UNIVERSIDAD NACIONAL DEL CENTRO DEL PER FACULTAD DE ECONOMA

PLAN DE INVESTIGACIN

ENFOQUE MULTIDIMENSIONAL DE LA POBREZA PARA EL CASO DEL DISTRITO DE CULLHUAS 2015 ASIGNATURA : ECONOMETRIA II.

CATEDRTICO:OSWALDO QUIROZ MARIN.ALUMNO

: GONZALES SANTOS. EDGAR. ARMAS QUISPEALAYA KAREN LIZSEMESTRE

: SEXTO.

I. GENERALIDADES

1.1. TtuloEnfoque multidimensional de la pobreza para el caso del distrito de Cullhuas 20151.2. Tipo de investigacin

Descriptiva, transversal. 1.3. LocalidadDistrito de Cullhuas Huancayo Junn -20151.4. Unidad de anlisis

Hogares jefe de hogar

II. PLAN DE INVESTIGACIN2.1. REALIDAD PROBLEMTICA

Es prctica comn utilizar las lneas de pobreza segn el consumo o el ingreso. Desde esta perspectiva, pobres son aquellas personas que no logran tener un ingreso para satisfacer un estndar mnimo de vida, no cubren sus necesidades bsicas; las cuales estn relacionadas con los requerimientos humanos de nutricin, salud, vivienda, vestuario, agua y saneamiento. Por lo general, se especifica una canasta de productos y servicios que satisfagan esas necesidades bsicas.La pobreza medida como consumo difiere de la pobreza medida como ingreso; el primer criterio mide el bienestar logrado y el segundo la capacidad de un consumo futuro, es importante aclarar que se utilizarn sin distincin las lneas de pobreza calculadas por consumo o por ingreso, salvo indicacin contraria.

En la actualidad se retoma el estudio de la pobreza como la privacin pronunciada de bienestar, pero tambin se incluyen otras dimensiones como la vulnerabilidad y la exposicin al riesgo, y la falta de voz y de poder debida a la exclusin que sufren los pobres de las instituciones del Estado y de la sociedad en su conjunto.

La pobreza es multidimensional y que se han hecho esfuerzos para mejorar los mtodos de medicin de la misma, pero todava falta mucho en el desarrollo de sistemas de informacin robustos en los pases y en la definicin de indicadores que sean medibles y comparables entre pases.

Por lo expuesto el presente estudio buscar determinar la pobreza en sus diferentes dimensiones a travs de un modelo de eleccin discreta (Logit y Probit). 2.2. FORMULACIN DEL PROBLEMA.2.2. 1. Problemas Generales1. Cules son las determinantes multidimensionales de la pobreza en el distrito de Cullhuas en el 2015? 2. Cul es el modelo que permite identificar las variables que son determinantes de la pobreza de los hogares en el distrito de Cullhuas en el 2015?

2.2.2. Problemas Especficos.

1. Cul es el nivel de pobreza en el distrito de Cullhuas en el 2015?

2. Cul es el nivel de pobreza a nivel de manzanas y de hogares en el distrito de Cullhuas en el 2015?

3. Cul es la distribucin geogrfica de la pobreza en el distrito de Cullhuas en el 2015?

2.3. Objetivos

2.3.1. Objetivos Generales1. Establecer las determinantes multidimensionales de la pobreza en el distrito de Cullhuas en el 2015.2. Obtener un modelo que permita identificar las variables que son determinantes de la pobreza de los hogares.2.3.2. Objetivos Especficos

1. Obtener estimaciones de pobreza a nivel de distrito.

2. Obtener estimaciones de pobreza a nivel de manzanas y de hogares en el distrito de Cullhuas.

3. Poder en el futuro, en base a la informacin censal y al modelo obtenido, georeferenciar cada una de las variables e identificar geogrficamente las reas de pobreza existentes en el distrito.

2.4. Marco Terico

2.4.1. Base Terica 2.4.1.1. POBREZA Y SU MEDICIN

La pobreza se puede resumir simplemente como la falta de recursos, va ms all de la carencia de bienes econmicos, tambin involucra la falta de oportunidades para el desarrollo de una vida decente para mantener y conservar la dignidad, la autoestima y el respeto de otros, trascendiendo de los bienes materiales.

