“Using Repeated Cross-Section to explore

Movements in and out of poverty”

Peter Lanjouw
Jill Luoto
David McKenzie

Ricardo Miranda/Sánchez

2011

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements
Introducción

La base de la evidencia actual, no solo nos permite tener

detalles de estimaciones de pobreza de un paı́s especı́fico,
sino que también nos revela como la pobreza va
evolucionando en el tiempo. Lo que sirve para hacer
formulaciones de polı́ticas y estrategias para el desarrollo.
La fuente más común que se encuentra disponible para el
análisis de la pobreza, son los estudios de cortes
transversales, que nos dan solo pequeños vistazos de la
pobreza.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Introducción

Los datos de panel, son los adecuados para analizar la

movilidad de los ingresos o del gasto, pero pueden ser muy
complicados y costosos, por lo que son mucho menos
comunes que las encuestas de corte transversal.
Este paper introduce un método estadı́stico por el cual dos
o más rondas de corte transversal son convertidos en un
“pseudo-panel”, que puede soportar al menos algunos
análisis de la dinámica del bienestar.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Introducción

Utilizando el método que se propone, se hallará una cota

superior y otra inferior, entre los que se encontrará la
verdadera estimación.
El método es aplicado en dos situaciones empı́ricas:
Vietnam e Indonesia.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Literatura relacionada

Paper’s existentes imponen más estructura a su modelo

pata obtener estimadores puntuales de una medida
particular de movilidad, mientras que en el paper se
requieren menos supuestos para obtener sus cotas.
Bourguignon, Goh y Kim (2004), desarrollaron un
pseudo-panel basados en 10 rondas anuales de datos de
Corea; se encuentra que es más probable que el método no
funcione bien, mientras menos rondas se utilicen.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Literatura relacionada

Antman y Mckenzie (2007), emplean un enfoque de

pseudo-panel, como medio para eludir los problemas con el
error de medición no-clásico en el análisis del panel
convencional. En este método se pierde movilidad
proveniente de choques transitorios de los individuos.
El objetivo del paper no es más que repetir lo que se
medirı́a en un configuración de panel, mediante el método
que se propone.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Enfoque para medir movimientos de la pobreza

Se consideran dos rondas de encuestas de cortes

transversales, denotados ronda 1 y ronda 2, se asume que
ambas encuestas son muestras aleatorias de la población de
interés y cada una consiste en una muestra de N hogares.
Denotamos xi1 como vector de caracterı́sticas del hogar i
que se observa en las dos rondas (este vector incluye todas
las caracterı́sticas invariantes de los hogares y caracterı́stica
del jefe del hogar si es que permanecen constantes a través
de las rondas).

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Enfoque para medir movimientos de la pobreza

Para toda la población, la proyección lineal de la ronda 1

del consumo o ingreso, yi1 , en xi1 está dada por:

yi1 = β10 xi1 + i1 . . . (1)

Similarmente, la proyección lineal de la ronda 2 del
consumo o ingreso, de yi2 , en xi2 esta dada por:

yi2 = β20 xi2 + i2 . . . (2)

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Enfoque para medir movimientos de la pobreza

Denotamos p como la lı́nea de pobreza. Luego para estimar

el grado de movilidad de la pobreza estamos interesados en
saber, por ejemplo:

P r(yi1 < p\yi2 > p) . . . (3)

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Método propuesto

La principal dificultad que se afronta es que no conocemos yi1 y

yi2 para los mismos hogares. Se proponen los siguientes pasos:
Paso uno: regresionar yi1 1 contra x1 , donde el supraı́ndice
i1
denota que son hogares observados en la ronda 1. De esta
estimación MCO obtenemos los parámetros β10 , denotado
por βˆ1 , y también los residuos:
0
ˆi1 1 = yi1
1
− β̂1 x1i1 . . . (4)

