Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ANAlitica1 PDF
ANAlitica1 PDF
e-ISSN 1390-7867
Número 1 - 2011
enero - junio
Analíti a k
volumen
Revista de Análisis Estadístico
Journal of Statistical Analysis
1
Analíti a k
“Evolución”
Formas de crecimiento y desarrollo de la forma
básica hacia la ocupación de un mayor espacio.
volumen
Revista de Análisis Estadístico
Journal of Statistical Analysis
ISSN 1390-6208
1
e-ISSN 1390-7867
Analítika ⋆ Volumen 1 ⋆ Número 1 ⋆ enero - junio 2011 ⋆ Año 1 ⋆ Quito - Ecuador. Revista semestral de
análisis estadístico del Instituto Nacional de Estadística y Censos, Ecuador. Publicación internacional bilingüe
dedicada a estudios relacionados con ciencias sociales, económicas, análisis estadístico y de datos. Las ideas y
opiniones expresadas en las colaboraciones, son de exclusividad de las autoras y los autores.
D IRECTORIO R EVISTA
Byron Sosa
Paúl Medina Ph.D. DISEÑO Y DIAGRAMACIÓN PORTADA Y SEPARATAS
EDITOR - DIRECTOR CIENTÍFICO DE LA REVISTA
Hugo Freire
Giovanny Quimbiulco
Andrés Merino (Edición en LATEX)
APOYO EDITORIAL
P RESENTACIÓN
Estimados lectores,
Es para mi un placer presentar este primer número de la revista Analítika, una publicación semestral del
Instituto Nacional de Estadística y Censos (INEC).
La revista Analítika espera fortalecer la misión del INEC mediante la investigación y el análisis de datos
estadísticos para interpretar la evolución del desarrollo de la sociedad de la economía ecuatoriana. La
relevancia de las investigaciones realizadas en esta primera publicación dan cuenta de los procesos de
cambio social en los que está inmerso nuestro país. Asimismo, arroja información oportuna para observar
tendencias de la población y de la economía, para poder adelantarse a los cambios, ofreciendo una mejor
adecuación para la formulación de políticas de entidades públicas y privadas.
Además, pretende posicionarse a corto plazo como la revista de referencia de análisis estadístico de carácter
económico y sociológico a nivel nacional y consolidarse a largo plazo, formando parte de la Red de Revistas
Científicas de América Latina y el Caribe, España y Portugal (REDALYC), en un referente de toda la región.
Se pone así en marcha un proyecto ambicioso que combina la rigurosidad de los datos y los métodos de
análisis estadístico, con un equipo multidisciplinar y un amplio abanico de temas que responden a una
necesidad y disposición investigadora del INEC. Dan cuenta de ello los diferentes artículos que abren esta
primera edición de la revista Analítika.
El primero de ellos versa sobre los determinantes sociales de la temporalidad en el mercado laboral ecuato-
riano. El segundo artículo analiza la evolución de la fecundidad en Ecuador desde el año 1990 al año 2007
y calcula el bono demográfico El tercero considera las variables de los esfuerzos personales y las herencias
sociales en el comportamiento del ingreso laboral de una persona. El cuarto, estima la densidad poblacional
del Ecuador continental a partir de la cuantificación de las zonas no habitables; y finalmente, el último
estudio analiza desde un punto de vista matemático el comportamiento de las inversiones piramidales y
sus efectos.
Les invito a leer, analizar y comentar los estudios aquí presentados; así como también a participar con la
presentación de trabajos para la publicación del nuevo número de la revista Analítika. Queremos que la
revista sea el punto de encuentro de estudiantes, profesores e investigadores. Que este medio se convierta
en un ejemplo del potencial científico que existe en el Ecuador.
Byron Villacís
Director
1
C ONTENIDO
Presentación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
3
Analíti a k
Determinantes de la temporabilidad en el mercado
laboral ecuatoriano
Resumen
En este trabajo se analiza el papel que desempeñan las características individuales, familiares y laborales en la pro-
babilidad de tener un contrato temporal frente a un contrato indefinido. Se analiza concretamente la influencia del nivel
de educación, las condiciones en las que se encuentra el trabajador y la región. Después, se realiza un análisis por rama
de actividad, evidenciando cuáles son las características que posibilitarían la existencia del contrato temporal en cada
una de ellas. Para lograr estos objetivos se estiman modelos de regresión logística utilizando los datos de la Encuesta de
Empleo, Desempleo y Subempleo desde el II trimestre del año 2007 al II trimestre del año 2010, elaborada por el Instituto
Nacional de Estadística y Censos (INEC).
Palabras clave: contrato temporal, contrato indefinido, modelos logit, rama de actividad.
Abstract
In this paper, the role played by individual, family and jobs characteristics are analyzed on the probability of having a
fixed-term employment versus permanent employment. In particular, the influence of education level, characteristics of
the workers and region are examines in this investigation. Then, we analyze by branch of activity new light about factors
affecting fixed-term employment. The econometric methodology used consists of the estimation of logistic regression
models, using data from the Survey of Employment, Unemployment and Underemployment from 2nd quarter of 2007
to the 2nd quarter of 2010, elaborated by the National Institute of Statistics and Censuses (INEC).
1 Introducción
Dentro del concepto de contrato temporal se distinguen gundo grupo considera a los contratos de temporada, es
dos grupos. El primero considera a los contratos eventua- decir, aquellos que en razón de la costumbre o de la contra-
les, es decir, contratos por obra, a destajo, por horas y por tación colectiva se celebran entre una empresa o emplea-
jornal. Estos tipos de contratos son por tiempo determina- dor y un trabajador o grupo de trabajadores para que reali-
do o por necesidades eventuales de las empresas. Gene- cen trabajos cíclicos o periódicos, en razón de la naturaleza
ralmente, los trabajadores que se encuentran bajo esta re- discontinua de sus labores, gozando estos contratos de es-
lación laboral pueden ser despedidos sin incurrir en gran- tabilidad, entendida como el derecho de los trabajadores
des pagos y terminan usualmente sin derecho a ninguna a ser llamados a prestar sus servicios en cada temporada
indemnización. Esta última característica podría explicar que se requieran. Este tipo de contrato, a diferencia de los
el dramático crecimiento de esta modalidad laboral. El se- anteriores, implica la obligación por parte del empleador
completo.
4 Prueba Score: Este estadístico se incrementa conforme aumenta el número de covariables y, no es muy utilizado para la evaluación del modelo.
En la tabla 5 se muestra que el área no delimitada repre- 3.2.4 Selección de las variables explicativas - Modelo 1
senta el 0.10 %, por lo que se decidió agrupar la región no
delimitada con la región de la Amazonía, con el objetivo de En esta etapa, a través de probar varios modelos, se bus-
mejorar la predicción del modelo,(véase la tabla 9). ca encontrar las variables independientes que discriminen
Realizando las modificaciones indicadas para mejorar mejor la proporción de contratos temporales versus contra-
la confianza y estabilidad de la información a ser utilizada tos indefinidos.
en el modelo se reduce en un 15.78 % el universo a consi- Las variables a incluirse en el modelo 1, se detallan en
derar, obteniendo 49.158 individuos. la tabla 10.
Tabla 6. Distribución por tipo de contrato de la variable Estado Civil. Fuente: elaboración propia a partir de la encuesta ENEMDU.
Tabla 7. Distribución por tipo de contrato de la variable Nivel de Instrucción. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
Tabla 8. Distribución por tipo de contrato de la variable Ocupación. Fuente: elaboración propia a partir de la encuesta ENEMDU.
Tabla 9. Distribución por tipo de contrato de la variable Región Natural. Fuente: elaboración propia a partir de la encuesta ENEMDU.
Tabla 10. Descripción y enumeración de las variables independientes, Modelo 1. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
3.2.5 Estimación del Modelo 1 (Regresión Logística) Con los datos obtenidos en la tabla 11, empezamos la
comprobación del modelo 1.
Los resultados de la estimación del modelo, con las va- En primer lugar, contrastaremos la siguiente prueba de
riables señaladas previamente, se presentan en la tabla 11, hipótesis:
en la que se puede observar los coeficientes obtenidos (β),
H0 : β i = 0
su error estándar (E.T.) y su significación estadística (Sig.)
H1 : β i 6= 0
con la prueba de Wald. Además, los Odds-Ratio (Exp(β))
con sus respectivos intervalos de confianza. Con estos re- En particular, se rechazará la hipótesis nula (H0 ) cuan-
sultados se procederá a realizar pruebas de hipótesis que do la significancia estadística sea menor a 0.05. Como se
justifiquen el modelo estimado. puede observar en la tabla 11, para la mayoría de los esti-
Tabla 11. Resultados de las variables incluidas en el Modelo 1. Fuente: elaboración propia a partir de la encuesta ENEMDU.
Los resultados de Exp (β) y su intervalo de confianza En segundo lugar, para comprobar si el modelo es glo-
(véase tabla 11) son los resultados de mayor potencial den- balmente significativo, se evalúa con la prueba del logarit-
tro de la Regresión Logística Multivariada. Estas son medi- mo del cociente de verosimilitudes (véase en la tabla 12).
das de asociación (Odds, Odds-Ratio) ajustadas. En resu- Mediante esta prueba se contrasta:
men, nos indica que las variables de mayor influencia para
cambiar la probabilidad de tener un contrato temporal vs. H0 : β 1 , ...., β n = 0
un contrato indefinido son la Educación Básica y el Empleo H1 : β 1 , ...., β n 6= 0
Tercerizado, es decir, si la propensión de estas aumenta la Para la evaluación global del modelo, es preciso tener claro
probabilidad de tener un contrato temporal también y vi- las siguientes definiciones:
ceversa, comprobándose lo que empíricamente se conoce.
D EFINICIÓN 5 (-2 log de la verosimilitud (-2LL)). Mide has-
ta qué punto un modelo se ajusta bien a los datos. Cuanto más
Paso 1 Chi cuadrado gl sig pequeño sea el valor, mejor será el ajuste. El resultado de esta
Paso 14038.87 17 0,00 medición recibe también el nombre de “desviación”.
Bloque 14038.87 17 0,00
Modelo 14038.87 17 0,00 D EFINICIÓN 6 (La R cuadradro de Cox y Snell). Es un coefi-
ciente de determinación generalizado que se utiliza para estimar
Tabla 12. Prueba omnibus sobre los coeficientes del modelo 1. la proporción de varianza de la variable dependiente explicada
Fuente: elaboración propia a partir de la encuesta ENEMDU. por las variables predictoras (independientes). Sus valores osci-
lan entre 0 y 1.
Tabla 13. Resumen del Modelo. Fuente: elaboración propia a partir de la encuesta ENEMDU.
Y = indefinidos Y = temporal
Total
Riesgo Observado Esperado Observado Esperado
Paso 1 1 4457 4416,603 463 503,397 4920
2 4196 4043,811 721 873,189 4917
3 3792 3698,583 1124 1217,417 4916
4 3295 3318,556 1622 1598,444 4917
5 2782 2904,726 2135 2012,274 4917
6 2318 2483,542 2598 2432,458 4916
7 1814 2025,055 3102 2890,945 4916
8 1449 1504,144 3467 3411,856 4916
9 1175 1006,190 3740 3908,810 4915
10 676 552,789 4232 4355,211 4908
Tabla 16. Tabla de contingencia para la Prueba de Hosmer y Lemeshow. Fuente: elaboración propia a partir de la encuesta ENEMDU.
6 Test de Hosmer-Lemeshow: consiste en establecer los deciles de riesgo o probabilidad predicha por el modelo de presentar el evento y en cada
una de las diez categorías consideradas se comparan los valores observados y los predichos, tanto para los que tienen el resultado explorado como
para los que no lo tienen.
En los escenarios desarrollados, la distinción del sexo, 6. En la variable Estado Civil se realizó una unificación
marca una diferencia, es decir, un hombre con las carac- entre Casado y Unión Libre, Divorciado y Separado,
terísticas que se señalan en los tres diferentes escenarios para que las estimaciones en esta variable sean más
presenta una probabilidad de tener un contrato temporal estables y así mejorar la significancia de estas catego-
mayor que las mujeres. rías.
Tabla 19. Escenarios para el Modelo 1. Fuente: elaboración propia a partir de la encuesta ENEMDU.
Al haberse detallado la validación y etapas para el mo- 3.3.1 Resumen del Modelo 2
delo 1, en esta sección se la abreviará. Por lo tanto, se pre-
sentarán los principales resultados obtenidos, cubriendo Tomando en cuenta los cambios y modificaciones que
de esta manera la razón de presentar un segundo modelo. se llevaron a cabo en las variables a incluirse en el modelo,
se mejoran los resultados en relación al Modelo 1, siendo el
Antes de continuar es conveniente explicar cómo se R cuadrado de Nagelkerke de 0.467, es decir, aumentándo-
realizó la categorización de las covariables Edad y Número se un 40.66 %. Por otra parte, el modelo de forma global ha
de Trabajadores. A la variable Edad se la divide en rangos, clasificado correctamente a un 76.90 % mejorándose en un
es así que se empezó probando con una amplitud de 5, re- 6.10 %.
sultando no significativa en el modelo global, por lo que se Los resultados para saber de qué manera están influen-
realizó pruebas hasta obtener una amplitud que se ajuste ciando las variables que se incluyeron en el modelo se
al modelo, siendo esta de 10. En lo que respecta a la va- muestran en la tabla 20, que abarca los coeficientes obte-
riable Número de Trabajadores en el establecimiento, se la nidos, su error estándar (E.T.), su significación estadística
representa en forma dicotómica, de tal manera que a los (Sig.) con la prueba de Wald, Exp (β) y, sus intervalos de
establecimientos con un número menor a 100 trabajadores confianza.
se le denomina con 1 y a los establecimientos de 100 y más En la tabla 20 se puede observar que dentro de las ca-
trabajadores se le denomina con 0. racterísticas individuales y familiares que afectan positiva-
Tabla 20. Resultados de las variables incluidas en el Modelo 2. Fuente: elaboración propia a partir de la encuesta ENEMDU.
