El paquete ech proveé tres funciones para instrumentar la
medición de la pobreza de las personas y hogares:
poverty(), unsatisfied_basic_needs() e
integrated_poverty_measure().
La función poverty() permite calcular la pobreza e
indigencia a nivel de hogares y personas. El cálculo de la variable
poor e indigent utiliza la Metodología 2006
que establece la medición de la pobreza por el método del ingreso usando
la línea de pobreza 2006. El Método del Ingreso, quizás el más clásico y
el útilizado por el INE como medida oficial, define la pobreza a partir
de los ingresos per cápita de los hogares. Se construye una línea de
pobreza (LP) a partir de un estrato socioeconómico de referencia y
estimaciones normativas sobre requerimientos mínimos nutricionales. Se
computa la Canasta Básica de Alimentaria como el gasto en alimentos y la
Canasta Básica No Alimentaria como el resto de los gastos del estrato de
referencia. El valor de esas canastas se actualizan por IPC. De esta
manera un hogar será considerado pobre si el ingreso per cápita no
supera el valor de la LP. A su vez, todas las personas de ese hogar, si
el hogar es considerado pobre, son consideradas pobres.
La función unsatisfied_basic_needs() permite calcular
variables que identifica necesidades básicas insatisfechas en ciertas
dimensiones que el hogar debería satisfacer para lograr un mínimo de
bienestar y luego agregarlas en un indicador. Se usa una aproximación de
la Metodología del Censo 2011. Las dimensiones consideradas son:
hacinamiento, acceso a agua potable, acceso a energía eléctrica,
materiales de la vivienda, evacuación del servicio sanitario y
educación. La dimensión de educación se evalua para las personas entre 4
a 17 años y si al menos una de estas personas tiene una carencia en
educación se considera que todo el hogar tiene carencia en esta
dimensión. Se establece para cada una de estas dimensiones si hay o no
carencia, luego se suman y se obtiene la variable UBN_q que puede tomar
valores de 0 a 6. A partir de UBN_q se crea
UBN con las siguientes categorías: “Sin NBI”, “Con 1 NBI”,
“Con 2 NBI” y “Con 3 o más NBI”. Los resultados de estas dos variables
que se calculan al nivel del hogar se imputan a todas las personas del
hogar.
La función integrated_poverty_measure() permite calcular
un indicador que vincula los dos métodos anteriores, de ahí el nombre de
método integrado. Se calcula la variable
integrated_poverty_measure que toma 4 valores: “No
pobreza”, “Pobreza reciente”, “Pobreza inercial” y “Pobreza
crónica”.
Veamos la aplicación de cada una de estas funciones.
library(ech)
# cargamos la base de ECH y estandarizamos los nombres de variables
df <- get_microdata(year = 2019, folder = tempdir())
#df <- organize_names(df, year = 2019)
# calculamos las variables de pobreza monteria
df <- poverty(data = df)
# Calculamos las variables de NBI
df <- enrolled_school(df)
df <- years_of_schooling(df)
df <- unsatisfied_basic_needs(data = df)
# calculamos la variable metodo integrado
df <- integrated_poverty_measure(data = df)Estimamos a nivel de hogares y personas los indicadores de pobreza a partir de las variables calculadas anteriormente. Dado que para 2019 contamos en la base pública con las UPM y los estrato, los definimos en la función.
# Distribución de hogares según cantidad de NBI que presenta
nbi_hogares <- get_estimation_mean(df, variable = "UBN", level = "h", ids = "upm", estrato = "estrato")
# Distribución de personas según cantidad de NBI que presenta el hogar
nbi_personas <- get_estimation_mean(df, variable = "UBN", level = "i", ids = "upm", estrato = "estrato")
# Hogares según situación de pobreza
pobres_hogares <- get_estimation_mean(df, variable = "poor", level = "h", ids = "upm", estrato = "estrato")
# Personas según situación de pobreza
pobres_personas <- get_estimation_mean(df, variable = "poor", level = "i", ids = "upm", estrato = "estrato")
# Hogares según situación de pobreza
ipm_hogares <- get_estimation_mean(df, variable = "integrated_poverty_measure", level = "h", ids = "upm", estrato = "estrato")Veamos los resultados de cada una de las estimaciones
Finalmente, podemos comparar estos resultados que brinda el paquete
ech, con el Boletín
Técnico que publica el INE.
Concretamente para comparar los resultados con el cuadro 8 y 9,
primero calculamos la variable poor con la función
poverty() y luego estimamos la proporción de hogares y
personas pobres según región (consideramos la variable
region_4).
df <- poverty(data = df)
# Hogares según situación de pobreza
pobres_hogares_region <- get_estimation_mean(df, variable = "poor", by.x = "region_3",level = "h", ids = "upm", estrato = "estrato")
pobres_hogares_region %>% filter(poor == "Pobre")
# Personas según situación de pobreza
pobres_personas_region <- get_estimation_mean(df, variable = "poor", by.x = "region_3", level = "i", ids = "upm", estrato = "estrato")
pobres_personas_region %>% filter(poor == "Pobre")