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Método propuesto

Paso dos: Por cada hogar i observado en la ronda 2, se

toma una aleatorización con reemplazo de la distribución
empı́rica de los residuos definida en la ecuación (4) y lo
denotamos por ˜i1 2 , luego usamos βˆ1 , junto con el conocido
valor x2i1 , para estimar el ingreso o el gasto de la ronda 1
como sigue:
yˆi1 2 = βˆ10 x2i1 + ˜i1 2 . . . (5)

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Método propuesto

Paso tres: Calcular los movimientos de entrada y salida de

la pobreza que nos interesen, usando yˆi1 2 , Por ejemplo
estimamos la ecuación (3) por:

P r(yˆi1 2 < p\yi2

2
> p) . . . (6)

Paso cuatro: repetir los pasos del dos a tres R-veces, y

tome el promedio de (6) para las R repeticiones.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Condiciones necesarias para consistencia

El método descrito, nos da estimadores consistentes del grado

de salida y entrada de la pobreza si es que se cumplen las
siguientes condiciones:
Condición 1: La población utilizada para hacer la muestra
es la misma en la ronda 1 y 2, esta condición asegura que el
p
tamaño de la muestra tienda a infinito.βˆ1 → β1
Condición 2:i1 sea independiente de yi1 . Dado que
definimos i1 con una proyección lineal, entonces es
ortogonal con xi1 y xi2 , por lo tanto asume que i1 es
independiente de i2 .

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Condiciones necesarias para consistencia

La condición dos no se satisface si es que i1 está correlacionado

con i2 . Hay dos casos en que esto puede pasar:
1 El término de error contiene efectos fijos de los individuos,
lo que tiende a reducir movilidad.
2 Los choques de consumo o ingreso no son transitorios.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Cotas superior e inferior para la movilidad

En general la condición 2 no se cumple en muchos

conjuntos de datos, ya que i1 esta en promedio
correlacionado positivamente con i2 , como resultado es
muy probable que el método propuesto sobre-estime la
movilidad, proporcionándonos una cota superior.
Se puede construir una cota inferior, asumiendo que los
errores tiene una correlación perfectamente positiva, es
decir el error predicho para el hogar i en la ronda 1, es
exactamente igual al error predicho en la ronda 2

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Cotas superior e inferior para la movilidad

Obtenemos una cota inferior para la movilidad siguiendo estos

pasos:
Paso uno: Usando la muestra de hogares encuestados en la
1 contra x1 . De esta estimación
ronda 1, regresionar yi1 i1
MCO obtenemos los parámetros β10 , denotado por βˆ1 .
Luego para la muestra de hogares encuestados en la ronda
2 contra x2 , y obtener los residuos MCO:
2, regresionar yi2 i2

ˆi2 2 = yi2
2
− βˆ20 x2i2 . . . (7)

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Cotas superior e inferior para la movilidad

Paso dos: Usando βˆ1 de la ronda 1 junto con el conocido

valor x2i1 , estimamos el ingreso o consumo de la ronda 1:

y˜i1 2 = βˆ10 x2i1 + ˆi2 2 . . . (8)

Calcular el movimiento de salida y entrada de la pobreza

que nos interese, usando y˜i1 2 en lugar del inobservado yi1
2.

Por ejemplo estimar la ecuación (3):

P r(y˜i1 2 < p\yi1

2
> p) . . . (9)

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Error de Medición

El modelo no puede resolver el problema de error de medición,

sin embargo inferencias sobre los intervalos generados por las
cotas aún son robusto a la presencia del error de medición.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Elección de la base de datos y de variables

Vietnam ilustra el método durante un perı́odo de rápido

crecimiento y de gran reducción en los niveles de pobreza, en
donde los movimientos fuera de la pobreza son más comunes
que movimientos dentro de la pobreza.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Base de datos