Se caracteriza por ser un fenmeno especialmente econmico con dimensiones sociales, polticas y culturales. La pobreza est asociada a la escasa participacin de las personas en los distintos mbitos de la vida del pas y se expresa en el subconsumo en los hogares. Las personas que se encuentran en esta situacin se ven obligadas a elegir la satisfaccin de unas necesidades sacrificando otras igualmente apremiantes para ellos.

Los enfoques ms utilizados para medir la pobreza son el de la desigualdad (Miller S.M. 1967) y el biolgico (CEPAL 1990). El enfoque de la desigualdad consiste en medirla en base a la privacin relativa de la poblacin, en trminos de su distribucin de ingresos, y supone concebir la pobreza como un problema de desigualdad.

El enfoque biolgico es el que se utiliza en Amrica Latina para medir pobreza y define a las familias en situacin de pobreza como aquellas cuyos ingresos totales resultan insuficientes para cubrir las necesidades bsicas relacionadas con el mantenimiento de la simple eficiencia fsica. Segn esta metodologa, la pobreza se define un conjunto de necesidades bsicas (alimentacin, acceso a la educacin, salud y vivienda, etc), para cada una de stas, se especifican caractersticas mnimas de sus satisfactores, normas por debajo de los cuales se presenta una situacin de insatisfaccin. Los umbrales definidos tienen validez temporal restringida, motivo por el cual deben revisarse peridicamente.

De acuerdo con este mtodo, a un individuo se le considera pobre si su nivel de ingreso se sita por debajo de un nivel mnimo que le permita satisfacer sus necesidades bsicas; e indigente, si ste no le permite satisfacer sus necesidades alimentarias. Estos mnimos se denominan "lnea de pobreza" y "lnea de indigencia", respectivamente. As, estas lneas constituyen el lmite entre quines son pobres y quines no lo son, es el mtodo utilizado por la CEPAL.

Entre las crticas que se realizan a este enfoque, est que los requerimientos varan segn el clima, la actividad que se realiza, y caractersticas demogrficas tales como edad y sexo.

Adems los requerimientos nutricionales son difciles de precisar, an ms los no alimentarios, por lo que generalmente su medicin es arbitraria. Las canastas bsicas resultantes tienen un costo excesivamente. No obstante, aun con estos cuestionamientos, este mtodo presenta gran utilidad y algunos de los planteamientos se pueden ir superando, como puede ser a travs del clculo de los requerimientos nutricionales considerando las caractersticas climticas de cada pas, la estructura etaria y laboral de su poblacin, as como tambin se ha avanzado en construir canastas de consumo que consideran los hbitos de la poblacin de referencia.En Amrica Latina, en los ltimos aos han predominado tres mtodos de medicin de la pobreza, los cuales consideran solamente las necesidades econmicas de las personas (enfoque biolgico):

(i) El enfoque del ingreso o Lnea de Pobreza (LP)

(ii) El de las Necesidades Bsicas Insatisfechas (NBI)

(iii) El Mtodo Integrado de medicin de la pobreza

A nivel mundial existen otras mediciones que permiten su comparacin, como la propuesta por el Banco Mundial. Esta lnea de pobreza se basa en el consumo de bienes y servicios:

En los pases muy carentes de recursos una lnea de pobreza fijada en 1 dlar por persona diarios (US$ 30 mensuales)

Se sugiere una lnea de pobreza de 2 dlares diarios para Amrica Latina y el Caribe.

Para Europa oriental y las repblicas de la ex Unin Sovitica se ha utilizado una lnea de pobreza de 4 dlares diarios.

Para la comparacin entre los pases industrializados, se ha utilizado una lnea de pobreza que corresponde a la de los Estados Unidos, de 14,40 dlares diarios por persona.

La Unin Europea ha sugerido que para determinar la lnea de pobreza de esos pases se utilice la mitad de la mediana del ingreso personal disponible.2.4.1.2. MTODO DE ANLISIS

Para encontrar los determinantes de la pobreza, se utilizar un modelo que permita primero caracterizar y luego clasificar los hogares que requieren ayuda social en forma ms prioritaria, para lo cual se utilizar un modelo de regresin.

En los casos en que el marco conceptual lleva a la especificacin de un modelo en el cual existe una variable explicada (nivel de pobreza) por un conjunto de variables explicativas (X1, X2, X3..........., Xk), la tcnica estadstica adecuada es el anlisis de regresin. En este caso como el objetivo es determinar tanto las caractersticas de la pobreza como la probabilidad de ser pobre, se usar regresin logstica que permite predecir probabilidades.

