Documentos de Académico
Documentos de Profesional
Documentos de Cultura
WWW - Mef.gob - Pe Contenidos Pol Econ Documentos Mapa Pobreza 2007
WWW - Mef.gob - Pe Contenidos Pol Econ Documentos Mapa Pobreza 2007
Provincial y Distrital
2007
El enfoque de la pobreza monetaria
Colaboración
Dilcia Durand Carrión
Carlos Pure Jurado
Ricardo Córdova Córdova
Este documento tiene tres capítulos. El primero describe algunas de las experiencias en la
construcción de mapas de pobreza en el país y su utilidad. El segundo detalla la metodología
utilizada en la elaboración del mapa de pobreza, el proceso de armonización de la base
de datos del Censo con la ENAHO a nivel de hogar y la selección de variables explicativas.
El tercer capítulo presenta un análisis de los principales resultados obtenidos y la focalización
de la pobreza distrital. Finalmente, el documento tiene un anexo metodológico y estadístico,
en el primero se describe las variables explicativas y las ecuaciones de los modelos para
los 24 departamentos y la Provincia Constitucional del Callao; en el anexo estadístico se
presenta información de la población estimada al 30 de junio del 2007, indicadores de
incidencia, brecha y severidad de la pobreza total y extrema, así como indicadores de
desigualdad.
2. Metodología ........................................................................................................ 15
Aspectos
Generales
Los mapas de pobreza fueron inicialmente La elaboración del mapa de pobreza por este Instituto
construidos con el enfoque de necesidades básicas a nivel provincial y distrital responde a la creciente
insatisfechas (NBI) utilizando información de los demanda de información estadística confiable
Censos de Población y Vivienda, como el acceso a desagregada geográficamente y en particular a las
servicios básicos de la vivienda, hacinamiento, calidad necesidades de las políticas del Estado Peruano para
de la vivienda, acceso a la educación, entre otros. priorizar a los distritos más pobres del país. Se
Este enfoque fue utilizado por el Banco Central de constituye en un instrumento de focalización de los
Reserva del Perú (BCR) [2], Fondo de Compensación programas sociales que se viene desarrollando en el
y Desarrollo Social (FONCODES) [7] y por el Instituto país.
Nacional de Estadística e Informática INEI [12].
Adicionalmente, la información del mapa de
En el Perú, los censos nacionales no incluyen pobreza es utilizada por el Ministerio de Economía y
preguntas sobre ingreso y gasto de los hogares, Finanzas para la asignación de los recursos del Fondo
información necesaria para la elaboración del mapa de Compensación Municipal (FONCOMUN),
de pobreza con enfoque monetario, por ello, es Programa del Vaso de Leche, Canon Minero, entre
pertinente combinar información de encuestas de otros programas.
hogares y del censo. Este enfoque fue utilizado por
el Banco Mundial en el Ecuador [10], asimismo, fue La importancia de contar con un mapa de
aplicado en África del Sur [1], Madagascar, pobreza distrital se puede visualizar con los siguientes
Mozambique, Nicaragua, Panamá y en Vietnam [15] mapas temáticos, se observa que con indicadores de
y [16], entre otros países. Elbers et al describen el pobreza departamental y provincial la
uso de esta metodología en Ecuador, Madagascar y georeferenciación de la población pobre queda
Mozambique [6]. dispersa en todo el área geográfica departamental y
provincial. Al contar con un menor nivel de agregación
La primera aplicación con este enfoque fue geográfica la población en condición de pobreza se
realizada en 1996 por el INEI [12], asimismo, por el concentra en los distritos de los departamentos de la
Ministerio de Economía y Finanzas en el año 2001 Sierra, al tener un menor nivel de agregación
[14]. En el 2003, el INEI elaboró el Mapa de Pobreza geográfica hay una mayor probabilidad de
2001 utilizando datos del Censo de 1993 y de la homogeneidad, es decir, que la concentración de
Encuesta Nacional de Hogares (ENAHO) del año población pobre se encuentre en esos distritos.
2001 [13].
Metodología
Para elaborar el mapa de pobreza 2007 con un Hogares 2007, ambas para obtener información a
enfoque monetario se utilizó una metodología que nivel de personas y hogares. Además, se emplearon
combina información de un censo y una encuesta. otras fuentes de datos para obtener información a
Esta metodología permite obtener estimaciones de nivel de distritos como el Registro Nacional de
indicadores que pueden obtenerse de manera Municipalidades - RENAMU 2007, Censo de Talla
confiable con la información de las encuestas de en Escolares 2005, el Censo Agropecuario 1994,
hogares con una desagregación menor que solo es información sobre Mortalidad Infantil 2007 y altitud
posible obtener con información censal. Esta de la capital del distrito.
metodología estima modelos de predicción del
logaritmo del gasto per cápita con la información 2.1.1 Censo de Población y Vivienda 2007
de la encuesta, empleando variables que son
comunes con el censo; aplica los parámetros El XI Censo de Población y VI de Vivienda 2007
estimados a la información del censo para predecir contiene información sobre la magnitud, distribución
el gasto per cápita de cada hogar censado y luego y composición de la población, así como de sus
construye indicadores de pobreza y desigualdad para características sociodemográficas y económicas, y
diferentes niveles de desagregación geográfica. las de sus viviendas y hogares. Este Censo fue de
hecho o de facto, se desarrolló en un solo día en el
2.1 Fuentes de datos área urbana (21 de octubre 2007) y durante 15 días
calendario en el área rural.
Para construir el mapa de pobreza provincial y distrital
se utilizó la información del XI Censo de Población y El contenido de la cédula censal comprendió 5
VI de Vivienda 2007 y la Encuesta Nacional de secciones:
1/ La ENAHO se aplica a viviendas particulares con ocupantes 2 Por excepción, los CCPP capitales de distrito son considerados como
presentes. área urbana aún cuando no reúnan la condición indicada.
CUADRO Nº 2.2 PERÚ: VARIABLES ARMONIZADAS CON INFORMACIÓN DEL CENSO Y ENAHO, 2007
Variables
Tema
Número (%)
Total 156 100,0
Después de la elaboración de las posibles variables El Cuadro 2.3 evidencia a manera de ejemplo el
explicativas o predictivas del consumo, se realizó un proceso de selección de algunas variables predictivas
primer filtro donde se verificó si el valor promedio de a considerarse en el modelo. En este caso, por
la variable estimada en el Censo se encuentra dentro ejemplo, se consideró la variable hogar con siete o
del intervalo de confianza (95%) del valor obtenido más miembros por encontrarse su promedio dentro
en la ENAHO para la misma variable. Al final solo del intervalo de confianza; en cambio la variable
se consideraron como explicativas las que pasaron pared con ladrillo o bloque de cemento no se
esta prueba. considera ya que su promedio no se encuentra dentro
del intervalo de confianza. En el ejemplo, se presentan
algunas variables que cumplen y no la condición para
ser incorporadas en el modelo.
ENAHO 2007
Promedio Censo
Descripción de las variables Similitud IC al 95%
2007
Inferior Superior
Miembros del hogar con edad menor a 5 años p SI 0,841 0,792 1,006
Personas de 15 años a más que no saben leer ni escribir a SI 0,119 0,079 0,142
^
⎡ AB ⎤ 1 ⎡ AB(1 − B) ⎤ ^
Donde el valor esperado del log( ych) está expresado σ 2 = ⎢ ⎥ + Var (τ ) ⎢ 3 ⎥
donde B = z 'ch α . (2.3)
como la combinación lineal de K características
⎣1 + B ⎦ 2 ⎣ (1 + B) ⎦
observadas (variables explicativas). Los coeficientes ^
de esta combinación lineal, β= (β1,…….., βK), son i) Usar σ2
^
yσ2
^
c
para construir, una matriz ∑
comunes a todos los hogares. El término de
varianza - covarianza de dimensión igual al número
perturbación uch está descompuesto en dos partes
de hogares en la encuesta y con estructura dada por:
independientes entre sí y distribuidas normalmente:
εc y εch. El término estocástico εc es común a los
hogares de un mismo conglomerado y captura las
diferencias de gasto entre los hogares con las mismas
características que viven en diferentes localidades,
en tanto, que la perturbación εch está asociada a cada ^
Usar ∑
hogar individualmente y captura las diferencias de
j) para estimar β vía MCG.
gasto entre hogares con las mismas características
debido a razones no explicadas por el modelo.
