Fuentes estadísticas

Con el fin de alcanzar el objetivo de la investigación, utilizamos datos individuales de corte transversal de la Encuesta de Condiciones de Vida (ECV) publicada por el Instituto Nacional de Estadísticas y Censos (INEC), Sexta Ronda (2013-2014). La Figura 1 muestra la relación entre el BDH y el gasto en educación y en salud respectivamente. El BDH, la variable independiente, es una variable dicótoma (es beneficiario o no del bono). El gasto en educación y salud son las variables dependientes para Ecuador. En la parte superior de la figura, podemos observar la relación de BDH y educación. En el primer caso, educación es una variable dicótoma y en el segundo caso educación es una variable numérica. En la parte inferior de esta figura, indicamos la relación entre el BDH y salud, donde esta variable es dicótoma. En todos los casos, el eje de las abscisas detalla si las personas son beneficiarios o no del BDH.

Fuente: Encuesta de Condiciones de Vida, 2013-2014

Elaboración: Los autores

Figura 1 Relación del BDH con educación y salud para Ecuador 

El gasto en educación representado en la figura 1 ilustra dos variables diferentes: la primera representa si realizó o no gasto en educación (panel superior izquierdo). Mientras que el panel de la derecha ilustra el monto gastado promedio en educación, los que reciben el bono y los que no reciben, respectivamente. Las personas que no reciben el BDH tienen un gasto en educación mayor que las personas que son beneficiarias del programa. Asimismo, el panel inferior ilustra si gasta o no gasta en salud los beneficiarios del programa y quienes no lo reciben. Sin embargo, en la práctica, las personas que reciben el BDH con las que no reciben no son comparables, por lo que es necesario el método de emparejamiento para asegurar la comparabilidad de las observaciones. Esto se explica porque las personas que reciben el bono están bajo la línea de la pobreza y con el propósito de reinserción escolar y asistencia continua a clases, el gobierno ha proporcionado uniformes escolares, textos a las instituciones educativas y desayunos escolares, contribuyendo de esta manera, a disminuir el gasto de las familias.

La Tabla 1 muestra el cuadro resumen de las variables estimadas en el modelo. La variable independiente BDH y las variables de control: edad, sexo, área, idioma, etnia, región natural y estado civil, cuentan con 65370 observaciones. Mientras, que el gasto en salud y educación (numérica y dicótoma) cuentan con 19235, 9008 y 10508 observaciones respectivamente. En los estadísticos descriptivos, la media (Mean) representa en términos generales el promedio del conjunto de observaciones. La desviación estándar (DS) que no supera a uno en las variables de BDH, gasto en salud, gasto en educación (dicótoma), sexo, área, idioma, región natural y estado civil. Es decir, no se encuentran muy alejadas de la media. Las variables de gasto en educación (numérica), edad y etnia tienen una desviación estándar elevada.

Metodología

En la práctica, la técnica PSM construye un grupo de comparación estadística que se basa en un modelo de la probabilidad de participar en el tratamiento, utilizando las características observadas. Los participantes son emparejados sobre la base de esta probabilidad (puntaje de propensión) a los no partícipes del programa. El efecto medio del tratamiento del programa se calcula como la diferencia media en los resultados entre estos dos grupos. La validez del PSM depende de la independencia condicional y un apoyo común considerable en las puntuaciones de propensión a través de las muestras participantes y no participantes. Autores como ^{Ponce, Robles, Alvarado & Ortiz (2019}), utilizaron el PSM para determinar el efecto del capital humano en la brecha de ingresos en Ecuador entre grupos étnicos y por el sexo. El PSM es una técnica útil cuando se cree que las características observadas afectan la participación del programa. El pionero de esta técnica fue Rubin (1974), sobre estas investigaciones se desarrollaría más tarde la técnica PSM como tal. Posteriormente, el puntaje de propensión es definido por Rosenbaum y Rubin (1983) como la probabilidad condicional de recibir un tratamiento dadas características de pretratamiento:

(1)

Rosenbaum y Rubin (1983) demostraron que se obtienen los mismos resultados, si en vez de condicionar las distribuciones de la variable de resultados por el vector de características X, se controla únicamente por la probabilidad de ser tratado p(X), lo que acaba con el problema de dimensionalidad. Como resultado, dada una población de unidades denotada por i, si se conoce la puntuación de propensión p(Xi), entonces el Efecto Promedio del Tratamiento en el Tratado (ATT) puede estimarse como sigue:

(2)

(3)

(4)

(5)