La proposicin terica que lleva a emplear esta herramienta supone que la variabilidad de la variable dependiente se puede explicar a travs de las variables explicativas. El modelo estadstico correspondiente agrega que, adems, opera como variable independiente un factor aleatorio no observable (x), llamado error aleatorio.

El ajuste del modelo estadstico especifica una serie de condiciones que debe satisfacer el error aleatorio y que permiten estimar, no slo si el modelo ajusta adecuadamente, para lo cual se tienen pruebas de hiptesis e ndices de bondad, sino tambin la significacin y magnitud de los efectos de las variables explicativas.

La medicin de los impactos de las variables explicativas requiere que no haya relacin entre ellas o que sta sea baja, cuando esto no ocurre se presentan dificultades para estimar la magnitud real de los efectos debido a que el modelo es incapaz de separar cul corresponde a cada variable. Los procedimientos de estimacin se complican si se detecta que no se cumplen los supuestos relativos al trmino de error. Por lo cual se deben realizar las pruebas estadsticas para verificar los supuestos.

El planteamiento clsico del modelo de regresin supone que todas las variables son mtricas (medidas en escala de intervalo o de razn). Esta condicin se convierte en una fuerte barrera para aplicar esta tcnica estadstica a los problemas tpicos de las ciencias sociales. Sin embargo, esta limitacin fue superada al introducir, variables explicativas dicotmicas (dummys) que dieran cuenta de la presencia o ausencia de un evento particular. Es as como la regresin se ha convertido en una herramienta de gran utilidad para las ciencias sociales. Este modelo an mantiene la restriccin a la variable dependiente, la cual implica la continuidad de sta y que sus valores pueden variar entre menos infinito e infinito. Estos problemas se superaron aplicando transformaciones logartmicas a la variable dependiente y utilizando un modelo denominado de regresin logstica que permite que la variable dependiente sea cualitativa.

En las ciencias sociales se recurre cada vez ms a utilizar tcnicas de anlisis de variables mltiples para analizar los distintos fenmenos. En el ajuste de este tipo de modelos tienden a predominar los mtodos de estimacin mnimo cuadrtico y de mxima verosimilitud. Si bien hay razones tcnicas para preferir uno u otro dependiendo del problema de que se trate.

Finalmente, los desarrollos estadsticos recientes tienden a abandonar la naturaleza determinstica de la experiencia y a reemplazarla por una concepcin que reconoce el carcter aleatorio de la misma y a reconocer el papel activo del sujeto en la construccin del objeto.

a. Modelo de Regresin Logstica

Es un modelo no lineal, los datos no se ajustan a una lnea recta, a las variables explicativas no se les exige una distribucin determinada. Permite construir modelos donde las variables dependientes pueden ser cuantitativas o cualitativas, adems stas ltimas pueden ser dicotomcas o politmicas, y dentro de stas las variables pueden ser ordinales o nominales.

Las variables explicativas pueden ser cualitativas y/o cuantitativas.

La funcin logstica es una curva sigmoidea en forma de letra S, utilizando los logaritmos es posible linealizar el modelo.

Si la variable dependiente es dicotmica, se utiliza para predecir la probabilidad estimada de que la variable dependiente Y presente uno de los valores posibles (1=s o 0=no) en funcin de los diferentes valores que adoptan el conjunto de variables independientes Xi.

Las variables predictoras Xi pueden ser categricas, medidas a nivel nominal u ordinal, y de intervalo o razn, los objetivos del modelo logstico son determinar la existencia o ausencia de relacin entre una o ms variables independientes y la variable dependiente; medir la magnitud de dicha relacin y estimar o predecir la probabilidad de que se produzca un suceso Y=1 en funcin de los valores que adopten las variables independientes Xi.

b. Definicin:

Sea Y una variable dependiente binaria que toma dos valores posibles (0 y 1).

Sean X1,...........,Xk un conjunto de variables independientes observadas con el fin de explicar y/o predecir el valor de Y.

El objetivo es determinar:

P [Y=1/ X1,...........,Xk], donde P indica probabilidad

As P [Y=0/ X1,...........,Xk] = 1- P[Y=1/ X1,...........,Xk]).