Resultados obtenidos. Con el modelo ajustado se
^ obtuvieron 25 modelos de predicción del consumo
a) Obtener una estimación de esa matriz ∑ y luego
(24 departamentos y la Provincia Constitucional del
estimar los β usando MCG4/ . Callao). Se constata que para cada departamento
b) Estimar β en (2.1) usando Mínimos Cuadrados las variables predictoras son diferentes y, también, el
Ordinarios (MCO). número de variables varía. Por ejemplo, en Puno, 12
variables explican el consumo, mientras que en Lima
c) Usar los residuos de la regresión vía MCO como
^ fueron 31 variables.
uch , (estimaciones de u ), y utilizar las medias de
ch
tales residuos por conglomerado como En los Cuadros 2.4, 2.5 y 2.6 se muestran las
^
ε c (estimaciones de εc). variables predictoras para los 24 departamentos y la
d) Usar los valores de
^ Provincia Constitucional del Callao. Las variables
ε c para estimar σ 2 c y su
^ que están presentes en la mayoría de los modelos
varianza , es decir, σ 2 c y ^
var( σ 2 c ) .
son: número de servicios de comunicación que tiene
3/ Ya que los niveles de un factor secundario aparecen asociados a un el hogar (telefonía, Internet y cable), significativo en
único nivel del factor principal. 21 de los 25 modelos; número de equipos que tiene
4/ Una descripción bastante didáctica de este procedimiento se encuentra
en Mistiaen et al. (2002).
Lima iservicio, ltamhab, iequipo, seguro, limaa, piso2, piso3, pared1, pobrur, cota1, Computad, combcos, 31
pet1564, agua1, pob0614, disttmp5, tamcent3, pob7199, pob1599, pob6599, rattam1, ratprim2, agrgper,
servbas3, jefeserv, tamcent2, ltamviv, total_NBI, NBI2_, pared3, icastell.
La Libertad iequipo, ltamhab, meduhog1, iservicio, medtrans, pet1564, ratsup2, pobrur, combcos, pared2, rattam3, 23
interneD, meducony, agrtvac, rattam1, ratsinh, desncr2, desncr1, agua1, telefono, pob0617, ratprim3,
ratprim1
Piura iequipo, ltamhab, iservicio, meduhog1, disttmp3, interneD, pob6570, piso3, rattam1, ratprim3, combcos, 21
Computad, icastell, promvac, agrgper, altitud2, desncr1, poburb, pob0614, ratsup4d, ratsup4
Ica iservicio, ltamhab, ratsup2, poburb, tvcolor, Lavadora, seguro, pob1899, ratprim3, NBI3_2007, 21
alumbrpub, ratsup4d, pob0617, tenviv, jefeinde, edusup2, edusup3, pob0609, tamhog1, servhig1, agua2
Lambayeque iequipo, ltamhog, iservicio, NBI3_2007, desncr1, pet1564, seguro, poburb, piso3, jefemanu, cota1, 20
tamviv, ltamviv, pared1, pob7199, pob0012, ratprim1, eduprim3, eduprim1, Refrig
Callao iservicio, ltamviv, total_NBI, rattam2, seguro, pob1599, eduyears, eqson, Computad, piso1, agua3, 18
servhig3, Lavadora, cota1, tamviv, pob6570, catecony, ratsup4d
Tumbes iequipo, ltamhog, edu1599, iservicio, pobrur, radio, almenos_1, ratnoas2, pared1, agrgper, pob6599, 18
servbas1, desncr1, agrtvac, edusup1, pob2564, interneD, servhig2
Tacna iequipo, ltamhog, iservicio, altitud3, eduprim2, total_NBI, interneD, telefono, desncr2, internet, tmi, 17
servhig3, jefemanu, disttmp3, ratsint, Lavadora, tamhog4
Moquegua iequipo, ltamhab, iservicio, eduprim2, poburb, desncr2, tothab, seguro, rattam3, NBI5_2007, combcos, 14
jefemanu, ratsup4, cota1
El Cuadro 2.5 presenta las variables significativas en por Pasco con 20 variables, Ayacucho y Huánuco
el modelo de los departamentos de la Sierra (11 con 19 cada uno, mientras que en Puno sólo 12
departamentos). En el departamento del Cusco, 21 variables explican el consumo.
variables predictoras explican el consumo, seguido
Nº de
Departamento Variables
variables
Cusco iequipo, pob0012, meduhog2, ltamhab, tamviv, tmi, agua2, servhig3, alumbrpub, agrgper, 21
electri2, tothab, tamcent3, altitud2, disttmp5, radio, pob1014, pob2564, titpropt, celular,
servhig2
Pasco iequipo, ltamhog, iservicio, ratsup3, hacinam3, altitud2, ratsec1, combcos, pobrur, pob0609, 20
seguro, ratnoas1, disttmp5, pet1564, pobmuj, tamcent1, eqson, electri1, promvac, pob1864
Ayacucho piso3, rattam2, iequipo, migrac, ratprim2, cota1, poburb, altitud2, servbas2, iservicio, seguro, 19
medtrans, desncr2, tmi, electri2, pob7199, agrgper, total_NBI, combcos
Huánuco meduhog2, pob0014, iservicio, altitud1, NBI3_2007, poburb, tvcolor, Refrig, promvac, pob1824, 19
rattam2, edu1599, eduyears, Computad, ratsinh, ratprim3, pared1, ratnoas1, altitud2
Junín iequipo, ltamhog, iservicio, meduhog2, rattam1, poburb, pared1, seguro, agrtvac, NBI3_2007, 18
inativa, tamcent3, tvcolor, pob1599h, pobmuj, eduprim2, agua1, disttmp3
Cajamarca meduhog2, rathab, iequipo, migrac, rattam2, edu1599, celular, altitud1, NBI3_2007, ratprim1, 18
tmi, nbi4_2007, Refrig, disttmp3, piso3, servbas1, pob0005, hacinam3
Arequipa iequipo, iservicio, ltamhog, ratprim1, tothab, pobrur, radio, rattam1, combcos, NBI5_2007, 17
pob6599, inativa, vivien2, agua3, ltamviv, edusup4, edusup2
Áncash iequipo, ltamhab, edu1599, iservicio, NBI3_2007, piso3, poburb, cota1, edusec2, desncr2, 16
ratsup4, educony, altitud3, agrtvac, tamcent2, eduprim3
Apurímac ratsup3, pob0014, iequipo, NBI3_2007, disttmp3, tamhog1, altitud1, meduhog2, tamhog2, 16
tothab, ratprim3, servbas1, combcos, agrgper, pob7199, tmi
Huancavelica piso3, rattam1, meduhog2, NBI2_2007, iequipo, disttmp5, promvac, jefeserv, pob1314, 16
pob1899, edusup4, radio, pob1599h, servbas2, pob2564, medtrans
Puno iservicio, medujefe, combcos, tvcolor, rattam1, altitud2, disttmp5, tamhog, eduyears, pob0012, 12
edusup4, NBI5_2007
El Cuadro 2.6 refleja el número de variables variables predictoras (22), Ucayali y Loreto (con 18
predictoras que tiene el modelo de regresión en los cada uno), Madre de Dios con 17 y Amazonas es el
cinco departamentos que conforman la región Selva, que presenta el menor número de variables
siendo San Martín el que tiene el mayor número de predictoras (14).
San Martín iequipo, poburb, combcos, agrtvac, ratsup3, migrac, iservicio, rattam2, Computad, inativa, 22
trainfan, pob6570, meduhog2, pob1824, radio, medtrans, disttmp3, tamcent3, pob0005, piso3,
edusup4, disttmp5
Loreto iequipo, ltamhab, iservicio, NBI1_2007, altitud1, pobrur, icastell, meduhog1, pob1564, cota1, 18
tamhog4, edusec2, interneD, NBI3_2007, pob0005, Computad, combcos, Lavadora
Madre de Dios pob0012, iservicio, ltamhab, Refrig, edupea, trainfan, NBI1_2007, Lavadora, agua1, eqson, 17
seguro, Computad, tvcolor, ocupa1899, pob1012, medtrans, piso2
2.3.3 Imputación del gasto en los hogares que para el gasto, el valor utilizado como estimador
del Censo puntual de uno de esos indicadores es el promedio
de las R réplicas. Así, si Wa denota un indicador de
Esta imputación se hace mediante un proceso de pobreza o desigualdad del área a su estimación
simulación donde se utilizan los parámetros de las puntual estará dada por:
distribuciones estimadas. La simulación consiste en
generar valores de tales parámetros para estimar con R ^
^ 1
ellos el gasto familiar por persona utilizando la W a = åW t
R t =1 a '
(2.6)
siguiente expresión:
^ t
Donde W a ' es el valor del indicador para el área
^ R ^
ych = exp éê x ' ch b + u t sh ùú; ( 2 . 5 ) obtenido con los valores simulados de gasto per
ë û cápita en la iteración r.
