Avance de Tesis N°06

FACULTAD DE CIENCIAS EMPRESARIALES
Carrera de Economía Y Finanzas
IMPACTO DE LA COVID-19 EN LOS FACTORES ASOCIADOS DE LA

POBREZA URBANA Y RURAL EN EL PERÚ, 2020
Plan de Tesis
BOZZETA LUGARTE XIOMARA MILUZKA
CHUQUIYAURI SOLANO OLIVER GEORGE
Perú, 2023
1
Índice
Introducción..........................................................................................................................................4
Capítulo 1..............................................................................................................................................6
1.1. Problema de investigación.........................................................................................................6
1.1.1. Planteamiento del problema...............................................................................................6
1.1.2. Formulación del problema.................................................................................................9
1.1.3. Justificación de la investigación.......................................................................................10
1.2. Marco referencial.....................................................................................................................10
1.2.1. Antecedentes....................................................................................................................10
1.2.2. Marco teórico...................................................................................................................18
1.2.3. Marco conceptual.............................................................................................................25
1.3. Objetivos e hipótesis................................................................................................................27
1.3.1. Objetivos..........................................................................................................................27
1.3.2. Hipótesis..........................................................................................................................27
Capítulo 2............................................................................................................................................29
2.1. Método.........................................................................................................................................29
2.1.1. Tipo de investigación.............................................................................................................29
2.1.2. Diseño de investigación.........................................................................................................29
2.1.3. Variables................................................................................................................................30
2.1.4. Muestra..................................................................................................................................31
2.1.5. Instrumentos de investigación................................................................................................32
2.1.6. Procedimiento de recolección de datos..................................................................................32
Capítulo 3............................................................................................................................................34
3.1. Resultados....................................................................................................................................34
3.1.1. Presentación de resultados.....................................................................................................34
3.1.2. Discusión...............................................................................................................................34
3.1.3. Conclusiones..........................................................................................................................34
3.1.4. Recomendaciones..................................................................................................................34
Referencias Bibliográficas...................................................................................................................35
2
Glosario de términos:
BCRP: Banco Central de Reserva del Perú.
BM: Banco Mundial.
CEPAL: Comisión Económica para América Latina y el Caribe.
COVID-19: Coronavirus de 2019
D.S.: Decreto Supremo.
INEI: Instituto Nacional de Estadística e Informática.
IPE: Instituto Peruano de Economía.
OPS: Organización Panamericana de la Salud.
PBI: Producto Bruto Interno.
UNICEF: Fondo de las Naciones Unidas para la Infancia en Niños, Niñas y
Adolescentes.
3
Introducción
La pandemia de la COVID–19 trajo consigo una de las mayores dificultades
económicos y salubres que el Perú ha pasado en los últimos años. En cuanto al
aspecto de tipo económico, el territorio peruano, sería una de las naciones con más
efectos colaterales en el mundo con una reducción en el PBI de -11.1% en el 2020
(BCRP, 2020; BM, 2023).
Con respecto a la salubridad según el (IPE, 2020) desde el anuncio de una
pandemia en el mundo el Perú ya contaba con un sistema de salud deficiente sumado
ello la presencia del primer caso de COVID – 19 y en aumento incontrolable de casos,
hospitalizaciones y muertes intensificaron el problema definitivamente los problemas
mas visibles la capacidad sanitaria a nivel nacional se contaba con un promedio de 16
camas y 13 médicos por cada 10,000 habitantes; desabastecimiento o incremento de
precio de insumos médicos como mascarillas, productos de higiene en este caso los
precios lograron a aumentar hasta 8 veces por la alta demanda de estos productos, a su
vez se mostró un desabastecimiento imperativo de los balones de oxigeno y la
producción del mismo fomentando la crisis del oxigeno donde a la escasez de este
elemento se llego a quintuplicar el precio tanto del balón así como el llenarlo; también
se sumo a ello el desabastecimiento de medicamentos teniendo como principal
consecuencia el agotamiento de medicamentos genéricos obligando al demandante a
comprar productos de marca para aliviar la dolencia; mientras que el tema de
infraestructura precariedad en la implementación de camas UCI así como de
hospitales rebasando su capacidad máxima por estos motivos se dejó de proporcionar
tratamiento a los pacientes que sufren dolencias como el cáncer, las enfermedades
cardiovasculares, diabetes, enfermedades huérfanas y atenciones de emergencia
4
diferente al COVID - 19 creando un perjuicio a la población que sufría esas dolencias
ya sea complicando su situación o dejando que mueran por falta de atención.
Por otra parte, la CEPAL (2022) menciona que existe un patrón predominante
de mayor influencia de pobreza en los pueblos indígenas del Perú. Por lo tanto, con la
información proporcionada, los pobladores una vez expuestos a la COVID-19 se
verían perjudicados en el ámbito sanitario tras no poseer las condiciones materiales
fundamentales para prevenir los contagios, como consecuencia padecerían los peores
impactos socioeconómicos por las prohibiciones de las medidas extraordinarias
estipuladas por el gobierno para contener el virus. Por otra parte, según factores
geográficos indican que la pobreza monetaria afectó al 26% de las familias de la zona
urbana y al 45.7% a los que viven en zonas rurales (INEI, 2022).
Finalmente, el INEI (2020) afirma que la pobreza monetaria se incrementó en
9.9 % entre el año 2019 al 2020 llegando al 30.1% en total y siendo muy cercano a la
incidencia de pobreza del año 2010 que se ubicó en un nivel de 30.8%, lo cual
significa un retroceso de 10 años en combatir este problema social. Es indispensable
indicar que, el incremento de la pobreza se encuentra vinculado al estancamiento de
las acciones económicas como consecuencia del estado de emergencia a nivel
nacional y el aislamiento social forzoso por la aparición de la COVID-19 en el país,
estipulado por medio de D.S N°044-2020-PCM.
5
Capítulo 1
1.1. Problema de investigación
1.1.1. Planteamiento del problema
Tras la aparición de la COVID-19 y su rápida propagación por el mundo
entero, ha logrado afectar gravemente tanto la salud pública como también a las
economías nacionales y mundiales desde inicios del año 2020. De ese modo, en China
el PBI real cayó un 6.8% en el primer trimestre del 2020 en relación con el mismo
periodo del año 2019. Con relación a su población, el 23% de hogares rurales
volvieron a caer en la pobreza debido a los efectos de la pandemia, evidenciándose a
la vez, que existen otros factores vinculados más importantes del porqué dichos
hogares rurales volvieron a caer en la pobreza como son los que perciben bajos
ingresos, la baja educación y la vejez (Huang, 2020). A finales del año 2020, el PBI
real anual de China fue de 2.2%. (BM, 2023).
Asimismo, en los Estados Unidos, los efectos de la pandemia de la COVID-19
han sido severas en las poblaciones rurales, teniendo impactos negativos sobre el
empleo, la salud, así como también sobre la perspectiva económica. De ese modo, ha
aumentado los índices de pobreza, donde se ha encontrado que estos impactos han
sido generalmente consistentes en la población con bajo nivel educativo, en jóvenes y
adultos mayores sin distinción del sexo. (Mueller et al., 2021).
La pandemia ha logrado afectar considerablemente a los hogares de la Unión
Europea, sobre todo en el sur, el este de Europa y Francia, ya que con las medidas
tomadas por los gobiernos europeos contra este fenómeno ha provocado la pérdida de
varios empleos (Doerr y Gambacorta, 2020). En donde los trabajadores jóvenes, con
poca educación e ingresos bajos han sido los más afectados (Pouliakas y Branka,
6
2020). Conllevando en el incremento de la situación de pobreza del 2.2% para el año
2020 (Almeida et al., 2021).
Por otro lado, en el año 2020, la recesión económica mundial causado por la
pandemia de la COVID-19, también llegó afectar en gran medida a África del sur del
Sahara, conllevando una disminución de su PBI real a un -8.9%, ello debido a la alta
dependencia del comercio y las exportaciones de los productos primarios, lo cual tras
las medidas tomadas por sus respectivos estados se paralizaron. Asimismo, la
pandemia de la COVID-19 ha tenido un efecto especialmente grave en las poblaciones
urbanas y rurales del África subsahariana, donde 80 millones de personas se han
empobrecido y la tasa de pobreza ha aumentado un 23% para el 2020 con respecto al
año 2019 (Laborde et al., 2020). Sin embargo, tras la actualización del registro, el PBI
real anual de ese periodo en África del Sur del Sahara fue de -6.3% (BM, 2023).
En Indonesia, el impacto de la COVID-19 fue severo, teniendo como
consecuencia la reducción del crecimiento económico de un 4.2% en relación al año
2019, aumentando consigo la pobreza un 0.5% llegando al 9.7% hasta fines del 2020,
lo que implica que 1.3 millones de personas más ingresen a esta categoría (Suryahadi
et al., 2020). Del mismo modo, en Bangladesh, 16.5 millones de personas más
pasaron hacer pobres durante el año 2020, debido a que gran parte de la población
dependía únicamente de los trabajos del sector informal y perdieron sus empleos tras
las medidas tomadas por el gobierno para evitar más contagios con la COVID-19
(Hossain, 2021).
En América Latina, durante el año 2020 el nivel de pobreza aumentó un 2.5%,
ingresando a esta categoría 17 millones de personas (CEPAL, 2021), siendo los países
más afectados: México alcanzando el 50.6% de pobreza, Honduras (58.6%) ,
7
Argentina (37%) y Perú (21.9%), conllevando a incrementos de la situación de
pobreza a tasas mayores al 6% y 9% para el mismo periodo (Santamaría et al., 2021).
Por otro lado, se evidencia que el nivel de pobreza tiene una notoria presencia
en zonas rurales, siendo así que en América Latina creció un 10.7% llegando al 56.2%
en el año 2020 con respecto al año 2019. Demostrando así, que la pandemia de la
COVID-19 es un factor preponderante en desfavorecer a las economías haciéndolos
retroceder su comportamiento o tendencia por más de 15 años de continuo
crecimiento (Trivelli, 2020).
Asimismo, antes de la pandemia, la economía peruana no estaba bien
administrada ni organizada y la mayoría de la población en situación de pobreza
tenían diversas actividades locales para cubrir sus necesidades. Sin embargo, tras la
presencia de la pandemia y su rápida propagación del virus, el gobierno ordenó la
inmovilización social a la población, pero esta medida tomada sólo estaba al alcance
de quienes tenían un estatus socioeconómico medio y alto. Las poblaciones en
situación de pobreza no podían cumplir con esta obligación, ya que la mayoría de
ellas trabajaban fuera de sus hogares para mantener a sus familias, por lo que se
arriesgaban a infectarse a sí mismas y a sus familias y con ello su bienestar tanto
económico y salud empeoraba (Santamaría et al., 2021).
Los hogares peruanos que viven en pobreza y pobreza extrema fueron
perjudicados en gran medida debido a la pandemia de la COVID-19, en especial los
niños y adolescentes de dichos hogares. En su momento, UNICEF (2020) estimó a
principios de 2019 que la pobreza en este grupo etario aumentaría del 26.9% al 39.9%
para el año 2020. Sin embargo, una actualización de la información mostró que
8
realmente la pobreza para niños de 0 a 17 años fue del 31.1% para ese año (INEI,
2021).
Por otro lado, Perú, al ser un país desigual, se ha visto afectado en mayor y
menor grado según las regiones geográficas por las medidas gubernamentales por la
emergencia sanitaria provocada por la pandemia de la COVID-19, en donde los
ingresos de los hogares del Sur del Perú de nivel socio económico alto no
disminuyeron más del 30%; sin embargo, los hogares de niveles medio, bajo y muy
bajo experimentaron caídas de ingresos de hasta el 100% (Huallpa et al., 2022). Esto
demuestra la necesidad de una investigación para conocer exactamente la pobreza
urbana y rural que existe en el Perú tras el impacto de la COVID-19.
1.1.2. Formulación del problema
La pandemia de la COVID-19 tuvo un impacto significativo tanto en la
economías nacionales e internacionales, paralizando la mayoría de las actividades y
solo manteniéndose activa rubros específicos como la salud y el de los alimentos (El
peruano, 2022), este escenario provocó que diversas familias paralicen sus ingresos
debido a restricciones impuestas por el Estado, dando como consecuencia un aumento
en el índice de pobreza, específicamente en zonas rurales y urbanas; de acuerdo con lo
mencionado se tiene los siguientes problemas:
Problema general
¿Cuál es el impacto de la COVID-19 en los factores asociados a la pobreza
urbana y rural en el Perú, 2020?
Problemas específicos
urbana en el Perú, 2020?
9
rural en el Perú, 2020?
¿Cuáles son los factores asociados de la pobreza en el Perú, 2020?
1.1.3. Justificación de la investigación
La investigación se sustenta de manera teórica porque pretende aportar un
nuevo enfoque a las variables estudiadas, relacionados a los efectos de la pandemia de
la COVID-19 en los factores asociados a la pobreza en el Perú.
