ANAlitica1 PDF

ISSN 1390-6208
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
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
Livino Armijos Alberto Tassara

DIRECTOR DE ESTUDIOS ANALÍTICOS REVISIÓN DE ESTILO Y REDACCIÓN
ESTADÍSTICOS
Byron Sosa
Paúl Medina Ph.D. DISEÑO Y DIAGRAMACIÓN PORTADA Y SEPARATAS
EDITOR - DIRECTOR CIENTÍFICO DE LA REVISTA
Copyright. Analítika. Se permite la reproducción total o

Ana Molina M.Sc., Ph.D.(c) parcial de esta revista citando la fuente.
Instituto Universitario de Investigación José Ortega y
Gasset - España
Edición. Presentamos una re-edición de la revista Analítika
COMITÉ EDITORIAL INTERNACIONAL
volumen 1. Septiembre 2013.
Paúl Medina Ph.D.

El sistema tipográfico utilizado para componer esta revista
Escuela Politécnica del Ejército
fue LATEX, el cual es un sistema de composición orientado
Juan García M.Sc. especialmente a la creación de libros y documentos científicos
Universidad de Las Américas de alta calidad sobre software libre.
Marco Flores Ph.D.
Escuela Politécnica del Ejército
COMITÉ EDITORIAL NACIONAL - ECUADOR
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
Determinantes de la temporalidad en el mercado laboral ecuatoriano . . . . . . . . . . . . . . . . . . . . . . . . 7

Determinants of temporality in Ecuadorian labor market
Yannira Chávez y Paúl Medina
Fecundidad en el Ecuador y su relación con el entorno social y evolutivo . . . . . . . . . . . . . . . . . . . . . 31

Fertility in Ecuador and its relationship with social and evolutionary environment
Cintya Lanchimba y Paúl Medina
Estudio de la desigualdad de ingresos en el Ecuador considerando esfuerzos y herencias so-

ciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Study over earnings inequality in Ecuador considering personal effort and social inheritance
Margarita Velín y Paúl Medina
Estimación de la Densidad Poblacional del Ecuador Continental . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93

Estimation of population density of continental Ecuador
David Bastidas y Paúl Medina
Un modelo matemático para esquemas piramidales tipo Ponzi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123

A mathematical model for Ponzi pyramid schemes
Juan Mayorga
Normas para la presentación de trabajos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
Norms for submission of papers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
Código de ética . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
3
Analíti a k
Determinantes de la temporabilidad en el mercado
laboral ecuatoriano
Determinants of temporality in Ecuadorian labor

market

Esta página se deja intencionalmente en blanco
Analíti a k
Determinantes de la temporabilidad en el mercado laboral ecuatoriano
Journal of Statistical Analysis 1
Determinantes de la temporabilidad en el mercado laboral
ecuatoriano
Determinants of temporality in Ecuadorian labor market
Yannira Chávez† y Paúl Medina‡

† Unidad de Análisis de la Información Estadística, Subdirección General, Instituto Nacional de Estadística y Censos, Quito, Ecuador
‡ Departamento de Ciencias Exactas, Escuela Politécnica del Ejército, Quito, Ecuador
‡ Instituto Gregorio Millán, Universidad Carlos III de Madrid, Madrid, España
† yannira_chavez@inec.gov.ec, † yannira_chavez@yahoo.es, ‡ plmedina@espe.edu.ec
Recibido: 15 de septiembre de 2010 Aceptado: 15 de octubre de 2010
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).
Keywords: fixed-term employment, permanent employment, logistic regression, branch of activity.
Código JEL: C35, C87, J01, J41.
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
Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28 7

Analíti a k
de renovar el contrato por las siguientes temporadas; caso Para cuantificar la influencia que ejercen las variables
contrario, el empleador debe incurrir en el pago de indem- explicativas en la probabilidad de tener una relación labo-
nización [4]. ral temporal frente a una indefinida, se especifica en el si-
En el caso concreto de Ecuador, la evolución de los con- guiente modelo logit:
tratos temporadas decrece notablemente a partir del año
2008, por el Mandato Constituyente No. 81 (Eliminación ex p(ηi )
Pr(Y = yi ) = , i = 1, 2, · · · , N. (1)
y prohibición de la tercerización, intermediación laboral, 1 + ex p(ηi )
contratación laboral por horas y cualquier forma de preca- donde,
rización de las relaciones de trabajo). Sin embargo, no se
evidencia un efecto progresivo en el largo plazo, pues se
1 contrato temporal
presenta una tendencia creciente que se mantiene a lo largo Y=
0 contrato indefinido
del año 2009. Esto podría deberse a que las empresas ecua-
y
torianas no están en la capacidad de brindar estabilidad
a sus trabajadores, ni brindar posibilidades de formación ηi = β 0 + β 1 Xi1 + ... + β n Xin . (2)
y promoción interna, generándose altas tasas de rotación, La ec. (1) representa una función de distribución de pro-
menor antigüedad laboral y salarios más bajos para este babilidad, en consecuencia toma sus valores entre 0 y 1.
grupo de asalariados. Además, tiene la forma de S, véase figura 1.
Por lo expuesto, este trabajo tiene dos propósitos. En
primer lugar, se examinarán las condiciones de los asalaria-
dos para evidenciar cuáles son las características primor-
diales que afectan o determinan que una persona tenga un
contrato temporal y, de esta manera, poder influenciar en
las condiciones del individuo, disminuyendo así la tenden-
cia creciente de esta modalidad de contrato. En segundo lu-
gar, se desea determinar en qué medida la temporabilidad
es un fenómeno que depende tanto de las características de
los trabajadores, como de la rama de actividad de las em-
presas.
El artículo se estructura como sigue. En la sección 2 se
expone con detalle la metodología y las especificaciones
econométricas que servirán de base para las estimaciones
que se realizarán. La sección 3 presenta los modelos desa- Figura 1. Función de distribución logística. Fuente: elaboración
rrollados que permiten el contraste entre la técnica de es- propia.
timación empleada y los datos y variables utilizados. Fi-
nalmente, en la sección 4 se señalan las conclusiones más
relevantes. Para estimar los parámetros del modelo 1 se utiliza el
método de máxima verosimilitud. Es decir, estimaciones
que hagan máxima la probabilidad de obtener los valo-
res de la variable dependiente Y, en función de los datos
2 Metodología de la muestra. Estas estimaciones no son de cálculo di-
recto, como ocurre en el caso de las estimaciones de los
En esta sección se plantea las especificaciones economé-
coeficientes de la regresión lineal múltiple por el método
tricas necesarias, para analizar los factores determinantes
de los mínimos cuadrados. Para el cálculo de estimaciones
al momento de tener un contrato temporal, en contraposi-
máximo-verosímiles, normalmente hay que recurrir a ruti-
ción con el contrato indefinido.
nas de optimización matemática; por ejemplo, el algoritmo
de Newton-Raphson.
2.1 Especificaciones econométricas En este trabajo, de manera particular, se utilizará el soft-
ware estadístico SPSS. Una de las principales ventajas de
La modelización estadística con datos binarios tiene co- utilizar este software es que, a más de obtener los estima-
mo fin adaptar las herramientas de regresión convenciona- dores de los coeficientes de la regresión, se obtiene los erro-
les para relacionar la variable respuesta (Y ), con variables res estándar del modelo. Luego de estimar el modelo, el
explicativas ( X1 , X2 , · · · , Xn ) [6]. Dentro de este contexto, siguiente paso será comprobar la significación estadística
los modelos de regresión logística son los más utilizados de cada uno de los coeficientes de la regresión; para ello, se
cuando la variable dependiente es cualitativa. emplean básicamente tres métodos: el estadístico de Wald2 ,
1 Mandato Constituyente 8 (Suplemento del Registro Oficial 330, 6-V-2008).
2 Estadísticode Wald: Contrasta la hipótesis de que un coeficiente aislado es distinto de 0 y, sigue una distribución normal de media 0 y varianza 1.
8 Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28

Analíti a k
el estadístico G de razón de verosimilitud3 y la prueba de 3 Desarrollo de Modelos
Score4 . En la presente investigación utilizaremos el estadís-
tico de Wald, ya que nos permite evaluar de forma indivi- En esta sección se presentan los modelos que permiten
dual la significancia de la covariable introducida. el contraste entre la técnica de estimación empleada y los
Para la interpretación de los parámetros β, sin conocer datos y variables utilizadas. Se detallan dos modelos que
la magnitud de los mismos, ya que no es un modelo lineal, permitirán explicar las características que afectan el tener
el signo indica que si el estimador es positivo, incrementos un contrato temporal y determinar en qué medida la tem-
en la variable asociada causan incrementos en la probabi- porabilidad depende de la rama de actividad.
lidad de tener un contrato temporal (Pr (Y = 1)). Por el
contrario, si el estimador es negativo, significará que incre- 3.1 Etapas de la construcción del modelo
mentos en la variable asociada causarán disminuciones en
la probabilidad de tener un contrato temporal (Pr (Y = 1)). Antes de profundizar en los modelos, se realizará una
Para profundizar más la interpretación de los estima- enumeración de los pasos que contempla su construcción,
dores en el modelo Logit se definen dos conceptos funda- pues ella permitirá tener una breve visión de lo que se abar-
mentales [2]: cará en cada paso. A continuación, se detallan las etapas
necesarias para la construcción del modelo.
D EFINICIÓN 1 (Odds). Se define como el cociente de probabili-
dades, entre la variable respuesta y su complemento. Algebraica- 1. Selección de la ventana de muestreo: se detalla los da-
mente, se expresa como: tos de la Encuesta de Empleo, Desempleo y Subem-
pleo.
Pr (Y = 1) 2. Definición de la variable dependiente: contrato tem-
Odds = = ex p( β 0 + β 1 Xi1 + ... + β n Xin ). poral frente a contrato indefinido.
1 − Pr (Y = 1)
(3)
3. Análisis descriptivo de la base: conocer la estructura
Tomando logaritmos neperianos en la ec. (3), obtene- y calidad de la base de datos.
mos una expresión lineal para el modelo: 4. Selección de las variables explicativas del modelo:
identificación de las variables independientes.

Pr (Y = 1)
Logit[ Pr (Y = 1)] = ln 5. Estimación del modelo (Regresión Logística): resulta-
1 − Pr (Y = 1) dos de los coeficientes del modelo.
= ( β 0 + β 1 Xi1 + ... + β n Xin ). (4)
6. Validación del modelo: pruebas para explicar la pre-
En la ec. (4), por ejemplo, se aprecia que el estimador dicción del modelo.
β n se podrá interpretar como la variación en el término
7. Definición de perfiles de individuos: agrupación de
Logit (el logaritmo neperaino del cociente de probabilida-
los individuos de acuerdo al modelo estimado.
des) causada por una variación unitaria de Xn (suponiendo
constantes el resto de variables explicativas).
3.2 Modelo 1
D EFINICIÓN 2 (Odds-Ratio). Se define cómo el cociente entre
los dos odds asociados. El obtenido tras realizar el incremento Dos son los objetivos de este modelo: el primero es
en el grupo con el factor de evaluación (Odds2) y el grupo sin identificar la probabilidad de tener una relación laboral
el factor de evaluación (Odds1). Algebraicamente, la relación se temporal y el segundo es conocer el segmento de indivi-
expresa como: duos que presentan mayor propensión de adquirir un con-
trato temporal frente a un contrato indefinido.
Odds2 La correcta identificación de las características indivi-
Odds − Ratio = = ex p( β i ). (5)
Odds1 duales puede facilitar la generación de estrategias diferen-
ciadas, con el fin de establecer mayor estabilidad en el mer-
De la definición 2 se deduce que un coeficiente β i cer-
cado laboral ecuatoriano. En resumen, este modelo está en-
cano a cero, un Odds-Ratio cercano a uno, significará que
focado a diagnosticar los factores que influyen en tener un
cambios en la variable explicativa Xi asociada no tendrán
contrato temporal, basándose en la historia de cada indivi-
efecto alguno sobre la variable dependiente Y, pues:
duo; para lo cual, se considera los datos de la Encuesta de
Odds2 = Odds1, Empleo, Desempleo y Subempleo (ENEMDU), desde el II
trimestre del año 2007 al II trimestre de año 2010 y la meto-
es decir, no se observa variación tras realizar el incremento. dología descrita en la sección anterior.
3 Estadístico G: Es la contrastación de cada uno de los modelos que surgen de eliminar de forma aislada cada una de las covariables frente al modelo
completo.
4 Prueba Score: Este estadístico se incrementa conforme aumenta el número de covariables y, no es muy utilizado para la evaluación del modelo.

Analíti a k
3.2.1 Selección de la ventana de muestreo un período de tiempo. Dentro de esta modalidad se considera las
relaciones laborales: nombramiento o contrato permanente.
El período de análisis abarca datos trimestrales del área
urbana y se realizan las siguientes restricciones en la base:
3.2.3 Análisis descriptivo de la base
• Se considera a las personas de 15 a 65 años de edad de- El análisis exploratorio sirve para conocer la estructura
bido a que los Artículos 82 y 86 del Código de la Niñez y la calidad de la base de datos.
y Adolescencia [8] señalan que la edad mínima para rea- A continuación, se presenta el resultado final de las
lizar un contrato laboral se fija en 15 años para todo tipo principales variables para los 57.858 individuos a conside-
de trabajo; y, por otro lado, se establece hasta los 65 años rar. Cabe señalar que dentro de la base se tiene un 0.30 %
de edad, pues es la edad mínima en la que los empleados de individuos que no informan sobre las preguntas que se
pueden jubilarse. tomarán en cuenta, en el desarrollo de esta investigación.
En la tabla 2 se puede observar que la categoría viu-
• Se seleccionaron a los individuos que están trabajando do de la variable Estado Civil representa sólo el 1.51 % del
y tienen un contrato laboral. Además, se considera a in- universo, lo cual nos indica que no es un dato represen-
dividuos únicos en los diferentes períodos de tiempo, es tativo dentro de la muestra, por lo que se decidió eliminar
decir, si un individuo X fue encuestado en el segundo tri- esta categoría con el objetivo de tener una mejor estimación
mestre del año 2007 y, el mismo individuo X es encues- (véase tabla 6).
tado nuevamente en el segundo trimestre del año 2008,
se tomará la información más actual, es decir, la del se- Estado Civil Número Porcentaje
gundo trimestre del año 2008. Casado (a) 20660 35.71
Soltero (a) 20636 35.67
Unión Libre(a) 10042 17.36
3.2.2 Definición de la variable dependiente
Separado (a) 4194 7.24
Se toma como variable dependiente el hecho de que un Divorciado (a) 1458 2.52
individuo tenga un contrato temporal o un contrato indefi- Viudo (a) 871 1.51
nido, basándose en la información que proporciona la pre-
gunta 435 de la encuesta ENEMDU. Tabla 2. Frecuencias y Porcentajes para la variable Estado Civil.
Fuente: elaboración propia a partir de la encuesta ENEMDU.
A continuación se muestra los datos procesados (véase
tabla 1).
Nivel de Instrucción Número Porcentaje
Variable Dependiente Porcentaje Centro de Alfabetización 118 0.20
Temporal 52.86 Educación Media 2604 4.50
Indefinido 47.14 Educación Básica 2577 4.45
Ninguno 684 1.18
Tabla 1. Distribución de la variable dependiente. Fuente: elabora- Primaria 12731 22.00
ción propia a partir de la encuesta ENEMDU. Secundaria 19613 33.89
Superior no universitaria 840 1.45
Antes de continuar es conveniente tener claro los con- Superior universitaria 17509 30.26
ceptos de contrato temporal y contrato indefinido, tenien- Post-grado 1182 2.04
do presente que un contrato en su forma más general es
un acuerdo entre el empresario y el trabajador, en el cual Tabla 3. Frecuencias y Porcentajes para la variable Nivel de
se detallan las condiciones en las que el trabajador se com- Instrucción. Fuente: elaboración propia a partir de la encuesta
promete a realizar un determinado trabajo o actividad por ENEMDU.
cuenta del empresario y bajo su dirección, a cambio de una
retribución o sueldo. En la tabla 3 se puede observar que los datos se en-
cuentran concentrados en determinadas categorías, por lo
D EFINICIÓN 3 (Contrato temporal). Es todo contrato que tie- que se decidió eliminar las que tienen una menor repre-
ne una duración determinada, es decir, por un período finito de sentación, siendo los centros de alfabetización, ninguno y
tiempo. Dentro de esta modalidad se considera las relaciones la- superior no universitario, ya que en conjunto representan
borales: ocasional, eventual, por obra, a destajo, por horas y por un 2.83 % del universo considerado. Además, se agrupó las
jornal. categorías educación básica y primaria como una sola, con
el nombre de Educación Básica y las categorías educación
D EFINICIÓN 4 (Contrato indefinido). Es todo contrato que media y secundaria como Educación Media. Para identifi-
tiene una duración por tiempo indefinido, es decir, no se establece car precisamente el nivel de instrucción del individuo, se
5
La pregunta 43 de la encuesta ENEMDU dice: “El trabajo que tiene(...) es: Con nombramiento; Con contrato permanente/indefinido/estable o de
planta; Contrato temporal, ocasional o eventual; Por obra, a destajo; Por horas; Por jornal”

Analíti a k
analizará esta variable con detalle en el modelo 2 (véase En la tabla 6, se describe los cambios que se efectuaron
tabla 7). realizando las agrupaciones y eliminaciones que se citaron
anteriormente.
Ocupación Número Porcentaje Un análisis preliminar indica que el contrato temporal
Empleado Privado 35564 61.47 se concentra en los individuos solteros, mientras que los in-
Empleado de Gobierno 11339 19.60 dividuos casados tienen mayor tendencia a tener contrato
Jornalero o peón 6619 11.44 indefinido (véase tabla 6).
Empleado Doméstico 3868 6.69 Se puede observar en la tabla 7 que el contrato temporal
Empleado Tercerizado 468 0.81 se concentra en los individuos de educación media y entre
Tabla 4. Frecuencias y Porcentajes para la variable Ocupación.
las categorías de educación básica y superior universitaria
Fuente: elaboración propia a partir de la encuesta ENEMDU. que en conjunto representan el 25.80 % mientras que el con-
trato indefinido se concentra en los individuos que tienen
En la tabla 4 se muestra la distribución de la varia- educación superior universitaria y entre las categorías de
ble ocupación, decidiendo eliminar la categoría jornalero o educación básica y educación media que en conjunto re-
peón que representa el 11.44 % del universo para enfatizar presentan el 28.13 %.
el análisis en las categorías restantes (véase tabla 8). Dentro del análisis se puede evidenciar que tanto el
contrato temporal como el indefinido se concentran en los
Región Natural Número Porcentaje empleados privados. Es decir, la distribución de los indivi-
Sierra 28677 49.56 duos en las categorías de ocupación es proporcional tanto
Costa 25818 44.62 para el contrato temporal como para el contrato indefinido
Amazonía 3302 5.71 (véase tabla 8).
No delimitado* 61 0.11 La región Costa presenta una mayor agrupación del
*El termino No delimitado se refiere a las zonas de
contrato temporal, mientras que la región Sierra tiene una
las Golondrinas, Manga del Cura, y el Piedrero.
mayor concentración en contratos indefinidos (véase ta-
bla 9).
Tabla 5. Frecuencias y Porcentajes para la variable Región Natu-
ral. Fuente: elaboración propia a partir de la encuesta ENEMDU.
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.
Estado Civil Contrato Indefinido Contrato Temporal Total

Categoría Número % Número % Número %
Casado (a) 12332 25.09 6025 12.26 18357 37.34
Soltero (a) 7542 15.34 10170 20.69 17712 36.03
Unión Libre 3534 7.19 4449 9.05 7983 16.2
Separado (a) 1613 3.28 2112 4.30 3725 7.58
Divorciado (a) 933 1.90 448 0.91 1381 2.81
Tabla 6. Distribución por tipo de contrato de la variable Estado Civil. Fuente: elaboración propia a partir de la encuesta ENEMDU.
Nivel de Instrucción Contrato Indefinido Contraro Temporal Total

Educación Básica 4304 8.76 6697 13.62 11001 22.38
Educación Media 9523 19.37 10307 20.97 19830 40.34
Superior Universitaria 11167 22.72 5988 12.18 17155 34.90
Post-grado 960 1.95 212 0.43 1172 2.38
Tabla 7. Distribución por tipo de contrato de la variable Nivel de Instrucción. Fuente: elaboración propia a partir de la encuesta
ENEMDU.

Analíti a k
Ocupación Contrato Indefinido Contrato Temporal Total
Empleado Privado 16176 32.91 18324 37.28 34500 70.18
Empleado Gobierno 8321 16.93 2339 4.76 10660 21.69
Empleado Doméstico 1336 2.72 2208 4.49 3544 7.21
Empleado Tercerizado 121 0.25 333 0.68 454 0.92
Tabla 8. Distribución por tipo de contrato de la variable Ocupación. Fuente: elaboración propia a partir de la encuesta ENEMDU.
Región Natural Contrato Indefinido Contrato Temporal Total

Sierra 15567 31.67 9509 19.34 25076 51.01
Costa 8914 18.13 12351 25.13 21265 43.26
Amazonia 1473 3.00 1344 2.73 2817 5.73
Tabla 9. Distribución por tipo de contrato de la variable Región Natural. Fuente: elaboración propia a partir de la encuesta ENEMDU.
No Variable Tipo Categoría

1 Edad Discreta
2 Sexo Hombre
Dicotómica
Mujer
3 Nivel de Instrucción Educación Básica
Educación Media
Categórica
Superior Universitario
Post-grado
4 Estado Civil Casado
Separado
Categórica Divorciado
Unión Libre
Soltero
5 Ocupación Empleado Gobierno
Empleado Privado
Categórica
Empleado Tercerizado
Empleado Doméstico
6 Antigüedad Mayor a un año
Dicotómica
Menor igual a un año
7 Jornada Laboral Jornada Completa
Dicotómica
Jornada Parcial
8 Región Natural Sierra
Categórica Costa
Amazonia
9 Número de trabajadores Discreta
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-

Analíti a k
madores se rechaza (H0 ). Sin embargo, las variables de Ni- el modelo multivariado ya que aportan información extra
vel de Instrucción (en la categoría Superior Universitaria) dentro del objetivo de la investigación [3], que es identificar
y Estado Civil (en la categoría Divorciado y Unión Libre), las características del individuo para cuantificar la proba-
que tienen una significancia estadística mayor a 0.05, la hi- bilidad en tener un contrato temporal frente a un contrato
pótesis nula se acepta, pero debido a que las mismas de indefinido.
forma univariante son significativas. Se decidió dejarlas en
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.

Analíti a k
D EFINICIÓN 7 (La R cuadrado de Nagelkerke). Es una ver- modelo. En este caso, se introdujeron las variables en un
sión corregida de la R cuadrado de Cox y Snell. La R cuadrado de solo bloque, el estadístico Chi cuadrado del Bloque es el
Cox y Snell tiene un valor máximo inferior a 1, incluso para un mismo que el estadístico Chi cuadrado del Modelo. Por
modelo “perfecto”. La R cuadrado de Nagelkerke corrige la escala lo que se realizó el modelo incluyendo las variables en
del estadístico para cubrir el rango completo de 0 a 1. forma conjunta, después de haber evaluado las pruebas
de forma individual.
Después de tener claro los conceptos, se procede a ex-
plicar los resultados presentados en la tabla 12, Paso, Blo- • La tercera fila (MODELO) es la diferencia entre el valor
que y Modelo. de (-2LL) para el modelo, sólo con la constante y el valor
de (-2LL) para el modelo actual [1].
• La primera fila (PASO) es la correspondiente al cambio
de verosimilitud (de -2LL, véase la definición 5) entre pa-
La significación estadística (0,00) nos indica que el mo-
sos sucesivos en la construcción del modelo.
delo con las variables introducidas mejora el ajuste de for-
• La segunda fila (BLOQUE) es el cambio (-2LL) entre blo- ma significativa y se rechaza la hipótesis nula H0 .
ques de entrada sucesivos durante la construcción del Finalmente, se presenta el resumen del modelo.
Paso -2 log de la R cuadrado de R cuadrado de

verosimilitud Cox y Snell Nagelkerke
1 53954,665 ,248 ,332
Tabla 13. Resumen del Modelo. Fuente: elaboración propia a partir de la encuesta ENEMDU.
El R cuadrado de Cox y Snell presentado en la tabla • x41 : Casado

13 tiene un valor de 0,248 que indica que el 24,80 % de la
variación de la variable dependiente es explicada por las • x42 : Separado
variables incluidas en el modelo. Considerándose que es • x43 : Divorciado
un buen ajuste en la estimación del modelo, pues la prime-
ra prueba de hipótesis que se realiza acepta las variables • x44 : Unión Libre
incluidas y la consistencia del modelo [1, 5].
• x5 : Edad
3.2.6 Validación del Modelo 1 • x61 : Empleado Gobierno
La ecuación de regresión logística obtenida es: • x62 : Empleado Privado
ex p(ηi ) • x63 : Empleado Tercerizado

Pr(Y = yi ) = , i = 1, 2, · · · , n, (6)
1 + ex p(ηi ) • x7 : Número de trabajadores en el establecimiento
donde
1 contrato temporal • x81 : Sierra
Y=
0 contrato indefinido • x82 : Costa
• x91 : Antigüedad mayor a un año
ηi = 2,226 + 0,170x21 + 0,944x31 + 0,476x32 + 0,116x33
−0,247x41 + 0,202x42 − 0,129x43 − 0,009x44 − 0,018x5 • x101 : Jornada laboral completa
−0,851x61 − 0,113x62 − 1,058x63 − 0,005x7 − 0,443x81
Una de las formas de evaluar el ajuste del modelo es
+0,352x82 − 1,524x91 − 0,929x101 . mediante una “valoración de prueba diagnosticada”. Esto
es comprobar cómo clasifica el modelo obtenido a nuevos
Las variables consideradas son: individuos de la muestra, en comparación con la realidad
observada. Con el objetivo de evidenciar la clasificación
• x21 : Hombre que realiza el modelo con las nueve variables predictoras,
se presenta la tabla de clasificación (véase tabla 14).
• x31 : Educación Básica En la tabla 14 podemos apreciar cómo el modelo obte-
• x32 : Educación Media nido clasifica correctamente a 15.727 (de los 23.204) trabaja-
dores temporales (Y = 1), por lo que su sensibilidad es de
• x33 : Superior Universitaria 67.80 %. Por otra parte, el modelo clasifica correctamente a

Analíti a k
19.909 de los 25.954 trabajadores con contrato indefinido,
por lo que la especificidad del modelo es del 76.70 %.
Figura 2. Curva de COR. Fuente: elaboración propia a partir de la

encuesta ENEMDU.
Una segunda opción para evaluar el ajuste del mode-
Tabla 14. Tabla de Clasificación. Fuente: elaboración propia a par-
lo construido es a través del test de Hosmer-Lemeshow 6
tir de la encuesta ENEMDU. presentado en la tabla 16, los deciles de riesgo que se esta-
blecen para los valores observados y esperados. En la tabla
De forma global, se puede decir que se ha clasificado 15 se encuentra la evaluación de la prueba a través del test
correctamente al 72.50 % de los individuos, siendo consi- Chi cuadrado que contrastará ambas distribuciones (con 8
derada una predicción aceptable [1]. grados de libertad).
A continuación, se estima la curva característica opera-
tiva del receptor (curva de COR), (véase la figura 2), la cual Paso Chi cuadrado gl Sig.
discrimina la puntuación óptima de corte para una prueba 1 187,754 8 ,050
de detección selectiva. El área bajo la curva es una medida
Tabla 15. Prueba de Hosmer y Lemeshow. Fuente: elaboración
global de la exactitud de una prueba diagnosticada. Esto propia a partir de la encuesta ENEMDU.
es, la probabilidad de clasificar correctamente un par de
individuos con contrato temporal y contrato indefinido. El El test Chi cuadrado (véase tabla 15) es significativo, in-
resultado obtenido es de 0.796. Es decir, el poder de discri- dicando que los valores observados en algunos casos pue-
minación del modelo construido es de aproximadamente den ser diferentes a los observados. Por lo que se evaluará
el 80 %. los deciles de riesgo en la tabla 16.
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.

Analíti a k
Se constata en la tabla 16 que los valores esperados en En la tabla 17, se puede observar una correlación nega-
los deciles 7 y 9 son los resultados que peor se ajustan a los tiva con un coeficiente de Pearson de -0,522 respecto a la
datos, porque son los que se encuentran más dispersos en edad, siendo estadísticamente significativa.
relación a los valores observados.
Finalmente, como el modelo considera variables cuanti-
tativas (Edad, Número de trabajadores), se realiza un estu-
dio de linealidad en el modelo logit. Se procedió a realizar
gráficos de dispersión y el cálculo de correlaciones, como
se presenta en la figura 3.
Puede observarse en la figura 3 que existe cierta agru-
pación, tanto para la variable Edad como para el Número
de trabajadores, sin mayor dispersión individual.
Tabla 18. Correlaciones Número de trabajadores. Fuente: elabora-

ción propia a partir de la encuesta ENEMDU.
En la tabla 18, se puede observar una correlación po-

sitiva con un coeficiente de Pearson de 0,036, respecto al
número de trabajadores siendo estadísticamente significa-
tiva.
3.2.7 Definición de perfiles de individuos

Figura 3. Edad y Numero de Trabajadores. Fuente: elaboración
propia a partir de la encuesta ENEMDU. Para detectar cómo se encuentran distribuidos o agru-
pados los individuos de acuerdo al modelo calculado, en lo
Para verificar lo obtenido en las figuras se realiza un que respecta al rango de edad, se analiza en qué edades se
análisis de correlación bivariante que se muestran en las concentra el contrato temporal e indefinido en los casos de
tablas 17 y 18, respectivamente. estudio. Una distribución por rango de edades revela que
el contrato indefinido se concentra en las personas de 36 a
40 años de edad, presentando una probabilidad media es-
perada del 0.72. Por otra parte, las personas con contratos
temporales se concentran en los individuos de 26 a 30 años,
con una probabilidad media esperada del 0.70.
En lo que respecta a la actividad económica 7 que per-
mite clasificar al establecimiento donde trabaja la persona
dentro de un sector de la economía, según la clase de bienes
o servicios que produce. El contrato temporal se encuen-
tra concentrado en la rama de “Comercio al por mayor y
menor; reparación de vehículos automotores, motocicletas,
efectos personales y enseres domésticos”, con una proba-
bilidad media esperada del 0,72 de conseguir un contrato
temporal, mientras que el contrato indefinido se encuentra
concentrado en la rama de “Administración pública y de-
fensa; planes de seguridad social de afiliación obligatoria”,
con una probabilidad media esperada del 0,80 de obtener
un contrato indefinido.
Tabla 17. Correlaciones Edad. Fuente: elaboración propia a partir En referencia a la temporabilidad por provincia, el con-
de la encuesta ENEMDU. trato temporal se concentra en la provincia del Guayas, con
7
Se toma en cuenta la clasificación de la Rama de Actividad de acuerdo a la Revisión 3.1 de la Clasificación Internacional Industrial Uniforme
(CIIU)

Analíti a k
una probabilidad media esperada del 0,74 y, por el contra- Las características como el nivel de educación, el tipo
rio, el contrato indefinido se encuentra agrupado en la pro- de ocupación, la antigüedad y la jornada laboral son varia-
vincia de Pichincha, con una probabilidad media esperada bles que al modificar su estado, afectan en mayor medida
de 0,75. la probabilidad de obtener un contrato temporal. Esto se
Finalmente, de acuerdo a la clasificación del modelo es- observa en el escenario pesimista, con las condiciones esta-
timado, la probabilidad media esperada de tener un con- blecidas se obtuvo una probabilidad alta en la predicción
trato temporal desde el segundo trimestre del año 2007 del modelo. Por otra parte, las variables edad y número de
hasta el primer trimestre del año 2010 se concentra en el trabajadores que son continuas indican que a medida que
cuarto trimestre del año 2009, presentando una probabili- estas se incrementen en una unidad va a ocasionar una dis-
dad media esperada de 0,71. El contrato indefinido se ha minución en la probabilidad de obtener un contrato tem-
concentrado en el mismo trimestre del año presentando poral. Por último, la región Costa es la que presenta una
una probabilidad media esperada del 0,73 de tener un con- mayor probabilidad de temporabilidad y la región Sierra
trato indefinido. Esto puede ser explicado, por la estaciona- es la de menor probabilidad.
lidad que existe en el comportamiento del mercado laboral,
en el mes de diciembre.
3.3 Modelo 2
3.2.8 Escenarios del Modelo 1 Este modelo, además de cuantificar los factores que in-
fluyen en el contrato temporal, permite ser aplicado de for-
Se presentan tres escenarios: pesimista, optimista y mo- ma independiente en cada rama de actividad, basándose
derado. Con base en los resultados estimados para el Mo- en la historia del individuo desde el 2o trimestre del año
delo 1 se buscará establecer las características que se di- 2007 al 2o trimestre del año 2010. Adicionalmente, se con-
ferencian al variar las circunstancias personales, laborales, sidera un trimestre más en referencia al Modelo 1, teniendo
familiares y la región en la que se encuentren las personas, así un universo mayor en 9.29 % al considerado en el ante-
con el objeto de evidenciar la predicción que tiene el mode- rior modelo.
lo. La explicación y restricciones que se tomaron en cuen-
A continuación, se presenta en la tabla 19 los resultados ta para el desarrollo de este nuevo modelo son las mismas
para cada escenario. que se detallaron en el Modelo 1; los pasos que se realiza-
ron para obtener los resultados del mismo son los que se
• Escenario Pesimista: se considera las características me-
citan en el numeral 3.1.
nos favorables que puede tener un asalariado. Así, un
A continuación se detallan las diferencias que se consi-
hombre o mujer con educación básica, divorciado, terce-
deraron relevantes:
rizado, con una antigüedad menor igual a un año, con
jornada parcial y de la Amazonia, tendrá una probabili-
1. Se considera un trimestre más en el universo a ser
dad de 0.99 o 0.98 de tener un contrato temporal, respec- tomado en cuenta, siendo 63.234 individuos para el
tivamente, (véase tabla 19).
estudio.
• Escenario Moderado: se considera condiciones acepta-
2. No se considera variables continúas, categorizando
bles de un asalariado en el mercado laboral. Así, un
las variables edad y número de trabajadores.
hombre o mujer —con un nivel de instrucción superior
universitaria— casado, empleado privado, con una an- 3. Se agrega la variable “Recibe cursos de capacitación”.
tigüedad mayor a un año, con jornada completa y de la
Costa, tendrá una probabilidad de 0.51 o 0.46 de tener un 4. En lugar de ingresar la variable “Región Natural”, se
contrato temporal, respectivamente (véase tabla 19). toma en cuenta una desagregación por las cinco ciu-
dades autorepresentadas (Cuenca, Machala, Guaya-
• Escenario Optimista: se considera condiciones relativa- quil, Quito, Ambato ) y las regiones.
mente buenas y estables dentro del mercado laboral. Así,
un hombre o mujer con post-grado, soltero, empleado de 5. Para la variable Nivel de Instrucción no se realiza las
gobierno, con una antigüedad mayor a un año, con jor- mismas agrupaciones descritas, si no se unifica la in-
nada completa y de la Sierra tendrá una probabilidad de formación de los individuos que se registra con el sis-
0.20 o 0.18 de tener un contrato temporal, respectivamen- tema tradicional al sistema actual de educación, para
te (véase tabla 19). mayor información, [7].
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.

Analíti a k
7. En la variable Ocupación se realizó un cambio en las cerizado debido a que la proporción dentro del uni-
ocupaciones tomadas en cuenta, incorporando la ca- verso considerado es menor. Esto se puede observar
tegoría jornalero o peón y eliminando empleado ter- en la tabla 4.
Características del Individuo Escenarios

Pesimista Moderado Optimista
Hombre 1 1 0
Sexo
Mujer 0 0 1
Educación Básica 1 0 0
Nivel de Educación Media 0 0 0
Instrucción Superior Universitaria 0 1 0
Post-grado 0 0 1
Casado 0 1 0
Separado 0 0 0
Estado Civil Divorciado 1 0 0
Unión Libre 0 0 0
Soltero 0 0 1
Empleado Gobierno 0 0 1
Empleado Privado 0 1 0
Ocupación
Empleado Tercerizado 1 0 0
Empleado Doméstico 0 0 0
Mayor a un año 0 1 1
Antigüedad
Menor igual a 1 año 1 0 0
Jornada Completa 0 1 1
Jornada Laboral
Jornada Parcial 1 0 0
Sierra 0 0 1
Costa 0 1 0
Región Natural
Amazonía 1 0 0
Disminuye
Edad
Número de Disminuye
Trabajadores
Pr (Y = 1) 0.9859 0.5068 0.1757
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-

Analíti a k
mente al aumentar la probabilidad en la obtención de una disminución en la probabilidad de tener un contrato tem-
relación laboral temporal, son que un individuo tenga un poral son que tenga un nivel de instrucción superior, sea
nivel de educación básica o media, que sea hombre y sol- mujer y casada.
tero. Por otro lado, las características que posibilitan una
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

Analíti a k
a 25 años de edad, con educación básica, separa- hombre o mujer, que se encuentre entre los 26 a 35
do/divorciado, jornalero/peón, con una antigüedad años de edad, con un un nivel de instrucción supe-
menor igual a un año, con jornada parcial, en un esta- rior universitaria, casado/unión libre, empleado pri-
blecimiento de menos de 100 trabajadores, no recibe vado, con una antigüedad mayor a un año, con jor-
cursos de capacitación y, es de la Costa, tendrá una nada completa, en un establecimiento de menos de
probabilidad de 0.99 o 0.99 de tener un contrato tem- 100 trabajadores, no recibe cursos de capacitación y
poral, respectivamente, (véase tabla 21). es de la Amazonía, tendrá una probabilidad de 0.44 o
0.39 de tener un contrato temporal, respectivamente,
• Escenario Moderado, se considera condiciones acep-
(véase tabla 21).
tables de un asalariado en el mercado laboral. Así un
Características del Individuo Escenarios

Pesimista Moderado Optimista
Hombre 1 1 0
Sexo
Mujer 0 0 1
15-25 1 0 0
26-35 0 1 0
Rango de Edad 36-45 0 0 1
46-55 0 0 0
56-65 0 0 0
Educación Básica 1 0 0
Nivel de Educación Media 0 0 0
Instrucción Superior Universitaria 0 1 0
Post-grado 0 0 1
Casado/Unión Libre 0 1 0
Estado Civil Separado/Divorciado 1 0 0
Soltero 0 0 1
Empleado Gobierno 0 0 1
Empleado Privado 0 1 0
Ocupación
Jornalero o Peón 1 0 0
Empleado Doméstico 0 0 0
Mayor a un año 0 1 1
Antigüedad
Menor igual a 1 año 1 0 0
Jornada Completa 0 1 1
Jornada Laboral
Jornada Parcial 1 0 0
Tamaño del Menos de 100 trabajadores 1 1 0
Establecimiento 100 y más trabajadores 0 0 1
Recibe cursos de Si 0 0 1
capacitación No 1 1 0
Cuenca 0 0 0
Machala 0 0 0
Guayaquil 0 0 0
Ciudade
Quito 0 0 0
Autoreprentadas y
Ambato 0 0 0
Regiónes
Resto de la Sierra 0 0 1
Resto de la Costa 1 0 0
Amazonía 0 1 0
Pr (Y = 1) 0.9990 0.4362 0.0992
Tabla 21. Escenarios para el Modelo 2. Fuente: elaboración propia a partir de la encuesta ENEMDU.

Analíti a k
• Escenario Optimista, se considera condiciones relativa- dustrial Uniforme (CIIU) a un dígito, en la cual se conside-
mente buenas y estables dentro del mercado laboral. Así ran 17 Ramas de Actividad que permiten clasificar al esta-
una hombre o mujer, que se encuentre entre los 36 a 45 blecimiento donde se encuentra el empleado. Recalcando
años de edad, con post-grado, soltero, empleado de go- que para el sector “Q. Organizaciones y órganos extrate-
bierno, con una antigüedad mayor a un año, con jornada rritoriales”, al tener información únicamente de 7 indivi-
completa, en un establecimiento de más de 100 trabaja- duos a lo largo del período de análisis, y su representación
dores, que recibe cursos de capacitación y es de la Sierra, porcentual con respecto a las Ramas de Actividad es del
tendrá una probabilidad de 0.12 o 0.09 de tener un con- 0,01 %, (véase la figura 4), no son datos suficientes que per-
trato temporal, respectivamente, (véase tabla 21). mitan realizar el análisis requerido.
En la figura 4 se puede observar la distribución de las
3.3.3 Análisis por Rama de Actividad distintas Ramas de Actividad, dentro del universo consi-
derado para el estudio.
El objetivo de este análisis, es identificar las caracterís- A continuación, se presentan los resultados obtenidos,
ticas relevantes de cada Rama de Actividad, para de esta enfocándose principalmente en los Rangos de Edad, en el
manera conocer cuál es el grupo de individuos predomi- Nivel de Instrucción, en el tipo de ocupación, y en las ciu-
nante en cada rama y así tener un aporte que permita evi- dades autorepresentadas o regiones. Sin embargo, no se
denciar y constatar las razones de la existencia del contrato prestará mayor atención a las variables, sexo, antigüedad,
temporal en cada una de ellas. jornada laboral, tamaño del establecimiento y recibe cursos
Para lograr el objetivo señalado, se realizó un análisis de capacitación, pues son variables que al aplicarlos en el
desagregado de acuerdo a la Clasificación Internacional In- modelo no son significativas.
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.

Analíti a k
• A. Agricultura, ganadería, caza y silvicultura
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.
Rama de Actividad Características Influencia

Rango de Edad 15-25 Positiva
Nivel de Instrucción Educación Básica Positiva
Empleado/Obrero Privado Negativa
A.Agricultura, ganadería, caza y Ocupación
Jornalero ó Peón Positiva
silvicultura
Regiones y Ciudades Machala Positiva
Autorepresentadas Amazonia Positiva
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.

15-25 Positiva
Rango de Edad
36-45 Positiva
B.Pesca
Ocupación
Jornalero ó Peón Positiva
Tabla 23. Caracterización de los individuos con contrato temporal en la Rama B. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
• C. Explotación de minas y canteras
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

15-25 Positiva
Rango de Edad
46-55 Negativa
C. Explotación de minas y canteras
Ocupación Empleado/Obrero Privado Negativa
Tabla 24. Caracterización de los individuos con contrato temporal en la Rama C. Fuente: elaboración propia a partir de la encuesta
ENEMDU.