Las características laborales que conducen a aumentar de ocurrir. Por el contrario, en Cuenca, Quito, Ambato y en
asalariados temporales, son que tenga una jornada laboral el resto de la Sierra esta probabilidad disminuye.
parcial, que tenga una experiencia menor o igual a un año
de trabajo, que este trabajando en una empresa de menos 3.3.2 Escenario del Modelo 2
de 100 trabajadores y sea privada, que no reciba cursos de
capacitación y el factor que más afecta es que sea jornale- Se presentan tres escenarios: pesimista, optimista y mo-
ro o peón. Por otro lado, las características que influyen a derado, en base a los resultados estimados para el Modelo
disminuir la probabilidad del contrato temporal son que 2. Se buscará establecer las características personales, labo-
tenga una jornada laboral completa, que tenga una expe- rales, familiares y, la ciudad o región en la que se encuen-
riencia mayor a un año, que se encuentre en una empresa tren, con el objetivo de evidenciar la predicción que tiene
de mas de 100 trabajadores, que reciba cursos de capacita- el modelo.
ción y, que desarrolle su trabajo dentro del sector público. A continuación se presenta en la tabla 21, los resultados
para cada escenario.
De acuerdo a las ciudades autorepresentadas y regio-
nes que se incorporaron en el modelo, se puede notar que • Escenario Pesimista, se considera las características
en Machala, Guayaquil, y en la resto de la Costa son los lu- menos favorables que puede tener un asalariado. Así
gares donde el contrato temporal tiene mayor probabilidad un hombre o mujer, que se encuentre entre los 15
Tabla 21. Escenarios para el Modelo 2. Fuente: elaboración propia a partir de la encuesta ENEMDU.
Figura 4. Distribución de individuos por Rama de Actividad. Fuente: elaboración propia a partir de la encuesta ENEMDU.
Es necesario tomar en cuenta que los resultados que se representarían el comportamiento general de la región, co-
presentan son realizados en base a una muestra, por lo que mo en el caso de Machala, explicaría el comportamiento de
la agrupación de los individuos en determinadas ciudades la región Costa.
En la tabla 22 se observa que la probabilidad de tener vivan en Machala o en la Amazonía. Por otra parte, la úni-
un contrato temporal, en esta rama de actividad, se incre- ca característica que hace que disminuya la probabilidad
menta para los individuos entre 15 a 25 años de edad, con de tener un contrato temporal es la existencia del empleo
una educación básica, que sean jornaleros o peones y, que privado.
Tabla 22. Caracterización de los individuos con contrato temporal en la Rama A. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
• B. Pesca
En la tabla 23 se puede notar que la probabilidad de que se puede determinar en que región o ciudad existe una ma-
aumente el contrato temporal, en esta rama de actividad se yor probabilidad de una relación laboral temporal, debido
divide en dos grupos; en el primer grupo se representa a las a que este sector económico no se desarrolla en las ciuda-
personas entre 15 y 25 años; el segundo grupo a las perso- des que abarca la representación del universo considerado.
nas de 36 a 45 años. En ambos grupos se observa que las ca- Por otra parte, la existencia del empleo privado dentro de
racterísticas relevantes de las personas son tener educación esta rama de actividad fomenta la disminución de la pro-
básica y ser jornalero o peón. En esta rama de actividad no babilidad de tener un contrato temporal.
Tabla 23. Caracterización de los individuos con contrato temporal en la Rama B. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
En la tabla 24 se observa que la probabilidad de tener establecer en que región o ciudad se aumentaría el contra-
un contrato temporal, en esta rama de actividad, se incre- to temporal. Por otra parte, las características que disminu-
menta en los individuos de 15 a 25 años de edad, con un yen los asalariados temporales son: encontrarse entre 46 a
nivel de educación básica. Al igual que en la rama de acti- 55 años de edad y la existencia del empleo privado.
vidad de la Pesca en el universo considerado no es posible
Tabla 24. Caracterización de los individuos con contrato temporal en la Rama C. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
En la tabla 25 se puede notar que la probabilidad de au- ven en Machala, Guayaquil o en el resto de la Costa. Por
mentar la contratación temporal, en esta rama de actividad, otra parte, las características que posibilitan una disminu-
es por la agrupación de los individuos entre 15 a 35 años de ción en la probabilidad de tener un contrato temporal son:
edad, que tienen una educación básica o media, y que vi- ser empleado privado o público y que vivan en Cuenca.
Tabla 25. Caracterización de los individuos con contrato temporal en la Rama D. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
Fuente: elaboración propia a partir de la encuesta ENEMDU
En la tabla 26 se observa que la probabilidad de obtener hace que disminuya la probabilidad de tener un contrato
un contrato temporal, en esta rama de actividad, se incre- temporal es que se encuentren en un rango de edad de 26
mentará para los individuos entre 15 a 25 años de edad y, a 35 años.
con educación media. Por otra parte, la característica que
Tabla 26. Caracterización de los individuos con contrato temporal en la Rama E. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
• F. Construcción
En la tabla 27 se puede apreciar que la probabilidad de posibilitan una disminución en la probabilidad de obtener
tener un contrato temporal, en esta rama de actividad, au- una relación laboral temporal, son: que sea casado o unión
menta para los individuos con un nivel de educación bási- libre, empleado privado o público y, que vivan en Cuenca,
ca. Por otra parte, las características de los individuos que Quito o Ambato.
Tabla 27. Caracterización de los individuos con contrato temporal en la Rama F. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
• G. Comercio al por mayor y menor; reparación de vehículos automotores, motocicletas, efectos personales y
enseres domésticos
En la tabla 28 se puede apreciar que la probabilidad de o Guayaquil. Por otra parte, las características que incenti-
incrementar el contrato temporal, en esta rama de activi- van la disminución de esta probabilidad son: ser empleado
dad, es en los individuos entre los 15 a 35 años de edad, privado o público y que vivan en Cuenca, Quito o Ambato.
con un nivel de educación básica y que vivan en Machala
Rama de Actividad Características Influencia
15-25 Positiva
Rango Edad
26-35 Positiva
Nivel de Instrucción Educación Básica Positiva
G. Comercio al por mayor y menor; Estado Civil Casado/Unión Libre Negativa
reparación de vehículos automotores, Empleado/Obrero Privado Negativa
Ocupación
motocicletas, efectos personales y enseres Empleado/Obrero Publicado Negativa
domésticos Cuenca Negativa
Regiones y Ciudades Machala Positiva
Autorepresentadas Guayaquil Positiva
Quito Negativa
Ambato Negativa
Tabla 28. Caracterización de los individuos con contrato temporal en la Rama G. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
• H. Hoteles y restaurantes
En la tabla 29 se puede notar que la probabilidad de otra parte, las características que posibilitan una disminu-
aumentar la contratación temporal, en esta rama de activi- ción en la probabilidad de tener un contrato temporal son:
dad, es por la agrupación de los individuos entre 15 a 25 ser empleado privado y, que vivan en Cuenca, Quito o Am-
años de edad y, que vivan en Machala o en Guayaquil. Por bato.
Rama de Actividad Características Influencia
Rango Edad 15-25 Positiva
Ocupación Empleado/Obrero Privado Negativa
Cuenca Negativa
H. Hoteles y restaurantes Machala Positiva
Regiones y Ciudades
Guayaquil Positiva
Autorepresentadas
Quito Negativa
Ambato Negativa
Tabla 29. Caracterización de los individuos con contrato temporal en la Rama H. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
En la tabla 30 se puede apreciar que la probabilidad de Machala o resto de la Costa. Por otra parte, las característi-
que incremente el contrato temporal, en esta rama de acti- cas que posibilitan la disminución de esta probabilidad de
vidad, es en los individuos entre los 15 a 35 años de edad, tener un contrato temporal son: ser empleado privado o de
con un nivel de educación básica o media, y que vivan en gobierno y, que vivan en Cuenca o Quito.
Tabla 30. Caracterización de los individuos con contrato temporal en la Rama I. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
• J. Intermediación financiera
En la tabla 31 se observa que la probabilidad de obtener empleado de gobierno y que vivan en Machala. Por otra
un contrato temporal, en esta rama de actividad, se ve afec- parte, las características que hacen que disminuya la pro-
tada positivamente por las personas entre los 46 a 55 años babilidad de tener un contrato temporal son: ser empleado
de edad, que tenga un nivel de educación básica, que sea privado y que vivan en Quito.
Tabla 31. Caracterización de los individuos con contrato temporal en la Rama J. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
En la tabla 32 se puede apreciar que la probabilidad de características que hacen que disminuya esta probabilidad
incrementar el contrato temporal, en esta rama de activi- son: que se encuentren entre 46 a 55 años de edad, sea ca-
dad, es para los individuos entre 36 a 45 años de edad, con sado y que vivan en Cuenca, Quito o Ambato.
un nivel de educación básica o media. Por otra parte, las
Tabla 32. Caracterización de los individuos con contrato temporal en la Rama K. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
En la tabla 33 se observa que la probabilidad de obte- la disminución de la probabilidad de una relación laboral
ner un contrato temporal, en esta rama de actividad, se ve temporal son: que se encuentre entre los 56 a 65 años de
afectada positivamente para las personas entre 15 a 55 años edad, que sea casado y, que vivan en Ambato o el resto de
de edad, con un nivel de educación básica y, que vivan en la Sierra.
Machala. Por otra parte, las características que posibilitan
Tabla 33. Caracterización de los individuos con contrato temporal en la Rama L. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
• M. Enseñanza
En la tabla 34 se puede notar que la probabilidad de o el resto de la Costa, notándose que la enseñanza es una
aumentar la contratación temporal, en esta rama de activi- rama de actividad en la que la temporabilidad tiene mayor
dad, es por la agrupación de los individuos entre 15 a 55 posibilidad de desarrollarse.
años de edad y que vivan en Machala, Guayaquil, Ambato
Tabla 34. Caracterización de los individuos con contrato temporal en la Rama M. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
En la tabla 35 se aprecia que la probabilidad de aumen- que en las Actividades de servicios sociales y de salud el
tar la contratación temporal, en esta rama de actividad, es contrato temporal es la forma más común de relación labo-
para los individuos entre 15 a 45 años de edad, con un nivel ral que se establece.
de educación básica y que vivan en Machala, indicándonos
Tabla 35. Caracterización de los individuos con contrato temporal en la Rama N. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
En la tabla 36 se observa que la probabilidad de obtener vivan en Machala. Por otra parte, las características que in-
un contrato temporal, en esta rama de actividad, se incre- centivan la disminución de esta probabilidad son: que sea
menta para las personas entre 15 a 35 años de edad y, que casado y, que vivan en Cuenca.
Tabla 36. Caracterización de los individuos con contrato temporal en la Rama O. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
En la tabla 37 se puede apreciar que la probabilidad de minuir la probabilidad de tener un contrato temporal son:
aumentar la contratación temporal, en esta rama de activi- que vivan en Quito o Ambato. Además es necesario cono-
dad, es para los individuos entre 15 a 35 años de edad, que cer que en esta rama se agrupan las empleadas(o) domésti-
sea separado o divorciado y que vivan en Cuenca o Gua- cas(o), y que por tal razón el establecimiento no sobrepasa
yaquil. Por otra parte, las características que permiten dis- en ninguno de los casos a 100 trabajadores.
Tabla 37. Caracterización de los individuos con contrato temporal en la Rama P. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
4 Conclusiones
1. Este trabajo ha permitido detectar las diferencias en el 2. Los resultados obtenidos han mostrado que la tempora-
acceso al empleo temporal según la región de residencia, lidad en Ecuador no sólo depende de la estructura pro-
usando la desagregación de las características de los in- ductiva existente, sino que es un fenómeno asociado a
dividuos. Además, ayuda a evidenciar la realidad ecua- las características de los trabajadores y a nuestra cultu-
toriana. ra empresarial. Resaltan la influencia que tiene el nivel
Abstract
This paper analyzes the changes of the female fertility in Ecuador, from 1990 to 2007, period which provided real
data. Then, based on the fertility rate detected it tried to infer the behaviors fertility in the short and medium term, for
which Vital Statistics are used from years 1990 to 2007, the Survey of Employment and Disemployment ENEMDU in the
same period and Censuses on Population and Housing of 1990 and 2001. The results show a decreasing tendency of the
rate female fertility in the country; this rate is explained by the female population of fertile age, the total population and
the rate of natality. In addition, the demographic bond for Ecuador will be studied, because knowledge will allow the
government to take appropriate measures to their use. Finally, this study indicates that the demographic bond will be
located between 2013 and 2022.
Keywords: fertility rate, demographic bond.
1 Introducción
Durante la década pasada, Ecuador experimentó cam- años, según UNICEF. Por otra parte, la tasa de natalidad
bios en el comportamiento de los patrones demográficos, pasó de un 3 % a un 2 % y, la tasa de fecundidad, pasó de
en los cuales la natalidad, mortalidad y fecundidad juegan 10,64 % a 6,85 %; en el mismo período.
un papel preponderante. Por ejemplo, en 1990 de cada 1000
personas 5 morían; mientras que 17 años más tarde, sólo 4 Son muchos los intentos de explicar, a través de distin-
personas mueren, es decir, la tasa de mortalidad ha dismi- tas teorías, la evolución de los fenómenos demográficos y
nuido. Actualmente, la esperanza de vida al nacer de una esclarecer sus consecuencias al margen de cualquier volun-
persona supera los 75 años, mientras que en 1990 era de 69 tad normativa. Entre las teorías más utilizadas [10] se des-
Figura 1. Estimación de la población del Ecuador en el período de tiempo 1990-2007. Se evidencia una tendencia creciente, con un
comportamiento exponencial. El punto de cambio en la continuidad de la recta representa el cambio de datos (tasas) en el modelo
(Censo 2001). Fuente: Elaboración propia.
Figura 2. Estimación de la población femenina en edad fértil en el período de tiempo 1990-2007. Se evidencia una tendencia creciente,
con un comportamiento exponencial. El punto de cambio en la continuidad de la recta, representa el cambio de datos (tasas) en el
modelo (Censo 2001). Fuente: Elaboración propia.
Figura 3. Evolución de la Tasa de Natalidad en el período de tiempo 1990-2007. Puede observarse un constante decrecimiento de la
tasa de natalidad con ciertos puntos de corrección, los cuales no hacen más que ratificar la tendencia decreciente. Fuente: Elaboración
propia.
