análisis técnico de acciones - bolsa de valores
TRANSCRIPT
UNIVERSIDAD NACIONAL DE SAN AGUSTÍN DE AREQUIPA
FACULTAD DE ECONOMÍA
ESCUELA PROFESIONAL DE ECONOMÍA
“IMPACTO DEL CANON MINERO EN LA POBREZA EN LA MACRO REGIÓN SUR
DEL PERÚ DURANTE EL PERIODO 1996-2018”
Tesis presentado por el Bachiller:
Dulhey Lossin Quispe Toledo
Para optar el Título Profesional de
Economista
AREQUIPA – PERÚ
2020
2
“La economía es, en esencia, el estudio de la pobreza”
Max Hartwell
3
Dedicatoria
A mis abuelos.
4
Agradecimientos
A Dios, a mi familia y a
los docentes por sus enseñanzas.
5
Resumen
En este documento se busca analizar el impacto que ha tenido el canon minero en la pobreza, en
particular de necesidades básicas insatisfechas en la Macro Región Sur del Perú desde el año 1996
(año en que se empezó a transferir el canon minero a los departamentos) hasta el año 2018. Para
ello, se aplicó la metodología econométrica con datos de panel mediante modelos estáticos. Se
encuentra que el canon minero ha tenido un impacto positivo en la reducción de la pobreza por
necesidades básicas insatisfechas, de manera que al incrementarse el canon minero en 1%, el nivel
de pobreza por necesidades básicas insatisfechas se reduce en 3.01214% en promedio en los
departamentos de la Macro Región Sur. Además, se evidencia que los departamentos que
percibieron mayores recursos por canon minero per cápita durante los 23 años de estudio, siendo
estos: Arequipa, Moquegua y Tacna, reportaron un menor nivel de pobreza por necesidades básicas
insatisfechas en el año 2018, mientras que el departamento de Madre de Dios, el cual registró el
menor canon minero per cápita durante el mismo periodo, reportó el mayor nivel de pobreza por
necesidades básicas insatisfechas en el año 2018.
Palabras clave: Impacto, canon minero, pobreza, necesidades básicas insatisfechas, Macro
Región Sur, datos de panel, modelos estáticos.
6
Abstract
This document seeks to analyze the impact that the mining canon has had on poverty, particularly
unsatisfied basic needs in the Southern Macro Region of Peru since 1996 (the year in which the
mining canon began to be transferred to the departments) until 2018. For this, the econometric
methodology was applied with panel data using static models. It is found that the mining canon
has had a positive impact on the reduction of poverty due to unsatisfied basic needs, so that by
increasing the mining canon by 1%, the poverty level for unsatisfied basic needs is reduced by
3.01214% on average in the departments of the Macro South Region. In addition, it is evident that
the departments that received the highest resources per capita mining canon during the 23 years of
study, these being: Arequipa, Moquegua and Tacna, reported a lower level of poverty due to
unsatisfied basic needs in 2018, while the department of Madre de Dios, which registered the
lowest per capita mining canon during the same period, reported the highest level of poverty due
to unsatisfied basic needs in 2018.
Keywords: Impact, mining canon, poverty, unsatisfied basic needs, South Macro Region,
panel data, static models.
7
Índice
Resumen ......................................................................................................................................... 5
Abstract ........................................................................................................................................... 6
Introducción ................................................................................................................................. 15
Capítulo 1 Planteamiento Metodológico ..................................................................................... 16
1.1 Planteamiento del Problema ................................................................................................... 16
1.1.1 Contexto ................................................................................................................................ 16
1.1.2 El Problema de Investigación ................................................................................................ 26
1.1.3 Sistematización del Problema ............................................................................................... 26
1.2 Objetivos ................................................................................................................................... 26
1.2.1 Objetivo General ................................................................................................................... 26
1.2.2 Objetivos Específicos ............................................................................................................ 27
1.3 Hipótesis ................................................................................................................................... 27
1.3.1 Hipótesis General .................................................................................................................. 27
1.3.2 Hipótesis Específicas ............................................................................................................ 27
1.4 Variables y Modelo .................................................................................................................. 28
1.4.1 Operacionalización de las Variables ..................................................................................... 28
1.4.2 Modelo .................................................................................................................................. 28
1.5 Justificación .............................................................................................................................. 29
1.6 Delimitación ............................................................................................................................. 30
1.6.1 Ámbito de Estudio ................................................................................................................. 30
1.6.2 Temporalidad ........................................................................................................................ 30
1.7 Metodología .............................................................................................................................. 30
1.7.1 Enfoque de Investigación ...................................................................................................... 30
1.7.2 Diseño de Investigación ........................................................................................................ 30
1.7.3 Tipo de Investigación ............................................................................................................ 30
1.7.4 Nivel de Investigación ........................................................................................................... 31
1.7.5 Método de Investigación ....................................................................................................... 31
1.7.6 Técnica de Recolección de Datos .......................................................................................... 32
1.7.7 Técnica de Análisis de Datos ................................................................................................ 32
1.7.8 Instrumentos Utilizados......................................................................................................... 33
8
Capítulo 2 Marco Teórico ............................................................................................................ 34
2.1 Antecedentes ............................................................................................................................ 34
2.1.1 Antecedentes Internacionales ................................................................................................ 34
2.1.2 Antecedentes Nacionales....................................................................................................... 36
2.2 Base Teórica ............................................................................................................................. 41
2.2.1 Canon Minero ........................................................................................................................ 41
2.2.2 Pobreza por NBI .................................................................................................................... 55
2.2.3 Canon Minero y Pobreza por NBI ......................................................................................... 71
2.2.4 Metodología Econométrica ................................................................................................... 81
2.3 Base Conceptual ....................................................................................................................... 92
Capítulo 3 Resultados .................................................................................................................. 95
3.1 Análisis del Comportamiento del Canon Minero ................................................................. 95
3.1.1 Comportamiento del Canon Minero ...................................................................................... 95
3.1.2 Tasa de Crecimiento del Canon Minero ................................................................................ 99
3.1.3 Canon Minero Per Cápita .................................................................................................... 100
3.1.4 Transferencias del Canon Minero a las Universidades Públicas ......................................... 101
3.2 Análisis de la Importancia del Canon Minero .................................................................... 103
3.2.1 Comparación del Canon Minero con otros Tipos de Canon, Regalías y Derechos............. 103
3.2.2 Participación del Canon Minero en el Presupuesto Transferido ......................................... 111
3.2.3 Utilización del Canon Minero ............................................................................................. 117
3.3 Análisis de la Evolución de la Pobreza por NBI ................................................................. 127
3.3.1 Evolución de la Pobreza por NBI ........................................................................................ 128
3.3.2 Comparación entre la Pobreza por NBI y la Pobreza Monetaria ........................................ 134
3.4 Aplicación de la Metodología Econométrica para Analizar el Impacto del Canon Minero
en la Pobreza por NBI ........................................................................................................................ 136
3.4.1 Especificación del Modelo .................................................................................................. 136
3.4.2 Estimación del Modelo........................................................................................................ 137
3.4.3 Validación del Modelo ........................................................................................................ 144
Conclusiones .............................................................................................................................. 152
Recomendaciones ....................................................................................................................... 153
Referencias ................................................................................................................................. 155
Anexos ........................................................................................................................................ 162
9
Índice de Tablas
Tabla 1 Posición del Perú en el Ranking de Producción Minera en Latinoamérica y el Mundo, 2018 ...................... 16
Tabla 2 Comparación de la Carga Fiscal a la Minería Entre Países Mineros (Soles) ............................................... 21
Tabla 3 Descripción de las Variables.......................................................................................................................... 28
Tabla 4 Definiciones de los Tipos de Canon, Regalías y Derechos ............................................................................ 42
Tabla 5 Transferencias por Tipo de Canon a los Gobiernos Regionales y Locales del Perú, 2018 (Miles de Soles) . 44
Tabla 6 Diferencia entre Canon Minero, Regalía Minera y Derecho de Vigencia de Mina ....................................... 45
Tabla 7 Pensamiento de la Pobreza según Escuela Económica.................................................................................. 58
Tabla 8 Dimensiones y Variables de la Pobreza por NBI para América Latina según la CEPAL ............................. 68
Tabla 9 Componentes de la Pobreza por NBI para el Perú según el INEI ................................................................. 69
Tabla 10 Comparación entre la Pobreza por NBI y la Pobreza Monetaria ................................................................ 70
Tabla 11 Transferencias de Canon Minero en los Departamentos de la MRS, 1996-2018 (Millones de Soles) ......... 95
Tabla 12 Tasa de Crecimiento del Canon Minero en la MRS y en el Perú, 1997-2018 (Variaciones Porcentuales
respecto al Año Anterior) .......................................................................................................................................... 100
Tabla 13 Comparación del Canon Minero con otros Tipos de Canon, Regalías y Derechos en los Departamentos de
la MRS, 1996-2018 (Millones de Soles) .................................................................................................................... 104
Tabla 14 Comparación del Canon Minero con otros Tipos de Canon, Regalías y Derechos en los Departamentos del
Perú, 1996-2018 (Millones de Soles) ........................................................................................................................ 108
Tabla 15 Comparación del Canon Minero Acumulado con otros Tipos de Canon, Regalías y Derechos Acumulados
en los Departamentos de la MRS, 1996-2018 (Millones de Soles) ............................................................................ 110
Tabla 16 Presupuesto Transferido a los Departamentos de la MRS, 1996-2018 (Millones de Soles) ...................... 112
Tabla 17 Participación del Canon Minero respecto al Presupuesto Transferido de cada Departamento de la MRS,
1996-2018 (Porcentajes) ........................................................................................................................................... 114
Tabla 18 Destino de los ICM y otros Rubros según Tipo de Gasto en los Departamentos y Universidades Públicas
de la MRS, 2018 (Millones de Soles) ......................................................................................................................... 118
Tabla 19 Destino de los ICM y otros Rubros según Función en los Departamentos de la MRS, 2018 (Millones de
Soles) ......................................................................................................................................................................... 120
Tabla 20 Eficacia en la Ejecución de los ICM y otros Rubros en los Departamentos de la MRS, 2018 (Millones de
Soles y Porcentajes) ................................................................................................................................................... 123
Tabla 21 Eficacia en la Ejecución de los ICM y otros Rubros en las Universidades Públicas de los Departamentos
de la MRS, 2018 (Millones de Soles y Porcentajes) .................................................................................................. 126
Tabla 22 Pobreza por NBI en los Departamento de la MRS, 1996-2018 (Porcentaje de la Población Total con al
menos una Necesidad Básica Insatisfecha) ............................................................................................................... 128
Tabla 23 Regresión por el Modelo Agrupado (Pooled) ............................................................................................ 138
Tabla 24 Regresión por el Modelo de Efectos Fijos .................................................................................................. 139
Tabla 25 Regresión por el Modelo de Efectos Aleatorios ......................................................................................... 141
10
Tabla 26 Comparación entre Modelos ...................................................................................................................... 142
Tabla 27 Test de Hausman ........................................................................................................................................ 143
Tabla 28 Detección de Heterocedasticidad por el Test de Breusch y Pagan ............................................................ 144
Tabla 29 Detección de Autocorrelación por el Test de Wooldridge ......................................................................... 145
Tabla 30 Regresión por Mínimos Cuadrados Generalizados Factibles .................................................................... 146
Tabla 31 Grado de Correlación entre la Pobreza por NBI y el Canon Minero en los Departamentos de la MRS ... 149
11
Índice de Figuras
Figura 1 Participación de la Inversión Minera en la Inversión Total en el Perú, 1996-2018 .................................... 17
Figura 2 Participación de las Exportaciones Mineras en las Exportaciones Totales en el Perú, 1996-2018 ............ 19
Figura 3 Participación del PBI del Sector Minero en el PBI Total en el Perú, 1996-2018 ........................................ 20
Figura 4 Participación del Impuesto a la Renta de Tercera Categoría Minero en el Impuesto de Renta de Tercera
Categoría Total en el Perú, 1996-2018 ....................................................................................................................... 21
Figura 5 Ingreso Tributario y no Tributario Minero en el Perú, 1996-2018 .............................................................. 23
Figura 6 Participación del Canon Minero de la MRS en el Canon Minero del Perú, 1996-2018 .............................. 24
Figura 7 Tipos de Canon, Regalías y Derechos .......................................................................................................... 42
Figura 8 Generación del Canon Minero ..................................................................................................................... 47
Figura 9 Criterios de Distribución del Canon Minero. ............................................................................................... 49
Figura 10 Esquema Metodológico de la Elaboración de los Índices de Distribución del Canon Minero .................. 50
Figura 11 Clasificación de las Dimensiones de la Pobreza ........................................................................................ 63
Figura 12 Métodos de Medición de la Pobreza ........................................................................................................... 66
Figura 13 Mecanismos de Transmisión Esperados de los Recursos Naturales en la Pobreza ................................... 77
Figura 14 Comportamiento del Canon Minero en los Departamentos de la MRS, 1996-2018 .................................. 96
Figura 15 Canon Minero Acumulado en los Departamentos de la MRS, 1996-2018 ................................................. 97
Figura 16 Participación del Canon Minero Acumulado de los Departamentos de la MRS respecto a la MRS y
respecto al Perú, 1996-2018 (Porcentajes) ................................................................................................................. 98
Figura 17 Participación del Canon Minero Acumulado y la Población de la MRS en el Perú, 1996-2018
(Porcentajes) ............................................................................................................................................................... 99
Figura 18 Canon Minero per Cápita Promedio en los Departamentos de la MRS, 1996-2018 ............................... 101
Figura 19 Transferencias del Canon Minero Acumulado a las Universidades Públicas de los Departamentos de la
MRS, 1996-2018 (Soles) ............................................................................................................................................ 102
Figura 20 Comparación del Canon Minero con otros Tipos de Canon, Regalías y Derechos en los Departamentos
de la MRS, 1996-2018 ............................................................................................................................................... 106
Figura 21 Comparación del Canon Minero Acumulado con otros Tipos de Canon, Regalías y Derechos en los
Departamentos de la MRS, 1996-2018 (Porcentajes) ............................................................................................... 107
Figura 22 Comparación del Canon Minero con otros Tipos de Canon, Regalías y Derechos en los Departamentos
del Perú. 1996-2018 .................................................................................................................................................. 109
Figura 23 Comparación del Canon Minero Acumulado con otros Tipos de Canon y Regalías en los Departamentos
del Perú, 1996-2018 (Porcentajes) ............................................................................................................................ 109
Figura 24 Comparación del Canon Minero Acumulado con otros Tipos de Canon, Regalías y Derechos Acumulados
en los Departamentos de la MRS, 1996-2018 ........................................................................................................... 111
Figura 25 Presupuesto Transferido a los Departamentos de la MRS, 1996-2018 .................................................... 113
Figura 26 Participación del Canon Minero respecto al Presupuesto Transferido en la MRS, 1996-2018............... 115
12
Figura 27 Diagrama de Dispersión de la Relación entre el Índice de Dependencia y el Presupuesto Transferido
Acumulado a los Departamentos de la MRS, 1996-2018 .......................................................................................... 116
Figura 28 Destino de los ICM y otros Rubros según Tipo de Gasto en los Departamentos y Universidades Públicas
de la MRS, 2018 ........................................................................................................................................................ 119
Figura 29 Destino de los ICM y otros Rubros según Función en los Departamentos de la MRS y el Perú, 2018 .... 121
Figura 30 Destino de ICM y otros Rubros según Función en los Departamentos de la MRS y el Perú, 2018
(Porcentajes) ............................................................................................................................................................. 122
Figura 31 Marco, Ejecución y Eficacia Presupuestal de los ICM y otros Rubros en los Departamentos de la MRS,
2018 ........................................................................................................................................................................... 124
Figura 32 Marco, Ejecución y Eficacia Presupuestal de los ICM y otros Rubros en los Departamentos de la MRS y
el Perú, 2018 ............................................................................................................................................................. 125
Figura 33 Marco, Ejecución y Eficacia Presupuestal de los ICM y otros Rubros en las Universidades Públicas de
los Departamentos de la MRS, 2018 ......................................................................................................................... 127
Figura 34 Evolución de la Pobreza por NBI en los Departamentos de la MRS, 1996-2018 .................................... 129
Figura 35 Reducción de la Pobreza por NBI en los Departamentos de la MRS, 1996-2018 .................................... 130
Figura 36 Reducción de las Componentes de la Pobreza por NBI en los Departamentos de la MRS, 1996-2018 ... 132
Figura 37 Evolución de la Pobreza por NBI en los Departamentos de la MRS, 1996-2018 .................................... 133
Figura 38 Comparación de la Pobreza por NBI vs la Pobreza Monetaria en la MRS y en el Perú, 1996-2018 ...... 135
Figura 39 Relación entre la Pobreza por NBI y el Canon Minero en la MRS y en el Perú, 1996-2018 ................... 149
Figura 40 Diagrama de Dispersión de la Relación entre la Pobreza por NBI y el Canon Minero en los
Departamentos de la MRS, 1996-2018 ...................................................................................................................... 150
Figura 41 Diagrama de Dispersión de la Relación entre la Pobreza por NBI y Canon Minero Per Cápita en los
Departamentos de la MRS, 1996-2018 ...................................................................................................................... 151
13
Índice de Anexos
Anexo 1- Canon Minero en los Gobiernos Regionales de los Departamentos de la MRS, 1996-2018 (Millones de
Soles) ......................................................................................................................................................................... 162
Anexo 2- Canon Minero en los Gobiernos Locales de los Departamentos de la MRS, 1996-2018 (Millones de Soles)
................................................................................................................................................................................... 163
Anexo 3- Canon Minero en los Departamentos de la MRS, 1996-2018 (Millones de Soles) .................................... 164
Anexo 4- Canon Minero Per Cápita en los Departamentos de la MRS, 1996-2018 (Soles) ..................................... 165
Anexo 5- Distribución del Canon Minero según Ámbito en el Perú, 1996-2018 (Millones de Soles) ....................... 166
Anexo 6- Transferencias del Canon Minero Acumulados a las Universidades Públicas de los Departamentos de la
MRS, 1996-2018 (Millones de Soles) ........................................................................................................................ 167
Anexo 7- Canon Hidroenergético en los Departamentos (GR+GL) de la MRS, 1996-2018 (Millones de Soles) ..... 168
Anexo 8- Canon Gasífero en los Departamentos (GR+GL) de la MRS, 1996-2018 (Millones de Soles) ................. 169
Anexo 9- Canon Pesquero en los Departamentos (GR+GL) de la MRS, 1996-2018 (Millones de Soles) ................ 170
Anexo 10- Canon Forestal en los Departamentos (GR+GL) de la MRS, 1996-2018 (Millones de Soles) ................ 171
Anexo 11- Canon y Sobrecanon Petrolero en los Departamentos (GN+GR+GL) de la MRS, 1996-2018 (Millones de
Soles) ......................................................................................................................................................................... 172
Anexo 12- Regalías Mineras en los Departamentos (GN+GR+GL) de la MRS del Perú, 1996-2018 (Millones de
Soles) ......................................................................................................................................................................... 173
Anexo 13- Regalías Gasíferas en los Departamentos (GR+GL) de la MRS, 1996-2018 (Millones de Soles) ........... 174
Anexo 14- Derechos de Pesca en los Departamentos (GR+GL) de la MRS, 1996-2018 (Millones de Soles) .......... 175
Anexo 15- Destino de los ICM y otros Rubros según Genérica en los Departamentos y Universidades Públicas de la
MRS, 2018 (Millones de Soles) .................................................................................................................................. 176
Anexo 16- Pobreza por NBI en los Departamento de la MRS, 1996-2018 (Porcentaje de la Población Total con al
menos una Necesidad Básica Insatisfecha) ............................................................................................................... 177
Anexo 17- Población en Viviendas con Características Físicas Inadecuadas en los Departamento de la MRS, 1996-
2018 (Porcentaje de la Población Total) .................................................................................................................. 178
Anexo 18- Población en Viviendas con Hacinamiento en los Departamento de la MRS, 1996-2018 (Porcentaje de la
Población Total) ........................................................................................................................................................ 179
Anexo 19- Población en Viviendas sin Servicios Higiénicos en los Departamento de la MRS, 2001-2018 (Porcentaje
de la Población Total) ............................................................................................................................................... 180
Anexo 20- Población en Hogares con Niños que no Asisten a la Escuela en los Departamento de la MRS, 2001-2018
(Porcentaje de la Población Total) ........................................................................................................................... 181
Anexo 21- Población en Hogares con Alta Dependencia Económica en los Departamento de la MRS, 2001-2018
(Porcentaje de la Población Total) ........................................................................................................................... 182
Anexo 22- Pobreza Monetaria en los Departamento de la MRS, 1996-2018 (Porcentaje de la Población Total) ... 183
Anexo 23- Población Total Estimada en los Departamento de la MRS, 1996-2018 (Número de Personas) ............ 184
Anexo 24- Pobreza por NBI en los Departamento de la MRS, 1996-2018 (Número de Personas) ........................... 185
14
Anexo 25- Pobreza Monetaria en los Departamento de la MRS, 1996-2018 (Número de Personas) ....................... 186
Anexo 26- Descripción de la Base de Datos .............................................................................................................. 187
Anexo 27- Descripción Estadística de los Datos de Panel ........................................................................................ 188
Anexo 28- Clasificación de Datos con Panel Balanceado ........................................................................................ 189
Anexo 29- Heterogeneidad del Canon Minero entre los Departamentos de la MRS, 1996-2018 ............................. 190
Anexo 30- Heterogeneidad de la Pobreza por NBI entre los Departamentos de la MRS, 1996-2018 ...................... 191
Anexo 31- Heterogeneidad del Canon Minero entre Años de los Departamentos de la MRS, 1996-2018 ............... 192
Anexo 32- Heterogeneidad de la Pobreza por NBI entre Años de los Departamentos de la MRS, 1996-2018 ......... 193
Anexo 33- Comportamiento Individual del Canon Minero en los Departamentos de la MRS, 1996-2018 ............... 194
Anexo 34- Comportamiento Individual de la Pobreza por NBI de los Departamentos de la MRS, 1996-2018 ........ 195
Anexo 35- Comparación entre Modelos con Datos de Panel .................................................................................... 196
Anexo 36- Matriz de Consistencia ............................................................................................................................. 198
15
Introducción
Indudablemente el Perú es un país con abundante riqueza natural, de ahí que es considerado
como un país minero. Además, en las últimas décadas, el sector minero en el Perú, en promedio
representó el 13% de la inversión total, el 60% de las exportaciones e ingresos de divisas, el 11%
del producto bruto interno y contribuyó con el 21% del impuesto a la renta de tercera categoría,
siendo además, la principal fuente de ingresos tributarios y no tributarios para el Estado. Del cual,
el canon minero se ha convertido en una de las fuentes de financiamiento más importantes para los
gobiernos regionales y locales, en particular para la Macro Región Sur. Sin embargo, aunque
dichas contribuciones económicas suenen atractivas, en la realidad existen percepciones de que
los ingresos por la explotación de los recursos naturales como el canon minero, no se están
traduciendo en una mejor situación de la población, en particular de la pobreza, a pesar de que se
han dado bases legales del canon minero orientados a reducir específicamente la pobreza por
necesidades básicas insatisfechas (de ahora en adelante denominado pobreza por NBI).
En ese sentido, la finalidad de la presente investigación es dar a conocer el impacto
cuantitativo que ha tenido el canon minero en la pobreza por NBI en la Macro Región Sur del Perú
desde el año 1996 (año en que se empezó a distribuir el canon minero) hasta el año 2018, a través
de la metodología econométrica con datos de panel.
El documento está estructurado en tres capítulos. En el capítulo 1 se presenta el
planteamiento metodológico, que incluye el planteamiento del problema, los objetivos, las
hipótesis, las variables y modelo, así como la justificación, la delimitación y la metodología. En el
capítulo 2 se desarrolla el marco teórico, que comprende la revisión de los antecedentes, la base
teórica y conceptual. En el capítulo 3 se presentan los resultados de la investigación. Finalmente
se presentan las conclusiones y recomendaciones, así como las referencias y los anexos.
16
Capítulo 1
Planteamiento Metodológico
1.1 Planteamiento del Problema
1.1.1 Contexto
La minería es una de las actividades más importantes del sector primario que mejor
contribuye a la economía mundial. En los últimos 25 años, a nivel mundial la minería ha estado en
una fase de expansión sin precedentes, puesto que desde la década de los 90, la evolución de las
inversiones mineras registraron un crecimiento significativo en el mundo (CooperAcción, 2016),
pasando de 1,000 millones de US$ en 1993 a 10,000 millones de US$ en 2018 solo en el rubro de
exploración minera, teniendo como principales países receptores a Canadá (14%), Australia
(13%), EE.UU. (8%), Perú (6%) y México (6%), posicionando al Perú como el primer receptor de
inversiones mineras en Latinoamérica y el cuarto en el mundo en el año 2018 (De Echave, 2019).
Esto debido en gran parte a que el Perú es el segundo productor de cobre, plata y zinc a nivel
mundial; y es el primer productor de oro, zinc, plomo, estaño, diatomita, indio y selenio en
América Latina. Además, es el primer país en el mundo con mayor reserva de plata (MINEM).
Tabla 1
Posición del Perú en el Ranking de Producción Minera en Latinoamérica y el Mundo, 2018
Principales Metales Latinoamérica Mundo
Oro 1 6
Cobre 2 2
Plata 2 2
Zinc 1 2
Plomo 1 3
Estaño 1 4
Molibdeno 2 4
Cadmio 2 8
Diatomita 1 5
Indio 1 7
Selenio 1 10
Fuente: MINEM.
Elaboración: Propia.
17
En ese sentido, debido a la riqueza geológica y mineral, así como el marco jurídico que
promueve la inversión privada, el Perú se convirtió en uno de los países más atractivos para la
inversión minera en el mundo. Por lo que, la contribución de la inversión minera en la inversión
total (privada y pública), ha ido creciendo de manera notable (véase la Figura 1), el cual ha sido
un factor de peso importante en el crecimiento de la economía en las últimas décadas. En el año
2013, llegaron a alcanzar los 26,865 millones de soles, aportando con el 21% de la inversión total,
en contraste en el año 2016 la inversión minera se redujo a 14,405 millones de soles (-41% respecto
al año anterior), debido principalmente a que los proyectos como Las Bambas y la ampliación de
Cerro Verde han pasado a la fase de producción, no obstante, para el año 2018 la inversión minera
se incrementó a 19,249 millones de soles. Además, se estima que para los próximos años la cartera
de proyectos mineros incrementará tanto en exploración, explotación y ampliaciones, los cuales se
ubican en departamentos como: Cusco, Cajamarca, Moquegua, Tacna, Ica, Lima, Arequipa, Junín,
Piura, Áncash, Huancavelica y Lambayeque (MINEM).
Figura 1
Participación de la Inversión Minera en la Inversión Total en el Perú, 1996-2018
Nota: Los millones de soles están expresados a precios constantes de 2007.
Fuente: INEI y MINEM.
Elaboración: Propia.
1156 1952 3795 1860 13525271 4996
11495
26865
14405192493%
2%
5%
8%
11%
17%
5%
3%4%
9% 10%
5% 5%
12% 12%
19%20%
21% 21% 21%
13%
15%
16%
0%
5%
10%
15%
20%
25%
0
20000
40000
60000
80000
100000
120000
140000
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Años
Po
rce
nta
jes
Mil
lon
es
de
So
les
Inversión minera Inversión total % de participación
18
Esta realidad condicionó el modelo de desarrollo del Perú como una economía primario
exportadora, además de que en palabras de Pegg (2006), al Perú se le puede considerar como un
país dependiente de la minería al tener una minería dominante, ya que sus exportaciones mineras
representaron más del 50% del total de exportaciones en las dos últimas décadas, tal como consta
en la Figura 2. Consecuentemente, la minería se convirtió en la principal fuente de divisas para el
Perú en las últimas décadas. Además, los principales demandantes de las exportaciones mineras
del Perú son países cuyo desarrollo se basa en la producción y la industria tales como: Estados
Unidos, China, Suiza, Japón, Canadá y la Unión Europea (MINEM).
Todo esto significa que el Perú depende en gran medida de la volatilidad de los precios
internacionales de los minerales, pues los canales de transmisión indirectos de los recursos
naturales, en particular de los mineros a través de los ingresos fiscales, así como del canon minero,
crecen cuando los precios mejoran y se desploman cuando dichos precios caen. Por lo que, las
finanzas públicas se han vuelto más volátiles y menos sostenibles en el Perú.
Es así que, desde el año 2003 las exportaciones mineras, en mayor medida de los metales
de cobre y oro, iniciaron una expansión sin precedentes en la historia del Perú, con breves
descensos en los años 2009 y 2015 como consecuencia de la crisis financiera (2008) y la caída de
los precios de los minerales.
19
Figura 2
Participación de las Exportaciones Mineras en las Exportaciones Totales en el Perú, 1996-2018
Fuente: BCRP.
Elaboración: Propia.
Con relación a lo anterior, en las últimas décadas el sector minero en el Perú experimentó
un gran salto que permitió en gran medida empujar al país a un impulso económico. Esto significa
que la minera sigue siento una de las piedras angulares de la fortaleza económica y prosperidad de
la población. Pues, el aporte del sector minero al producto bruto interno en las últimas décadas ha
sido creciente. Dado que, dicho aporte pasó del 7% en el año 1996 al 12% en el año 2007, para
luego ubicarse en el 11% en el año 2018 (ver la Figura 3). Además, según el Centro para la
Competitividad y el Desarrollo (2017) en alianza con el Instituto de Ingenieros de Minas del Perú
(IIMP), el sector minero en los próximos años empezará a expandirse en mayor medida, debido a
que muchos proyectos mineros empezarán a producir.
5878 6825 5757 6088 6955 7026 7714 909112809
17368
23830
2809431018
27071
35803
4637647411
4286139533
3441437082
4542249066
45%
40%
48% 49%46% 46%
49%52%
56% 56%
62% 62%58%
61% 61% 59% 58%56%
52%55%
59%61% 59%
0%
10%
20%
30%
40%
50%
60%
70%
0
10000
20000
30000
40000
50000
60000
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Po
rce
nta
jes
Mil
lon
es
de
US
$
Años
Cobre Estaño Hierro Oro
Plata refinada Plomo Zinc Molibdeno
Resto de metales Resto de exportaciones Exportaciones mineras Exportaciones totales
% de participación
20
Figura 3
Participación del PBI del Sector Minero en el PBI Total en el Perú, 1996-2018
Nota: Los millones de soles están expresados a precios constantes de 2007.
Fuente: INEI.
Elaboración: Propia.
Por lo tanto, bajo este panorama se pone en relieve la importancia que tiene el sector minero
en la contribución de ingresos tributarios y no tributarios al Estado, los cuales permiten analizar el
canon minero por el aprovechamiento de los recursos mineros.
Es así que, en el Perú de cada 100 soles que gana una empresa minera, alrededor de 47
soles se queda en el Estado por pagos al fisco, de canon y de utilidades a los trabajadores (IPE,
2019). Lo que significa que, en comparación con otros países mineros, el régimen tributario
peruano se encuentra entre los más caros, tal como se aprecia en el ejemplo de la Tabla 2, que
realizó el IPE (2019) a través de la comparación del régimen tributario bajo una empresa minera
modelo.
14687 17400 20071 25937 29398 34031 41986 39519 39936 40580 54748 56484
201009 213190 222207 235773257770
294598
348870382081
431199467308
501581 534665
7%
8%
9%
11%11% 12%
12%
10%
9%9%
11%11%
0%
2%
4%
6%
8%
10%
12%
14%
0
100000
200000
300000
400000
500000
600000
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Po
rce
nta
jes
Mil
lon
es
de
So
les
Años
PBI del sector minero PBI total % de participación
21
Tabla 2
Comparación de la Carga Fiscal a la Minería Entre Países Mineros (Soles)
Tipo de Carga Fiscal/Países Mineros Perú México Canadá Australia Chile
21. Cargas específicas 186 255 250 170 150
24. Fondo complementario de jubilación minera 13 - - - -
28. Impuesto a la renta final 723 639 600 744 625
30. Participación de los trabajadores en las utilidades final 196 240 - - -
35. Impuestos a los dividendos 104 152 90 260 303
36. Aporte por regulación (0.25%)*(1) 25 - - - -
33. Total impuestos (21)+(25)+(27)+(32)+(36) 1247 1,286 940 1,174 1,078
7. Renta neta 2650 2,650 2,650 2,650 2,650
34. Carga fiscal (33)/(7) 47.06% 48.53% 35.47% 44.30% 40.68%
Fuente: IPE (2019).
Elaboración: Propia.
En ese sentido, en la Figura 4 se puede ver que el impuesto a la renta de tercera categoría
minero contribuyó notablemente al impuesto a la renta de tercera categoría total, a pesar de que
tuvo caídas y subidas. Así mismo, se observa una clara dependencia tributaria de los precios de los
metales (sector externo).
Figura 4
Participación del Impuesto a la Renta de Tercera Categoría Minero en el Impuesto de Renta de Tercera
Categoría Total en el Perú, 1996-2018
Nota: El impuesto a la renta es denominado IR.
Fuente: SUNAT e indexmundi.
Elaboración: Propia.
172 198 209 120 161 129 240 329 5861288
4335
6439 6056
2609
48316290
5393
29221881
1051 7701727
25852251 2660 2439 1934 2023 2253 26043747
44965316
9963
13258
14921
10691
14652
1932120744
1963318536
16817 1649615499
17268
0
20
40
60
80
100
120
0
5000
10000
15000
20000
25000
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Índ
ice
20
05
=1
00
Mil
lon
es
de
So
les
Años
IR de tercera categoría minera IR de tercera categoría total Índice de precios de metales
22
Como ya se mencionó anteriormente, en el sector minero se aplican diferentes instrumentos
fiscales para recaudar ingresos, estos son tributarios y no tributarios. En el primero predomina el
impuesto a la renta de tercera categoría, el Impuesto Especial a la Minería (IEM), el Impuesto
General a las Ventas (IGV), entre otros impuestos tributarios (estos pueden ser: el impuesto
temporal a los activos netos, es decir impuesto al patrimonio y que puede utilizarse para la
regularización del impuesto a la renta, el Impuesto a los Dividendos (ID), impuesto a la renta de
quinta categoría, las multas, entre otros). Además es pertinente destacar que, como es conocido la
mayor parte de la producción minera es exportada, y dado que los impuestos no se exportan, pues
las exportaciones no están gravadas con el IGV, lo que significa que dichos tributos por IGV se
devuelven en su gran mayoría al sector minero. Por lo que el sector minero es uno de los que menos
aporta a la recaudación a través del IGV sobre todo cuando caen los precios internacionales de los
minerales, por ende también caen los ingresos y el impuesto a la renta que deben pagar las
empresas mineras. Puesto que dichas empresas mineras en épocas donde se acentúa la baja de los
precios de los minerales, suelen aplicar el saldo a favor del exportador acumulado. Es así que en
ocasiones el Estado termina subsidiando a las empresas mineras, ya que el monto devuelto por
IGV puede superar al monto del impuesto a la renta recaudado por la Superintendencia Nacional
de Administración Tributaria (SUNAT). En el segundo predominan la regalía minera (Ley N°
28258 de 2004), la regalía minera (Ley N° 29788 de 2011) y el Gravamen Especial a la Minería
(GEM), entre otros derechos y aportes (Mendoza & De Echave, 2016). En la Figura 5 se puede
apreciar la participación de cada instrumento tributario y no tributario del sector minero, los cuales
tuvieron una tendencia positiva en los años del horizonte del presente estudio a pesar de los
descensos generados en gran parte por las oscilaciones de los precios de los metales.
23
Figura 5
Ingreso Tributario y no Tributario Minero en el Perú, 1996-2018
Fuente: SUNAT e indexmundi.
Elaboración: Propia.
Es así que, una elevada proporción de los ingresos generados por la minería se distribuyen
a través del canon minero a los gobiernos regionales y locales donde fueron explotados los recursos
naturales. Pasando así de 15 millones de soles en el año 1996 (año en que se empezó a transferir
el canon minero a los departamentos) a 3,158 millones de soles en el año 2018 para el Perú,
teniendo como picos máximos en los años 2007 y 2012 con 5,157 y 5,124 millones de soles
respectivamente (ver la Figura 6), acumulando un total de 44,869 millones de soles de canon
minero durante el periodo de 1996-2018. Del cual, la Macro Región del Sur tuvo una participación
del 40.34% de dicho monto acumulado para el Perú, alcanzando un total de 18,101 millones de
soles de canon minero durante el mismo periodo, siendo el departamento de Arequipa quien tuvo
la mayor participación del canon minero en la Macro Región Sur, con el 28.42% y un acumulado
de 5,143 millones de soles desde el año en que se empezó a transferir dicho ingreso hasta el año
2018.
491 545 592 502 699 612 691 10971909
3389
8133
11287
9439
5197
8778
12234 12159
8507 8614
5245 5134
8126
11170
0
20
40
60
80
100
120
0
2000
4000
6000
8000
10000
12000
14000
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
índ
ice
20
05
=1
00
Mil
lon
es
de
So
les
Años
IR de tercera categoría minera Regularizaciones mineras
Impuesto especial a la minería Ingresos por IGV minero
Otros ingresos tributarios mineros Regalías mineras (Ley N° 28258)
Regalías mineras (Ley N° 29788) Gravámen especial a la minería
Ingresos tributarios y no tributarios mineros Índice de precios de metales
24
Figura 6
Participación del Canon Minero de la MRS en el Canon Minero del Perú, 1996-2018
Nota: La Macro Región Sur es denominado como MRS para la presente investigación.
Fuente: MEF.
Elaboración: Propia.
Además, es importante resaltar que las transferencias de canon minero contribuyen a un
mayor financiamiento de los gobiernos regionales y locales (de manera descentralizada), en
particular de los departamentos de la Macro Región Sur, que para la presente investigación será la
unidad de estudio. De igual manera, las transferencias de canon minero se realizan en función al
nivel de pobreza, específicamente de necesidades básicas insatisfechas, tal como indica la Ley N°
27506. Dichos ingresos se destinan para el financiamiento de proyectos de inversión de impacto
regional y local orientados en particular a reducir las necesidades básicas insatisfechas de la
población.
Sin embargo, aunque las cifras en términos macroeconómicos mostrados anteriormente
suenen atractivos para un país de ingresos medios como el Perú; a nivel microeconómico, existe
un gran descontento entre la población, pues se percibe que el auge de la minería no se está
traduciendo en una mejor situación de la población, en particular de la pobreza. Por lo que, el
impacto que tiene la actividad minera podría verse mermado por el entorno político, social y
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Canon minero MRS 11 76 104 37 15 35 62 110 143 472 855 1858 1818 1619 1078 1885 2113 1262 1141 1070 529 631 1177
Canon minero Perú 15 111 169 87 55 81 116 229 399 888 1746 5157 4436 3434 3090 4157 5124 3817 2979 2260 1497 1863 3158
% de participación 72% 68% 62% 43% 27% 43% 53% 48% 36% 53% 49% 36% 41% 47% 35% 45% 41% 33% 38% 47% 35% 34% 37%
72%68%
62%
43%
27%
43%
53%48%
36%
53%49%
36%41%
47%
35%
45%41%
33%38%
47%
35% 34%37%
0%
10%
20%
30%
40%
50%
60%
70%
80%
0
1000
2000
3000
4000
5000
6000
Po
rcen
taje
s
Millo
nes d
e S
ole
s
Años
Canon minero MRS Canon minero Perú % de participación
25
ambiental, así como por la presencia de instituciones débiles con altos niveles de corrupción y
gobernanzas deficientes, los cuales no permiten que el canon minero sea canalizado de manera
eficiente y efectiva a la población, a través de la provisión de servicios públicos básicos y el cierre
de brechas sociales.
Al respecto, diversos estudios demuestran bajo diferentes metodologías, que el sector
minero así como los ingresos tributarios y no tributarios que éste genera, contribuyen de manera
positiva en el desarrollo de un país o departamento, así como en la reducción de la pobreza, por
ejemplo: Donet Paredes (2019), Vera Arela (2017), Macroconsult, (2012), entre otros. En
contraste, existen otros estudios que demuestran lo contrario, tales como: Zamalloa Valera (2014),
Del Pozo & Pucarmayta (2012), Pegg (2006), entre otros; puesto que, muestran que dichos
recursos naturales e ingresos derivados, no contribuyeron de manera significativa en la reducción
de la pobreza y que los países con abundantes recursos naturales, usualmente mostraron elevados
niveles de corrupción y una dependencia de estos recursos naturales que impide su
industrialización (cabe resaltar que gran parte de dichos estudios consideraron como periodo de
estudio a la década de los 90 e inicios del decenio de los años 2000).
Por lo tanto, bajo este contexto, surge la necesidad e importancia de dar a conocer el
impacto cuantitativo que ha tenido el canon minero en la pobreza, en particular de necesidades
básicas insatisfechas en la Macro Región Sur del Perú desde el año 1996 (año en que se empezó a
distribuir el canon minero) hasta el año 2018, mediante el enfoque cuantitativo, debido al propósito
del estudio. Además, es importante destacar que no existen estudios similares para la Macro
Región Sur.
26
1.1.2 El Problema de Investigación
El problema central radica en analizar el impacto cuantitativo del canon minero en la
pobreza por NBI en la Macro Región Sur del Perú durante el periodo 1996-2018.
A continuación, se planteará el problema a través de la sistematización e interrogantes del
problema, los cuales serán desarrollados y contrastados aplicando la metodología econométrica en
el capítulo 3.
1.1.3 Sistematización del Problema
1.1.3.1 Interrogante General.
¿Cuál ha sido el impacto que ha tenido el canon minero en la pobreza por NBI en la
Macro Región Sur del Perú durante el periodo 1996-2018?
1.1.3.2 Interrogantes Específicos.
¿Cómo ha sido el comportamiento del canon minero en la Macro Región Sur del Perú
durante el periodo 1996-2018?
¿Cuál ha sido la importancia del canon minero en la Macro Región Sur del Perú durante
el periodo 1996-2018?
¿Cómo ha sido la evolución de la pobreza por NBI en la Macro Región Sur del Perú
durante el periodo 1996-2018?
1.2 Objetivos
1.2.1 Objetivo General
Analizar el impacto que ha tenido el canon minero en la pobreza por NBI en la Macro
Región Sur del Perú durante el periodo 1996-2018.
27
1.2.2 Objetivos Específicos
Analizar el comportamiento que ha tenido el canon minero en la Macro Región Sur del
Perú durante el periodo 1996-2018.
Analizar la importancia que ha tenido el canon minero en la Macro Región Sur del Perú
durante el periodo 1996-2018.
Analizar la evolución que ha tenido la pobreza por NBI en la Macro Región Sur del
Perú durante el periodo 1996-2018.
1.3 Hipótesis
1.3.1 Hipótesis General
El canon minero ha tenido un impacto positivo en la reducción de la pobreza por NBI
en la Macro Región Sur del Perú durante el periodo 1996-2018.
1.3.2 Hipótesis Específicas
El canon minero ha incrementado considerablemente en la Macro Región Sur del Perú
durante el periodo 1996-2018.
El canon minero ha sido uno de los recursos económicos más importantes en la Macro
Región Sur del Perú durante el periodo 1996-2018.
La pobreza por NBI se ha reducido paulatinamente en la Macro Región Sur del Perú
durante el periodo 1996-2018.
28
1.4 Variables y Modelo
1.4.1 Operacionalización de las Variables
Tabla 3
Descripción de las Variables
Variable Nombre Expresión Tipo Indicador Notas Fuente
Dependiente Pobreza
por NBI
pza Cuantitativa
continua
Porcentaje de la
población total.
Se consideró la
pobreza medido por el
método de
necesidades básicas
insatisfechas.
Instituto
Nacional de
Estadística e
Informática.
Independiente Canon
minero
cm Cuantitativa
continua
Millones de soles
(para la
estimación del
modelo se
consideró en
logaritmos
naturales).
Se dividió entre un
millón para cada
departamento y año
para apreciar mejor
los resultados.
Ministerio de
Economía y
Finanzas.
Fuente: Propia.
Elaboración: Propia.
1.4.2 Modelo
El modelo econométrico con datos de panel queda planteado de la siguiente manera:
pzait = α + β*lncmit + uit
Donde:
pza : Pobreza por NBI.
cm : Canon minero.
ln : Logaritmo natural.
α : Coeficiente de la regresión, conocida como la intersección de la pendiente.
β : Coeficiente de la pendiente.
u : Termino del error.
it : El subíndice i, indica los grupos de estudio y el subíndice t, indica el momento del
tiempo.
29
1.5 Justificación
La ejecución de la presente investigación se justifica en función a la gran importancia que
cobra el tema del canon minero, puesto que, es una de las fuentes principales de financiamiento de
los gobiernos regionales y locales, así mismo, es un instrumento clave de lucha contra la pobreza,
en particular de necesidades básicas insatisfechas. Además, no se han elaborado estudios
comparativos de este tipo de investigación para la Macro Región Sur del Perú para el periodo
1996-2018.
Desde la perspectiva teórica, se busca enriquecer el conocimiento científico a través de la
producción de mayor información y nuevas evidencias empíricas. Puesto que, en la presente
investigación se trata de analizar si el canon minero ha impactado de manera positiva o negativa,
y si este impacto ha sido significativo o no en la reducción de la pobreza por NBI en la Macro
Región Sur del Perú durante el periodo 1996-2018, a través de la aplicación de la metodología
econométrica con datos de panel.
Desde la perspectiva práctica, la presente investigación servirá como documento de análisis
a los gobiernos nacionales, regionales y locales, así como a las instituciones, investigadores y
sector privado. Así mismo, se pretende aportar información útil como base para mejorar los
mecanismos de transmisión indirectos de los recursos naturales (canon minero) a través del diseño,
gestión y evaluación de políticas, programas y proyectos públicos orientados a reducir la pobreza
por NBI. Además, considerando que los resultados al ser observables y cuantificables
proporcionan un mejor panorama al lector e invitan a analizar y reflexionar acerca de los resultados
obtenidos, también se busca incentivar a más investigadores a replicar el estudio en otras Macro
Regiones o departamentos, y para diferentes periodos de estudio, con la finalidad de dar a conocer
el impacto cuantitativo del canon minero en la pobreza por NBI.
30
1.6 Delimitación
1.6.1 Ámbito de Estudio
El ámbito de la investigación está constituido por los siete departamentos de la Macro
Región Sur del Perú, siendo estos: Apurímac, Cusco, Arequipa, Madre de Dios, Moquegua, Puno
y Tacna.
1.6.2 Temporalidad
Las series cronológicas del canon minero y la pobreza por NBI abarcan los periodos
comprendidos entre los años 1996 al 2018.
1.7 Metodología
1.7.1 Enfoque de Investigación
Según la naturaleza de los datos, es cuantitativo (Hernández Sampieri, Fernández Collado,
& Baptista Lucio, 2014). El enfoque cuantitativo utiliza la recolección de datos para probar
hipótesis a través de la medición numérica y el análisis estadístico. Así mismo, también es
considerado dentro del paradigma positivista (Esteban, 2009).
1.7.2 Diseño de Investigación
Es no experimental, pues las variables son estudiadas en su contexto real, sin ser objeto de
alguna modificación (Hernández Sampieri et al., 2014).
1.7.3 Tipo de Investigación
1.7.3.1 Según la Finalidad.
Es básica, también conocido como teórica, pues el propósito de la presente investigación
es producir nuevos conocimientos para ampliar y profundizar la información y las teorías
existentes (Hernández Sampieri et al., 2014; Carrasco, 2009).
31
1.7.3.2 Según el Número de Veces que se Miden las Variables.
Es de tipo longitudinal (Hernández Sampieri et al., 2014; Supo, 2020; Esteban, 2009).
Debido al requerimiento de los datos, en donde las variables bajo estudio son medidas en dos o
más ocasiones. Además, es con diseño panel, puesto que, tal como refiere Hernández Sampieri et
al. (2014), este tipo de investigación busca relacionar las variables de manera agrupada bajo un
análisis de datos que combina la dimensión temporal y transversal, de tal manera que todos los
individuos (siete departamentos de la Macro Región Sur) son seguidos durante el tiempo (23 años
de estudio).
1.7.3.3 Según la Fuente de Datos.
Es retrospectivo. En los estudios retrospectivos “se utilizan datos que provienen de
mediciones donde el investigador no tuvo participación” (Supo, 2020, pág. 7).
1.7.4 Nivel de Investigación
Es de nivel explicativo. Puesto que, en este nivel de investigación se pretende conocer por
qué ocurre un determinado fenómeno, en qué condiciones se manifiesta y trata de responder el por
qué se relacionan dos o más variables. Además, tiene como finalidad explicar el comportamiento
de una variable (Y) en función de otra variable (X), es decir, el efecto que produce una variable
sobre otra variable; así mismo, permiten establecer relaciones de causalidad entre variables, hechos
o fenómenos en un contexto concreto, lo que proporciona un sentido de entendimiento del
fenómeno social que se estudia (Hernández Sampieri et al., 2014; Supo, 2020).