Analíti a k
• D. Industrias manufactureras
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.

15-25 Positiva
Rango Edad
26-35 Positiva
15-25 Positiva
Rango Edad
26-35 Positiva
D. Industrias manufactureras
Educación Básica Positiva
Nivel de Instrucción
Educación Media Positiva
Estado Civil Casado / Unión Libre Negativa
Menor igual a un año Positiva
Antigüedad
Mayor a un año Negativa
Ocupación
Empleado/Obrero Pública Negativa
Jornada Parcial Positiva
Jornada Laboral
Jornada Completa Negativa
Menos de 100 trabajadores Positiva
Tamaño de Establecimiento
Mas de 100 trabajadores Negativa
No reciben Positiva
Cursos de Capacitación
Si reciben Negativa
Cuenca Negativa
Autorepresentadas Guayaquil Positiva
Resto de la Costa Positiva
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
• E. Suministro de electricidad, gas y agua
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

15-25 Positiva
E. Suministro de electricidad, gas y agua Rango de Edad
26-35 Negativa
Nivel de Instrucción Educación Media Positiva
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.

Analíti a k
Estado Civil Casado/Unión Libre Negativa
Empleado/Obrero Público Negativa
Ocupación
F. Construcción Empleado/Obrero Privado Negativa
Cuenca Negativa
Regiones y Ciudades
Quito Negativa
Autorepresentadas
Ambato Negativa
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
15-25 Positiva
Rango Edad
26-35 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
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.
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.
• I. Transporte, almacenamiento y comunicaciones
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.

Analíti a k
15-25 Positiva
Rango Edad
26-35 Positiva
Nivel de Instrucción
I. Transporte, almacenamiento y Educación Media Positiva
comunicaciones Empleado/Obrero Privado Negativa
Ocupación
Empleado/Obrero Gobierno Negativa
Cuenca Negativa
Autorepresentadas Quito Negativa
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.

Empleado/Obrero Gobierno Positiva
Ocupación
J. Intermediación financiera Empleado/Obrero Privado Negativa
Regiones y Ciudades Quito Negativa
Autorepresentadas Machala Positiva
Tabla 31. Caracterización de los individuos con contrato temporal en la Rama J. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
• K. Actividades inmobiliarias, empresariales y de alquiler
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

36-45 Positiva
Rango Edad
46-55 Negativa
K. Actividades inmobiliarias, Nivel de Instrucción
Educación Media Positiva
empresariales y de alquiler
Regiones y Ciudades Cuenca Negativa
Ambato Negativa
Tabla 32. Caracterización de los individuos con contrato temporal en la Rama K. Fuente: elaboración propia a partir de la encuesta
ENEMDU.

Analíti a k
• L. Administración pública y defensa; planes de seguridad social de afiliación obligatoria
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

15-25 Positiva
26-35 Positiva
L. Administración pública y defensa; Rango de Edad 36-45 Positiva
planes de seguridad social de afiliación 46-55 Positiva
obligatoria 56-65 Negativa
Autorepresentadas Ambato Negativa
Resto de la Sierra Negativa
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

15-25 Positiva
26-35 Positiva
M. Enseñanza 46-55 Positiva
Machala Positiva
Regiones y Ciudades Guayaquil Positiva
Autorepresentadas Ambato Positiva
Tabla 34. Caracterización de los individuos con contrato temporal en la Rama M. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
• N. Actividades de servicios sociales y de salud
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

Analíti a k
15-25 Positiva
Rango Edad
26-35 Positiva
36-45 Positiva
N. Actividades de servicios sociales y de
salud
Autorepresentadas
Tabla 35. Caracterización de los individuos con contrato temporal en la Rama N. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
• O. Otras actividades comunitarias sociales y personales de tipo servicios
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.

15-25 Positiva
Rango Edad
26-35 Positiva
O. Otras actividades comunitarias sociales
Regiones y Ciudades Cuenca Negativa
y personales de tipo servicios
Autorepresentadas Machala Positiva
Tabla 36. Caracterización de los individuos con contrato temporal en la Rama O. Fuente: elaboración propia a partir de la encuesta
ENEMDU.
• P. Hogares privados con servicio doméstico
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.

15-25 Positiva
Rango Edad
26-35 Positiva
Estado Civil Separado/Divorciado Positiva
P. Hogares privados con servicio
Cuenca Positiva
doméstico
Regiones y Ciudades Guayaquil Positiva
Ambato Negativa
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

Analíti a k
de instrucción, el tiempo de trabajo y el tipo de jornada Livino Armijos por las sugerencias, colaboración y ayuda
laboral al momento de obtener un contrato temporal, y recibida en la elaboración del presente estudio.
el hecho de ser hombre o mujer, presentando los hom-
bres una mayor propensión de tener un contrato tempo-
ral, esto podría explicarse, debido a que existen tareas Referencias
sencillas y rudimentarias, como las que exigen los cul-
tivos agrícolas, la cría de ganado, la pesca, la caza, la [1] M. Aguayo, y E. Lore, “Cómo hacer una Regresión Lo-
industria, y construcción que requiere la utilización de gística binaria paso a paso II análisis multivariante”,
herramientas manuales y a menudo, un esfuerzo consi- Fundación Andalucia Beturia para la Investigación en
derable. Salud, Dot. No 0702013, (2007).
3. En referencia a las regiones y ciudades, se obtiene que en
[2] A. Alejandro,J. Pérez, R. Kizys y L. Manzanedo, “Re-
la Región Costa, particularmente en las ciudades de Ma-
gresión Logística Binaria,” Universidad Oberta de Ca-
chala y Guayaquil se concentran los contratos tempora-
talunya, Barcelona, (2002).
les. Una posible explicación sería el desarrollo en las ac-
tividades de: agricultura, ganadería, caza y silvicultura, [3] A. Caparros, y L. Navarro, “Temporalidad, segmen-
industrias manufactureras, hoteles y restaurantes, trans- tación laboral y actividad productiva: ¿existen dife-
porte, almacenamiento y comunicaciones. En las activi- rencias regionales?,” Estadística Española, Vol. 50, No .
dades mencionadas se pueden presentar contratos even- 168, (2008).
tuales, por obra, por horas. Generalmente son activida-
des que se desarrollan por temporadas, es decir, por pe- [4] Codificación 17, “Codificación del Código del Tra-
ríodos del año en los cuales tienen mayor desarrollo y bajo,” Registro Oficial Suplemento 167, Diciembre,
surge la necesidad de incrementar el contrato temporal. (2005).
4. Por lo que respecta a la rama de actividad Enseñanza,
[5] C. Gamero,“Satisfacción Laboral y tipo de contrato en
es un sector económico que se desarrolla en todas las
España,” Investigative Radiology 34, Vol. 10, 636 - 642,
ciudades y regiones, tanto en la educación privada co-
(1999).
mo pública y, al existir una gran demanda dentro de la
enseñanza se posibilita en mayor medida la relación la- [6] L. Hachuel, G. Boggio, D. Wojdyla y E. Servy, “Inter-
boral temporal. pretación y comparación de modelos de regresión lo-
5. Se ha comprobado, a través de un modelo de regresión gística para el estudio de la desocupación,” Décimas
logística el conocimiento empírico del comportamiento Jornadas Investigaciones en la Facultad de Ciencias
social, dentro del mercado laboral ecuatoriano, permi- Económicas y Estadística, Noviembre, (2005).
tiendo cuantificar en que medida se encuentra el contra-
to temporal concentrado. [7] Instituto Nacional de Estadísticas y Censos del Ecua-
dor,“Manual del Encuestador,” Estadística de Hoga-
res, Junio, (2010).
Agradecimientos
[8] Ley No. 100,“Código de la niñez y adolescencia,” Re-
Los autores queremos dejar constancia de nuestro agra- gistro Oficial 737, Enero, (2003).
decimiento a Byron Villacis, Jorge Garcia, Hugo Freire y

Analíti a k
Fecundidad en el Ecuador y su relación con el
entorno social y evolutivo
Fertility in Ecuador and its relationship with social

and evolutionary environment

Analíti a k
Fecundidad en el Ecuador y su relación con el entorno social y evolutivo
Fecundidad en el Ecuador y su relación con el entorno
social y evolutivo
Fertility in Ecuador and its relationship with social and evolutionary
environment
Cintya Lanchimba† y Paúl Medina‡

† Unidad de Análsis de la Información Estadística, Subdirección General, Instituto Nacional de Estadística y Censos, Quito, Ecuador
† cintya1919@gmail.com, ‡ plmedina@espe.edu.ec
Recibido: 1 de agosto de 2010 Aceptado: 31 de septiembre de 2010

Resumen
Este documento analiza la evolución de la fecundidad en Ecuador desde el año 1990 al año 2007, período en el cual se
dispone de datos reales. Luego, en base a la evolución (tendencia) detectada se pretende inferir el comportamiento de la
fecundidad a corto y mediano plazo, para lo cual se utilizan las Estadisticas Vitales desde el año 1990 hasta el año 2007, la
Encuesta de Empleo y Desempleo (ENEMDU) en el mismo período y los Censos de Población y Vivienda de 1990 y 2001. Los
resultados muestran una tendencia decreciente de la tasa de fecundidad en el país, Esta tasa es explicada por la población
femenina en edad fecunda, la población total y la tasa de natalidad. Además, se estudia el bono demográfico para el
Ecuador, pues conocerlo permitirá que el gobierno tome las medidas adecuadas para su aprovechamiento. Finalmente,
del estudio se desprende que el bono demográfico se encontrará situado entre el año 2013 y el año 2022.
Palabras clave: tasa de fecundidad, bono demógrafico.
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.
Código JEL: B54, C51.
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-

Analíti a k
taca la teoría de la transición demográfica, donde la evolu- femenina en edad fértil ( P f ), en el mismo periodo. Algebraíca-
ción de la mortalidad y fecundidad juegan un papel fun- mente se puede representar la relación como:
damental. En el presente trabajo nos basaremos en la teoría
Nni
citada. Yi = , (1)
La alta fecundidad de las sociedades antiguas estaba P fi
dictada sin lugar a dudas por el imperativo de la super- donde, el subíndice “i” indicará el período de tiempo en el que se
vivencia. Durante largo tiempo, muchos nacimientos no mide la tasa, generalmente años.
fueron más que nacimientos de reemplazo destinados sim-
plemente a compensar la desaparición de los primogénitos D EFINICIÓN 2 (Tasa de natalidad (W ) ). Se define como la
muertos. Posteriormente, la limitación de los nacimientos razón que existe entre el número de nacimientos ( Nn) ocurri-
fue compensada por una mejora de la supervivencia antes dos y la cantidad total de personas ( pt), en el mismo periodo de
de las edades fecundas. Sin embargo, la fuerte reducción tiempo. Algebraícamente se puede representar la relación como:
de finales de siglo XX, fruto del descenso del número de
hijos no deseados y la revisión a la baja del número de hi- Nni
Wi = , (2)
jos deseados, no ha llegado a compensarse con las mejoras pti
en la supervivencia de los más jóvenes [8]. donde, el subíndice “i” indicará el período de tiempo en el que se
En resumen, la cronología del descenso de la fecundi- mide la tasa, generalmente años.
dad sigue el guión marcado por la teoría de transición de-
mográfica, el mismo que se basa en la baja de la mortalidad D EFINICIÓN 3 (Tasa de mortalidad ( Z )). Se define como la
y fecundidad, las cuales están correlacionadas con el pro- razón que existe entre el número de defunciones (m) y la canti-
ceso de modernización de la sociedad. dad total de personas ( pt), en el mismo periodo de tiempo. Alge-
Por otra parte, la tasa de fecundidad es un indicador braícamente se puede representar la relación como:
importante en la transición demográfica de un país, su es-
mi
tudio es útil para hallar estimaciones de la población en el Zi = , (3)
futuro, si tomamos en cuenta que su importancia radica en pti
que los niños que nacen serán el sustento del futuro y, que donde, el subíndice “i” indicará el período de tiempo en el que se
los mismos pueden representar un bono demográfico. Por mide la tasa, generalmente años.
tanto, el objetivo de este trabajo es llegar a estimar la tasa
de fecundidad y, principalmente, determinar cuales son las D EFINICIÓN 4 (Relación de dependencia poblacional
variables que la determinan. ( RD )). Se define como la razón entre la población mayor a 65
El presente trabajo está estructurado de la siguiente ma- años ( P65 ), más la población menor a 15 años ( P15 ) y, la pobla-
nera: en la sección 2 se detalla la metodología a utilizar, en ción que se encuentra entre los 15 y 64 años ( PT ). Algebraíca-
la sección 3 se detallan varias teorías para el análisis demo- mente se puede representar la relación como:
gráfico del país y, finalmente, en la sección 4 se detallan las
P65 + P15
conclusiones. RD = . (4)
PT
Dentro de la dinámica de poblaciones existen varios
2 Modelo modelos para representar y estudiar el comportamiento
poblacional [1, 11]. Los pioneros del estudio matemático
Al hablar de la tasa de fecundidad no podemos dejar de son Malthus [13], Verhults [19], Lotka [12] y Voltera [20] cu-
lado ciertos conceptos que están asociados a la misma; es yos trabajos se publicaron en los años 20 y 30 del siglo pa-
el caso de la tasa de natalidad, mortalidad y la población sado, respectivamente. Sin embargo, el modelo representa-
de un país. Por esta razón eso que antes de empezar a esti- do por la ecuación logística de población [19, 21] es uno de
mar la tasa de fecundidad ecuatoriana es necesario conocer los más aceptados y utilizados para realizar aproximacio-
primero los conceptos anteriormente citados. nes del tamaño poblacional. Por tal motivo, en el presente
trabajo utilizaremos este modelo.
2.1 Definiciones D EFINICIÓN 5 (Ecuación Lógistica de la Población). Si P
La definiciones que se presentan a continuación son representa el tamaño de la población y t representa el tiempo, la
fundamentales en el desarrollo del presente trabajo, pues ecuación lógistica de la población, queda formalizada por la si-
a partir de ellas se estudian y construyen los distintos mo- guiente ecuación diferencial:
delos estadísticos. dP
= P( a − bP), (5)
D EFINICIÓN 1 (Tasa de fecundidad (Y)). Se define como la dt
razón que existe entre el número de nacimientos ( Nn) ocurridos donde a corresponde a la tasa de natalidad y b a la tasa de morta-
en un cierto período (años, meses, días) y la cantidad de población lidad.

Analíti a k
Observación: Si se cumple la relación b << a, de tal mo- la base original, tomando en cuenta el año de inscripción
do que si P no es demasiado grande, entonces el término de los menores. Esto se evidencia cuando, al analizar los
−bP2 es insignificante comparado con aP, de donde se de- registros, la edad a la que las madres tienen sus hijos está
duce que la población crece exponencialmente [21]. correlacionada negativamente con el año de inscripción del
Considérese ahora la ecuación logística (5) para prede- menor, ver Tabla 1.
cir el crecimiento futuro de una población aislada. Si P0 es
la población en el tiempo t0 , entonces P(t), la población en Diferencia* Edad de las madres
el tiempo t, dado por la ecuación (5), cumplirá que: Diferencia* 1 -0,016
Edad de las madres -0,016 1
P(t0 ) = P0 . (6) Significancia 1, 17 × 10−286 1, 17 × 10−286
*El término diferencia significa la diferencia anual entre el año de
A la igualdad (6) se la conoce como condición inicial para inscripción y el año de nacimiento de un menor.
la ecuación (5).
La ecuación (5) junto con la condición inicial (6), defi- Tabla 1. Cuadro de correlaciones de los años de inscripción y la
nen un problema de Valor Inicial, cuya solución es: edad de la madre. Fuente: Elaboración propia.
aP0 Una posible explicación para la correlación negativa

P(t) = . (7)
bP0 + ( a − bP0 )e− at0 podría ser que mientras más joven es la madre más largo
es el tiempo que tarda en inscribir a un menor en el Re-
D EFINICIÓN 6 (Tasa Ocupacional femenina (O)). Se define gistro Civil. Sin dejar de lado que esta correlación es muy
como la razón entre el total de personas ocupadas (O f ) y la po- pequeña.
blación femenina en edad para trabajar ( Pe), en el mismo período Por otra parte, dentro de las Estadísticas Vitales se regis-
de tiempo. tran las Estadísticas de Defunciones. Esto sirvió para deter-
O fi
Oi = , (8) minar la tasa de mortalidad; de manera particular, se cal-
Pei culó la tasa de mortalidad de las mujeres en edad fértil.
donde, el subíndice “i” indicará el período de tiempo en el que se
mide la tasa, generalmente años. Encuesta de Empleo y Desempleo Urbano (ENEMDU).
A partir de la encuesta anual, que se realiza en el mes de
2.2 Etapas del modelo diciembre, se determinó la tasa ocupacional femenina.
Para la estimación de la tasa de fecundidad, en el caso

Censos de Población y Vivienda 1990 y 2001. Dado que
ecuatoriano se siguió las siguientes étapas:
los Censos reflejan el estado actual de toda la población, a
1. Selección de los datos a utilizar, partir de ellos se determinarán las tasas correspondientes
al sexo y el rango de edad según estándares internaciona-
2. Construcción de las variables a utilizar,
les. Datos necesarios para el estudio.
3. Construcción y análisis de varios modelos y,
4. Selección del mejor modelo. 2.2.2 Construcción de las variables a utilizar
A continuación, se describirá cada una de las metodo-
2.2.1 Selección de los datos a utilizar logías utilizadas para construir las variables necesarias en
Los datos utilizados se obtuvieron de las siguientes el estudio.
fuentes de información: las Estadísticas Vitales entre el año
1990 y el año 2007, las ENEMDU en el mismo período de
tiempo y, los Censos de Población y Vivienda del año 1990 y Estimación de la Población. Utilizando la ecuación (7),
2001. para estimar la población en un período de tiempo deter-
minado, es necesario conocer las tasas de natalidad a, de
Empleo de las Estadísticas Vitales. Las Estadísticas Vita- mortalidad b y una población inicial P0 .
les de Nacimientos registran año a año los nacimientos de Basados en las consideraciones establecidas estimare-
los ecuatorianos. Un hecho particular es la no coincidencia mos, en primer lugar, la población en la decada de los 90;
entre el año de nacimiento y el año de inscripción de los in- para ello, utilizaremos las definiciones 2 y 3 para calcular la
fantes, debido a que hay infantes que son inscritos muchos tasa de natalidad y mortalidad, respectivamente. Además,
años más tarde. como condición inicial condideramos:
La particularidad señalada obliga a considerar única- P0 = P1990 = 9′ 648,189,
mente datos desde el año 1990 al año 2007, pues si se con-
sideraran datos posteriores al año 2007 se podría tener da- donde P0 = P1990 es la población de Ecuador en 1990, es
tos inconsistentes; por lo que se filtro esta información, de decir, será el año base o inicial.

Analíti a k
Para los años 2001, 2002,. . . ,2007 volvemos a repetir los Además, se consideró las definiciones 2 y 3 para calcu-
cálculos, considerando para ello el Censo de Población y lar la tasa de natalidad y mortalidad, respectivamente. Los
Vivienda del año 2001. Aquí, la condición incial es: resultados de la estimación de la población ecuatoriana en-
′ tre el año 1990 y el año 2007, utilizando la ecuación (7) que
P0 = P2001 = 12 156,608,
se muestran en la Figura 1.
donde P0 = P2001 es la población de Ecuador en 2001, es
decir, será el año base o inicial.
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.

Analíti a k
Adicionalmente, a los datos mostrados se estimó la po- Año TN Año TN Año TN
blación femenina en edad fértil. Estos cálculos se los realizó ( %) ( %) ( %)
de manera similar a los efectuados para estimar la pobla- 1990 3,22 1996 2,96 2002 2,65
ción nacional total. Los resultados se pueden observar en 1991 3,16 1997 2,80 2003 2,48
1992 3,14 1998 2,64 2004 2,32
la Figura 2.
1993 3,20 1999 2,87 2005 2,18
1994 2,96 2000 2,81 2006 2,21
Tasa de natalidad (TN). De acuerdo a la definición 2 pa- 1995 2,93 2001 2,78 2007 2,06
ra el cálculo de la tasa de natalidad es necesario conocer el
número de nacimientos y la población nacional total en el Tabla 2. Evolución de la Tasa de Natalidad en el período 1990-
mismo período. Los resultados obtenidos, de la estimación 2007. Fuente: Elaboración propia.
de la tasa de natalidad, entre el año 1990 y el año 2007 se
muestran en la Tabla 2.
Los resultados de la Tabla 2, que muestran un descen-
so de la tasa de natalidad, pueden ser mejor apreciados
en la Figura 3.
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.
Tasa de mortalidad (TM). De acuerdo a la definición 3, Año TM Año TM Año TM

para el cálculo de la tasa de mortalidad es necesario cono- ( %) ( %) ( %)
cer el número de muertes y la población total nacional en el 1990 0,52 1996 0,46 2002 0,45
mismo período. Los resultados obtenidos de la estimación 1991 0,54 1997 0,45 2003 0,42
1992 0,53 1998 0,46 2004 0,42
de la tasa de mortalidad, entre el año 1990 y el año 2007 se
1993 0,50 1999 0,46 2005 0,43
muestran en la Tabla 3.
1994 0,48 2000 0,45 2006 0,43
Los resultados de la Tabla 3, que muestran un descenso
1995 0,46 2001 0,46 2007 0,42
de la tasa de mortalidad, pueden ser mejor apreciados en
la Figura 4. Tabla 3. Evolución de la Tasa de Mortalidad en el período 1990-
2007. Fuente: Elaboración propia.

Analíti a k
Figura 4. Evolución de la Tasa de Mortalidad en el período 1990-2007. 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
Analíti a k
Figura 5. Evolución de la tasa de fecundidad en el período 1990-2007. Fuente: Elaboración propia.
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

Analíti a k
2002, la tasa ocupacional femenina tiene una tendencia de- su período de fertilidad no puede ser inferior ni superior
creciente, sin que se pueda esperar una recuperación a los a este rango de edad. Las posible excepciones (datos atípi-
niveles alcanzados en la década de los noventa. cos: madres menores de 12 años y mayores a 49), no se han
considerado. Los resultados obtenidos de la estimación de
Edad media de las madres. Se considera como edad me- la edad media de las madres, entre el año 1990 y el año 2007
dia de las madres la edad promedio en la que una mujer tie- se muestran en la Tabla 6.
ne un hijo. Este promedio fue realizado de manera anual. Los resultados de la Tabla 6, que muestran un decreci-
Se tomó únicamente las mujeres cuya edad está entre los miento de la edad media de las madres, pueden ser mejor
12 y 49 años, pues por cuestiones naturales, en la mujer apreciados en la Figura 7.
Año Edad Media Año Edad Media Año Edad Media

años años años
1990 26,36 1996 25,95 2002 25,68
1991 26,25 1997 25,99 2003 25,64
1992 26,17 1998 25,78 2004 25,64
1993 26,15 1999 25,80 2005 25,63
1994 26,06 2000 25,80 2006 25,52
1995 25,98 2001 25,78 2007 25,42
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.

Analíti a k
Año Total de niños Año Total de niños Año Total de niños
1990 309 453 1996 333 223 2002 327 911
1991 311 150 1997 323 675 2003 313 709
1992 317 993 1998 314 042 2004 299 531
1993 332 787 1999 349 382 2005 288 534
1994 316 676 2000 351 251 2006 298 080
1995 321 195 2001 336 266 2007 283 984
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.

Analíti a k
Figura 9. Evolución de la Población Económicamente Activa Femenina en el período 1990-2007. Fuente: Elaboración propia.
2.2.3 Construcción de modelos Para encontrar el modelo adecuado se desarrollaron

dos fases. En la primera fase se construyeron varios mode-
Un modelo lineal múltiple, en general, relaciona la los tratando de encontrar el más adecuado. Aquí se pre-
variable dependiente Y con k variables explicativas Xr senta un primer modelo realizado con todas las variables
(r=1,...,k) o cualquier transformación de éstas, las cuales estudiadas y un resumen de los varios modelos analizados
generan un hiperplano de parámetros β r desconocidos. El junto con un segundo modelo que de acuerdo a las pruebas
modelo puede representarse de la siguiente manera:
de significancia es el más consistente.
k En la segunda fase, tras el estudio de diferentes auto-
Yi = β 0 + ∑ βr Xr + ǫ, (9) res con respecto a la estimación de la tasa de fecundidad
r =1 [15, 17], se notó que existen otras variables que probable-
donde ǫ es una variable aleatoria independiente que sigue mente puedan explicar de mejor manera esta tasa; por lo
una ley normal N (0, σ2). Además, esta variable recoge to- que se construyó otro modelo que toma en cuenta variables
dos aquellos factores de la realidad no controlables u ob- como: la población nacional, la tasa de natalidad, número
servables. total de niños nacidos vivos, número total de niños nacidos
Un modelo de Regresión Lineal Múltiple con k variables muertos y la población total económicamente activa feme-
predictoras y basado en n observaciones es de la forma: nina y masculina.
A continuación, se presentan las fases descritas para la
yi = β 0 + β 1 xi1 + β 2 xi2 + .... + β k xik + ǫi , (10)
construcción del modelo:
donde i = 1, 2, ..., n. Generalmente para la estimación de
los paramétros β r se utiliza la técnica de Mínimos de Cua-
Fase I. En esta fase se construirán varios modelos, pe-
drados Ordinarios [5].
ro explícitamente se presentarán dos: el Modelo 1 será el
Como paso previo a la construcción de un modelo lineal
elaborado considerando todas la variables en estudio y el
múltiple se realizó un cambio de escala de las variables
Modelo 2 será el óptimo de entre todos los modelos ana-
a utilizar, pues al considerar tasas y totales poblacionales
lizados. Se presenta, además, un resumen de los modelos
(distintas escalas), el empleo de la regresión lineal múltiple
elaborados.
directamente tendría problemas [5]. Además, se considera-
rá un nivel de confianza del 95 % (nivel de significancia de
5 %) para las distintas pruebas de hipótesis a realizar, con Modelo 1: Este modelo considera todas las variables
el objeto de validar el modelo. en estudio, las cuales son:

Analíti a k
Yi : Tasa de Fecundidad en el año i. Utilizando el estadístico t-student a un nivel de confianza
del 95 %, los resultados obtenidos se muestran en la Tabla
X1i : Tasa ocupacional de la mujer en el año i. 10.
X2i : Edad de las madres en el año i.
Coeficiente T-valor Sign. Decisión
X3i : Número de niños nacidos en el año i. β0 0 1 Acepto
β1 1,44 0,18 Acepto
X4i : Ingresos de las mujeres ocupadas en el año i. β2 1,82 0,09 Acepto
X5i : Número de mujeres ocupadas en el año i. β3 37,31 0 Rechazo
β4 -1,68 0,12 Acepto
X6i : Hogares con mujeres en edad fértil en el año i. β5 1,36 0,20 Acepto
β6 -1,56 0,15 Acepto
X7i : Población femenina ocupada en el año i.
β7 -0,11 0,92 Acepto
X8i : Población femenina en edad para trabajar (15- β8 -25,43 0 Rechazo
65años) en el año i.
Tabla 10. Resultados de las pruebas de hipótesis para los paráme-
El modelo lineal múltiple formalizado por todas las va- tros del Modelo 1. Fase I. Fuente: Elaboración propia.
riables descritas es:
Yi = β 0 + β 1 X1i + β 2 X2i + β 3 X3i + β 4 X4 i En la Tabla 10 encontramos que β 0 , β 1 , β 2 , β 4 , β 5 , β 6 , β 7

+ β 5 X5i + β 6 X6i + β 7 X7i + β 8 X8i + ǫi .
(11) son nulos, pues su razón t en valor absoluto es inferior a
la razón t al 95 %; esto es 2,20. Por otra parte, el valor de la
A la relación establecida en la ecuación (11) lo llamare- significacia para cada uno de los parámetros mencionados
mos Modelo 1. Los resultados obtenidos al estimar los coe- es superior a 0.05, lo cual confirmar lo anteriormente dicho,
ficientes β r , r = 0, . . . , 8, son: es decir, los parámetros son nulos.
Por otra parte, los datos mostrados en la Tabla 11, co-
Coeficiente Valor rrespondientes al Modelo 1, no hacen más que ratificar que
β0 −3, 97 × 10−11 el modelo no es válido, pues su p-valor es menor a 0,05 y el
β1 0,16 valor de F es muy superior al valor F - crítico.
β2 3, 89 × 10−02
β3 0,63 Nombre Valor
β4 −3, 14 × 10−02 R2 0,851
β5 0,33 F 8,68
β6 -0,15 p − valor 0,0009
β7 −3, 81 × 10−02 F − critico 3,14
β8 -0,94
Tabla 11. Resultados de los parámetros R2 , F, F-crítico y p-valor.
Tabla 9. Resultados de los regresores, Modelo 1, Fase I. Fuente: Modelo 1, Fase I. Fuente: Elaboración propia.
Elaboración propia.
En resumen, un modelo que considere todas las varia-

Explícitamente el Modelo 1 es: bles independientes mostradas ( X1 , . . . , X8 ), no aproxima
de manera adecuada la tasa de fecundidad.
Yi = −3, 97 × 10−11 + 0, 16X1i + 3, 89 × 10−02X2i Por lo señalado, a fin de tener un modelo más consis-
+0,63X3i − 3, 14 × 10−02X4i + 0,33X5i − 0,15X6i tente se realizaron diferentes combinaciones entre las va-
−3, 81 × 10−02X7i − 0, 94X8i + ǫi . (12) riables. Algunas de las combinaciones realizadas se mues-
tran en la Tabla 12.
A continuación se realizaron pruebas de hipótesis a los Luego de realizar todas las combinaciones posibles,
parámetros del modelo. La prueba para cada uno de los la combinación de variables más adecuada para determi-
parámetros es: nar la tasa de fecundidad es la formada por las variables

H0 : β r = 0 X3 , X6 , X7 y X8 . El modelo formado por las variables men-
Ha : β r 6 = 0 cionadas, es al que llamaremos Modelo 2.

Analíti a k
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
β2 −9, 93 × 10−03 0,05 Accept Ho −6, 70 × 10−02 0,3 Accept Ho
β4 -0,13 -0,64 Accept Ho
β5
β6
β7
β8
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
β4 -0,17 -0,91 Accept Ho -0,17 -0,91 Accept Ho
β6 0,68
β7
β8
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
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
Tabla 12. Resultados al realizar distintas combinaciones entre las variables. Fuente: Elaboración propia.

Analíti a k
Modelo 2: El modelo lineal múltiple formalizado por indicador de la coherencia del modelo obtenido, ya que el
todas las variables más consistentes es: mismo señala que si no nacen niños ( X3 = 0), que si los
hogares no tienen mujeres en edad fértil ( X6 = 0), que si
no existe población femenina ocupada ( X7 = 0 y que si no
Yi = β 0 + β 3 X3i + β 6 X6i + β 7 X7i + β 8 X8i + ε i . (13) hay población femenina en edad para trabajar ( X = 0);
8
Los resultados obtenidos al estimar los coeficientes β r , obviamente, la tasa de fecundidad sería ( Y = 0 ) .
r = 0, 3, 6, 7, 8, son:
Nombre Valor
Coeficiente Valor R 2 0,995
β0 −7,52 × 10−11 F 752
β3 0,64 p − valor 3, 32 × 10−16
β6 0,70 F-crítico 3,34
β7 −0, 67 × 10−02
β8 -0,89 Tabla 15. Resultados de la significancia de los regresores. Modelo
2, Fase I. Fuente: Elaboración propia.
Tabla 13. Resultados de los regresores, Modelo 2, Fase I. Fuente:
Elaboración propia.
Por lo visto en la Tabla 15, el Modelo 2 estima adecuada-
mente la tasa de fecundidad. Esto se ratifica al observar que
Explícitamente el Modelo 21 es: el p-valor2 es menor que 0,05 y que el estadístico F calculado
es mayor que el F-crítico (se rechaza la hipótesis nula que
Yi = −7,52 × 10−11 + 0, 64X3i + 0, 70X6i de todos coeficientes β r son nulos de manera simultanea).
−0, 67 × 10−2X7i − 0, 89X8i + ε i . (14) En resumen, lo resultados obtenidos, ver Tablas 15 y 14,
permiten concluir que la tasa de fecundidad es estimada
A continuación se realizaron pruebas de hipótesis a los
adecuadamente con el Modelo 2.
parámetros del modelo. La prueba para cada uno de los
parámetros es: Antes de realizar los cambios de escala correspondien-
tes, se realizará un análisis de residuos. Cabe recordar que
H0 : β r = 0
Ha : β r 6 = 0 el análisis de residuos, de manera general, indicará la con-
sistencia o no del modelo lineal, pues los residuos obteni-
Utilizando el estadístico t-student a un nivel de confianza dos deberán tener una varianza constante (homocedastici-
del 95 %, los resultados obtenidos se muestran en la Tabla dad, lo contrario es conocido como heterodedasticidad) y
14. estar normalmente distribuidos.
Para saber si los residuos tienen una varianza constante
Coeficiente T-valor Sign. Decisión
se realizaró la prueba de la razón de los máximos de vero-
β0 0 1 Acepto
similitud [5]; la cual, basicamente prueba la siguiente hipó-
β3 35,27 0 Rechazo
tesis:
β6 2,87 0,012 Rechazo
H0 : ǫi ∼ N(0, σ2 )
β7 -2,59 0,02 Rechazo
H1 : ǫi ∼ N(0, σi2 )
β8 -26,58 0 Rechazo
para i = 1, . . . , n. Al realizar la prueba se calculó el estadís-
Tabla 14. Resultados de las pruebas de hipótesis para los estima- c2 , el cual fue de 0,4. Luego, se comparó el resultado
dores. Modelo 2, Fase I. Fuente: Elaboración propia.
tico χ
obtenido con el valor del estadístico a un nivel de confian-
za del 95 %; el valor del estadístico fue de χ20,95 = 5. Al
En la Tabla 14 se puede observar que, salvo el coeficien- comparar los dos valores se observa que χ c2 < χ2 , por
0,95
te β 0 , ninguno de los otros coeficientes en nulo, ya que se lo que se acepta H0 , es decir, la varianza de los residuos es
rechaza la hipótesis nula (β r es cero) para cada uno de ellos, constante.
pues su razón t en valor absoluto es superior a la razón t al Para saber si los residuos están normalmente distribui-
95 %; esto es 2,16. Además, esto se confirma con el valor de dos se utilizará el gráfico del histograma y el gráfico P-P
significancia obtenido para cada coeficiente. normal de regresión, que son mostrados en la Figura 10.
Cabe señalar que la nulidad del coeficiente β 0 , esto es Para el análisis se compara la curva normal con la distribu-
que la tasa de fecundidad (Y) sería igual a 0 si las otras va- ción empírica en el histograma y, se evalúa el alejamiento
riables ( X3 , X6 , X7 , X8 ) son 0; se podría considerar como un de los puntos representados con respecto a la diagonal.
1 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.
2 Numéricamente cero 3, 32 × 10−16 ≈ 0

Analíti a k
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

Analíti a k
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 : Tasa de Fecundidad en el año i. donde
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

Analíti a k
Coeficiente Valor T-valor Accept Ho Valor T-valor Decisión
β0 1, 87 × 10−10 0 Reject Ho 1, 86 × 10−10 0 Accept Ho
β1 -0,78 -12,20 Reject Ho -0,78 -12,68 Reject Ho
β3 1,26 3,36 Accept Ho 1,16 4,01 Reject Ho
β4 0,78 1,31 Accept Ho 0,83 1,47 Accept Ho
β6 −9, 29 × 10−02 -0,57 Accept Ho −4, 23 × 10−02 -0,38 Accept Ho
β7 1, 93 × 10−02 0,43
R-cuadrado 0,99 0,996827
Coeficiente Valor T-valor Valor T-valor Decisión
β0 1, 81 × 10−10 0 Accept Ho 1, 38 × 10−10 0 Accept Ho
β1 -0,79 -14,48 Reject Ho -0,85 -23,02 Reject Ho
β4 0,79 1,48 Accept Ho 2, 07 × 10−02 0,70 Accept Ho
β5 -0,76 -1,44 Accept Ho
Tabla 17. Regresiones. Fuente: Elaboración propia.
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

Analíti a k
En resumen, lo resultados obtenidos, ver Tablas 18 y 19, para i = 1, . . . , n. Al realizar la prueba se calculó el estadís-
permiten concluir que la tasa de fecundidad es estimada c2 , el cual fue de 1.24. Luego, se comparó el resultado
tico χ
adecuadamente por el modelo construido. obtenido con el valor del estadístico a un nivel de confian-
Antes de realizar los cambios de escala correspondien- za del 95 %; el valor del estadístico fue de χ20,95 = 5. Al
tes, se realizará un análisis de residuos (similar a lo hecho c2 < χ2 , por
comparar los dos valores se observa que χ 0,95
en la Fase I). Cabe recordar que el análisis de residuos, de
manera general, indicará la consistencia o no del modelo lo que se acepta H0 , es decir, la varianza de los residuos es
constante.
lineal, pues los residuos obtenidos deberán tener una va-
Para saber si los residuos están normalmente distribui-
rianza constante (homocedasticidad, lo contrario es cono-
dos se utilizará el gráfico del histograma y el gráfico P-P
cido como heterodedasticidad) y estar normalmente distri-
normal de regresión, que son mostrados en la Figura 13.
buidos.
Para saber si los residuos tienen una varianza constante Para el análisis se compara la curva normal con la distribu-
ción empírica en el histograma y, se evalúa el alejamiento
se realizaró la prueba de la razón de los máximos de vero-
de los puntos representados con respecto a la diagonal.
similitud [5]; la cual, basicamente prueba la siguiente hipó-
tesis:
H0 : ǫi ∼ N(0, σ2 )
H1 : ǫi ∼ N(0, σi2 )
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.

Analíti a k
Como se puede observar en la Tabla 20, los FV I son su- la población femenina en edad para trabajar aumenta, la
periores a 10. En otras palabras, se puede decir que existe tasa de fecundidad disminuye, si el resto de variables se
un fuerte indicio de multicolinealidad. Sin embargo, para mantienen constantes; por ejemplo, si consideramos las va-
corroborar esto aplicaremos el índice de condicionaminen- riable X7i (población femenina ocupada), considerando su
to8 , el cual es un indicador de multicolinealidad. coeficiente, podemos decir por cada 1’000.000 de mujeres
Luego de realizar los análisis y cálculos respectivos, elque ingresan a la edad para trabajar, la tasa de fecundidad
índice de condicionamiento es disminuye 1,31 veces. Un análisis similar se puede realizar
para el resto de variables.
IC = 107, 29. La tasa de fecundidad muestra una correlación positi-
va con la población total estimada y con la tasa de natali-
Dado que el IC es mayor que 15, lo cual nos indica que dad, es decir, si la tasa de natalidad aumenta o si la pobla-
existe una fuerte multicolinealidad, es necesario aplicar las ción aumenta, la tasa de fecundidad también lo hara. Lue-
medidadas remediales pertinentes, es decir, aplicar un mé- go, considerando la población femenina en edad fecunda,
todo de regresión con componentes principales [5]9 . podemos decir que por cada 1’000.000 de mujeres, la tasa
Luego de las correcciones y ajuste necesarios, el modelo fecundidad disminuirá 2.89 veces. Este valor ratifica el de-
corregido (disminución de la multicolinealidad) es: crecimiento de la tasa de fecundidad. Es de notar que den-
tro del rango de la población femenina en edad fecunda se
Yi = −0, 056 − 2, 89 × 10−09X1i + 1, 61 × 10−09X2i encuentra gran parte de la PEA femenina.
+4, 85 × 10−09X3i + ε i . (18) Con el fin de profundizar el análisis sobre la tasa de fe-
cundidad en Ecuador, se realizó una estimación de cada
Una vez realizado el cambio de escala, podemos dar una de las variables que la componen, mediante números
una interpretación a la ecuación y a sus parámetros. Así, aleatorios normales, hasta el año 2030. La Figura 14 mues-
los signos de la ecuación (15) muestran que a medida que tra los resultados:
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.

Analíti a k
Como podemos observar en la Figura 14, a partir del por lo que se intentará diferenciar la línea de tendencia pa-
año 2008 se presenta una estacionalidad aparente; sin em- ra tener una mejor aproximación a la realidad, ver Figura15
bargo, no debemos olvidar que estos son datos simulados,
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.
A continuación, exponemos las razones para elegir uno 3 Aplicación

de los modelos construidos.
Por lo visto en la sección anterior, la tasa de fecundidad
tiene una tendencia decreciente, pero esta por si misma no
2.2.4 Selección del Modelo refleja los cambios poblacionales, por lo que en esta sección
se hace uso de los otros elementos poblacionales ya calcu-
Al analizar las dos fases del estudio podemos observar lados y, mediante el empleo de ciertos indicadores pobla-
que el modelo 1, de la Fase I no es válido, pues la mayoría cionales se desarrollará algunas teorías demográficas.
de los estimadores (regresores) son nulos. Por otro lado, el Antes de continuar es necesario saber cual ha sido el
modelo 2 de la misma fase, en el cual los coeficientes no comportamiento de la población ecuatoriana. Para ello, se
son nulos, se podría considerar un modelo válido. Sin em- analizará las pirámides poblacionales10 obtenidas a partir
bargo, el modelo presentado en la Fase II, que cumple con de los Censos Poblacionales del año 1990 y del año 2001.
las mismas características (coeficientes no nulos), también
se podría considerar como válido. Así, potencialmente te-
nemos dos modelos válidos. Aún más, si consideramos los
3.1 Pirámide Población Ecuatoriana
2
coeficientes de determinación R de cada uno de los mode- La Pirámide Poblacional Ecuatoriana por rango de eda-
los, tendermos que R2 = 0,995 y que R2 = 0,996, respecti- des, considerando el censo del año 1990, se muestra en la
vamente. Figura 16. Los rangos establecidos tienen una amplitud de
Como se puede notar, existiría un problema si necesi- 5 años, según estándares internacionales.
taramos elegir un modelo, pues hasta el momento los dos En el año 1990 la Pirámide Poblacional Ecuatoriana, Fi-
son estadísticamente válidos. Afortunadamente, por estu- gura 16, mostró tener una forma triangular. Esta forma es
dios anteriores realizados [15], se sabe la importanción de típica en países en vías de desarrollo y algunos autores la
la tasa de natalidad en la estimación de la tasa de fecun- denominan Torre Eiffel [2, 9, 10]. En la Pirámide Poblacio-
didad. Así, basados en la bibliografía y en los análisis res- nal; por ejemplo, se puede observar que la población ma-
pectivos, podemos decir que el modelo desarrollado en la yor o igual a 85 años es realmente pequeña comparada con
Fase II es el más adecuado, pues en el se considera la tasa la población menor a 14 años. Esto evidencia la población
de natalidad. mayoritariamente joven.
10
Es un histograma que está hecho a base de barras cuya altura es proporcional a la cantidad que representa la estructura de la población por sexo
y edad.

