determinantes socioeconómicos culturales, institucionales y ambientales de la mortalidad infantil...
DESCRIPTION
tesisTRANSCRIPT
UNIVERSIDAD MAYOR DE SAN SIMÓN POSGRADO DE CIENCIAS ECONÓMICAS
DETERMINANTES SOCIOECONÓMICOS, CULTURALES, INSTITUCIONALES Y AMBIENTALES DE LA MORTALIDAD
INFANTIL EN LOS DISTRITOS MUNICIPALES DE LA CIUDAD DE COCHABAMBA, 1996 - 2006
TRABAJO FINAL DE INVESTIGACIÓN PRESENTADO PARA OBTENER EL TÍTULO DE: MAGISTER EN ECONOMÍA Y DESARROLLO
POSTULANTE: Lic. Natalia Zegarra Saldaña TUTOR: Ph.D. Víctor Hugo Blanco B.
Enero, 2010 COCHABAMBA – BOLIVIA
i
ÍNDICE GENERAL
INTRODUCCIÓN ..................................................................................................................... 1 1. Planteamiento del Problema .................................................................................................. 2 2. Formulación del Problema .................................................................................................... 3
a. Preguntas de investigación ........................................................................................... 3 3. Justificación ........................................................................................................................... 3 4. Hipótesis ................................................................................................................... 4 5. Objetivos ................................................................................................................................ 5
a. Objetivo General .......................................................................................................... 5 b. Objetivos Específicos ................................................................................................... 5
6. Alcance Espacial y Temporal ................................................................................................ 5 7. Metodología ........................................................................................................................... 5
a. Fuentes de Información ................................................................................................ 6 CAPÍTULO I. MARCO TEÓRICO .......................................................................................... 7 1. Teoría Demográfica ............................................................................................................... 7
1.1. Enfoques Demográficos ............................................................................................ 8 1.1.1. Mortalidad Infantil .......................................................................................... 9
1.1.1.1. Determinantes Socioeconómicos de la Mortalidad Infantil .............. 10 a. Categoría Ocupacional y nivel de ingresos económicos ................. 10 b. Condición de alfabetismo y nivel de instrucción de la madre ....... 11
1.1.1.2. Determinantes Ambientales de la Mortalidad Infantil ...................... 11 a. Disponibilidad de agua potable y/o alcantarillado en los hogares .. 11
1.1.1.3. Determinantes de salud de la Mortalidad Infantil (Asociados a la
Morbilidad Infantil) ........................................................................................ 11
a. Enfermedades Diarreicas Agudas (EDA´s) .................................... 11 b. Infecciones Respiratorias Agudas (IRA´s) ..................................... 12 c. Desnutrición Infantil ....................................................................... 12
1.1.1.4. Determinantes Institucionales............................................................ 12 a. Lugar de atención y personal que atendió el último parto .............. 12
1.1.1.5. Determinantes Culturales .................................................................. 13 a. Idioma de la madre .......................................................................... 13
1.1.1.6. Determinantes Demográficos ............................................................ 13 a. Edad de la madre ............................................................................. 13 b. Paridad y Orden de nacimiento ....................................................... 13 c. Tasa Global de Fecundidad ............................................................. 14
1.2. Población y Desarrollo desde una perspectiva de derechos humanos ..................... 15 1.3. Vulnerabilidad Social y Económica ......................................................................... 16
CAPÍTULO II. MARCO REFERENCIAL .............................................................................. 18 2.1. Proceso de urbanización en Bolivia ......................................................................... 18
ii
2.2. Proceso de Urbanización y organización territorial de Cochabamba ...................... 19 2.3. Creación de los Distritos Municipales ..................................................................... 26 2.4. Las tareas de planificación en la década de los 90´s ................................................ 28 2.5. Distintas situaciones socioeconómicas de los Distritos Municipales de Cochabamba – Bolivia .................................................................................................... 30
2.5.1. Población ..................................................................................................... 30 2.5.1.1. Indicadores Demográficos ................................................................. 32
2.5.2. Sistema de Salud .......................................................................................... 33 2.5.2.1. Estructura del servicio de salud ........................................................... 33 2.5.2.2. Determinantes institucionales de salud y Enfermedades Prevalentes De la Infancia .................................................................................................... 38
2.5.3. Sistema Educativo ....................................................................................... 44 2.5.3.1. Estructura del sistema educativo .......................................................... 45
2.5.4. Análisis Socioeconómico y ambiental ......................................................... 48 2.5.4.1. Empleo e Ingresos ................................................................................ 48 2.5.4.2. Servicios Básicos ................................................................................. 52
CAPÍTULO III. DESARROLLO Y APLICACIÓN ................................................................ 54 3.1. Variables del modelo................................................................................................ 58 3.2. El modelo de estimación .......................................................................................... 59 3.3. Estimación del modelo ............................................................................................. 63 3.4. Resultados ................................................................................................................ 65
3.4.1. Test de Heteroscedasticidad: Test de White ................................................ 67 3.4.2. Test de Autocorrelación ............................................................................... 68
3.5. Análisis de resultados ............................................................................................... 71 3.5.1. Análisis contextual de los resultados ........................................................... 76
IV. CAPÍTULO CONCLUSIONES Y RECOMENDACIONES ............................................ 79 4.1. Conclusiones ............................................................................................................ 79 4.2. Recomendaciones para futuras investigaciones ...................................................... 81
BIBLIOGRAFÍA ...................................................................................................................... 82 ANEXOS .................................................................................................................................. 90
iii
ÍNDICE DE TABLAS
Tabla N° 1 Etapas de consolidación del Distrito N° 4 ............................................................. 27
Tabla N° 2 Población y Densidad por Distrito Municipal ....................................................... 30
Tabla N° 3 Municipio Cercado – 2001: Población Femenina de 4 años o más de edad
por Distrito Municipal, según idioma que habla ..................................................................... 32
Tabla N° 4 Municipio Cercado-2001: Indicadores Demográficos por Distrito Municipal ..... 33
Tabla N° 5 Municipio Cercado-2006: Número de Establecimientos de salud por Distrito
Municipal, según dependencia ................................................................................................. 34
Tabla N° 6 Municipio Cercado – 2006: Número de Establecimiento de salud por Distrito
Municipal, según nivel de atención ......................................................................................... 35
Tabla N° 7 Establecimientos de salud de los Distritos Municipales N° 4, 10 y 11 .................. 36
Tabla N° 8 Municipio Cercado-2001: Porcentaje de personas por distritos, según lugar de
atención de salud ...................................................................................................................... 37
Tabla N° 9 Municipio Cercado: Número Partos institucionales por Distrito Municipal,
según año .................................................................................................................................. 39
Tabla N° 10 Municipio Cercado 1996 a 2006: Número Partos Institucionales por Distrito
Municipal, según categoría ...................................................................................................... 40
Tabla N° 11 Municipio Cercado: Número de Casos de Neumonías atendidos en
establecimientos de salud por Distrito Municipal, según año .................................................. 41
Tabla Nº 12 Municipio Cercado: Número de Casos de Enfermedades Diarreicas
Agudas atendidos en establecimientos de salud por Distrito Municipal, según año ................ 41
Tabla N° 13 Municipio Cercado: Número de Casos de Desnutrición atendidos en
Establecimientos de salud por Distrito Municipal, según año ................................................. 43
Tabla Nº 14 Municipio Cercado – 1996 a 2006: Número de Casos de Desnutrición
infantil atendidos en establecimientos de salud por Distrito Municipal, según
grados de desnutrición .............................................................................................................. 44
Tabla Nº 15 Municipio Cercado-2005: Relación de Unidades educativas y Déficit
/Superávit de la oferta educativa pública por distrito municipal .............................................. 45
Tabla N° 16 Municipio Cercado-2001: Indicadores Educativos por Distrito Municipal ......... 46
Tabla N° 17 Municipio Cercado 2001: Indicadores Económicos por Distrito Municipal ...... 50
iv
Tabla N° 18 Municipio Cercado-2001: Número de personas por grupo de ocupación según
Distrito Municipal .................................................................................................................... 51
Tabla N° 19 Municipio Cercado-2001: Porcentaje de hogares con cobertura de servicios
básicos por distrito municipal, según servicio ......................................................................... 52
Tabla N° 20 Matriz de Sistematización de Información ......................................................... 56
Tabla N° 21 Resultados de las Regresiones por Distrito Municipales .................................... 65
Tabla N° 22 Resultados de las Regresiones Auxiliares ........................................................... 68
Tabla N° 23 Resultados de las Regresiones Auxiliares de la prueba de
Breush – Godfrey .................................................................................................................... 70
Tabla N° 24 Grupos de Distritos según combinaciones de Determinantes de la mortalidad
infantil ....................................................................................................................................... 73
v
ÍNDICE DE FIGURAS
Figura N° 1 Organización territorial del Municipio de Cercado – Cochabamba ..................... 24
Figura N° 2 Test de Autocorrelación de Durbin Watson ......................................................... 69
Figura N° 3 Conjuntos de Distritos Municipales por determinantes similares de la TMI ....... 75
vi
ÍNDICE DE ABREVIACIONES
AGUA: Abastecimiento de agua potable en porcentaje de población servida
AIEPI Atención Integrada a la Enfermedades Prevalentes de la Infancia
ALCANT: Cobertura de alcantarillado en porcentaje de población servida
ANALFEM: Tasa de analfabetismo femenino
ASISTFEM: Tasa de asistencia escolar femenina
AG_PC_P Trabajadores en agricultura, pecuaria y pesca
AD_PUB_E Directivos Administración Pública y empresas
BID Banco Interamericano de Desarrollo
CEDIB Centro de Documentación e Información Bolivia
CEDLA Centro de Estudios para el Desarrollo Laboral y Agrario
CELADE Centro Latinoamericano y Caribeño de Demografía
CEPAL Comisión Económica para América Latina
C.S. Centro de Salud
DESEMP: Tasa de desempleo
EDA´S Enfermedades Diarreicas Agudas
EMP_OF Empleados de oficina
EX_CN_M Trabajadores Industria Extractiva, construcción y manufactura
FFAA Fuerzas Armadas
FECUND: Tasa Global de Fecundidad
Ha. Hectárea
Hab. Habitantes
H.A.M. Honorable Alcaldía Municipal de Cochabamba
Hosp. Hospital
INGPC Ingreso Per Cápita Promedio
IRA´S Infecciones Respiratorias Agudas
MELI Mejores Estimadores Lineales Insesgados
MCO Mínimos Cuadrados Ordinarios
O_INS_M Operadores de instalaciones y maquinaria
vii
OMS Organización Mundial de la Salud
ONG Organismo No Gubernamental
OTB´s Organizaciones Territoriales de Base
OPS Organización Panamericana de Salud
PEA Población Económicamente Activa
PEE Población en Edad Escolar
PEI Población Económicamente Inactiva
PET Población en Edad de Trabajar
PIB Producto Interno Bruto
PIBPC: Producto Interno Bruto per cápita
PNUD Programa de Las Naciones Unidas para el Desarrollo (PNUD, 2004
P.M.D.D. Plan Municipal de Desarrollo Distrital
PRF_CNT Prof. Científicos y profesionales
SEDES Servicio Departamental de Salud
Seg. Social Seguridad Social
SIMECAL Sistema de Medición y Evaluación de la Calidad Educativa
SIN_ESP Sin especificar
SNIS Servicio Nacional de Información de Salud
SISPLAN Sistema Nacional de Planificación
SRV_COM Servicio y vendedores de comercio
TB_N_CA Trabajadores no calificados
TC_PR_A Técnicos y profesionales de apoyo
TMI Tasa de Mortalidad Infantil
UNICEF United Nations International Children´s Emergency Found (Fondo de
las Naciones Unidas para la Niñez)
viii
RESUMEN En los últimos años, el Municipio Cercado de Cochabamba - Bolivia, ha registrado altos
niveles de crecimiento urbano, predominantemente con base en asentamientos informales
en áreas territoriales carentes de servicios básicos. Esto ha condicionado distintas
realidades sociales, económicas, políticas y culturales entre sus 14 distritos municipales.
La Tasa de Mortalidad Infantil permite establecer el estado de salud de los niños y las
condiciones socioeconómicas donde éstos se desarrollan. Al existir diferentes niveles en cada
uno de los Distritos Municipales de la ciudad de Cochabamba es importante identificar las
diferentes combinaciones de sus determinantes socioeconómicos, ambientales, de salud,
institucionales, culturales y demográficos; para que las futuras acciones en materia de
Políticas y Programas de salud estén fundamentadas en elementos de juicio.
Con este fin, se recolecto información demográfica y estadística de los distritos
municipales y se realizó una regresión en series de tiempo con el Método de MCO para 12
distritos municipales; el periodo de estudio fue de 1996 a 2006. El modelo incluyó las
siguientes variables: la Tasa de Analfabetismo Femenino, la Tasa de Asistencia Escolar
Femenina, la Tasa de Desempleo, el Ingreso per cápita promedio, la Tasa Global de
Fecundidad, el porcentaje de hogares que contaban con agua potable, y el porcentaje de
hogares que contaban con alcantarillado. Adicionalmente, se realizó un análisis cualitativo
de los determinantes de salud asociados a morbilidad infantil y se calculó el déficit o
superávit en la cobertura de los servicios de salud y educación para cada Distrito.
Los resultados obtenidos permitieron estructurar ocho grupos de distritos municipales por
combinaciones de Determinantes de la Mortalidad Infantil similares:
I Agua y Desempleo Distritos 2, 3, 6 y 9 II Agua y Analfabetismo femenino Distritos 8 y 11 III Asistencia Escolar y Agua Distrito 7 IV Asistencia Escolar Femenina e Ingresos per cápita promedio Distrito 1 V Alcantarillado y Desempleo Distrito 5 VI Asistencia Escolar Femenina y Desempleo Distrito 12 VII Alcantarillado e Ingresos per cápita promedio Distrito 4 VIII Asistencia Escolar femenina, Alcantarillado e Ingresos per
cápita promedio Distrito 10
ix
ABSTRACT In the last years, the Cercado´s Government of Cochabamba - Bolivia has registered high
levels of urban growth, based predominantly on informal settles on areas where there are
not public services such as drinkable water or sanitary sewage systems. These conditions
have determined disparities between the municipal districts (14) of Cochabamba.
The Infant Mortality Rate is used to establish the health status of children and also the
socioeconomic conditions of the places where they grew up. Since there are different levels
of Infant Mortality in each one of the Municipal Districts of Cochabamba´s; it is necessary
to visualize the different combinations of the socioeconomic, environmental, health,
institutional, cultural and demographic determinants of Infant Mortality Rate in each one of
the Municipal Districts of Cochabamba´s city. It will be useful for the reorientation of
children´s health politics and programs.
For this intention, demographic and statistical information of the municipal districts of
Cochabamba were collected and used in a time-series regression with the method of
Ordinary Least Squares for 12 municipal districts. The model has included the following
explanatory variables: the Female Illiteracy Rate, the Female School Assistance Rate, the
Unemployment Rate, the Per Capita Incomes, the Global Rate of Fecundity, the percentage
of households that have drinkable water and sewerage system. In addition, a qualitative
analysis of the principal health determinants related to infant´s morbidity was developed
and calculated the deficit/surplus of the health and education system´s coverage.
These results allow establishing eight groups of municipal districts with similar
combinations of infant mortality determinants. These results are shown in the next table:
I Water and Unemployment Rate Districts 2, 3, 6 and 9 II Water and Feminine Illiteracy Districts 8 and 11 III Female School Assistance Rate and Water District 7 IV Female School Assistance Rate and Per Capita Incomes District 1 V Sanitary sewage and Unemployment Rate District 5 VI Female School Assistance and Unemployment Rate District 12 VII Sanitary sewage and Per Capita Incomes District 4 VIII Female School Assistance Rate, Sewerage and Per Capita
Incomes District 10
1
INTRODUCCIÓN
A lo largo de la historia de Bolivia, como consecuencia de los distintos modelos económicos
aplicados en el país, del acceso a las acciones o programas de las políticas públicas y de una
prolongada distribución inequitativa de los recursos económicos y materiales; las condiciones
de vida de las familias han sufrido profundos cambios, derivando en la configuración de una
amplia gama de situaciones que se reflejan en las profundas brechas económicas, sociales,
políticas, ambientales, institucionales y culturales existentes entre sus habitantes y las zonas en
las que habitan
(Ledo, 2005).
En países en vías de desarrollo que tienen una alta concentración de población joven,
los efectos más crudos de las diferencias existentes al interior de los centros urbanos se
manifiestan en las condiciones de vida de los individuos, sobretodo de los niños; que son más
vulnerables a las características de su entorno y a los alcances de las políticas públicas. Estas
diferencias son recogidas por la Tasa de Mortalidad Infantil, uno de los indicadores que mejor
refleja las condiciones de vida de las familias y el estado de salud de sus miembros (Ministerio
de Salud y Deportes, 2004).
Esta compleja configuración de realidades a nivel departamental y sobre todo a nivel
Municipal, es el resultado del proceso de urbanización vivido en el país, del crecimiento
natural de la población y del constante flujo migracional rural a los centros urbanos
(Ministerio de Salud y Deportes, 2006).
El propósito de la presente investigación es desarrollar una metodología que permita
visualizar la interrelación de los determinantes socioeconómicos, ambientales, de la salud,
institucionales, culturales y demográficos de la Mortalidad Infantil para cada uno de los
distritos municipales de la ciudad de Cochabamba, a través de un modelo de regresión
elaborado con el Método de Mínimos Cuadrados Ordinarios, para el periodo 1996 a 2006. Si
bien sus resultados son válidos para el período, podrían ser útiles para la planificación del
desarrollo local y para la formulación e implementación de políticas departamentales,
municipales integrales y específicas para grupos de Distritos Municipales con condiciones de
vida similar; y así mejorar el estado de salud de la población en general.
2
1. Planteamiento del Problema
Con la promulgación de la Ley Nº 1551 de Participación Popular (1994) y la Ley N° 1654 de
Descentralización Administrativa (1995), se reconoció la personería jurídica de las
Organizaciones Territoriales de Base (OTB´s) urbanas y rurales; creándose Distritos
Municipales en aquellas zonas urbanas o municipios extensos de las ciudades capitales de
Bolivia (Galindo, 2005).
El Municipio Cercado de Cochabamba, actualmente está conformado por 14 distritos,
que expresan distintas situaciones sociales, económicas, políticas y culturales. Estas distintas
situaciones en las que coexisten los hogares de los distritos municipales se convierten en
determinantes de las condiciones de vida de la población. Por lo que los hogares que tienen
menor disponibilidad de activos materiales, no materiales y se encuentran bajo “el desamparo
institucional del Estado” presentan algún grado de vulnerabilidad social y económica; lo que
dificulta que puedan afrontar los cambios necesarios y/o responder a las exigencias de los
contextos o del medio en el que se desenvuelven para aprovechar las oportunidades que se les
pudiera presentar (Perona, Crucella, Rocchi & Robín, 2001). Situación que afecta el estado
de salud de su población y que condiciona elevados niveles de mortalidad infantil.
Por ejemplo; para el año censal 2001, los distritos 7, 8, 9 y 14 del municipio Cercado
de Cochabamba presentaban elevadas Tasas de Mortalidad Infantil (TMI), (defunciones de
niños menores a un año por cada 1000 nacidos vivos): 90, 94, 98 y 97, respectivamente en
comparación con la tasa registrada en los distritos más desarrollados 10, 11 y 12 (66, 51 y 47
respectivamente) y a la registrada en el Municipio (TMI: 78) (Butrón & Veizaga, 2003).
En cuanto a las condiciones de vida en algunos barrios de la ciudad de Cochabamba,
según la Carpeta de Datos de la zona sur de la Ciudad de Cochabamba, (CEDIB, 2007), se
registraron altas tasas de desempleo, deficiente cobertura de servicios de salud y educación;
además de una deficiente o nula cobertura de servicios básicos tales como: energía eléctrica,
agua potable y alcantarillado.
A partir de lo mencionado surge el problema de investigación, basado en que existen
diferentes combinaciones de los determinantes socioeconómicos, ambientales, de salud,
3
institucionales, culturales y demográficos que establecen diferentes niveles de Mortalidad
Infantil en cada uno de los Distritos Municipales de la ciudad de Cochabamba; y que los
mismos no han sido considerados en la formulación e implementación de políticas públicas; y
que de hacerlo
2. Formulación del Problema
se podría mejorar el estado de salud de la población en general.
¿Cuáles son las combinaciones de los determinantes socioeconómicos, ambientales, de salud,
institucionales, culturales y demográficos que establecen los niveles de Mortalidad Infantil en
cada uno de los Distritos Municipales de la ciudad de Cochabamba durante el periodo 1996 -
2006?
a. Preguntas de investigación
• ¿Cuáles son las diferencias en las condiciones socioeconómicas, ambientales, de salud,
institucionales, culturales y demográficas que inciden en los niveles de la Mortalidad
Infantil de la población de los Distritos Municipales de la ciudad de Cochabamba durante
el periodo 1996 - 2006?
• ¿Son iguales las combinaciones de los determinantes socioeconómicos, ambientales, de
salud, institucionales, culturales y demográficas que establecen los niveles de Mortalidad
Infantil entre los Distritos Municipales de la ciudad de Cochabamba durante el periodo
1996 - 2006?
3. Justificación
Las áreas urbanas en Bolivia como en otros países han tenido un inusitado crecimiento que ha
superado las expectativas de los planificadores, predominantemente con base en asentamientos
informales en áreas territoriales carentes de servicios básicos (Darras, 1998). De manera que
en cada ciudad se encuentran zonas con diferentes grados de desarrollo y de vulnerabilidad
social y/o económica.
Silva y Durán (1990), indican que estos distintos grados de desarrollo, pueden verse
reflejados en una serie de indicadores, como es el caso de la “Tasa de Mortalidad Infantil”
4
(TMI), indicador universalmente utilizado para establecer el estado de salud de los niños y de las
condiciones socioeconómicas donde éstos se desarrollan; puesto que es sensible a la
disponibilidad, utilización y eficacia de la asistencia sanitaria y en particular a la atención
perinatal. Refleja de algún modo los adelantos y oportunidades que tiene el hombre y a la vez
permite averiguar no sólo cuánto ha crecido económicamente un país sino también cómo se ha
traducido la creación de riqueza en mejoras cualitativas en la vida de sus habitantes.
Como se mencionó, el Municipio de Cochabamba, está compuesto por 14 Distritos
Municipales que en su interior presentan diferencias en los niveles y condiciones económicas,
sociales, culturales, políticas, ambientales e institucionales. Conforman por lo tanto, distritos
con grupos sociales, hogares e individuos con algún grado de vulnerabilidad social y/o
económica diferentes.
Los diferentes niveles de Mortalidad Infantil presentes en los Distritos Municipales de
Cochabamba, son el resultado de los logros alcanzados por las políticas públicas nacionales y
municipales implementadas; pero también de las condiciones de vida de los hogares.
La identificación de las diferentes situaciones socioeconómicas, ambientales, de salud,
institucionales, culturales y demográficas de los hogares podría servir para que las decisiones
en relación a acciones para la salud infantil estén fundamentadas en elementos de juicio
decisivos para el diseño de políticas integradas pero específicas para grupos de distritos
municipales; de manera que las Políticas de Estado sean complementadas y se orienten las
Políticas y Programas de salud infantil para alcanzar una reducción significativa de la
Mortalidad Infantil en los distritos municipales más carenciados.
4. Hipótesis
Como consecuencia de las disparidades sociales, económicas, ambientales, de salud,
institucionales, culturales y demográficas entre las poblaciones de los Distritos Municipales;
los Determinantes de la Mortalidad Infantil no son necesariamente los mismos; existiendo por
tanto diferencias entre ellos, así como entre su combinación e influencia estadística en cada
uno de los Distritos Municipales en el periodo de 1996 – 2006.
5
5. Objetivos
a. Objetivo General
Establecer la diferencia en el predominio de algunos tipos de determinantes socioeconómicos,
ambientales, de salud, institucionales, culturales y demográficos que establecen niveles de
Mortalidad Infantil diferenciados en cada uno de los Distritos Municipales de la ciudad de
Cochabamba durante el periodo 1996 – 2006.
b. Objetivos Específicos
1. Establecer las diferencias socioeconómicas, ambientales, de salud, institucionales,
culturales y demográficas entre Distritos Municipales de la Ciudad de Cochabamba en el
periodo 1996 - 2006
2. Establecer un modelo econométrico general que priorice el impacto de los determinantes
socioeconómicos, ambientales, de salud, institucionales, culturales y demográficos sobre
el nivel de la Mortalidad Infantil
3. Probar el modelo econométrico con información de cada Distrito Municipal, de manera
que priorice el impacto de los determinantes socioeconómicos, ambientales, de salud,
institucionales, culturales y demográficos sobre el nivel de la Mortalidad Infantil
4. Establecer conjuntos de distritos municipales con determinantes socioeconómicos,
ambientales, de salud, institucionales, culturales y demográficos estadísticamente
similares.
6. Alcance Espacial y Temporal
El ámbito de estudio comprende la información de los determinantes socioeconómicos,
ambientales, de salud, institucionales, culturales y demográficos de la TMI de los 14 Distritos
Municipales de la Ciudad de Cochabamba, en el periodo 1996 a 2006.
7. Metodología
En razón a que la investigación esta orientada a segmentos definidos (distritos) del Municipio
Cercado de Cochabamba, se consideraron tres tipos de estudios:
6
Estudio Descriptivo: Este tipo de estudio fue utilizado para delimitar cuáles son las
variables a utilizar como posibles determinantes de la mortalidad infantil en el Municipio
de Cochabamba.
Estudio Correlacional: Este tipo de estudio fue utilizado con el fin de medir el grado de
relación existente entre los determinantes socioeconómicos, ambientales, de salud,
institucionales, culturales y demográficos de la Mortalidad Infantil en el Municipio de
Cochabamba.
Estudio Explicativo: Con este tipo de estudio se buscó encontrar las razones o causas que
explican esos niveles de mortalidad infantil en el Municipio de Cochabamba.
a. Fuentes de Información
Las fuentes de información utilizadas se dividieron en primarias y secundarias:
- Fuentes Primarias
Para la obtención de información de estas fuentes se realizaron entrevistas al personal del:
Servicio Departamental de Salud (SEDES), Servicio Nacional de Información de Salud de
Cochabamba y a nivel nacional (SNIS), Gerencia de Red Cercado – Cochabamba y también al
personal de la Honorable Alcaldía Municipal de Cochabamba. Las entrevistas realizadas
permitieron complementar los datos estadísticos y demográficos recopilados de otras fuentes.
- Fuentes Secundarias
Se recopilaron datos estadísticos, demográficos, históricos, etc. de las siguientes fuentes
secundarias: Encuesta Nacional de Demografía y Salud de 1998 y 2003, Censos Nacionales de
Población de 1992 y 2001 publicados por el Instituto Nacional de Estadística; Planes de
Desarrollo Distritales, Plan Estratégico para la Ciudad de Cochabamba y el Plan de
Ordenamiento Territorial. (1996-2001), Ajustes y Complementaciones a los Planes de
Desarrollo Distritales (2007) elaborados por la Honorable Alcaldía Municipal de
Cochabamba; Información estadística de salud procesada por el Servicio Departamental de
Salud (SEDES) y por la Gerencia de Red Cercado – Cochabamba.
También se realizó una revisión de trabajos de investigación previos como tesis, proyectos de
grado, periódicos, revistas, publicaciones científicas, etc.
7
CAPÍTULO I
MARCO TEÓRICO
El presente capítulo comprende un análisis de: la teoría demográfica, el enfoque
demográfico estático y dinámico, la Tasa de Mortalidad Infantil como un indicador sensible a
la situación de salud y condiciones de vida de la población, de sus determinantes económicos,
sociales, ambientales, de salud asociados a la morbilidad infantil, institucionales, culturales y
demográficos. También se hace referencia a la relación entre Población y desarrollo y se
destaca la importancia de la Tasa de Mortalidad Infantil como un indicador que refleja el
“grado” de desarrollo alcanzado por una determinada población y su asociación a diferentes
situaciones de vulnerabilidad social y económica.
1. Teoría Demográfica
El estudio de la demografía es muy importante, por su influencia en el proceso de
desarrollo de las naciones. La Comisión Económica para América Latina (CEPAL, 2005a)
indica que la dinámica demográfica estudia el comportamiento de la población a partir de
variables intrínsecas y extrínsecas. Entre las primeras se encuentran: la natalidad, fecundidad,
niveles de reproducción, niveles de mortalidad, esperanza de vida, etc.
En cambio, las variables extrínsecas hacen referencia al desplazamiento de la
población dentro del propio país como hacia el exterior. Estos desplazamientos, comúnmente
llamados migraciones pueden ser estacionales, ocasionales o permanentes.
El Banco Interamericano de Desarrollo (BID, 2000) sostiene que la interrelación de
estos indicadores, influye en el comportamiento o evolución de la población que modifica el
número de personas en cada país, la tasa de crecimiento demográfico y la estructura por
edades de la población. Los mismos que pueden constituirse en una “advertencia”, cuando el
crecimiento acelerado de las poblaciones supera a la capacidad de los gobiernos para ofrecer
servicios públicos y cuando supera al progreso tecnológico requerido para hacer un mejor uso
de los recursos disponibles. Es decir, que tiene una profunda influencia sobre aspectos
8
económicos y sociales, tales como: la oferta de servicios públicos, el mercado laboral (fuentes
de empleo), niveles de criminalidad, desigualdad, etc.
1.1. Enfoques Demográficos
Existen dos enfoques demográficos que se interrelacionan pero persiguen el mismo objetivo:
La demografía estática consiste en el estudio de las poblaciones humanas en un determinado
momento de tiempo, considerando la dimensión (número de personas), el territorio y la
estructura. En cambio la demografía dinámica, trata sobre la evolución de las poblaciones
humanas en el transcurso del tiempo y los mecanismos por los que se modifican la dimensión,
y/o la estructura de la población (CELADE & CEPAL, 2000).
Ejemplos de tales mecanismos son la natalidad, la fecundidad, el sexo, la edad, la
educación, el divorcio, el envejecimiento, la mortalidad, la migración y emigración, el trabajo,
etc. A partir de esta interrelación, es muy importante entender cuál es la evolución o
crecimiento de la población y cuáles son las causas de dicho efecto; como consecuencia del
tipo de crecimiento y fase de transición demográfica por la que atraviesa (CEPAL, 2005a).
El crecimiento natural de una población está basado en la diferencia existente entre el
número de nacidos y el número de fallecidos.
Pudiéndose identificar los siguientes tipos:
a. Crecimiento natural positivo: En este caso, el número de nacidos supera al de muertos
b. Crecimiento natural negativo: La cantidad de muertos supera al de nacidos
c. Crecimiento natural neutro: La cantidad de nacidos es igual al de muertos.
Por otro lado, la “Teoría de la Transición demográfica” explica que los cambios en el
tamaño poblacional y en la estructura por edades se deben al crecimiento de la población
urbana y a la mejora en las condiciones de vida ocasionada por los cambios en los ámbitos
económicos, tecnológicos, culturales, educativos y de salud pública de la población (BID,
CEPAL & CELADE, 2000). Esta teoría comprende las siguientes cuatro fases secuenciales:
9
• Fase 1 (Incipiente): El crecimiento natural de la población es muy lento; puesto que
existen altas tasas de natalidad y mortalidad.
• Fase 2 (Moderada): Esta fase se caracteriza por una rápida disminución de las tasas de
mortalidad y una natalidad aún relativamente elevada. Resultados ocasionados por mejoras
en las condiciones de salud pública, mejoras técnicas, tecnológicas y los avances en
diferentes ramas.
• Fase 3 (Plena): En esta fase, los índices de natalidad descienden rápidamente debido a
cambios sociales tales como: el incremento en la utilización de métodos anticonceptivos,
la inserción de la mujer a la actividad laboral, entre otros.
• Fase 4 (Avanzada): Se caracteriza porque la tasa de mortalidad y natalidad son mínimas;
por lo que el crecimiento natural de la población vuelve a estancarse.
En los últimos años, se ha adicionado una quinta fase, en la que estarían entrando los
países mas avanzados. Esta fase se caracteriza por mantener bajas tasas de natalidad y
presentar un ligero incremento en la mortalidad a consecuencia del envejecimiento de la
población.
1.1.1. Mortalidad Infantil
La Tasa de Mortalidad Infantil (TMI) se define como “la relación entre las defunciones de
niños menores a un año civil y los nacimientos vivos de ese año” (Pressat, 1987, p.196).
La TMI es un indicador sensible y muy comúnmente usado para medir el estado de
salud, las enfermedades y condiciones de vida de la población; puesto que se relaciona con
diferentes aspectos sociales, culturales y económicos de los hogares.
La utilización de la información sobre los niveles de la mortalidad infantil así como de
sus principales determinantes socioeconómicos, ambientales, de salud, institucionales,
culturales y demográficos; se constituye en una importante herramienta para la mejor toma de
decisiones por parte de los gerentes de entidades sanitarias y también para proponer y formular
acciones más efectivas.
10
1.1.1.1. Determinantes Económicos y Sociales de la mortalidad infantil
a. Categoría ocupacional y nivel de ingresos económicos
De acuerdo al Centro de Estudios para el Desarrollo Laboral y Agrario (CEDLA, 2009), en
Bolivia existen altos niveles de desigualdad de los ingresos, discriminando entre los
trabajadores calificados y no calificados; y a la vez entre regiones del país y género de los
trabajadores.