También, se justifica de manera metodológica porque se utilizará
metodologías establecidas en el ámbito nacional para calcular la pobreza, haciendo
uso de los resultados de la Encuesta Nacional de Hogares (ENAHO), información que
tiene importancia coyuntural para determinar comportamientos relevantes para la
toma de decisiones.
Por último, se justifica de manera práctica, ya que los resultados de la
investigación servirán para dar una nueva perspectiva al ámbito de estudio. Asimismo,
contribuirá a la comunidad científica con una nueva investigación sobre cómo ha
afectado la pandemia de la COVID-19 a los factores asociados a la pobreza urbana y
rural en el Perú. De ese modo, la presente investigación podrá servir como
antecedente para futuras investigaciones.
1.2. Objetivos e hipótesis
1.2.1. Objetivos
Objetivo general
Estimar el impacto de la COVID-19 en los factores asociados a la pobreza
urbana y rural en el Perú, 2020.
10
Objetivos específicos
Identificar el impacto de la COVID-19 en los factores asociados a la pobreza
urbana en el Perú, 2020
Identificar el impacto de la COVID-19 en los factores asociados a la pobreza
rural en el Perú, 2020
Determinar los factores asociados a la pobreza en el Perú, 2020.
1.2.2. Hipótesis
Hipótesis para el objetivo general
H0: No existe un impacto significativo de la COVID-19 en los factores
asociados a la pobreza urbana y rural en el Perú, 2020.
H1: Existe un impacto significativo de la COVID-19 en los factores asociados
a la pobreza urbana y rural en el Perú, 2020.
Hipótesis para los objetivos específicos
H.O.E.1
H0: No existe impacto de la COVID-19 en los factores asociados a la pobreza
urbana en el Perú, 2020.
H1: Existe impacto de la COVID-19 en los factores asociados a la pobreza
H.O.E.2
H0: No existe impacto de la COVID-19 en los factores asociados a la pobreza
rural en el Perú, 2020.
11
H1: Existe impacto de la COVID-19 en los factores asociados a la pobreza
H.O.E.3
H1: La salud es un factor con gran asociación a la pobreza en el Perú, 2020.
H2: La salud no es factor de gran asociación a la pobreza en el Perú, 2020.
12
Capítulo 2
1.3. Marco referencial
1.3.1. Antecedentes
Internacionales
La investigación de Pinilla et al. (2021) titulada “The Economic Impact of the
SARS-COV-2 (COVID-19) Pandemic in Spain.” pretendió determinar el efecto
financiero de la COVID-19 en España. Se aplicó el método hipotético deductivo,
retrospectivo basado en un modelo de series temporales estructurales bayesianas. Los
resultados mostraron que el impacto calculado en el PBI fue de -11.41% para el año
2020. Asimismo, afectó al mercado laboral, incrementándose la tasa de desempleo a
11.9% para el mismo periodo. De ese modo, se pudo evidenciar una de las peores
caídas estadísticas que se han podido registrar en España. Se concluyó que el país
dentro de su historia económica tras la pandemia de la COVID-19 pasó una de las
peores crisis, afectando a todos los sistemas productivos y siendo el más golpeado a
nivel del continente europeo.
La investigación de Finch y Hernández (2020) titulada “Poverty and Covid-
19: Rates of incidence and deaths in the United States during the first 10 weeks of the
pandemic” tuvo como objetivo examinar la relación entre la pobreza y el número de
casos confirmados de Covid-19 en los Estados Unidos. Se empleó el método
hipotético deductivo. Además, para hallar los resultados se tomó en cuenta diversas
fuentes secundarias, a partir de ello se elaboró un modelo lineal de efectos mixtos. Los
resultados evidenciaron que, la pandemia durante el año 2020, por cada condado se
registró la existencia del 15.24% en promedio de familias en condiciones de pobreza y
6.70% en promedio de familias en situaciones de extrema pobreza, la esperanza de
13
vida en promedio fue de 78.08% y el porcentaje promedio de bebes con bajo peso al
nacer fue de 8.11%, indicando que los condados con mayores niveles de pobreza
reportada tenían un mayor número de casos confirmados de COVID-19. Se concluyó
que los condados con tasas más altas de pobreza y pobreza extrema, así como aquellos
con bajos ingresos, menor esperanza de vida, un mayor porcentaje de bebes con bajo
peso al nacer y más condados urbanos tenían un mayor número de casos confirmados
de Covid-19.
La investigación de Munguía y Martínez-Zarzoso (2021) titulada “Examining
gender inequalities in factors associated with income poverty in Mexican rural
households” tuvo como objetivo examinar las desigualdades de género de los hogares
mexicanos mediante la identificación de un grupo de factores que guardan relación
ingreso-pobreza con un enfoque particular en la detección de efectos heterogéneos. Se
aplicó el método hipotético deductivo, basado en la evaluación de un patrón de
regresión por cuantiles que permitió calcular los parámetros específicos para
diferentes intervalos. Los resultados mostraron que si ninguno de los integrantes del
hogar encabezados por mujeres posee una tarjeta de crédito su relación ingreso-
pobreza disminuye en 0.114, y en la situación de hogares encabezados por hombres su
relación de ingreso-pobreza disminuye en 0.13 unidades. Las conclusiones asocian a
la pobreza con el acceso a servicios básicos de vivienda, el nivel educativo y la
satisfacción de los servicios públicos, donde el ingreso no es estadísticamente
diferente entre hogares encabezados por mujeres y hombres.
En la investigación de López et al. (2019) titulada “Determinantes de la
pobreza rural en México: caso de 5 localidades” tuvo como objetivo identificar las
razones de la presencia de pobreza rural en México. Se aplicó una metodología
hipotético deductivo, basado en un modelo de regresión probabilístico con la finalidad
14
de estimar los indicadores elasticidades, efectos marginales y razón de momios. Los
resultados mostraron que el nivel educativo, el ingreso y los servicios en la vivienda
presentan una relación inversa en la probabilidad, mientras que hablar una lengua
indígena, el sexo y la alimentación son indicadores de que el jefe de la vivienda no
posea una economía con mejores oportunidades. Además, se determinó que el 90% de
los jefes de hogar se encontraban con el ingreso inferior a la línea de bienestar. Se
concluyó que las causales de la presencia de pobreza dentro de un hogar son: los
materiales con la que está fabricada sí cuentan con los servicios básicos, las
aportaciones económicas y cuántas personas viven en la vivienda.
En la Investigación de Cuesta y Pico (2020) titulada “The Gendered Poverty
Effects of the COVID-19 Pandemic in Colombia” tuvo como objetivo medir los
efectos que ha causado la pandemia de la COVID- 19 en cuanto a la pobreza
relacionada con el género en Colombia. Se aplicó el método hipotético deductivo,
basado en un modelo de micro simulación estático. Los resultados mostraron que el
69% de los varones perdieron su empleo, una porción mayor que en las mujeres con
un 64%, además se pudo evidenciar una caída del 50% en los ingresos laborales de los
trabajadores, incrementándose así una caída en el índice de la pobreza extrema en
2.1pp y 6.4pp respectivamente. Se concluyó que el confinamiento aumentó la pobreza
de 3.0 pp a 9.1pp afectando a 4.4 millones de personas, además no se evidenció
grandes diferencias por género en lo que respecta al impacto de la pandemia.
En la investigación de Ariza & Retajac (2020) titulada “Descomposición y
determinantes de la pobreza monetaria urbana en Colombia. Un estudio a nivel de
ciudades” intentó medir el influjo en cuanto al ascenso de los ingresos, la distribución
de las intrusiones y las peculiaridades socioeconómicas de las viviendas que afectan la
pobreza urbana. Su metodología fue cuantitativa, descriptiva, hipotética deductiva,
15
basado en un modelo logit. Los resultados indicaron que durante el periodo 2002 y
2018 la pobreza se redujo en 19 pp en las ciudades más importantes. Se concluyó que
el contar con educación reduce la pobreza entre un 8% y un 10%; mientras que el
contar con un jefe de hogar que ha creado un puesto de trabajo para sí mismo,
desarrolla el riesgo de pobreza entre un 4% y un 10%.
La investigación de Rosero (2021) titulada “Estimación de los efectos de la
pandemia de la COVID-19 en la probabilidad de empobrecimiento por ingreso en el
Ecuador” tuvo como objetivo estimar las consecuencias surgidas por la pandemia de
la COVID-19 en la pobreza por ingresos. Se aplicó el método hipotético deductivo,
basado en un modelo Logit. Los resultados mostraron que para el año 2019, las
mujeres como jefas de hogares muestran más disposición a la pobreza de 1.4 puntos
porcentuales más que los jefes de hogar (hombres) y para el año 2020, un 6.2 puntos
porcentuales más de probabilidad de pobreza dentro del hogar; además, el aumento de
edad en una unidad del jefe de hogar que se asocia con la posibilidad de ser pobre en
un -0.3 (2019) y -0.2 (2020) puntos porcentuales. Asimismo, para el 2020, el ser jefe
de hogar indígena se asocia con la probabilidad de ser pobre en un 13.2 puntos
porcentuales más que el año anterior. Se concluyó que los indicadores de pobreza
aumentaron para el 2020, además de un aumento en las desigualdades de género.
Nacionales
La investigación de Serruto et al. (2022) titulada “Desarrollo económico y
social en el Perú en el contexto de la crisis sanitaria de la COVID-19 y en el marco
del bicentenario de la República” tuvo como objetivo analizar el desarrollo
económico y social en el Perú durante la pandemia de la COVID-19. Su metodología
fue de enfoque cuantitativo, donde se obtuvieron datos de fuentes secundarias. Los
16
resultados mostraron que el Perú desde el 2005 al 2015 ha tenido un crecimiento
económico positivo, disminuyendo consigo la pobreza en un 1.8% durante dicho
periodo; sin embargo, en el 2017 se incrementó en 1%, en el 2019 disminuyó en
0.8%, y durante la pandemia la pobreza aumentó en 9.9%. Se concluyó que los
determinantes sociales y económicos no tuvieron resultados sostenibles en el
crecimiento económico y fueron más notorios durante la crisis sanitaria.
La investigación de Ubillus et al. (2021) titulada “Incidencia de COVID-19 en
la pobreza, Región Huánuco, 2020” tuvo como objetivo determinar la asociación
entre la incidencia de la COVID-19 y la pobreza en la región Huánuco. Su
metodología fue de enfoque cuantitativo, de nivel descriptivo, transversal, donde se
tuvo como población a las 11 provincias del departamento de Huánuco. Los
resultados mostraron que las provincias de Yarowilca, Lauricocha y Huacaybamba
presentaron poca incidencia del virus y las provincias de Puerto Inca, Leoncio Prado y
Lauricocha presentaron un número elevado de contagios y muertes; en cuanto a los
niveles de pobreza la provincia de Leoncio Prado cuenta con un índice mayor de
pobreza, seguido de la provincia de Lauricocha y Huánuco; mientras que las
provincias que tienen menos pobres son el Marañón, Pachitea y Huacaybamba. Se
concluyó que existe una correlación entre las variables estudiadas con un valor de
0.646 durante el año 2020.
La investigación de Cieza et al. (2022) titulada “El nivel de vida en zona rural,
pobreza y salud mental en la migración por la COVID-19” tuvo como objetivo
describir el análisis de la percepción del nivel de vida y pobreza en la zona urbana y
rural del Perú por COVID-19. Su metodología fue de enfoque cuantitativo y de tipo
aplicada, para ello se contó con entrevistas y observación directa a los participantes.
Los resultados mostraron que aproximadamente el 57% de la población urbana había
17
terminado la secundaria, y la mayoría percibía ingresos entre S/ 450.00 y S/ 750.00
nuevos soles mensuales, con un 54% en el extremo inferior del rango. Asimismo, los
migrantes mostraron tendencias comparables en ingresos, pero su nivel educativo
variaba entre las personas que vivían en ciudades y las que vivían en áreas rurales.
Los problemas de salud mental eran omnipresentes entre los migrantes peruanos
encuestados, con una tasa de prevalencia del 39.4%. Se concluyó que, en Perú, el
nivel educativo y los ingresos procedentes de la educación superior pueden explicar la
disparidad entre los residentes en zonas rurales y urbanas, con la excepción del capital
social estructural, que era mayor en la población rural.
La investigación de Zumaeta (2021) titulada “Factores determinantes de la
pobreza urbana y rural en el distrito de Chachapoyas período 2019” analizó los
componentes que comprueban la pobreza en Chachapoyas. Su metodología fue no
experimental, analítica y sintética, donde se aplicó un modelo Logit. Los resultados
mostraron que los factores que establecen la penuria urbana y rural son la edad, la
tenencia a una propiedad, y servicio de agua; pero solamente en las zonas urbanas es
la edad, el nivel formativo, el nivel de entradas y el tamaño del hogar; en cambio en
las zonas rurales fue el género, la edad, el nivel educativo, la disponibilidad de
servicios higiénicos y el número de perceptores de ingresos en el hogar. Se concluyó
que los factores que determinan la pobreza en la localidad son la tenencia de
propiedad, la disponibilidad de agua y la edad.
En la investigación de Quispe y Garay (2019) titulada “Determinantes de la
pobreza en el Perú bajo el enfoque de activos” tuvo como objetivo analizar las
razones por las que se presenta la pobreza en el país. Se aplicó un procedimiento
hipotético deductivo, basado en un modelo de regresión con distribución logística,
para hallar los resultados se tomaron datos de la ENAHO. Los resultados mostraron
18
que el tener un título de propiedad disminuye la incidencia de pobreza en un 15% así
como también el contar con educación. Sin embargo, en esa línea el hablar una lengua
oriunda del Perú y que la familia este compuesto por varios miembros, la probabilidad
de ser pobre aumenta. Se concluyó que los determinantes de la pobreza son el acceso
a agua potable, al alumbrado eléctrico, a servicios higiénicos y el acceso a teléfono.
La investigación de Panca y Calatayud (2022) titulada “Determinantes
socioeconómicos y transición de la pobreza energética de los hogares en la sierra
rural del Perú, periodo 2010-2019” tuvo a modo de objetivo analizar la
transformación a nivel energético entre los años 2010 al 2019, identificando los
factores que influyeron en el gasto energético de los hogares rurales de la parte sierra
del Perú. Se aplicó el método hipotético deductivo, basado en un modelo de
información de panel, haciendo uso de los datos que presenta la ENAHO. Los
resultados mostraron que la transición del uso de combustible en los hogares pobres
fue más acelerada con un crecimiento promedio de un 11% a diferencia con los
hogares no pobres que solo creció un 3%. Asimismo, se pudo determinar el nivel
socioeconómico de la pobreza por medio del gasto energético, siendo estos la cifra de
habitaciones del domicilio, el ingreso de la vivienda y la dimensión del hogar. Se
concluyó que los hogares pobres entre los años del 2010 al 2019 han sustituido los
inflamables habituales como la leña y la vela a una mayor ligereza, aunque en
mínimas proporciones.
La investigación de Albán (2020) titulada “Determinantes de la pobreza