La tasa de mortalidad tiene una tendencia decreciente y el año 2001. Esto se debe al cambio en los parámetros para
las distintas variaciones que se observan en la serie tempo-estimar la población, debido a que se considera el Censo
ral, logran que el decrecimiento en de esta tasa no sea tan de Población y Vivienda 2001. A pesar de que existe un
abrupto. Además, se evidencia períodos en los que existe cambio en la valoración de la población, se observa que la
cierta estabilidad en la tasa de mortalidad ecuatoriana. tendencia decreciente se mantiene e incluso su pendiente
aumenta, hasta el año 2006 que se da un punto de correc-
Tasa de fecundidad (TF). De acuerdo a la definición 1 pa- ción.
ra el cálculo de la tasa de fecundidad es necesario conocer
el número de nacimientos y la población nacional femeni- Tasa Ocupacional Femenina (TOF). De acuerdo a la de-
na en edad fértil, en el mismo periodo de tiempo. Se debe finición 6 para el cálculo de la tasa ocupacional femenina es
tener presente que el dato de la población femenina fue es- necesario conocer el total de mujeres ocupadas y el total de
timado año a año mediante la ecuación (7). Los resultados mujeres en edad de trabajar (que esta directamente relacio-
obtenidos de la estimación de la tasa de fecundidad, entre nada con la PEA femenina que se encuentra calculada más
el año 1990 y el año 2007 se muestran en la Tabla 4. adelante). Sin embargo, debido a las características del es-
tudio, consideramos la población en edad fértil, ésto es de
Año TF Año TF Año TF 12 a 49 años. Los resultados obtenidos de la estimación de
( %) ( %) ( %) la TOF, entre el año 1990 y el año 2007 se muestran en la
1990 10,64 1996 8,66 2002 8,70 Tabla 5.
1991 10,21 1997 8,03 2003 8,15
1992 9,95 1998 7,45 2004 7,63 Año TOF Año TOF Año TOF
1993 9,94 1999 7,92 2005 7,22 ( %) ( %) ( %)
1994 9,03 2000 7,61 2006 7,32 1990 31,05 1996 35,68 2002 41,31
1995 8,74 2001 9,10 2007 6,85 1991 34,63 1997 37,16 2003 24,15
1992 34,79 1998 27,34 2004 27,99
Tabla 4. Evolución de la Tasa de Fecundidad en el período 1990- 1993 34,28 1999 37,24 2005 19,56
2007. Fuente: Elaboración propia. 1994 36,09 2000 25,80 2006 18,91
1995 36,37 2001 31,49 2007 20,30
Los resultados de la Tabla 4, que muestran un descenso
de la tasa de fecundidad, pueden ser mejor apreciados en Tabla 5. Evolución de la Tasa Ocupacional femenina en el período
la Figura 5. 1990-2007. Fuente: Elaboración propia.
La tasa de fecundidad presenta una tendencia decre-
ciente, con un punto atípico en el año 2001 y otra vez un Los resultados de la Tabla 5, que muestran la tendencia
decrecimiento, pero no debemos olvidar que los datos de de la TOF, pueden ser mejor apreciados en la Figura 6.
la población femenina son reales sólo en el año 1990 y en
36 Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 31-55
Analíti a k
Fecundidad en el Ecuador y su relación con el entorno social y evolutivo
Revista de Análisis Estadístico
Journal of Statistical Analysis 1
Figura 6. Evolución de la tasa de ocupacional femenina en el período 1990-2007. Fuente: Elaboración propia.
La tasa ocupacional femenina durante los años 1990 y sin que se pueda evidenciar una tendencia. En el año 2004
1997 tiene una tendencia creciente. Esta pasa de 31,05 % a se establece una cota superior para la tasa, pues a partir de
37,16 %, respectivamente. Después del año 1997 se obser- este año ninguno de los otros valores vuelve a superar di-
van fuertes oscilaciones en la tasa ocupacional femenina, cha cota. En resumen, se podría decir que a partir del año
Tabla 6. Evolución de la edad media de las madres a la hora de tener hijos en el período 1990-2007. Fuente: Elaboración propia.
Figura 7. Evolución de la edad media de las madres a la hora de tener hijos en el período 1990-2007. Fuente: Elaboración propia.
La edad media de las madres en el momento de tener Número de niños. Para el cálculo del número de niños
hijos tiene una tendencia decreciente, con puntos de correc- se considera el total de niños nacidos en el país durante el
ción, y fluctúa dentro de un rango pequeño (0, 94 < 1), período de tiempo al que hacemos referencia. Los resulta-
pues se encuentra entre los 25.42 y 26.36 años. Además, se dos obtenidos, de la estimación del número de niños entre
puede apreciar que en 17 años no ha habido un cambio sig- el año 1990 y el año 2007, se muestran en la Tabla 7.
nificativo en la edad media de las madres a la hora de tener Los resultados de la Tabla 7, que muestran el número de
hijos. niños nacidos, pueden ser mejor apreciados en la Figura 8.
Tabla 7. Evolución del número de niños nacidos en el período 1990-2007. Fuente: Elaboración propia.
Figura 8. Evolución del número de niños nacidos en el período 1990-2007. Fuente: Elaboración propia.
Desde el año 1990 hasta el año 1999 puede observarse Año PPEAf Año PEA PEAf Año PEAf
un comportamiento irregular del número de niños nacidos. 1990 11 592 1996 12 262 2002 7 888
Se podría decir que tiene un leve comportamiento crecien- 1991 12 363 1997 12 181 2003 24 668
te. Por otra parte, a partir del año 2000, el comportamiento 1992 12 237 1998 13 299 2004 25 251
decreciente es evidenciado. Los cambios en la línea de ten- 1993 12 169 1999 13 257 2005 23 691
1994 11 985 2000 19 143 2006 23 934
dencia están directamente relacionados con los cambios en
1995 11 985 2001 18 532 2007 23 702
la tasa de natalidad.
Tabla 8. Evolución de la Población Económicamente Activa Fe-
Población Femenina Económicamente Activa (PEAf).
menina en el período 1990-2007. Fuente: Elaboración propia.
La población económicamente activa femenina toma en
cuenta el total de mujeres en edad para trabajar: esto es de
los 15 a 65 años. Los resultados obtenidos de la estimación La PEA femenina muestra una ligera tendencia crecien-
de la PEAf entre el año 1990 y el año 2007 se muestran en te hasta el año 2001, luego se produce una drástica caída en
la Tabla 8. el año 2002, la cual se podría explicar por el fenómeno de
Los resultados de la Tabla 8 que, en general, muestran la migración. Posterior al año 2002, se observa una recupe-
un crecimiento en la PEA femenina, pueden ser mejor apre- ración que alcanza su máximo en el año 2004 y permanece
ciados en la Figura 9. estable por el resto de período de estudio.
Figura 9. Evolución de la Población Económicamente Activa Femenina en el período 1990-2007. Fuente: Elaboración propia.
1 REGRESOR 2 REGRESORES
Coeficiente Valor T-valor Decisión Valor T-valor Decisión
β0 −8, 21 × 10−11 0 Accept Ho −9, 72 × 10−11 0 Accept Ho
β1 0,56 2,78 Reject Ho 0,66 2,77 Reject Ho
β2 0,19 0,79 Accept Ho
β3
β4
β5
β6
β7
β8
R-cuadrado 0,31 0,34
3 REGRESORES 4 REGRESORES
Coeficiente Valor T-valor Decisión Valor T-valor Decisión
β0 −1, 13 × 10−10 0 Accept Ho −1, 12 × 10−10 0 Accept Ho
β1 0,6 3,14 Reject Ho 0,68 2,95 Reject Ho
β2 −9, 93 × 10−03 0,05 Accept Ho −6, 70 × 10−02 0,3 Accept Ho
β3 0,53 3,11 Reject Ho 0,51 2,81 Reject Ho
β4 -0,13 -0,64 Accept Ho
β5
β6
β7
β8
R-cuadrado 0,59 0,61
5 REGRESORES 6 REGRESORES
Coeficiente Valor T-valor Decisión Valor T-valor Decisión
β0 −8, 51 × 10−11 0 Accept Ho −8, 51 × 10−11 0 Accept Ho
β1 0,24 0,72 Accept Ho 2, 43 × 10−01 0,72 Accept Ho
β2 1, 68 × 10−02 0,08 Accept Ho 1, 68 × 10−02 0,08 Accept Ho
β3 0,53 3,13 Reject Ho 0,53 3,13 Reject Ho
β4 -0,17 -0,91 Accept Ho -0,17 -0,91 Accept Ho
β5 -0,51 -1,7 Accept Ho -0,51 -1,70 Accept Ho
β6 0,68
β7
β8
R-cuadrado 0,68 0,68
7 REGRESORES 8 REGRESORES
Coeficiente Valor T-valor Decisión Valor T-valor Decisión
β0 −8, 36 × 10−11 0 Accept Ho −4, 16 × 10−10 0 Accept Ho
β1 9, 77 × 10−02 0,12 Accept Ho -1,42 -1,88 Accept Ho
β2 2, 52 × 10−02 0,11 Accept Ho −3, 72 × 10−02 -0,23 Accept Ho
β3 0,53 3,01 Reject Ho 0,63 4,82 Reject Ho
β4 -0,19 -0,89 Accept Ho −9, 32 × 10−02 -0,59 Accept Ho
β5 -0,73 -0,61 Accept Ho 3,77 2,4 Reject Ho
β6 0,12 0,19 Accept Ho 1,27 2,19 Accept Ho
β7 -6,55 -3,44 Reject Ho
β8
R-cuadrado 0,68 0,85
Tabla 12. Resultados al realizar distintas combinaciones entre las variables. Fuente: Elaboración propia.
correspondiente.
2 Numéricamente cero 3, 32 × 10−16 ≈ 0
Figura 10. Histograma y Gráfico P-P normal. Modelo 2, Fase I. Fuente: Elaboración propia.
Con base en lo observado en la Figura 10, izquierda, po- una interpretación a la ecuación y a sus parámetros. Así,
demos concluir que existen desviaciones de la curva nor- los signos de la ecuación (15) muestran que a medida que
mal en las colas. Sin embargo, se podría considerar que los la población femenina en edad para trabajar aumenta, la
datos se distribuyen normalmente. Esto se ratifica al obser- tasa de fecundidad disminuye, si el resto de variables se
var la distribución de los puntos en el gráfico P-P normal mantienen constantes; por ejemplo, si consideramos las va-
(Figura 10, derecha). riable X7i 3 , considerando su coeficiente, podemos decir por
A continuación se aplica los cambios de escala corres- cada 1’000.000 de mujeres que ingresan a la edad para tra-
pondientes a la ecuación (14) [5]. Así, el Modelo 2 explíci- bajar, la tasa de fecundidad disminuye 1,31 veces. Un aná-
tamente es: lisis similar se puede realizar para el resto de variables.
Con el fin de profundizar el análisis sobre la tasa de fe-
Yi = 0, 10 + 2, 48 × 10−07 X3i + 1, 39 × 10−06 X6i cundidad en Ecuador, se realizó una estimación de cada
−1, 31 × 10−06 X7i − 2, 49 × 10−08 X8i + ε i . (15) una de las variables que la componen, mediante números
aleatorios normales, hasta el año 2030. La Figura 11 mues-
Una vez realizado el cambio de escala, podemos dar tra los resultados:
Figura 11. Evolución de la Tasa de Fecundidad en el período 1990-2030. Se observa que a partir del año 2008 no se distingue una
tendencia; sin embargo, no debemos olvidar que estos son datos simulados, por lo que se aplicará una media móvil para tener un
mejor acercamiento a la realidad. Fuente: Elaboración propia.
3 Población femenina ocupada en el año i
Figura 12. Evolución de la Tasa de Fecundidad en el período 1990-2030. Puede apreciarse una mejor aproximación de la tasa de
fecundidad, que mantiene una tedencia decreciente con algunos puntos de correción. Fuente: Elaboración propia.
En la Figura 12 se muestran los datos ajustados median-son útiles para modelar la fecundidad. Un breve resumen
te una media móvil (4 períodos). de los modelos construidos se muestra en la Tabla 17.
Hasta aquí el estudio de la primera fase. Como se puede observar en la Tabla 17 ninguno de los
modelos construidos con 7, 6, 5 y 4 variables es lo suficien-
temente consistente para adoptalo. Sin embargo, dentro de
Fase II. Como ya se mencionó, tras el estudio de diferen- los modelos con 3 variables, se encontro el que mejor ajusta
tes autores con respecto a la estimación de la tasa de fe- los datos; por lo que a continuación presentamos la mejor
cundidad [15, 17] se notó que existen otras variables que aproximación obtenida.
probablemente puedan explicar de mejor manera esta tasa.
Yi = β 0 + β 1 X1i + β 2 X2i + β 3 X3i + ε i , (16)
Así, en esta fase se contemplo las siguientes variables:
Yi : La tasa de fecundidad.
X1i : La población femenina en edad fecunda en el año
i. X1i : Población femenina en edad fecunda (12-49 años)
en el año i.
X2i : La población total estimada en el año i.
X2i : La población total estimada.
X3i : La tasa de natalidad en el año i.
X3i : La tasa de natalidad.
X4i : La población económicamente activa masculina
en el año i. Los resultados obtenidos al estimar los coeficientes β r
son:
X5i : La población económicamente activa femenina
en el año i. Coeficiente Valor
β0 -0,008
X6i : El número de nacidos vivos en el año i.
β1 −2, 11 × 10−08
X7i : El número de nacidos muertos en el año i. β2 6, 9 × 10−09
β3 3,34
Luego de construir los modelos de regresión respecti-
vos, se observa que la tasa de fecundidad con respecto a Tabla 16. Resultados de los regresores. Fase II. Fuente: Elabora-
las variables anteriormente citadas, no es estimada adecua- ción propia.
damente. En otras palabras, las variables consideradas no
Explícitamente el modelo es4 : 95 %; esto es 2,14. Además, esto se confirma con el valor de
significancia obtenido para cada coeficiente.
Yi = − 0, 008 − 2, 11 × 10−08X1i + 6, 9 × 10−09X2i Cabe señalar que la nulidad del coeficiente β 0 , esto es
+ 3, 34X3i + ε i . (17) que la tasa de fecundidad (Y) sería igual a 0 si las otras
variables ( X1 , X2 , X3 ) son 0; se podría considerar como un
A continuación se realizaron pruebas de hipótesis a los indicador de la coherencia del modelo obtenido, ya que el
parámetros del modelo. La prueba para cada uno de los mismo señala que si no existe población femenina en edad
parámetros es: fecunda ( X1 = 0), que si la población es casi cero ( X2 = 0)
H0 : β r = 0 (esta es unicamente una consideración teórica) y que si la
Ha : β r 6 = 0 tasa de natalidad es cero ( X3 = 0); obviamente, la tasa de
fecundidad sería (Y = 0).