Chen, Mu y Ravallion (2008) describen una aplicación de este enfoque. Permite que las ventajas de consistencia de la concordancia se combinen con las propiedades de varianza favorables de los métodos basados en regresión. Las ecuaciones (5) y (6) estiman el efecto del tratamiento sobre las personas participantes en el programa estatal BDH. En estas ecuaciones se estiman regresiones paramétrica y no paramétrica respectivamente. En la estimación no paramétrica de la ecuación (5) la variable dependiente es el monto gastado en educación y para la estimación paramétrica en la misma ecuación, la variable dependiente representa si han gastado o no en materiales escolares. Por otro lado, en la estimación paramétrica de la ecuación (6) la variable dependiente indica si las personas han realizado gasto en salud o no. En lo que se refiere a la variable independiente representa al número de personas que reciben o no el BDH en las ecuaciones (5) y (6). Se requiere un modelo logit para la estimación paramétrica y una regresión lineal para la no paramétrica. Estimamos un modelo independiente para cada variable, como se indica a continuación:

(6)

(7)

En las ecuaciones (5) y (6) es una variable dicótoma que representa el número de personas que reciben o no el BDH, y εi es el término de error estocástico. En la ecuación (6) está determinado por el monto gastado en textos y materiales escolares, en la estimación no paramétrica. Y en la estimación paramétrica representa si gasta/no gasta en educación medido por el gasto en textos y materiales escolares. Finalmente, en la ecuación (6) es una variable dicótoma y está determinada por el gasto/no gasto en salud. Para tener un contexto más amplio de la investigación incluimos variables de control, mismas que se presentan en las siguientes ecuaciones de acuerdo con cada caso.

(8)

(9)

Las Ecuaciones (8) y (9) son una extensión de las Ecuaciones (6) y (7) respectivamente, en las que se agrega variables de control determinadas por que es el conjunto de covariantes adicionales que recogen el efecto de las características estructurales del BDH en Ecuador. Estas variables de control son: edad, sexo, área, etnia, idioma, estado civil, etnia y región natural.

Discusión de resultados

La Tabla (2) muestra los resultados del BDH para gastos en educación y salud representadas por las ecuaciones (6) y (7) en Ecuador. Los resultados indican una relación negativa y estadísticamente significativa entre BDH y gastos en educación y salud para los beneficiarios en la estimación no paramétrica y en las paramétricas. El BDH tiene un mayor efecto en el gasto de educación que para el de salud, esto coincide con la Figura (1). La primera columna, muestra los resultados de la estimación no paramétrica con respecto al gasto en educación, donde la elasticidad del BDH es de -16,92. Es decir, cuando una persona recibe el BDH gasta menos que las personas que no lo reciben. En las siguientes columnas se presentan los resultados de las estimaciones paramétricas del gasto en educación y salud respectivamente. La segunda columna, indica que la probabilidad de gastar en materiales escolares es 0,22% veces menos, cuando una persona recibe el BDH. Finalmente, la tercera columna, muestra que la probabilidad de gastar en atención médica es 0,09% veces menos cuando una persona es beneficiaria del BDH. Estos resultados son estadísticamente significativos.

Los resultados señalan que el gasto en educación tiene mayor elasticidad que el gasto en salud, en las estimaciones paramétrica y no paramétrica. Esto estaría explicado ya que la mayoría de los beneficiarios destinan el dinero principalmente a cubrir los gastos en la educación de sus hijos, durante el periodo escolar. Mientras que, los gastos en salud no representan un rubro permanente para las familias como el caso de la educación. Sin embargo, algunas personas pueden utilizar el BDH para otros gastos como: compra de alimentos, vestimenta, pago de deudas, inversión en negocio propio, ahorro, etc. Es decir, el BDH no se destina a cubrir únicamente los gastos condicionados.

El ajuste del modelo, medido por R ² es bajo para educación no paramétrica. Es decir, la capacidad explicativa de los cambios en la variable dependiente está levemente explicada por las variaciones en la variable independiente. Las estimaciones paramétricas, no presentan valores R ² debido a que utilizamos modelos logit. Los resultados de las estimaciones están respaldados por la teoría del bienestar, Weber (1944) señala que una de las funciones del Estado es establecer derechos sociales para promover adecuadas condiciones de vida para la población. El BDH como un programa enfocado en la protección de los más vulnerables, ha tenido un efecto significativo en los beneficiarios. La disyuntiva se origina en el destino que se le da al BDH, debido a que, el consumo de las familias aumenta y mejoran sus condiciones de vida. Sin embargo, puede generar dependencia y ser un desincentivo para la superación del individuo como tal, ocasionando pérdidas económicas para el Estado.