Analíti a k
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

Analíti a k
la población ecuatoriana sigue siendo mayoritariamente jo- embargo, estos cambios no son lo suficientemente grandes
ven. Esto último se evidencia en el ensanchamiento de la como en sociedades desarrolladas, donde las pirámides po-
base en la píramide. blacionales casí se han invertido, es decir, la población es
En la Figura 18 se observa que la población ecuatoriana mayoritariamente adulta. En Ecuador la población es ma-
ha sufrido cambios en su composición poblacional11 . Sin yoritariamente joven.
Figura 18. Pirámide Poblacional Ecuatoriana. Fuente: Elaboración propia.
3.2 Teoría de la Transición Demográfica sa de natalidad y de mortalidad, de acuerdo a la cual una

sociedad preindustrial pasa, demográficamente hablando,
Esta teoría fue desarrollada por el demógrafo Warren por cuatro fases antes de derivar en una sociedad plena-
Thompson en el año 1929 [2, 4], quien observó los cambios mente postindustrial (este fenómeno puede visualizarse en
que habrían experimentado en los últimos años las socie- la Figura 19) [2].
dades industrializadas de su tiempo con respecto a la ta-
Figura 19. Fases de la Teoría de la Transición Demográfica. Fuente: Elaboración propia.
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.

Analíti a k
Fase 1: Antiguo régimen demográfico. Se refiere a las hace muy bajo, por razones totalmente opuestas a las del
sociedades preindustriales, donde las tasas de natalidad Antiguo Régimen Demográfico.
y de mortalidad son muy altas, por lo cual el crecimiento
natural de la población es muy lento. Fase 5 Fase o crecimiento cero. El paso del tiempo ha
permitido la adición de una quinta fase, en la cual la tasa
Fase 2: Comienzo de la transición. Propio de países de natalidad se mantiene baja mientras que la mortalidad
en vías de desarrollo. Los índices de mortalidad bajan de aumenta ligeramente, debido al envejecimiento de la po-
forma repentina gracias a las mejoras en las técnicas agrí- blación. En esas circunstancias el crecimiento natural pue-
colas, las mejoras tecnológicas, los avances en medicina y de llegar a ser negativo, como ha ocurrido en los países del
alfabetización. Estos cambios contribuyen decisivamente a Este de Europa, [2].
alargar la esperanza de vida de las personas y a reducir la
mortalidad. 3.2.1 Cálculo de la fase demográfica para el Ecuador.
Fase 3: Final de la transición. Los índices de natalidad Dado que una sociedad puede encontrarse en alguna
inician un importante descenso motivado por: el acceso a de las 5 fases anteriormente descritas, condicionadas éstas
la contracepción, la incorporación de la mujer a la educa- por la tasa de natalidad y mortalidad (ver Tablas 2 y 3),
ción y al mercado laboral, el acceso al estado del bienestar,analizaremos en qué fase nos encontramos, basados en los
el proceso de urbanización, la sustitución de la agricultura datos mostrados en la Figura 20.
de subsistencia por la agricultura de mercado, junto con Como podemos observar en la Figura 20 el Ecuador se
otros cambios sociales. encontraría en la fase tres, donde los índices de natalidad
inician un importante descenso. Según esta teoría, el des-
Fase 4: Régimen demográfico moderno. Típico de las censo en la natalidad, podría estar motivado por la incor-
sociedades postindustriales y se caracteriza porque la tasa poración de la mujer a la educación, al mercado laboral, a
de mortalidad toca fondo y la de natalidad se iguala prácti- mejoras en el sistema de salud y a procesos de urbaniza-
camente con ella, el crecimiento natural de la población se ción, junto con otros cambios sociales.
Figura 20. Transición Demográfica Ecuatoriana. Fuente: Elaboración propia.
3.3 Bono Demográfico Ecuatoriano to acelerado de la población, con repercusiones significati-

vas, principalmente en los países en desarrollo. A este fe-
nómeno la opinión mundial prestó atención y, llevó al de-
El mundo actual vive un proceso de transformación de-
bate internacional la discusión del crecimiento demográfi-
mográfica, pues hay un descenso de mortalidad y fecun-
co donde sobresalen opiniones en su favor, en contra y las
didad como resultado de la industrialización, los avances
que abarcan las dos opciones [10].
médicos y sobre todo el mejoramiento de la calidad vida.
Así, el descenso de la mortalidad, antes que la fecundi- El crecimiento demográfico produce nuevas oportuni-
dad, produjo en el mundo la manifestación del crecimien- dades, denominadas bono demográfico. El bono demográ-

Analíti a k
fico se da cuando las relaciones de dependencia12 se re- la actualidad (2010) se ha presentado o no un bono demo-
ducen. En otras palabras, la población menor a 15 años y gráfico y, si en años posteriores podría presentarse.
mayor a 65 años es inferior a la población que se encuen- Para la estimación de población nacional total, utiliza-
tra entre los 15 y 65 años (población que se encuentra pro- remos la metodología expuesta en las anteriores secciones,
duciendo). Por tanto, las poblaciones productivas son nu- es decir, con la ayuda de los censos de los años 1990 y 2001,
merosas y generan mayores ingresos, que contribuyen al respectivamente, estimaremos la población total conside-
desarrollo económico de las naciones. Sin embargo, para rando la ecuación logístca de población, ecuación (7). Lue-
que este bono se convierta en un beneficio es necesaria la go, es necesario conocer la población clasificada por sexo
implementación de una serie de políticas que con anticipa- y por edad, desde el año 1990 hasta el año 2030. Para esto
ción preparen su aprovechamiento. consideraremos el censo del año 1990, donde conocemos la
Por lo expuesto a continuación, estimaremos el bono distribución de la población por sexo y por edad.
demográfico para el Ecuador.
A partir de la información obtenida dividimos los datos
en rangos de 5 años, según estándares internacionales. Los
3.3.1 Estimación del Bono Demográfico Ecuatoriano rangos considerados son de 0 a 4 años, de 5 a 10 años, de
13
La perspectiva demográfica en el futuro se basa en pro- 11 a 16 años, etc.
yecciones de la población bajo determinados supuestos. Finalmente, utilizando la definición 4, se determinó la
Para la estimación del bono demográfico ecuatoriano, en relación de dependencia, para poder comparar con la po-
primer lugar, vamos a estimar la población hasta el año blación en edad productiva. Los resultados pueden obser-
2030. Esto con el objeto de saber si desde el año 1990 hasta varse en la Figura 21.
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.

Analíti a k
mente inactivos, por cada 100, potencialmente activos, que Livino Armijos por las sugerencias, colaboración y ayuda
sería el inicio, año 2013. En el año 2015 se observa que la re- recibida en la elaboracíón del presente estudio.
lación de dependencía obtendría su menor valor, mientras
que la población en edad productiva alcanzará su mayor
valor. En adelante, se visualiza un descenso de las personas Referencias
en edad productiva y un creciento de las personas depen-
dientes hasta el año 2022, en el cual se intersecan. [1] F. Brauer and C. Castillo-Chavez, “Mathe-
Al contar con períodos de tiempo donde la población en matical Models in Population Biology and
edad productiva es superior a la población dependiente, se Epidemiology,"Springer-Verlag, (2000).
generan mayores ingresos para el país. Esto debe ser ca-
[2] H. Cabeza, “Teoría de la Transición Demográfi-
nalizado a través del gobierno mediante políticas sociales
ca,"Perú, (2008).
que aprovechen esta relación. Así, por ejemplo, la mejora
en la salud pública conduce a una baja en la tasa de morta- [3] J. Chackiel, “Métodos de Estimación de la Fecundidad
lidad, lo cual produce un descenso de la fecundidad; esto, y la Mortalidad a partir de Censos, una aplicación a
a su vez, podría acelerar la transición demográfica, intensi- los pueblos indígenas de Panamá,” CEPAL, (2000).
ficando potencialmente los beneficios económicos y, podría
en un futuro sacar al país de un ciclo de pobreza [10]. [4] L. Campos, “La transición demográfica en el primer
tercio del siglo XX,” Universidad de Málaga, (1999).
4 Conclusiones [5] A. Castro, “Apuntes de Econometría,” Escuela Poli-

técnica Nacional, Quito, Ecuador, (2008).
1. Se ha trabajado con datos de las Estadísticas vitales, la En-
[6] R. Cervantes, “Envejecimiento y Calidad de Vida,”
cuesta ENEMDU y los Censos Poblacionales de 1990 y 2001,
Universidad de las Américas, Puebla, México, (2003).
con éstos se ha construido una regresión por mínimos
cuadrados ordinarios que nos ha permitido concluir que [7] M. Di Cesare, “Interacciones entre transición demo-
la tasa de fecundidad es explicada por la tasa de natali- gráfica y epidemiológica en Nicaragua: implicancias
dad, la población femenina en edad fecunda y la pobla- para las políticas públicas en salud,” CEPAL, (2007).
ción total del país.
[8] F. Fernandez, “Fecundidad y formación de familias
2. Para la selección de variables se consideró como hipóte- en Andalucía,” Instituto de Estadística de Andalucía,
sis la relación directa entre la tasa ocupacional femenina (2000).
y la tasa de fecundidad, sustentada en qué a medida que
las sociedades se desarrollan los niveles de fecundidad [9] C. Flores, “Fecundidad Adolescente y Desigualdad en
decrecen. En el caso ecuatoriano sucedió lo contrario, es Colombia y la Región de América Latina y el Caribe,”
decir, la tasa ocupacional femenina no explica la tasa de CEPAL, (2006).
fecundidad, pero si lo hace la tasa de natalidad.
[10] M. Flores, “Bono Demográfico en Honduras,” Córdo-
3. La realidad demográfica del país fue plasmada con la ba, Argentina, (2008).
estimación de la población, que permitió encontrar un
bono demográfico (la población en relación de depen- [11] H. Freedman, “Deterministic Mathematical Models in
dencia es menor que la población en edad productiva), Population Ecology,” Marcel Dekker, (1980).
el cual se encontrará entre el año 2013 y el año 2022. El
[12] A. J. Lotka, “Analytical Note on Certain Rhythmic in
aprovechamiento del bono demográfico debería ser ca-
Organic Systems,” Proc. Natl. Acad. Sci. U.S., 6, 410-
nalizado a través de políticas sociales, principalmente
415, (1920).
en el área de salud y educación, pues esto representa
una oportunidad de crecimiento económico en el futu- [13] T. Malthus, “Primer ensayo sobre la población,” Mi-
ro. nerva Ediciones, Madrid, (2010).
4. La tasa de natalidad y mortalidad muestran un lento [14] M. Marín, “La tasa de actividad femenina en relación
descenso en los últimos años, por lo que pasará mu- a la natalidad,” Universidad de Cádiz, (2000).
cho tiempo antes que la población ecuatoriana sufra una
transición demográfica notable. [15] A. Montalvo, “Variables relacionadas con la natali-
dad en los sectores urbano y rural de la provincia del
Guayas,” Escuela Politécnica del Litoral, Guayaquio,
Agradecimientos Ecuador, (2007).
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).

Analíti a k
[17] J. Sanchéz, “Fecundidad y actividad económica de las matique et physique, 10, 113-121, (2009).
mujeres en España,” Universidad de Malaga, (2005).
[20] V. Volterra, “Variazioni e fluttuazioni del nume-
[18] J. Ulloa, “El modelo logístico: Una alternativa para el ro d’individui in specie animali conviventi,” Mem.
estudio del crecimiento poblacional de organismos,” Acad. Lincei Roma, 2, 31-113, (1926).
Córdoba, Argentina, Revista Electrónica de Veterina-
ria, Vol. 11, Núm. 03, (2010). [21] D. Zill, “Ecuaciones Diferenciales con aplicaciones de
modelado,” Primera edición, International Thomson
[19] P. Verhulst, “Notice sur la loi que la population pour- Editores, México, (1997).
suit dans son accroissement,” Correspondance mathé-

Analíti a k
Estudio de la desigualdad de ingresos en el Ecuador
considerando esfuerzos y herencias sociales
Study over earnings inequality in Ecuador

considering personal effort and social inheritance

Analíti a k
Estudio de la desigualdad de ingresos en el Ecuador considerando esfuerzos. . .
Estudio de la desigualdad de ingresos en el Ecuador
considerando esfuerzos y herencias sociales
Study over earnings inequality in Ecuador considering personal effort
and social inheritance
Margarita Velín† y Paúl Medina‡

† margarita_velin@inec.gob.ec, † mavelinfarez@gmail.com, ‡ plmedina@espe.edu.ec
Recibido: 20 de septiembre de 2010 Aceptado: 1 de diciembre de 2010
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

Analíti a k
La desigualdad de oportunidades está relacionada con Un método para resolver el problema de endogeneidad
las circunstancias de los individuos al nacer, es decir, con es observar variables instrumentales [11], que puedan in-
todo el entorno y situación de sus padres. Mientras que fluir en los esfuerzos, pero no en los ingresos. Modelos de
la desigualdad de resultados tiene relación con la distribu- este tipo se han utilizado ampliamente en la literatura so-
ción del producto total de la economía, medida a través de bre retornos a la educación [3]. En la ecuación de Mincer
los ingresos laborales, o del ingreso per cápita que tienen por ejemplo, la educación por la instrumentación de los
las personas en su respectivo país [3, 15]. De acuerdo con antecedentes familiares es práctica habitual para corregir
Bourguignon, entre los muchos determinantes del ingreso la endogeneidad de la educación [12]. Esto permitiría ha-
de una persona, es posible distinguir dos diferentes gru- cer una estimacion adecuada por Mínimos Cuadrados Or-
pos: aquellos determinantes que resultan de los esfuerzos dinarios (MCO) y obtener coeficientes insesgados para cal-
de las personas a lo largo de sus vidas, los cuales permi- cular los efectos parcial y total de las oportunidades sobre
ten incrementar su productividad, y aquellos que obede- los ingresos [3]. Aunque este método es uno de los más uti-
cen a las circunstancias que están fuera del control de las lizados para solucionar este tipo de relaciones indeseables
personas [3]. Bourguignon llama al primer grupo de deter- entre variables, resulta inconveniente para este caso con-
minantes “variables de esfuerzo” y a los segundos, “varia- creto. La dificultad se halla en la imposibilidad de emplear
bles de circunstancias”(en este trabajo se llamarán “varia- el contexto familiar como variable instrumental del nivel
bles heredadas”). de educación de un individuo, por tratarse precisamente
La relación entre ingresos (I), variables heredadas (H) y de una de las variables a estimar. Ante la imposibilidad de
variables de esfuerzos propios (E) puede ser descrita como encontrar variables instrumentales adecuadas, Bourguig-
I = f ( H, E), donde las variables heredadas generalmente non recomienda otra alternativa para tratar la endogenei-
incluyen variables socioeconómicas de los individuos; por dad de las variables de esfuerzo propio, la cual se basa en
ejemplo: lugar, etnia, sexo, educación de los padres, etc. Las el análisis paramétrico de rangos3 . Esta técnica, en la cual
variables de esfuerzo propio consideran variables de capi- nos basaremos, hace posible simular los sesgos de los es-
tal humano; por ejemplo, capacitación laboral, migración timadores de la ecuación de ingresos y, obtener rangos de
laboral, etc. En este punto cabe recalcar que al ingreso I, confiabilidad para los niveles de desigualdad simulados.
por facilidad, lo notaremos como Y. La información utilizada en el estudio es la contenida
Bourguignon propone dos modelos considerando va- en la Encuesta de Condiciones de Vida, ECV (2006). Esta
riables heredadas y de esfuerzo propio, para medir el in- es la información más actualizada para los fines de la in-
greso laboral [3, 13, 15]. vestigación. La información de la ECV (2006), básicamente,
El primer modelo es una relación lineal entre las varia- permite elaborar y medir indicadores necesarios para las
bles heredadas y las de esfuerzo propio, pero esta formula- variables en estudio. De la encuesta se selecciona la infor-
ción es restrictiva debido a que asume una separación com- mación correspondiente a hombres y mujeres entre 26 y 60
pleta entre las variables heredadas y de esfuerzo, cosa que años, que se clasifica de acuerdo con el sexo y la edad, esta
en la realidad no es así pues existe una elevada posibilidad última se la divide en intervalos de cinco años (referidos al
de correlación1 entre estas variables. En el segundo mode- año de nacimiento) [3, 15] con la finalidad de observar el
lo, los esfuerzos son parte de una función de las variables cambio de la influencia de los padres a través del tiempo
heredadas; así, las variables heredadas juegan un doble rol, y si las oportunidades al nacer de los individuos provocan
tienen un efecto directo en los ingresos y un efecto indirec- una variación en la proporción total de la desigualdad.
to en los esfuerzos. Este autor define el primer efecto co- El documento está estructurado de la siguiente forma:
mo el efecto parcial de las variables heredadas observadas en la sección dos se presenta el marco teórico, específica-
en los ingresos y, el segundo, como el efecto total, que es el mente se describe cada una de las metodologías y concep-
conjunto de los efectos directos e indirectos de las variables tos utilizados en el estudio; en la sección tres se describen
heredadas observadas en los ingresos [13]. los modelos utilizados para determinar la desigualdad de
Uno de los principales problemas de esta última formu- los ingresos; en la sección cuatro se presentan los resulta-
lación es que no se puede asumir a priori la independen- dos y el análisis al aplicar la teoría para el caso ecuatoriano;
cia de las variables no observadas en el término residual en la sección cinco se dan las conclusiones y; finalmente, en
de la ecuación de ingresos y en las variables de esfuerzo. la sección seis se dan las recomendaciones del estudio.
Un ejemplo es la riqueza de los padres, pues esto tiene un
impacto directo en la educación o en el ingreso actual de
su hijo (o en ambos), independientemente de la educación 2 Marco teórico
propia del hijo. Esta correlación entre el término residual
y las variables de esfuerzo, que da origen al problema de En esta sección se detallan los conceptos y métodos ne-
endogeneidad2 , produce un sesgo en la estimación. cesarios para el análisis de los ingresos laborales de las per-
1 Véase sección 2.2

Analíti a k
sonas, así como uno de los indicadores para medir la desi- i. Cuando el modelo lineal general presenta endogenei-
gualdad de los ingresos. dad, el estimador de mínimos cuadrados ordinarios es
inconsistente [5]. Para evitar este tipo de problemas se
asume que los regresores son exógenos, es decir, son
2.1 Modelos lineales independientes.
Un modelo lineal múltiple, en general, relaciona la ii. Los economistas usan modelos para entender qué es-
variable dependiente Y con K variables explicativas Xk tá sucediendo en la economía. Dentro de los modelos,
(k=0,...,K) o cualquier transformación de éstas. Algebraica- se destacan dos elementos importantes: las variables
mente puede representarse de la siguiente manera: endógenas, que son aquellas que intentan explicar el
K
modelo y, las variables exógenas que el modelo toma
como dadas.
Y = β0 + ∑ β k Xk + ǫ, (1)
k =1
D EFINICIÓN 3 (Coeficiente de Determinación). El coeficien-
donde ǫ es una variable aleatoria normalmente distribuida te de determinación, R2 es el cuadrado del coeficiente de corre-
que sigue una ley normal N (0, σ2). Además, se asume, es- lación r, donde 0 ≤ R2 ≤ 1 y, puede interpretarse como el
ta variable recoge todos aquellos factores de la realidad no porcentaje de la variación total que está siendo explicada por la
controlables u observables. regresión.
Un modelo de Regresión Lineal Múltiple con K variables
predictoras y basado en n observaciones es de la forma: Observaciones:
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

Analíti a k
( X1 , X2 , · · · , Xk ). Además, toman en cuenta la correlación 2.4 Análisis paramétrico de rangos
entre las distintas muestras [2]. Algebraicamente, la regre-
sión logística puede representarse de la siguiente manera: El análisis paramétrico de rangos es una alternativa al
problema de endogeneidad entre variables [15]. Para en-
ex p(ηi ) tenderlo, realizaremos una breve descripción del mismo.
Pr(Y = yi ) = , i = 1, 2, · · · , n, (3) En primer lugar, es necesario escribir el modelo que se
1 + ex p(ηi )
desee estimar de la forma:
donde
ln(Yi ) = Xi β + ǫi , (4)

1 cumple
Y= donde el término residual ǫi no es necesariamente indepen-
0 no cumple
diente de todas las variables explicativas y, por consiguien-
y te, los estimadores de MCO pueden estar sesgados, es de-
cir,
ηi = β 0 + β 1 Xi1 + ... + β k Xik , para k = 1, 2, · · · , K. E( βe) = β + B. (5)
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
Aquí, ⊗ denota el producto tensorial.

4 -2 log de la verosimilitud (-2LL): mide hasta qué punto un modelo se ajusta bien a los datos. El resultado de esta medición recibe también el
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.

Analíti a k
2.5 Índice de la desigualdad 3.1 Modelo de Bourguignon
Existen algunos índices para medir la desigualdad en El modelo de Bourguignon, a partir de un modelo li-
la distribución del ingreso; sin embargo, los más conocidos neal, estima los ingresos de los individuos considerando
son: el coeficiente de Gini y el coeficiente de Theil [3, 15]. En las variables heredadas y las de esfuerzo propio. La parti-
este trabajo utilizaremos el primero, pues es el más común cularidad fundamental del modelo es que realiza un cam-
y, además, el INEC ha establecido su uso para las medicio- bio de variable al ingreso, pues en lugar de considerarla de
nes de la desigualdad. manera natural toma su logaritmo. El hecho de realizar es-
te cambio de variable se debe a que la forma de la variable
D EFINICIÓN 4 (Coeficiente de Gini). Se define matemática- ingreso es exponencial (puede tener valores muy altos) y al
mente como la proporción acumulada de los ingresos totales que aplicar el logaritmo natural, la escala cambia.
obtienen las proporciones acumuladas de la población. En la prác- El modelo de Bourguignon, algebraicamente, se puede
tica, una fórmula usual para calcular el coeficiente de Gini es: expresar como:

n =1 ln(Yi ) = α0 + α1 X H1i + α2 X H2i + · · · + αr X Hri

G = 1 − ∑ ( Xk+1 − Xk )(Yk+1 + Yk ), (8) (9)
k =1
+ β 1 XE1i + β 2 XE2i + · · · + β q XEqi + ǫYi
donde G es el coeficiente de Gini, X es la proporción acumulada ∀i = 1, 2, · · · , n, con r, q ∈ N. En esta ecuación,

de la variable población y, Y es la proporción acumulada de la
variable ingresos. • Yi : es el ingreso laboral de una persona.
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 este modelo se asume que el término residual in-

cluye el error de medición y las variaciones propias de las
variables heredadas y de las de esfuerzo propio. Además,
se asume independencia entre las variables.
Debido a la relación existente entre las variables here-
dadas y de esfuerzo propio se puede definir de manera ex-
plícita una ecuación entre éstas. En primer lugar, se define
una ecuación que exprese a las variables de esfuerzo pro-
pio en función de las variables heredadas, de la siguiente
forma:
XEki = b0k + b1k X H1i + b2k X H2i + · · · + brk X Hri + ǫXE ki

Figura 2. Gráfico que muestra la curva de Lorentz y el cálculo del (10)
coeficiente de Gini. ∀k = 1, 2, · · · , q. Aquí,
• XEk : es la variable de esfuerzo propio a considerar, de

3 Metodología manera particular, en este estudio si:
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.

Analíti a k
• r: es el número de variables heredadas, y βs bws mide la influencia de los esfuerzos propios, indirec-
tamente a través de las variables heredadas. Las constantes
• ǫXEki : es el término residual que tiene una distribu- α y β b y; los errores βǫ y ǫ , nos indican que el indivi-
0 s 0 XE Y
ción N (0, σ2 ). duo tiene ingresos laborales, aunque la influencia tanto de
las variables heredadas como las de esfuerzo propio, sea
Reemplazando la ecuación (10), es decir, cada una de las
nula.
variables de esfuerzo propio consideradas, en la ecuación
(9), se tiene que:
3.2 Estimación del ingreso hipotético
ln(Yi ) = α0 + α1 X H1i + α2 X H2i + · · · + αr X Hri Para determinar el ingreso hipotético es necesario reali-
zar simulaciones eliminando las diferencias existentes en-
+ β 1 (b01 + b11 X H1i + b21 X H2i + · · · + br1 X Hri
tre los individuos, es decir, igualar las medias de las varia-
+ ǫXE1i ) bles heredadas, como propone Bourguignon, o utilizar di-
+ β 2 (b02 + b12 X H1i + b22 X H2i + · · · + br2 X Hri ferentes escenarios que se crean convenientes; por ejemplo,
+ ǫXE2i ) + · · · que todos los padres tengan 12 años de estudio en prome-
dio.
+ β q (b0q + b1q X H1i + b2q X H2i + · · · + brq X Hri )
Para esto, primero hay que calcular los estimadores de
+ ǫXE qi + ǫYi . la ecuación de ingresos (9); luego, los estimadores obteni-
(11a) dos, junto con las medias de las variables heredadas ( X̄ Hi ),
se reemplazan en la ecuación (9). Así, la ecuación del ingre-
Desarrollando la ecuación (11a) y, agrupando los térmi- so hipotético se puede escribir como:
nos semejantes se tiene:
ln(Yei ) = αb0 + αb1 X̄ H1i + αb2 X̄ H2i + · · · + αbr X̄ Hri

ln(Yi ) = α0 + β 1 b01 + β 2 b02 + · · · + β q b0q (13)
+c
β 1 XE1i + c
β 2 XE2i + · · · + c Yi ,
β q XEqi + ǫc
+ X H1i (α1 + β 1 b11 + β 2 b12 + · · · + β q b1q )
+ X H2i (α2 + β 1 b21 + β 2 b22 + · · · + β q b2q ) + · · · donde
+ X Hri (αr + β 1 br1 + β 2 br2 + · · · + β q brq ) • Yei : es el ingreso hipotético.
+ β 1 ǫXE 1i + β 2 ǫXE2i + · · · + β q ǫXE qi + ǫYi . • X̄ Hri : son las medias de las variables heredadas, u
(11b) otros valores que nosotros asignemos.
A continuación, por simplificación, notaremos la ecua- • αbi , βbi , ǫc
Yi : son los estimadores.
ción (11b) de la siguiente manera:
En la ecuación (13), las variables de esfuerzo propio son
las que determinarán el nuevo nivel de ingresos del indi-
ln(Y ) = α0 + βs b0 + (αw + βs bws )X Hw + βǫX E + ǫY , viduo, pues las variables heredadas, al ser reemplazadas
(12) por su media o por otro valor que designemos, dejan de
donde ser una causa de la distribución desigual; pero hay que re-
cordar que las variables de esfuerzo propio dependen de
• α0 = α0 las variables heredadas, es así que la simulación determi-
• βs b0 = β 1 b01 + β 2 b02 + · · · + β q b0q , ∀s = 1, 2, · · · , q nada por la ecuación (13), sólo refleja el efecto parcial de
la desigualdad de oportunidades sobre la distribución del
• αw = αi si w = i ó αw = 0 si w 6= i ingreso y, por lo tanto, se requiere de otra ecuación para
determinar el efecto total.
• βs bws = β 1 br1 + β 2 br2 + · · · + β q brq Al utilizar los resultados obtenidos al ejecutar la ecua-
• X Hw = X H1 , X H2 , · · · , X Hr ción (10), es decir, la ecuación de la variable de esfuerzos
propios, y reemplazarlos por sus correspondientes en la
• βǫX E = β 1 ǫXE 1 + β 2 ǫXE 2 + · · · + β q ǫXE q ecuación (13), se tiene la siguiente ecuación de ingresos:
• ǫY : es el término residual que tiene una distribución

N (0, σ2). ln(Ye
ei ) = αc bc bi + βbi bbi ) X Hi + ǫd
0i + ( β i b0i ) + ( α
b Yi , (14)
X E i β i + ǫc
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).

Analíti a k
Con la ecuación (14) es posible determinar el efecto to- Variable Frecuencia Porcentaje
tal de las variables heredadas, a través de las variables de Tienen ingresos 15.106 74,36
esfuerzo propio, sobre la distribución del ingreso. No tienen ingresos 5.209 25,64
Total 20.315 100,0
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
3.3.1 Selección de los datos Tabla 2. Frecuencias y porcentajes correspondientes a la pregunta

N◦ 9 (el padre de (...) vive en el hogar?), sección 2, considerando a
“El universo objeto de la investigación para la ECV
las personas ocupadas entre 26 y 60 años de edad. Fuente: elabo-
(2006) fue constituido por todos los hogares del área urba- ración propia a partir de la encuesta ECV (2006).
na y rural de la República del Ecuador, excluyendo los ho-
gares de la Región Insular. La unidad de análisis o unidad
de observación es el hogar. El marco de muestreo para la Variable Frecuencia Porcentaje
ECV (2006) fue construido en base al marco maestro cons- La madre vive en el hogar 973 7,0
truido por David Megill (U.S. Census Bureau) en el año La madre no vive en el hogar 12.962 93,0
2002, el cual utilizó datos del VI Censo de Población y V Total 13.935 100,0
de Vivienda del año 2001.”[17] “Los dominios de estudio,
Tabla 3. Frecuencias y porcentajes correspondientes a la pregunta
denominados Dominios de Estimación, son agrupaciones
N◦ 12 (la madre de (...) vive en el hogar?), sección 2, consideran-
de centros poblados con características similares para los
do a las personas ocupadas entre 26 y 60 años de edad. Fuente:
que se pretenden obtener estimaciones. Las 13.536 vivien- elaboración propia a partir de la encuesta ECV (2006).
das seleccionadas son distribuidas en 20 estratos tomando
en cuenta, que los estratos son básicamente las provincias
dentro de cada región formando 15 estratos, excepto las A partir de las tablas 2 y 3, eliminamos a los 1.171 indi-
provincias de la Región Amazónica, las cuales conforman viduos que viven con sus padres y a los 973 individuos que
1 sólo estrato; y, los grandes centros poblados urbanos queviven con sus madres, respectivamente. Estos datos los eli-
constituyen 4 estratos aparte.”[17] minamos , pues la ECV no toma información de los padres
La base de datos ECV (2006) cuenta con 55.666 datos, a y madres si ellos viven en el hogar.
los cuales aplicamos las siguientes restricciones: Al eliminar a estos grupos de individuos, los datos se
redujeron a 12.962. Ahora, resta analizar a los individuos
• Consideramos a las personas de 26 a 60 años de edad, que conocen el nivel de instrucción de sus padres. Las ta-
en un esfuerzo por concentrarnos en los individuos que blas 4 y 5 muestran las frecuencias y porcentajes correspon-
han finalizado la universidad y son potencialmente acti- dientes.
vos en el mercado laboral.
Nivel de Instrucción Frecuencia Porcentaje
• Se seleccionaron a los individuos que estuvieron tra-
Primario 7.142 55,10
bajando, y por consiguiente tuvieron ingresos laborales
Secundario 1.209 9,33
mensuales. Post bachillerato 39 0 ,30
• Se consideraron a los individuos que tienen información Superior 468 3,61
de los padres. Esta restricción es importante ya que las Ninguno 2.779 21,44
variables correspondientes a los padres son parte de las No sabe 1.325 10,22
variables explicativas del modelo. Total 12.962 100,0
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.

Analíti a k
Nivel de Instrucción Frecuencia Porcentaje La base de datos es ahora de 11.353, mismos que serán
Primaria 6.385 54,87 utilizados en el análisis.
Secundaria 1.166 10,02
Post bachillerato 49 0,42
Superior 273 2,35 3.3.2 Análisis de las bases
Ninguno 3.480 29,90 Para realizar el análisis de la base es necesario detallar
No sabe 284 2,44 cuáles son las variables que se consideran en el modelo.
Total 11.637 100,00 Éstas y su tipo se muestran en la tabla 6.
Tabla 5. Frecuencias y porcentajes correspondientes al nivel de
instrucción de la madre, considerando a las personas ocupadas
entre 26 y 60 años de edad. Fuente: elaboración propia a partir de
la encuesta ECV (2006).
No Variable Tipo Categoría

Mestizo
Indígena (e1)
1 Autoidentificación étnica (et) Categórica Blanco (e2)
Negro (e3)
Mulato (e4)
Otro, cuál?
Pichincha
Azuay (p1)
Bolívar (p2)
Cañar (p3)
Carchi (p4)
Cotopaxi (p5)
Provincia de Chimborazo (p6)
2 nacimiento Categórica El Oro (p7)
(pn) Esmeraldas (p8)
Guayas (p9)
Imbabura (p10)
Loja (p11)
Los Ríos (p12)
Manabí (p13)
Tungurahua (p14)
Amazonía (p15)
Educación promedio de los
3 Discreta
padres (epp)
Diferencia de la educación
4 Discreta
de los padres (dep)
5 Educación del individuo (ei) Discreta
Educación al cuadrado del
6 Discreta
individuo (eic)
Urbana
7 Nacido en zona rural (nzr) Dicotómica
Rural
Si
8 Migrante (migra) Dicotómica
No
Si
9 Capacitación laboral (cl) Dicotómica
No
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).

Analíti a k
• Características de las variables heredadas permite observar entre cada generación los cambios de ca-
da una de las variables independientes y, los efectos sobre
Las variables heredadas o de oportunidad que se consi- el ingreso, así como la influencia de la movilidad social.
deran en este estudio contienen información sobre el grupo Adicionalmente, la segmentación realizada permitirá ana-
étnico, el lugar de origen y la educación de los padres. lizar los diferentes efectos en el desempeño económico de
La etnia se mide a través de cuatro variables categóricas los individuos, a medida que pasa el tiempo; y, dependien-
que registran si el individuo se autodefine indígena, blan- do de los resultados, formular recomendaciones de índole
co, negro o mulato. La etnia mestizo se toma como referen- político para mitigar problemas socioeconómicos.
cia, ya que los datos reflejan que la mayoría de la población La distribución de los datos entre hombres y mujeres se
ecuatoriana se autodefine como tal [17]. observa en la tabla 7.
El lugar de origen establece las diferentes provincias del
país donde el individuo nació, y se toma como punto de Sexo Frequencia Porcentaje
comparación la provincia donde está la capital del país, Pi- Hombre 6.905 60,8
chincha. Mujer 4.448 39,2
Adicionalmente, se considera una variable auxiliar que Total 11.353 100,0
controla si el individuo es nacido en zona rural.
La educación de los padres, que está expresada en nú- Tabla 7. Frecuencias y porcentajes correspondientes al sexo, con-
siderando a las personas ocupadas entre 26 y 60 años de edad.
mero de años de estudio,7 considera dos valores que son: el
Fuente: elaboración propia a partir de la encuesta ECV (2006).
promedio de años de educación en conjunto de los padres
y la diferencia de años de estudio entre ellos [3, 15].
Trabajaremos con 6.905 datos para el caso de los hom-
• Características de las variables de esfuerzo propio bres y con 4.448 datos para el caso de las mujeres. Luego,
como ya se mencionó, es necesario separar los datos por
Las variables de esfuerzo propio que se consideran con- intervalos de edades.
tienen información sobre la educación del individuo, la mi- Por el tamaño de la información de todos los intervalos,
gración laboral y la capacitación laboral. solamente presentaremos el proceso para el primer interva-
La educación del individuo se mide en años y, además, lo de edad, es decir, consideraremos los hombres entre 26 y
a partir de ésta, se construye una variable auxiliar, la edu- 30 años (nacidos entre 1976 y 1980).
cación del individuo al cuadrado, con el objeto de capturar
las posibles no linealidades[3]. • Variable etnia
La migración laboral es una variable dicotómica que de-
fine si el individuo ha migrado por trabajo al lugar donde Como se puede observar en la tabla 8 todos los datos son
fue encuestado en los últimos 5 años. representativos (entendiéndose por datos no representati-
La capacitación laboral corresponde a si el individuo se vos a aquellos datos, cuya frecuencia es muy baja corres-
encuentra actualmente capacitándose para mejorar en su pondiente a un porcentaje menor a 1 %), por lo que no es
trabajo, o al menos se ha capacitado durante los doce últi- necesario realizar ningún proceso de depuración.
mos meses anteriores a la fecha de la encuesta.
Autoidenticación
Frecuencia Porcentaje
• Análisis descriptivo étnica
Mestizo 928 77,08
El análisis descriptivo de los datos los realizaremos se- Indígena 124 10,30
paradamente para hombres y mujeres, y en cada intervalo Blanco 86 7,14
de edad. Negro 38 3,16
Considerando la edad de los individuos se separó en Mulato 28 2,33
intervalos de 5 años, es decir, de 26 a 30 años de edad (na- Total 1.204 100,00
cidos entre 1976 y 1980), de 31 a 35 años de edad (nacidos
Tabla 8. Frecuencias y porcentajes correspondientes a la etnia,
entre 1971 y 1975), de 36 a 40 años de edad (nacidos entre considerando a las personas ocupadas entre 26 y 30 años de edad.
1966 y 1970), de 41 a 45 años de edad (nacidos entre 1961 y Fuente: elaboración propia a partir de la encuesta ECV (2006).
1965), de 46 a 50 años de edad (nacidos entre 1956 y 1960),
de 51 a 55 años de edad (nacidos entre 1951 y 1955) y de 56
a 60 años (nacidos entre 1946 y 1950)[3]. • Variable provincia de nacimiento8
Este método, además de permitir medir el rol de la des-
igualdad de oportunidades, en la forma de desigualdad de Con respecto a la variable provincia de nacimiento tam-
los ingresos observados, para una determinada edad, nos poco es necesario realizar ningún proceso de depuración.
7 La educación, tanto de los individuos como de los padres están dadas en la ECV (2006) como variables categóricas (nivel de estudios aprobado y
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.

Analíti a k
Provincia de dres es necesario analizar los años de instrucción del padre
Nacimiento y de la madre. Los resultados se muestran en la tabla 10.
Manabí 160 13,3 Decidimos agrupar los valores en el siguiente orden, de
Guayas 140 11,6 tal forma que todos los datos sean representativos:
Pichincha 109 9,1
Los Ríos 94 7,8 Años de
Azuay 84 7,0 Frecuencia Porcentaje
Instrucción
Tungurahua 73 6,1 0 286 23,75
El Oro 72 6,0 1 16 1,33
Bolivar 68 5,6 2 57 4,73
Loja 64 5,3 3 114 9,47
Cotopaxi 60 5,0 4 56 4,65
Chimborazo 60 5,0 5 24 1,99
Imbabura 56 4,7 6 459 38,12
Amazonía 53 4,4 9 15 1,25
Esmeraldas 48 4,0 10 33 2,74
Carchi 42 3,5 11 14 1,16
Cañar 21 1,7 13 76 6,31
Total 1.204 100,0 17 13 1,08
18 18 1,50
19 23 1,91
Tabla 9. Frecuencias y porcentajes correspondientes a la provincia
Total 1.204 100,00
de nacimiento, considerando a las personas ocupadas entre 26 y
30 años de edad. Fuente: elaboración propia a partir de la encues-
Tabla 11. Frecuencias y porcentajes correspondientes a los años
ta ECV (2006).
de instrucción del padre, considerando a las personas ocupadas
entre 26 y 30 años de edad, luego de agrupar valores. Fuente: ela-
• Variable Educación promedio de los padres boración propia a partir de la encuesta ECV (2006).
Años de
Instrucción Para el caso de la madre, la distribución es como sigue:
0 286 23,75
1 13 1,08 Años de
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
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-

Analíti a k
Del mismo modo que para los hombres, agrupamos va- Como se puede observar existen datos atípicos, por lo
lores de la siguiente forma: cual, es necesario eliminarlos para evitar posibles inconsis-
tencias, obteniendo de esta manera una base total de 1.059
Años de individuos, para el caso de los hombres nacidos entre 1976
Instrucción y 1980, es decir, con una edad entre 26 y 30 años. Procedi-
0 301 25,00 mientos similares se realizó para el resto de intervalos.
1 12 1,00
2 61 5,07
3 113 9,39 4 Análisis y discusión de datos: el ca-
4 54 4,49
5 27 2,24 so ecuatoriano
6 408 33,89
9 15 1,25 En esta sección se presenta la aplicación al caso ecuato-
10 51 4,24 riano. Se calculará en primer lugar el efecto parcial, utili-
12 15 1,25 zando los estimadores de la ecuación de ingresos y las me-
13 80 6,64 dias de las variables heredadas; en segundo lugar, el efecto
17 26 2,16 total, al reemplazar la ecuación de esfuerzos propios en la
18 23 1,91 ecuación de ingresos y, finalmente, se calculará el coeficien-
19 18 1,50 te de Gini con el propósito de medir la disminución o no en
Total 1.204 100,00 la desigualdad de los ingresos.
de instrucción de la madre, considerando a las personas ocupa- 4.1 El efecto parcial
das entre 26 y 30 años de edad, luego de agrupar valores. Fuente:
elaboración propia a partir de la encuesta ECV (2006). Para determinar el efecto parcial que tienen las varia-
bles heredadas en la distribución de los ingresos, en pri-
mer lugar, es necesario calcular los estimadores de la ecua-
Además del análisis descriptivo que hasta aquí se ha ción de ingresos, ecuación (9). Luego se utilizan las medias
presentado, se analizó también las variables: “educación de las variables heredadas y los datos de la variable de es-
promedio de los padres, diferencia años de estudio de los fuerzo propio que nos permitirá realizar los cálculos de la
padres y años de estudio del individuo”. Sin embargo, res- simulación del ingreso laboral hipotético.
ta analizar la variable dependiente, ingreso laboral. Debido
a que esta variable no está explícita en la encuesta, se consi- 4.1.1 Los ingresos
deró el ingreso laboral mensual calculado por el INEC para
la ECV (2006). La forma desagregada de la ecuación (9) es como sigue:
Con el objeto de determinar datos atípicos se realizó un
diagrama de caja, que se lo puede observar en la figura 3. ln(Y ) =α + α et + α pn + α epp + α dep
i 0 et i pn i epp i dep i
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.
• pn: es la variable categórica provincia de nacimiento.