Utilizando el estadístico t-student a un nivel de confianza
del 95 %, los resultados obtenidos se muestran en la Tabla
18. Nombre Valor
R2 0,996
Coeficiente T-valor Sign. Decisión F 202
β0 -0,677 0,510 Acepto p − valor 4, 05 × 10−17
β1 -24,081 8, 56 × 10 − 13 Rechazo F-crítico 3,68
β2 9,375 2, 07 × 10−07 Rechazo
β3 16,82 1, 11 × 10−10 Rechazo Tabla 19. Resultados de la significancia de los regresores. Fase II.
Fuente: Elaboración propia.
Tabla 18. Resultados de las pruebas de hipótesis para los estima-
dores. Fase II. Fuente: Elaboración propia.
Por lo visto en la Tabla 19, el modelo de la Fase II esti-
ma adecuadamente la tasa de fecundidad. Esto se ratifica
En la Tabla 18 se puede observar que, salvo el coeficien- al observar que el p-valor5 es menor que 0,05 y que el es-
te β 0 , ninguno de los otros coeficientes es nulo, ya que se tadístico F calculado es mayor que el F-crítico (se rechaza
rechaza la hipótesis nula (β r es cero) para cada uno de ellos, la hipótesis nula que de todos coeficientes β r son nulos de
pues su razón t en valor absoluto es superior a la razón t al manera simultanea).
4 A pesar de que este modelo se podría considerar como definitivo, los parámetros no pueden ser interpretados hasta que se expresen en la escala
correspondiente.
5 Numéricamente cero 4, 05 × 10−17 ≈ 0
Figura 13. Histograma y Gráfico P-P normal. Fase II. Fuente: Elaboración propia.
En base a lo observado en la Figura 13, izquierda, po- Comenzaremos calculando el factor de inflación de la
demos concluir que existen desviaciones de la curva nor- varianza (FV I)7 . Los resultados obtenidos se muestran en
mal en las colas, particularmente en la cola derecha. Sin la Tabla 20.
embargo, se podría considerar que los datos se distribuyen
normalmente, aún más, se distribuyen de mejor manera a Nombre Valor
los resultados obtenidos en el Modelo 2. Esto se ratifica al FV I1 4,59
observar la distribución de los puntos en el gráfico P-P nor-
FV I2 25,09
mal (Figura 13, derecha).
FV I3 14,95
A pesar de la pruebas realizadas, para confirmar los re-
sultados obtenidos, se realizarán pruebas de multicolinea- Tabla 20. Pruebas de Multicolinealidad. Fase II. Fuente: Elabora-
lidad6 , pues se tiene la sospecha que podría existir este pro- ción propia.
blema.
6 La multicolinealidad se produce cuando hay una fuerte correlación entre los regresores. Si la correlación es fuerte afecta a la precisión de los
estimadores y a las pruebas de hipótesis
7
Los factores de inflación de la varianza FIV son los valores ubicados en la diagonal de la matriz de correlaciones. Un factor de inflacion de la
varianza superior a 10 es un fuerte indicio de multicolinealidad.
Figura 14. Evolución Tasa de Fecundidad en el período 1990-2030. Fuente: Elaboración propia.
8 El índice de condicionamiento se define como: s
λmax
IC = ,
λmin
donde λmax es el mayor valor propio y, λmin es el menor valor propio de la matriz de correlaciones. Un índice de condicionamiento superior a 15 es un
indicio de fuerte multicolinealidad, entre 10 y 15 es moderada y, menor que 10 no es un problema
9 Para la corrección de la multicolinealidad se realiza una regresión con componentes principales. Así, el modelo a desarrollar es
Yi = α C + ǫ,
donde α representa a la matriz de coeficientes, C es la matriz de componentes principales y ǫ es el error. Las hipótesis sobre el término del error son
las usuales para una regresión lineal múltiple. El modelo no incluye el término independiente (constante), porque las componentes principales son
centradas. Con el fin de disminuir la varianza de los estimadores β r se eliminan las componentes principales cuyos valores propios son muy pequeños.
Figura 15. Evolución Tasa de Fecundidad en el período 1990-2030. Podemos observar una tasa de fecundidad que se adapta más a la
realidad. Fuente: Elaboración propia.
Figura 16. Pirámide Poblacional del Ecuador considerando los datos del censo del año 1990. Fuente: Elaboración propia.
Figura 17. Pirámide Poblacional del Ecuador para el año 2001. Fuente: Elaboración propia.
En la Figura 17 se muestra la Pirámide Poblacional Otra particularidad de la pirámide, Figura 17, se puede
Ecuatoriana considerando el censo del año 2001. observar en la población mayor a 85 años. En el año 1990
Para el año 2001, la pirámide muestra un ensancha- esta población era casi imperceptible, mientras que en el
miento, ya que los ecuatorianos pasamos de 9’648.198 a año 2001 su representatividad ya es notoria.
12’156.608 habitantes, Figura 17. Esto se debe, en alguna En resumen, la relación poblacional a cambiado a lo lar-
medida, al descenso en la tasa de mortalidad en los últi- go de los años, aunmentando las personas adultas mayo-
mos años, véase la Figura 4. res. Sin embargo, toda los cálculos realizados muestran que
11
Otros indicadores que muestran los cambios poblacionales son la tasa de natalidad y de mortalidad, ver Tabla 2 y 3. En las dos tasas se evidencia
el descenso en los últimos años.
Figura 21. Bono Demógrafico Ecuatoriano. Se evidencia el bono demográfico entre el año 2013 y 2022. Fuente: Elaboración propia.
Como se puede apreciar en la Figura 21 la relación de cia decreciente hasta el año 2025; luego, puede observarse
dependecia entre el año 1990 y el año 2010 evidencia una un tenue crecimiento.
ligera tendencia decreciente, a partir del año 2010 se visua-
Determinando la intersecciones correspondientes, pue-
liza un decrecimiento más pronunciado, encontrando en el
de notarse que en el Ecuador el umbral del bono demo-
año 2015 el punto más bajo de la tendencia y, el punto más
gráfico se ubicará plenamente entre el año 2013 y el año
alto se ubica en el año 2025. Por otra parte, la población en
2022; en ese período la relación de dependencia es inferior
edad productiva muestra una tendencia creciente hasta el
a las personas es edad productiva. Así, se tendrán relacio-
año 2015, a partir de ese año se puede apreciar una tenden-
nes de dependencia cercanas o inferiores a 60, potencial-
12 Verdefinción 4.
13 Encada uno de los rangos considerados, obviamente, se suscitarán nacimientos y defunciones, los cuales han sido considerados y ubicados en los
rangos correspondientes; por ejemplo, la poblacción en 1995 habrá avanzado un rango, entre 1991 y 1995 se suscitaran un sin número de nacimientos
y defunciones que en 1995 se ubicarán en el rango de 0 a 4 años.
Los autores queremos dejar constancia de nuestro agra- [16] P. Saad, “Juventud y bono demográfico en Iberoamé-
decimiento a Byron Villacis, Jorge Garcia, Hugo Freire y rica,” CEPAL, Chile, (2008).
Resumen
El objetivo principal de este estudio es analizar el comportamiento del ingreso laboral de una persona en función de
las variables que lo componen, a través de una aplicación en el mercado laboral ecuatoriano. Las variables a utilizar son
de dos tipos: heredadas y de esfuerzo propio. Las variables heredadas se caracterizan por ser circunstanciales, es decir,
son todas aquellas situaciones o condiciones que rodean o afectan al individuo al nacer, y corresponden básicamente a
la información socioeconómica de sus padres. Las variables de esfuerzo propio se caracterizan por ser las cualidades,
habilidades y decisiones que por si mismo toma el individuo para incrementar su productividad laboral y mejorar sus
ingresos. Una vez determinada la relación cualitativa entre todas las variables, por medio de simulaciones se evalúa
el efecto en los ingresos, considerando diversos escenarios, en particular, se analiza un escenario en el cual todas las
personas tienen las mismas oportunidades al nacer (igualdad de características heredadas) para diferentes intervalos de
edades. Finalmente, a través del coeficiente de Gini se evalúan los efectos obtenidos en los distintos escenarios, en la
desigualdad de los ingresos. Los datos utilizados en este estudio han sido obtenidos de la Encuesta de Condiciones de
Vida, ECV (2006).
Palabras clave: ingreso laboral, variables heredadas, variables de esfuerzo propio, coeficiente de Gini.
Abstract
The aim of this paper is to analyze the behaviour of earnings in the Ecuadorian labor market as a function of both
variables: inheritance and personal efforts. The inheritance variables are circumstantial and are composed of several si-
tuations or conditions that surrounds and affects a person from his/her birth. They mainly correspond to the family
background. On the other hand, personal effort variables are characterized by the qualities, skills and situations taken in
order to increase his/her productivity as a worker and therefore his/herincome. In this study, we are going to determi-
nate the qualitative relationship between these variables by using simulations to evaluate the effect of these variables on
earnings. We will take into consideration different age ranges of people as well as consider some scenarios where ever-
yone has equal opportunities at birth (same inherited characteristics). Finally, we are going to calculate the Gini index to
evaluate the effects on the income inequality. The data analyzed will be obtained from the Encuesta de Condiciones de
Vida, ECV (2006).
Keywords: earnings, income, inheritance variables, personal effort variables, Gini index.
Código JEL: C15, D31, D63.
1 Introducción
Durante los últimos años, ha nacido el interés de mu- oportunidades y la desigualdad de los resultados son fac-
chos economistas y gobiernos por resolver el problema de tores implícitos [1, 8, 10, 16].
la desigualdad de los ingresos, donde la desigualdad de
Yi = β 0 + β 1 Xi1 + β 2 Xi2 + .... + β k Xik + ǫi (2) i. Una regresión será buena si la variabilidad explicada
por la regresión es relativamente alta con respecto a la
para i = 1, 2, · · · , n. variablidad total de la variable dependiente, es decir,
Generalmente para la estimación de los paramétros β k si SEC ≈ STC. En otras palabras, que R2 → 1.
se utiliza la técnica de Mínimos de Cuadrados Ordinarios ii. El coeficiente de determinación es un buen indicador
[11] y los estimadores de máxima verosimilitud. de la calidad de la regresión, pero no es determinante ni
suficiente para decidir sobre la adecuación del mode-
2.2 Definiciones lo, por eso es necesario tomar en cuenta el análisis de
la varianza, donde a través del estadístico de Fisher, se
D EFINICIÓN 1 (Correlación). Es la medida de la intensidad de puede decidir si existe relación lineal significativa en-
la relación lineal entre dos variables. El coeficiente de correlación, tre la variable dependiente y el conjunto de variables
r, entre dos variables aleatorias X e Y se calcula de la siguiente independientes tomadas juntas [11].
manera,
σXY
r= , 2.2.1 Prueba de hipótesis
σX · σY
donde σXY es la covarianza de ( X, Y ) y σX y σY las desviaciones Una vez determinada la calidad del modelo, es decir,
la relación existente entre la variable dependiente y las va-
típicas.
riables independientes, es importante también analizar la
Observación: El coeficiente de correlación puede tomar calidad de cada uno de los estimadores de MCO. Para esto
valores desde menos uno hasta uno, indicando que mien- es necesario probar la hipótesis:
tras más cercano a uno sea el valor del coeficiente de corre-
lación, en cualquier dirección, más fuerte será la relación H0 : β i = 0
lineal entre las dos variables. Mientras más cercano a cero H 1 : β i 6 = 0,
sea el coeficiente de correlación indicará que más débil es
donde i es el número de estimadores de MCO.
la relación lineal entre ambas variables. Si es igual a cero se
Generalmente se considera un nivel de confianza del
concluirá que no existe relación lineal alguna entre ambas
95 % (nivel de significancia del 5 %) para validar los esti-
variables.
madores, y por lo tanto se rechazará la hipótesis nula ( H0 )
D EFINICIÓN 2 (Endogeneidad). Es la correlación entre las va- cuando la significancia sea menor a 0,05.
riables explicativas y el término de error en un modelo lineal ge-
neral. Para determinar si existe endogeneidad en el modelo, se 2.3 Regresión logística
considera, E(ε i | xi ) = 0, para todo i = 1, . . . , n. Entonces la
variable x se denomina exógena; pero si ε y x están correlaciona- Los modelos de regresión logística son los más utili-
das, entonces x se denomina variable endógena. zados cuando la variable independiente, Y, es cualitativa,
pues adoptan las herramientas de la regresión convencio-
Observaciones: nal, para relacionar esta variable con variables explicativas
La ecuación (3) representa una función de distribución, Aquí B es el sesgo del estimador de MCO y puede definirse
en consecuencia, toma sus valores entre 0 y 1, como lo como:
muestra la figura 1.
B = S −1 X ′ ǫ
(6)
= S−1 (ρ Xǫ ⊗ σX )σǫ ,
fHxL donde
1.0
0.8
• S: es la multiplicación de X traspuesta por X, es decir,
X ′ X.
0.6
• ρ Xǫ : son los coeficientes de correlación entre los com-
0.4
ponentes de X y el término residual ǫ.
1
fHxL= • σX : es el error estándar de las variables de X y,
0.2 ã-x +
• σǫ : es el error estándar de los residuos ǫ.
-10 -5 5 10 x
Para conocer el sesgo de cada estimador es preciso te-
Figura 1. Función de distribución logística. ner los valores correspondientes a σX , ρ Xǫ y a σǫ . A pesar
de que, en principio, sólo el valor de σX es conocido, un
estimador insesgado de σǫ puede calcularse para cualquier
Para estimar los parámetros de un modelo logístico grupo de coeficientes de correlación ρ Xǫ , con base en la si-
(distribución de probabilidad) se utiliza el método de má- guiente expresión:
xima verosimilitud, es decir, estimaciones que hagan máxi-
ma la probabilidad de obtener los valores de la variable de- σǫ 2 = σˆǫ 2 + B′ SB
pendiente Y, proporcionado por los datos de una muestra.