Los resultados obtenidos de la Tabla 2 son opuestos a los resultados obtenidos en la investigación de ^{Fiallos y Cantero (2008}), donde hacen referencia a que los programas en salud dirigidos a los más pobres mejoran su estado emocional y apoya los programas asistenciales exitosos como la complementación alimentaria. Sin embargo, resultan contraproducentes si no cumplen con la premisa de eliminar inequidades sociales. Entonces, las ayudas estatales tendrían un efecto negativo y podrían generar dependencia. Por otro lado, los resultados difieren de los resultados encontrados en los trabajos de ^{Schady y Araujo (2006}), ^{Schady y Paxson (2007)}, ^{Ponce y Bedi (2010}), ^{Silva (2015}). En estas investigaciones desarrolladas para Ecuador, las TCD tienen un efecto positivo para los beneficiarios y demuestran que, el programa BDH tuvo gran impacto especialmente en el desarrollo infantil.

De igual manera, las investigaciones de ^{Rivera, Currais y Rungo (2009}), ^{Firpo, Pieri, Pedroso, Souza (2014}) y ^{Schimit, Monteiro y Omar (2014}), fueron desarrolladas en torno al Programa Bolsa Familia en Brasil. En el primero, los autores señalan un gran impacto en educación y reducción de la pobreza, esto permite predecir mejoras en el estado de salud de la población a largo plazo. En el segundo, encontraron pruebas de que los individuos manipulan sus ingresos reduciendo voluntariamente su oferta de mano de obra para poder ser elegibles en el programa. Y en la tercera investigación, se recalca la importancia de la inversión del gobierno en la clase baja desempleada para un crecimiento de la clase media.

En la investigación de ^{Filmer y Schady (2011}) para Camboya encontraron que una modesta transferencia de efectivo, equivalente a aproximadamente el 2% del consumo del hogar mediano receptor, tuvo un impacto sustancial en la asistencia escolar. En el programa Zomba Cash Transfer en el sur de Malawi, ^{Thompson (2014}) mostró aumentos en la asistencia escolar, la salud mental y apoyo psicosocial, para las personas más vulnerables. Sin embargo, la diferencia no es significativa entre los receptores condicionados y no condicionados de transferencias en efectivo. Esto se relaciona con Ecuador, porque algunos beneficiarios utilizan el bono para gastos distintos a los condicionados, entonces las TDC pueden promover indirectamente el bienestar, aunque el dinero no se destine a los gastos previstos.

En investigaciones para México ^{De Janvry, Finan, Sadoulet y Vakis (2006}), ^{Fernald, Gertler y Neufeld (2008}) y, ^{Bobba y Gignoux (2016}) mencionan que, las transferencias al hogar están asociadas con resultados significativamente mejores en muchos aspectos del niño. En esta tendencia, ^{Fernald e Hidrobo (2011)} y ^{Jones y Samuels (2015}) coinciden en que los efectos de las transferencias de efectivo en la escolaridad y salud de los niños extremadamente pobres y vulnerables, que generalmente se encuentran en zonas rurales, son positivos.

Finalmente, en el trabajo para Nicaragua, ^{Del Carpio, Loayza y Wada (2016}) manifiestan que el programa social tuvo un impacto positivo, aumentó la asistencia escolar y los chequeos médicos. Por su parte, ^{Whitea y Basu (2016}) señalan que en Perú, una disminución de la frecuencia de los pagos está relacionado con un desbalance nutritivo en los beneficiarios. Además, ^{Patanakul, Hoon, Zwikael y Liu (2016}) sostienen que los proyectos y programas gubernamentales contribuyen al crecimiento nacional en gran magnitud. Sin embargo, los registros muestran que no están bien administrados o controlados sobre el fin que tiene dicha ayuda gubernamental. Ecuador, también debería implementar mejoras al sistema de control y elección de los beneficiarios. Por tanto, ^{Churchill y Yew (2017}) consideran que el impacto de las transferencias gubernamentales depende del desarrollo de los países. Las TCD son perjudiciales para el crecimiento económico en los países desarrollados. Por tanto, en Ecuador, al ser un país en vías de desarrollo, el impacto de dichas transferencias es positivo y aumenta el crecimiento.

A continuación, se muestra una distribución de Kernel tanto para el gasto en educación como para el gasto en salud con respecto al BDH. La distribución forma parte de la metodología PSM tanto no paramétrica como paramétrica de nuestra investigación.