Para Vietnam, se usa Vietnam Living Standards Surveys

(VLSS) de 1992/93 y 1997/98.La encuesta 1997/98
contiene información sobre el panel de aproximadamente
4.300 de los 4800 hogares entrevistados en 1992/93.
Dividimos la VLSS panel en dos sub-muestras
aleatorizadas. Llame a estos sub-muestras A y B,
respectivamente. Luego, podemos utilizar la sub-muestra A
en la primera ronda y la sub-muestra B en la segunda,
como dos cortes transversales repetidos para luego llevar
acabo el método.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Elección de Variables

El enfoque se basa en una proyección lineal del consumo en

la ronda 1 sobre las caracterı́sticas de los individuos, de los
hogares y a nivel comunitario; que también están presentes
en los datos de la ronda 2.
Es central para la aplicación de este enfoque, que los
regresores que se utilicen en el modelo deben ser
invariantes en el tiempo

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Jerarquı́a de los modelos de predicción

1 Modelo básico, incluye solo variables que pueden ser

fácilmente juzgadas como invariantes en el tiempo
2 Introducir dicotómicas de ubicación.
3 Variables de la comunidad.
4 Variables que describen al jefe del hogar.
5 Variables de la población, que fueron forzadas a de
invariantes en el tiempo y luego añadidas.
6 Modelo completo, se incluye variables que describen los
activos de los hogares y la calidad de la vivienda, en el
momento de la ronda 1

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

 Resultados

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

¿Qué tan bien el corte transversal predice el consumo y
la pobreza?

La pobreza directamente medida (llamada “truth”) es

estimada con errores de medición (la predicción de la
pobreza está asociada con el error de muestreo y la
predicción del error). Entonces no se puede esperar que las
estimaciones coincidan perfectamente.
La predicción de la pobreza basada en el método de las
“cotas superiores” y “el modelo completo”, está entre el
intervalo de confianza del 95 % de “truth”.
El modelo básico tiene menos poder predictivo, lo que
conduce a intervalos más amplios.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

¿Qué tan bien el corte transversal predice el consumo y
la pobreza?

El hecho de que el enfoque de “cota superior” nos brinde

efectivamente un lı́mite superior se basa en el supuesto de
que los errores no tiene correlación o están positivamente
correlacionados. La correlación de los residuos, de hecho, es
positiva en todas las clases de estimaciones, pero va
descendiendo a medida que las especificaciones se vuelvan
más ricas.
Esto es consistente con que una lista más completa de
regresores capturan algunos choques correlacionados y
abarcan algunos efectos fijos individuales.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

¿Qué tan bien el corte transversal predice el consumo y
la pobreza?

A pesar de la distancia entre encuestas (de 3 a 6 años) la

autocorrelación es positiva. Esto sugiere que en la mayorı́a de
aplicaciones los errores estarán positivamente
autocorrelacionados. Esto se debe a que se espera que la
autocorrelación a de ser menor cuanto más amplio sea la
longitud del intervalo entre las encuestas.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

¿Qué tan bien el corte transversal predice el consumo y
la pobreza?

Correlación entre los residuos de la ronda 1 y ronda 2

1 2 3 4 5 6
Vietnam 0.653 0.575 0.563 0.539 0.523 0.420
Columnas 1 − 6: Modelos construidos cada vez con más variables

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

¿Qué tan bien este enfoque estima el ratio global de
movimientos dentro y fuera de la pobreza?

El análisis de duración de pobreza, y movilidad dentro y

fuera de ella, basado en un pseudo-panel arroja el siguiente
resultado:
1 La estimación de la cota inferior tiende a subestimar la
movilidad (exagera la medida en la que las personas siguen
siendo pobres o permanecen no-pobres y subestima los
movimientos dentro y fuera de la pobreza).
2 La estimación de la cota superior sobreestima la movilidad.
La “truth” tiende a estar en un punto medio entre esas
cotas, que no son terriblemente anchas.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

¿Qué tan bien este enfoque estima el ratio global de
movimientos dentro y fuera de la pobreza?