1.7.5 Método de Investigación
Es inductivo, debido a que tal como sostiene Mendoza Bellido (2014) “la inducción es el
procedimiento a través del cual lo particular conduce a lo universal y supone una metodología de
medición sin teoría” (pág. 33).
32
Por otro lado, para (Blaug) en la lógica inductiva; se transita de lo particular a lo general,
de hechos a leyes, de lo concreto a lo abstracto, de lo observable a lo teórico (1992).
1.7.6 Técnica de Recolección de Datos
Se utilizó la técnica de documentación, también conocido como la utilización de datos
secundarios (Hernández Sampieri et al., 2014; Supo, 2020). Dado que los datos secundarios
implican información existente que ya ha sido recopilado, registrado y organizado por otro
investigador o institución con otras finalidades distinto del que se realiza en la presente
investigación. Además, para Bazzano & Montera (2016), los datos secundarios “son
representaciones analíticas de hechos fácticos que surgen como resultado de un proceso de
producción teórico-metodológico” (pág. 6).
En ese sentido se consideró los datos de instituciones reconocidas a nivel nacional por la
calidad y confiabilidad de sus datos, puesto que, es un aspecto fundamental para la fiabilidad de
los resultados de la presente investigación. Para obtener los datos sobre la pobreza por NBI, se
recurrió al Instituto Nacional de Estadística e Informática (INEI) y para la obtención de los datos
del canon minero, se recurrió al portal de transparencia del Ministerio de Economía y Finanzas
(MEF).
1.7.7 Técnica de Análisis de Datos
Para el tratamiento de los datos, se utilizó el análisis estadístico. Puesto que, la técnica del
análisis estadístico “sirve para una verificación de hipótesis rigurosa, evaluando los principales
indicadores estadísticos que se obtiene con un determinado programa estadístico” (Esteban, 2009,
pág. 94).
Para tal análisis estadístico, se aplicó la metodología econométrica con datos de panel
mediante la estadística descriptiva (construcción de tablas, figuras y medidas numéricas con el fin
33
de organizar, sintetizar, describir las características y comportamiento de los datos) y la estadística
inferencial (estimación de los parámetros y el contraste de la hipótesis sobre la calidad de los
parámetros estimados) del modelo econométrico planteado; pues tal como refiere Mendoza
Bellido, un modelo econométrico puede utilizarse para hacer análisis estructural, ya que el modelo
estimado permite medir y hallar relaciones económicas relevantes entre las variables exógenas y
las variables endógenas, también puede utilizarse para hacer predicciones, evaluaciones de política
económica y por último, uno de los usos más importantes es para corroborar (mas no verificar
porque dicho termino es comprobar la verdad de algo) y juzgar o refutar un modelo teórico a través
de la evidencia empírica estadística y de esta manera, la econometría debería contribuir a elevar la
tasa de mortalidad de las teorías. Sin embargo, dicha tarea es sumamente compleja (2014).
1.7.8 Instrumentos Utilizados
La recolección y procesamiento de los datos bajo estudio se realizó a través de la
herramienta Microsoft Excel, y para el análisis estadístico se utilizó el software estadístico Stata
15.
34
Capítulo 2
Marco Teórico
2.1 Antecedentes
Dado la importancia en términos económicos de la actividad minera en el país, así como
los ingresos fiscales que ésta genera, y ante la necesidad de conocer si dichos ingresos fiscales han
permitido mejorar los indicadores sociales como la pobreza. Se encontró que la mayoría de las
investigaciones utilizan y presentan generalizaciones empíricas bajo distintas metodologías y para
diferentes unidades de estudios, así como temporalidades, y se centran especialmente en conocer
el impacto de los ingresos fiscales derivados de la explotación de los recursos naturales, en especial
de la minería (a través del canon minero), en variables vinculadas al aspecto social como es el caso
de la pobreza (usualmente medido por el método monetario).
2.1.1 Antecedentes Internacionales
Loayza & Rigolini (2016) en su artículo “The Local Impact of Mining on Poverty and
Inequality: Evidence from the Commodity Boom in Peru”, estudian el impacto de la actividad
minera (a través de la producción minera y el canon minero) en los resultados socioeconómicos en
los distritos locales del Perú al año 2007 comparado con el año 1993. Para ello utilizaron el diseño
experimental y la metodología econométrica propensity score matching. Encuentran que la minería
tiene un efecto distributivo promedio positivo (los distritos mineros tienen mayor consumo y
menor pobreza) y negativo (la desigualdad es mayor en los distritos productores que en los no
productores), además que los beneficios se limitan a los distritos productores, sin derrames a los
vecinos, por lo que, afirman que la inmigración de los trabajadores mejor calificados explican estos
efectos ambiguos.
35
Zambrano, Robles & Laos (2014) en su documento de trabajo “Global Boom, Local
Impacts: Mining Revenues and Subnational Outcomes in Peru 2007-2011”, evalúan si existen
diferencias entre distritos mineros y no mineros respecto a la pobreza y desigualdad entre los años
2007-2011, a través de la metodología econométrica diferencia en diferencia. Encuentran que en
dicho periodo, ser un distrito minero no ha sido una maldición, sino beneficioso, puesto que, ser
un distrito minero tiene un impacto significativo en la reducción de la pobreza y la desigualdad.
Franco Gavonel (2011) en su tesis “The Impact of Mining Canon Transfers on
Multidimensional Poverty in Peru”, propone evaluar el impacto del canon minero en la pobreza
multidimensional a nivel distrital en el Perú para el periodo 2002-2006. Para comprobar su
hipótesis, utiliza la metodología econométrica diferencias en diferencias. Los resultados obtenidos
demuestran específicamente que los hogares de los distritos que reciben grandes cantidades de
canon minero, reducen su pobreza multidimensional en comparación con aquellos distritos que
reciben pequeñas cantidades de canon minero. De manera que, concluye que el canon minero
mejora el nivel de vida de los hogares solo cuando son lo suficientemente altos.
Pegg (2006) en su artículo “Mining and poverty reduction: Transforming rhetoric into
reality”, evalúa de manera crítica la contribución de la minería a la reducción de la pobreza en los
países en desarrollo, especialmente de aquellos que dependen de la minería (minería dominante:
representan más del 50% del total de exportaciones) al menos para las décadas de los años 80 y
90. Emplea como marco analítico el enfoque de la pobreza del Banco Mundial (debido a que
defiende el desarrollo liderado por la minería y tiene como mandato central reducir la pobreza).
Demuestra que la promesa retórica del desarrollo dirigido por minerales no se ha cumplido en la
realidad, dado que al menos hasta el año 2003, demuestra empíricamente que la minería tuvo un
pésimo historial en cuanto a reducción de la pobreza. Al respecto, destaca el argumento del Banco
36
Mundial de que el problema es de la maldición de las instituciones (gobernanza) y no una
maldición de los recursos naturales. Concluye que la minería puede contribuir de manera positiva
en el alivio de la pobreza, pero solo si se cumple una variedad de condiciones previas, tales como
las recomendaciones de la revisión de las industrias extractivas (por ejemplo: la adopción de zonas
ambientales prohibidas), o que el Banco Mundial y el FMI no condicionen sus préstamos a los
países en desarrollo a través de la expansión de las exportaciones de minerales, pues por más que
éstos países intenten diversificar su economía, les resulta difícil sin ausencia de deudas.
2.1.2 Antecedentes Nacionales
Donet Paredes (2019) en su tesis “Minería y pobreza: Relación entre el índice de pobreza
y las transferencias por canon minero en el Perú”, intenta cuantificar la relación entre la pobreza
(monetaria) y el canon minero en los distritos del Perú entre los años 2013 y 2016 (periodo de
caída del canon minero en el Perú) a través de un modelo econométrico. Descubre que los distritos
que recibieron canon minero tienen un consumo per cápita promedio más alto, y por ende, niveles
de pobreza más bajos. Pero, al desglosar por dominios geográficos, demuestra que el efecto en los
distritos de la sierra es menor que en la costa.
Inoñan Chavez & Quispe Luna (2019) en su tesis “Impacto del canon minero en la
pobreza del departamento de Cajamarca, 2004-2017”, tienen como objetivo determinar el
impacto del canon minero en la pobreza (monetaria) en el departamento de Cajamarca para el
periodo 2004-2017. Para lo cual, utilizaron el nivel de investigación correlacional, además,
emplean un modelo econométrico con datos de series de tiempo. Concluyen que el canon minero
ha impactado de manera positiva en la reducción de la pobreza del departamento de Cajamarca
durante dicho periodo, de tal manera que, ante un incremento del canon minero en un punto
porcentual, la pobreza rural se reduce en 0.032 %, la pobreza urbana se reduce en 0.077% y la
37
pobreza total se reduce en 0.060% en el departamento de Cajamarca. No obstante, resaltan que
pese a que el impacto ha sido positivo, éste ha sido poco significativo.
Neyra Chavez (2018) en su tesis “Impacto de la minería en la pobreza de las regiones
2004-2010”, busca determinar si la minería afectó de manera positiva o negativa en la pobreza
(monetaria) de las regiones del Perú en el periodo 2004-2010 dentro del marco de la teoría de la
enfermedad holandesa. Empleo la metodología econométrica con datos de panel. Concluye en que,
si bien existe una relación negativa entre la minería y la pobreza, no se puede afirmar que se cumple
la teoría de la enfermedad holandesa, es decir sus resultados no arrojaron evidencia contundente
para afirmar que la minería perjudica a otros sectores productivos (manufactura y agricultura).
Yujra Capquequi (2018) en su tesis “Impacto del canon minero en el crecimiento
económico y la pobreza en las regiones mineras del Perú, 2004-2015”, en particular, estima el
impacto del canon minero sobre la incidencia de la pobreza (monetaria) en siete regiones mineras
del Perú entre los años 2004-2015, a través de un modelo econométrico con datos de panel.
Concluye que el canon minero contribuyó en la reducción de la pobreza en las siete regiones
mineras del Perú y que al incrementarse en 1% dicho canon minero, la incidencia de pobreza se
reduce en 8.03%.
Esteves Gonzales & Vargas Villafuerte (2017) en su tesis “Impacto de las transferencias
derivadas de la explotación de recursos naturales en la pobreza multidimensional”, evalúa el
impacto de las transferencias derivadas de la explotación de recursos naturales en la reducción de
la pobreza multidimensional a nivel distrital en el Perú en el período 2007-2014. Aplica la
metodología econométrica propensity score matching y diferencias en diferencias. El trabajo
concluye que las transferencias derivadas de la explotación de recursos naturales a nivel local,
reducen la pobreza multidimensional, pero el efecto encontrado es pequeño (reduce menos del 1%
38
de la pobreza multidimensional nacional). Además, resalta que muchos gobiernos locales
presentan problemas de gestión y agencia, así mismo, que la canalización de los efectos de dichas
transferencias tarda en madurar a nivel local.
Vera Arela (2017) en su tesis “El impacto de la minería en la economía del departamento
de Arequipa para el periodo del 2000-2015”, en particular, busca cuantificar el impacto
económico que ha tenido el canon minero en el nivel de pobreza (monetaria) en las ocho provincias
del departamento de Arequipa en el periodo 2000-2015, a través de la metodología econométrica
con datos de panel. Descubre que al incrementarse el canon minero en 1,000.00 soles, la pobreza
se reduce en 0.0000704% en promedio en el departamento de Arequipa. Así mismo, encuentra que
el canon minero incide en la pobreza en mayor medida en las provincias de Arequipa, Camaná,
Caraveli e Islay.
Chávez Suazo & Ponce Romero (2015) en su tesis “Influencia de las transferencias
mineras en la pobreza de las provincias de la región Junín 2006-2013”, tienen como objetivo
determinar la influencia de las transferencias mineras en la pobreza (monetaria) en las nueve
provincias de la región Junín para el periodo 2006-2013. En el que utilizan la metodología
econométrica con datos de panel a través del modelo ampliado de Kuznets (“U” invertida). De
acuerdo a los resultados, evidencian que por cada incremento en un punto porcentual de las
transferencias mineras, la pobreza se reduce en 1.3% en promedio en las provincias de Junín para
el periodo mencionado.
Zamalloa Valera (2014) en su tesis “Análisis del impacto de la presencia de actividad
minera sobre la pobreza a nivel distrital de las regiones Ancash, Cajamarca, Arequipa y Pasco
entre los años 1993 y 2007”, estudia el impacto de la actividad minera en la pobreza en los distritos
de los departamentos de Ancash, Arequipa, Cajamarca y Pasco entre los años 1993 y 2007. Utiliza
39
la metodología econométrica diferencia en diferencia. A partir de los resultados, encuentra que
ante la presencia de un distrito minero, la tasa de pobreza no se reduce al menos para el periodo
1993 y 2007, y menciona que esto puede explicarse por el mal manejo de los recursos distribuidos,
los conflictos generados por los pasivos que genera la minería y las características propias de los
distritos.
Cueva Herrera (2012) en su tesis “El impacto de las transferencias monetarias mineras
en el desarrollo de los distritos del Perú”, pretende evaluar el impacto que han tenido las
transferencias mineras en el desarrollo (pobreza monetaria) de los distritos del país al año 2007 y
2009. Utiliza la metodología econométrica propensity score matching. Los resultados de este
estudio muestran que los distritos mineros presentaron menor nivel de pobreza que los distritos no
mineros, por lo que al año 2007, las transferencias por canon minero lograron una reducción
significativa en el nivel de pobreza, no obstante, para el año 2009 es ligeramente menos
significativa. Además, en los distritos mineros, el canon minero ha tenido impactos positivos y
significativos en la educación (analfabetismo y niños que asisten a la escuela), sin embargo, no se
encuentra un impacto significativo en la salud (tasa de desnutrición crónica y mortalidad infantil).
Del Pozo, Guzmán, & Pucarmayta (2012) en su documentos de trabajo “¿Minería y
bienestar en el Perú?: Evaluación de impacto del esquema actual (ex-post) y esquemas
alternativos (ex-ante) de re-distribución del canon minero, elementos para el debate”, buscan
evaluar el impacto del esquema actual de re-distribución del canon minero en el bienestar de los
hogares en el Perú en el periodo 2001-2010. A través de la metodología econométrica diferencia
en diferencia, encuentran que el canon minero reduce en 2.8% en promedio la probabilidad de
pobreza. Además encuentran evidencias de que el impacto del canon minero es heterogéneo, dado
que encuentran que los impactos positivos se concentran en hogares menos vulnerables (hogares
40
urbanos y menos pobres), y los impactos negativos en hogares vulnerables (hogares rurales y más
pobres).
Macroconsult (2012) en su estudio “Impacto económico de la actividad minera en el
Perú”, analiza la importancia de la actividad minera en la economía del Perú al año 2011. Bajo un
diseño cuasiexperimental, emplea la metodología del impacto macroeconómico y la metodología
econométrica propensity score matching. Evidencia la importancia del sector minero en el valor
agregado bruto, exportaciones, divisas, impuestos (destaca el canon minero como principal fuente
de ingreso de los departamentos mineros), inversión y empleo. Además, resaltan que en los
distritos (en zonas urbanas) con presencia de la actividad minera, en particular donde existe la gran
y mediana minería, tuvieron impactos positivos en el ingreso de las familias, así como en la
reducción de la pobreza y pobreza extrema, e índice de desarrollo humano. No obstante, la
distribución de los impactos en los distritos (en zonas rurales) sin presencia de la actividad minera,
fue en menor magnitud sobre todo en variables de educación (analfabetismo), salud (desnutrición
infantil, mortalidad infantil y esperanza de vida) e infraestructura (cobertura eléctrica,
telecomunicaciones, agua y saneamiento).
Finalmente, Manuel Sulca (2010) en su tesis “Administración eficiente del canon minero
en la región La Libertad y la necesidad de elaborar proyectos sociales de alivio de la pobreza:
2002-2006”, evalúa la relación que existe entre la administración del canon minero y la pobreza
en las zonas de influencia de la minería de la región La Libertad para el periodo 2002-2006. Usa
el diseño no experimental y se apoya en la técnica de encuestas. Concluye que la administración
de los recursos del canon minero no ha sido eficiente durante dicho periodo, dado que, dichos
recursos no han aliviado la pobreza en la región La Libertad, por lo que, recomienda que existe la
necesidad de elaborar proyectos sociales para aliviar la pobreza.
41
2.2 Base Teórica
2.2.1 Canon Minero
2.2.1.1 Canon.
Según el Artículo 77° de la Constitución Política del Perú, el canon “corresponden a las
respectivas circunscripciones, conforme a Ley, recibir una participación adecuada del total de los
ingresos y rentas obtenidos por el Estado en la explotación de los recursos naturales en cada zona
en calidad de canon”.
Por otro lado, según la Ley Nº 27506 “el canon es la participación efectiva y adecuada de
la que gozan los gobiernos regionales y locales del total de los ingresos y rentas obtenidos por el
Estado por la explotación económica de los recursos naturales”. Dicho de otro modo, el canon es
un recurso económico que reciben los gobiernos regionales y locales por parte del gobierno
nacional producto de los impuestos generados por la explotación de los recursos naturales por parte
de las empresas extractivas.
2.2.1.2 Tipos de Canon, Regalías y Derechos.
Según el Ministerio de Economía y Finanzas (MEF) en el Perú existen tres tipos de canon,
regalías y derechos, tal como se ilustra en la Figura 7.
42
Figura 7
Tipos de Canon, Regalías y Derechos
Fuente: Información basado en el MEF a través de su portal de “consulta de transferencias a los gobiernos
nacional, regional y locales”.
Elaboración: Propia.
A continuación, se desarrollará las definiciones generales de los diferentes tipos de canon,
regalías y derechos.
Tabla 4
Definiciones de los Tipos de Canon, Regalías y Derechos
Tipos Definiciones Fuente
Canon minero
Es la participación de la que gozan los gobiernos regionales y locales
sobre los ingresos y rentas obtenidos por el estado por la explotación
de recursos minerales, metálicos y no metálicos. Está constituido por
el 50% del Impuesto a la Renta.
Ley Nº 27506 y sus
modificaciones,
MEF
Canon
hidroenergético
Es la participación de la que gozan los gobiernos regionales y locales
sobre los ingresos y rentas obtenidos por el Estado por la utilización
del recurso hídrico en la generación de energía eléctrica. Se conforma
del 50% del Impuesto a la Renta.
Ley Nº 27506 y sus
modificaciones,
MEF
Canon, regalías y derechos
Tipos de canon
Canon minero
Canon hidroenergético
Canon gasífero
Canon pesquero
Canon forestal
Canon y sobrecanon petrolero
Tipos de regalías
Regalias mineras
Regalías gasíferas
Tipos de derechos
Derechos de pesca
43
Tipos Definiciones Fuente
Canon gasífero
Es la participación que perciben las circunscripciones donde está
ubicado geográficamente el recurso natural sobre los ingresos que
percibe el Estado en la explotación de gas natural y condensado. Se
conforma del 50% del Impuesto a la Renta y 50% de las Regalías.
Ley Nº 27506 y sus
modificaciones,
MEF
Canon pesquero
Es la participación de la que gozan las circunscripciones sobre los
ingresos y rentas obtenidos por el Estado por la explotación de los
recursos hidrobiológicos provenientes de las empresas dedicadas a la
extracción comercial de pesca de mayor escala de recursos naturales
hidrobiológicos de aguas marítimas y continentales, lacustres y
fluviales, y de aquellas empresas que además de extraer estos recursos
se encarguen de su procesamiento. Está constituido por el 50% del
impuesto a la renta y los derechos de pesca.
Ley Nº 27506 y sus
modificaciones,
MEF
Canon forestal
Es la participación de la que gozan las circunscripciones del pago de
los derechos de aprovechamiento de los productos forestales y de fauna
silvestre, así como de los permisos y autorizaciones que otorgue la
autoridad competente. Se compone del 50% del pago de los derechos
de aprovechamiento de los productos forestales y de fauna silvestre, así
como de los permisos y autorizaciones.
Ley Nº 27506 y sus
modificaciones,
MEF
Canon y
sobrecanon
petrolero
Es el derecho de las zonas donde los recursos naturales están ubicados
de participar adecuadamente en la renta que produce la explotación de
petróleo, gas natural asociado y condensados. Su distribución y
constitución es particular para cada departamento involucrado. En la
mayoría de los departamentos se constituye por el 50% del impuesto a
la renta de las empresas productoras de petróleo y un porcentaje del
valor de la producción (15% en el caso del canon y 3.75% en el caso
del sobrecanon).
SNMPE, MEF
Regalías mineras
Es la contraprestación económica que los sujetos de la actividad minera
pagan al Estado por la explotación de los recursos minerales metálicos
y no metálicos. Se calcula sobre la utilidad operativa, y luego se
determina la tasa efectiva en función al margen operativo del trimestre
(varía de 1% al 12%, dependiendo del margen operativo). En otros
términos, las empresas mineras pagan un porcentaje de sus ventas
anuales por el concepto de regalía minera, y dichos ingresos se
transfieren en su totalidad a las zonas de las que se extrae el mineral.
Ley Nº 28258, Ley
Nº 28323, Ley Nº
29788, MEF
Regalías
gasíferas
Es el pago que realiza la empresa del sector hidrocarburo al Estado
Peruano por la explotación de hidrocarburos en el territorio nacional.
El porcentaje de los ingresos obtenidos por el Estado como regalía se
establece en cada contrato, para cada lote.
Ley Nº 26221, MEF
Derechos de
pesca
Conforma los derechos pagados por las empresas dedicadas a la
extracción comercial de pesca de mayor escala, de recursos naturales
hidrobiológicos de aguas marítimas, continentales lacustres y fluviales.
Es así que, los costos de investigación, vigilancia, control y
planeamiento del desarrollo de las pesquerías, constituyen parte de los
costos de explotación de los recursos renovables.
Ley Nº 25977, MEF
Fuente: Información basado en las fuentes citadas.
Elaboración: Propia.
Además, es importante poner en relevancia que los cinco primeros tipos de canon son
regulados por las Leyes Nº 27506, 28077 y 28322. Mientras que el denominado canon y
sobrecanon petrolero se regula mediante legislación especial para cada departamento, es por ello
44
que es el único tipo de recurso por el cual se transfiere un porcentaje al gobierno nacional a
diferencia de los demás tipos de canon, que se transfieren solo a los gobiernos regionales y locales.
Así mismo, el canon minero es el más importante con respecto a los demás tipos de canon
debido al volumen de ingresos que éste genera para las zonas donde se distribuye al menos para el
año 2018, como se puede apreciar en la Tabla 5.
Tabla 5
Transferencias por Tipo de Canon a los Gobiernos Regionales y Locales del Perú, 2018 (Miles de Soles)
Tipo de Canon Gobierno
Nacional
Gobiernos
Regionales
Gobiernos
Locales
Transferencia
Total Porcentajes
Canon Minero S/. 0 S/. 789,411 S/. 2,368,232 S/. 3,157,642 71%
Canon Hidroenergético S/. 0 S/. 49,053 S/. 147,160 S/. 196,214 4%
Canon Gasífero S/. 0 S/. 82,964 S/. 248,892 S/. 331,855 7%
Canon Pesquero S/. 0 S/. 7,467 S/. 22,400 S/. 29,867 1%
Canon Forestal S/. 0 S/. 0 S/. 0 S/. 0 0%
Canon y Sobrecanon Petrolero S/. 40,620 S/. 218,389 S/. 499,940 S/. 758,949 17%
Total S/. 40,620 S/. 1,147,284 S/. 3,286,624 S/. 4,474,527 100%
Fuente: MEF.
Elaboración: Propia.
Por otro lado, es necesario aclarar que para intereses de esta investigación en los siguientes
puntos se abordará con mayor profundidad solo el tipo de canon minero por ser la variable
independiente de la presente investigación.
2.2.1.3 Canon Minero.
De acuerdo al Ministerio de Economía y Finanzas (MEF) el canon minero “Es la
participación de la que gozan los gobiernos regionales y locales (municipalidades provinciales y
distritales) del total de ingresos y rentas obtenidos por el Estado, por la explotación económica de
los recursos mineros (metálicos y no metálicos)”. La minería metálica comprende la actividad de
extracción con el objetivo de obtener metales como el oro, plata, cobre, hierro, níquel, aluminio,
plomo, platino, uranio, entre otros, mientras que la minería no metálica constituye las actividades
de extracción de recursos minerales que, después de un tratamiento, se transforman en productos
45
con usos industriales y agrícolas, como el salitre, yodo, yeso, arcilla, cal, carbonato de litio,
carbonato de calcio, sulfato de sodio, potasio, sal común, arena, mármol, carbón, entre otros.
Así mismo, según la Sociedad Nacional de Minería, Petróleo y Energía (SNMPE) “el canon
minero es el 50% del impuesto a la renta que el Estado recibe. Este dinero debe ser invertido en
proyectos orientados exclusivamente a combatir la pobreza y mejorar la calidad de vida de la
población”.
2.2.1.4 Diferencia entre Canon Minero, Regalía Minera y Derecho de Vigencia de
la Mina.
Tabla 6
Diferencia entre Canon Minero, Regalía Minera y Derecho de Vigencia de Mina
Canon Minero Regalía Minera Derecho de Vigencia de la
Mina
Diferencias Es un porcentaje del impuesto a
la renta que pagan las empresas
mineras al Estado.
Es la contraprestación
económica que pagan los
concesionarios mineros al
Estado por explotar los recursos
no renovables teniendo en
cuenta la producción de
minerales de dichas empresas.
Es el pago obligatorio que hace
la empresa minera al Estado
tomando cuenta el número de
hectáreas otorgadas en
concesión.
Ejemplo La empresa minera “El metal
dorado”, pagó a la SUNAT un
impuesto a la renta de 300
millones de dólares. Por lo
tanto, el MEF distribuye el 50%
de este monto entre los
gobiernos regionales y locales
del departamento donde está la
mina.
La empresa minera “El metal
dorado”, vendió 1000 millones
de dólares en el año 2017. Por lo
que le corresponde pagar un
porcentaje de este monto
(dependiendo de los rangos de
pago según el valor concentrado
del mineral) como regalía
minera al Estado.
El territorio dado en concesión
a la empresa minera “El metal
dorado” mide 5000 hectáreas.
Por lo tanto le corresponde
pagar un monto anual de
acuerdo al costo de derecho de
vigencia.
Fuente: SUNAT - MEF.
Elaboración: Propia.
46
2.2.1.5 Distribución del Canon Minero.
Según el Decreto Supremo Nº 088-1996-EF, entre los años de 1997 a 2002, el canon minero
estuvo constituido por el veinte por ciento (20%) del impuesto a la renta de tercera categoría.
En el año 2001 se crea la Ley N° 27506, Ley de Canon, en el que establece que, el canon
minero está “constituido por el cincuenta por ciento (50%) del total de los ingresos y rentas que
pagan los titulares de la actividad minera por el aprovechamiento de los recursos minerales”.
Posteriormente, mediante Decreto de Urgencia Nº 001-2002 publicado el 05 de febrero de
2002, dicho artículo fue modificado estableciéndose que el canon minero está “constituido por el
cincuenta por ciento (50%) de los ingresos y rentas que pagan los titulares de la actividad minera
por la explotación de los recursos naturales.”
Luego, en el mes de setiembre del 2003 se introdujo un nuevo cambio en dicho artículo,
pues mediante la Ley N° 28077, se estableció que el canon minero está “constituido por el
cincuenta por ciento (50%) del total de ingresos y rentas obtenidos por el Estado en la actividad
minera, por el aprovechamiento de los recursos minerales, metálicos y no metálicos.”
Finalmente, después de desnaturalizar los ingresos y rentas como base de referencia para
calcular en canon minero, el 22 de diciembre de 2004 se implementó el Reglamento de la Ley N°
27506, Ley de Canon, en donde se estableció que “el canon minero está constituido por el
cincuenta por ciento (50%) del impuesto a la renta que obtiene el Estado y que pagan los titulares
de la actividad minera por el aprovechamiento de los recursos minerales, metálicos y no
metálicos”.
Adicionalmente, es importante precisar que el impuesto a la renta es el tributo que pagan
las empresas por las ganancias que generan. Sin embargo, con base en el IPE (2017) es necesario
indicar que el esquema tributario de las empresas mineras del Perú tiene cuatro componentes, como
47
son: impuesto a la renta de tercera categoría, regalía minera, Impuesto Especial a la Minería (IEM)
y el Gravamen Especial a la Minería (GEM) (pág. 23). Del cual, el canon minero corresponde solo
al cincuenta por ciento (50%) del impuesto a la renta que se grava después de la utilidad imponible,
puesto que los demás impuestos y contribuciones se realizan antes de la utilidad imponible, así
mismo, antes de distribuir el canon minero se debe realizar la regularización del impuesto a la renta
(anual), ya que en la actualidad ésta es en realidad la que genera la base de cálculo del canon
minero además de los impuestos específicos y las contribuciones de la minería.
Figura 8
Generación del Canon Minero
Fuente: Diagrama tomado del EITI "Primer estudio de transparencia regional EITI Moquegua” (2012-
2013), pág. 18. Disponible en: https://eiti.org/sites/default/files/documents/peru-moquegua-eiti-report-
2012-2013.pdf
Así mismo, de acuerdo a la Ley de Canon antes mencionada (Ley N° 27506) y sus
modificaciones, para la distribución del canon minero se priorizan a las localidades donde se
48
extraen los recursos, pero a su vez, se procura transferir dichos recursos a los gobiernos regionales
y locales en función a su pobreza medido por el método de necesidades básicas insatisfecha y el
tamaño de su población.
En ese sentido, las modificaciones de la Ley N° 27506, se han introducido a través de la
Ley N° 28077, los cuales están orientados a corregir distorsiones generadas por el tipo de
distribución de la Ley anterior (Ley N° 27506). De igual manera, la densidad poblacional ha dejado
de considerarse como el único criterio de distribución, cosa que anteriormente beneficiaba a los
municipios densamente poblados y por consiguiente netamente urbanos, en desmedro de los
municipios mayormente ubicados en las zonas rurales. Sin embargo, la última Ley N° 28322
modifica las dos leyes anteriores mencionadas, en favor de los gobierno regionales y locales donde
se exploten los recursos naturales. Su nueva distribución es la siguiente:
El diez por ciento (10%) del total de canon para los gobiernos locales de la
municipalidad o municipalidades donde se explota el recurso natural.
El veinticinco por ciento (25%) del total de canon para los gobiernos locales de las
Municipalidades Distritales y Provinciales donde se explota el recurso natural.
El cuarenta por ciento (40%) del total de canon para los gobiernos locales del
departamento o departamentos de las regiones donde se explota el recurso natural.
El veinticinco por ciento (25%) del total de canon para los gobiernos regionales donde
se explota el recurso natural. Y el 20% del total transferido a los gobiernos regionales
le corresponden a las universidades públicas.
Además, es necesario precisar que el 20 de setiembre de 2018 en el diario el Peruano se
publicó la Ley Nº 30848, Ley que modifica a la Ley 27506, en donde establece que los gobiernos
49
regionales entregarán el veinte por ciento (20%) del canon percibido a las universidades públicas
y el diez por ciento (10%) a los institutos y escuelas de educación superior de su circunscripción.
También, es importante señalar que el canon minero, no constituyen un fondo único a nivel
nacional para juntar el dinero proveniente de las distintas empresas mineras para luego prorratearlo
entre todos los departamentos beneficiarios, sino que los recursos que reciben los gobiernos
regionales y locales corresponden a los ingresos generados por las unidades económicas mineras
que se encuentran en la circunscripción de cada departamento. Por otro lado, las regiones
productoras no reciben canon minero al inicio de la operación, puesto que éste se determina de las
utilidades declaradas (luego de recuperar la inversión). En la Figura 9 se muestra el diagrama de
los criterios de distribución del canon minero.
Figura 9
Criterios de Distribución del Canon Minero.
Fuente: Figura tomado del IIMP "Canon minero 12 años después” pág. 12. Disponible en:
http://www.iimp.org.pe/pptjm/jm20131121_canon.pdf
50
2.2.1.6 Índice de Distribución del Canon Minero.
El índice de distribución es la expresión numérica en decimales que equivalen a la
proporción del total de recursos por canon minero que se va a repartir a todos los departamentos
beneficiarios, como resultado de la relación entre la pobreza por NBI y el tamaño de la población,
dicho de otra manera, es la relación del número de habitantes con la demanda de servicios básicos
(agua, desagüe, educación, entre otros) que no han sido provistos a los pobladores de un territorio.
Según el marco legal señalado en líneas anteriores, el MEF determina la cantidad de
recursos que le corresponde a cada uno de los departamentos beneficiarios a través de los índices
de distribución construidos con base a la información proveniente de la SUNAT y el INEI, como
se muestra en la siguiente ilustración.
Figura 10
Esquema Metodológico de la Elaboración de los Índices de Distribución del Canon Minero
Fuente: Figura tomado del MEF.
51
2.2.1.7 Transferencias del Canon Minero.
En los últimos doce años (2007-2018) la transferencia por canon minero se ha venido
realizando en su totalidad en una sola cuota en el mes de julio de cada año (las transferencias
realizadas en un año corresponden al canon minero generado en el año anterior). Antes de julio de
2007, las transferencias por canon minero se realizaban a lo largo de un año en doce cuotas iguales.
Además, el pago se realiza después de la regularización del impuesto a la renta, pues es la que
genera su base de cálculo.
2.2.1.8 Área de Influencia.
De acuerdo a la Ley N° 28322, el cien por ciento (100%) de los recursos por canon minero
les corresponde a los gobiernos regionales y locales en donde se exploten los recursos naturales
por las unidades económicas de su circunscripción.
Por otro lado, cuando los titulares posean concesiones mineras ubicadas en territorios
distintos, la distribución se realizará en proporción a las toneladas de minería producida en cada
departamento, y en caso de que la concesión minera explote circunscripciones vecinas, la
distribución se realiza en partes iguales.
2.2.1.9 Utilización del Canon Minero.
¿En qué se puede usar el canon minero?
El artículo 6º de la Ley Nº 27506 (Ley de Canon) establece que “los recursos obtenidos por
los gobiernos regionales y locales por concepto de canon deben ser utilizados de manera exclusiva
en gastos de inversión”. Es necesario aclarar que existen tres tipos de gastos en el sector público:
gastos corrientes (principalmente gastos de mantenimiento ya sea por la adquisición de bienes o
servicios u otros), gastos de capital (reserva de contingencia, donaciones y transferencias,
52
adquisición de activos no financieros o inversiones, adquisición de activos financieros y otros
gastos), y finalmente los gastos de servicio a la deuda.
Según la Ley Nº 27506 (Ley de Canon), Ley Nº 28258 (Ley de Regalía Minera), y la Ley
Nº 29465 (Ley de Presupuesto del Sector Público para el Año Fiscal 2010), “los recursos del canon,
sobrecanon y regalía minera se destinan exclusivamente al mantenimiento de infraestructura básica
(hasta el 20%); elaboración de perfiles (hasta el 5%); y al financiamiento y cofinanciamiento de
proyectos de inversión pública”. Además cabe indicar que la Ley Nº 30879, Ley de Presupuesto
del Sector Público para el Año Fiscal 2019, actualiza dicha disposición, puesto que en su
cuadragésima disposición complementaria final, se autoriza a los gobiernos regionales y locales,
para utilizar hasta un veinte por ciento (20%) de los recursos provenientes del canon, sobrecanon
y regalía minera, así como de los saldos de balance generados por dichos conceptos, para ser
destinado a acciones de mantenimiento de infraestructura. No obstante, no establece el porcentaje
de recursos provenientes del canon, sobrecanon y regalías mineras destinados a la formulación y
evaluación de proyectos de inversión o inversiones de optimización, ampliación marginal,
reposición y rehabilitación (IOARR).
Por otro lado, con base en la Sociedad Nacional de Minería, Petróleo y energía (SNMPE),
los gobiernos regionales y locales, pueden utilizar el canon minero para proyectos orientados a
brindar servicios públicos de infraestructura (comisarías, postas médicas, penales, entre otros), así
como para el financiamiento o cofinanciamiento de proyectos u obras de infraestructura de impacto
regional y local, considerando las disposiciones del Sistema Nacional de Programación Multianual
y Gestión de Inversiones (invierte.pe). Del mismo modo, los gobiernos locales deberán destinar el
30% a la inversión productiva para el desarrollo sostenible de aquellas comunidades en donde se
extraen los recursos naturales.
53
Finalmente, de acuerdo a la Ley Nº 30848, Ley que modifica a la Ley 27506 (Ley de
Canon), el cual fue publicado el 20 de septiembre de 2018 con la finalidad de promover el
financiamiento de programas de vivienda social, a través del “financiamiento de Bonos Familiares
Habitacionales (BFH) destinados a proyectos de vivienda del Programa Techo Propio y para el
financiamiento del Programa Nacional de Vivienda Rural, mediante convenios con el Ministerio
de Vivienda, Construcción y Saneamiento o el Fondo MIVIVIENDA”. Así mismo, en dicha Ley
se establece que los gobiernos regionales entregarán el veinte por ciento (20%) del total percibido
por canon a las universidades públicas y el diez por ciento (10%) a los institutos y escuelas de
educación superior de su circunscripción, destinado exclusivamente a la inversión en investigación
científica, tecnológica y de su respectiva infraestructura que potencien su desarrollo.
¿En qué no se puede usar el canon minero?
En concordancia con el marco legal anterior, dichos recursos no pueden utilizarse en gastos
corrientes (principalmente gastos de mantenimiento ya sea por la adquisición de bienes o servicios,
pago de personal, obligaciones sociales, pensiones y otras prestaciones, entre otros) ni servicio a
la deuda. Así como, financiar proyectos de inversión con fines empresariales o que puedan ser
realizados por el sector privado.
2.2.1.10 Base Legal.
Articulo Nº 121, Constitución Política del Perú de 1979. Existían problemas
conceptuales en la definición de la categoría “renta” en el sentido contable, tributario y
económico. Por lo que, ante las presiones sociales y las aspiraciones descentralistas, el
04 de septiembre de 1985, se promulgó la Ley Nº 24300, en donde se establecía que
debiera entenderse por renta como “La totalidad de los impuestos directos que percibe
el Estado, por la explotación de los recursos naturales” y se fijaba en no menos del 20
% de la renta”.
Decreto Supremo N° 014-1992-EM-TUO, Ley General de Minería (03 de junio de
1992). Se fijaba el canon minero como un porcentaje del impuesto a la renta (art. Nº
072 inciso. f).
54
Artículo Nº 077, Constitución Política del Perú de 1993. Respetando el sentido del texto
de dicho artículo, se puede afirmar que “El canon es un porcentaje del total de los
ingresos y rentas obtenidos por el Estado en la explotación de los recursos naturales en
beneficio de las zonas donde se ubica el recurso”. Sin embargo, aún el problema central
radicaba en las diversas interpretaciones jurídicas, económicas y tributarias de lo que
debiera entenderse por “ingresos y rentas”.
Decreto Supremo Nº 088-1996-EF (12 de setiembre de 1996). Se señala que “el canon
minero será equivalente al veinte por ciento (20%) del impuesto a la renta pagado por
los titulares de la actividad minera de la circunscripción donde se encuentren ubicados
los derechos mineros en explotación”.
Decreto Supremo Nº 116-2001-EF (21 de junio de 2001). Se especificó la metodología
para calcular el canon minero.
Ley Nº 27506, Ley de Canon (10 de julio de 2001). Se creó la Ley de Canon, en donde
se determina que estará constituido por el 50% de los ingresos y rentas que pagan los
titulares de la actividad minera por la explotación de los recursos naturales; y
posteriormente se crearon nuevas leyes que modificaron dicha Ley de Canon.
Decreto Supremo Nº 005-2002-EF, Reglamento de la Ley de Canon (09 de enero de
2002).
Decreto Supremo Nº 003-2003-EF, Modifica el D.S. Nº 005-2002-EF (09 de enero de
2003).
Decreto Supremo Nº 115 -2003-EF, Modifica el D.S. Nº 005-2002-EF (14 de agosto
de 2003).
Ley Nº 28077, Ley que modifica la Ley Nº 27506, Ley de Canon (26 de setiembre de
2003). Los cambios que se han introducido en esta Ley estuvieron orientados a corregir
distorsiones generadas por el tipo de distribución de la Ley N° 27506. De igual manera,
la densidad poblacional ha dejado de considerarse como el único criterio de
distribución, cosa que anteriormente beneficiaba a los municipios densamente poblados
y, por consiguiente netamente urbanos, en desmedro de los municipios mayormente
ubicados en las zonas rurales.
Decreto Supremo Nº 029-2004-EF, Modifica el D.S. Nº 005-2002-EF (17 de febrero
de 2004).
Ley N° 28322, Ley que modifica la Ley N° 27506, Ley de Canon, que a su vez ha sido
modificado por la Ley Nº 28077 (10 de agosto de 2004).
Decreto Supremo N° 187-2004-EF, Modifica el D.S. Nº 005-2002-EF (22 de diciembre
de 2004).
Ley Nº 29281, Ley que modifica el Artículo 5º de la Ley Nº 27506, Ley de Canon (25
de noviembre de 2008). Esta Ley fue creado a partir de la protesta denominado
Moqueguazo (producto del criterio de distribución del canon de la Ley N° 27506, en el
que se calculaba el porcentaje del canon a partir de la cantidad de tierra removida en
lugar de la cantidad del mineral o cobre extraído) y que desde el año 2009 establece
55
que, cuando el titular minero posee varias concesiones en explotación ubicadas en
circunscripciones distintas (caso de Southern Copper Corporation en Moquegua y
Tacna), el canon minero se distribuye en proporción al valor de venta del concentrado
de cada concesión.
Decreto Supremo Nº 044-2009-EF - Modifica el D.S. Nº 005-2002-EF (26 de febrero
de 2009).
Ley Nº 30848, Ley que modifica la Ley 27506, Ley de Canon (20 de septiembre de
2018).
Ley Nº 30879, Ley de Presupuesto del Sector Público para el Año Fiscal 2019.
Directiva N° 001-2019-EF/63.01, Directiva General del Sistema Nacional de
Programación Multianual y Gestión de Inversiones.
2.2.2 Pobreza por NBI
2.2.2.1 Pobreza.
Existen diferentes conceptos sobre la pobreza por parte de autores, instituciones u
organizaciones. Puesto que su concepción es amplio, heterogéneo, multidimensional y está
involucrado a múltiples factores determinantes que varían en el tiempo y en circunstancias de cada
País. Así mismo, discutir la naturaleza de la pobreza no es un ejercicio meramente teórico, sino
practico. Y el concepto que se tenga de pobreza, ya sea de manera explícita o implícita, sin lugar
a dudas condicionará y determinará los métodos de medición de la misma. Por lo que, los
conceptos de pobreza que se han adoptado a lo largo del tiempo han reflejado un cambio de
pensamiento desde una perspectiva monetaria hacia aspectos multidimensionales.
Es así que, para el Banco Mundial (citado en Romero, 2013) la pobreza “es un fenómeno
multidimensional, incluye incapacidad para satisfacer las necesidades básicas, falta de educación,
deficiente salud, desnutrición, falta de vivienda, acceso limitado al agua y a los servicios sanitarios,
vulnerabilidad a los cambios bruscos, falta de libertad política y expresión”.
Por su parte, de acuerdo a la ONU (citado en Gordon, 2005) fundamentalmente, la pobreza
es una negación de opciones y oportunidades, una violación de la dignidad humana. Significa falta
56
de capacidad básica para participar efectivamente en la sociedad, no tener suficiente para alimentar
y vestir a una familia, no tener una escuela o clínica a la que ir, no tener la tierra para cultivar los
alimentos o un trabajo para ganarse la vida, no tener acceso al crédito, tener inseguridad,
impotencia y exclusión de individuos, hogares y comunidades, susceptibilidad a la violencia, y a
menudo implica vivir en lugares marginales, sin acceso a agua limpia y saneamiento básico.
Así mismo la CEPAL (2000) sostiene que:
La noción de pobreza expresa situaciones de carencia de recursos económicos o de
condiciones de vida que la sociedad considera básicos de acuerdo con normas sociales de
referencia que reflejan derechos sociales mínimos y objetivos públicos. Estas normas se
expresan en términos tanto absolutos como relativos, y son variables en el tiempo y los
diferentes espacios nacionales (pág. 83)
Además de la pobreza en términos monetarios, existe otro concepto de la pobreza según la
CEPAL (2000) que está directamente relacionado con el grado de satisfacción de las llamadas
necesidades básicas, el cual son consideradas universales y que comprende "una canasta mínima
de consumo individual o familiar (alimentos, vivienda, vestuario, artículos del hogar), el acceso a
los servicios básicos (salud y educación, agua potable, recolección de basura, alcantarillado,
energía y transporte público), o ambos componentes" (pág. 83).
Otro concepto de la pobreza es el de la llamada pobreza humana el cual está estrechamente
ligado al concepto de desarrollo humano, propuesto por el Programa de Naciones Unidas para el
Desarrollo. Este concepto se diferencia principalmente porque considera que la falta de ingreso no
es el único factor de privación humana y que por lo tanto no todo empobrecimiento puede reducirse
al ingreso. Puesto que, “se define la pobreza humana por el empobrecimiento en múltiples
dimensiones: la privación en cuanto a una vida larga saludable, en cuanto a conocimiento, en
57
cuanto a un nivel decente de vida, en cuanto a participación” (PNUD, 2000, pág. 17). Es decir, la
pobreza no es solo la falta de medios para llegar a fin de mes o pagar puntualmente las facturas de
los servicios básicos. La pobreza es multidimensional (salud, educación y nivel de vida) y abarca
mucho más que el ingreso, pues la pobreza va más allá de vivir con menos de $ 1.90 al día
establecido por el Banco Mundial, el cual esta línea de pobreza monetaria fue actualizado en el
año 2015, en donde se estableció que las líneas de pobreza incluyen: la línea de pobreza extrema
internacional ($ 1.90 al día en PPA 2011), así como las líneas para países de ingreso medio bajo
($ 3.20 al día en PPA 2011) y para países de ingreso medio alto ($ 5.50 al día en PPA 2011).
En otros ámbitos, de acuerdo a Romero (2013) la pobreza se plantea como un problema
moral, más que económico. Debido a que la teoría económica solo contempla aquellas
interacciones humanas que involucran el intercambio monetario y de bienes, por lo que la
economía no tiene en cuenta el amor, la familia, la cultura, la salud, la espiritualidad, el medio
ambiente o cualquier otra cosa que haga la vida rica y significativa.
Por lo tanto, establecer un único concepto resulta realmente una cuestión compleja. Pero
se puede decir que existe un cierto consenso en entender la pobreza como “aquella situación en
que una o más personas tienen un nivel de bienestar inferior al mínimo aceptable” (Urbina Padilla
& Quispe, 2016-2017, pág. 78). Sin embargo, dicho consenso se quiebra cuando se quiere saber
qué significa exactamente “nivel de bienestar” y determinar cuál es el “mínimo aceptable”.
Por otro lado, según Davis & Sánchez Martínez (2014) existen diferentes escuelas de
pensamiento económico que son relevantes para comprender la pobreza, pero ninguna teoría es
suficiente en sí misma. Es así que su origen y las diferentes maneras de entender y afrontar la
pobreza a través del tiempo y entre distintas sociedades difieren si se conceptualizan desde la
escuela Clásica, Neoclásica, Keynesiana y Marxista, tal como se presenta en la Tabla 7.
58
Tabla 7
Pensamiento de la Pobreza según Escuela Económica
Escuela
Económica Pensamiento de la Pobreza Similitudes entre Escuelas
Escuela
Clásica
Sostienen que las malas decisiones tomadas de los individuos
eran en última instancia responsables de la pobreza, puesto que,
los mercados eran eficientes y su productividad se reflejaba a
través de los salarios (empleo). Es decir, la pobreza no era un
problema de mercado, sino algo particular, es por ello que no se
le incluye conceptualmente en su modelo. Y en consecuencia,
proporcionan una base para las políticas de laissez faire.
Sin embargo, una de las críticas más destacadas al tratamiento de
la pobreza por esta escuela es su excesivo énfasis en el aspecto
individualista y su enfoque en medios o instrumentos puramente
materiales para erradicarla.
La escuela Clásica y
Neoclásica generalmente
buscan limitar el papel del
estado en la corrección de las
fallas de mercado y de los
incentivos. Es por ello que
tienden a ser reacios a las
políticas de redistribución.
Sin embargo, a pesar de que
enfatizan demasiado en
aspectos monetarios, se puede
argumentar que sus principales
ventajas radican en el empleo
de unidades de medida de la
pobreza (en gran medida
monetarias) que son
cuantificables y que las
prescripciones de política que
son deducidas de estas teorías
suelen ser más precisas,
concisas y medibles, lo que
hace más fácil ponerlas en la
práctica.
Escuela
Neoclásica
La economía Neoclásica (convencional) es más diversa que la
escuela Clásica, puesto que, puede proporcionar otras
explicaciones sobre la pobreza, como las fallas del mercado, que
están más allá del control de los individuos.