400.00
• epp: es la educación promedio de los padres.
• dep: es la diferencia entre la educación del padre y de

200.00
la madre.
• nzr: es la variable dicotómica nacidos en zona rural.

.00
• ei: es la educación del individuo.

Figura 3. Diagrama de caja del Ingreso laboral mensual. Fuente: • eic: es la educación del individuo elevada al cuadra-
elaboración propia a partir de la encuesta ECV (2006). do.

Analíti a k
• migra: es la variable dicotómica migración laboral. Para el caso de los hombres con una edad entre 31 y 35
años, la ecuación de ingresos, considerando los estimado-
• cl: es la variable dicotómica capacitación laboral. res significativos es:
• αi , β j : son los estimadores.

ln(Ŷi ) =5,1674 − 0,5040p2i − 0,3434p6i − 0,2818p9i
• ǫYi : es el término residual que tiene una distribución − 0,3094p11i − 0,3664p12i − 0,3383p13i
(16)
N (0, σ2).. − 0,2973p14i − 0,3167p15i + 0,0213eppi
+ 0,0399eii − 0,1864nzri + 0,2786cli + ǫ̂Yi ,
Dentro de la variable etnia (et), hay cuatro variables di-
cotómicas (desde e1 hasta e4) y dentro de la variable pro- donde ǫ̂Yi son los resultados del error de la ecuación de
vincia de nacimiento (pn) hay quince variables dicotómicas ingresos para cada individuo i. Esta notación de los resul-
(desde p1 hasta p15), mismas que se encuentran detalladas tados del error, la utilizaremos en todas las ecuaciones que
en la tabla 6. hemos tomado como ejemplo para mostrar los resultados
Las ecuaciones de ingresos fueron estimadas por inter- obtenidos.
valos, separadamente para hombres y mujeres, utilizando De la ecuación (16), para este caso específico, hombres
el método de Mínimos Cuadrados Ordinarios (MCO). entre 31 y 35 años de edad, se concluye que:
Los coeficientes de determinación R2 , para cada una de
los modelos, son bajos; sin embargo, el análisis de varian- • Si se considera la nula influencia de las variables heredadas y
de esfuerzo propio, se observa que los hombres tienen un ingre-
za, ANOVA, que nos informa si existe o no relación signifi-
cativa entre las variables, indica que sí existe relación. Los so mayor que el de las mujeres (comparar las ecuaciones (16) y
(17)).
resultados de R2 y del nivel crítico9 de la tabla ANOVA los
podemos ver en las tablas 14 y 15 que, además, contienen • Si la educación de los padres se incrementara un año, el ingreso
los resultados de los estimadores y el número de observa- del individuo crecería en un 2 %.
ciones de cada intervalo. El coeficiente de correlación R2 ,
tanto para el caso de los hombres como para el de las mu- • Si la educación del individuo se incrementara en un año, su
jeres, entre 31 y 35 años de edad, es 0,28. ingreso crecería en un 3 %.
Estudios similares realizados en Brasil y Colombia pre-
sentan resultados con coeficientes de determinación bajos • Si el individuo nació en zona rural, su ingreso disminuiría en
[3, 15], permitiéndonos en cierta forma aceptar los resulta- un 18 %.
dos obtenidos en el presente estudio, pues son similares.
• Si el individuo se ha capacitado para mejorar su trabajo, du-
En el caso de Brasil presenta coeficientes de determi- rante los últimos doce meses, su ingreso se incrementaría en
nación R2 entre 0,36 y 0,45 para el caso de la ecuación de un 27 %.
ingresos de los hombres, pero para el caso de las mujeres
no presentan dichos resultados. Mientras que para la ecua- Los resultados para el caso de la mujeres de presentan
ción de estudios de los hombres, presentan un R2 entre 0,34 en la tabla 15.
y 0,43 y para las mujeres un R2 entre 0,36 y 0,46. También Para el caso de las mujeres, con una edad entre 31 y 35
es importante resaltar la base de datos con la que trabajan, años, la ecuación de ingresos, considerando los estimado-
5.812 datos. res significativos, es:
Por otra parte, Colombia presenta un R2 entre 0,29 y
0,41 para el caso de la ecuación de ingresos de los hombres,
pero para el caso de las mujeres, al igual que Brasil, no pre- ln(Ŷi ) =4,4652 − 0,3174p1i − 0,9270p3i − 0,4865p9i
sentan dichos resultados. La ecuación de estudios de los − 0,3110p11i − 0,6944p12i − 0,3944p13i
hombres presentan un R2 entre 0,33 y 0,54 y para las mu- (17)
− 0,5929p15i + 0,0356eppi + 0,0068eii
jeres un R2 entre 0,31 y 0,42. La base de datos con la que
+ 0,4524cli + ǫ̂Yi
trabajaron en la ecuación de ingresos para el caso de los
hombres es de 1’287.828 datos, y para el caso de las muje- De la ecuación (17), para este caso específico, mujeres
res es de 1.003 datos. La base de datos con la que trabajaron entre 31 y 35 años de edad, se concluye que:
en la ecuación de estudios para el caso de los hombres es de
1’287.828 datos y, para el caso de las mujeres es de 1’729.408 • Como se mencionó para el caso de los hombres, si se considera
datos. la nula influencia de las variables heredadas y de esfuerzo pro-
Los resultados para el caso ecuatoriano, correspondien- pio, se observa que las mujeres tienen menores ingresos que los
te a los hombres, se presentan en la tabla 14. hombres (comparar las ecuaciones (16) y (17)).
9
El nivel crítico (Sig.) indica que, si suponemos que el valor poblacional de R es cero, es improbable (probabilidad = 0,000) que R, tome el valor
obtenido. Lo cual implica que R es mayor que cero y que, en consecuencia, las variables dependiente e independientes están linealmente relacionadas.

Analíti a k
• Si la educación de los padres se incrementara un año, el ingreso provincia de nacimiento fue negativa, en comparación con
del individuo crecería en un 3,6 %. la provincia de Pichincha (provincia de referencia), la edu-
cación de los padres fue positiva y el nacimiento en zona
• Si la educación del individuo se incrementara en un año, su rural fue negativo.
ingreso crecería en un 0,7 %.
Mientras Las variables de esfuerzo propio tuvieron los
• Si el individuo se ha capacitado para mejorar su trabajo, du- siguientes efectos en los ingresos: la educación del indivi-
rante los últimos doce meses, su ingreso se incrementaría en duo fue positiva, la migración laboral fue positiva, única-
un 45 %. mente para el caso de los hombres con una edad entre 56 y
60 años y, la capacitación laboral fue positiva.
A continuación se realiza un análisis general de todos
los intervalos de edad, tanto de hombres como de muje- A continuación se realiza el análisis individual de las
res. Así, los resultados de las regresiones muestran que la variables en estudio.
constante, tanto para hombres como para mujeres, en to-
dos los intervalos, es positivo, siendo mayor para el caso • Etnia
de los hombres; así, su estimador correspondiente es más
alto para los que están entre 26 y 30 años de edad10. En el Los resultados correspondientes a la variable etnia, en
caso de las mujeres, el estimador correspondiente a la cons- general, tanto en el caso de los hombres como en de las
tante es más alto para las que están entre 46 y 50 años de mujeres, muy pocos son los significativos11 , lo que indica-
edad. Este hecho, si la influencia de las variables hereda- ría que la variación del ingreso laboral no depende en gran
das y de esfuerzo propio es nula, refleja que en promedio manera de la variable etnia. Los estimadores significativos,
los hombres tienen salarios más altos que las mujeres: ver en su mayoría, son negativos, siendo el efecto negativo en
figura 4. La influencia nula de las variables heredadas so- los ingresos mayor para las mujeres.
bre el ingreso de los individuos significaría que el indivi-
duo se autoidentifica como mestizo, que ha nacido en la • Provincia de Nacimiento
provincia de Pichincha, que sus padres no tienen estudios
y que ha nacido en zona urbana. Mientras que la influencia Para el caso de la variable provincia de nacimiento te-
nula de las variables de esfuerzo propio significaría que el nemos un escenario similar al de la etnia: no todos son
individuo no ha estudiado, no se ha capacitado para con- significativos y en su mayoría son con signo negativo en
seguir o mejorar su trabajo durante los últimos doce meses comparación con los nacidos en la provincia de Pichincha.
ni ha migrado en los últimos cinco años para conseguir un Por ejemplo, los hombres nacidos en Esmeraldas con edad
trabajo mejor remunerado. entre 56 y 60 años son los que mayor desventaja tienen,
pues el estimador correspondiente es el valor más bajo; lo
que significaría que son los que menores ingresos tienen
en comparación con el resto de los nacidos en otras pro-
vincias, y sin considerar las demás variables. En el caso de
las mujeres, las nacidas en la provincia de Cañar con edad
entre 31 y 35 años son las que menores ingresos tienen; sin
embargo, a diferencia de los hombres, esta variable tiene
menor influencia en el ingreso de las mujeres.
• Educación de los padres
Los estimadores de la variable educación promedio de

los padres son significativos y con signo positivo, para el
caso de los hombres con una edad entre 31 y 45 años, donde
Figura 4. Estimadores de la ecuación de ingresos correspondien- se puede decir que la educación de los padres es un factor
tes a la constante. Fuente: elaboración propia. importante en los ingresos de los individuos.
Para el caso de las mujeres los estimadores correspon-
Por otro lado, tomando en cuenta las variables hereda- dientes son significativos y con signo positivo para las que
das y considerando los valores significativos, en general, están con una edad entre 31 y 40 años y, entre 46 y 50 años.
tanto para los hombres como para las mujeres tuvieron los La influencia positiva sobre los ingresos es mayor para las
siguientes efectos en los ingresos: la etnia fue negativa, la mujeres.
10 Tener presente que los datos fueron tomados en el año 2006.
11 Losresultados al ejecutar las regresiones presentan las pruebas t y sus niveles críticos, mismos que sirven para contrastar la hipótesis nula de que
un coeficiente de regresión vale cero en la población. Niveles críticos muy pequeños (generalmente menores que 0,05) indican que debemos rechazar
esa hipótesis nula. Por tal motivo, llamaremos estimadores significativos a aquellos, cuyo nivel crítico fue menor que 0,05.

Analíti a k
En la variable diferencia de la educación de los padres, • Capacitación Laboral
los estimadores son significativos y con signo negativo pa-
ra el caso de los hombres entre 41 y 45 años y, entre 51 y 55 Los estimadores de la variable capacitación laboral no
años de edad. Mientras que para las mujeres, los estimado- son significativos únicamente para un intervalo que corres-
res no son significativos para ningún intervalo. Este hecho ponde a los individuos entre 51 y 55 años de edad, para
revela, que la educación de la madre tiene influencia posi- los demás intervalos son significativos y con signo positi-
tiva únicamente en el ingreso del hijo, pues los estimadores vo, tanto en hombres como en mujeres, siendo mayor la
son negativos y al tener mayor educación la madre que el influencia de esta variable sobre el ingreso en el caso de las
padre, la variable diferencia de la educación de los padres mujeres. Además, se puede notar que tanto en hombres co-
sería negativa, y por consiguiente, el efecto sobre el ingreso mo en las mujeres, esta variable tiene mayor influencia en
sería positivo. las generaciones mayores que en las generaciones jóvenes.
• Nacido en zona rural

4.1.2 Simulación - efecto parcial
Los estimadores de la variable nacido en zona rural pa-
La simulación del ingreso laboral hipotético se realiza
ra el caso de los hombres no son significativos para los que
utilizando los estimadores y los errores calculados ante-
están entre 56 y 60 años de edad, mientras que para los de-
riormente, las medias de las variables heredadas y la serie
más intervalos son significativos y con signo negativo; lo
de las variables de esfuerzo propio.
que significa que los nacidos en zona urbana tienen mayo-
La ecuación (13) considerando las variables indicadas
res ingresos que los que nacieron en zona rural.
es:
Para el caso de las mujeres, los estimadores son sig-
nificativos y con signo negativo, para las que tienen una
edad entre 26 y 30 años y, entre 36 y 45 años, siendo el efec- ln(Yei ) = αb0 + αbe et¯ i + α
d ¯ i + αd
pn pn ¯ i + αd
epp epp
¯
dep dep i
to negativo mayor que el de los hombres, es decir, que si
comparamos con la zona urbana, que es la zona de referen- + αdnzr nzr¯ i + βcei eii + β
d c
eic eic i + β m migra i (18)
cia, las mujeres tienen menores ingresos que los hombres + βccl cli + ǫcYi
también nacidos en zona rural.
donde,
Consideremos ahora las variables de esfuerzo propio:
• Yei : es el ingreso hipotético,
• Educación del individuo
• et¯ i , pn
¯ i , epp ¯ i , nzr
¯ i , dep ¯ i : son las medias de las variables
Los coeficientes que representan la variable educación heredadas,
del individuo, para el caso de los hombres, no son significa-
tivos para los que están entre 26 y 30 años de edad, para los • αbi , βbj , ubi : estimadores de MCO.
demás intervalos son significativos con signo positivo. Es-
to indica que la variable es influyente en el ingreso laboral, Ahora, para calcular el ingreso hipotético es necesario
pues, en promedio, por cada año adicional de educación utilizar los coeficientes y errores obtenidos al estimar la
del individuo, su salario se incrementa en un 5 %. regresión correspondiente a la ecuación (15). También es
Para el caso de las mujeres, a diferencia de los hombres, necesario utilizar las medias de las variables heredadas u
esta variable no es tan influyente, pues solamente para dos otros valores que consideremos convenientes y, las series
intervalos, los estimadores son significativos. originales de las variables de esfuerzo.
Por otro lado, los estimadores que representan a la va-
riable educación del individuo al cuadrado, no son signifi- • Ejemplo
cativos para ninguna edad de los hombres; y para las mu-
jeres lo son sólo para dos intervalos y en valores muy bajos; Si consideramos el siguiente escenario para todos los
por lo que, en general, se puede decir que esta variable no individuos:
es influyente en el ingreso laboral, y, por lo tanto, el efec-
• La etnia es mestiza.
to de los años de escolaridad sobre el ingreso tiene forma
lineal. • La provincia de nacimiento es Pichincha.
• Migración Laboral • La educación promedio de los padres es de 12 años.
Esta variable, en general, no es influyente en el ingreso • La diferencia entre la educación del padre y la ma-
de los hombres ni en el de las mujeres, aunque existe un dre es de 0 años, es decir, tienen el mismo nivel de
caso particular en los hombres de 56 a 60 años de edad, cu- educación.
yo estimador es significativo y con signo positivo, lo cual
indica que su ingreso sería 60 % más que los demás. • Haya nacido en zona urbana.

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
(Constant) 4,7228* 5,1063* 5,0242* 5,1163* 4,8025* 5,1674* 5,2949*

Indígena (e1) -0,2313 -0,0520 -0,1843* -0,2565* -0,1452** -0,1273 -0,2515*
Blanco (e2) -0,1269 -0,0242 0,0051 0,0117 -0,0299 0,0036 0,0852
Negro (e3) 0,5716* 0,1437 -0,1122 0,0767 0,1121 -0,0285 -0,1420
Mulato (e4) 0,2931 0,3761 -0,1631 0,0611 0,1479 -0,0145 0,0713
Azuay (p1) -0,0762 -0,1489 0,0441 -0,0983 0,1557 0,1928 -0,0040
Bolívar (p2) -0,2601 -0,2451 -0,1649 -0,2104 -0,1534 -0,5040* -0,0956
Cañar (p3) -0,2848 -0,1699 0,0391 0,1070 0,1630 -0,0146 -0,4181
Carchi (p4) -0,1447 -0,1306 0,2137 -0,1501 0,0824 -0,1089 -0,1300
Cotopaxi (p5) 0,1940 0,2109 0,0295 -0,1047 -0,0004 -0,0072 -0,0169
Chimborazo (p6) -0,2399 -0,3608* -0,0684 0,0041 -0,0131 -0,3434* -0,1241
El Oro (p7) 0,1917 -0,2251 0,0608 -0,1227 -0,0365 -0,2459 0,0075
Esmeraldas (p8) -1,2906* -0,5828* 0,1310 -0,3871 -0,2335 -0,3188 -0,1799
Guayas (p9) -0,1493 -0,4756* -0,0486 -0,1096 -0,1170 -0,2818* -0,2184*
Imbabura (p10) -0,1310 -0,3878* -0,2238 -0,0185 0,1076 -0,1257 0,0261
Loja (p11) -0,5801* -0,5884* -0,2296 -0,1801 -0,2599* -0,3094* -0,3075*
Los Ríos (p12) -0,2022 -0,4524* -0,1336 -0,3106* -0,2233* -0,3664* -0,2581*
Manabí (p13) -0,2977 -0,5187* -0,0202 -0,2975* -0,1680** -0,3383* -0,4137*
Tungurahua (p14) -0,55069* -0,5023* 0,0763 0,0983 0,0500 -0,2973* -0,1119
Amazonía (p15) -0,4271 -0,3595 -0,0889 -0,3028* -0,3427* -0,3167* -0,0620
Educación promedio de los padres (epp) 0,0231 0,0134 0,0153 0,0228* 0,0365* 0,0213* -0,0041
Diferencia Educación padre y madre (dep) -0,0143 -0,0237* -0,0014 -0,0151* 0,0100 -0,0113 -0,0034
Educación del Individuo (ei) 0,0990* 0,0850* 0,0507* 0,0587* 0,0820* 0,0399* 0,0186
Educación del Individuo elevada al cuadrado (ei2) -0,0022 -0,0011 0,0005 -0,0006 -0,0015 0,0007 0,0019
Nacido en zona rural (nzr) -0,1507 -0,22733* -0,2143* -0,1696* -0,0841* -0,1864* -0,2562*
Migración laboral (migra) 0,6302* -0,3988 0,0195 0,0107 0,0862 0,1134 0,0583
Capacitacion Laboral (cl) 0,5547* 0,4090* 0,2941* 0,2903* 0,2128* 0,2786* 0,2404*
Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 59-90

Número de observaciones 586 742 874 988 1134 1060 1059
R2 0,28 0,29 0,27 0,23 0,26 0,28 0,24

ANOVA: Sig. (F) 0,00 0,00 0,00 0,00 0,00 0,00 0,00
Nota: * Significativo al 5 %, ** Significativo al 10 %.
Tabla 14. Estimadores de las ecuaciones del ingreso laboral de los hombres. Fuente: elaboración propia a partir de la encuesta ECV (2006).
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
(Constant) 4,0037* 4,1743* 4,5940* 4,2930* 4,0374* 4,4652* 4,1612*

Indígena (e1) -0,0022 0,0652 -0,3818* -0,1233 0,3054* -0,2061 0,0590
Blanco (e2) 0,0234 -0,1117 -0,1002 -0,3257* 0,0856 -0,1594 0,0641
Negro (e3) -1,1064* 0,6288 -0,5866** 0,5854* 0,3119 0,1074 -0,3195
Mulato (e4) -1,2135* 0,0465 -0,2899 0,2738 0,2090 0,2397 -0,4210
Azuay (p1) -0,4971 -0,2559 -0,3414 -0,2773 -0,1831 -0,3174** -0,2933
Bolívar (p2) -0,1201 -0,2203 0,0451 -0,2425 -0,2042 -0,1934 -0,4072**
Cañar (p3) -0,8861* -0,8929* -0,4770** -0,2862 -0,2133 -0,9270* -0,4208
Carchi (p4) -0,4835 -0,3200 -0,4419 -0,3057 -0,54067* -0,3044 -0,3072
Cotopaxi (p5) -0,0008 -0,1231 -0,2851 -0,2213 -0,3098 -0,1886 0,0885
Chimborazo (p6) -0,0980 -0,3484 -0,2453 0,0063 -0,5654* -0,2220 -0,2620
El Oro (p7) 0,2425 -0,1110 -0,5355* -0,47184* -0,3113 -0,2415 -0,1759
Esmeraldas (p8) 0,3174 -0,3992 0,0481 -0,5116* -0,3315 -0,3852 0,2384
Guayas (p9) -0,1712 -0,1922 -0,5979* -0,4281* -0,3794* -0,4865* -0,1592
Imbabura (p10) 0,3178 -0,0271 -0,5428* -0,0275 -0,1420 0,1042 0,2347
Loja (p11) -0,6522* -0,2084 -0,2794 -0,4860* -0,2014 -0,3110** -0,0594
Los Ríos (p12) -0,3287 -0,4466** -0,5068 -0,4795* -0,2688 -0,6944* -0,0273
Manabí (p13) -0,2597 -0,2386 -0,7195* -0,2960 -0,3264* -0,3944* -0,2170
Tungurahua (p14) -0,3518 0,1997 -0,7319* 0,1264 -0,1478 -0,1416 0,0119
Amazonía (p15) -0,7996 -0,3248 -0,3850 -0,4510* -0,1699 -0,5929* -0,3172
Educación promedio de los padres (epp) 0,0134 0,0063 0,0480* 0,0035 0,0318* 0,0356* 0,0138
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*

R2 0,40 0,39 0,29 0,30 0,25 0,28 0,23
ANOVA: Sig. (F) 0,00 0,00 0,00 0,00 0,00 0,00 0,00
Nota: * Significativo al 5 %, ** Significativo al 10 %
Tabla 15. Estimadores de las ecuaciones del ingreso laboral de las mujeres. Fuente: elaboración propia a partir de la encuesta ECV (2006).
k
Analíti a
1
Analíti a k
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 %.
• Si la educación del individuo se incrementara en un año, su

ln(Yei ) =5, 1674 + 0, 0213eppi + 0, 0399eii ingreso crecería en un 0,7 %.
− 0, 1864nzri + 0, 2786cli + ǫcYi (19)
• Si el individuo se ha capacitado para mejorar su trabajo, du-
e
ln(Yi ) =5, 1674 + 0, 0213(12) + 0, 0399eii rante los últimos doce meses, su ingreso se incrementaría en
− 0, 1864(0) + 0, 2786cli + ǫc Yi (20) un 45,2 %.
e
ln(Yi ) =5, 1674 + 0, 2556 + 0, 0399eii La diferencia entre el nivel de desigualdad observado,
+ 0, 2786cli + ǫcYi (21) es decir, el coeficiente de Gini calculado en base al ingreso
e
ln(Yi ) =5, 423 + 0, 0399eii observado, y el que resulta con esta nueva distribución del
ingreso, es decir, el coeficiente de Gini calculado en base
+ 0, 2786cli + ǫc
Yi (22) a la ecuación (18) una vez reemplazado los valores corres-
La etnia y la provincia de nacimiento son variables de pondientes, corresponde al efecto parcial de las variables
referencia, por tal motivo toman valores igual a cero en este heredadas sobre el ingreso. Estos resultados se presentan
caso. en la sección correspondiente al cálculo y análisis del coe-
De la ecuación (22), para este caso específico, hombres ficiente de Gini, sección 4.3.2.
entre 31 y 35 años de edad, se concluye que:
• Si se considera la nula influencia de las variables de esfuerzo 4.2 El efecto total
propio, se observa que los hombres tienen mayores ingresos que
Para determinar el efecto total, en primer lugar, es ne-
las mujeres (comparar las ecuaciones (22) y (26)).
cesario determinar las ecuaciones del esfuerzo propio.
• Si la educación de los padres es de 12 años, el ingreso del indi-
viduo crecería en un 25,6 %. 4.2.1 Las variables de esfuerzo propio
• Si el individuo nació en zona urbana, su ingreso a diferencia Para determinar la educación del individuo, utilizare-
de los que nacieron en zona rural, crecería en un 18,7 %. mos el método de MCO, mientras que para la migración
• Si la educación del individuo se incrementara en un año, su y la capacitación laboral, por ser variables cualitativas, uti-
ingreso crecería en un 0,4 %. lizaremos un modelo Logit. La forma desagregada que se
aplica a las tres variables (estudios, migración laboral y ca-
• Si el individuo se ha capacitado para mejorar su trabajo, du- pacitación laboral) es:
rante los últimos doce meses, su ingreso se incrementaría en
un 29 %.
XEki =b0 + b1k eti + b2k pni + b3k eppi + b4k depi
Por otro lado, si consideramos el mismo escenario pa-
ra las mujeres, la ecuación de ingreso hipotético para las + b5k nzri + ǫXE ki , (27)
mujeres entre 31 y 35 años de edad es:
donde
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.
• 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.

Analíti a k
• ǫXE ki : es el término residual que tiene distribución ción de ingreso hipotético para determinar el efecto total de
N (0, σ2). las variables heredadas en la distribución del ingreso; úni-
camente se presentan los resultados obtenidos de acuerdo
Observación: Por facilidad, a la variable de esfuerzo pro- a la validez del modelo.
pio, estudio del individuo, la notaremos como (E) en lugar de Para el caso de la variable de estudio, como los resul-
XE1 . tados fueron significativos, además de los resultados se
A continuación se presentan los resultados obtenidos presenta un breve análisis.
al ejecutar las regresiones para cada una de las variables de
esfuerzo propio, cabe recalcar que de los resultados obteni- • Variable de esfuerzo propio: estudio del individuo
dos, únicamente la variable de esfuerzo propio correspon-
diente al estudio del individuo fue significativa, las demás, En la tabla 16 se puede observar los resultados obteni-
tanto la migración laboral como la capacitación laboral no dos para la ecuación de estudios de los hombres.
fueron significativas, por lo que no se incluirán en la ecua-
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
(Constant) 5,8378* 5,5036* 6,7481* 7,7080* 7,6063* 7,4031* 7,2541*

Indígena -2,1046* -1,9753* -2,0846* -1,7710* -0,7016* -0,4597 0,0283
Blanco -0,9817* -1,1648* -0,1021 -0,8941 -1,1476* 0,0385 -0,4390
Negro 0,2419 -1,2278 -1,0103 -1,9159* -1,0435* -1,2040* 0,4954
Mulato -0.6223 -0.4443 0.6118 -1.2400 -0.6397 -0.5725 0.0932
Azuay -0.7659 -0.2078 -0.8040 -0.7214 0.2621 -0.2358 -0.1449
Bolívar -2.0006* -0.8666 -1.1807 -0.9549 -0.6090 0.0469 0.1459
Cañar -0.6234 0.1082 -0.9602 -0.0616 -0.5006 0.2388 0.3588
Carchi -1.2130 -0.3980 -1.1268 -1.0456 -1.3080* 0.3784 -0.3337
Cotopaxi -1.5489* 0.1558 -0.6909 -0.3112 -0.2782 0.3700 0.6066
Chimborazo -0.8844 0.2790 -0.2744 -0.2258 0.0981 0.0332 0.3149
El Oro -1.1378 -0.6465 -1.0140 -0.1580 -1.20107* 0.0389 -1.1249*
Esmeraldas -1.6833 -0.4246 -1.7722* -0.6762 -1.3358* -0.7702 -2.0868*
Guayas -1.8026* -1.0204 -1.8510* -1.2966* -1.4489* -0.8474* -1.9396*
Imbabura -1.5765 0.9472 -0.4700 -0.5059 -0.4737 0.2398 -1.0396*
Loja -1.4376* -0.6247 -0.9876 -0.1586 -0.9731* -0.9849* -1.1283*
Los Ríos -0.0365 -1.8578* -2.4147* -1.5122* -2.4850* -0.7654 -2.0113*
Manabí -2.5990* -0.9836 -1.37605* -1.5442* -2.3431* -1.0769* -1.4914*
Tungurahua -0.4125 -0.2832 0.7301 -1.1823* -1.1318* -0.5748 -0.5043
Amazonía -0.4872 1.9663 2.4602* 1.4439* -0.6029 1.2774* -1.0964
Educación promedio de los padres 0.8354* 0.8692* 0.8731* 0.7235* 0.6840* 0.5702* 0.5705*
Diferencia Educación padre y madre -0.0673 -0.0233 -0.0397 -0.0256 -0.0123 -0.0134 -0.0501*
Nacido en zona rural -1.3165* -1.4614* -1.3165* -1.3707* -1.0591* -1.5370* -1.4277*

R2 .486 .459 .446 .395 .412 .406 .421
ANOVA: Sig. (F) 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Nota: * Significativo al 5 %.
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,

Analíti a k
pues la diferencia de años de estudio no es muy significativa, • Si el individuo nació en zona rural, sus años de estudio a dife-
es decir, es mucho menos de un año (comparar las ecuaciones rencia de los nacidos en zona urbana se reduciría en 154 %.
(28) y (29)).
A continuación para el caso de las mujeres, de manera
• Si la educación de los padres se incrementara en un año, los análoga, en la tabla 17 se puede observar los resultados de
años de estudio del individuo crecerían un 57 %. la ecuación de estudios.
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
(Constant) 4.1579* 4.6833* 5.3634* 6.6742* 7.6567* 7.5142* 7.5002*

Indigena -1.8382* -2.5676* -3.0117* -2.9959* -2.2496* -2.4169* -1.2652*
Blanco -0.8515 -0.8387 -0.4783 -0.2590 -0.6757 -0.4218 -1.2815*
Negro -0.7007 -1.2358 -2.9076* -1.9576* -0.3173 -1.7845* -1.0480
Mulato -1.6187 -1.2987 -3.5524* -1.9291* 0.6513 -0.7488 -0.3288
Azuay -1.4114 -0.1769 -1.0114 -1.5031* -1.0731 -0.7881 -0.3810
Bolívar -0.3485 1.1192 -0.1373 0.7521 1.0977 1.2653 0.7831
Cañar 0.3812 0.2860 -0.3666 -0.8194 -1.6042** 1.7113 0.6479
Carchi -0.0090 -0.2941 -1.1158 -0.3966 -0.3102 -0.1504 -0.2877
Cotopaxi -0.7772 0.8189 -0.3981 -1.7221* -1.2413** 0.2692 -0.4867
Chimborazo -0.2013 0.5667 0.6580 -0.0920 -0.1853 0.3380 0.6553
El Oro 3.3267* 2.5852* 1.6710* -0.2186 0.2018 0.8731 1.4478*
Esmeraldas 0.2772 1.6210 3.2517* 1.2641 -1.0556 1.0191 0.0953
Guayas -1.7890* -0.7933 -0.1890 -0.4031 -0.8190 -0.3241 0.3207
Imbabura -0.0749 0.5855 0.1191 -0.4616 -1.6811* 0.9241 0.3504
Loja 0.8659 0.7687 -0.4778 0.1355 -0.2190 -0.0908 1.0512
Los Ríos 0.7300 2.2379* -0.1231 -0.0465 -1.0610 -0.2563 -0.9220
Manabí -0.9583 -0.6910 0.3537 -1.2104** -0.7766 0.2096 0.1763
Tungurahua 0.2839 0.0767 -0.1750 -0.6935 0.0213 -0.3752 -0.5433
Amazonía -1.3980 0.7321 -0.0625 2.7072* 0.3092 2.0836* 0.8014
Educación promedio de los padres 0.9947* 0.9552* 0.8994* 0.7969* 0.6729* 0.5770* 0.5474*
Diferencia Educación padre y madre -0.2332* -0.1625* -0.0468 0.0343 -0.0321 -0.0760 -0.0321
Nacido en zona rural -1.7615* -1.8685* -1.5234* -1.1964* -1.5740* -1.7200* -1.7424*

R2 .657 .565 .528 .472 .429 .416 .413
ANOVA: Sig. (F) 0.00 0.00 0.00 0.00 0.00 0.00 0.00
Nota: * Significativo al 5 %, ** Significativo al 10 %
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

Analíti a k
variables heredadas que influyen en el estudio del indivi- depende tanto de los niveles educativos o ingresos de los
duo. padres, pues antes estaba más determinado por el poder
adquisitivo de los padres. De los resultados obtenidos se
• Etnia puede decir que, en promedio, por cada año adicional de
estudio de los padres, el estudio del individuo, sea hombre
Los estimadores que representan la variable categórica
o mujer, se incrementa en un 70 %.
etnia, a diferencia de la ecuación de estudios, son signifi-
Por otro lado, los estimadores que representan a la va-
cativos en más intervalos, tanto en el caso de los hombres
riable diferencia de la educación de los padres, al igual que
como en el de las mujeres, por lo que se puede deducir que
en la ecuación de ingresos, tienen un escenario similar, por
esta variable tiene una mayor influencia en los estudios que
lo que se puede decir que esta variable no es influyente en
en los ingresos.
la escolaridad del individuo.
Para el caso de las mujeres autodefinidas indígenas, los
coeficientes son significativos para todas las edades, y a di-
• Nacido en zona rural
ferencia de los hombres, estos valores son más altos, por lo
que se podría concluir que las mujeres autodefinidas indí- Para el caso de la variable nacido en zona rural, en to-
genas tienen menor educación que los hombres autodefinidos los intervalos los estimadores son significativos, tanto
dos indígenas y también, menor educación que las mujeres en hombres como en mujeres. El efecto de esta variable so-
autodenominadas mestizas, que es la variable de referen- bre la educación es negativo, siendo principalmente mayor
cia. Así; por ejemplo, la educación de las mujeres autodefi- para el caso de las mujeres. Así, para el caso de las mujeres
nidas como indígenas entre 46 y 50 años de edad, compara- que viven en zonas rurales, comparadas con las que viven
da con la educación de las mujeres autodefinidas mestizas en zonas urbanas, se puede establecer una relación de 3 a
tiene una diferencia de 3 años. 1, es decir, por cada 3 años de estudio en la zona urbana, se
La educación de los hombres, con mayor desventaja, en estudia 1 año en la zona rural.
comparación a la de los hombres autodefinidos como mes- Una vez analizado cada una de las variables heredadas
tizos, son los autodefinidos indígenas entre 56 y 60 años de que se utilizaron para determinar la escolaridad del indivi-
edad. duo, presentamos los resultados de las variables de esfuer-
• Provincia de nacimiento zo propio, migración laboral y capacitación laboral.
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.

Analíti a k
EDAD -2 Log likelihood Cox y Snell R Square Nagelkerke R Square
26 - 30 770, 577a 0,168 0,281
31 - 35 690, 362a 0,096 0,181
36 - 40 603, 182a 0,059 0,132
41 - 45 404, 147a 0,078 0,202
46 - 50 232, 592a 0,081 0,274
51 - 55 170, 731a 0,063 0,245
56 - 60 89, 142a 0,094 0,423
a. Las estimaciones terminaron en la iteración número 20 porque el máximo número de
iteraciones a sido alcanzado. La solución final no puede ser encontrada.
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).

26 - 30 437, 998a 0,146 0,267
31 - 35 346, 260a 0,111 0,242
36 - 40 368, 053a 0,103 0,236
41 - 45 236, 125a 0,089 0,257
46 - 50 100, 634a 0,099 0,400
51 - 55 55, 762a 0,099 0,492
56 - 60 13, 616a 0,157 0,814
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).

26 - 30 770, 577a 0,168 0,281
31 - 35 842, 139a 0,133 0,219
36 - 40 853, 350a 0,136 0,229
41 - 45 731, 753a 0,138 0,234
46 - 50 546, 257a 0,150 0,275
51 - 55 445, 180a 0,174 0,318
56 - 60 300, 645a 0,156 0,315
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).

26 - 30 490, 267a 0,163 0,279
31 - 35 435, 914a 0,184 0,327
36 - 40 511, 493a 0,216 0,366
41 - 45 447, 213a 0,163 0,295
46 - 50 263, 720a 0,251 0,471
51 - 55 236, 453a 0,260 0,468
56 - 60 102, 587a 0,302 0,608
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).

Analíti a k

4.2.2 Simulación - efecto total ln(Ye
ei ) =5,1674 + 0,0213(12) + 0,0399 7,4031

+ 0,5702eppi − 1,5370nzri + ǫEi (31b)
Para determinar el efecto total de las variables hereda-
das en el ingreso laboral se considerará como única varia- − 0,1864(0) + 0,2786cli + ǫcYi
ble, de las correspondientes a la de esfuerzo propio, a la
variable “estudio del individuo”. ln(Yeei ) =5,1674 + 0, 2556 + 0,0399 7,4031
Una vez establecidas las correspondientes ecuaciones
+ 0,5702(12) − 1,5370(0) + ǫEi (31c)
del ingreso hipotético que nos permitirán determinar el
efecto parcial de las variables heredadas en la distribución − 0,1864(0) + 0,2786cli + ǫc Yi
del ingreso y, calculado los estimadores y el error de la
ecuación de estudios, resta establecer las demás ecuacio- ln(Ye
ei ) = 5, 9914 + 0, 2786cli + 0, 0399ǫEi + ǫc Yi (31d)
nes del ingreso hipotético que nos permitirán establecer el
De la ecuación (31d), para este caso específico, hombres
efecto total de las variables heredadas sobre los ingresos al
considerar la relación existente entre variables de esfuerzo
y variables heredadas. • Si la educación de los padres fuera de 12 años, el efecto total en
Para esto, es necesario estimar un nuevo modelo de los el ingreso del individuo sería un crecimiento del 27,3 %.
ingresos, tomando como base la ecuación (14), donde re-
emplazaremos los coeficientes ya estimados anteriormen- • Si la educación del individuo se incrementara en un año y la
te, tanto de la ecuación de ingresos (15) como de la ecua- educación de los padres fuera de 12 años y ha nacido en zona
ción de estudio del individuo (27). urbana, su ingreso crecería en un 56,84 %.
La forma desagregada de la ecuación (14), consideran-
do las variables a utilizar, es como sigue: Por otro lado, si consideramos el mismo escenario que
para los hombres, la ecuación del ingreso hipotético para el
e ) =αe + αb et¯ + d caso de las mujeres entre 31 y 35 años de edad es:
ln(Yei 0 e i α pn
pn¯ + αd pep
i ¯ pep i
+ αd ¯ d
dep dep i + α ¯ i
nzr nzr
c ¯ i + bc ln(Yei ) =4, 4652 + 0, 0356eppi + 0, 0068eici
+ βce i (bc
0 1 + b1 1et ¯ i + bc
2 1 pn ¯ i
31 pep (32a)
+ 0, 4524cli + ǫcYi
+ bc ¯ c ¯ i + ǫc
41 dep i + b51 nzr Ei ) (30)
c ¯ i + bc
+ βd c
e ic ( b0 1 + b1 1et ¯ i + bc
2 1 pn ¯ i
31 pep ln(Ye
ei ) =4, 4652 + 0, 0356(12) + 0, 0068 7, 5142
¯ 2 2
+ bc c ¯ i + ǫc
41 dep i + b51 nzr Ei ) + 0,5770eppi − 1, 72nzri + ǫEi (32b)
+ βcm migrai + βc
c lcl i + ǫc
Yi + 0, 4524cli + ǫc
Yi
• 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 etnia es mestiza. ln(Ye

ei ) = 6, 3099 + 0, 4524cli + 0, 0068ǫEi2 + ǫc (32d)
Yi
• La provincia de nacimiento es Pichincha. De la ecuación (32d), para este caso específico, mujeres
• 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.