monetaria en el departamento de La Libertad, 2019” tuvo como objetivo analizar los
concluyentes de la pobreza financiera en el departamento de La Libertad. Su
metodología fue de enfoque cuantitativo, explicativo de corte transversal, hipotético
deductivo, basado en una guía de regresión logística, con data extraída de la ENAHO.
19
Los resultados mostraron que, en un hogar, entre los más resaltantes poseer el acceso
a un teléfono reduce la posibilidad de pobreza a un 36%, asimismo, se reduce la
posibilidad a un 15.5% cuando el jefe del hogar pasa a tener una cuenta en el sistema
financiero. Se concluyó que las variables que explicaron mejor el nivel de pobreza
fueron: acceso a agua potable, contar con teléfono fijo o móvil, nivel educativo de la
cabeza de hogar, número de integrantes en el hogar, inclusión financiera, edad y sexo
de la persona quien mantiene el hogar (jefe del hogar).
La investigación de Romero y Reys (2020) titulada “Empobrecimiento de los
hogares y cambios en el abastecimiento de alimentos por la COVID-19 en Lima,
Perú” tuvo como objetivo determinar el empobrecimiento de los hogares y cambios
en el abastecimiento de alimentos por la COVID-19. Su metodología fue de enfoque
cuantitativo y de tipo aplicada, donde se diseñó un cuestionario online para la
obtención de datos. Los resultados mostraron que la clase alta tiene una relación de
dependencia sobre tener un trabajo e ingresos fijos del 68%, la clase media es del 64%
y la clase baja es del 56%. Cuanto más pobre es un hogar, más probable es que uno de
sus miembros haya dejado de trabajar debido a la pandemia. El teletrabajo sólo era
posible principalmente para aquellos en las clases más ricas, ya que el 61% de los
hogares más pobres dejaron de trabajar y solo el 24% pudo teletrabajar durante la
cuarentena. Se concluyó que los hogares con ingresos más bajos fueron más
propensos a perder su trabajo y a quedarse sin ahorros; mientras que las clases medias
gastaron sus ahorros para el presente; en cuanto a las clases acomodadas no perdieron
su empleo y tenían ahorro para el futuro.
La investigación de Petrera & Jiménez (2018) titulada “Determinantes del
gasto de bolsillo en salud de la población pobre atendida en servicio de salud
públicos en Perú, 2010-2014” tuvo como fin evidenciar que componentes impactan al
20
consumo de cartera en los servicios de salud. Se aplicó el método hipotético
deductivo, basado en un modelo de regresión, y con información extraída de la
ENAHO. Los resultados mostraron que solo el 5% de los pacientes que vivían en
áreas rurales fueron atendidos en hospitales a comparación de la población urbana con
un 16%. Además, el gasto en servicios en salud fue mayor para aquella población que
no contaba con SIS y ser adulto mayor en situación de pobreza. Se concluyó que el
contar con SIS disminuye el gasto en servicio en salud para la población rural pobre.
1.3.2. Marco teórico
La pobreza es una condición multifacética que se puede categorizar teniendo
en cuenta los ingresos y activos de un hogar, la indiferencia por parte de instituciones
públicas y el Estado hacia la sociedad y por último la vulnerabilidad referida a los
shocks adversos que se puedan presentar en las diferentes situaciones de vivencia que
tienen los ciudadanos (Tvedten et al., 2009).
La pobreza se puede ver reflejada en las condiciones y situaciones que generan
dificultades al individuo conduciéndolo a la privación de las necesidades básicas para
poder alcanzar un grado de satisfacción (Saatci & Akpinar, 2007). Dichas necesidades
pueden ser económicas, sociales, políticas, culturales, físicas o espirituales, las cuales
al no poseerlas van a tener un impacto negativo en la calidad de vida, partiendo así,
una problemática social y generando una dependencia al patrocinio del Estado para
superar sus carencias (Megbowon, 2018).
Para Sen (1977), en su obra "Igualdad de Oportunidades", sostiene que la
pobreza no debe definirse simplemente en términos de ingresos monetarios, sino que
también se deben tener en cuenta factores sociales, económicos y políticos que afectan
la capacidad de las personas para vivir una vida plena y satisfactoria. Sen sustenta que
21
tanto la educación, el acceso a la tierra, la salud, la justicia, el apoyo familiar y
comunitario, el crédito y otros recursos productivos, la voz en las instituciones y el
acceso a las oportunidades son factores importantes que influyen en la capacidad de
las personas para salir de la pobreza y mejorar sus vidas. Estos factores pueden verse
afectados por elementos geográficos (ubicación geográfica), biológicos (las
enfermedades) y sociales (la discriminación).
La pobreza, el desarrollo económico y el medio ambiente son tres aspectos que
están estrechamente relacionados, teniendo así la necesidad de adoptar un enfoque
integrado y sostenible para que estas variables tengan un impacto positivo entre
ellas, generando soluciones ante la falta de recursos requeridos por la sociedad y la
limitada capacidad institucional, llevando a cabo acciones prácticas y sostenibles
como: la promoción de la gestión sostenible de los recursos naturales, la inversión en
tecnologías más eficientes y limpias, mejoras de la educación, capacitación sobre el
desarrollo sostenible para reducir la pobreza, promoción de políticas de inclusión
social y mejora de la participación y el empoderamiento de las comunidades locales
(Barbier, 2010).
La pobreza espacial se refiere a la concentración de personas pobres en áreas
geográficas específicas, como barrios marginales, ciudades pobres o regiones rurales
empobrecidas. Esto puede ser el resultado de una combinación de factores, como la
falta de acceso a empleo, educación, atención médica y servicios sociales, la
discriminación estructural y la exclusión social (Zhou & Liu, 2022).
Figura 1
Esquema de la pobreza regional
22
Nota. Elaboración propia. Adaptado de Zhou & Liu (2022).
En la figura 1 se observan los factores de la pobreza regional (individuo, tierra
e industria) y sus interrelaciones. Estos factores pueden interactuar negativamente y
perpetuar la pobreza espacial en áreas específicas, generando círculos viciosos de
empobrecimiento. En el caso de la conexión industria–individuo se observa el
crecimiento urbano o rural desordenado (expansión de áreas sin un plan de regulación
adecuada), así como un incremento desmedido de la tasa poblacional a pesar de las
limitaciones multidimensionales1 (escasez de puestos de trabajo y mano de obra
descalificada). Por su parte, la relación industria-tierra se enfrenta a la falta de
inversión en tecnología (sector industrial y agrícola), la falta de motivación (falta de
innovación y disminución en productividad), la falta de infraestructura y vías de
acceso precarias para las industrias (no acceso a carreteras o a una red de transporte
1
Referido a…
23
eficiente). Finalmente, el caso tierra–individuo se relaciona con la carencia del
desarrollo de ciertas áreas geográficas (…) que al no encontrarse preparadas van a
presentar dificultades para localizar, implementar y utilizar nuevas infraestructuras
limitando así el crecimiento económico y la generación de empleo, lo que a su vez no
ayudará a erradicar la pobreza en la zona (Zhou & Liu, 2022).
Respaldado por Malthus (1820) quien sostuvo que el crecimiento de las
poblaciones pobres tienden a incrementarse por el instinto natural del individuo y bajo
el criterio de que más manos contribuirán a generar sustento. Advierte que bajo este
concepto se crearían poblaciones pobres por lo cual apoya un control de población
donde se invierta de forma paulatina la riqueza sin crear hambruna.
La teoría de la pobreza regional o teoría de las disparidades geográficas radica
en el hecho de que los individuos, instituciones y culturas presentan limitantes para
acceder ciertas oportunidades que le permitan el incremento de su riqueza. Se crea una
distinción entre los espacios dividiéndola socialmente en un espacio urbano o espacio
rural imponiendo distinciones que crean ventajas y desventajas entre el ámbito
urbano y rural (Nassehi, 1997).
Respecto al ámbito la concentración de capital o riqueza atrae a individuos,
empresas entre otros, mientras en las zonas que no se presente se evidenciara
empobrecimiento dejando en claro que en las ubicaciones geográficas rural existe
mayor pobreza en comparación a urbana en este último suele presentarse en lugares
con reducidos accesos a servicios básicos.(Bradshaw, 2007; Voelwoen, 2018).
La pobreza rural representa una caracterización espacial de la pobreza, y en
ella prima la carencia de los recursos objetivos necesarios para generar bienestar e
ingresos, cuya población no tiene poder para reclamar redistribución (Obayelu y
24
Awoyemi, 2010). Evidenciando que existen distinciones entre la proporción urbana y
rural por ello se indica que para medir la pobreza debe ser diferente para cada ámbito,
porque existe un costo de vida que puede conducir a diferencias sustanciales y no
reales entre un pobre rural y urbano (Sridhar, 2015).
Para Ravallion et al. (2007) la pobreza en los territorios urbanos suele ser más
significativas en comparación rural debido a la brecha existente de la pobreza en su
totalidad. Ello se debe a que en cada territorio enfrenta por características individuales
de los habitantes, las cuales puntualizan diferenciación en niveles de capital humano
así como caracteres estructurales del lugar de residencia (Bernard, 2019).
Por ende, no existe una definición exacta de pobreza convirtiéndola en
multidimensional, es decir que afecta muchos aspectos como la esperanza de vida, la
salud, seguridad, educación, las relaciones, entre otros. Pero a su vez es necesaria la
existencia de un indicador que mida la pobreza permitiendo que cada país pueda
enfocar adecuadamente las políticas de intervención que permitan la reducción de la
pobreza y se definen niveles de vida mínimo adecuado en período determinado
(Voelwoen, 2018).
En ese sentido la pobreza puede medirse de manera absoluta y relativa. La
pobreza absoluta se mide con base en recuento de personas/incidencia de la pobreza,
brecha de pobreza/déficit de ingreso, disparidad en la distribución del ingreso,
medidas compuestas de pobreza, índice de calidad de vida física y aumentada e índice
de desarrollo humano; mientras que la pobreza relativa se ejecuta en base al ingreso
promedio de un porcentaje específico de la población que se considera pobre con
respecto al ingreso establecido de la población en general (Voelwoen, 2018).
25
Cada país toma estás medidas y a través de ella genera políticas públicas para
intervenir en minimizarlo. En el Perú, se mide el nivel de indigencia por el método de
la Línea de Pobreza (LP), la técnica de las necesidades básicas insatisfechas (NBI), el
procedimiento integrado (INEI, 2000). El procedimiento de línea de pobreza se refiere
como el mejor indicador para medir la pobreza porque considera al gasto de consumo
explícito de medida de bienestar y funciona como la comparación del valor per cápita
por hogar frente a la línea base o canasta básica o mínima que es necesario para
ubicarse dentro o fuera de la pobreza (Bárcena et al., 2018).
El segundo método se denomina NBI, porque se centra en indicadores
medidos por las necesidades básicas estructurales como educación, infraestructura,
vivienda, entre otros para evaluar la pobreza, al contrario del anterior, es una medida
de bienestar individual (Feres & Mancero, 2001). Por último, el método integrado que
resulta de la combinación entre la técnica de línea de pobreza y las NBI; este método
permite clasificar a los habitantes en pobres cotidianos, pobres nuevos, pobres
inerciales e integrados socialmente (no pobres); además, es beneficioso porque
identifica pobreza estructural y coyuntural permitiendo ampliar el campo de decisión
de las autoridades responsables por velar por la contracción de la pobreza (Moreno,
2017).
El capital humano, social, financiero, físico, natural y de subsistencia se ve
afectado por la pobreza, así como por su capital geográfico y, estos factores que
influyen varían según las diferentes escalas temporales y regionales. Por lo que resulta
necesario que la reducción de la pobreza no solo estimula la motivación endógena,
sino que también influya en una solución a nivel de ámbito geográfico (Kona et al.,
2018).
26
Existen estudios que consideran varios determinantes que causan la pobreza
por ámbito geográfico desde hace bastante tiempo atrás. Se menciona que la
capacidad de un hogar para obtener un determinado nivel de ingreso (reducir la
pobreza) depende de las características internas del hogar (Farah, 2015), la edad de la
cabeza del hogar (Farah, 2015), dimensión de hogar (Farah, 2015), el grado formativo
del jefe de hogar (Farah, 2015; Dudek & Lisicka, 2013; Etim & Edet, 2013), el tipo de
residencia (urbano o rural) (Farah, 2015; Mok et al., 2007), el origen étnico (Farah,
2015; Mok et al., 2007), la religión (Farah, 2015), la proporción de sexo (Farah, 2015;
Etim & Edet, 2013), la tasa de dependencia (Farah, 2015; Dudek & Lisicka, 2013;
Etim & Edet, 2013), la proporción de niños por mujer (Farah, 2015; Dudek & Lisicka,
2013) y la proporción de mujeres en el hogar (Farah, 2015; Mok et al., 2007).
Así que determinar esos factores es un punto básico para entender el
comportamiento de la pobreza. Es por ello, que el desarrollo del cálculo de los
determinantes de la pobreza va a estar en relación a los factores económicos, sociales
o políticos, y conocer e identificarlos contribuye a formular políticas para combatir la
pobreza. Para eso es el cálculo de la medición de los efectos de esos factores a través
de modelos econométricos como el Logit, porque supone, una regresión logística para
ver la ocurrencia de cualquier evento en particular, su probabilidad de ocurrencia del
efecto y la proporción para ser comparable el fenómeno (Petmesidou &
Papatheodorou, 2006).
El modelo supone la siguiente función:
Y i=f ( X 1i , X 2 i , X 3 i , … , X ki )
Donde: Y i es la variable dependiente que representa el grado de pobreza de las
viviendas y las X 1 i , X 2 i , X 3 i , … , X ki son los distintos niveles de los determinantes que
27
se miden mediante una regresión logística. El modelo logístico supone que la variable
Y i es dicotómica y una variable de respuesta que captura un estado real del hogar
“pobre o no pobre” (Achia et al., 2010). Se presenta de la siguiente forma:
k
y ¿i =∑ X ij β j +ε i
j=0
¿
En la ecuación, y i no es observable y es una variable latente. Con ello
¿
podemos obtener Y i e identificar que toma valor de 1 si y i > 0 y toma el valor 0 en
caso contrario. β es el vector de parámetros y ε es el término de error.
α +βX
e
Pi ( X )=
1+e α + βX
También, los términos de error implican la suposición común de media cero y
la distribución subyacente del error es una distribución acumulada logística (Caglayan
& Dayioglu, 2011).
ln
[ ]
Pi
1−Pi
= α+ ∑ β i∗X ij
Además, la Pi tiene una variable de Bernoulli y Pi es la probabilidad de que el
i-ésimo hogar esté por debajo de la línea de pobreza y su distribución del vector
depende del vector de predictores X, de modo que ln [ ]Pi