Así mismo, considera a la pobreza bajo la perspectiva de escasez
de activos tales como vivienda, acceso a salud, acceso a
educación, pensiones, seguros de vida, etc. Además esta escuela
menciona que los hogares sin un adecuado nivel de activos
(hogares pobres) son los más afectados por las fluctuaciones en
sus ingresos que aquellos hogares con un adecuado nivel e
activos.
Escuela
Keynesiana
Las escuelas Keynesianas, también llamados Neoliberales, se
centran en las fuerzas macroeconómicas y destacan el papel clave
que tiene el gobierno en proporcionar estabilidad económica y los
bienes públicos. Consideran que la pobreza es en gran medida
involuntaria y causada principalmente por el desempleo. Es así
que estas personas están condenadas a estar en pobreza dado que
consiguen trabajos temporales y no logran ahorrar lo suficiente
para mantener un nivel de vida por encima de la línea de pobreza,
viéndose afectado en épocas de recesión.
Sin embargo, a pesar de que la escuela Neoliberal dirigida por los
nuevos Keynesianos difieren de las premisas de la escuela Clásica
y Neoclásica, también adoptan una postura individualista basada
en el dinero, puesto que, creen que el crecimiento general de los
ingresos es el elemento más efectivo para eliminar la pobreza.
La escuela Keynesiana y
Marxista, tienden a favorecer
el papel del estado como
regulador de las fallas de
mercado a través de la
implementación de políticas
públicas como la provisión de
bienes públicos, así como la
inclusión de salarios mínimos
y leyes antidiscriminatorias.
Así mismo, ambas escuelas
proporcionan un menú de ideas
para la intervención en el
debate acerca de la pobreza y
las maneras de reducirla.
Puesto que, siguiendo la
tradición Keynesiana, también
se debe poner mayor énfasis en
el papel clave de la formación
de capital (capital humano a
través de la inversión en
educación) para aliviar la
pobreza, que requerirá un gasto
público sustancial. Y por el
Escuela
Marxista
Los puntos de vista Marxistas o Radicales consideran que la causa
de la pobreza es la estructura del sistema capitalista y que dicho
sistema necesita inherentemente la existencia de clases pobres
para que prevalezca en el tiempo. Así mismo, creen que la
pobreza es una cuestión moral así como técnica y de justicia, y no
solo de eficiencia en el uso de los recursos. Puesto que, ven que
la discriminación de clase y grupo son fundamentales para la
pobreza. Por lo que, para ellos el papel del estado es indispensable
para la intervención o regulación de los mercados, a través de
59
políticas como el salario mínimo y la inclusión de leyes
antidiscriminatorias.
Por otro lado, los teóricos Marxistas sostienen que el crecimiento
económico es una condición necesaria, pero insuficiente para
sacar a la gente de la pobreza, debido a que aquellos que
pertenecen a ciertas clases pueden no obtener ninguno de los
beneficios del crecimiento general de los ingresos. Sin embargo,
independientemente de las fallas del sistema capitalista, la idea de
la falta de ingresos suficientes como culpable de la pobreza
todavía está presente en estos puntos de vista poco ortodoxos, por
lo que el problema de la pobreza, en última instancia, está ligado
al bienestar material.
otro lado, siguiendo la
tradición Marxista, se debe
implementar acciones legales
antidiscriminatorias y una
regulación profunda del
mercado para contrarrestar la
pobreza.
Fuente: Información basado en Davis & Sánchez Martínez (2014). En su documento de discusión “A
review of the economic theories of poverty” [Una revisión de las teorías económicas de la pobreza].
Elaboración: Propia.
2.2.2.2 Enfoques de la Pobreza.
En la literatura de la pobreza se puede encontrar diferentes tipos de enfoques, sin embargo
para la presente investigación se consideró los tres enfoques más conocidos y utilizados, por lo
que a continuación se intentará explicar cada uno de ellos, el cual a su vez servirán como base para
desarrollar los métodos de la pobreza.
a. Enfoque de Capacidades de Amartya Sen
Sen (2000) considera en primer lugar que las capacidades son la combinación de la libertad
(como una parte del bienestar) y el funcionamiento (las diversas cosas que una persona puede
valorar hacer o ser, tales como desear sueños, tener metas u objetivos, tener logros, lograr
resultados valiosos, así como estar sano, bien nutrido, estar seguro, estar educado, etc.). Dicho de
otra manera, la capacidad (habilidad) es la libertad fundamental u oportunidad para alcanzar
funcionamientos (realizaciones) valiosos.
En palabras de Sen (2000) la pobreza debe concebirse como “la privación de capacidades
básicas y no meramente como la falta de ingresos que es el criterio habitual con el que se identifica
la pobreza” (pág. 114). No obstante, esa idea no rechaza el razonamiento de que la falta de ingresos
sea una de las principales causas de la pobreza, debido a que para Sen, el ingreso es un medio para
60
tener capacidades. Por lo que, la edad, el sexo, el lugar, la incapacidad o enfermedades que una
persona puede controlar poco o nada, reducen la capacidad de que una persona pueda percibir otros
ingresos. Pero también hacen que sea más difícil convertir los ingresos en capacidad (lo que una
persona puede lograr hacer con los ingresos para desarrollarse). Esto genera que la pobreza real
(entendida como la privación de capacidades y derechos) puede ser mayor que la pobreza por
ingresos. En ese sentido, la privación relativa (desde el punto de vista de los ingresos) puede
provocar una privación absoluta (desde el punto de vista de las capacidades). Por tanto, se puede
decir que para Sen lo que realmente importa no son los medios (ingresos o gastos), sino los
resultados en términos de bienestar y condiciones de vida (tener salud, educación, mayor esperanza
de vida, etc.).
Así mismo, es importante mencionar que de acuerdo a Vethencourt (citado en Giménez
Mercado & Valente Adarme, 2016) el propósito de Sen al desarrollar el enfoque de capacidades
no ha sido solo teórico, sino práctico, puesto que, se centró en orientar a los gobiernos sobre las
bases que se deben tener en cuenta al momento de diseñar políticas públicas centradas en el ser
humano con equidad y justicia social, más allá de mejorar la producción económica.
b. Enfoque Absoluto y Relativo de la Pobreza
Según Spicker (citado en Ferez, 2001) la diferencia entre el enfoque absoluto y el enfoque
relativo no radica en la definición de la pobreza, sino que son más bien “interpretaciones de la
manera en la que se forman socialmente las necesidades” (pág. 11).
Por lo que, el enfoque relativo radica en comparar el propio bienestar de las personas con
el bienestar de los demás. De ahí que una persona con ingreso limitado podría sentirse no pobre si
vive en una sociedad de ingresos limitados, en cambio si vive en una sociedad con ingresos
elevados, puede sentirse pobre, ya que sus ingresos no le permitirán integrarse de manera
61
adecuada. Por lo tanto, la pobreza de una persona depende del ingreso de su entorno, además
difiere entre países y en el tiempo.
Todo lo contrario ocurre con el enfoque absoluto, puesto que, la pobreza absoluta tiene
relación con las necesidades de las personas, el cual son independientes de las necesidades que
tengan otras personas. Por su parte, la ONU define la pobreza absoluta, como "una condición
caracterizada por la privación severa de las necesidades humanas básicas, que incluyen alimentos,
agua potable, instalaciones sanitarias, salud, vivienda, educación e información. Depende no solo
de los ingresos sino también del acceso a los servicios" (citado en Davis & Sánchez Martínez,
2014, pág. 14).
No obstante, los defensores del enfoque relativo critican el uso de las líneas de pobreza
absolutas, pues consideran que no incorporan de manera adecuada las crecientes necesidades
sociales. En este sentido, Sen (citado en Ferez, 2001) aclara que la pobreza es absoluta en términos
de capacidades, pero relativa en términos de bienes (materiales).
c. Enfoque Objetivo y Subjetivo de la Pobreza
Si bien es cierto que los estudios empíricos de la pobreza durante mucho tiempo han
descansado sobre la concepción de la pobreza monetaria. En las últimas décadas, se puede observar
que la apertura conceptual integro nuevas dimensiones (salud, educación, esperanza de vida, etc.)
sobre la pobreza, y de manera más reciente la vulnerabilidad y la participación (voz o poder). Lo
que significa que esta apertura conceptual implica no solo en definir nuevos indicadores de la
pobreza, sino también modificar el diseño de las políticas públicas para contrarrestar la pobreza.
Es así que, en esta parte se pondrá toda la atención en explicar los enfoques de la pobreza
según Herrera (2001). El cual considera que existen dos grandes enfoques de la pobreza: en primer
lugar el enfoque objetivo, que se refiere a los ingresos necesarios para adquirir una canasta básica
62
de consumo. Y en segundo lugar el enfoque subjetivo, en el que cada hogar determina si es pobre
o no a través de una encuesta o entrevista acerca de los ingresos que ellos consideran necesario
para tener una vida digna.
Por su parte, Paredes Mamani (2010) siguiendo las concepciones de Herrera sostiene que
“bajo el enfoque objetivo, se emplea un conjunto de procedimientos para determinar si un
individuo se encuentra o no debajo del umbral que lo clasifica como pobre o no. Bajo el enfoque
subjetivo, es el propio individuo quien determina su situación” (pág. 17).
Así mismo, según Herrera (2001) para medir el nivel de pobreza, en el enfoque objetivo se
utilizan las medidas monetarias como: las líneas de pobreza absoluta, el cual representa a las
personas que tienen ingresos o gastos solo menor a la línea de pobreza, y para medir la pobreza
absoluta se utiliza en parte el coeficiente de Engel (la elasticidad ingreso de los alimentos es menor
que 1), debido a que también representa a la línea de pobreza extrema (abarca hasta la cesta de
alimentos que permite alcanzar el nivel de subsistencia) y partiendo de esta línea se obtendrá la
pobreza total (pobreza extrema más otros bienes como vestidos, transporte, vivienda, entre otros).
Además, se utiliza la línea austera de Ravallion (en 1991 creo el primer estándar o umbral
internacional para medir la pobreza extrema, en el que fijo en $ 1 por día, el cual se actualizó a
1.90 $ por día en el año 2015 por el Banco Mundial), y las líneas de pobreza relativa, que
representa a las personas que tienen ingresos o gastos por debajo del promedio. Por el otro lado,
en las medidas no monetarias de la pobreza se utilizan las Necesidades Básicas Insatisfechas
(NBI) y antropométricas (los indicadores antropométricos pueden ser la talla, peso y edad así
como la desnutrición crónica o anemia), y finalmente en el enfoque subjetivo se utilizan las
encuestas o entrevistas; tal como se ilustra en la Figura 11.
63
Figura 11
Clasificación de las Dimensiones de la Pobreza
Enfoques dinámicos: vulnerabilidad, pobreza permanente y transitoria
Enfoques mixtos: indicador de desarrollo humano (PNUD), enfoque Integrado
Fuente: Adaptación basado en la clasificación de las dimensiones de la pobreza según Herrera (2001).
Elaboración: Propia.
2.2.2.3 Métodos de Medición de la Pobreza.
De acuerdo a la literatura y en función de las concepciones de Pérez Campos & Rodríguez
Saldarriaga (2015) se puede decir que, históricamente los métodos de la pobreza se han relacionado
con el concepto de falta de ingreso, es decir la pobreza monetaria, el cual según el INEI (2019)
considera pobre a una persona que tiene un gasto por debajo del umbral de la línea de pobreza. Así
mismo, no considera otras dimensiones no monetarias tales como la desnutrición, necesidades
básicas insatisfechas, exclusión social, capacidades, etc. Además, existen dos tipos de pobreza
monetaria: la línea de pobreza absoluta, el cual se mide en función a una línea de pobreza,
considerado según Ravallion (citado en Sánchez Martínez & E Philip, 2014) como "el nivel
mínimo de ingresos considerado adecuado en un país en particular (pág. 14), y según el INEI
Enfoques de la pobreza
Enfoque objetivo
Monetaria (utilitarista)
Linea de pobreza absoluta
Engel
Línea austera de Ravallion
Linea de pobreza relativa
Media, mediana del
gasto
No monetaria (capacidades y funcionalidades
Necesidades básicas
instatisfechas
Indicadores antropométrico
s
Enfoque subjetivo
Encuestas directas sobre la apreciacion del grado de
satisfaccion de las necesidades
basicas o del monto
requerido para satisfacerlas
64
(2019) la línea de pobreza es un valor monetario para determinar si una persona es pobre o no a
través de su gasto per cápita, además dicho valor está compuesto por “el componente alimentario,
que es llamado también línea de pobreza extrema y el componente no alimentario” (pág. 51). Y
por otro lado, se tiene a la línea de pobreza relativa, el cual se mide en función a un estándar de
vida o un promedio, puesto que, considera como pobre al grupo de personas cuyo ingreso este por
debajo de un determinado nivel, además, este criterio es utilizado generalmente en sociedad que
hayan logrado erradicar la pobreza absoluta. No obstante, debido a los vacíos de la pobreza
monetaria o los supuestos fuertes con los que se mide, como homogenizar a las familias o países
y la exclusión de otras variables que pueden considerarse para medir la pobreza, surge el intento
de medir la pobreza basándose en las capacidades básicas de Sen, ya que el desarrollo de las
capacidades (libertades para lograr funcionamientos o realizaciones) de una persona implica tener
las herramientas necesarias para generar mayores ingresos.
Es así, que a partir de estas ideas el PNUD crea el índice de desarrollo humano, como un
indicador multidimensional (considera las dimensiones de salud, educación e ingreso per cápita).
Del mismo modo, como concretización a los postulados de Sen, se elabora el índice de pobreza
multidimensional (considera las dimensiones de salud, educación y condiciones de vida) por
Alkire y Foster (2008), el cual parte de las necesidades fisiológicas (hambre) a necesidades de
autorrealización, es decir, si la persona satisface sus necesidades más básicas, emergerán nuevas
necesidades más altas, lo que genera que las necesidades de las personas dependen del estado en
que se encuentre.
Partiendo de estas reflexiones, es que nace la medida de las necesidades básicas
insatisfechas propuesto por la Comisión Económica para América Latina y el Caribe (CEPAL)
para diferentes países, que abarca mucho más que el aspecto monetario, y que a su vez se relaciona
65
mucho con las capacidades, el bienestar y el aspecto multidimensional de la pobreza. No obstante,
este método se desarrollará con mayor profundidad más adelante, puesto que, es la variable de
interés de la presente investigación.
Por otro lado, a diferencia de los métodos anteriores, existe el método subjetivo (utiliza
encuestas directas para medir la percepción de las personas de su propio bienestar o grado de
satisfacción respecto a su educación, salud, casa, etc.), no obstante, en la actualidad este método
no es utilizado mucho por los gobiernos, pero su uso puede ser complementario a los demás
métodos para diseñar y ejecutar políticas públicas para reducir la pobreza; y finalmente, el método
mixto que básicamente combina los métodos de la línea de pobreza y las necesidades básicas
insatisfechas, y que a su vez, al cruzar ambos métodos permite captar algunos rasgos de
heterogeneidad de la pobreza, por consiguiente, clasifica a la población en cuatro grupos: pobres
crónicos (pobres por gasto y por necesidades básicas insatisfechas), pobres estructurales (los que
poseen un gasto adecuado, pero no satisfacen sus necesidades básicas), pobres coyunturales (los
que cubren sus necesidades básicas a pesar de un nivel de gasto insuficiente) y los socialmente
integrados (los que poseen un gasto adecuado y no tienen necesidades básicas insatisfechas) (INEI,
2019). Por consiguiente, de acuerdo al INEI (2000) éste método tiene ventajas en cuanto a
reconocer grupos diferenciados para diseñar y ejecutar políticas de manera más focalizada. Por
ejemplo, las personas con gastos insuficientes requieren de políticas económicas, tales como
políticas salariales, de empleo, de generación de ingresos. Y las personas con necesidades básicas
insatisfechas requieren de políticas sociales, tales como servicios básicos, educación, viviendas
adecuadas, entre otros. No obstante, según el INEI (2019) este método usualmente genera
porcentajes de pobreza por encima de ambos métodos que integra.
66
En la Figura 12 se presenta el marco o esquema tomado como base para revisar, comparar
y explicar los distintos métodos de medición de la pobreza según Pérez Campos & Rodríguez
Saldarriaga (2015).
Figura 12
Métodos de Medición de la Pobreza
Fuente: Adaptación basado en los métodos de medición de la pobreza según Pérez Campos & Rodríguez
Saldarriaga (2015).
Elaboración: Propia.
Por lo tanto, se puede deducir que una de las decisiones más importantes de las políticas
públicas es el método que se debe utilizar para medir la pobreza, de tal manera que se logre reducir
las brechas de servicios (cobertura y calidad), así como lograr que las inversiones de los gobiernos
a través de programas, políticas y/o proyectos resulten lo más efectivo posible en la reducción de
la pobreza.
En ese sentido, para la presente investigación, se consideró utilizar la pobreza medido por
el método de necesidades básicas insatisfechas como variable dependiente para analizar el impacto
Métodos de medición de la
pobreza
Método objetivo
Pobreza monetaria
Línea de pobreza absoluta
Línea de pobreza relativa
Pobreza no monetaria
Necesidades básicas
insatisfechas
Multidimensional
Método subjetivo Método mixto
Integrado
67
del canon minero en la Macro Región Sur del Perú durante el periodo 1996-2018, puesto que,
según la Ley N° 27506, Ley de Canon, uno de los criterios que se considera para distribuir el canon
minero es la pobreza medido por el método de necesidades básicas insatisfechas, debido a que a
diferencia del método monetario (que mide el nivel de ingreso mínimo para adquirir una canasta
básica de alimentos), el método de necesidades básicas insatisfechas (o de carencias) revela si las
necesidades han sido realmente cubiertas, además que no está sujeto a cambios coyunturales como
el método monetario, dado que, las necesidades básicas insatisfechas se caracterizan por ser
estructurales (progreso lento pero constante).
También, se consideró utilizar la pobreza medida por el método de necesidades básicas
insatisfechas por la existencia de una buena base de datos, el cual es fundamental para la presente
investigación, y en particular porque dicho método es uno de los métodos ampliamente más usados
en la investigación y principalmente en el diseño y ejecución de programas, políticas e inversiones
públicas orientadas a reducir la pobreza.
Por lo que, a continuación se desarrollará con mayor profundidad la pobreza medida por el
método de necesidades básicas insatisfechas.
2.2.2.4 Pobreza por Necesidades Básicas Insatisfechas.
El método de NBI fue introducido a inicios de los años ochenta por la CEPAL. Y es
considerado como un método directo de medición, de modo que, para para Feres & Mancero
(2001) la pobreza por NBI “es el método directo más conocido y utilizado en América Latina”
(pág. 8). Es así que, desde sus inicios dicho método ha sido utilizado como un instrumento para
caracterizar la pobreza basada en el desarrollo de las capacidades humanas, así como un sustituto
del método de líneas de pobreza.
68
Además, según la CEPAL (citado en Feres & Mancero, 2001) los indicadores que utilizan
los países de Latinoamérica para medir la pobreza por este método varían, puesto que, dependen
del nivel de desarrollo económico y el entorno cultural de cada país. No obstante, las NBI en los
países de América Latina recurrentemente están compuestas por las siguientes dimensiones y
variables censales.
Tabla 8
Dimensiones y Variables de la Pobreza por NBI para América Latina según la CEPAL
Necesidades Básicas Dimensiones Variables Censales
Acceso a vivienda
a) Calidad de la vivienda. Materiales de construcción utilizados en piso,
paredes y techo.
b) Hacinamiento. i) Número de personas en el hogar.
ii) Número de cuartos de la vivienda.
Acceso a servicios
sanitarios
a) Disponibilidad de agua potable. Fuente de abastecimiento de agua en la
Vivienda.
b) Tipo de sistema de eliminación
de excretas.
i) Disponibilidad de servicio sanitario.
ii) Sistema de eliminación de excretas.
Acceso a educación
Asistencia de los niños en edad
escolar a un establecimiento
educativo.
i) Edad de los miembros del hogar.
ii) Asistencia a un establecimiento educativo.
Capacidad económica Probabilidad de insuficiencia de
ingresos del hogar.
i) Edad de los miembros del hogar.
ii) Ultimo nivel educativo aprobado.
iii) Número de personas en el hogar.
iv) Condición de actividad.
Fuente: Adaptación basado en Feres & Mancero (2001).
Elaboración: Propia.
Por lo que, de acuerdo a las concepciones de la CEPAL acerca de las NBI, con este método
“se considera población en pobreza a aquella que tiene al menos una necesidad básica insatisfecha
y como pobres extremos a los que presentan dos o más indicadores en esa situación” (Barneche,
2010, pág. 31). Además, el método de NBI se enfoca principalmente en la evolución de la pobreza
estructural o de largo plazo, por lo que no es sensible ante cambios coyunturales y permite tener
una visión especifica de la pobreza considerando los aspectos sociales (INEI, 2000).
Por otro lado, específicamente para el caso de Perú, el INEI (2019) considera a la pobreza
como un fenómeno multidimensional y multicausal, lo que significa que la pobreza no solo implica
69
el aspecto material, sino vivir una vida digna. Cabe mencionar que según el INEI (2016) en el
Perú, el primer mapa de pobreza por NBI se elaboró en el año 1996. Y este método se aplicó y
empezó a utilizar basado en el enfoque de capacidades propuesto por Amartya Sen, el cual se
enfocaba en las privaciones de las capacidades que son más importantes qué los medios (ingresos)
para obtener funcionamientos (logros, resultados o realizaciones).
Es por ello que, dentro del marco y siguiendo la experiencia metodológica planteada por la
CEPAL, el INEI con la finalidad de buscar y conocer otras dimensiones de la pobreza, seleccionó
cinco indicadores de carencia a partir de los resultados de los censos nacionales y encuestas de
hogares, el cual componen el método de NBI. Por lo que, en el Perú se define pobre por NBI a
aquella población que reside en hogares con al menos una las siguientes cinco necesidades básicas
insatisfechas (INEI, 2019).
Tabla 9
Componentes de la Pobreza por NBI para el Perú según el INEI
Componentes Determinación
Población en viviendas con
características físicas inadecuadas
Porcentaje de la población en hogares con vivienda de paredes exteriores
de estera, o de quincha, piedra con barro o madera y piso de tierra.
Población en viviendas con
hacinamiento
Porcentaje de la población en hogares con más de 3 a 4 personas por
habitación, sin contar con el baño, cocina, pasadizo y garaje.
Población en viviendas sin servicios
higiénicos
Porcentaje de la población en hogares con vivienda sin desagüe o
servicio higiénico de ningún tipo.
Población en hogares con niños que
no asisten a la escuela
Porcentaje de la población en hogares con presencia de al menos un niño
de 6 a 12 años que no asiste a un centro educativo.
Población en hogares con alta
dependencia económica
Porcentaje de la población en hogares cuyo jefe tenga primaria
incompleta (hasta segundo año) y con 4 o más personas por ocupado o
sin ningún miembro ocupado.
Fuente: Adaptación basado en el INEI (2019).
Elaboración: Propia.
2.2.2.5 Comparación entre la Pobreza por NBI y la Pobreza Monetaria.
Después de haber presentado las diferentes concepciones, enfoques y métodos de la
pobreza, es necesario realizar una comparación entre la pobreza medido por el método de
necesidades básicas insatisfechas (por ser la variable de interés, el cual regirá parte del marco para
70
el desarrollo de la presente investigación) y la pobreza medido por el método monetario, con la
finalidad de conocer las diferencias tanto teóricas y prácticas, tal como se presenta en la Tabla 10.
Tabla 10
Comparación entre la Pobreza por NBI y la Pobreza Monetaria
Pobreza por NBI Pobreza Monetaria
- Considera un conjunto de indicadores relacionados
con necesidades básicas estructurales (vivienda,
educación, salud, capacidad económica, etc.) que se
requiere para evaluar el bienestar individual.
- Considera como pobres a las personas que residen en
hogares cuyo gasto per cápita es insuficiente para adquirir
una canasta básica de alimentos y no alimentos (vivienda,
vestido, educación, salud, transporte, etc.).
- La pobreza total se mide en función a la población
que viven en hogares con al menos una necesidad
básica insatisfecha y la población extrema se mide en
función a la población que viven en hogares con dos o
más necesidades básicas insatisfechas.
La pobreza total se mide en función a una línea de pobreza
que está compuesto por el componente alimentario y no
alimentario, y la pobreza extrema también se mide en
función a una línea de pobreza, pero ésta, solo está
compuesta por el componente alimentario.
- Toma en cuenta la provisión de servicios públicos
brindados por el Estado, pero no aquellos como el
consumo privado de bienes y servicios.
- No considera la provisión de servicios públicos por el
Estado ni las necesidades cuya satisfacción requiere de
gasto e inversión (vivienda, salud, educación, etc.).
- Es considerado como un método directo, pues
relaciona el bienestar con el consumo efectivamente
realizado, es decir, mide si los hogares han logrado
satisfacer sus necesidades básicas insatisfechas.
- Es considerado como un método indirecto, dado que
relaciona la posibilidad de realizar un consumo (ingreso),
más no el consumo efectivo (gasto). Por lo que, se asume
que los hogares distribuyen correctamente sus recursos.
- Se basa principalmente en las condiciones materiales
y el patrimonio de los hogares producto de la
acumulación en el tiempo o por la provisión de
servicios básicos por parte del Estado.
- Se basa principalmente en la disponibilidad de recursos
(ingresos o gastos) respecto a un mínimo o línea de
pobreza.
- Permite mapear y evaluar las condiciones de pobreza
según zonas geográficas. Permitiendo elaborar mapas
de pobreza entre países o departamentos, el cual
pueden servir para focalizar eficientemente las
políticas sociales, programas y proyectos públicos
destinados a cerrar brechas priorizados.
- No permite identificar geográficamente la gama de
carencias o necesidades básicas insatisfechas de la
población. Lo que dificulta elaborar mapas de pobreza de
manera permanente o cada año (en la actualidad el INEI
elabora los mapas de pobreza monetaria provincial y
distrital cada tres o cuatro años).
- No permite la agregación, es decir, no tiene un
umbral o indicador de bienestar para elegir si la
persona es pobre o no.
- Permite la agregación, es decir, cuenta con un umbral o
línea de pobreza, el cual permite elegir si una persona es
pobre o no.
- Es capaz de identificar las situaciones de pobreza
estructural, puesto que los componentes de las NBI
son indicadores que requieren de un progreso lento
pero seguro.
- Es capaz de identificar las situaciones de pobreza
coyuntural o reciente, debido a que por motivos
coyunturales, pueden reducir sus ingresos o gastos por
debajo de la línea de pobreza.
- Por ser estructural, requiere en gran medida de
políticas sociales, así como programas y proyectos
públicos, tales como: provisión de servicios básicos,
viviendas adecuadas, salud, educación, entre otros.
- Por ser coyuntural, requiere mayormente de políticas
económicas tales como: políticas salariales, de empleo, de
generación de ingresos, subvenciones y todo lo
relacionado al mejoramiento de la capacidad adquisitiva.
- Los miembros del hogar revelan una información
más confiable al basarse en indicadores como el de
vivienda el cual son más fáciles de identificar
- Debido a que los encuestados suelen declarar solo su
ingreso principal y no otras fuentes de ingreso, tienden a
declarar sus ingresos por debajo de su ingreso real.
- Presenta limitaciones para identificar situaciones de
pobreza reciente (hogares sin necesidades básicas
insatisfechas, pero con ingresos insuficientes), así
mismo, todos los indicadores utilizados tienen el
mismo peso.
- Puede identificar la pobreza reciente. Sin embargo, los
datos recogidos de la información de las encuestas pierden
vigencia rápidamente, puesto que, una persona puede
entrar o salir de la pobreza varias veces en un mismo año
(depende solo de sus ingresos y gastos).
71
- Al ser un método de aspecto multidimensional,
aporta una visión más amplia de la pobreza, puesto que
también incluye otros indicadores no monetarios de la
pobreza.
- Al ser un método unidimensional, subestima otros
aspectos no monetarios de la pobreza, por lo que aporta
una visión parcial. Sin embargo, al depender de una sola
variable (ingreso o gasto per cápita), su medición y
entendimiento es más sencilla,
Fuente: Información basado en el INEI (2000) y Feres & Mancero (2001).
Elaboración: Propia.
2.2.3 Canon Minero y Pobreza por NBI
En ese apartado se desarrollará las teorías que relacionan el canon minero y la pobreza por
NBI. Sin embargo, teniendo en cuenta que tal como sostiene (Hernández Sampieri & Mendoza
Torres, 2018) una teoría es un “conjunto de proposiciones interrelacionadas capaces de explicar
por qué y cómo ocurre un fenómeno” (pág. 80). Así mismo, vale precisar que dentro de la revisión
de los antecedentes o estado de arte de la presente investigación, como se ha visto, no se dispone
de teorías que expliquen el fenómeno estudiado en la presente investigación, pero si se disponen
de generalizaciones empíricas (existencia de piezas o trozos de teorías), es decir, existen
proposiciones que han sido comprobados. Por consiguiente, tal como explica Hernández Sampieri
& Mendoza Torres (2018) y que a su vez coincide con Mendoza Bellido (2014), lo que se hace
entonces, más que adoptar una o varias teorías, es construir la perspectiva teórica (proceso o
revisión de los antecedentes y producto o marco teórico). En ese sentido, debido a que en la
actualidad no existe una teoría que desarrolle de manera específica la relación entre el canon
minero con la pobreza por NBI, es que se abordará de manera panorámica la teoría económica de
los recursos naturales, así como los canales de impacto (directos e indirectos) de los recursos
naturales en la pobreza.
2.2.3.1 Teoría Económica de los Recursos Naturales
Se parte de la idea de que los recursos naturales son activos de capital natural.
Entendiéndose bajo el marco del desarrollo sostenible, cuyo objetivo de acuerdo al informe
Brundtland (informe titulado: “Nuestro futuro común”), es el desarrollo que satisface las
72
necesidades actuales sin comprometer la capacidad (los recursos naturales y humanos) de las
generaciones futuras para satisfacer sus propias necesidades (ONU, 1987). Es decir, que las
actividades económicas de hoy no comprometan el bienestar de las generaciones futuras.
Por otra parte, teniendo en cuenta que en el Perú, según el artículo 66 de la Constitución
de Política del Perú de 1993 se establece que, los recursos naturales renovables y no renovables
son patrimonio de la nación. Así mismo, el Estado es quien establece las normas de su
aprovechamiento, así como el otorgamiento de derechos para su explotación en la forma de
concesiones a particulares.
Por lo que, de acuerdo a las líneas anteriores, Barrantes (2005) sostiene que, si los recursos
naturales son activos de capital natural, entonces su explotación debería significar un intercambio
con otro capital, de tal manera que el uso actual de los recursos naturales no incremente la pobreza
de los propietarios de los recursos naturales. Así mismo, los derechos de aprovechamiento se les
debería de otorgar a los propietarios de los recursos naturales en función al costo del usuario,
puesto que se está generando un costo de oportunidad intertemporal, debido a que la explotación
de los recursos naturales en la actualidad, significa que éstos ya no estarán disponibles en el futuro
para las nuevas generaciones. Además, siguiendo el régimen constitucional y legal de los recursos
naturales en el ordenamiento jurídico peruano, que indica que los recursos naturales le pertenece
a toda la nación y no a las comunidades donde se localizan, a pesar de que éstas son las
directamente involucradas en la explotación de los recursos naturales; por lo que se ha diseñado
un mecanismo de redistribución del ingreso generado por la explotación de los recursos naturales,
como es el caso del canon generado por la explotación de los diferentes recursos naturales, el cual
se calcula según el tipo de recurso natural (minería, energía, petróleo, agrícola, etc.). Para el caso
de la minería, el canon se paga en función al impuesto a la renta. Por lo que, el canon se distribuye
73
a los propietarios (nación) de dichos recursos, a través de los gobiernos regionales y locales. Y, la
efectividad de su utilización depende de dichos gobiernos.
En ese contexto, es que también surge la teoría de la maldición de los recursos, en el que
Neyra Chavez (2018) en su trabajo explica que aquellos países con ingentes dotaciones de recursos
naturales, usualmente son los que se desenvuelven peor en cuanto a buena gobernabilidad y
desarrollo económico que aquellos países con menos recursos naturales. Además agrega que, a
pesar de que algunos países lo han hecho relativamente mejor, frecuentemente lo hacen con un
crecimiento desigual (se vuelven más ricos con gente que vive en pobreza). Cabe resaltar que una
explicación no menos importante es la tesis de Prebisch-Singer (citado en Mallorquín, 2005) el
cual tiene que ver con la tendencia a largo plazo al deterioro de los términos de intercambio a favor
de los países industrializados y en perjuicio de los países en desarrollo y productores de materias
primas o recursos naturales. En otras palabras, con el paso del tiempo los precios de las materias
primas o recursos naturales tienden a deteriorarse.
Entonces, para comprender esta paradoja (tener abundantes recursos naturales y pobre
desempeño), a través de la literatura, surgen algunas explicaciones como: “la enfermedad
holandesa o Dutch Disease”, dicho término surgió en la década de 1960 como consecuencia del
incremento sustancial de las divisas generados por los descubrimientos de grandes yacimientos de
gas natural en los Países Bajos. Lo que ocasiono que su moneda se aprecie afectando así las
exportaciones de otros sectores. Es así que Bresser Pereira destaca que se trata de un fenómeno
estructural que provoca la desindustrialización. Así mismo dicho fenómeno, no solo se deriva por
el descubrimiento de un recurso natural, sino que también puede ser producido por la entrada de
ingentes cantidades de divisas a un país a través de la inversión extranjera, el repunte del precio
de un recurso natural, las remesas de los inmigrantes o de la mano de obra barata, y si ese fuera el
74
caso, agrega que la enfermedad holandesa se transformaría en una falla de mercado aún más grave
sobre todo para los países en desarrollo. Por lo tanto, sugiere que para reducir la amenaza de la
enfermedad holandesa, se puede aplicar estrategias para neutralizar el incremento del tipo de
cambio administrando su tipo de cambio, tal como lo hacen China, India y en mayor medida los
países asiáticos dinámicos, o como el caso de Noruega, mediante un impuesto que corrige el tipo
de cambio, así mismo, se puede incrementar la competitividad del sector manufacturero
invirtiendo en educación (esta estrategia podría también podría aplicarse en países en desarrollo,
aunque algunos de estos países son exportadores de cerebros) e infraestructuras para mejorar su
competitividad (2008). El modelo de la enfermedad holandesa ha servido para explicar los efectos
paradójicos de las crisis producidos por el descubrimiento del oro en Australia en 1850. También
se presentaron casos similares en países como Colombia, puesto que con el aumento del café,
perjudicaron a los demás sectores en la década de 1980. Y el más reciente, los ingresos producto
de los altos precios del petróleo en Venezuela desde la década de 1970, que perjudicó el desarrollo
de una matriz productiva diversificada a través de diferentes sectores.
Por otro lado, la paradoja de los recursos naturales también se puede explicar por el canal
institucional “la maldición de los recursos y las instituciones” (Alichi & Arezki, 2009). Al
respecto Robinson, Torvik, & Verdier (2006) afirman que los ingresos generados por los recursos
naturales tienen efectos perversos. Del mismo modo, señalan que los políticos tienden a
sobreextraer los recursos naturales más allá del punto eficiente, y además se caracterizan por tener
un comportamiento rent seeking con la finalidad de influir en las elecciones y permanecer en el
poder, lo que ocasiona una asignación ineficiente de los recursos que finalmente conduce a una
maldición de los recursos (situación en la que un auge de los recursos conduce a un menor
crecimiento). En este contexto Hogan y Sturzenegger (citado en Neyra Chavez, 2018) señalan que
75
los países en desarrollo no cuentan con la cantidad de capital necesario ni con el conocimiento
técnico suficiente para explotar los recursos naturales por cuenta propia, por lo que recurren a
empresas multinacionales para extraer dichos recursos naturales. Es a partir de este punto en el que
se generan conflictos de intereses entre las instituciones y las empresas multinacionales al querer
maximizar sus beneficios trasladando la mayor cantidad de riesgo posible a la contraparte,
generando así contratos incompletos y plagados de renegociaciones. Por lo tanto, tal como explican
Robinson et al., el impacto de los auges de los recursos naturales depende de las instituciones. De
manera que, los países con instituciones fuertes y que promueven la rendición de cuentas tenderán
a beneficiarse de los auges de los recursos, aminorando los incentivos políticos perversos que crean
dichos auges, mientras que los países sin dichas instituciones pueden sufrir una maldición de
recursos (2006).
Finalmente, algunos autores como: Baland y Francois; Sachs y Warner; Torvik; Larsen
(citado en Bresser Pereira, 2008) distinguen la enfermedad holandesa de la maldición de los
recursos naturales y las instituciones: mientras que la primera sería una falla de mercado, la
segunda sería consecuencia de la corrupción o del rent seeking que la abundancia los recursos
naturales proporciona sobre todo en países dotados de instituciones débiles y con sociedades
atrasadas.
2.2.3.2 Canales de Impacto de los Recursos Naturales en la Pobreza.
En esta sección se busca dar a conocer los canales de impacto de los recursos naturales en
la pobreza, los cuales pueden ser en mayor o menor medida dependiendo del contexto del país o
departamento.
Al respecto, es importante poner en relieve que en el Perú históricamente se ha notado que
al menos en el siglo XIX y XX, la explotación de los recursos naturales no ha tenido efectos
76
significativos en las mejoras de la calidad de vida en el largo plazo, pero si ha tenido efectos
temporales en las economías locales en algunos casos (lana, caucho). Mientras que en otros casos
(minería, petróleo), los efectos han sido menores en la calidad de vida de las personas tal como
mencionan Throp y Bretram (citado en Esteves Gonzales & Vargas Villafuerte, 2017).
Motivo por el cual, la presente investigación busca analizar dicho impacto a través de la
evidencia empírica, en particular para el caso de la Macro Región Sur. Por lo tanto, es importante
reconocer los canales de impacto antes de analizar si éstos permitieron impactar en la pobreza en
el largo plazo. Por lo que, de acuerdo a Esteves Gonzales & Vargas Villafuerte (2017), teórica y
empíricamente la explotación de los recursos naturales presentan canales de impacto en la pobreza.
Estos canales pueden ser directos (a través del impacto de la mima actividad extractiva).o
indirectos (a través de los ingresos fiscales que genera la actividad extractiva), tal como se presenta
en la Figura 13.
77
Figura 13
Mecanismos de Transmisión Esperados de los Recursos Naturales en la Pobreza
Fuente: Adaptación basado en Esteves Gonzales & Vargas Villafuerte (2017), Hinojosa (2011) y Ticci
(2011).
Elaboración: Propia.
Canales Directos.
Teniendo en cuenta que la extracción de los recursos naturales dinamiza la economía del
área de influencia de los proyectos (mineros, gasíferos, petroleros, pesqueros, forestales, etc.), es
que Esteves Gonzales & Vargas Villafuerte (2017) afirman que el impacto se ve reflejado en el
incremento del empleo directo e indirecto, así como en las demás actividades económicas o
sectores productivos (principalmente servicios) que están dentro del área de influencia.
Convirtiéndose de esta manera en un mecanismo de transmisión directo, puesto que al dinamizar
la economía del área de influencia a través del efecto multiplicador, incrementará los ingresos y
gastos de las personas, lo que finalmente les permitirá salir de la pobreza al menos medido por el
método monetario en el corto plazo.
Impuestos y políticas
tributarias
Mineros, energéticos, gasíferos,
petroleros, pesqueros,
forestales, etc.
Gasto público (políticas,
programas y proyectos)
Desarrollo económico local
Inversión en capital humano
Inversión en capital físico
Empleo y salarios
Dinamismo en la actividad
económica
Mejora en los niveles de
ingreso y gasto
Crecimiento económico
Expansión de las industrias
extractivas
Disponibilidad de recursos
naturales Pobreza
Resultado: Impacto en la pobreza no monetaria (NBI) y
pobreza monetaria: Sen (2000), CEPAL (citado en Feres & Mancero,
2001), INEI (2019), etc. Mecanismo de transmisón directo:
A través del impacto de la misma actividad extractiva. Esteves Gonzales & Vargas Villafuerte (2017), Hinojosa (2011) y Ticci (2011).
Mecanismo de transmisón indirecto:A través de los ingresos fiscales que genera la actividad extractiva. Esteves
Gonzales & Vargas Villafuerte (2017), Hinojosa (2011) y Ticci (2011).
Etapa 1: Efecto de los recursos naturales en el crecimiento
económico. Ramírez Londoño & Zuleta Muñoz (2016), Venables et al. (2006), Gonzáles Castillo (2009), Sánchez Álzate (2010-2011) y Sachs &
Warner (1997).
78
Por su parte, Ticci (2011) de manera similar señala que la expansión de las industrias
extractivas debería tener efectos directos en el dinamismo económico, y enmarca la importancia
del enfoque de desarrollo económico local como una fuerza económica. Por consiguiente, Ticci
destaca que el mayor dinamismo de la actividad económica, la generación del empleo y la
migración hacia el área de influencia influyen de manera directa en el resultado final de la pobreza.
En esa línea Rodriguez Pose (citado en Esteves Gonzales & Vargas Villafuerte, 2017)
menciona que la inversión extranjera en la actividad extractiva que forma parte de la fuerza
privada, enraíza la actividad económica a través del vínculo con las actividades de las empresas
locales (servicio, comercio, etc.), y que a su vez favorece la economía local, lo que permite mejorar
las condiciones para reducir la pobreza. No obstante, también advierte el riesgo de generar
dependencia económica, puesto que históricamente en el Perú dichas actividades extractivas una
vez pasado el auge de los recursos naturales no han logrado enraizar las actividades económicas
locales, lo que significa que los impactos directos pueden ser temporales en la pobreza.
Por lo que Hinojosa (2011) también es cautelosa acerca de los efectos negativos sobre la
base ambiental y social que pueden generar la expansión de las industrias extractivas en particular
las mineras, a pesar de los efectos positivos que éste puede generar en la pobreza y bienestar social.
En ese sentido, sugiere que se debe hacer un análisis más completo de los efectos de la expansión
de las industrias extractivas ya sea a través de la vía directa del efecto crecimiento y empleo pro
pobre o por la vía indirecta del efecto fiscal.
Sin embargo, es importante precisar que los efectos por la vía directa de la expansión de
las industrias extractivas en la reducción de la pobreza, así como el análisis de los efectos sobre la
base ambiental y social (conflictos sociales), escapan del ámbito de la presente investigación.
Puesto que, la idea central de la presente investigación, es analizar el impacto del canon minero en
79
la pobreza en la Macro Región Sur a través de la vía indirecta del efecto fiscal, ya que el canon
minero es producto del 50% del impuesto a la renta de las empresas mineras.
Canales Indirectos.
La proposición central es que los mecanismos de transmisión indirectos básicamente tienen
que ver con el efecto fiscal (impuestos) que genera la explotación de los recursos naturales, el cual
dichos ingresos permiten, a través del gasto público (políticas, programas y proyectos) y el
desarrollo económico local, incrementar el capital humano (educación) y físico (medios o servicios
públicos) cerrando de esta manera las brechas sociales (calidad y cobertura), que finalmente
impactará en la pobreza estructural por NBI.
Es así que, de acuerdo Hinojosa (2011) la expansión de las industrias extractivas influye
en el crecimiento (sin dejar de lado que pueden existir la maldición de los recursos naturales)
generando efectos fiscales de las empresas, y es por éste medio que se fortalece la política social
(educación salud, infraestructura, etc.), así como los programas sociales (destinados a mejorar las
condiciones de vida de la población) y los proyectos públicos (destinados al cierre de brechas
sociales), los cuales impactan en la pobreza no sólo de las áreas de influencia, sino de todas
aquellas que también reciben dichas transferencias fiscales.
Además, Hinojosa resalta la importancia del accionar del gobierno nacional, regional y
local para canalizar los ingresos fiscales provenientes de la explotación de los recursos naturales
con la finalidad de reducir la pobreza. Y es justamente en este punto donde el enfoque de desarrollo
económico local cobra importancia, dado que particularmente los gobiernos locales son
fundamentales en el cierre de brechas sociales a través de la gestión de la inversión pública, así
como un facilitador para la creación de entornos innovadores favorables para el desarrollo
productivo y empresarial. En ese sentido, según Vásquez Barquero (citado en Esteves Gonzales &
80
Vargas Villafuerte, 2017) existen tres puntos fundamentales de la importancia de la participación
del sector público a través del diseño de estrategias y el fortalecimiento del desarrollo económico
local: mejora de condiciones de infraestructura, fortalece la estrategia y acción para generar capital
humano, y fortalece la participación de la sociedad civil. Por otro lado, Esteves Gonzales & Vargas
Villafuerte (2017) resaltan la importancia de la descentralización y el proceso de desarrollo
económico local para impactar en la reducción de la pobreza, así mismo mencionan que dicho
impacto depende de las capacidades de los gobiernos regionales y locales beneficiarios de los
ingresos provenientes de la explotación de los recursos naturales para gestionar y ejecutar dichos
ingresos, en el que recalcan de manera recurrente el problema de agencia en el sector público.
Por lo tanto, si bien es cierto que a través de la inversión pública se puede mejorar el capital
humano y físico, es importante que el gobierno nacional oriente y priorice los sectores (educación,
salud, vivienda y saneamiento, transporte y comunicaciones, etc.) que permitan incidir en mayor
medida en la reducción de la pobreza. En ese sentido, Becker y Schultz (citado en Esteves Gonzales
& Vargas Villafuerte, 2017) muestran la importancia de invertir en capital humano a través de la
educación y salud, entre otros, puesto que permite maximizar las capacidades y aumentar la
productividad de las personas, y sobre todo genera impactos significativos en la reducción de la
pobreza no solo medido por el método monetario sino a nivel de capacidades y calidad de vida.
Del mismo modo, Booth, Hanmer, & Lovell (2000) muestran que la inversión en infraestructura
de transporte incide en la calidad de vida, ya que mejora el acceso de la población hacia nuevos
mercados, lo que permite mejorar sus condiciones competitivas, de tal modo que consigue
incrementar sus ingresos e impactar en la reducción de pobreza.
Finalmente, a pesar de que en el Perú de acuerdo al marco legal, las transferencias producto
de la explotación de los recursos naturales, en particular el canon minero, se destinan para financiar
81
específicamente gastos de inversión (elaboración de perfiles, ejecución de proyectos de inversión
pública y mantenimiento de infraestructura básica); existen problemas de gestión y de ejecución
del gasto por parte de los gobiernos regionales y locales, en particular de los gobiernos que son
beneficiados por dichos ingresos provenientes de recursos naturales (Esteves Gonzales & Vargas
Villafuerte (2017).
2.2.4 Metodología Econométrica
Antes de empezar a explicar el marco metodológico del análisis econométrico aplicado a
la presente investigación, es preciso indicar que según Mendoza Bellido, en la investigación
económica existen cuatro metodologías, siendo estas: la metodología deductiva (existe modelo
teórico pero no existe base de datos, lo que permite solo explicar, pero no predecir), la metodología
inductiva (no existe modelo teórico, pero si existe base de datos, lo que no permite explicar, pero
si predecir), la metodología hipotético-deductiva o falsacionista (existe modelo teórico y base de
datos, lo que permite explicar y predecir), y finalmente se tiene la metodología interpretativa (no
existe modelo teórico, ni base de datos, lo que no permite explicar ni predecir) (2014). Por lo que,
la presente investigación conduce a utilizar la metodología inductiva, debido a que no existe un
modelo teórico en específico, pero si se cuenta con una base de datos, lo que significa que se podrá
predecir (para el cual no es indispensable un modelo teórico), pero no se podrá explicar (para el
cual es necesario un modelo teórico).
En ese sentido, el método aplicado a la presente investigación es a través de la inferencia
estadística, puesto que trata de poner a prueba las hipótesis ateóricas (que no se derivan de una
teoría económica). Y de esta manera, en la econometría contemporánea de la investigación
económica cada vez existe una presencia creciente del método inductivo de investigación a
diferencia de la econometría tradicional en la que se proponía, esencialmente, el método
82
hipotético-deductivo de investigación, por lo que la econometría a avanzado desde modelos
estructurales cuya base de formalización es la teoría económica (medición con teoría), hasta las
recientes metodologías de series temporales (medición sin teoría) (Mendoza Bellido, 2014).
Además, considerando que la econometría (medición económica) es entendida como el arte
y ciencia de utilizar el método científico, en el que se aplica herramientas matemáticas, estadísticas
y económicas a los fenómenos económicos con el fin de explicar de manera empírica su realidad
para tomar decisiones políticas racionales (Gujarati & Porter, 2010), y que para aplicar el análisis
econométrico a través de sus diferentes técnicas, es importante tener en cuenta el tipo de datos con
el que se cuenta. Puesto que, por lo general los tipos de análisis de datos que están disponibles para
el análisis empírico en la econometría son los siguientes:
Análisis de corte transversal.
Análisis de series de tiempo.
Análisis de datos de panel.