Se construye un modelo:

P [Y=1/ X1,...........,Xk] = p(X1,...........,Xk ;_)

Donde p(X1,...........,Xk;_) es una funcin que recibe el nombre de funcin de enlace (funcin de probabilidad) cuyo valor depende de un vector de parmetros = (1,........,k)'.c. Funcin de Verosimilitud

Con el fin de estimar y analizar el comportamiento modelo, observamos una muestra aleatoria simple de tamao n dada por {(Xi') ,Yi ;i=1,...... ,n} donde Xi = (Xi1,....... ,Xik), es el valor de las variables independientes e Yi= {0,1} es el valor observado de Y en el i-simo elemento de la muestra.

Y/(X1.........,Xk) se distribuye Binomial (1, p(Y=1/ X1.........,Xk ; _ )).

La funcin de verosimilitud es:

L (/(x1, y1),.............. , (Xn, Yn)) = .(1)Donde pi = p (xi, ) = p (xi1,....... , xik ; ) con i=1,........,n

2.4.2.3. Modelo de regresin logstica mltiple

El modelo matemtico se construye en base a probabilidades, las cuales se obtienen considerando la probabilidad de que ocurra un suceso determinado P (Y) en relacin con la dependencia de que dicha probabilidad no ocurra 1- P(Y).

La probabilidad proporciona predicciones consistentes y fciles de los resultados en trminos del "Odds del evento Y=1.

(2)El modelo de regresin logstica mltiple, relaciona la probabilidad de que ocurra un determinado suceso denotado por el vector X= (X1,....... , Xk ) con probabilidad condicional P(Y=1| X) en funcin de k variables independientes que pueden ser cuantitativas, cualitativas o ambas segn sea el tipo de diseo de estudio.

El modelo logstico mltiple es:

(3)

O tambin: ..(4)

Donde:

ln es el logaritmo natural de Odds tambin denominado Logit o L.

0, 1, ..............,k son constantes.

X una variable explicativa que puede ser continua o discreta.

Como los coeficientes del modelo logstico no tienen restricciones stos son fcilmente interpretables en trminos de independencia o asociacin entre las variables.

Grficamente la funcin es simtrica

Continua y creciente sobre el intervalo 0 y 1

Sigue una curva sigmoidea2.4.2.4. Estimacin de los Parmetros

Sea una muestra de n observaciones independientes definido por ( Xi1,Xi2,......, Xik,,Yi) ,i=l,......,n; se elige el vector = (0, 1, ..............,k) el mtodo ms usado es el de verosimilitud, con k+1 ecuaciones de verosimilitud que se obtienen derivando el ln de la funcin de verosimilitud respecto a k+1 coeficientes.

Las ecuaciones de verosimilitud son:

Mediante calculo diferencial se encuentran las soluciones a este conjunto de ecuaciones, actualmente existen software estadsticos para estimar los parmetros.

2.6.2.5. Pruebas de Significacin

Una vez estimado los coeficientes del modelo, se tiene que verificar si el modelo predice de manera adecuada a la variable dependiente. Para evaluar la bondad del modelo se utiliza el logaritmo del cociente de verosimilitud y la prueba de Hosmer-Lemeshow.2.6.2.6. Modelo

Se procede de la siguiente manera

1.- Se prueba la hiptesis de que el modelo encontrado es el que mejor se ajusta a travs de la razn de verosimilitud.

D = -2ln =Verosimilitud del modelo con la variable (modelo saturado)

Verosimilitud del modelo sin la variable (modelo analizado)

La diferencia entre estos dos valores de 2nL se llama Devianza y prueba si la o las variables Xi son significativas.

H0 : 0=1=.=k =0

H1 : Algn i distinto de 0.

Estadstico de prueba D ~ X2 con n-k-1 grados de libertad.

Regin de Rechazo: si D > X2,( n-k-1) si se rechaza H0, significa que al menos uno de los coeficientes es diferente de cero y la variable correspondiente es significativa con respecto a la probabilidad de que ocurra o no el suceso en estudio

2. Cuando el nmero de variables del modelo es grande y/o tiene variables independientes cuantitativas, se debe utilizar la prueba de Hosmer-Lemeshow, como consecuencia de la gran cantidad de variables, el nmero de pautas de variacin existente entre ellas es tan elevado que puede invalidar la utilidad de los estadsticos de bondad de ajuste clsicos.

Evala la bondad del modelo construyendo una tabla de contingencia, divide la muestra en 10 grupos a partir de los deciles de las probabilidades estimadas (a los 10 grupos resultantes se les denomina deciles de riesgo). En cada decil de riesgo se calcula el nmero de casos que pertenecen a cada categora de la variable dependiente (nmero observado) y el nmero de casos que el modelo pronostica que pertenecen a cada categora de la variable dependiente (nmero esperado). A continuacin se compara el nmero de casos observado con el nmero de casos esperado (esta comparacin se realiza en cada una de las 20 casillas definidas por la combinacin de las 2 categoras de la variable dependiente con los 10 deciles de riesgo).