1−Pi
es el logaritmo natural
de las posibilidades de que la vivienda abata abajo de la línea de pobreza, mientras
que β i es la medida del cambio en el logaritmo del dato de posibilidades de la
posibilidad de que los hogares sean pobres o no (Hashmi et al., 2008). Por último, el
modelo econométrico logístico supone que no requiere de normalidad y
homocedasticidad de error en las variables predictoras.
28
1.3.3. Marco conceptual
Pobreza urbana: Es la condición de pobreza que se presenta en diferentes
ciudades de país, específicamente en áreas urbanas, esto es producto del crecimiento
urbano, el cual contiene espacios campestres y zonas que muestran bajas entradas
monetarias, donde los individuos frecuentemente y en su mayoría no tienen la
capacidad de satisfacer sus necesidades básicas (Sun et al., 2022).
Pobreza rural: Es un tipo de pobreza, que se concentra en zonas rurales, en
otras palabras, en zonas que se encuentran alejadas de las ciudades, consideradas
urbanas o de un nivel económico mejor, esto significa que algunas personas son
mucho más pobres que otras o tienen ingresos mucho más bajos que el promedio.
Asimismo, se refiere al estado en el que una persona carece de la menor cantidad de
ingresos necesarios para mantener el nivel de vida normal, establecido en la sociedad
a la que pertenece (Lee & Zhang, 2022).
Características del hogar: Un hogar, es comprendida como el individuo o
grupo de personas, que unidas o no por relaciones de parentesco, vienen compartiendo
la misma vivienda y entre ellos existe una asociación para solventar las necesidades
de supervivencia de sus miembros. En efecto, los hogares adoptan diferentes formas
de organización que tienen como núcleo principal a la pareja que puede o no contar
con hijos, siendo su prioridad satisfacer las necesidades básicas de la familia, tomando
en cuenta la dimensión de hogar y la cifra de cobradores de ingresos (Mba et al.,
2018).
Características del o los miembros del hogar: Un miembro de hogar cumple
diferentes roles, se dedica a diferentes cosas, con el hecho de se un individuo diferente
va contar con caracteres específicos bajo una misma realidad ya sea el parentesco con
29
el jefe de hogar, sexo, edad, estado civil, entre otros que demarque el nivel de gastos o
ingresos por un hogar y van a depender de la variabilidad del tipo de conformidad del
hogar (Claros, 2021).
Educación: Es el proceso que permite al hombre tomar conciencia de la
existencia de otra realidad mayor a la que está llamado, de la que procede y hacia la
que se orienta; también incluye la aceptación y el uso de normas de respeto,
delicadeza y urbanidad es por ello que la práctica de estos comportamientos de
socialización se considera prueba de una sólida educación; por último se considera
como el proceso sistemático de desarrollo de las facultades físicas, intelectuales y
morales de un ser humano con el objetivo de integrarlo mejor en la sociedad o en su
propio grupo. En otras palabras, es el proceso de aprender a vivir (Touriñán, 2021).
Salud: Es una condición plena de bienestar físico, mental y social, no sólo la
ausencia de dolencia o enfermedad; en otras palabras, la salud puede definirse como el
grado de eficiencia del metabolismo y las funciones de un ser vivo a escala micro y
macro (OMS, 2023).
Empleo: Es la creación de valor a partir de las actividades de una persona; es
decir, el empleado ofrece su esfuerzo y experiencia en beneficio del empleador a
cambio de una compensación monetaria conocida como salario, un método mediante
el cual las personas pueden nutrirse, mejorar su calidad de vida y desarrollar su
potencial humano (OIT, 2023).
Ingresos: Los ingresos de los hogares incluye todas las entradas en efectivo o
en especie (bienes y servicios) recibidas por el hogar o cualquiera de sus miembros en
períodos anuales o más regulares, pero excluye las ganancias inesperadas y otras
entradas puntuales. Las entradas recibidas por los hogares pueden utilizarse para el
30
consumo corriente y no reducen el patrimonio neto del hogar mediante la disminución
del efectivo, la venta o enajenación de otros activos financieros o no financieros, o el
aumento de los pasivos; pueden definirse como ingresos que incluyen: las rentas del
trabajo asalariado y por cuenta propia, las rentas de la propiedad, las rentas derivadas
de la producción de servicios domésticos para uso propio y las transferencias
corrientes recibidas (OIT, 2023).
2.1. Método
2.1.1. Tipo de investigación
Se emplea una investigación de tipo básica porque implica la ampliación de
conocimiento establecido para permitirse con teoría reforzar y seguir confirmando o
refutando los resultados, con ello validar el comportamiento de los fenómenos
encontrados (Hernández y Mendoza, 2018). También, es un estudio de enfoque
cuantitativo porque va a evidenciar numéricamente los efectos que tienen los
fenómenos frente a comportamientos no previstos en un entorno (Gallardo, 2017).
2.1.2. Diseño de investigación
En la intervención en los fenómenos o variables de la investigación no existe
alteración o búsqueda de cambios, si no que retrospectivamente se observa lo que
aconteció para con ello poder en futuros eventos tomar medidas de prevención
(Cabezas et al., 2018); por eso se considera como un diseño no experimental . A su vez
tiene un espacio temporal transversal y alcance explicativo, esto se debe a la necesidad
de analizar un momento en el tiempo y poder con ello evidenciar cambios que puedan
realizar las variables independientes en las dependientes (Arias & Covinos, 2021).
En cuanto al nivel de investigación, este estudio será correlacional - causal,
puesto que se utilizarán cuestionarios con la finalidad de establecer el tipo de analogía
31
entre las variables estudiadas, brindando explicaciones causales; sin que realice alguna
manipulación por parte del investigador; en esta línea, este nivel de investigación
presenta como finalidad reconocer y medir la relación existente entre dos variables; que
se respalde en hipótesis que luego ser aceptadas o rechazadas (Hernández, 2018).
32
2.1.3. Variables
Tabla 1
Operacionalización de variables
Definición Conceptual Dimensiones Indicadores Escala de medición