Lo importante de ampliar el modelo para predecir el consumo,

es que se logran cotas más estrechas. Mejorar la especificación
del modelo, al incluir data retrospectiva, logró aumentar el
porcentaje de variación explicada por los regresores y la mayor
reducción en el tamaño de las cotas.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

¿Qué tan bien este enfoque estima el ratio global de
movimientos dentro y fuera de la pobreza?

Vietnam: Modelo Básico (1) y Completo (2)

Cota Superior Cota Inferior
(1) (6) Truth (6) (1)
Pobre, Pobre 0.360 0.322 0.312 0.237 0.221
(0.008)
Pobre, No-pobre 0.241 0.247 0.292 0.341 0.337
(0.008)
No-pobre, Pobre 0.000 0.039 0.043 0.123 0.139
(0.004)
No-pobre, No-pobre 0.398 0.366 0.354 0.299 0.303
(0.009)
R-cuadrado 0.133 0.53

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

¿Qué tan bien este enfoque describe el perfil de
movilidad dentro y fuera de la pobreza?

Los hacedores de polı́tica tienen particular interés por la

identificación de subgrupos de población que han visto
movilidad al alza o la baja, o que son relativamente menos
móviles.
La Figura 1 considera la salida de la pobreza entre 1992 y
1998 en Vietnam, para grupos de poblaciones definidos en
términos de región de residencia, etnia, sector urbano o
rural, y el estado de ocupación amplia (agricultores o no).
Ploteamos la probabilidad de salir de la pobreza estimada
por el enfoque de cota superior contra la aparición real de
tales movimientos en el panel genuino.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

¿Qué tan bien este enfoque describe el perfil de
movilidad dentro y fuera de la pobreza?

Figura: Salida de pobreza entre 1992 y 1998 en Vietnam

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

¿Qué tan bien este enfoque describe el perfil de
movilidad dentro y fuera de la pobreza?

Observaciones:
1 La estimación basada en el pseudo-panel no es muy diferente a la
basada en el panel genuino.
2 La estimación con el pseudo-panel del ratio de salida de pobreza yace
encima de la lı́nea de igualdad, aunque no sucede para todos los casos
(ya que las estimaciones de movilidad están sujetas a la toma de
muestre y/o error de predicción). Se debe a que se aplica el método de
cota superior.
3 La comparación de los ratios de salida de pobreza entre los distintos
grupos de poblaciones serı́a robusta en ambos tipos de data. Por
ejemplo, tanto para el análisis basado en el pseudo-panel o en el panel
genuino, el porcentaje de población urbana que escapa de la pobreza
es menor que el correspondiente al de la población rural.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

¿Qué tan bien este enfoque describe el perfil de
movilidad dentro y fuera de la pobreza?

La Figura 2 muestra el análisis de ingreso a la pobreza en

Vietnam. Notemos que la escala con respecto a la Figura 1
es distinta porque algunos hogares entraron a la pobreza
durante este periodo de rápido crecimiento. Aquı́, las
estimaciones de cota superior de la entada exageran sin
ambigüedades la movilidad.
Sin embargo, las estimaciones están cerca de la lı́nea de 45
grados, por lo tanto las investigaciones sobre el movimiento
relativo de los diferentes grupos de poblaciones es
ampliamente similar en ambos métodos.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

¿Qué tan bien este enfoque describe el perfil de
movilidad dentro y fuera de la pobreza?

Figura: Ingreso a la pobreza en Vietnam

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

¿Qué tan bien este enfoque describe el perfil de
movilidad dentro y fuera de la pobreza?

Vietnam: Correlación del Panel contra el Pseudo-Panel, sobre la

probabilidad de salir de la pobreza
A través de diferentes sub-grupos de población
Pearson Spearman Rank
Correlation Correlation
Cota Inferior 0.399 0.480
modelo básico
Cota Inferior 0.650 0.770
modelo completo
Cota Superior 0.271 0.050
modelo básico
Cota Superior 0.886 0.883
modelo completo

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

¿Qué tan bien este enfoque describe el perfil de
movilidad dentro y fuera de la pobreza?