σˆǫ 2 (7)
Estas estimaciones no son de cálculo directo, como ocurre = ,
en el caso de las estimaciones de los coeficientes de la regre- 1−K
sión lineal múltiple, por el método de mínimos cuadrados.
donde
Es necesario, una vez estimado el modelo, comprobar
su significación estadística. Para ello se emplean básica- • σˆǫ 2 : es la varianza de los residuos de MCO y,
mente tres métodos que son: -2 log de la verosimilitud
(-2LL)4, la R cuadradro de Cox y Snell5 y, la R cuadrado de • K = (ρ Xǫ ⊗ σX )′ S−1 (ρ Xǫ ⊗ σX ).
Nagelkerke . 6
nombre de “desviación”. Cuanto más pequeño sea el valor, mejor será el ajuste.
5
R cuadradro de Cox y Snell: es un coeficiente de determinación generalizado que se utiliza para estimar la proporción de varianza de la va-
riable dependiente explicada por las variables predictoras (independientes). La R cuadrado de Cox y Snell se basa en la comparación del log de la
verosimilitud (LL) para el modelo, respecto al log de la verosimilitud (LL) para un modelo de línea base. Sus valores oscilan entre 0 y 1.
6
R cuadrado de Nagelkerke: es una versión corregida de la R cuadrado de Cox y Snell. La R cuadrado de Cox y Snell tiene un valor máximo
inferior a 1, incluso para un modelo “perfecto”. La R cuadrado de Nagelkerke corrige la escala del estadístico para cubrir el rango completo de 0 a 1.
Observación: El coeficiente de Gini se basa en la Curva • X Hri : son las variables heredadas.
de Lorenz [7, 14], que es una representación gráfica de una • XEqi : son las variables de esfuerzo propio.
función de distribución acumulada, ver figura 2. La línea
diagonal representa la igualdad perfecta de los ingresos, • αi , β i : son los estimadores.
todos reciben la misma renta. En la situación de máxima
igualdad o equidad distributiva, el coeficiente de Gini es • ǫYi : es el término residual, que sigue una distribución
igual a cero; por el contrario, a medida que aumenta la de- N (0, σ2 ).
sigualdad, el coeficiente de Gini se acerca al valor de 1. • r, q: son el número de variables heredadas y de es-
fuerzo propio, respectivamente, y
• n: es el tamaño de la muestra.
En esta sección se hace una descripción de la ecuación – k = 1, XE1 = estudio del individuo.
de ingreso laboral que propone Bourguignon [3] para de- – k = 2, XE2 = migración.
terminar el efecto parcial y efecto total de las variables he- – k = 3, XE3 = capacitación laboral.
redadas, en el ingreso. Además, se describe cómo se selec-
cionaron los datos y un análisis descriptivo de los mismos. • brk : son los estimadores.
La ecuación (12) representa el doble efecto que las ca- donde X Hi es una variable de control, pudiendo ser las me-
racterísticas heredadas tienen sobre los ingresos. Por un la- dias de las variables heredadas u otro valor que nosotros
do, el coeficiente αw mide la influencia sobre los ingresos consideremos apropiado. Nótese que a la ecuación (14) la
de las oportunidades al nacer mientras que el coeficiente hemos escrito de acuerdo a la ecuación (12).
3.3 Selección de los datos y análisis descripti- Tabla 1. Distribución de las personas entre 26 y 60 años de edad
vo que tienen ingresos. Fuente: elaboración propia a partir de la en-
cuesta ECV (2006).
Una vez definida la teoría del modelo de ingresos, es
necesario analizar las variables a utilizarse; por lo cual, el
procedimiento realizado antes de ejecutar las correspon- Variable Frecuencia Porcentaje
dientes regresiones del modelo fue seleccionar los datos y El padre vive en el hogar 1.171 7,8
analizar la calidad de los mismos. El padre no vive en el hogar 13.935 92,2
Total 15.106 100,0
Luego de seleccionar a los individuos entre 26 a 60 años Tabla 4. Frecuencias y porcentajes correspondientes al nivel de
de edad, la base se redujo a 20.315. A partir de estos datos, instrucción del padre, considerando a las personas ocupadas en-
se discriminó a los individuos que tienen ingresos y a los tre 26 y 60 años de edad. Fuente: elaboración propia a partir de la
que no. Esto se muestra en la tabla 1. encuesta ECV (2006).
Continuando con el análisis de los 15.106 individuos
con ingresos, pasamos a seleccionar a los que tienen infor- Es necesario eliminar a los 1.325 individuos que No sabe
mación de sus padres, pues son datos necesarios para el el nivel de instrucción del padre y a los 284 individuos que
estudio. Los resultados se muestran en las tablas 2 y 3. No sabe el nivel de instrucción de la madre.
Tabla 6. Detalle de las variables independientes a utilizar en el modelo. Los datos que están en paréntesis son las respectivas nomen-
claturas que se utilizan al escribir las correspondientes ecuaciones en sección 4. Fuente: elaboración propia a partir de la encuesta
ECV (2006).
cuál es el año más alto que ha aprobado); por tal motivo, fue necesario calcular los años de estudio en función de las dos variables.
8 Esta variable no está explícita en la base de datos, es una variable recodificada.
Años de
Frecuencia Porcentaje
Instrucción Para el caso de la madre, la distribución es como sigue:
0 286 23,75
1 13 1,08 Años de
Frecuencia Porcentaje
2 57 4,73 Instrucción
3 114 9,47 0 301 25,00
4 56 4,65 1 12 1,00
5 24 1,99 2 61 5,07
6 459 38,12 3 113 9,39
8 3 0,25 4 54 4,49
9 11 0,91 5 27 2,24
10 33 2,74 6 408 33,89
11 9 0,75 8 6 0,50
12 4 0,33 9 9 0,75
13 76 6,31 10 51 4,24
14 1 0,08 11 8 0,66
15 5 0,42 12 9 0,75
16 4 0,33 13 80 6,64
17 7 0,58 15 3 0,25
18 17 1,41 16 6 0,50
19 23 1,91 17 23 1,91
21 2 0,17 18 22 1,83
Total 1.204 100,00 19 10 0,83
20 1 0,08
Total 1.204 100,00
Tabla 10. Frecuencias y porcentajes correspondientes a los años
de instrucción del padre, considerando a las personas ocupadas Tabla 12. Frecuencias y porcentajes correspondientes a los años
entre 26 y 30 años de edad. Fuente: elaboración propia a partir de de instrucción de la madre, considerando a las personas ocupadas
la encuesta ECV (2006). entre 26 y 30 años de edad. Fuente: elaboración propia a partir de
la encuesta ECV (2006).
Para analizar la variable Educación promedio de los pa-
798
+ αnzr nzri + β ei eii + β eic eici + β m migrai (15)
1000.00 176
+ β cl cli + ǫYi ,
883
685
666 1051
375
351
218
35 403 donde
800.00 99
7758
24
Ingreso Laboral Total Mensual
• Yi : es el ingreso laboral.
21
30164
49
120 32 628
598
600.00 742
• et: es la variable categórica etnia.
Tabla 14. Estimadores de las ecuaciones del ingreso laboral de los hombres. Fuente: elaboración propia a partir de la encuesta ECV (2006).
Journal of Statistical Analysis
Revista de Análisis Estadístico
k
Analíti a
73
74
AÑO NACIMIENTO 1946-50 1951-55 1956-60 1961-65 1966-70 1971-75 1976-80
(EDAD) 56-60 51-55 46-50 41-45 36-40 31-35 26-30
Diferencia Educación padre y madre (dep) 0,0154 0,0187 -0,0036 -0,0109 0,0080 -0,0197 -0,0018
Educación del Individuo (ei) 0,0988* 0,0514 0,0172 0,0392 0,0905* -0,0561 0,0190
Educación del Individuo elevada al cuadrado (ei2) 0,0002 0,0027 0,0028 0,0032* -0,0008 0,0068* 0,0033**
Nacido en zona rural (nzr) -0,1304 -0,1741 -0,1312 -0,2334* -0,1866* 0,0147 -0,2341*
Migración laboral (migra) 0,2705 0,2273 -0,2498 0,1502 -0,2261 -0,0104 -0,0538
Capacitacion laboral (cl) 0,7282* 0,6024* 0,4774* 0,5314* 0,5183* 0,4524* 0,2726*
Tabla 15. Estimadores de las ecuaciones del ingreso laboral de las mujeres. Fuente: elaboración propia a partir de la encuesta ECV (2006).
Journal of Statistical Analysis
Revista de Análisis Estadístico
k
Analíti a
1
Analíti a k
Estudio de la desigualdad de ingresos en el Ecuador considerando esfuerzos. . .
Revista de Análisis Estadístico
Journal of Statistical Analysis 1
La ecuación de ingreso hipotético para el caso de los • Si la educación de los padres es de 12 años, el ingreso del indi-
hombres entre 31 y 35 años de edad es: viduo crecería en un 42,7 %.
ln(Yei ) =4, 4652 + 0, 0356eppi + 0, 0068eici • XEk : es la variable de esfuerzo propio a considerar,
+ 0, 4524cli + ǫcYi (23) así si:
ln(Yei ) =4, 4652 + 0, 0356(12) + 0, 0068eici – k = 1, XE1 = estudio del individuo.
+ 0, 4524cli + ǫc
Yi (24) – k = 2, XE2 = migración.
ln(Yei ) =4, 4652 + 0, 4272 + 0, 0068eici – k = 3, XE3 = capacitación laboral.
+ 0, 4524cli + ǫcYi (25)
• et: es la variable categórica etnia.
ln(Yei ) =4, 8924 + 0, 0068eici
+ 0, 4524cli + ǫcYi (26) • pn: es la variable categórica provincia de nacimiento.
De la ecuación (26), para este caso específico, mujeres • epp: es la educación promedio de los padres.
entre 31 y 35 años de edad, se concluye que:
• dep: es la diferencia entre la educación del padre y de
• Si se considera la nula influencia de las variables de esfuerzo la madre.
propio, se observa que las mujeres tienen menores ingresos que
las hombres (comparar las ecuaciones (22) y (26)). • brk : son los estimadores.
Tabla 16. Estimadores de las ecuaciones de estudio de los hombres. Fuente: elaboración propia a partir de la encuesta ECV (2006).
Por ejemplo, la ecuación de estudios (E) para el caso de tudios de cada individuo i. Esta notación la utilizaremos
los hombres entre 31 y 35 años de edad es: en todas las ecuaciones correspondientes al estudio, que
hemos tomado como ejemplo para mostrar los resultados
obtenidos.
bi = 7,4031 − 1,2040e3i − 0,8474p9i − 0,9849p11i
E De la ecuación (28), para este caso específico, hombres
− 1,0769p13i + 1,2774p15i + 0,5702eppi (28) entre 31 y 35 años de edad, se concluye que:
− 1,5370nzri + ǫc
Ei ,
• Si se considera la nula influencia de las variables heredadas,
donde ǫc
Ei corresponde a los errores de la ecuación de es- no se observa una tendencia marcada entre hombres y mujeres,
Tabla 17. Estimadores de las ecuaciones de estudio de las mujeres. Fuente: elaboración propia a partir de la encuesta ECV (2006).
Por ejemplo, la ecuación de estudios (E) para el caso de A continuación se presenta un análisis general de todos
las mujeres entre 31 y 35 años de edad es: los intervalos de edad tanto para hombres como para el ca-
so de las mujeres.
Los resultados presentados en las tablas 16 y 17 nos
Ebi =7,5142 − 2,4169e1i − 1,7845e3i + 2,0836p15i muestran que los coeficientes que representan a la cons-
(29)
+ 0,5770eppi − 1,7200nzri + ǫc Ei tante de la ecuación de estudios, tanto para hombres como
para mujeres, tienen un orden creciente, siendo los de ma-
De la ecuación (29), para este caso específico, mujeres yor valor, los de las generaciones contemporáneas, es decir,
entre 31 y 35 años de edad, se concluye que: que los individuos más jóvenes tienen más años de estudio
que los individuos con mayor edad.
• Si la educación de los padres se incrementara en un año, los Entre las generaciones más recientes, la educación de
años de estudio del individuo crecerían un 58 %, es decir, cre- las mujeres está por encima de la de los hombres, con me-
cería 1 % más que en el caso de los hombres. nos de un año de educación, mientras que entre las genera-
ciones mayores, los hombres tienen un año más de estudio
• Si el individuo nació en zona rural, sus años de estudio a dife- que las mujeres.
rencia de los nacidos en zona urbana se reduciría en 172 %. A continuación se realiza un análisis individual de las
Esta variable tiene un escenario similar que en la ecua- • Variable de esfuerzo propio: Migración Laboral
ción de ingresos y, como se puede observar el nivel edu-
cativo del individuo, hombre o mujer, se beneficia nota- La ecuación de esfuerzo propio correspondiente a mi-
blemente cuando se nace en la provincia de Pichincha, en gración se la estimó utilizando el modelo logit. Los resulta-
comparación con las demás provincias del país. dos que indican la calidad del modelo se presentan en las
De los resultados obtenidos, si comparamos la educa- tablas 18 y 19, para hombres y mujeres, respectivamente.
ción entre los individuos de la costa, los nacidos en la pro- Como se puede observar, en concordancia con lo esta-
vincia del Guayas tienen más años de estudio, y una com- blecido en la sección 2.4, los resultados muestran que el
paración entre los individuos de la Sierra sin considerar a modelo, tanto para los hombres como para las mujeres, no
Pichincha (provincia de referencia) corresponde a los naci- es bueno; por lo tanto, esta variable no se la considerará
dos en la provincia de Loja. para el cálculo de las simulaciones. Ahora, resta analizar la
variable capacitación laboral.
• Educación de los padres
• Variable de esfuerzo propio: Capacitación Laboral
La ecuación de educación es importante en cuanto al
efecto de la educación promedio de los padres. Así, los es- Los resultados que muestran la calidad del modelo de
timadores que representan a la variable educación de los la ecuación de capacitación laboral se presentan en las ta-
padres son significativos y con signo positivo en todos los blas 20 y 21, para hombres y mujeres, respectivamente.
intervalos de edad, tanto en hombres como en mujeres y, Al igual que la variable migración laboral, los resulta-
se puede observar una tendencia decreciente para los dos dos para la variable capacitación laboral muestran que el
sexos mostrando que la educación de las generaciones más modelo no es bueno para ningún intervalo, tanto para el
jóvenes depende menos de la educación de los padres que caso de los hombres como para el de las mujeres. Por tal
las generaciones mayores. Esta situación puede deberse a motivo, se puede decir que la migración laboral y la capa-
que en general, el derecho a la educación y su acceso se ha citación laboral no son dependientes de las características
ampliado recientemente en los últimos 15 o 20 años y ya no heredadas, pero no así los estudios del individuo.