Variable dependiente: Pobreza
0: Gasto mensual en la
La pobreza, es canasta básica de consumo de
entendida como la No pobre
alimentos y no alimentos
incapacidad que tiene iguales o mayores a 360 soles
Condición de
un individuo para
pobreza 1: Gasto mensual en la
satisfacer sus
necesidades básicas canasta básica de consumo de
Pobre
(Sun et al., 2022). alimentos y no alimentos
iguales o menores a 360 soles
Variable independiente: Factores asociados a la pobreza
Los factores asociados Características de Existencia 1: Si
a la pobreza se la vivienda y de de otra
observan reflejados hogar vivienda 2: No
condiciones y M1 1: Casa independiente
características de
hogares reflejados en 2: Departamento en edificio
características de la Tipo
vivienda 3: Vivienda en quinta
vivienda o el hogar,
salud, educación, 4: Vivienda en casa de
ingresos y las vecindad
estructuras del empleo 1: Alquilada
(Villeda, 2020).
2: Propia, totalmente pagada
Condición
hogar 3: Propia, por invasión
4: Propia, comprándola a
plazos
Título de 1: Si
propiedad 2: No
1: Red pública, dentro de la
vivienda
Procedencia
del agua 2: Red pública, fuera de la
vivienda, pero dentro de
edificio
Agua 1: Si
potable 2: No
Paga 1: Si
33
servicio de
2: No
agua
1: Red pública de desagüe
dentro de la vivienda
2: Red pública de desagüe
fuera de la vivienda, pero
dentro del edificio
3: Letrina (con tratamiento)
El baño está 4: Pozo séptico, tanque
conectado séptico o biodigestor
5: Pozo ciego o negro
6: Río, acequia, canal o
similar
9: Campo abierto o al aire
libre
7: Otro
Tiene 1: Si
electricidad 2: No
Características de 1: Jefe/Jefa
los miembros del 2: Esposa(o) /compañero(a)
hogar
3: Hijo(a)/hijastro(a)
M2
4: Yerno/Nuera
5: Nieto/a
Parentesco
con el jefe 6: Padres/Suegros
de hogar 7: Otros parientes
8: Trabajador (a) del Hogar
9: Pensionista
10: Otros No Parientes
11: Hermano(a)
1: Hombre
Sexo
2: Mujer
Edad Número
Estado civil 1: Conviviente
2: Casado(a)
3: Viudo(a)
4: Divorciado(a)
5: Separado(a)
34
6: Soltero(a)
1: Quechua
2: Aimara
3: Ashaninka
4: Castellano
6: Portugués
7: Otra lengua extranjera
Idioma 8: no escucha/no habla
aprendió en 9: lengua de señas peruanas
su niñez
10: Ashaninka?
11: Awajún/Aguaruna?
12: Shipibo Konibo
13: Shawi / Chayahuita
14: Matsigenka /
Machiguenga?
Educación 15: Achuar
M3 1: Sin nivel
2: Educación inicial
3: Primaria incompleta
4: Primaria completa
5: Secundaria incompleta
6: Secundaria completa
7: Superior no universitaria
Grado de incompleta
instrucción
8: Superior no universitaria
completa
9: Superior universitaria
incompleta
10: Superior universitaria
completa
11: Maestría/Doctorado
12: Básica especial
Salud Condición 1: Síntoma o malestar tos,
de salud dolor de cabeza, fiebre,
M4
nauseas
2: Enfermedad (gripe, colitis,
etc.)
35
3: Recaída de enfermedad
crónica
4: Accidente
5: No tuvo enfermedad,
síntoma, recaída, accidente.
6: Síntoma de la COVID-19
fiebre, tos seca, sensación de
ahogo
Empleo 1: Si
antes de
declaratoria
emergencia
nacional por 2: No
la COVID-
19
Tiene un 1: Si
Empleo e empleo fijo
ingresos al que
M5 retornara
cuando se
levanten 2: No
restriccione
s por la
COVID-19
Ingreso
mensual Monto en soles
total
Nota: Elaboración propia teniendo en cuenta la línea de pobreza y la encuesta ENAHO 2020
2.1.4. Muestra
La muestra está compuesta por las encuestas las Encuestas Nacional de Hogares
(ENAHO) del Instituto Nacional de Estadística e Informática (INEI), que tienen
respuestas completas y los módulos pertinentes para la investigación, recabadas en el
periodo 2020. Además de ello se tiene en cuenta que el INEI en el 2020 empleó una
muestra de 37,103 viviendas de las cuales 23,895 pertenecen al área urbana y 13,208 al
área rural a nivel nacional.
36
2.1.5. Instrumentos de investigación
Se utiliza una ficha de información que se encuentra dentro de la técnica
revisión bibliográfica, esto es porque se hace uso de información secundaria, es decir,
información que ya se ha recabado con anterioridad y que permite conocer la situación
de las variables en momentos determinados. Así se pudo recabar la información desde
la página web del INEI y se obtuvo la data que será convertida, transformada y
adaptada a las categorías establecidas en el punto 2.1.3. variables.
2.1.6. Procedimiento de recolección de datos
El proceso que se llevó a cabo para recolectar los datos se comenzó con la
búsqueda de la información y selección de la data, el cual fue extraído de la página de
la INEI en la opción de consulta por encuestas donde se hace la búsqueda de la
Encuesta Nacional de Hogares (ENAHO).
La Encuesta Nacional de Hogares (ENAHO) posee diversos módulos, pero
como primer punto vamos a tener en cuenta características generales la ubicación
geográfica para poder tener identificados a los hogares de zona urbana y rural así el
monto de gasto mensual en canasta básica y para fines de la investigación solo se
harán uso de los módulos 1, 2, 3,4 y 5 a continuación, se detalla los indicadores
extraídos por cada módulo:
Módulo 1 Características de la vivienda y del hogar: Contiene ítems que van
a contribuir a la información sobre los indicadores existencia de otra vivienda, tipo
vivienda, condición hogar, título de propiedad, procedencia del agua, agua potable,
paga servicio de agua, el baño está conectado y tiene electricidad.
37
Módulo 2 Características de los miembros del hogar: Contiene ítems que van
a contribuir a la información sobre los indicadores parentesco con el jefe de hogar,
sexo, edad y estado civil.
Módulo 3 Educación: Contiene ítems que van a contribuir a la información
sobre los indicadores: idioma aprendido en su niñez y grado de instrucción.
Módulo 4 Salud: Contiene ítem que van a contribuir a la información sobre el
indicador condición de salud.
Módulo 5 Empleo e ingresos: Contiene ítems que van a contribuir a la
información sobre los indicadores empleo antes de declaratoria emergencia nacional
por la COVID-19, tiene un empleo fijo al que retornara cuando se levanten
restricciones de la COVID-19, ingreso mensual total.
38
Capítulo 3
3.1. Resultados
3.1.1. Presentación de resultados
O.G. Estimar el impacto de la COVID-19 en los factores asociados a la pobreza
urbana y rural en el Perú, 2020.
Tabla 2 Datos importantes del modelo
Modelo Logit
Included observations 1691
Convergence achieved 4
McFadden R-squared 0.0067
M4 – Prob 0.0012
Prob (LR Statistic) 0.0158
Fuente: elaboración propia
Figura 1
COVID – 19 en Perú número de casos vs muertes 2020
39
Fuente: Elaboración propia con data del MINSA.
En la tabla 1 podemos encontrar los datos de análisis del modelo para expandir
la respuesta puede localizarlo en la figura 2 en el anexo A, donde se muestra la
estimación del modelo Logit donde se tiene 1691 observaciones, del mismo modo
tenemos Convergence achieved donde en 4 de ellas no concuerdan con el modelo
pues que generan autocorrelación pero como el número de autocorrelaciones no es
mayor a 15 datos presentando este comportamiento no requiere correcciones, por lo
ende se observa McFadden R-squared es de 0.0067 el cual explica de manera limitada
la probabilidad de que el hogar en evaluación esté en una condición de pobreza en el
año 2020 también encontramos que el factor asociado que impacta en la probabilidad
de aumento de la pobreza ya sea urbana o rural recae en el factor asociado de Salud y
por el estadístico representación refleja que el modelo es significativo con un valor de
0.015. Es decir, existe un impacto de la COVID-19 en la condición de pobreza (pobre
o no pobre) con tendencia a ser pobre asociado en el factor salud.
Por lo cual en la figura 1 observamos que la tendencia tanto de los casos
registrados y las muertes por la COVID- 19 tienen un incremento con una pendiente
positiva, siendo su primer caso identificado el 6 marzo de 2020 lo cual se estuvo
acompañado de una cuarentena aplicada desde 16 marzo 2020 por primeros 15 días
donde solo se podía salir para abastecimiento de alimentos, medicamentos y trabajo
solo para personas dedicadas a este rubro, bajo estas premisas las poblaciones más
afectadas era las urbanas quienes en los transcurso del tiempo, incremento de casos y
extensión de cuarentena migraron a la zona rural de los cuales muchos era natales
trasmitiendo de una manera incontrolable el virus; por lo cual se puede concretar que
la primera ola se puntualizó en factor salud puesto que el MINSA, ESSALUD y la
atención privada desconocía tratamiento, sistemas colapsados, agotamiento de
40
oxígeno, camas de UCI ocupadas, agotamiento de medicamentos que presentaban
efecto en el tratamiento, en el tema privado sobrecostos asimismo la población
confundía los síntomas con resfriado común y buscaban atención cuando su situación
ya estaba avanzada convirtiéndose un caso mortal; en este punto también se debe
tener en cuenta que la encuesta de hogar recogió datos de los 4 primeros meses y
ultimo del año siendo más complicado explicar de forma exacta el comportamiento de
la pobreza a nivel macroeconómico en el Perú.
OE1. Identificar el impacto de la COVID-19 en los factores asociados a la pobreza
Modelo Logit
M4 – Prob 0.0012
la respuesta puede localizarlo en la figura 3 en el anexo B, donde se muestra la
estimación del modelo Logit donde se tiene 1128 observaciones, se encontró
Convergence achieved donde en 4 de ellas no concuerdan con el modelo pues que
generan autocorrelación al ser menor a 15 no hay necesidad de corregir el modelo,
mientras que McFadden R-squared es de 0.0039 el cual explica de manera limitada la
probabilidad de que el hogar en evaluación esté en una condición de pobreza en zona
urbana en el año 2020 también encontramos que no existe un factor asociado que
41
impacte directamente con la probabilidad y el estadístico representación refleja que el
modelo de impacto es no significativo con un valor de 0.35 mayor a 0.05 queriendo
decir que la COVID- 19 no tuvo impacto directo en la condición de pobreza (pobre o
no pobre) en la población urbana en el año 2020.
OE2. Identificar el impacto de la COVID-19 en los factores asociados a la pobreza
Modelo Logit
M4 – Prob 0.0012
la respuesta puede localizarlo en la figura 4 en el anexo C, la estimación del modelo
Logit donde cuenta con 563 observaciones, del mismo modo tenemos Convergence
achieved donde en 5 de ellas no concuerdan con el modelo pues que generan
autocorrelación por lo no se mayor a 15 no es necesario corregir el modelo, mientras
que McFadden R-squared es de 0.02 el cual explica de manera apropiada la
probabilidad de que el hogar en evaluación esté en una condición de pobreza en zona
rural en el año 2020 también encontramos que el factor asociado que impacta en la
probabilidad de aumento de la pobreza rural recae en el factor asociado de Salud y por
42
el estadístico representación refleja que el modelo es significativo con un valor 0.01
menor a 0.05.
OE3. Determinar los factores asociados a la pobreza en el Perú, 2020.
Variable Prob.
C 0.0005
M1 0.6082
M2 0.9374
M3 0.6675
M4 0.0011
M5 0.2222
la respuesta puede localizarlo en la figura 5 en el anexo D, para saber cuales son los
factores asociados a la pobreza identificamos cuales son los factores significativas es
decir que el valor de probabilidad es menor igual al valor 0.05 , en este caso el factor
que cumple con ello es M4 correspondiente al factor salud por lo que se puede
concretar que el valor asociado a la condición de pobreza (pobre o no pobre) en una
situación de COVID 19 en el periodo 2020 recae en la salud específicamente en que
en hogar sus integrantes puedan tener síntomas asociados con la gripe o algún
resultado positivo en COVID -19.
43
3.1.2. Discusión
3.1.3. Conclusiones
3.1.4. Recomendaciones
44
Anexos
Anexo A. Modelo Logit O.G
Figura 2
Impacto de Covid – 19 en la pobreza
Dependent Variable: POBREZA
Method: ML - Binary Logit (Newton-Raphson / Marquardt steps)
Date: 04/11/23 Time: 18:00
Sample: 1 1691
Included observations: 1691
Convergence achieved after 4 iterations
Coefficient covariance computed using observed Hessian
Variable Coefficient Std. Error z-Statistic Prob.
C -0.638961 0.462838 -1.380527 0.1674

