham, UK: GSDRC, University of Birmingham. https://gsdrc.org/wp-
content/uploads/2015/08/SocialExclusion.pdf

Le Grand, J. (2008). Individual Choice and Social Exclusion. London School of Economics
& Political Science (LSE)
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1158966

Marphatia, A., Cole, T., Grijalva-Eternod, C. & Wells, J. (2016). Associations of gender
inequality with child malnutrition and mortality across 96 countries. Cambridge
Core, 6(1), 1-8. https://www.cambridge.org/core/journals/global-health-
epidemiology-and-genomics/article/associations-of-gender-inequality-with-child-
malnutrition-and-mortality-across-96-
countries/6B7D994859A0220C205B54F6AC9C9E90

Miller, G., 2008. Women's suffrage, political responsiveness, and child survival in American
history. Q. J. Econ. 123, 1287. https://academic.oup.com/qje/article-
abstract/123/3/1287/1928181?redirectedFrom=fulltext

74
Murthi, M., Guio, A. & Dréze, J. (1995). Mortality, Fertility, and Gender Bias in India: A
District-Level Analysis. Population and Development Review, 21(4), 745-782.
http://www.jstor.org/stable/2137773

Narayan, D. y Petesch, P. (2007). Salir de la pobreza. Banco Mundial. Mayol Ediciones S.A.
https://openknowledge.worldbank.org/bitstream/handle/10986/11840/41448SPAN.p
df?sequence=6&isAllowed=y

Programa de las Naciones Unidas para el Desarrollo. (2010). Human Development Report
2010: The Real Wealth of Nations. Human Development Reports.
http://hdr.undp.org/sites/default/files/reports/270/hdr_2010_en_complete_reprint.pd
f

Programa de las Naciones Unidas para el Desarrollo. (2020). Human Development Report
2020: The Next Frontier: Human Development and the Anthropocene. Human
Development Reports. http://hdr.undp.org/en/content/human-development-report-
2020

Saith, R. (2001). Social Exclusion: the Concept and Application to Developing Countries.
Working Paper Number 72.
https://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.194.8572&rep=rep1&ty
pe=pdf

Sampieri, R. Fernández, C. y Baptista, P. (1997). Metodología de la Investigación 6ta

Edición. McGraw Hill Education. https://www.uca.ac.cr/wp-
content/uploads/2017/10/Investigacion.pdf

Sen, A. (1999). Desarrollo y Libertad. Planeta.

Sen, A. (2000). Social exclusion: concept, application, and scrutiny. Social Development
Papers No. 1. https://www.adb.org/sites/default/files/publication/29778/social-
exclusion.pdf

75
Sen, A. (2000). Social Exclusion: Concept, Application, And Scrutiny. Applied Knowledge
Services. tps://gsdrc.org/document-library/social-exclusion-concept-application-
and-scrutiny/

Silver, H. (1994). Social exclusion and social solidarity: Three paradigms. International
Labour Review, Vol. 133.
http://www.bristol.ac.uk/poverty/ESRCJSPS/downloads/research/uk/1%20UK-
Poverty,%20Inequality%20and%20Social%20Exclusion%20%28General%29/Artic
les%20%28UK%20general%29/Silver-
Social%20Exclusion%20and%20Social%20Solidarity.pdf

Souquett, M. (2019). Cifras de mortalidad infantil de la FAO evidencian colapso del sistema
de salud. Efecto Cocuyo. https://efectococuyo.com/salud/cifras-de-mortalidad-
infantil-de-la-fao-evidencian-colapso-del-sistema-de-salud-dice-especialista/

Suzuki, E; Kashiwase, H. (2020). Las nuevas estimaciones de mortalidad infantil y juvenil

muestran reducciones drásticas, pero los avances se ven amenazados por el impacto
de la COVID-19 (coronavirus). Banco Mundial Blogs.
https://blogs.worldbank.org/es/opendata/las-nuevas-estimaciones-de-mortalidad-
infantil-y-juvenil-muestran-reducciones-drasticas

UNICEF (2020). Lograr la igualdad de género y promover la autonomía de las niñas

contribuye a que todos los niños alcancen su potencial. Igualdad de género.
https://www.unicef.org/es/igualdad-de-genero

United Nations Department of Economic and Social Affairs. (2016). Identifying social
inclusion and exclusion. UN-iLibrary. https://www.un-
ilibrary.org/content/books/9789210577106c006

United Nations Economic Commision For Europe. (2013). Measuring intersecting

inequalities through the Social Exclusion Index: A proposal for Europe and Central
Asia. Working paper n° 22.

76
 https://unece.org/fileadmin/DAM/stats/documents/ece/ces/ge.15/2013/WP_22_UN
DP_D_En.pdf

Wodon Q.,Gacitzua-Marió, E. y Clert, C. (2001). Combining Qualitative and Quantitative

Methods For Policy Research On Poverty Within A Social Exclusion Framework.
World Bank Technical paper N° 518.
https://documents1.worldbank.org/curated/en/607691468762936514/pdf/multi0pag
e.pdf

Wooldridge, J. (2013). Introductory Econometrics, a modern approach. South-Western,

Cengage Learning.

World Economic Forum. (2021). Global Gender Gap Report 2021 INSIGHT
REPORT. WEF_GGGR_2021.pdf (weforum.org)

Zambrano, O. (2021). Clase: Desarrollo económico, acumulación de capital humano y

pobreza. Módulo 7. https://m7.ucab.edu.ve/courses/19621

77