Fuente: Encuesta de condiciones de vida, 2014

Elaboración: Los autores

Figura 2 Distribución de Kernel 

La Figura (2) muestra la distribución de Kernel del BDH para el gasto en educación y en salud respectivamente. El área bajo la intersección de los grupos se denomina Base de Soporte Común (BSC). En los paneles (A) y (B) observamos el comportamiento del BDH con respecto a la educación aplicando PSM no paramétrico y paramétrico respectivamente. En donde el área de la BSC es considerable. Es decir, son representativas. Por otro lado, en el panel (C) observamos el BDH con respecto a la salud utilizando PSM paramétrico, donde la BSC también es considerable. De igual manera, este modelo es significativamente representativo.

La Tabla 3 muestra los resultados de la estimación del BDH tanto para el gasto en educación como para el gasto en salud incluyendo variables de control, utilizando PSM. En las primeras columnas, se presentan los resultados del gasto en educación con respecto al BDH, con estimaciones no paramétricas.

En la primera, se muestran los resultados Sin Variables Comparables (SVC), en donde, las personas que reciben el BDH gastan $18,98 menos en educación que los no beneficiarios. En la segunda, los resultados aumentan considerablemente a $45,47 después de la aplicación del PSM, es decir, Con Variables Comparables (CVC); por tanto, se ratifica el supuesto de que los beneficiarios del bono realizan un gasto menor en educación. Y en la tercera, se presentan las variaciones encontradas en los resultados SVC y CVC. En esta columna se demuestra que los resultados iniciales estaban sesgados en 58,23% del gasto en educación de las personas que reciben el BDH y las que no son beneficiarias.

En las columnas siguientes, se muestran las estimaciones paramétricas para el gasto en educación y en salud con respecto al BDH. Las variables dependientes utilizadas son dicótomas, por tanto, aplicamos modelos LOGIT. En las tres primeras, presentamos los resultados de las estimaciones con gasto en educación. En la primera, encontramos resultados SVC, donde las personas que reciben el BDH tienen una probabilidad menor de 0,01% de gastar en materiales escolares en comparación a quienes no reciben el bono. En la segunda, CVC los resultados aumentan a 0,02%. Es decir, que aplicando PSM la probabilidad de gastar en materiales escolares sigue siendo mayor para quienes no acceden al bono. Y en la tercera, la variación entre SVC y CVC muestran que, al inicio los resultados estaban sesgados en 57,69% en la probabilidad de gasto en educación para quienes reciben y las que no reciben el BDH.

Las tres últimas columnas presentan resultados del gasto en salud (realizó gasto en salud o no). En la primera, los resultados SVC indican que las personas que reciben el BDH tienen una probabilidad de 0,08% menor de efectuar gastos en atención médica con respecto a que los que no reciben el bono. En la segunda columna, CVC el coeficiente del BDH registra una probabilidad del 0,09% menor a realizar gastos en salud. En la última columna, con la variación entre SVC y CVC se entiende que inicialmente existía un sesgo de 12,94% en las estimaciones de gasto en salud de los beneficiarios del bono y los que no lo son.

El sesgo es superior al 50% afectando considerablemente a las variables de control. En los modelos paramétricos, los resultados obtenidos con el gasto en educación al utilizar PSM con variables de control, son estadísticamente significativas: edad y área. En el caso de salud, al aplicar PSM las variables significativas son: edad, área, idioma, estado civil y región natural. La inclusión de las variables de control no afectó la significancia de la variable BDH con respecto al gasto en educación y salud. Se mantiene la relación negativa con un impacto positivo para las beneficiarias del BDH. Por lo tanto, las estimaciones son consistentes con el marco teórico y empírico anteriormente señalado.

Los resultados obtenidos, después de la inclusión de variables de control y de diferenciar variables comparables y no comparables, concuerdan con las investigaciones señaladas en los resultados de la Tabla 2 en las que existe un efecto positivo en la aplicación de programas de TDC por parte del Estado. Mientras que, la presente investigación difiere en el caso de ^{Fiallos y Cantero (2008}) en la que manifiesta que estos programas resultan contraproducentes y podrían generar dependencias a los beneficiarios.

Se enfatiza que los programas de transferencias gubernamentales deben ser mejor administrados para lograr una mayor eficacia. ^{Carrillo y Jarrín (2009}) sugieren mejoras al BDH, señalan que los pagos podrían ser geográficamente diferenciados de modo que el valor total del programa sea el mismo para todos los hogares. Esto sugiere que puede haber complementariedades en la movilización desde el sector rural al centro urbano. Se debería incluir a los beneficiarios en programas de educación financiera con respecto al ahorro, de acuerdo a Samaniego y Tejerina (2010). Algunos autores opinan que las transferencias no condicionadas mejorarán el bienestar de las familias pobres, independientemente de cómo se gaste el dinero.