Donde t denota el número de la iteración o muestra
En el marco del presente trabajo se estimaron los
generada. Este procedimiento de imputación se repite
R veces, generando a cada iteración, una muestra o siguientes indicadores a nivel de áreas pequeñas:
réplica completa de los valores de gasto de todos los
hogares del censo. La media de esos R valores es la Pobreza. Incidencia, brecha y severidad de la
estimación puntual del gasto, mientras que la pobreza, los cuales pueden derivarse de la expresión5:
desviación estándar será el error asociado a esta
estimación. 1 q
a
P a = å
n j = 1
[ ( z - y j ) z ]
2.3.4 Cálculo de Indicadores de pobreza y
desigualdad para los hogares del Censo
Se observa que el porcentaje de variación explicado Entre los estadísticos de Anova7/, los valores "F"
por cada uno de los modelos varía entre 55,9% y calculados, los cuales se comparan con los valores
75,9%, rango que indica una bondad de ajuste críticos de una distribución F, sirven para validar el
satisfactoria. En la Costa, el modelo de consumo modelo teniendo en consideración al conjunto de
ajustado para La Libertad y Lima son los que explican variables incluidas en el mismo. Cuanto más alto es
en más del 70% el consumo de los hogares, 75,9% y el F calculado más reducida es su significancia
70,1%, respectivamente, en la Sierra, Cusco y Junín asociada (sig) y, por tanto, más alta la probabilidad
presentaron los valores más altos de R2, 70,9% y de que las variables del modelo en su conjunto sean
68,7% y en la Selva fueron Loreto y Ucayali los que significativas. En el departamento de Áncash el valor
presentaron los más altos valores de R2 (69,4% y del estadístico F es de, 121,8; para el departamento
68,7%). Cabe indicar que para obtener las de Lima es 206,7 siendo estos los más altos, en tanto,
estimaciones de pobreza a nivel de departamentos, los valores más bajos se presentan en los
provincias y distritos también se tuvo en consideración departamentos de Madre de Dios y Apurímac con
los parámetros de la distribución de los residuos de 52,4 y 57,9, respectivamente.
Estadísticos Anova
Región / Departamento
2
R ajustado SEE df1 df2 F Sig
COSTA
Callao 65,5 0,3 18 587 64,7 0,000
Ica 61,9 0,3 21 855 68,7 0,000
La Libertad 75,9 0,3 23 811 115,0 0,000
Lambayeque 68,9 0,3 20 825 94,5 0,000
Lima 70,1 0,3 31 2694 206,7 0,000
Moquegua 60,8 0,4 14 651 74,8 0,000
Piura 64,7 0,4 21 987 89,0 0,000
Tacna 68,0 0,3 17 680 88,3 0,000
Tumbes 63,7 0,3 18 637 65,0 0,000
SIERRA
Áncash 68,1 0,4 16 889 121,8 0,000
Apurimac 57,0 0,3 16 670 57,9 0,000
Arequipa 67,4 0,3 17 876 109,5 0,000
Ayacucho 55,1 0,4 19 863 58,0 0,000
Cajamarca 57,1 0,4 18 927 70,9 0,000
Cusco 70,9 0,4 21 840 100,7 0,000
Huancavelica 60,4 0,4 16 737 72,7 0,000
Huánuco 67,5 0,3 19 853 96,4 0,000
Junín 68,7 0,3 18 930 116,6 0,000
Pasco 65,8 0,4 20 633 63,7 0,000
Puno 55,9 0,4 12 862 93,3 0,000
SELVA
Amazonas 57,0 0,4 14 841 81,8 0,000
Loreto 69,4 0,3 18 867 112,6 0,000
Madre de Dios 57,6 0,3 17 625 52,4 0,000
San Martín 59,5 0,4 22 877 61,1 0,000
Ucayali 68,7 0,4 18 693 87,8 0,000
7/ Análisis de varianza
1,0
0,9
Proporción de población pobre
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
Ica
Madre de Dios
Tumbes
Lima
Tacna
Ucayali
Piura
Amazonas
Callao
Arequipa
Moquegua
La Libertad
Loreto
Cusco
Pasco
Lambayeque
Áncash
Junín
San Martín
Cajamarca
Huánuco
Puno
Ayacucho
Apurímac
Huancavelica
Igualmente, los valores del gasto promedio per cápita que las estimaciones obtenidas con ELL reproducen
estimados se encuentran dentro del intervalo de de manera adecuada la información que se obtiene
confianza de los estimados con la información de la directamente de la ENAHO.
ENAHO 2007. Consecuentemente, se puede decir
700
600
Gasto por persona (a precios de Lima Met.)
500
400
300
200
100
Apurimac
Puno
Piura
Ucayali
Huancavelica
Ayacucho
Pasco
Amazonas
Huánuco
Cajamarca
Cusco
Loreto
San Martín
Junín
Ancash
Lambayeque
Ica
Callao
La Libertad
Moquegua
Tumbes
Tacna
Arequipa
Madre de Dios
Lima
Provincia Distrito
75 75
65 65
55 55
45 45
CV (%)
CV (%)
35 35
25 25
15
15
5
5
Análisis de
Resultados
Gastos
No Pobres
LPT
x x Pobres
No Extremos
x
LPEX
Pobres
Extremos
Población
1
Gastos
Personas pobres
¿Cuál es la distancia
nro _ pobres
1 § LP Gasto · promedio entre el gasto de
BRECHA
Pob
¦
ind 1
¨
© LP
ind
¸
¹
los pobres y la línea de
pobreza?
nro _ pobres 2
1 § LP Gasto · ¿Cuál es la desigualdad de los
SEVERIDAD
Pob
¦
ind 1
¨
© LP
ind
¸
¹
gastos entre los pobres?
i) Incidencia. En el siguiente caso se tiene dos (ii) Brecha. Con diferentes niveles de gasto de los
poblaciones compuesta por seis personas cada una. pobres en la población I y con el mismo nivel de
En ambas, la mitad de la población tiene gastos per gasto de los pobres en la población II, la brecha o
cápita menores al valor de la canasta mínima de profundidad es de 20,0% para ambas poblaciones.
consumo, es decir, la incidencia de la pobreza afecta La brecha mide la distancia promedio entre el gasto
al 50,0% de la población. de los pobres a la línea de pobreza. En la población I
diferentes distancias se compensan al promediarlos,
en tanto que, en la población II presentan igual nivel
de gasto.