De esta manera, los puestos de trabajo que demandan trabajadores con menor
calificación (servicios y operarios no calificados) tienen un ingreso menor a aquellos que
ocupan puestos más calificados (directivos y gerentes). Los obreros, trabajadores por cuenta
propia, empleados/as del servicio doméstico son los que tienen una remuneración más baja.
De acuerdo al trabajo realizado por Antequera (2007), las familias con menores
recursos económicos tienen sus viviendas en lugares alejados donde no llega el transporte
público y/o presentan bajas coberturas de servicios básicos (principalmente agua y
alcantarillado), servicios educativos y/o de salud. Por lo que los niños están más expuestos a
contraer enfermedades diarreicas e infecciosas; incrementando así la probabilidad de muerte.
Otra relación estudiada por Escobar y Guaygua (2008), establece que las familias al
contar con menos recursos económicos se ven “obligadas” a buscar mecanismos de
subsistencia en los que todos los miembros de la familia deben participar; cumpliendo por
tanto una función de alivio a su situación de inmediata pobreza.
Esto ocasiona que los miembros más jóvenes de las familias se inserten al mercado
laboral informal a más temprana edad; lo que incrementa las tasas de deserción escolar y por
ende disminuye el nivel de instrucción de los mismos. Situación que a largo plazo puede llevar
a la reproducción intergeneracional de estas condiciones y por ende a un incremento de la
Mortalidad Infantil.
Por tanto la estructura del empleo así como la calidad del mismo y su asociación con
los niveles de ingresos económicos, se constituyen en un valioso recurso para aproximarse a
las condiciones y calidad de vida de los hogares. Por tal motivo, en la presente investigación
11
se utilizará el ingreso per cápita promedio como una aproximación a la asociación mencionada
anteriormente.
b. Condición de alfabetismo y nivel de instrucción de la madre
De acuerdo a la CEPAL (2006), estas variables tienen una fuerte incidencia sobre el riesgo de
muerte en la niñez. De acuerdo a la literatura, los mayores riesgos de muerte corresponden a
los hijos de madres sin ningún nivel de instrucción o con nivel de instrucción básico. Existe
evidencia que demuestra que las madres con un mayor nivel de instrucción, pueden adquirir
con mayor facilidad y poner en práctica conocimientos sanitarios elementales sobre
necesidades nutricionales o higiénicas más primarias; además que tienen una mejor percepción
sobre la gravedad de las enfermedades y síntomas. De esta manera, se generan efectos
positivos sobre la productividad y efectividad en el uso de los insumos de salud.
De igual manera, Silva y Duran (1990) indican que el nivel educativo de la madre tiene
un doble efecto: preventivo a medida que ayuda a fomentar la higiene social, y curativo puesto
que se utiliza mejor los servicios de salud.
1.1.1.2. Determinantes Ambientales de la Mortalidad Infantil
a. Disponibilidad de agua potable y/o alcantarillado en los hogares
Las condiciones de vida en que el niño nace y se desarrolla, están determinadas a las
condiciones de su medio ambiente. En especial, la disponibilidad de agua potable y del
servicio de alcantarillado es fundamental para evitar la contaminación del hogar y así poder
evitar la propagación y ocurrencia de enfermedades infecciosas (Instituto Nacional de
Estadística Bolivia, 2003).
1.1.1.3. Determinantes de salud de la Mortalidad Infantil (Asociados a la Morbilidad
Infantil)
a. Enfermedades Diarreicas Agudas (EDAs)
Herrera (2003) menciona que en los países subdesarrollados, las enfermedades diarreicas
agudas (EDA) son uno de los problemas más serios; puesto que se constituyen en una de las
principales causas de morbimortalidad infantil en los niños menores de 5 años. En este grupo
de edad, en el mundo, anualmente se presentan alrededor de 750 y 1000 millones episodios
12
diarreicos y 5 millones terminan en la muerte (alrededor de 10 defunciones por minuto).
Riverón (1992), afirma también que estas enfermedades tienen mucha relación con el
desarrollo socioeconómico de los países y también con la desnutrición infantil que tiene
efectos a mediano y largo plazo.
b. Infecciones Respiratorias Agudas (IRAs.)
Las Infecciones Respiratorias Agudas (IRA) están compuestas por un grupo complejo y
heterogéneo de enfermedades que afectan las vías respiratorias. Al igual que las EDAs
representan un importante problema de salud debido a su alta morbilidad y como causa de
mortalidad. En muchos informes, se afirma que las IRAs representan una de las principales
causas de morbilidad en el mundo y es la causa más frecuente de utilización de los servicios
de salud (alrededor del 30 a 50 % de las visitas de niños menores de 5 años a establecimientos
de salud se deben a esta causa; y entre el 20 a 40 % de las hospitalizaciones se deben a
complicaciones de las mismas). Aproximadamente un tercio de las defunciones de niños
ocurridas en 1993, se atribuyen a complicaciones pulmonares
c. Desnutrición Infantil
(Sánchez, 1996).
De acuerdo a Sfeir (2000), los problemas nutricionales por déficit representan una causa
importante de mortalidad en todos los países de Latinoamérica, determinando cerca de la
mitad de las muertes del menor de 5 años. También constituye un motivo frecuente de
consultas y hospitalizaciones, por la reconocida asociación entre nutrición e infección. En
noviembre de 2006, UNICEF con motivo del Día Mundial de la Alimentación, señaló que la
desnutrición sigue siendo una de las principales causas de mortalidad de menores de cinco
años y contribuye en casi el 50% de las más de 10 millones de muertes anuales de niños y
niñas menores de cinco años.
1.1.1.4. Determinantes Institucionales
a. Lugar de atención y personal que atendió el último parto
Una de las medidas más utilizadas para analizar el acceso a servicios de salud sobre la
supervivencia infantil es la atención en el parto. El estudio de Forste (1994), que estimó para
Bolivia el impacto de la variable atención recibida por un profesional de salud (médico,
13
enfermera u obstetras) sobre el riesgo de morir, encontró una relación positiva entre estas
variables.
1.1.1.5. Determinantes Culturales
a. Idioma de la madre
De acuerdo al Instituto Nacional de Estadística de Bolivia (2003), se determino que el idioma
es un indicador representativo del origen étnico de las personas y que sus actitudes culturales
pueden influir en el riesgo de la muerte infantil. Dado que toda expresión cultural está
relacionada con el idioma, como un medio principal de la comunicación oral y escrita; se
utilizará al idioma que hablan las mujeres como uno de los aspectos que incide sobre la
Mortalidad Infantil.
Con base en datos del Censo 2001, la TMI estimada según el origen étnico fue de 93.4
para la población quechua; 83 para la población guaraní; 79.4 para la población aymara, 63.5
para la población no indígena y 57 para la población mojeña y chiquitana (Ministerio de Salud
y Deportes, 2006).
1.1.1.6. Determinantes demográficos
a. Edad de la Madre
La edad de la madre es otro factor que ayuda a explicar la mortalidad infantil. Tanto las
madres muy jóvenes (Menores a 20 años) como las madres muy mayores (Mayores a 40 años),
incrementan el riesgo de mortalidad para niños (Dammert, 2001).
b. Paridad y Orden de Nacimiento
De acuerdo al Instituto Nacional de Estadística (2003), el número de orden de los nacimientos
influye sobre el riesgo de muerte infantil. Considerando que en nuestro país, el 59 % de las
mujeres en edad reproductiva ya tienen por lo menos 3 hijos y que casi 3 de cada 5 de ellas no
usan método anticonceptivo alguno, podría ser evidencia de la existencia de una gran cantidad
de nacimientos de alto riesgo. Por otro lado, el tiempo transcurrido entre un nacimiento y
otro, es un factor importante a considerar. Cuando el mismo es corto, el tiempo que la madre
puede disponer para el cuidado del hijo, puede provocar inclusive una corta lactancia que
afecta la nutrición del niño. Además, implica el agotamiento físico de la mujer.
14
c. Tasa Global de Fecundidad (TGF)
La fecundidad es una de las variables demográficas más importantes para evaluar las
tendencias de crecimiento de la población de un país. Existen diversos indicadores para medir
esta relación, tal es el caso de la Tasa de natalidad que representa el número de nacimientos en
un periodo de tiempo determinado (normalmente anual) por cada mil habitantes de ese lugar
(CEPAL, 2005d). Sin embargo, para la presente investigación se utilizará la Tasa Global de
Fecundidad como “representante” de este indicador demográfico; puesto que considera la vida
fértil de las mujeres (comprendida entre los 15 a 49 años de edad).
La Tasa Global de Fecundidad (TGF) puede definirse como: “el número de hijos que
en promedio tendría una mujer de una cohorte hipotética de mujeres que durante su vida fértil
tuvieran sus hijos de acuerdo a las tasas de fecundidad por edad del período en estudio y no
estuvieran expuestas a riesgos de mortalidad desde el nacimiento hasta el término del período
fértil” (CELADE & CEPAL, 2000, p. 129).
Existe evidencia de que tanto la Tasa Global de Fecundidad y la Esperanza de Vida al
nacer están influenciadas por factores principalmente del área educativa como ser:
Analfabetismo femenino, acceso a educación sexual y métodos anticonceptivos, programas de
atención materno-infantil, etc.
De acuerdo al Instituto Nacional de Estadísticas Bolivia (2003), la TMI está también
determinada por el espaciamiento intergenésico, la edad de la madre al momento del parto y la
paridad previa. Encontrándose que existen mayores TMI en aquellos niños que nacen con
intervalos intergenésicos menores de 24 meses, cuando los nacimientos son del séptimo o
mayor orden, o cuando las madres tienen menos de 20 años o entre 40 a 49 años de edad.
Por otro lado, la TGF también está determinada por aspectos culturales de la madre,
como el idioma en el que habla. Existe evidencia de que las mujeres que hablan idiomas
nativos tienen en promedio un mayor número de hijos (superior a 4); y también tasas más
elevadas de mortalidad infantil.
15
Estos niveles diferenciados de fecundidad, se asocian con elevadas tasas de
analfabetismo, bajos niveles de instrucción femenina, falta o deficiente cobertura y acceso a
programas de salud y salud sexual y reproductiva. Situaciones que se manifiestan más en
contextos rurales, pero también en contextos urbanos que tienen una “fuerte” presencia de
personas o familias pertenecientes o adscritas a grupos o pueblos indígenas.
1.2. Población y Desarrollo desde una perspectiva de derechos humanos
Para poder abordar este tema debe considerarse la relación existente entre la población y los
derechos humanos; puesto que intervienen variables demográficas como el tamaño, la
estructura por edades y el ritmo de crecimiento de la población y los recursos disponibles. Por
lo que es difícil conciliar los intereses sociales con los interese individuales; es decir conciliar
los cambios intrínsecos de la población (tamaño, distribución y crecimiento) con la dotación
de los recursos o servicios (sanitarios, de empleo, educación, vivienda, infraestructura urbana
etc.) que satisfagan sus demandas y se mejoren las condiciones de vida de las personas
(CELADE, 2005).
El reto de desarrollo consiste en satisfacer las necesidades de las actuales
generaciones y mejorar la calidad de su vida en formas que no comprometan la capacidad de
futuras generaciones para satisfacer sus propias necesidades.
En este marco, el Desarrollo económico puede definirse como:
El desarrollo de un país, no puede ser viable sin la legitimidad del Estado y la participación y
compromiso de la sociedad y de todos los grupos que la conforman. Por otro lado, un plan de
desarrollo no debe beneficiar solamente a un área territorial o a un sector de la población
(Morales, 2006).
“La condición de vida de una sociedad en la cual las necesidades auténticas de los grupos y/o individuos se satisfacen mediante la utilización racional, es decir sostenida, de los recursos y los sistemas naturales.” (CEPAL, 2001a, p. 15).
16
El Estado debe establecer mecanismos que permitan disminuir la desigualdad de
oportunidades en cuanto su capacidad de ofrecer atención institucional, la construcción de
infraestructura de diversa índole, la formación de recursos humanos, la generación de puestos
de trabajo y, en general, la provisión de satisfactores sociales; puesto que las aspiraciones de
las personas se orientan a: la búsqueda de conocimientos, la posibilidad de tener una vida
prolongada y saludable y tener acceso a los recursos que permitan un aceptable nivel de vida.
Para alcanzar un desarrollo sostenible, el aumento del bienestar de la población y la
disminución de la pobreza, se requiere fortalecer cuatro aspectos fundamentales: el Capital
Humano, el Capital Natural, el Capital Social y la Tecnología. De estos, el Capital Humano
puede considerarse como el más importante, por lo que debe situarse al centro de las políticas
públicas. Las que deberán optimizar el rendimiento laboral y posibilitar mejores niveles de
salud y educación para toda la población en general.
CEPAL (2001a) afirma que el segundo tema es que las "políticas públicas" deben ser
entendidas como toda forma de acción organizada en favor de objetivos de interés común, más
que exclusivamente como acciones estatales. Este concepto es consistente con el llamado a
abrir nuevas oportunidades para la participación de la sociedad civil y con la necesidad de
superar la crisis del Estado que afecta al mundo en desarrollo y, en realidad, al mundo entero.
1.3. Vulnerabilidad Social y Económica
La vulnerabilidad social se define como:
“La vulnerabilidad social de sujetos y colectivos de población se expresa de varias formas, ya sea como fragilidad e indefensión ante cambios originados en el entorno, como desamparo institucional desde el Estado que no contribuye a fortalecer ni cuida sistemáticamente de sus ciudadanos; como debilidad interna para afrontar concretamente los cambios necesarios del individuo u hogar para aprovechar el conjunto de oportunidades que se le presente; como inseguridad permanente que paraliza, incapacita y desmotiva la posibilidad de pensar estrategias y actuar a futuro para lograr mejores niveles de bienestar“ (CELADE & CEPAL, 2001, p. 8).
17
La utilización de este concepto permite identificar segmentos de la población que están
más expuestos a sufrir cambios drásticos en sus niveles de vida o en sus condiciones laborales,
como consecuencia de la menor disponibilidad de activos físicos, materiales, financieros,
sociales y humanos, sus estrategias de uso y el conjunto de oportunidades dadas por el Estado,
el mercado y la sociedad civil. De esta manera permite una mayor aproximación a la
diversidad de situaciones a las que se enfrentan los que de una u otra manera son partícipes de
algún tipo de privación.
A partir de esto, surge el concepto de “Condiciones de vida”, que abarca diversos ámbitos
como: el equipamiento y/o provisión de bienes del hogar en relación a la cantidad de
miembros, las características de la inserción ocupacional de los miembros, los niveles de
educación alcanzados por los mismos, el acceso a los beneficios sociales y la posibilidad de
expresión y participación en la vida pública.
Habiendo presentado el marco teórico, en el siguiente capítulo se desarrollará el Marco
Referencial para contextualizar el proceso de urbanización en Bolivia y la distritalización en la
ciudad de Cochabamba.
18
CAPÍTULO II
MARCO REFERENCIAL
En este capítulo se presenta los procesos de urbanización y ocupación del territorio en
Bolivia y en la ciudad de Cochabamba; situaciones que han acontecido en la dinámica de
procesos políticos y económicos aplicados en Bolivia; así como de cambios en los modelos y
patrones de desarrollo, entre otros. El efecto de estos cambios se ha expresado en la creación
de los Distritos Municipales de la ciudad de Cochabamba, cuyos orígenes en algunos de ellos
se remonta a etapas previas a la colonización y en otros casos a la década de los 50´s; a partir
de la cual su expansión y crecimiento poblacional ha superado las expectativas de los
planificadores.
2.1 Proceso de urbanización en Bolivia
Durante la primera mitad del siglo XX, la minería y la agricultura fueron las principales
actividades económicas del país, por lo que la población boliviana estuvo concentrada
predominantemente en el área rural. Posteriormente, los procesos políticos y económicos
acontecidos en nuestro país como: los cambios en los modelos y patrones de desarrollo, los
programas de ajuste estructural, la Reforma Agraria, la reforma urbana y la marcha hacia el
Oriente, modificaron los patrones de urbanización y de ocupación del territorio en el país.
Esto ocasionó un fuerte proceso de migración interna desde los enclaves mineros y ciudades
dedicadas a esta actividad hacia el área urbana de estas ciudades y también hacia la zona
oriental del país (Ledo, 2004). Esta situación no ha sido diferente a la registrada en la ciudad
de Cochabamba. La evolución de la relación entre la población urbana y rural en los diferentes
censos ha quedado invertida. En la gestión 1992 se registraba un 52.26 % como población
urbana y en el último censo ésta se incrementó al 58.83 % (Ministerio de Salud y Deportes,
2007).
El Programa de Las Naciones Unidas para el Desarrollo (PNUD, 2004) indica que al
inicio del siglo XXI, Bolivia se consolida como un país predominantemente urbano,
concentrado en el oriente del país y en las zonas urbanas de las ciudades de La Paz,
Cochabamba y Santa Cruz. Actualmente, la ciudad de La Paz al ser sede capital del país
19
concentra la mayor parte de las instituciones públicas y de trabajadores públicos. Por su parte,
Cochabamba se ha constituido en el enlace entre las ciudades de La Paz y Santa Cruz. Esta
última ciudad se ha consolidado como el polo de desarrollo más importante del oriente
boliviano.
Pese a este crecimiento urbano y al nivel de desarrollo humano alcanzado, al interior de
cada uno de estos departamentos existen profundas diferencias entre zonas urbanas y zonas
rurales y a la vez al interior de las zonas urbanas (CEDIB, 2007).
Actualmente estas ciudades se han convertido en espacios de convivencia multicultural,
puesto que se constituye en centros de aglomeración y convivencia de muchas personas, usos
y formas de vida. La ciudad de Cochabamba no escapa a esta realidad (Antequera, 2007).
Las zonas donde la población recién llegada se asienta, se convierten en zonas de
transición entre lo urbano y rural; sin embargo, existe evidencia de que varias generaciones de
migrantes continúan viviendo en estas zonas periféricas. Por lo que, este acelerado crecimiento
connota también una segregación espacial y social de la población que se relaciona
directamente con altos niveles de pobreza y marginalidad.
Estas zonas comúnmente denominadas como suburbios se encuentran en la periferia de
las ciudades, junto a las ciudades pero a la vez “fuera” de la unidad económica, social o
cultural de las mismas. Por lo que es importante entender a estas zonas periféricas o
suburbanas no solo como un espacio arquitectónico sino como la base material para la
satisfacción de las necesidades de sus habitantes y para el logro de un verdadero proceso
social.
2.2. Proceso de urbanización y organización territorial de Cochabamba
La ciudad de Cochabamba fue fundada en 1572 (primera fundación) por el Capitán Jerónimo
de Osorio. Desde esta época, la “Villa de Oropeza” (actualmente Cochabamba) tuvo un cuerpo
municipal. Más adelante el 9 de octubre de 1855, se creó la provincia Cercado como unidad
administrativa del Departamento de Cochabamba. Esta provincia estaba conformada por una
20
sección municipal y dos cantones: Santa Ana de Cala Cala y San Joaquín de Itocta. La ciudad
empieza a consolidarse entre 1886 y 1950. A partir de este último año hasta 1970 la mancha
urbana se extiende rápidamente y la ciudad se articula al eje de La Paz y Santa Cruz (H.A.M.,
2001a).
De acuerdo a la H.A.M. (2001a), la Provincia Cercado cuenta con una sola Sección
Municipal y sus límites coinciden con los límites del Municipio:
Límite Norte.- Cumbre del cerro Cuturipa de la cordillera del Tunari, entre las lagunas San
Juan y San Pablo y Larcon Mayu.
Límite Sur.- Cumbres de la serranía Sur: Khara Orko, quebrada Milliajho, Yuraj Cancha,
Silla Orkho, Khota, Condortiaña, Viscarra Panta, Muña Lagunilla, Cuturipa,
Pokhomani, Miskhi Yakhito, Cruz Pampa, Pirhua Mokho y Viscachani.
Límite Este.- División de las aguas del cerro Zalo, laguna Wara Wara, río Wara Wara hasta
su desembocadura con el río Rocha, divorcio de aguas del cerro San Pedro, El
Abra, Asuada, Chocoloma, Kirikiri, Papa Tarpuna, Lagunillas, Moson Orkho,
hasta el cerro Khara Orkho.
Límite Oeste.- Quebrada Taquiña, desde los cerros Santa Rosa, Cuchillo Gringo Jukhun y
Taquiña, en su recorrido de Norte a Sur por el valle hasta su confluencia con
el río Rocha en la zona de la comunidad de Maica Chico, la estancia Tinko
Mayu y las cumbres de los cerros Munaypata, Kiñi Loma, Kuiram, Kayrani,
la zona de Cara - Laus Pampa, hasta la cumbre del cerro Viscachani.
De acuerdo a la H.A.M. (1995, 1999b), el Uso de suelo fue configurándose a partir de la
implementación de las siguientes medidas y acciones emprendidas por la Alcaldía Municipal:
a. Plano regulador de 1950: Plan del Sistema Viario y de Zonificación del Uso de la Tierra.
Define para el sector oeste de la ciudad una franja destinada a parques públicos y áreas
verdes. Esta zona se constituía en un espacio de transición entre el área urbana y la zona
periurbana. La ciudad de Cochabamba tenía como límite oeste las márgenes del río Rocha,
habiéndose propuesto en dicho Plan una parte del sector de la Chimba hasta la altura de la
21
actual Av. Melchor Pérez de Olguín como futura Unidad Vecinal de Residencia,
bordeando la misma una zona definida como semi – rural o periurbana.
b. Ordenanza Municipal No. 132 de 4 de mayo de 1954 que aprueba el Reglamento
General de Fraccionamiento y Urbanización, el mismo que en su artículo 27 determina la
dimensión mínima de 5000 m2. por lote en la zona rural.
c. Ley del 28 de noviembre de 1960, establece que la "Municipalidad de Cochabamba
tendrá el control sobre la formación y desarrollo de nuevos centros poblados y de los
existentes dentro del Departamento, especialmente los que se hallan en el Valle Central"
(Microregional como institución encargada).
d. Plano regulador de 1961: Define el crecimiento urbano hacia el oeste de la ciudad, a
partir de la zona de Sarco hasta la Av. Circunvalación. Se insertan al Plano General de la
ciudad de Cochabamba, algunos barrios y las urbanizaciones aprobadas. También permitió
proponer la asignación de uso del suelo, la organización del transporte y de los
asentamientos humanos y la red viaria en el valle central. Esta red viaria estaba
estructurada de la siguiente manera:
• Avenida Blanco Galindo – carretera a Oruro y La Paz
• Avenida Víctor Ustariz – complementaria a la Avenida Blanco Galindo
• Autopista del Sud - corre paralela a la vía férrea a Oruro
• Avenida Simón López – camino a Tiquipaya
• Avenida Villazón – carretera al Chapare
• Avenida Petrolera – carretera a Santa Cruz (carretera antigüa)
• Avenida Panamericana – atraviesa Caraza y Alba Rancho
e. Decreto Ley 18412 de 16 de junio de 1981, el mismo que considera el límite urbanizable
y el Plan de extensión parcial, destinado a regular, canalizar o impedir el crecimiento de la
mancha urbana sobre tierras agrícolas, ubicadas en áreas relativamente poco construidas
pero con posibilidades de canalizar escapes al límite del área urbanizable definidas como
22
"potencialmente susceptibles de grandes presiones". Establece al mismo tiempo la
necesidad de controlar la ocupación del territorio.
f. Plan Director de la Región Urbana de Cochabamba de 1981: Las áreas semiurbanas y
grandes propiedades agrícolas son incorporadas a la trama urbana como resultado de la
expansión migratoria. Esto tenía como objetivo satisfacer una creciente demanda de suelo
urbano. El área urbanizable tiene los siguientes límites: Al norte la cota 2750 m.s.n.m., al
Sud el río de la Tamborada y el aeropuerto Jorge Wilsterman, al Este y Oeste los límites de
la provincia.
g. El proceso de Descentralización Administrativa y de Participación Popular en Bolivia
Bossert et al. (2000) confirman que las reformas estructurales implementadas en el país, entre
ellas la Ley N° 1551 de Participación Popular promulgada el 20 de abril de 1994 y la Ley N°
1654 de Descentralización Administrativa (28/07/1995) implicaron un cambio en la
organización y administración del Estado.
El Poder Ejecutivo a nivel Departamental esta constituido por las Prefecturas que
sustituyeron a las Corporaciones de Desarrollo y actúan como representante regional del
gobierno central. Su principal función es la de coordinar y direccionar las acciones locales
para que se enmarquen dentro de las políticas departamentales y nacionales. Sus recursos
financieros provienen de la recaudación del Impuesto Especial a los Hidrocarburos; regalías
departamentales por el uso de los recursos hidrocarburíferos, mineros y forestales y
transferencias provenientes de créditos o donaciones internacionales.
Con el objeto de fortalecer la Descentralización Administrativa Territorial; a partir del
2001 se crearon las Sub-Alcaldías estando conformadas por algunos distritos municipales y sus
respectivas Casas Comunales, donde se realizan los trámites de administración urbana. A
continuación se detalla la conformación de las 6 Comunas Municipales:
• Comuna Tunari: Distritos 1, 2 y 13
• Comuna Molle: Distritos 3 y 4
23
• Comuna Alejo Calatayud: Distritos 5 y 8
• Comuna Valle Hermoso: Distritos 6, 7 y 14
• Comuna Itocta: Distrito 9
• Comuna Adela Zamudio: Distritos 10, 11 y 12
A nivel local las Municipalidades fueron las que sufrieron más cambios puesto que
incorporaron a sus competencias la obligación de administrar la infraestructura de educación,
salud, caminos, infraestructura de riego y deportes. Por otro lado, también permitió estrechar
la relación entre el Estado y la Sociedad Civil (comunidades campesinas y urbanas)
haciéndola partícipe en la toma de decisiones (H.A.M., 1996a). Entre los principales cambios
se encuentran:
• Circunscripción respecto a una Sección de Provincia, con jurisdicción urbano-rural.
• Se les ha transferido la infraestructura física de educación, salud, deporte, caminos
vecinales y micro riego; debiendo para ello administrar, mantener y renovar dichas
infraestructuras.
• Reciben del gobierno central (de los fondos de coparticipación tributaria) mayores
recursos económicos basados en su población. De esta manera, se puede asegurar una
mínima cantidad de recursos a nivel local. Por otro lado, los impuestos a la propiedad
pasan a ser exclusivamente para el municipio y a la vez les otorga la oportunidad de crear
nuevos impuestos o fuentes de ingreso para incrementar su autonomía y capacidad fiscal.
• La gestión municipal está sometida al control social y participación de la población en la
gestión municipal. La sociedad está representada por el Comité de Vigilancia y las
Organizaciones Territoriales de Base; de manera que se incluya a todos los grupos
tradicionalmente marginados y excluidos en la priorización, planificación, ejecución y
fiscalización.
• Se ha ampliado el período de la gestión municipal a cinco años.
Para poder visualizar la ubicación de las comunas y sus respectivos distritos municipales se
presenta en la Figura N° 1 un Mapa del Municipio de Cercado – Cochabamba.
24
Figura N° 1
Organización territorial del Municipio de Cercado – Cochabamba
Fuente: H.A.M. (2001a)
25
La superficie total del municipio de Cochabamba es de 30932 Ha.; de las cuales 18000
Ha. aproximadamente son destinadas al uso urbano. Considerando la población total de los
distritos municipales (536538 personas) para el año 2001, la densidad poblacional neta llega a
54 personas por Ha., existiendo grandes diferencias entre distritos municipales. Por ejemplo, el
distrito 6 es el más densamente poblado con 136 Hab/Ha, seguido por los distritos 11, 10 y 13
respectivamente (H.A.M., 2001a).
• Los distritos 1, 3, 4, y 5 se constituyen en zonas de habitación semicolectiva y cuentan con
una densidad de 225 a 270 Hab/Ha.
• Los distritos 2 y 8 son zonas de habitación individual y semicolectiva, y tienen una
densidad de 180 a 200 Hab/Ha.
• Los distritos 11 y parte del 10, son zonas mixtas de habitación colectiva con una densidad
neta de 560 Hab/Ha.
• El Distrito 10 es una zona polifuncional, con una densidad de 560 Hab/Ha.
De acuerdo a la H.A.M. (2001a), Cochabamba tuvo cuatro patrones de ocupación del terreno:
Aislado: Caracterizado por viviendas o edificaciones tipo vivienda chalet de uno o dos
departamentos con salidas laterales, frontales y de fondo. Muy parecidas a las viviendas de
medias aguas construidas en la parte posterior de los lotes. Estas viviendas son típicas en los
distritos 3, 11 y 12.
Perimetral: Estas viviendas tienen la característica de haber sido edificadas alrededor de uno
o dos patios centrales. La altura de estas viviendas no supera las dos plantas. Encontrándose
comúnmente este tipo de edificaciones en la zona central de Cochabamba, distrito 10.
Bloque: Edificaciones de altura típicas de la zona comercial de la ciudad. No tienen salidas
laterales y se encuentran sobre la rasante de las calles. Estas edificaciones pueden encontrarse
en el distrito 10, 3, 4, 5, 11 y 12.
Línea: Representadas por viviendas de medias aguas ubicadas en el fondo y/o laterales de los
terrenos. Por lo general, son de una sola planta y tienen un patio que conecta estas
construcciones. Este patrón de ocupación es típico en los distritos 1, 2, 6, 7, 8, 9, y 14.
26
2.3. Creación de los Distritos Municipales de Cochabamba
Los territorios actuales de los distritos municipales han seguido distintos procesos
históricos de creación, de desarrollo y consolidación urbana, los mismos que se describen a
continuación:
La consolidación del territorio de los distritos 9, 10, 11 y 12 se remonta a los primeros
asentamientos de la ciudad de Cochabamba (antes de su primera fundación). Dado que la
producción agrícola era la principal actividad económica, la población fue concentrándose
sobre las primeras haciendas de origen colonial y sobre campos de cultivo atravesados por
acequias o canales de riego. La zona urbana de la ciudad comprendía las calles que se
encontraban alrededor de la Plaza Principal (calle Santibáñez), hasta la Plaza de San Sebastián,
Avenida Aroma, Av. Oquendo y la calle Mayor Rocha (H.A.M. 2000a, 2000b).
La Ordenanza Ministerial emitida en 1881, permitió establecer los límites jurisdiccionales
del Distrito Municipal Nº 2; el cual se ha desarrollado a partir de cinco zonas históricamente
definidas: Molle Molle (Ciudad del Niño), Condebamba, Mayorazgo, Temporal de Cala –
Cala y Queru Queru.
A mediados del siglo pasado (1950), el Plan Regulador de la ciudad de Cochabamba
permitió incorporar los subdistritos de Sarco, hipódromo, Sarcobamba y Villa Bush Norte a la
jurisdicción del Distrito Nº 3.
En cuanto a la consolidación del territorio del Distrito Nº 4, la H.A.M. (1997a) indica que
ésta se remonta a cinco décadas que han sido agrupadas en las siguientes cuatro etapas, (Ver
Tabla N° 1):
27
Tabla N° 1
Etapas de consolidación del Distrito N° 4
Etapas Periodo Característica I Hasta 1950 Todo el territorio tenía un uso agrícola II 1951 Se aprueba el Plano de fraccionamiento de la Urbanización Unidad
Vecinal “Chimba”. Se intensifica la compraventa de lotes y esta zona recibe a pobladores locales y migrantes de otras ciudades
1961 Se aprueba el Plano Regulador de la ciudad de Cochabamba, que incorpora al área urbana todo el sector de la Chimba hasta su límite con el área agrícola.
III Hasta 1981 Las áreas agrícolas son urbanizadas, se abren nuevas vías de acceso, se amplia la red de servicios básicos (agua potable, alcantarillado, energía eléctrica, etc.).
IV A partir de 1981 a la fecha
Este distrito continúa un acelerado proceso de urbanización El área urbana se ha extendido tanto hacia el oeste (hasta el límite intermunicipal con Colcapirhua: Villa Busch y Coña Coña) como hacia el sud.
Fuente: Elaboración Propia (2008) en base a datos de la H.A.M. (1997a).
a. Proceso de consolidación y ocupación de la Zona Sur de Cochabamba: Distritos
Municipales Nº 5, 6, 7, 8 y 9
Hasta 1945 el límite Sud de la ciudad de Cochabamba llegaba a la estación de ferrocarril y a la
colina de San Sebastián. Este año, se incorpora dentro de los límites urbanos la zona de
Alalay, las colinas del Ticti, Huayra Khasa y Cerro Verde. Este proceso continuó a lo largo del
tiempo y hasta 1952 se fueron desarrollando los asentamientos rurales de: El Salvador, Valle
Hermoso y Uspha Uspha.
La consolidación del mercado de “La Cancha” en 1950, la Reforma Agraria y la
Reforma Urbana de 1953, permitieron incorporar grandes extensiones a la zona urbana de la
ciudad, debido al incremento de la migración hacia la zona sur de la ciudad. A partir de 1956,
comerciantes, artesanos y una gran masa de migrantes se asentaron en los cerros de San
Miguel, Cerro Verde y Huayra Khasa.
28
A partir de los años 60 la mancha urbana se extendió hasta la serranía del Ticti y se forman
los asentamientos: Alto Cochabamba, Norte del Valle Hermoso, Barrio Universitario y San
Miguel, 14 de Septiembre, el Molino, Nueva Santa Vera Cruz y Ferroviario.
En el territorio del Distrito Nº 8, recién a partir de 1962 y 1981 se consolidan las zonas
más extensas como la Urb. Ticti Sud y otros en la zona de Valle Hermoso Central.