M1 -0.013600 0.027272 -0.498693 0.6180
M2 0.000191 0.002798 0.068096 0.9457
M3 0.008025 0.017021 0.471497 0.6373
M4 -0.214125 0.066282 -3.230535 0.0012
M5 0.083462 0.068322 1.221598 0.2219
McFadden R-squared 0.006726 Mean dependent var 0.303371

S.D. dependent var 0.459850 S.E. of regression 0.458822
Akaike info criterion 1.226227 Sum squared resid 354.7220
Schwarz criterion 1.245505 Log likelihood -1030.775
Hannan-Quinn criter. 1.233366 Deviance 2061.550
Restr. deviance 2075.511 Restr. log likelihood -1037.755
LR statistic 13.96068 Avg. log likelihood -0.609565
Prob(LR statistic) 0.015861
Obs with Dep=0 1178 Total obs 1691

Obs with Dep=1 513
Anexo B. Modelo Logit O.E.1
Figura 3
Impacto de Covid – 19 en la pobreza Urbana
Dependent Variable: C_POBREZA__Y_
Date: 04/11/23 Time: 18:02
Sample: 1 1128
C -0.665666 0.605104 -1.100085 0.2713

M1 -0.011842 0.039693 -0.298346 0.7654
M2 -0.002157 0.003413 -0.632070 0.5273
M3 0.018406 0.020841 0.883165 0.3771
M4 -0.143756 0.078126 -1.840066 0.0658
M5 0.056670 0.081710 0.693552 0.4880


Obs with Dep=1 344
45
Anexo C. Modelo Logit O.E.2
Figura 4
Impacto de Covid – 19 en la pobreza rural
Date: 04/11/23 Time: 17:46
Sample: 1 563
C -0.804547 0.772157 -1.041947 0.2974

M1 -0.009828 0.039041 -0.251721 0.8013
M2 0.005947 0.004966 1.197397 0.2312
M3 -0.015548 0.030101 -0.516543 0.6055
M4 -0.372935 0.127345 -2.928545 0.0034
M5 0.172506 0.126294 1.365912 0.1720


Obs with Dep=1 169
Anexo D. Modelo Logit O.E.3
Figura 5
Factores asociados de la pobreza Perú
Method: Least Squares
Date: 04/11/23 Time: 17:52
Sample: 1 563
Variable Coefficient Std. Error t-Statistic Prob.
C 0.295832 0.158296 1.868848 0.0622

M1 -0.002477 0.008027 -0.308592 0.7577
M2 0.001248 0.001027 1.214853 0.2249
M3 -0.003705 0.006147 -0.602795 0.5469
M4 -0.061110 0.019742 -3.095428 0.0021
M5 0.036096 0.025940 1.391496 0.1646
R-squared 0.022471 Mean dependent var 0.300178