Población I Población II
Seis personas de las cuales tres son pobres, Seis personas de las cuales tres son pobres,
cuyos gastos son: 80, 60 y 40 respectivamente cuyos gastos son todos iguales a 60
120
120
110
110 Línea de Pobreza
Línea de Pobreza
Gasto percápita mensual
Gasto percápita mensual
100
100
Distancia = 40
Distancia = 40
Distancia = 40
Distancia = 20
Distancia = 40
Distancia = 60
90
90
80 80
70 70
60 60
INCIDENCIA (%) = 50% INCIDENCIA (%) =50%
50 50
BRECHA (%) = 20% BRECHA (%) = 20%
40 SEVERIDAD (%) =9,3% 40
SEVERIDAD (%) = 8%
30 30
Persona 1 Persona 2 Persona 3 Persona 1 Persona 2 Persona 3
CUADRO Nº 3.1 PERÚ: DISTRITOS CON MAYOR Y MENOR INCIDENCIA DE POBREZA, 2007
Más pobres
La Libertad Pataz Ongón 99,7 97,2 1
La Libertad Bolivar Bambamarca 98,7 92,4 2
Huancavelica Angaraes San Antonio de Antaparco 97,9 91,7 3
La Libertad Bolivar Condormarca 97,5 83,3 4
Huancavelica Tayacaja Tintay Puncu 97,0 92,3 5
Huancavelica Tayacaja Salcahuasi 96,5 87,1 6
Huancavelica Angaraes Anchonga 96,1 86,0 7
Puno Sandia Patambuco 95,9 73,7 8
Huancavelica Tayacaja Surcubamba 95,8 86,1 9
Huancavelica Churcampa Chinchihuasi 94,9 84,1 10
Menos pobres
Lima Lima San Isidro 1,3 0,0 1832
Callao Callao La Punta 1,4 0,0 1831
Lima Lima Miraflores 1,8 0,0 1830
Lima Lima Jesús María 3,1 0,0 1829
Lima Lima San Borja 3,2 0,1 1828
Lima Lima La Molina 3,5 0,0 1827
Lima Lima Magdalena Vieja 3,5 0,1 1826
Moquegua Ilo Pacocha 3,8 0,4 1825
Arequipa Arequipa Yanahuara 3,9 0,3 1824
Lima Lima Magdalena del Mar 4,3 0,1 1823
1/ Ordenamiento de menor a mayor en función al porcentaje de pobreza total.
El Gráfico 3.1 muestra que de los 1 mil 832 distritos, Del total de distritos con 75,0% a más de pobreza
el 10,4% son menos pobres (190 distritos), con un total, 340 se concentran en los departamentos de
porcentaje de pobreza total menor al 25,0%; el 25,1% Puno (91), Huancavelica (84), Ayacucho (63), Cusco
(459 distritos) tienen un rango de pobreza entre (58) y Apurimac (44), que en conjunto representan el
25,0% y 49,9%; el 34,8% (639 distritos) entre 50,0% 62,5%.
y 74,9% y el 29,7%, es decir, 544 distritos con un
porcentaje de pobreza total de 75,0% a más.
10,4%
29,7%
25,1%
34,8%
Menos de 25,0 25,0 - 49,9 50,0 - 74,9 75,0 a más
El Gráfico Nº 3.2 muestra la distribución de los Se observa que 638 distritos se encuentran entre
distritos del país en relación con los porcentajes de 50,0% y 75,0% de pobreza total y con porcentaje
la pobreza total y de la pobreza extrema. Se debe menor al 50,0% de pobreza extrema. Es preciso
destacar, que 190 distritos presentan porcentajes de mencionar que seis distritos tienen más del 75,0% de
pobreza total y extrema menores al 25,0%. Asimismo, pobreza total, sin embargo, la pobreza extrema es
24 distritos tienen los más altos porcentajes de menor a 25,0%.
pobreza total y extrema situándose en 75,0% a más.
Pobreza extrema
100
(24 distritos)
75
( 1 distrito )
(250 distritos)
50
(367 distritos)
(264 distritos)
25
(459 distritos) (6 distritos)
(190 distritos)
(271 distritos)
0
0 25 50 75 100
Pobreza total
CUADRO Nº 3.2 PERÚ: DISTRITOS CON MAYOR Y MENOR INCIDENCIA DE POBREZA POR
INDICADORES DE DESIGUALDAD, 2007
Más pobres
La Libertad Pataz Ongón 0,21 0,07 0,08 0,09
La Libertad Bolivar Bambamarca 0,22 0,08 0,09 0,11
Huancavelica Angaraes San Antonio de Antaparco 0,32 0,17 0,18 0,24
La Libertad Bolívar Condormarca 0,21 0,07 0,08 0,10
Huancavelica Tayacaja Tintay Puncu 0,32 0,16 0,18 0,23
Huancavelica Tayacaja Salcahuasi 0,31 0,16 0,17 0,23
Huancavelica Angaraes Anchonga 0,32 0,17 0,18 0,26
Puno Sandia Patambuco 0,24 0,09 0,10 0,11
Huancavelica Tayacaja Surcubamba 0,32 0,17 0,18 0,24
Huancavelica Churcampa Chinchihuasi 0,33 0,17 0,19 0,27
Menos pobres
Lima Lima San Isidro 0,28 0,12 0,13 0,15
Callao Callao La Punta 0,26 0,11 0,11 0,13
Lima Lima Miraflores 0,28 0,13 0,13 0,16
Lima Lima Jesús María 0,28 0,13 0,13 0,15
Lima Lima San Borja 0,27 0,12 0,12 0,13
Lima Lima La Molina 0,28 0,13 0,12 0,14
Lima Lima Magdalena Vieja 0,27 0,12 0,12 0,14
Moquegua Ilo Pacocha 0,29 0,14 0,15 0,19
Arequipa Arequipa Yanahuara 0,32 0,17 0,17 0,20
Lima Lima Magdalena del Mar 0,28 0,13 0,13 0,15
Distritos más pobres. Al interior del grupo de los gastos de consumo. El índice de Gini en este subgrupo
distritos más pobres se presentan dos subgrupos: uno va de 0,31 en Salcahuasi a 0,33 en Chinchihuasi, en
conformado por los distritos de los departamentos tanto que el índice Theil 2, que es más sensible ante
de La Libertad y Puno; y el otro, por todos los distritos cambios en el consumo en la parte alta de la
del departamento de Huancavelica. El primer distribución, va de 0,23 a 0,27 respectivamente, en
subgrupo, que contiene a los dos distritos con la los distritos mencionados.
mayor incidencia de pobreza (Ongón 99,7% y
Bambamarca 98,7%) entre los más pobres, tienen Este contraste que se observa entre los diez distritos
los menores índices de desigualdad, no solo de todo más pobres, es decir, un subconjunto de distritos muy
el grupo al que pertenece, sino incluso respecto a pobres con poco margen para la desigualdad en los
todos los distritos menos pobres. gastos de su población junto a un subgrupo con
elevada desigualdad, está detrás de la mayor
En cambio, el segundo subgrupo de los más pobres, variabilidad en la desigualdad que muestra el grupo
conformado por todos los distritos de Huancavelica, de los distritos más pobres del país.
evidencia mayor inequidad en la distribución de los
Los mapas de pobreza como instrumentos de Asimismo, el mapa focaliza los distritos con mayor
focalización geográfica tienen como objetivo brecha y severidad de pobreza, ellos se ubican en el
identificar áreas geográficas en las cuales se concentra departamento de Huancavelica, indicando que son
el mayor número de población en condición de estos distritos quienes presentan una mayor distancia
pobreza facilitando la priorización de la asignación a la línea de pobreza, así como mayor desigualdad
del gasto público. del gasto.
Es así, que con los indicadores de pobreza y También, permite identificar los distritos con mayor
desigualdad se han elaborado mapas temáticos que desigualdad en el gasto, los distritos con mayor
identifican los distritos donde se concentra la mayor desigualdad se ubican en el departamento de
incidencia de pobreza total y extrema, así como otros Huancavelica con valores entre 0.32 a 0.43, en tanto,
indicadores de desigualdad. los distritos con menor desigualdad se encuentran
en los departamentos de Puno e Ica.
Los mapas muestran que la pobreza total se
concentra en los distritos de los departamentos de Del mismo modo, se focaliza geográficamente los
Huancavelica, Ayacucho, Apurimac, Cusco y Puno distritos con mayor incidencia de pobreza extrema,
y en menor número en los distritos de los ubicándose el mayor número de estos distritos en el
departamentos de la región Sierra. departamento de Huancavelica y Cusco.