En el análisis de corte transversal, los datos de una o más variables se recopilan para varios
individuos en un mismo punto en el tiempo (por ejemplo, el nivel de pobreza para los 24
departamentos del Perú en un año determinado).
En el análisis de series de tiempo, se observan los datos de una o más variables durante un
determinado periodo de tiempo (por ejemplo, el canon minero durante varios años).
En los datos de panel, los mismos individuos (familias, empresas o Estados) se estudian a
lo largo del tiempo, es decir, se presenta dos dimensiones: espacial y temporal (por ejemplo: el
nivel de pobreza en los siete departamentos de la Macro Región Sur del Perú seguidos durante 23
años).
83
Por lo tanto, debido a que en el presente estudio se tomó datos de corte transversal (siete
departamentos de la Macro Región Sur del Perú) y datos de series de tiempo (23 años), se consideró
pertinente utilizar el modelo de regresión con datos de panel, puesto que pueden identificar la
dimensión espacial y temporal.
2.2.4.1 Modelos de Regresión con Datos de Panel.
Según Gujarati & Porter existen otros nombres para los datos de panel, como datos
agrupados (agrupamiento de observaciones de series de tiempo y de corte transversal);
combinación de datos de series de tiempo y de corte transversal; datos de micro panel; datos
longitudinales (un estudio a lo largo del tiempo de una variable o grupo de sujetos); análisis de
historia de sucesos (por ejemplo, el estudio del movimiento de sujetos a lo largo del tiempo y a
través de sucesivos Estados o condiciones); análisis de generaciones (por ejemplo, dar seguimiento
a la trayectoria profesional de los egresados en 1965 de una escuela de administración) (2010).
Así mismo, según Gujarati & Porter (2010) “éste modelo se utiliza cuando la misma unidad
de corte transversal (una familia, una empresa o un Estado) se estudia a lo largo del tiempo” (pág.
591). Del mismo modo, la presente metodología econométrica permitirá interrelacionar las
variables de estudio y medir el impacto (en términos porcentuales) que ha tenido la variable
exógena canon minero sobre la variable endógena pobreza por NBI.
El principal objetivo de aplicar y estudiar los datos de panel, es capturar la heterogeneidad
inobservable, ya sea entre individuos (dimensión espacial) así como también en el tiempo
(dimensión temporal). Puesto que, ésta heterogeneidad no se puede detectar ni con estudios de
corte transversal ni con estudios de series de tiempo.
84
Por lo tanto, para efectos de la presente investigación, es ventajoso utilizar el modelo de
datos de panel, debido a que sus técnicas de estimación permiten capturar de manera explícita la
falta de homogeneidad en los departamentos de la Macro Región Sur del Perú.
Ventajas del Uso de Datos de Panel.
De acuerdo a Gujarati & Porter (2010), algunas ventajas de los datos de panel son:
Al combinar la dimensión espacial (corte transversal) y dimensión temporal (serie de
tiempo), los datos de panel brindan una mayor cantidad de datos informativos, más
variabilidad, menos colinealidad entre variables, más grados de libertad y una mayor
eficiencia.
Permite capturar, y corregir la heterogeneidad inobservable tanto en datos de corte
transversal y datos de series de tiempo, lo que reduce el posible sesgo.
A diferencia de los datos de corte transversal o de series de tiempo, los datos de panel,
permiten estudiar y construir modelos de comportamiento más complejos como las
economías de escala, el cambio tecnológico, evaluación de políticas y programas
públicos, entre otros.
Por lo tanto, en resumen, los datos de panel enriquecen mejor el análisis empírico de los
datos a diferencia del análisis de corte transversal o de series de tiempo. Sin embargo, esto no
quiere decir que el método de datos de panel elimina todos los problemas identificados en los
modelos antes descritos.
Así mismo, como se ha visto, uno de los problemas más importantes de los modelos de
regresión es la heterogeneidad inobservable, ya sea dentro de los individuos o a lo largo del tiempo,
lo que puede inducir a obtener resultados sesgados, no obstante, existen métodos de datos de panel,
que permiten controlar dicha heterogeneidad inobservable, como los modelos estáticos (modelo
85
agrupado, modelo con error estándar robusto o aglomerado, modelo de efectos fijos, modelo de
efectos aleatorios y el modelo de efectos mixtos) y los modelos dinámicos (estimación de Arellano
Bond). Sin embargo, para efectos del presente estudio, se utilizarán los modelos estáticos: el
modelo agrupado, el modelo de efectos fijos y el modelo de efectos aleatorios, como se presenta a
continuación.
Modelo de MCO Agrupados.
El enfoque más simple para analizar datos de panel es omitir la dimensión espacial y
temporal, y solo calcular la regresión MCO usual, tal como sucede con el modelo de MCO
agrupados:
𝑌𝑖𝑡 = ∝ + 𝛽*𝑋𝑖𝑡 + 𝜇𝑖𝑡
La regresión por MCO agrupados toma la información como un todo sin discriminar los
datos temporales o transversales. Por lo que, esta estimación es solo útil para dilucidar patrones
preliminares, los signos y las magnitudes de las variables independientes.
Modelo de Efectos Fijos.
Para tratar los efectos fijos se emplea el estimador intragrupos, el cual asume que el efecto
individual está correlacionado con las variables explicativas. Este supuesto relaja la condición
impuesta por el estimador de efectos aleatorios, tratando el efecto individual separadamente del
término de error.
El modelo queda representado como sigue:
𝑌𝑖𝑡 = ∝𝑖 + 𝛽*𝑋𝑖𝑡 + 𝜇𝑖𝑡
Este estimador tiene la ventaja de que permite conocer los ∝𝑖 separadamente, lo que
contribuye a entender de mejor forma el modelo. Además, evita una sobrestimación del parámetro
𝛽, lo que ocurre cuando se aplica el estimador de efectos aleatorios.
86
Desventajas del estimador de efectos fijos
Elimina información del modelo, por lo que ante este riesgo a veces es necesario asumir
la condición de efectos aleatorios.
El estimador de efectos fijos es menos eficiente que el de efectos aleatorios, siendo
ambos consistentes.
En el caso de que se tenga variables constantes en el tiempo, el estimador de efectos
fijos no puede estimar los 𝛽 de estas variables, a menos que se utilice el estimador de
Hausman y Taylor. Por el contrario, el estimador de efectos aleatorios si permite
calcular los 𝛽 de este tipo de variables.
Modelo de Efectos Aleatorios.
Para tratar los efectos aleatorios se emplea el Método Generalizado de Momentos (MGM),
que es una extensión más eficiente de los Mínimos Cuadrados Ordinarios (MCO). Este estimador
asume la condición de que los efectos individuales no están correlacionados con las variables
explicativas del modelo, es decir: 𝑐𝑜𝑟𝑟 (∝𝑖, 𝑋) = 0. Siendo:
∝𝑖 = Efectos individuales
X = Variables explicativas
Partiendo de la ecuación básica:
𝑌𝑖𝑡 = 𝛼i + 𝛽*𝑋𝑖𝑡 + 𝜇𝑖𝑡
En este modelo se considera que la ordenada en el origen αi, es una variable aleatoria.
Además si se supone que αi se puede descomponer en una parte constante α, y otra aleatoria ℇi (𝛼i
= 𝛼 + ℇi), al reemplazar dichos componentes obtenemos la siguiente ecuación:
𝑌𝑖𝑡 = 𝛼 + ℇi + 𝛽*𝑋𝑖𝑡 + 𝜇𝑖𝑡
87
Agrupando los dos términos no observables (ℇi + 𝜇𝑖𝑡) y suponiendo que ambas
perturbaciones aleatorias tienen media cero y varianza constante, finalmente obtenemos el modelo
de efectos aleatorios como se expresa en la siguiente ecuación:
𝑌𝑖𝑡 = 𝛼 + 𝛽*𝑋𝑖𝑡 + 𝔀it
𝔀it = ℇi + 𝜇𝑖𝑡
Donde 𝔀it, es el término de error compuesto que consta de dos componentes ℇi,
componente de error de corte transversal y 𝜇𝑖𝑡, componente de la combinación de error de series
de tiempo y de corte transversal, llamado también término idiosincrásico, puesto que varía en el
corte transversal y así como en el tiempo.
Efectos Fijos vs Efectos Aleatorios.
Respecto a elegir entre el modelo de efectos fijos y aleatorios la respuesta depende de la
posible correlación entre el componente de error individual y las variables explicativas.
El modelo de efectos aleatorios supone que esta correlación es igual a cero. Si las y las
variables están correlacionadas, entonces no se deben incluir en el modelo dado que producirá un
sesgo de variable omitida en los coeficientes de los estimadores. Por lo que para ello, Hausman
demostró que la diferencia entre los coeficientes de efectos fijos y aleatorios puede ser usada para
probar la hipótesis nula de que los términos del error y las variables no están correlacionadas
(Gujarati & Porter, 2010).
Así pues, de la prueba de Hausman es que los estimadores de efectos aleatorios y de efectos
fijos no difieren sustancialmente. Si se rechaza la hipótesis nula, los estimadores sí difieren, y la
conclusión es que los efectos fijos son más conveniente que los efectos aleatorios. Si no podemos
rechazar, no hay sesgo de qué preocuparnos y preferimos efectos aleatorios que, puesto que sería
un modelo más eficiente.
88
2.2.4.2 Selección del Mejor Modelo Estático.
Test de Hausman.
El test propuesto por Hausman en 1978, es una post estimación que requiere que
previamente se haya estimado el modelo mediante efectos fijos y aleatorios, y guardado los
resultados como se ha descrito anteriormente. Además, es un test chi cuadrado que determina si
las diferencias son sistemáticas y significativas entre dos estimaciones. Se emplea
fundamentalmente para dos cosas: Saber si un estimador es consistente, y saber si una variable es
o no relevante.
Este test compara los resultados obtenidos por medio de los estimadores de efectos fijos y
efectos aleatorios identificando si las diferencias son significativas o no. Primero se debe estimar
por el método menos eficiente pero consistente (efectos fijos) y posteriormente por el estimador
eficiente y consistente (efectos aleatorios), para finalmente seleccionar el mejor modelo estático
que se debe utilizar.
La hipótesis nula del test de Hausman comprueba la inexistencia de correlación entre los
errores y las variables explicativas, en otros términos, comprueba si existe o no el problema de la
endogeneidad. Este problema se produce cuando la variable independiente se correlaciona con el
término de error en una regresión. Esto implica que el coeficiente de regresión por MCO va a estar
sesgado, sin embargo, aún puede ser consistente. Para superar este problema existen muchos
métodos, tales como los modelos dinámicos, en el que se incluyen variables instrumentales tal
como propone el método de Arellano y Bond.
89
2.2.4.3 Detección de los Problemas de Heterocedasticidad y Autocorrelación.
Heterocedasticidad.
Este problema se presenta cuando la varianza de los errores de cada unidad transversal no
es constante en el tiempo, violando así uno de los supuestos Gauss-Markov. Una de las causas de
este problema surge de la presencia de datos atípicos (una observación atípica es la que es muy
diferente, ya sea muy pequeña o muy grande en relación con las demás observaciones en la
muestra), lo que su inclusión puede alterar sustancialmente los resultados del análisis de regresión.
Además dicho problema suele presentarse en mayor medida en datos de corte transversal.
Una forma de saber si la estimación tiene problemas de heterocedasticidad, es a través de
la aplicación del método formal de la prueba del Multiplicador de Lagrange de Breusch y Pagan
(Gujarati & Porter, 2010). La hipótesis nula de esta prueba es que no existe problema de
heterocedasticidad. Por lo que, cuando la hipótesis nula se rechaza, significa que el modelo de
regresión presenta problemas de heterocedasticidad.
Autocorrelación.
La correlación serial o autocorrelación se da cuando los términos del error están
correlacionados, es decir, los errores no son independientes en el tiempo. Este problema se presenta
con mayor frecuencia en series de tiempo. Entre sus causas se pueden destacar: la omisión de
variables relevantes, la existencia de ciclos o de tendencia en la variable, la mala especificación
del modelo (cuando se especifica de manera lineal, cunando la verdadera relación es no lineal,
entre otros. Y una de las consecuencias más importantes de la existencia de autocorrelación en el
modelo, es que los estimadores dejan de ser eficientes (estimador de mínima varianza).
90
Existen muchas maneras formales (gráficos) e informales (estadísticos) de diagnosticar
problemas de autocorrelación, Sin embargo, cada una de estas pruebas funcionan bajo ciertos
supuestos sobre la naturaleza de los efectos individuales. Wooldridge desarrolló una prueba muy
flexible basada en supuestos mínimos, en donde la hipótesis nula de esta prueba, es que no existe
autocorrelación; por lo que si se rechaza, se puede concluir que existe autocorrelación (Vera Arela,
2017).
Una forma de corregir la autocorrelación es a través de un modelo de efectos fijos con
término autorregresivo de grado uno (AR1), que controla la dependencia de 𝑡 con respecto a 𝑡−1;
otra manera es a través de la aplicación de mínimos cuadrados generalizados factibles.
2.2.4.4 Solución a los Problemas de Heterocedasticidad y Autocorrelación.
Los problemas de heterocedasticidad y autocorrelación que se han examinado
anteriormente, pueden solucionarse conjuntamente por el método de mínimos cuadrados
generalizados factibles (Feasible Generalizad Least Squares ó FGLS), o bien con errores estándar
corregidos para panel (Panel Corrected Standard Errors ó PCSE) (Aparicio & Márquez, 2005; Vera
Arela, 2017). En particular, siempre que se estimen los parámetros del modelo transformado con
el método de MCGF, los coeficientes estimados no necesariamente tendrán las propiedades
óptimas usuales del modelo clásico MELI, sobre todo en muestras pequeñas. Por lo que, los
estimadores del método MCGF suelen presentar propiedades óptimas, pero en forma asintótica (es
decir, para muestras grandes), siendo estos consistentes, insesgados, eficientes y normalidad
(distribución normal de los estimadores cuando aumenta el tamaño de la muestra). Por lo tanto, las
pruebas de hipótesis convencionales, en estricto sentido, son válidos de modo asintótico; y en
consecuencia, para muestras pequeñas, se debe tener cuidado al interpretar los resultados
estimados (Gujarati & Porter, 2010).
91
2.2.4.5 Coeficiente de Correlación.
Conocido también como coeficiente de correlación de Pearson. Según Bernal (2010), este
coeficiente “sirve para medir la fuerza o el grado de correlación entre las variables objeto de
estudio en el análisis de regresión” (pág. 218). Mientras que para Wooldridge (2009) es la “medida
de dependencia lineal entre dos variables aleatorias que no depende de unidades de medida y que
está limitada entre -1 y 1” (pág. 836).
Por su parte, Hernández Sampieri et al., (2014) indica que “es una prueba estadística para
analizar la relación entre dos variables medidas en un nivel por intervalo de razón. Se le conoce
también como “coeficiente producto-momento” (pág. 304).
Por lo que, el coeficiente “r” de Pearson puede variar de (−1.00 a +1.00) y su interpretación
clásica es de la siguiente manera.
-1.00 : Correlación negativa perfecta (a mayor X, menor Y; o a menor X, mayor Y).
-0.90 : Correlación negativa muy fuerte.
-0.75 : Correlación negativa considerable.
-0.50 : Correlación negativa media.
-0.25 : Correlación negativa débil.
-0.10 : Correlación negativa muy débil.
0.00 : No existe correlación alguna entre las variables
+0.10 : Correlación positiva muy débil.
+0.25 : Correlación positiva débil.
+0.50 : Correlación positiva media.
+0.75 : Correlación positiva considerable.
+0.90 : Correlación positiva muy fuerte.
+1.00 : Correlación positiva perfecta (a mayor X, mayor Y; o a menor X, menor Y).
En donde, el signo indica la dirección de la correlación (ya sea positiva o negativa); y el
valor numérico, indica la magnitud de la correlación.
92
2.3 Base Conceptual
Impacto.
El impacto está compuesto por los efectos a mediano y largo plazo que tiene un proyecto
o programa para la población objetivo y para el entorno, sean estos efectos o consecuencias
deseadas (planificadas) o sean no deseadas (CEPAL, 2009). Por su parte, Cohen & Martínez
mencionan que el impacto de un proyecto o programa social es la magnitud cuantitativa del cambio
en el problema de la población objetivo como resultado de la entrega de productos (bienes o
servicios) (citado en Liberta Bonilla, 2007).
Canon.
Es la participación de la que gozan los gobiernos regionales y locales (municipalidades
provinciales y distritales) del total de ingresos y rentas obtenidos por el Estado, por la explotación
económica de los recursos naturales (MEF).
Canon Minero.
Es la participación de la que gozan los gobiernos regionales y locales sobre los ingresos y
rentas obtenidos por el Estado por la explotación de recursos minerales, metálicos y no metálicos
(MEF).
Presupuesto Público.
Es un instrumento de gestión del Estado para el logro de resultados a favor de la población,
a través de la prestación de servicios y logro de metas de cobertura con equidad, eficacia y
eficiencia por las Entidades Públicas (MEF).
Recursos Ordinarios y Determinados.
Son fuentes de financiamiento que son transferidas desde el gobierno nacional a los
gobiernos regionales y locales. Los recursos ordinarios corresponden a los ingresos provenientes
93
de la recaudación tributaria y los fondos por la monetización de productos. Y los recursos
determinados comprenden las contribuciones a fondos, fondo de compensación municipal,
impuestos municipales, canon y sobrecanon, regalías, renta de aduanas y participaciones (MEF).
Gobierno Nacional.
Está conformado por el universo de entidades pertenecientes al Poder Legislativo, Poder
Ejecutivo, Poder Judicial y otras entidades que tienen categoría constitucional, ejerciendo sus
funciones de acuerdo a las normas básicas de su organización y competencia, que les permite
cumplir las políticas nacionales y sectoriales para satisfacer los intereses generales del Estado con
la comunidad (MEF).
Gobiernos Regionales.
Unidades territoriales geoeconómicas con diversidad de recursos naturales, sociales e
institucionales, integradas histórica, administrativa, ambiental y culturalmente, que comportan
diversos niveles de desarrollo, especialización y competitividad productiva, sobre cuyas
circunscripciones se constituyen y organizan gobiernos regionales. Su conformación y
funcionamiento están normados por la Ley de Bases de la Descentralización y la Ley Orgánica de
los gobiernos regionales (BCRP).
Gobiernos Locales.
Unidad de gobierno que goza de autonomía política, económica y administrativa en los
asuntos de su competencia, dentro de sus jurisdicciones urbanas o rurales. Comprende a los
concejos provinciales y distritales (BCRP).
94
Pobreza.
Según el Banco Mundial, una de las definiciones de la pobreza es “The inability to attain a
minimal standard of living” [La incapacidad para alcanzar un nivel de vida mínimo] (World Bank,
1990, pág. 26).
Pobreza Monetaria.
Se considera como pobres monetarios a las personas que residen en hogares cuyo gasto per
cápita es insuficiente para adquirir una canasta básica de alimentos y no alimentos (vivienda,
vestido, educación, salud, transporte, etc.) (INEI, 2019, pág. 57).
Pobreza por NBI.
La pobreza medida por el método de necesidades básicas insatisfechas, considera un
conjunto de indicadores relacionados con las necesidades básicas estructurales (vivienda,
educación, salud, capacidad económica, etc.) que se requiere para evaluar el bienestar individual
(INEI).
Datos de Panel.
Son conjuntos de datos donde las mismas unidades de corte transversal se siguen en el
transcurso del tiempo (Wooldridge, 2009, pág. 471)
Por otro lado, Stock & Watson (2012) sostienen que los datos de panel “son datos para
múltiples individuos en los que a cada individuo le corresponden observaciones para dos o más
periodos en el tiempo” (pág. 552).
95
Capítulo 3
Resultados
En éste capítulo se analizará el comportamiento del canon minero, así como su importancia,
además se analizará la evolución de la pobreza por NBI, para finalmente analizar el impacto del
canon minero en la pobreza por NBI en la Macro Región Sur del Perú durante el periodo 1996-
2018 a través del modelo econométrico planteado.
3.1 Análisis del Comportamiento del Canon Minero
3.1.1 Comportamiento del Canon Minero
En la Tabla 11 se presenta el canon minero transferido a los departamentos de la Macro
Región Sur y del Perú durante los 23 años bajo estudio. El canon minero corresponde a los
gobiernos regionales (a partir del año 2004) y a los gobierno locales (provinciales y distritales).
Tabla 11
Transferencias de Canon Minero en los Departamentos de la MRS, 1996-2018 (Millones de Soles)
Fuente: Datos del año 1996 al 2018, tomados del MEF - Transparencia económica - Consulta de
transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996 S/. 0.00 S/. 0.36 S/. 0.20 S/. 0.00 S/. 6.88 S/. 0.72 S/. 2.90 S/. 11.06 S/. 15.38
1997 S/. 0.34 S/. 3.03 S/. 1.15 S/. 0.02 S/. 23.22 S/. 28.72 S/. 19.18 S/. 75.65 S/. 110.94
1998 S/. 0.56 S/. 4.45 S/. 2.01 S/. 0.03 S/. 28.73 S/. 43.10 S/. 25.58 S/. 104.46 S/. 169.43
1999 S/. 0.33 S/. 3.89 S/. 1.05 S/. 0.02 S/. 7.86 S/. 16.61 S/. 7.07 S/. 36.83 S/. 86.51
2000 S/. 0.06 S/. 4.06 S/. 0.00 S/. 0.00 S/. 0.69 S/. 9.44 S/. 0.57 S/. 14.82 S/. 55.36
2001 S/. 0.00 S/. 7.29 S/. 0.32 S/. 0.00 S/. 7.39 S/. 16.17 S/. 3.98 S/. 35.16 S/. 81.28
2002 S/. 0.00 S/. 15.95 S/. 0.23 S/. 0.00 S/. 13.70 S/. 24.12 S/. 7.62 S/. 61.62 S/. 116.21
2003 S/. 0.19 S/. 19.78 S/. 0.00 S/. 0.00 S/. 21.02 S/. 57.06 S/. 11.67 S/. 109.71 S/. 228.66
2004 S/. 1.25 S/. 21.12 S/. 0.00 S/. 0.02 S/. 29.81 S/. 55.81 S/. 35.27 S/. 143.28 S/. 399.25
2005 S/. 5.07 S/. 56.55 S/. 18.59 S/. 0.06 S/. 148.51 S/. 92.46 S/. 151.12 S/. 472.34 S/. 888.12
2006 S/. 8.36 S/. 71.24 S/. 67.24 S/. 0.03 S/. 270.59 S/. 117.49 S/. 320.53 S/. 855.49 S/. 1,746.38
2007 S/. 23.07 S/. 157.53 S/. 272.89 S/. 0.04 S/. 487.22 S/. 144.32 S/. 773.25 S/. 1,858.31 S/. 5,157.00
2008 S/. 22.54 S/. 457.53 S/. 242.41 S/. 0.05 S/. 211.44 S/. 172.50 S/. 711.60 S/. 1,818.06 S/. 4,435.67
2009 S/. 12.01 S/. 530.85 S/. 135.27 S/. 0.04 S/. 385.56 S/. 247.66 S/. 307.25 S/. 1,618.64 S/. 3,434.45
2010 S/. 0.74 S/. 347.51 S/. 103.64 S/. 0.06 S/. 245.49 S/. 181.58 S/. 199.21 S/. 1,078.23 S/. 3,089.62
2011 S/. 2.00 S/. 662.65 S/. 170.08 S/. 0.12 S/. 392.51 S/. 307.17 S/. 350.10 S/. 1,884.63 S/. 4,157.37
2012 S/. 7.04 S/. 781.59 S/. 357.20 S/. 0.71 S/. 325.42 S/. 304.32 S/. 336.55 S/. 2,112.82 S/. 5,124.24
2013 S/. 11.64 S/. 445.77 S/. 34.98 S/. 1.67 S/. 297.49 S/. 218.49 S/. 251.92 S/. 1,261.97 S/. 3,817.17
2014 S/. 2.26 S/. 383.20 S/. 100.85 S/. 0.79 S/. 249.40 S/. 177.46 S/. 226.80 S/. 1,140.77 S/. 2,978.75
2015 S/. 0.00 S/. 356.82 S/. 137.07 S/. 0.10 S/. 233.54 S/. 136.94 S/. 205.68 S/. 1,070.16 S/. 2,260.05
2016 S/. 3.21 S/. 21.99 S/. 49.04 S/. 0.58 S/. 189.40 S/. 87.17 S/. 177.66 S/. 529.05 S/. 1,496.82
2017 S/. 16.47 S/. 258.61 S/. 81.31 S/. 0.88 S/. 87.39 S/. 91.42 S/. 94.72 S/. 630.79 S/. 1,862.68
2018 S/. 11.71 S/. 531.76 S/. 211.56 S/. 1.46 S/. 162.31 S/. 91.77 S/. 166.69 S/. 1,177.26 S/. 3,157.64
Acumulado S/. 128.85 S/. 5,143.51 S/. 1,987.07 S/. 6.68 S/. 3,825.56 S/. 2,622.50 S/. 4,386.91 S/. 18,101.09 S/. 44,868.99
96
De acuerdo a la Figura 14, se observa que el comportamiento histórico de las transferencias
del canon minero en la MRS desde el año 1996 (año en que se empezó a distribuir el canon minero
en los departamentos) hasta el año 2018, en general tuvieron una tendencia creciente, puesto que
dichos ingresos pasaron de 11 millones de soles en el año 1996 a 1,177 millones de soles en el año
2018 para la Macro Región Sur, teniendo como picos máximos en los años 2007 y 2012 con 1,858
y 2,113 millones de soles respectivamente y con algunos periodos de quiebre, como son en el año
2010 y 2016 con 1,078 y 529 millones de soles respectivamente, debido a la caída de los precios
de los minerales, la caída de la producción y la reinversión de la empresas mineras, ya que tal
como explica la SNMPE (2018), el canon minero es un fiel reflejo de la rentabilidad del sector
minero, pues los altibajos de ésta afectan directamente en la recaudación del impuesto a la renta,
y por consiguiente al canon minero. Otro aspecto importante a destacar es que el porcentaje de
participación del canon minero de la Macró Región en el Perú fue de 72% en el año 1996, el cual
oscilo durante el transcurso de los años para ubicarse con el 37% de participación en el año 2018.
Figura 14
Comportamiento del Canon Minero en los Departamentos de la MRS, 1996-2018
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
11
1858
1078
2113
529
1177
5157
3090
5124
1497
3158
72%68%
62%
43%
27%
43%
53%
48%
36%
53%49%
36%
41%
47%
35%
45%41%
33%
38%
47%
35% 34%37%
0%
10%
20%
30%
40%
50%
60%
70%
80%
0
1000
2000
3000
4000
5000
6000
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Po
rcen
taje
s
Millo
nes d
e S
ole
s
Años
Apurímac Arequipa Cusco Madre de Dios
Moquegua Puno Tacna Resto del Perú
Total MRS Total Perú % de participación
97
Desagregando las transferencias a nivel de departamentos de la Macro Región Sur, la
distribución del canon minero acumulado durante los 23 años de estudio, tuvo diferencias
significativas entre los departamentos, puesto que Arequipa recibió 5,143 millones de soles, siendo
el mayor monto en comparación con los demás departamentos de la Macro Región Sur, seguido
de Tacna y Moquegua con 4,386 y 3,825 millones de soles respectivamente (ver Figura 15). Siendo
los tres departamentos que recibieron más del 74% de las transferencias realizadas por canon
minero durante dicho periodo en la Macro Región Sur. En contraste, el departamento de Madre de
Dios fue el que menos canon minero recibió durante dicho periodo, esto debido en gran parte a la
evasión catastrófica de impuestos del sector minero que existe en este departamento producto de
la informalidad minera, tal como señala (GLR, 2010).
Figura 15
Canon Minero Acumulado en los Departamentos de la MRS, 1996-2018
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Es así que, del monto total transferido por canon minero acumulado durante el periodo
1996-2018, el departamento de Arequipa tuvo una participación de 28.42% respecto a la Macro
Región Sur, y 11.46% respecto al Perú, seguido de los departamentos de Tacna y Moquegua con
S/. 7
S/. 129
S/. 1,987
S/. 2,623
S/. 3,826
S/. 4,387
S/. 5,144
S/. 18,101
S/. 44,869
S/. 0 S/. 5,000 S/. 10,000 S/. 15,000 S/. 20,000 S/. 25,000 S/. 30,000 S/. 35,000 S/. 40,000 S/. 45,000 S/. 50,000
Madre de Dios
Apurímac
Cusco
Puno
Moquegua
Tacna
Arequipa
MRS
Perú
Años
Mil
lon
es
de
So
les
98
una participación de 24.24% y 21.13% respecto a la Macro Región Sur, y 9.78% y 8.53% respecto
al Perú respectivamente, tal como se muestra en la Figura 16.
Figura 16
Participación del Canon Minero Acumulado de los Departamentos de la MRS respecto a la MRS y
respecto al Perú, 1996-2018 (Porcentajes)
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Otro aspecto relevante es que a pesar de que solo el 16.41% en promedio de la población
se encuentre en la Macro Región Sur, la generación y distribución del canon minero acumulado
de la Macro Región Sur ha sido del 40.34% del total del Perú durante el periodo 1996-2018 (ver
la Figura 17), evidenciando así que el sector minero ha cobrado gran relevancia en la Macro Región
Sur en comparación con los demás departamentos del Perú. Así mismo, el departamento de Puno
concentró la mayor población estimada (1 456 989 habitantes), y el departamento de Madre de
Dios concentró la menor población (146 856 habitantes) en el año 2018 (ver el Anexo 23).
28.42%
24.24%21.13%
14.49%
10.98%
0.71%
0.04%
Respecto a la MRS
Arequipa
Tacna
Moquegua
Puno
Cusco
Apurímac
Madre de Dios
11.46%
9.78%8.53%
5.84%
4.43%
0.29%
0.01%
Respecto al Perú
Arequipa
Tacna
Moquegua
Puno
Cusco
Apurímac
Madre de Dios
99
Figura 17
Participación del Canon Minero Acumulado y la Población de la MRS en el Perú, 1996-2018
(Porcentajes)
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
3.1.2 Tasa de Crecimiento del Canon Minero
Entre el año 1996 al año 2018, el canon minero de la Macro Región Sur ha tenido un
crecimiento aproximado de 163,591%, mientras que el canon minero en el Perú ha tenido un
crecimiento de 291,730%, por encima del canon minero a nivel de la Macro Región Sur, tal como
se muestra en la Tabla 12. Esto puede verse explicado porque en los primeros años de distribución
del canon minero, la Macro Región Sur represento alrededor del 70% del total de canon minero en
el Perú para luego pasar alrededor del 40% en los últimos años.
Por otro lado, el comportamiento del canon minero en la Macro Región Sur y en el Perú
ha tenido tasas de crecimientos positivos y negativos a lo largo del periodo 1996-2018, siendo el
año 2004, donde el canon minero empezó a expandirse de manera considerable producto de la
expansión de la minería formal y en particular como resultado de las modificaciones de la Ley de
Canon, el cual se incrementó del 20% al 50% del impuesto a la renta.
40.34%
59.66%
Presencia del canon minero de la MRS en el Perú
MRS
Resto del Perú
16.75%
83.25%
Presencia de la población de la MRS en el Perú
MRS
Resto del Perú
100
Tabla 12
Tasa de Crecimiento del Canon Minero en la MRS y en el Perú, 1997-2018 (Variaciones Porcentuales
respecto al Año Anterior)
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
3.1.3 Canon Minero Per Cápita
En términos de per cápita, Moquegua ha sido el departamento con mayor transferencia por
persona durante el periodo 1996-2018, puesto que su canon minero por persona en promedio por
año fue de 969 soles, seguido por el departamento de Tacna (599 soles) y Arequipa (180 soles),
tal como se observa en la Figura 18. A nivel de la Macro Región Sur, el canon minero per cápita
fue de 167 soles, mientras que a nivel nacional fue de 66 soles en promedio.
Año/Dep. MRS Perú
1996 - -
1997 584.15% 621.54%
1998 38.07% 52.72%
1999 -64.74% -48.94%
2000 -59.77% -36.01%
2001 137.28% 46.82%
2002 75.27% 42.98%
2003 78.05% 96.77%
2004 30.60% 74.61%
2005 229.67% 122.45%
2006 81.12% 96.64%
2007 117.22% 195.30%
2008 -2.17% -13.99%
2009 -10.97% -22.57%
2010 -33.39% -10.04%
2011 74.79% 34.56%
2012 12.11% 23.26%
2013 -40.27% -25.51%
2014 -9.60% -21.96%
2015 -6.19% -24.13%
2016 -50.56% -33.77%
2017 19.23% 24.44%
2018 86.63% 69.52%
1996-2018 163591.01% 291730.65%
101
Figura 18
Canon Minero per Cápita Promedio en los Departamentos de la MRS, 1996-2018
Fuente: INEI - MEF.
Elaboración: Propia.
3.1.4 Transferencias del Canon Minero a las Universidades Públicas
Cabe recordar que mediante una modificación de la Ley Nº 28077, el Estado comenzó a
asignar un porcentaje del canon minero a las universidades públicas a partir del año 2004,
estableciendo que “los gobiernos regionales entregarán el 20% (veinte por ciento) del total
percibido por canon minero a las universidades públicas de su circunscripción, destinado
exclusivamente a la inversión en investigación científica y tecnológica que potencien el desarrollo
regional” (Art. 6. Utilización del Canon). Así mismo, la Universidad Nacional de Moquegua,
empezó a percibir dicho recurso a partir del año 2005, puesto que su fecha de creación fue en el
año 2005.
Es así que, la Universidad Nacional de San Agustín recibió alrededor de 254 millones de
soles por concepto de canon minero desde el año 2004 hasta el año 2018, siendo la universidad
con mayor participación (28.81%) del total de transferencias de canon minero en las universidades
públicas de la Macro Región Sur, seguido de la Universidad Nacional Jorge Basadre Grohman
(24.41%) y la Universidad Nacional de Moquegua (20.88%), tal como se ilustra en la Figura 19.
S/. 13
S/. 180S/. 67
S/. 2
S/. 969
S/. 84
S/. 599
S/. 167S/. 66
S/. 0
S/. 200
S/. 400
S/. 600
S/. 800
S/. 1,000
S/. 1,200
So
les
Departamentos
Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
102
Figura 19
Transferencias del Canon Minero Acumulado a las Universidades Públicas de los Departamentos de la
MRS, 1996-2018 (Soles)
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
S/. 1,987,072,849.00 Cusco
S/. 99,106,220.00· U.N de San Antonio Abad del Cusco y U.N Intercultural de Quillabamba
S/. 121,327,895.00· Univ ersidad Nacional del Altiplano y Univ ersidad Nacional de Juliaca
S/. 2,622,504,466.00 Puno
S/. 331,049.00· Univ ersidad Nacional Amazónica de Madre de Dios
S/. 6,684,782.00 Madre de Dios
S/. 215,416,763.00· Univ ersidad Nacional Jorge Basadre Grohman
S/. 4,386,913,642.00Tacna
S/. 184,313,810.00· Univ ersidad Nacional de Moquegua
S/. 3,825,562,456.00Moquegua
S/. 254,235,389.00· Univ ersidad Nacional de San Agustín
S/. 5,143,510,798.00 Arequipa
S/. 128,845,503.00 Apurímac
S/. 6,368,300.00· Univ ersidad Nacional de Micaela Bastidas de Apurímac
103
3.2 Análisis de la Importancia del Canon Minero
Para conocer la importancia que ha tenido el canon minero en la Macro Región Sur durante
el periodo 1996-2018, en este punto se realizará la comparación del canon minero respecto a otros
tipos de canon, regalías y derechos, así mismo, se presentará la participación que ha tenido en el
presupuesto transferido correspondiente a los recursos ordinarios y determinados por el gobierno
nacional a los gobiernos regionales y locales de los departamentos de la Macro Región Sur así
como del Perú. Además, se dará a conocer el uso que ha tenido el canon minero a través del destino
del canon minero y la eficacia de ejecución del mismo.
3.2.1 Comparación del Canon Minero con otros Tipos de Canon, Regalías y Derechos
Es necesario precisar que de acuerdo a las Leyes Nº 27506, 28077 y 28322, los recursos
provenientes de los cinco tipos de canon existentes en el Perú y los tres tipos de regalías y/o
derechos, el gobierno nacional solo transfiere a los gobiernos regionales y locales más no a los
organismos del gobierno nacional, mientras que los recursos provenientes del canon y sobrecanon
petrolero, una parte se transfiere a los organismos del gobierno nacional, debido a que se regula
mediante legislación especial para cada departamento. Por lo que, para los intereses de la presente
investigación, también se consideró los recursos transferidos por concepto de canon y sobrecanon
petrolero al gobierno nacional, pero solo a nivel del Perú y no para los departamentos de la Macro
Región Sur (ver el Anexo 11). Por otro lado, de acuerdo a la Ley Nº 28258, Ley de Regalía Minera,
el 5% de las regalías mineras se transfieren a las universidades públicas, pero a diferencia del
canon minero, dichas regalías se transfieren de manera directa a través de los organismos del
gobierno nacional, por lo que para la presente investigación, también se consideró las
transferencias de dichas regalías a las universidades nacionales para fines comparativos, pero solo
a nivel del Perú, mas no para los departamentos de la Macro Región Sur (ver el Anexo 12).
104
3.2.1.1 Comparación del Canon Minero con otros Tipos de Canon, Regalías y
Derechos en la MRS.
En la Tabla 13 se presenta las transferencias por año de los diferentes tipos de canon,
regalías y derechos a los departamentos de la Macro Región Sur durante los últimos 23 años.
Para apreciar con mayor detalle los montos transferidos para cada departamento de la
Macro Región Sur y por año de los diferentes tipos de canon, regalías y derechos, ver los Anexos
3, 7, 8, 9, 10, 11, 12, 13 y 14.
Tabla 13
Comparación del Canon Minero con otros Tipos de Canon, Regalías y Derechos en los Departamentos
de la MRS, 1996-2018 (Millones de Soles)
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Durante el periodo 1996-2018, los departamentos de la Macro Región Sur recibieron
ingentes cantidades de transferencias de ingresos por la explotación de los recursos naturales, así
mientras que desde el año 1996 hasta el año 2001, el 100% de las transferencias que recibieron
Canon Minero
Canon
Hidroenergétic
o
Canon GasíferoCanon
PesqueroCanon Forestal
Canon y
Sobrecanon
Petrolero
Regalías
Mineras
Regalias
Gasíferas
Derechos de
Pesca
1996 S/. 11.06 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1997 S/. 75.65 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1998 S/. 104.46 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1999 S/. 36.83 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2000 S/. 14.82 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2001 S/. 35.16 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2002 S/. 61.62 S/. 2.79 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2003 S/. 109.71 S/. 3.55 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 2.86
2004 S/. 143.28 S/. 3.72 S/. 0.00 S/. 0.00 S/. 0.12 S/. 0.00 S/. 0.00 S/. 70.25 S/. 0.23
2005 S/. 472.34 S/. 4.71 S/. 0.00 S/. 0.65 S/. 0.15 S/. 0.00 S/. 161.81 S/. 301.93 S/. 0.68
2006 S/. 855.49 S/. 6.71 S/. 0.00 S/. 3.43 S/. 1.90 S/. 0.00 S/. 238.16 S/. 393.87 S/. 1.75
2007 S/. 1,858.31 S/. 9.57 S/. 157.56 S/. 3.36 S/. 1.39 S/. 0.00 S/. 256.40 S/. 446.25 S/. 3.64
2008 S/. 1,818.06 S/. 11.01 S/. 114.42 S/. 6.77 S/. 0.79 S/. 0.00 S/. 286.44 S/. 617.51 S/. 2.74
2009 S/. 1,618.64 S/. 16.53 S/. 117.70 S/. 5.89 S/. 0.00 S/. 0.00 S/. 172.75 S/. 654.91 S/. 2.54
2010 S/. 1,078.23 S/. 17.41 S/. 131.89 S/. 2.91 S/. 0.82 S/. 0.00 S/. 300.91 S/. 1,089.78 S/. 2.66
2011 S/. 1,884.63 S/. 12.15 S/. 62.58 S/. 0.00 S/. 0.00 S/. 0.00 S/. 388.00 S/. 1,693.05 S/. 2.23
2012 S/. 2,112.82 S/. 7.41 S/. 793.06 S/. 18.26 S/. 0.30 S/. 0.00 S/. 256.91 S/. 1,534.69 S/. 2.46
2013 S/. 1,261.97 S/. 17.40 S/. 668.53 S/. 12.01 S/. 0.00 S/. 0.00 S/. 205.54 S/. 1,753.16 S/. 0.56
2014 S/. 1,140.77 S/. 18.00 S/. 795.50 S/. 6.61 S/. 0.66 S/. 0.00 S/. 246.09 S/. 1,567.96 S/. 3.29
2015 S/. 1,070.16 S/. 19.14 S/. 758.94 S/. 5.01 S/. 0.00 S/. 0.00 S/. 288.21 S/. 956.63 S/. 1.74
2016 S/. 529.05 S/. 21.94 S/. 420.87 S/. 4.81 S/. 0.00 S/. 0.00 S/. 540.89 S/. 863.13 S/. 2.34
2017 S/. 630.79 S/. 28.43 S/. 269.65 S/. 2.95 S/. 0.00 S/. 0.00 S/. 473.08 S/. 1,025.16 S/. 1.42
2018 S/. 1,177.26 S/. 26.44 S/. 331.86 S/. 2.42 S/. 0.00 S/. 0.00 S/. 574.18 S/. 1,311.14 S/. 1.18
Acumulado S/. 18,101.09 S/. 226.92 S/. 4,622.54 S/. 75.08 S/. 6.13 S/. 0.00 S/. 4,389.38 S/. 14,279.43 S/. 32.31
Año/Dep.
Tipos de Canon Regalías y Derechos
105
fueron por concepto de canon minero, el cual alcanzaron la suma de 278 millones de soles, y a
partir del año 2002 empezaron a recibir ingresos por concepto del canon hidroenergético anuqué
en cantidades pequeñas. Es a partir del año 2003 y 2004 donde se empezó a transferir ingresos
significativos por concepto de regalías gasíferas y mineras, el cual tuvieron un peso sustancial en
años posteriores en la Macro Región Sur, y a partir de año 2007, en particular el departamento de
cusco empezó a recibir ingresos por concepto de canon gasífero. Es así que en el año 2012, los
ingresos transferidos por la explotación de los recursos naturales en la Macro Región Sur
alcanzaron los 4,726 millones de soles, siendo el período de mayor auge registrado durante las
últimas décadas. A partir del año 2013, dichas transferencias tuvieron una tendencia negativa,
pasando así a 2,383 millones de soles en el año 2016, monto que es 49.58% menor que el monto
máximo observado en el año 2012, éste descenso se explica principalmente por la caída de los
precios de los minerales y en particular por la reinversión de la empresa minera cerro verde (que
representa más del 95% del impuesto a la renta minera en el departamento de Arequipa) para su
ampliación, el cual no declaro impuestos ese año, lo que redujo drásticamente el canon minero
transferido al departamento de Arequipa pasando de recibir 356 millones en el año 2015 a 22
millones en el 2016 (-94% menos que el año 2015), esto a pesar de que la producción de los
principales minerales (cobre y oro), se mantuvieron en los mismos niveles. No obstante, para el
año 2018, las transferencias totales se incrementaron a 3,424 millones de soles (44% más que el
año 2016), tal como se aprecia en la Figura 20.
106
Figura 20
Comparación del Canon Minero con otros Tipos de Canon, Regalías y Derechos en los Departamentos
de la MRS, 1996-2018
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
En consecuencia, la importancia que ha tenido el canon minero en comparación con otros
tipos de canon, regalías y derechos en la Macro Región Sur, se puede evidenciar por la contribución
que ha tenido ésta en el total de transferencias por la explotación de los recursos naturales, pues
tal como se observa en la Figura 21, el canon minero transferido desde el año 1996 hasta el año
2018, representó el 43.37% del total de dichas transferencias en la Macro Región Sur, siendo el
recurso económico más importante de dichos departamentos, seguido de la regalía gasífera que
contribuyó en el 34.22%, aunque ésta solo se ha distribuido en el departamento de Cusco (ver el
Anexo 13), pues es el único departamento que recibió transferencias por canon gasífero durante el
periodo 1996-2018 en la Macro Región Sur y en el Perú, el cual proviene de la cuenca de Camisea
(lotes 88, 56 y 57) y cuyos beneficiarios son su gobierno regional y gobiernos locales, así como la
Universidad Nacional de San Antonio Abad y la Universidad Nacional Intercultural de
Quillabamba.
11 76 104 37 15 35 64 116 218
9421501
2736 2858 2589 2625
40434726
3919 37793100
2383 2431
3424
0
1000
2000
3000
4000
5000
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018Mil
lon
es d
e S
ole
s
Años
Canon minero Canon hidroenergético Canon gasífero
Canon pesquero Canon forestal Canon y sobrecanon petrolero
Regalías mineras Regalias gasíferas Derechos de pesca
Total
107
Figura 21
Comparación del Canon Minero Acumulado con otros Tipos de Canon, Regalías y Derechos en los
Departamentos de la MRS, 1996-2018 (Porcentajes)
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
3.2.1.2 Comparación del Canon Minero con otros Tipos de Canon, Regalías y
Derechos en el Perú.
En la Tabla 14 se presenta las transferencias por año de los diferentes tipos de canon,
regalías y derechos a los departamentos del Perú durante los últimos 23 años bajo estudio de la
presente investigación.
Para apreciar con mayor detalle los montos totales transferidos a nivel nacional y para cada
año bajo estudio de los diferentes tipos de canon, regalías y derechos, ver los Anexos 3, 7, 8, 9,
10, 11, 12, 13 y 14.
43.37%
34.22%
11.08%
10.52%
0.54%
0.18%0.08% 0.01%
0.00%
Canon minero
Regalias gasíferas
Canon gasífero
Regalías mineras
Canon hidroenergético
Canon pesquero
Derechos de pesca
Canon forestal
Canon y sobrecanon petrolero
108
Tabla 14
Comparación del Canon Minero con otros Tipos de Canon, Regalías y Derechos en los Departamentos
del Perú, 1996-2018 (Millones de Soles)
Fuente: MEF - Consulta de Transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
A nivel nacional, las transferencias por la explotación de recursos naturales, también
tuvieron un comportamiento similar al de la Macro Región Sur, alcanzando su pico máximo en el
año 2012 con un monto de 9,501 millones de soles, tal como se observa en la Figura 22. Esto como
efecto del boom minero, en donde los precios de los minerales alcanzaron sus picos máximos al
menos durante las dos últimas décadas. A partir del año 2014 (conocido como el fin del boom
minero), se observa claramente que el canon minero cayó a 4,348 millones de soles en el año 2016.
Esta situación podría explicarse por la caída de los precios de los minerales como consecuencia de
su menor demanda y por el menor crecimiento económico de países como China, pues la economía
de este país paso de crecer a tasas por encima del 10% a 6.5% en promedio (BCRP). No obstante,
a partir del año 2017 se observa una considerable recuperación del canon minero.
Canon Minero
Canon
Hidroenergétic
o
Canon GasíferoCanon
PesqueroCanon Forestal
Canon y
Sobrecanon
Petrolero
Regalías
Mineras
Regalias
Gasíferas
Derechos de
Pesca
1996 S/. 15.38 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1997 S/. 110.94 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1998 S/. 169.43 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1999 S/. 86.51 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2000 S/. 55.36 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2001 S/. 81.28 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2002 S/. 116.21 S/. 41.12 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2003 S/. 228.66 S/. 73.82 S/. 0.00 S/. 2.35 S/. 0.00 S/. 150.70 S/. 0.00 S/. 0.00 S/. 18.54
2004 S/. 399.25 S/. 96.34 S/. 0.00 S/. 0.00 S/. 0.88 S/. 114.79 S/. 0.00 S/. 70.25 S/. 17.70
2005 S/. 888.12 S/. 112.62 S/. 0.00 S/. 6.90 S/. 0.89 S/. 537.14 S/. 206.97 S/. 301.93 S/. 22.13
2006 S/. 1,746.38 S/. 127.63 S/. 0.00 S/. 30.04 S/. 6.53 S/. 664.04 S/. 379.79 S/. 393.87 S/. 19.47
2007 S/. 5,157.00 S/. 152.72 S/. 157.56 S/. 24.00 S/. 7.30 S/. 684.17 S/. 499.11 S/. 446.25 S/. 23.00
2008 S/. 4,435.67 S/. 146.31 S/. 114.42 S/. 46.58 S/. 4.94 S/. 991.90 S/. 511.86 S/. 617.51 S/. 23.55
2009 S/. 3,434.45 S/. 134.82 S/. 117.70 S/. 32.49 S/. 0.00 S/. 548.65 S/. 323.49 S/. 654.91 S/. 31.00
2010 S/. 3,089.62 S/. 150.28 S/. 131.89 S/. 31.59 S/. 4.24 S/. 663.74 S/. 592.99 S/. 1,089.78 S/. 25.12
2011 S/. 4,157.37 S/. 131.04 S/. 62.58 S/. 0.00 S/. 0.00 S/. 902.14 S/. 868.60 S/. 1,693.05 S/. 32.13
2012 S/. 5,124.24 S/. 89.51 S/. 793.06 S/. 132.60 S/. 1.90 S/. 1,279.85 S/. 520.71 S/. 1,534.69 S/. 24.33
2013 S/. 3,817.17 S/. 211.54 S/. 668.53 S/. 110.77 S/. 0.00 S/. 1,340.55 S/. 501.87 S/. 1,753.16 S/. 17.14
2014 S/. 2,978.75 S/. 202.06 S/. 795.50 S/. 66.94 S/. 2.31 S/. 1,496.08 S/. 463.32 S/. 1,567.96 S/. 27.39
2015 S/. 2,260.05 S/. 217.74 S/. 758.94 S/. 49.83 S/. 0.00 S/. 810.60 S/. 553.78 S/. 956.63 S/. 23.78
2016 S/. 1,496.82 S/. 204.28 S/. 420.87 S/. 36.94 S/. 0.00 S/. 477.18 S/. 829.58 S/. 863.13 S/. 18.88
2017 S/. 1,862.68 S/. 206.02 S/. 269.65 S/. 28.95 S/. 0.00 S/. 505.28 S/. 1,000.62 S/. 1,025.16 S/. 33.16
2018 S/. 3,157.64 S/. 196.21 S/. 331.86 S/. 29.87 S/. 0.00 S/. 758.95 S/. 1,293.34 S/. 1,311.14 S/. 28.57
Acumulado S/. 44,868.99 S/. 2,494.05 S/. 4,622.54 S/. 629.85 S/. 28.99 S/. 11,925.76 S/. 8,546.02 S/. 14,279.43 S/. 385.90
Año/Dep.