Entre las investigaciones más recientes referentes a las TCD que coinciden con los resultados obtenidos en la presente investigación se encuentran: ^{Gutierrez, Juarez y Rubli (2016}), ^{Alcaraz, Chiquiar, Orraca y Salcedo (2016}), ^{Alderman, Behrman y Tasneem (2017}), estas fueron realizadas para México.

La aplicación de programas estatales tiene efectos positivos y estadísticamente significativos. La primera, evidencia que las transferencias públicas para ancianos son compartidas con los más jóvenes mediante inversiones en capital humano. La segunda se centra en los efectos de salud pública en las tasas de matriculación y rendimiento escolar. El aumento de matrículas escolares y una disminución de trabajo infantil demuestran que los programas estatales constituyen un componente fundamental para el desarrollo. Y en la tercera, los autores sostienen que los objetivos de estos programas no son solamente aumentar las inversiones de capital humano con implicaciones para niveles futuros, sino también reducir la pobreza y la desigualdad de ingresos.

^{Evans, Holtemeyer y Kosec (2017}), ^{Beasley y Huillery (2016}) en sus trabajos correspondientes a Tanzania y Níger respectivamente, resaltan los efectos de las TCD en salud y educación. En Tanzania, el efecto fue significativo en la aceptación del seguro de salud y una mejora en la atención médica. En Níger, las subvenciones escolares muestran que los padres aumentaron la participación y responsabilidad, pero estos esfuerzos no mejoraron la calidad de la educación. Mientras que, las investigaciones de ^{Brune, Giné, Goldberg y Yang (2017}) y ^{Kilburn, Handa, Angeles, Mvula y Tsoka (2017}) aplicadas en Malawi acera de transferencias en efectivo se manifiestan los siguientes resultados. Los primeros autores, mencionan que los esquemas de transferencia suelen estar diseñados para mejorar el bienestar, pero demostraron que ni los incumplimientos de los ahorros ni los retrasos en los pagos por parte del Estado afectan la cantidad o la composición del gasto. Por otro lado, los demás autores analizan el impacto de un ingreso positivo en los resultados de la educación infantil del Programa de Transferencia Social en Efectivo. Y manifestaron que este programa mejora las tasas de matrícula y disminuye las deserciones. Sin embargo, la principal vía intermedia entre el programa y la escolaridad es el gasto en educación. En general, los programas estatales son fundamentales para el desarrollo de la población, especialmente para la más joven.

En lo que respecta a las implicaciones de política relacionadas con las TCD, la evidencia empírica para Nicaragua de ^{Dammert (2009}) sostiene que los programas sociales tienen efectos diferenciales para cualquier subpoblación definida por covariables. Es importante conocer si los impactos de un programa están concentrados entre unas pocas personas, para alcanzar su población objetivo. ^{Attanasio y Lechene (2014}) en su investigación, los programas de TCD ofrecen una explicación para el gran cambio en el consumo total que sigue a la inyección de efectivo implícita en estos programas. Y para ^{Piperata, McSweeney y Murrieta (2016}) al analizar el Programa Bolsa Familia de Brasil sostienen que es notable que se haya convertido en un modelo global de mitigación de la pobreza a pesar del escaso escrutinio de su desempeño con respecto a sus propios objetivos programáticos y con serias limitaciones geográficas en su evaluación. Por lo tanto, reiteramos el control de este tipo de ayuda estatal.

En general, algunas de las variables de control resultan no estadísticamente significativas. En el caso del modelo no paramétrico del gasto en educación, ninguna variable de control es estadísticamente significativa luego de aplicar PSM. En las estimaciones paramétricas del gasto en educación, no son estadísticamente significativas: sexo, idioma, estado civil, etnia y región natural. En lo que respecta al gasto en salud, no son estadísticamente significativas: sexo, etnia y todas las regiones naturales con variables comparables. Esto no significa que estas no tengan validez. En la práctica se debe considerar la importancia de estas variables en el contexto de aplicación. Para terminar, el ajuste del modelo medido por R 2 es bajo en Ecuador después de incorporar variables de control y de realizar PSM. Este ajuste da a conocer que la capacidad explicativa de los cambios en la variable dependiente está ligeramente explicada por las variaciones en las variables independientes con respecto al gasto en educación. En el caso del gasto en educación y salud paramétrico se aplica logit, por tanto, no contamos con este valor.