Anexo
Metodológico
Características de la población
pob0005 Miembros del hogar con edad menor o igual que 5 años
pob0012 Miembros del hogar con edad menor o igual que 12 años
pob0014 Miembros del hogar con edad menor o igual que 14 años
pob0609 Miembros del hogar con edad entre 6 y 9 años
pob0614 Miembros del hogar con edad entre 6 y 14 años
pob0617 Miembros del hogar con edad entre 6 y 17 años
pob1012 Miembros del hogar con edad entre 10 y 12 años
pob1014 Miembros del hogar con edad entre 10 y 14 años
pob1314 Miembros del hogar con edad entre 13 y 14 años
pob1517 Miembros del hogar con edad entre 15 y 17 años
pob1899 Miembros del hogar de 18 a más años de edad
pob1824 Miembros del hogar con edad entre 18 y 24 años
pob1864 Miembros del hogar con edad entre 18 y 64 años
pob1599 Miembros del hogar de 15 a más años de edad
pob1564 Miembros del hogar con edad entre 15 y 64 años
pob1599h Hombres miembros del hogar con edad entre 15 y 64 años
pob1599m Mujeres miembros del hogar con edad entre 15 y 64 años
pob2564 Miembros del hogar con edad entre 25 y 64 años
pob6599 Miembros del hogar de 65 a más años de edad
pob6570 Miembros del hogar con edad entre 65 y 70 años
pob7199 Miembros del hogar de 71 a más años de edad años
rattam1 Ratio de miembros de 0 a 12 años entre el total de miembros del hogar
rattam2 Ratio de miembros de 0 a 14 años entre el total de miembros del hogar
rattam3 Ratio de miembros de 0 a 14 años y de 65 a más de edad entre el total de miembros del
hogar
tamhog Número total de miembros en el hogar
tamviv Número de personas en la vivienda
pobmuj Número de mujeres en el hogar
poburb Número de población rural
pobrur Número de población urbana
tamhog1 Hogar unifamiliar
tamhog2 Hogar con dos miembros
tamhog3 Hogar con tres o cuatro miembros
tamhog4 Hogar con cinco o seis miembros
tamhog5 Hogar con siete o más miembros
seguro Miembros del hogar que tienen algun seguro de salud
inativa Lengua materna quechua, aymara u otra lengua nativa
icastell Lengua materna castellano
migrac Nativo del distrito donde se realizó la entrevista/empadronamiento
Caracteristicas educativas
noasist1 Miembros del hogar de 6 a 14 años que no asisten a un centro educativo regular
noasist2 Miembros del hogar de 6 a 17 años que no asisten a un centro educativo regular
analft Miembros del hogar de 15 a más años de edad que no saben leer ni escribir
analfh Hombres de 15 a más años que no saben leer ni escribir
analfm Mujeres de 15 a más años que no saben leer ni escribir
Características educativas
edu1564 Número de años de educación de todos los miembros del hogar entre 15 y 64 años
edu1599 Número de años de educación de todos los miembros del hogar de 15 a más años de edad
eduyears Número de años de educación de los miembros del hogar
edupea Número de años de educación de la PEA
eduprim1 Número de miembros del hogar de 15 a más años con primaria completa
eduprim3 Número de miembros del hogar entre 15 y 64 años con primaria completa
eduprim2 Número de miembros del hogar de 18 a más años con primaria completa
edusec1 Número de miembros del hogar de 18 a más años con secundaria completa
edusup4 Número de miembros del hogar entre 18 y 24 años que actualmente asisten a la universidad
edusup1 Número de miembros del hogar de 18 a más años con educación superior no universitaria
completa
edusup2 Número de miembros del hogar de 18 a más años con educación superior universitaria
completa
edusup3 Número de miembros del hogar de 18 a más años con educación superior universitaria o no
universitaria completa
edusec2 Número de miembros del hogar de 18 y 64 años con secundaria completa
edujefe Número de años de estudios del jefe del hogar
educony Número de años de estudios de la cónyuge del jefe del hogar
edujefec Años de estudios del jefe del hogar elevado al cuadrado
educonyc Años de estudios de la cónyuge del jefe de hogar elevado al cuadrado
ratnoas1 Ratio de la población de 6 a 14 años que no asiste a un centro educativo regular entre la
población total de 6 a 14 años
ratnoas2 Ratio de la población de 6 a 17 años que no asiste a un centro educativo regular entre la
población total de 6 a 17 años
ratsup4 Ratio de la población de 18 a 24 que asiste a la universidad entre la poblacion total de
18 a 24 años
ratsup4d Ratio de miembros de 18 a 24 años de edad en el distrito que asisten actualmente a la
universidad entre los miembros de 18 a 24 años de edad en el distrito
ratsint Ratio de analfabetos entre el total de miembros de 15 años o más de edad
ratsinh Ratio de analfabetos hombres entre el total de miembros varones de 15 a más años de edad
ratsinm Ratio de analfabetas mujeres entre el total de miembros mujeres de 15 a más años de edad
meducony Ratio entre n° de años promedio de educación del conyuge del jefe del hogar entre 16 años
de estudios
meduhog1 Ratio entre n° de años promedio de educación de los miembros con edad entre15 y 64 años
entre 16 años de estudios
meduhog2 Ratio entre n° de años promedio de educación de los miembros del hogar de 15 años o mas
entre 16 años de estudios
medujefe Ratio entre n° de años de educación del jefe del hogar entre 16 años de estudios
ratprim1 Ratio de miembros del hogar con educación primaria completa entre el total de miembros de
15 a más años de edad
ratprim3 Ratio de miembros del hogar con educación primaria completa entre el total de miembros
de 15 a 64 años
ratprim2 Ratio de miembros del hogar con educación primaria completa entre el total de miembros
de 18 a más años
ratsec1 Ratio de miembros del hogar con educación secundaria completa entre el total de miembros
de 18 a más años de edad
Características educativas
ratsec2 Ratio de miembros del hogar con educación secundaria completa entre el total de miembros
de 18 a 64 años de edad
ratsup1 Ratio de miembros del hogar con superior no universitaria completa entre el total de miembros
de 18 a más años de edad
ratsup3 Ratio de miembros del hogar con superior no universitaria o universitaria completa entre el
total de miembros de 18 años a más años de edad
ratsup2 Ratio de miembros del hogar con superior universitaria completa entre el total de miembros
de 18 a más años de edad
Otras variables
gasper Gasto per cápita del hogar
gasper2 Logaritmo del gasto per cápita
ltamhab Logaritmo del número de habitaciones
ltamhog Log del número total de miembros en el hogar
ltamviv Log del número de personas en la vivienda
NBI1_2007 Hogares en viviendas con características físicas inadecuadas
NBI2_2007 Hogares en vivienda sin abastecimiento adecuado de agua
NBI3_2007 Hogares en vivienda sin desagüe
nbi4_2007 Hogares con niños de 6 a 12 años que no asisten a la escuela
NBI5_2007 Hogares con baja capacidad económica
total_NBI Total de Necesidades básicas insatisfechas (NBI)
almenos_1 Al menos con una Necesidad básica insatisfecha (NBI)
DEPARTAMENTO DE LA COSTA
LIMA