Tipos de Canon Regalías y Derechos
109
Figura 22
Comparación del Canon Minero con otros Tipos de Canon, Regalías y Derechos en los Departamentos
del Perú. 1996-2018
Fuente: MEF - Consulta de Transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Respecto a la contribución que tuvo el canon minero en comparación con los demás tipos
de canon, regalías y derechos en el Perú durante el año 1996 hasta el año 2018, ésta fue mayor en
comparación con la Macro Región Sur, pues el canon minero contribuyó con el 51.11% del total
de dichas trasferencias a los departamentos del Perú, tal como se aprecia en la Figura 23.
Figura 23
Comparación del Canon Minero Acumulado con otros Tipos de Canon y Regalías en los Departamentos
del Perú, 1996-2018 (Porcentajes)
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
15 111 169 87 55 81 157 474 699
20773368
7151 6893
5278 5779
78479501
84217600
56314348
4932
7108
0
2000
4000
6000
8000
10000
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018Millo
nes d
e S
ole
s
Años
Canon minero Canon hidroenergético Canon gasífero
Canon pesquero Canon forestal Canon y sobrecanon petrolero
Regalías mineras Regalias gasíferas Derechos de pesca
Total
51.11%
16.27%
13.59%
9.74%
5.27%
2.84% 0.72%
0.44% 0.03%
Canon minero
Regalias gasíferas
Canon y sobrecanon petrolero
Regalías mineras
Canon gasífero
Canon hidroenergético
Canon pesquero
Derechos de pesca
Canon forestal
110
3.2.1.3 Comparación del Canon Minero Acumulado con otros Tipos de Canon,
Regalías y Derechos Acumulados.
En la Tabla 15 se presenta el resumen de las transferencias acumuladas desde el año 1996
hasta el año 2018 de los diferentes tipos de canon, regalías y derechos a los departamentos de la
Macro Región Sur y del Perú.
Tabla 15
Comparación del Canon Minero Acumulado con otros Tipos de Canon, Regalías y Derechos Acumulados
en los Departamentos de la MRS, 1996-2018 (Millones de Soles)
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
En la Figura 24 se observa que a nivel de departamentos de la Macro Región Sur, el canon
minero tuvo la mayor contribución en comparación con otros tipos de canon, regalías y derechos,
los cuales fueron transferidos desde el año 1996 al año 2018. Es así que en los departamentos de
Tacna, Apurímac, Puno, Moquegua, Arequipa, el canon minero representó alrededor del 80%
respecto al monto total transferido por la explotación de los recursos naturales, y en menor medida
fue en el departamento de madre de dios (55.16%). No obstante, para el departamento de Cusco a
pesar de que el monto total transferido por concepto de canon minero durante dicho periodo fue
de 1,987 millones de soles, éste se vio opacado por las regalías gasíferas.
Canon Minero
Canon
Hidroenergétic
o
Canon GasíferoCanon
PesqueroCanon Forestal
Canon y
Sobrecanon
Petrolero
Regalías
Mineras
Regalias
Gasíferas
Derechos de
Pesca
Apurímac S/. 128.85 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.10 S/. 0.00 S/. 31.08 S/. 0.00 S/. 0.00
Arequipa S/. 5,143.51 S/. 66.92 S/. 0.00 S/. 35.78 S/. 0.09 S/. 0.00 S/. 1,290.92 S/. 0.00 S/. 17.57
Cusco S/. 1,987.07 S/. 94.14 S/. 4,622.54 S/. 0.00 S/. 0.40 S/. 0.00 S/. 627.91 S/. 14,279.43 S/. 0.00
Madre de Dios S/. 6.68 S/. 0.00 S/. 0.00 S/. 0.00 S/. 5.43 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
Moquegua S/. 3,825.56 S/. 0.00 S/. 0.00 S/. 39.30 S/. 0.01 S/. 0.00 S/. 978.55 S/. 0.00 S/. 16.96
Puno S/. 2,622.50 S/. 58.46 S/. 0.00 S/. 0.00 S/. 0.08 S/. 0.00 S/. 588.52 S/. 0.00 S/. 0.00
Tacna S/. 4,386.91 S/. 7.40 S/. 0.00 S/. 0.00 S/. 0.02 S/. 0.00 S/. 872.40 S/. 0.00 S/. 0.39
MRS S/. 18,101.09 S/. 226.92 S/. 4,622.54 S/. 75.08 S/. 6.13 S/. 0.00 S/. 4,389.38 S/. 14,279.43 S/. 32.31
Perú S/. 44,868.99 S/. 2,493.51 S/. 4,622.54 S/. 627.50 S/. 28.99 S/. 11,925.76 S/. 8,546.02 S/. 14,279.43 S/. 385.90
Dep./Tipo de
Canon,
Regalías y
Derechos
Tipos de Canon Regalías y Derechos
111
Figura 24
Comparación del Canon Minero Acumulado con otros Tipos de Canon, Regalías y Derechos Acumulados
en los Departamentos de la MRS, 1996-2018
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Por lo tanto, como se ha visto, la evolución de las transferencias a los departamentos de la
Macro Región Sur del Perú a través de sus gobiernos regionales y locales, por concepto de los
diferentes tipos de canon, regalías y derechos, han presentado la misma volatilidad y evolución a
lo largo del periodo de estudio de manera conjunta, pero en mayor escala los recursos por canon
minero y regalías gasíferas, y en menor escala los ingresos por los demás tipos de canon, regalías
y derechos. Sin embargo su importancia radica en ser recursos que comparten la misma finalidad,
es decir reducir la pobreza por necesidades básicas insatisfechas de la población (Ley 27506).
3.2.2 Participación del Canon Minero en el Presupuesto Transferido
Es necesario indicar que, para conocer la participación del canon minero en el presupuesto
transferido, también llamado recursos ordinarios y determinados, a los departamentos de la Macro
Región Sur del Perú, se consideró el presupuesto transferido a los gobiernos regionales y locales
por parte del gobierno nacional, puesto el canon minero solo se transfieren a los gobiernos
regionales y locales, mas no a los organismos del gobierno nacional.
80.52% 78.47%
9.19%
55.16%78.71% 80.21% 83.29%
43.37% 51.12%
0%
20%
40%
60%
80%
100%
120%
Apurímac Arequipa Cusco Madre deDios
Moquegua Puno Tacna MRS Perú
Po
rcen
taje
s
Departamentos
Canon minero Canon hidroenergético Canon gasífero
Canon pesquero Canon forestal Canon y sobrecanon petrolero
Regalías mineras Regalias gasíferas Derechos de pesca
112
3.2.2.1 Participación del Canon Minero respecto al Presupuesto Transferido a la
MRS.
En la Tabla 16 se presenta el presupuesto transferido por el gobierno nacional a los
gobiernos regionales y locales de la Macro Región Sur para el periodo 1996-2018, el cual servirá
como base para calcular el porcentaje de participación del canon minero.
Tabla 16
Presupuesto Transferido a los Departamentos de la MRS, 1996-2018 (Millones de Soles)
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
El presupuesto transferido a los departamentos de la Macro Región Sur pasó de 292
millones de soles en el año 1996 a 7,651 millones de soles en el año 2018, siendo alrededor de 25
veces más que en el año 1996, tal como se muestra en la Figura 25.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996 S/. 31.17 S/. 49.43 S/. 84.28 S/. 6.50 S/. 14.78 S/. 87.78 S/. 18.11 S/. 292.05 S/. 1,262.72
1997 S/. 36.66 S/. 58.52 S/. 99.39 S/. 7.61 S/. 33.49 S/. 130.71 S/. 35.22 S/. 401.61 S/. 1,577.90
1998 S/. 39.89 S/. 65.92 S/. 105.96 S/. 8.09 S/. 39.21 S/. 150.79 S/. 44.46 S/. 454.33 S/. 1,733.21
1999 S/. 39.90 S/. 66.41 S/. 104.34 S/. 8.06 S/. 20.62 S/. 123.07 S/. 27.10 S/. 389.50 S/. 1,655.35
2000 S/. 44.91 S/. 72.53 S/. 115.36 S/. 8.92 S/. 12.86 S/. 128.31 S/. 22.47 S/. 405.34 S/. 1,804.32
2001 S/. 45.25 S/. 76.19 S/. 112.66 S/. 8.71 S/. 19.10 S/. 132.24 S/. 25.84 S/. 419.98 S/. 1,799.80
2002 S/. 49.04 S/. 93.94 S/. 112.91 S/. 8.87 S/. 26.28 S/. 140.97 S/. 30.93 S/. 462.93 S/. 1,919.20
2003 S/. 54.69 S/. 106.21 S/. 127.59 S/. 9.89 S/. 35.92 S/. 188.93 S/. 36.55 S/. 559.79 S/. 2,516.50
2004 S/. 105.91 S/. 157.68 S/. 304.38 S/. 20.75 S/. 58.61 S/. 280.77 S/. 77.80 S/. 1,005.90 S/. 4,169.51
2005 S/. 96.62 S/. 201.36 S/. 534.23 S/. 20.08 S/. 250.48 S/. 326.70 S/. 261.11 S/. 1,690.58 S/. 5,336.68
2006 S/. 93.04 S/. 204.96 S/. 674.84 S/. 16.40 S/. 393.81 S/. 363.65 S/. 454.61 S/. 2,201.32 S/. 6,670.62
2007 S/. 131.27 S/. 322.98 S/. 1,134.52 S/. 19.38 S/. 606.64 S/. 446.85 S/. 919.86 S/. 3,581.49 S/. 11,159.73
2008 S/. 165.88 S/. 667.97 S/. 1,281.30 S/. 39.22 S/. 345.47 S/. 562.68 S/. 842.94 S/. 3,905.46 S/. 11,863.32
2009 S/. 220.51 S/. 800.90 S/. 1,280.05 S/. 61.75 S/. 502.06 S/. 706.26 S/. 397.86 S/. 3,969.38 S/. 12,834.43
2010 S/. 256.82 S/. 681.18 S/. 1,745.89 S/. 100.22 S/. 419.76 S/. 738.70 S/. 350.95 S/. 4,293.52 S/. 15,144.93
2011 S/. 271.50 S/. 1,073.53 S/. 2,402.42 S/. 63.93 S/. 556.45 S/. 858.97 S/. 532.78 S/. 5,759.58 S/. 18,458.21
2012 S/. 381.83 S/. 1,122.10 S/. 3,212.36 S/. 48.11 S/. 489.17 S/. 1,002.24 S/. 462.94 S/. 6,718.76 S/. 21,018.31
2013 S/. 360.20 S/. 948.44 S/. 3,058.74 S/. 56.01 S/. 419.37 S/. 1,156.46 S/. 430.79 S/. 6,430.02 S/. 21,493.89
2014 S/. 471.74 S/. 980.34 S/. 3,483.21 S/. 67.67 S/. 404.25 S/. 1,246.16 S/. 457.04 S/. 7,110.40 S/. 22,734.13
2015 S/. 508.51 S/. 1,003.57 S/. 2,639.21 S/. 65.46 S/. 351.56 S/. 1,111.60 S/. 363.57 S/. 6,043.49 S/. 20,332.85
2016 S/. 726.24 S/. 1,109.38 S/. 2,351.01 S/. 114.77 S/. 396.54 S/. 1,110.24 S/. 403.02 S/. 6,211.21 S/. 21,320.52
2017 S/. 952.04 S/. 1,336.57 S/. 2,382.07 S/. 85.24 S/. 234.13 S/. 1,231.35 S/. 362.22 S/. 6,583.63 S/. 24,214.45
2018 S/. 897.78 S/. 1,799.61 S/. 2,995.07 S/. 140.91 S/. 424.97 S/. 993.71 S/. 399.43 S/. 7,651.49 S/. 25,882.69
Acumulado S/. 5,981.42 S/. 12,999.72 S/. 30,341.81 S/. 986.55 S/. 6,055.53 S/. 13,219.14 S/. 6,957.60 S/. 76,541.76 S/. 256,903.27
113
Figura 25
Presupuesto Transferido a los Departamentos de la MRS, 1996-2018
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
En la Tabla 17 se muestra el porcentaje de participación del canon minero en el total del
presupuesto transferido para cada departamento de la Macro Región Sur, así como para el Perú y
para cada año de estudio de la presente investigación. Cabe mencionar que para calcular dicho
porcentaje de participación, se dividió el canon minero entre el monto del presupuesto transferido
para cada año y departamento.
292 402 454 390 405 420 463 560 1006 1691 22013581 3905 3969 4294
5760 6719 6430 71106043 6211 6584
7651
21018 20333
25883
0
5000
10000
15000
20000
25000
30000
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Mil
lon
es d
e S
ole
s
Años
Apurímac Arequipa Cusco Madre de Dios Moquegua
Puno Tacna Resto del Perú Total MRS Total Perú
114
Tabla 17
Participación del Canon Minero respecto al Presupuesto Transferido de cada Departamento de la MRS,
1996-2018 (Porcentajes)
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
De esta manera, la participación del canon minero en el presupuesto transferido en los
departamentos de la Macro Región Sur han oscilado a lo largo del periodo de estudio, puesto que
en el año 1996 representaron el 4%, y en el año 2007 registraron el 52%, siendo este el máximo
histórico de participación, sin embargo a partir del año 2008 éste se ha venido reduciendo de
manera sostenida con ligeras subidas hasta el año 2016, el cual represento el 9%, y en los dos
últimos años la participación de éste mostró un incremento, alcanzando el 15% de participación
en el año 2018, tal como se observa en la Figura 26.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996 0.00% 0.73% 0.23% 0.00% 46.53% 0.82% 16.02% 3.79% 1.22%
1997 0.93% 5.18% 1.16% 0.21% 69.32% 21.97% 54.46% 18.84% 7.03%
1998 1.40% 6.75% 1.89% 0.38% 73.27% 28.59% 57.54% 22.99% 9.78%
1999 0.84% 5.85% 1.00% 0.21% 38.13% 13.49% 26.11% 9.46% 5.23%
2000 0.13% 5.60% 0.00% 0.00% 5.34% 7.35% 2.55% 3.66% 3.07%
2001 0.00% 9.57% 0.28% 0.00% 38.70% 12.23% 15.40% 8.37% 4.52%
2002 0.00% 16.98% 0.20% 0.00% 52.13% 17.11% 24.64% 13.31% 6.06%
2003 0.34% 18.62% 0.00% 0.00% 58.50% 30.20% 31.93% 19.60% 9.09%
2004 1.18% 13.39% 0.00% 0.10% 50.86% 19.88% 45.33% 14.24% 9.58%
2005 5.24% 28.08% 3.48% 0.28% 59.29% 28.30% 57.88% 27.94% 16.64%
2006 8.98% 34.76% 9.96% 0.20% 68.71% 32.31% 70.51% 38.86% 26.18%
2007 17.57% 48.77% 24.05% 0.22% 80.31% 32.30% 84.06% 51.89% 46.21%
2008 13.59% 68.49% 18.92% 0.12% 61.20% 30.66% 84.42% 46.55% 37.39%
2009 5.44% 66.28% 10.57% 0.07% 76.80% 35.07% 77.22% 40.78% 26.76%
2010 0.29% 51.02% 5.94% 0.06% 58.48% 24.58% 56.76% 25.11% 20.40%
2011 0.74% 61.73% 7.08% 0.19% 70.54% 35.76% 65.71% 32.72% 22.52%
2012 1.84% 69.65% 11.12% 1.48% 66.52% 30.36% 72.70% 31.45% 24.38%
2013 3.23% 47.00% 1.14% 2.98% 70.94% 18.89% 58.48% 19.63% 17.76%
2014 0.48% 39.09% 2.90% 1.17% 61.70% 14.24% 49.62% 16.04% 13.10%
2015 0.00% 35.56% 5.19% 0.15% 66.43% 12.32% 56.57% 17.71% 11.12%
2016 0.44% 1.98% 2.09% 0.51% 47.76% 7.85% 44.08% 8.52% 7.02%
2017 1.73% 19.35% 3.41% 1.04% 37.33% 7.42% 26.15% 9.58% 7.69%
2018 1.30% 29.55% 7.06% 1.04% 38.19% 9.23% 41.73% 15.39% 12.20%
Acumulado 2.15% 39.57% 6.55% 0.68% 63.17% 19.84% 63.05% 23.65% 17.47%
115
Figura 26
Participación del Canon Minero respecto al Presupuesto Transferido en la MRS, 1996-2018
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
3.2.2.2 Relación entre el Índice de Dependencia y el Presupuesto Transferido a la
MRS.
Cabe indicar que, para calcular el porcentaje del índice de dependencia, se consideró la
división entre el canon minero acumulado durante los años 1996-2018 y el presupuesto transferido
acumulado durante el mismo periodo para cada departamento de la Macro Región Sur. Así mismo,
el presupuesto transferido hace referencia a los montos acumulados durante el mismo periodo de
los tipos de recursos (existen 61 tipos de recursos en los tres niveles de gobierno) por los cuales el
gobierno nacional realiza transferencias por año a los gobiernos regionales y gobiernos locales.
Es así que, al observar la Figura 27, en donde se muestra la relación entre el índice de
dependencia (como porcentaje de participación del canon minero acumulado en el presupuesto
transferido acumulado desde el año 1996 hasta el año 2018) y el presupuesto transferido durante
el mismo periodo, se puede decir que los departamentos que tuvieron mayor dependencia del canon
minero como fuente de financiamiento para sus gobiernos regionales y locales fueron Moquegua
472
18581078
21131141
5291177
454 560
1691
3581
4294
67197110
6211
7651
4%
23%
4%
20%
28%
52%
25%
31%
16%
9%
15%
0%
10%
20%
30%
40%
50%
60%
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Po
rcen
taje
s
Millo
nes d
e S
ole
s
Años
Canon minero MRS Resto de recursos transferidos
Presupuesto transferido MRS % de participación
116
(63.17%), Tacna (63.05%) y Arequipa (39.57%), encontrándose por encima del promedio de la
Macro Región Sur (23.65%) y el Perú (17.47%).
Figura 27
Diagrama de Dispersión de la Relación entre el Índice de Dependencia y el Presupuesto Transferido
Acumulado a los Departamentos de la MRS, 1996-2018
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Por lo tanto, el canon minero en general ha constituido un importante ingreso para los
gobiernos regionales y locales de la Macro Región Sur, además de que de acuerdo al portal de
consultas de transferencias del Ministerio de Economía y Finanzas, es una de las principales
fuentes de ingresos de los gobiernos regionales y sobre todo de los gobiernos locales para financiar
la inversión pública, y dado que dichos ingresos son orientados en su mayor proporción a la
reducción de la pobreza, especialmente de necesidades básicas insatisfechas a través de los canales
de transmisión indirectos explicados en el marco teórico, como la inversión en capital humano y
0%
10%
20%
30%
40%
50%
60%
70%
0 5000 10000 15000 20000 25000 30000 35000
Índ
ice d
e D
ep
en
den
cia
(%
de P
art
icip
ació
n)
Presupuesto Transferido (Millones de Soles)
Madre de DiosApurímac
Cusco
Puno
Arequipa
Moquegua Tacna
Nivel de participación promedio
MRS: 23.65%
117
físico, es que se hace relevante realizar el análisis de la utilización de estos por medio del destino
y la ejecución de dichos recursos, especialmente en la búsqueda del impacto que puedan tener
dichas transferencias en los sectores cómo transporte, educación, salud, saneamiento, vivienda y
desarrollo urbano, entre otros, los mismos que son relevantes para el análisis de la pobreza por
necesidades básicas insatisfechas en la Macro Región Sur.
3.2.3 Utilización del Canon Minero
La información que se proporciona para conocer la aproximación de la utilización del
canon minero ha sido extraída del portal de transparencia del Ministerio de Economía y Finanzas.
Así mismo, es necesario recordar que para el presente análisis (destino y eficacia de ejecución) se
tomó en cuenta solo a los gobiernos regionales y locales de los departamentos de la Macro Región
Sur del Perú. Sin embargo, a pesar de que este portal no tiene un registro específico para todos los
tipos canon, sino que los agrega con otros componentes en el rubro: canon y sobre canon, regalías,
renta de aduanas y participaciones, lo que no permite una evaluación específica de su uso, por lo
que se ha optado por utilizarlo como elemento de análisis, ya que en dicho rubro, el canon es el
tipo de recurso que tiene mayor preponderancia. Por lo que, es necesario señalar que para el
presente análisis, el rubro canon y sobre canon, regalías, renta de aduanas y participaciones, es
denominado “ICM y otros rubros”. Así mismo, los datos de la ejecución del canon minero se
consideró a nivel de devengado, puesto que en esta fase de la ejecución presupuestal se constata
que el bien o el servicio se ha realizado. Además, cabe precisar que los datos se tomaron en el mes
de julio de 2019, pues éstos pueden variar por las actualizaciones del devengado, aunque no de
manera significativa.
118
3.2.3.1 Destino de la Ejecución del Canon Minero en la MRS.
Es importante indicar que para calcular y clasificar los tipos de gastos, se consideró los
gastos según genérica, como lo establece el Ministerio de Economía y Finanzas a través de su
portal de “Seguimiento de la ejecución presupuestal (consulta amigable)”. Lo que permitió obtener
los siguientes tres tipos de gastos: Gastos corrientes (principalmente gastos de mantenimiento ya
sea por la adquisición de bienes o servicios, pago de personal, obligaciones sociales, pensiones y
otras prestaciones, entre otros), gastos de capital (reserva de contingencia, donaciones y
transferencias, adquisición de activos no financieros o inversiones, adquisición de activos
financieros y otros gastos), y finalmente los gastos de servicio a la deuda.
En la Tabla 18 se muestra el destino de la ejecución de los ICM y otros rubros según el
tipo de gasto (para ver el gasto según genérica, ver el Anexo 15), ya sea gasto corriente, gasto de
capital o de servicio a la deuda en los departamentos de la Macro Región Sur y de los
departamentos del Perú a través de sus gobiernos regionales y locales, así como de las
universidades públicas de la Macro Región Sur para el año 2018, puesto que se considera que
contribuyen con la reducción de la pobreza por necesidades básicas insatisfechas a través de la
formación de capital físico y humano.
Tabla 18
Destino de los ICM y otros Rubros según Tipo de Gasto en los Departamentos y Universidades Públicas
de la MRS, 2018 (Millones de Soles)
Fuente: MEF - Seguimiento de la ejecución presupuestal (consulta amigable).
Elaboración: Propia.
Tipo/(GR+GL) Apurímac Arequipa Cusco M. de Dios Moquegua Puno Tacna MRS Perú U.P. MRS
Gastos corrientes (5) S/. 71 S/. 130 S/. 254 S/. 6 S/. 46 S/. 32 S/. 45 S/. 585 S/. 2,116 S/. 37
Gastos de capital (6) S/. 343 S/. 642 S/. 1,617 S/. 14 S/. 136 S/. 275 S/. 142 S/. 3,168 S/. 7,361 S/. 87
Serv. deuda pública (7) S/. 0 S/. 83 S/. 66 S/. 0 S/. 30 S/. 1 S/. 13 S/. 192 S/. 463 S/. 0
Total S/. 414 S/. 855 S/. 1,937 S/. 19 S/. 212 S/. 308 S/. 200 S/. 3,945 S/. 9,940 S/. 124
119
En tal sentido, en el año 2018, en líneas generales se podría decir que tanto los
departamentos y universidades públicas de la Macro Región Sur y los departamentos del Perú,
destinaron los ingresos los ICM y otros rubros alrededor del 76% en gasto de capital,
principalmente en la adquisición de activos no financieros, es decir en inversión de capital físico
y humano, un 19.6% en promedio se destinó al gasto corriente, principalmente en la adquisición
de bienes y servicios, y el 4.4% en promedio se destinó al servicio de la deuda pública, tal como
se visualiza en la Figura 28.
Figura 28
Destino de los ICM y otros Rubros según Tipo de Gasto en los Departamentos y Universidades Públicas
de la MRS, 2018
Fuente: MEF - Seguimiento de la ejecución presupuestal (consulta amigable).
Elaboración: Propia.
En cuanto a la utilización de los ICM y otros rubros según función, en la Tabla 19, se
pueden ver los montos ejecutados por cada departamento de la Macro Región Sur en el año 2018.
Para el caso de las universidades se entiende que en mayor medida pertenecen a la función
educación.
17% 15% 13%30%
22%10%
23%15% 21%
30%
83%75% 83%
70%
64% 89% 71% 80% 74%70%
0.0%10% 3% 0.0%
14%0.4% 6% 5% 5% 0.0%
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Apurímac Arequipa Cusco M. de Dios Moquegua Puno Tacna MRS Perú U.P. MRS
Po
rce
nta
jes
Departamentos
Gastos corrientes (5) Gastos de capital (6) Serv. deuda pública (7)
120
Tabla 19
Destino de los ICM y otros Rubros según Función en los Departamentos de la MRS, 2018 (Millones de
Soles)
Fuente: MEF - Seguimiento de la ejecución presupuestal (consulta amigable).
Elaboración: Propia.
Por lo que, los departamentos de la Macro Región Sur tendieron a utilizar los ICM y otros
rubros en mayor medida en las funciones de transporte, planeamiento, gestión y reserva de
contingencia, educación, agropecuaria y saneamiento, tal como se aprecia en la Figura 29.
Función/(GR+GL) Apurímac Arequipa Cusco M. de Dios Moquegua Puno Tacna MRS Perú
03: Planeam. y gestión S/ 75 S/ 124 S/ 265 S/ 2 S/ 40 S/ 29 S/ 45 S/ 580 S/ 1,552
04: Defensa y seguridad S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 0
05: Orden público y seg. S/ 7 S/ 27 S/ 101 S/ 0 S/ 2 S/ 12 S/ 19 S/ 168 S/ 475
06: Justicia S/ 0 S/ 0 S/ 3 S/ 0 S/ 0 S/ 0 S/ 0 S/ 3 S/ 3
07: Trabajo S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 1
08: Comercio S/ 5 S/ 3 S/ 33 S/ 0 S/ 1 S/ 1 S/ 1 S/ 44 S/ 81
09: Turismo S/ 7 S/ 5 S/ 17 S/ 0 S/ 6 S/ 1 S/ 3 S/ 38 S/ 64
10: Agropecuaria S/ 54 S/ 36 S/ 295 S/ 0 S/ 25 S/ 18 S/ 19 S/ 447 S/ 982
11: Pesca S/ 0 S/ 1 S/ 1 S/ 0 S/ 1 S/ 0 S/ 1 S/ 4 S/ 15
12: Energía S/ 1 S/ 1 S/ 24 S/ 0 S/ 2 S/ 1 S/ 1 S/ 31 S/ 122
13: Minería S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 0
14: Industria S/ 0 S/ 0 S/ 2 S/ 0 S/ 0 S/ 0 S/ 0 S/ 3 S/ 3
15: Transporte S/ 65 S/ 274 S/ 332 S/ 1 S/ 39 S/ 49 S/ 28 S/ 788 S/ 1,890
16: Comunicaciones S/ 0 S/ 0 S/ 1 S/ 0 S/ 0 S/ 0 S/ 0 S/ 2 S/ 11
17: Ambiente S/ 11 S/ 34 S/ 97 S/ 1 S/ 7 S/ 14 S/ 11 S/ 175 S/ 558
18: Saneamiento S/ 19 S/ 48 S/ 167 S/ 5 S/ 6 S/ 42 S/ 7 S/ 295 S/ 930
19: Vivienda y des. urb. S/ 9 S/ 11 S/ 58 S/ 1 S/ 19 S/ 13 S/ 3 S/ 113 S/ 342
20: Salud S/ 11 S/ 21 S/ 68 S/ 2 S/ 4 S/ 36 S/ 6 S/ 149 S/ 351
21: Cultura y deporte S/ 63 S/ 91 S/ 123 S/ 6 S/ 14 S/ 40 S/ 13 S/ 349 S/ 722
22: Educación S/ 81 S/ 88 S/ 248 S/ 0 S/ 12 S/ 49 S/ 20 S/ 498 S/ 1,205
23: Protección social S/ 6 S/ 6 S/ 35 S/ 0 S/ 4 S/ 3 S/ 10 S/ 64 S/ 157
24: Previsión social S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 0 S/ 12
25: Deuda publica S/ 0 S/ 83 S/ 66 S/ 0 S/ 30 S/ 1 S/ 13 S/ 192 S/ 463
Total S/ 414 S/ 855 S/ 1,937 S/ 19 S/ 212 S/ 308 S/ 200 S/ 3,945 S/ 9,940
121
Figura 29
Destino de los ICM y otros Rubros según Función en los Departamentos de la MRS y el Perú, 2018
Fuente: MEF - Seguimiento de la ejecución presupuestal (consulta amigable).
Elaboración: Propia.
En términos porcentuales en la Macro Región Sur, la inversión financiada con los ICM y
otros rubros, se han destinado principalmente a las funciones (sectores) de transporte (20%),
planeamiento, gestión y reserva de contingencia (14.7%), educación (12.6%), agropecuaria
(11.3%) y saneamiento (8.9%) tal como se aprecia en la Figura 30. Y para el caso del Perú, los
sectores mencionados tuvieron un comportamiento similar. Por lo que, se puede decir que de
acuerdo a la información obtenida, los departamentos de la Macro Región Sur priorizaron invertir
en el sector transporte. En ese sentido, es posible que ejecutar mayor inversión en infraestructura
de transporte, puede mejorar el acceso de la población, en particular de las zonas rurales, hacia
nuevos mercados, permitiendo de esta manera mejorar las condiciones competitivas e ingresos
económicos, lo que finalmente se traduce en mejores condiciones de vida, y en la reducción de la
pobreza, tal como lo demuestran Booth, Hanmer, & Lovell (2000).
Particularmente la inversión en el sector planeamiento, gestión y reserva de contingencia
se convierte en la segunda función con mayor inversión tanto para la Macro Región como para el
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Otras funciones
Protección social
Vivienda y des. urb.
Salud
Deuda publica
Orden público y seg.
Ambiente
Cultura y deporte
Saneamiento
Agropecuaria
Educación
Planeam. y gestión
Transporte
Millones de Soles
Fu
nc
ión
Apurímac Arequipa Cusco M. de Dios Moquegua Puno Tacna Resto del Perú
122
Perú, y los sectores de educación, saneamiento y salud como sectores más relevantes para el
análisis de la pobreza por necesidades básicas insatisfechas alcanzaron una participación
relativamente considerable en el año 2018.
Figura 30
Destino de ICM y otros Rubros según Función en los Departamentos de la MRS y el Perú, 2018
(Porcentajes)
Fuente: MEF - Seguimiento de la ejecución presupuestal (consulta amigable).
Elaboración: Propia.
3.2.3.2 Eficacia en la Ejecución del Canon Minero en la MRS.
Antes de analizar la eficacia en la ejecución de los ICM y otros rubros, es importante tener
en cuenta que los recursos recibidos y no ejecutados por los gobiernos regionales y locales, así
como de las universidades públicas, se convierten en una especie de ahorros denominados saldos
de balance, los mismos que pueden ser incorporados en la ejecución del gasto de periodos
posteriores, generando que en algunos años el gasto ejecutado sea mayor a la transferencia del año
en mención, aunque según el portal de consultas de transferencias del Ministerio de Economía y
Finanzas, esto ocurrió en mayor medida a finales de la década de los 90 e inicios del decenio de
los años 2000.
20.0%
14.7%
12.6%11.3%
8.9%
7.5%
4.9%
4.4%
4.3%
3.8% 7.7%
GR y GL de la MRS
Transporte
Planeam. y gestión
Educación
Agropecuaria
Cultura y deporte
Saneamiento
Deuda publica
Ambiente
Orden público y seg.
Salud
Otras funciones
19.0%
15.6%
12.1%9.9%
9.4%
7.3%
5.6%
4.8%
4.7%
3.5%8.2%
GR y GL del Perú
Transporte
Planeam. y gestión
Educación
Agropecuaria
Saneamiento
Cultura y deporte
Ambiente
Orden público y seg.
Deuda publica
Salud
Otras funciones
123
En la Tabla 20 se muestra el marco presupuestal, su ejecución y la eficacia en la ejecución
de los ICM y otros rubros en los departamentos de la MRS en el año 2018.
Tabla 20
Eficacia en la Ejecución de los ICM y otros Rubros en los Departamentos de la MRS, 2018 (Millones de
Soles y Porcentajes)
Fuente: MEF - Seguimiento de la ejecución presupuestal (consulta amigable).
Elaboración: Propia.
En los departamentos de la Macro Región Sur, y para el año 2018, se puede destacar con
claridad que el departamento de Cusco tuvo el mayor marco presupuestal (2,451 millones de soles),
así mismo, fue el que presento tuvo el mayor nivel de ejecución (79.01%), mientras que el
departamento de Madre de Dios fue el que menos marco presupuestal tuvo (45 millones de soles),
y resalta que también tuvo la menor ejecución (40.85%), (ver la Figura 31), esto lleva a pensar que
existe una relación directa entre el marco presupuestal y los niveles de ejecución. Sin embargo, en
un documento elaborado por la SNMPE, se encontró que no existe correlación entre ambas
variables, es decir, que no existe una relación entre el marco presupuestal y los niveles de ejecución
al menos en los gobiernos regionales y locales del Perú para el periodo 2008-2017 (SNMPE, 2018).
(GR+GL)/Indicador PIM Ejecución Eficacia
Apurímac S/. 643 S/. 414 64.34%
Arequipa S/. 1,288 S/. 855 66.41%
Cusco S/. 2,451 S/. 1,937 79.01%
Madre de Dios S/. 47 S/. 19 40.85%
Moquegua S/. 305 S/. 212 69.44%
Puno S/. 417 S/. 308 74.02%
Tacna S/. 270 S/. 200 74.13%
MRS S/. 5,421 S/. 3,945 72.78%
Perú S/. 14,465 S/. 9,940 68.72%
124
Figura 31
Marco, Ejecución y Eficacia Presupuestal de los ICM y otros Rubros en los Departamentos de la MRS,
2018
Fuente: MEF - Seguimiento de la ejecución presupuestal (consulta amigable).
Elaboración: Propia.
Si se revisa la información del marco presupuestal y su ejecución para conocer su eficacia
en la ejecución para el conjunto de los gobiernos regionales y locales de la Macro Región Sur y
del Perú, se encuentra que en el año 2018, los gobiernos regionales y locales de la Macro Región
Sur en su conjunto ejecutaron el 73% del marco presupuestal de los ICM y otros rubros, mostrando
así un nivel de ejecución mucho mayor que el ejecutado por los gobiernos regionales y locales del
Perú (69%), tal como se observa en la Figura 32. Sin embargo dichos porcentajes aún están
relativamente lejos de alcanzar el 100% del marco presupuestal, y esto puede verse explicado por
la deficiente capacidad de la ejecución tanto física como financiera de los gobiernos regionales y
locales al menos durante el año 2018.
Así mismo, otra de las razones por los cuales se puede explicar esta situación, en particular
para los recursos por canon minero, es que dichos recursos se han transferido en una sola cuota en
el mes de julio durante los últimos doce años (2007-2018), lo que probablemente haya ocasionado
que los gobiernos regionales y locales en su gran mayoría no han logrado ejecutar el 100% de
dichos ingresos en tan solo seis meses restantes, aunque no debería ser una justificación práctica,
643
1288
2451
47305 417
270414
855
1937
19212 308 200
64% 66%79%
41%
69%74% 74%
0%
20%
40%
60%
80%
100%
0
500
1000
1500
2000
2500
3000
Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna
Po
rcen
taje
s
Millo
nes d
e s
ole
s
Departamentos
PIM Ejecución Eficacia
125
pero es necesario replantear tal situación, con el fin de incrementar la eficacia en la ejecución de
los gobiernos regionales y locales, sin dejar de lado la eficiencia del gasto (mayor ejecución física
con menor ejecución financiera), así como la calidad de gasto, la priorización de las inversiones y
los incentivos perversos de los recursos como la corrupción.
Figura 32
Marco, Ejecución y Eficacia Presupuestal de los ICM y otros Rubros en los Departamentos de la MRS y
el Perú, 2018
Fuente: MEF - Seguimiento de la ejecución presupuestal (consulta amigable).
Elaboración: Propia.
Finalmente de manera complementaría, con base en la Tabla 21, en donde se muestra el
nivel de eficacia en la ejecución de los ICM y otros rubros que han presentado, en este caso las
universidades públicas de los departamentos de la Macro Región Sur en el año 2018, se puede
observar que en promedio, dichas universidad públicas lograron ejecutar el 49.13% de su marco
presupuestal, mostrando así un mayor nivel de ejecución financiera que las universidades públicas
del Perú en su conjunto (46.02%). Cabe destacar que las universidades que se encuentran resaltadas
en negrita pertenecen a las Universidades Públicas de los Departamentos de la Macro Región Sur
del Perú.
5421
14465
3945
9940
73%
69%
66%
68%
70%
72%
74%
0
5000
10000
15000
20000
MRS Perú
Po
rcen
taje
s
Mil
lon
es d
e S
ole
s
Ámbito
PIM Ejecución Eficacia
126
Tabla 21
Eficacia en la Ejecución de los ICM y otros Rubros en las Universidades Públicas de los Departamentos
de la MRS, 2018 (Millones de Soles y Porcentajes)
Fuente: MEF - Seguimiento de la ejecución presupuestal (consulta amigable).
Elaboración: Propia.
Universidad Pública/Indicador PIM Ejecución Eficacia
510: U.N. Mayor de San Marcos S/. 0.1 S/. 0.1 47.35%
511: U.N. De San Antonio Abad del Cusco S/. 67.73 S/. 35.64 52.63%
512: U.N. De Trujillo S/. 26.6 S/. 4.9 18.49%
513: U.N. De San Agustín S/. 53.47 S/. 43.62 81.58%
514: U.N. De Ingeniería S/. 0.2 S/. 0.1 73.34%
515: U.N. San Luis Gonzaga de Ica S/. 28.3 S/. 14.2 49.98%
516: U.N. San Cristóbal de Huamanga S/. 18.6 S/. 2.1 11.51%
517: U.N. Del Centro del Perú S/. 5.6 S/. 4.7 83.45%
518: U.N. Agraria la Molina S/. 0.3 S/. 0.2 68.85%
519: U.N. De la Amazonia Peruana S/. 3.3 S/. 3.2 95.42%
520: U.N. Del Altiplano S/. 7.02 S/. 2.95 42.07%
521: U.N. De Piura S/. 11.8 S/. 11.6 98.00%
522: U.N. De Cajamarca S/. 14.5 S/. 12.0 82.50%
523: U.N. Pedro Ruiz Gallo S/. 0.0 S/. 0.0 12.30%
524: U.N. Federico Villarreal S/. 0.4 S/. 0.2 39.96%
525: U.N. Hermilio Valdizan S/. 0.6 S/. 0.6 97.24%
526: U.N. Agraria de la Selva S/. 0.7 S/. 0.3 44.76%
527: U.N. Daniel Alcides Carrión S/. 9.3 S/. 1.4 15.01%
528: U.N. De Educación Enrique Guzmán y Valle S/. 0.7 S/. 0.5 64.79%
529: U.N. Del Callao S/. 0.4 S/. 0.0 11.30%
530: U.N. José Faustino Sánchez Carrión S/. 18.1 S/. 12.4 68.80%
531: U.N. Jorge Basadre Grohmann S/. 26.88 S/. 2.21 8.21%
532: U.N. Santiago Antúnez de Mayolo S/. 55.4 S/. 11.5 20.69%
533: U.N. De San Martin S/. 0.5 S/. 0.2 48.16%
534: U.N. De Ucayali S/. 3.9 S/. 2.5 63.39%
535: U.N. De Tumbes S/. 15.0 S/. 7.3 48.50%
536: U.N. Del Santa S/. 47.4 S/. 25.4 53.67%
537: U.N. De Huancavelica S/. 16.4 S/. 6.2 38.01%
538: U.N. Amazónica de Madre de Dios S/. 0.09 S/. 0.07 78.05%
539: U.N. Micaela Bastidas de Apurímac S/. 13.70 S/. 3.40 24.78%
541: U.N. Toribio Rodríguez de M. de Amazonas S/. 0.0 S/. 0.0 0.00%
542: U.N. Intercultural de la Amazonia S/. 2.3 S/. 1.1 47.88%
543: U.N. Tecnológica del Cono Sur de Lima S/. 0.3 S/. 0.3 87.41%
544: U.N. José María Arguedas S/. 5.7 S/. 5.1 88.55%
545: U.N. De Moquegua S/. 26.15 S/. 25.12 96.05%
546: U.N. De Jaén S/. 48.6 S/. 14.1 28.95%
547: U.N. De Cañete S/. 10.3 S/. 2.6 25.24%
548: U.N. De Frontera S/. 20.8 S/. 7.6 36.42%
549: U.N. De Barranca S/. 6.9 S/. 3.9 55.84%
550: U.N. Autónoma de Chota S/. 10.6 S/. 5.5 51.65%
551: U.N. Intercultural de la Selva Central J. S. A. S/. 5.5 S/. 1.7 29.76%
552: U.N. De Juliaca S/. 9.78 S/. 7.24 74.06%
553: U.N. Autónoma Altoandina de Tarma S/. 9.5 S/. 7.5 79.09%
554: U.N. Autónoma de Huanta S/. 6.8 S/. 2.8 41.21%
555: U.N. Intercultural Fabiola S. L. de Bagua S/. 0.0 S/. 0.0 0.00%
556: U.N. Intercultural de Quillabamba S/. 47.73 S/. 3.83 8.02%
557: U.N. Autónoma de Alto Amazonas S/. 0.0 S/. 0.0 0.00%
558: U.N. Autónoma de Tayacaja D. H. M S/. 10.2 S/. 10.0 98.22%
Total MRS S/ 252.54 S/ 124.08 49.13%
Total Perú S/ 668.06 S/ 307.46 46.02%
127
Por lo antes explicado y con el propósito de acercarnos a las realidades particulares de cada
universidad pública de los siete departamentos de la Macro Región Sur, se puede apreciar en la
Figura 33, que para el año 2018, la Universidad Nacional de Moquegua logró ejecutar el 96% de
su marco presupuestal de los ICM y otros rubros, siendo el mayor nivel de ejecución en
comparación con las demás universidades públicas de la Macro Región Sur, seguido de la
Universidad Nacional de San Agustín (82%), la Universidad Nacional Amazónica de Madre de
Dios (78%), la Universidad Nacional de Juliaca (74%). Así mismo, resalta que tanto la Universidad
Nacional Jorge Basadre Grohman y la Universidad Nacional Intercultural de Quillabamba solo
lograron ejecutar el 8% de su marco presupuestal.
Figura 33
Marco, Ejecución y Eficacia Presupuestal de los ICM y otros Rubros en las Universidades Públicas de
los Departamentos de la MRS, 2018
Fuente: MEF - Seguimiento de la ejecución presupuestal (consulta amigable).
Elaboración: Propia.
3.3 Análisis de la Evolución de la Pobreza por NBI
En esta parte se analizará la evolución de la pobreza por necesidades básicas insatisfechas,
así como sus cinco componentes, además se realizará una comparación entre la pobreza por
14
53
68
48
0.1
26
7 10
27
3
4436
4 0.1
25
37
2
25%
82%
53%
8%
78%
96%
42%
74%
8%
0%
20%
40%
60%
80%
100%
120%
0
10
20
30
40
50
60
70
80
U.N. MicaelaBastidas deApurímac
U.N. De SanAgustín
U.N. De SanAntonio Abad
del Cusco
U.N.Intercultural
deQuillabamba
U.N.Amazónica
de Madre deDios
U.N. DeMoquegua
U.N. DelAltiplano
U.N. DeJuliaca
U.N. JorgeBasadre
Grohmann
Po
rcen
taje
s
Millo
nes d
e S
ole
s
Universidades
PIM Ejecución Eficacia
128
necesidades básicas insatisfechas y la pobreza monetaria en los departamentos de la Macro Región
Sur y en el Perú desde el año 1996 hasta el año 2018.
3.3.1 Evolución de la Pobreza por NBI
En la Tabla 22 se presenta la pobreza por NBI en los departamentos de la Macro Región
Sur y en el Perú durante el periodo 1996-2018.
Tabla 22
Pobreza por NBI en los Departamento de la MRS, 1996-2018 (Porcentaje de la Población Total con al
menos una Necesidad Básica Insatisfecha)
Fuente:
/Datos del año 1996, tomados de Proyectos INEI "Perú: Niveles de vida y pobreza", Población con
Necesidades Básicas Insatisfechas por NBI.
/Datos del año 1997 al 2000, tomados del INEI "Condiciones de vida en el Perú: Evolución 1997-2004"
(Lima, mayo 2006), pág. 106.
/Datos del año 2001 al 2006, tomados del INEI "Perú: Perfil de la Pobreza por departamentos, 2001-
2010" (Lima, julio 2011), pág. 72.
/Datos del año 2007 al 2017, tomados del INEI "Perú: Perfil de la Pobreza por dominios geográficos,
2007-2017" (Lima, octubre 2018), pág. 86.
/Datos del año 2018, tomados del INEI "Perú: Perfil de la Pobreza por dominios geográficos, 2008-2018"
(Lima, octubre 2019), pág. 88.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996/ 55.10% 33.60% 65.00% 66.20% 47.80% 65.00% 28.70% 53.71% 47.80%
1997/ 55.10% 33.60% 65.00% 66.20% 44.90% 65.00% 27.00% 53.47% 45.80%
1998 51.30% 31.40% 60.40% 61.00% 39.50% 60.40% 24.50% 49.58% 42.10%
1999 47.10% 25.60% 54.70% 59.30% 34.80% 54.70% 23.50% 44.36% 39.10%
2000 45.70% 25.40% 51.30% 56.70% 38.60% 51.30% 24.50% 42.44% 38.10%
2001/ 47.50% 27.80% 63.60% 54.50% 37.00% 49.70% 21.50% 45.71% 41.90%
2002 56.70% 24.10% 53.60% 57.10% 27.30% 53.00% 22.50% 43.69% 39.90%
2003 66.80% 21.10% 52.40% 50.70% 22.30% 47.40% 15.50% 41.25% 38.00%
2004 51.70% 24.10% 52.00% 51.90% 26.30% 45.50% 13.00% 39.93% 36.60%
2005 50.30% 21.70% 54.60% 44.70% 22.90% 44.00% 12.30% 39.13% 37.20%
2006 44.10% 21.20% 48.80% 46.60% 19.90% 46.00% 9.90% 37.22% 34.10%
2007/ 37.10% 22.90% 40.90% 37.20% 24.40% 38.40% 17.80% 33.26% 30.30%
2008 28.70% 19.30% 38.00% 38.50% 19.10% 36.90% 15.30% 30.10% 28.90%
2009 31.50% 20.00% 29.90% 34.50% 16.10% 32.80% 14.50% 27.02% 26.80%
2010 24.80% 18.10% 28.50% 32.00% 16.70% 30.40% 14.50% 24.87% 23.90%
2011 25.10% 18.40% 24.40% 32.30% 13.60% 38.40% 12.00% 25.84% 23.30%
2012 24.60% 14.50% 22.80% 29.40% 14.00% 27.70% 12.60% 21.43% 21.60%
2013 20.80% 14.10% 21.40% 28.20% 11.20% 28.40% 8.00% 20.39% 20.30%
2014 18.20% 13.00% 17.70% 30.20% 9.60% 26.10% 10.50% 18.45% 19.70%
2015 13.90% 11.30% 15.90% 30.60% 10.60% 30.20% 10.60% 18.36% 19.40%
2016 18.00% 11.10% 18.10% 29.10% 14.10% 26.70% 9.80% 18.31% 18.70%
2017 15.50% 11.80% 18.60% 22.80% 11.60% 24.20% 8.80% 17.37% 18.00%
2018/ 11.68% 10.07% 15.24% 25.43% 11.38% 19.96% 9.32% 14.68% 16.60%
2018-1996 -43.42% -23.53% -49.76% -40.77% -36.42% -45.04% -19.38% -39.04% -31.20%
129
Durante los últimos 23 años de estudio, la evolución de la pobreza por NBI en los
departamentos de la Macro Región Sur, así como a nivel nacional, ha tenido una tendencia
decreciente, tal como se observa en la Figura 34, además se puede observar que el nivel de
reducción de la pobreza por NBI ha sido de manera paulatina.