Analíti a k
4.3 Resultados de la desigualdad
1. Se simularon 1.000 coeficientes de correlación ρ Xu .
Con los resultados obtenidos al ejecutar las ecuaciones
2. Se calcularon 1.000 valores de K, (K = (ρ Xu ⊗
de ingreso hipotético, tanto para determinar el efecto par-
σX )′ S−1 (ρ Xu ⊗ σX )).
cial como para el efecto total, se calculará el coeficiente de
Gini para distintos rangos. Se decidió considerar los esce- 3. Se encontraron 1.000 valores de σu2 .
narios: máximo, mínimo y medio, para de esta forma de-
terminar la desigualdad existente en cada una de las gene- 4. Con los resultados de los cálculos realizados en los
raciones consideradas, sin perjuicio de buscar, en un nuevo puntos anteriores se completa la información nece-
estudio, un escenario óptimo. saria para estimar 1.000 sesgos para cada uno de los
coeficientes de la ecuación, es decir, 1.000 vectores B.
5. Por último, se verifica que se cumpla la restricción

4.3.1 Análisis paramétrico de rangos de Σ.
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.

82
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
(Constant) -0,1579 -0,0726 -0,0525 -0,0349 -0,0212 -0,0196 -0,0157

Indigena (e1) 0,0107 0,0007 -0,0012 0,0009 -0,0006 -0,0003 0,0002
Blanco (e2) 0,0129 0,0070 0,0059 0,0016 0,0015 0,0008 0,0006
Negro (e3) 0,0074 0,0087 0,0078 0,0090 0,0027 0,0018 0,0026
Mulato (e4) 0,0340 0,0286 0,0077 0,0103 0,0063 0,0048 0,0067
Azuay (p1) 0,1602 0,0748 0,0559 0,0378 0,0246 0,0243 0,0194
Bolívar (p2) 0,1681 0,0766 0,0567 0,0390 0,0241 0,0255 0,0203
Cañar (p3) 0,1669 0,0817 0,0600 0,0419 0,0278 0,0273 0,0260
Carchi (p4) 0,1634 0,0763 0,0592 0,0388 0,0236 0,0256 0,0209
Cotopaxi (p5) 0,1650 0,0784 0,0574 0,0386 0,0240 0,0242 0,0206
Chimborazo (p6) 0,1580 0,0780 0,0567 0,0388 0,0235 0,0258 0,0202
El Oro (p7) 0,1612 0,0784 0,0559 0,0377 0,0234 0,0241 0,0192
Esmeraldas (p8) 0,2040 0,0733 0,0544 0,0349 0,0225 0,0233 0,0189
Guayas (p9) 0,1563 0,0716 0,0531 0,0355 0,0218 0,0222 0,0179
Imbabura (p10) 0,1709 0,0796 0,0570 0,0398 0,0242 0,0253 0,0204
Loja (p11) 0,1606 0,0743 0,0546 0,0375 0,0231 0,0239 0,0201
Los Ríos (p12) 0,1630 0,0765 0,0549 0,0376 0,0226 0,0237 0,0189
Manabí (p13) 0,1605 0,0733 0,0525 0,0368 0,0222 0,0223 0,0185
Tungurahua (p14) 0,1577 0,0777 0,0561 0,0383 0,0234 0,0243 0,0196

Amazonía (p15) 0,1769 0,0819 0,0603 0,0399 0,0246 0,0259 0,0208
Educación promedio de los padres (epp) 0,0003 0,0003 0,0002 0,0000 0,0000 0,0001 0,0000
Diferencia Educación padre y madre (dep) -0,0010 0,0006 0,0001 0,0000 0,0001 0,0000 0,0000
Educación del Individuo (ei) 0,0001 0,0000 -0,0004 -0,0001 -0,0001 -0,0005 -0,0004
Educación del Individuo elevada al cuadrado (ei2) 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000

Nacido en zona rural (nzr) -0,0056 -0,0033 -0,0014 -0,0027 -0,0012 -0,0022 -0,0020
Migración (migra) 0,0323 0,0094 0,0071 0,0004 0,0014 0,0002 -0,0003
Capacitacion Laboral (cl) 0,0077 0,0050 0,0020 0,0021 0,0003 0,0013 0,0008
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).
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
(Constant) 0,1642 0,0746 0,0538 0,0357 0,0216 0,0200 0,0160

Indigena (e1) -0,0112 -0,0007 0,0013 -0,0010 0,0006 0,0003 -0,0002
Blanco (e2) -0,0134 -0,0072 -0,0060 -0,0016 -0,0015 -0,0008 -0,0007
Negro (e3) -0,0077 -0,0089 -0,0080 -0,0092 -0,0028 -0,0019 -0,0027
Mulato (e4) -0,0354 -0,0293 -0,0079 -0,0106 -0,0065 -0,0049 -0,0069
Azuay (p1) -0,1665 -0,0768 -0,0572 -0,0386 -0,0252 -0,0249 -0,0198
Bolívar (p2) -0,1748 -0,0786 -0,0580 -0,0399 -0,0246 -0,0260 -0,0208
Cañar (p3) -0,1735 -0,0839 -0,0615 -0,0428 -0,0284 -0,0279 -0,0266
Carchi (p4) -0,1699 -0,0783 -0,0606 -0,0397 -0,0242 -0,0262 -0,0213
Cotopaxi (p5) -0,1715 -0,0805 -0,0588 -0,0395 -0,0246 -0,0247 -0,0210
Chimborazo (p6) -0,1643 -0,0801 -0,0581 -0,0397 -0,0240 -0,0263 -0,0207
El Oro (p7) -0,1676 -0,0804 -0,0573 -0,0385 -0,0239 -0,0246 -0,0197
Esmeraldas (p8) -0,2121 -0,0753 -0,0558 -0,0357 -0,0230 -0,0239 -0,0193
Guayas (p9) -0,1625 -0,0735 -0,0543 -0,0363 -0,0223 -0,0226 -0,0182
Imbabura (p10) -0,1776 -0,0817 -0,0584 -0,0407 -0,0248 -0,0259 -0,0209
Loja (p11) -0,1669 -0,0762 -0,0559 -0,0384 -0,0236 -0,0244 -0,0205
Los Ríos (p12) -0,1695 -0,0786 -0,0562 -0,0384 -0,0231 -0,0243 -0,0193
Manabí (p13) -0,1668 -0,0752 -0,0538 -0,0376 -0,0226 -0,0228 -0,0189
Tungurahua (p14) -0,1640 -0,0798 -0,0575 -0,0392 -0,0240 -0,0249 -0,0200
Amazonía (p15) -0,1839 -0,0841 -0,0618 -0,0409 -0,0251 -0,0265 -0,0213
Educación promedio de los padres (epp) -0,0003 -0,0004 -0,0002 0,0000 0,0000 -0,0001 0,0000
Diferencia Educación padre y madre (dep) 0,0010 -0,0006 -0,0001 0,0000 -0,0001 0,0000 0,0000
Educación del Individuo (ei) -0,0001 0,0000 0,0004 0,0001 0,0002 0,0005 0,0004

Nacido en zona rural (nzr) 0,0059 0,0034 0,0015 0,0028 0,0012 0,0022 0,0021
Migración (migra) -0,0336 -0,0097 -0,0073 -0,0004 -0,0015 -0,0002 0,0003
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).
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
(Constant) 0,1190 0,0663 0,0501 0,0342 0,0212 0,0195 0,0157

Indigena (e1) -0,0081 -0,0006 0,0012 -0,0009 0,0006 0,0003 -0,0002
Blanco (e2) -0,0097 -0,0064 -0,0056 -0,0016 -0,0015 -0,0008 -0,0006
Negro (e3) -0,0056 -0,0079 -0,0074 -0,0088 -0,0027 -0,0018 -0,0026
Mulato (e4) -0,0257 -0,0261 -0,0073 -0,0101 -0,0063 -0,0048 -0,0067
Azuay (p1) -0,1207 -0,0682 -0,0533 -0,0370 -0,0246 -0,0243 -0,0195
Bolívar (p2) -0,1267 -0,0699 -0,0540 -0,0382 -0,0241 -0,0254 -0,0204
Cañar (p3) -0,1258 -0,0745 -0,0573 -0,0410 -0,0278 -0,0273 -0,0261
Carchi (p4) -0,1231 -0,0696 -0,0565 -0,0380 -0,0236 -0,0256 -0,0209
Cotopaxi (p5) -0,1244 -0,0715 -0,0547 -0,0378 -0,0240 -0,0242 -0,0207
Chimborazo (p6) -0,1191 -0,0712 -0,0541 -0,0381 -0,0235 -0,0257 -0,0203
El Oro (p7) -0,1215 -0,0715 -0,0534 -0,0369 -0,0234 -0,0240 -0,0193
Esmeraldas (p8) -0,1537 -0,0669 -0,0519 -0,0342 -0,0225 -0,0233 -0,0189
Guayas (p9) -0,1178 -0,0653 -0,0506 -0,0347 -0,0218 -0,0221 -0,0179
Imbabura (p10) -0,1288 -0,0726 -0,0544 -0,0390 -0,0242 -0,0253 -0,0205
Loja (p11) -0,1210 -0,0677 -0,0521 -0,0368 -0,0231 -0,0238 -0,0201
Los Ríos (p12) -0,1229 -0,0698 -0,0524 -0,0368 -0,0226 -0,0237 -0,0189
Manabí (p13) -0,1210 -0,0668 -0,0501 -0,0360 -0,0221 -0,0222 -0,0186
Tungurahua (p14) -0,1189 -0,0709 -0,0535 -0,0376 -0,0234 -0,0243 -0,0196

Amazonía (p15) -0,1333 -0,0747 -0,0575 -0,0391 -0,0246 -0,0259 -0,0209
Educación promedio de los padres (epp) -0,0002 -0,0003 -0,0002 0,0000 0,0000 -0,0001 0,0000
Diferencia Educación padre y madre (dep) 0,0007 -0,0005 -0,0001 0,0000 -0,0001 0,0000 0,0000
Educación del Individuo (ei) -0,0001 0,0000 0,0004 0,0001 0,0001 0,0005 0,0004

Nacido en zona rural (nzr) 0,0042 0,0030 0,0014 0,0026 0,0012 0,0021 0,0020
Migración (migra) -0,0243 -0,0086 -0,0068 -0,0004 -0,0014 -0,0002 0,0003
Capacitacion Laboral (cl) -0,0058 -0,0046 -0,0019 -0,0021 -0,0003 -0,0013 -0,0008
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).
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
(Constant) -0,1792 -0,1495 -0,0794 -0,0674 -0,0488 -0,0520

Indigena (e1) 0,0133 0,0156 -0,0014 0,0038 -0,0012 0,0003
Blanco (e2) 0,0100 0,0134 0,0096 0,0009 0,0017 0,0016
Negro (e3) 0,0718 0,0408 0,0096 0,0145 0,0111 0,0243
Mulato (e4) 0,0477 0,0231 0,0154 0,0105 0,0130 0,0191
Azuay (p1) 0,1822 0,1570 0,0840 0,0688 0,0580 0,0571
Bolívar (p2) 0,1997 0,1622 0,0871 0,0719 0,0627 0,0653
Cañar (p3) 0,2132 0,1644 0,0931 0,0816 0,0800 0,0694
Carchi (p4) 0,1970 0,1606 0,0951 0,0735 0,0595 0,0656
Cotopaxi (p5) 0,1946 0,1597 0,0884 0,0704 0,0604 0,0631
Chimborazo (p6) 0,1871 0,1578 0,0884 0,0725 0,0615 0,0621
El Oro (p7) 0,1916 0,1570 0,0871 0,0703 0,0612 0,0627
Esmeraldas (p8) 0,1602 0,1540 0,0810 0,0665 0,0531 0,0584
Guayas (p9) 0,1723 0,1503 0,0809 0,0664 0,0551 0,0566
Imbabura (p10) 0,1862 0,1714 0,0906 0,0725 0,0613 0,0610
Loja (p11) 0,1851 0,1568 0,0845 0,0708 0,0587 0,0603
Los Ríos (p12) 0,1880 0,1738 0,0875 0,0709 0,0581 0,0602
Manabí (p13) 0,1839 0,1512 0,0831 0,0678 0,0574 0,0569
Tungurahua (p14) 0,1883 0,1567 0,0854 0,0680 0,0626 0,0598
Amazonía (p15) 0,2107 0,1706 0,0929 0,0725 0,0637 0,0656
Educación promedio de los padres (epp) 0,0016 0,0002 0,0002 0,0004 0,0005 0,0006
Diferencia Educación padre y madre (dep) 0,0015 0,0002 0,0004 0,0003 0,0006 0,0002
Educación del Individuo (ei) -0,0003 -0,0007 -0,0006 0,0001 -0,0013 -0,0010
Educación del Individuo elevada al cuadrado (ei2) 0,0000 0,0000 0,0000 0,0000 0,0001 0,0000

Nacido en zona rural (nzr) -0,0092 -0,0069 -0,0043 -0,0044 -0,0051 -0,0046
Migración (migra) 0,0217 0,0382 0,0058 0,0071 0,0039 -0,0036
Capacitacion Laboral (cl) -0,0033 0,0098 0,0018 -0,0009 0,0024 0,0008
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).
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
(Constant) 0,1884 0,1563 0,0819 0,0693 0,0501 0,0535

Indigena (e1) -0,0140 -0,0164 0,0014 -0,0039 0,0012 -0,0003
Blanco (e2) -0,0105 -0,0140 -0,0098 -0,0009 -0,0017 -0,0016
Negro (e3) -0,0755 -0,0427 -0,0099 -0,0149 -0,0114 -0,0250
Mulato (e4) -0,0502 -0,0241 -0,0159 -0,0108 -0,0134 -0,0196
Azuay (p1) -0,1916 -0,1642 -0,0867 -0,0708 -0,0596 -0,0587
Bolívar (p2) -0,2100 -0,1695 -0,0898 -0,0740 -0,0644 -0,0671
Cañar (p3) -0,2242 -0,1719 -0,0961 -0,0840 -0,0822 -0,0714
Carchi (p4) -0,2071 -0,1678 -0,0980 -0,0756 -0,0612 -0,0675
Cotopaxi (p5) -0,2046 -0,1670 -0,0912 -0,0725 -0,0621 -0,0649
Chimborazo (p6) -0,1968 -0,1650 -0,0912 -0,0746 -0,0633 -0,0639
El Oro (p7) -0,2015 -0,1641 -0,0899 -0,0723 -0,0629 -0,0645
Esmeraldas (p8) -0,1685 -0,1610 -0,0836 -0,0685 -0,0545 -0,0601
Guayas (p9) -0,1812 -0,1571 -0,0834 -0,0684 -0,0567 -0,0582
Imbabura (p10) -0,1958 -0,1792 -0,0935 -0,0747 -0,0630 -0,0627
Loja (p11) -0,1947 -0,1639 -0,0871 -0,0728 -0,0604 -0,0620
Los Ríos (p12) -0,1977 -0,1817 -0,0902 -0,0729 -0,0597 -0,0619
Manabí (p13) -0,1934 -0,1580 -0,0857 -0,0697 -0,0590 -0,0585
Tungurahua (p14) -0,1980 -0,1638 -0,0881 -0,0699 -0,0644 -0,0614

Amazonía (p15) -0,2216 -0,1783 -0,0958 -0,0746 -0,0655 -0,0674
Educación promedio de los padres (epp) -0,0017 -0,0002 -0,0002 -0,0004 -0,0005 -0,0006
Diferencia Educación padre y madre (dep) -0,0016 -0,0002 -0,0004 -0,0003 -0,0006 -0,0002
Educación del Individuo (ei) 0,0003 0,0008 0,0006 -0,0001 0,0014 0,0010
Educación del Individuo elevada al cuadrado (ei2) 0,0000 0,0000 0,0000 0,0000 -0,0001 0,0000

Nacido en zona rural (nzr) 0,0096 0,0072 0,0044 0,0045 0,0052 0,0048
Migración (migra) -0,0228 -0,0399 -0,0060 -0,0073 -0,0040 0,0037
Capacitacion Laboral (cl) 0,0035 -0,0103 -0,0018 0,0009 -0,0025 -0,0008
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).
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
(Constant) 0,3079 0,1246 0,1104 0,0700 0,0615 0,0453 0,0481

Indigena (e1) 0,0061 -0,0092 -0,0115 0,0012 -0,0034 0,0011 -0,0002
Blanco (e2) -0,0082 -0,0070 -0,0099 -0,0084 -0,0008 -0,0016 -0,0015
Negro (e3) -0,0249 -0,0499 -0,0302 -0,0084 -0,0132 -0,0103 -0,0225
Mulato (e4) -0,0910 -0,0332 -0,0170 -0,0136 -0,0096 -0,0121 -0,0176
Azuay (p1) -0,3070 -0,1267 -0,1159 -0,0740 -0,0628 -0,0539 -0,0528
Bolívar (p2) -0,3232 -0,1388 -0,1197 -0,0767 -0,0656 -0,0582 -0,0604
Cañar (p3) -0,3351 -0,1482 -0,1214 -0,0821 -0,0745 -0,0743 -0,0642
Carchi (p4) -0,3148 -0,1369 -0,1185 -0,0838 -0,0670 -0,0553 -0,0607
Cotopaxi (p5) -0,3112 -0,1353 -0,1179 -0,0779 -0,0643 -0,0561 -0,0584
Chimborazo (p6) -0,3091 -0,1301 -0,1165 -0,0779 -0,0661 -0,0572 -0,0575
El Oro (p7) -0,3194 -0,1332 -0,1159 -0,0768 -0,0642 -0,0568 -0,0580
Esmeraldas (p8) -0,3030 -0,1114 -0,1137 -0,0714 -0,0607 -0,0493 -0,0541
Guayas (p9) -0,3069 -0,1198 -0,1110 -0,0713 -0,0606 -0,0512 -0,0524
Imbabura (p10) -0,3310 -0,1295 -0,1265 -0,0799 -0,0662 -0,0570 -0,0564
Loja (p11) -0,3157 -0,1287 -0,1157 -0,0744 -0,0646 -0,0546 -0,0558
Los Ríos (p12) -0,3135 -0,1307 -0,1283 -0,0771 -0,0647 -0,0540 -0,0557
Manabí (p13) -0,2954 -0,1279 -0,1116 -0,0732 -0,0619 -0,0534 -0,0526
Tungurahua (p14) -0,3103 -0,1309 -0,1157 -0,0753 -0,0620 -0,0582 -0,0553
Amazonía (p15) -0,4122 -0,1465 -0,1259 -0,0819 -0,0662 -0,0592 -0,0607
Educación promedio de los padres (epp) 0,0000 -0,0011 -0,0002 -0,0002 -0,0003 -0,0005 -0,0005
Diferencia Educación padre y madre (dep) 0,0007 -0,0010 -0,0002 -0,0004 -0,0003 -0,0006 -0,0002
Educación del Individuo (ei) -0,0013 0,0002 0,0005 0,0005 -0,0001 0,0013 0,0009

Nacido en zona rural (nzr) -0,0094 0,0064 0,0051 0,0038 0,0040 0,0047 0,0043
Migración (migra) -0,0976 -0,0151 -0,0282 -0,0051 -0,0065 -0,0037 0,0033
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).
k
Analíti a
87
Analíti a k
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
Observado 0.41066 0.38945 0.36260 0.35313 0.33145 0.31563 0.29405
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.
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.
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
Observado 0.53693 0.49133 0.46404 0.45295 0.41652 0.42799 0.40436
efecto parcial-sesgo máximo ** 0.45449 0.42546 0.43424 0.46075 0.43270 0.42166

efecto parcial-sesgo mínimo ** 0.45457 0.42517 0.43412 0.46031 0.43261 0.42162
efecto parcial-sesgo medio 0.52841 0.45455 0.42522 0.43413 0.46035 0.43262 0.42162
efecto total-sesgo máximo ** 0.45449 0.42547 0.43522 0.40210 0.45205 0.42128

efecto total-sesgo mínimo ** 0.45457 0.42517 0.43483 0.40190 0.45132 0.42097
efecto total-sesgo medio 0.45168 0.45455 0.42521 0.43485 0.40191 0.45136 0.42098
Nota: ** Para este rango los sesgos son números imaginarios.
Tabla 29. Coeficiente de Gini considerando los sesgos de los estimadores de MCO para el caso de las mujeres entre 26 y 60 años.

Analíti a k
5 Conclusiones 6 Recomendaciones
1. Con el presente trabajo se determinó el comportamien- 1. Al observar los resultados obtenidos y dado que el go-
to del ingreso laboral de una persona en función de las bierno actual ha incrementado la inversión en educa-
variables heredadas y de esfuerzo propio que lo compo- ción, sería interesante dar continuidad a este estudio pa-
nen y, por consiguiente, cuáles fueron los efectos en la ra ver el comportamiento y los efectos de dicha política
desigualdad. y sobre todo observar los resultados en los ingresos del
individuo y, por tanto, en la desigualdad. Otro factor a
2. También se determinó un modelo para los ingresos, tan- analizar podría ser la exigencia de personal capacitado
to para hombres como para mujeres en intervalos de cin- y con alto nivel de educación que en la mayoría de car-
co años, donde se puede decir que en general los hom- gos públicos solicitan, dado el significativo incremento
bres tienen mayores ingresos que las mujeres. de plazas de trabajo en este sector.
3. De las variables heredadas, la educación de los padres 2. El gobierno debería también incluir otras áreas de políti-
influye más en los estudios del individuo que en los in- ca social que tienen relación con la familia; una de estas
gresos, tanto para hombres como para mujeres. Se ob- áreas es la seguridad social, pues un individuo al tener
servó que los ingresos y los estudios de las mujeres de- estabilidad familiar, por ejemplo, en su niñez no tendría
penden de la educación de los padres (padre y madre) la necesidad de trabajar, sino que estaría en la capaci-
más que los hombres. dad de prepararse académicamente para que en el futu-
ro pueda tener mayor posibilidad de obtener un traba-
4. La migración laboral no es un factor determinante en el jo mejor calificado, evidentemente esto llevaría a dicha
ingreso. Sin embargo, resta analizar a aquellos que mi- persona a obtener ingresos laborales. De esta manera, el
graron en busca de trabajo, hace más de cinco años, pues ingreso de las personas aumentaría significativamente y
el presente estudio considera únicamente a aquellos que la desigualdad disminuiría.
migraron en busca de trabajo durante los últimos cinco
años. 3. Al parecer, las actividades que las personas realizan in-
fluencian en su nivel de educación. Por ejemplo, se asu-
5. La capacitación laboral es otro de los determinantes del me que las mujeres de las zonas rurales y que se autode-
ingreso laboral y según los resultados, la capacitación finen indígenas, en su mayoría trabajan en actividades
laboral tiene un mayor porcentaje en las mujeres. agrícolas y ganaderas, por lo tanto no pueden estudiar.
Ante esta situación, sería bueno que el gobierno tecni-
6. Para determinar el efecto total de las variables hereda-
fique esas actividades de modo que ellas puedan tener
das sobre la distribución del ingreso fue necesario deter-
más tiempo para estudiar.
minar otro modelo, de las variables de esfuerzo propio
en función de las variables heredadas, donde la única 4. Finalmente, se recomienda incluir más información de
ecuación significativa fue la ecuación correspondiente a los padres (entendiéndose padre y madre). Por tal moti-
los estudios del individuo. vo, con la finalidad de no excluir información relevante,
sería conveniente que la pregunta 9 y 12 de la sección
7. Los resultados al efectuar las simulaciones indican que 2 de la ECV(2006) se eliminen, o, a su vez, a pesar de
si todas las personas tuvieran el escenario descrito ante- que individuos vivan con sus padres, se le solicite infor-
riormente, la desigualdad de los ingresos de las mujeres mación respecto de sus padres. De esta manera se pre-
podría disminuir considerablemente hasta un 9 %, sobre guntaría a todos los individuos del hogar información
todo si mejoramos la variable heredada educación de los respecto de los padres.
padres, ya que se ha visto que los ingresos son altos si
la educación de los padres tiene un nivel elevado. Por lo
que una política de reducción de la desigualdad debe- Agradecimiento
ría estar enfocada en mejorar la educación de los niños
y jóvenes, y así en el largo plazo ver disminuida la de- Los autores queremos dejar constancia de nuestro sin-
sigualdad. cero agradecimiento al Físico Oscar Lasso, por las sugeren-
cias, colaboración y ayuda recibida en la elaboración del
8. Finalmente, con este estudio y con los resultados obteni- presente estudio.
dos, se puede concluir que la desigualdad en el ingreso
laboral está asociado en gran medida a las diferencias
en las características heredades por los individuos, es- Referencias
pecialmente en el caso de las mujeres. El coeficiente de
Gini muestra cómo la desigualdad disminuiría en hom- [1] P. Aghion, J. Williamson, “Growth, Inequality, and
bres y mujeres si se eliminaran las diferencias de opor- Globalization. Theory, History, and Policy”, Cambrid-
tunidades al nacer. ge University Press, United Kingdom, (2004).

Analíti a k
[2] N. Balakrishnan, “Handbook of the Logistic Distribu- [9] V.Fierro, “Inversión en educación: Tema con implica-
tionStatistics”, Vol.123, Marcel Dekker, Inc. New York, ciones de Política Económica”, Nota técnica 34.
(1992).
[10] D. Grusky y R. Kanbur, “Poverty and Inequality”,
[3] F. Bourguignon, F. Ferreira y M. Menéndez, “Inequa- Stanford University Press, Stanford, California, (2006).
lity of Outcomes and Inequality of Opportunities in
[11] D. Gujarati, “Econometría”, Cuarta Edición. McGraw-
Brazil”, World Bank Policy Research Working Paper,
Hill, México, (2004).
3174, (2003).
[12] J. Heckman, L. Lochner and P. Todd, “ Fifty Years of
[4] D. Chotikapanich, “Modeling Income Distributions Mincer Earnings Regressions”, NBER Working Paper
and Lorenz Curves”, Department of Econometrics No. 9732, JEL No. C31, (2003).
and Business Statistics, Monash University, Australia,
Springer, (2008). [13] J. Núñez, “Inequality of outcomes vs. inequality of
opportunities in a developing country. An explora-
[5] A. Colin Cameron and P. Trivedi, “Microeconome- toty anlaysis for Chile”, Estudios de Economía, Vol.34-
trics: Methods and Applications”, Cambridge Univer- No 2, Págs. 185-202, (2007).
sity Press, New York, (2005).
[14] J. Núñez V., “La desigualdad económica medida a tra-
[6] F.Cowell, “Inequality, Welfare and Income Distribu- vés de las curvas de Lorenz”, Departamento de Esta-
tion: Experimental Approaches”, Research on Econo- dística, Estructura Económica y O.E.I. Universidad de
mic Inequality, Vol.11, Elsevier Ltd., The Netherlands, Alcalá de Henares, (2006).
(2004).
[15] J. Núñez, J.C. Ramírez, B. Taboada, “Esfuerzos y he-
rencias sociales en la desigualdad de ingresos en Co-
[7] F.Cowell, “Measuring Inequality”, Series LSE (Lon-
lombia”, Serie Estudios y perspectivas Vol.12, CEPAL,
don School of Economics) Perspectives in Econo-
Bogotá, (2006).
mic Analysis, published by Oxford University Press,
(2009). [16] J. Roemer, “Equality of Opportunity”, Cambridge
MA: Harvard University Press, (1998).
[8] D. De Ferranti, “Inequality in Latin America : Brea-
king With History?”. World Bank Latin American and [17] Instituto Nacional de Estadísticas y Censos (INEC),
Caribbean Studies, The International Bank for Recons- “Metodología de la Encuesta de Condiciones de Vi-
truction and Development/ THE WORLD BANK, da”, (2006).
New York, (2004)

Analíti a k
Estimación de la Densidad Poblacional del Ecuador
Continental
Estimation of population density of continental

Ecuador

Analíti a k
Estimación de la Densidad Poblacional del Ecuador Continental
Estimación de la Densidad Poblacional del Ecuador
Continental
Estimation of population density of continental Ecuador
David Bastidas† y Paúl Medina‡

† david_bastidas@inec.gov.ec, † david_b8m6@hotmail.com, ‡ plmedina@espe.edu.ec
Recibido: 15 de octubre de 2010 Aceptado: 20 de diciembre de 2010
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-

Analíti a k
lógicos (zonas de protegidas), etc., siendo la principal con- Sin embargo, en nuestro caso el total del territorio será
secuencia que un área que se presenta tales características, el territorio continental habitable, el cual se estima al ex-
posea una menor capacidad poblacional que un área de su cluir del territorio continental total las zonas no habitables,
misma extensión que no las posea. considerando como tales a las siguientes:
Al estudiar estas características definiremos la noción
de zona no habitable, para a través de ella, determinar la 1. Áreas protegidas.
influencia de ciertas zonas dentro de la capacidad pobla-
cional del continente ecuatoriano. Dentro del estudio de 2. Ríos, lagos y lagunas.
las zonas no habitables consideradas, encontraremos, en
su cuantificación, varios inconvenientes, pues muchas de 3. Zonas ganaderas, de cultivo y páramos.
estas zonas son de difícil delimitación y acceso, como es
el caso de las áreas protegidas, desiertos, páramos, playas,
4. Zonas desérticas y de playa.
etc.. Además encontraremos diferencias/desacuerdos en la
información proporcionada por los organismos de control;
por ejemplo, según datos del ex INEFAN1 en enero del 5. Criaderos de camarones, peces y similares.
2000 había 207.000 hectáreas de camaroneras, a pesar de
que para la Cámara Nacional de Acuacultura eran de ape- Para este estudio definiremos varios tipos de densida-
nas 170.000 hectáreas. En todo caso, sólo 50.454 hectáreas des poblacionales, obtenidas al variar el área en conside-
operaban lícitamente. El resto eran ilegales [7]. ración, pudiendo de esta manera determinar la influencia
Por lo expuesto, este trabajo tiene dos propósitos: el pri- de todas las zonas consideradas como no habitables en el
mero busca cuantificar de manera eficaz las zonas conside- cálculo de la densidad poblacional, a la que llamaremos ne-
radas como no habitables y el segundo desea determinar ta.
una densidad poblacional más cercana a la real, a través de
D EFINICIÓN 1 (Densidad Poblacional Bruta). Estimación
la aproximación de la superficie potencialmente habitable
estándar obtenida al dividir la población total para el territorio
del Ecuador continental. La aproximación que se llevará a
total. Algebraicamente se expresa como:
cabo mediante la cuantificación de las zonas que se consi-
deran como no habitables.
El artículo se estructura de la siguiente manera. En la
PC
sección dos se dan algunas definiciones que nos ayudaran DB = , (2)
TC
en nuestro estudio. En la sección tres se expone con deta-
lle la metodología, se realiza un breve estudio de las zonas donde PC es la población total continental y TC es el terri-
consideradas como no habitables y se estima el territorio torio total continental.
habitable efectivo; además, se estudia la densidad pobla-
cional, así como la influencia de las diferentes zonas no ha- D EFINICIÓN 2 (Densidad Poblacional Parcial). Estimación
bitables en el cálculo de la misma, para finalmente calcular obtenida al dividir la población total para la diferencia entre el
una densidad poblacional más cercana a la real. En la sec- territorio continental y el área de estudio. Algebraicamente se
ción cuatro se darán cotas superiores e inferiores para la expresa como:
densidad poblacional, al considerar errores cometidos en
la toma de datos. En la sección cinco se consideran algunas
aplicaciones de la densidad poblacional. Para finalizar, en PC
la sección seis se exponen las conclusiones de este estudio. D pi = , (3)
TC − A
Adicionalmente, se incluye una sección de anexos, en los
cuales se muestran todos los cálculos realizados, así como donde A es el área de estudio.
las herramientas utilizadas.
D EFINICIÓN 3 (Densidad Poblacional Neta). Estimación ob-
tenida al dividir la población total para la diferencia entre el te-
2 Marco teórico rritorio continental y las zonas no habitables. Algebraicamente
se expresa como:
Para estimar la densidad poblacional del Ecuador con-
tinental consideraremos la fórmula estándar, es decir, la di-
visión del total de la población (P) para el total de territorio PC
DN = , (4)
(T). TC − ∑ni=1 Ai
P
D= . (1)
T donde n es el número de zonas no habitables consideradas,
y Ai el área de cada una de ellas, con i = 1, . . . , n.
1 Instituto Ecuatoriano Forestal y de Áreas Naturales, reemplazado más tarde por la Dirección Forestal del Ministerio del Ambiente

Analíti a k
3 Metodología Parque Nacional: “Área con uno o varios ecosistemas,
comprendidos dentro de un mínimo de 10.000 hec-
Para realizar la estimación de la densidad poblacional, táreas. Su área se mantiene en su condición natural,
seguiremos los siguientes pasos: siendo prohibida cualquier explotación u ocupación”
1. Cuantificar a nivel nacional las zonas no habitables [14].
de mayor influencia. El SNAP cuenta con nueve parques nacionales. El más
2. Estimación del territorio habitable efectivo. grande de ellos es el parque nacional Sangay con 5.177,65
km2 .
3. Estimación de la densidad poblacional. Las diferentes áreas protegidas con sus respectivas ex-
tensiones se muestran en la Tabla 2.
4. Intervalo para la densidad poblacional.
SUPERFICIE
ÁREA NATURAL TERRESTRE
3.1 Cuantificación a nivel nacional de las zo- (km2 )
nas no habitables de mayor influencia 1 PARQUE NACIONAL CAJAS 288,08
2 PARQUE NACIONAL COTOPAXI 333,93
Para cuantificar adecuadamente las zonas no habita- 3 PARQUE NACIONAL GALAPAGOS 6937
bles, en primer lugar es necesario conocer o definir las ca- 4 PARQUE NACIONAL LLANGANATES 2197,07
racterísticas principales de cada una de ellas, por lo que, a 5 PARQUE NACIONAL MACHALILLA 561,84
continuación, haremos una breve descripción y estudio de 6 PARQUE NACIONAL PODOCARPUS 1462,8
las mismas. 7 PARQUE NACIONAL SANGAY 5177,65
8 PARQUE NACIONAL SUMACO 2052,49
9 PARQUE NACIONAL YASUNI 9820
3.1.1 Áreas protegidas
SUPERFICIE TOTAL 28.830,86
Un área protegida es una región definida geográfica-
mente, que se encuentra regulada y administrada para al- Tabla 2. Parques nacionales y superficies. Fuente: MAE y elabo-
canzar objetivos específicos de conservación. Su objetivo ración propia.
principal es la conservación de ecosistemas que posean ca-
racterísticas únicas y que contribuyan a mantener la biodi- Parque binacional: Reserva Ecológica constituida por dos
versidad, sin descuidar el aprovechamiento de sus recursos zonas de protección ecológicas, las mismas que son
[3, 4, 13]. colindantes y se hallan bajo soberanía de dos países
El país cuenta con el Sistema Nacional de Áreas Prote- distintos [15].
gidas, SNAP, que está conformado por 40 áreas, las cuales,
El parque binacional El Cóndor es el único existente en
dependiendo de sus características particulares poseen dis-
el país y fue constituido en 1999 tras la firma de paz entre
tintas categorías de manejo [16].
Ecuador y Perú. Está formado por dos pequeños parques,
A continuación, se describirán las principales caracte-
uno de 60 km2 del lado peruano y otro de 24,40 km2 del
rísticas de las distintas áreas protegidas y su correspon-
lado ecuatoriano. El parque se ubica sobre una parte de la
diente extensión.
Cordillera del Cóndor, la cual posee más de 160 km2 de lon-
gitud [1].
Área Nacional de Recreación: “Superficie mayor a 1.000 En la Tabla 3 se muestra la superficie del parque bina-
hectáreas en donde existan bellezas escénicas, recursos tu- cional el Cóndor correspondiente al Ecuador.
rísticos o de recreación en un ambiente natural, fácilmente
accesibles desde centros poblados”[14]. SUPERFICIE
En el país existen dos áreas nacionales de recreación, ÁREA NATURAL TERRESTRE
2 (km2 )
las cuales poseen una extensión total de 26,83 km y cuyas
1 PARQUE BINACIONAL EL CONDOR 24,40
áreas se muestran en la Tabla 1. SUPERFICIE TOTAL 24,40
SUPERFICIE Tabla 3. Parque binacional y superficie. Fuente: MAE y elabora-

ÁREA NATURAL TERRESTRE ción propia.
(km2 )
1 ÁREA NAC. DE RECREACION EL BOLICHE 4
2 ÁREA NAC. DE RECREACION PARQUE-LAGO 22,83 Refugio de Vida Silvestre: “Área indispensable para ga-
SUPERFICIE TOTAL 26,83 rantizar la existencia de la vida silvestre -residente o
migratoria- con fines científicos, educativos y recrea-
Tabla 1. Áreas nacionales de recreación y superficies. Fuente: Mi-
tivos” [14].
nisterio de Ambiente del Ecuador (MAE) y elaboración propia.
En la Tabla 4 se detallan las superficies cubiertas por
cada uno de los diferentes refugios de la vida silvestre.

Analíti a k
SUPERFICIE
SUPERFICIE SUPERFICIE
MARINA (km2 ) TOTAL (km2 )
(km2 )
1 REFUGIO DE VIDA SILVESTRE EL ZARZA 36,43 0,00 36,43
2 REFUGIO DE VIDA SILVESTRE ISLA CORAZON 7,00 0,00 7,00
3 REFUGIO DE VIDA SILVESTRE ISLA SANTA CLARA 0,05 0,00 0,05
4 REFUGIO DE VIDA SILVESTRE LA CHIQUITA 8,09 0,00 8,09
5 REFUGIO DE VIDA SILVESTRE MANGLARES 2,42 0,00 2,42
ESTUARIO RIO ESMERALDAS
EL MORRO
ESTUARIO RIO MUISNE
8 REFUGIO DE VIDA SILVESTRE MARINO 50,44 85,86 136,30
COSTERO PACOCHE
9 REFUGIO DE VIDA SILVESTRE PASOCHOA 5,00 0,00 5,00
Subtotal SUPERFICIE TERRESTRE 241,46
Subtotal SUPERFICIE MARINA 85,86
SUPERFICIE TOTAL 327,32
Tabla 4. Refugios de la vida silvestre y superficies. Fuente: MAE y elaboración propia.
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
(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 MARINA 141100
Tabla 5. Reservas biológicas y superficies. Fuente: MAE y elaboración propia.
Reserva Ecológica:“Área de por lo menos 10.000 hectá- SUPERFICIE

reas, con uno o más ecosistemas con especies de flora (km2 )
y fauna silvestres importantes o amenazadas de ex- 1 RESERVA ECOL. ANTISANA 1200
tinción, para lo cual se prohíbe cualquier tipo de ex- 2 RESERVA ECOL. ARENILLAS 170,82
plotación u ocupación” [14]. 3 RESERVA ECOL. EL ANGEL 157,15
4 RESERVA ECOL. CAYAMBE COCA 4031,03
Las reservas ecológicas que conforman el SNAP son 10 5 RESERVA ECOL. CAYAPAS MATAJE 513
en total y abarcan una superficie terrestre de 12.083,47 km2 . 6 RESERVA ECOL. COFAN BERMEJO 554,51
En la Tabla 6 se detallan las superficies cubiertas por 7 RESERVA ECOL. COTACACHI CAYAPAS 2436,38
cada una de ellas. 8 RESERVA ECOL. LOS ILINIZAS 1499
9 RESERVA ECOL. MACHE CHINDUL 1191,72
10 RESERVA ECOL. MANGLAREAS CHURUTE 500,68
Tabla 6. Reservas ecológicas y superficies. Fuente: MAE y elabo-

ración propia.

Analíti a k
Reserva geobotánica: Parque nacional cuyo objetivo es el ecosistemas”[14].
estudio de la estructura geológica [2].
“En 1978 mediante decreto ejecutivo se creó la Reserva Son cuatro las áreas destinadas a este propósito, siendo
Botánica de Pululahua, con el fin de conservar los recursos la de mayor extensión, la reserva de producción de fauna
naturales de esta área atendiendo al valor natural y a la ne- Cuyabeno.
cesidad de orientar el uso humano. La protección de esta En la Tabla 8 se muestran las superficies cubiertas por
reducida muestra de la estructura geológica de la Cordille- cada una de estas áreas.
ra Nor Occidental de Los Andes y el mantenimiento de su
SUPERFICIE
flora y fauna fueron dictaminados ya en 1966 cuando me- ÁREA NATURAL TERRESTRE
diante Decreto Soberano se dio de primer Parque Nacional (km2 )
en el Continente Ecuatoriano” [2]. 1 RESERVA GEOBOTANICA. PULULAHUA 33,83
En la Tabla 7 se muestra la superficie de la única reserva SUPERFICIE TOTAL 33,83
geobotánica del país.
Tabla 7. Reserva geobotánica y superficie. Fuente: MAE y elabo-
Reserva de producción de fauna: “Área destinada a ración propia.
la conservación, protección y recuperación de los
SUPERFICIE
(km2 )
1 RESERVA DE PRODUCCION DE FAUNA 585,60 0,00 585,60
CHIMBORAZO
CUYABENO
M ANGLARES EL SALADO 52,17
PUNTILLA STA. ELENA
SUPERFICIE TOTAL del 7146,12
Tabla 8. Reservas de producción de fauna y superficies. Fuente: MAE y elaboración propia.
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
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.

Analíti a k
SUPERFICIE
(km2 )
ÁREA NACIONAL DE RECREACIÓN 26,83 0,00 26,83
PARQUE BINACIONAL 24,40 0,00 24,40
PARQUE NACIONAL 28.830,86 0,00 28.830,86
REFUGIO DE VIDA SILVESTRE 241,46 85,86 327,32
RESERVA BIOLÓGICA 136,84 141.100,00 141.236,84
RESERVA DE PRODUCCION DE FAUNA 6.673,34 472,78 7.146,12
RESERVA ECOLOGICA 12.254,29 0,00 12.254,29
RESERVA GEOBOTANICA 33,83 0,00 33,83
RESERVA MARINA 0,00 546,04 546,04
Subtotal SUPERFICIE TERRESTRE 48.221,86
SUPERFICIE TOTAL 190.426,53
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.

Analíti a k
NOMBRE ÁREA (km2 ) PROVINCIA
LAGUNA EL CANCLON 7,92 GUAYAS
LAGUNA DE SAN PABLO 6,07 IMBABURA
LAGUNA CUBILLIN 5,42 CHIMBORAZO
LAGUNA ZANCUDO COCHA 4,71 ORELLANA
LAGUNA PISAYAMBO 4,64 TUNGURAHUA
LAGUNA CUICOCHA 3,94 IMBABURA
LAGUNA QUILOTOA 3,06 COTOPAXI
LAGUNA GRANDE DE MOJANDA 2,95 PICHINCHA
LAGUNA PURUHANTA 2,73 IMBABURA
LAGUNA MAGDALENA 2,653 CHIMBORAZO
LAGUNA DE YAHUARCOCHA 2,41 IMBABURA
LAGUNA GRANDE 2,36 SUCUMBIOS
LAGUNA DE LIMONCOCHA 2,34 SUCUMBIOS
LAGUNA MAGTAYAN 2,27 CHIMBORAZO
LAGUNA TOBAR DONOSO DE PIÑAN 1,90 IMBABURA
LAGUNA DE COLTA 1,86 CHIMBORAZO
LAGUNA DE MICA 1,87 NAPO
LAGUNA LAS LECHUZAS 1,74 GUAYAS
LAGUNAS SARDINAYACU 1,71 MORONA SANTIAGO
LAGUNA YANACOCHA 1,60 CHIMBORAZO
LAGUNA CANANGUENO 1,51 SUCUMBIOS
LAGUNA VERDE COCHA 1,30 CHIMBORAZO
LAGUNA JATUN COCHA 1,20 ORELLANA
LAGUNA AZUL O LAGUNA PINTADA 1,18 IMBABURA
LAGUNA IMUYA 1,16 SUCUMBIOS
LAGUNA PATACOCHA 1,09 ORELLANA
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,

Analíti a k
etc.). Si hay tierras en las cuales han crecido árboles Esta clase de cultivos representan el 48.51 % de las zo-
o arbustos y son aprovechados principalmente como nas de cultivo con un área en el 2009, de 10.286,21 km2 .
alimento del ganado, estas serán clasificadas como En la Tabla 16 se muestra la superficie cubierta por los
pasto natural” [10]. cultivos transitorios y de barbecho. Estas dos categorías se
muestran agrupadas, pues no se ha podido encontrar in-
En la Tabla 14 se muestra la extensión ocupada por los formación individual.
pastos naturales en el 2009.
USO DE LA TIERRA ÁREA (km2 )
CULTIVOS TRANSITORIOS Y BARBECHO 10.286,21
PASTOS NATURALES 14.239,43
Tabla 16. Cultivos transitorios y barbecho. Fuente: INEC y elabo-
Tabla 14. Pastos naturales. Fuente: INEC y elaboración propia. ración propia.
Tierras en descanso: “Son aquellas tierras que habiendo

Dado que su extensión, 49.858,90 km2 representa el
sido cultivadas anteriormente, se las dejó de cultivar
19,45 % del territorio nacional total, se considerara a los
en forma continua durante un periodo comprendido
pastos cultivados y naturales como la principal área gana-
entre uno a cinco años, hasta el día de la entrevista,
dera.
no se encuentran ocupadas por cultivo alguno” [10].
En la Tabla 17 se muestra la superficie cubierta por las
Zonas de cultivo. La zonas de cultivo abarcan aproxima-
tierras de descanso.
damente el 14 % del total de la superficie del país. Dentro
de esta zona se enmarcan todas aquellas áreas cuyo pro- USO DE LA TIERRA ÁREA (km2 )
pósito dentro de los pasados cinco años ha sido el cultivo, DESCANSO 1.707,76
tanto transitorio como permanente, pudiendo estas no en-
contrarse en producción en el año de estimación [10]. Tabla 17. Tierras de descanso. Fuente: INEC y elaboración propia.
La ESPAC considera distintas categorías enmarcadas
dentro de las zonas de cultivo, las cuales son:
Páramos. En la ESPAC se define a los páramos como tie-
Cultivos permanentes o perennes: “Son aquellos cultivos
rras altas del callejón interandino cubiertas por vegetación
que se plantan y después de un tiempo relativamen-
típica de los páramos andinos (paja de páramo) que suele
te largo llegan a la edad productiva. Tienen un pro-
usarse para pastoreo extensivo[10].
longado período de producción que permite cosechas
En la Tabla 18 se muestra la superficie cubierta por los
durante varios años, sin necesidad de ser sembrados
páramos.
o plantados nuevamente después de cada cosecha”
[10]. CONTINENTAL
USO DE LA TIERRA (Aprox) ÁREA
En la Tabla 15 se muestra la superficie total cubierta por (km2 )
los cultivos permanentes en el país. PARAMOS 4.984,36
Tabla 18. Páramos. Fuente: INEC y elaboración personal.