lgpc= 6,27 +0,13*iservicio -0,7*ltamhab +0,06*iequipo +0,03*seguro +0,11*limaa -0,26*piso2 +0,24*piso3
+0,16*pared1 +0,05*pobrur +0,03*cota1 +0,11*Computad +0,09*combcos +0,2*pet1564 +0,13*agua1
+0,02*pob0614 -0,38*disttmp5 +0,07*tamcent3 +0,04*pob7199 -0,17*pob1599 +0,17*pob6599 -
0,24*rattam1 +0,17*ratprim2 -0,07*agrgper -0,09*servbas3 +0,03*jefeserv +0,06*tamcent2 -0,08*ltamviv -
0,06*total_NBI +0,11*NBI2_2007 -0,08*pared3 +0,01*icastell
LA LIBER
LIBERTTAD
lgpc= 5,81 +0,11*iequipo -0,82*ltamhab +0,69*meduhog1 +0,09*iservicio -0,63*medtrans +0,08*pet1564
+0,21*ratsup2 +0,05*pobrur +0,15*combcos -0,1*pared2 +0,28*rattam3 +0,14*interneD +0,01*educony
+0,42*agrtvac -0,29*rattam1 -0,15*ratsinh -0,03*desncr2 +0,02*desncr1 +0,12*agua1 +0,09*telefono
+0,03*pob0617 -0,36*ratprim3 +0,24*ratprim1
PIURA
lgpc= 6,3 +0,08*iequipo -0,73*ltamhab +0,12*iservicio +0,89*meduhog1 -0,23*disttmp3 -0,21*interneD
+0,12*pob6570 +0,1*piso3 -0,17*rattam1 -0,19*ratprim3 +0,12*combcos +0,16*Computad +0,09*icastell
-0,05*promvac +0,36*agrgper +0,21*altitud2 -0,01*desncr1 -0,02*poburb -0,03*pob0614 -0,35*ratsup4d
+0,14*ratsup4
ICA
lgpc= 5,89 +0,13*iservicio -0,82*ltamhab +0,5*ratsup2 -0,02*poburb +0,12*tvcolor +0,23*Lavadora +0,03*seguro
+0,13*pob1899 +0,23*ratprim3 -0,13*NBI3_2007 +0,45*alumbrpub +0,27*ratsup4d +0,09*pob0617
+0,1*tenviv +0,06*jefeinde -0,11*edusup2 +0,06*edusup1 -0,06*pob0609 -0,18*tamhog1 -0,09*servhig1 -
0,07*agua2
LAMBA YEQUE
LAMBAYEQUE
lgpc= 6,21 +0,14*iequipo -0,84*ltamhab +0,14*iservicio -0,16*NBI3_2007 -0,01*desncr1 +0,12*pet1564
+0,03*seguro -0,03*poburb +0,09*piso3 -0,16*jefemanu +0,05*cota1 -0,06*tamviv +0,29*ltamviv
+0,06*pared1 +0,07*pob7199 +0,05*pob0012 +0,17*ratprim1 -0,16*eduprim3 +0,12*eduprim1 -0,09*Refrig
CALLA
CALLAOO
lgpc= 6,6 +0,1*iservicio -0,37*ltamviv -0,05*total_NBI -1,01*rattam2 +0,03*seguro -0,17*pob1599 +0,01*eduyears
+0,11*eqson +0,12*Computad +0,18*piso1 -0,17*agua3 +0,18*servhig3 +0,1*Lavadora +0,04*cota1
+0,05*tamviv +0,08*pob6570 +0,11*catecony +0,26*ratsup4d
TUMBES
lgpc= 6,64 +0,13*iequipo -0,8*ltamhab +0,01*edu1599 +0,07*iservicio +0,05*pobrur -0,12*radio -0,18*almenos_1
+0,19*ratnoas2 +0,07*pared1 +0,22*agrgper +0,1*pob6599 -0,16*servbas1 -0,02*desncr1 +0,55*agrtvac
+0,07*edusup1 +0,04*pob2564 +0,2*interneD -0,08*servhig2
TACNA
lgpc= 6,17 +0,11*iequipo -0,68*ltamhab +0,24*iservicio -0,56*altitud3 +0,09*eduprim2 -0,06*total_NBI -
0,28*interneD -0,16*telefono -0,02*desncr2 -0,2*internet +0,03*tmi +0,17*servhig3 -0,14*jefemanu
+0,34*disttmp3 -0,24*ratsint +0,12*Lavadora +0,07*tamhog4
MOQUEGU
MOQUEGUA A
lgpc= 6,35 +0,09*iequipo -0,48*ltamhab +0,14*iservicio +0,04*eduprim2 -0,08*poburb -0,02*desncr2 +0,04*tothab
+0,05*seguro -0,21*rattam3 -0,13*NBI5_2007 +0,11*combcos -0,21*jefemanu +0,18*ratsup4 +0,05*cota1
DEPARTAMENTO DE LA SIERRA
CUSCO
lgpc= 6,36 +0,16*iequipo -0,1*pob0012 +0,78*meduhog2 -0,66*ltamhab +0,07*tamviv-0,004*tmi -0,18*agua2
+0,12*servhig3 -0,48*alumbrpub +0,33*agrgper -0,12*electri2 +0,03*tothab +0,23*tamcent3 -0,27*altitud2
-0,27*disttmp5 -0,12*radio +0,05*pob1014 +0,05*pob2564 -0,34*titpropt +0,09*celular +0,11*servhig2
PASCO
lgpc= 5,89 +0,08*iequipo -0,59*ltamhab +0,13*iservicio +0,15*ratsup1 -0,18*hacinam3 -0,24*altitud2 +0,22*ratsec1
+0,18*combcos +0,05*pobrur -0,1*pob0609 +0,03*seguro +0,33*ratnoas1 -0,32*disttmp5 +0,12*pet1564
-0,06*pobmuj -0,1*tamcent1 +0,12*eqson +0,14*electri1 +0,04*promvac -0,06*pob1864
AYACUCHO
lgpc= 5,76 +0,11*piso3 -0,62*rattam2 +0,1*iequipo -0,04*migrac +0,16*ratprim2 +0,1*cota1 -0,04*poburb -
0,26*altitud2 +0,13*servbas2 +0,1*iservicio -0,02*seguro +0,27*medtrans-0,004*desncr2 +0,01*tmi -
0,13*electri1 -0,1*pob7199 +0,25*agrgper -0,04*total_NBI +0,1*combcos
HUÁNUCO
lgpc= 5,71 +1,16*meduhog2 -0,07*pob0014 +0,15*iservicio -0,12*altitud1 -0,13*NBI3_2007 -0,03*poburb
+0,12*tvcolor +0,16*Refrig +0,05*promvac -0,05*pob1824 -0,81*rattam2 -0,02*edu1599 +0,02*eduyears
+0,17*Computad -0,13*ratsinh -0,16*ratprim3 +0,11*pared1 +0,12*ratnoas1 +0,09*altitud2
JUNÍN
lgpc= 5,91 +0,1*iequipo -0,59*ltamhab +0,14*iservicio +0,67*meduhog2 -0,33*rattam1 -0,03*poburb +0,12*pared1
+0,03*seguro -0,23*agrtvac -0,07*NBI3_2007 +0,03*inativa +0,16*tamcent3 +0,1*tvcolor +0,09*pob1599h
+0,06*pobmuj -0,04*eduprim2 +0,06*agua1 +0,13*disttmp3
CAJAMARCA
lgpc= 6,05 +1,28*meduhog2 -0,04*rathab +0,08*iequipo -0,01*migrac -0,57*rattam2 -0,01*edu1599 +0,18*celular
-0,09*altitud1 -0,11*NBI3_2007 -0,24*ratprim1 -0,01*tmi -0,2*nbi4_2007 +0,19*Refrig -0,1*disttmp3
+0,12*piso3 -0,11*servbas1 -0,04*pob0005 -0,09*hacinam3
AREQUIPA
AREQUIPA
lgpc= 6,28 +0,1*iequipo +0,14*iservicio -0,37*ltamhab +0,17*ratprim1 +0,04*tothab +0,05*pobrur -0,14*radio -
0,46*rattam1 +0,11*combcos -0,12*NBI5_2007 -0,07*pob6599 -0,03*inativa +0,09*vivien2 -0,08*agua3 -
0,14*ltamviv +0,06*edusup4 +0,04*edusup2
ÁNCASH
lgpc= 6,16+0,11*iequipo-0,61*ltamhab+0,02*edu1599+0,11*iservicio-0,11*NBI3_2007+0,14*piso3-
0 , 0 3 * p o b u r b + 0 , 0 6 * c o t a 1 - 0 , 1 * e d u s e c 2 - 0 , 0 0 3 * d e s n c r 2 + 0 , 2 * r a t s u p 4 + 0 , 1 2 * m e d u c o n y-
0,09*altitud3+0,33*agrtvac-0,1*tamcent2-0,05*eduprim3
APURÍMA
APURÍMACC
lgpc= 5,55 +0,24*ratsup1 -0,1*pob0014 +0,1*iequipo -0,19*NBI3_2007 +0,17*disttmp3 +0,45*tamhog1 -
0,15*altitud1 +0,56*meduhog2 +0,21*tamhog2 +0,03*tothab -0,16*ratprim3 -0,15*servbas1 +0,16*combcos
+0,18*agrgper -0,08*pob7199 +0,01*tmi
HU ANCA
HUANCA VELICA
ANCAVELICA
lgpc= 5,5 +0,19*piso3 -1,23*rattam1 +0,8*meduhog2 -0,2*NBI2_2007 +0,16*iequipo -0,28*disttmp5
+0,06*promvac +0,16*jefeserv -0,2*pob1314 -0,08*pob1899 +0,17*edusup4 -0,12*radio -0,06*pob1599h
-0,15*servbas2 -0,06*pob2564 -0,09*medtrans
PUNO
lgpc= 6,21 +0,21*iservicio +0,01*edujefe +0,22*combcos +0,17*tvcolor -0,81*rattam1 -0,56*altitud2 -0,24*disttmp5
-0,14*tamhog +0,01*eduyears +0,11*pob0012 +0,13*edusup4 -0,1*NBI5_2007
DEPARTAMENTO DE LA SELVA
UCA
UCAYYALI
lgpc= 6,17 +0,83*meduhog2 +0,15*iservicio -0,5*ltamhab +0,05*pobrur +0,04*icastell +0,15*combcos
+0,21*servhig3 -0,47*rattam2 -0,28*interneD -0,09*hacinam1 +0,12*Refrig -0,16*servbas3 +0,11*pared1
+0,15*tamcent3 +0,13*tamcent2 +0,09*tvcolor -0,05*pob0609 -0,04*pob1824
LORETO
ORETO
lgpc= 6,25 +0,09*iequipo -0,84*ltamhab +0,14*iservicio -0,07*NBI1_2007 -1,68*altitud1 +0,03*pobrur
+0,04*icastell +0,68*meduhog1 +0,06*pob1564 +0,05*cota1 +0,08*tamhog4 -0,05*edusec2
+0,12*interneD -0,06*NBI3_2007 -0,04*pob0005 +0,14*Computad +0,1*combcos +0,13*Lavadora
MADRE DE DIOS
lgpc= 6,85 -0,06*pob0012 +0,15*iservicio -0,56*ltamhab +0,1*Refrig+0,004*edupea +0,27*trainfan -
0,29*NBI1_2007 +0,3*Lavadora -0,12*agua1 +0,07*eqson +0,02*seguro +0,14*Computad +0,09*tvcolor
+0,05*ocupa1899 +0,05*pob1012 +0,09*medtrans -0,16*piso2
AMAZONAS
lgpc= 5,57 -0,09*pob0012 +0,12*iequipo +0,55*meduhog2 -0,08*poburb +0,19*combcos -0,15*disttmp3
+0,12*iservicio +0,49*tamhog1 +0,29*tamhog2 -0,16*altitud2 +0,04*tothab -0,18*jefeocup -0,02*migrac
+0,07*edusup1
Anexo
Estadístico
Continúa...