Adjusted R-squared 0.013696 S.D. dependent var 0.458743
S.E. of regression 0.455590 Akaike info criterion 1.276155
Sum squared resid 115.6124 Schwarz criterion 1.322335
Log likelihood -353.2376 Hannan-Quinn criter. 1.294183
F-statistic 2.560785 Durbin-Watson stat 1.439832
Prob(F-statistic) 0.026432
46
Referencias Bibliográficas
Achia T. N. O., Wangombe, A., y Khadioli, N. (2010). A logistic regression model to identify
key determinants of poverty using demographic and health survey data. European
Journal of Social Sciences, 13(1), 38-45.
Albán, F. (2020). Determinantes de la pobreza monetaria en el departamento de la Libertad,
2019 [Tesis de Pregrado, Universidad Privada del Norte].
https://repositorio.upn.edu.pe/bitstream/handle/11537/25796/Alb%c3%a1n
%20Salgado%2c%20Freddy%20Angel%20Junior.pdf?sequence=1yisAllowed=y
Almeida, V., Barrios, S., Christl, M., De Poli, S., Tumino, A., y van der Wielen, W. (2021).
The impact of COVID-19 on households´ income in the EU. The Journal of
Economic Inequality, 19(3), 413-431. https://doi.org/10.1007/s10888-021-09485-8
Arias, J., y Covinos, M. (2021). Diseño y metodología de la investigación (Primera edición).
Enfoques Consulting EIRL.
http://repositorio.concytec.gob.pe/handle/20.500.12390/2260
Ariza, J., y Retajac, A. (2020). Descomposición y determinantes de la pobreza monetaria
urbana en Colombia. Un estudio a nivel de ciudades. Estudios Gerenciales, 36(155),
167-176.
BCRP (2020). Reporte de Inflación: Panorama actual y proyecciones macroeconómicas
2020-2021. https://www.unicef.org/peru/media/9026/file/Reporte%20t
%C3%A9cnico.pdf
BM (2020). Global Economic Prospectives.
https://www.unicef.org/peru/media/9026/file/Reporte%20t%C3%A9cnico.pdf
47
Barbier, E. (2010). Poverty, development, and environment. Environment and Development
Economics, 15(6), 635-660. https://doi.org/10.1017/S1355770X1000032X
Bárcena, A., Cimoli, M., García-Buchaca, R., Gerstenfeld, P., y Pérez, R. (2018). Medición
de la pobreza por ingresos. Actualización metodológica y resultados. Naciones
Unidas.
https://repositorio.cepal.org/bitstream/handle/11362/44314/1/S1800852_es.pdf
Bernard, J. (2019). Where Have All the Rural Poor Gone? Explaining the Rural–Urban
Poverty Gap in European Countries. Sociologia Ruralis, 59(3), 369-392.
https://doi.org/10.1111/soru.12235
Bradshaw, T. K. (2007). Theories of Poverty and Anti-Poverty Programs in Community
Development. Community Development, 38(1), 7-25.
https://doi.org/10.1080/15575330709490182
Cabezas, E., Andrade, D., y Torres, J. (2018). Introducción a la metodología de la
investigación científica. Universidad de las Fuerzas Armadas ESPE.
http://repositorio.espe.edu.ec/jspui/handle/21000/15424
Cáceres, J. A. O., y Ticona, R. M. L. (2021). Efecto de la pandemia de COVID-19 en el
comportamiento de la economía del Perú, 2020. Economía & Negocios, 3(2), Article
2. https://doi.org/10.33326/27086062.2021.2.1182
Caglayan, E., y Dayioglu, T. (2011). Comparing the parametric and semiparametric logit
models: Household poverty in Turkey. International Journal of Econocmics and
Finance, 3(5), 197-207.
48
CEPAL (2022). El impacto del COVID-19 en los pueblos indígenas. Santiago, Chile.
Obtenido de https://www.cepal.org/sites/default/files/publication/files/46543/
S2000817_es.pdf
CEPAL (2021). Panorama Social de América Latina 2021. Naciones Unidas.
https://repositorio.cepal.org/bitstream/handle/11362/47718/S2100655_es.pdf?
sequence=1&isAllowed=y
Cieza, F. P. C., Dongo, D., y Quispe, S. M. (2022). El nivel de vida en zona rural, pobreza y
salud mental en la migración por la COVID-19. Dilemas contemporáneos:
Educación, Política y Valores. https://doi.org/10.46377/dilemas.v9i2.3166
Cuesta, J., y Pico, J. (2020). The Gendered Poverty Effects of the COVID-19 Pandemic in
Colombia. The European Journal of Development Research, 32(5), 1558-1591.
https://doi.org/10.1057/s41287-020-00328-2
Doerr, S., y Gambacorta, L. (2020). Covid-19 and regional employment in Europe (N.o 16).
Bank of International Settlements. https://www.bis.org/publ/bisbull16.pdf
Dudek, H., y Lisicka, I. (2013). Determinants of poverty—Binary logit model with
interaction terms approach. Econometrics. Ekonometria. Advances in Applied Data
Analytics, 3(41), 65-77.
El peruano. (2022). Minsa aprobó el Plan frente a la pandemia por covid-19 para el año
2022. https://elperuano.pe/noticia/140066-minsa-aprobo-el-plan-frente-a-la-
pandemia-por-covid-19-para-el-ano-2022
Etim, N., y Edet, U. (2013). The Determinants Of Rural Poverty In Nigeria. International
Journal of Agricultural Management and Development, 3(2), 141-151.
49
Farah, N. (2015). Impact of household and demographic characteristics on poverty in
Bangladesh: A logistic regression analysis. Awards for Excellence in Student
Research and Creative Activity-Documents, 3, 1-21.
Feres, J., y Mancero, X. (2001). El método de las necesidades básicas insatisfechas (NBI) y
sus aplicaciones en América Latina. CEPAL - SERIE Estudios Estadísitcos y
Prospectivos, 7.
https://repositorio.cepal.org/bitstream/handle/11362/4784/S0102117_es.pdf?sequence
Finch, W. H., & Hernández Finch, M. E. (2020). Poverty and Covid-19: Rates of Incidence
and Deaths in the United States During the First 10 Weeks of the Pandemic. Frontiers
in Sociology, 5. https://doi.org/10.3389/fsoc.2020.00047
Gallardo, E. (2017). Metodología de Investigación: Manuales autoformativos interactivo.
Universidad Continental.
https://repositorio.continental.edu.pe/handle/20.500.12394/4278
Harris, T., Semborski, S., Rhoades, H., y Wenzel, S. (2021). Service utilisation changes in the
transition to permanent supportive housing: The role of the housing environment and
case management. Health y Social Care in the Community, 30.
https://doi.org/10.1111/hsc.13448
Hashmi, A. A., Sial, M. H., Hashmi, M. H., y Anwar, T. (2008). Trends and Determinants of
Rural Poverty: A Logistic Regression Analysis of Selected Districts of Punjab [with
Comments]. The Pakistan Development Review, 47(4), 909-923.
Hernández-Sampieri, R., y Mendoza, C. (2018). Metdología de la investigación. Las rutas
cuantitativa, cualitativa y mixta. Mc Graw Hill Education.
50
Hossain, M. I. (2021). COVID-19 Impacts on Employment and Livelihood of Marginal
People in Bangladesh: Lessons Learned and Way Forward. South Asian Survey, 28(1),
57-71. https://doi.org/10.1177/0971523121995072
Hu, M., y Ye, W. (2020). Home Ownership and Subjective Wellbeing: A Perspective from
Ownership Heterogeneity. Journal of Happiness Studies, 21(3), 1059-1079.
https://doi.org/10.1007/s10902-019-00120-y
Huallpa, J., Arocutipa, P., y Sosa, L. (2022). Efectos del coronavirus Covid-19 en el empleo y
los ingresos familiares en sur del Perú, 2020. Revista Venezolana de Gerencia, 27(97),
299-318. https://doi.org/10.52080/ rvgluz.27.97.21
Huang, J. (2020). Impacts of COVID-19 on agriculture and rural poverty in China. Journal of
Integrative Agriculture, 19(12), 2849-2853. https://doi.org/10.1016/S2095-
3119(20)63469-4
INEI (2000). Metodología para la medición de la pobreza en el Perú. Metodologías
Estadísticas, 1(2), 1-8.
INEI (2020). Pobreza monetaria alcanzó al 30,1% de la población del país durante el año
2020. Lima, Perú. Obtenido de https://m.inei.gob.pe/prensa/noticias/pobreza-
monetaria-alcanzo-al-301-de-la-poblacion-del-pais-durante-el-ano-2020-12875/
INEI (2021). PERÚ: POBREZA MONETARIA 2020. Obtenido de
https://www.inei.gob.pe/media/MenuRecursivo/publicaciones_digitales/Est/
pobreza2020/Presentacion_resultados_pobreza2020.pdf
51
Kona, M., Islam, N., y Noman, A. (2018). Assessing the Impact of Socio-Economic
Determinants of Rural and Urban Poverty in Bangladesh. International Journal of
Scientific y Engineering Research, 9(8), 178-184.
Laborde, D., Martin, W., y Vos, R. (2020). Poverty and food insecurity could grow
dramatically as COVID-19 spreads (pp. 16-20).
https://doi.org/10.2499/p15738coll2.133762
Lee, K., y Zhang, L. (2022). Cumulative Effects of Poverty on Children’s Social-Emotional
Development: Absolute Poverty and Relative Poverty. Community Mental Health
Journal, 58(5), 930-943. https://doi.org/10.1007/s10597-021-00901-x
López, P., Ubaldo, E., y Robles, K. (2019). Determinantes de la pobreza rural en México:
Caso de 5 localidades. Comunicaciones en Estadística, 12(2), Art. 2.
https://doi.org/10.15332/23393076/5642
Mba, P., Nwosu, E., y Orji, A. (2018). An Empirical Analysis of Vulnerability to Poverty in
Nigeria: Do Household and Regional Characteristics Matter?
Megbowon, E. (2018). Multidimensional poverty analysis of urban and rural households in
South Africa. Studia Universitatis Babes-Bolyai Oeconomica, 63(1), 3-19.
Mok, T., Gan, C., y Sanyal, A. (2007). The determinants of urban householf poverty in
Malaysia. Journal of Social Sciences, 3(4), 190-196.
Moreno, M. (2017). La medición de la pobreza. Revista Sociedad, 37, Art. 37.
https://publicaciones.sociales.uba.ar/index.php/revistasociedad/article/view/2976
Mueller, J. T., McConnell, K., Burow, P. B., Pofahl, K., Merdjanoff, A. A., y Farrell, J.
(2021). Impacts of the COVID-19 pandemic on rural America. Proceedings of the
52
National Academy of Sciences, 118(1), 2019378118.
https://doi.org/10.1073/pnas.2019378118
Munguía, J., y Martínez-Zarzoso, I. (2021). Examining gender inequalities in factors
associated with income poverty in Mexican rural households. PLOS ONE, 16(11),
e0259187. https://doi.org/10.1371/journal.pone.0259187
Nassehi, A. (1997). Inklusion oder integration? Zeitdiagnostische Konsequenzen einer
Theorie von Exklusions- und Desintegrationsphänomenen. En K. Rehberg, Differenz
und Integration: Die Zukunft moderner Gesellschaften ; Verhandlungen des 28.
Kongresses der Deutschen Gesellschaft für Soziologie im Oktober 1996 in Dresden ;
Band 2: Sektionen, Arbeitsgruppen, Foren, Fedor-Stepun-Tagung (S. 619-623).
Westdt Verl. https://www.ssoar.info/ssoar/bitstream/handle/document/16893/ssoar-
1997-nassehi-
inklusion_oder_integration.pdf;jsessionid=49822F2ECE7D8B61C755CA98A91B206
B?sequence=1
Obayelu, O., y Awoyemi, T. (2010). Spatial dimension of poverty in rural Nigeria. Journal of
Development and Agricultural Economics, 2(6), 231-244.
OPS (2020). La COVID-19 afectó el funcionamiento de los servicios de salud para
enfermedades no transmisibles en las Américas—OPS/OMS | Organización
Panamericana de la Salud. https://www.paho.org/es/noticias/17-6-2020-covid-19-
afecto-funcionamiento-servicios-salud-para-enfermedades-no
OPS (2020). La COVID-19 afectó el funcionamiento de los servicios de salud para
enfermedades no transmisibles en las Américas. Obtenido de Página oficial de la
OPS: https://www.paho.org/es/noticias/17-6-2020-covid-19-afecto-funcionamiento-
53
servicios-salud-para-enfermedades-no#:~:text=Desde%20que%20comenz
%C3%B3%20la%20pandemia,c%C3%A1ncer%2C%20enfermedades
%20cardiovasculares%20y%20diabetes.
Ortíz, J. (2014). Características y factores determinantes de la pobreza en la región de Piur
a partir de la encuesta Enaho 2013 [Tesis de Pregrado, Universidad Nacional de
Piura]. https://repositorio.unp.edu.pe/bitstream/handle/UNP/474/ECO-ORT-VER-
14.pdf?sequence=1yisAllowed=y
Panca, C.-O., y Calatayud, A.-P. (2022). Determinantes socioeconómicos y transición de la
pobreza energética de los hogares en la sierra rural del Perú, periodo 2010-2019 |
Semestre Económico. Semestre Económico, 10(2), 72-85.
Petmesidou, M., y Papatheodorou, C. (2006). Poverty and Social Deprivation in the
Mediterranean Area: Trends, policies and welfare prospects in the new millennium.
CROP - International Social Science Council. https://doi.org/10.5040/9781350221895
Petrera, M., y Jiménez, E. (2018). Determinantes del gasto de bolsillo en salud de la
población pobre atendida en servicios de salud públicos en Perú, 2010-2014. Rev
Panam Salud Publica, 42(e20), 1-7.
Pinilla, J., Barber, P., Vallejo-Torres, L., Rodríguez-Mireles, S., López-Valcárcel, B. G., y
Serra-Majem, L. (2021). The Economic Impact of the SARS-COV-2 (COVID-19)
Pandemic in Spain. International Journal of Environmental Research and Public
Health, 18(9), Art. 9. https://doi.org/10.3390/ijerph18094708
Pouliakas, K., y Branka, P. (2020). EU Jobs at Highest Risk of COVID-19 Social Distancing:
Will the Pandemic Exacerbate Labour Market Divide? IZA Institute of Labor
54
Economics. https://www.iza.org/publications/dp/13281/eu-jobs-at-highest-risk-of-
covid-19-social-distancing-will-the-pandemic-exacerbate-labour-market-divide
Quispe, M. R. Q., y Garay, R. H. R. (2019). Determinantes de la pobreza en el Perú bajo el
enfoque de activos. Pensamiento Crítico, 24(1), Art. 1.
https://doi.org/10.15381/pc.v24i1.16559
Ravallion, M., Chen, S., y Sangraula, P. (2007). New evidence on the urbanization of global
poverty (World Bank Policy Research Working Paper Series 4199). World Bank.
https://openknowledge.worldbank.org/bitstream/handle/10986/7277/wps419901updat
e1.pdf?sequence=1yisAllowed=y
Romero, T. H., y Reys, A. (2020). Empobrecimiento de los hogares y cambios en el
abastecimiento de alimentos por la COVID-19 en Lima, Perú. Ar@cne. Revista
Electrónica de Recursos en Internet sobre Geografía y Ciencias Sociales.
https://doi.org/10.1344/ara2020.243.31627
Rosero, S. (2021). Estimación de los efectos de la pandemia de la COVID-19 en la
probabilidad de empobrecimiento por ingreso en el Ecuador [Tesis de Pregrado,
Pontificia Universidad Católica del Ecuador].
http://repositorio.puce.edu.ec:80/handle/22000/19557
Saatci, E., y Akpinar, E. (2007). Assessing Poverty and Related Factors in Turkey. Croatian
medical journal, 48(5), 628-635.
Santamaría, N., Condezo, C., y Solano, Y. (2021). La pobreza del Perú en tiempo de
pandemia del Covid – 19. ReNaCientE - Revista Nacional Científica Estudiantil -
UPEL-IPB, 2(1), Art. 1. https://doi.org/10.46498/renacipb.v2i1.1567
55
Serruto, A., Rivera, V. A., Sana, F. L., y Zanabria, L. C. (2022). Desarrollo económico y
social en el Perú en el contexto de la crisis sanitaria del COVID-19 y en el marco del
bicentenario de la República. RSocialium, 6(1), Art. 1.
https://doi.org/10.26490/uncp.sl.2022.6.1.1054
Sridhar, K. (2015). Is Urban Poverty More Challenging than Rural Poverty? A Review.
Environment and Urbanization ASIA, 6(2), 95-108.
https://doi.org/10.1177/0975425315589159
Sun, H., Li, X., Li, W., y Feng, J. (2022). Differences and Influencing Factors of Relative
Poverty of Urban and Rural Residents in China Based on the Survey of 31 Provinces
and Cities. International Journal of Environmental Research and Public Health,
19(15), Art. 15. https://doi.org/10.3390/ijerph19159015
Suryahadi, A., Al Izzati, R., y Suryadarma, D. (2020). Estimating the Impact of Covid-19 on
Poverty in Indonesia. Bulletin of Indonesian Economic Studies, 56(2), 175-192.
https://doi.org/10.1080/00074918.2020.1779390
Trivelli, C. (2020). Acciones para la reducción de la pobreza rural en América Latina y el
Caribe en el contexto de la pandemia de la Covid-19 (Documento de Trabajo
N.°278). Instituto de Estudios Peruanos.
https://repositorio.iep.org.pe/bitstream/handle/IEP/1185/Trivelli_Acciones-reduccion-
pobreza-rural-America-Latina-pandemia-covid-19.pdf
Tvedten, I., Paulo, M., y Rosário, C. (2009). Monitoring and evaluating Mozambique´s
poverty reduction strategy PARPA 2006—2008. A synopsis of three qualitative
studies on rural and urban poverty (pp. 1-23). CMI Report.
56
https://www.cmi.no/publications/file/3356-monitoring-and-evaluating-mozambiques-
poverty.pdf
Ubillus, M., Trujillo-Alvarez, J., Ubillús-Trujillo, J., Zevallos, I. P., y Beraún-Barrantes, J. A.
(2021). Incidencia de COVID-19 en la pobreza, Región Huánuco, 2020. Revista
Peruana de Ciencias de la Salud, 3(3), Art. 3.
https://doi.org/10.37711/rpcs.2021.3.3.350
UNICEF (2020). COVID-19: Impacto en la pobreza y desigualdad. Lima, Perú. Obtenido de
https://www.unicef.org/peru/media/9026/file/Reporte%20t%C3%A9cnico.pdf
UNICEF (2020). La COVID-19 ha generado mayor pobreza y desigualdad en la niñez y
adolescencia. https://www.unicef.org/peru/comunicados-prensa/la-covid-19-ha-
generado-mayor-pobreza-y-desigualdad-en-la-ni%C3%B1ez-y-adolescencia-Banco-
mundial
UNICEF (2021). COVID–19: Impacto de la caída de los ingresos de los hogares en
indicadores de niñez y adolescencia. https://www.unicef.org/peru/informes/covid19-
impacto-de-la-caida-de-los-ingresos-de-los-hogares-en-indicadores-de-ninez-y-
adolescencia
Voelwoen, V. (2018). Analysing poverty in Nigeria through theoretical lenses. Journal of
Sustainable Development, 11(1), 20-31.
Xie, Y., Zhang, B., Yao, Y., Chen, X., y Wang, X. (2022). Mechanism of human capital
influence on household commercial insurance holding behavior—An empirical
analysis based on China household finance survey (CHFS) data. Frontiers in
Environmental Science, 10.
https://www.frontiersin.org/articles/10.3389/fenvs.2022.961184
57
Zhou, Y., y Liu, Y. (2022). The geography of poverty: Review and research prospects.
Journal of Rural Studies, 93, 408-416. https://doi.org/10.1016/j.jrurstud.2019.01.008
Zumaeta, J. (2021). Determinantes de la pobreza urbana y rural en el distrito de
Chachapoyas periodo 2019 [Tesis de Pregrado, Universidad Nacional Toribio
Rodríguez de Mendoza de Amazonas].
https://repositorio.untrm.edu.pe/bitstream/handle/20.500.14077/2570/Zumaeta
%20Huam%c3%a1n%20Jahir%20Anibal.pdf?sequence=1yisAllowed=y
58