Figura 34
Evolución de la Pobreza por NBI en los Departamentos de la MRS, 1996-2018
Fuente: INEI.
Elaboración: Propia.
Así mismo, en la Figura 35 se puede observar el porcentaje de reducción de la pobreza por
NBI que han tenido los departamentos de la Macro Región Sur, así como del Perú desde el año
1996 hasta el año 2018. Siendo el departamento de Cusco con mayor porcentaje de reducción de
la pobreza por NBI, pasando así del 65% en el año 1996 al 15% en el año 2018 (-49.8%), seguido
del departamento de Puno (-45%), Apurímac (-43.4%) y Madre de Dios (-40.8%), mientras que
55%46%
52%
29% 25%
12%
0%
20%
40%
60%
80%
19
96
/
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
20
18
/
Apurímac
66%57%
52%
39%29% 25%
0%10%20%30%40%50%60%70%
19
96
/
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
20
18
/
Madre de Dios
29%25%
13%15%
13%9%
0%5%
10%15%20%25%30%35%
19
96
/
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
20
18
/
Tacna
34%
25%21% 19%
15%10%
0%
10%
20%
30%
40%19
96
/
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
20
18
/
Arequipa
48%
39%
26%19%
14% 11%
0%
10%
20%
30%
40%
50%
60%
19
96
/
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
20
18
/
Moquegua
54%
42% 40%
30%21%
15%
0%
10%
20%
30%
40%
50%
60%
19
96
/
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
20
18
/
MRS
65%
51% 52%
38%
23%15%
0%10%20%30%40%50%60%70%
19
96
/
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
20
18
/
Cusco
65%
51%46%
37%28%
20%
0%10%20%30%40%50%60%70%
19
96
/
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
20
18
/
Puno
48%
38% 37%29%
22%17%
0%
10%
20%
30%
40%
50%
60%
19
96
/
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
20
18
/
Perú
Departamentos
Po
rce
nta
jed
e l
a P
ob
lac
ión
co
n a
l m
en
os
un
a N
BI
130
por el otro lado, los departamentos que mostraron una menor reducción, fueron Moquegua (-36.4),
Arequipa (-23.5%) y Tacna (-19.4%) respectivamente, esto debido a que en el año 1996 su nivel
de pobreza por NBI era considerablemente menor que los cuatro departamentos mencionados con
mayor reducción de la pobreza. A nivel de la Macro Región en su conjunto, se observa que la
pobreza se redujo del 54% en el año 1996 al 15% en el año 2018 (-39%), teniendo así una mayor
reducción de la pobreza por NBI en comparación con el Perú, puesto que a nivel nacional, la
pobreza se redujo del 48% al 17% (-31.2%).
Figura 35
Reducción de la Pobreza por NBI en los Departamentos de la MRS, 1996-2018
Fuente: INEI.
Elaboración: Propia.
Como se ha explicado en el marco teórico, la pobreza por NBI está compuesto por cinco
componentes. Por tal motivo, en la Figura 36 se muestra la reducción de cada componente de la
pobreza por NBI del año 1996 al año 2018para los departamentos de la Macro Región Sur. En
donde se puede evidenciar que el departamento de Madre de Dios tuvo el mayor porcentaje de la
población en viviendas con características físicas inadecuadas (componente 1) en el año 1996
(32%) y para el año 2018 éste se redujo al 10%, no obstante, siguió siendo el mayor porcentaje en
comparación con los demás departamentos de la Macro Región Sur y del Perú en su conjunto. Del
mismo modo, el departamento de Madre de Dios tuvo el mayor porcentaje de la población en
55%
34%
65% 66%
48%
65%
29%
54%48%
12% 10%15%
25%
11%
20%
9%15% 17%
0%
10%
20%
30%
40%
50%
60%
70%
Apurímac Arequipa Cusco Madre deDios
Moquegua Puno Tacna MRS Perú
Po
rcen
taje
s
Departamentos
1996 2018
-43.4
-23.5
-45.0
-36.4
-40.8-49.8
-31.2-39.0
-19.4
131
viviendas con hacinamiento (componente 2), en el año 1996 (42%) y para el año 2018 éste se
redujo al 9%, siendo aún el mayor a nivel de la Macro Región Sur y del Perú. En cuanto al
porcentaje de la población en viviendas sin servicios higiénicos (componente 3), los
departamentos de Apurímac, Cusco y Puno tuvieron alrededor del 50% de su población en
viviendas sin servicios higiénicos, del cual el departamento de Cusco fue el que redujo en mayor
proporción este porcentaje (-45%), seguido de Apurímac (-43%), y Puno (-40%), aunque en el año
2018, sus porcentajes aún se encuentran por encima del promedio de la Macro región Sur, no
obstante, también llama la atención que el departamento de Madre de Dios, a pesar de que en el
año 1996 tuvo el 29% de su población en viviendas sin servicios higiénicos, éste se redujo al 10%
en el año 2018, siendo el más alto en comparación con el resto de departamentos. De manera
similar a los dos primeros componentes, el departamento de Madre de Dios presento en el año
2012 el mayor porcentaje de la población en hogares con niños que no asisten a la escuela
(componente 4), siendo del 11%, y para el año 2018, este se redujo considerablemente al 0.5%, así
mismo resalta que dicho porcentaje del componente 4, en promedio es uno de los más bajos en la
Macro Región Sur y en el Perú, pues dicho porcentaje no supero el 1% de la población. Finalmente,
respecto al porcentaje de la población en hogares con alta dependencia económica (componente
5), se observa que también el departamento de Madre de Dios tuvo un comportamiento similar a
los componentes anteriores, aunque a nivel de la Macro Región Sur, el porcentaje de la población
en hogares con alta dependencia económica solo fue del 0.6% en el año 2018, siendo menor que
el 1% de dicha población presentado a nivel nacional para el mismo año.
132
Figura 36
Reducción de las Componentes de la Pobreza por NBI en los Departamentos de la MRS, 1996-2018
Nota: Para apreciar por años la evolución de los componentes de la pobreza por NBI en cada uno de los
departamentos de la Macro Región Sur y en el Perú, revisar los Anexos 17, 18, 19, 20 y 21.
Fuente: INEI.
Elaboración: Propia.
6%9%
6%
32%
11%
6%
10%8%
11%
1.1%3% 4%
10%
5% 4% 4% 4%6%
0%
5%
10%
15%
20%
25%
30%
35%
(1) Población en viviendas con características físicas inadecuada
1996 2018
32%
19%
32%
42%
23%
32%
13%
27%24%
4% 5%8% 9%
4%
9%
5%7% 6%
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
(2) Población en viviendas con hacinamiento
1996 2018
50%
14%
50%
29%
21%
50%
12%
38%
28%
7%2%
5%10%
4%
10%
1.3%6% 7%
0%
10%
20%
30%
40%
50%
60%
(3) Población en viviendas sin servicios higiénicos
1996 2018
8%
3%
8%
11%
5%
8%
3%
7%6%
0.3% 0.1% 0.2% 0.5% 0.2% 0.1% 0.0% 0.2% 0.4%
0%
2%
4%
6%
8%
10%
12%
(4) Población en hogares con niños que no asisten a la escuela
1996 2018
8%
3%
8%
11%
5%
8%
3%
7%6%
0.6% 0.3%0.9% 0.8% 0.4% 0.5% 0.6% 0.6% 1.0%
0%
2%
4%
6%
8%
10%
12%
(5) Población en hogares con alta dependencia económica
1996 2018
Departamentos
Po
rce
nta
jes
133
En términos de número de personas, en la Figura 37 se puede ver que en el año 1996, la
pobreza por NBI en la Macro Región Sur era de 2,242 miles de personas aproximadamente, y para
el año 2018, éste se redujo a 774 miles de personas (-65% respecto al año 2012). De manera similar,
la pobreza por NBI a nivel nacional en el año 1996, era de 11,638 miles de personas, y para el año
2018, éste se redujo a 5,339 miles de personas (-54% respecto al año 2012). A nivel de la Macro
Región del Sur, se observa que la mayor población pobre se concentró en Puno y Cusco durante
los 23 años de estudio, mientras que el departamento de Moquegua concentró el menor número de
personas pobres durante el mismo periodo, esto probablemente debido al tamaño de la población
de dichos departamentos. Pues en número de personas, los departamentos con mayor población,
tienden a tener mayor población pobre, y viceversa, sin embargo, si se considera en términos
porcentuales, esta relación cambia. Así mismo, es importante poner en relieve que la Macro Región
del Sur concentró aproximadamente el 18% de la pobreza total por NBI en el Perú en el año 2011,
para luego pasar a concentrar el 15% de la pobreza total por NBI en el Perú en el año 2018.
Figura 37
Evolución de la Pobreza por NBI en los Departamentos de la MRS, 1996-2018
Fuente: INEI.
Elaboración: Propia.
2242 2264 2130 1932 1872 2042 1975 1887 1847 1829 1758 1586 1449 1313 1220 1279 1071 1028 939 943 949 909 774
1163811344
1060210005 9900
1104810669
10299 1005010346
9600
86308325
7807
7041 69436509
6186 6070 6043 5888 57295339
19%20% 20%
19% 19% 18% 19% 18% 18%18%
18% 18%17%
17%17%
18%
16% 17%
15% 16%16% 16%
15%
0%
5%
10%
15%
20%
25%
0
2000
4000
6000
8000
10000
12000
14000
1996/ 1997 1998 1999 2000 2001/ 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011/ 2012 2013 2014 2015 2016 2017 2018
Po
rce
nta
jes
Mil
es
de
Pe
rso
na
s
Años
Apurímac Arequipa Cusco Madre de Dios
Moquegua Puno Tacna Resto del Perú
Total MRS Total Perú % de participación
134
3.3.2 Comparación entre la Pobreza por NBI y la Pobreza Monetaria
Como ya se ha explicado en el marco teórico, existen varios enfoques de la pobreza, así
como distintos métodos para medir la pobreza, y que en particular existen dos métodos, los cuales
son más ampliamente utilizados en la investigación, así como en el diseño y gestión de políticas,
programas y proyectos públicos en América Latina, sobre todo en el Perú, estos son: la pobreza
por necesidades básicas insatisfechas y la pobreza monetaria. Motivo por el cual, se considera
importante realizar la comparación entre la pobreza medido por los métodos en mención.
Por lo que, de acuerdo a la Figura 38, en donde se muestra de manera resumida, la
evolución de la pobreza medido tanto por el método de NBI y por el método monetario (en
términos porcentuales, así como en número de personas) en la Macro Región Sur y a nivel del Perú
desde el año 1996 hasta el año 2018, con fines comparativos, se puede encontrar que los avances
en la reducción de la pobreza se han dado en ambos métodos de medición tanto para la Macro
Región Sur y a nivel nacional. Pues, si se compara la pobreza por NBI con la pobreza monetaria
en la Macro Región Sur, se puede observar que la pobreza por NBI fue del 54% (2,242 miles de
personas) en el año 1996, reduciéndose al 15% (774 miles de personas) en el año 2018, y la pobreza
monetaria en el año 2012 fue del 57% (2,378 miles de personas), reduciéndose al 23% (1,212 miles
de personas) en el año 2018, siendo mayor que la pobreza por NBI durante los 23 años de estudio.
Por otro lado, a nivel del Perú, ambos métodos de pobreza tuvieron una evolución similar, así la
pobreza por NBI ha pasado del 48% (11,638 miles de personas) en el año 1996, al 17% (5,339
miles de personas) en el año 2018, mientras que la pobreza monetaria ha pasado del 43% (10,397
miles de personas) en el año 2012, al 21% (6,593miles de personas) en el año 2018, presentando
4% más de la población en situación de pobreza que el método de necesidades básicas insatisfechas
en el año 2018.
135
Figura 38
Comparación de la Pobreza por NBI vs la Pobreza Monetaria en la MRS y en el Perú, 1996-2018
Nota: Para apreciar con mayor detalle la comparación de la pobreza a nivel de cada departamento (tanto
en porcentajes y número de personas), así como para todos los periodos de estudio de la presente
investigación, ver los Anexos 16, 22, 24 y 25.
Fuente: INEI.
Elaboración: Propia.
De manera complementaria, es preciso destacar que si se desagrega a nivel de
departamentos de la Macro Región Sur, la presente comparación entre el nivel de pobreza por
NBI y pobreza monetaria presenta significativas diferencias, puesto que, se encuentra que en
particular, el departamento de Madre de Dios, presento el 3.10% de la población en situación de
pobreza medido por el método monetario en el año 2018, sin embargo, si se le mide por el método
por NBI, su nivel de pobreza se incrementa al 25.43% en el mismo año, siendo además el
departamento con mayor pobreza por NBI en la Macro Región Sur y a nivel nacional en promedio.
54%50%
42% 44%40%
37%
30%25%
21%18% 18%
15%
57% 57%60% 60%
54%50%
46%41%
27%
20% 23% 23%
0%
10%
20%
30%
40%
50%
60%
70%
19
96
/
19
97
19
98
19
99
20
00
20
01
/
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
/
20
12
20
13
20
14
20
15
20
16
20
17
20
18
Po
rcen
taje
s
Años
Pobreza NBI vs monetaria en la MRS
Pobreza NBI MRS Pobreza monetaria MRS
2242 21301872 1975
1847 1758
14491220
1071939 949
774
2378 24482646 2696
2482 23752228
1991
1356
10391178 1212
0
500
1000
1500
2000
2500
3000
19
96
/
19
97
19
98
19
99
20
00
20
01
/
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
/
20
12
20
13
20
14
20
15
20
16
20
17
20
18
Mil
es d
e P
ers
on
as
Años
Pobreza NBI vs monetaria en la MRS
Pobreza NBI MRS Pobreza monetaria MRS
48%
42%38% 40%
37%34%
29%24%
22% 20% 19% 17%
43% 42%
48%
54%
49%45%
36%31%
26%23% 21% 21%
0%
10%
20%
30%
40%
50%
60%
19
96
/
19
97
19
98
19
99
20
00
20
01
/
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
/
20
12
20
13
20
14
20
15
20
16
20
17
20
18
Po
rcen
taje
s
Años
Pobreza NBI vs monetaria en el Perú
Pobreza NBI Perú Pobreza monetaria Perú
1163810602
990010669
10050 96008325
7041 6509 6070 5888 5339
1039710677
12576
1451913346
12527
104289222
77787003 6518 6593
0
2000
4000
6000
8000
10000
12000
14000
16000
19
96
/
19
97
19
98
19
99
20
00
20
01
/
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
/
20
12
20
13
20
14
20
15
20
16
20
17
20
18
Mil
es d
e P
ers
on
as
Años
Pobreza NBI vs monetaria en el Perú
Pobreza NBI Perú Pobreza monetaria Perú
136
3.4 Aplicación de la Metodología Econométrica para Analizar el Impacto del Canon
Minero en la Pobreza por NBI
La información y los datos provenientes de los capítulos I, II y parte del capítulo III serán
la base para verificar la hipótesis planteada con respecto al impacto que ha tenido el canon minero
en la pobreza por NBI en los departamentos de la Macro Región Sur del Perú durante el periodo
1996-2018. Así mismo, con base al marco de la metodología econométrica explicada en el capítulo
2, primero se realizará la especificación del modelo planteado, luego se realizará la estimación del
modelo, a través del modelo agrupado, efectos fijos y aleatorios, después se seleccionará el mejor
modelo a través del test de Hausman. Por último, se realizará la validación del mejor modelo a
través de la detección (contrastación) de los problemas de heterocedasticidad y autocorrección para
luego pasar a corregirlos mediante el método de mínimos cuadrados generalizados factibles, y
posteriormente, se presentará el grado de correlación entre las variables de estudio, así como la
relación de estas a través del diagrama de dispersión.
3.4.1 Especificación del Modelo
Para el desarrollo del presente modelo se tiene como variable endógena a la pobreza por
NBI el cual está medido en porcentajes del total de la población que tienen al menos una necesidad
básica insatisfecha de cada departamento bajo estudio, y como variable exógena se tiene al canon
minero que estará expresado en logaritmos naturales (ln), puesto que permite cuantificar en
términos porcentuales el nivel de impacto que ha tenido éste en la pobreza por NBI y de esta
manera lograr desarrollar el objetivo planteado. Así mismo, se consideró los siete departamentos
de la Macro Región Sur del Perú (dimensión transversal) y un total de 23 años (dimensión
temporal), lo cual genera un total de 161 observaciones, lo que significa que los datos son macro
paneles, puesto que el periodo de años (t) es mayor al número de departamentos (i).
137
Por lo que, al contar con la presencia de variables de tiempo y con datos transversales, el
modelo econométrico que más se ajusta para la comprobación de la hipótesis planteada, es el
modelo de datos de panel que se presenta a continuación.
3.4.1.1 Modelo de Datos de Panel.
La ecuación queda planteada de la siguiente manera:
pzait = α + β*lncmit + uit
Donde:
pza : Pobreza por NBI (porcentaje de la población total con al menos una NBI).
cm : Canon minero (millones de soles expresados en logaritmo natural).
ln : Logaritmo natural (para cuantificar el impacto en términos porcentuales).
α : Coeficiente de la regresión (fijo), conocido como la intersección de la pendiente.
β : Coeficiente de la pendiente (grado de inclinación).
u : Perturbación estocástica o término del error.
i : 1, 2, 3…, 7 (número de departamentos de la Macro Región Sur del Perú).
t : 1996, 1997, 1998…, 2018 (periodo de años de estudio).
Por lo tanto, dado el modelo planteado, a continuación se desarrollará la estimación y
validación del modelo econométrico de acuerdo al marco de la metodología econométrica
desarrollado en el capítulo 2 de la presente investigación.
3.4.2 Estimación del Modelo
3.4.2.1 Modelo Agrupado (Pooled).
Este primer modelo consiste en una regresión lineal simple estimado con el método de
mínimos cuadrados ordinarios agrupados. Sin embargo, el intercepto es constante para todos los
departamentos y periodos.
138
Tabla 23
Regresión por el Modelo Agrupado (Pooled)
Fuente: INEI y MEF.
Elaboración: Propia a través del software estadístico Stata 15.
Ecuación:
pzait = 37.13596 - 2.729171*lncmit
Interpretación:
El intercepto 37.13596, es el porcentaje de nivel de pobreza por NBI fijo en los
departamentos de la Macro Región Sur. Y a su vez, el coeficiente 2.729171 indica que, si el canon
minero en los departamentos de la Macro Región Sur se incrementa en 1%, el nivel de pobreza por
NBI se reduce en 2.729171%.
Por otro lado, los resultados muestran que el coeficiente de determinación (r2) es de 0.3211,
lo que significa que la variable pobreza por NBI se encuentra explicado en un 32.11% por la
variable canon minero. Así mismo, el modelo es significativo individual y conjuntamente, puesto
que el valor-p es menor a 5% tanto para el estadístico de la prueba “t” de Student y la prueba “F”
de Fisher respectivamente.
_cons 37.13596 1.339044 27.73 0.000 34.49028 39.78164
lncm -2.729171 .3196423 -8.54 0.000 -3.36072 -2.097622
pza Coef. Std. Err. t P>|t| [95% Conf. Interval]
Total 38414.496 152 252.726947 Root MSE = 13.098
Adj R-squared = 0.3211
Residual 25906.9502 151 171.569207 R-squared = 0.3256
Model 12507.5458 1 12507.5458 Prob > F = 0.0000
F(1, 151) = 72.90
Source SS df MS Number of obs = 153
. reg pza lncm
139
3.4.2.2 Modelo de Efectos Fijos.
Este modelo permite que cada departamento tenga su propio intercepto, y su estimador
siempre es consistente, aunque es menos eficiente que el de efectos aleatorios.
Tabla 24
Regresión por el Modelo de Efectos Fijos
Fuente: INEI y MEF.
Elaboración: Propia a través del software estadístico Stata 15.
Ecuación:
pzait = 38.59967 - 3.300044*lncmit
F test that all u_i=0: F(6, 145) = 16.78 Prob > F = 0.0000
rho .44236509 (fraction of variance due to u_i)
sigma_e 10.268633
sigma_u 9.1459345
_cons 38.59967 1.2396 31.14 0.000 36.14965 41.04969
lncm -3.300044 .3590353 -9.19 0.000 -4.009663 -2.590426
pza Coef. Std. Err. t P>|t| [95% Conf. Interval]
corr(u_i, Xb) = -0.2214 Prob > F = 0.0000
F(1,145) = 84.48
overall = 0.3256 max = 23
between = 0.3050 avg = 21.9
within = 0.3681 min = 19
R-sq: Obs per group:
Group variable: id Number of groups = 7
Fixed-effects (within) regression Number of obs = 153
. xtreg pza lncm, fe
140
Interpretación:
El intercepto 38.59967, es el porcentaje de nivel de pobreza por NBI fijo en los
departamentos de la Macro Región Sur. Y a su vez, el coeficiente 3.300044 indica que, si el canon
minero en los departamentos de la Macro Región Sur se incrementa en 1%, el nivel de pobreza por
NBI se reduce en 3.300044%.
Por otro lado, los resultados muestran que el coeficiente de determinación (R-sq overall)
es de 0.3256, lo que significa que la variable pobreza por NBI se encuentra explicado en un 32.56%
por la variable canon minero. Así mismo, el modelo es significativo individual y conjuntamente,
puesto que el valor-p es menor a 5% tanto para el estadístico de la prueba “t” de Student y la prueba
“F” de Fisher respectivamente.
3.4.2.3 Modelo de Efectos Aleatorios.
Los estimadores de este modelo asumen que los efectos individuales (términos del error)
no están correlacionados con las variables explicativas, lo que hace que su estimador siempre sea
consistente y eficiente, y además se supone que los valores del termino independiente (intercepto),
son una extracción aleatoria.
141
Tabla 25
Regresión por el Modelo de Efectos Aleatorios
Fuente: INEI y MEF.
Elaboración: Propia a través del software estadístico Stata 15.
Ecuación:
pzait = 38.32968 - 3.233864*lncmit
Interpretación:
El intercepto 38.32968, es el porcentaje de nivel de pobreza por NBI fijo en los
departamentos de la Macro Región Sur. Y a su vez, el coeficiente 3.233864 indica que, si el canon
minero en los departamentos de la Macro Región Sur se incrementa en 1%, el nivel de pobreza por
NBI se reduce en 3.233864%.
Por otro lado, los resultados muestran que el coeficiente de determinación (R-sq overall)
es de 0.3256, lo que significa que la variable pobreza por NBI se encuentra explicado en un 32.56%
rho .44421528 (fraction of variance due to u_i)
sigma_e 10.268633
sigma_u 9.1802833
_cons 38.32968 3.661343 10.47 0.000 31.15357 45.50578
lncm -3.233864 .3480892 -9.29 0.000 -3.916107 -2.551622
pza Coef. Std. Err. z P>|z| [95% Conf. Interval]
corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0000
Wald chi2(1) = 86.31
overall = 0.3256 max = 23
between = 0.3050 avg = 21.9
within = 0.3681 min = 19
R-sq: Obs per group:
Group variable: id Number of groups = 7
Random-effects GLS regression Number of obs = 153
. xtreg pza lncm, re
142
por la variable canon minero. Así mismo, el modelo es significativo individual y conjuntamente,
puesto que el valor-p es menor a 5% tanto para el estadístico de la prueba “z” y la prueba “x2”
respectivamente.
3.4.2.4 Comparación entre Modelos.
Tabla 26
Comparación entre Modelos
Fuente: INEI y MEF.
Elaboración: Propia a través del software estadístico Stata 15.
Como se observa, los estimadores del modelo agrupado (Pooled) presentan una diferencia
significativa frente a los modelos de efectos fijos y efectos aleatorios, no obstante, los estimadores
del modelo de efectos fijos y efectos aleatorios no presentan una diferencia significativa, sin
embargo es necesario realizar el test de Hausman para poder decidir qué modelo es recomendable
usar.
3.4.2.5 Test de Hausman.
¿Cómo se puede saber si es mejor usar el modelo de efectos fijos o el modelo de efectos
aleatorios? Antes de contestar a esta cuestión, es necesario indicar que se realizó la comparación
de los modelos antes mencionados con el modelo de MCO agrupados (ver el Anexo 35), en donde
los resultados mostraron que tanto el modelo de efectos fijos y el modelo de efectos aleatorios son
mejores que el modelo de MCO agrupados, pero ¿Cómo decidir cuál de los dos usar? La respuesta
depende de la posible correlación entre el componente de error individual (ℇ𝑖) y la variable
_cons 38.329675 38.59967 38.329675
lncm -3.2338643 -3.3000443 -3.2338643
Variable ma fe re
. estimate table ma fe re
143
explicativa (problema de la endogeneidad), puesto que el modelo de efectos aleatorios asume que
ésta correlación es igual a cero. Para ello, se utilizará el test de Hausman, puesto que permite
comparar y seleccionar el mejor modelo, como se presenta a continuación.
Planteamiento de la hipótesis:
H0: No existe correlación entre los términos del error individual y la variable explicativa.
H1: Si existe correlación entre los términos del error individual y la variable explicativa.
Tabla 27
Test de Hausman
Fuente: INEI y MEF.
Elaboración: Propia a través del software estadístico Stata 15.
El resultado del test de Hausman muestra que la prob>chi2 es de 0.4519, mayor a 0.05, por
lo que, se acepta la H0. Es decir, no existe correlación entre los términos del error individual
(características no observables o la heterogeneidad de los departamentos, como puede ser la
ineficaz ejecución financiera y física de los gobiernos, entre otros factores que pueden explicar la
pobreza de cada departamento en particular) y la variable explicativa (canon minero), lo cual es
consistente con la afirmación de Vera Arela (2017). Por lo tanto, esto indica que el estimador del
“modelo de efectos aleatorios” debe ser utilizado por tener un estimador consistente y eficiente.
Prob>chi2 = 0.4519
= 0.57
chi2(1) = (b-B)'[(V_b-V_B)^(-1)](b-B)
Test: Ho: difference in coefficients not systematic
B = inconsistent under Ha, efficient under Ho; obtained from xtreg
b = consistent under Ho and Ha; obtained from xtreg
lncm -3.300044 -3.233864 -.06618 .0879787
fe re Difference S.E.
(b) (B) (b-B) sqrt(diag(V_b-V_B))
Coefficients
. hausman fe re
144
3.4.3 Validación del Modelo
Después de haber seleccionado el modelo de efectos aleatorios como el mejor modelo por
tener un mejor estimador según el test de Hauman, a continuación se realizará la validación del
modelo.
3.4.3.1 Detección de Heterocedasticidad.
Para probar la existencia de heterocedasticidad se utilizará el test de Breusch y Pagan, y el
planteamiento de la hipótesis queda expresado de la siguiente manera:
H0: (σ²i = σ²j) No existe heterocedasticidad en el modelo.
H1: (σ²i ≠ σ²j) Si existe heterocedasticidad en el modelo.
Tabla 28
Detección de Heterocedasticidad por el Test de Breusch y Pagan
Fuente: INEI y MEF.
Elaboración: Propia a través del software estadístico Stata 15.
De acuerdo al test de Breusch y Pagan, se rechaza la hipótesis nula (H0), debido a que el
valor de la probabilidad es menor a 5%, por ende existe heterocedasticidad en el modelo de efectos
aleatorios, lo que significa que las varianzas de los residuos no son constantes.
Prob > chibar2 = 0.0000
chibar2(01) = 234.27
Test: Var(u) = 0
u 84.2776 9.180283
e 105.4448 10.26863
pza 252.7269 15.89739
Var sd = sqrt(Var)
Estimated results:
pza[id,t] = Xb + u[id] + e[id,t]
Breusch and Pagan Lagrangian multiplier test for random effects
. xttest0
145
3.4.3.2 Detección de Autocorrelación.
Para probar la existencia de autocorrelación se utilizará el test de Wooldridge, y el
planteamiento de la hipótesis queda expresado de la siguiente manera:
H0: No existe autocorrelación en el modelo.
H1: Si existe autocorrelación en el modelo.
Tabla 29
Detección de Autocorrelación por el Test de Wooldridge
Fuente: INEI y MEF.
Elaboración: Propia a través del software estadístico Stata 15.
De acuerdo al test de Wooldridge, se rechaza la hipótesis nula (H0), debido a que el valor
de la probabilidad es menor a 5%, por ende existe autocorrelación en el modelo de efectos
aleatorios, lo que significa que los términos de los errores de las variables no son independientes.
Por lo tanto, ambas pruebas indican que existen problemas de heterocedasticidad y
autocorrelación en el modelo de efectos aleatorios, lo que significa que estos deben ser corregidos.
Prob > F = 0.0004
F( 1, 6) = 50.144
H0: no first-order autocorrelation
Wooldridge test for autocorrelation in panel data
D1. .1956113 .181474 1.08 0.322 -.2484397 .6396623
lncm
D.pza Coef. Std. Err. t P>|t| [95% Conf. Interval]
Robust
(Std. Err. adjusted for 7 clusters in id)
Root MSE = 4.1387
R-squared = 0.0068
Prob > F = 0.3225
F(1, 6) = 1.16
Linear regression Number of obs = 143
. xtserial pza lncm, output
146
3.4.3.3 Corrección de los Problemas de Heterocedasticidad y Autocorrelación.
Después de haber estimado por los tres métodos con datos de panel (mínimos cuadrados
ordinarios agrupados, los modelos estáticos como: el modelo con efectos fijos y el modelo con
efectos aleatorios), se seleccionó el modelo de efectos aleatorios como el mejor modelo según el
test de Hausman mediante la comparación de sus resultados. Sin embargo, dicho modelo presentó
problemas de heterocedasticidad y autocorrelación. Por lo que, finalmente para corregir los
problemas anteriormente detectados en el modelo de efectos aleatorios, se aplicó el método de
mínimos cuadrados generalizados factibles, tal como se presenta en la Tabla 30.
Tabla 30
Regresión por Mínimos Cuadrados Generalizados Factibles
Fuente: INEI y MEF.
Elaboración: Propia a través del software estadístico Stata 15.
_cons 34.71496 1.149883 30.19 0.000 32.46123 36.96869
lncm -3.01214 .2641654 -11.40 0.000 -3.529895 -2.494385
pza Coef. Std. Err. z P>|z| [95% Conf. Interval]
Prob > chi2 = 0.0000
Wald chi2(1) = 130.02
max = 23
avg = 21.85714
min = 19
Estimated coefficients = 2 Obs per group:
Estimated autocorrelations = 0 Number of groups = 7
Estimated covariances = 7 Number of obs = 153
Correlation: no autocorrelation
Panels: heteroskedastic
Coefficients: generalized least squares
Cross-sectional time-series FGLS regression
. xtgls pza lncm, panel(het) rhotype(dw)
147
Ecuación final:
pzait = 34.71496 – 3.01214*lncmit
Por lo tanto, la ecuación final indica que el nivel de pobreza por NBI promedio en los
departamentos de la Macro Región Sur del Perú durante el periodo 1996-2018, fue de 34.71496%,
y por tanto, cuando todos los demás factores permanecen constantes (ceteris paribus), al
incrementarse el canon minero en 1% en dichos departamentos, el nivel de pobreza por NBI se
reduce en 3.01214%, ésta reducción tiene un intervalo entre 3.529895% y un 2.494385% al 95%
de confianza. Así mismo, el modelo muestra que es significativo individual y conjuntamente,
puesto que sus probabilidades (valor-p) son menores a 5% tanto para el estadístico de la prueba
“z” y la prueba “x2” respectivamente.
En ese sentido, los resultados cuantitativos finales encontrados en la Tabla 30, son
consistentes con las generalizaciones empíricas encontrados en el marco teórico, así mismo, son
relativamente parecidos a los resultados cuantitativos encontrados por Inoñan Chavez & Quispe
Luna (2019), Yujra Capquequi (2018), Vera Arela (2017) y Chávez Suazo & Ponce Romero
(2015), aunque cabe precisar que, dichas investigaciones, para analizar la influencia de los ingresos
generados de manera indirecta por la minería, en particular a través del canon minero, utilizaron
como variable dependiente a la pobreza, pero medido por el método “monetario” para diferentes
ámbitos de estudio, así como temporalidades, tal como se explicó en los antecedentes.
3.4.3.4 Grado de Correlación por Departamento.
Teniendo en cuenta la interpretación de los coeficientes de correlación “r”, tal como se
explica en el capítulo 2, y además, de acuerdo a la Tabla 31, en donde se muestra el grado de
correlación entre la pobreza por NBI y el canon minero para cada uno de los departamentos de la
Macro Región Sur durante los 23 años de estudio, se puede observar que existe una correlación
148
negativa muy fuerte en los departamentos de Arequipa (-0.81), Moquegua (-0.79) y Tacna (-0.75),
esto significa que en dichos departamentos existen un alto grado de asociación entre la variable
pobreza por NBI y canon minero, del cual se puede deducir que el canon minero tuvo un impacto
significativo en la reducción de la pobreza por NBI en los departamentos en mención, además cabe
destacar también que, los departamentos que tuvieron en promedio mayores ingresos per cápita
durante el periodo 1996-2018 (ver el Anexo 4), fueron: Moquegua (969 soles), Tacna (599 soles)
y Arequipa (180 soles), del mismo modo, los departamentos que presentaron menores niveles de
pobreza por NBI en el año 2018 (ver el Anexo 16), fueron Tacna (9.32%), Arequipa (10.07%),
Moquegua (11.38%).
Por otro lado, los departamentos de la Macro Región Sur que tuvieron una correlación
negativa considerable, fueron: Puno (-0.74), Madre de Dios (-0.73) y Cusco (-0.69), además, los
ingresos per cápita de dichos departamentos a lo largo de los 23 años de estudio, fueron: Puno (84
soles), Cusco (67 soles) y Madre de Dios (2 soles), y los niveles de pobreza por NBI en el año
2018 de los departamentos en mención, fueron: Puno (19.96%), Cusco (15.24%) y Madre de Dios
(25.43%).
Y por último, el coeficiente de correlación del departamento de Apurímac fue de -0.25,
siendo una correlación negativa débil, lo que quiere decir que, el canon minero tuvo un impacto
menos significativo en la reducción de la pobreza por NBI en dicho departamento, además, su
ingreso per cápita en promedio durante el periodo 1996-2018 fue de 13 soles, siendo uno de los
más bajos en la Macro Región Sur, y con respecto al nivel de pobreza por NBI, éste fue del 11.68%
en el año 2018, siendo uno de los más bajos a nivel de la Macro Región Sur y del Perú, lo que
significa que, podrían existir otros factores que hayan influido en el nivel de la pobreza por NBI
en el departamento de Apurímac al menos durante el horizonte de años del presente estudio.
149
Tabla 31
Grado de Correlación entre la Pobreza por NBI y el Canon Minero en los Departamentos de la MRS
Departamentos (i) Coeficiente de Correlación (r)
Apurímac -0.2482
Arequipa -0.8116
Cusco -0.6992
Madre de Dios -0.7258
Moquegua -0.7913
Puno -0.7394
Tacna -0.7497
Fuente: INEI y MEF.
Elaboración: Propia a través del software estadístico Stata 15.
De manera complementaria, en la Figura 39, se muestra la relación que tuvieron en el
periodo 1996-2018, la pobreza por NBI y el canon minero, tanto para la Macro Región Sur y el
Perú, en donde se puede visualizar a priori, una relación inversa entre dichas variables de estudio.
Figura 39
Relación entre la Pobreza por NBI y el Canon Minero en la MRS y en el Perú, 1996-2018
Fuente: INEI - MEF.
Elaboración: Propia.
Por lo que, si se desagrega a nivel de departamentos de la Macro Región Sur, se encuentra
que los departamentos que recibieron una mayor transferencia por concepto de canon minero
11 76 104 37 15 35 62 110 143472
855
1858 18181619
1078
18852113
1262 1141 1070
529 631
1177
54% 53%
50%
44%42%
46%44%
41% 40% 39%37%
33%30%
27%25% 26%
21%20%
18% 18% 18% 17%15%
0
1000
2000
3000
4000
5000
6000
0%
10%
20%
30%
40%
50%
60%
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Mil
lon
es
de
So
les
Po
rce
nta
jes
Años
ICM MRS ICM Perú NBI MRS NBI Perú
150
durante el periodo 1996-2018, reportan un menor nivel de pobreza por NBI en el año 2018, tal
como se muestra en la Figura 40.
Figura 40
Diagrama de Dispersión de la Relación entre la Pobreza por NBI y el Canon Minero en los
Departamentos de la MRS, 1996-2018
Además, en términos de per cápita (ver la Figura 41), se evidencia que los departamentos
de la Macro Región Sur del Perú que registraron un mayor crecimiento del canon minero per cápita
promedio durante el periodo 1996-2018, reportan un menor nivel de pobreza por NBI en el año
2018, siendo estos los departamentos de Arequipa, Moquegua y Tacna, mientras que por el otro
lado, el departamento de Madre de Dios, el cual registró el menor canon minero per cápita durante
el mismo periodo, reportó el mayor nivel de pobreza por NBI en el año 2018. Esta situación podría
estar asociado a la incidencia de la minería informal e ilegal que existe en el departamento de
Madre de Dios.
Apurímac
Arequipa
Cusco
Madre de Dios
Moquegua
Puno
Tacna
10
15
20
25
Po
bre
za
po
r N
BI 2
01
8 (
% d
e la
Po
bla
ció
n T
ota
l)
0 1000 2000 3000 4000 5000Canon Minero Acumulado desde 1996-2018 (Millones de Soles)
Pobreza por NBI (% de la población total) Fitted values
Fuente: INEI - MEF.
Elaboración: Propia.
151
Figura 41
Diagrama de Dispersión de la Relación entre la Pobreza por NBI y Canon Minero Per Cápita en los
Departamentos de la MRS, 1996-2018
Por lo tanto, los resultados encontrados anteriormente llevan a pensar que, al margen de
los impactos ambientales, sociales (conflictos sociales), entre otros, (los cuales son sumamente
relevantes para un análisis más profundo y completo), que pueden generar la explotación de los
recursos naturales, en particular mineros; durante el periodo 1996-2018, los impactos cuantitativos
encontrados en la presente investigación de los recursos económicos por canon minero, en
promedio, fueron positivos y de manera significativa en la reducción de la pobreza por NBI en la
Macro Región Sur, siendo en mayor medida en los departamentos de Arequipa, Moquegua y
Tacna.
Apurímac
Arequipa
Cusco
Madre de Dios
Moquegua
Puno
Tacna
MRS
Perú
10
15
20
25
Po
bre
za
po
r N
BI 2
01
8 (
% d
e la
Po
bla
ció
n T
ota
l)
0 200 400 600 800 1000Canon Minero Per Cápita Promedio 1996-2018 (Soles)
Pobreza por NBI (% de la población total) Fitted values
Fuente: INEI - MEF.
Elaboración: Propia.
152
Conclusiones
Primero.- Se concluye que el canon minero ha tenido un impacto positivo y
estadísticamente significativo en la reducción de la pobreza por NBI en la Macro Región Sur
durante el periodo 1996-2018. Así pues, se encontró que el impacto en la pobreza por NBI fue
mayor en los departamentos que percibieron mayores recursos por canon minero durante los 23
años de estudio.
Segundo.- Se desprende que durante el periodo 1996-2018, el canon minero tuvo una
tendencia creciente e incremento considerablemente en la Macro Región Sur. Del cual, los
departamentos de Moquegua, Tacna y Arequipa percibieron mayores recursos por canon minero,
mientras que el departamento de Madre de Dios percibió el menor recurso por canon minero. Sin
embargo, el comportamiento del canon minero no ha sido de manera sostenida y ha dependido en
gran medida de los precios de los metales.
Tercero.- Se confirma que el canon minero ha sido uno de los recursos económicos más
importantes en la Macro Región Sur durante los 23 años de estudio. Pues se evidenció que
representó la mayor parte de los recursos derivados por la explotación de recursos naturales, así
mismo, fue una de las principales fuentes de financiamiento de los gobiernos regionales y locales,
su principal destino de ejecución fue en el sector transporte, no obstante, su nivel de ejecución fue
relativamente considerable.
Cuarto.- Se puede afirmar que la evolución de la pobreza por NBI en la Macro Región Sur
durante los últimos 23 años, ha tenido una tendencia decreciente y su reducción ha sido de manera
paulatina. Del cual, los departamentos de Tacna, Arequipa y Moquegua presentaron menores
niveles de pobreza por NBI, mientras que el departamento de Madre de Dios presentó la mayor
pobreza por NBI durante todo el periodo de estudio.
153
Recomendaciones
Primero.- Los resultados de la presente investigación son sugerentes, pues el canon minero
no puede ser interpretado como el único factor de reducción de la pobreza por NBI, sino más bien
como una confluencia de múltiples factores adicionales. Por lo que, investigar de manera más
profunda y completa sobre los posibles canales de transmisión de la minería en la pobreza por NBI
está más allá del alcance de este estudio y ciertamente es un campo fértil para futuras
investigaciones.
Segundo.- A pesar de que el canon minero incrementó considerablemente, éste ha
dependido en gran medida de los precios de los metales, además, teniendo presente que los
recursos naturales son limitados y no renovables, es sumamente importante que al menos en el
corto plazo se deban aprovechar de manera óptima, pues en el largo plazo se debe crear una matriz
productiva diversificada sostenible, y de esta manera se debe evitar las consecuencias de la
dependencia minera, en especial de la dependencia tributaria (canon minero) sobre todo ante
shocks externos.
Tercero.- Debido a que el canon minero es transferido en el mes de julio a los gobiernos
regionales y locales, lo cual ocasiona que éstos solo tengan seis meses para ejecutar dichos
recursos, es que se recomienda adelantar oportunamente las transferencias por canon minero a
dichos gobiernos para mejorar sus niveles de ejecución. Además, resulta necesario que estos
gobiernos inviertan en el fortalecimiento de sus instituciones, sobre todo en su capital humano
orientados a incrementar especialmente la fase de ejecución de las inversiones financiadas con el
canon minero, pero sobre todo en mejorar la calidad de éstas.
154
Cuarto.- Es importante que los gobiernos regionales y locales planteen estrategias
adicionales para focalizar a la población con mayor vulnerabilidad no solo monetaria, sino sobre
todo con carencias de accesos a servicios básicos y priorizar inversiones específicamente en
función al cierre de estas brechas sociales. Puesto que, si bien es cierto la pobreza por NBI, así
como sus componentes, se han reducido en mayor medida en aquellos departamentos con mayor
canon minero, esto no ha sucedido con la misma intensidad en los demás departamentos, en
especial en Madre de Dios, por tal motivo, se sugiere formalizar la minería en este departamento,
pues permitirá incrementar exponencialmente la recaudación tributaria y por ende el canon minero,
el cual servirá como un medio para mejorar las condiciones de vida de la población, en particular
de la pobreza por NBI.
155
Referencias
Alichi, A., & Arezki, R. (01 de Mayo de 2009). An Alternative Explanation for the Resource
Curse : The Income Effect Channel [Una explicación alternativa para la maldición de los
recursos: El canal del efecto ingreso]. International Monetary Fund. Working papers
09/112, 1-24. Obtenido de https://ssrn.com/abstract=1415169
Alkire, S., & Foster, J. (2008). Counting and Multidimensional Poverty Measurement [Recuento
y medición de pobreza multidimensional]. Oxford Poverty & Human Development
Initiative (32). Obtenido de https://www.ophi.org.uk/wp-content/uploads/OPHI-wp32.pdf
Aparicio, J., & Márquez, J. (Octubre de 2005). Diagnóstico y especificación de modelos panel en
Stata 8.0. Obtenido de Investigadores CIDE:
http://investigadores.cide.edu/aparicio/data/ModelosPanelenStata.doc
Barneche, P. (Agosto de 2010). Métodos de medición de la pobreza. Conceptos y aplicaciones en
América Latina. (CIEPYC, Ed.) Obtenido de Dirección Provincial de Estadística de la
provincia de Buenos Aires: https://url2.cl/GxyMn
Barrantes, R. (2005). Minería, desarrollo y pobreza en el Perú, o de cómo todo depende del
cristal con que se mire. Te quiero pero no. Minería, desarrollo y poblaciones locales.
OXFAM, IEP, 17-80. Obtenido de https://url2.cl/idIZ5
Bazzano, M., & Montera, C. (2016). La utilización de datos secundarios en la investigación
social. Obtenido de Metodología de la Investigación. Cuaderno de cátedra N° 06.
Bernal, C. A. (2010). Metodología de la investigación (3a ed.). (O. Fernández Palma, Ed.)
Blaug, M. (1992). The Methodology of Economics: Or, How Economists Explain [La
metodología de la economía: o cómo explican los economistas]. Cambridge University
Press.
Booth, D., Hanmer, L., & Lovell, E. (2000). Poverty and Transport [Pobreza y transporte]. A
report prepared for the World Bank in collaboration with DFID. Obtenido de
https://url2.cl/qisZY
Boza Dibos, B. (2006). Canon minero: Nociones básicas. En Canon minero ¿Caja chica o
palanca para el desarrollo? (1a ed., págs. 17-41).
Bresser Pereira, L. (05 de Agosto de 2008). La enfermedad holandesa y su neutralización: Un
acercamiento ricardiano. Obtenido de AmerSur: https://url2.cl/rTR8a
Carrasco, S. (2009). Metodología de investigación científica. San Marcos.
Centro para la Competitividad y el Desarrollo. (11 de Julio de 2017). Los beneficios macro y
microeconómicos de la minería (presentación de diapositivas). Obtenido de Instituto de
156
Ingenieros de Minas del Perú: http://iimp.org.pe/boletines/informes/Beneficios-macro-y-
microeconomicos-de-la-mineria.pdf
CEPAL. (2000). Equidad, desarrollo y ciudadanía. Obtenido de Comisión Económica para
América Latina y el Caribe: https://www.cepal.org/es/publicaciones/2686-equidad-
desarrollo-ciudadania-version-definitiva
CEPAL. (Noviembre de 2009). Evaluación de impacto (presentación de diapositivas).
Recuperado el 01 de Marzo de 2019, de Comisión Económica para América y el Caribe:
https://www.cepal.org/ilpes/noticias/paginas/9/37779/impacto_rbbcproy.pdf
Chávez Suazo, H., & Ponce Romero, G. (2015). Influencia de las transferencias mineras en la
pobreza de las provincias de la región Junín 2006-2013. (Tesis de pregrado). Universidad
Nacional del Centro del Perú. Obtenido de
http://repositorio.uncp.edu.pe/handle/UNCP/1522
CooperAcción. (2016). Las tendencias de la inversión minera a nivel mundial y el caso de
América Latina. Recuperado el 01 de Agosto de 2018, de Ritimo:
https://www.ritimo.org/Las-tendencias-de-la-inversion-minera-a-nivel-mundial-y-el-caso-
de-America
Cueva Herrera, S. (2012). El impacto de las transferencias monetarias mineras en el desarrollo de
los distritos del Perú. (Tesis de maestría). Pontificia Universidad Católica del Perú.
Obtenido de http://tesis.pucp.edu.pe/repositorio/handle/20.500.12404/4627
Davis, P., & Sánchez Martínez, M. (2014). A review of the economic theories of poverty [Una
revisión de las teorías económicas de la pobreza]. Discussion papers 435 from the
National Institute for Economic and Social Research. Obtenido de
https://ideas.repec.org/p/nsr/niesrd/435.html
De Echave, J. (26 de Abril de 2019). Las tendencias de la inversión minera a nivel global.
Recuperado el 01 de Agosto de 2018, de Ovservatorio de conflictos mineros de América
Latina: https://www.ocmal.org/las-tendencias-de-la-inversion-minera-a-nivel-global/
Del Pozo, C., Guzmán, E., & Pucarmayta, V. (2012). ¿Minería y bienestar en el Perú?:
Evaluación de impacto del esquema actual (ex-post) y esquemas alternativos (ex-ante) de
re-distribución del canon minero, elementos para el debate. Consorcio de Investigación
Económica y Social. Obtenido de https://url2.cl/E3fZw
Donet Paredes, R. (2019). Minería y pobreza: Relación entre el índice de pobreza y las
transferencias por canon minero en el Perú. (Tesis de maestría). Pontificia Universidad
Católica de Chile. Obtenido de https://repositorio.uc.cl/handle/11534/27010
Esteban, E. (2009). Metodología de la investigación económica y social (1a ed.). San Marcos.