Posteriormente, este distrito se convierte en el principal receptor de migrantes internos que se
asientan en el distrito y consolidan las siguientes urbanizaciones: Barrio 10 de febrero, Barrio
San José, Alto Valle Hermoso, Villa San Miguel, Barrio Gregorio Herbas, Las Ulalas, Serena
Calicanto, Urbanización Nueva Santa Veracruz, y otras.etc. Por lo que, es menor el porcentaje
de la superficie ocupada y que ha sido legalizada frente a la superficie ocupada por
asentamientos espontáneos (H.A.M. 1998b).
De acuerdo a la H.A.M. (1996b), hasta el año 1973 la jurisdicción del Distrito Nº 7
contaba con algunas casas de haciendas, asentamientos dispersos, pequeñas casas de
agricultores y viviendas cercanas al Campo Ferial. Posteriormente su proceso de urbanización
ha tenido un crecimiento acelerado, basado en los asentamientos próximos al Barrio Minero
Alalay, en el sector de la Rinconada, Valle Hermoso y Sebastián Pagador. Los primeros
asentamientos se iniciaron por un grupo de migrantes del área rural de la ciudad de Oruro que
se dedicaron principalmente al comercio minorista en el mercado de la Cancha, posteriormente
se establecieron migrantes provenientes de la provincia de Carangas.
2.4. Las tareas de planificación en la década de los 90’s
Acompañando este proceso de consolidación urbana, la Alcaldía Municipal de Cochabamba
realizó las siguientes tareas de apoyo a la organización administrativa y territorial de los
Distritos Municipales, en el marco del cumplimiento de la Ley de Participación Popular:
a) 1993: Estrategia de Desarrollo Urbano (primer esfuerzo de elaboración participativa del
diagnóstico de la ciudad).
b) Organización administrativa del territorio en 13 distritos, de los que, diez resultaron de uso
urbano, uno mixto (urbano y agrícola) y dos como áreas protegidas por normas nacionales
(Parque Nacional Tunari y área agrícola del distrito 9).
29
c) Elaboración de Planes de Desarrollo. En 1995 se elaboró el PMDD del distrito 9; en 1996
los correspondientes a los distritos 2 y 7; entre 1997 y 1998 los de los Distritos 4, 5; 6 y 8; en
1999 el del distrito 1 y en la gestión 2000 los de los distritos 3, 10, 11 y 12.
d) Elaboración de otros instrumentos sectoriales de desarrollo:
• Plan Maestro de Vialidad y Transporte
• Plan Maestro de Gestión Ambiental
• 1998 a 2001: Plan Estratégico de Desarrollo para el Municipio del Cercado.
• 2000: Diálogo del Municipio Cercado (para la estrategia de lucha contra la pobreza).
• Formulación del SISPLAN (Normas Básicas del Sistema Nacional de Planificación) en
agosto de 1996, que establece la forma y los mecanismos de participación de los niveles
nacional, departamental y municipal en la racionalización de la toma de decisiones para la
asignación de recursos públicos y en la definición de políticas públicas de desarrollo.
Pese a ello, como consecuencia del rápido proceso de crecimiento urbano descrito, aún
hoy en día las zonas más pobladas (en especial la zona sur de la ciudad) carecen o tienen
deficientes servicios básicos como el agua, alcantarillado o de disposición de desechos.
Por lo general en la zona sur, las vías de comunicación, caminos y calles son de tierra y
han sido abiertas por los vecinos, careciendo por tanto de torrenteras o puentes. Ocasionando
que estas zonas sean polvorientas y que en época de lluvias el acceso a algunos barrios se
torne difícil por las inundaciones que se generan y que afectan a las viviendas.
Estas zonas presentan elevados niveles de contaminación, como consecuencia de la falta o
deficiente cobertura de alcantarillado y agua potable, deficiente recojo y manejo de la basura,
contaminación de los pozos perforados y el excesivo polvo en las calles, etc.; de modo que se
convierten en un potencial foco de contaminación. Condiciones muy diferentes en las que se
vive en los Distritos Municipales más desarrollados: 10, 11 y 12 o que cuentan con una amplia
cobertura y calidad de los servicios básicos como agua, alcantarillado, electricidad, etc.
30
2.5. Distintas situaciones socioeconómicas de los Distritos Municipales de
Cochabamba - Bolivia
2.5.1. Población
De acuerdo al Instituto Nacional de Estadística (2001), la población de Cochabamba ha
registrado un crecimiento intercensal del 2.55 % aproximadamente. No obstante, se han
registrado crecimientos diferenciados al interior de cada Distrito Municipal como resultado
del crecimiento natural de la población, movimientos migratorios interdepartamentales e
interdistritales, oferta y demanda de viviendas, desplazamientos y asentamientos ilegales. En
la Tabla N° 2 se presenta la población del Municipio de Cochabamba en el año 1992 y 2001,
al igual que la tasa de crecimiento intercensal y la densidad poblacional.
Tabla N° 2
Población y Densidad por Distrito Municipal
Distrito Población 1992
% Población 2001 % Tasa Crec.
Intercensal Superficie
Ha Densidad Hab/Ha.
D1 19699 4.6 % 26864 5.01 % 3.41 643.45 41.75 D2 41748 9.8 % 56848 10.60 % 3.39 1097.08 51.82 D3 40722 9.6 % 50812 9.47 % 2.42 1171.18 63.84 D4 32465 7.6 % 40630 7.57 % 2.45 849.16 47.85 D5 54443 12.8 % 60062 11.19 % 1.07 1073.58 81.47 D6 58509 13.7 % 62341 11.62 % 0.69 892.71 135.52 D7 7022 1.65 % 14042 2.62 % 7.78 1178.80 23.68 D8 15483 3.6 % 30858 5.75 % 7.74 2016.24 22.54 D9 16085 3.8 % 46268 8.62 % 2.20 14403.71 37.86 D10 47358 11.1 % 41880 7.81 % -1.36 561.00 87.10 D11 28839 6.8 % 27503 5.13 % -0.53 588.81 101.66 D12 52354 12.3 % 50332 9.38 % -0.44 772.10 65.19 D13 1051 0.2 % 6314 1.18 % 0.09 5684.59 86.85 D14 10894 2.6% 21784 4.06 % 7.78 693.90 54.43
Total 426672 100 % 536538 100 % 2.55 30932.41 54.24
Fuente: Elaboración Propia (2009) en base a datos de la H.A.M. (2007)
31
De acuerdo a la H.A.M. (2005), por los niveles de densidad poblacional pueden diferenciarse
tres grupos:
• Distritos con un elevado grado de saturación urbana: Los distritos más densamente
poblados son: 6 y 11 con 135.52 y 101.66 Hab./Ha. respectivamente.
• Distritos en proceso acelerado de saturación: Los distritos con una densidad poblacional
media entre 60 y 99 Hab./Ha. son; 3, 5, 10, 12 y 13 .
• Distritos en proceso de consolidación: Conformado por los distritos (1 2, 4, 7, 8, 9 y 14)
que tienen una densidad poblacional entre 22 y 59 Hab./Ha.
• Distritos con crecimiento intercensal > 7: Los distritos 7, 8 y 14.
• Distritos con decrecimiento poblacional intercensal: 10, 11 y 12
Otro componente principal que determina el crecimiento poblacional en el municipio, son
las migraciones. El Departamento de Cochabamba y en especial la zona sur del municipio
Cercado (conformada por los distritos N° 5, 6, 7, 8, 9 y 14), son el destino “preferido” de
muchos migrantes. De acuerdo al Censo 2001, el 37.9 % de la población cochabambina es
migrante, y de éstos el 15 % aproximadamente son migrantes recientes, es decir que han
migrado entre 1996 y 2001. Por lo general, los migrantes se establecen en los Distritos de la
zona sur.
Para este mismo año, el censo registra que el 74.5 % de las mujeres cochabambinas hablan
español, el 19.7 % quechua, el 4.78 % el aymara y el resto guaraní y otros idiomas nativos. Sin
embargo, existen profundas diferencias al analizar esta misma variable a nivel de distritos
municipales (Ver Tabla N° 3)
32
Tabla N° 3
Municipio Cercado – 2001: Población Femenina de 4 años o más de edad por Distrito
Municipal, según idioma que habla
Distrito Quechua Aymara Español Guaraní Otro
idioma nativo
Idioma extranjero
No habla Total
D1 994 155 4703 3 0 90 2 5947 D2 5024 1484 22646 18 6 159 33 29370 D3 2899 555 18826 20 1 146 30 22477 D4 3291 573 17148 10 4 66 15 21107 D5 6204 677 21312 14 6 52 41 28306 D6 6534 2065 20380 12 4 40 34 29069 D7 1588 517 4371 4 2 3 8 6493 D8 4642 936 8283 3 0 12 16 13892 D9 7585 1575 10105 6 2 10 30 19313 D10 2725 487 16824 10 4 391 48 20489 D11 1769 206 11521 6 5 187 25 13719 D12 2939 629 21836 12 5 606 23 26050 D14 2338 1912 5695 2 2 0 14 9963
Cercado 48532 11771 183650 120 41 1762 319 246195 % 19.71 4.78 74.59 0.048 0.016 0.715 0.12 100
Fuente: Elaboración Propia (2009)
De acuerdo a la tabla precedente, más del 30 % de la población femenina (de 4 años de edad o
más) de los distritos N° 7, 8 y 9 hablan quechua o aymara. Distritos ubicados en la zona sur de
la ciudad. Esta situación es contraria a la registrada en los distritos de la zona central de la
ciudad (10, 11 y 12); donde solamente el 15 %, 14 % y 14 % respectivamente hablan estos
idiomas.
2.5.1.1. Indicadores Demográficos
Los indicadores demográficos presentados en la Tabla N° 4, muestran una Tasa Global de
Fecundidad de 3.13; una Tasa de Mortalidad Infantil de 78 y una Esperanza de Vida de 62
años para el Municipio Cercado de Cochabamba.
33
Al desagregar los datos por los distritos municipales se encontraron las siguientes
relaciones: Los distritos municipales 6, 7, 8, 9, 13 y 14 que tienen las Tasas de Analfabetismo
Femenino más elevadas del Municipio (7.5, 7.9, 10, 10, 26.87 y 10.6 respectivamente)
presentan elevadas Tasas de Fecundidad Global (superiores a 3.5) y concuerdan también con
los niveles de Mortalidad Infantil más elevados de los Distritos Municipales.
Tabla N° 4
Municipio Cercado-2001: Indicadores Demográficos por Distrito Municipal
Distritos Esperanza de vida
Tasa Global de
fecundidad
Tasa de Mortalidad
Infantil D11 71.27 1.90 51 D12 71.73 2.05 47 D10 68.73 2.26 66 D3 69.32 2.80 59 D1 69.75 2.87 65 D4 66.49 2.89 66
D2 69.49 3.02 69 D5 65.82 3.32 78
D6 62.52 3.58 88 D7 64.35 3.95 90 D14 63.84 3.95 97 D8 60.50 3.97 94 D9 60.00 4.62 98 D13 61.00 4.77 69
Municipio 62.00 3.13 78
Fuente: Elaboración Propia (2008) en base a Butrón y Veizaga (2003) y H.A.M. (2001a)
2.5.2. Sistema de salud
2.5.2.1. Estructura del servicio de salud
El sistema de salud en el municipio de Cercado denominado como “Distrito Metropolitano de
Salud” está compuesto por 17 Áreas de Salud, divididas en dos redes (delimitadas por el Río
34
Rocha): Red Norte (con 8 Centros) a la que pertenecen los distritos: 1, 2, 3, 4, 12 y 13 y la Red
Sur (con 9 Centros) conformada por los distritos: 5, 6, 7, 8, 9, 10, 11 y 14.
En la gestión 2006, en el Municipio de Cochabamba se registraron 118
establecimientos de salud, los cuales están divididos de la siguiente manera: Por subsectores
(público, privado, iglesia, organismos no gubernamentales y seguridad social – cajas); tipo de
establecimiento (centro de salud, hospital general, hospital básico, instituto especializado), y
nivel de atención (primer, segundo y tercer nivel). Información presentada en la Tabla N° 5.
Tabla N° 5
Municipio Cercado-2006: Número de Establecimientos de salud por Distrito Municipal,
según dependencia
Distritos Público Privado Iglesia ONG´s Seg. Social Total D1 1 0 2 0 0 3 D2 5 3 3 2 0 13 D3 1 2 1 1 1 6 D4 2 2 0 3 2 9 D5 3 5 3 1 0 12 D6 4 4 4 2 0 14 D7 0 1 1 0 0 2 D8 0 0 3 0 0 3 D9 7 0 4 2 0 13 D10 2 11 2 2 4 21 D11 4 6 2 1 5 18 D12 0 5 4 1 1 11 D13 0 0 0 0 0 0 D14 2 0 0 0 0 2
Total 31 39 29 15 13 127
Fuente: Elaboración propia (2009) con datos proporcionados por el SEDES
De acuerdo a datos proporcionados por el SEDES, en el año 2006 el sistema público de
salud contaba con 31 establecimientos de salud, el sistema privado con 39, la Iglesia con 29,
35
las ONG´s con 15 y por último los que correspondían a la Seguridad Social eran 13. Los
distritos que concentraban un mayor número de establecimientos de salud eran el 6, 10 y 11.
Por el contrario, pudo evidenciarse que los distritos que presentaron un mayor crecimiento
intercensal (distritos N° 7, 8 y 14) no superaban los 10 establecimientos de salud en total.
Al relacionar la población de cada uno de los Distritos Municipales y la norma de
administración de salud pública que establece la necesidad de: una posta de salud cada 2500
habitantes, un Centro de Salud (1er. Nivel) por cada 10000 habitantes y de un Hospital de 2do.
Nivel por cada 10000 a 30000 personas, puede establecerse que en la mayoría de los Distritos
Municipales (1, 2, 3, 4, 5, 6, 7, 8, 9,12 y 14) existe un déficit de infraestructura de servicios de
salud; más fuerte en los distritos 8 y 9. Relación presentada en la Tabla Nº 6.
Tabla N° 6
Municipio Cercado – 2006: Número de Establecimiento de salud por Distrito Municipal, según nivel de atención
Distritos Est. de salud
1er. Nivel
2do. Nivel
3er. Nivel
N° camas disponibles
Población Déficit Est. de salud
D1 3 2 1 0 72 29033 1 C.S.(1er. Niv.) D2 13 13 0 0 520 61375 2 Hosp (2do. Niv.) D3 6 5 0 1 367 52175 1 Hosp (2do. Niv.)
1 C.S.(1er. Niv.) D4 9 6 1 2 4368 41785 Existe Superávit D5 12 10 2 0 420 57469 2 Hosp (2do. Niv.) D6 14 11 3 0 1500 58466 2 Hosp (2do. Niv.) D7 2 1 0 1 1104 18915 1 C.S.(1er. Niv.) D8 3 3 0 0 0 41484 1 C.S.(1er. Niv.)
2 Hosp (2do. Niv.) D9 13 13 0 0 288 76819 3 Hosp (2do. Niv.) D10 21 9 9 3 4188 21261 Existe Superávit D11 18 3 7 8 8717 44309 Existe Superávit D12 11 8 2 1 648 54423 1 Hosp (2do. Niv.) D14 2 2 0 0 108 29343 1 C.S.(1er. Niv.)1
1Hosp (2do. Niv.) TOTAL 127 86 25 16 22300 586857
Fuente: Elaboración propia (2009)
36
De acuerdo a la Tabla N° 5, el mayor número de camas disponibles en los Distritos Nº
4, 10 y 11 se debe a que en ellos se encuentran los establecimientos de salud que se presentan
en la Tabla Nº 7:
Tabla N° 7
Establecimientos de salud de los Distritos Municipales N° 4, 10 y 11
Distrito Nº 4 Hosp. Elizabeth Seton CPS y Hosp. Obrero N° 2 CNS Distrito Nº 10
C.S. Policlínico 32 CNS y Anexo 32 CNS C.S. Policlínico Caja Petrolera C.S. Policonsultorio Municipal Hosp. Albina Patiño Hosp. Boliviano Belga Hosp. Caja Bancaria Privada Hosp. Clínica Boliviano Americano Hosp. Clínica Boliviano Cubano Hosp. Clínica Cochabamba Hosp. Clínica La Paz Hosp. San Vicente Hosp. Clínica Virgen de Guadalupe Hosp. Materno Infantil Cochabamba
Distrito Nº 11
Hosp. Clínica San Pedro Hosp. Combase 9 de Abril Hosp. Cossmil Cochabamba Hosp. Maternológico Germán Urquidi Hosp. Pediátrico Germán Urquidi Hosp. Policial Virgen de Copacabana Hosp. Seguro Universitario UMSS Hosp. Servicio de Caminos Hosp. Viedma Inst. Gastroenterológico Boliviano Japonés Hosp. Clínica Dr. Luís Morales Arnez Hosp. Clínica San Francisco C.S. Promujer Muyurina Hosp.. Caja Cordes
Fuente: Elaboración propia (2009)
37
A continuación, en la Tabla Nº 8, se presenta la relación entre el porcentaje de personas por
distritos que fueron atendidos en los distintos subsectores.
Tabla N° 8
Municipio Cercado-2001: Porcentaje de personas por distritos, según lugar de atención
de salud.
Dis
trito
Públ
ico
Seg.
Soc
ial
ON
G -
Ig
lesi
a
Priv
ado
Farm
acia
Jam
piri
Otr
os
No
atie
nde
su sa
lud
%
D1 15.7 24.7 5.6 32.6 3.7 0.6 8.2 8.8 100 D2 16.7 20.2 4.9 31.9 4.3 0.8 8.3 12.9 100 D3 12.2 23.7 4.4 38.6 3.2 0.6 7.5 9.7 100 D4 13.4 26.7 2.1 39.5 5.2 0.4 5.5 7.1 100 D5 17.0 19.2 3.9 34.5 8.0 0.7 7.7 9.0 100 D6 20.9 14.1 3.2 33.4 10.6 1.4 8.6 7.6 100 D7 26.6 8.3 6.5 22.9 8.7 2.1 13.8 11.2 100 D8 22.5 12.6 7.7 27.8 8.1 2.4 9.7 9.1 100 D9 24.6 8.1 9.7 30.9 5.2 1.7 10.2 10.9 100 D10 9.9 26.1 1.2 46.1 4.2 0.4 7.7 4.3 100 D11 15.4 29.3 2.7 37.7 4.0 0.4 6.1 4.4 100 D12 9.8 30.7 1.7 45.5 2.8 0.3 5.0 4.2 100 D13 43.4 4.2 2.3 20.3 3.0 1.6 6.2 19.0 100
Total 15.9 21.6 3.7 36.7 5.7 0.8 7.7 7.9 100
Fuente: Elaboración propia en base a H.A.M. (2001a).
De acuerdo a la Tabla N° 8, el 36.7 % de la población indica que asiste a servicios
privados de salud, el 21.6 % a las diferentes cajas de seguro, el 15.9 % a los centros de salud
dependientes del Ministerio de Salud y de la H.A.M.; y por último solo el 3.7 % indica que
asistía a los centros de salud de la Iglesia o de algunas ONG´s. Mientras que en los diferentes
distritos el acceso a los establecimientos de salud tenía las siguientes características:
38
• El Distrito N° 13 no cuenta con un establecimiento de salud, por lo que sus habitantes
deben recurrir a los establecidos en otros distritos para acceder a este servicio. El 43.4 %
de su población atiende su salud en establecimientos públicos, el 20.3 % en privados y
menos del 10 % en establecimientos dependientes de la Seguridad Social, ONG´s, Iglesia
o farmacias.
• Más del 35 % de la población de los distritos 3, 4, 10, 11 y 12 atienden su salud en
establecimientos privados, seguidos de establecimientos dependientes de la Seguridad
Social (entre el 20 y 30 %). Como es de esperar, esto se debe a que en los distritos 10, 11 y
12 se encuentran concentrados el mayor número de establecimientos de salud (50).
• De todos los distritos, la consulta en establecimientos privados es mayor en los distritos 6,
7,8 y 9. En estos últimos distritos, los establecimientos de salud dependientes de la Iglesia
tienen una mayor cobertura: 6.5 %, 7.7% y 9.7 % respectivamente.
• En cuanto a la consulta en farmacias, puede observarse que ésta es mayor en los distritos
5, 7 y 8; siendo mucho menor en el distrito 12 (2.8 %). Es importante resaltar que la
mayor atención de la salud en farmacias, por jampiris o en otro tipo de servicios de salud
se registran en los distritos 7 y 8; los cuales cuentan con un menor número de
establecimientos de salud (2 y 3 respectivamente).
2.5.2.2. Determinantes Institucionales y de salud (asociados a morbilidad infantil)
Para el caso de las variables correspondientes a: los determinantes de salud asociados a la
morbilidad infantil y a los determinantes institucionales, se encontró que los registros de casos
atendidos de Eda´s, Neumonías y desnutrición; así como de partos institucionales se
encuentran por establecimientos de las Redes de salud (Norte y Sud) y no por distritos del
municipio. Dichos registros no especificaron la procedencia del paciente atendido
imposibilitando establecer con precisión el número real de casos para cada distrito. No
obstante, esta información ha sido utilizada para realizar el siguiente análisis.
a. Determinantes Institucionales
En cuanto a los determinantes institucionales se seleccionó la variable: Partos Institucionales.
De acuerdo al SEDES, esta prestación se categoriza en: Partos por cesárea, partos normales y
partos domiciliarios atendidos por personal de salud. Información recogida en la Tabla N° 9.
39
No se cuenta con información de los partos correspondientes a cada uno de los distritos
municipales, sin embargo se logró obtener los datos a nivel de partos atendidos en los
establecimientos de salud correspondientes a cada uno de los distritos municipales.
Tabla N° 9
Municipio Cercado 1996-2006: Número Partos institucionales por Distrito Municipal,
según año
Dis
trito
s
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
Tot
al
%
D1 0 4 0 1 3 26 79 52 55 46 66 332 0.27 D2 1 19 16 18 35 13 3 3 36 203 198 545 0.45 D3 165 68 123 94 41 11 3 4 3 104 214 830 0.69 D4 1 1 481 2858 2436 3022 3158 2922 2985 3332 2940 24136 20.1 D5 132 194 178 240 606 450 414 475 475 425 392 3981 3.3 D6 425 209 338 286 353 249 165 198 334 688 847 4092 3.4 D7 46 0 0 1 74 121 138 133 138 164 213 1028 0.85 D8 44 0 0 0 28 0 2 0 0 0 0 74 0.06 D9 0 2 6 36 99 92 91 83 74 51 48 582 0.48 D10 0 0 0 162 630 716 760 487 1199 2946 3221 10121 8.4 D11 1694 5175 4924 6287 7701 7389 7774 8117 7647 6935 7681 71324 59.4 D12 0 0 0 0 158 0 0 0 0 214 243 615 0.51 D14 154 144 204 224 162 175 95 306 247 298 284 2293 1.9 Total 2662 5816 6270 10207 12326 12264 12682 12780 13193 15406 16347 119953 100
Fuente: Elaboración propia (2009) en base a datos del SEDES, 2009
Como se aprecia en la Tabla N° 9, llama la atención que en los Distritos Nº 1, 2, 3, 7, 8
y 12 el número de partos institucionales no superó al 1 % en todo el periodo de estudio. Por el
contrario, el mayor porcentaje se concentró en los Distritos Nº 4, 11. Esto se debe a que estos
Distritos Municipales son los que concentran la mayor cantidad de establecimientos de salud
de segundo y tercer nivel.
40
Tabla N° 10
Municipio Cercado 1996 a 2006: Número Partos Institucionales por Distrito Municipal,
según categoría
Distrito Cesárea Normales Domiciliarios Total Partos Total % Total % Total %
D1 221 67% 96 29% 15 4.52% 332 D2 7 1% 523 96% 15 2.75% 545 D3 309 37% 517 62% 4 0.48% 830 D4 10272 43% 13860 57% 4 0.02% 24136 D5 1079 27% 2901 73% 1 0.03% 3981 D6 912 22% 3161 77% 19 0.46% 4092 D7 800 78% 226 22% 2 0.19% 1028 D8 0 0% 74 100% 0 0% 74 D9 1 0% 517 89% 64 11% 582 D10 4329 43% 5757 57% 35 0.35% 10121 D11 20187 28% 51124 72% 13 0.02% 71324 D12 464 75% 151 25% 0 0% 615 D14 0 0% 2284 100% 9 0.39% 2299
Total 38581 32.16% 81191 67.69% 181 0.15% 119953
Fuente: Elaboración propia (2009)
Al desagregar la información correspondiente a los partos institucionales en sus tres
componentes, pudo calcularse que 34788 partos por cesárea y 70741 partos normales se
atendieron en establecimientos de salud ubicados en los Distritos Municipales Nº 4, 10 y 11.
Los cuales concentran los establecimientos de salud más importantes (ver tabla N° 7). Lo cual
podría servir de explicación a las menores TMI registradas en cada uno de estos distritos
municipales (66, 66 y 51 respectivamente). Otro dato que destaca, es que el 35% de los partos
domiciliarios atendidos por personal de salud se encuentran en el Distrito Municipal Nº 9.
b. Determinantes de salud asociados a la morbilidad infantil
En las Tablas N° 11, 12 y 13 se presentan el Nro. de Casos de Neumonías, Enfermedades
Diarreicas Agudas y de Desnutrición Infantil según año.
41
Tabla N° 11
Municipio Cercado: Número de Casos de Neumonías atendidos en establecimientos de
salud por Distrito Municipal, según año
Dist. 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 Total %
D7 0 66 0 0 0 0 0 0 0 0 0 66 0,51
D1 2 5 8 7 4 14 20 5 2 0 2 69 0,54
D8 9 44 0 2 42 0 3 1 0 13 28 142 1,10
D12 0 0 0 0 250 9 0 9 0 1 2 271 2,11
D3 2 2 12 24 72 49 33 72 30 67 106 469 3,65
D5 31 72 65 71 71 46 31 27 6 20 31 471 3,66
D14 35 25 60 76 56 34 15 19 56 146 92 614 4,77
D2 64 14 20 43 127 84 54 41 51 39 82 619 4,81
D10 11 23 23 68 126 159 105 51 43 83 105 797 6,20
D6 32 51 76 212 91 80 62 79 59 78 235 1055 8,20
D9 17 10 42 40 127 103 118 215 137 224 312 1345 10,46
D4 91 33 52 74 218 209 254 171 46 196 228 1572 12,22
D11 33 501 246 247 890 464 459 643 630 655 609 5374 41,78
Total 327 846 601 864 2074 1251 1154 1333 1060 1522 1832 12864 100 Fuente: Elaboración propia (2009)
Tabla N° 12
Municipio Cercado: Número de Casos de Enfermedades Diarreicas Agudas atendidos en
establecimientos de salud por Distrito Municipal, según año
Dist 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 Total %
D7 0 0 0 0 0 0 0 0 0 2 0 2 0
D8 0 0 0 0 0 31 70 41 17 73 169 401 0,47
D12 0 0 2 37 135 54 90 269 167 129 290 1173 1,38
D1 0 0 0 0 0 268 185 460 185 227 214 1539 1,81
D3 60 31 58 198 327 182 220 517 530 507 525 3155 3,72
D14 204 381 459 438 557 504 471 916 718 757 754 6159 7,26
D2 535 449 564 578 567 645 592 754 762 585 564 6595 7,77
D9 104 60 211 205 409 611 700 968 1151 1174 1177 6770 7,98
D5 523 533 382 553 724 786 587 673 678 748 703 6890 8,12
D6 483 592 907 863 906 762 751 1244 885 1059 1513 9965 11,74
D4 430 529 771 1191 876 1323 1211 839 825 1216 1978 11189 13,18
D11 0 225 0 0 626 1260 1576 2166 1996 2495 2701 13045 15,37
D10 317 328 388 721 815 2907 2484 2670 2870 2270 2232 18002 21,21
Tot 2656 3128 3742 4784 5942 9333 8937 11517 10784 11242 12820 84885 100
Fuente: Elaboración propia (2009)
42
Como puede apreciarse, en el periodo de estudio el número de casos de EDA´s supera
por mucho a los casos de neumonías que fueron atendidas en los establecimientos de salud.
Probablemente porque la mayor parte de los cuadros de diarrea son de manejo ambulatorio. En
el caso de las neumonías más del 60 % de los casos se atendieron en establecimientos de salud
ubicados en los Distritos Nº 4, 10 y 11 puesto que en estos distritos se encuentran
establecimientos de salud especializados (hospitales pediátricos) que cuentan con
equipamiento para la atención de esta patología (internación, radiología y oxigeno). Así
mismo los casos atendidos de las EDA´s se concentraron en los Distritos Nº 4, 6, 10 y 11.
A lo largo del periodo, pudo evidenciarse un incremento en el registro de los casos
atendidos de las EDA´s, Neumonías y de Desnutrición como posible resultado del crecimiento
de la población, mejoramiento en el registro y reporte de los datos hospitalarios. Además
porque en 1996 se impulsó la Estrategia de Atención Integrada de las Enfermedades
Prevalentes de la Infancia (AIEPI) en la Región de las Américas en la reunión de 18 países
llevada a cabo en Santa Cruz). La implementación de AIEPI en Bolivia, contempló: La
Capacitación del personal de salud, fortalecimiento de la Organización de Servicios de salud,
y la Participación de la Comunidad (OPS/OMS – UNICEF, 1996).
43
Tabla N° 13
Municipio Cercado: Número de Casos de Desnutrición atendidos en Establecimientos de
salud por Distrito Municipal, según año
Dist. 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 Total %
D 1 276 248 239 364 662 223 206 372 248 918 859 4645 3.40 % D 7 0 0 0 0 0 0 0 0 0 2 0 2 0,00% D 8 0 0 0 26 0 45 0 91 133 52 274 621 0,45% D 12 0 0 0 0 0 538 385 550 526 357 599 2955 2,16% D 3 140 58 100 745 801 267 187 407 575 568 225 4073 2,98% D 11 54 542 281 770 1407 721 195 32 0 176 188 4366 3,19% D 10 1205 84 384 853 908 1001 758 560 565 462 790 7570 5,54% D 4 1179 1231 1364 1717 1918 983 844 873 1111 1179 1226 13625 9,96% D5 1632 1765 2094 1859 2533 1077 990 686 677 1206 1221 15740 11,51% D 14 823 1186 1573 1718 1423 1285 963 2146 2119 2377 2867 18480 13,51% D 6 1330 976 1485 1338 1269 709 1493 2660 2274 1975 3123 18632 13,63% D 2 1756 1801 2177 3021 2715 1148 1815 1731 2169 2496 2118 22947 16,78% D 9 285 402 499 617 1152 1205 2548 3993 4332 3491 4598 23122 16,91%
Total 8680 8293 10196 13028 14788 9202 10384 14101 14729 15259 18088 136748 100 %
Fuente: Elaboración propia (2009)
El mayor porcentaje de casos de desnutrición a lo largo del período 1996 – 2006
corresponden a los distritos menos desarrollados del municipio de Cochabamba. De ellos el
55,5 % (75974 casos) conciernen a los distritos 5,6, 9 y 14 de la zona Sud, un 16,78 % al
distrito 2 y el 9.96 % al distrito 4. Los casos correspondientes a desnutrición pueden dividirse
en tres componentes: Desnutrición leve, moderada y grave.
44
Tabla N° 14
Municipio Cercado – 1996 a 2006: Número de Casos de Desnutrición infantil atendidos
en establecimientos de salud por Distrito Municipal, según grados de desnutrición
Distritos Leve Moderada Grave Total Total % Total % Total %
D1 3912 85 % 642 14% 61 1% 4615 D2 18488 81% 3876 17% 583 3% 22947 D3 3158 78% 780 19% 135 3% 4073 D4 11470 84% 1887 14% 268 2% 13625 D5 11607 74% 3283 21% 850 5% 15740 D6 14335 77% 3608 19% 689 4% 18632 D7 0 0% 2 100% 0 0% 2 D8 459 74% 147 24% 15 2% 621 D9 18115 78% 4333 19% 674 3% 23122 D10 6457 85% 1011 13% 102 1% 7570 D11 3148 72% 1010 23% 208 5% 4366 D12 2526 85% 418 14% 11 0% 2955 D14 13867 75% 4039 22% 574 3% 18480
Total 107542 79% 25036 18% 4170 3% 136748
Fuente: Elaboración propia (2009)
A lo largo del período se registró un mayor número de casos de desnutrición leve (79%). La
prevalencia de desnutrición moderada alcanza al 18% y de desnutrición grave al 3%. Esto
permite concluir que la desnutrición infantil es todavía un grave problema de salud en el
Municipio; sobretodo en los distritos: 2, 4, 5, 6, 9 y 14.
2.5.3. Sistema Educativo
La educación es un elemento muy importante para que la población alcance un desarrollo
social y económico sostenible en el tiempo; puesto que es utilizado para mejorar la
competitividad y superar la pobreza. Por lo que, está constituído como parte de las necesidades
humanas básicas junto a la salud y la vivienda.
45
2.5.3.1. Estructura del sistema educativo
El sistema educativo en el Municipio de Cercado está dividido en dos Distritos
Educativos: Cercado 1 y Cercado 2, conformados por 26 Redes o núcleos escolares que
agrupan a su vez a los Establecimientos y Unidades Educativas. Se entiende como núcleo
educativo a la organización educativa de carácter territorial que debe tener una ordenada
demanda y oferta de servicios educativos en términos espaciales. Dispone de una estructura de
administración curricular, permite organizar y administrar los espacios educativos, controlar la
oferta y demanda de los servicios educativos y supervisar la gestión docente (H.A.M., 2001a).