CULTIVOS PERMANENTES 13.492,57
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

Analíti a k
Chanduy. Cubre apenas una superficie de 180 km2 que re- 3.2 Estimación del territorio habitable efecti-
presentan el 0.07 % del área total del país. Junto a la zona vo
desértica, se extiende el denominado matorral desértico, a
la altura de Chanduy y se prolonga hacia el norte y no- Dado que el área de ríos, lagos, lagunas, zonas gana-
roccidente, bordeando el mar, abarcando las poblaciones deras y de playa, así como el área de los criaderos de ca-
de: Manglaralto, Puerto López, Machalilla, Puerto Cayo y marones, peces y similares en conjunto no representa ni el
Manta para terminar en Jaramijó. Esta franja está formada 3 % del territorio continental total, consideraremos a todas
de esteros, salitrales y manglares en las cercanías a la costa, estas áreas como disjuntas, obteniendo un territorio conti-
y en su interior cruzado de lomas en todo sentido, particu- nental efectivo aproximado de 110.086,55 km2 .
larmente en su extremo meridional, en donde la cordille- En la Tabla 21 se muestra la relación porcentual exis-
ra de Colonche se acerca a la costa. La otra parte, aunque tente entre las distintas zonas no habitables y el territorio
pequeña, pero no menos importante, se encuentra localiza- continental total.
da en el extremo sur occidental del país, desde Hualtaco
PORCENTAJE DEL
hacia el Norte, en el que se pueden distinguir tres zonas ZONA ÁREA (km2 ) TERRITORIO
paralelas: la primera bastante angosta formada de esteros, CONTINENTAL
salitrales y manglares; la segunda, más ancha, compuesta ÁREA TOTAL CONTINENTAL 248.359,48
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 ÁREA (km2 )

En la actualidad, la superficie total del Ecuador es de
CRIADERO DE CAMARONES 2.343,59 256.369,5 km2 , la cual cubre las cuatro regiones que lo cons-
PECES Y SIMILARES tituyen: Costa, Sierra, Oriente y la Región Insular, formada
por el Archipiélago de Galápagos, a su vez que la superfi-
Tabla 20. Criadero de camarones, peces y similares cie continental del Ecuador, resultante al excluir la región
insular, es de 248.359,48 km2 .

Analíti a k
hab
REGIÓN AREA (km2 ) D p1 =70,85 km2
.
COSTA 68.648,4
SIERRA 63.191,0 El valor estimado, nos indica que al considerar las
ORIENTE 115.744,9 áreas protegidas, la densidad poblacional aumenta en un
INSULAR 8.010,0 24,09 %.
ZONAS NO DELIMITADAS 775,2
En la Tabla 26 se muestra la densidad poblacional par-
ÁREA ECUADOR CONTINENTAL 248.359,5
cial 1 y el porcentaje de aumento con relación a la densidad
ÁREA TOTAL 256.369,5
poblacional continental.
Tabla 23. Área nacional por regiones geográficas.
DENSIDAD POBLACIONAL (hab/km2 ) PORCENTAJE
DE AUMENTO
CONTINENTAL 57,10
La población nacional, según proyecciones del INEC SIN ÁREAS PROTEGIDAS 70,85 24,09
para el 2010 es de 14.204.900 habitantes, concentrados en su
mayoría en la región continental. En la Tabla 24 se muestra Tabla 26. Densidad poblacional 1.
la población continental y nacional.
ZONA HABITANTES
CONTINENTAL 14.180.534
PAIS 14.204.900
Tabla 24. Población nacional y continental. Fuente: INEC y elabo-

ración propia.
Dada el área total del Ecuador y su área continen- 24,09%

tal, junto con la proyección de población planteada por el
INEC, se tiene que las densidades poblacionales brutas a
nivel nacional y continental son de 55,41 hab/km2 y 57,10
hab/km2 , respectivamente.
Figura 1. Densidad poblacional 1. Fuente: Elaboración propia.
DENSIDAD
POBLACIONAL
(hab/km2 )
NACIONAL 55,41
Ríos, lagos y lagunas. En base a la definición 2, calcu-
CONTINENTAL 57,10
laremos la densidad poblacional parcial, considerando la
Tabla 25. Densidades poblacionales. superficie ocupada por los ríos lagos y lagunas.
Sea
PC
D p2 = (6)
3.3.2 Densidad poblacional parcial TC − A2
A continuación se estudiará la influencia individual de

Reemplazando los datos expuestos en la sección 3.1.2.,
cada una de las zonas denominadas como no habitables en
en la ecuación 3.3.2 se tiene que:
el calculo de la densidad poblacional, para lo cual, se utili-
zará la definición 2 (densidad poblacional parcial). A partir hab
de la definición citada, se estudiarán distintas densidades D p1 =58,16 km 2.
dependiendo de la zona no habitable a ser considerada.

Áreas protegidas. En base a la definición 2, calcularemos poblacional continental. hab/km2 .
la densidad poblacional parcial, considerando la superficie
ocupada por las áreas protegidas. PORCENTAJE
DENSIDAD POBLACIONAL (hab/km2 )
Sea DE AUMENTO
PC CONTINENTAL 57,10
D p1 = (5)
TC − A1 SIN RÍOS LAGOS Y LAGUNAS 58,16 1,86
Reemplazando los datos expuestos en la Tabla 10, en la Tabla 27. Densidad poblacional 2.
ecuación 3.3.2 se tiene que:

Analíti a k
Zonas desérticas y de playa. En base a la definición 2, cal-
cularemos la densidad poblacional parcial, considerando la
superficie ocupada por las zonas desérticas y de playa.
Sea
PC
D p4 = (8)
TC − A4
1,86%
Reemplazando los datos expuestos en las Tablas de la
19, en la ecuación 3.3.2 se tiene que:
hab
D p4 =57,22 km2
.
Figura 2. Densidad poblacional 2. Fuente: Elaboración propia.
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
Reemplazando los datos expuestos en las Tablas 15 a la

18, en la ecuación 3.3.2 se tiene que:
hab
D p3 =85,58 km2
.

poblacional continental. 0,21%
DENSIDAD POBLACIONAL (hab/km2) PORCENTAJE

DE AUMENTO
CONTINENTAL 57,10
SIN ZONAS GANADE- Figura 4. Densidad poblacional 4. Fuente: Elaboración propia.
RAS DE CULTIVO Y PÁ- 85,58 49,88
RAMOS
Tabla 28. Densidad poblacional 3.

Criaderos de camarones, peces y similares. En base a la
definición 2, calcularemos la densidad poblacional parcial,
considerando la superficie ocupada por las zonas desérti-
cas y de playa.
Sea
PC
D p5 = (9)
TC − A5
Reemplazando los datos expuestos en la Tabla 20, en la

49,88% ecuación 3.3.2 se tiene que:
hab
D p5 =57,64 km2
.

Figura 3. Densidad poblacional 3. Fuente: Elaboración propia. cial 8 y el porcentaje de aumento con relación a la densidad

Analíti a k
DENSIDAD POBLACIONAL (hab/km2) PORCENTAJE ZONA 1: Territorio continental menos las zonas ganade-
DE AUMENTO
CONTINENTAL 57,10
ras de cultivo y páramos.
SIN RÍOS LAGOS Y LAGUNAS 57,64 0,95
ZONA 2: Zona 1 menos áreas protegidas.
Tabla 30. Densidad poblacional 5.
ZONA 3: Zona 2 menos el área de ríos, lagos y lagunas.
ZONA 4: Zona 3 menos el área de camaroneras, piscícolas

y afines.
ZONA 5: Zona 4 menos el área de zonas desérticas y de

playa.
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:
24,09% 70,36% 4,02% 2,11% 0,47%
Figura 6. Resumen de las densidades. Fuente: Elaboración propia.
3.4 Intervalo para la densidad poblacional.

Las mediciones, generalmente, son susceptibles de con- manera:
tener un error, aun más cuando se trata de zonas geográ- 5
ficas no tan bien definidas y muchas de ellas, de difícil ac- TC
eo
= TC − ∑ Ai . (10)
i =1
ceso; por tal motivo, incluiremos términos de error en el
cálculo de cada una de las áreas definidas como no habita-
Si consideramos que se cometió un error de medición ǫi
bles, pues ello nos permite construir un intervalo, con cier-
para el cálculo de cada área Ai (i = 1, . . . , 5), se tiene que el
to grado de exactitud, en la cual se encontrará contenida la
área de cada una de estas zonas es de
densidad poblacional.
Ahora, al considerar todas las áreas como disjuntas, cal- [ A i ± ǫi A i ],
culamos la superficie continental neta TCeo , de la siguiente

Analíti a k
siendo entonces el territorio continental efectivo TCe igual a: Y por tanto, la ecuación (13) es igual a:
5 TCe = TCeo ∓ (0, 44ǫ1 + 0, 04ǫ2 + 0, 75ǫ3

TCe = TC − ∑ (1 ± ǫi ) Ai (11)
+ 0, 005ǫ4 + 0, 02ǫ5 ) TCeo , (14)
i =1
Expandiendo el segundo término se tiene que donde
5 5 − (0, 44ǫ1 + 0, 04ǫ2 + 0, 75ǫ3 + 0, 005ǫ4 + 0, 02ǫ5 ) (15)

TCe = TC − ∑ Ai ∓ ∑ ǫi Ai (12)
i =1 i =1 es la proporción de error total cometido en el cálculo de la
˜
superficie continental neta, y que llamaremos ffl.
Lo que es equivalente a: Rescribiendo la ecuación (11) se tiene que:
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.
ESCENARIO ffl 1 ffl 2 ffl 3 ffl 4 ffl 5 ˜

ffl COTA SUPERIOR COTA INFERIOR
NÚMERO 1 0 0 0,003 0 0,003 -0,00231 128,52 129,11
NÚMERO 2 0,01 0,01 0,005 0,01 0,001 -0,00862 127,71 129,93
NÚMERO 3 0,03 0,05 0,01 0,03 0,08 -0,02445 125,74 132,04
Tabla 33. Intervalos construidos al tomar errores de distinta magnitud.
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 %.

Analíti a k
4 Aplicaciones A continuación, determinaremos en km2 la zona en la
cual se encontrarían congregados mil habitantes.
Al aproximar de una manera más exacta la densidad Utilizando la igualdad (20) y los datos de la densidad
poblacional, obtenemos un mejor indicador para la reparti- bruta, 57,10 hab/km2 , tendremos que:
ción de recursos y servicios en un área determinada. Como
una aplicación de esto, vamos a calcular el área mínima que 1000
SB = = 17, 51km2. (22)
le correspondería patrullar a un policía y guardar a una es- 57, 10
tación de bomberos. Para el cálculo propuesto seguiremos
los siguientes pasos: Esto significa que en 17,51 km2 se encuentran congregados
mil habitantes y, por lo tanto, esta zona debería ser vigilada
1. Consideraremos propuestas de organismos interna- por tres policías. Si realizamos una repartición proporcio-
cionales sobre la relación de efectivos-número de habi- nal de las zonas de vigilancia, utilizando el valor obtenido
tantes R. en la igualdad (22), se tiene que a cada policía le correspon-
de vigilar una superficie aproximada de 5,842 km2 .
2. Fijamos la población del territorio continental ecuato- Realizando un análisis similar con el dato de la densi-
riano P, en 14.180.534 habitantes, según la proyección dad neta, 128,81 hab/km2 , tendremos que la superficie en
del INEC para el año 2010. la que se encuentra congregados mil habitantes es de:
3. Se calculará el número aproximado de efectivos (po- 1000

licías (p) - bomberos (b)) M, para patrullar o vigilar SN = = 7, 76km2, (23)
128, 81
a la población considerada, a través de la siguiente
relación: y, por lo tanto, esta superficie debería ser vigilada por tres
Ej = PR, (19) policías. De manera análoga, si esta área es repartida de
manera proporcional para cada uno de los policías, tendre-
donde j=p,b. mos que a cada uno le correspondería vigilar una superfi-
cie aproximada de 2,29 km2 .
4. Se aproximará, como zona referencial para la ubica- Para ejemplificar las cifras calculadas consideraremos
ción de efectivos, la superficie en la que se encuen- una zona urbana de la ciudad de Quito (véase la figura 7).
tran congregados mil habitantes. Para ello conside-
raremos por separado la densidad poblacional bruta
DB y la densidad poblacional neta D N , a través de la
siguiente relación
M
S= (20)
Dj
Donde j = B, N y S es la superficie en donde se en-

cuentran congregados M habitantes.
A continuación, se desarrollaran los casos citados:
Policías. Para determinar el área mínima que le corres-

ponde vigilar a un policía consideraremos la propuesta de
la ONU sobre la relación policía-número de habitantes; la cual
establece como promedio ponderado aceptable tres poli-
cías por cada mil habitantes
3 Figura 7. Sector centro norte de la ciudad de Quito. Área aproxi-

Rp = . (21) mada 5,84 km2 . El color anaranjado representa aproximadamente,
1000
5,84 km2 . Es decir, la zona que le tocaría vigilar a un policía con-
Luego, dado que la población ecuatoriana P es de siderando la densidad poblacional bruta. El color azul representa
14.180.534 habitantes, utilizando la igualdad (19) podemos aproximadamente, 2,29 km2 , es decir, la zona que le tocaría vigilar
a un policía considerando la densidad poblacional neta.
deducir que en el Ecuador continental deberían existir al
menos Como se puede observar, un cálculo adecuado de la
densidad poblacional permitirá distribuir de una mejor
3
E p =14.180.534∗ 1000 =42.542 policías manera los servicios y recursos.
2 Este valor resulta al dividir el resultado de la ecuación 22, para tres.

Analíti a k
Bomberos. Para determinar el área mínima que le corres- Realizando un análisis similar con el dato de la densi-
ponde guardar a una estación de bomberos, considerare- dad neta, 128,81hab/km2, tendremos que la superficie en
mos la media recomendada por la Unión Europea, la cual la que se encuentra congregados diez mil habitantes es de
establece que debe existir un bombero por cada mil habi-
tantes 10,000
1 SN = = 77, 63km2, (26)
Rb = . (24) 128, 81
1000
y, por lo tanto, esta superficie debería ser vigilada por una
Luego, dado que la población ecuatoriana P es de
estación de bomberos.
14.180.534 habitantes, utilizando la igualdad (19), podemos
Para ejemplificar las cifras calculadas consideraremos
deducir que en el Ecuador continental deberían existir al
una zona urbana de la ciudad de Quito (véase la figura 8).
menos
Finalmente, cabe señalar que las aplicaciones mostra-
1 das pretenden ejemplificar los diversos usos que se pueden
Eb = 14.180.534 ∗ 1000 = 14.180 bomberos.
dar a los valores obtenidos en este estudio.
Si se asume que en cada estación de bomberos deben
permanecer diez bomberos se tendría en el Ecuador Con-
tinental un mínimo de 1.418 estaciones de bomberos, cada 5 Conclusiones
una de ellas sirviendo a 10.000 personas.
A continuación, determinaremos en km2 la zona en la 1. Actualmente los valores de densidad poblacional exis-
cual se encontrarían congregados diez mil habitantes. tentes en Ecuador no establecen la densidad poblacional
Utilizando la igualdad (20) y el valor de la densidad real, puesto que incluyen todos los espacios no habita-
bruta, 57,10 hab/km2 , tendremos que: bles y, de esta forma, no tienen en cuenta la verdadera
“masa crítica” poblacional. Tener en cuenta los espacios
10,000 2 no habitables da la sensación de que la densidad de po-
SB = = 175, 13km . (25)
57, 10 blación es más baja que la real, y que la población se en-
cuentra muy dispersa, cuando en realidad está más con-
Esto significa que en 175,13 km2 se encuentran congrega- centrada en núcleos. En este estudio se evidenció que al
dos diez mil habitantes y, por lo tanto, esta zona debería considerar diferentes zonas no habitables dentro del te-
ser vigilada por una estación de bomberos. rritorio Ecuatoriano, la densidad poblacional puede va-
riar de una manera no despreciable, pues esta pasó de
ser 57,10 hab/km2 a ser 128,81 hab/km2 , lo que repre-
senta un aumento del 125.6 % del valor inicial. Por otra
parte, si se toma en cuenta errores en la toma y proce-
samiento de la información, así como la variación en el
área de las zonas consideradas se tiene que la densidad
poblacional en el escenario más desfavorable concebido
en este estudio no será menor a 127,42 hab/km2 , lo que
representa un aumento no menor al 123,16 %.
2. El establecer la densidad de población real de un territo-

rio puede ser un dato bastante útil a la hora de diseñar
y establecer políticas públicas, como se muestra en la
aplicación. En países desarrollados, la densidad de po-
blación es utilizada para categorizar territorios, ya sean
urbanos o rurales (con densidad poblacional alta, inter-
media o baja) y asignar a cada categoría de territorio
unos servicios básicos estandarizados e infraestructuras
por parte de las administraciones. A diferente densidad
de población, los territorios presentan problemas (y so-
Figura 8. Sector centro norte de la ciudad de Quito. Área apro- luciones) distintas y es uno de los datos que se debe-
ximada 175,13 km2 . El color anaranjado representa aproximada- rían utilizar (junto con otras características territoriales,
mente, 175,13 km2 , es decir, la zona que le tocaría guardar a una como la geografía, el sistema productivo, características
estación de bomberos considerando la densidad poblacional bru- sociales, niveles de renta) para asignar recursos y opti-
ta. El color azul representa, aproximadamente, 77,63 km2 , es decir, mizarlos en función de la población a atender.
la zona que le tocaría guardar a una estación de bomberos consi-
derando la densidad poblacional neta. 3. Dada que la alta densidad de población se concentra
en ciudades y territorios urbanos, estos valores debe-

Analíti a k
rían ser cuantificados. En particular, el cálculo adecua- ECOFUND, FAN, DarwinNet, IGM, Quito-Ecuador,
do de la densidad poblacional en centros urbanos (can- (2007).
tones y juntas parroquiales) determinará el número de
colegios, parques, centros de salud y hospitales, centros [2] C. Rivadeneira, “Reserva Geobotánica Pululahua,”
sociales, que son necesarios para atender a la población. “Guía del Patrimonio de Áreas Naturales Protegi-
Cada uno de estos servicios atenderá a una ratio pobla- das del Ecuador,” ECOFUND, FAN, DarwinNet, IGM,
cional, lo cual hace necesario establecer, entre otras co- Quito-Ecuador, (2007).
sas, su mejor ubicación y los recursos que serán necesa- [3] Constitución de la República del Ecuador, Título VII,
rios (tanto económicos como humanos), para ofrecer los Capítulo 2.
servicios de calidad con equidad de acceso pero también
con eficiencia, optimizando los recursos. [4] COP, “Convenio de Diversidad Biológica,” Río,
(1992).
4. Una baja densidad de población supone que los servi-
cios e infraestructuras deberían atender el mismo ratio [5] Environmental Systems Research Institute, “ArcGIS
de población en función del criterio de eficiencia, con- Desktop Help 9.2”, USA, (2007).
siderando que la población se encuentra dispersa. Los
parámetros anteriores de calidad (eficacia), equidad de [6] E. Avilés, “Enciclopedia de Ecuador,” Ecuador, (2010).
acceso y eficiencia puede que no sean los mismos, e in-
cluso que las soluciones sean totalmente diferentes que [7] E. Bravo, “La industria camaronera en el Ecuador,”
en un espacio urbano con alta concentración poblacio- Acción Ecológica, Ecuador, (2000).
nal. En ese caso, los servicios pueden establecerse como [8] ECOLAP y MAE, “Guía del Patrimonio de Áreas Na-
“itinerantes”, acercando el servicio al ciudadano en ca- turales Protegidas del Ecuador,” ECOFUND, FAN,
da una de las poblaciones de referencia, bien mejorar DarwinNet, IGM, Quito-Ecuador, (2007).
el transporte público entre los municipios, o bien ubi-
car el servicio y/o infraestructura en el lugar que ofrez- [9] F. Rivas , A. Alarcón y C. Carolina Espinosa, “Geobo-
ca mejores posibilidades de comunicación y transporte. tánica del Ecuador,” Escuela Politécnica del Ejército,
Las soluciones y los recursos que se necesitarán en es- Sangolquí, (2005).
ta situación son diferentes y afectan tanto al diseño y
planificación de la política pública como a los recursos [10] INEC, “Metodología ESPAC”, Ecuador, (2000).
económicos y humanos.
[11] Instituto Geografico Militar, “Instructivo para el uso
5. Finalmente, la alta proporción de zonas no habitables en de cartas topográficas digitales en formato “shapefi-
Ecuador hace que los datos reales de densidad de pobla- le””, Quito, (2010).
ción se vean alterados sustancialmente. Este hecho de-
bería modificar la percepción de las políticas a adoptar [12] Instituto Geografico Militar, “Licencia de uso de la
para el desarrollo de diversos territorios, considerando cartografía básica del Ecuador a escala 1:50.000”, Qui-
las características locales de cada uno de ellos. to, (2010).
[13] Ley Forestal y de Conservación de Áreas Naturales y

Vida Silvestre, Título I, Capitulo 1 y 2.
Agradecimientos
[14] Ley Forestal y de Conservación de de Áreas Naturales
Los autores queremos dejar constancia de nuestro agra- y Vida Silvestre, Ecuador, (1981).
decimiento a Ana Molina, por sus valiosos comentarios y
sugerencias para la elaboración del presente trabajo. [15] Ministerio de Ambiente del Ecuador, “Ecuador maga-
diverso,” Ecuador, (2010).
Referencias [16] Subsecretaría de Patrimonio Natural, “Planes de Ma-

nejo del Sistema Nacional de Áreas Protegidas (Docu-
[1] A. Coloma, “Parque el Condor,” “Guía del Patri- mentos Técnicos),” Ministerio de Ambiente del Ecua-
monio de Áreas Naturales Protegidas del Ecuador,” dor.

Analíti a k
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.
NOMBRE Area km2 NOMBRE Area km2 NOMBRE Area km2

ABANICO 0,6059268
ARENILLAS 1,8907037 BOLO 0,5409794
ACAE 0,0297285
ARMADILLO 0,7440067 BOMBUSCARA 3,1774265
ACHICUBE 0,0913597
ARRAYANPUNGU 0,1189426 BONITO 0,9942962
ACHIOTE 0,6853513
AYAMPE 0,1949193 BORJA 0,5456090
ACHIOTILLO 0,4524836
AZUELA 0,1587314 BRAVO 0,4895018
ACHIYACU 0,1652883
BABA 5,3279507 BRAVO GRANDE 1,0733067
ACHOTIOTILLO 0,0596274
BABAHOYO 112,7356873 BRAZO LARGO 1,0082699
ADANGO 0,5154404
BACHILLERO 0,5150329 BRICEDO 0,0997405
ADANGUYACU 0,7863642
BAHAMENO 0,1205466 BUA 1,6592177
AGUA CLARA 7,9580355
BALAO GRANDE 5,4950606 BUENAVISTA 3,7417160
AGUACATE 0,1489408
BANIFE 0,1922453 BUENO 3,6276951
AGUARICO 398,890938
BAPADO 0,5177612 BUNCHE 0,1521092
ALAMOR 5,0151989
BARRANCO ALTO 1,4922950 CACHAVI 1,3434417
ALAO 1,0579506
BARRO 0,2004744 CACHIYACU 1,4150975
AMARILLO 0,5495815
BECHE 0,3395631 CADAR 6,5836099
AMBOCAS 0,4895791
BIGAL 1,2169870 CAJONES 0,4650113
AMUNDALO 1,0625491
BILSA 0,3722191 CALABI 2,0882847
ANDRESYACU 1,0595648
BIMBE 1,0733158 CALIFORNIA 0,4338122
ANGAMARCA 1,7404695
BLANCO 45,2780751 CALLANAYACU 0,9360508
ANTISANA 0,5058338
BOBO 3,2618249 CALMITOYACU 0,2239244
ANZU 5,7672340
BOBONAZA 29,8365735 CALOPE 1,4366587
AQUEPI 0,4728128
BOGOTA 1,5698599 CALUMA 0,1824460
ARAJUNO 7,3398412
BOLICHE 4,8177478 CAMPECHE 0,1022440

Analíti a k
CANANDE 3,7148136 CHUNDAYACU 3,7431071 EL MONO 0,1981168
CANCHIYACU 0,0503588 CHUQUIRAHUAS 1,7858393 EL RAMAL 0,0801874
CANGAIME 10,8695604 CHUYA LLUSHIN 1,8002642 EL TORO 0,1419469
CANGUA 0,1543852 CINTO 1,4176706 EL TORO GRANDE 0,0639783
CANUMBI 2,2498952 CLEMENTINA 0,8047280 EL VENADO 0,2442450
CAONI 2,0207196 COCA 123,692594 ENCANTO 0,5288500
CAPAHUARI 2,8408455 COCANIGUAS 0,5403382 ENE 0,0903530
CARCHI 0,5442396 COCO 0,6050871 ENGABAO 0,0366102
CARRIZAL 1,3442946 COJIMIES 0,0199619 ENO 2,9138218
CASHPI PITISHCA 0,1020924 COLIMES 1,8649137 ESMERALDA 0,0663731
CASUTCA 1,0699917 COLONSO 0,2706109 ESMERALDAS 73,3430695
CATAMAYO 1,5016808 COLORADO 0,3636788 FORESTAL 1,7264003
CATARAMA 3,8875262 COMO HACEMOS 0,2818635 FRIO 0,2272112
CAYAPAS 56,448749 CONDUE 0,5716190 GALA 6,589280
CEBADAS 0,7122441 CONEJO 0,3077115 GRANDE 1,8629623
CEDROYACU 0,1600723 CONGOMA 1,7057060 GUADALUPE 1,1474955
CENEPA 0,0020849 CONONACO 24,0526645 GUADUAL 0,2089178
CEVALLOS 0,0788345 COPATAZA 6,0483506 GUALACEO 0,6826751
CHAGE 0,3057976 COROZAL 0,1087643 GUALPI 1,7902131
CHALUPAS 1,5655907 COSANGA 1,8004890 GUANZA 0,2824221
CHAMBA 0,1095688 COTAPINO 0,8480996 GUAPARA 0,1042671
CHAMBO 3,8807373 COTONA 0,7968151 GUAYABAL 0,6409778
CHAMOTETE 0,3250953 CRISTAL 6,8096529 GUAYAS 395,370941
CHANCHAN 3,9664905 CRISTAL GRANDE 0,7118735 GUAYLLABAMBA 8,6073159
CHANGUARAL 2,1630197 CRISTALITO 0,0353692 GUEPPI 4,4103834
CHANGUIL 0,4421303 CUANZA 0,5156082 GUINEAL 1,4092449
CHAPALA 0,1524907 CUAQUE 2,2841863 GUIZA 9,8596569
CHAPIZA 0,4062045 CUASA 0,1486706 GUSANO 0,6509481
CHAZO JUAN 0,4140213 CUBE 1,2868444 HOJA BLANCA 0,3645138
CHEBE 1,3228678 CULEBRAS 0,3243780 HOLLIN 3,1853534
CHEMERE 0,5477233 CUNAMBO 14,6231159 HONDO 2,1504839
CHICHE 0,2287435 CUPA 0,5888233 HUAGCHUYACU 0,8115167
CHICHIS 0,1735987 CURARAY 145,923982 HUASAGA 1,8287920
CHICO 0,5437632 CUSHUIMI 5,3456417 HUATARACO 2,6041912
CHICTA 0,5043885 CUSUTCAIME 1,0071004 HUELE 0,3128582
CHIGUAZA 1,2705443 CUTUCHI 2,6853411 HUICHIME 1,6359638
CHILA 1,6872706 CUTUGUAY 0,1573973 HUIMBI 0,4427930
CHILCALES 2,2850282 CUYABENO 5,2256320 HUINO 0,3764640
CHILINTOMO 0,0944550 CUYUIME 0,6435638 IGUANA 0,5150863
CHIMBADAL 2,1871625 DANTAYACU 0,2938688 ILIPE 0,2831653
CHIMBIME 8,1883823 DASHINO 1,0321575 INCHILLAQUI 0,3376084
CHIMBO 6,8117849 DAULE 53,2423085 INDILLANA 2,0290997
CHINGUAL 0,9690023 DE ORO 0,7817909 INGA 0,3667901
CHINGUISIMI 0,0070683 DE PIEDRAS 0,8315866 INSINCHE 0,1509919
CHINIMBIMI 0,4605131 DEL VALLE VICIOSO 0,3929104 ISHPINGO 3,4112976
CHINKIANAS 0,5990492 DESGRACIA 0,1222424 JAGUA 1,5837948
CHIPE 0,2276415 DICAIO 0,8630247 JALLIGUA 0,3788725
CHIRA 6,1216161 DIVISO 0,4900147 JAMA 2,6658622
CHONE 19,2797282 DOGOLA 1,7168619 JAMBUE 4,0075862
CHONGON 3,0032916 DON JUAN 0,0258393 JATUNYACU 1,2250666
CHONTAYACU 0,8379765 DORADA 0,0493470 JAVITA 0,1201280
CHOTA 1,0889247 DORADO 0,2117671 JIVINO 0,5460221
CHUCHUMBLEZA 3,9097449 DUE 3,6937809 JORDAN 1,0930391
CHUMBIRIATZA 4,5728100 DUE GRANDE 1,0469865 JUBONES 14,144970

Analíti a k
JUJAN 0,5380975 MINDO 0,2444795 PAPALLACTA 0,3144351
KAANK 0,3789912 MIRA 32,4390400 PARCAYACU 0,6229279
KASPAIMI 1,2984024 MISAHUALLI 1,4296774 PASTAZA 427,4664770
KUFPANTZA 0,0148374 MOLINA 1,0675703 PATATE 1,2779867
LA CALERA 0,5703792 MOLINITA 0,1841535 PATIA 23,2050003
LA ESPERANZA 0,3287081 MOLINO 0,4682725 PATUL 1,0321001
LA MORENA 1,2510592 MONDAYACU 0,0395967 PAUSHIYACU 5,3692914
LAGARTO 0,0916662 MONGOYA 1,8068829 PAUTE 1,7977089
LAGARTOCOCHA 6,0060747 MONTADITA 0,0141126 PAYAMINO 15,2156989
LANGOA 0,1737091 MOROMORO 1,1218597 PEDRO CARBO 1,7243005
LAS DAMAS 0,5748184 MORONA 7,4099986 PERIPA 2,4049747
LAS JUNTAS 3,7074623 MOSCA 1,2535609 PESCADILLO 0,2637748
LAS MURAS 0,0963298 MOSQUITO 0,1634329 PIATUA 1,4673178
LAS VAINAS 0,3201876 MUISNE 4,2336941 PIATUA BLANCO 0,5199481
LAVATORIO 0,5497628 MULATOS 2,2558610 PIDANATUG 0,6448409
LEON 2,9285468 MULAUTE 2,4647897 PIDUDA BLANCA 2,6244205
LINDICHE 0,4076211 MURALLAS 0,4271334 PIEDRAS 0,6810856
LLANGAYACU 0,1380669 NADADERO GRANDE 0,3777406 PILATON 0,6640730
LLIPUNO 0,5551936 NAJURUNGO 2,6827968 PINDO 1,0789857
LLIQUINO 1,8036798 NAJURUNGUITO 1,8085675 PINDO GRANDE 0,6935314
LLOCULLIN 0,5058302 NAMAKIMI 0,5011037 PINGUINTS 0,0380717
LLUSHCAYACU 0,0395985 NAMANGOSA 2,9141618 PINTOYACU 13,4258865
LLUSIN 2,9035499 NANGARITZA 28,6126754 PISQUE 0,4119553
LOPI 0,1531996 NANKUP 0,1003077 PITA 0,6952987
LOS ATAJOS 6,2958414 NAPO 867,142131 PITIU 0,6095430
LOS TINTOS 1,1207326 NARANJAL 3,0722320 PITZARA 0,8672706
LUIS 0,2518454 NARANJO 0,4026709 PLATANO 0,6463611
LULU 2,0103409 NAVES GRANDE 0,0677018 PORTOVIEJO 2,5004677
LULU CHICO 0,6390772 NAYANAMACA 0,8078027 POTOSI 0,4218724
LULU GRANDE 1,1278461 NEGRO 3,3894346 PUCA 1,9503634
LUPAMBI 0,4657611 NEGROYACU 0,4589728 PUCUNO 11,2026309
MACARA 1,1401365 NORCAY 1,3893887 PUDUDA 0,0957941
MACHACUYACU 2,1588614 NUEVO 0,6898722 PUEBLO VIEJO 0,2413239
MACHE 5,2816095 NULPE 0,1573516 PUELA 0,0754555
MACUMA 20,1226334 NUMBAIME 0,2658454 PUEMBO CHICO 0,0674912
MAGDALENA 0,1066997 NUMPAIN 0,1787088 PUEMBO GRANDE 0,3271874
MAGRO 0,3768667 NUMPATAKAIME 3,9939581 PULA 3,2066107
MALICIA 0,2681353 NUSHIDO 8,3888745 PUMPUIS 6,1612876
MALO 0,4046214 ONCEBI 0,4434959 PUNI 0,9751617
MANDEROYACU 2,8039598 ONZOLE 4,1797310 PUNINO 3,3516350
MANGOSIZA 6,7370687 OPUNO 0,0074214 PUNIO 0,0762486
MANGUILITA 0,7556778 OSO 2,7167619 PUPUSA 1,0896041
MANGUILLA GRANDE 0,2210749 OSTIONES 0,8081430 PUSINO 1,3361727
MAPALI 0,1809287 OTONGO 0,1945507 PUSUNO 1,2056658
MASTRANTAL 1,0031524 OYACACHI 1,5733202 PUTUIMI 0,1299548
MATAJE 38,8587345 PACAYACU 0,2945993 PUTUMAYO 320,6763761
MATALANGAR 0,8210606 PADAYACU 1,0892557 PUTZU 4,2464154
MATE 0,2047613 PAGUA 0,4246894 PUTZUNO 0,3407282
MAZAN 0,1764781 PAILON 0,0799586 PUYANGO 4,9938043
MEMBRILLO 0,0754515 PAJAN 1,4543276 PUYO 2,4055461
MEME 0,7239373 PALORA 42,609852 QUEVEDO 16,0034759
MEME CHICO 0,7899819 PAMBIL 0,3952777 QUIJOS 15,600597
MERIBE 0,4980614 PANKI 2,5770686 QUILLOSANA 0,7012380
MILAGRO 1,0833201 PANO 1,0623495 QUILLOYACU 0,6621293

Analíti a k
QUINDIGUA 9,231708 SOLOMA 0,3809796 TZAPINO 2,5492301
QUININDE 7,2679941 SOLOYA 0,4992882 TZENGANGA 5,0319723
RIRCAY 0,4136359 SOTANO 0,3357745 UDUSHAPA 0,7503904
RUMIYACU 4,3864795 SUANTS 0,2027593 UMBE 1,7281125
SABALETITA 0,1056861 SUCIO 2,9861654 UPANO 56,595661
SABALO 9,3144897 SUMINO 0,0984551 USHILLA ZAZAPI 0,6339622
SALAZAR 1,7312820 SUNO 5,5859645 VALDIVIA 0,6989516
SALITRE 0,2785495 SUPAYACU 0,9034507 VENDIDO 0,1320402
SAN AGUSTIN 1,9607182 SUQUIBI 1,6975931 VENTANAS 0,7876038
SAN ANTONIO 9,5002674 SUYUNUYACU 1,4198713 VERDE 5,1681079
SAN FRANCISCO 0,2782878 TABIAZA 0,1761568 VERDE CHICO 0,1085455
SAN JOSE 0,1841554 TABUCHE 0,5987717 VERDEYACU 0,7547349
SAN JUAN 2,8158321 TAISHACURARAY 0,1894111 VICHE 2,6939238
SAN JUAN CHICO 0,0740351 TAMBILLO 15,8720278 VILLANO 9,3515466
SAN MIGUEL 68,6710818 TASHAPI 0,5068694 VINCES 8,5211020
SAN PABLO 5,8465156 TAURA 20,6162038 VIVAR 0,1848226
SAN PEDRO 1,6936802 TAYUNTZA 1,8143353 VOLCAN 0,8763697
SANDALIA 0,2344723 TELEMBI 20,9231759 WAGRANI 0,6484086
SANGAY 3,5107673 TENA 1,2310756 WAMPIS 0,5832814
SANSA HUARI 0,0193744 TENGUEL 0,9244284 WAPUNTSENTZA 0,2719307
SANTA MARIA 0,3083113 TIAONE 2,6877732 WAWAIM 0,6216328
SANTA ROSA 1,3760260 TIBIO 0,3107459 WAWAIMI 0,4161248
SANTIAGO 56,0413443 TIGRE 0,6401588 WAWAIN 0,2256270
SANTIMA 0,0904112 TIGREYACU 0,4913646 WICHIMIE 1,9622716
SARAYAQUILLO 5,0028072 TIGUA 0,1881879 YAAPI 0,7817441
SAUNTZA 0,1824176 TIGUINO 7,0408578 YAGUACHI 0,4978329
SECO 0,2872468 TINGUISA 0,6050725 YAGUANA 0,3291512
SHANCARAJUNO 0,4688051 TIPUTINI 24,2597128 YAHUILA 0,3017244
SHICAYACU 0,3688832 TITINKIAF 0,1537777 YAMALICO 1,294963
SHICULIN 0,3636877 TIVACUNO 3,0289494 YANARUMI 0,0981752
SHINCATA 0,8804814 TOACHI 5,5244148 YANUNCAY 0,7427482
SHINLLIPANGA 0,2993151 TOACHI CHICO 0,3321738 YAREPA 0,7429847
SHIRIPUNO 7,6829018 TOACHI GRANDE 0,8801532 YASUNI 5,7286054
SHUSHUFINDI 1,0981545 TOBAR 0,1964380 YATANAENTZA 0,2139338
SIBIMBE 1,0343705 TONCHIGUE 0,0720178 YAUPI 3,7247506
SICHIDA 0,1424030 TOPO 1,3341848 YURUGYACU GRANDE 0,6042336
SIETE 0,9809976 TRAPICHILLO 0,0555729 YUTURI 0,5956461
SIETE VUELTAS 0,0617032 TUISHCACHI 0,1662416 ZAMORA 36,8498119
SIGUIN 0,1178358 TULULBI 1,0456433 ZAPOTAL 2,0009458
SILANCHE 1,0039185 TUNA 0,4937784 ZARUMILLA 2,2865847
SILENCIO 0,1555819 TUNA CHIGUAZA 0,5647811 ZUDAC 0,2074906
SITUCHE 1,7019085 TUTAPIASCO 0,1644999 Total 4406,85
A.2 Lagos y lagunas

El modo de proceder para el cálculo de la superficie 1. Se identificó cuáles cartas cartográficas poseían infor-
abarcada por un lago o laguna es similar al cálculo rea- mación sobre algún lago o laguna
lizado en el apartado anterior. En esta sección además se
determinará la ubicación de los distintos lagos y lagunas, 2. Se aproximó el área de los lagos o lagunas identifica-
pues por su forma y distribución esto es factible. dos, a través de polígonos.
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-