Esteves Gonzales, J., & Vargas Villafuerte, D. (2017). Impacto de las transferencias derivadas de
la explotación de recursos naturales en la pobreza multidimensional. (Tesis de maestría).
157
Pontificia Universidad Católica del Perú. Obtenido de
http://tesis.pucp.edu.pe/repositorio/handle/20.500.12404/10258
Feres, J. C. (Enero de 2001). Enfoques para la medición de la pobreza. Breve revisión de la
literatura. Obtenido de Comisión Económica para América Latina y el Caribe:
https://repositorio.cepal.org/handle/11362/4740
Feres, J. C., & Mancero, X. (2001). El método de las necesidades básicas insatisfechas (NBI) y
sus aplicaciones en América Latina. Comisión Económica para América Latina y el
Caribe. Obtenido de https://url2.cl/txQww
Franco Gavonel, M. (2011). The Impact of Mining Canon Transfers on Multidimensional
Poverty in Peru [El impacto de las transferencias de canon minero en la pobreza
multidimensional en Perú]. (Tesis de maestría). University of Manchester. Obtenido de
https://url2.cl/XzNZ1
Giménez Mercado, C., & Valente Adarme, X. (2016). Una aproximación a la pobreza desde el
enfoque de capacidades de Amartya Sen. Provincia (35), 99-149. Recuperado el 18 de
Diciembre de 2019, de https://www.redalyc.org/articulo.oa?id=55548904005
GLR. (19 de Febrero de 2010). Si Madre de Dios formaliza minería podría recibir por canon
minero. Obtenido de La Republica: https://larepublica.pe/archivo/449590-si-madre-de-
dios-formaliza-mineria-podria-recibir-por-canon-minero/
Gonzáles Castillo, J. (2009). Recursos naturales y crecimiento económico en la economía
peruana. (Tesis de doctorado). Universidad Nacional Autónoma de México. Obtenido de
http://132.248.9.195/ptd2009/julio/0645961/Index.html
Gordon, D. (Diciembre de 2005). Indicators of Poverty & Hunger [Indicadores de pobreza y
hambre]. Obtenido de
https://www.un.org/esa/socdev/unyin/documents/ydiDavidGordon_poverty.pdf
Gujarati, D., & Porter, D. (2010). Econometría (5a ed.). The McGraw-Hill.
Hernández Sampieri, R., & Mendoza Torres, C. (2018). Metodología de la investigación: Las
rutas cuantitativa, cualitativa y mixta (1a ed.). McGraw-Hill.
Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, M. (2014). Metodología de la
Investigación (6a ed.). McGraw-Hill.
Herrera, J. (2001). Nuevas estimaciones de la pobreza en el Perú, 1997-2000. Obtenido de
Instituto Nacional de Estadistica e Informática: https://url2.cl/N4yMa
Hinojosa, L. (2011). Riqueza mineral y pobreza en los andes. European Journal of Development
Research (23), 488-504. doi: https://doi.org/10.1057/ejdr.2011.11
INEI. (2000). Metodología para la medición de la pobreza en el Perú. Obtenido de Instituo
Nacional de Estadística e Informática: https://url2.cl/YFHlz
158
INEI. (2006). Condiciones de vida en el Perú: Evolución 1997-2004. Instituto Nacional de
Estadística e Informática.
INEI. (2011). Perú: Perfil de la pobreza por Departamentos, 2001-2010. Instituto Nacional de
Estadística e Informática.
INEI. (Marzo de 2016). Medición oficial de la pobreza en el Perú y fuentes disponibles.
Obtenido de Instituto Nacional de Estadística e Informática: https://url2.cl/7rjTz
INEI. (2018). Perfil de la pobreza por dominiós geográficos 2007-2017. Instituto Nacional de
Estadística e Informática.
INEI. (2019). Perfil de la pobreza por dominios geográficos 2008-2018. Instituto Nacional de
Estadística e Informática.
INEI. (2020). Mapa de pobreza monetaria provincial y distrital 2018 (1a ed.). Instituto Nacional
de Estadística e Informática.
Inoñan Chavez, L., & Quispe Luna, V. (2019). Impacto del canon minero en la pobreza del
departamento de Cajamarca, 2004-2017. (Tesis de pregrado). Universidad Nacional
Pedro Ruiz Gallo. Obtenido de http://repositorio.unprg.edu.pe/handle/UNPRG/4430
IPE. (2017). Importancia de la minería en la recaudación fiscal. En El valor agregado de la
minería en el Perú (1a ed., págs. 23-27). Instituto de Estudios Energético Minero.
Instituto Peruano de Economía.
IPE. (2019). Evaluación de la estructura tributaria del sector minero. Obtenido de Instituto
Peruano de Economía: https://www.ipe.org.pe/portal/evaluacion-de-la-estructura-
tributaria-del-sector-minero/
Liberta Bonilla, B. (2007). Impacto, impacto social y evaluación del impacto. Recuperado el 01
de Marzo de 2019, de http://scielo.sld.cu/pdf/aci/v15n3/aci08307.pdf
Loayza, N., & Rigolini, J. (2016). The Local Impact of Mining on Poverty and Inequality:
Evidence from the Commodity Boom in Peru [El impacto local de la minería en la
pobreza y la desigualdad: evidencia del auge de los productos básicos en Perú]. World
Development. Working Paper No. 33-2015, 84, 219-234. doi:
https://doi.org/10.1016/j.worlddev.2016.03.005
Macroconsult. (2012). Impacto económico de la actividad minera en el Perú. Obtenido de
Sociedad Nacional de Minería, Petróleo y Energía: https://www.snmpe.org.pe/informes-
y-publicaciones/impacto-economico-de-la-actividad-minera-en-el-peru.html
Mallorquín, C. (2005). Raúl Prebisch y el deterioro de los términos de intercambio. Revista
Mexicana de Sociología, 67 (2), 379-426. Obtenido de
https://www.jstor.org/stable/3541545
159
Manuel Sulca, M. (2010). Administración eficiente del canon minero en la región La Libertad y
la necesidad de elaborar proyectos sociales de alivio de la pobreza: 2002-2006. (Tesis de
doctorado). Universidad Nacional de Trujillo. Obtenido de
http://dspace.unitru.edu.pe/handle/UNITRU/4903
MEF. (06 de Diciembre de 2018). Ley Nº 30879, Ley de Presupuesto del Sector Público para el
Año Fiscal 2019. Obtenido de Presupuesto Público. Ministerio de Economía y Finanzas.
MEF. (23 de Enero de 2019). Directiva N° 001-2019-EF/63.01, Directiva General del Sistema
Nacional de Programación Multianual y Gestión de Inversiones. Obtenido de Inversión
Pública. Ministerio de Economía y Finanzas.
MEF. (s.f.). Métodos para medir pobreza. Recuperado el 20 de Agosto de 2019, de Ministerio de
Economía y Finanzas: https://www.mef.gob.pe/es/mapas-de-pobreza/metodos-para-
medir-la-pobreza
MEF. (s.f.). Transferencia a Gobierno Nacional, Regional y Locales. Base legal y apectos
metodológicos. Recuperado el 18 de Noviembre de 2018, de Ministerio de Economía y
Finanzas: https://url2.cl/Ch22X
Mendoza Bellido, W. (2014). Cómo investigan los economistas. Guía para elaborar y
desarrollar un proyecto de investigación. Pontificia Universidad Católica del Perú.
Mendoza, A., & De Echave, J. (2016). ¿Pagaron lo justo? Política Fiscal Peruana en tiempos
del boom minero. Obtenido de Oxford Committee for Famine Relief:
https://url2.cl/KBWm3
MINEM. (s.f.). Perú: País Minero. Recuperado el 02 de Agosto de 2018, de Ministerio de
Energía y Minas: http://mineria.minem.gob.pe/institucional/peru-pais-minero/
Neyra Chavez, C. (2018). Impacto de la minería en la pobreza de las regiones 2004-2010. (Tesis
de pregrado). Pontificia Universidad Católica del Perú. Obtenido de
http://tesis.pucp.edu.pe/repositorio/handle/20.500.12404/13126
ONU. (1987). Nuestro futuro común: Informe Brundtland. Recuperado el 05 de Octubre de
2018, de http://www.un-documents.net/wced-ocf.htm
Paredes Mamani, R. (2010). La pobreza y su dinámica en el sur del Perú. Consorcio de
Investigación Económica y Social. Obtenido de
http://repositorio.minedu.gob.pe/handle/123456789/1301
Pegg, S. (2006). Mining and Poverty Reduction: Transforming Rhetoric into Reality [Minería y
reducción de la pobreza: Transformación retórica en realidad]. Journal of Cleaner
Production, 14 (3-4), 376-387. doi: https://doi.org/10.1016/j.jclepro.2004.06.006
Pérez Campos, P., & Rodríguez Saldarriaga, A. (2015). El ejercicio de medir la pobreza en el
Perú. En H. C. Pulache (Ed.), Evidencia para una política de inversión en el talento (Vol.
160
2, págs. 207-215). Programa Nacional de Becas y Crédito Educativo. Ministerio de
Educación. Obtenido de https://url2.cl/Z9QXT
PNUD. (2000). Informe sobre desarrollo humano. Programa de las Naciones Unidas para el
Desarrollo. Mundi-Prensa. Obtenido de
http://hdr.undp.org/sites/default/files/hdr_2000_es.pdf
Quiñones Huayna, N. (2012-2013). Primer estudio de transparencia regional EITI Moquegua.
Obtenido de Grupo Propuesta Ciudadana.
Ramírez Londoño, V., & Zuleta Muñoz, G. (2016). El impacto de los recursos naturales sobre el
crecimiento económico de las economías en desarrollo (1991-2014). (Tesis de pregrado).
Universidad EAFIT. Obtenido de https://repository.eafit.edu.co/handle/10784/11266
Robinson, J., Torvik, R., & Verdier, T. (2006). Political foundations of the resource curse
[Fundamentos políticos de la maldición de los recursos]. Journal of Development
Economics, 79 (2), 447-468. doi: https://doi.org/10.1016/j.jdeveco.2006.01.008
Rodríguez Ravines, R. (2007). Estudio de diagnóstico pobreza monetaria a traves de las
encuestas a hogares. Andestad. Obtenido de https://url2.cl/e7nYa
Romero, A. (2013). El mundo de la pobreza. Primera parte. Tendencias, 1 (2), 35-60. Obtenido
de https://revistas.udenar.edu.co/index.php/rtend/article/view/696
Romucho, R. (21 de Noviembre de 2013). Canon minero 12 años después. Obtenido de
http://www.iimp.org.pe/pptjm/jm20131121_canon.pdf
Sachs, J., & Warner, A. (1997). Natural Resource Abundance and Economic Growth
[Abundancia de recursos naturales y crecimiento económico]. Journal of development
economics, 43-76. doi: https://doi.org/10.1016/S0304-3878(99)00005-X
Sánchez Álzate, M. (2010-2011). ¿Condicionan los recursos naturales el crecimiento
económico? Semestre Económico, 14 (29), 117-128. Obtenido de
http://www.scielo.org.co/pdf/seec/v14nspe29/v14nspe29a7.pdf
Sen, A. (2000). Desarrollo y libertad. Planeta.
SNMPE. (s.f.). ¿Qué es el canon minero? Obtenido de Sociedad Nacional de Minería, Petróleo y
Energía: https://url2.cl/wv9Yu
SNMPE. (2016). Reporte canon y sobrecanon petrolero. Recuperado el 29 de Mayo de 2019, de
Sociedad Nacional de Minería y Petróleo: https://url2.cl/Q9gYa
SNMPE. (2018). El canon, sobrecanon y las regalías en el Perú (2008 - 2017) (1a ed.). Instituto
Nacional de Estudios Enegéticos. Sociedad Nacional de Minería, Petróleo y Energía.
Stock, J., & Watson, M. (2012). Introducción a la econometría (3a ed.). Pearson educación.
161
Supo, J. (2020). Metodología de la investigación científica. Para las ciencias de la salud y las
ciencias sociales (3a ed.). BIOESTADÍSTICO EEDU EIRL.
Ticci, E. (2011). Extractive industries and local development in the peruvian highlands:
socioeconomics impacts of the mid-1990s mining boom [Industrias extractivas y
desarrollo local en el altiplano peruano: impactos socioeconómicos del auge minero de
la década 1990]. Obtenido de European University Institute. Working papers:
https://url2.cl/HwUwg
Toledo, W. (Septiembre de 2012). Una introducción a la econometría con datos de panel.
Obtenido de Universidad de Puerto Rico: http://economia.uprrp.edu/Ensayo%20152.pdf
Urbina Padilla, D., & Quispe, M. R. (2016-2017). La pobreza monetaria desde la perspectiva de
la pobreza multidimensional: el caso peruano. Enfoque, (2), 77-98. doi:
http://doi.org/10.26439/enfoque2016.n002.1871
Venables, A., Maloney, W., Kokko, A., Bravo, C., Lederman, D., Rigobón, R., . . . Wright, G.
(2006). Natural Resources: Neither Curse Nor Destiny [Recursos naturales, ni maldición
ni destino]. World Bank Publications. Obtenido de https://url2.cl/yZHMg
Vera Arela, E. (2017). El impacto de la minería en la economía del departamento de Arequipa
para el periodo del 2000-2015. (Tesis de maestría). Pontificia Universidad Católica del
Perú. Obtenido de http://tesis.pucp.edu.pe/repositorio/handle/20.500.12404/9279
Wooldridge, J. M. (2009). Introducción a la econometría. Un enfoque moderno (4a ed.).
Michigan State University.
World Bank. (1990). World Develoment Report 1990: Poverty [Informe sobre el desarrollo
mundial 1990: Pobreza]. Oxford University Press. Obtenido de https://url2.cl/Uzi3R
Yujra Capquequi, S. (2018). Impacto del canon minero en el crecimiento económico y la pobreza
en las regiones mineras del Perú, 2004-2015. (Tesis de pregrado). Universidad Nacional
del Altiplano. Obtenido de http://repositorio.unap.edu.pe/handle/UNAP/8138
Zamalloa Valera, D. (2014). Análisis del impacto de la presencia de actividad minera sobre la
pobreza a nivel distrital de las regiones Ancash, Cajamarca, Arequipa y Pasco entre los
años 1993 y 2007. (Tesis de pregrado). Universidad Peruana de Ciencias Aplicadas.
Obtenido de https://repositorioacademico.upc.edu.pe/handle/10757/337135
Zambrano, O., Robles, M., & Laos, D. (2014). Global Boom, Local Impacts: Mining Revenues
and Subnational Outcomes in Peru 2007-2011 [Auge global, impactos locales: Ingresos
mineros y resultados subnacionales en Perú 2007-2011]. Obtenido de Inter-American
Development Bank. Working Paper Series No. IDB-WP-509: http://goo.gl/Nl0xJ1
162
Anexos
Anexo 1- Canon Minero en los Gobiernos Regionales de los Departamentos de la MRS, 1996-2018
(Millones de Soles)
Fuente: Datos del año 1996 al 2018, tomados del MEF - Transparencia económica - Consulta de
transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna GR - MRS GR - Perú
1996 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1997 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1998 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1999 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2000 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2001 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2002 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2003 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2004 S/. 0.21 S/. 2.51 S/. 0.00 S/. 0.00 S/. 3.69 S/. 4.50 S/. 5.65 S/. 16.57 S/. 53.09
2005 S/. 1.27 S/. 14.13 S/. 4.65 S/. 0.01 S/. 37.17 S/. 21.02 S/. 37.78 S/. 116.02 S/. 222.03
2006 S/. 2.09 S/. 17.80 S/. 16.81 S/. 0.01 S/. 67.81 S/. 29.21 S/. 80.13 S/. 213.86 S/. 436.59
2007 S/. 5.77 S/. 39.36 S/. 68.22 S/. 0.01 S/. 121.89 S/. 35.99 S/. 193.31 S/. 464.56 S/. 1,289.25
2008 S/. 5.64 S/. 114.37 S/. 60.60 S/. 0.01 S/. 52.96 S/. 43.02 S/. 177.90 S/. 454.50 S/. 1,108.92
2009 S/. 3.00 S/. 132.71 S/. 33.82 S/. 0.01 S/. 96.81 S/. 61.49 S/. 76.81 S/. 404.66 S/. 858.61
2010 S/. 0.19 S/. 86.88 S/. 25.91 S/. 0.01 S/. 61.92 S/. 44.85 S/. 49.80 S/. 269.56 S/. 772.41
2011 S/. 0.52 S/. 165.66 S/. 42.50 S/. 0.03 S/. 99.09 S/. 75.83 S/. 87.53 S/. 471.16 S/. 1,039.34
2012 S/. 1.82 S/. 195.40 S/. 89.24 S/. 0.18 S/. 82.57 S/. 74.86 S/. 84.14 S/. 528.20 S/. 1,281.06
2013 S/. 2.46 S/. 111.44 S/. 9.19 S/. 0.42 S/. 75.31 S/. 53.69 S/. 62.98 S/. 315.49 S/. 954.33
2014 S/. 0.58 S/. 95.80 S/. 25.19 S/. 0.20 S/. 63.01 S/. 43.70 S/. 56.70 S/. 285.19 S/. 744.65
2015 S/. 0.00 S/. 89.21 S/. 34.27 S/. 0.02 S/. 58.39 S/. 34.24 S/. 51.42 S/. 267.54 S/. 565.03
2016 S/. 0.80 S/. 5.50 S/. 12.26 S/. 0.15 S/. 47.44 S/. 21.70 S/. 44.41 S/. 132.26 S/. 374.19
2017 S/. 4.12 S/. 64.65 S/. 20.33 S/. 0.22 S/. 21.85 S/. 22.85 S/. 23.68 S/. 157.70 S/. 465.67
2018 S/. 2.93 S/. 132.94 S/. 52.89 S/. 0.37 S/. 40.58 S/. 22.94 S/. 41.67 S/. 294.32 S/. 789.41
Acumulado S/. 31.40 S/. 1,268.36 S/. 495.88 S/. 1.65 S/. 930.50 S/. 589.90 S/. 1,073.91 S/. 4,391.59 S/. 10,954.58
163
Anexo 2- Canon Minero en los Gobiernos Locales de los Departamentos de la MRS, 1996-2018
(Millones de Soles)
Fuente: Datos del año 1996 al 2018, tomados del MEF - Transparencia económica - Consulta de
transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna GL - MRS GL - Perú
1996 S/. 0.00 S/. 0.36 S/. 0.20 S/. 0.00 S/. 6.88 S/. 0.72 S/. 2.90 S/. 11.06 S/. 15.38
1997 S/. 0.34 S/. 3.03 S/. 1.15 S/. 0.02 S/. 23.22 S/. 28.72 S/. 19.18 S/. 75.65 S/. 110.94
1998 S/. 0.56 S/. 4.45 S/. 2.01 S/. 0.03 S/. 28.73 S/. 43.10 S/. 25.58 S/. 104.46 S/. 169.43
1999 S/. 0.33 S/. 3.89 S/. 1.05 S/. 0.02 S/. 7.86 S/. 16.61 S/. 7.07 S/. 36.83 S/. 86.51
2000 S/. 0.06 S/. 4.06 S/. 0.00 S/. 0.00 S/. 0.69 S/. 9.44 S/. 0.57 S/. 14.82 S/. 55.36
2001 S/. 0.00 S/. 7.29 S/. 0.32 S/. 0.00 S/. 7.39 S/. 16.17 S/. 3.98 S/. 35.16 S/. 81.28
2002 S/. 0.00 S/. 15.95 S/. 0.23 S/. 0.00 S/. 13.70 S/. 24.12 S/. 7.62 S/. 61.62 S/. 116.21
2003 S/. 0.19 S/. 19.78 S/. 0.00 S/. 0.00 S/. 21.02 S/. 57.06 S/. 11.67 S/. 109.71 S/. 228.66
2004 S/. 1.03 S/. 18.60 S/. 0.00 S/. 0.02 S/. 26.12 S/. 51.31 S/. 29.62 S/. 126.71 S/. 346.17
2005 S/. 3.80 S/. 42.42 S/. 13.94 S/. 0.04 S/. 111.34 S/. 71.44 S/. 113.34 S/. 356.32 S/. 666.09
2006 S/. 6.27 S/. 53.44 S/. 50.43 S/. 0.02 S/. 202.78 S/. 88.28 S/. 240.40 S/. 641.62 S/. 1,309.78
2007 S/. 17.30 S/. 118.17 S/. 204.66 S/. 0.03 S/. 365.33 S/. 108.32 S/. 579.94 S/. 1,393.75 S/. 3,867.75
2008 S/. 16.91 S/. 343.16 S/. 181.80 S/. 0.04 S/. 158.47 S/. 129.48 S/. 533.70 S/. 1,363.56 S/. 3,326.76
2009 S/. 9.00 S/. 398.13 S/. 101.46 S/. 0.03 S/. 288.75 S/. 186.16 S/. 230.43 S/. 1,213.98 S/. 2,575.84
2010 S/. 0.56 S/. 260.63 S/. 77.73 S/. 0.04 S/. 183.57 S/. 136.74 S/. 149.40 S/. 808.67 S/. 2,317.22
2011 S/. 1.49 S/. 496.99 S/. 127.58 S/. 0.09 S/. 293.41 S/. 231.34 S/. 262.58 S/. 1,413.48 S/. 3,118.03
2012 S/. 5.22 S/. 586.19 S/. 267.96 S/. 0.53 S/. 242.85 S/. 229.46 S/. 252.41 S/. 1,584.61 S/. 3,843.18
2013 S/. 9.18 S/. 334.33 S/. 25.79 S/. 1.25 S/. 222.18 S/. 164.81 S/. 188.94 S/. 946.48 S/. 2,862.83
2014 S/. 1.68 S/. 287.40 S/. 75.66 S/. 0.59 S/. 186.39 S/. 133.75 S/. 170.10 S/. 855.58 S/. 2,234.10
2015 S/. 0.00 S/. 267.62 S/. 102.80 S/. 0.07 S/. 175.16 S/. 102.71 S/. 154.26 S/. 802.62 S/. 1,695.02
2016 S/. 2.41 S/. 16.49 S/. 36.78 S/. 0.44 S/. 141.96 S/. 65.47 S/. 133.24 S/. 396.79 S/. 1,122.63
2017 S/. 12.35 S/. 193.96 S/. 60.98 S/. 0.66 S/. 65.54 S/. 68.56 S/. 71.04 S/. 473.09 S/. 1,397.01
2018 S/. 8.78 S/. 398.82 S/. 158.67 S/. 1.10 S/. 121.74 S/. 68.82 S/. 125.02 S/. 882.95 S/. 2,368.23
Acumulado S/. 97.45 S/. 3,875.15 S/. 1,491.19 S/. 5.03 S/. 2,895.06 S/. 2,032.61 S/. 3,313.00 S/. 13,709.50 S/. 33,914.41
164
Anexo 3- Canon Minero en los Departamentos de la MRS, 1996-2018 (Millones de Soles)
Nota: El canon minero transferido considera a los gobiernos regionales y locales de cada departamento.
Fuente: Datos del año 1996 al 2018, tomados del MEF - Transparencia económica - Consulta de
transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996 S/. 0.00 S/. 0.36 S/. 0.20 S/. 0.00 S/. 6.88 S/. 0.72 S/. 2.90 S/. 11.06 S/. 15.38
1997 S/. 0.34 S/. 3.03 S/. 1.15 S/. 0.02 S/. 23.22 S/. 28.72 S/. 19.18 S/. 75.65 S/. 110.94
1998 S/. 0.56 S/. 4.45 S/. 2.01 S/. 0.03 S/. 28.73 S/. 43.10 S/. 25.58 S/. 104.46 S/. 169.43
1999 S/. 0.33 S/. 3.89 S/. 1.05 S/. 0.02 S/. 7.86 S/. 16.61 S/. 7.07 S/. 36.83 S/. 86.51
2000 S/. 0.06 S/. 4.06 S/. 0.00 S/. 0.00 S/. 0.69 S/. 9.44 S/. 0.57 S/. 14.82 S/. 55.36
2001 S/. 0.00 S/. 7.29 S/. 0.32 S/. 0.00 S/. 7.39 S/. 16.17 S/. 3.98 S/. 35.16 S/. 81.28
2002 S/. 0.00 S/. 15.95 S/. 0.23 S/. 0.00 S/. 13.70 S/. 24.12 S/. 7.62 S/. 61.62 S/. 116.21
2003 S/. 0.19 S/. 19.78 S/. 0.00 S/. 0.00 S/. 21.02 S/. 57.06 S/. 11.67 S/. 109.71 S/. 228.66
2004 S/. 1.25 S/. 21.12 S/. 0.00 S/. 0.02 S/. 29.81 S/. 55.81 S/. 35.27 S/. 143.28 S/. 399.25
2005 S/. 5.07 S/. 56.55 S/. 18.59 S/. 0.06 S/. 148.51 S/. 92.46 S/. 151.12 S/. 472.34 S/. 888.12
2006 S/. 8.36 S/. 71.24 S/. 67.24 S/. 0.03 S/. 270.59 S/. 117.49 S/. 320.53 S/. 855.49 S/. 1,746.38
2007 S/. 23.07 S/. 157.53 S/. 272.89 S/. 0.04 S/. 487.22 S/. 144.32 S/. 773.25 S/. 1,858.31 S/. 5,157.00
2008 S/. 22.54 S/. 457.53 S/. 242.41 S/. 0.05 S/. 211.44 S/. 172.50 S/. 711.60 S/. 1,818.06 S/. 4,435.67
2009 S/. 12.01 S/. 530.85 S/. 135.27 S/. 0.04 S/. 385.56 S/. 247.66 S/. 307.25 S/. 1,618.64 S/. 3,434.45
2010 S/. 0.74 S/. 347.51 S/. 103.64 S/. 0.06 S/. 245.49 S/. 181.58 S/. 199.21 S/. 1,078.23 S/. 3,089.62
2011 S/. 2.00 S/. 662.65 S/. 170.08 S/. 0.12 S/. 392.51 S/. 307.17 S/. 350.10 S/. 1,884.63 S/. 4,157.37
2012 S/. 7.04 S/. 781.59 S/. 357.20 S/. 0.71 S/. 325.42 S/. 304.32 S/. 336.55 S/. 2,112.82 S/. 5,124.24
2013 S/. 11.64 S/. 445.77 S/. 34.98 S/. 1.67 S/. 297.49 S/. 218.49 S/. 251.92 S/. 1,261.97 S/. 3,817.17
2014 S/. 2.26 S/. 383.20 S/. 100.85 S/. 0.79 S/. 249.40 S/. 177.46 S/. 226.80 S/. 1,140.77 S/. 2,978.75
2015 S/. 0.00 S/. 356.82 S/. 137.07 S/. 0.10 S/. 233.54 S/. 136.94 S/. 205.68 S/. 1,070.16 S/. 2,260.05
2016 S/. 3.21 S/. 21.99 S/. 49.04 S/. 0.58 S/. 189.40 S/. 87.17 S/. 177.66 S/. 529.05 S/. 1,496.82
2017 S/. 16.47 S/. 258.61 S/. 81.31 S/. 0.88 S/. 87.39 S/. 91.42 S/. 94.72 S/. 630.79 S/. 1,862.68
2018 S/. 11.71 S/. 531.76 S/. 211.56 S/. 1.46 S/. 162.31 S/. 91.77 S/. 166.69 S/. 1,177.26 S/. 3,157.64
Acumulado S/. 128.85 S/. 5,143.51 S/. 1,987.07 S/. 6.68 S/. 3,825.56 S/. 2,622.50 S/. 4,386.91 S/. 18,101.09 S/. 44,868.99
165
Anexo 4- Canon Minero Per Cápita en los Departamentos de la MRS, 1996-2018 (Soles)
Fuente: MEF - INEI.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996 S/. 0.00 S/. 0.36 S/. 0.17 S/. 0.00 S/. 48.41 S/. 0.62 S/. 11.89 S/. 2.65 S/. 0.63
1997 S/. 0.83 S/. 2.94 S/. 1.01 S/. 0.20 S/. 160.47 S/. 24.33 S/. 76.58 S/. 17.86 S/. 4.48
1998 S/. 1.34 S/. 4.23 S/. 1.75 S/. 0.38 S/. 195.09 S/. 36.06 S/. 99.62 S/. 24.32 S/. 6.73
1999 S/. 0.80 S/. 3.64 S/. 0.90 S/. 0.20 S/. 52.50 S/. 13.73 S/. 26.90 S/. 8.46 S/. 3.38
2000 S/. 0.14 S/. 3.74 S/. 0.00 S/. 0.00 S/. 4.51 S/. 7.71 S/. 2.13 S/. 3.36 S/. 2.13
2001 S/. 0.00 S/. 6.62 S/. 0.27 S/. 0.00 S/. 47.89 S/. 13.06 S/. 14.48 S/. 7.87 S/. 3.08
2002 S/. 0.00 S/. 14.31 S/. 0.19 S/. 0.00 S/. 87.59 S/. 19.25 S/. 27.16 S/. 13.63 S/. 4.35
2003 S/. 0.44 S/. 17.52 S/. 0.00 S/. 0.00 S/. 132.67 S/. 45.04 S/. 40.78 S/. 23.99 S/. 8.44
2004 S/. 2.90 S/. 18.49 S/. 0.00 S/. 0.21 S/. 185.92 S/. 43.58 S/. 120.96 S/. 30.98 S/. 14.54
2005 S/. 11.69 S/. 48.95 S/. 15.13 S/. 0.53 S/. 915.39 S/. 71.46 S/. 509.22 S/. 101.04 S/. 31.93
2006 S/. 19.17 S/. 60.98 S/. 54.31 S/. 0.30 S/. 1,649.05 S/. 89.95 S/. 1,062.32 S/. 181.15 S/. 62.04
2007 S/. 52.58 S/. 133.42 S/. 218.74 S/. 0.38 S/. 2,937.32 S/. 109.50 S/. 2,523.16 S/. 389.68 S/. 181.06
2008 S/. 51.06 S/. 383.53 S/. 192.88 S/. 0.42 S/. 1,261.43 S/. 129.77 S/. 2,287.81 S/. 377.67 S/. 153.98
2009 S/. 27.03 S/. 440.42 S/. 106.87 S/. 0.37 S/. 2,276.53 S/. 184.72 S/. 973.73 S/. 333.13 S/. 117.89
2010 S/. 1.67 S/. 285.27 S/. 81.30 S/. 0.47 S/. 1,434.31 S/. 134.26 S/. 622.48 S/. 219.84 S/. 104.87
2011 S/. 4.46 S/. 538.06 S/. 132.51 S/. 0.97 S/. 2,268.89 S/. 225.07 S/. 1,078.90 S/. 380.65 S/. 139.52
2012 S/. 15.57 S/. 627.65 S/. 276.43 S/. 5.57 S/. 1,861.05 S/. 220.98 S/. 1,023.20 S/. 422.75 S/. 170.04
2013 S/. 25.62 S/. 354.02 S/. 26.90 S/. 12.77 S/. 1,683.26 S/. 157.22 S/. 755.89 S/. 250.16 S/. 125.26
2014 S/. 4.95 S/. 300.98 S/. 77.06 S/. 5.88 S/. 1,396.33 S/. 126.53 S/. 671.84 S/. 224.06 S/. 96.67
2015 S/. 0.00 S/. 277.21 S/. 104.10 S/. 0.73 S/. 1,294.04 S/. 96.74 S/. 601.69 S/. 208.28 S/. 72.55
2016 S/. 6.96 S/. 16.89 S/. 37.03 S/. 4.15 S/. 1,038.73 S/. 61.00 S/. 513.45 S/. 102.04 S/. 47.54
2017 S/. 35.59 S/. 196.58 S/. 61.05 S/. 6.16 S/. 474.47 S/. 63.36 S/. 270.54 S/. 120.59 S/. 58.53
2018 S/. 25.20 S/. 399.88 S/. 158.01 S/. 9.96 S/. 872.49 S/. 62.98 S/. 470.67 S/. 223.08 S/. 98.18
Promedio S/. 12.52 S/. 179.81 S/. 67.24 S/. 2.16 S/. 968.62 S/. 84.21 S/. 599.36 S/. 159.44 S/. 65.56
166
Anexo 5- Distribución del Canon Minero según Ámbito en el Perú, 1996-2018 (Millones de Soles)
Fuente: Datos del año 1996 al 2018, tomados del MEF - Transparencia económica - Consulta de
transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Año/ÁmbitoGobiernos
Locales
Gobiernos
Regionales
Gobierno
Nacional
Universidades
(20% del GR)Perú (GL+GR) MRS (GL+GR) MRS/Perú
1996 S/. 15.38 S/. 0.00 S/. 0.00 S/. 0.00 S/. 15.38 S/. 11.06 71.92%
1997 S/. 110.94 S/. 0.00 S/. 0.00 S/. 0.00 S/. 110.94 S/. 75.65 68.20%
1998 S/. 169.43 S/. 0.00 S/. 0.00 S/. 0.00 S/. 169.43 S/. 104.46 61.65%
1999 S/. 86.51 S/. 0.00 S/. 0.00 S/. 0.00 S/. 86.51 S/. 36.83 42.57%
2000 S/. 55.36 S/. 0.00 S/. 0.00 S/. 0.00 S/. 55.36 S/. 14.82 26.76%
2001 S/. 81.28 S/. 0.00 S/. 0.00 S/. 0.00 S/. 81.28 S/. 35.16 43.25%
2002 S/. 116.21 S/. 0.00 S/. 0.00 S/. 0.00 S/. 116.21 S/. 61.62 53.02%
2003 S/. 228.66 S/. 0.00 S/. 0.00 S/. 0.00 S/. 228.66 S/. 109.71 47.98%
2004 S/. 346.17 S/. 53.09 S/. 0.00 S/. 10.62 S/. 399.25 S/. 143.28 35.89%
2005 S/. 666.09 S/. 222.03 S/. 0.00 S/. 44.41 S/. 885.37 S/. 472.34 53.35%
2006 S/. 1,309.78 S/. 436.59 S/. 0.00 S/. 87.32 S/. 1,746.38 S/. 855.49 48.99%
2007 S/. 3,867.75 S/. 1,289.25 S/. 0.00 S/. 257.85 S/. 5,157.00 S/. 1,858.31 36.03%
2008 S/. 3,326.76 S/. 1,108.92 S/. 0.00 S/. 221.78 S/. 4,435.67 S/. 1,818.06 40.99%
2009 S/. 2,575.84 S/. 858.61 S/. 0.00 S/. 171.72 S/. 3,434.45 S/. 1,618.64 47.13%
2010 S/. 2,317.22 S/. 772.41 S/. 0.00 S/. 154.48 S/. 3,089.62 S/. 1,078.23 34.90%
2011 S/. 3,118.03 S/. 1,039.34 S/. 0.00 S/. 207.87 S/. 4,157.37 S/. 1,884.63 45.33%
2012 S/. 3,843.18 S/. 1,281.06 S/. 0.00 S/. 256.21 S/. 5,124.24 S/. 2,112.82 41.23%
2013 S/. 2,862.83 S/. 954.33 S/. 0.00 S/. 190.87 S/. 3,817.17 S/. 1,261.97 33.06%
2014 S/. 2,234.10 S/. 744.65 S/. 0.00 S/. 148.93 S/. 2,978.75 S/. 1,140.77 38.30%
2015 S/. 1,695.02 S/. 565.03 S/. 0.00 S/. 113.01 S/. 2,260.05 S/. 1,070.16 47.35%
2016 S/. 1,122.63 S/. 374.19 S/. 0.00 S/. 74.84 S/. 1,496.82 S/. 529.05 35.34%
2017 S/. 1,397.01 S/. 465.67 S/. 0.00 S/. 93.13 S/. 1,862.68 S/. 630.79 33.86%
2018 S/. 2,368.23 S/. 789.41 S/. 0.00 S/. 157.88 S/. 3,157.64 S/. 1,177.26 37.28%
Acumulado S/. 33,914.41 S/. 10,954.58 S/. 0.00 S/. 2,190.92 S/. 44,866.25 S/. 18,101.09 40.34%
167
Anexo 6- Transferencias del Canon Minero Acumulados a las Universidades Públicas de los
Departamentos de la MRS, 1996-2018 (Millones de Soles)
Dep./Ámbito Departamentos Universidades
Públicas % UP/MRS % UP/Perú
Apurímac S/. 129 S/. 6 0.72% 0.29%
Arequipa S/. 5,144 S/. 254 28.81% 11.55%
Cusco S/. 1,987 S/. 99 11.23% 4.50%
Madre de Dios S/. 7 S/. 0 0.04% 0.02%
Moquegua S/. 3,826 S/. 184 20.88% 8.38%
Puno S/. 2,623 S/. 121 13.75% 5.51%
Tacna S/. 4,387 S/. 215 24.41% 9.79%
MRS S/. 18,101 S/. 883 100.00% 40.11%
Perú S/. 44,869 S/. 2,200 100.00%
Nota: UP significa Universidades Públicas.
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
168
Anexo 7- Canon Hidroenergético en los Departamentos (GR+GL) de la MRS, 1996-2018 (Millones de
Soles)
Nota: El canon hidroenergético transferido considera a los gobiernos regionales y locales de cada
departamento.
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1997 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1998 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1999 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2000 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2001 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2002 S/. 0.00 S/. 2.61 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.18 S/. 2.79 S/. 41.12
2003 S/. 0.00 S/. 3.35 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.20 S/. 3.55 S/. 73.82
2004 S/. 0.00 S/. 3.19 S/. 0.48 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.05 S/. 3.72 S/. 96.34
2005 S/. 0.00 S/. 2.71 S/. 2.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 4.71 S/. 112.08
2006 S/. 0.00 S/. 2.14 S/. 4.58 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 6.71 S/. 127.63
2007 S/. 0.00 S/. 5.36 S/. 4.20 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 9.57 S/. 152.72
2008 S/. 0.00 S/. 7.24 S/. 3.65 S/. 0.00 S/. 0.00 S/. 0.12 S/. 0.00 S/. 11.01 S/. 146.31
2009 S/. 0.00 S/. 5.64 S/. 6.27 S/. 0.00 S/. 0.00 S/. 4.62 S/. 0.00 S/. 16.53 S/. 134.82
2010 S/. 0.00 S/. 3.74 S/. 6.02 S/. 0.00 S/. 0.00 S/. 6.50 S/. 1.15 S/. 17.41 S/. 150.28
2011 S/. 0.00 S/. 2.54 S/. 3.75 S/. 0.00 S/. 0.00 S/. 4.46 S/. 1.40 S/. 12.15 S/. 131.04
2012 S/. 0.00 S/. 1.54 S/. 2.76 S/. 0.00 S/. 0.00 S/. 2.52 S/. 0.59 S/. 7.41 S/. 89.51
2013 S/. 0.00 S/. 3.68 S/. 6.94 S/. 0.00 S/. 0.00 S/. 5.97 S/. 0.81 S/. 17.40 S/. 211.54
2014 S/. 0.00 S/. 4.36 S/. 6.42 S/. 0.00 S/. 0.00 S/. 6.63 S/. 0.59 S/. 18.00 S/. 202.06
2015 S/. 0.00 S/. 4.58 S/. 7.05 S/. 0.00 S/. 0.00 S/. 6.98 S/. 0.53 S/. 19.14 S/. 217.74
2016 S/. 0.00 S/. 4.45 S/. 9.05 S/. 0.00 S/. 0.00 S/. 7.74 S/. 0.71 S/. 21.94 S/. 204.28
2017 S/. 0.00 S/. 4.90 S/. 15.17 S/. 0.00 S/. 0.00 S/. 7.68 S/. 0.68 S/. 28.43 S/. 206.02
2018 S/. 0.00 S/. 4.91 S/. 15.79 S/. 0.00 S/. 0.00 S/. 5.24 S/. 0.50 S/. 26.44 S/. 196.21
Acumulado S/. 0.00 S/. 66.92 S/. 94.14 S/. 0.00 S/. 0.00 S/. 58.46 S/. 7.40 S/. 226.92 S/. 2,493.51
169
Anexo 8- Canon Gasífero en los Departamentos (GR+GL) de la MRS, 1996-2018 (Millones de Soles)
Nota: El canon gasífero transferido considera a los gobiernos regionales y locales de cada departamento.
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1997 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1998 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1999 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2000 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2001 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2002 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2003 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2004 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2005 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2006 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2007 S/. 0.00 S/. 0.00 S/. 157.56 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 157.56 S/. 157.56
2008 S/. 0.00 S/. 0.00 S/. 114.42 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 114.42 S/. 114.42
2009 S/. 0.00 S/. 0.00 S/. 117.70 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 117.70 S/. 117.70
2010 S/. 0.00 S/. 0.00 S/. 131.89 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 131.89 S/. 131.89
2011 S/. 0.00 S/. 0.00 S/. 62.58 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 62.58 S/. 62.58
2012 S/. 0.00 S/. 0.00 S/. 793.06 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 793.06 S/. 793.06
2013 S/. 0.00 S/. 0.00 S/. 668.53 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 668.53 S/. 668.53
2014 S/. 0.00 S/. 0.00 S/. 795.50 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 795.50 S/. 795.50
2015 S/. 0.00 S/. 0.00 S/. 758.94 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 758.94 S/. 758.94
2016 S/. 0.00 S/. 0.00 S/. 420.87 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 420.87 S/. 420.87
2017 S/. 0.00 S/. 0.00 S/. 269.65 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 269.65 S/. 269.65
2018 S/. 0.00 S/. 0.00 S/. 331.86 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 331.86 S/. 331.86
Acumulado S/. 0.00 S/. 0.00 S/. 4,622.54 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 4,622.54 S/. 4,622.54
170
Anexo 9- Canon Pesquero en los Departamentos (GR+GL) de la MRS, 1996-2018 (Millones de Soles)
Nota: El canon pesquero transferido considera a los gobiernos regionales y locales de cada departamento.
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1997 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1998 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1999 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2000 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2001 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2002 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2003 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2004 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2005 S/. 0.00 S/. 0.34 S/. 0.00 S/. 0.00 S/. 0.31 S/. 0.00 S/. 0.00 S/. 0.65 S/. 6.90
2006 S/. 0.00 S/. 0.31 S/. 0.00 S/. 0.00 S/. 3.12 S/. 0.00 S/. 0.00 S/. 3.43 S/. 30.04
2007 S/. 0.00 S/. 1.82 S/. 0.00 S/. 0.00 S/. 1.54 S/. 0.00 S/. 0.00 S/. 3.36 S/. 24.00
2008 S/. 0.00 S/. 3.04 S/. 0.00 S/. 0.00 S/. 3.73 S/. 0.00 S/. 0.00 S/. 6.77 S/. 46.58
2009 S/. 0.00 S/. 2.30 S/. 0.00 S/. 0.00 S/. 3.59 S/. 0.00 S/. 0.00 S/. 5.89 S/. 32.49
2010 S/. 0.00 S/. 1.41 S/. 0.00 S/. 0.00 S/. 1.51 S/. 0.00 S/. 0.00 S/. 2.91 S/. 31.59
2011 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2012 S/. 0.00 S/. 6.70 S/. 0.00 S/. 0.00 S/. 11.57 S/. 0.00 S/. 0.00 S/. 18.26 S/. 132.60
2013 S/. 0.00 S/. 7.36 S/. 0.00 S/. 0.00 S/. 4.65 S/. 0.00 S/. 0.00 S/. 12.01 S/. 110.77
2014 S/. 0.00 S/. 4.05 S/. 0.00 S/. 0.00 S/. 2.56 S/. 0.00 S/. 0.00 S/. 6.61 S/. 66.94
2015 S/. 0.00 S/. 2.74 S/. 0.00 S/. 0.00 S/. 2.26 S/. 0.00 S/. 0.00 S/. 5.01 S/. 49.83
2016 S/. 0.00 S/. 3.03 S/. 0.00 S/. 0.00 S/. 1.79 S/. 0.00 S/. 0.00 S/. 4.81 S/. 36.94
2017 S/. 0.00 S/. 1.42 S/. 0.00 S/. 0.00 S/. 1.53 S/. 0.00 S/. 0.00 S/. 2.95 S/. 28.95
2018 S/. 0.00 S/. 1.28 S/. 0.00 S/. 0.00 S/. 1.15 S/. 0.00 S/. 0.00 S/. 2.42 S/. 29.87
Acumulado S/. 0.00 S/. 35.78 S/. 0.00 S/. 0.00 S/. 39.30 S/. 0.00 S/. 0.00 S/. 75.08 S/. 627.50
171
Anexo 10- Canon Forestal en los Departamentos (GR+GL) de la MRS, 1996-2018 (Millones de Soles)
Nota: El canon forestal transferido considera a los gobiernos regionales y locales de cada departamento.
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1997 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1998 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1999 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2000 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2001 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2002 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2003 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2004 S/. 0.00 S/. 0.01 S/. 0.01 S/. 0.09 S/. 0.00 S/. 0.01 S/. 0.00 S/. 0.12 S/. 0.88
2005 S/. 0.00 S/. 0.00 S/. 0.01 S/. 0.14 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.15 S/. 0.89
2006 S/. 0.02 S/. 0.02 S/. 0.05 S/. 1.78 S/. 0.00 S/. 0.02 S/. 0.00 S/. 1.90 S/. 6.53
2007 S/. 0.01 S/. 0.02 S/. 0.04 S/. 1.29 S/. 0.00 S/. 0.01 S/. 0.00 S/. 1.39 S/. 7.30
2008 S/. 0.02 S/. 0.01 S/. 0.03 S/. 0.71 S/. 0.00 S/. 0.01 S/. 0.00 S/. 0.79 S/. 4.94
2009 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2010 S/. 0.02 S/. 0.01 S/. 0.12 S/. 0.66 S/. 0.00 S/. 0.01 S/. 0.00 S/. 0.82 S/. 4.24
2011 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2012 S/. 0.00 S/. 0.01 S/. 0.05 S/. 0.24 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.30 S/. 1.90
2013 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2014 S/. 0.03 S/. 0.01 S/. 0.09 S/. 0.53 S/. 0.00 S/. 0.01 S/. 0.00 S/. 0.66 S/. 2.31
2015 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2016 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2017 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2018 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
Acumulado S/. 0.10 S/. 0.09 S/. 0.40 S/. 5.43 S/. 0.01 S/. 0.08 S/. 0.02 S/. 6.13 S/. 28.99
172
Anexo 11- Canon y Sobrecanon Petrolero en los Departamentos (GN+GR+GL) de la MRS, 1996-2018
(Millones de Soles)
Nota: Para el caso del Perú se consideró el canon y sobrecanon petrolero de los tres niveles de gobierno, y
para el caso de los departamentos de la Macro Región Sur, solo se consideró a los gobiernos regionales y
locales, aunque de todas maneras los departamentos de la Macro Región Sur no percibieron dichos
ingresos en el periodo 1996-2018.
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1997 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1998 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1999 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2000 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2001 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2002 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2003 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 150.70
2004 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 114.79
2005 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 537.14
2006 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 664.04
2007 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 684.17
2008 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 991.90
2009 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 548.65
2010 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 663.74
2011 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 902.14
2012 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 1,279.85
2013 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 1,340.55
2014 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 1,496.08
2015 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 810.60
2016 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 477.18
2017 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 505.28
2018 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 758.95
Acumulado S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 11,925.76
173
Anexo 12- Regalías Mineras en los Departamentos (GN+GR+GL) de la MRS del Perú, 1996-2018
(Millones de Soles)
Nota: Para el caso de los departamentos de la Macro Región Sur solo se consideró las transferencias de
regalías mineras a los gobiernos regionales y locales, y para el caso del Perú se consideraron los tres
niveles de gobierno con fines comparativos.