La estructura del Sistema Educativo del Municipio de Cochabamba para la gestión 2005 se
presenta en la Tabla N° 15:
Tabla N° 15
Municipio Cercado-2005: Relación de Unidades educativas y Déficit/Superávit de la
oferta educativa pública por distrito municipal
Distritos Unid. Educativas
Población en Edad Escolar
Población Inscrita en
Est. Fiscales
Déficit/Superávit oferta educativa
pública
Tasa de asistencia escolar
(%) D1 13 11352 6434 -4918 83.75 D2 26 24003 11007 -12996 83.83 D3 22 20638 6861 -13777 83.93 D4 25 16521 10791 -5730 80.38 D5 32 23098 15599 -7499 80.48 D6 31 23606 17182 -6424 79.92 D7 2 7032 1579 -5453 83.82 D8 16 15431 10150 -5281 84.00 D9 19 27242 11468 -15774 83.82 D10 90 14594 41142 26548 73.20 D11 28 9911 12992 3081 79.33 D12 44 18203 18094 -109 76.69 D13 18 4374 3837 -537 87.82 D14 12 10909 6451 -4458 86.29
Municipio 378 226914 173587 -53327 86.00
Fuente: Elaboración propia en base a datos de la H.AM. (2007).
46
Es importante destacar la relación que guarda el Número de Unidades Educativas por
Distrito Municipal con la Población en Edad Escolar y la Población efectivamente inscrita en
los establecimientos educativos. La Tabla N° 15 permite observar que la oferta educativa en
los Distritos Municipales cubre al 76.5 % de la Población en Edad Escolar (PEE); por lo que
más de 53000 niños o niñas y adolescentes asisten a establecimientos privados, se desplazan a
centros educativos de otros distritos o no asisten; ya sea por la incorporación temprana de los
niños al mercado laboral o por la falta de espacio en los establecimientos educativos de la
mayoría de distritos (1, 2, 3, 4, 5, 6, 7, 8, 9, 12, 13 y 14). Esta situación condiciona mayores
niveles de deserción escolar y por ende mayores tasas de analfabetismo, mayores tasas de
fecundidad y finalmente mayores tasas de mortalidad infantil. En la Tabla N° 16 se presentan
los principales indicadores educativos de los distritos municipales:
Tabla N° 16
Municipio Cercado-2001: Indicadores Educativos por Distrito Municipal
Distritos Tasa de alfabetismo
Tasa de analfabetismo
D1 92.85 4.80 D2 91.72 5.10 D3 93.65 3.60 D4 93.80 3.60 D5 91.19 6.20 D6 89.42 7.50 D7 86.04 7.90 D8 87.25 10.00 D9 82.52 10.00 D10 94.62 5.38 D11 95.53 4.47 D12 95.60 4.40 D13 73.13 26.87 D14 86.04 10.60
Cercado 92.83 5.50
Fuente: Elaboración propia (2009) en base a datos de la H.A.M. (2001a)
47
La mayor tasa de analfabetismo de la población mayor a 15 años se encuentra en los Distritos
N° 7 - 14, 9 y 13 (13.96, 17.48 y 26.87 respectivamente); distritos con mayor predominancia
rural. Estos niveles de analfabetismo superan a los niveles registrados en el Municipio (5.5).
Desagregando estos indicadores por género, la tasa de analfabetismo en varones
alcanza al 1.9% y en mujeres al 8.7%. Esto pone en evidencia la inequidad por género
existente en el Municipio de Cercado – Cochabamba, y la urgente necesidad de tomar medidas
para paliar esta situación.
De acuerdo a los resultados en la gestión 2007 obtenidos por el Sistema de Medición y
Evaluación de la Calidad Educativa (SIMECAL), otra de las diferencias que puede
encontrarse es que en el departamento de Cochabamba la educación urbana tiene mejores
logros que el área rural, asimismo, los establecimientos privados y de convenio ofrecieron
mejores resultados que los colegios fiscales.
Este estudio, indica que estas diferencias en cuanto al rendimiento se deben a las
condiciones socioeconómicas de la familia, la condición de riesgo en la que se encuentran los
estudiantes y las actividades laborales paralelas que deben realizar algunos de ellos. Sin
embargo, también es importante la categoría laboral1
de los maestros, la calidad de los
inmuebles, el equipamiento y materiales didácticos.
En cuanto a la continuidad de los estudios puede mencionarse que de 13308
estudiantes retirados antes de concluir el año escolar, el 54.4 % fueron varones frente al 45.6
% de mujeres (H.A.M., 2001a).
1 En Bolivia, la “carrera docente” está regulada por el Reglamento del Escalafón Nacional del Servicio de
Educación (1957) que establece cinco categorías laborales. Esta escala recompensa los exámenes y valora los años de antigüedad; determinando la recepción de una bonificación diferenciada” sobre el haber básico: con el 30 % para la categoría 5, 45 % para la categoría 4; 60 % para la categoría 3; 75 % para la categoría 2 y del 100 % para la categoría 1 respectivamente.
48
2.5.4. Análisis Socioeconómico y ambiental
2.5.4.1. Empleo e Ingresos
Tradicionalmente, Cochabamba se ha caracterizado por su actividad agrícola llegando a
significar aproximadamente el 20 % del PIB regional en el año 1990. En este sentido, se
destaca la importancia de la ganadería lechera y la avicultura. Sin embargo, en los últimos
años la economía rural ha sufrido una contracción paulatina y los centros urbanos han cobrado
importancia dentro el contexto económico de la región (H.A.M. 2001a).
En cuanto a la industria manufacturera, su aporte al PIB se mantuvo en el 24 % tanto
en la gestión 1990 y 2000. Sin embargo, hoy en día se han fortalecido las actividades de la
industria manufacturera, la pequeña industria y la artesanía en los ramos de los textiles y la
confección; así como la industria de los alimentos y bebidas (H.A.M. 2001a).
Por el contrario, las actividades económicas de servicios se han incrementado,
sobretodo las ramas de transporte y almacenamiento, servicios financieros, comercio, servicios
de administración pública, comunicaciones, restaurantes y hoteles (por la variedad de climas y
ecosistemas aprovechados para el turismo); pasando del 10 % en la gestión 1990 al 15 % en la
gestión 2000.
Para poder analizar la población en función del empleo, se considera las siguientes
características: edad, actividad realizada y ocupación principal. Con lo cual, se establece los
distintos indicadores de empleo.
De acuerdo a la H.A.M. (2005), para la gestión 2005 el 81 % de la población en el
Municipio se encuentra en edad de trabajar (PET), por lo que la Población en Edad de no
Trabajar esta constituída por el 19 % de la población.
Considerando que la PET se divide en la Población Económicamente Activa y la
Población Económicamente Inactiva (PEI), de acuerdo a la H.A.M. (2005), el 37.6 % se
encuentra económicamente activa (PEA).
49
Otro indicador comúnmente utilizado, es la Tasa Global de Participación (TGP) que
permite comparar la Población Económicamente Activa con la Población en Edad de Trabajar
(PEA/PET * 100); estableciendo de esta manera el tamaño relativo de la fuerza de trabajo en
función del total de personas que se encuentran en edad de trabajar. En la Tabla N° 16 puede
apreciarse que las TGP de los distritos 11, 12 y 13 fueron superiores a la calculada para los
otros distritos y también a la calculada para el Municipio (43.61).
Al analizar la composición de la PEA: Población Ocupada y Población Desocupada; el
96.35 % está ocupada. Sin embargo, este indicador “esconde” diferencias al considerar el tipo
de actividad económica, calidad de empleo y modalidades contractuales, mediante la cual
subsisten los hogares o el grupo de ocupación al que pertenecen las personas.
De acuerdo a datos del Censo 2001, la agricultura, ganadería, caza, silvicultura y
comercio concentran a más de 200 mil ocupados. Al contrario, la intermediación financiera,
electricidad, gas y agua, explotación de minas y canteras, fueron las actividades económicas
con una menor concentración de población ocupada. Al interior de estas actividades
económicas, es importante identificar la participación femenina, siendo ésta superior en las
actividades relativas a los servicios a hogares, servicio doméstico, hoteles, restaurantes,
servicios sociales y de salud y sobretodo el comercio.
En cuanto al grupo de ocupación, para el mismo año más del 25 % se encontraba en el
grupo de ocupación de empleados de servicios o establecimientos comerciales, el 22 % en el
de trabajadores de la Industria extractiva, construcción y/o manufactura y el 12 % en el de
trabajadores no calificados (Ver Tabla Nº 18).
En cuanto a la población desocupada, en la Tabla N° 16 puede distinguirse que los
distritos con mayores niveles de desempleo fueron el: 2, 3, 7 – 12 y 1. El análisis de la Tasa de
Desempleo es importante por su relación positiva con la Mortalidad Infantil, puesto que ofrece
información sobre el status económico de las familias y refleja las limitaciones para alcanzar
mejores condiciones de vida, de comunicación, educación, salud e información (Lamelas, N.,
Aguayo, E. & Cancelo M., 2006).
50
Tabla N° 17
Municipio Cercado-2001: Indicadores Económicos por Distrito Municipal
Distritos Tasa Global de Participación
Tasa de Desempleo
Ingreso per cápita
promedio (En $us.)
D1 41.14 4.20 2674.58 D2 42.76 4.69 3530.73 D3 42.78 4.47 2935.75 D4 42.24 3.45 2794.33 D5 42.42 3.59 2430.31 D6 42.60 3.85 2295.08
D7 –D 14 42.92 4.65 1467.39 D8 40.31 3.42 2245.33 D9 42.11 3.30 1856.36 D10 42.57 3.52 4318.96 D11 43.64 3.86 3881.52 D12 46.44 3.26 4568.36 D13 54.97 1.16 …
Cercado 43.61 3.65 3239.00
Fuente: Elaboración propia (2008) en base a datos de Céspedes R. y Montaño, J. (2004)
El nivel de ingresos salariales está determinado por las características de inserción
laboral y el grupo de ocupación al que pertenecen las personas. Los hogares cuyos miembros
tienen mayores ingresos económicos tienen mayores oportunidades de mejorar sus
condiciones y calidad de vida; lo que podría influir en una reducción de la Mortalidad Infantil.
Los datos para cada uno de los Distritos Municipales se presentan en la Tabla N° 18.
51
Tabla N° 18
Municipio Cercado-2001: Número de personas por grupo de ocupación, según Distrito Municipal
Descripción Distritos Municipales Cercado D1 D2 D3 D4 D5 D6 D7 D8 D9 D10 D11 D12 D13 D14 FFAA 18 33 39 52 87 44 7 25 274 131 141 98 4 7 960 AD_PUB_E 218 517 582 390 294 252 43 63 51 900 500 1336 18 27 5191 PRF_CNT 617 1729 1950 1655 1303 1190 174 276 273 2501 2054 3683 57 99 17561 TC_PR_A 476 1767 1828 1512 1544 1377 207 470 480 2043 1355 2411 107 221 15798 EMP_OF 292 1100 1123 1007 886 806 143 268 204 1242 803 1560 61 132 9627 SRV_COM 934 4876 3744 3398 6366 7847 1443 2870 3015 4640 2059 3648 511 2491 47842 AG_PC_P 133 436 293 440 393 511 151 345 2882 221 122 222 157 172 6478 EX_CN_M 895 4567 3657 3745 5693 6375 1451 3183 4330 2473 1094 2158 607 2144 42372 O_INS_M 267 1646 1243 1238 2113 1642 515 1084 1018 643 421 744 141 544 13259 TB_N_CA 861 2656 2107 1612 2118 2898 491 1142 1256 2758 1443 3244 269 711 23566 SIN_ESP 115 568 479 431 656 658 161 371 535 499 288 536 86 220 5603 TOTAL 4826 19895 17045 15480 21453 23600 4786 10097 14318 18051 10280 19640 2018 6768 188257
FFAA AD_PUB_E PRF_CNT TC_PR_A SRV_COM EMP_OF
Fuerzas Armadas Directivos Administración pública y empresas Prof. Científicos y profesionales Técnicos y profesionales de apoyo Servicio y vendedores de comercio Empleados de oficina
AG_PC_P EX_CN_M O_INS_M TB_N_CA SIN_ESP
Trabajadores en agricultura, pecuaria y pesca Trabajadores Industria Extractiva, construcción y manufactura Operadores de instalaciones y maquinaria Trabajadores no calificados Sin especificar
Fuente: Instituto Nacional de Estadísticas Bolivia (2001)
52
Como puede apreciarse en la tabla precedente, los distritos 2 y 6 son los que
concentran el mayor número de personas ocupadas como trabajadores no calificados, o que
trabajan en el área de servicios o comercio, o como trabajadores en el rubro de la construcción
o manufactura. Los distritos 10, 11 y 12 son los que concentran al mayor número de personas
que ocupan cargos directivos en la Administración Pública o empresas y como Profesionales o
Científicos, y coincidentemente presentan menores TMI.
2.5.4.2. Servicios Básicos
Es importante la relación existente entre los servicios básicos (considerando principalmente al
agua potable y al alcantarillado), como determinantes de las condiciones de salubridad en los
hogares y mecanismo para evitar la contaminación de los alimentos. La cobertura de servicios
básicos presentada en la Tabla N° 19 comprende la red de instalaciones de agua potable,
alcantarillado, energía eléctrica, desagüe pluvial y alumbrado público.
Tabla N° 19 Municipio Cercado-2001: Porcentaje de hogares con cobertura de servicios básicos por
distrito municipal, según servicio
Distrito Nro. de Hogares
Cobertura Agua Potable
Cobertura Alcantarillado
Cobertura E. Eléctrica
Cobertura Lín. Telefónicas
D1 6202 69.39 63.53 95.05 87.42 D2 13172 73.55 60.99 93.51 80.40 D3 11713 77.55 69.37 96.85 61.31 D4 9406 75.97 81.19 95.60 84.55 D5 13828 80.45 87.60 94.64 53.00 D6 15321 87.95 84.05 94.90 52.42 D7 3224 89.81 3.50 93.80 60.69 D8 7298 83.92 3.41 87.76 28.37 D9 9741 27.23 0.87 78.65 0.07 D10 10730 91.92 97.49 95.58 88.24 D11 7361 93.00 97.84 97.05 85.77 D12 12496 89.85 96.80 96.31 99.08 D13 1403 0.630 0.390 4.930 1.020 D14 5168 21.18 0.54 84.79 39.72
Cercado 127860 66.00 66.11 86.39 58.72
Fuente: Elaboración propia en base a datos del INE (2001)
53
El reporte anterior indica, que el 66 % de las viviendas del municipio cuenta con
cobertura de agua potable y servicio de alcantarillado. En cuanto a la energía eléctrica más del
85 % de la población tiene acceso a este servicio básico. La cobertura de las líneas telefónicas
llega a más del 58 % de los hogares cochabambinos.
El Marco Teórico del Capítulo I y el Marco Referencial desarrollado en el presente
capítulo, han permitido desarrollar un modelo econométrico para establecer el predominio de
los determinantes que condicionan niveles diferenciados de la TMI en cada uno de los
Distritos Municipales de la ciudad de Cochabamba; así como de las diferencias
socioeconómicas, ambientales, de salud, institucionales, culturales y demográficas en cada uno
de ellos; de manera que se pueda establecer conjuntos de Distritos con similares
determinantes.
54
CAPÍTULO III.
DESARROLLO Y APLICACIÓN DEL MODELO PROPUESTO
En este capítulo se presenta el modelo econométrico para establecer los diferentes
determinantes de la Mortalidad Infantil en cada Distrito Municipal, los criterios de validación
de dicho modelo, los resultados obtenidos y la interpretación de los mismos. De igual manera
se presenta los grupos de distritos municipales con determinantes de la Mortalidad Infantil
similares.
Existe amplia evidencia teórica sobre la relación que guardan algunos indicadores
socioeconómicos, ambientales, de salud, institucionales, culturales y demográficos, con
diferentes niveles de Mortalidad Infantil.
Numerosos trabajos como los realizados por Silva y Duran (1990); Lámelas, Aguayo y
Cancelo (2003); Lámelas y Aguayo (2003), Dammert (2001), utilizan a los indicadores
educacionales como las variables más frecuentemente utilizadas para explicar la Mortalidad
Infantil. Así mismo, se introducen también variables relacionadas al acceso y cobertura del
servicio de salud; variables del área demográfica y cultural y también de desarrollo social.
Las técnicas econométricas utilizadas generalmente son modelos con datos de panel,
modelos probit, regresiones múltiples, estimaciones no paramétricas y paramétricas y también
técnicas de correlación. En cuanto al método de estimación, se ha podido verificar que el más
frecuentemente utilizado es el de Mínimos Cuadrados Ordinarios (MCO).
En el trabajo realizado por Silva y Duran (1990) se incluyeron variables del área
demográfica: Tasa Bruta de Natalidad, Porcentaje de la Población urbana; de desarrollo social:
Tasa de analfabetismo por sexos, Abastecimiento de agua potable, calorías per cápita, entre
otros y del área de recursos para la atención de salud: médicos y camas por mil habitantes,
como determinantes de la TMI para 22 países. Para este estudio se utilizaron técnicas de
correlación y los resultados obtenidos demostraron que el Analfabetismo Femenino y la Tasa
de Natalidad eran los determinantes más importantes de la TMI.
55
Lamelas, Aguayo, y Cancelo (2003) utilizaron la técnica de datos de panel con efectos
fijos para 16 países de Centroamérica y Sudamérica considerando el período de 1970 a 2000.
Introdujeron como variables explicativas lo siguiente: Porcentaje de población femenina de 15
años o más que no se encontraba escolarizada, Porcentaje de población femenina de 15 años o
más que había alcanzado estudios superiores y el Porcentaje de población urbana en relación a
la población total como determinantes de la TMI en menores de 1 año. Para el análisis de
resultados se consideró la bondad de ajuste de las regresiones, el impacto estadístico y el signo
de las variables explicativas.
Lamelas y Aguayo (2003) realizaron también un análisis econométrico de la relación
entre la educación y la Mortalidad Infantil para los países miembros de la Comunidad Andina
en el periodo de 1960 a 2000. Para este análisis se utilizó la técnica de Datos de Panel con el
método de Mínimos Cuadrados Ordinarios teniendo como variable dependiente a la TMI en
menores de 1 año y a la TMI en menores de 5 años y como variables explicativas a: Porcentaje
de la población de 15 años o más que ha obtenido estudios primarios, Número promedio de
años de escolarización en igual población, Producto Interno Bruto per cápita y la Población
Urbana como porcentaje de la Población Total.
El análisis de resultados fue realizado considerando los siguientes criterios: La Bondad
de ajuste de la regresión, los signos e impactos estadísticamente significativo de los
coeficientes de las variables explicativas, y la ausencia de heteroscedasticidad en las
perturbaciones.
Dammert (2001), incluyó a la atención del parto como uno de los mecanismos más
eficaces para reducir los índices de Mortalidad Infantil.
Considerando esta revisión teórica, se preparó la siguiente matriz de sistematización de
información, Tabla N° 20:
56
Tabla Nº 20
Matriz de Sistematización de Información
Variable Conceptual Definición o concepto Dato estadístico o
variable estadística Indicador Técnica de
obtención de datos
Fuente
Variables Demográficas
La tasa de mortalidad infantil (TMI) es el número de defunciones de niños menores de un año por cada 1,000 nacidos vivos en un determinado año.
Mortalidad Infantil Tasa de mortalidad infantil por Distrito Municipal
Revisión Documental y Estadística
SEDES: Registros y reportes del SNIS Publicaciones del INE
La Tasa Global de Fecundidad (TGF) expresa la relación entre los nacidos vivos de un período y el Nro. correspondiente de mujeres pertenecientes al grupo en edad de procrear (entre los 15 a 45 años de edad) durante ese período.
Fecundidad
Tasa Global de Fecundidad
Revisión Documental y Estadística
Publicaciones INE
Determinantes Institucionales
Prestaciones médicas y paramédicas proporcionadas por el sector de salud a la población materno-infantil.
Condiciones del parto: Partos institucionales
N° Partos normales N° Partos por cesáreas N° Partos domiciliarios atendidos por personal de salud Revisión
Documental y Estadística
SEDES: Registros y reportes del SNIS
Cobertura y utilización de los servicios de salud
Nro. Establecimientos de salud por nivel de atención N° Camas x 1000 habitantes
57
Determinantes Socioeconómicos
Componentes del nivel de vida como: educación, inserción laboral, ingresos económicos. Áreas que dependen de la estructura social
Educación
Tasa de Analfabetismo femenino (15 años o más
Revisión Documental y Estadística
Publicaciones del INE y otros autores
Tasa de Asistencia escolar de la población (6 a19 años)
Inserción Laboral Ingreso per cápita promedio Tasa de Desempleo
Determinantes ambientales
Se refiere a la calidad de la vivienda, la provisión de servicios esenciales como ser procedencia y suministro de agua potable, las características de los servicios sanitarios
Saneamiento Básico
Porcentaje de hogares con agua potable.
Revisión Documental y Estadística
Datos de la Honorable Alcaldía Municipal
Porcentaje de hogares con alcantarillado
Determinantes culturales
El conocimiento o la forma como los seres humanos perciben, entienden y organizan sus respuestas al entorno y hacen uso de los servicios de salud está condicionado por la cultura.
Idioma materno de las mujeres
Porcentaje de mujeres que hablan idioma nativo
Revisión Documental y Estadística
Publicaciones INE Datos de la Honorable Alcaldía Municipal
Determinantes de salud asociados a morbilidad Infantil
Se refiere a aquellas enfermedades y problemas de salud que son más prevalentes en menores de 5 años. Incluye un conjunto básico de enfermedades transmisibles y la condición nutricional de los niños.
Enfermedades Prevalentes de la Infancia
N° Casos al año de EDA`s en menores de 5 años
Revisión Documental y Estadística
SEDES: Registros y reportes del SNIS
N° Casos al año de Neumonías en menores de 5 años N° Casos de Desnutrición: leve, moderada y grave en menores de 5 años
Fuente: Elaboración Propia (2008).
58
Con estas consideraciones, se desarrolló un modelo teórico basado en que la
Mortalidad Infantil está determinada por variables socioeconómicas (Ingreso per cápita
promedio, Tasa de Desempleo); variables ambientales como: el porcentaje de hogares que
cuentan con agua potable y alcantarillado, variables culturales: porcentaje de mujeres que
hablan idioma nativo; variables demográficas (relacionadas con aspectos culturales): Tasa
Global de Fecundidad; variables institucionales que dan cuenta de: Nro. de camas X 1000
habitantes, Nro. de partos institucionales por categoría, Nro. de establecimientos de salud
por nivel y también por variables de salud asociadas a la morbilidad infantil como: el Nro.
de casos de EDAs, Nro. de casos de neumonías, Nro. de casos de desnutrición infantil por
grado (en menores de 1 año).
Es importante aclarar que las variables de los determinantes institucionales y las de
los indicadores de salud asociados a la morbilidad infantil, no fueron introducidas en el
modelo econométrico, puesto que sus registros se encontraban a nivel de establecimientos
de salud y no así por distrito municipal.
Por otro lado, dado que la Tasa Global de Fecundidad está relacionada con el origen
étnico, la cultura y costumbres de la madre; será utilizada como variable que permita
establecer la relación entre los aspectos culturales y la Tasa de Mortalidad Infantil.
3.1. Variables del modelo
Para la aplicación del modelo econométrico propuesto, se obtuvo información anual
de 7 variables para el período 1996-2006, para 12 Distritos Municipales del Cercado de
Cochabamba. 2
Las variables que no fueron consideradas en el modelo de regresión fueron
utilizadas como insumos del análisis “contextual” de los distritos municipales y como
elementos para comprender los resultados obtenidos.
2 Para este fin, se utilizó la técnica de interpolación para completar los años comprendidos en el período de estudio ya que se requerían datos para los años comprendidos en el período intercensal (1992 y 2001).
59
En el modelo econométrico propuesto, la variable dependiente fue la Tasa de Mortalidad
infantil (TMI), por ser un indicador universalmente utilizado para establecer el estado de
salud de los niños y de las condiciones socioeconómicas donde éstos se desarrollan.
Las variables independientes fueron:
Determinantes demográficos
FECUND: Tasa Global de Fecundidad
Determinantes socioeconómicos
ANALFEM: Tasa de analfabetismo femenino
ASISTFEM: Tasa de asistencia escolar femenina
INGPC: Ingreso per cápita promedio
DESEMP: Tasa de desempleo
Determinantes ambientales
AGUA: Abastecimiento de agua potable en porcentaje de población servida
ALCANT: Cobertura de alcantarillado en porcentaje de población servida
3.2. El modelo de estimación
El Método de Estimación utilizado fue el de Mínimos Cuadrados Ordinarios (MCO) porque
permite obtener los Mejores Estimadores Lineales Insesgados (MELI) de cada una de las
variables explicativas del modelo; que producen el valor más pequeño de las perturbaciones
aleatorias (Greene, 1999). Los estimadores son MELI por ser:
• Lineales porque es función lineal de una variable aleatoria
• Insesgados porque su valor promedio o esperado, es igual al valor verdadero del β
• Tienen varianza mínima dentro de la clase de todos los estimadores lineales insesgados.
Por lo tanto son estimadores eficientes.
2
60
Los supuestos en los que basa este método fueron:
1. El modelo de regresión es lineal en los parámetros
2. El número de observaciones “n” debe ser mayor al número de parámetros por estimar
3. Los valores de los regresores son fijos en muestreo repetido
4. El valor medio de la perturbación ui es igual a cero. Esto implica que los factores que
no están incluidos explícitamente en el modelo y que están incorporados en ui
5. La covarianza entre u
, no
afectan la estimación del modelo.
i y xj
6. Homoscedasticidad o igual varianza de u
es cero
i., lo que implica que las perturbaciones ui
7. No existe autocorrelación entre las perturbaciones. Es decir que la perturbación u
para
cada regresor son iguales. Es decir, que todos los valores de la variable explicativa que
corresponde a diversos regresores serán igualmente confiables.
i
8. Variabilidad en los valores de X. En otras palabras, no todos los valores de x en una
muestra son iguales.
y la
variable explicativas no están correlacionadas.
9. No hay multicolinealidad perfecta. Es decir que no hay relaciones perfectamente
lineales entre las variables explicativas
Considerando lo anteriormente expuesto, se realizó una regresión (utilizando el método de
Mínimos Cuadrados Ordinarios) con 7 indicadores (como variables explicativas) para cada
uno de los Distritos Municipales de la Ciudad de Cochabamba en el período 1996 – 2006; y
se hicieron los tests necesarios para verificar que se cumplan los supuestos mencionados.
El modelo propuesto fue el siguiente:
TMIt = αt + β1 ANALFEMt + β2 ASISTFEMt + β3 AGUAt + β4 ALCANTt + β5
INGPCt + β6 DESEMPt + β7 FECUNDt + ε
t
61
Donde:
t Indica el número de observaciones consideradas en el modelo
αt
β
Coeficiente de la intersección – constante: Representa el nivel mínimo de
mortalidad infantil que no depende de las variables explicativas incluidas en el
modelo.
1
β
Mide la variación de la tasa de mortalidad infantil cuando la tasa de analfabetismo
femenino aumenta en 1 % y se mantienen constantes las demás variables.
2
β
Mide la variación de la tasa de mortalidad infantil cuando la tasa de asistencia
escolar femenina aumenta en 1 % y se mantienen constantes las demás variables.
3
β
Mide la variación de la tasa de mortalidad infantil cuando el porcentaje de hogares
con agua potable aumenta en 1 % y se mantienen constantes las demás variables.
4
β
Mide la variación de la tasa de mortalidad infantil cuando el porcentaje de hogares
con alcantarillado aumenta en 1 % y se mantienen constantes las demás variables.
5
β
Mide la variación de la tasa de mortalidad infantil cuando el Ingreso per cápita
aumenta en 1 $us. y se mantienen constantes las demás variables
6
β
Mide la variación de la tasa de mortalidad infantil cuando la tasa de desempleo
aumenta en 1 % y se mantienen constantes las demás variables.
7
ε
Mide la variación de la tasa de mortalidad infantil cuando la tasa global de
fecundidad aumenta en 1 % y se mantienen constantes las demás variables.
i
TMI
Término de error (perturbación aleatoria). Recoge los efectos de variables no
relacionadas con el modelo. Se espera que su valor sea aproximadamente cero.
t Tasa de Mortalidad Infantil por cada 1000 nacidos vivos (< de 1 año)
ANALFEM
t
ASISTFEM
Tasa de Analfabetismo Femenino en mujeres mayores a 15 años.
t Tasa de Asistencia Femenina en mujeres entre 5 a 19 años de edad
62
AGUAt
ALCANT
Porcentaje de hogares que cuentan con agua potable
t
INGPC
Porcentaje de hogares que cuentan con alcantarillado
t
DESEMP
Ingreso per cápita promedio en dólares
t
FECUND
Tasa de desempleo
t
De acuerdo a las especificaciones teóricas, se espera que:
Tasa Global de Fecundidad
αt
β
> 0 Constante
1
β
> 0: Cuanto más alto es el nivel de Analfabetismo Femenino mayor es el nivel
de la Tasa de Mortalidad Infantil
2
β
< 0 Cuanto mayor es la Tasa de Asistencia Escolar Femenina menor es el
nivel de la Tasa de Mortalidad Infantil
3
β
< 0 Cuanto mayor es el porcentaje de hogares con agua potable menor es el
nivel de la Tasa de Mortalidad Infantil
4
β
< 0 Cuanto mayor es el porcentaje de hogares con alcantarillado menor es el
nivel de la Tasa de Mortalidad Infantil
5
β
< 0 Cuanto mayor es el Ingreso per cápita promedio menor es el nivel de la
Tasa de Mortalidad Infantil
6
β
> 0 Cuanto mayor es la Tasa de Desempleo mayor es el nivel de la Tasa de
Mortalidad Infantil
7
> 0 Cuanto mayor es la Tasa Global de Fecundidad mayor es el nivel de la
Tasa de Mortalidad Infantil
63
3.3. Estimación del modelo
La matriz de correlaciones simples de las variables explicativas del modelo para
cada uno de los Distritos Municipales, puso en evidencia la existencia de un alto grado de
“correlación” entre las variables. Situación que se refleja de igual manera entre las variables
a nivel municipal (Ver Anexo N° 1).
Las variables que hacen referencia al nivel de instrucción de la población: Tasa de
Analfabetismo Femenino y Tasa de Asistencia Escolar Femenina, presentan una alta
correlación con la Tasa Global de Fecundidad. Como se mencionó, la relación entre estas
variables está fundamentada en que las mujeres con mayores niveles de instrucción tienen
mayor probabilidad de contar con conocimientos de planificación familiar, educación
sexual, métodos anticonceptivos, etc.; además que podrían utilizar con mayor facilidad y
frecuencia los insumos de salud al percibir mejor la gravedad de las enfermedades y
síntomas presentados por sus hijos. Situaciones que ayudarían a reducir la Tasa de
Mortalidad Infantil.
De igual manera, se registró alta correlación entre el Ingreso per cápita promedio,
con la Tasa de Desempleo y con el número de hogares que cuentan con agua potable y
alcantarillado. Existe evidencia de que las familias que cuentan con menores recursos
económicos, tienen mayor probabilidad de encontrarse en situaciones de pobreza y vivir en
zonas con bajas coberturas o de difícil acceso al servicio de agua potable y/o alcantarillado.
Por lo que, los hogares están mas expuestos a la contaminación de alimentos y a la
propagación y ocurrencia de enfermedades infecciosas como las diarreas.
Considerando estas relaciones y su influencia sobre la Mortalidad Infantil, la
selección de las variables explicativas del modelo para cada Distrito Municipal se realizó
con el método de pasos sucesivos (por el que se “testea” la significancia estadística de cada
variable a ser incluida en el modelo). Se comprobó que algunas de ellas presentaron
coeficientes estadísticamente no significativos y/o que guardaban una estrecha correlación
con otra variable (considerando que estas variables estarían midiendo el mismo aspecto y se
estaría introduciendo información redundante), por lo que fueron excluidas del modelo.
64
Con los resultados obtenidos se verificó la posible existencia de autocorrelación
entre los errores mediante el estadístico de Durbin Watson. Sus valores no permitieron
concluir si existía o no autocorrelación de primer orden entre los errores de las regresiones
correspondientes a los Distritos Municipales N° 1, 2, 3,4, 5, 6, 7, 9, 11 y 12. En el caso del
distrito 8, el resultado de este estadístico (0.4038), permitió afirmar la existencia de
autocorrelación positiva (de primer orden) en la regresión.
Para los distritos (1, 2, 3, 4, 7, 11 y 12), se utilizó adicionalmente la prueba de
Breush – Godfrey para la obtención de regresiones auxiliares de los residuos estimados
sobre las variables explicativas y los valores rezagados de los residuos (de primer hasta
quinto orden), de manera que se pudiera “concluir” sobre la presencia o no de
autocorrelación.
Los resultados obtenidos fueron comparados con la distribución χ 2
Para los distritos 3 y 8 se corrigió la autocorrelación a través del siguiente procedimiento:
con ρ grados de
libertad (ρ = Nro. de rezagos) y pudo concluirse que existía correlación serial solamente en
la regresión correspondiente al distrito 3. Por lo que el estimador de MCO dejaría de ser
eficiente y los procedimientos normales de inferencia ya no serían apropiados.