Vietnam: Correlación del Panel contra el Pseudo-Panel, sobre la

probabilidad de entrar a la pobreza
A través de diferentes sub-grupos de población
Pearson Spearman Rank
Correlation Correlation
Cota Inferior 0.00 0.00
modelo básico
Cota Inferior 0.025 0.056
modelo completo
Cota Superior 0.862 0.837
modelo básico
Cota Superior 0.920 0.856
modelo completo

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Robustez a la elección de la lı́nea de pobreza

Existen dos cuestionamientos:

1 ¿El enfoque descrito tiene éxito delimitando la movilidad
real cuando se consideran lı́neas de pobreza alternativas?
2 ¿Se mantiene la estrechez con la que las cotas encierran la
truth para diferentes valores de lı́neas de pobreza?
Para responder a estas preguntas se calcularon las cotas
superior e inferior de la movilidad para el conjunto de
lı́neas de pobreza que abarcan el rango de posibles ratios de
pobreza del año base desde 0 a 100 porciento.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Robustez a la elección de la lı́nea de pobreza

El porcentaje de gente que puede escapar de la pobreza

depende de cuán grande o pequeña sea la lı́nea de pobreza del
año base. Si es muy pequeña, la porción de personas que
escapan es pequeña. Si crece, una mayor proporción de gente es
considerada pobre en el año base y el porcentaje de gente que
escapa también se incrementa. Si la lı́nea es suficientemente
alta, la población entera es pobre y permanece ası́.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Robustez a la elección de la lı́nea de pobreza

Figura: Estimaciones de la movilidad fuera de la pobreza para lı́neas

de pobreza alternativas

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Robustez a la elección de la lı́nea de pobreza

Observaciones de la figura 5:
1 El patrón de la Curva U invertida trazada por los datos de panel de la
VLSS está seguida muy de cerca por las cotas superior e inferior de las
estimaciones del pseudo-panel.
2 Las cotas encierran la truth en todos los rangos de posibles lı́neas de
pobreza.
3 La cota inferior parece seguir más de cerca la truth que la cota
superior.
4 La brecha es más amplia cuando la mitad la población del año base es
considerada pobre, y también cuando la porción más grande de la
población puede escapar de la pobreza.
5 Las cotas se acercan más para lı́neas de pobreza extremas.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Robustez a la elección de la lı́nea de pobreza

Figura: Estimaciones de duración de la pobreza prolongada para

lı́neas de pobreza alternativas

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Robustez a la elección de la lı́nea de pobreza

Observaciones de la figura 4:
1 A medida que la lı́nea crece, proporciones más grandes de
la población subyacente son contados como pobres crónicos.
2 Las cotas también delimitan la truth tan bien en todo el
rango de posibilidades.
3 La brecha más grande se observa cuando se encuentra
alrededor del rango medio de posibilidades de lı́neas de
pobreza.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Robustez a la elección de la lı́nea de pobreza

En general, Las cotas son de hecho superiores e inferiores

independientemente de cuál sea la lı́nea de pobreza.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements

Conclusiones

Se desarrolló un método para usar data existente y proveer algunas

cotas a la amplitud de los movimientos dentro y fuera de la pobreza.
Los resultados sugieren que estos lı́mites se pueden hacer lo
suficientemente estrechos en la práctica para estimaciones útiles.
El éxito del enfoque radica en cuán bien predice el consumo. Se
encuentra que la exactitud en hacer esto es significativamente mejor
cuando podemos usar información retrospectiva, la composición
demográfica de las familias, la propiedad de los bienes durables y
acerca de los materiales básicos de vivienda. Tales variables son
incluidas en las encuestas de forma actual, y no a posteriori
(retrospectiva). Sin embargo, es más barato incluir tales tipos de
preguntas retrospectivas que hacer un nuevo panel.

Ricardo Miranda/Sánchez “Using Repeated Cross-Section to explore Movements