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1997 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1998 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1999 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2000 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2001 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2002 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2003 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2004 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2005 S/. 1.81 S/. 7.77 S/. 0.00 S/. 0.00 S/. 65.15 S/. 26.15 S/. 60.91 S/. 161.81 S/. 206.97
2006 S/. 1.88 S/. 10.81 S/. 0.00 S/. 0.00 S/. 100.22 S/. 25.68 S/. 99.58 S/. 238.16 S/. 379.79
2007 S/. 3.11 S/. 15.15 S/. 0.00 S/. 0.00 S/. 95.31 S/. 36.69 S/. 106.14 S/. 256.40 S/. 499.11
2008 S/. 2.38 S/. 32.35 S/. 0.00 S/. 0.00 S/. 104.59 S/. 62.39 S/. 84.73 S/. 286.44 S/. 511.86
2009 S/. 0.45 S/. 37.68 S/. 0.00 S/. 0.00 S/. 55.32 S/. 38.50 S/. 40.79 S/. 172.75 S/. 323.49
2010 S/. 0.14 S/. 47.82 S/. 19.39 S/. 0.00 S/. 93.87 S/. 64.90 S/. 74.79 S/. 300.91 S/. 592.99
2011 S/. 0.65 S/. 62.33 S/. 40.00 S/. 0.00 S/. 102.57 S/. 76.67 S/. 105.78 S/. 388.00 S/. 868.60
2012 S/. 1.47 S/. 34.05 S/. 28.28 S/. 0.00 S/. 88.82 S/. 59.11 S/. 45.18 S/. 256.91 S/. 520.71
2013 S/. 2.31 S/. 28.47 S/. 21.31 S/. 0.00 S/. 58.60 S/. 46.64 S/. 48.20 S/. 205.54 S/. 501.87
2014 S/. 0.47 S/. 62.13 S/. 38.02 S/. 0.00 S/. 49.23 S/. 49.02 S/. 47.22 S/. 246.09 S/. 463.32
2015 S/. 1.87 S/. 70.97 S/. 91.04 S/. 0.00 S/. 50.19 S/. 26.76 S/. 47.38 S/. 288.21 S/. 553.78
2016 S/. 5.59 S/. 346.07 S/. 108.14 S/. 0.00 S/. 31.01 S/. 19.69 S/. 30.39 S/. 540.89 S/. 829.58
2017 S/. 5.24 S/. 242.19 S/. 127.25 S/. 0.00 S/. 35.17 S/. 30.13 S/. 33.11 S/. 473.08 S/. 1,000.62
2018 S/. 3.71 S/. 293.13 S/. 154.49 S/. 0.00 S/. 48.49 S/. 26.17 S/. 48.19 S/. 574.18 S/. 1,293.34
Acumulado S/. 31.08 S/. 1,290.92 S/. 627.91 S/. 0.00 S/. 978.55 S/. 588.52 S/. 872.40 S/. 4,389.38 S/. 8,546.02
174
Anexo 13- Regalías Gasíferas en los Departamentos (GR+GL) de la MRS, 1996-2018 (Millones de
Soles)
Nota: Las regalías gasíferas transferidas considera a los gobiernos regionales y locales de cada
departamento.
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1997 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1998 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1999 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2000 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2001 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2002 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2003 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2004 S/. 0.00 S/. 0.00 S/. 70.25 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 70.25 S/. 70.25
2005 S/. 0.00 S/. 0.00 S/. 301.93 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 301.93 S/. 301.93
2006 S/. 0.00 S/. 0.00 S/. 393.87 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 393.87 S/. 393.87
2007 S/. 0.00 S/. 0.00 S/. 446.25 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 446.25 S/. 446.25
2008 S/. 0.00 S/. 0.00 S/. 617.51 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 617.51 S/. 617.51
2009 S/. 0.00 S/. 0.00 S/. 654.91 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 654.91 S/. 654.91
2010 S/. 0.00 S/. 0.00 S/. 1,089.78 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 1,089.78 S/. 1,089.78
2011 S/. 0.00 S/. 0.00 S/. 1,693.05 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 1,693.05 S/. 1,693.05
2012 S/. 0.00 S/. 0.00 S/. 1,534.69 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 1,534.69 S/. 1,534.69
2013 S/. 0.00 S/. 0.00 S/. 1,753.16 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 1,753.16 S/. 1,753.16
2014 S/. 0.00 S/. 0.00 S/. 1,567.96 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 1,567.96 S/. 1,567.96
2015 S/. 0.00 S/. 0.00 S/. 956.63 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 956.63 S/. 956.63
2016 S/. 0.00 S/. 0.00 S/. 863.13 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 863.13 S/. 863.13
2017 S/. 0.00 S/. 0.00 S/. 1,025.16 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 1,025.16 S/. 1,025.16
2018 S/. 0.00 S/. 0.00 S/. 1,311.14 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 1,311.14 S/. 1,311.14
Acumulado S/. 0.00 S/. 0.00 S/. 14,279.43 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 14,279.43 S/. 14,279.43
175
Anexo 14- Derechos de Pesca en los Departamentos (GR+GL) de la MRS, 1996-2018 (Millones de
Soles)
Nota: Los derechos de pesca transferidos considera a los gobiernos regionales y locales de cada
departamento.
Fuente: MEF - Consulta de transferencias a los gobiernos nacional, regional y locales.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1997 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1998 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
1999 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2000 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2001 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2002 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00 S/. 0.00
2003 S/. 0.00 S/. 0.96 S/. 0.00 S/. 0.00 S/. 1.90 S/. 0.00 S/. 0.00 S/. 2.86 S/. 18.54
2004 S/. 0.00 S/. 0.27 S/. 0.00 S/. 0.00 S/. 0.61 S/. 0.00 S/. 0.00 S/. 0.23 S/. 17.70
2005 S/. 0.00 S/. 1.30 S/. 0.00 S/. 0.00 S/. 1.33 S/. 0.00 S/. 0.01 S/. 0.68 S/. 22.13
2006 S/. 0.00 S/. 0.75 S/. 0.00 S/. 0.00 S/. 0.98 S/. 0.00 S/. 0.03 S/. 1.75 S/. 19.47
2007 S/. 0.00 S/. 1.97 S/. 0.00 S/. 0.00 S/. 1.64 S/. 0.00 S/. 0.03 S/. 3.64 S/. 23.00
2008 S/. 0.00 S/. 1.34 S/. 0.00 S/. 0.00 S/. 1.37 S/. 0.00 S/. 0.04 S/. 2.74 S/. 23.55
2009 S/. 0.00 S/. 1.36 S/. 0.00 S/. 0.00 S/. 1.14 S/. 0.00 S/. 0.04 S/. 2.54 S/. 31.00
2010 S/. 0.00 S/. 1.01 S/. 0.00 S/. 0.00 S/. 1.63 S/. 0.00 S/. 0.02 S/. 2.66 S/. 25.12
2011 S/. 0.00 S/. 1.28 S/. 0.00 S/. 0.00 S/. 0.87 S/. 0.00 S/. 0.07 S/. 2.23 S/. 32.13
2012 S/. 0.00 S/. 1.54 S/. 0.00 S/. 0.00 S/. 0.88 S/. 0.00 S/. 0.05 S/. 2.46 S/. 24.33
2013 S/. 0.00 S/. 0.25 S/. 0.00 S/. 0.00 S/. 0.27 S/. 0.00 S/. 0.05 S/. 0.56 S/. 17.14
2014 S/. 0.00 S/. 1.73 S/. 0.00 S/. 0.00 S/. 1.52 S/. 0.00 S/. 0.04 S/. 3.29 S/. 27.39
2015 S/. 0.00 S/. 0.88 S/. 0.00 S/. 0.00 S/. 0.85 S/. 0.00 S/. 0.01 S/. 1.74 S/. 23.78
2016 S/. 0.00 S/. 1.39 S/. 0.00 S/. 0.00 S/. 0.95 S/. 0.00 S/. 0.01 S/. 2.34 S/. 18.88
2017 S/. 0.00 S/. 1.03 S/. 0.00 S/. 0.00 S/. 0.38 S/. 0.00 S/. 0.00 S/. 1.42 S/. 33.16
2018 S/. 0.00 S/. 0.52 S/. 0.00 S/. 0.00 S/. 0.65 S/. 0.00 S/. 0.00 S/. 1.18 S/. 28.57
Acumulado S/. 0.00 S/. 17.57 S/. 0.00 S/. 0.00 S/. 16.96 S/. 0.00 S/. 0.39 S/. 32.31 S/. 385.90
176
Anexo 15- Destino de los ICM y otros Rubros según Genérica en los Departamentos y Universidades
Públicas de la MRS, 2018 (Millones de Soles)
Genérica/(GR+GL) Apurí
mac
Arequi
pa Cusco
M. de
Dios
Moque
gua Puno Tacna MRS Perú
U.P.
MRS
U.P.
Perú
5-21: Personal y oblig. sociales 0 1 0 0 8 0 5 14 140 0 0
5-22: Pensión y prest. sociales 0 0 0 0 0 0 0 1 14 0 0
5-23: Bienes y servicios 65 127 252 6 37 32 40 559 1942 35 62 5-24: Donación y transferencias 6 1 2 0 1 0 0 10 8 0 0
5-25: Otros gastos 0 1 0 0 0 0 0 1 12 2 2
6-24: Donación y transferencias 0 21 25 0 0 6 0 53 91 0 0 6-25: Otros gastos 0 0 2 0 0 0 0 2 5 0 0
6-26: Adquisic. de act. no financ. 343 620 1590 14 135 269 142 3114 7264 87 242
6-27: Adquisic. de act. financ. 0 0 0 0 0 0 0 0 0 0 0 7-28: Serv. de la deuda pública 0 83 66 0 30 1 13 192 463 0 1
Total 414 855 1937 19 212 308 200 3945 9940 124 307
Fuente: MEF - Seguimiento de la ejecución presupuestal (consulta amigable).
Elaboración: Propia.
177
Anexo 16- Pobreza por NBI en los Departamento de la MRS, 1996-2018 (Porcentaje de la Población
Total con al menos una Necesidad Básica Insatisfecha)
Fuente:
/Datos del año 1996, tomados de Proyectos INEI "Perú: Niveles de vida y pobreza", Población con
Necesidades Básicas Insatisfechas por NBI.
/Datos del año 1997 al 2000, tomados del INEI "Condiciones de vida en el Perú: Evolución 1997-2004"
(Lima, mayo 2006), pág. 106.
/Datos del año 2001 al 2006, tomados del INEI "Perú: Perfil de la Pobreza por departamentos, 2001-
2010" (Lima, julio 2011), pág. 72.
/Datos del año 2007 al 2017, tomados del INEI "Perú: Perfil de la Pobreza por dominios geográficos,
2007-2017" (Lima, octubre 2018), pág. 86.
/Datos del año 2018, tomados del INEI "Perú: Perfil de la Pobreza por dominios geográficos, 2008-2018"
(Lima, octubre 2019), pág. 88.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996/ 55.10% 33.60% 65.00% 66.20% 47.80% 65.00% 28.70% 53.71% 47.80%
1997/ 55.10% 33.60% 65.00% 66.20% 44.90% 65.00% 27.00% 53.47% 45.80%
1998 51.30% 31.40% 60.40% 61.00% 39.50% 60.40% 24.50% 49.58% 42.10%
1999 47.10% 25.60% 54.70% 59.30% 34.80% 54.70% 23.50% 44.36% 39.10%
2000 45.70% 25.40% 51.30% 56.70% 38.60% 51.30% 24.50% 42.44% 38.10%
2001/ 47.50% 27.80% 63.60% 54.50% 37.00% 49.70% 21.50% 45.71% 41.90%
2002 56.70% 24.10% 53.60% 57.10% 27.30% 53.00% 22.50% 43.69% 39.90%
2003 66.80% 21.10% 52.40% 50.70% 22.30% 47.40% 15.50% 41.25% 38.00%
2004 51.70% 24.10% 52.00% 51.90% 26.30% 45.50% 13.00% 39.93% 36.60%
2005 50.30% 21.70% 54.60% 44.70% 22.90% 44.00% 12.30% 39.13% 37.20%
2006 44.10% 21.20% 48.80% 46.60% 19.90% 46.00% 9.90% 37.22% 34.10%
2007/ 37.10% 22.90% 40.90% 37.20% 24.40% 38.40% 17.80% 33.26% 30.30%
2008 28.70% 19.30% 38.00% 38.50% 19.10% 36.90% 15.30% 30.10% 28.90%
2009 31.50% 20.00% 29.90% 34.50% 16.10% 32.80% 14.50% 27.02% 26.80%
2010 24.80% 18.10% 28.50% 32.00% 16.70% 30.40% 14.50% 24.87% 23.90%
2011 25.10% 18.40% 24.40% 32.30% 13.60% 38.40% 12.00% 25.84% 23.30%
2012 24.60% 14.50% 22.80% 29.40% 14.00% 27.70% 12.60% 21.43% 21.60%
2013 20.80% 14.10% 21.40% 28.20% 11.20% 28.40% 8.00% 20.39% 20.30%
2014 18.20% 13.00% 17.70% 30.20% 9.60% 26.10% 10.50% 18.45% 19.70%
2015 13.90% 11.30% 15.90% 30.60% 10.60% 30.20% 10.60% 18.36% 19.40%
2016 18.00% 11.10% 18.10% 29.10% 14.10% 26.70% 9.80% 18.31% 18.70%
2017 15.50% 11.80% 18.60% 22.80% 11.60% 24.20% 8.80% 17.37% 18.00%
2018/ 11.68% 10.07% 15.24% 25.43% 11.38% 19.96% 9.32% 14.68% 16.60%
2018-1996 -43.42% -23.53% -49.76% -40.77% -36.42% -45.04% -19.38% -39.04% -31.20%
178
Anexo 17- Población en Viviendas con Características Físicas Inadecuadas en los Departamento de la
MRS, 1996-2018 (Porcentaje de la Población Total)
Fuente:
/Datos del año1996 al 2000, tomados del INEI "Condiciones de vida en el Perú: Evolución 1997-2004"
(Lima, mayo 2006), pág. 107.
/Datos del año 2001 al 2006, tomados del INEI "Perú: Perfil de la Pobreza por departamentos, 2001-
2010" (Lima, julio 2011), pág. 74.
/Datos del año 2007 al 2017, tomados del INEI "Perú: Perfil de la Pobreza por dominios geográficos,
2007-2017" (Lima, octubre 2018), pág. 88.
/Datos del año 2018, tomados del INEI "Perú: Perfil de la Pobreza por dominios geográficos, 2008-2018"
(Lima, octubre 2019), pág. 90.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996/ 6.30% 8.60% 6.30% 32.10% 11.30% 6.30% 9.70% 7.70% 11.30%
1997 6.30% 8.60% 6.30% 32.10% 11.30% 6.30% 9.70% 7.72% 11.30%
1998 5.00% 8.80% 5.00% 31.40% 9.80% 5.00% 9.60% 6.88% 10.80%
1999 6.60% 7.60% 6.60% 32.40% 9.90% 6.60% 8.60% 7.59% 11.10%
2000 5.20% 8.50% 5.20% 25.50% 9.90% 5.20% 10.50% 6.91% 10.60%
2001/ 3.20% 5.60% 5.80% 32.00% 9.20% 3.70% 6.20% 5.61% 11.60%
2002 1.90% 9.90% 6.80% 25.20% 7.40% 10.00% 3.70% 8.21% 12.20%
2003 3.00% 8.20% 8.80% 23.60% 3.10% 6.30% 4.20% 7.25% 11.10%
2004 2.20% 7.20% 7.20% 25.30% 3.90% 7.70% 2.30% 6.85% 10.70%
2005 4.30% 6.40% 17.20% 21.50% 4.00% 9.20% 2.80% 9.85% 10.90%
2006 2.30% 7.80% 6.20% 27.30% 3.70% 6.80% 2.70% 6.58% 10.20%
2007/ 1.60% 6.40% 4.10% 21.00% 6.70% 8.90% 6.80% 6.43% 9.10%
2008 0.60% 6.20% 4.90% 19.90% 6.10% 6.60% 6.90% 5.83% 9.00%
2009 1.60% 5.00% 2.30% 18.00% 5.10% 6.50% 5.40% 4.74% 8.10%
2010 1.50% 5.00% 3.00% 16.70% 5.00% 7.50% 6.30% 5.22% 7.20%
2011 3.10% 5.90% 2.80% 13.10% 5.10% 6.40% 4.70% 5.05% 7.40%
2012 1.80% 4.10% 5.00% 12.50% 4.50% 7.90% 5.10% 5.47% 6.80%
2013 1.80% 5.30% 3.30% 12.30% 4.80% 5.60% 2.90% 4.56% 6.90%
2014 1.20% 4.00% 2.80% 14.40% 3.60% 6.50% 2.30% 4.28% 6.70%
2015 0.70% 3.10% 3.20% 12.30% 3.60% 3.50% 3.20% 3.29% 6.50%
2016 1.50% 2.80% 3.80% 12.60% 7.00% 3.70% 3.20% 3.63% 6.30%
2017 1.50% 4.00% 4.20% 7.90% 4.70% 5.10% 3.00% 4.20% 6.00%
2018/ 1.10% 3.30% 3.90% 10.00% 5.00% 3.80% 3.70% 3.67% 6.00%
2018-1996 -5.20% -5.30% -2.40% -22.10% -6.30% -2.50% -6.00% -4.03% -5.30%
179
Anexo 18- Población en Viviendas con Hacinamiento en los Departamento de la MRS, 1996-2018
(Porcentaje de la Población Total)
Fuente:
/Datos del año1996 al 2000, tomados del INEI "Condiciones de vida en el Perú: Evolución 1997-2004"
(Lima, mayo 2006), pág. 108.
/Datos del año 2001 al 2006, tomados del INEI "Perú: Perfil de la Pobreza por departamentos, 2001-
2010" (Lima, julio 2011), pág. 75.
/Datos del año 2007 al 2017, tomados del INEI "Perú: Perfil de la Pobreza por dominios geográficos,
2007-2017" (Lima, octubre 2018), pág. 89.
/Datos del año 2018, tomados del INEI "Perú: Perfil de la Pobreza por dominios geográficos, 2008-2018"
(Lima, octubre 2019), pág. 91.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996/ 31.50% 18.80% 31.50% 41.70% 22.90% 31.50% 13.20% 27.24% 23.50%
1997 31.50% 18.80% 31.50% 41.70% 22.90% 31.50% 13.20% 27.22% 23.50%
1998 29.20% 15.80% 29.20% 34.70% 17.10% 29.20% 11.50% 24.55% 20.90%
1999 26.60% 10.90% 26.60% 30.60% 14.00% 26.60% 11.00% 21.45% 19.00%
2000 24.10% 12.70% 24.10% 30.70% 18.90% 24.10% 12.00% 20.51% 18.70%
2001/ 20.30% 16.00% 30.60% 22.40% 13.60% 14.50% 12.40% 19.69% 18.80%
2002 25.50% 12.20% 22.50% 29.50% 11.20% 19.60% 14.50% 18.70% 17.50%
2003 37.20% 12.00% 20.00% 22.70% 11.30% 13.60% 6.40% 16.77% 15.60%
2004 22.90% 12.50% 18.40% 24.80% 13.30% 15.70% 6.50% 15.83% 14.30%
2005 22.70% 10.00% 22.60% 17.10% 6.10% 12.30% 5.70% 14.88% 13.60%
2006 23.60% 11.10% 22.40% 14.90% 7.60% 12.40% 2.80% 15.01% 12.50%
2007/ 18.30% 13.20% 17.30% 15.10% 10.10% 12.50% 6.90% 14.08% 12.30%
2008 17.40% 10.40% 16.20% 16.40% 5.70% 12.70% 6.10% 12.89% 11.60%
2009 17.50% 11.80% 14.60% 12.80% 5.80% 12.10% 5.90% 12.57% 11.00%
2010 11.90% 8.80% 13.90% 9.80% 6.60% 10.30% 5.20% 10.53% 9.60%
2011 11.20% 9.50% 9.20% 11.20% 4.80% 9.80% 4.40% 9.20% 9.60%
2012 10.00% 8.60% 12.00% 8.40% 6.00% 9.60% 5.10% 9.55% 8.90%
2013 9.00% 7.70% 10.70% 9.60% 2.50% 10.60% 2.90% 8.94% 8.30%
2014 6.30% 7.40% 8.30% 10.40% 3.40% 8.90% 6.20% 7.81% 7.60%
2015 5.60% 6.90% 8.30% 10.90% 4.50% 7.80% 6.50% 7.39% 7.40%
2016 7.60% 7.60% 9.30% 10.10% 5.70% 10.70% 5.30% 8.74% 7.30%
2017 5.50% 6.80% 11.50% 9.60% 4.20% 10.10% 4.60% 8.63% 7.00%
2018/ 4.00% 5.40% 8.10% 9.30% 4.00% 9.30% 4.70% 7.05% 6.30%
2018-1996 -27.50% -13.40% -23.40% -32.40% -18.90% -22.20% -8.50% -20.19% -17.20%
180
Anexo 19- Población en Viviendas sin Servicios Higiénicos en los Departamento de la MRS, 2001-2018
(Porcentaje de la Población Total)
Fuente:
/Datos del año1996 al 2000, tomados del INEI "Condiciones de vida en el Perú: Evolución 1997-2004"
(Lima, mayo 2006), pág. 108.
/Datos del año 2001 al 2006, tomados del INEI "Perú: Perfil de la Pobreza por departamentos, 2001-
2010" (Lima, julio 2011), pág. 76.
/Datos del año 2007 al 2017, tomados del INEI "Perú: Perfil de la Pobreza por dominios geográficos,
2007-2017" (Lima, octubre 2018), pág. 90.
/Datos del año 2018, tomados del INEI "Perú: Perfil de la Pobreza por dominios geográficos, 2008-2018"
(Lima, octubre 2019), pág. 92.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996/ 49.90% 14.00% 49.90% 28.60% 20.80% 49.90% 11.50% 37.54% 27.60%
1997 49.40% 14.00% 49.90% 28.60% 20.80% 49.90% 11.50% 37.43% 27.60%
1998 43.80% 12.80% 43.80% 23.80% 20.10% 43.80% 9.80% 32.99% 23.80%
1999 39.80% 11.00% 39.80% 24.70% 16.60% 39.80% 8.80% 29.77% 21.80%
2000 34.50% 10.20% 34.50% 26.40% 17.80% 34.50% 8.80% 26.22% 20.10%
2001/ 32.20% 9.40% 52.00% 14.60% 24.70% 40.40% 7.60% 31.98% 23.40%
2002 45.40% 6.70% 41.00% 24.50% 15.70% 42.10% 8.30% 30.01% 21.70%
2003 54.80% 7.30% 38.60% 23.00% 11.30% 37.80% 6.40% 28.87% 22.10%
2004 40.50% 9.90% 39.90% 19.10% 13.70% 32.90% 5.10% 27.05% 21.30%
2005 34.80% 9.00% 39.50% 20.40% 14.80% 34.60% 4.60% 26.67% 21.70%
2006 28.80% 5.60% 34.20% 16.20% 11.10% 33.10% 3.90% 23.17% 19.70%
2007/ 25.00% 9.70% 27.90% 10.40% 13.30% 28.70% 7.90% 21.15% 16.90%
2008 14.50% 7.90% 24.40% 10.40% 10.50% 25.60% 5.80% 17.71% 15.60%
2009 15.80% 7.60% 16.80% 12.50% 7.50% 20.30% 5.90% 14.26% 13.60%
2010 13.90% 7.10% 16.40% 12.30% 8.70% 17.50% 4.40% 13.01% 11.90%
2011 14.80% 4.90% 14.70% 14.40% 6.10% 17.80% 3.50% 12.08% 10.70%
2012 11.90% 3.90% 10.30% 14.10% 5.50% 18.90% 3.20% 10.68% 9.60%
2013 10.70% 4.00% 9.30% 12.80% 5.00% 17.00% 1.70% 9.66% 8.50%
2014 12.80% 2.80% 7.80% 13.40% 3.80% 15.90% 2.50% 8.89% 8.20%
2015 8.40% 1.90% 5.50% 11.10% 3.80% 21.90% 1.70% 9.21% 8.00%
2016 11.20% 1.80% 6.90% 10.20% 5.20% 16.90% 1.60% 8.43% 7.80%
2017 9.30% 2.60% 6.40% 8.50% 4.00% 14.60% 1.60% 7.61% 7.40%
2018/ 6.60% 2.20% 5.10% 9.60% 4.00% 10.40% 1.30% 5.80% 6.60%
2018-1996 -43.30% -11.80% -44.80% -19.00% -16.80% -39.50% -10.20% -31.75% -21.00%
181
Anexo 20- Población en Hogares con Niños que no Asisten a la Escuela en los Departamento de la MRS,
2001-2018 (Porcentaje de la Población Total)
Fuente:
/Datos del año1996 al 2000, tomados del INEI "Condiciones de vida en el Perú: Evolución 1997-2004"
(Lima, mayo 2006), pág. 109.
/Datos del año 2001 al 2006, tomados del INEI "Perú: Perfil de la Pobreza por departamentos, 2001-
2010" (Lima, julio 2011), pág. 77.
/Datos del año 2007 al 2017, tomados del INEI "Perú: Perfil de la Pobreza por dominios geográficos,
2007-2017" (Lima, octubre 2018), pág. 91.
/Datos del año 2018, tomados del INEI "Perú: Perfil de la Pobreza por dominios geográficos, 2008-2018"
(Lima, octubre 2019), pág. 93.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996/ 8.10% 3.10% 8.10% 10.90% 5.10% 8.10% 2.50% 6.51% 5.60%
1997 8.10% 3.10% 8.10% 10.90% 5.10% 8.10% 2.50% 6.50% 5.60%
1998 5.70% 3.10% 5.70% 6.40% 3.60% 5.70% 2.30% 4.80% 4.10%
1999 6.00% 1.80% 6.00% 6.00% 4.00% 6.00% 1.70% 4.64% 3.80%
2000 2.30% 1.30% 2.30% 4.70% 1.60% 2.30% 0.80% 1.99% 1.90%
2001/ 0.90% 0.80% 2.80% 0.90% 0.50% 1.50% 0.60% 1.51% 2.80%
2002 1.90% 1.10% 3.40% 0.70% 1.00% 3.30% 0.20% 2.33% 3.10%
2003 0.90% 0.50% 4.00% 0.00% 0.00% 2.10% 0.80% 1.90% 2.70%
2004 3.10% 1.70% 4.50% 3.60% 0.70% 4.40% 0.20% 3.23% 3.80%
2005 2.00% 0.60% 1.40% 0.30% 0.80% 3.50% 0.40% 1.73% 3.70%
2006 1.50% 1.70% 2.10% 1.90% 0.50% 4.40% 0.60% 2.43% 2.80%
2007/ 0.00% 0.20% 0.80% 0.30% 0.70% 0.80% 0.80% 0.56% 1.40%
2008 0.20% 0.20% 0.70% 1.20% 0.80% 1.10% 0.20% 0.62% 1.30%
2009 0.90% 0.50% 1.00% 0.10% 0.40% 0.70% 0.30% 0.70% 1.10%
2010 0.70% 0.70% 0.70% 0.60% 0.30% 1.40% 0.50% 0.86% 1.30%
2011 0.20% 0.10% 0.30% 1.20% 0.20% 0.50% 0.50% 0.33% 1.10%
2012 3.60% 0.30% 0.30% 1.00% 0.20% 0.70% 0.20% 0.72% 1.30%
2013 1.00% 0.40% 0.50% 0.10% 0.30% 1.90% 1.10% 0.93% 1.20%
2014 0.30% 0.10% 0.80% 1.30% 0.40% 0.50% 0.00% 0.44% 0.70%
2015 0.00% 0.40% 0.70% 0.50% 0.00% 0.40% 0.20% 0.42% 0.60%
2016 0.20% 0.40% 0.30% 0.40% 0.10% 0.70% 0.00% 0.40% 0.70%
2017 0.10% 0.30% 0.50% 0.20% 0.00% 0.10% 0.30% 0.26% 0.70%
2018/ 0.30% 0.10% 0.20% 0.50% 0.20% 0.10% 0.00% 0.15% 0.40%
2018-1996 -7.80% -3.00% -7.90% -10.40% -4.90% -8.00% -2.50% -6.36% -5.20%
182
Anexo 21- Población en Hogares con Alta Dependencia Económica en los Departamento de la MRS,
2001-2018 (Porcentaje de la Población Total)
Fuente:
/Datos del año1996 al 2000, tomados del INEI "Condiciones de vida en el Perú: Evolución 1997-2004"
(Lima, mayo 2006), pág. 109.
/Datos del año 2001 al 2006, tomados del INEI "Perú: Perfil de la Pobreza por departamentos, 2001-
2010" (Lima, julio 2011), pág. 78.
/Datos del año 2007 al 2017, tomados del INEI "Perú: Perfil de la Pobreza por dominios geográficos,
2007-2017" (Lima, octubre 2018), pág. 92.
/Datos del año 2018, tomados del INEI "Perú: Perfil de la Pobreza por dominios geográficos, 2008-2018"
(Lima, octubre 2019), pág. 94.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996/ 8.10% 3.10% 8.10% 10.90% 5.10% 8.10% 2.50% 6.51% 5.60%
1997 8.10% 3.10% 8.10% 10.90% 5.10% 8.10% 2.50% 6.50% 5.60%
1998 5.70% 3.10% 5.70% 6.40% 3.60% 5.70% 2.30% 4.80% 4.10%
1999 6.00% 1.80% 6.00% 6.00% 4.00% 6.00% 1.70% 4.64% 3.80%
2000 2.30% 1.30% 2.30% 4.70% 1.60% 2.30% 0.80% 1.99% 1.90%
2001/ 3.30% 3.00% 0.90% 2.40% 0.90% 0.90% 0.80% 1.67% 2.60%
2002 2.20% 1.40% 0.90% 3.00% 1.40% 0.70% 1.50% 1.19% 2.30%
2003 1.60% 1.10% 1.00% 2.50% 1.00% 0.30% 1.30% 0.94% 1.70%
2004 2.00% 1.20% 1.60% 3.00% 0.50% 0.50% 0.20% 1.14% 1.40%
2005 2.70% 0.70% 1.30% 1.10% 1.10% 0.40% 0.80% 0.99% 2.00%
2006 1.60% 0.80% 1.70% 1.50% 0.90% 0.80% 1.10% 1.15% 1.50%
2007/ 1.50% 0.80% 1.80% 0.90% 0.40% 0.30% 0.60% 0.96% 1.30%
2008 1.80% 0.80% 1.20% 0.70% 0.40% 0.60% 0.70% 0.92% 1.40%
2009 1.80% 1.00% 0.50% 0.60% 0.20% 0.00% 0.40% 0.59% 1.10%
2010 0.60% 0.50% 2.00% 0.50% 0.30% 0.10% 0.60% 0.79% 0.90%
2011 2.10% 0.50% 1.00% 0.90% 0.80% 0.00% 0.60% 0.66% 1.10%
2012 1.10% 0.50% 0.60% 0.80% 0.20% 0.60% 0.30% 0.59% 0.90%
2013 0.90% 0.40% 0.60% 1.50% 0.00% 0.10% 1.00% 0.47% 0.90%
2014 0.60% 0.70% 0.90% 0.90% 0.40% 0.30% 0.50% 0.61% 1.10%
2015 0.40% 0.80% 0.10% 0.30% 0.20% 1.20% 0.80% 0.66% 1.10%
2016 0.80% 0.30% 1.50% 2.60% 0.60% 0.30% 0.70% 0.75% 1.10%
2017 1.00% 0.30% 0.40% 1.60% 0.00% 0.30% 0.50% 0.43% 1.10%
2018/ 0.60% 0.30% 0.90% 0.80% 0.40% 0.50% 0.60% 0.57% 1.00%
2018-1996 -7.50% -2.80% -7.20% -10.10% -4.70% -7.60% -1.90% -5.94% -4.60%
183
Anexo 22- Pobreza Monetaria en los Departamento de la MRS, 1996-2018 (Porcentaje de la Población
Total)
Fuente:
/Datos del año 1996 al 2000, tomados del INEI "Condiciones de vida en el Perú: Evolución 1997-2004"
(Lima, mayo 2006). pág. 89.
/Datos del año 2001 al 2010, tomados del INEI "Perú: Perfil de la Pobreza por departamentos, 2001-
2010" (Lima, julio 2011), pág. 70.
/Datos del año 2011 al 2018, tomados del INEI "Perú: Perfil de la Pobreza por dominios geográficos,
2008-2018" (Lima, octubre 2019), pág. 61.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996/ 66.30% 43.50% 66.30% 43.50% 33.10% 66.30% 28.00% 56.97% 42.70%
1997 66.30% 43.50% 66.30% 43.50% 33.10% 66.30% 28.00% 56.91% 42.70%
1998 65.90% 44.50% 65.90% 44.30% 34.70% 65.90% 29.20% 56.98% 42.40%
1999 71.80% 47.40% 71.80% 47.40% 39.90% 71.80% 34.00% 61.95% 47.50%
2000 70.00% 45.30% 70.00% 45.30% 39.40% 70.00% 30.60% 59.97% 48.40%
2001/ 78.00% 44.10% 75.30% 36.70% 29.60% 78.00% 32.80% 63.63% 54.80%
2002 77.00% 39.30% 61.70% 50.70% 35.80% 79.70% 32.00% 59.63% 54.30%
2003 70.30% 38.90% 56.60% 27.00% 33.10% 77.20% 32.70% 56.27% 52.30%
2004 65.20% 34.20% 53.10% 27.10% 38.70% 78.30% 24.70% 53.67% 48.60%
2005 73.50% 24.90% 55.60% 30.80% 30.30% 75.20% 30.30% 52.05% 48.70%
2006 74.80% 26.20% 49.90% 21.80% 27.30% 76.30% 19.80% 50.28% 44.50%
2007 69.50% 23.80% 57.40% 15.60% 25.80% 67.20% 20.40% 48.45% 39.30%
2008 69.00% 19.50% 58.40% 17.40% 30.20% 62.80% 16.50% 46.28% 36.20%
2009 70.30% 21.00% 51.10% 12.70% 19.30% 60.80% 17.50% 43.84% 34.80%
2010 63.10% 19.60% 49.50% 8.70% 15.70% 56.00% 14.00% 40.60% 31.30%
2011/ 54.95% 11.80% 28.50% 4.15% 11.80% 40.10% 15.85% 27.92% 27.82%
2012 53.30% 14.05% 26.45% 2.35% 8.35% 38.85% 14.05% 27.14% 25.81%
2013 37.60% 9.00% 21.45% 4.55% 9.00% 30.60% 13.10% 20.89% 23.91%
2014 38.45% 7.75% 21.20% 7.75% 12.10% 29.55% 12.10% 20.41% 22.73%
2015 36.40% 8.25% 18.80% 8.25% 8.25% 36.40% 11.20% 21.42% 21.80%
2016 34.25% 10.80% 22.65% 10.80% 10.80% 34.25% 16.05% 22.73% 20.70%
2017 35.05% 13.35% 24.60% 3.45% 13.35% 35.05% 13.35% 23.85% 21.70%
2018/ 34.55% 12.55% 23.10% 3.10% 12.55% 34.55% 12.55% 22.97% 20.50%
2018-1996 -31.75% -30.95% -43.20% -40.40% -20.55% -31.75% -15.45% -33.99% -22.20%
184
Anexo 23- Población Total Estimada en los Departamento de la MRS, 1996-2018 (Número de Personas)
Fuente: INEI - Dirección Técnica de Demografía e Indicadores Sociales, a través de su aplicativo Sistema
de Información Regional para la Toma de Decisiones. Disponible en:
http://webinei.inei.gob.pe:8080/SIRTOD1/inicio.html#app=db26&d4a2-selectedIndex=1&d9ef-
selectedIndex=1
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996 408178 1014592 1121838 76874 142028 1166008 244089 4173607 24348132
1997 411061 1032861 1135342 79832 144672 1180672 250458 4234898 24767794
1998 413928 1050860 1148596 82847 147263 1195215 256791 4295500 25182269
1999 416771 1068260 1161451 85913 149762 1209640 263009 4354806 25588546
2000 419585 1084725 1173757 89018 152129 1223955 269033 4412202 25983588
2001 422361 1100094 1185457 92185 154339 1238294 274878 4467608 26366533
2002 425104 1114590 1196650 95420 156420 1252654 280596 4521434 26739379
2003 427826 1128454 1207423 98690 158407 1266832 286166 4573798 27103457
2004 430539 1141933 1217862 101962 160334 1280629 291563 4624822 27460073
2005 433256 1155267 1228055 105205 162237 1293843 296767 4674630 27810540
2006 436000 1168238 1237955 108412 164090 1306226 301728 4722649 28151443
2007 438761 1180683 1247503 111604 165871 1317911 306461 4768794 28481901
2008 441507 1192932 1256770 114791 167616 1329272 311038 4813926 28807034
2009 444202 1205317 1265827 117981 169365 1340684 315534 4858910 29132013
2010 446813 1218168 1274742 121183 171155 1352523 320021 4904605 29461933
2011 449365 1231553 1283540 124404 172995 1364752 324498 4951107 29797694
2012 451881 1245251 1292175 127639 174859 1377122 328915 4997842 30135875
2013 454324 1259162 1300609 130876 176736 1389684 333276 5044667 30475144
2014 456652 1273180 1308806 134105 178612 1402496 337583 5091434 30814175
2015 458830 1287205 1316729 137316 180477 1415608 341838 5138003 31151643
2016 460868 1301298 1324371 140508 182333 1429098 346013 5184489 31488625
2017 462791 1315528 1331758 143687 184187 1442930 350105 5230986 31826018
2018 464584 1329802 1338898 146856 186036 1456989 354158 5277323 32162184
185
Anexo 24- Pobreza por NBI en los Departamento de la MRS, 1996-2018 (Número de Personas)
Fuente: INEI.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996/ 224906 340903 729195 50891 67889 757905 70054 2241742 11638407
1997/ 226495 347041 737972 52849 64958 767437 67624 2264375 11343650
1998 212345 329970 693752 50537 58169 721910 62914 2129596 10601735
1999 196299 273475 635314 50946 52117 661673 61807 1931631 10005121
2000 191750 275520 602137 50473 58722 627889 65913 1872405 9899747
2001/ 200621 305826 753951 50241 57105 615432 59099 2042275 11047577
2002 241034 268616 641404 54485 42703 663907 63134 1975283 10669012
2003 285788 238104 632690 50036 35325 600478 44356 1886776 10299314
2004 222589 275206 633288 52918 42168 582686 37903 1846758 10050387
2005 217928 250693 670518 47027 37152 569291 36502 1829111 10345521
2006 192276 247666 604122 50520 32654 600864 29871 1757973 9599642
2007/ 162780 270376 510229 41517 40473 506078 54550 1586003 8630016
2008 126713 230236 477573 44195 32015 490501 47589 1448820 8325233
2009 139924 241063 378482 40703 27268 439744 45752 1312937 7807379
2010 110810 220488 363301 38779 28583 411167 46403 1219531 7041402
2011 112791 226606 313184 40182 23527 524065 38940 1279294 6942863
2012 111163 180561 294616 37526 24480 381463 41443 1071252 6509349
2013 94499 177542 278330 36907 19794 394670 26662 1028405 6186454
2014 83111 165513 231659 40500 17147 366051 35446 939427 6070392
2015 63777 145454 209360 42019 19131 427514 36235 943489 6043419
2016 82956 144444 239711 40888 25709 381569 33909 949187 5888373
2017 71733 155232 247707 32761 21366 349189 30809 908797 5728683
2018 54278 133904 204024 37351 21168 290754 33002 774481 5338923
186
Anexo 25- Pobreza Monetaria en los Departamento de la MRS, 1996-2018 (Número de Personas)
Fuente: INEI.
Elaboración: Propia.
Año/Dep. Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna MRS Perú
1996/ 270622 441348 743779 33440 47011 773063 68345 2377608 10396652
1997/ 272533 449295 752732 34727 47886 782786 70128 2410087 10575848
1998 272779 467633 756925 36701 51100 787647 74983 2447767 10677282
1999 299242 506355 833922 40723 59755 868522 89423 2697941 12154559
2000 293710 491380 821630 40325 59939 856769 82324 2646076 12576057
2001/ 329442 485141 892649 33832 45684 965869 90160 2842778 14448860
2002 327330 438034 738333 48378 55998 998365 89791 2696229 14519483
2003 300762 438969 683401 26646 52433 977994 93576 2573781 14175108
2004 280711 390541 646685 27632 62049 1002733 72016 2482367 13345595
2005 318443 287661 682799 32403 49158 972970 89920 2433355 13543733
2006 326128 306078 617740 23634 44797 996650 59742 2374769 12527392
2007/ 304939 281003 716067 17410 42795 885636 62518 2310367 11193387
2008 304640 232622 733954 19974 50620 834783 51321 2227913 10428146
2009 312274 253117 646838 14984 32687 815136 55218 2130254 10137941
2010 281939 238761 630997 10543 26871 757413 44803 1991327 9221585
2011 246926 145323 365809 5160 20413 547266 51433 1382330 8291000
2012 240853 174958 341780 3000 14601 535012 46213 1356415 7778310
2013 170826 113325 278981 5955 15906 425243 43659 1053895 7287125
2014 175583 98671 277467 10393 21612 414438 40848 1039011 7003261
2015 167014 106194 247545 11329 14889 515281 38286 1100539 6791058
2016 157847 140540 299970 15175 19692 489466 55535 1178225 6518145
2017 162208 175623 327612 4957 24589 505747 46739 1247476 6906246
2018 160514 166890 309285 4553 23348 503390 44447 1212426 6593248
187
Anexo 26- Descripción de la Base de Datos
Fuente: INEI y MEF.
Elaboración: Propia a través del software estadístico Stata 15.
Note: Dataset has changed since last saved.
Sorted by: id Años
lncm float %9.0g Canon minero (logaritmo natural)
Departamentos
Departamentos long %13.0g Departamentos
cm float %8.0g Canon minero (millones de soles)
pza float %8.0g Pobreza NBI (% de la población total)
Años int %8.0g Años
id byte %8.0g Identificador de cada Departamento
variable name type format label variable label
storage display value
size: 3,059
vars: 6 9 Jun 2020 17:23
obs: 161
188
Anexo 27- Descripción Estadística de los Datos de Panel
Fuente: INEI y MEF.
Elaboración: Propia a través del software estadístico Stata 15.
within 2.319817 -7.497116 5.837116 T-bar = 21.8571
between 2.658086 -2.592976 4.261094 n = 7
lncm overall 2.563977 3.32379 -10.44821 6.661327 N = 153
within 0 4 4 T = 23
between 2.160247 1 7 n = 7
Depart~s overall 4 2.00624 1 7 N = 161
within 143.0265 -110.8401 694.9433 T = 23
between 87.62638 .2906427 223.6309 n = 7
cm overall 112.4292 164.5576 0 781.5873 N = 161
within 12.86457 6.50559 61.62559 T = 23
between 11.1066 15.94 42.83174 n = 7
pza overall 31.40298 16.48916 8 66.8 N = 161
within 6.653946 1996 2018 T = 23
between 0 2007 2007 n = 7
Años overall 2007 6.653946 1996 2018 N = 161
within 0 4 4 T = 23
between 2.160247 1 7 n = 7
id overall 4 2.00624 1 7 N = 161
Variable Mean Std. Dev. Min Max Observations
. xtsum
189
Anexo 28- Clasificación de Datos con Panel Balanceado
Nota: “Las bases de datos de panel se pueden clasificar como: balanceados cuando no hay observaciones
perdidas (missing values), y no balanceados cuando algunas unidades o individuos no se observan en
algunos períodos” (Toledo, 2012, pág. 2). Por lo tanto, la base de datos del presente estudio presenta
paneles balanceados, puesto que no existen observaciones perdidas, es decir que todas las observaciones
de corte transversal (siete departamentos de la Macro Región Sur del Perú) y de series temporales (23
años) están disponibles.
Fuente: INEI y MEF.
Elaboración: Propia a través del software estadístico Stata 15.
7 100.00 XXXXXXXXXXXXXXXXXXXXXXX
7 100.00 100.00 11111111111111111111111
Freq. Percent Cum. Pattern
23 23 23 23 23 23 23
Distribution of T_i: min 5% 25% 50% 75% 95% max
(id*Años uniquely identifies each observation)
Span(Años) = 23 periods
Delta(Años) = 1 unit
Años: 1996, 1997, ..., 2018 T = 23
id: 1, 2, ..., 7 n = 7
. xtdescribe
190
Anexo 29- Heterogeneidad del Canon Minero entre los Departamentos de la MRS, 1996-2018
02
00
400
600
800
Ca
no
n M
ine
ro (
Mill
on
es d
e S
ole
s)
Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna
Departamentos
Canon Minero (Millones de Soles) cm_mean
Fuente: MEF.
Elaboración: Propia.
191
Anexo 30- Heterogeneidad de la Pobreza por NBI entre los Departamentos de la MRS, 1996-2018
02
04
060
80
Po
bre
za
(%
de
la
Po
bla
ció
n T
ota
l co
n a
l m
en
os u
na
NB
I)
Apurímac Arequipa Cusco Madre de Dios Moquegua Puno Tacna
Departamentos
Pobreza NBI (% de la Población Total) pza_mean
Fuente: INEI.
Elaboración: Propia.
192
Anexo 31- Heterogeneidad del Canon Minero entre Años de los Departamentos de la MRS, 1996-2018
02
00
400
600
800
Ca
non
Min
ero
(M
illo
ne
s d
e S
ole
s)
1996 2000 2004 2008 2012 2016
Tiempo (Años)
Canon Minero (Millones de Soles) cm_mean
Fuente: MEF.
Elaboración: Propia.
193
Anexo 32- Heterogeneidad de la Pobreza por NBI entre Años de los Departamentos de la MRS, 1996-
2018
02
04
06
08
0P
ob
reza
(%
de
la
Po
bla
ció
n T
ota
l co
n a
l m
en
os u
na
NB
I)
1996 2000 2004 2008 2012 2016
Tiempo (Años)
Pobreza NBI (% de la Población Total) pza_mean
Fuente: INEI.
Elaboración: Propia.
194
Anexo 33- Comportamiento Individual del Canon Minero en los Departamentos de la MRS, 1996-2018
0200
400
600
800
0200
400
600
800
0200
400
600
800
1990 2000 2010 20201990 2000 2010 2020
1990 2000 2010 2020
Apurímac Arequipa Cusco
Madre de Dios Moquegua Puno
Tacna
Ca
no
n M
ine
ro (
Mill
on
es d
e S
ole
s)
Tiempo (Años)Fuente: MEF.
Elaboración: Propia.
195
Anexo 34- Comportamiento Individual de la Pobreza por NBI de los Departamentos de la MRS, 1996-
2018
020
40
60
020
40
60
020
40
60
1990 2000 2010 20201990 2000 2010 2020
1990 2000 2010 2020
Apurímac Arequipa Cusco
Madre de Dios Moquegua Puno
Tacna
Po
bre
za
(%
de
la
Po
bla
ció
n T
ota
l co
n a
l m
en
os u
na
NB
I)
Tiempo (Años)Fuente: INEI.
Elaboración: Propia.
196
Anexo 35- Comparación entre Modelos con Datos de Panel
Modelo de Efectos Fijos vs Modelo de MCO Agrupados.
¿Cuál de los dos modelos es el mejor? Antes de responder a esta cuestión, se debe tener en
cuenta que el modelo de MCO agrupados es un modelo restringido, ya que supone que el intercepto
es constante para todos los departamentos (no incluye variables dicotómicas para cada
departamento). Por lo que, se puede utilizar la prueba “F” restrictiva de los resultados del modelo
de efectos fijos para responder la cuestión, como se presenta a continuación.
Planteamiento de la hipótesis:
H0: (v1... vi = 0) Todas las variables dicotómicas departamentales son igual a 0.
H1: (v1... vi ≠ 0) Todas las variables dicotómicas departamentales son diferentes a 0.
Estadístico F del Modelo de Efectos Fijos
Fuente: INEI y MEF.
Elaboración: Propia a través del software estadístico Stata 15.
Por lo tanto, como (Prob > F = 0.000) es menor a 0.05, se puede rechazar la H0 y aceptar
la H1, lo cual significa que al menos algunas variables dicotómicas sí pertenecen al modelo, por lo
que es preferible utilizar el método de efectos fijos.
F test that all u_i=0: F(6, 145) = 16.78 Prob > F = 0.0000
197
Modelo de Efectos Aleatorios vs Modelo de MCO Agrupados.
Para saber si es mejor utilizar el modelo de efectos aleatorios o el modelo de MCO
agrupados, es necesario recordar que el modelo de efectos aleatorios considera un término aleatorio
(ℇ𝑖) y a su vez supone que dicho termino no está correlacionado con las variables independientes
(el canon minero). Por lo tanto, para determinar el mejor modelo, se aplicará la prueba conocida
como el Multiplicador de Lagrange formulado por Breusch y Pagan para efectos aleatorios, como
se muestra a continuación.
Planteamiento de la hipótesis:
H0: (σu2 = 0) Se trata de un modelo agrupado.
H1: (σu2 ≠ 0) Se trata de un modelo de efectos aleatorios.
Test de Breushch Pagan
Fuente: INEI y MEF.
Elaboración: Propia a través del software estadístico Stata 15.
De acuerdo a los resultados, la (Prob > chibar2 = 0.0000) es menor a 0.05, esto nos indica
que se debe rechazar la H0 y aceptar la H1, lo que significa que es preferible usar el método del
modelo de efectos aleatorios al modelo de MCO agrupados.
Prob > chibar2 = 0.0000
chibar2(01) = 234.27
Test: Var(u) = 0
u 84.2776 9.180283
e 105.4448 10.26863
pza 252.7269 15.89739
Var sd = sqrt(Var)
Estimated results:
pza[id,t] = Xb + u[id] + e[id,t]
Breusch and Pagan Lagrangian multiplier test for random effects
198
Anexo 36- Matriz de Consistencia
F
uen
te:
Pro
pia
.
Ela
bora
ció
n:
Pro
pia
.