1. Se estimó ρ (Coeficiente de autocovarianza) a partir del estadístico d de Durbin Watson
ρ ≈ n2 (1 – d/2) + k
n
2 2 – k
2. Se realizó la transformación de primera diferencia de las variables independientes y
dependiente y para evitar la pérdida de la primera observación, se utilizó la
transformación de Prais – Winsten (para la primera observación).
2
Para la variable dependiente: Y1 * √(1 – ρ2
Para la variables explicativas: X
)
1 * √(1 – ρ2
3. Posteriormente, se realizó la regresión de la TMI sobre las variables independientes en
la forma de primera diferencia.
)
3
3 Este procedimiento consiste en restar el valor estimado de ρ del valor de las variables en el periodo anterior, de su valor en el periodo actual. Matemáticamente se expresa de la siguiente manera:
(Yt – ρY t – 1) = β1 (1 – ρ) + β2 (Xt – ρX t – 1) + (ut – u t – 1)
65
De esta manera, el método a emplearse fue el de Mínimos Cuadrados Generalizados
Factibles, dado que asintóticamente los estimadores hallados tienen las mismas propiedades
que los MCO.
3.4. Resultados:
Utilizando el paquete Eviews 6 se obtuvieron los siguientes resultados de los modelos de
regresión para cada uno de los Distritos Municipales. Los cuales fueron agrupados
considerando combinaciones de determinantes similares, los cuales se presentan en la Tabla
N° 21:
Tabla N° 21
Resultados de las Regresiones por Distritos Municipales
DM Regresiones D2 TMI = 592.13
(t = 37.54) - 8.64 AGUA
(t = - 28.57) + 19.32 DESEMP (t = 18.89)
R2 = 0.9994 R2aj = 0.9993
ee = (0.4974) DW = 0.8512 D3 TMI = 46.85
(t = 10.53) - 2.78 AGUA (t = -9.58)
+ 36.27 DESEMP (t = 7.74)
R2 = 0.9391 R2aj
ee = (3.3150) DW = 0.6160 = 0.9239
D6 TMI = 168.3 (t = 36.35)
- 37.43 AGUA (t = - 29.59)
+ 28.60 DESEMP (t = 25.88)
R2 = 0.9997 R2aj j= 0.9996
ee = (0.4688) DW = 0.8543 D9 TMI = 25.51
(t = 8.911) - 2.05 AGUA (t = - 41.87)
+ 0.28 DESEMP (t = 3.11)
R2 = 0.9993 R2aj = 0.9992
ee = (0.8328) DW = 0.7695
D8 TMI = 69.90 (t = 3.94)
- 13.39 AGUA (t = - 3.27)
+ 8.24 ANALFEM (t = 3.74)
R2 = 0.6512 R2aj = 0.5641
ee = (20.57) DW = 2.25 D11 TMI = 1340
t = 32.46 - 15.38 AGUA (t = - 33.28)
+ 40.09 ANALFEM (t = 83.93)
R2 = 0.9999 R2aj = 0.9999
ee = (0.084) DW = 0.8597
D1 TMI = 133.13 (t = 33.20)
- 0.77 ASISTFEM (t = - 17.99)
- 0.0044 INGPC (t = - 2.97 )
R2 = 0.9760 R2aj = 0.9700
ee = (2.7292) DW = 0.9337
D7 TMI = 125.82 (t = 18.78)
- 0.18 ASISTFEM (t = - 2.97)
- 0.64 AGUA (t = - 11.11)
R2 = 0.9474 R2aj
ee = (3.380) DW = 0.7686 = 0.9343
D5 TMI= 947 (t = 43.68)
- 15 ALCANT (t = -34.24)
+ 83.19 DESEMP (t = 26.78)
R2 = 0.9998 R2aj
ee = (0.2866) DW = 0.8529 = 0.9997
66
D12 TMI = 17.31 (t = 0.96)
- 3.43 ASISTFEM (t = -3.06)
+ 53.79 DESEMP (t= 3.43)
R2 = 0.9030 R2aj =0.8788
ee = (2.76) DW = 1.2499
D4 TMI = 167.17 (t = 128.38)
- 1.14 ALCANT (t = -78.16)
- 0.0001 INGPC (t = - 45.03)
R2 = 0.9988 R2aj = 0.9985
ee = (0.1321) DW = 0.7956
D10 TMI = 613.36 (t = 5.78)
- - 6.82 ASISTFEM (t = -4.80)
- 0.38 ALCANT (t = - 3.62)
-0.015 INGPC (t = -9.72)
R2 = 0.9926 R2
aj
DW= 1.6711
= 0.9882 ee = (0.7736)
Fuente: Elaboración propia (2009) con base en las regresiones presentadas en el Anexo N° 2
Las regresiones realizadas para los 12 Distritos Municipales poseen un alto nivel de bondad
de ajuste (R2
Por otro lado, las variables consideradas (introducidas) en el modelo, ejercían un
impacto estadísticamente significativo sobre la Mortalidad Infantil. Para lo cual, se utilizó
la Prueba t para contrastar los valores t calculados con el valor crítico t a un nivel de
significancia escogido (por lo general este nivel se encuentra entre el 90 y 95 %).
); lo que significaba que las variaciones en las variables independientes de las
regresiones realizadas para los Distritos 1,2,3,4,5,6,7,9,10,11 y 12 explicaban más del 90%
de la variación en la Tasa de Mortalidad Infantil; y del 65 % en el Distrito N° 8.
4
Los valores “t” con 8 grados de libertad obtenidos para cada una de las variables
explicativas de los modelos estimados para los distritos 1, 2, 3, 4, 5, 6, 7, 8, 9, 11 y 12
fueron superiores a los valores t críticos (para 2 colas) al 90 y 95 % de significancia
estadística: 1.86 y 2.31 respectivamente.
De igual manera, los valores t críticos (para 2 colas) con 7 grados de libertad al 90
% y 95 % de confianza (1.89 y 2.36 respectivamente); fueron menores a los valores t
obtenidos en la regresión del Distrito 10. Por lo tanto, los coeficientes estimados de las
variables explicativas en todas las regresiones eran estadísticamente significativos. 4 Prueba t: Esta prueba permite estimar la significancia individual de los coeficientes de regresión parcial estimados. Los valores críticos estimados para realizar el contraste, dependen del número de observaciones (n) y el número de variables explicativas en el modelo (k). La hipótesis nula que se contrasta es la siguiente: Manteniendo constante una de las variables explicativas, por ejemplo X2, la otra variable explicativa X3 no tiene influencia lineal sobre la variable explicativa. Ho: β2 = 0 y H1: β2 ≠ 0
67
Así mismo se contrastó el valor del estadístico F para medir la significancia global
de la regresión estimada. Considerando los grados de libertad para el numerador (2) y para
el denominador (8) al 1% y 5 % de significancia se establecieron los valores críticos en
8.65 y 4.46 respectivamente para las regresiones de los distritos 1, 2, 3, 4, 5, 6, 7, 8, 9,11 y
12. El valor crítico para el estadístico F de la regresión del Distrito 10 al 1 % y 5 % de
significancia, considerando 3 grados de libertad para el numerador y 7 grados de libertad
para el denominador; se estableció en 8.45 y 4.46 respectivamente. Los estadísticos F
obtenidos en las regresiones fueron superiores a estos valores críticos; por lo que se rechazó
la hipótesis que establecía que las variables explicativas conjuntamente no tenían ningún
efecto sobre la variable dependiente (Ver Anexo 2).5
Por otro lado, los signos de los coeficientes estimados fueron los esperados y
coincidieron con las especificaciones teóricas para modelos similares. Por lo que se
demostró la pertinencia de las variables para explicar las variaciones en la Tasa de
Mortalidad Infantil.
Para constatar que los modelos estimados satisfacían los supuestos teóricos para el
método de MCO, se realizaron los siguientes tests:
3.4.1. Test de Heterocedasticidad: Test de White
Por los resultados obtenidos con la prueba de heteroscedasticidad de White, pudo
concluirse que no se podía rechazar la hipótesis nula de homoscedasticidad. Los resultados
fueron menores a los valores de la distribución χ2 con p grados de libertad al 90 % y 95 %
de confianza respectivamente. Esta información se reunió en la Tabla N° 22.
5 Prueba de significancia global: Prueba F: Si F > Fα (k – 1, n – k), Se rechaza la Ho = β2 = β3 = ……βk = 0 En este caso (k – 1) son los g de l del numerador y (n – k) los g de l del denominador.
68
Tabla Nº 22
Resultados de las Regresiones Auxiliares
Distritos R2 (n = 11)
Reg. Aux N° regresoras (excluye constante)
Resultado Grados Libertad
Valores Críticos χ2 (95 %) (90%)
D1 0.4428 5 4.8708 3 7.81473 6.25139 D2 0.3656 4 4.0216 4 9.48773 7.77944 D3 0.5508 5 6.0588 5 11.0705 9.23635 D4 0.3204 3 3.5244 6 12.5916 10.6446 D5 0.3171 3 3.4881 7 14.0671 12.017 D6 0.3210 3 3.5317 8 15.5073 13.3616 D7 0.9999 5 10.998 9 16.9190 14.6837 D8 0.7860 5 8.646 D9 0.8058 5 8.8638 D10 0.5342 3 5.8772 D11 0.3142 3 3.4562 D12 0.6374 5 7.0114
Ho: Si (n x R2
aux ) < al χ2 crítico:
Fuente: Elaboración propia (2009) con base en las regresiones auxiliares del Anexo Nº 2
No hay heteroscedasticidad
3.4.2. Test de Autocorrelación:
Para detectar la existencia o no de autocorrelación entre los errores, se utilizaron las
pruebas de Durbin Watson y de Breush - Godfrey.
En la prueba de Durbin Watson, a diferencia de las pruebas t, F o χ2
Debiendo entonces, encontrar un límite inferior dL y un límite superior dU, tal que
si el valor d calculado cae por fuera de estos valores críticos, puede considerarse como
evidencia de la presencia de correlación serial positiva o negativa. Estos límites dependen
del número de observaciones (n) y del número de variables explicativas (k). Esta prueba ha
sido ilustrada en la Figura N° 2.
, no puede
establecerse un único valor crítico que lleve al rechazo o a la aceptación de la hipótesis nula
de que no hay correlación serial de primer orden en las perturbaciones. Los límites de este
estadístico están dados por: 0 ≤ d ≤ 4.
69
Figura Nº 2
Test de Autocorrelación de Durbin Watson
Ho
H: No hay autocorrelación positiva
o
*: No hay autocorrelación negativa
Rechácese Ho
: Evidencia de
autocorrelación positiva
Zona de
Indecisión
No se rechace Ho o Ho
* o ambas
Zona de
indecisión
Rechácese Ho*: Evidencia de
autocorrelación negativa
0 dL dU 2 4 – dU 4 – dL 4
k = 2 n = 11 0.658 1.604 2.396 3.342 k = 3 n = 11 0.595 1.928 2.072 3.405
Donde: n = Nro. de Observaciones y k = Nro. de variables explicativas
Elaboración propia (2009) con base en Gujarati (2004).
Como puede observarse en la Tabla N° 20 los estadísticos de Durbin Watson en las
regresiones correspondientes a los distritos N° 1, 2, 3, 4, 5, 6, 7, 9, 11 y 12 no fueron
conclusivos de la existencia o no de autocorrelación de primer orden entre los residuos
obtenidos. Puesto que los resultados “cayeron” en la zona de indecisión.
Por esta razón, se aplicó la prueba de Breush – Godfrey, en todas las regresiones lo
que permitió concluir que no existía correlación serial de ningún orden (Ver Anexo N° 2).
Esta prueba consiste en realizar regresiones auxiliares de los errores estimados sobre
las variables explicativas y los valores rezagados de los errores. En las pruebas realizadas
se consideraron hasta 5 rezagos.
Los R2 de las regresiones auxiliares de cada uno de los Distritos Municipales
considerando el número de observaciones y el número de rezagos; fueron menores a los
establecidos por la distribución χ2 con 1 a 5 grados de libertad al 95 % de confianza (Ver
Tabla N° 23). Esto permitió verificar que no existía auto correlación de ningún orden entre
los errores.
70
Tabla Nº 23
Resultados de las Regresiones Auxiliares de la prueba de Breush – Godfrey
Distritos 1 Rezago (n-ρ) = 10
2 Rezagos (n-ρ) = 9
3 Rezagos (n-ρ) = 8
4 Rezagos (n-ρ) = 7
5 Rezagos (n-ρ) = 6
R2 Resultado R2 Resultado R2 Resultado R2 Resultado R2 Resultado D1 0.2101 2.101 0.2345 2.1105 0.3980 3.1840 0.6437 4.5059 0.8046 4.8276 D2 0.2275 2.275 0.3351 3.0159 0.4668 3.7344 0.6243 4.3701 0.7876 4.7256 D3 0.3886 3.886 0.4072 3.6648 0.4587 3.6696 0.5204 3.6428 0.6076 3.6456 D4 0.2203 2.203 0.2305 2.0745 0.2991 2.3928 0.5623 3.9361 0.6864 4.1184 D5 0.2306 2.306 0.3406 3.0654 0.4737 3.7896 0.6317 4.4219 0.7941 4.7646 D6 0.2269 2.269 0.3353 3.0177 0.4685 3.7480 0.6279 4.3953 0.7921 4.4526 D7 0.3761 3.761 0.4193 3.7737 0.4761 3.8088 0.5569 3.8983 0.6723 4.0338 D8 0.3212 3.212 0.4602 4.1418 0.4869 3.8952 0.5021 3.5147 0.6107 3.6642 D9 0.2672 2.672 0.3030 2.7270 0.4005 3.2040 0.7583 5.3081 0.9106 5.4636
D10 0.000016 0.00016 0.6634 5.9706 0.8906 7.1248 0.9959 6.9713 …. … D11 0.2249 2.249 0.3319 2.9871 0.4648 3.7184 0.6248 4.3736 0.7904 4.7424 D12 0.1218 1.218 0.1525 1.3725 0.2810 2.2480 0.3753 2.6271 0.4985 2.9910
Grados de Libertad (ρ)
Valores Críticos (χ2) (95 %)
1 3.84146 2 5.99147 3 7.81473 4 9.48773 5 11.0705
Si (n – ρ) x R2 < al χ2 ρ (crítico):
Fuente: Elaboración propia (2009)
No hay autocorrelación
71
3.5. Análisis de resultados
Las regresiones estimadas en cada uno de los distritos municipales superaron los test para
verificar: la ausencia de multicolinealidad perfecta, la distribución normal de los errores (Ver
Anexo N° 2), la ausencia de autocorrelación y heteroscedasticidad entre los mismos; además
que los coeficientes de las variables explicativas fueron estadísticamente significativos y
presentaron el signo esperado de acuerdo a las especificaciones teóricas; pudiéndose concluir
que no se “violó” ninguno de estos supuestos; lo cual permitió sostener la robustez de los
modelos estimados.
Se destaca la “fuerte” asociación entre la Mortalidad Infantil y la disponibilidad de
agua potable en los hogares cochabambinos; confirmándose este hallazgo en 7 de los 12
Distritos Municipales (2, 3, 6, 7, 8, 9 y 11). De éstos, 4 corresponden a la Zona Sur de la
ciudad de Cochabamba (Distritos 6, 7, 8 y 9). En cada una de las regresiones para estos
distritos, los coeficientes estimados fueron estadísticamente significativos y tuvieron el signo
esperado (negativo); puesto que a mayor número de hogares con agua potable se esperaba
menores tasas de Mortalidad Infantil.
Los resultados encontrados pueden interpretarse de la siguiente manera: Si se
incrementa en un 1 % el número de hogares con agua potable (y se mantienen constantes las
otras variables), las muertes en niños menores a 1 año por cada mil nacidos vivos disminuirían
en: 8 en el Distrito N° 2; en 2 y 3 en los Distritos N° 3 y 9 respectivamente; en 37 en el
Distrito N° 6; en 13 a 15 en los Distritos Distrito N° 8 y 11 respectivamente y en 1 en el
Distrito N° 7.
En esta misma área (determinantes ambientales), se encontró que la disponibilidad de
alcantarillado en los hogares era un determinante de la mortalidad infantil en 3 distritos
municipales (4, 5 y 10). Los resultados encontrados establecieron que si el porcentaje de
hogares con alcantarillado aumentará en un 1 %, disminuirían en 1 las defunciones en menores
de 1 año (por cada mil nacidos vivos) en los distritos 4 y 10; y en 15 en el Distrito 5.
En cuanto a los determinantes socioeconómicos correspondientes a las características
educativas de las madres: Tasa de Analfabetismo Femenino (ANALFEM) y la Tasa de
72
Asistencia Escolar (ASISTFEM), se confirmó la existencia de una relación negativa entre la
tasa de mortalidad infantil con la tasa de asistencia escolar femenina y positiva con la tasa de
analfabetismo femenino; como era de esperarse. Los distritos que tenían a la tasa de
analfabetismo femenino como determinante de la mortalidad infantil eran: el Distrito N° 8 y
11.
Los resultados, se interpretan de la siguiente manera: Si se reducía en un 1 % la tasa de
analfabetismo femenino o se incrementaba la tasa de asistencia escolar femenina en el mismo
porcentaje, se reduciría 8 muertes en niños menores de 1 año por cada mil nacidos vivos en el
Distrito Municipal N° 8 y en 40 en los Distrito N° 11. En cuanto a la Tasa de Asistencia
Escolar, si ésta se incrementa en un 1 % (manteniendo constantes las demás variables); en los
Distritos Municipales N° 1 y 7 las defunciones en menores de 1 año por cada mil nacidos
vivos se reducirían en 1. En el Distrito municipal N° 12 se reducirían en 3 y en 6 en el Distrito
N° 10.
Al incrementarse el nivel educativo de las mujeres, es decir que al reducir la Tasa de
Analfabetismo Femenino y/o incrementar la Tasa de Asistencia Escolar; se podrían generar los
siguientes efectos positivos: las madres tendrían una mejor percepción sobre la gravedad de
las enfermedades de sus hijos, podrían utilizar con mayor facilidad y frecuencia los insumos y
servicios de salud, adquirían conocimientos sobre educación sexual, planificación familiar,
métodos anticonceptivos y otros.
Por último la importancia que tienen las variables económicas en la reducción de la
mortalidad infantil, esta basada en la disponibilidad económica que tienen las familias para
poder cubrir las necesidades básicas de sus miembros en cuanto a alimentación, educación,
salud, etc. En este marco, como era de esperarse la tasa de desempleo (DESEMP) y el ingreso
per cápita promedio (INGPC), fueron estadísticamente significativos como determinantes de
la mortalidad infantil en los distritos 1, 2, 3, 4, 5, 6, 9, 10 y 12. De los cuales, 3 están ubicados
en la zona sur de la ciudad de Cochabamba (5, 6 y 9).
La interpretación de los resultados es la siguiente: si la Tasa de Desempleo se reduce
en un 1 % o el Ingreso per cápita promedio se incrementara en 1 $us., las defunciones en
menores de 1 año por cada mil nacidos vivos se reducirían en 1 en los Distrito N° 1, 4, 9 y 10;
73
en 19 en el Distrito N° 2; en 28 en el Distrito N° 6, en 36 en el Distrito N° 3, en 83 en el
Distrito N° 5 y en 53 en el Distrito N° 12.
En la Tabla (Nº 24), se agrupan los Distritos Municipales por combinaciones de
determinantes y contextos similares.
Tabla N° 24
Grupos de Distritos según combinaciones de Determinantes
de la Mortalidad infantil
Grupos Combinaciones Distritos
I Agua y Desempleo Distritos 2, 3, 6 y 9
II Agua y Analfabetismo femenino Distritos 8 y 11
III Asistencia Escolar y Agua Distrito 7
IV Asistencia Escolar Femenina e
Ingresos per cápita promedio
Distrito 1
V Alcantarillado y Desempleo Distrito 5
VI Asistencia Escolar Femenina y
Desempleo
Distrito 12
VII Alcantarillado e Ingresos per
cápita promedio
Distrito 4
VIII Asistencia escolar, Alcantarillado
e Ingresos per cápita promedio
Distrito 10
Fuente: Elaboración propia (2009)
Por lo tanto, estas ocho combinaciones dan lugar a situaciones con diferentes grados de
vulnerabilidad económica y social en las que se desenvuelven los hogares; y reflejan de algún
modo el “desamparo institucional” del Estado y del Gobierno Municipal en el que se
74
encuentran y a la vez permite identificar aquellos segmentos poblacionales que tienen mayores
dificultades para cambiar sus condiciones de vida.
Los Distritos Municipales que presentan elevados grados de vulnerabilidad social y
económica, presentan mayor riesgo de caer en situaciones desfavorables como: perder el
empleo, buscar empleo y no encontrarlo o caer en situaciones de pobreza o permanecer en ella.
Los resultados encontrados y su implicancia en los distintos grados de vulnerabilidad
económica y social presentes en cada uno de los distritos municipales, está fundamentada en
las siguientes relaciones:
Los hogares de los distritos municipales que cuentan con menores ingresos o presentan
elevadas Tasas de Desempleo, no pueden permitirse “el lujo” de que sus miembros
permanezcan largos períodos de tiempo desempleados; por lo que desempeñarán cualquier
tipo de trabajo y muchas veces trabajos de baja calidad recibiendo por ello bajas
remuneraciones. Remuneraciones que al ser insuficientes para cubrir los costos de una canasta
básica de alimentos “obliga” a que los otros miembros de la familia más jóvenes se inserten en
el sector informal de la economía.
La inserción de estos miembros al mercado laboral, ocasiona el incremento en la
probabilidad de disminuir la Tasa de Asistencia Escolar Femenina y el nivel de instrucción de
las mujeres; factores importantes para disminuir la Mortalidad Infantil y para mejorar las
oportunidades de las futuras generaciones.
Por otro lado, los bajos niveles socioeconómicos asociados por lo general a hogares
que tienen una baja cobertura o difícil acceso a los servicios de agua potable y alcantarillado;
implica incrementar la probabilidad de que los niños se enfermen y desnutran al consumir
alimentos contaminados.
75
Figura N° 3
Conjuntos de Distritos Municipales por determinantes similares de la TMI
Agua Desempleo
Asist. Escolar Femenina Agua
Alcantarillado Desempleo
Alcantarillado Ingresos per cápita prom.
Agua Analf. Femenino
Asist. Escolar Femenina Ingresos per cápita prom.
Asist. Escolar Femenina Desempleo
Asist. Escolar Femenina Alcantarillado
Ingresos per cápita prom.
U
2
3
9
6
8
11
10
12
4
5
7
1
76
3.5.1. Análisis contextual de los resultados
Se relacionó el contexto socioeconómico de los Distritos Municipales de acuerdo a las
combinaciones de determinantes de la Mortalidad Infantil similares:
Primer Grupo: Distritos 2, 3, 6 y 9
Los Distritos N° 2, 3 y 6 son los que concentran a más del 30 % de hogares del Municipio
(40206 hogares); de los cuales el 73.55 %, 77.55 % y el 87.95 % respectivamente cuentan con
agua potable; lo que implica que aún más de 3400, 2600 y 1800 hogares respectivamente
carezcan de este servicio. Por otro lado, la realidad en el Distrito N° 9 es distinta puesto que
concentra a un menor porcentaje de hogares del Municipio (7.6 %) pero presenta a la vez una
menor cobertura de agua potable (27.23 %).
La Tasa de Desempleo registrada en los Distritos N° 2, 3 y 6 (4.69; 4.47 y 3.85
respectivamente); son las más altas en comparación a la de otros distritos. El resultado
obtenido para el Distrito N° 9; puede explicarse por sus características económicas (Distrito
con predominancia rural: actividad lechera).
Segundo Grupo: Distritos 8 y 11
La Tasa de Analfabetismo Femenino (10) en el Distrito N° 8 es una de las más altas en
comparación a otros Distritos. Coincidiendo con mayores porcentajes de mujeres que hablan
idiomas nativos (quechua y aymara). El Distrito N° 11 al encontrarse en la zona más
desarrollada y con mayor cobertura de servicios educativos y de salud, concentra al 7.40 % de
las unidades educativas públicas del Municipio. Por otro lado, considerando la relación entre
el registro de alumnos inscritos en establecimientos de este Distrito y la Población en Edad
Escolar del mismo, pudo determinarse que el sistema educativo de este distrito absorbe a más
de 3000 niños/as y adolescentes de otros distritos o municipios vecinos.
En cuanto al agua, se evidenció que el Distrito N° 8 registró el mayor crecimiento intercensal
(7.74) del Municipio y que el 83.92 % de los hogares cuentan con agua potable. Lo que podría
reflejar cómo los cambios en la dinámica demográfica muchas veces superan a la capacidad
77
que tienen las instituciones públicas de satisfacer las necesidades de la población en cuanto a
dotación de servicios básicos.
Tercer Grupo: Distrito 7
En este Distrito Municipal solamente se encuentran 2 unidades educativas; por lo que más del
77 % de los niños/as y adolescentes deben asistir a unidades educativas privadas o deben
trasladarse a otros distritos para este fin. Esta situación de déficit en la oferta pública de
establecimientos, incrementa la probabilidad de reducir la Tasa de Asistencia Escolar. En
cuanto a la cobertura de agua potable, se ha evidenciado que en este Distrito la misma supera
el 89 %.
Cuarto Grupo: Distrito 1
Este Distrito a pesar de tener una Tasa de Asistencia Escolar Femenina que supera al 80 %,
presenta un déficit en cuanto a la oferta educativa considerando la Población en Edad Escolar
y la Población inscrita en los establecimientos educativos ubicados en este Distrito. Esta
situación puede deberse a que en el mismo, solamente se encuentran 13 unidades educativas
(de las 378 registradas en el Municipio).
En cuanto al Ingreso per cápita promedio puede mencionarse que tiene una estrecha relación o
“dependencia” del grupo ocupacional al que pertenece la persona. La mayor parte de la
población de este distrito está ocupada en el área de servicios, como vendedores de comercio,
trabajadores de la Industria extractiva, construcción y manufactura, o como trabajadores no
calificados. Categorías que por lo general están asociadas a bajos niveles de ingreso.
Quinto Grupo: Distrito 5
Este Distrito concentra al 10.8 % de los hogares cochabambinos; de los cuales el 87.6 %
cuenta con alcantarillado; por lo que aún 1715 hogares carecen de este servicio. Con referencia
a la Tasa de Desempleo (3.59), puede mencionarse que la misma es menor a la registrada para
el Municipio (3.65) y a la de 5 Distritos Municipales.
78
Sexto Grupo: Distrito 12
La Tasa de Asistencia Escolar Femenina en este Distrito es la segunda más baja del Municipio
(76.69 %), razón por la que esta variable determina los niveles de Mortalidad en este Distrito.
En cuanto a la Tasa de desempleo, ésta esta relacionada con el grupo ocupacional al que
pertenecen las personas. Ponderándose los grupos de trabajadores no calificados, o empleados
de servicios y vendedores de comercio.
Séptimo Grupo: Distrito 4
En este Distrito la mayor parte de la población pertenece a los siguientes grupos
ocupacionales: Servicio y vendedores de comercio, Trabajadores de la industria extractiva,
construcción y/o manufactura; y trabajadores no calificados. Ocupaciones que se relacionan
con menores niveles de ingreso.
Pese a que este distrito cuenta con una cobertura de alcantarillado de más del 80 %, aún más
de 1700 hogares carecen de este servicio.
Octavo Grupo: Distrito 10
Este Distrito está compuesto por 10730 hogares, lo que representa el 8.4 % del total de
hogares del Municipio. La cobertura de alcantarillado en el mismo supera al de la gran
mayoría de los distritos municipales. Como se mencionó anteriormente, el nivel de ingresos
está relacionado con el grupo ocupacional al que pertenecen las personas; en este distrito una
gran mayoría de las personas en edad de trabajar se encuentran agrupados en los siguientes
grupos: Servicios y vendedores de comercio, trabajadores en industria extractiva, construcción
o manufactura y como trabajadores no calificados.
Los resultados obtenidos con el modelo econométrico para cada Distrito Municipal;
permitieron demostrar la hipótesis planteada que establecía que dadas las disparidades
sociales, económicas, ambientales, de salud, institucionales, culturales y demográficas entre
las poblaciones de los Distritos Municipales; se registraron diferencias en los determinantes de
la TMI así como en su combinación e influencia estadística en cada uno de ellos. Con lo cual
se pudo establecer conjuntos de distritos municipales con determinantes similares.
79
CAPÍTULO IV.
CONCLUSIONES Y RECOMENDACIONES
4.1. Conclusiones
Se establecieron las diferencias socioeconómicas, ambientales, de salud, institucionales,
culturales y demográficas entre Distritos Municipales, dado que “determinan” niveles
diferenciados de la Tasa Mortalidad Infantil entre ellos; indicador universalmente utilizado
para visualizar las condiciones de vida en las que se desenvuelve la población.
Se ha priorizado el impacto de los determinantes de la Mortalidad Infantil para cada
Distrito Municipal, a través del establecimiento y aplicación de un modelo econométrico;
realizándose una regresión en series de tiempo con el método de MCO de la TMI sobre siete
variables explicativas (AGUA, ALCANT, ANALFEM, ASISTFEM, FECUND, INGPC y
DESEMP) agrupadas por determinantes socioeconómicos, ambientales, de salud,
institucionales, culturales y demográficos de la Mortalidad Infantil
Con estos resultados se conformaron 8 grupos de distritos municipales que tienen
diferentes combinaciones de determinantes de la mortalidad infantil:
• Agua y Desempleo: Distritos 2, 3, 6 y 9
• Agua y Analfabetismo Femenino: Distritos 8 y 11
• Asistencia Escolar y Agua: Distrito 7
• Asistencia Escolar e Ingreso per cápita: Distrito 1
• Desempleo y Alcantarillado: Distrito 5
• Asistencia Escolar y Desempleo: Distrito 12
• Alcantarillado e Ingreso per cápita: Distrito 4
• Asistencia Escolar, Alcantarillado e Ingreso per cápita: Distrito 10
Con lo cual, se pudo concluir que los indicadores socioeconómicos correspondientes a las
características educacionales de las madres (ANALFEM) y la situación educativa en general
(ASISTFEM), se establecen como determinantes de la mortalidad en los siguientes distritos:
80
- Distritos 8 y 11: Analfabetismo femenino
- Distritos 1, 7, 10 y 12: Asistencia escolar
Los otros indicadores: DESEMP e INGPC fueron identificados como prioritarios en los
siguientes distritos:
- Distritos: 2, 3, 5, 6, 9 y 12: Tasa de desempleo
- Distritos: 1, 4 y 10: Ingreso per cápita promedio
Los determinantes ambientales: AGUA y ALCANT, se establecieron como los
determinantes en los siguientes distritos municipales:
- Distritos 2, 3,6, 7, 8,9 y 11: Agua potable
- Distritos 4, 5 y 10: Alcantarillado
Es de destacar que el determinante AGUA se ha encontrado en 7 distritos municipales,
DESEMP y ASISTFEM en 4 distritos municipales; por lo que se constituyen en los
principales problemas a superar mediante la aplicación de políticas y planes de desarrollo.
Como prioridad para 3 distritos se encuentran los determinantes INGPC y ALCANT y el
ANALFEM como prioridad para 2 distritos.
La ampliación de la cobertura en 7 distritos municipales de agua y alcantarillado (AGUA
y ALCANT), el fortalecimiento de las campañas de alfabetización y el incentivo a incrementar
la asistencia y permanencia escolar (ANALFEM y ASISFEM) en 6 distritos; y el
mejoramiento de las condiciones de empleo y niveles de ingreso (DESEMP y INGPC) en 9
distritos municipales; permitirá mejorar las condiciones de vida y por ende reducir la TMI de
manera integral en el municipio.
Los distritos 6, 10 y 11 registraron el mayor número de casos atendidos de EDAs, IRAs y de
Desnutrición en el periodo 1996 – 2006, coincidiendo con que son estos distritos los que
concentran el mayor número de establecimientos de salud. De acuerdo a la Norma de
81
Administración de Salud Pública en Bolivia que regula el número de establecimiento de salud
por población, los distritos: 1, 2, 3, 5, 6, 7, 8, 9, 12 y 14 presentan un déficit en infraestructura.
4.2. Recomendaciones para futuras investigaciones
La presente investigación propone una metodología de “acercamiento” a la dimensión más
próxima de los principales problemas socioeconómicos, ambientales, de salud,
institucionales, culturales y demográficos de una población determinada. Para alcanzar una
reducción significativa y sostenida de la mortalidad infantil y para mejorar las condiciones
y calidad de vida de la población. Esta metodología podría utilizarse en futuras
investigaciones a nivel departamental, municipal o provincial para reorientar las acciones y
políticas públicas a implantarse; así como también en la elaboración de los Planes de
Desarrollo y Planes Operativos Anuales; tomando en consideración las distintas realidades
y condiciones de vida de las poblaciones.
Considerando las diferencias en cuanto a los criterios de “distritalización” utilizados por
las principales instituciones públicas en el Municipio (Alcaldía Municipal, Servicio
Departamental de Salud y el Servicio Departamental de Educación), deberían estudiarse
diversas alternativas para unificar los criterios considerados y la homologación de la
información generada por cada una de estas instancias.
Es importante que el servicio de salud no se enfoque solamente en ampliar la cobertura y
sus prestaciones. En este sentido, debe considerarse la dinámica poblacional (sus
características culturales, el crecimiento poblacional y la estructura por edades de cada uno
de los Distritos Municipales, entre otras variables) para “reorientar” los programas a
desarrollarse acorde a estas realidades.