Este estadstico permite contrastar la hiptesis nula de igualdad de distribuciones, es decir, la hiptesis de que la variable dependiente se distribuye de la misma manera en los 10 deciles de riesgo o, que no existen diferencias entre las frecuencias observadas y las esperadas. El estadstico de contraste tiene siempre k grados de libertad.

Las hiptesis que se contrastan son:

H0 : El modelo es adecuado

H1 : El modelo ajustado no es adecuado

Decisin si el estadstico de prueba es mayor o igual que X ,( n de grupos-2), se rechaza H0 y se concluye que el modelo no es adecuado con un nivel de significacin .

2.4.2.7. Pruebas de coeficientes

Una vez encontrado el mejor conjunto de variables explicativas que predicen la variable dependiente Y, se debe evaluar cada coeficiente para determinar cul o cules ingresan al modelo, este proceso se realiza mediante el estadstico Wald.

La hiptesis que se plantea es la siguiente:

H0 : i= 0

H1 : i no es igual a 0

Para contrastar la hiptesis sealada se usa el estadstico de Wald:

En el caso de la regresin logstica multivariada corresponde a un vector donde cada celda es la divisin entre el coeficiente i y el error estndar de ste. Donde S 1, es el error estndar del coeficiente de regresin logstica muestral y k es el nmero de variables independientes.

Se formula la hiptesis

H0: La variable independiente no influye sobre pi.

H1: La variable independiente influye sobre pi.2.4.2.8. Interpretacin de los Resultados

La interpretacin de los resultados obtenidos se realiza a partir de los coeficientes del modelo. Para ello basta tener en cuenta que si el modelo ajustado es adecuado, entonces se dice que el modelo es significativo. Adems, se debe analizar el grado de asociacin estadstica que existe en sus parmetros. Si:

1 > 0 el factor de riesgo ser mayor que 1 y p(X1,X2...........,Xk;) aumentar

1 < 0 el factor de riesgo ser menor que 1 y p(X1,X2...........,Xk;) disminuir.

1 = 0 la variable X1 no ejerce ningn efecto sobre la probabilidad de riesgo.

Si el modelo de Regresin Logstica es significativo y una de variables independientes es dicotmica con valores de 0 y 1, el nmero e]i es el OR, denominado factor de riesgo o proteccin que implica un aumento unitario de la variable independiente.

En el caso de una variable cuantitativa, ei es el nmero de veces que aumenta la chance de que ocurra el suceso, en este caso de ser pobre, por cada unidad de aumento de la variable independiente.III. METODOLOGIA3.1. Tipo de estudio.

El estudio es descriptivo trasversal de regresin logstica.

Descriptivo porque trabajar con un solo grupo muestral en el que se valorar la pobreza multidimensional.

Transversal porque lo datos se recogern en un solo momento.

3.2. Variables del Estudio La variable dependiente ser el nivel de pobreza, pudiendo tomar dos valores: pobre y no pobre.

Las variables independientes consideran las siguientes dimensiones y variables independientes en los modelos explicativos:

3.3. Poblacin y muestraLa poblacin de referencia sern 830 viviendas asumiendo que en cada una de ellas existe un hogar, con un jefe de familia. MUESTRA:

Para seleccionar a los hogares que conformarn la muestra, se utilizar el mtodo del muestreo por estratificado con asignacin proporcional, de forma preliminar se calcula el tamao muestral utilizando, la frmula de clculo de tamao muestral por proporciones, que responde a la siguiente expresin matemtica:

Donde:

:Z, correspondiente al nivel de confianza elegido para el estudio y ser de 95% (1.96).

p :Proporcin de hogares pobres (32.5% , fuente: INEI)

q:Proporcin de hogares no pobres (67.5 %)

e:Error de estimacin se considera 0.05.

Reemplazado valores en la formula inicial, tenernos:

Donde:

:Z, correspondiente al nivel de confianza elegido para el estudio y ser de 95% (1.96).

p :Proporcin de adolescentes que poseen un estilo de vida saludable y tienen un buen autoconcepto (79%, Romero L y Otero L, 2009).

q:Proporcin de adolescentes con un estilo de vida no saludable y un buen autoconcepto (21 %)

e:Error de estimacin se considera 0.05.