Analíti a k
tas identificadas, siendo la suma de las superficies de la posición de una partícula cuya masa puntual
las porciones de cada lago o laguna, la superficie del es el área de la porción de lago o laguna al que
mismo. representa.
4.3. Se aproximó la ubicación del total del lago o la-
4. Una vez cuantificados la totalidad de lagos y lagunas,
guna como el centro de masa de todo el sistema.
se aproximó la ubicación geográfica de cada lago y la-
Esta aproximación nos sirvió de guía para deter-
guna de la siguiente manera:
minar la pertenencia de cada lago o laguna a las
4.1. Se calculó el centro de masa de cada división de distintas provincias del continente ecuatoriano.
un mismo lago o laguna. 4.4. Al finalizar, se obtuvo la base mostrada en la si-
4.2. Se tomó a cada uno de los centros de masa como guiente tabla.
AZUAY AZUAY
NOMBRE Area km2 NOMBRE Area km2
LAGUNA AGUARONGO 0,005749502759 LAGUNA DEL PERRO CHICO 0,009659355496
LAGUNA ARROZPAMBA 0,011527813280 LAGUNA DEL PERRO GRANDE 0,020468264785
LAGUNA ATAJADA 0,032495312738 LAGUNA DOS CHORRERAS 0,142316808673
LAGUNA ATUGYACU CHICO 0,011247743355 LAGUNA ESTRELLA COCHA 0,024708176736
LAGUNA ATUGYACU GRANDE 0,109581167040 LAGUNA ESTRELLAS COCHA 0,038234108261
LAGUNA AURINCOCHA 0,021225943874 LAGUNA FONDO COCHA 0,035131629414
LAGUNA AYLLON 0,076011951606 LAGUNA GALLO CANTANA 0,012267971413
LAGUNA BARROS 0,003854020754 LAGUNA HABACOTA 0,013667856651
LAGUNA BILLETE 0,031174272296 LAGUNA HUNANCHI 0,191877293973
LAGUNA BURIN CHICO 0,023598475281 LAGUNA ILLINCOCHA 0,020139441063
LAGUNA BURIN GRANDE 0,100137432722 LAGUNA INGA CASA 0,190789281109
LAGUNA BUSA 0,094744344641 LAGUNA INGADAN 0,002628910326
LAGUNA CANOTILLOS 0,188439254770 LAGUNA JIGENO 0,211683839460
LAGUNA CARDENILLO 0,014317561336 LAGUNA LABRADOR 0,595469259982
LAGUNA CASUIUA 0,007719340319 LAGUNA LARGA 0,246483800988
LAGUNA CEBADILLA 0,002424655296 LAGUNA LLALLI 0,011552401778
LAGUNA CELESTE 0,009035208727 LAGUNA LLAVIUCU 0,131118529854
LAGUNA CHACAYACU 0,055098520570 LAGUNA LORO URCU 0,015023877589
LAGUNA CHACHACOCHA 0,011521925045 LAGUNA LOS CIPRESES 0,018892307792
LAGUNA CHARON HUASI 0,021112012329 LAGUNA LUSPA 0,795032338071
LAGUNA CHICA TOREADORA 0,012449710925 LAGUNA MAMA TOMASA 0,008321355034
LAGUNA CHOPSHI 0,045241514220 LAGUNA MEDIANO PAQUI 0,074686387514
LAGUNA CHUSALONGO 0,055193151617 LAGUNA NARIG 0,008427756015
LAGUNA CHUSPIHUAYCU 0,092046869375 LAGUNA OSO HUAYCU 0,698258230293
LAGUNA COCHAURCU 0,006518353992 LAGUNA PALLCACOCHA 0,047171028519
LAGUNA COCHUMA 0,060556192921 LAGUNA PAROQUINUAS 0,052831247454
LAGUNA CONDORCOCHA 0,039260844747 LAGUNA PATOCOCHA CHICO 0,005615385409
LAGUNA CONTRA HIERBA 0,016410690509 LAGUNA PIEDRA AMARILLA 0,109386190834
LAGUNA CUCHEROS 0,034686023690 LAGUNA PIACHI 0,003505655119
LAGUNA CUSNIHUAYCU 0,091445079490 LAGUNA PICOCHAS 0,019064065997
LAGUNA DE AMARILLO DERRUMBO 0,091266440873 LAGUNA PIDANCOCHA 0,033581154788
LAGUNA DE ANGAS 0,053682788476 LAGUNA POTRO MUERTO 0,012320913405
LAGUNA DE BURIN 0,013285586914 LAGUNA PUCARRUMI 0,039751171072
LAGUNA DE CHAUPICHULO 0,079056761133 LAGUNA QUINGOCOCHA 0,009486921271
LAGUNA DE CUEVA ESCRITA 0,094189241867 LAGUNA QUINGOR 0,013425433115
LAGUNA DE DUBLAS 0,205358636507 LAGUNA QUINUAS 0,035955206451
LAGUNA DE GUNO 0,008854650658 LAGUNA RIDON COCHA 0,077594344881
LAGUNA DE INGAHUASI 0,012101203131 LAGUNA RODEO O HACHAN 0,009807237407
LAGUNA DE LA CASA 0,225517335 LAGUNA RUNASHAYANA 0,039251673162
LAGUNA DE LAS IGLESIAS 0,009827125288 LAGUNA SANTO DOMINGO 0,081749118543
LAGUNA DE PALLACOCHA 0,008541002699 LAGUNA SEROCOCHA 0,003079774201

Analíti a k
AZUAY CAÑAR

LAGUNA SHUNO 0,005954843216 LAGUNA DE TACANGA 0,004626818625
LAGUNA SUNINCOCHA 0,388806480362 LAGUNA EL CARMEN 0,006301566145
LAGUNA TAGSHA 0,079484871038 LAGUNA EL RINCON 0,016970383550
LAGUNA TAITA CHUGO 0,565747949210 LAGUNA GUABIZHUN 0,012424929014
LAGUNA TANGEO 0,008876446490 LAGUNA JACARAN 0,052473571235
LAGUNA TAQUIURCU 0,053371367926 LAGUNA MACHANGARA COCHA 0,034481214828
LAGUNA TINTACOCHA 0,403541684077 LAGUNA MACHINGARA COCHA 0,471500762269
LAGUNA TINTAPUNGU 0,007089602257 LAGUNA PAILACUCOCHA 0,012805154091
LAGUNA TOREADORA 0,182900679660 LAGUNA PATUL 0,080811165547
LAGUNA TORUGACACHI 0,006560569418 LAGUNA PINACOCHA 0,104478573476
LAGUNA TOTORA COCHA 0,043379943469 LAGUNA QUITACOCHA 0,025658306613
LAGUNA TOTORAS 0,065701944589 LAGUNA SAN JOSE 0,056701242100
LAGUNA TOTORASCOCHA 0,151882103402 LAGUNA SARAMONTON 0,005962491355
LAGUNA TOTORILLAS CHICA 0,019645493441 LAGUNA SILUAPA 0,013412876900
LAGUNA TRUENOCOCHA 0,271996454272 LAGUNA SONTZAHUIN 0,265548198870
LAGUNA VALERIANA YACU 0,005181818362 LAGUNA TAPLACOCHA 0,364780931780
LAGUNA VALERIANATO 0,095062587079 LAGUNA TIPOCOCHA 0,004152104336
LAGUNA VENTANAS 0,339116594738 LAGUNA TOGLLACOCHA 0,102055011578
LAGUNA VIVIANA 0,005222292944 LAGUNA TROJECHARINA 0,010491395697
LAGUNA YANACOCHA DE ATUGYACU 0,020321257526 LAGUNA TUSHIN 0,027585691400
LAGUNA YANTAHUAYCU 0,134213346051 CARCHI
LAGUNA ZHIRIGUIDA 0,032145243749 LAGUNA ARQUITECTO 0,002981895340
LAGUNAS ALUMBRE 0,115391365166 LAGUNA DE BAÑOS 0,002640216636
LAGUNAS CARDENILLO 0,018238237173 LAGUNA DE CAJUCO 0,066183960629
LAGUNAS DE ATRACADEROS 0,120665059406 LAGUNA DE LA PLAZA 0,005648417290
LAGUNAS DE ATUGPAMBA 0,139474370079 LAGUNA DE POTRERILLOS 0,237996809086
LAGUNAS DE CASCARILLAS 0,105689303050 LAGUNA DEL MEDIO 0,012228160997
LAGUNAS DE GUALAHUAYCU 0,023547761356 LAGUNA EL SALADO 0,061944788681
LAGUNAS DE NAPALE 0,250234061826 LAGUNA RASOCOCHA 0,004842092600
LAGUNAS DE PATOS 0,058701917071 LAGUNA SANTA LUISA 0,015805714740
LAGUNAS DE SIRANCHUGLLA 0,013602577833 LAGUNA SASARIN 0,113466530278
LAGUNAS DE SUERACOCHA 0,010348044807 LAGUNAS DE CRESPO 0,143553558893
LAGUNAS LAS CHORRERAS 0,105247204726 LAGUNAS DEL VOLADERO 0,284670132634
LAGUNAS LAS CONLLOSAS 0,028916720839 CHIMBORAZO
LAGUNAS NEGRAS 0,082579624706 LAGUNA LAS TRES CRUCES 0,037990139439
LAGUNAS PLAYAS ENCANTADAS 0,317821558515 LAGUNA AGUA DULCE 0,011105249736
LAGUNAS QUIMSACOCHA 0,124842115793 LAGUNA ATANCOCHA 0,001862681048
LAGUNAS SAN ANTONIO 0,039229089952 LAGUNA AUCACOCHA 0,305853658213
LAGUNAS UNIDAS 0,264239763064 LAGUNA AZUL 0,132035756102
LAGUNA TRES LAGUNAS 0,174385193248 LAGUNA AZUL COCHA 0,083431924016
BOLIVAR LAGUNA BOAZO 0,291719221088
LAGUNA CALO COCHA 0,031483154708 LAGUNA CACADRON 0,039767218719
LAGUNA LUTOCOCHA 0,001809820705 LAGUNA CELINDRO 0,018855910208
LAGUNA PATAMOCHA 0,312412202729 LAGUNA CHAQUISHCA COCHA 0,083905208835
LAGUNAS DEL TIQUIBUZO 0,011106724636 LAGUNA CHOCARCOCHA 0,015161891250
CAÑAR LAGUNA CHUYACOCHA 0,007499057410
LAGUNA ARENILLAS 0,018323349582 LAGUNA COCHA 0,018831220229
LAGUNA BARROSCOCHA 0,034531710580 LAGUNA COJITAMBO 0,048686187539
LAGUNA CASHIN 0,004304906776 LAGUNA CUBILLIN 5,423075677900
LAGUNA CHULCUCOCHA 0,172682603364 LAGUNA CUYUG 0,027941818319
LAGUNA CHUYA PATOCOCHA 0,001534981250 LAGUNA DAHUICUCHA 0,004813567111
LAGUNA COCHA HUAYCU 0,002616363664 LAGUNA DE COLTA 1,856214844859

Analíti a k
CHIMBORAZO EL ORO
LAGUNA DE YANACOCHA 0,002023215898 LAGUNA CHILLACOCHA 0,002337639840
LAGUNA DEL ORIENTE 0,008208437627 LAGUNA CHINCHILLA 0,005230641608
LAGUNA FICHIRON 0,005190242197 LAGUNA HUASIMO 0,123028533614
LAGUNA FRUTATIAN 0,045327743283 LAGUNA LA TEMBLADERA 0,821737959311
LAGUNA IGUAN COCHA 0,086847725030 LAGUNA PUNTA BRAVA 0,120378821879
LAGUNA JACSAN 0,175555418291 LAGUNA TOTORAL 0,284767051936
LAGUNA JUNACOCHA 0,065508358750 ESMERALDAS
LAGUNA MAGTAYAN 2,266122628220 LAGUNA CHILE 0,015564506355
LAGUNA MANGAN 0,194640034993 LAGUNA DE TIMBRE 0,032110131755
LAGUNA MAPACOCHA 0,007511879082 GUAYAS

LAGUNA MAPAHUIDA 0,067967409721 LAGO DE CAPEIRA 0,049736611878
LAGUNA MUROCOCHA 0,062104171252 LAGUNA CAZADORES 0,021674042713
LAGUNA NEGRA 0,573269096382 LAGUNA CHALAQUERA 0,009871565100
LAGUNA NIDO COCHA 0,008160840000 LAGUNA CUBA 0,017837093238
LAGUNA PAILACOCHA 0,288880109839 LAGUNA EL CANCLON 7,924801503370
LAGUNA PALANGANA 0,201366870897 LAGUNA EL ENCANTO 0,044034542510
LAGUNA PATO COCHA 0,003292271175 LAGUNA GALLINA 0,023675128386
LAGUNA PATO ESCOPETA 0,010301877500 LAGUNA LAS LECHUZAS 1,735195169460
LAGUNA PATOGUAMBUNA 0,019264446122 LAGUNA LAS TAREAS 0,032738168150
LAGUNA PAYLLACOCHA 0,085156307944 LAGUNA PIEDROTA 0,004014743450
LAGUNA PICHAHUIDA 0,575804745716 LAGUNA QUIQUILAY 0,025078140300
LAGUNA PUCACOCHA 0,156545509209 LAGUNA SAN JAVIER 0,014496295700
LAGUNA PUNGUL 0,005111135768 LAGUNA TADEO 0,012829255750
LAGUNA ROCON 0,013818105938 LAGUNA TEFANA 0,004351428750
LAGUNA RUMICOCHA 0,022995851195 LAGUNA UÑA DE GATO 0,012376272050
LAGUNA TALALAG CHICO 0,032727047608 IMBABURA
LAGUNA TALINCOCHA 0,103248078350 LAGUNA AZUL O LAGUNA PINTADA 1,179848003280
LAGUNA TASARON 0,042573904855 LAGUNA BLANCA O CHIQUITA 0,007040697199
LAGUNA TIAGUICOCHA 0,032587283395 LAGUNA BURROCOCHA 0,037284427229
LAGUNA TINGUICOCHA 0,070212489840 LAGUNA CRISTOCOCHA 0,043880943157
LAGUNA TINTILLAN 0,040149423977 LAGUNA CUBILCHE 0,014445828639
LAGUNA TOLICOCHA 0,066334620340 LAGUNA CUICOCHA 3,936512262644
LAGUNA VERDE COCHA 1,302741128939 LAGUNA DAGNARO 0,030695575605
LAGUNA VERDE COCHA CHICO 0,010671213317 LAGUNA DE CUNRRU 0,018080201496
LAGUNA YAHUARCOCHA 0,080832148349 LAGUNA DE LAS GARZAS 0,090920930803
LAGUNA YANACOCHA 1,604003588923 LAGUNA DE SAN PABLO 6,068211137360
LAGUNA YANAURCU 0,056532279454 LAGUNA DE YAHUARCOCHA 2,405116086490
LAGUNA YUYO APANA 0,005232647437 LAGUNA JARICOCHA O CARICOCHA 0,062687609627
LAGUNAS ARRAYAN 0,120893066042 LAGUNA LA COCHA 0,021688099547
LAGUNAS DE TASARON 0,007246358205 LAGUNA PURUHANTA 2,729103452710
LAGUNAS MAGDALENA 2,650021487910 LAGUNA SUCAPILLO 0,008712871506
LAGUNAS TIACOS 0,008036829021 LAGUNA TOBAR DONOSO DE PIDAN 1,900884886980
LAGUNA AMARILLA 0,085110974369 LAGUNA TUROCOCHA 0,016231772065
COTOPAXI LAGUNAS MORASPUNGU 0,003905215554
LAGUNA COCHAURCO 0,006235357733 LOJA
LAGUNA CONDOR COCHA 0,003647914647 LAGUNA ARAMARA 0,014094448789
LAGUNA CUTZHUALO 0,006564328128 LAGUNA CAMPANA 0,005514926343
LAGUNA DE YAMBO 0,251572072227 LAGUNA CHUQUIRAGUA 0,027675206023
LAGUNA QUILOTOA 3,059385460000 LAGUNA COCHA CARANGA 0,004115176451
LAGUNA TILINTE 0,022072751372 LAGUNA COCHA LARGA 0,010284003538

Analíti a k
LOJA NAPO
LAGUNA DE HUATIHUIDA 0,004353030727 LAGUNA CIEGA 0,091896280695
LAGUNA DE PATOS 0,076055855229 LAGUNA DE COJANCO 0,075353472021
LAGUNA DE PAYON 0,028264882503 LAGUNA DE DOS VENADOS 0,197126630105
LAGUNA DE YULUC 0,030054855569 LAGUNA DE LOS LEONES 0,199143568605
LAGUNA NATOSA 0,008812723095 LAGUNA DE MICA 1,827749849460
LAGUNA PENCO PENCO 0,009220016929 LAGUNA DE PALO 0,021913327926
LAGUNA PRIETA 0,056936702820 LAGUNA DE SOGUILLAS 0,014326858707
LAGUNA SAN MIGUEL 0,005781519690 LAGUNA EL CABLE 0,055153997676
LAGUNA SARIHUIDA 0,028194815277 LAGUNA EL CORAZÓN 0,038749398950

LAGUNA SHARIHUIDA 0,010810125761 LAGUNA ENCANTADA 0,376368785497
LAGUNA TIGRECOCHA 0,005863175469 LAGUNA JATUNCOCHA 0,084133103833
LOS RIOS LAGUNA LAGUNA 0,102187016770
LAGUNA AVEJONAL 0,498810911636 LAGUNA LLAVICOCHA 0,022716980998
MANABÍ LAGUNA LORETO 0,512532604365
LAGUNAS DE OXIDACION 0,226935229694 LAGUNA MANGASHIMA 0,034709739799
LAGO EL ROSARIO 0,043908610162 LAGUNA MANGASHINA 0,372607214194
MORONA SANTIAGO LAGUNA MARCOS COCHA 0,167127040983
LAGUNA AUSULLAY 0,020447441543 LAGUNA OSOPAMBA 0,025445064261
LAGUNA AYAUSHI 0,088646599790 LAGUNA OYACACHI 0,122960536791
LAGUNA BRAVA 0,006752738652 LAGUNA PAPALLACTA 0,431396879851
LAGUNA BUITRE 0,009139645091 LAGUNA PARCACUCHA 0,480094213576
LAGUNA CADO 0,029278259282 LAGUNA SAN FERNANDO 0,216413606070
LAGUNA CARIMAYLLAG 0,027971124884 LAGUNA SAN MOGOTES 0,256828915568
LAGUNA DE LOS PATOS 0,004343428823 LAGUNA STA LUCIA 0,039092849409
LAGUNA DE PITIU 0,074386726826 LAGUNA SUCUS 0,055353972268
LAGUNA DE PUSHI 0,136605151126 LAGUNA TOROSCOCHA 0,043756959690
LAGUNA FRIEGA GENTE 0,056032331418 LAGUNA TUMIGUINA 0,204318017372
LAGUNA JUAN PABLO 0,019429205987 LAGUNA YANACOCHA 0,150199909068
LAGUNA KUMPAK 0,106567449924 LAGUNA YURACCOCHA 0,466422775999
LAGUNA LA QUINTA 0,518766142018 LAGUNAS GUAITA LOMA 0,166227618414
LAGUNA LAGARTOCOCHA 0,769905670787 LAGUNAS SAN DIEGO 0,423116018701
LAGUNA MINAS 0,143753449344 ORELLANA
LAGUNA MUSHUGLLAGTA 0,082098258057 LAGUNA ADANGU 0,236788792227
LAGUNA PAYLLACOCHA 0,034779718184 LAGUNA DE HURIRIMA 0,014343918921
LAGUNA PIRCAPUNGU 0,010325635860 LAGUNA JATUN COCHA 1,197273776066
LAGUNA PUTZUCUCHA 0,050796381274 LAGUNA PATACOCHA 1,085719671620
LAGUNA SAN LUIS 0,019778196356 LAGUNA TARACOA 0,381384439513
LAGUNA SANTA BARBARA 0,106597000358 LAGUNA YANAYACU 0,254314916608
LAGUNA SHARARUMI 0,042233305754 LAGUNA YUTURI 0,171831387057
LAGUNA SHILILE 0,267699509781 LAGUNA ZANCUDO COCHA 4,711013955560
LAGUNA SOLTERO COCHA 0,207031621683 PASTAZA
LAGUNA TULLPAS 0,014612690956 LAGUNA ANGACOCHA 0,091588347194
LAGUNA YANASACHA 0,004469164901 LAGUNA ANGUILIASYACU 0,095523859234
LAGUNAS DE ANTEOJOS 0,233790460748 LAGUNA AZUNQUILÍ 0,065438013927

LAGUNAS DE ATILLO 0,195820908580 LAGUNA CACHICAMA 0,291701124720
LAGUNAS SARDINAYACU 1,714825267941 LAGUNA CAMUNGUICOCHA 0,047380547392
LAGUNAS TAMBILLO 0,095180649612 LAGUNA CHICHIROTACOCHA 0,098729390379
LAGUNAS YANACOCHA 0,013966608660 LAGUNA CHIMIRICOCHA 0,061491064948
NAPO LAGUNA CHIQUIACU 0,094307194392
LAGOS DE CAJAS 0,056381741624 LAGUNA CHUNCHOCOCHA 0,326748043414
LAGUNA BOSALIA 0,010803730975 LAGUNA CORTACOCHA 0,054740679720
LAGUNA CHUSPICOCHA 0,052218886029 LAGUNA CUPAPISHCA 0,035670703171

Analíti a k
PASTAZA PICHINCHA
LAGUNA DE PATO AMO 0,149156491027 LAGUNA ISHGA 0,014116459028
LAGUNA GALOGALO COCHA 0,026770168350 LAGUNA LOS ANDES 0,040808909928
LAGUNA GANOSCAPICOCHA 0,017473967970 LAGUNA MUERTE PUNGU 0,273383640300
LAGUNA GARZAYACU 0,091374611266 LAGUNA NEGRA PAGCHA 0,496751239598
LAGUNA GUAYURICOCHA 0,051541516635 LAGUNA NONALVICO 0,103020699483
LAGUNA HUAMACOCHA 0,094882045053 LAGUNA NUNALVIRO 0,784558620878
LAGUNA HUASICACOCHA 0,376701029072 LAGUNA PAILACAJA 0,068789763708
LAGUNA HUSYRACOCHA 0,071657099667 LAGUNA PARCACOCHA 0,016193644250
LAGUNA INAYOCOCHA 0,006545563989 LAGUNA PATO GUACHANA 0,023499100473
LAGUNA ISHPINGOCOCHA 0,281876286213 LAGUNA PONDOCOCHA 0,007706372572
LAGUNA JESÚS COCHA 0,099154749953 LAGUNA QUILIMAS 0,065116974908
LAGUNA LLULLUCOCHA 0,122531836828 LAGUNA QUINDECOCHA 0,296941038605
LAGUNA LOROCACHICOCHA 0,107534874884 LAGUNA QUINGRAY 0,007423458850
LAGUNA MANGOCOCHA 0,073298472232 LAGUNA SAL SI PUEDES 0,006613973306
LAGUNA MEREYSHQUE 0,081581849010 LAGUNA SUPAYCAHUAN 0,006886661236
LAGUNA MORETEPITISHCA 0,039507099988 LAGUNA TIPO PUGRU 0,033385668650
LAGUNA PAICACOCHA 0,060836877776 LAGUNA TORUNO 0,028994256400
LAGUNA PATOCOCHA 0,198243552782 LAGUNA UNAGRAN 0,004735927612
LAGUNA PAVAYACUCOCHA 0,043854656876 LAGUNA VERDE 0,654491576719
LAGUNA PEÑASCOCHA 0,098147100188 LAGUNAS DE LA VIRGEN 0,023110306781
LAGUNA QUILOALPACOCHA 0,022008860131 LAGUNAS TINGUICOCHAS 0,065250596453
LAGUNA RAMOSCOCHA 0,036514806605 LAGUNA TU CURRASIN 0,053252669650
LAGUNA RUDASHILLO 0,323269883967 SUCUMBIOS
LAGUNA RUMISHUYUSHCA 0,239302327217 LAGO AGRIO 0,313827664601
LAGUNA SANTA ROSA 0,443470464812 LAGUNA ANCACOCHA 0,094998220899
LAGUNA SHACARITACOCHA 0,118369210562 LAGUNA CANANGUENO 1,549174631620
LAGUNA SHAHUACOCHA 0,036236086851 LAGUNA CHALLUACOCHA 0,106484345171
LAGUNA SHAPIRACOCHA 0,122126560120 LAGUNA CHARAPACOCHA 0,004517487409
LAGUNA SHINICOCHA 0,018558071377 LAGUNA COCODRILOCOCHA 0,074187509472
LAGUNA SHUACOCHA 0,027038704410 LAGUNA CUYABENO 0,149136508410
LAGUNA TANGARANACOCHA 0,045494190251 LAGUNA DE LIMONCOCHA 2,335366306460
LAGUNA TARCHICOCHA 0,447391447136 LAGUNA GARZA COCHA 0,022667814665
LAGUNA TILINGAZACOCHA 0,031566584064 LAGUNA GARZOCOCHA 0,669364591787
LAGUNA UMUPICOCHA 0,053143824800 LAGUNA GRANDE 2,355663223893
LAGUNA YANAPUMACOCHA 0,226085026772 LAGUNA IMUYA 1,152605892309
LAGUNAS AZUCENACOCHA 0,079512181013 LAGUNA LOROCOCHA 0,044305783758
PICHINCHA LAGUNA MACUROCOCHA 0,092065143060
LAGUNA CHIQUITA 0,180782661647 LAGUNA MANDI 0,056622753667
LAGUNA CONDORAZO 0,046894823533 LAGUNA MANZOCOCHA 0,020766289200
LAGUNA CUSNIPAGCHA 0,005027517492 LAGUNA MATEO COCHA 0,240375720590
LAGUNA DE ATACAZO 0,013421917902 LAGUNA NEGRA O YANACOCHA 0,760948833296
LAGUNA DE BAYO 0,006425821643 LAGUNA PAÑACOCHA 0,267218261207
LAGUNA DE BOYER 0,294387401269 LAGUNA PIGUALI 0,192846671025
LAGUNA DE COLLANTES 0,088931780752 LAGUNA PIURI COCHA 0,086715780007
LAGUNA DE JATAPAMBA 0,016470293363 LAGUNA SAN JORGE 0,069922972725
LAGUNA DE LIMPIOS 0,293932800839 LAGUNA SAN MARCOS 0,623069869828
LAGUNA DE MANDUR 0,054168752135 LAGUNA YAHUANGA 0,060801169580
LAGUNA DE SECAS 0,107604754550 LAGUNAS DEL MIRADOR 0,474205751675
LAGUNA DE YUYOS 0,129681775461 LAGUNA YURACOCHA 0,000969763042
LAGUNA ENJALLINADA 0,088292447070 TUNGURAHUA
LAGUNA ESTRELLADA 0,061460077993 LAGUNA ANGASCOCHA 0,074095092325
LAGUNA GRANDE DE MOJANDA 2,947988628720 LAGUNA ANTEOJOS 0,020695017112

Analíti a k
TUNGURAHUA TUNGURAHUA
LAGUNA ANZACUCHO 0,002401197423 LAGUNA PALOJAPINA 0,140284405023
LAGUNA CASADA COCHA 0,002518141202 LAGUNA PAYATAMBO 0,008120579210
LAGUNA CHILIQUIN 0,072103812582 LAGUNA PISAYAMBO 4,639250880448
LAGUNA CHILIQUINGUE 0,044915939342 LAGUNA QUILLOPACCHA 0,358641187354
LAGUNA CHIRIQUIN 0,000613109626 LAGUNA SILLA HUAYCU 0,001590643446
LAGUNA COCHA NEGRA 0,015662092699 LAGUNA SIQUIBULU 0,035498019165
LAGUNA DE ALULEO 0,059721343082 LAGUNA TINGO 0,053150687080
LAGUNA DE CHAUPI CHUSPA 0,025148565107 LAGUNAS DE ALVAREZ 0,044494093981
LAGUNA DE MINSAS 0,082560729846 LAGUNAS DE YURACPATO 0,064809901790
LAGUNA DE PUJIN 0,023327164592 ZAMORA CHINCHIPE
LAGUNA DEL TAMBO 0,123356903767 LAGUNA COX 0,192886915360
LAGUNA GUARUMO COCHA 0,214472563220 LAGUNA DEL PATO 0,032917664764
LAGUNA INABUELA 0,002404041118 LAGUNA DESAGUADERO 0,030802064495
LAGUNA LLULLUCHA 0,001793246592 LAGUNA LAS COLORADAS 0,050609140193
LAGUNA MALENDA CHICA 0,006689090531 LAGUNA PATILLA 0,038177536794
LAGUNA MALENDA GRANDE 0,010268174984 LAGUNA SALADA 0,034053499502
LAGUNA NABOSBANCO 0,013848221017 LAGUNAS DE CONDORCILLO 0,123005073366
LAGUNA ORQUETA COCHA 0,003556351468 LAGUNAS DEL COMPADRE 0,360671719500
AREA TOTAL 121,458684837455
A.3 Zonas desérticas y de playa

Dentro de la cartografía base proporcionada por el B Marco teórico
IGM, se encuentra una categoría en la que se agrupan to-
das las zonas con gran acumulación de arena, grava o gui- B.1 Centro de masa
jarros. Estas zonas se encuentran principalmente a lo largo
del litoral o en el lecho de un río, siendo este el conjunto de Dado un sistema de partículas discreto o continuo, el
zonas que se define en nuestro estudio como zonas desér- centro de masas es el punto geométrico que se mueve como
ticas o de playa. si la resultante de fuerzas externas actuaran sobre la tota-
Su área se determinó de manera similar a lo realizado lidad de la masa del sistema, concentrada en dicho punto,
anteriormente. A través de este cálculo se determinó que movimiento que es equivalente al movimiento del sistema
en su totalidad esta zona posee una extensión aproximada de partículas.
de 520,4 km2 , como se mostró en la Tabla 19. Sistema discreto Dado un sistema discreto de n partículas
con vectores posición ri (i = 1, . . . , n) el centro de masa, R,

se calcula de la siguiente manera:
A.4 Criadero de camarones, peces y similares
∑ni=1 ri mi 1 n
R=
∑ni=1 mi
=
M ∑ ri m i , (27)
Su área se calcula mediante aproximación geométrica, i =1
de manera similar a lo mencionado anteriormente, tenien-
donde mi = masa de la partícula i − esima y M = ∑ni=1 mi .
do como referencia fundamental, una vez más, la cartogra-
fía temática proporcionada por el IGM. A través de ella, se Sistema continuo
pudo determinar las zonas en donde se encuentra asenta-
das camaroneras, piscícolas y similares, las cuales abarcan En un sistema continuo, la sumatoria se transforma en
2
un área de 333,26 km , como se muesta en la Tabla 34. integrales resultando:
R Z Z
r dm 1 1
R = R = r dm = ρ(r )r dV, (28)
ZONA ÁREA (km2 ) dm M M
CRIADERO DE CAMARONES 333,26
PECES Y SIMILARES R
donde ρ es la función densidad del sistema y M = dm.
Tabla 34. Criadero de camarones, peces y similares Si se tiene que el sistema presenta una distribución ho-
mogénea de la masa, entonces la función de densidad es

Analíti a k
constante y puede salir de la integral teniendo que la ecua- • Archivo que guarda la información referida al siste-
ción 20 puede escribirse como: ma de referencia (.prj).
R R R
r dm ρ r dV r dV • Archivo que almacena los metadatos del shapefile
R= R = R = , (29) (.shp, .xml).
dm ρ dV V
R
donde V = dV. C.2 Cartografía digital
La cartografía digital básica 1:50.000 en formato .shp,
C Herramientas utilizadas proporcionada por el IGM, está constituida por 546 cartas,
las cuales cubren al país de manera disjunta y se encuen-
Para la realización del presente estudio se ha utiliza- tran subdivididas en dos zonas.
do el programa ArcGis 9.2, y la cartografía digital básica La zona 1 consta de 290 cartas abarcando en su mayo-
1:50.000 en formato shapefile proporcionada por el Insti- ría la Región Costa y Sierra central. El estado de las cartas
tuto Geográfico Militar, cuyas principales características se pertenecientes a la zona 1, al ser la primera versión de la ba-
detallan a continuación. se de datos cartográfica nacional, realizada en al año 2007,
presenta las siguientes observaciones :
C.1 Formato shapefile • Un porcentaje moderado de errores topológicos.

Un Shapefile es un formato de archivo digital que al- • Errores en la catalogación de los elementos.
macena los datos de forma vectorial y que alberga la loca-
lización y atributos de los elementos geográficos. Este es el • Errores de toponimia con respecto a la ortografía, sin-
formato estándar para el intercambio de información geo- taxis y ubicación espacial del elemento cartográfico.
gráfica [5, 11]. • Falta de topología entre cartas contiguas.
Una Carta Topográfica Digital en formato .shp o shape-
file está constituida principalmente por 3 archivos: • Falta de elementos cartográficos en un bajo porcenta-
je, y/o una mala estructuración dentro de la base de
• El archivo que contiene las entidades geométricas de datos.
los objetos, y que se encuentra en formato .shp.
• Presencia de áreas y longitudes negativas en elemen-
• El archivo que almacena el índice de las entidades tos lineales y poligonales por falta de una Reparación
geométricas, y que se encuentra en formato .shx. Geométrica de este tipo de información.
• El archivo que contiene la información alfanumérica • Los elementos lineales no presentan una topología de
de los atributos de los objetos, y que se encuentra en redes. La dirección viene dada por la manera como
formato .dbf. fue digitalizada o restituida dicha información.
Además de los archivos principales, un Shapefile puede • Presencia de curvas de nivel por bloques.
estar constituido por archivos opcionales, que son los si-
guientes: • Falta de topología en el bloque de curvas de nivel.
• 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].

Analíti a k
Un modelo matemático para esquemas piramidales
tipo Ponzi
Juan Mayorga - Zambrano

Analíti a k
Un modelo matemático para esquemas piramidales tipo Ponzi
Un modelo matemático para esquemas piramidales tipo
Ponzi
Departamento de Ciencias Exactas, Escuela Politécnica del Ejército, Quito, Ecuador
jrmayorga@espe.edu.ec
Recibido: 5 de noviembre de 2010 Aceptado: 1 de diciembre de 2010

Resumen
Se establece un modelo estocástico que describe un esquema piramidal tipo Ponzi. Se estudia su comportamiento, su
punto crítico (definido en términos del estado financiero de la captadora), su punto de saturación (definido en términos
del capital real de la captadora) y se define un índice de referencia sobre la viabilidad futura del esquema. Adicional-
mente, se hace la simulación de una versión simplicada del modelo y se establece el algoritmo para la implementación
computacional del modelo general.
Palabras clave: modelamiento matemático, pirámides financieras, esquemas Ponzi, procesos estocásticos.
Abstract
An stochastic model is established to describe a Ponzi’s piramidal scheme. We study its behavior, its critical point
(defined in terms of the financial state), its saturation point (defined in terms of the total real capital), and it’s defined
an index to measure the scheme’s viability. A simulation of a very simple version of the model and an algorithm is
established to implement the general model.
Keywords: mathematical modeling, financial pyramidal schemes, Ponzi schemes, stochastic processes.
Código JEL: C02, C12.
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.

Analíti a k
transacciones de divisas), pues esto atrae a un mayor nú- que describe estos procesos en virtud del alto peligro que
mero de personas. Debido a la alta rentabilidad del nego- representa para el ciudadano promedio este tipo de frau-
cio, los clientes optan, generalmente, por reinvertir un alto des, especialmente por su alcance a través de la Internet.
porcentaje de su capital y de sus ganancias. No olvidemos el impacto social del caso “Notario Cabre-
El esquema Ponzi de Bernard Madoff (detectado en di- ra” de 2005 en Ecuador: hubo suicidios y personas tuvieron
ciembre 2008) cae en la última descripción. El fraude de que devolver autos y casas que habían adquirido pensan-
Madoff alcanzó los 50.000 millones de dólares, el mayor do financiar los pagos con las ganancias de su inversión
llevado a cabo por una sola persona. Madoff fue el presi- piramidal. Ecuatorianos y colombianos llegaron a tomar
dente de una de las firmas de inversiones más importantes préstamos de bancos legalmente constituidos para meter
de Wall Street, que lleva su nombre y que fundó en 1960. el dinero en las captadoras financieras. DMG afectó a unas
8000 personas en la ciudad de Pasto, aproximadamente el
Sus fondos de inversión daban unos beneficios de 5 % de la PEA (población económicamente activa) y a unas
entre el 10 % y el 15 % al año, lo cual es algo ex- 240.000 personas en toda Colombia, aproximadamente el
traordinariamente bueno, pero no escandalosamente 1 % de PEA (véase [6]).
bueno. Y aunque lloviese o nevase fuera, él asegura-
ba ganancias cada mes. . . [5].
1.3 Descripción del trabajo
En diciembre de 2008, Madoff fue detenido por el FBI y
acusado de fraude. El 29 de junio de 2009 fue sentenciado En [1], Artzrouni modela esquemas Ponzi —incluyendo
a 150 años de cárcel [9]. casos análogos a sistemas de pensiones— mediante una
ecuación diferencial para L(t), el capital real,
1.2 Justificación L(t + dt) = L(t) (1 + ηdt) + p(t)dt − W (t)dt, (1)

Este trabajo tiene su origen en la curiosidad propia del donde t representa el tiempo. Conceptualmente, la estruc-
matemático y en el hecho de que personas cercanas al autor tura de (1) es la misma que nuestra sucesión de recurrencia
fueron afectadas por esquemas piramidales. ¿Cómo fun-
ciona este esquema al punto de engañar a miles de perso- Lk = (1 + ηk−1 ) Lk−1 + Pk,k − Wk ,
nas (incluyendo a personas con estudios universitarios)?
véase (16), esto es, el capital real en un instante subsecuen-
Cuando me he puesto a investigar sobre el particular te es la suma de tres términos: primero, una expansión por
me he encontrado con bastante literatura pero po- inversiones legítimas del capital real al instante previo (η
cas matemáticas que expliquen el éxito inicial y el representa la correspondiente taza nominal); segundo, el
desplome posterior de estos instrumentos financie- ingreso de dinero fresco, p(t)dt, producto de las captacio-
ros. . . no he encontrado un modelo accesible y fácil nes a clientes nuevos; y tercero, una filtración de dinero
que muestre el mecanismo de auge, colapso y caída producto de retiros que hacen los clientes W (t)dt.
de las pirámides financieras o, mejor, que pueda pro- En [1] el estudio tiene al capital real como elemento pri-
nosticar su colapso a efectos didácticos para evitar mordial; se lo considera continuo en el tiempo lo que im-
en lo posible futuras víctimas de este timo financie- pide que se pueda hacer un seguimiento a la situación de
ro. . . [5]. los clientes conforme a su altura en la estructura piramidal.
Por otro lado, nuestro trabajo consiste en un modelo Ponzi
La ambición desmedida es el motor de un esquema pi- estocástico donde tan importante como el capital real son el
ramidal. La crisis de las pirámides de 2008 en Colombia monto robado a los clientes. El estado financiero de la em-
mostró una notable presencia de estos esquemas (siendo presa captadora y su capital teórico (que define legalmente
los más famosos Proyecciones DRFE y DMG), especial- el tamaño de la estafa). Adicionalmente, establecemos co-
mente en los departamentos de Nariño y Putumayo. Pue- mo variable de control el cociente del capital real por el
blos enteros fueron afectados, pues muchas de las captado- número de clientes que permite hacer un seguimiento a la
ras se escondían bajo figuras legales para inversiones legí- salud del sistema.
timas. En la Sección 2 presentamos el modelo general, empe-
El síntoma del virus: el deseo de ganar dinero fácil- zando por los conceptos de momento crítico y punto de
mente, deseo de todos nosotros, fantasía - agravada saturación. En la Sección 2.2, se introducen las reglas de
por la ignorancia - de que no es tan difícil ganar dine- juego de la empresa captadora. En la Sección 2.3 se estudia
ro sin mayor esfuerzo. . . hay personas que explotan el crecimiento del número de clientes, la esencia de un es-
esa ignorancia en beneficio propio [4]. quema piramidal. En la Sección 2.4 se estudian los valores
teóricos de captación y capital. En la Sección 2.5 se plantean
En este trabajo desarrollamos un modelo matemático las relaciones para el capital real y el punto de saturación.
que permite estudiar un tipo de esquemas Ponzi. Es im- En la Sección 2.6 se establece el monto legal de la estafa
portante desarrollar y hacer más accesible la matemática y la fórmula de recurrencia para el estado financiero de la

Analíti a k
pirámide. En la Sección 2.7 se establece el monto extraido D EFINICIÓN 1. El punto crítico Tc es aquel en que el estado
del pecunio de los clientes. En la Sección 2.8 se proponen financiero de la captadora cambia por primera vez de signo, esto
formulaciones para hacer un seguimiento a la salud y efi- es:
ciencia del esquema Ponzi.
1. F ( Tc ) = 0;
En la Sección 3 se particulariza las formulaciones de la
Sección 2 a un caso que a pesar de su enorme simplicidad 2. F (t) > 0, para todo t ∈ (0, Tc );
permite visualizar los alcances perjudiciales de un esque-
ma Ponzi. El algoritmo en seudocódigo para su implemen- 3. Si T0 verifica i) y ii), entonces Tc ≤ T0 .
tación computacional es presentado en la Sección 4.
El criterio de parada provisto por la Definición 1 tiene
que ver con la posibilidad de que el estado financiero de
la captadora tenga algún tipo de supervisión externa (e.g.
2 El modelo de algún organismo estatal). En los casos de fraude tipo
Ponzi ha sido usual la ausencia o ligereza de este tipo de
La empresa captadora juega en un tiempo t ∈ I ≡
control. Más aún, como veremos más adelante, una cap-
[0, T ), donde T es el instante en que la captadora deja de
tadora puede tener su estado financiero en negativo y, sin
funcionar y huye con el dinero de sus clientes. Estimar T
embargo, presentar mucho dinero en caja lo que usualmen-
en base a algún criterio razonable es uno de los objetivos
te lleva a los clientes a pensar que la empresa goza de bue-
de nuestro estudio.
na salud. Como consecuencia, la empresa puede continuar
Al tiempo t ∈ I, denotamos por P̂(t) al capital teóri-
con su fraude por un tiempo adicional hasta que alcanza
co total, es decir, la cantidad de dinero que la captadora fi-
su punto de saturación.
nanciera finge tener en sus arcas. En un esquema piramidal
P̂(·) es una función creciente, es decir: D EFINICIÓN 2. El punto de saturación Ts es aquel en que el
capital real total, L(t), de la captadora cambia por primera vez
P̂(t B ) ≥ P̂(t A ), para 0 ≤ t A < t B ≤ T. de signo:
El capital teórico total permite establecer el tamaño legal de 1. L( Ts ) = 0;
la estafa, D (t), es decir, los derechos que tienen los acree-
dores en papeles al tiempo t. Como se verá más adelante, 2. L(t) > 0, para todo t ∈ [0, T );
3. Si T0 verifica i) y ii), entonces Ts ≤ T0 .
D (t) = (1 + i p ) · [ P̂(t) − E(t)], para t ∈ I,
O BSERVACIÓN 1. Téngase presente que los puntos crítico y de
donde E(t) representa la expansión del capital inicial E0 al saturación son variables aleatorias que dependen de los diferentes
tiempo t ∈ I e i p > 0 es la taza de retorno ofrecida por la parámetros y variables del sistema. Como veremos más adelante,
captadora para un período básico de inversión h ∈ (0, T ), que Ts tiene que ver con un número insuficiente de nuevos clientes.
puede ser 1 mes, 2 meses, etc. Pero,
¿dónde está el dinero de la pirámide. . . ? Se ha di- 2.2 Reglas de juego

luido, volatilizado en los pagos de intereses y comi-
La captadora parte con un capital inicial E0 > 0 que
siones. Hay que tener presente que el valor-dinero
suponemos grande: esto genera confianza en los primeros
del capital invertido por los clientes se erosiona per-
clientes (la parte superior de la pirámide), factor indispen-
manentemente, desde el primer minuto. No hay que
sable para el éxito futuro de la empresa.
perder de vista que la supuesta permanencia (o cre-
En una pirámide no-Ponzi, usualmente un cliente tiene
cimiento) del capital invertido (capital teórico en el
que reclutar a un cierto número de nuevos clientes para po-
modelo) sobre el que se paga a los clientes es una fic-
der acceder a la ganancia prometida por la captadora. Por
ción, [5].
otro lado, en un esquema Ponzi un cliente no tiene obli-
Para determinar la cantidad de dinero que se ha extraido gación de traer clientes nuevos al sistema de manera que
de su pecunio a los clientes se define en la Sección 2.7 el las velocidades de crecimiento de P̂(t) y R(t) son menores
robo pecuniario total R(t), t ∈ I. que en una pirámide no-Ponzi comparable. Por la misma
razón, en términos generales, tanto Tc como Ts de un es-
quema Ponzi son mayores que sus pares en una pirámide
2.1 Criterios de parada no-Ponzi.
Establecemos un par de criterios de parada teniendo en Nuestra captadora fija la inversión inicial de un cliente en
mente que la captadora desea que T sea lo más extenso po- m > 0, con
sible en virtud de su relación directa con las ganancias ilí- 0 < m << E0
citas. El primer criterio de parada se establece en términos y tal que los potenciales clientes constituyan un gran seg-
del estado financiero, F (t), t ∈ I de la captadora. mento de la PEA en el área de influencia de la captadora.