Avance de Tesis N°06

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

Avance de Tesis N°06

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE CIENCIAS EMPRESARIALES

Carrera de Economía Y Finanzas

IMPACTO DE LA COVID-19 EN LOS FACTORES ASOCIADOS DE LA

BOZZETA LUGARTE XIOMARA MILUZKA

CHUQUIYAURI SOLANO OLIVER GEORGE

BCRP: Banco Central de Reserva del Perú.

BM: Banco Mundial.

CEPAL: Comisión Económica para América Latina y el Caribe.

COVID-19: Coronavirus de 2019

D.S.: Decreto Supremo.

INEI: Instituto Nacional de Estadística e Informática.

IPE: Instituto Peruano de Economía.

OPS: Organización Panamericana de la Salud.

PBI: Producto Bruto Interno.

UNICEF: Fondo de las Naciones Unidas para la Infancia en Niños, Niñas y

La pandemia de la COVID–19 trajo consigo una de las mayores dificultades

económicos y salubres que el Perú ha pasado en los últimos años. En cuanto al

efectos colaterales en el mundo con una reducción en el PBI de -11.1% en el 2020

(BCRP, 2020; BM, 2023).

Con respecto a la salubridad según el (IPE, 2020) desde el anuncio de una

pandemia en el mundo el Perú ya contaba con un sistema de salud deficiente sumado

ello la presencia del primer caso de COVID – 19 y en aumento incontrolable de casos,

hospitalizaciones y muertes intensificaron el problema definitivamente los problemas

mas visibles la capacidad sanitaria a nivel nacional se contaba con un promedio de 16

camas y 13 médicos por cada 10,000 habitantes; desabastecimiento o incremento de

vez se mostró un desabastecimiento imperativo de los balones de oxigeno y la

se sumo a ello el desabastecimiento de medicamentos teniendo como principal

consecuencia el agotamiento de medicamentos genéricos obligando al demandante a

comprar productos de marca para aliviar la dolencia; mientras que el tema de

infraestructura precariedad en la implementación de camas UCI así como de

hospitales rebasando su capacidad máxima por estos motivos se dejó de proporcionar

cardiovasculares, diabetes, enfermedades huérfanas y atenciones de emergencia

ya sea complicando su situación o dejando que mueran por falta de atención.

información proporcionada, los pobladores una vez expuestos a la COVID-19 se

verían perjudicados en el ámbito sanitario tras no poseer las condiciones materiales

impactos socioeconómicos por las prohibiciones de las medidas extraordinarias

urbana y al 45.7% a los que viven en zonas rurales (INEI, 2022).

Finalmente, el INEI (2020) afirma que la pobreza monetaria se incrementó en

significa un retroceso de 10 años en combatir este problema social. Es indispensable

indicar que, el incremento de la pobreza se encuentra vinculado al estancamiento de

las acciones económicas como consecuencia del estado de emergencia a nivel

nacional y el aislamiento social forzoso por la aparición de la COVID-19 en el país,

estipulado por medio de D.S N°044-2020-PCM.

1.1. Problema de investigación

1.1.1. Planteamiento del problema

Tras la aparición de la COVID-19 y su rápida propagación por el mundo

volvieron a caer en la pobreza debido a los efectos de la pandemia, evidenciándose a

real anual de China fue de 2.2%. (BM, 2023).

Asimismo, en los Estados Unidos, los efectos de la pandemia de la COVID-19

sido generalmente consistentes en la población con bajo nivel educativo, en jóvenes y

adultos mayores sin distinción del sexo. (Mueller et al., 2021).

La pandemia ha logrado afectar considerablemente a los hogares de la Unión

2020 (Almeida et al., 2021).

las medidas tomadas por sus respectivos estados se paralizaron. Asimismo, la

pandemia de la COVID-19 ha tenido un efecto especialmente grave en las poblaciones

urbanas y rurales del África subsahariana, donde 80 millones de personas se han

empobrecido y la tasa de pobreza ha aumentado un 23% para el 2020 con respecto al

En Indonesia, el impacto de la COVID-19 fue severo, teniendo como

consecuencia la reducción del crecimiento económico de un 4.2% en relación al año

En América Latina, durante el año 2020 el nivel de pobreza aumentó un 2.5%,

más afectados: México alcanzando el 50.6% de pobreza, Honduras (58.6%) ,

pobreza a tasas mayores al 6% y 9% para el mismo periodo (Santamaría et al., 2021).

COVID-19 es un factor preponderante en desfavorecer a las economías haciéndolos