La labor del servicio de salud no debe orientarse solamente al “tratamiento de las
enfermedades”; sino fundamentalmente a la Educación en Salud y la prevención de las
enfermedades, ya que Salud no es solamente la ausencia de enfermedad.
82
BIBLIOGRAFÍA
Antequera, N. (2007). Territorios Urbanos. Diversidad cultural, dinámica socio económica y
procesos de crecimiento urbano en la zona sur de Cochabamba. CEDIB – Plural Editores.
Barrantes, R. (2002). Investigación un camino al conocimiento. Costa Rica: Euned.
BID (2000). Desarrollo más allá de la economía. Informe 2000. Progreso económico y social
en América Latina. Washington: Hausmann, Ricardo.
BID, CEPAL & CELADE (2000). Impacto de las Tendencias Demográficas sobre los
Sectores Sociales en América Latina. Santiago de Chile: Bárcena, Sánchez, Guimaraes &
Acuña.
Bossert T., Ruíz F., Escalante S., Cardenas M., Guisani B., Capra K., Beauvais J., Bowser D.
(2000). La Descentralización de los servicios de salud. Health sector reform initiative
Butrón, M. & Veizaga, J. (2003). La población en el Municipio Cercado de Cochabamba.
Diagnóstico sociodemográfico por distritos. CEP – UMSS
Camacho, M. (2008). Determinantes Socioeconómicos de los cambios en la Mortalidad
Infantil fen Bolivia. CEP – UMSS
Canudas, R. (2001). Estudio econométrico de la influencia del Capital Humano en el
crecimiento de la productividad industrial de México, 1960 – 1993. Estudios Económicos de
Desarrollo Internacional. Vol. 1 Nº 2, 1 – 16.
Casas, J. (2000). Inversión en Salud y crecimiento económico: Una propuesta de América
Latina y El Caribe. Revista Panamericana de Salud Pública, Vol. 12 Nº 2,5-8.
83
CEDLA (2009). Distribución del ingreso laboral urbano en Bolivia. Boletín control
ciudadano, 13, 1-5.
CELADE (2005). La Población y el desarrollo desde un enfoque de derechos humanos:
intersecciones, perspectivas y orientaciones para una agenda regional. Santiago de Chile:
Ferrer. Pag. 57 – 60.
CELADE & CEPAL (2000). América Latina: Proyecciones de Población/
Latin America: Population Projections. 1970 – 2050. Pag. 129.
CELADE & CEPAL (2001). Vulnerabilidad social: Nociones e implicancia de políticas para
Latinoamérica a inicios del Siglo XXI. Santiago de Chile: Busso, Gustavo. Pag. 8.
Center For Economic and Policy Research (2006). Los desafíos de Bolivia. Washington:
Weisbrot Mark. y Sandoval Luís.
Centro de Documentación e Información Bolivia (2007). Carpeta de Datos de la zona Sur de
la Ciudad de Cochabamba. Cochabamba: Antequera, Castillo, Illanes & Rodríguez.
CEPAL (2001a). Retomar la agenda del desarrollo. Santiago de Chile; Ocampo, José
Antonio. Pag. 15.
CEPAL (2001b). La vulnerabilidad social y sus desafíos: Una mirada desde América Latina.
Santiago de Chile: Pizarro, Roberto.
CEPAL (2005a). Dinámica demográfica y desarrollo en América Latina y el Caribe. Santiago
de Chile: Jaspers, Dirk.
CEPAL (2005b). Objetivos de Desarrollo del milenio. Una mirada desde América Latina y el
Caribe. Santiago de Chile: Machinea, Bárcena y León.
84
CEPAL (2005c). Hambre y desigualdad en los países andinos. La desnutrición y la
vulnerabilidad alimentaria en Bolivia, Colombia, Ecuador y Perú. Santiago de Chile:
Martinez, Rodrigo.
CEPAL (2005d). Propuesta para un compendio latinoamericano de indicadores sociales.
Santiago de Chile: Cecchini, Simone.
CEPAL (2006). Los vaivenes en el panorama de la mortalidad. Santiago de Chile: Jaspers,
Dirk..
Céspedes R. & Montaño, J. (2004). Análisis de situación de salud del Municipio de Cercado.
Cochabamba: Arte publicidad editores.
Dammert, A. (2001). Acceso a servicios de salud y mortalidad en el Perú. Lima: Visual
Service SRL.
Darras, C. (1998). Diferencias de Mortalidad Infantil dentro de Bolivia. Revista Panamericana
de Salud Pública, 4,5 – 7.
Díaz, Y. (2003). ¿Es necesario sacrificar equidad para alcanzar desarrollo?. El caso de las
inequidades en Mortalidad Infantil en Colombia. Documento CEDE 2003-11. Edición
Electrónica. ISSN 1657 – 7191
Escobar S. & Guaygua G. (2008). Estrategias familiares de trabajo y reducción de la pobreza
en Bolivia. Buenos Aires: CLACSO.
Filgueira, C. & Peri, A. (2004). América Latina: Los rostros de la pobreza y sus causas
determinantes. Revista Población y desarrollo, Vol. 54,65.
Forste, R. (1994). Infant feeding practices and child health in Bolivia. Journal of Biosocial
Science, Vol. 30, 107-125.
85
Galindo, Soza Mario (2005). El proceso de la descentralización en Bolivia y la cooperación
internacional. La Paz: CEBEM.
Greene, W. (1999). Análisis Econométrico. España: Prentice Hall.
Gujarati, D. (2003). Econometría. México: McGraw – Hill.
H.A.M. (1995). Plan Municipal de Desarrollo Distrital – Distrito 9
H.A.M. (1996a). Plan Municipal de Desarrollo Distrital – Distrito 2
H.A.M. (1996b). Plan Municipal de Desarrollo Distrital – Distrito 7 y 14
H.A.M. (1997a). Plan Municipal de Desarrollo Distrital – Distrito 4
H.A.M. (1997b). Plan Municipal de Desarrollo Distrital – Distrito 5
H.A.M. (1998a) Plan Municipal de Desarrollo Distrital – Distrito 6
H.A.M. (1998b). Plan Municipal de Desarrollo Distrital – Distrito 8
H.A.M. (1999a). Plan Municipal de Desarrollo Distrital – Distrito 1
H.A.M. (1999b). Plan Municipal de Desarrollo Distrital – Distrito 3
H.A.M. (2000a). Plan Municipal de Desarrollo Distrital – Distrito 10
H.A.M. (2000b). Plan Municipal de Desarrollo Distrital – Distrito 11
H.A.M. (2000c). Plan Municipal de Desarrollo Distrital – Distrito 12
86
H.A.M. (2001a). Plan Estratégico de Desarrollo del Municipio Cercado.
H.A.M. (2005). Plan de Ordenamiento Territorial del Municipio Cercado de Cochabamba
H.A.M. (2007). Ajuste y Complementación de los Planes Municipales de Desarrollo Distrital
Herrera, M. (2003). Epidemiología de las diarreas: Prevención y control de las diarreas. Rev.
méd. Hosp. Nac. Niños, vol.38, No.1-2, p.5-11.
Instituto Nacional de Estadísticas Bolivia (2003). Niveles, tendencias y diferenciales de la
Mortalidad Infantil. La Paz: Mezza, Victor.
Instituto Nacional de Estadísticas Bolivia (2001). Cochabamba: Indicadores
Sociodemográficos por Ciudades Capitales, Censos de 1992-2001 y Zonas Censales, Censo
2001.
Lamelas, N., Aguayo, E. & Cancelo M. (2006). Reducción de la Mortalidad Infantil:
Modelización econométrica para Centroamérica y Latinoamérica, 1970 – 2000. Distrito
Federal México. Universidad Autonóma de México.
Lamelas. N. & Aguayo E. (2003). Análisis econométrico de la relación entre al educación y la
mortalidad infantil en la Comunidad Andina, 1960 – 2000. Estudios Económicos de
Desarrollo Internacional, vol. 3-1, p. 1-18.
Ledo, C. (2004). Trabajo infantil en Bolivia. Características y condiciones. La Paz: Illanes
Creativos.
Ledo, C. (2005). Agua potable a nivel de hogares con una dimensión de género: Derecho de
las mujeres al agua en las Ciudades de El Alto, La Paz y Cochabamba. La Paz: Edobol.
87
Maya, C. (2006). Mortalidad Infantil y Fecundidad. Un análisis para Países Desarrollados y
no Desarrollados. Buenos Aires, Universidad del CEMA.
Mazurek, H. (2006). Espacio y Territorio. Instrumentos metodológicos de investigación
social. La Paz. PIEB, IRD.
Ministerio de Educación (1957). Decreto Supremo N° 04688: Reglamento del Escalafón
Nacional del Servicio de Educación, La Paz.
Ministerio de Salud y Deportes (2004). Política Nacional de Salud. La Paz: Antezana,
Fernando.
Ministerio de Salud y Deportes (2005). Situación de Salud Año 2005 – 2006. Datos de
vigilancia epidemiológica y Programas nacionales. La Paz.
Ministerio de Salud y Deportes (2006). Situación de Salud. La Paz: Batista, Ricardo.
Ministerio de Salud y Deportes (2007). Análisis de la Situación de Salud en el Departamento
de Cochabamba 2005/2006. Cochabamba: Illanes, Daniel.
Morales, R. (2006). Hacia una nueva visión de la planificación económica en Bolivia. Cuarto
Congreso de Estudios Bolivianos, 21-25 junio, Sucre, (paper).
OPS/OMS – UNICEF (1996). Manifiesto de Santa Cruz – Bolivia.
Organización Panamericana de la Salud. (2001). Perfil del Sistema de Servicios de Salud
Bolivia. Washington.
Organización Panamericana de la Salud. (2005). Salud del recién nacido: una clave para la
supervivencia infantil. Washington: Lawn, Sines y Bell.
88
Organización Panamericana de la Salud (2006). Políticas Públicas de Nutrición. La Paz:
Lutter, Chessa.
Oxford Brookes University (1999). Políticas públicas, Gobierno local y conflictos
socioambientales, Quito: Crespo Carlos.
Perona N., Crucella C., Rocchi G. & Robín S. (2001).Vulnerabilidad y exclusión social: Una
propuesta metodológica para el estudio de las condiciones de vida de los hogares. Revista
Kairos, 8, 10 – 12.
PNUD. (2004). Índice de Desarrollo Humano en los Municipios de Bolivia. La Paz: Plural
Editores.
Pressat, R. (1987). Diccionario de demografía. Barcelona: Oikos – ta s.a.
Riverón, R. (1992). Etiología infecciosa de las enfermedades diarreicas agudas. Ed. Ciencias
Médicas. La Habana.
Sánchez, N. (1996). Infecciones Respiratorias Agudas. Revista RTV Nº 1, 5-7.
Sfeir, R. (2000). Desnutrición en menores de cinco año. Revista
Rev. Inst. Méd. "Sucre" LXV:
V. 116, 43 - 53.
Silva, L. & Duran E. (1990). Mortalidad infantil y condiciones higiénicas sociales en las
Américas: Un estudio de correlación. Revista de Saúde Pública, 24, 18 – 21.
Szot, J. (2002). Mortalidad infantil e indicadores económicos en Chile: 1985 – 1999. Rev.
méd. Chile, V.130 Nº 1, 107-112.
UDAPE Bolivia (2005). Financiamiento de programas públicos de salud en Bolivia: Casos:
Chagas, malaria, tuberculosis e inmunización 1999-2005. La Paz: Esquivel, Adhemar.
89
Vargas, M. (2006). Maternal mortality rate in Bolivia: Projection and financial
requirements. La Paz: Grupo Integral S.R.L.
Zurriaga, O., Sanchéz, A., Sanchis, N. & Prado del Baño, M. (1990). Algunos factores de la
Mortalidad Infantil en España. Red de revistas Científicas de América Latina y el Caribe,
España y Portugal, 32, 665 – 672.
90
ANEXO N° 1
Matriz de Correlación
91
Municipio Cercado - Cochabamba AGUA ALCANT ASISTFEM ANALFEM DESEMP FECUND INGPC
AGUA 1.000000 0.999795 0.999983 -0.999302 0.998805 -0.998893 0.978794 ALCANT 0.999795 1.000000 0.999662 -0.998340 0.999590 -0.997736 0.982713
ASISTFEM 0.999983 0.999662 1.000000 -0.999500 0.998508 -0.999147 0.977612 ANALFEM -0.999302 -0.998340 -0.999500 1.000000 -0.996285 0.999953 -0.970552 DESEMP 0.998805 0.999590 0.998508 -0.996285 1.000000 -0.995406 0.987582 FECUND -0.998893 -0.997736 -0.999147 0.999953 -0.995406 1.000000 -0.968205 INGPC 0.978794 0.982713 0.977612 -0.970552 0.987582 -0.968205 1.000000
Distrito Municipal N° 1 AGUA ALCANT ANALFEM ASISTFEM DESEMP FECUND INGPC
AGUA 1.000000 0.999970 1.000000 -0.986895 -0.995422 0.999995 0.096308 ALCANT 0.999970 1.000000 0.999964 -0.988116 -0.996135 0.999941 0.101670
ANALFEM 1.000000 0.999964 1.000000 -0.986789 -0.995359 0.999997 0.095852 ASISTFEM -0.986895 -0.988116 -0.986789 1.000000 0.997786 -0.986391 -0.198275 DESEMP -0.995422 -0.996135 -0.995359 0.997786 1.000000 -0.995120 -0.159100 FECUND 0.999995 0.999941 0.999997 -0.986391 -0.995120 1.000000 0.094150 INGPC 0.096308 0.101670 0.095852 -0.198275 -0.159100 0.094150 1.000000
Distrito Municipal N° 2
AGUA ALCANT ANALFEM ASISTFEM DESEMP FECUND INGPC AGUA 1.000000 0.999985 -0.997685 0.998589 0.996920 -0.994953 -0.015978
ALCANT 0.999985 1.000000 -0.997297 0.998843 0.997336 -0.994388 -0.018048 ANALFEM -0.997685 -0.997297 1.000000 -0.992931 -0.989303 0.999472 -0.008259 ASISTFEM 0.998589 0.998843 -0.992931 1.000000 0.999285 -0.988592 -0.046820 DESEMP 0.996920 0.997336 -0.989303 0.999285 1.000000 -0.984071 -0.043787 FECUND -0.994953 -0.994388 0.999472 -0.988592 -0.984071 1.000000 -0.019837 INGPC -0.015978 -0.018048 -0.008259 -0.046820 -0.043787 -0.019837 1.000000
Distrito Municipal N° 3 AGUA ALCANT ANALFEM ASISTFEM DESEMP FECUND INGPC
AGUA 1.000000 0.999683 0.364132 0.991867 0.963951 0.780869 0.744114 ALCANT 0.999683 1.000000 0.340869 0.994757 0.956951 0.764953 0.760086
ANALFEM 0.364132 0.340869 1.000000 0.244535 0.597025 0.864600 -0.332643 ASISTFEM 0.991867 0.994757 0.244535 1.000000 0.922305 0.695462 0.819788 DESEMP 0.963951 0.956951 0.597025 0.922305 1.000000 0.918751 0.545306 FECUND 0.780869 0.764953 0.864600 0.695462 0.918751 1.000000 0.176152 INGPC 0.744114 0.760086 -0.332643 0.819788 0.545306 0.176152 1.000000
92
Distrito Municipal N° 4
AGUA ALCANT ANALFEM ASISTFEM DESEMP INGPC FECUND AGUA 1.000000 0.823890 -0.990480 0.999920 0.999332 -0.063119 -0.997634
ALCANT 0.823890 1.000000 -0.786045 0.826502 0.831045 -0.617594 -0.807099 ANALFEM -0.990480 -0.786045 1.000000 -0.988672 -0.984818 0.010978 0.997591 ASISTFEM 0.999920 0.826502 -0.988672 1.000000 0.999713 -0.067711 -0.996688 DESEMP 0.999332 0.831045 -0.984818 0.999713 1.000000 -0.076300 -0.994460 INGPC -0.063119 -0.617594 0.010978 -0.067711 -0.076300 1.000000 0.037484
FECUND -0.997634 -0.807099 0.997591 -0.996688 -0.994460 0.037484 1.000000
Distrito Municipal N° 5 AGUA ALCANT ANALFEM ASISTFEM DESEMP FECUND INGPC
AGUA 1.000000 0.999768 -0.999214 0.995112 0.998358 -0.998939 -0.995474 ALCANT 0.999768 1.000000 -0.998130 0.997005 0.999359 -0.997717 -0.993206
ANALFEM -0.999214 -0.998130 1.000000 -0.990431 -0.995306 0.999979 0.998453 ASISTFEM 0.995112 0.997005 -0.990431 1.000000 0.999133 -0.989529 -0.981316 DESEMP 0.998358 0.999359 -0.995306 0.999133 1.000000 -0.994666 -0.988430 FECUND -0.998939 -0.997717 0.999979 -0.989529 -0.994666 1.000000 0.998788 INGPC -0.995474 -0.993206 0.998453 -0.981316 -0.988430 0.998788 1.000000
Distrito Municipal N° 6 AGUA ALCANT ANALFEM ASISTFEM DESEMP FECUND INGPC
AGUA 1.000000 0.999816 -0.999572 0.996721 0.999774 -0.998818 -0.998934 ALCANT 0.999816 1.000000 -0.999949 0.994991 0.999183 -0.999566 -0.999616
ANALFEM -0.999572 -0.999949 1.000000 -0.993936 -0.998725 0.999812 0.999827 ASISTFEM 0.996721 0.994991 -0.993936 1.000000 0.998216 -0.991625 -0.991979 DESEMP 0.999774 0.999183 -0.998725 0.998216 1.000000 -0.997560 -0.997744 FECUND -0.998818 -0.999566 0.999812 -0.991625 -0.997560 1.000000 0.999943 INGPC -0.998934 -0.999616 0.999827 -0.991979 -0.997744 0.999943 1.000000
Distrito Municipal N° 7 AGUA ALCANT ANALFEM ASISTFEM DESEMP INGPC FECUND
AGUA 1.000000 -0.961776 -0.878907 0.187895 0.990740 -0.952709 0.977816 ALCANT -0.961776 1.000000 0.957709 -0.106182 -0.989784 0.996488 -0.997368
ANALFEM -0.878907 0.957709 1.000000 0.175332 -0.923715 0.956231 -0.938766 ASISTFEM 0.187895 -0.106182 0.175332 1.000000 0.157852 -0.103838 0.149797 DESEMP 0.990740 -0.989784 -0.923715 0.157852 1.000000 -0.983483 0.997121 INGPC -0.952709 0.996488 0.956231 -0.103838 -0.983483 1.000000 -0.992633
FECUND 0.977816 -0.997368 -0.938766 0.149797 0.997121 -0.992633 1.000000
Distrito Municipal N° 8 AGUA ALCANT ANALFEM ASISTFEM DESEMP INGPC FECUND
AGUA 1.000000 -0.996235 -0.649555 0.648602 0.627390 -0.970443 -0.996824 ALCANT -0.996235 1.000000 0.677896 -0.654432 -0.634718 0.984879 0.999975
ANALFEM -0.649555 0.677896 1.000000 -0.838851 -0.896162 0.705948 0.675738 ASISTFEM 0.648602 -0.654432 -0.838851 1.000000 0.984599 -0.669991 -0.654194 DESEMP 0.627390 -0.634718 -0.896162 0.984599 1.000000 -0.643608 -0.634348 INGPC -0.970443 0.984879 0.705948 -0.669991 -0.643608 1.000000 0.983960
FECUND -0.996824 0.999975 0.675738 -0.654194 -0.634348 0.983960 1.000000
93
Distrito Municipal N° 9
AGUA ALCANT ANALFEM ASISTFEM DESEMP FECUND INGPC AGUA 1.000000 0.995250 0.923358 -0.851340 -0.921510 -0.986940 0.992591
ALCANT 0.995250 1.000000 0.921280 -0.895101 -0.938974 -0.997921 0.999685 ANALFEM 0.923358 0.921280 1.000000 -0.854023 -0.909909 -0.915467 0.919656 ASISTFEM -0.851340 -0.895101 -0.854023 1.000000 0.941801 0.919102 -0.904541 DESEMP -0.921510 -0.938974 -0.909909 0.941801 1.000000 0.944189 -0.941589 FECUND -0.986940 -0.997921 -0.915467 0.919102 0.944189 1.000000 -0.999153 INGPC 0.992591 0.999685 0.919656 -0.904541 -0.941589 -0.999153 1.000000
Distrito Municipal N° 10
AGUA ALCANT ANALFEM ASISTFEM DESEMP FECUND INGPC AGUA 1.000000 -0.157000 0.446349 0.449717 -0.339093 0.584330 -0.585271
ALCANT -0.157000 1.000000 -0.951515 -0.855656 0.982069 -0.889725 0.874647 ANALFEM 0.446349 -0.951515 1.000000 0.884140 -0.989323 0.986842 -0.957652 ASISTFEM 0.449717 -0.855656 0.884140 1.000000 -0.908950 0.875140 -0.959645 DESEMP -0.339093 0.982069 -0.989323 -0.908950 1.000000 -0.956414 0.947621 FECUND 0.584330 -0.889725 0.986842 0.875140 -0.956414 1.000000 -0.969605 INGPC -0.585271 0.874647 -0.957652 -0.959645 0.947621 -0.969605 1.000000
Distrito Municipal N° 11
AGUA ALCANT ANALFEM ASISTFEM DESEMP INGPC FECUND AGUA 1.000000 -0.999691 0.997925 0.999994 -0.999557 -0.984510 0.992576
ALCANT -0.999691 1.000000 -0.996019 -0.999599 0.999988 0.988542 -0.989260 ANALFEM 0.997925 -0.996019 1.000000 0.998142 -0.995571 -0.971313 0.998342 ASISTFEM 0.999994 -0.999599 0.998142 1.000000 -0.999448 -0.983901 0.992989 DESEMP -0.999557 0.999988 -0.995571 -0.999448 1.000000 0.989267 -0.988534 INGPC -0.984510 0.988542 -0.971313 -0.983901 0.989267 1.000000 -0.956264
FECUND 0.992576 -0.989260 0.998342 0.992989 -0.988534 -0.956264 1.000000
Distrito Municipal N° 12
INGPC FECUND AGUA ALCANT ANALFEM ASISTFEM DESEMP INGPC 1.000000 -0.985348 -0.997029 0.997523 -0.990883 0.999977 0.999873
FECUND -0.985348 1.000000 0.995533 -0.994879 0.999336 -0.984195 -0.987921 AGUA -0.997029 0.995533 1.000000 -0.999978 0.998309 -0.996494 -0.998127
ALCANT 0.997523 -0.994879 -0.999978 1.000000 -0.997897 0.997032 0.998515 ANALFEM -0.990883 0.999336 0.998309 -0.997897 1.000000 -0.989966 -0.992893 ASISTFEM 0.999977 -0.984195 -0.996494 0.997032 -0.989966 1.000000 0.999745 DESEMP 0.999873 -0.987921 -0.998127 0.998515 -0.992893 0.999745 1.000000
94
ANEXO N° 2
Resultados de las estimaciones para cada Distrito Municipal
95
Distrito Municipal Nº 1
Regresión
Dependent Variable: TMI Method: Least Squares Date: 10/24/09 Time: 01:20 urban: 1996 2006 Included observations: 11
Coefficient Std. Error t-Statistic Prob. C 133.1323 4.009858 33.20125 0.0000
ASISTFEM -0.777620 0.043207 -17.99748 0.0000 INGPC -0.004480 0.001888 -2.972589 0.0451
R-squared 0.976005 Mean dependent var 66.68085
Adjusted R-squared 0.970006 S.D. dependent var 15.75906 S.E. of regression 2.729285 Akaike info criterion 5.072957 Sum squared resid 59.59196 Schwarz criterion 5.181474 Log likelihood -24.90126 Hannan-Quinn urban. 5.004552 F-statistic 162.6989 urban-Watson stat 0.933756 Prob(F-statistic) 0.000000
Prueba de Heteroscedasticidad
Heteroskedasticity Test: White F-statistic 0.794883 Prob. F(5,5) 0.5964
Obs*R-squared 4.871468 Prob. Chi-Square(5) 0.4318 Scaled explained SS 0.997802 Prob. Chi-Square(5) 0.9627
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 10/24/09 Time: 01:23 Sample: 1996 2006 Included observations: 11
Coefficient Std. Error t-Statistic Prob.
C 204.8984 149.9050 1.366855 0.2299 ASISTFEM -4.896945 3.599819 -1.360331 0.2318
ASISTFEM^2 0.023663 0.017128 1.381497 0.2257 ASISTFEM*INGPC 0.005112 0.004305 1.187550 0.2883
INGPC -0.410780 0.355022 -1.157054 0.2995 INGPC^2 6.84E-05 6.35E-05 1.076467 0.3309
R-squared 0.442861 Mean dependent var 5.417451 Adjusted R-squared -0.114279 S.D. dependent var 5.000359 S.E. of regression 5.278349 Akaike info criterion 6.467556 Sum squared resid 139.3048 Schwarz criterion 6.684589 Log likelihood -29.57156 Hannan-Quinn criter. 6.330746 F-statistic 0.794883 Durbin-Watson stat 1.769768 Prob(F-statistic) 0.596371
96
Prueba de Autocorrelación: Breush - Godfrey
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 01:23 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -1.847339 4.043203 -0.456900 0.6616
ASISTFEM 0.024432 0.044786 0.545527 0.6023 INGPC 8.87E-05 0.001795 0.049388 0.9620
RESID(-1) 0.589813 0.432227 1.364590 0.2146 R-squared 0.210120 Mean dependent var -7.91E-15 Adjusted R-squared -0.128400 S.D. dependent var 2.441146
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 01:23 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -2.499695 4.549810 -0.549407 0.6026
ASISTFEM 0.037178 0.055810 0.666140 0.5301 INGPC -0.000391 0.002201 -0.177661 0.8648
RESID(-1) 0.544512 0.471072 1.155899 0.2917 RESID(-2) 0.277477 0.633658 0.437898 0.6768
R-squared 0.234582 Mean dependent var -7.91E-15 Adjusted R-squared -0.275697 S.D. dependent var 2.441146
Breusch-Godfrey Serial Correlation LM Test:
Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 01:24 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 0.035629 4.926651 0.007232 0.9945
ASISTFEM -0.005505 0.065435 -0.084131 0.9362 INGPC 0.000765 0.002357 0.324616 0.7586
RESID(-1) 0.599525 0.460066 1.303129 0.2493 RESID(-2) 0.143224 0.626276 0.228691 0.8282 RESID(-3) -0.686700 0.589386 -1.165111 0.2965
R-squared 0.398018 Mean dependent var -7.91E-15 Adjusted R-squared -0.203964 S.D. dependent var 2.441146
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 01:24 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 2.890144 4.572679 0.632046 0.5617
ASISTFEM -0.045088 0.061118 -0.737723 0.5016 INGPC 0.001178 0.002043 0.576744 0.5950
RESID(-1) 0.275294 0.441235 0.623917 0.5665 RESID(-2) 0.250778 0.542541 0.462228 0.6679 RESID(-3) -0.607459 0.509173 -1.193031 0.2988 RESID(-4) -0.847682 0.510358 -1.660957 0.1721
R-squared 0.643733 Mean dependent var -7.91E-15 Adjusted R-squared 0.109334 S.D. dependent var 2.441146
97
0
1
2
3
4
-0.03 -0.02 -0.01 0.00 0.01 0.02 0.03
Series: ResidualsSample 1996 2006Observations 11
Mean 2.60e-14Median 0.004128Maximum 0.024442Minimum -0.028707Std. Dev. 0.015970Skewness -0.313829Kurtosis 2.211191
Jarque-Bera 0.465746Probability 0.792254
Breusch-Godfrey Serial Correlation LM Test:
Test Equation: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 01:24 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 5.437433 4.232295 1.284748 0.2891
ASISTFEM -0.079034 0.056544 -1.397741 0.2566 INGPC 0.001517 0.001760 0.861934 0.4521
RESID(-1) -0.143357 0.461798 -0.310433 0.7765 RESID(-2) 0.074582 0.477241 0.156278 0.8857 RESID(-3) -0.361287 0.462669 -0.780877 0.4918 RESID(-4) -0.941729 0.440457 -2.138071 0.1221 RESID(-5) -0.842352 0.535838 -1.572028 0.2140
R-squared 0.804652 Mean dependent var -7.91E-15
Adjusted R-squared 0.348841 S.D. dependent var 2.441146
Gráfica de Normalidad
98
Distrito Municipal Nº 2 Regresión Prueba de Heteroscedasticidad
Dependent Variable: TMI Method: Least Squares Date: 09/21/09 Time: 17:41 Sample: 1996 2006 Included observations: 11
Coefficient Std. Error t-Statistic Prob. C 592.1361 15.77122 37.54535 0.0000
AGUA -8.649907 0.302740 -28.57209 0.0000 DESEMP 19.32571 1.022703 18.89669 0.0000
R-squared 0.999493 Mean dependent var 71.45819
Adjusted R-squared 0.999366 S.D. dependent var 19.75495 S.E. of regression 0.497472 Akaike info criterion 1.668446 Sum squared resid 1.979827 Schwarz criterion 1.776963 Log likelihood -6.176453 Hannan-Quinn criter. 1.600041 F-statistic 7880.690 Durbin-Watson stat 0.851233 Prob(F-statistic) 0.000000
Heteroskedasticity Test: White F-statistic 0.864572 Prob. F(4,6) 0.5353
Obs*R-squared 4.021994 Prob. Chi-Square(4) 0.4030 Scaled explained SS 0.723730 Prob. Chi-Square(4) 0.9484
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 10/24/09 Time: 16:15 Sample: 1996 2006 Included observations: 11 Collinear test regressors dropped from specification
Coefficient Std. Error t-Statistic Prob. C 464.8546 690.9496 0.672776 0.5261
AGUA -18.78286 28.39003 -0.661601 0.5328 AGUA^2 0.218405 0.334992 0.651970 0.5386
AGUA*DESEMP -0.696170 1.095268 -0.635617 0.5485 DESEMP^2 1.424652 2.279089 0.625097 0.5549
R-squared 0.365636 Mean dependent var 0.179984
Adjusted R-squared -0.057274 S.D. dependent var 0.155710 S.E. of regression 0.160107 Akaike info criterion -0.522995 Sum squared resid 0.153805 Schwarz criterion -0.342133 Log likelihood 7.876472 Hannan-Quinn criter. -0.637003 F-statistic 0.864572 Durbin-Watson stat 2.391841 Prob(F-statistic) 0.535297
99
Prueba de Autocorrelación: Breush - Godfrey
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 16:15 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -1.096111 19.35496 -0.056632 0.9567
AGUA 0.022925 0.374546 0.061206 0.9532 DESEMP -0.093481 1.287361 -0.072614 0.9445 RESID(-1) 0.726746 0.449116 1.618168 0.1568 RESID(-2) -0.496269 0.503488 -0.985662 0.3624
R-squared 0.335181 Mean dependent var -9.17E-14 Adjusted R-squared -0.108032 S.D. dependent var 0.444953
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 16:16 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 9.587172 21.28234 0.450476 0.6712
AGUA -0.184348 0.412062 -0.447379 0.6733 DESEMP 0.619745 1.416634 0.437477 0.6800 RESID(-1) 0.476054 0.494981 0.961763 0.3803 RESID(-2) -0.279380 0.531084 -0.526056 0.6213 RESID(-3) -0.590826 0.531696 -1.111211 0.3170
R-squared 0.466847 Mean dependent var -9.17E-14 Adjusted R-squared -0.066306 S.D. dependent var 0.444953
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 16:16 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 21.11021 21.86650 0.965413 0.3890
AGUA -0.406455 0.423059 -0.960753 0.3911 DESEMP 1.371750 1.450839 0.945488 0.3979 RESID(-1) 0.164604 0.523122 0.314656 0.7688 RESID(-2) -0.403757 0.507600 -0.795424 0.4709 RESID(-3) -0.430258 0.514180 -0.836784 0.4498 RESID(-4) -0.698394 0.539364 -1.294849 0.2651
R-squared 0.624318 Mean dependent var -9.17E-14 Adjusted R-squared 0.060794 S.D. dependent var 0.444953
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 16:15 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob.