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
040203 MARÍANO NICOLÁS VALCARCEL 4 626 27,2 3,7 23,5 72,8 1609
040204 MARISCAL CÁCERES 5 777 35,2 7,4 27,8 64,8 1456
040205 NICOLÁS DE PIÉROLA 6 413 24,6 3,8 20,9 75,4 1649
040206 OCOÑA 4 801 21,8 3,4 18,4 78,2 1697
040207 QUILCA 852 12,8 2,1 10,7 87,2 1794
040208 SAMUEL PASTOR 13 896 33,5 4,9 28,6 66,5 1492
040300 CARAVELÍ 38 682 24,2 3,6 20,6 75,8
040301 CARAVELÍ 4 074 32,0 5,1 26,9 68,0 1519
040302 ACARI 4 386 22,3 2,6 19,7 77,7 1688
040303 ATICO 4 483 17,4 1,4 16,0 82,6 1747
040304 ATIQUIPA 833 16,9 3,2 13,7 83,1 1753
040305 BELLA UNIÓN 4 566 22,9 4,1 18,8 77,1 1679
040306 CAHUACHO 949 47,1 15,6 31,5 52,9 1241
040307 CHALA 5 593 22,4 1,8 20,6 77,6 1687
040308 CHAPARRA 4 141 15,4 1,5 13,9 84,6 1771
040309 HUANUHUANU 2 701 32,9 4,4 28,5 67,1 1502
040310 JAQUI 1 814 29,9 4,8 25,1 70,1 1562
040311 LOMAS 1 274 12,9 0,5 12,4 87,1 1791
040312 QUICACHA 2 029 32,4 8,3 24,1 67,6 1511
040313 YAUCA 1 839 26,2 4,3 21,9 73,8 1627
040400 CASTILLA 41 045 34,5 9,3 25,2 65,5
040401 APLAO 9 455 24,3 4,1 20,1 75,7 1656
040402 ANDAGUA 1 400 35,8 8,8 27,1 64,2 1441
040403 AYO 385 27,2 4,4 22,8 72,8 1607
040404 CHACHAS 2 080 66,3 34,9 31,4 33,7 797
040405 CHILCAYMARCA 899 50,8 17,6 33,2 49,2 1159
040406 CHOCO 1 196 59,5 28,1 31,4 40,5 960
040407 HUANCARQUI 1 544 33,1 6,9 26,2 66,9 1497
040408 MACHAGUAY 973 33,1 7,1 26,0 66,9 1498
040409 ORCOPAMPA 8 885 36,7 9,3 27,4 63,3 1429
040410 PAMPACOLCA 3 387 46,7 13,2 33,5 53,3 1249
040411 TIPÁN 631 26,3 4,6 21,8 73,7 1624
040412 UÑÓN 391 27,4 5,1 22,3 72,6 1606
040413 URACA 7 672 24,1 4,3 19,7 75,9 1663
040414 VIRACO 2 147 42,4 10,1 32,3 57,6 1336
040500 CAYLLOMA 79 784 36,6 8,6 28,0 63,4
040501 CHIVAY 7 154 44,4 10,5 33,9 55,6 1303
040502 ACHOMA 1 247 50,7 13,1 37,5 49,3 1162
040503 CABANACONDE 3 112 46,0 10,9 35,1 54,0 1268
040504 CALLALLI 2 750 38,3 10,9 27,4 61,7 1395
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
090615 SANTO DOMINGO DE CAPILLAS 1 462 88,7 72,6 16,2 11,3 104
090616 TAMBO 705 85,4 63,6 21,7 14,6 208
090700 TAYACAJA 108 424 89,2 70,3 18,9 10,8
090701 PAMPAS 11 245 76,8 48,1 28,7 23,2 489
090702 ACOSTAMBO 4 689 86,4 61,8 24,6 13,6 173
090703 ACRAQUIA 5 378 87,4 66,9 20,5 12,6 140
090704 AHUAYCHA 5 387 87,2 66,2 20,9 12,8 147
090705 COLCABAMBA 20 989 89,7 71,9 17,8 10,3 89
090706 DANIEL HERNANDEZ 10 079 86,8 62,4 24,4 13,2 157
090707 HUACHOCOLPA 5 143 93,5 77,9 15,6 6,5 17
090709 HUARIBAMBA 7 896 88,6 66,6 22,0 11,4 108
090710 ÑAHUIMPUQUIO 2 248 90,3 67,5 22,7 9,7 75
090711 PAZOS 7 763 92,1 69,7 22,4 7,9 33
090713 QUISHUAR 974 88,7 71,1 17,6 11,3 106
090714 SALCABAMBA 5 293 88,3 69,9 18,4 11,7 118
090715 SALCAHUASI 3 949 96,5 87,1 9,5 3,5 6
090716 SAN MARCOS DE ROCCHAC 3 310 93,9 80,4 13,6 6,1 14
090717 SURCUBAMBA 5 284 95,8 86,1 9,7 4,2 9
090718 TINTAY PUNCU 8 797 97,0 92,3 4,7 3,0 5
100000 HUANUCO 795 780 64,9 31,7 33,3 35,1
100100 HUÁNUCO 275 196 52,8 21,2 31,6 47,2
100101 HUÁNUCO 76 148 32,0 7,1 24,9 68,0 1515
100102 AMARILIS 68 859 35,6 8,3 27,3 64,4 1446
100103 CHINCHAO 25 251 78,2 36,1 42,2 21,8 446
100104 CHURUBAMBA 25 024 84,3 47,1 37,2 15,7 239
100105 MARGOS 15 031 89,8 49,0 40,7 10,2 85
100106 QUISQUI 7 265 79,3 35,4 43,9 20,7 414
100107 SAN FRANCISCO DE CAYRÁN 4 826 69,2 28,5 40,7 30,8 721
100108 SAN PEDRO DE CHAULÁN 7 030 91,5 56,5 35,0 8,5 49
100109 SANTA MARÍA DEL VALLE 18 710 80,0 40,4 39,6 20,0 387
100110 YARUMAYO 2 717 83,5 43,1 40,4 16,5 267
100111 PILLCO MARCA 24 335 36,6 8,0 28,6 63,4 1431
100200 AMBO 58 641 68,8 28,8 40,0 31,2
100201 AMBO 16 642 57,0 20,8 36,2 43,0 1020
100202 CAYNA 3 915 84,7 41,5 43,1 15,3 231
100203 COLPAS 2 860 81,9 40,5 41,4 18,1 320
100204 CONCHAMARCA 6 188 65,2 24,2 41,0 34,8 828
100205 HUACAR 8 557 71,5 28,5 43,0 28,5 646
100206 SAN FRANCISCO 3 472 83,1 41,2 41,9 16,9 278
100207 SAN RAFAEL 12 264 77,6 37,0 40,5 22,4 464
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
120214 SAN JOSÉ DE QUERO 6 928 72,9 32,6 40,3 27,1 595
120215 SANTA ROSA DE OCOPA 2 286 39,6 11,2 28,5 60,4 1373
120300 CHANCHAMAYO 176 106 46,9 12,6 34,3 53,1
120301 CHANCHAMAYO 27 425 33,5 6,8 26,7 66,5 1493
120302 PERENÉ 58 675 52,0 13,6 38,4 48,0 1130
120303 PICHANAQUI 52 670 56,8 18,2 38,6 43,2 1026
120304 SAN LUIS DE SHUARO 7 273 44,8 12,0 32,8 55,2 1298
120305 SAN RAMÓN 27 193 31,5 5,9 25,6 68,5 1525
120306 VITOC 2 870 33,3 8,3 25,0 66,7 1494
120400 JAUJA 96 282 50,6 17,1 33,5 49,4
120401 JAUJA 17 283 34,3 6,1 28,2 65,7 1481
120402 ACOLLA 8 788 67,8 29,2 38,6 32,2 755
120403 APATA 5 184 51,3 18,0 33,3 48,7 1147
120404 ATAURA 1 327 32,5 7,5 25,0 67,5 1508
120405 CANCHAYLLO 1 855 71,6 37,4 34,2 28,4 641
120406 CURICACA 1 837 51,5 18,4 33,1 48,5 1142
120407 EL MANTARO 2 732 53,7 16,8 36,8 46,3 1098
120408 HUAMALÍ 2 058 35,4 8,3 27,2 64,6 1447
120409 HUARIPAMPA 1 097 28,1 4,7 23,4 71,9 1589
120410 HUERTAS 1 951 43,5 12,7 30,8 56,5 1320