Tabla 18. Resultados del modelo de la variable de esfuerzo propio: Migración, para el caso de los hombres. Fuente: elaboración propia
a partir de la encuesta ECV (2006).
Tabla 19. Resultados del modelo de la variable de esfuerzo propio: Migración, para el caso de las mujeres. Fuente: elaboración propia
a partir de la encuesta ECV (2006).
Tabla 20. Resultados del modelo de la variable de esfuerzo propio: Capacitación Laboral, para el caso de los hombres. Fuente: elabo-
ración propia a partir de la encuesta ECV (2006).
Tabla 21. Resultados del modelo de la variable de esfuerzo propio: Capacitación Laboral, para el caso de las mujeres. Fuente: elabo-
ración propia a partir de la encuesta ECV (2006).
• Ejemplo
ln(Ye
ei ) =4, 4652 + 0, 0356(12) + 0, 0068 7, 5142
2
Si consideramos los mismos escenarios de la sección an- + 0,5770(12) − 1, 72(0)i + ǫEi (32c)
terior, es decir: + 0, 4524cli + ǫc
Yi
• La provincia de nacimiento es Pichincha. De la ecuación (32d), para este caso específico, mujeres
entre 31 y 35 años de edad, se concluye que:
• La educación promedio de los padres es de 12 años,
es decir, tienen el mismo nivel de educación. • Si la educación de los padres fuera de 12 años, el efecto total en
el ingreso del individuo sería un crecimiento del 74,72 %.
• La diferencia entre la educación del padre y la madre
es de 0 años. • Si la educación del individuo se incrementara en un año y la
educación de los padres fuera de 12 años y ha nacido en zona
• Es nacido en zona urbana. urbana, su ingreso crecería en un 37,11 %.
La ecuación del ingreso hipotético para el caso de los Finalmente, la diferencia resultante entre este nivel de
hombres entre 31 y 35 años de edad es: desigualdad hipotético, es decir, el coeficiente de Gini cal-
culado en base a la ecuación (30), y el nivel observado, res-
ponde al efecto total de las variables heredadas, ya sea di-
ln(Yei ) =5, 1674 + 0, 0213eppi + 0, 0399eii rectamente o a través de las variables de esfuerzo, en la
(31a)
− 0, 1864nzri + 0, 2786cli + ǫcYi distribución de los ingresos.
Las medidas de desigualdad simuladas en este estudio Se tomó, como sesgo de cada uno de los estimadores de
se construyeron a partir de los estimadores de MCO de MCO, el promedio de las 1.000 simulaciones y, como va-
la ecuación de ingresos (15). Sin embargo, dicha forma re- lores extremos, el máximo y el mínimo, cuyos resultados,
ducida tiene problemas de estimación relevantes como ya para el caso de los hombres, se los presenta en las tablas
lo habíamos mencionado, relacionados básicamente con la 22, 23 y, 24, respectivamente. Estos resultados se utilizaron
endogeneidad de las variables de esfuerzo propio. Por lo para calcular el coeficiente de Gini, efecto parcial y total,
tanto, es necesario estudiar los efectos de sus posibles ses- sesgo máximo, mínimo y medio, respectivamente. Los re-
gos. Para tal fin, a través del análisis paramétrico de rangos, sultados del coeficiente de Gini se presentan en la sección
se calcularon rangos para los coeficientes y para los niveles 4.3.2, ver tabla 28.
de desigualdad. Los resultados de los sesgos máximo, mínimo y pro-
Por lo mencionado en la sección 2.4, para el análisis pa- medio de los los estimadores de MCO para el caso de las
ramétrico de rangos es necesario los siguientes insumos: mujeres se los presentan en las tablas 25, 26 y 27, respecti-
σX , ρ Xǫ y σǫ , de los cuales sólo falta conocer los valores vamente, donde el sesgo máximo y mínimo para las edades
de ρ Xǫ . Como ρ Xǫ no se conoce de forma explícita, se esti- entre 55 y 60 años no consta, ya que los resultados fueron
mó 1000 valores de la misma, a través de la simulación de números imaginarios.
Montecarlo. De la misma manera que para el caso de los hombres,
De las simulaciones realizadas sólo se considerará estos resultados se utilizaron para calcular el coeficiente de
aquellos que cumplen que la matriz de covarianza Σ, Gini, efecto parcial y total, sesgo máximo, mínimo y medio,
respectivamente. Los resultados del coeficiente de Gini se
presentan en la sección 4.3.2, ver tabla 29.
X′ X X′ ǫ
Σ=
ǫ′ X ǫ′ ǫ
4.3.2 Coeficiente de Gini
es semi definida positiva, es decir, que cuando al multipli- Para cada uno de los tres casos, -máximo, mínimo y
carse por un vector cualquiera, a la derecha y a la izquierda, promedio-, se calcularon los niveles de desigualdad simu-
ese producto es mayor o igual a cero. lados, es decir, los coeficientes de Gini, y se obtuvieron ran-
Esta restricción es necesaria, pues en el estudio se asu- gos que pueden interpretarse como intervalos de confianza
me que en la ecuación de ingresos estimada el término re- de los resultados obtenidos.
sidual puede estar correlacionado con las variables de es- A continuación, en las tablas 28 y 29 pueden observarse
fuerzo, pero no con las variables heredadas. los resultados aplicados al caso ecuatoriano para los hom-
El proceso se llevó a cabo de la siguiente manera: bres y mujeres, respectivamente.
Tabla 22. Sesgo máximo de los estimadores de MCO (B) para el caso de los hombres. Fuente: elaboración propia a partir de la encuesta ECV (2006).
Journal of Statistical Analysis
Revista de Análisis Estadístico
k
Analíti a
1
AÑO NACIMIENTO 1946-50 1951-55 1956-60 1961-65 1966-70 1971-75 1976-80
(EDAD) 56-60 51-55 46-50 41-45 36-40 31-35 26-30
Capacitacion Laboral (cl) -0,0080 -0,0051 -0,0020 -0,0022 -0,0003 -0,0013 -0,0008
Tabla 23. Sesgo mínimo de los estimadores de MCO (B) para el caso de los hombres. Fuente: elaboración propia a partir de la encuesta ECV (2006).
Journal of Statistical Analysis
Revista de Análisis Estadístico
k
Analíti a
83
84
AÑO NACIMIENTO 1946-50 1951-55 1956-60 1961-65 1966-70 1971-75 1976-80
(EDAD) 56-60 51-55 46-50 41-45 36-40 31-35 26-30
Tabla 24. Sesgo promedio de los estimadores de MCO (B) para el caso de los hombres. Fuente: elaboración propia a partir de la encuesta ECV (2006).
Journal of Statistical Analysis
Revista de Análisis Estadístico
k
Analíti a
1
AÑO NACIMIENTO 1951-55 1956-60 1961-65 1966-70 1971-75 1976-80
(EDAD) 51-55 46-50 41-45 36-40 31-35 26-30
Tabla 25. Sesgo máximo de los estimadores de MCO (B) para el caso de las mujeres. Fuente: elaboración propia a partir de la encuesta ECV (2006).
Journal of Statistical Analysis
Revista de Análisis Estadístico
k
Analíti a
85
86
AÑO NACIMIENTO 1951-55 1956-60 1961-65 1966-70 1971-75 1976-80
(EDAD) 51-55 46-50 41-45 36-40 31-35 26-30
Tabla 26. Sesgo mínimo de los estimadores de MCO (B) para el caso de las mujeres. Fuente: elaboración propia a partir de la encuesta ECV (2006).
Journal of Statistical Analysis
Revista de Análisis Estadístico
k
Analíti a
1
AÑO NACIMIENTO 1946-50 1951-55 1956-60 1961-65 1966-70 1971-75 1976-80
(EDAD) 56-60 51-55 46-50 41-45 36-40 31-35 26-30
Capacitacion Laboral (cl) 0,0216 0,0023 -0,0072 -0,0016 0,0008 -0,0023 -0,0007
Tabla 27. Sesgo promedio de los estimadores de MCO (B) para el caso de las mujeres. Fuente: elaboración propia a partir de la encuesta ECV (2006).
Journal of Statistical Analysis
Revista de Análisis Estadístico
k
Analíti a
87
Analíti a k
Margarita Velín y Paúl Medina
Revista de Análisis Estadístico
Journal of Statistical Analysis 1
AÑO NACIMIENTO 1946-50 1951-55 1956-60 1961-65 1966-70 1971-75 1976-80
(EDAD) 56-60 51-55 46-50 41-45 36-40 31-35 26-30
efecto parcial-sesgo máximo 0.48136 0.46898 0.41945 0.43432 0.45437 0.40927 0.41792
efecto parcial-sesgo mínimo 0.47996 0.46806 0.41979 0.43408 0.45454 0.40952 0.41780
efecto parcial-sesgo medio 0.48014 0.46811 0.41978 0.43426 0.45451 0.40962 0.41780
efecto total-sesgo máximo 0.41860 0.40161 0.40188 0.40579 0.42460 0.40198 0.41793
efecto total-sesgo mínimo 0.41754 0.40102 0.40179 0.40565 0.42459 0.40187 0.41780
efecto total-sesgo medio 0.41768 0.40106 0.40179 0.40565 0.42459 0.40188 0.41780
Tabla 28. Coeficiente de Gini considerando los sesgos de los estimadores de MCO para el caso de los hombres entre 26 y 60 años.
Fuente: elaboración propia a partir de la encuesta ECV (2006).
Con los resultados obtenidos y que se presenta en la ni, efecto total, sería menor que el calculado con el ingreso
tabla 28, se puede decir que para ninguna generación de observado, y la diferencia entre éstos fuera positiva.
los hombres, la desigualdad mejora, es decir, el coeficiente A diferencia de los hombres, la desigualdad de los in-
de Gini no disminuye; sin embargo, se puede notar que la gresos en el caso de las mujeres sí mejoró con los escenarios
desigualdad para el efecto total es menor que para el efec- que asumimos, es decir, al asumir que la población mues-
to parcial, es decir, el efecto total de las variables heredadas tral se autodefina como mestiza, que la provincia de na-
sobre el ingreso de los individuos, permite que el coeficien- cimiento sea Pichincha, que la educación promedio de los
te de Gini sea menor, y por consiguiente la desigualdad padres sea de 12 años, que la diferencia de estudio de los
disminuya. padres sea cero (que el padre y la madre tengan el mismo
Ahora, resta analizar la desigualdad con escenarios di- nivel de educación) y que haya nacido en zona urbana. Es
ferentes, hasta conseguir que la desigualdad de los ingre- así, que para el caso de las mujeres entre 56 y 60 años de
sos mejore. Por ejemplo, para el caso de los hombres entre edad. Por ejemplo, la desigualdad de los ingresos (conside-
56 y 60 años de edad la diferencia entre el coeficiente de rando la diferencia entre el efecto total - sesgo medio y el
Gini, calculado en base a los ingresos observados y el cal- observado) mejoró en un 9 %. Solamente, el ingreso de las
culado en base a la simulación efecto total, es de -0,7 %, por mujeres entre 26 y 35 años no mejoró, debido a los antece-
lo que se podría decir, que si las variables heredadas me- dentes mencionados en los correspondientes análisis de los
joraran, por ejemplo, la educación de los padres fuera ma- resultados para cada variable. Sin embargo, restaría anali-
yor que la que asumimos, la desigualdad de los ingresos zar estos intervalos con otros escenarios mejorados, con la
fácilmente se vería mejorada, es decir, el coeficiente de Gi- finalidad de que la desigualdad de los ingresos se reduzca.
Tabla 29. Coeficiente de Gini considerando los sesgos de los estimadores de MCO para el caso de las mujeres entre 26 y 60 años.
Fuente: elaboración propia a partir de la encuesta ECV (2006).
Resumen
En este trabajo se calcula la densidad poblacional del Ecuador continental, determinando, analizando y cuantificando
las zonas no habitables (bosques protectores, páramos, suelos de cultivo, etc.). Se inicia con un estudio cualitativo de las
zonas no habitables. Luego se cuantifica y determina el territorio abarcado por cada una de estas zonas. Finalmente se
estima la densidad poblacional, considerando la influencia que cada una de las zonas ejerce. Para lograr estos objetivos
se ha utilizado los datos obtenidos a través de la Encuesta de Superficie y Producción Agropecuaria Continua (ESPAC)
del 2009, así como la información contenida en la cartografía temática proporcionada por el Instituto Geográfico Militar.
Palabras clave: densidad poblacional, zona no habitable, cartografía temática.
Abstract
In this paper we have calculated the ecuadorian population density of continental zone by identifying, analyzing
and quantifying noninhabitable areas (Reserve forests, moors, agricultural soils, etc.). It begins by study the qualita-
tive noninhabitable areas; then quantify and determining the territory covered by each area. Finally we have estimated
the population density considering these areas. To reach these objectives we have used information from the Encuesta
de Superficie y Producción Agropecuaria Continua (ESPAC)) from 2009, as well as thematic mapping provided by the
Military Geographic Institute.
Keywords: population density, noninhabitable area, thematic mapping.
Código JEL: Q56, Q20.
1 Introducción
La densidad poblacional de un área determinada es cal- actividades económicas, como ocurre en casos específicos
culada al dividir la población que ocupa dicha área para la de poblaciones que viven de la explotación minera o en los
extensión de la misma, logrando así establecer una relación núcleos de colonización que han formado asentamientos
directa entre la población y el área que ocupa, mas dentro humanos en la Región Amazónica, impulsada por la activi-
de este estudio se debe tener en consideración que los re- dad petrolera. En el caso del recurso suelo, su calidad atrae
cursos naturales como las características del suelo, vegeta- al ser humano por su fertilidad, especialmente en suelos de
ción, fauna, recursos minerales y energéticos, etc., actúan las llanuras de la Costa y de los valles interandinos.
como factores de atracción para la población, que acude a Además dentro de este estudio se debe considerar la
los lugares donde estos se localizan en busca de su explota- distorsión presentada en esta relación, debido, principal-
ción y aprovechamiento. La disponibilidad y la abundancia mente, a las características geográficas del suelo (zonas im-
local de uno o varios recursos naturales han dado paso a los posibles de habitar), a los intereses económicos (zonas pe-
asentamientos humanos especializados en ciertos tipos de troleras, de producción agrícola, etc.), a los intereses eco-
Reserva biológica: “Área terrestre o acuática de extensión El SNAP cuenta con tres reservas biológicas, siendo dos
variable. Sus objetivos están orientados a la conserva- de ellas terrestres y una marina, abarcando una superficie
ción de los procesos naturales, posible ejecución de terrestre de 136,84 km2 .
investigación científica, educación y conservación de En la Tabla 5 se detalla el área de las diferentes reservas
los recursos genéticos” [14]. biológicas.