C -10.81332 16.62213 -0.650537 0.5361 AGUA 0.212602 0.320676 0.662979 0.5286
DESEMP -0.756021 1.095706 -0.689986 0.5124 RESID(-1) 0.627048 0.436687 1.435919 0.1942
R-squared 0.227532 Mean dependent var -9.17E-14 Adjusted R-squared -0.103526 S.D. dependent var 0.444953
100
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 16:16 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 31.46812 20.17091 1.560074 0.2166
AGUA -0.603985 0.389620 -1.550192 0.2189 DESEMP 2.022753 1.330460 1.520341 0.2258 RESID(-1) -0.175870 0.506450 -0.347261 0.7513 RESID(-2) -0.559962 0.452511 -1.237455 0.3039 RESID(-3) -0.624337 0.464309 -1.344658 0.2714 RESID(-4) -0.629458 0.470441 -1.338018 0.2733 RESID(-5) -0.773033 0.508916 -1.518980 0.2261
R-squared 0.787642 Mean dependent var -9.17E-14 Adjusted R-squared 0.292140 S.D. dependent var 0.444953
Gráfica de Normalidad
0
1
2
3
4
-0.03 -0.02 -0.01 0.00 0.01 0.02 0.03
Series: ResidualsSample 1996 2006Observations 11
Mean 5.64e-14Median 0.004054Maximum 0.024064Minimum -0.028267Std. Dev. 0.015723Skewness -0.314176Kurtosis 2.212057
Jarque-Bera 0.465520Probability 0.792344
101
Distrito Municipal Nº 3
Regresión
Dependent Variable: TMI Method: Least Squares Date: 10/23/09 Time: 23:45 Sample: 1 11 Included observations: 11
Coefficient Std. Error t-Statistic Prob. C 46.85508 4.447416 10.53535 0.0000
AGUA -2.782822 0.290296 -9.586148 0.0000 DESEMP 36.27338 4.683389 7.745114 0.0001
R-squared 0.939155 Mean dependent var 34.84884
Adjusted R-squared 0.923944 S.D. dependent var 12.02065 S.E. of regression 3.315078 Akaike info criterion 5.461840 Sum squared resid 87.91795 Schwarz criterion 5.570357 Log likelihood -27.04012 Hannan-Quinn criter. 5.393436 F-statistic 61.74129 Durbin-Watson stat 0.616029 Prob(F-statistic) 0.000014
Prueba de Heteroscedasticidad
Heteroskedasticity Test: White
F-statistic 1.226284 Prob. F(5,5) 0.4142
Obs*R-squared 6.059031 Prob. Chi-Square(5) 0.3005 Scaled explained SS 1.090921 Prob. Chi-Square(5) 0.9549
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 10/24/09 Time: 00:04 Sample: 1 11 Included observations: 11
Coefficient Std. Error t-Statistic Prob. C 68.85224 52.46467 1.312354 0.2464
AGUA 16.41228 13.07123 1.255603 0.2647 AGUA^2 0.339458 0.218924 1.550577 0.1817
AGUA*DESEMP -13.99006 7.313536 -1.912899 0.1140 DESEMP -262.5010 207.3863 -1.265759 0.2614
DESEMP^2 133.2655 67.40075 1.977210 0.1050 R-squared 0.550821 Mean dependent var 7.992540
Adjusted R-squared 0.101642 S.D. dependent var 6.916621 S.E. of regression 6.555694 Akaike info criterion 6.900997 Sum squared resid 214.8856 Schwarz criterion 7.118031 Log likelihood -31.95548 Hannan-Quinn criter. 6.764187 F-statistic 1.226284 Durbin-Watson stat 1.400233 Prob(F-statistic) 0.414169
102
Prueba de Autocorrelación: Breush - Godfrey
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 00:04 Sample: 1 11 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -0.609908 3.728707 -0.163571 0.8747
AGUA 0.148702 0.252683 0.588492 0.5747 DESEMP -1.864217 4.013232 -0.464518 0.6564 RESID(-1) 0.744839 0.353085 2.109517 0.0728
R-squared 0.388650 Mean dependent var -2.44E-14 Adjusted R-squared 0.126642 S.D. dependent var 2.965096
Breusch-Godfrey Serial Correlation LM Test:
Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 00:04 Sample: 1 11 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -0.596894 3.965852 -0.150508 0.8853
AGUA 0.087199 0.303841 0.286990 0.7838 DESEMP -1.011219 4.699392 -0.215181 0.8368 RESID(-1) 0.831472 0.425319 1.954940 0.0984 RESID(-2) -0.217090 0.500373 -0.433857 0.6796
R-squared 0.407246 Mean dependent var -2.44E-14 Adjusted R-squared 0.012076 S.D. dependent var 2.965096
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 00:04 Sample: 1 11 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -0.342258 4.167684 -0.082122 0.9377
AGUA -0.011841 0.348952 -0.033933 0.9742 DESEMP 0.298730 5.272935 0.056653 0.9570 RESID(-1) 0.753905 0.459187 1.641824 0.1615 RESID(-2) -0.049595 0.577312 -0.085907 0.9349 RESID(-3) -0.368200 0.533742 -0.689847 0.5210
R-squared 0.458760 Mean dependent var -2.44E-14 Adjusted R-squared -0.082481 S.D. dependent var 2.965096
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 00:04 Sample: 1 11 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -0.152209 4.394207 -0.034638 0.9740
AGUA -0.156566 0.419052 -0.373620 0.7276 DESEMP 2.277741 6.197783 0.367509 0.7319 RESID(-1) 0.606123 0.525373 1.153701 0.3129 RESID(-2) -0.083164 0.609383 -0.136473 0.8980 RESID(-3) -0.206523 0.605287 -0.341198 0.7501 RESID(-4) -0.439723 0.613213 -0.717081 0.5130
R-squared 0.520411 Mean dependent var -2.44E-14 Adjusted R-squared -0.198972 S.D. dependent var 2.965096
103
0
1
2
3
4
-0.15 -0.10 -0.05 -0.00 0.05 0.10 0.15
Series: ResidualsSample 1996 2006Observations 11
Mean -4.49e-13Median -0.028600Maximum 0.104314Minimum -0.107706Std. Dev. 0.075279Skewness 0.028190Kurtosis 1.506356
Jarque-Bera 1.023986Probability 0.599300
Gráfica de Normalidad
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 00:05 Sample: 1 11 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 0.205397 4.610015 0.044555 0.9673
AGUA -0.325429 0.484008 -0.672364 0.5495 DESEMP 4.564002 7.051924 0.647200 0.5636 RESID(-1) 0.434432 0.587560 0.739384 0.5133 RESID(-2) -0.179991 0.647365 -0.278037 0.7990 RESID(-3) -0.243259 0.633742 -0.383846 0.7267 RESID(-4) -0.298278 0.663415 -0.449609 0.6835 RESID(-5) -0.540646 0.661824 -0.816904 0.4738
R-squared 0.607680 Mean dependent var -2.44E-14 Adjusted R-squared -0.307732 S.D. dependent var 2.965096
104
Distrito Municipal Nº 4
Regresión
Dependent Variable: TMI Method: Least Squares Date: 10/24/09 Time: 14:44 Sample (adjusted): 1997 2006 Included observations: 10 after adjustments
Coefficient Std. Error t-Statistic Prob. C 167.1751 1.302154 128.3835 0.0000
ALCANT -1.146879 0.014672 -78.16891 0.0000 INGPC -0.000176 3.91E-06 -45.03450 0.0000
R-squared 0.998859 Mean dependent var 65.50998
Adjusted R-squared 0.998533 S.D. dependent var 3.450667 S.E. of regression 0.132172 Akaike info criterion -0.966101 Sum squared resid 0.122286 Schwarz criterion -0.875325 Log likelihood 7.830505 Hannan-Quinn criter. -1.065681 F-statistic 3063.686 Durbin-Watson stat 0.795609 Prob(F-statistic) 0.000000
Prueba de Heteroscedasticidad
Heteroskedasticity Test: White F-statistic 0.942995 Prob. F(3,6) 0.4767
Obs*R-squared 3.204202 Prob. Chi-Square(3) 0.3612 Scaled explained SS 0.777867 Prob. Chi-Square(3) 0.8548
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 10/24/09 Time: 14:45 Sample: 1997 2006 Included observations: 10 Collinear test regressors dropped from specification
Coefficient Std. Error t-Statistic Prob. C 6.482533 4.784116 1.355012 0.2242
ALCANT -0.146295 0.108095 -1.353396 0.2247 ALCANT^2 0.000826 0.000610 1.354406 0.2244
ALCANT*INGPC -1.38E-08 8.94E-09 -1.541881 0.1740 R-squared 0.320420 Mean dependent var 0.012229
Adjusted R-squared -0.019370 S.D. dependent var 0.012831 S.E. of regression 0.012955 Akaike info criterion -5.565525 Sum squared resid 0.001007 Schwarz criterion -5.444491 Log likelihood 31.82763 Hannan-Quinn criter. -5.698299 F-statistic 0.942995 Durbin-Watson stat 1.898410 Prob(F-statistic) 0.476676
105
Prueba de Autocorrelación: Breuch - Godfrey
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 14:45 Sample: 1997 2006 Included observations: 10 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -0.780305 1.378924 -0.565880 0.5920
ALCANT 0.008846 0.015555 0.568718 0.5902 INGPC 3.01E-06 4.39E-06 0.685733 0.5185
RESID(-1) 0.664049 0.509962 1.302153 0.2406 R-squared 0.220334 Mean dependent var 2.02E-14 Adjusted R-squared -0.169499 S.D. dependent var 0.116565
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 14:46 Sample: 1997 2006 Included observations: 10 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 2.113514 2.482809 0.851259 0.4572
ALCANT -0.024491 0.028364 -0.863454 0.4514 INGPC 4.09E-06 5.53E-06 0.739881 0.5130
RESID(-1) 0.499748 0.561193 0.890509 0.4388 RESID(-2) -0.262852 0.602430 -0.436319 0.6921 RESID(-3) -0.576520 0.633284 -0.910365 0.4298 RESID(-4) -1.324752 0.986301 -1.343152 0.2718
R-squared 0.562359 Mean dependent var 2.02E-14 Adjusted R-squared -0.312922 S.D. dependent var 0.116565
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 14:46 Sample: 1997 2006 Included observations: 10 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 0.188647 2.221904 0.084903 0.9364
ALCANT -0.002243 0.025233 -0.088907 0.9334 INGPC 1.64E-06 5.72E-06 0.285987 0.7891
RESID(-1) 0.581646 0.611375 0.951373 0.3953 RESID(-2) -0.121695 0.650084 -0.187198 0.8606 RESID(-3) -0.427645 0.683308 -0.625845 0.5654
R-squared 0.299183 Mean dependent var 2.02E-14 Adjusted R-squared -0.576839 S.D. dependent var 0.116565
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 14:45 Sample: 1997 2006 Included observations: 10 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -0.533935 1.779149 -0.300107 0.7762
ALCANT 0.006034 0.020140 0.299573 0.7766 INGPC 2.47E-06 5.21E-06 0.474483 0.6552
RESID(-1) 0.673584 0.556192 1.211064 0.2800 RESID(-2) -0.156468 0.607027 -0.257761 0.8069
R-squared 0.230558 Mean dependent var 2.02E-14 Adjusted R-squared -0.384995 S.D. dependent var 0.116565
106
0
1
2
3
4
-0.003 -0.002 -0.001 0.000 0.001 0.002 0.003
Series: ResidualsSample 1996 2006Observations 11
Mean -1.17e-13Median -0.000248Maximum 0.002331Minimum -0.002177Std. Dev. 0.001579Skewness 0.244427Kurtosis 1.727626
Jarque-Bera 0.851544Probability 0.653265
Gráfica de Normalidad
Breusch-Godfrey Serial Correlation LM Test:
Dependent Variable: RESID
Method: Least Squares
Date: 10/24/09 Time: 14:46
Sample: 1997 2006
Included observations: 10
Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob.
C 2.137964 2.573939 0.830619 0.4936
ALCANT -0.024630 0.029404 -0.837647 0.4904
INGPC 2.69E-06 5.95E-06 0.452120 0.6955
RESID(-1) 0.505662 0.581796 0.869139 0.4764
RESID(-2) -0.304003 0.626217 -0.485460 0.6753
RESID(-3) -0.578034 0.656493 -0.880487 0.4715
RESID(-4) -1.049944 1.068077 -0.983022 0.4292
RESID(-5) -0.590825 0.664038 -0.889746 0.4675
R-squared 0.686464 Mean dependent var 2.02E-14
Adjusted R-squared -0.410911 S.D. dependent var 0.116565
107
Distrito Municipal Nº 5
Regresión
Dependent Variable: TMI Method: Least Squares Date: 09/24/09 Time: 16:09 Sample: 1996 2006 Included observations: 11
Coefficient Std. Error t-Statistic Prob. C 947.6265 21.69125 43.68704 0.0000
ALCANT -15.00617 0.438150 -34.24896 0.0000 DESEMP 83.19732 3.106430 26.78229 0.0000
R-squared 0.999820 Mean dependent var 80.05783
Adjusted R-squared 0.999775 S.D. dependent var 19.10745 S.E. of regression 0.286617 Akaike info criterion 0.565663 Sum squared resid 0.657195 Schwarz criterion 0.674179 Log likelihood -0.111144 Hannan-Quinn criter. 0.497258 F-statistic 22217.36 Durbin-Watson stat 0.852994 Prob(F-statistic) 0.000000
Prueba de Heteroscedasticidad
Heteroskedasticity Test: White F-statistic 1.083674 Prob. F(3,7) 0.4162
Obs*R-squared 3.488554 Prob. Chi-Square(3) 0.3222 Scaled explained SS 0.603938 Prob. Chi-Square(3) 0.8955
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 10/24/09 Time: 20:09 Sample: 1996 2006 Included observations: 11 Collinear test regressors dropped from specification
Coefficient Std. Error t-Statistic Prob. C 24.77591 74.34423 0.333259 0.7487
ALCANT -0.732740 2.434964 -0.300924 0.7722 ALCANT^2 0.006621 0.024559 0.269581 0.7953
ALCANT*DESEMP -0.024258 0.105677 -0.229552 0.8250 R-squared 0.317141 Mean dependent var 0.059745
Adjusted R-squared 0.024487 S.D. dependent var 0.050698 S.E. of regression 0.050073 Akaike info criterion -2.875372 Sum squared resid 0.017551 Schwarz criterion -2.730683 Log likelihood 19.81455 Hannan-Quinn criter. -2.966578 F-statistic 1.083674 Durbin-Watson stat 2.567186 Prob(F-statistic) 0.416237
108
Prueba de Autocorrelación: Breush - Godfrey
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 20:10 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -15.26219 22.90726 -0.666260 0.5266
ALCANT 0.313880 0.464501 0.675736 0.5209 DESEMP -2.277770 3.310290 -0.688088 0.5135 RESID(-1) 0.635850 0.438976 1.448484 0.1907
R-squared 0.230609 Mean dependent var -9.82E-14 Adjusted R-squared -0.099130 S.D. dependent var 0.256358
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 20:10 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -1.551524 26.69272 -0.058125 0.9555
ALCANT 0.033441 0.542508 0.061641 0.9529 DESEMP -0.258113 3.877143 -0.066573 0.9491 RESID(-1) 0.736794 0.450398 1.635876 0.1530 RESID(-2) -0.505569 0.505354 -1.000425 0.3557
R-squared 0.340602 Mean dependent var -9.82E-14 Adjusted R-squared -0.098996 S.D. dependent var 0.256358
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 20:10 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 28.90276 29.85018 0.968261 0.3877
ALCANT -0.584969 0.606534 -0.964445 0.3894 DESEMP 4.150605 4.331530 0.958231 0.3922 RESID(-1) 0.167688 0.521855 0.321331 0.7640 RESID(-2) -0.405036 0.507045 -0.798817 0.4691 RESID(-3) -0.433067 0.513961 -0.842607 0.4469 RESID(-4) -0.705476 0.538407 -1.310302 0.2603
R-squared 0.631786 Mean dependent var -9.82E-14 Adjusted R-squared 0.079465 S.D. dependent var 0.256358
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 20:10 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 13.27157 29.25871 0.453594 0.6691
ALCANT -0.268352 0.594870 -0.451111 0.6708 DESEMP 1.901315 4.252404 0.447115 0.6735 RESID(-1) 0.481038 0.495973 0.969887 0.3766 RESID(-2) -0.282430 0.532865 -0.530021 0.6188 RESID(-3) -0.599039 0.532622 -1.124698 0.3118
R-squared 0.473740 Mean dependent var -9.82E-14 Adjusted R-squared -0.052519 S.D. dependent var 0.256358
109
0
1
2
3
4
-0.03 -0.02 -0.01 0.00 0.01 0.02 0.03
Series: ResidualsSample 1996 2006Observations 11
Mean 4.13e-14Median -0.002561Maximum 0.021007Minimum -0.022569Std. Dev. 0.014313Skewness 0.268618Kurtosis 1.995033
Jarque-Bera 0.595183Probability 0.742605
Gráfica de Normalidad
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 20:11 mple: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 42.27507 27.19695 1.554405 0.2179
ALCANT -0.853391 0.551942 -1.546161 0.2198 DESEMP 6.033225 3.934670 1.533350 0.2227 RESID(-1) -0.167952 0.500578 -0.335515 0.7593 RESID(-2) -0.555241 0.448502 -1.237990 0.3038 RESID(-3) -0.623585 0.460675 -1.353633 0.2688 RESID(-4) -0.631939 0.467273 -1.352397 0.2692 RESID(-5) -0.778665 0.506148 -1.538413 0.2216
R-squared 0.794168 Mean dependent var -9.82E-14 Adjusted R-squared 0.313893 S.D. dependent var 0.256358
110
Distrito Municipal N° 6
Regresión
Dependent Variable: TMI Method: Least Squares Date: 09/27/09 Time: 11:51 Sample: 1996 2006 Included observations: 11
Coefficient Std. Error t-Statistic Prob.
C 168.3966 46.31825 36.35643 0.0000
AGUA -37.43077 1.264751 -29.59536 0.0000 DESEMP 28.60112 11.04831 25.88733 0.0000
R-squared 0.999743 Mean dependent var 91.37293
Adjusted R-squared 0.999679 S.D. dependent var 26.17659 S.E. of regression 0.468872 Akaike info criterion 1.550026 Sum squared resid 1.758726 Schwarz criterion 1.658543 Log likelihood -5.525142 Hannan-Quinn criter. 1.481621 F-statistic 15580.33 Durbin-Watson stat 0.854396 Prob(F-statistic) 0.000000
Prueba de Heteroscedasticidad
Heteroskedasticity Test: White F-statistic 1.103416 Prob. F(3,7) 0.4093
Obs*R-squared 3.531703 Prob. Chi-Square(3) 0.3167 Scaled explained SS 0.613997 Prob. Chi-Square(3) 0.8932
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 09/30/09 Time: 23:22 Sample: 1996 2006 Included observations: 11 Collinear test regressors dropped from specification
Coefficient Std. Error t-Statistic Prob.
C 76.74820 239.3308 0.320678 0.7578
AGUA -2.571395 8.914563 -0.288449 0.7814 AGUA^2 0.031255 0.121547 0.257143 0.8045
AGUA*DESEMP -0.178632 0.765827 -0.233254 0.8222 R-squared 0.321064 Mean dependent var 0.159884
Adjusted R-squared 0.030091 S.D. dependent var 0.135960 S.E. of regression 0.133899 Akaike info criterion -0.908180 Sum squared resid 0.125502 Schwarz criterion -0.763491 Log likelihood 8.994991 Hannan-Quinn criter. -0.999386 F-statistic 1.103416 Durbin-Watson stat 2.573141 Prob(F-statistic) 0.409330
111
Prueba de Autocorrelación: Breush – Godfrey
Breusch-Godfrey Serial Correlation LM Test: Test Equation: Dependent Variable: RESID Method: Least Squares Date: 10/08/09 Time: 22:34 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -31.91601 48.89958 -0.652685 0.5348
AGUA 0.887205 1.340264 0.661963 0.5292 DESEMP -7.857978 11.74285 -0.669171 0.5248 RESID(-1) 0.627201 0.437538 1.433479 0.1948
R-squared 0.226935 Mean dependent var 0.000000 Adjusted R-squared -0.104379 S.D. dependent var 0.419372
Breusch-Godfrey Serial Correlation LM Test: Test Equation: Dependent Variable: RESID Method: Least Squares Date: 10/08/09 Time: 22:34 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -3.079248 56.98758 -0.054034 0.9587
AGUA 0.089911 1.565533 0.057431 0.9561 DESEMP -0.827475 13.73999 -0.060224 0.9539 RESID(-1) 0.726214 0.449471 1.615710 0.1573 RESID(-2) -0.498755 0.504039 -0.989517 0.3606
R-squared 0.335392 Mean dependent var 0.000000 Adjusted R-squared -0.107679 S.D. dependent var 0.419372
Breusch-Godfrey Serial Correlation LM Test: Test Equation: Dependent Variable: RESID Method: Least Squares Date: 10/08/09 Time: 22:34 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 28.57905 62.57576 0.456711 0.6670
AGUA -0.781405 1.719701 -0.454384 0.6686 DESEMP 6.827072 15.09605 0.452242 0.6700 RESID(-1) 0.473398 0.494812 0.956723 0.3826 RESID(-2) -0.281216 0.530588 -0.530009 0.6188 RESID(-3) -0.594878 0.531375 -1.119508 0.3138
R-squared 0.468594 Mean dependent var 0.000000 Adjusted R-squared -0.062811 S.D. dependent var 0.419372
Breusch-Godfrey Serial Correlation LM Test:
Test Equation: Dependent Variable: RESID Method: Least Squares Date: 10/08/09 Time: 22:34 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob.
C 62.25029 63.94318 0.973525 0.3854 AGUA -1.703446 1.756265 -0.969926 0.3870
DESEMP 14.89372 15.40866 0.966581 0.3885 RESID(-1) 0.161276 0.520713 0.309721 0.7722 RESID(-2) -0.405411 0.505357 -0.802228 0.4674 RESID(-3) -0.433446 0.512176 -0.846283 0.4451 RESID(-4) -0.702830 0.536973 -1.308876 0.2607
R-squared 0.627942 Mean dependent var 0.000000 Adjusted R-squared 0.069856 S.D. dependent var 0.419372
112
0
1
2
3
4
-3 -2 -1 0 1 2 3
Series: ResidualsSample 1996 2006Observations 11
Mean 1.11e-15Median -0.172866Maximum 2.106333Minimum -2.456676Std. Dev. 1.449059Skewness 0.025566Kurtosis 2.111335
Jarque-Bera 0.363156Probability 0.833953
Gráfica de Normalidad
Breusch-Godfrey Serial Correlation LM Test: Test Equation: Dependent Variable: RESID Method: Least Squares Date: 10/08/09 Time: 22:35 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 91.19918 58.29477 1.564449 0.2157
AGUA -2.489160 1.599168 -1.556535 0.2174 DESEMP 21.71734 14.01595 1.549473 0.2190 RESID(-1) -0.174090 0.499349 -0.348634 0.7504 RESID(-2) -0.557633 0.447165 -1.247041 0.3009 RESID(-3) -0.625482 0.459244 -1.361984 0.2665 RESID(-4) -0.632769 0.465614 -1.359000 0.2673 RESID(-5) -0.776389 0.504180 -1.539903 0.2212
R-squared 0.792197 Mean dependent var 0.000000 Adjusted R-squared 0.307323 S.D. dependent var 0.419372
113
Distrito Municipal Nº 7
Regresión
Dependent Variable: TMI Method: Least Squares Date: 09/27/09 Time: 13:02 Sample: 1996 2006 Included observations: 11
Coefficient Std. Error t-Statistic Prob. C 125.8266 6.697108 18.78820 0.0000
ASISTFEM -0.182044 0.076616 -2.976070 0.0448 AGUA -0.640294 0.057598 -11.11654 0.0000
R-squared 0.947452 Mean dependent var 89.44568
Adjusted R-squared 0.934315 S.D. dependent var 13.18947 S.E. of regression 3.380343 Akaike info criterion 5.500832 Sum squared resid 91.41376 Schwarz criterion 5.609349 Log likelihood -27.25458 Hannan-Quinn criter. 5.432428 F-statistic 72.12081 Durbin-Watson stat 0.768667 Prob(F-statistic) 0.000008
Prueba de Heteroscedasticidad
Heteroskedasticity Test: White F-statistic 12089.82 Prob. F(5,5) 0.0000
Obs*R-squared 10.99909 Prob. Chi-Square(5) 0.0514 Scaled explained SS 3.182611 Prob. Chi-Square(5) 0.6719
Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/24/09 Time: 02:40 Sample: 1996 2006 Included observations: 11
Coefficient Std. Error t-Statistic Prob. C 64205.54 342.3162 187.5621 0.0000
ASISTFEM -1306.533 6.948959 -188.0185 0.0000 ASISTFEM^2 6.733111 0.035706 188.5723 0.0000
ASISTFEM*AGUA -0.995527 0.005058 -196.8352 0.0000 AGUA -8.258391 0.162879 -50.70267 0.0000
AGUA^2 0.333217 0.001902 175.1964 0.0000 R-squared 0.999917 Mean dependent var 8.310342
Adjusted R-squared 0.999835 S.D. dependent var 9.116881 S.E. of regression 0.117256 Akaike info criterion -1.146471 Sum squared resid 0.068744 Schwarz criterion -0.929437 Log likelihood 12.30559 Hannan-Quinn criter. -1.283280 F-statistic 12089.82 Durbin-Watson stat 2.134073 Prob(F-statistic) 0.000000
114
Prueba de Autocorrelación: Breush - Godfrey
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 02:42 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 9.541949 7.317550 1.303981 0.2335
ASISTFEM -0.117581 0.086373 -1.361323 0.2156 AGUA 0.022046 0.049803 0.442661 0.6714
RESID(-1) 0.822541 0.400356 2.054524 0.0790 R-squared 0.376173 Mean dependent var -1.67E-14 Adjusted R-squared 0.108819 S.D. dependent var 3.023471 Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 02:42 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 9.207356 7.642046 1.204829 0.2736
ASISTFEM -0.106510 0.091523 -1.163743 0.2887 AGUA -0.002123 0.063275 -0.033558 0.9743
RESID(-1) 0.963779 0.467765 2.060390 0.0850 RESID(-2) -0.360014 0.539159 -0.667733 0.5291
R-squared 0.419324 Mean dependent var -1.67E-14 Adjusted R-squared 0.032207 S.D. dependent var 3.023471 Breusch-Godfrey Serial Correlation LM Test:
Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 02:42 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 8.734444 7.977071 1.094944 0.3235
ASISTFEM -0.091999 0.097243 -0.946075 0.3876 AGUA -0.030143 0.076036 -0.396432 0.7081
RESID(-1) 0.830935 0.519032 1.600932 0.1703 RESID(-2) -0.136885 0.637540 -0.214708 0.8385 RESID(-3) -0.438031 0.594705 -0.736552 0.4945
R-squared 0.476162 Mean dependent var -1.67E-14 Adjusted R-squared -0.047677 S.D. dependent var 3.023471
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 02:42 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 8.294580 8.218056 1.009312 0.3699
ASISTFEM -0.074216 0.102128 -0.726692 0.5077 AGUA -0.067092 0.089348 -0.750905 0.4945
RESID(-1) 0.639989 0.578589 1.106120 0.3307 RESID(-2) -0.194223 0.658937 -0.294752 0.7828 RESID(-3) -0.218940 0.663083 -0.330185 0.7578 RESID(-4) -0.558756 0.654140 -0.854185 0.4411
R-squared 0.556973 Mean dependent var -1.67E-14 Adjusted R-squared -0.107567 S.D. dependent var 3.023471
115
0
1
2
3
4
-0.075 -0.050 -0.025 -0.000 0.025 0.050 0.075
Series: ResidualsSample 1996 2006Observations 11
Mean 1.49e-12Median -8.11e-05Maximum 0.061389Minimum -0.055457Std. Dev. 0.040817Skewness 0.062134Kurtosis 1.680197
Jarque-Bera 0.805440Probability 0.668499
Gráfica de Normalidad
Breusch-Godfrey Serial Correlation LM Test:
Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 02:42 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 8.337732 8.160549 1.021712 0.3821
ASISTFEM -0.056403 0.102882 -0.548237 0.6217 AGUA -0.117282 0.101269 -1.158126 0.3306
RESID(-1) 0.363613 0.634330 0.573223 0.6066 RESID(-2) -0.282125 0.659882 -0.427538 0.6978 RESID(-3) -0.330465 0.667312 -0.495218 0.6544 RESID(-4) -0.370261 0.674940 -0.548583 0.6215 RESID(-5) -0.719704 0.700135 -1.027950 0.3796
R-squared 0.672372 Mean dependent var -1.67E-14
Adjusted R-squared -0.092092 S.D. dependent var 3.023471
116
Distrito Municipal Nº 8
Regresión
Dependent Variable: TMI Method: Least Squares Date: 10/24/09 Time: 08:58 Sample: 1 11 Included observations: 11
Coefficient Std. Error t-Statistic Prob. C 69.90724 17.71838 3.945464 0.0043
ANALFEM 8.249058 2.204059 3.742667 0.0057 AGUA -13.39238 4.087668 -3.276290 0.0112
R-squared 0.651293 Mean dependent var 69.70553
Adjusted R-squared 0.564117 S.D. dependent var 31.17097 S.E. of regression 20.57953 Akaike info criterion 9.113472 Sum squared resid 3388.137 Schwarz criterion 9.221989 Log likelihood -47.12410 Hannan-Quinn criter. 9.045067 F-statistic 7.470957 Durbin-Watson stat 2.257307 Prob(F-statistic) 0.014786
Prueba de Heteroscedasticidad
Heteroskedasticity Test: White F-statistic 3.674553 Prob. F(5,5) 0.0898
Obs*R-squared 8.646834 Prob. Chi-Square(5) 0.1240 Scaled explained SS 4.906789 Prob. Chi-Square(5) 0.4274
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 10/24/09 Time: 09:10 Sample: 1 11 Included observations: 11
Coefficient Std. Error t-Statistic Prob. C 1722.604 1126.928 1.528583 0.1869
ANALFEM -317.6756 217.1242 -1.463105 0.2033 ANALFEM^2 37.96506 10.07871 3.766856 0.0131
ANALFEM*AGUA -48.30492 35.75242 -1.351095 0.2346 AGUA -325.1526 253.1839 -1.284255 0.2553
AGUA^2 65.41089 37.76185 1.732195 0.1438 R-squared 0.786076 Mean dependent var 308.0125
Adjusted R-squared 0.572152 S.D. dependent var 473.2084 S.E. of regression 309.5262 Akaike info criterion 14.61041 Sum squared resid 479032.3 Schwarz criterion 14.82745 Log likelihood -74.35728 Hannan-Quinn criter. 14.47360 F-statistic 3.674553 Durbin-Watson stat 1.419936 Prob(F-statistic) 0.089762
117
Prueba de Autocorrelación: Breush - Godfrey
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 14:54 Sample: 1 11 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 8.461253 16.28291 0.519640 0.6193
ANALFEM 0.932472 2.007660 0.464457 0.6564 AGUA -2.757575 3.905937 -0.705996 0.5030
RESID(-1) -0.700479 0.384830 -1.820228 0.1115 R-squared 0.321260 Mean dependent var -6.46E-15 Adjusted R-squared 0.030372 S.D. dependent var 18.40689
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 09:11 Sample: 1 11 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 5.927645 15.81603 0.374787 0.7207
ANALFEM 2.698061 2.399529 1.124413 0.3038 AGUA -4.968283 4.161576 -1.193846 0.2776
RESID(-1) -1.009800 0.446478 -2.261703 0.0644 RESID(-2) -0.633768 0.509925 -1.242865 0.2603
R-squared 0.460226 Mean dependent var -6.46E-15 Adjusted R-squared 0.100377 S.D. dependent var 18.40689
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 09:11 Sample: 1 11 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 11.74203 20.37273 0.576360 0.5893
ANALFEM 3.218256 2.757814 1.166959 0.2958 AGUA -6.757958 5.660822 -1.193812 0.2861
RESID(-1) -1.168254 0.568962 -2.053309 0.0952 RESID(-2) -0.841535 0.679878 -1.237773 0.2708 RESID(-3) -0.304922 0.597344 -0.510464 0.6315
R-squared 0.486963 Mean dependent var -6.46E-15 Adjusted R-squared -0.026074 S.D. dependent var 18.40689
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 09:11 Sample: 1 11 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 12.48131 22.53704 0.553813 0.6092
ANALFEM 3.623133 3.250815 1.114530 0.3275 AGUA -7.449002 6.540680 -1.138873 0.3183
RESID(-1) -1.217543 0.642305 -1.895582 0.1309 RESID(-2) -0.933809 0.793983 -1.176107 0.3048 RESID(-3) -0.431640 0.751210 -0.574593 0.5963 RESID(-4) -0.191410 0.547769 -0.349435 0.7444
R-squared 0.502160 Mean dependent var -6.46E-15 Adjusted R-squared -0.244600 S.D. dependent var 18.40689
118
0
1
2
3
4
5
-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5
Series: ResidualsSample 1996 2006Observations 11
Mean -1.18e-13Median -0.092185Maximum 1.248114Minimum -1.060577Std. Dev. 0.727386Skewness 0.327798Kurtosis 2.074465
Jarque-Bera 0.589609Probability 0.744677
Gráfica de Normalidad
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 09:11 Sample: 1 11 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 27.43256 28.22240 0.972014 0.4027
ANALFEM 4.352722 3.413530 1.275138 0.2920 AGUA -10.87685 7.657171 -1.420478 0.2506
RESID(-1) -1.481307 0.716361 -2.067823 0.1305 RESID(-2) -1.087945 0.827977 -1.313981 0.2803 RESID(-3) -0.816558 0.874788 -0.933436 0.4195 RESID(-4) -0.575619 0.699371 -0.823052 0.4708 RESID(-5) -0.611393 0.668224 -0.914953 0.4277
R-squared 0.610773 Mean dependent var -6.46E-15 Adjusted R-squared -0.297425 S.D. dependent var 18.40689
119
Distrito Municipal Nº 9
Regresión
Dependent Variable: TMI Method: Least Squares Date: 09/27/09 Time: 13:43 Sample: 1996 2006 Included observations: 11
Coefficient Std. Error t-Statistic Prob. C 25.51591 2.863343 8.911230 0.0000
AGUA 2.057356 0.049127 41.87852 0.0000 DESEMP -0.284246 0.134158 -3.118732 0.0670
R-squared 0.999373 Mean dependent var 99.01329
Adjusted R-squared 0.999216 S.D. dependent var 29.73905 S.E. of regression 0.832841 Akaike info criterion 2.699052 Sum squared resid 5.548990 Schwarz criterion 2.807569 Log likelihood -11.84479 Hannan-Quinn criter. 2.630648 F-statistic 6371.294 Durbin-Watson stat 0.769585 Prob(F-statistic) 0.000000
Prueba de Heteroscedasticidad
Heteroskedasticity Test: White F-statistic 4.151057 Prob. F(5,5) 0.0722
Obs*R-squared 8.864516 Prob. Chi-Square(5) 0.1146 Scaled explained SS 4.210957 Prob. Chi-Square(5) 0.5195
Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/24/09 Time: 20:22 Sample: 1996 2006 Included observations: 11
Coefficient Std. Error t-Statistic Prob. C 222.7638 69.82485 3.190322 0.0243
AGUA -6.210430 1.932159 -3.214245 0.0236 AGUA^2 0.045066 0.013943 3.232218 0.0231
AGUA*DESEMP 0.368147 0.114566 3.213405 0.0236 DESEMP -29.26885 9.222923 -3.173490 0.0247
DESEMP^2 0.971381 0.307116 3.162915 0.0250 R-squared 0.805865 Mean dependent var 0.504454
Adjusted R-squared 0.611730 S.D. dependent var 0.709085 S.E. of regression 0.441840 Akaike info criterion 1.506714 Sum squared resid 0.976113 Schwarz criterion 1.723747 Log likelihood -2.286925 Hannan-Quinn criter. 1.369904 F-statistic 4.151057 Durbin-Watson stat 1.795719 Prob(F-statistic) 0.072175
120
Prueba de Autocorrelación: Breush - Godfrey
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 20:23 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -0.351107 2.629454 -0.133529 0.8975
AGUA 0.008208 0.045249 0.181392 0.8612 DESEMP -0.004721 0.122804 -0.038443 0.9704 RESID(-1) 0.693729 0.434157 1.597875 0.1541
R-squared 0.267262 Mean dependent var -1.78E-15 Adjusted R-squared -0.046769 S.D. dependent var 0.744915
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 20:23 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -0.331503 2.770079 -0.119673 0.9086
AGUA 0.006169 0.047806 0.129052 0.9015 DESEMP 0.008760 0.131620 0.066556 0.9491 RESID(-1) 0.737979 0.464230 1.589685 0.1630 RESID(-2) -0.329067 0.592606 -0.555289 0.5988
R-squared 0.303077 Mean dependent var -1.78E-15 Adjusted R-squared -0.161538 S.D. dependent var 0.744915
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 20:23 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -0.706483 2.844795 -0.248342 0.8137
AGUA 0.007477 0.048590 0.153878 0.8837 DESEMP 0.066154 0.148093 0.446706 0.6738 RESID(-1) 0.508260 0.536032 0.948189 0.3866 RESID(-2) -0.319808 0.602141 -0.531118 0.6181 RESID(-3) -0.657661 0.729306 -0.901763 0.4085
R-squared 0.400566 Mean dependent var -1.78E-15 Adjusted R-squared -0.198868 S.D. dependent var 0.744915
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 20:23 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -3.216017 2.267388 -1.418379 0.2291
AGUA 0.031284 0.035851 0.872607 0.4321 DESEMP 0.323218 0.149021 2.168935 0.0959 RESID(-1) -0.222681 0.484748 -0.459375 0.6698 RESID(-2) -0.891446 0.487710 -1.827820 0.1416 RESID(-3) -1.216080 0.566261 -2.147561 0.0983 RESID(-4) -1.640014 0.673866 -2.433739 0.0717
R-squared 0.758368 Mean dependent var -1.78E-15 Adjusted R-squared 0.395920 S.D. dependent var 0.744915
121
0
1
2
3
4
-0.75 -0.50 -0.25 0.00 0.25 0.50 0.75
Series: ResidualsSample 1996 2006Observations 11
Mean 6.36e-16Median 0.040546Maximum 0.509679Minimum -0.590357Std. Dev. 0.326456Skewness -0.253526Kurtosis 2.203029
Jarque-Bera 0.408955Probability 0.815073
Gráfica de Normalidad
Breusch-Godfrey Serial Correlation LM Test:
Dependent Variable: RESID
Method: Least Squares
Date: 10/24/09 Time: 20:23
Sample: 1996 2006
Included observations: 11
Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob.