120411 JANJAILLO 947 78,1 43,3 34,8 21,9 450
120412 JULCÁN 887 50,4 16,7 33,7 49,6 1172
120413 LEONOR ORDOÑEZ 1 727 54,3 19,7 34,6 45,7 1085
120414 LLOCLLAPAMPA 1 405 51,0 17,3 33,7 49,0 1155
120415 MARCO 2 135 65,6 30,1 35,5 34,4 814
120416 MASMA 2 331 58,4 20,8 37,6 41,6 988
120417 MASMA CHICCHE 954 73,5 27,8 45,7 26,5 582
120418 MOLINOS 1 899 60,2 22,5 37,7 39,8 941
120419 MONOBAMBA 1 415 46,6 15,5 31,1 53,4 1253
120420 MUQUI 1 106 46,1 13,3 32,8 53,9 1266
120421 MUQUIYAUYO 2 509 51,6 12,1 39,4 48,4 1138
120422 PACA 1 308 57,9 22,6 35,2 42,1 997
120423 PACCHA 2 221 70,6 35,8 34,8 29,4 677
120424 PANCAN 1 462 42,9 12,3 30,6 57,1 1326
120425 PARCO 1 573 52,7 21,1 31,6 47,3 1121
120426 POMACANCHA 2 239 75,4 34,4 41,0 24,6 531
120427 RICRÁN 2 063 68,3 32,8 35,4 31,7 739
120428 SAN LORENZO 2 369 45,1 14,5 30,5 54,9 1293
120429 SAN PEDRO DE CHUNÁN 1 019 53,0 16,2 36,9 47,0 1114
120430 SAUSA 2 935 47,9 12,2 35,7 52,1 1220
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Pobre (%)
Población No Ranking de
Ubigeo Departamento, provincia y distrito
1/ Total No Pobre pobreza 2/
Extremo
de pobres extremo
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Continúa...
Conclusión.
Continúa...
2/ Dato estimado con el modelo ajustado para la Provincia Cosntitucional del Callao.
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Continúa...
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
Índices de desigualdad 1/
Coeficiente
Ubigeo Departamento, provincia y distrito
de Gini E(0) E(1) E(2)
[2] Banco Central de Reserva, Mapa de Pobreza del [13] Kuiper, John, Modelización del Mapa de Pobreza
Peru 1981, diciembre de 1986. para el año 2001. Lima, diciembre de 2003.
[3] Bloem, Adriaan M., Robert J. Dippelsman y Nils O. [14] MEF, Hacia la búsqueda de un nuevo instrumento
Maehle, Quarterly National Accounts Manual: de focalización de recursos destinados a la Inversión
Concepts, Data Sources, and Compilation, Fondo Social Adicional en el marco de la Lucha contra la
Monetario Internacional, 2001. Pobreza. Lima, noviembre de 2001.
[4] Deaton, Angus, The Analysis of Household Surveys: [15] Minot, Nicholas, "Generating Disaggregated
A Microeconometric Approach to Development Policy. Poverty Maps: An Application to Vietnam". World
The Johns Hopkins Press, para el Banco Mundial, Development 28(2): 319-315, febrero del 2000.
1997.
[16] Minot, Nicholas y Bob Baulch, The Spacial
[5] Deaton, Angus y Salman Zaidi, Guidelines for Distribution of Poverty in Vietnam and the Potential for
Constructing Consumption Aggregates for Welfare Targeting, Banco Mundial, WPS 2829, abril de 2002
Analysis, Banco Mundial, LSMS WP No.135, mayo de
2002. [17] Ravallion, Martin, Poverty Comparisons: A Guide
to Concepts and Measures, LSMS WP No. 88, Banco
[6] Elbers, Chris, Peter Lanjouw, Johan Mistiaen, Berk Mundial, 1993
Özler y Kenneth Simler, Are Neigbors Equal? Estimating
Local Inequality in Three Developing Countries, [18] Ravallion, Martin, Poverty Lines in Theory and
International Food Policy Research Institute, FCND DP Practice, LSMS WP No. 133, Banco Mundial, 1998
No.147, abril de 2003.
[19] Ravallion, Martin. "Is more targeting consistent with
[7] Fondo Nacional de Compensación y Desarrollo less spending?", International Tax and Public Finance
Social, Mapa de Pobreza, 2000, Lima, 2000. 6(3), 411-19, 1999
[8] Foster, James, Joel Greer y Eric Thorbecke. "A class [20] Ravallion, Martin. "Monitoring targeting
of decomposable poverty measures." Econometrica performance when decentralized alloca-tions to the poor
52(3): 761-66, mayo de 1984. are unobserved". World Bank Economic Review 14(2),
331-45
[9] Fresnedo Bautista, Oscar, "La focalización en el
régimen subsidiado de salud: Elementos para un [21] Robles, Marcos (BID), Romy Rodriguez (Consultor-
balance", Revista Gerencia y Políticas de Salud, Bogota, INEI-BID) y Rofilia Ramirez (INEI) "Perú Pobreza y
Columbia, diciembre de 2003. desigualdad monetaria a nivel provincial y distrital",
septiembre 2007- Documento de Trabajo.
[9] Hentschel, Jesko, Jean O. Lanjouw, Peter Lanjouw
y Javier Poggi. "Combining census and survey data to [22] Secretaría de Planificación y Programación de la
trace the spatial dimensions of poverty: A case study of Presidencia de la República de Guatemala. Mapas de
Ecuador". World Bank Economic Review 14(1): 147- Pobreza de Guatemala - Instrumentos para entender
165, 2000. el flagelo de la pobreza en el país, agosto 2001.
[10] Hentschel, Jesko y Peter Lanjouw, Constructing an [23] Centro de Investigación para el Desarrollo de la
Indicator of Consumption for the Analysis of Poverty: Universidad de Colombia (CID), La focalización en el
Principles and Illustrations with Reference to Ecuador, régimen subsidiado de Salud- Elementos para un
LSMS WP No. 124, Banco Mundial, marzo de 1996. balance, incluido en la Revista Gerencia y Políticas de
Salud 45, mayo del 2004.