SUPERFICIE
SUPERFICIE SUPERFICIE
ÁREA NATURAL TERRESTRE
MARINA (km2 ) TOTAL (km2 )
(km2 )
1 RESERVA BIOLOGICA LIMONCOCHA 46,13 0,00 46,13
2 RESERVA BIOLOGICA MARINA 0,00 141100 141100
DE GALAPAGOS
3 RESERVA BIOLÓGICA EL QUIMI 90,71 0,00 90,71
Subtotal SUPERFICIE TERRESTRE 136,84
Subtotal SUPERFICIE MARINA 141100
SUPERFICIE TOTAL 141236,84
SUPERFICIE
SUPERFICIE SUPERFICIE
ÁREA NATURAL TERRESTRE
MARINA (km2 ) TOTAL (km2 )
(km2 )
1 RESERVA DE PRODUCCION DE FAUNA 585,60 0,00 585,60
CHIMBORAZO
2 RESERVA DE PRODUCCION DE FAUNA 6033,80 0,00 6033,80
CUYABENO
3 RESERVA DE PRODUCCION DE FAUNA 52,17 0,00 52,17
M ANGLARES EL SALADO 52,17
4 RESERVA DE PRODUCCION DE FAUNA 1,77 472,78 474,55
PUNTILLA STA. ELENA
Subtotal SUPERFICIE TERRESTRE 6673,34
Subtotal SUPERFICIE MARINA 472,78
SUPERFICIE TOTAL del 7146,12
Reserva marina: “Reserva que incluye columna de agua, crearon las primeras áreas protegidas. De ahí hasta la ac-
fondo marino y subsuelo, y comprende toda la zo- tualidad se han creado un total de 40 áreas protegidas, sien-
na marina dentro de una franja de 40 millas náuticas, do dos de estas insulares, dos marítimas y dos continen-
medidas a partir de las líneas base del Archipiélago y tales, abarcando una superficie terrestre total de 48221,86
las aguas interiores. Además, se establece un área de km2 , lo que equivale al 18,81 % del territorio nacional total
protección mínima de la Reserva Marina de 60 mi- [15].
llas náuticas, a partir de la línea base, para regular el
transporte de productos tóxicos o de alto riesgo” [15].
SUPERFICIE
ÁREA NATURAL
MARINA (km2 )
El Plan de Manejo de la Reserva Marina también define
1 RESERVA MARINA GALERA SAN FRANCISCO 546,04
la zonificación de uso y actividades pesqueras y turísticas
SUPERFICIE TOTAL 546,04
permitidas. Se establecen, además, las zonas profundas, y
zonas rocosas, zonas de humedales y zonas de playa. Tabla 9. Reserva marina y superficie. Fuente: MAE y elaboración
En la Tabla 9 se muestra la superficie de la única reserva propia.
marina del país.
Como datos curiosos mencionaremos que el Parque Na-
cional Galápagos fue el primero en ser constituido alrede- En la Tabla 10 se muestra un resumen de todas las áreas
dor de los años 30, más no fue sino hasta la década los 60 protegidas existentes en el país y que fueron consideradas
que esta iniciativa ambiental fue tomada con seriedad y se para nuestro estudio.
Tabla 10. Distintas áreas protegidas y superficies. Fuente: MAE y elaboración propia.
Cabe señalar que no se consideraran las reservas mari- NOMBRE ÁREA (km2 ) NOMBRE ÁREA (km2 )
nas y el Parque Nacional Galápagos, pues nuestro estudio RIO NAPO 867,14 RIO BOBONAZA 29,84
busca estrictamente la densidad poblacional continental. RIO PASTAZA 427,47 RIO NANGARITZA 28,61
RIO AGUARICO 398,89 RIO TIPUTINI 24,26
RIO GUAYAS 395,37 RIO CONONACO 24,05
3.1.2 Ríos, lagos y lagunas
RIO PUTUMAYO 320,68 RIO PATIA 23,21
El Ecuador posee una rica red hidrográfica, la cual sur- RIO CURARAY 145,92 RIO TELEMBI 20,92
ge en su mayoría en los relieves andinos. En esta red se RIO COCA 123,69 RIO TAURA 20,62
distinguen dos vertientes caracterizadas por la cordillera RIO BABAHOYO 112,74 RIO MACUMA 20,12
RIO ESMERALDAS 73,34 RIO CHONE 19,28
de los Andes: la vertiente occidental y la oriental. Los ríos
RIO SAN MIGUEL 68,67 RIO QUEVEDO 16,00
de la vertiente occidental poseen un curso breve pero cau-
RIO UPANO 56,60 RIO TAMBILLO 15,87
daloso hacia el Pacífico y son navegables en algunos tra-
RIO CAYAPAS 56,45 RIO QUIJOS 15,60
mos. En cambio, los ríos originados en la vertiente oriental
RIO SANTIAGO 56,04 RIO PAYAMINO 15,22
se dirigen hacia la llanura amazónica [6].
RIO DAULE 53,24 RIO CUNAMBO 14,62
Dentro de la geografía nacional existen numerosos la- RIO BLANCO 45,28 RIO JUBONES 14,14
gos, en su mayoría de origen volcánico y muchas lagunas RIO PALORA 42,61 RIO PINTOYACU 13,43
de diversas formas y tamaños. Si bien los dos elementos RIO MATAJE 38,86 RIO PUCUNO 11,20
son masas de agua contenidas en depresiones naturales del RIO ZAMORA 36,85 RIO CANGAIME 10,87
terreno y alimentadas por vertientes externas o internas, su RIO MIRA 32,44 RIO GUIZA 9,86
diferencia radica en el tamaño de los mismos, siendo los la-
gos más grandes y profundos que las lagunas [6]. Tabla 11. Los ríos más extensos del territorio continental ecuato-
A continuación haremos un breve estudio y descripción riano. Fuente: IGM y elaboración propia.
de los principales ríos, lagos y lagunas del Ecuador.
Ríos. A través de la cartografía digital proporcionada por En el Anexo A.1. se muestran una tabla con aproxima-
el Instituto Geográfico Militar, se logró estimar el área de damente el 95 % de los ríos más caudalosos del país, adjun-
los ríos más representativos del territorio continental ecua- tando una breve explicación de la forma de proceder para
toriano, los cuales cubren una extensión aproximada de de su cuantificación.
4406,85 km2 , siendo los más representativos el río Napo y el
río Pastaza con 867,14 km2 y 427, 47 km2 , respectivamente.
En la Tabla 11 se muestra el área de algunos de los ríos Lagos y lagunas. Si bien existe una gran cantidad de la-
más representativos del territorio continental ecuatoriano, gos y lagunas a lo largo del territorio nacional, su exten-
los cuales por su extensión contribuyen en la disminución sión media no supera los 0,24 km2 , cubriendo una exten-
del territorio habitable efectivo. sión continental total aproximada de 121,46 km2 , lo que re-
Cabe aclarar que para este estudio se cuantificó el área presenta menos del 0,1 % del territorio nacional total.
perteneciente al territorio continental ecuatoriano, de cada En la Tabla 12 se muestra algunas de las lagunas de ma-
uno de los ríos, pudiendo de esta manera ser la superficie yor extensión existentes en la geografía nacional que logra-
total cubierta por un río mayor a la mencionada en este es- ron ser cuantificados y localizados a través de la cartografía
tudio. digital proporcionada por el IGM.
Tabla 12. Lagunas de mayor extensión en el Ecuador. Fuente: IGM y elaboración propia.
En el Anexo A.2. se muestra una tabla con aproxima- A continuación, describiremos con mayor detalle cada
damente el 80 % de los lagos y lagunas del país, adjuntan- una de estas zonas.
do una breve explicación de la forma de proceder para su
cuantificación. Zonas ganaderas. La ESPAC no cuantifica explícitamente
el área destinada a la crianza de ganado, animales de cam-
3.1.3 Zonas ganaderas, de cultivo y páramos po y aves, pero sí cuantifica el área destinada al pastoreo,
clasificándolos en pastos cultivado y no cultivados.
A través de la ESPAC, se determinó que en el año 2009 A continuación mostramos la información obtenida a
las zonas ganaderas, de cultivo y páramos cubren un área partir de la ESPAC para las áreas citadas.
aproximada de 118.143,12 km2 . Sin embargo, dentro del
cálculo de esta área se considera una categoría llamada Pastos cultivados: “Son los pastos sembrados que rebro-
montes y bosques que se define como: tan después de haber sido cortados o usados para el
pastoreo. Se destinan, prácticamente en su totalidad,
Toda vegetación arbustiva o boscosa, natural o plan- para alimento del ganado” [10].
tada; que puede tener valor por su leña, madera u
En la Tabla 13 se muestra la extensión ocupada por es-
otros productos, o por razones ecológicas. (sci) [10].
tas áreas en el 2009.
Esta definición indica una clara intersección de estas USO DE LA TIERRA ÁREA (km2 )
áreas con las zonas protegidas; por tal motivo para nuestro PASTOS CULTIVADOS 35.619,47
estudio, hemos restado los montes y bosques de las zonas
ganaderas, de cultivo y páramos, con el objetivo de elimi- Tabla 13. Pastos cultivados. Fuente: INEC y elaboración propia.
nar las áreas duplicadas.
Luego de realizar los cálculos respectivos, se tiene que
el área total ocupada por las zonas ganaderas, de cultivo Pastos naturales: “Son los pastos que se han establecido
y páramos es de 82.655,77 km2 presentando una reducción y desarrollado de modo natural o espontáneo, con la
del 30,04 % del valor inicial. intervención de los agentes naturales (agua, viento,
Tabla 15. Cultivos permanentes en el Ecuador. Fuente: INEC y 3.1.4 Zonas desérticas y de playa
elaboración propia.
Debido a su posición geográfica y a la diversidad de
alturas impuesta por la cordillera de los Andes, el Ecua-
Cultivos transitorios o de ciclo corto: “Son aquellos cu- dor presenta una gran variedad de climas y cambios con-
yo ciclo vegetativo o de crecimiento es generalmente siderables a cortas distancias. Cuenta con climas tropica-
menor a un año, llegando incluso a ser de algunos les y templados, regiones con características subtropica-
meses y una vez que llegaron a dar su fruto, la plan- les, situadas principalmente en las estribaciones de las dos
ta se destruye siendo necesario volverlos a sembrar cordilleras. También encontramos zonas desérticas, semi-
para obtener una nueva cosecha”[10]. desérticas, estepas frías, cálidas, etc.
Geográficamente, las zonas desérticas se localizan en la
Tierras en barbecho o rastrojo: “Se encuentran sin cul- región más saliente de la costa ecuatoriana entre Salinas,
tivos (en reposo), siempre que el período de perma- Santa Elena y Anconcito. Es una zona compuesta de capas
nencia en este estado, calculado hasta el día de la en- horizontales de arenisca arcillosa, que se origina cerca al
trevista, sea menor de un año” [10]. mar y se eleva hacia el continente para formar los altos de
por salitrales sujetos a inundación en los aguajes (salitrales ÁREAS PROTEGIDAS 48221,86 19,42
ZONAS GANADERAS, 82655,77 33,28
de Cayancas) y la tercera, formada las llanuras de matorral
DE CULTIVO Y PÁRAMOS
desértico.
CRIADEROS DE CAMARONES, 2.343,59 0,94
Por otro lado, las playas del Ecuador se encuentran lo- PECES Y SIMILARES
calizadas dentro de las provincias de Guayas, Santa Elena, RÍOS, LAGOS Y LAGUNAS 4591,31 1,85
Manabí, El Oro, Los Ríos y Esmeraldas. A pesar de que el ZONAS DESERTICAS 520,40 0,21
continente ecuatoriano posee 640 km2 de perfil costanero, Y DE PLAYA
no toda esta región se puede considerar como zonas de pla-
ya, pues además de playas esta zona consta de llanuras fér- Tabla 21. Relación entre el área de las diferentes zonas no habita-
tiles, colinas, cuencas sedimentarias y elevaciones de poca bles con el territorio continental efectivo.
altitud.
En la Tabla 19 se muestra la superficie cubierta por estas
En la Tabla 22 se muestra la relación existente entre las
zonas.
distintas zonas no habitables y el territorio continental efec-
tivo.
ZONA ÁREA (km2 )
ZONAS DESERTICAS Y DE PLAYA 520,40 ZONA PROPORCIÓN
ÁREAS PROTEGIDAS 0.44
Tabla 19. Zonas desérticas y de playa.
RÍOS, LAGOS Y LAGUNAS 0.04
ZONAS GANDERAS DE 0.75
CULTIVO Y PARAMOS
ZONAS DESERTICAS Y DE PLAYA 0.005
CAMARONES, PECES Y SIMILARES 0.02
3.1.5 Criaderos de camarones, peces y similares
Tabla 22. Relación entre el área de las diferentes zonas no habita-
Dentro de la cartografía proporcionada por el IGM se bles con el territorio continental efectivo.
tiene una categoría en la que se agrupa a camaroneras, pis-
cícolas y similares, la cual posee en el 2007 un área igual
a 333,26 km2 , más en el III censo agropecuario se determi-
nó que las camaroneras cubren una superficie de 2.343,59 3.3 Estimación de la densidad poblacional
km2 , siendo este último valor el considerado para el actual
En esta sección se analizaran las distintas densidades
estudio.
poblacionales definidas en la sección 2.
En la siguiente Tabla 20 se muestran la superficie abar-
cada por las zonas mencionadas.
3.3.1 Densidad Poblacional Bruta
ZONA HABITANTES
CONTINENTAL 14.180.534
PAIS 14.204.900
Reemplazando los datos expuestos en la Tabla 10, en la Tabla 27. Densidad poblacional 2.
ecuación 3.3.2 se tiene que:
hab
D p4 =57,22 km2
.