Reemplazado valores en la formula inicial, tenernos:

Por tratarse de una muestra finita:

Para prevenir posibles prdidas de elementos de la muestra por diversos motivos, consideramos a 245 hogares. CUADRO 01NUMERO DE ENCUESTAS POR ANEXO

Anexo Viviendas Proporcin Nmero de encuestas

Chuamba 1820.22355

Pampa Cruz 1200.14737

Azacruz 530.06517

San Luis De Retama Ata 810.09925

San Pedro De Pihuas 700.08621

Poblacin Dispersa 3070.37790

Total 8131245

3.4. Plan general de anlisisa) Preparacin de la base de datos.

Objetivo: Verificacin y recodificacin de los datos originales.

b) Anlisis ExploratorioObjetivo: Obtencin de la informacin acerca del comportamiento de cada variable.

Verificacin de supuestos principales.

c) Anlisis de Regresin Logstica con Respuesta BinariaObjetivo: A partir del primer modelo predictivo completo, se seleccionaran las variables con mejor capacidad predictiva, y se analizaran los efectos de la interaccin de las variables.

d) Validacin del modelo obtenidoObjetivo: Se validar el modelo obtenido.IV. REFERENCIAS BIBIOGRFICAS.1. Altimir, Oscar; La dimensin de la pobreza en Amrica Latina, Naciones Unidas, Cuadernos de la CEPAL, N27, Santiago, 1979.2. BRIONES, G. (1995) Mtodos y Tcnicas de Investigacin para las Ciencias Sociales, Editorial Trillas. Mxico.3. Cea Dncona; M. ngeles; Anlisis Multivariable. Teria y prctica en la Investigacin Social; Editorial Sntesis. Madrid, 2002.4. CEPAL; Una estimacin de la magnitud de la pobreza en Chile; Santiago, octubre 1990.

5. CEPAL; Medicin y anlisis de la pobreza: Notas Tcnicas, 26 de abril del 2002 (mimeo).6. Contreras, D.; Cooper, R.; Herman J. Y Neilson C.; Dinmica de la Pobreza y Movilidad Social: Chile 1996-2001; Depto. De Economa; U. De Chile (mimeo) agosto 2004.

7. Crtes Fernando; Regresin Logstica en la investigacin social: potencialidades y limitaciones; CES, COLMEX, pgina web.8. Feres, J.C. y Mancero X.; El mtodo de las necesidades bsicas insatisfechas y sus aplicaciones en Amrica Latina; Estudios Estad sticos y prospectivos, CEPAL, mimeo, Santiago 2001.

9. Gujarati, Damodar; Econometra; INE, Chile 2004. Ed. Mc Graw Hill, 5 edicin, Colombia, 2010.10. MIDEPLAN; Volumen 1: Pobreza, Distribucin del Ingreso e Impacto Distributivo del Gasto Social; Santiago; agosto 2004.ANEXOS

CUESTIONARIO DE POBREZA MULTIDIMENSIONAL

Instrucciones:

a) En este cuestionario se pregunta sobre el modo en que vives y las cosas que tienes en tu hogar.

b) No hay respuesta correcta o incorrecta.

c) Marca con una X o escribe la respuesta que corresponda. GEOGRFICA

1.En qu zona vives?

DEMOGRFICAS

2.Sexo del jefe de hogarMF

3.Edad del jefe de Hogar

4.Tiene alguna Discapacidad?Si No

5.Nmero de Personas en el hogar

MERCADO LABORAL

6.Es ocupado el jefe de Hogar?Si No

7.Es inactivo?Si No

EDUCACIN

8.Cuantos aos estudio el jefe de hogar?

PATRIMONIO

9.El hogar tiene?

10.Lavadora Automtica Si No

11.RefrigeradorSi No

12.Telfono fijo Si No

13.VideograbadorSi No

14.MicroondasSi No

15.ComputadorSi No

16.ClefontSi No

17.Telfono MvilSi No

18.InternetSi No

19.TvcableSi No

VIVIENDA

20.La vivienda tiene agua potable?Si No

21.La vivienda tiene Alcantarillado?Si No

22.La vivienda es de buena calidad?Si No

23.Ms de 1 hogar en la vivienda?Si No

24.Hay Hacinamiento en el hogar?Si No

Gracias por su colaboracin

HUANCAYO 2015