Analíti a k
Al restringir el capital inicial que puede invertir un cliente Por inducción se prueba, para k ∈ N, que
se frena el crecimiento de P̂(t) y R(t) pero se gana en con-
k −1 k
trol, de manera que la captadora disminuye el riesgo de no ck = Nk · ∏ (1 + Nj ), C k = ∏ ( 1 + Nj ) .
poder escapar con las utilidades. j =1 j =1
Un cliente tiene derecho a ser parte del club de inverso-
res tanto tiempo como quiera; pero, si se desliga del siste- O BSERVACIÓN 2. En [1], Artzrouni supone que la rapidez con
ma, se lo tratará como cliente nuevo si quiere reintegrarse: que se mueve un fraude piramidal corresponde un crecimiento
podrá invertir únicamente m. exponencial del dinero fresco que entra al sistema,
El período básico de inversión, h ∈ (0, T ), es un pará- p ( t ) = p 0 er i t , t ≥ 0, (5)
metro establecido por la captadora y se mantiene constante
durante su funcionamiento. A un cliente antiguo se le con- donde ri es llamado tasa de inversiones. Nuestra suposición de
cede la posibilidad de reinvertir un monto no mayor al úl- crecimiento, (3), corresponde a un crecimiento cuasi-exponencial;
timo pago que recibió de parte de la captadora; es decir, si es análoga a (5) pero nos provée mucho más información con
invierte s > 0, al fin del período de inversión puede rein- las limitaciones propias de un modelo probabilístico. En efecto,
vertir hasta r · s, con r = 1 + i p . la densidad p(t) es solución del problema de valor inicial
La captadora opera de continuo en [0, T ) pero realiza (
captaciones y pagos únicamente en los instantes p(t + dt) − p(t) = ri p(t) dt, t ≥ 0,
p (0) = p0 ,
tk = kh, k = 0, 1, ..., K, (2)
en tanto que de (3) y (4) se tiene que
donde K ∈ N es tal que tK ≤ T < tK +1 ; el resto del tiempo (
la captadora supuestamente “dedica sus esfuerzos a su tra- Ck − Ck−1 = Nk · Ck−1 , k ∈ N,
bajo de inversión, para garantizar total seriedad en los pa- C0 = c0 .
gos a sus clientes y analiza las solicitudes de membresía”
de las personas referidas por clientes antiguos. Por tanto, al O BSERVACIÓN 3. Por X N µ, σ2 , indicamos que la va-
tiempo tk+1 , k = 0, 1, ..., K − 1, un cliente recibe r = (1 + i p ) riable aleatoria X sigue una distribución normal de media µ ∈ R
y varianza σ 2 > 0. Por Pr{ X ∈ A } denotamos la probabilidad
veces el monto invertido al tiempo tk . Estimar Tc y Ts co-
rresponde entonces a determinar Kc y Ks de manera que de que los valores de la variable aleatoria X caigan en la región
medible A ⊆ R.
Tc = Kc · h, Ts = Ks · h.
El factor de expansión N (t) representa el número de
clientes nuevos que son atraidos por un cliente actual; está
Hasta antes de un cierto tk0 primero se paga y luego se
dado por
capta inversiones; esto ayuda a captar clientes en las eta-
N (t) = Nk , t ∈ [ t k , t k +1 ) ,
pas iniciales de la captadora. Sin embargo, usando como
argumento la asimetría entre el número de clientes nuevos donde al tiempo tk suponemos que
potenciales con respecto al número de clientes antiguos, se
1
establece que a partir de tk0 +1 primero se capta y luego se Nk N Nk, , (6)
paga. Esto permite a la captadora presentar un saldo en ca- 4
ja positivo hasta antes del punto de saturación. de manera que
Pr[ N k − 1 ≤ Nk ≤ N k + 1] = 0,9544.
2.3 Número de clientes
Para la estimación de los valores esperados N k , usamos
En un tiempo t ∈ I, el número de clientes está dado por un modelo SIR sencillo que permite estudiar la manera en
que se expande una enfermedad en una población como
C(t) = Ck , t ∈ [ t k , t k +1 ) , función del tiempo:

donde suponemos que en la arista de la pirámide hay c0 
 Ṡ = − a S(t) I(t),

İ = a S(t) I(t) − b I(t),
clientes, y que al tiempo tk el número de clientes nuevos, ck ,
es un múltiplo aleatorio de C k−1 , es decir (7)
S(0) = 1 − U1 ,



ck = Nk · C k−1 , k ∈ N, (3) I(0) = U1 ,
donde S representa la fracción de la PEA susceptible de ser in-
de manera que fectada por el esquema piramidal e I representa la fracción
k
de la PEA que está infectada (y que por tanto puede trans-
Ck = ∑ cj, k ∈ N ∪ {0 }. (4) mitir la enfermedad). Aquí U es el tamaño de la PEA en la
j =0 zona de influencia de la captadora. Los parámetros a y b son

Analíti a k
positivos y deben ser estimados a partir de información de con
esquemas Ponzi concretos. Entonces ponemos d1 ω ∗ − d0 ω ∗ d20 ω ∗ − d1 ω∗
α= , β= ,
d1 d20 − d0 d21 d1 d20 − d0 d21
C k = I(tk ) · U , k ∈ N ∪ {0 }
ip
ω∗ = .
y hallamos N k , usando las relaciones (3) y (4), es decir, ip + 1
Como se puede ver en (13), el valor medio de la taza de re-
Ck
Nk = − 1, k ∈ N, (8) tiros al tiempo tk de los clientes que ingresaron al sistema
C k −1 al tiempo t j depende exlusivamente del tiempo de perma-
nencia en el sistema; esto queda determinado por el factor
donde, por simplicidad, suponemos que las variables alea- d = k − j. Los coeficientes α y β están determinados por
torias Nk y C k−1 son independientes. los puntos (d0 , ω∗ ) y (d1 , w∗ ) que representan los valores
esperados, respectivamente, de la primera instancia en que
2.4 Capital y captación teóricos el retiro se vuelve significativo y de la primera instancia en
que se retira toda la ganancia.
La captación teórica al tiempo tk a los clientes que ingre-
saron al sistema al tiempo t j es el valor que ve un cliente en O BSERVACIÓN 4. La hipótesis (13) fue motivada por la expe-
su cuenta piramidal (análoga a una cuenta bancaria). Está riencia observada en el sur de Colombia, donde un gran número
dada por de personas dejaron eventualmente de trabajar para vivir exclu-
Pk,j = m · pk,j , (9) sivamente de las ganancias jugosas que les proveían los esquemas
piramidales.
donde la matriz de captaciones (adimensional) ( pk,j ) ∈ MKs ,
está dada por Denotamos por ηk la tasa nominal en que realmente es
 invertido el dinero existente en el sistema al tiempo t+ k . Es-
0,
 si j > k, tos réditos son legítimamente obtenidos. En virtud de las
pk,j = ck , si j = k, (10) fluctuaciones del mercado (en una economía estable), es

 coherente suponer que para cada k,
pk−1,j · (1 − ωk,j )(1 + i p ), si j < k.
ηk N (η, σ22 ),
Aquí ωk,j es una variable aleatoria que modela la taza de
retiro del capital al tiempo tk por parte de los clientes que donde 0 < η << i p y 0 < σ2 << 1. Se tiene, para cada k,
ingresaron al sistema al tiempo t j . Cuando k > j, se tiene que
entonces que Pr[η − 2 σ2 ≤ ηk ≤ η + 2 σ2 ] = 0,9544.
El capital teórico total está dado entonces por
k − j −1
pk,j = c j (1 + i p )k− j ∏ (1 − ωk−l,j ). (11) P̂(t) = P(t) + E(t), (14)
l =0
k −1
La captación teórica total está dada por E(t) = E0 ∏ (1 + ηl ), t ∈ [ t k , t k +1 ) , (15)
l =0
P(t) = Pk , t ∈ [ t k , t k +1 ) , (12) donde E(t) representa la expansión del capital inicial E0 .
donde,
k 2.5 Capital real y punto de saturación
Pk = ∑ Pk,j . El capital real está dado por
j =0
Para la taza de retiro se supone que L( t) = Lk , t ∈ [ t k , t k +1 ) ,

donde
ωk,j N (ωk,j , σ12 ), (
L0 = E0 + m c0 ,
donde 0 < σ1 << 1. Se tiene que (16)
Lk = (1 + ηk−1 ) Lk−1 + Pk,k − Wk
Pr[ω k,j − 2 σ1 ≤ ωk,j ≤ ω k,j + 2 σ1 ] = 0,9544. En (16), (1 + ηk−1 ) Lk−1 es el producto de inversiones legí-
timas, Pk,k = mck es el dinero fresco que entra al sistema y
El valor esperado está dado por interpolación: Wk el total de retiros en tk :
( (
(k − j)[α(k − j) + β], si k − j ≤ d1 , Wk = m · wk ,
ω k,j = (13) −1 (17)
ω∗, si k − j > d1 , wk = (1 + i p ) ∑kj= 0 ω k,j p k −1,j .

Analíti a k
Para futura referencia ponemos El estado financiero en tk está dado por el estado finan-
ciero en tk−1 menos el monto de deudas contraidas y más
W (t) = Wk , t ∈ [ t k , t k +1 ) . el producto de inversiones legítimas en [tk−1 , tk ), es decir
P ROPOSICIÓN 1. El paso de saturación, Ks está definido por el (
primer entero positivo k que verifica las desigualdades F0 = E0 − i p m c0 ,
(22)
( Fk = Fk−1 − Pk i p + ηk−1 Lk−1 , k ∈ N.
ck − wk ≥ −(1 + ηk−1 )λk−1 ,
(18)
ck − wk < −(1 + ηk−1 )λk−1 , P ROPOSICIÓN 2. El paso crítico Kc es el primer entero positivo
k que verifica
donde, para cada k ∈ N ∪ {0}, (
γ ≥ vk ,
(23)
λk = Lk /m. γ < v k +1 ,
Demostración. Úsense (16) (10) y (17). donde,

k k −1
La Proposición 1 establece que el punto de satura- vk = i p ∑ p j − ∑ η j λ j , k ∈ N.
ción queda determinado por cantidades adimensional̇es. j =0 j =0
En efecto, es claro que
( Demostración. Usando (22) y (11), se obtiene Fk = E0 − m ·
λ0 = γ + c 0 , vk , y se concluye por (19).
λ k = ( 1 + ηk −1 ) λ k −1 + c k − w k ,
O BSERVACIÓN 6. De (23) es claro que Tc y γ son directamen-
donde te proporcionales y es de interés establecer via simulaciones la
γ = E0 /m (19) relación de regresión que los vincula.
es el capital inicial relativo, que mide el tamaño del capital
inicial en términos de la inversión base m. 2.7 Robo pecuniario
O BSERVACIÓN 5. Para estimar Ts y su distribución probabilís- El robo pecuniario a un cliente es la diferencia entre su
tica debe efectuarse un número suficiente de simulaciones. En un primera inversión y el total de retiros hasta que se retira
juego concreto de la captadora, al instante tk−1 , el lado derecho de del sistema o hasta que la captadora deja de funcionar. En-
las desigualdades (18) es conocido en tanto que el lado izquierdo tonces, el robo pecuniario total está dado por
se puede estimar. Por tanto, desde el punto de vista del estafador,
el momento de huir con los dineros de los clientes es T∗ = h · k ∗ , R( t ) = Rk , t ∈ [ t k , t k +1 ) ,
donde k ∗ es el primer entero positivo tal que
ck+1 − wk+1 < −(1 + ηk )λk , donde

k
donde ck+1 = C k+1 − C k , k = 0, 1, 2, ... Rk = ∑ Uj,k (t), (24)
j =0
2.6 Deudas y estado financiero donde


En términos generales, la deuda de un cliente en parti-
0,
 si j > k,
cular es igual a la captación teórica correspondiente expan-
Uj,k (t) = m · ck , si j = k,
dida por la tasa de retorno. Entonces, la deuda al tiempo 
c − k
tk a los clientes que ingresaron al sistema al tiempo t j está j ∑l = j+1 ωl,j · pl,j, si j < k.
dada por
( es el robo pecuniario al tiempo tk a los clientes que ingre-
0, si j > k, saron al tiempo t j .
Dk,j = (20)
(1 + i p ) · Pk,j , si j ≤ k.
P ROPOSICIÓN 3. Se tiene, para t ∈ I, que
La deuda total a los clientes corresponde al tamaño legal de
la estafa, está dada por m C(t) − W (t) = R(t) ≤ D (t), (25)
D ( t ) = Dk , t ∈ [ t k , t k +1 ) , donde m C(t)es la captación real total, es decir, el total de dinero

fresco que ingresó al sistema.
donde
Dk = (1 + i p ) · Pk , k ∈ N. (21) La demostración es simple y la dejamos al lector.

Analíti a k
2.8 Eficiencia, control y monto total de retiros mismo que en su primera inversión. Suponemos entonces
que la taza de retiro ωk,j es constante e igual a un valor
En nuestro modelo L(t) crece a un ritmo cuasi- 0 < ω << 1.
exponencial pero tal crecimiento es compensado a su vez
por el crecimiento del número total de clientes de mane- O BSERVACIÓN 7. Este tipo de suposición se usó en [1] en el
ra que para hacer un seguimiento al deterioro del sistema contexto del modelo a tiempo continuo (1); si bien no es realista,
piramidal es importante considerar el capital promedio: ayuda a describir el proceso que sigue un esquema Ponzi.
L( t) La matriz de captaciones está dada por
L(t) = . (26)
C(t) (
0, si j > k,
Se tiene entonces que el valor esperado del capital prome- pk,j = (31)
dio, E[L(t)], es una función decreciente en [0, Ts ] y n(1 + n) j−1 r̂ k− j , si j ≤ k,
E[L( Ts )] = 0. (27) donde

r̂ = (1 − ω )(1 + i p ).
La efectividad del sistema, E (t), se define como el cociente
entre la ganancia real y el monto total de retiros, pues mi- La captación teórica total está determinada por
de, a cada instante, cuántas veces se ha multiplicado cada !
k
unidad monetaria pagada a los clientes. Entonces Pk = m r̂ + n ∑ r̂
k k− j
(1 + n) j −1
, k∈N (32)
j =1
L(t) − E0 λ( t ) − γ
E (t) = = , (28)
W (t) w(t) Suponemos que existe estabilidad económica de ma-
nera que las fluctuaciones de la tasa nominal son despre-
donde w(t) = W (t)/m.
ciales: consideramos que para cada k, ηk es una constante
η pequeña en comparación con i p . Sin embargo, no debe
3 Una simplificación interesante perderse de vista que la aparición del fenómeno piramidal
afecta fuertemente a las economías locales (como en los ca-
Consideramos un caso particular del modelo presenta- sos de Colombia y Ecuador en 2008) y puede también afec-
do en la Sección 2. Esta simplificación permite ver el rápido tar a naciones enteras (como el caso de Albania en 1997).
crecimiento de un esquema Ponzi y verificar que una cap- Se tienen las siguientes fórmulas
tadora puede tener un estado financiero negativo cuando
tiene mucho dinero en caja, es decir un capital real positi- Ek = E0 · (1 + η )k , k ∈ N, (33)
vo. Por otro lado, esta simplificación no permite determi- Lk = (1 + η ) Lk−1 + Pk,k − Wk , k ∈ N, (34)
nar Ts pues asume que la población de clientes potenciales Wk = (1 + i p )wPk−1, k ∈ N, (35)
es infinita.
k k −1
vk = i p ∑ pj − η ∑ λj . (36)
3.1 Formulaciones j =0 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
voca que el cupo mencionado sea comunmente usado al

En está versión simplificada no existe punto de satura-
máximo. Suponemos entonces que Nk es constante e igual
ción de manera que la relación (27) no tiene sentido. Sin
a n ∈ N, k ∈ N. En este caso,
embargo, se tiene la siguiente
c k = n ( 1 + n ) k −1 , k ∈ N, (29)
P ROPOSICIÓN 4. Si n > r̂, entonces existe Lb ∈ R tal que
C k = (1 + n) k , k ∈ N ∪ {0 }. (30)
0 < lı́m L(tk ) = Lb < m. (38)
En tk el sistema paga sus deudas y un cliente satisfe- k→∞
cho decide reinvertir casi totalmente en el sistema; esto tie-
ne sustento en que el monto pecuniario arriesgado es el Demostración. Úsense (30) y (34).

Analíti a k
3.2 Simulación
Implementamos en una hoja electrónica esta versión Obsérvese en la tabla 2 que para k = 8 el número de
simplicada de nuestro modelo. Suponemos que h corres- clientes es equivalente a la población total de un pueblo
ponde a 3 meses y usamos los siguientes parámetros: mediano, cercano a los 50.000 habitantes. Para k = 10 se ha
sobrepasado la población de Cuenca, la tercera ciudad de
Parámetro Valor Ecuador.
E0 10′ 000,000
ω 0,1 % k Ek
ip 100 % (millones)
n 3 0 10,00
m 500 1 10,25
c0 1 2 10,51
η 2,5 % 3 10,77
8 12,18
9 12,49
Tabla 1. Caso simplificado 10 12,80
15 14,48
Los valores de estos parámetros, en particular de i p , m 16 14,85
y η, fueron escogidos tomando como referencia las carac-
terísticas económicas de los Departamentos de Nariño y
Putumayo en Colombia y de las Provincias del Carchi, Su- Tabla 3. Expansión de E0
cumbiuos y Orellana en el norte de Ecuador. Resumimos
los resultados en los gráficos del y tablas que siguen.
k Ck
0 1
1 3
2 12
3 48
8 49152
9 196608
10 786432
15 805′ 306368
16 3221′225472
Tabla 2. Número de clientes
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
Figura 1. Número de clientes

Tabla 4. Tamaño estafa

Analíti a k
Obsérvese en la tabla 3 que para k = 16, el capital inicial Obsérvese en la tabla 5 que para k = 10 los retiros ape-
se ha incrementado en un 48.5 % como producto de inver- nas representan un 2.5 % del tamaño de la estafa.
siones legítimas. Este desempeño es bueno pero insignifi-
cante con el tamaño de la estafa.
k Fk
(millones)
0 9,99
1 10,25
2 10,50
3 10,76
6 10,68
7 8,24
8 −2,44
9 −46,04
10 −221,43
Tabla 6. Estado financiero
Figura 3. Tamaño estafa
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
Obsérvese en la tabla 6 que ya para k = 8 el estado fi-

nanciero ya cayó a valores negativos en tanto que el capital
real es positivo.
k Lk /C k
0 10′ 000500
1 2′ 562978
2 657108
3 168726
6 3290
7 1184
8 644
9 506
10 471
Figura 4. Retiros Tabla 7. Capital promedio

Analíti a k
4. La continuación lógica de este trabajo es una implemen-
tación del algoritmo del modelo general que permita
realizar un conjunto de análisis via simulaciones que, en
proporción a la exitencia de información, deberán con-
trastarse estadísticamente con esquemas Ponzi reales.
Asimismo, sería interesante levantar la restricción sobre
la inversión inicial de un cliente pues en la práctica es
realmente una variable aleatoria antes que una constan-
te. Organismos de control y de investigación de delitos
económicos son potenciales clientes de este tipo de in-
vestigaciones, pues los fraudes piramidales siguen exis-
tiendo, sólo cambian de disfraces. El fraude Forex, [2],
evidencia el uso de la Internet para seguir captando di-
nero de gente incauta.
Figura 6. Capital promedio Referencias

Obsérvese en la tabla 7 que para el valor límite estable- [1] M. Artzrouni. The mathematics of Ponzi sche-
e ≈ 471 < m = 500.
cido en (38) se tiene L mes. Munich Personal RePEc Archive, http://mpra.ub.uni-
muenchen.de/14420, 2009.
4 Algoritmo general [2] G. Guillén. Un vendedor de cepillos que esta-

fó a miles en 10 países. El Universo (Ecuador),
Para simular el comportamiento de un esquema Pon- http://www.eluniverso.com, 14 Noviembre 2010.
zi como el del presente trabajo se podría usar el algoritmo
1. En él se utilizan dos funciones auxiliares: Normal(µ; s2 ) [3] C. Jarvis. The rise and fall of albania’s pyramid sche-
que es un generador de números aleatorios que siguen una mes. Finance Development, 37 (1), 2000.
distribución N (µ; s2 ), y sir(U, a, b) que resuelve numérica-
mente el sistema (7). [4] LexBase. Llegó a Colombia el Virus de la Pirámide. El
Tiempo (Colombia), http://www.eltiempo.com/, 18 Noviem-
bre de 2008.
5 Conclusiones
[5] J. Monzó. ¿Por qué colapsan las pirámides fi-
1. Nuestro trabajo consiste en un modelo estocástico para nancieras? Caso Madoff. Pensamiento Sistémico,
un esquema piramidal tipo Ponzi que permite hacer un http://jmonzo.blogspot.com, 2008.
seguimiento al capital real, al monto robado a los clien-
tes, al estado financiero de la empresa captadora y a su [6] R. Pantoja. Sigue desconsuelo de ex inversionistas. Vi-
capital teórico. Estas ventajas compensan la mayor com- sita presidencial con sabor agridulce. Diario del Sur
plejidad computacional con respecto al trabajo [1]. (Colombia), http://www.diariodelsur.com.co/, 26 Enero de
2009.
2. La determinación de los puntos crítico y de saturación
está dada por el mecanismo interno del esquema Ponzi. [7] D. Pareja. Las matemáticas detrás de las pirámides in-
Esto es evidenciado en las Proposiciones 1 y 2 donde las vertidas de captación de dinero. Universidad del Quin-
magnitudes que intervienen son adimensionales. dío, http://www.matematicasyfilosofiaenelaula.info, 2008.
3. Adicionalmente, en (26) establecemos el capital pro- [8] R. Torres. El arte de la estafa. El País, 2009.
medio como función de control para hacer un segui-
miento a la salud del sistema. La simplificación descri- [9] United States Attorney Southern District of New York.
ta en la Sección 3 permite verificar el crecimiento cuasi- Bernard l. madoff pleads guilty to eleven-count crimi-
exponencial del dinero entrante al esquema Ponzi evi- nal information and is remanded into custody. Release
denciando su alto nivel de peligrosidad. of the Department of Justice, March 12, 2009.

Analíti a k
Algorithm 1: ( Tc , Ts ) = Ponzi(h; c0 , U , a, b; m, E0; i p , η, σ1 , σ2 ; d0, d1 , ω∗ )

Input: h; c0 , U, a, b; m, E0; i p , η, σ1 , σ2; d0 , d1 , ω∗
Output: ( Tc , Ts )
// Initialize
1 t0 ← 0; p0 ← c0 ; C0 ← c0 ;
ip d u − d ω∗ d2 ω ∗ − d1 u
ω∗ ← ; α ← 1 2 0 2; β ← 0 2 ;
2 1 + ip d1 d0 − d0 d1 d1 d0 − d0 d21
E0 L0
3 L0 ← E0 + m; γ ← m ; λ0 ← m ; F0 ← E0 − i p · m;
// Determine (S, I ) = (S, I )(t)
4 ( S, I ) ← sir(U, a, b);
// Process
5 k ← 1; Z ← L0 ;
6 while Z > 0 do
7 tk ← k · h;
I (tk )
Nk ← − 1; Nk ← Normal N k , 1/4 ;
8 I ( t k −1 )
9 ck ← Nk · C k−1 ; C k ← C k−1 + ck ;
10 for j = 0, 1, ..., k do
11 if k − j ≤ d1 then ω k,j = (k − j) · [α · (k − j) + β]; else ω k,j = ω ∗ ;
12 ωk,j ← Normal(ω k,j , σ12 ) ;
13 end
14 if j < k then pk,j ← pk−1,j ∗ (1 − ωk,j )(1 + i p ); else pk,j ← ck ;
15 for l = 0, 1, ..., k − 1 do
16 ηl ← Normal(η̄, σ22 )
17 end
k k −1
Pk ← m · ∑ pk,j; Ek ← E0 · ∏ (1 + ηl );
18 j =0 l =0
19 P̂k ← Pk + Ek ;
−1
20 wk ← (1 + i p ) · ∑kj= 0 ω k,j p k −1,j ; Wk ← m · w k ;
21 λ k ← ( 1 + ηk −1 ) · λ k −1 + c k − w k ; L k ← m · λ k ;
22 Fk ← Fk−1 − Pk · i p + ηk−1 · Lk−1 ;
23 for j = 0, 1, ...,"k − 1 do #
k
Uj ← m ∗ c j − ∑ ωl,j ∗ pl,j ;
24 l = j +1
25 end
k
Uk ← m · c k ; R k ← ∑ Uj ;
26 j =0
L λ −γ
L ← k ; Ek ← k ;
27 Ck wk
28 Z ← Lk ; k ← k + 1;
29 end

Analíti a k
Normas para la presentación de trabajos
Norms for submission of papers
Código de ética
Analíti a k
Normas para la presentación de trabajos
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).
• Las fotografías deben grabarse con alto contraste y en

Originalidad alta resolución. Recuerde que las fotografías frecuen-
temente pierden contraste en el proceso de la impre-
El trabajo presentado se entenderá que es inédito, ori- sión. No combine fotografías y dibujos en la misma
ginal y que no se ha presentado a ningún otro medio antes figura.
de conocer la decisión de esta revista. Si el artículo ha si-
do publicado en otra revista, impresa o digital, este deberá • Si las figuras, gráficos, ilustraciones o fotografías in-
tener el permiso o autorización de la revista, detallando el cluidas en el trabajo tienen derecho de autor, es res-
nuevo aporte o modificación correspondiente. Después de ponsabilidad del autor que presenta el trabajo a eva-
la aceptación, la autorización deberá ser enviada al editor luación, obtener el permiso correspondiente para su
de la revista Analítika. uso.
• Los gráficos, ilustraciones y fotografías incluidas en

Presentación el trabajo deben ser enviados en una carpeta exclu-
siva, la cual debe llevar el nombre: “Figuras_(las dos
Los artículos deberán ser presentados en formato digi-
primeras iniciales del título del artículo en mayúscu-
tal, el cual puede ser .pdf o .doc. Comprometiéndose el au-
las).”
tor o los autores, a proporcionar el trabajo en formato .tex
Por ejemplo, si el trabajo tiene como título:
(siguiendo los estándares de la American Mathematical So-
“Densidad poblacional del Ecuador continental”, el
ciety (AMS)), si el mismo es aceptado para su publicación.
nombre de la carpeta debe ser: “Figuras_DP”.
Toda la documentación correspondiente debe re-
mitirse al editor de la revista Analítika, al si-
guiente correo electrónico: analitika@inec.gob.ec / • El formato general para la etiquetas identificativas de
analitika@analitika.ec. los diversos ambientes deberá ser:
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}
• Las figuras deben tener formato .eps, de preferencia, Para definiciones

o formato .jpg, o .png de alta resolución. \label{DP_def: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.

Analíti a k
Estructura y formato Referencias. La sección de referencias debe incluir todas
las publicaciones citadas en el texto. No se debe in-
La estructura del documento será de la siguiente forma: cluir reportes no publicados u otro tipo de informa-
ción que no es posible verificar. Las tesis deben ci-
Obligatorias Opcionales tarse únicamente cuando estén disponibles para con-
Titulo Agradecimientos sulta en una biblioteca física o virtual. En el texto las
Resumen Recomendaciones referencias deben ir en orden alfabético y deben se-
Palabras clave Futuros trabajos guir el sistema “inicial del nombre apellido". Las re-
Abstract Anexos ferencias de portales electrónicos deben seguir un es-
Keys words quema similar al de las publicaciones, pero adicional-
Clasificación mente se deberá incluir la fecha de consulta. A conti-
Introducción nuación se muestra un ejemplo:
Marco Teórico o Metodología
Aplicación o Resultados
Conclusiones Referencias
Referencias
[1] M. AGUAYO, y E. LORE, Cómo hacer una Regre-
Tabla 1. Estructura del documento a ser evaluado.
sión Logística binaria paso a paso II análisis multiva-
riante, Fundación Andalucia Beturia para la In-
vestigación en Salud, Dot. No 0702013, (2007).
Formato del documento [2] C. GAMERO,Satisfacción Laboral y tipo de contra-
to en España, Investigative Radiology 34, Vol. 10,
Detallaremos las particularidades a considerar, para al-
636 - 642, (1999).
gunos de los componentes del documento.
[3] LEY No. 100, Código de la niñez y adolescencia, Re-
Título. El título debe incluir la siguiente información: tí- gistro Oficial 737, Enero, (2003).
tulo del artículo, nombre completo del autor o de los [4] SCIENTIFIC INSTRUMENT SERVICES,
autores, dirección del autor o de los autores, inclu- Inc. 2006. MASS Spectral Library. En lí-
yendo su correo electrónico. nea: http://www.sisweb.com/software/ms
/nist.htm, Consulta: 10 de abril del 2010.
Resumen (Abstract). El resumen debe ser en español y en
inglés. El resumen debe ser corto y conciso (máximo Agradecimientos. Los agradecimientos podrán incluirse
250 palabras) y en el mismo se debe expresar los re- como una sección, la cual deberá estar al final del ar-
sultados relevantes del estudio. Debe ser informativo tículo y constará de un párrafo.
y no indicativo; por ejemplo diga:
“En este trabajo se analiza el papel que Procedimiento editorial

desempeñan las características individua-
les, familiares y laborales en la probabili- Cuando el trabajo ha sido recibido por el editor, éste
dad de tener un contrato temporal frente a pasa por dos procesos de calificación. El primero, se lleva
un contrato indefinido,” acabo dentro de un consejo editorial interno que determi-
nará la pertinencia y solvencia científica y, el segundo, es la
lo cual es informativo. No diga evaluación por expertos nacionales o extranjeros, conside-
rando el método blind review.
“La probabilidad de tener un contrato tem- Si el artículo es aceptado para su publicación, éste pa-
poral frente a un contrato indefinido es dis- sará por las siguientes etapas:
cutido y aceptado,”
1. El editor enviará al autor principal las observaciones
lo cual es indicativo. realizadas por los evaluadores para que éste realice
las correcciones y cambios necesarios. El tiempo asig-
Palabras claves (Keywords). Las palabras claves deben nado para esto no será mayor a un mes.
ser de tres a seis y, representarán los principales te-
mas del artículo. Deberán ser colocadas al final del 2. Cuando el trabajo corregido es regresado al editor, es-
resumen y del abstract, respectivamente. te hará la copia-edición y empezará el proceso de for-
mato. Después de que el trabajo ha sido formateado
Clasificación. Se debe incluir el sistema de clasificación para la publicación, una prueba de impresión (“page
del Journal of Economic Literature, JEL. proofs”) será enviada al autor para corregir posibles

Analíti a k
errores. En este punto, no será posible hacer cambios Si el artículo no es aceptado para su publicación, será
en el documento, sino solamente corregir errores de devuelto al autor notificando el motivo.
edición o formato. El autor debe retornar la prueba
de impresión al editor con sus observaciones, si las
hubiere, máximo en una semana después de haberla Comentarios finales
recibido.
La publicación del volumen de la revista depende de
3. Finalmente, el documento corregido será archivado la colaboración entre los autores, los revisores, la imprenta
hasta que la revista empiece su proceso de impresión. y el editor. La colaboración y cumplimiento de los plazos
Cuando esto ocurra, se enviará una copia impresa y establecidos es fundamental.
una digital de la revista al autor. La revista Analítika publica dos volúmenes por año.

Analíti a k
Norms for submission of papers
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.
Originality • If the pictures, drawings, illustrations or photo-

graphs included in the paper are copyrighted, it is
The paper must be original, unpublished and not be responsibility of the author of the study to obtain the
submitted to any other media before knowing the desicion permission to use that material.
of this journal. If the paper has been previously published
in another journal, printed or digital, it must have a written • Pictures, illustrations and photographs included in
permit or authorization detailing any addition or modifica- the paper must be gathered in one single folder na-
tion made since the last publication. After the acceptance of med: “Figures_(the first letter of the first two words
the paper, such authorization must be sent to the Editor of of the title of the paper in capital letters).”
Analítika Journal. For example, if the title of the paper is “Population
density in mainland Ecuador”, the name of the fol-
der should be: “Figures_PD”.
Format • The general format for the identification labels of dif-
The papers must be sent in digital format, either PDF ferent material is:
or DOC. If accepted for publication, the author(s) must
send the document in TEX (according to the standars of For tables:
the American Mathematical Society (AMS)) format. \label{PD_tab:001}
All the documentation must be emailed to the Edi-
tor of Analítika Journal to: analitika@inec.gob.ec / For figures:
analitika@analitika.ec. \label{PD_fig:001}
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.

Analíti a k
Structure and Style References. This section must include all the publications
quoted in the text; it should not include unpublished
The structure of the paper must be as follows: articles or any other unverifiable information. Thesis
should only be quoted if they are available in a physi-
Mandatory Optional cal or digital library. References must be in alphabeti-
Title Acknowledgements cal order by last names. References to websites must
Abstract Recommendations follow a scheme similar to publications, including the
Keywords Future studies access date. For example:
Resumen Appendix
Palabras clave
Classification Referencias
Introduction
Theoretical framework
or Methodology [1] M. AGUAYO, y E. LORE, Cómo hacer una Regre-
Application or Results sión Logística binaria paso a paso II análisis multiva-
Conclusions riante, Fundación Andalucia Beturia para la In-
References vestigación en Salud, Dot. No 0702013, (2007).
[2] C. GAMERO,Satisfacción Laboral y tipo de contra-
Tabla 2. Paper structure for evaluation. to en España, Investigative Radiology 34, Vol. 10,
636 - 642, (1999).
[3] LEY No. 100, Código de la niñez y adolescencia, Re-
Style of the document gistro Oficial 737, Enero, (2003).
[4] SCIENTIFIC INSTRUMENT SERVICES,
For some parts of the document, various particularities
Inc. 2006. MASS Spectral Library. En línea:
must be considered.
http://www.sisweb.com/software/ms/nist.htm,
Consulta: 10 de abril del 2010.
Title. The Title must include the following information:
name of the study, name of the author(s), addresses
Acknowledgements. They could be included as a whole
and emails of the author(s).
section, at the end of the document, in a single para-
Abstract (in Spanish: Resumen). The Abstract must be in graph.
Spanish and English. It must be short and concise
(250 words maximum); it must show the relevant re-
sults of the study, be informative and not indicative. Editorial procedures
For example:
Once the paper has been received by the Editor, it un-
“This paper analyzes the role played by in- dergoes two qualifying processes. The first is performed by
dividual, familiar and labor characteristics an internal editorial board which will determine the perti-
in the probability of obtaining a temporary nence and scientific content of the paper. The second one
or an indefinite contract,” consists of a blind review made by local and foreign experts.
If the draft is accepted for publishing, it shall go through
is informative. the following stages:
“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.

Analíti a k
3. The final draft will be kept until the printing process Final Comments
starts. The author will receive a Journal in hard copy
and digital format.
The publication of the journal depends on the coopera-
If the paper is not accepted for publication, it will be tion of authors, evaluators, printing shop and Editor; colla-
returned to the author explaining the reasons for such de- boration and meeting deadlines is fundamental.
cision. Analítika Journal is published twice a year.

Analíti a k
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:
Editores • Publicar y mantener actualizada la norma de revision

de trabajos.
Responsabilidades generales de los editores:
• Mejorar continuamente la revista. • Mantener comunicacion constante con los revisores.

• Garantizar la calidad de los articulos publicados.
Proceso de revision por pares:
• Cuidar la integridad de su experiencia academica.
• Asegurar que el material remitido para su revision es
• Publicar correcciones, aclaraciones, retractaciones y confidencial mientras lo examinan.
disculpas de ser necesarias.
• Proteger la propiedad intelectual y derechos de autor.
• Mantener independencia editorial. Autores
Responsabilidades de los editores con los lectores: Responsabilidades generales de los autores:
• Ofrecer un producto que considere los estandares in-
ternacionales manejados por las revistas cientificas • Estructurar el artículo cumpliendo el método científi-
de mayor prestigio. co, conforme reglas gramaticales y las normas de pu-
blicación de trabajo1 .
• Asegurar que el material publicado fue sometido a
revision y aprobacion.
• Presentar suficientes referencias de fuentes públicas.
Responsabilidades de los editores con los autores:
• Consensuar la calidad del material a publicarse. Responsabilidades de los autores con los lectores:
• Aceptar o rechazar un articulo para su publicacion,
• Asumir la responsabilidad pública del contenido.
basandose en su importancia, originalidad, claridad,
relevancia para la revista.
• Proporcionar a los lectores interesados copias de los
• Informar sobre el proceso de revision de sus articulos datos, manual de procedimiento, material experi-
por parte de sus pares. mental.
• Estar preparado para justificar los procesos de revi-
sion, en caso de requerir un informe por parte del au- Responsabilidades de los autores con los editores:
tor.
• Defender el contenido del artículo (datos, metodolo-
• Mantener actualizada la norma de publicacion de tra- gía, conclusiones).
bajos.
• Cumplir la decision de aceptacion o rechazo de un • Mantener comunicación constante con el editor en je-
articulo para su publicacion. fe, para correcciones y revisiones.
1 Normas de presentación de trabajos, Analítika, Revista de Análisis Estadístico

Analíti a k
Lectores http://publicationethics.org/resources/code-
conduct, (2011).
Responsabilidades generales de los lectores:
• Referenciar la bibliografía del artículo usado2 . [2] I NTERNATIONAL C OMMITTEE OF M EDICAL J OURNAL
E DITORS, Uniform requirements for manuscripts submit-
• Participar en el desarrollo y progreso de la revista, ted to biomedical journals: writing and editing for biome-
enviando sugerencias de los artículos publicados3 . dical publication, ICMJE,www.icmje.org/urm_full.pdf,
Responsabilidades de los lectores con los editores4 : (2010).
• Hacer pública discrepancias a través de cartas al edi-

tor. [3] K LEINERT,S. Y WAGER , E., Responsible research publica-
tion: international standards for editors, 2nd World Con-
• Señalar errores especificando el artículo y el autor. ference on Research Integrity, World Scientific Publis-
Responsabilidades de los lectores con los autores :5 hing, (2010).
• Tener una actitud crítica con el contenido publicado

señalando los errores. [4] S COTT-L ICHTER , D. Y E DITORIAL P OLICY C OM -
MITTEE , Cse’s white paper on promoting integrity
• Enviar su opinión, crítica o discusión directamente a in scientific journal publications, Wheat Ridge,
la dirección del autor/autores. www.councilscienceeditors.org/files/public/entire
_whitepaper.pdf, (2012).
*Puede encontrar más recursos en COPE (Committee on
Publication Ethics - Comité de Ética de Publicación) [1].
[5] WAGER , E. Y K LEINERT, S., Responsible research publica-
tion: international standards for authors, 2nd World Con-
Referencias ference on Research Integrity, World Scientific Publis-
hing, (2010).
[1] C OMMITTEE ON P UBLICATION E-
THICS , Resources: Code of conduct, COPE,
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.

Analíti a k
volumen
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

ANAlitica1 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

ANAlitica1 PDF

Cargado por

Copyright:

Formatos disponibles

ISSN 1390-6208

Livino Armijos Alberto Tassara

Copyright. Analítika. Se permite la reproducción total o

Paúl Medina Ph.D.

Determinantes de la temporalidad en el mercado laboral ecuatoriano . . . . . . . . . . . . . . . . . . . . . . . . 7

Fecundidad en el Ecuador y su relación con el entorno social y evolutivo . . . . . . . . . . . . . . . . . . . . . 31

Estudio de la desigualdad de ingresos en el Ecuador considerando esfuerzos y herencias so-

Estimación de la Densidad Poblacional del Ecuador Continental . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93

Un modelo matemático para esquemas piramidales tipo Ponzi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123

Normas para la presentación de trabajos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137

Norms for submission of papers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140

Código de ética . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143

Determinants of temporality in Ecuadorian labor

Yannira Chávez y Paúl Medina

Yannira Chávez† y Paúl Medina‡

Recibido: 15 de septiembre de 2010 Aceptado: 15 de octubre de 2010

Keywords: fixed-term employment, permanent employment, logistic regression, branch of activity.

Código JEL: C35, C87, J01, J41.

Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28 7

8 Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28

Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28 9

10 Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28

Estado Civil Contrato Indefinido Contrato Temporal Total

Nivel de Instrucción Contrato Indefinido Contraro Temporal Total

Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28 11

Región Natural Contrato Indefinido Contrato Temporal Total

No Variable Tipo Categoría

12 Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28

Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28 13

Paso -2 log de la R cuadrado de R cuadrado de

El R cuadrado de Cox y Snell presentado en la tabla • x41 : Casado

3.2.6 Validación del Modelo 1 • x61 : Empleado Gobierno

La ecuación de regresión logística obtenida es: • x62 : Empleado Privado

ex p(ηi ) • x63 : Empleado Tercerizado

14 Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28

Figura 2. Curva de COR. Fuente: elaboración propia a partir de la

Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28 15

Tabla 18. Correlaciones Número de trabajadores. Fuente: elabora-

En la tabla 18, se puede observar una correlación po-

3.2.7 Definición de perfiles de individuos

16 Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28

Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28 17

Características del Individuo Escenarios

Pr (Y = 1) 0.9859 0.5068 0.1757

18 Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28

Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28 19

Características del Individuo Escenarios

Pr (Y = 1) 0.9990 0.4362 0.0992

20 Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28

Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28 21

Rama de Actividad Características Influencia

Rama de Actividad Características Influencia

• C. Explotación de minas y canteras

Rama de Actividad Características Influencia

22 Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28

Rama de Actividad Características Influencia

• E. Suministro de electricidad, gas y agua

Rama de Actividad Características Influencia

Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28 23

• I. Transporte, almacenamiento y comunicaciones

24 Analítika, Revista de análisis estadístico, 1 (2011), Vol. 1(1): 7-28

Rama de Actividad Características Influencia

• K. Actividades inmobiliarias, empresariales y de alquiler