C -5.704255 1.935758 -2.946781 0.0602
AGUA 0.066770 0.029670 2.250372 0.1099
DESEMP 0.475351 0.124426 3.820344 0.0316
RESID(-1) -0.281786 0.341435 -0.825301 0.4697
RESID(-2) -0.947809 0.343418 -2.759926 0.0702
RESID(-3) -1.444089 0.410269 -3.519858 0.0389
RESID(-4) -1.880542 0.485061 -3.876921 0.0304
RESID(-5) -1.280982 0.566662 -2.260575 0.1089
R-squared 0.910619 Mean dependent var -1.78E-15
Adjusted R-squared 0.702064 S.D. dependent var 0.744915
122
Distrito Municipal Nº 10
Regresión
Prueba de Heteroscedasticidad
Dependent Variable: TMI Method: Least Squares Date: 10/24/09 Time: 02:48 Sample (adjusted): 1998 2006 Included observations: 9 after adjustments
Coefficient Std. Error t-Statistic Prob. C 613.3689 106.0495 5.783797 0.0022
ASISTFEM -6.821877 1.420955 -4.800911 0.0049 ALCANT -0.384831 0.146831 -3.620906 0.0470 INGPC -0.015865 0.001631 -9.729692 0.0002
R-squared 0.992657 Mean dependent var 63.70618
Adjusted R-squared 0.988251 S.D. dependent var 7.137286 S.E. of regression 0.773644 Akaike info criterion 2.625692 Sum squared resid 2.992623 Schwarz criterion 2.713347 Log likelihood -7.815613 Hannan-Quinn criter. 2.436532 F-statistic 225.2952 Durbin-Watson stat 1.671191 Prob(F-statistic) 0.000009
Heteroskedasticity Test: Breusch-Pagan-Godfrey F-statistic 1.912165 Prob. F(3,5) 0.2457
Obs*R-squared 4.808688 Prob. Chi-Square(3) 0.1864 Scaled explained SS 0.621172 Prob. Chi-Square(3) 0.8916
Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/24/09 Time: 20:30 Sample: 1998 2006 Included observations: 9
Coefficient Std. Error t-Statistic Prob. C -3.136581 38.18100 -0.082150 0.9377
ASISTFEM -0.043775 0.511586 -0.085567 0.9351 ALCANT 0.065840 0.052864 1.245465 0.2681 INGPC -8.07E-05 0.000587 -0.137403 0.8961
R-squared 0.534299 Mean dependent var 0.332514
Adjusted R-squared 0.254878 S.D. dependent var 0.322675 S.E. of regression 0.278535 Akaike info criterion 0.582556 Sum squared resid 0.387909 Schwarz criterion 0.670211 Log likelihood 1.378499 Hannan-Quinn criter. 0.393396 F-statistic 1.912165 Durbin-Watson stat 3.500861 Prob(F-statistic) 0.245653
123
Prueba de Autocorrelación: Breush - Godfrey
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 15:06 Sample: 1998 2006 Included observations: 9 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -0.135894 119.7615 -0.001135 0.9991
ASISTFEM 0.000931 1.592867 0.000585 0.9996 ALCANT 0.000761 0.189459 0.004019 0.9970 INGPC -5.71E-06 0.001956 -0.002919 0.9978
RESID(-1) -0.006411 0.796348 -0.008051 0.9940 R-squared 0.000016 Mean dependent var -3.83E-14 Adjusted R-squared -0.999968 S.D. dependent var 0.611619
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 02:57 Sample: 1998 2006 Included observations: 9 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -12.13852 80.38156 -0.151011 0.8895
ASISTFEM 0.078843 1.067564 0.073853 0.9458 ALCANT 0.074625 0.130506 0.571811 0.6075 INGPC -0.000757 0.001346 -0.562321 0.6132
RESID(-1) -0.194812 0.539081 -0.361377 0.7418 RESID(-2) -1.137855 0.467933 -2.431660 0.0932
R-squared 0.663417 Mean dependent var -3.83E-14 Adjusted R-squared 0.102446 S.D. dependent var 0.611619
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 02:58 Sample: 1998 2006 Included observations: 9
Coefficient Std. Error t-Statistic Prob. C -46.59383 19.49672 -2.389828 0.2523
ASISTFEM 0.539684 0.258244 2.089820 0.2841 ALCANT 0.090944 0.025873 3.515071 0.1764 INGPC -0.000767 0.000261 -2.941283 0.2086
RESID(-1) -1.252985 0.302400 -4.143471 0.1508 RESID(-2) -1.530575 0.348855 -4.387423 0.1427 RESID(-3) -1.696394 0.422502 -4.015112 0.1554 RESID(-4) -0.680451 0.599323 -1.135365 0.4597
R-squared 0.995901 Mean dependent var -3.83E-14 Adjusted R-squared 0.967208 S.D. dependent var 0.611619
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 02:57 Sample: 1998 2006 Included observations: 9 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -33.23260 16.62990 -1.998364 0.1837
ASISTFEM 0.363664 0.220951 1.645904 0.2415 ALCANT 0.083225 0.026707 3.116294 0.0894 INGPC -0.000815 0.000275 -2.960099 0.0977
RESID(-1) -0.944579 0.142168 -6.644084 0.0219 RESID(-2) -1.147738 0.095694 -11.99389 0.0069 RESID(-3) -1.243473 0.148895 -8.351339 0.0140
R-squared 0.890617 Mean dependent var -3.83E-14 Adjusted R-squared 0.962469 S.D. dependent var 0.611619
124
0
1
2
3
4
-0.75 -0.50 -0.25 0.00 0.25 0.50 0.75
Series: ResidualsSample 1996 2006Observations 11
Mean -5.16e-14Median 0.026768Maximum 0.539596Minimum -0.671093Std. Dev. 0.341721Skewness -0.300281Kurtosis 2.607763
Jarque-Bera 0.235824Probability 0.888774
Gráfica de Normalidad
125
Distrito Municipal Nº 11
Regresión
Dependent Variable: TMI Method: Least Squares Date: 09/27/09 Time: 14:06 Sample: 1996 2006 Included observations: 11
Coefficient Std. Error t-Statistic Prob. C 1340.189 41.27690 32.46826 0.0000
ANALFEM 40.09471 0.477705 83.93200 0.0000 AGUA -15.38194 0.462179 -33.28136 0.0000
R-squared 0.999981 Mean dependent var 53.45355
Adjusted R-squared 0.999976 S.D. dependent var 17.09847 S.E. of regression 0.084292 Akaike info criterion -1.882047 Sum squared resid 0.056842 Schwarz criterion -1.773530 Log likelihood 13.35126 Hannan-Quinn criter. -1.950452 F-statistic 205730.3 Durbin-Watson stat 0.859755 Prob(F-statistic) 0.000000
Prueba de Heteroscedasticidad
Heteroskedasticity Test: White F-statistic 1.069357 Prob. F(3,7) 0.4213
Obs*R-squared 3.456949 Prob. Chi-Square(3) 0.3264 Scaled explained SS 0.570870 Prob. Chi-Square(3) 0.9031
Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/24/09 Time: 15:39 Sample: 1996 2006 Included observations: 11 Collinear test regressors dropped from specification
Coefficient Std. Error t-Statistic Prob. C 3.522722 19.67438 0.179051 0.8630
ANALFEM 0.040496 0.457974 0.088425 0.9320 ANALFEM^2 0.000129 0.030993 0.004162 0.9968
AGUA -0.039402 0.224767 -0.175300 0.8658 R-squared 0.314268 Mean dependent var 0.005167
Adjusted R-squared 0.020383 S.D. dependent var 0.004283 S.E. of regression 0.004239 Akaike info criterion -7.813802 Sum squared resid 0.000126 Schwarz criterion -7.669113 Log likelihood 46.97591 Hannan-Quinn criter. -7.905009 F-statistic 1.069357 Durbin-Watson stat 2.560081 Prob(F-statistic) 0.421333
126
Prueba de Autocorrelación: Breush - Godfrey
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 15:39 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -28.01639 43.53839 -0.643487 0.5404
ANALFEM -0.307525 0.498693 -0.616662 0.5570 AGUA 0.313032 0.487289 0.642394 0.5411
RESID(-1) 0.621874 0.436317 1.425280 0.1971 R-squared 0.224928 Mean dependent var -2.07E-14 Adjusted R-squared -0.107245 S.D. dependent var 0.075393 Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 15:39 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -2.651866 50.75159 -0.052252 0.9600
ANALFEM -0.025174 0.577106 -0.043621 0.9666 AGUA 0.029455 0.567861 0.051870 0.9603
RESID(-1) 0.719659 0.448766 1.603640 0.1599 RESID(-2) -0.493311 0.503233 -0.980283 0.3648
R-squared 0.331927 Mean dependent var -2.07E-14 Adjusted R-squared -0.113456 S.D. dependent var 0.075393
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 15:39 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 25.53852 55.82348 0.457487 0.6665
ANALFEM 0.292370 0.633557 0.461474 0.6638 AGUA -0.285879 0.624574 -0.457718 0.6664
RESID(-1) 0.469386 0.494022 0.950131 0.3857 RESID(-2) -0.279783 0.529317 -0.528573 0.6197 RESID(-3) -0.591385 0.530779 -1.114184 0.3159
R-squared 0.464805 Mean dependent var -2.07E-14 Adjusted R-squared -0.070390 S.D. dependent var 0.075393
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 15:40 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 55.76724 57.14883 0.975825 0.3844
ANALFEM 0.637334 0.649186 0.981743 0.3818 AGUA -0.624207 0.639439 -0.976179 0.3843
RESID(-1) 0.158374 0.520126 0.304492 0.7759 RESID(-2) -0.404936 0.504651 -0.802409 0.4673 RESID(-3) -0.433058 0.511411 -0.846791 0.4448 RESID(-4) -0.700735 0.536429 -1.306295 0.2615
R-squared 0.624846 Mean dependent var -2.07E-14 Adjusted R-squared 0.062116 S.D. dependent var 0.075393
127
0
1
2
3
4
-0.005 0.000 0.005
Series: ResidualsSample 1996 2006Observations 11
Mean -6.78e-15Median 9.34e-05Maximum 0.006466Minimum -0.005591Std. Dev. 0.003903Skewness -0.066758Kurtosis 1.970656
Jarque-Bera 0.493797Probability 0.781220
Gráfica de Normalidad
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 15:40 Sample: 1996 2006 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C 81.92962 52.16429 1.570607 0.2143
NALFEM 0.942625 0.594298 1.586115 0.2109 AGUA -0.917316 0.583747 -1.571427 0.2141
RESID(-1) -0.176961 0.498913 -0.354693 0.7463 RESID(-2) -0.558498 0.446787 -1.250032 0.2999 RESID(-3) -0.626072 0.458804 -1.364574 0.2657 RESID(-4) -0.632872 0.465031 -1.360924 0.2668 RESID(-5) -0.775042 0.503359 -1.539740 0.2213
R-squared 0.790448 Mean dependent var -2.07E-14 Adjusted R-squared 0.301494 S.D. dependent var 0.075393
128
Distrito Municipal Nº 12
Regresión
Dependent Variable: TMI Method: Least Squares Date: 10/24/09 Time: 00:36 Sample: 1 11 Included observations: 11
Coefficient Std. Error t-Statistic Prob. C 17.31290 18.00370 0.961630 0.3644
ASISTFEM -3.435885 1.122785 -3.060144 0.0156 DESEMP 53.79882 22.13468 3.430522 0.0412
R-squared 0.903075 Mean dependent var 29.62033
Adjusted R-squared 0.878844 S.D. dependent var 7.929925 S.E. of regression 2.760209 Akaike info criterion 5.095490 Sum squared resid 60.95001 Schwarz criterion 5.204007 Log likelihood -25.02520 Hannan-Quinn criter. 5.027086 F-statistic 37.26904 Durbin-Watson stat 1.249932 Prob(F-statistic) 0.000088
Prueba de Heteroscedasticidad
Heteroskedasticity Test: White F-statistic 1.757930 Prob. F(5,5) 0.2754
Obs*R-squared 7.011502 Prob. Chi-Square(5) 0.2198 Scaled explained SS 2.852446 Prob. Chi-Square(5) 0.7227
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 10/24/09 Time: 00:40 Sample: 1 11 Included observations: 11
Coefficient Std. Error t-Statistic Prob. C 1262.496 1739.450 0.725801 0.5005
ASISTFEM 235.1603 275.1871 0.854547 0.4318 ASISTFEM^2 9.226067 9.282076 0.993966 0.3659
ASISTFEM*DESEMP -343.8064 357.8660 -0.960713 0.3808 DESEMP -4206.746 5098.111 -0.825158 0.4468
DESEMP^2 3171.311 3414.322 0.928826 0.3956 R-squared 0.637409 Mean dependent var 5.540910
Adjusted R-squared 0.274818 S.D. dependent var 7.207728 S.E. of regression 6.137928 Akaike info criterion 6.769303 Sum squared resid 188.3708 Schwarz criterion 6.986337 Log likelihood -31.23117 Hannan-Quinn criter. 6.632494 F-statistic 1.757930 Durbin-Watson stat 2.200653 Prob(F-statistic) 0.275435
129
Prueba de Autocorrelación: Breush - Godfrey
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 00:40 Sample: 1 11 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -7.648759 19.63445 -0.389558 0.7084
ASISTFEM -0.370374 1.185898 -0.312315 0.7639 DESEMP 7.983991 23.60741 0.338198 0.7451 RESID(-1) 0.437064 0.443428 0.985647 0.3571
R-squared 0.121872 Mean dependent var -1.17E-14 Adjusted R-squared -0.254469 S.D. dependent var 2.468806
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 00:41 Sample: 1 11 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -5.396423 21.38738 -0.252318 0.8092
ASISTFEM -0.150022 1.344272 -0.111601 0.9148 DESEMP 4.065411 26.42360 0.153855 0.8828 RESID(-1) 0.391120 0.480739 0.813582 0.4470 RESID(-2) 0.240446 0.516011 0.465972 0.6577
R-squared 0.152540 Mean dependent var -1.17E-14 Adjusted R-squared -0.412434 S.D. dependent var 2.468806
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 00:41 Sample: 1 11 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -8.160488 22.65346 -0.360231 0.7369
ASISTFEM -0.702435 1.493954 -0.470185 0.6627 DESEMP 12.89720 28.86254 0.446849 0.6781 RESID(-1) 0.297738 0.551089 0.540271 0.6177 RESID(-2) 0.257594 0.545214 0.472464 0.6612 RESID(-3) -0.468400 0.535779 -0.874242 0.4313 RESID(-4) -0.466410 0.600236 -0.777044 0.4805
R-squared 0.375333 Mean dependent var -1.17E-14 Adjusted R-squared -0.561669 S.D. dependent var 2.468806
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 00:41 Sample: 1 11 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -6.140825 21.59385 -0.284378 0.7875
ASISTFEM -0.385185 1.378970 -0.279328 0.7912 DESEMP 7.667082 26.93180 0.284685 0.7873 RESID(-1) 0.458285 0.490233 0.934831 0.3928 RESID(-2) 0.219950 0.521097 0.422091 0.6905 RESID(-3) -0.485592 0.513674 -0.945330 0.3879
R-squared 0.281039 Mean dependent var -1.17E-14 Adjusted R-squared -0.437921 S.D. dependent var 2.468806
130
Breusch-Godfrey Serial Correlation LM Test: Dependent Variable: RESID Method: Least Squares Date: 10/24/09 Time: 00:41 Sample: 1 11 Included observations: 11 Presample missing value lagged residuals set to zero.
Coefficient Std. Error t-Statistic Prob. C -10.43966 23.58683 -0.442606 0.6880
ASISTFEM -1.056427 1.599679 -0.660400 0.5562 DESEMP 18.76458 30.63290 0.612563 0.5835 RESID(-1) 0.154985 0.593902 0.260960 0.8110 RESID(-2) 0.054498 0.611670 0.089098 0.9346 RESID(-3) -0.357221 0.569236 -0.627544 0.5748 RESID(-4) -0.516931 0.623778 -0.828711 0.4680 RESID(-5) -0.551275 0.642132 -0.858507 0.4537
R-squared 0.498532 Mean dependent var -1.17E-14
Adjusted R-squared -0.671559 S.D. dependent var 2.468806
Gráfica de Normalidad
0
1
2
3
4
-0.005 0.000 0.005
Series: ResidualsSample 1 11Observations 11
Mean 0.000000Median 0.000551Maximum 0.005347Minimum -0.007310Std. Dev. 0.004006Skewness -0.460703Kurtosis 2.109592
Jarque-Bera 0.752498Probability 0.686431
131
ANEXO N° 3
Planilla de datos
132
DISTRITO N° 1
OBS TMI FECUND ASISTFEM ANALFEM DESEMP INGPC AGUA ALCANT 1996 93,000 3,570 54,709 7,500 4,574 1458,000 66,790 55,497 1997 86,570 3,418 59,573 6,860 4,497 1285,798 67,302 51,044 1998 80,585 3,272 64,868 6,274 4,421 1133,935 67,818 46,948 1999 75,014 3,132 70,634 5,738 4,346 1000,008 68,338 43,181 2000 69,828 2,998 76,913 5,248 4,272 881,899 68,862 39,717 2001 65,000 2,870 83,750 4,800 4,200 777,740 69,390 36,530 2002 60,506 2,747 91,195 4,390 4,129 685,883 69,922 33,599 2003 56,323 2,630 99,301 4,015 4,059 604,874 70,458 30,903 2004 52,429 2,518 108,128 3,672 3,990 533,434 70,998 28,424 2005 48,804 2,410 117,740 3,359 3,923 470,431 71,542 26,143 2006 45,430 2,307 128,206 3,072 3,856 414,869 72,091 24,045
DISTRITO N° 2
OBS TMI FECUND ASISTFEM ANALFEM DESEMP INGPC AGUA ALCANT 1996 105,000 3,800 63,703 9,770 4,581 951,000 66,634 52,458 1997 96,543 3,629 67,299 8,579 4,603 925,000 67,963 54,063 1998 88,767 3,466 71,098 7,533 4,624 900,000 69,319 55,717 1999 81,618 3,311 75,111 6,615 4,646 876,000 70,701 57,422 2000 75,044 3,162 79,351 5,808 4,668 853,000 72,112 59,179 2001 69,000 3,020 83,830 5,100 4,690 829,000 73,550 60,990 2002 63,443 2,884 88,562 4,478 4,712 808,000 75,017 62,856 2003 58,333 2,755 93,561 3,932 4,734 786,000 76,513 64,780 2004 53,635 2,631 98,842 3,453 4,757 765,000 78,040 66,762 2005 49,315 2,513 104,422 3,032 4,779 745,000 79,596 68,804 2006 45,343 2,400 110,316 2,662 4,802 725,000 81,184 70,910
DISTRITO N° 3
OBS TMI FECUND ASISTFEM ANALFEM DESEMP INGPC AGUA ALCANT 1996 101,000 3,200 53,001 6,920 4,946 530,000 61,623 38,890 1997 90,704 3,116 58,104 6,072 4,847 586,072 64,522 43,662 1998 81,458 3,034 63,699 5,328 4,750 648,077 67,558 49,019 1999 73,154 2,954 69,833 4,675 4,655 716,642 70,737 55,035 2000 65,697 2,876 76,558 4,103 4,561 792,460 74,065 61,788 2001 59,000 2,800 83,930 3,600 4,470 876,300 77,550 69,370 2002 52,986 2,726 92,012 3,159 4,380 969,010 81,199 77,882 2003 47,584 2,654 100,872 2,772 4,293 1071,528 85,019 87,439 2004 42,734 2,584 110,586 2,432 4,207 1184,893 89,020 98,169 2005 38,377 2,516 121,235 2,134 4,122 1310,251 93,208 100,000 2006 34,465 2,450 132,909 1,873 4,040 1448,871 97,594 100,000
133
DISTRITO N° 4
OBS TMI FECUND ASISTFEM ANALFEM DESEMP INGPC AGUA ALCANT 1996 72,000 3,700 74,000 9,330 4,390 540,000 92,955 83,205 1997 70,758 3,522 75,234 7,712 4,184 526,000 89,278 82,798 1998 69,537 3,352 76,489 6,375 3,987 511,000 85,747 82,393 1999 68,338 3,190 77,765 5,269 3,799 497,000 82,356 81,990 2000 67,159 3,036 79,061 4,355 3,620 484,000 79,098 81,589 2001 66,000 2,890 80,380 3,600 3,450 457,340 75,970 81,190 2002 64,861 2,751 81,721 2,976 3,288 457,000 72,965 80,793 2003 63,742 2,618 83,083 2,460 3,133 445,000 70,079 80,398 2004 62,643 2,492 84,469 2,033 2,985 432,000 67,308 80,004 2005 61,562 2,372 85,878 1,681 2,845 421,000 64,646 79,613 2006 60,500 2,257 87,310 1,389 2,711 409,000 62,089 79,224
DISTRITO N° 5
OBS TMI FECUND ASISTFEM ANALFEM DESEMP INGPC AGUA ALCANT 1996 112,000 3,830 54,403 11,200 4,257 442,000 87,841 79,316 1997 104,182 3,722 58,835 9,951 4,115 415,000 86,310 79,688 1998 96,910 3,617 63,628 8,841 3,977 389,000 84,806 80,061 1999 90,145 3,515 68,812 7,855 3,843 365,000 83,329 80,435 2000 83,853 3,416 74,418 6,978 3,715 342,000 81,877 80,812 2001 78,000 3,320 80,480 6,200 3,590 321,200 80,450 81,190 2002 72,555 3,226 87,036 5,508 3,470 301,000 79,048 81,570 2003 67,491 3,136 94,127 4,894 3,353 283,000 77,671 81,952 2004 62,780 3,047 101,795 4,348 3,241 265,000 76,318 82,335 2005 58,398 2,961 110,087 3,863 3,132 249,000 74,988 82,721 2006 54,321 2,878 119,056 3,432 3,027 233,000 73,681 83,108
DISTRITO N° 6
OBS TMI FECUND ASISTFEM ANALFEM DESEMP INGPC AGUA ALCANT 1996 136,000 3,860 53,185 11,710 4,535 600,000 76,024 81,547 1997 124,660 3,802 57,698 10,712 4,389 593,000 78,272 82,041 1998 114,266 3,745 62,595 9,798 4,247 586,000 80,587 82,539 1999 104,738 3,689 67,906 8,963 4,111 579,000 82,970 83,040 2000 96,005 3,634 73,669 8,199 3,978 572,000 85,424 83,543 2001 88,000 3,580 79,920 7,500 3,850 564,830 87,950 84,050 2002 80,662 3,526 86,702 6,861 3,726 558,000 90,551 84,560 2003 73,937 3,474 94,059 6,276 3,606 551,000 93,229 85,073 2004 67,772 3,422 102,041 5,741 3,490 545,000 95,986 85,589 2005 62,121 3,371 110,700 5,251 3,377 538,000 98,824 86,108 2006 56,941 3,320 120,093 4,804 3,269 532,000 100,000 86,630
134
DISTRITO N° 7
OBS TMI FECUND ASISTFEM ANALFEM DESEMP INGPC AGUA ALCANT 1996 108,000 3,940 92,000 21,600 4,364 504,000 95,257 4,863 1997 104,133 3,942 90,303 17,664 4,420 483,650 94,141 4,553 1998 100,404 3,944 88,636 14,445 4,476 464,400 93,039 4,263 1999 96,809 3,946 87,001 11,813 4,533 445,920 91,950 3,992 2000 93,342 3,948 85,396 9,660 4,591 428,170 90,874 3,738 2001 90,000 3,950 83,820 7,900 4,650 394,760 89,810 3,500 2002 86,777 3,952 82,273 6,460 4,709 394,760 88,759 3,277 2003 83,670 3,954 80,755 5,283 4,770 379,050 87,720 3,069 2004 80,674 3,956 79,265 4,320 4,831 363,960 86,693 2,873 2005 77,785 3,958 77,803 3,533 4,892 349,470 85,678 2,690 2006 75,000 3,960 76,367 2,889 4,955 335,560 84,675 2,519
DISTRITO N° 8
OBS TMI FECUND ASISTFEM ANALFEM DESEMP INGPC AGUA ALCANT 1996 145,000 3,978 54,944 15,940 4,627 510,000 87,139 5,170 1997 132,960 3,976 59,813 14,521 4,356 476,000 86,485 4,757 1998 121,919 3,975 65,113 13,228 4,100 442,000 85,837 4,377 1999 111,795 3,973 70,882 12,050 3,860 408,090 85,193 4,028 2000 102,512 3,972 77,163 10,977 3,633 376,790 84,554 3,706 2001 94,000 3,970 84,000 10,000 3,420 321,000 83,920 3,410 2002 86,195 3,968 91,443 9,110 3,219 321,200 83,291 3,138 2003 79,037 3,967 99,546 8,299 3,031 296,560 82,666 2,887 2004 72,474 3,965 108,366 7,560 2,853 273,810 82,046 2,657 2005 66,456 3,964 117,968 6,887 2,685 252,810 81,431 2,444 2006 60,938 3,962 128,421 6,274 2,528 233,420 80,820 2,249
DISTRITO N° 9
OBS TMI FECUND ASISTFEM ANALFEM DESEMP INGPC AGUA ALCANT 1996 150,000 4,550 80,000 24,940 2,429 500,000 61,231 74,476 1997 137,758 4,564 80,750 20,774 2,583 488,000 52,070 30,585 1998 126,516 4,578 81,507 17,304 2,746 476,000 44,280 12,561 1999 116,191 4,592 82,271 14,413 2,919 464,000 37,655 5,158 2000 106,709 4,606 83,042 12,005 3,104 453,000 32,021 2,118 2001 98,000 4,620 83,820 10,000 3,300 442,000 27,230 0,870 2002 90,002 4,634 84,606 8,330 3,509 431,000 23,156 0,357 2003 82,657 4,648 85,399 6,938 3,730 421,000 19,691 0,147 2004 75,911 4,663 86,199 5,779 3,966 410,000 16,745 0,060 2005 69,716 4,677 87,007 4,814 4,217 400,000 14,240 0,025 2006 64,027 4,691 87,822 4,010 4,483 391,000 12,109 0,010
135
DISTRITO N° 10
OBS TMI FECUND ASISTFEM ANALFEM DESEMP INGPC AGUA ALCANT 1996 81,000 3,140 71,609 4,990 4,037 755,000 93,619 98,878 1997 77,749 2,940 71,925 5,066 3,928 829,123 93,276 98,599 1998 74,629 2,753 72,241 5,142 3,822 910,524 92,935 98,320 1999 71,634 2,578 72,560 5,220 3,718 999,916 92,596 98,043 2000 68,759 2,414 72,879 5,300 3,618 1098,084 92,257 97,766 2001 66,000 2,260 73,200 5,380 3,520 1205,890 91,920 97,490 2002 63,351 2,116 73,522 5,462 3,425 1324,280 91,584 97,215 2003 60,809 1,981 73,846 5,544 3,332 1454,293 91,249 96,940 2004 58,369 1,855 74,171 5,628 3,242 1597,071 90,916 96,667 2005 56,026 1,737 74,498 5,714 3,154 1753,866 90,583 96,394 2006 53,778 1,627 74,826 5,800 3,069 1926,054 90,252 96,122
DISTRITO N° 11
OBS TMI FECUND ASISTFEM ANALFEM DESEMP INGPC AGUA ALCANT 1996 83,000 3,310 73,951 4,750 4,249 585,000 94,108 88,712 1997 75,297 2,962 74,996 4,693 4,168 633,328 93,885 90,467 1998 68,309 2,651 76,057 4,636 4,089 685,648 93,663 92,257 1999 61,969 2,372 77,133 4,580 4,011 742,290 93,441 94,081 2000 56,218 2,123 78,224 4,525 3,935 803,612 93,220 95,942 2001 51,000 1,900 79,330 4,470 3,860 870,000 93,000 97,840 2002 46,267 1,700 80,452 4,416 3,787 941,872 92,780 99,775 2003 41,973 1,522 81,590 4,363 3,715 1019,682 92,561 100,000 2004 38,077 1,362 82,744 4,310 3,644 1103,919 92,342 100,000 2005 34,543 1,219 83,914 4,258 3,575 1195,116 92,123 100,000 2006 31,337 1,091 85,101 4,207 3,507 1293,846 91,906 100,000
DISTRITO N° 12
OBS TMI FECUND ASISTFEM ANALFEM DESEMP INGPC AGUA ALCANT 1996 71,000 3,180 52,036 4,030 3,986 866,000 91,584 95,795 1997 65,377 2,913 56,233 4,101 3,829 927,000 91,235 95,995 1998 60,200 2,668 60,769 4,174 3,678 993,000 90,887 96,196 1999 55,432 2,444 65,670 4,248 3,533 1059,000 90,540 96,397 2000 51,042 2,238 70,966 4,323 3,394 1130,000 90,194 96,598 2001 47,000 2,050 76,690 4,400 3,260 1205,890 89,850 96,800 2002 43,278 1,878 82,875 4,478 3,132 1287,000 89,507 97,002 2003 39,850 1,720 89,560 4,557 3,008 1373,000 89,166 97,205 2004 36,695 1,575 96,783 4,638 2,890 1464,000 88,825 97,408 2005 33,789 1,443 104,589 4,720 2,776 1562,000 88,486 97,611 2006 31,113 1,322 113,024 4,804 2,666 1667,000 88,149 97,815