Figura 2. Densidad poblacional 2. Fuente: Elaboración propia.
En la Tabla 27 se muestra la densidad poblacional par-
cial 4 y el porcentaje de aumento con relación a la densidad
poblacional continental.
Zonas ganaderas, de cultivo y páramos. En base a la defi-
nición 2, calcularemos la densidad poblacional parcial, con- PORCENTAJE
DENSIDAD POBLACIONAL (hab/km2 )
siderando la superficie ocupada por las zonas ganaderas, DE AUMENTO
de cultivo y páramos. CONTINENTAL 57,10
SIN RÍOS LAGOS Y LAGUNAS 57,22 0,21
Sea
PC Tabla 29. Densidad poblacional 4.
D p3 = (7)
TC − A3
hab
D p3 =85,58 km2
.
hab
D p5 =57,64 km2
.
PORCENTAJE DE
0,95% AUMENTO CON
SUPERFICIE DENSIDAD
RESPECTO AL
(km2 ) (hab/km2 )
VALOR INICIAL
( %)
CONTINENTAL 248.359,48 57,10 0
ZONA 1 200.137,62 70,85 24,09
Figura 5. Densidad poblacional 5. Fuente: Elaboración propia. ZONA 2 117.481,64 120,70 111,39
ZONA 3 112.950,56 125,55 119,87
ZONA 4 110.606,97 128,21 124,53
ZONA 5 110.086,57 128,81 125,59
3.3.3 Densidad poblacional neta
Tabla 31. Resumen de las densidades, obtenida al considerar pau-
La densidad poblacional neta resulta al reemplazar los latinamente cada una de las zonas no habitables consideradas en
valores resumidos en la Tabla 21, en la ecuación 2, siendo este estudio, por ejemplo: la densidad poblacional de la Zona 1
esta de 128,81 hab/km2 . es obtenida al dividir el total de la población continental para la
En la Tabla 31 se muestra un resumen de la variación de resta entre la superficie continental y la superficie de las áreas pro-
la densidad poblacional, al considerar progresivamente las tegidas.
zonas no habitables de la siguiente manera:
5 ˜ eo .
TCe = TCeo ± fflT (16)
C
TCe = TCeo ∓ ∑ ǫi A i (13)
i =1 Ahora la densidad poblacional neta D np , considerando la
ecuación (13) es
Por otra parte, si escribimos la Tabla 22 utilizando la P
notación anterior tenemos que: D np = e (17)
TC
En particular,
ÁREA PROPORCIÓN
P
A1 0, 44TCe o D np = (18)
TCeo ˜ eo
± fflT
A2 0, 04TCe o C
A3 0, 75TCe o
A4 0, 005TCe o
Dado que a priori no se conocen los errores cometi-
A5 0, 02TCe o dos en el proceso de cuantificación de la superficie de las
distintas zonas no habitables consideradas en la Tabla , se
Tabla 32. Relación entre el área de las diferentes zonas no habita- muestran las distintas cotas entre las cuales se encontraría
bles con el territorio continental efectivo. la densidad poblacional neta, al considerar errores de mag-
nitud distinta.
En la Tabla 33, el escenario número 1, representa un es- en el intervalo [127,71 ; 129,93], siendo el error cometido en
cenario ideal, en el cual la superficie de áreas protegidas, de el cálculo de la densidad poblacional neta menor al 0,87 %.
ríos, lagos y lagunas, zonas desérticas y de playa permane-
cen constantes, variando solamente las zonas de cultivo de
manera similar al año pasado (del 2008 al 2009), y las zo- Para finalizar, el escenario número 3 representa un esce-
nas camaroneras en igual proporción a las zonas de cultivo nario en el cual la superficie de las áreas protegidas difiere
y cuyo valor es menor al 0.03 %. Bajo estas consideracio- un 3 % del valor considerado, que el área de los ríos, lagos
nes se tendría que la densidad poblacional se encuentra en y lagunas varían en un 5 %, que hay un variación del 1 %
el intervalo [128,53; 129,10], siendo el error cometido en el en el área de las zonas de cultivo, que las zonas desérticas
cálculo de la densidad poblacional neta menor al 0,25 %. variaron en un 3 % y que el área de las camaroneras varia
en un 8.
El escenario número 2, representa un escenario en el
que se cometió un error de cuantificación del 1 % con res-
pecto a las áreas protegidas, ríos, lagos, lagunas y zonas Bajo estas consideraciones se tendría que la densidad
desérticas y de playa, así como un error del 0.5 % respecto poblacional se encuentra en el intervalo [125,74 ; 132,04],
a las zonas de cultivo y camaroneras. Bajo estas considera- siendo el error cometido en el cálculo de la densidad po-
ciones se tendría que la densidad poblacional se encuentra blacional neta menor al 2,51 %.
ANEXOS
A Cálculos realizados
Al abordar este estudio se encontró muy poca informa- petible, lo que significa que dos cartas topográficas no pue-
ción sobre la ubicación, dimensiones y características de las den contener información repetida sobre un mismo lugar
distintas zonas no habitables, teniendo que analizar, carac- geográfico.
terizar y cuantificar las superficies de aquellas zonas de las Dada esta aclaración, a continuación, se enunciaran los
cuales no se encontró información anterior a la presenta- pasos seguidos para determinar la superficie de un río de-
da en este estudio. Es por eso que se considera que dos terminado:
de los principales aportes de este estudio son, por un lado,
el cálculo de las áreas de los distintos ríos, lagos y lagu- 1. Dado que los ríos estudiados recorren grandes dis-
nas de país, y por otro, la ubicación provincial de los lagos tancias, inicialmente se determinó cuáles cartas topo-
y lagunas, encontrando en la base cartográfica del IGM la gráficas contenían información sobre el río estudiado.
principal fuente de información para esta labor.
2. Se aproximó la porción de área contenida en las dis-
A continuación se explica con mayor detalle nuestra tintas cartas topográficas de interés, a través de polí-
forma de proceder para alcanzar este fin.
gonos.
3. Se aproximó el área total del río estudiado, a través
A.1 Ríos de la suma de las sub-áreas calculadas anteriormen-
te.
Antes de iniciar, se debe aclarar que la información con-
tenida dentro de cada una de las cartas pertenecientes a la 4. Al finalizar, se obtuvo la base mostrada en la siguien-
cartografía base proporcionada por el IGM es única e irre- te tabla.
A continuación se muestra la forma en que se procedió 3. Cuando la información de una misma laguna se en-
para el cálculo de la superficie y ubicación de los diferentes contraba en más de una carta, se calculaba el área
lagos y lagunas. de cada porción de lago o laguna en todas las car-
AZUAY AZUAY
• Archivo que almacena el índice espacial de las enti- La zona 2 está constituida por 256 cartas que abarca en su
dades (.sbn, .sbx). mayoría la región oriental y la frontera norte. Para esta edi-
ción de la cartografía digital, presentada en el año 2009, se
• Archivo que almacena el índice espacial de las enti- corrigió en su mayoría los errores cometidos en la primera
dades de los documentos inalterables (.fbn, .fbx). zona [12].
jrmayorga@espe.edu.ec
1 Introducción
Una pirámide de captación financiera es un esquema 1.1 Antecedentes históricos
de negocios fraudulento que sustenta su operación en un
crecimiento rápido del número de clientes. Tal crecimiento El nombre de este tipo de fraude se debe a Carlo Ponzi,
es impulsado por las referencias de clientes que perciben quien en 1920 pasó de ser un emigrante italiano con un par
intereses muy por encima de lo que pueden pagar las em- de dólares en los bolsillos a millonario en Boston, Estados
presas formales de inversión. Unidos, todo en menos de 6 meses. Su trama sin embar-
go no es la primera de la que se tiene registro: la fama del
Un esquema piramidal es viable mientras exista un flu- negocio de la española Baldomera Larra se expandió como
jo suficiente de dinero fresco ingresando al sistema; caso plaga por Madrid en la década de 1870; operaba a la vista
contrario, se alcanza el punto de saturación y los clientes de todos, pagando un 30 % mensual, con el dinero fresco
que se encuentran en ese instante en el sistema pierden su de los nuevos clientes [8].
dinero.
En 1997, alrededor de 2000000 de albaneses, un 60 %
Un esquema Ponzi se disfraza fácilmente de una em- de la población total, se vieron perjudicados por esquemas
presa mediadora de inversiones, lo que le convierte en el Ponzi con pérdidas de 1.200 millones de dólares america-
tipo más peligroso de esquema piramidal. Por lo general, nos. Albania por poco padece una guerra civil, miles mu-
los clientes no saben que son participantes de un esque- rieron en esta crisis [3].
ma Ponzi: compraron la idea de que hay una inversión de Un esquema Ponzi puede funcionar por un mayor tiem-
altísimo retorno detrás del negocio. Las ganancias que ob- po que el de una pirámide tradicional en tanto que la tasa
tienen los clientes de la penúltima generación del sistema de interés ofertada, siendo alta, no sea descabelladamente
son generadas por la última generación. mayor a las tasa de retorno de inversiones legítimas (e.g.
donde,
k 2.5 Capital real y punto de saturación
Pk = ∑ Pk,j . El capital real está dado por
j =0
Como parte del juego de engaño, se establece un cu- El robo pecuniario queda determinado por
po de clientes nuevos que puede traer consigo un cliente
antiguo. Un altísimo valor de i p impulsa la ambición por 0,
si j > k,
dinero fácil (de potenciales clientes nuevos) que combina- Uj (t) = m · ck , si j = k, (37)
da con un sentimiento mal orientado de solidaridad (de los
c − ω · k
∑l = j+1 l,j
p , si j < k.
clientes actuales e.g. para con familiares, amigos, etc.) pro- j
k Ck
0 1
1 3
2 12
3 48
8 49152
9 196608
10 786432
15 805′ 306368
16 3221′225472
Figura 2. Expansión de E0
k P̂k
(millones)
0 0,00
1 0,25
2 0,02
3 0,09
8 89,33
9 357,4
10 1429,75
15 1464190,94
16 5856769,17
k Wk
(millones)
0 0,0000
1 0,0001
2 0,0005
3 0,0021
8 2,2320
9 8,9327
10 35,7397
Tabla 5. Retiros
Figura 5. Estado financiero
k Lk /C k
0 10′ 000500
1 2′ 562978
2 657108
3 168726
6 3290
7 1184
8 644
9 506
10 471
Código de ética
Esta página se deja intencionalmente en blanco
Analíti a k
Revista de Análisis Estadístico
Journal of Statistical Analysis 1
Los autores están invitados a enviar sus artículos a la • Asegúrese de que las inscripciones o detalles, así co-
revista Analítika, ya sea en español o en inglés. mo las líneas, tengan tamaños y grosores adecuados;
Para la publicación de los artículos, los autores deben de tal manera que sean legibles (números, letras y
seguir los siguientes lineamientos: símbolos).
Para tablas:
Requerimientos técnicos \label{DP_tab:001}
Para ser sometidos a revisión, los trabajos deberán cum-
Para figuras
plir los siguientes requerimientos técnicos:
\label{DP_fig:001}
• Las ilustraciones y tablas, deben estar numeradas se-
cuencialmente, incluyendo una descripción explicati- Para ecuaciones
va para cada una. \label{DP_eq:001}
• El texto en las figuras y mapas debe escribirse con le- Para teoremas
tras fácilmente legibles. \label{DP_teo:001}
• Diferentes elementos de un gráfico deben contener etc.
sus correspondientes explicaciones. Por ejemplo, en
un gráfico de pastel se deberá especificar qué repre-
senta cada color.
All authors are invited to send their studies to Analítika • Photographs must be saved in high contrast and high
Journal in Spanish or English; for being eligible to publish, resolution. Remember that pictures usually lose con-
the paper must meet the following guidelines: trast during the printing process. Do not put together
photographs and drawings in the same picture.
For equations:
Technical Requirements \label{PD_eq:001}
For being subject for review, a paper must meet the fo- For definitions:
llowing technical requirements: \label{PD_def:001}
• Each illustration and table must include an explicati-
ve description and be sequentially numbered. For theorems:
\label{PD_teo:001}
• Pictures must be in format EPS (preferable), JPG or
high-resolution PNG. etc.
• Text inside maps or pictures must be easily legible.
• Each element within a graphic must contain its own
explanation. For example, a pie chart must show
what each color represents.
• Make sure the inscriptions, details and lines have
adequate sizes and dimensions, so all numbers, cha-
racters and symbols are legible.
“The probability of obtaining a temporary 1. The Editor will inform the author of any observation
or an indefinite contract is discussed and made by the evaluators, so all the necessary correc-
accepted,” tions and changes would be made. This must not ex-
ceed a month.
is indicative and should be avoided.
2. Once the corrected paper has been received, the Edi-
Keywords (in Spanish: Palabras claves). There must be tor will perform the copying-editing process. After
between 3 and 6 keywords that represent the main the document has been formatted, a page proof will
topics of the study. They must go at the end of the be sent to the author to check edition or format mis-
Abstract and the Resumen. takes; the author shall not make any change to the
document. The author must return the proof page,
Classification. The paper must include the classification along with any observation, to the Editor one week
system from Journal of Economic Literature, JEL. after having receiving it.
Código de ética
Es fundamental contar con el aval del Committee on • Editores nuevos no deben revocar las decisiones de
Publication Ethics (COPE) lo que nos ha permitido mejorar publicar documentos presentados por el editor an-
las prácticas de ética de las publicaciones que se ha promo- terior, salvo excepciones (cuando va en contra de la
vido en diferentes ámbitos de la investigación [4, 2], tanto imagen institucional y/o de la revista).
para editores [3], autores [5] y lectores [1].
Responsabilidades con los revisores:
2 A1. AUTOR1 y A2. AUTOR2, Título del artículo. Analítika, Vol N◦ , ISSN: 1390-6208, (año). páginas.
3 4 5 El lector debe estar debidamente identificado.
ISSN 1390-6208
e-ISSN 1390-7867
1
Número 1 - 2011
enero - junio
Administración Central
Quito
Juan Larrea N15-36 y José Riofrío
Teléfonos: (593) 22544 326 - 22544 561
Fax: (593) 22509 836 Casilla postal: 135C
correo-e: planta_central@inec.gob.ec
analitika@inec.gob.ec