Analitika 4

k
Analti a
volumen
Revista de Anlisis Estadstico
Journal of Statistical Analysis
www.inec.gob.ec
www.ecuadorencifras.com
ISSN 1390-6208
Nmero 4 - 2012
Proyeccin
Destreza en el cumplimiento de objetivos que

inducen al crecimiento de futuras estrategias.
Nmero 4 - 2012
Analtika 4, Julio 2012 - Diciembre 2012, revista semestral de anlisis estadstico, Instituto Nacional de Estadstica y
Censos, Ecuador. Publicacin internacional bilinge dedicada a estudios relacionados con ciencias sociales, econmica, anlisis
estadstico y de datos. Las ideas y opiniones expresadas en las colaboraciones, son de exclusividad de las autoras y los autores.
Directorio INEC
David Vera Alcivar
DIRECTOR EJECUTIVO (E)
Adriano Abraham Molina Guzmn

DIRECTOR DE PLANIFICACIN (E)
Csar Oswaldo Zanafria Niquinga
DIRECTOR DE ASESORA JURDICA
Brenda Semprtegui Vanegas
DIRECTORA DE COMUNICACIN SOCIAL
Tito Gustavo Padilla Daz
AUDITOR INTERNO
Rossman Ramiro Camacho Carrin
DIRECTOR ADMINISTRATIVO FINANCIERO
Katia Ivon Enrquez Mora
DIRECTORA DE ADMINISTRACIN DEL TALENTO HUMANO (E)
Jorge Alberto Sandoval Atapuma
SECRETARIO GENERAL Y GESTIN DOCUMENTAL (E)
Elizabeth Geoconda Ocampo Gavilanez

DIRECTORA DE TECNOLOGAS DE LA INFORMACIN Y COMUNICACIN
Jorge Eduardo Garca Guerrero
COORDINADOR TCNICO GENERAL
Christian Marcelo Garcs Mayorga
NORMATIVAS Y METODOLOGAS DEL SEN
Rosa Catalina Valle Piuela

DIRECTORA DE INFORMACIN CARTOGRFICA ESTADSTICA
Dalia Magaly Paredes Bao
DIRECTOR DE ESTADSTICAS ECONMICAS
Jorge Luis Gmez Palacios
DIRECTOR DE ESTADSTICAS SOCIODEMOGRFICAS
Jennifer Nathaly Marcillo Chasy
DIRECTORA DE ESTADSTICAS AMBIENTALES
Livino Manuel Armijos Toro
DIRECTOR DE ESTUDIOS ANALTICOS ESTADSTICOS
PROCESOS A NIVEL REGIONAL

Shyrley Jacqueline Padilla Proa
DIRECTORA REGIONAL DEL NORTE
Juana Noem Gamboa Vargas
DIRECTORA REGIONAL DEL CENTRO
Oswaldo Uyaguari Quezada
DIRECTOR REGIONAL DEL SUR, (E)
Jssica Alexandra Menndez Campos

DIRECTORA REGIONAL DEL LITORAL
Directorio Revista
Livino Armijos
DIRECTOR DE LA REVISTA
DIRECTOR DE ESTUDIOS ANALTICOS ESTADSTICOS
Pal Medina Ph.D.
EDITOR - DIRECTOR CIENTFICO DE LA REVISTA
Francisco Venegas Martnez Ph.D. ( IPN - Mxico)
Diego Chamorro Ph.D. ( U . d' Evry - Val- d'Essone - Francia)
Silviu Glavan Ph. D. ( U. Navarro - Espaa)
Adriana Uquillas Ph. D. ( Banco Itau - Unibanco- Brazil)
Carlos Machicado Ph.D. ( INESAD - Bolivia)
CarlosAlmeida Ph.D. ( UCL - Blgica)
Ana Molina M.Sc., Ph.D.(c) ( IUIOG Espaa)
COMIT EDITORIAL INTERNACIONAL
Borys Alvarez Ph.D. (UCE - Ecuador)
Petronio Alvarez Ph.D. (UCE - Ecuador)
Juan Mayorga-Zambrano Ph.D. (UIsrael - Ecuador )
Wilson Prez Ph.D. (FLACSO - Ecuador)
Juan Garca M.Sc (UDLA - Ecuador)
Sergio Castillo M.Sc (ESPE - Ecuador)
COMIT EDITORIAL NACIONAL

Andrs Merino (Edicin en
Giovanny Quimbiulco
Lilia Quituisaca
APOYO EDITORIAL
Fernando Romero
Martha Rodrguez
REVISIN DE ESTILO Y REDACCIN
Byron Sosa
DISEO Y DIAGRAMACIN PORTADA Y SEPARATAS
Presentacin
Estimados lectores,
Es para m, un placer presentar el cuarto nmero de la Revista Analtika, una revista semestral de anlisis
estadstico del Instituto Nacional de Estadstica y Censos de Ecuador que naci con el objetivo de
difundir los resultados de investigadores nacionales y extranjeros en las reas de anlisis estadstico,
econmico, financiero y sociolgico.
A lo largo de su trayectoria, el prestigio de la revista Analtika ha ido creciendo entre la comunidad
acadmica. Muestra de ello es la presentacin del artculo "Estructura ocupacional y bono demogrfico en
el Ecuador", cuyos autores han expuesto en varios congresos nacionales e internacionales. Entre ellos,
cabe destacar, el II Congreso Latinoamericano de Estudiantes de Estadstica del Instituto Tecnolgico
Metropolitano (Medelln, Colombia), la V Semana Internacional de Estadstica y Probabilidad de la
Benemrita Universidad Autnoma de Puebla (Mxico) y, el XIII Encuentro de Matemtica y sus
Aplicaciones (Ecuador).
Los artculos Diferencia de gastos segn tamao y composicin familiar: una aplicacin para Ecuador
usando escalas de equivalencia", y "Evolucin de la poblacin inmigrante en Ecuador" fueron aprobados
en el X Congreso Latinoamericano de Sociedades de Estadstica (Crdoba, Argentina). El primer artculo
fue, adems, aprobado en 4th Bolivian Conference on Development Economics y, en las XVII Jornadas
en Estadstica e Informtica de la Escuela Politcnica del Litoral. Este segundo artculo mencionado fue,
igualmente, presentado en la V Semana Internacional de Estadstica y Probabilidad, de la Benemrita
Universidad Autnoma de Puebla (Mxico); de la misma forma, en el XIII Encuentro de Matemtica y
sus Aplicaciones en la Escuela Politcnica Nacional y, por ltimo, en las XVII Jornadas en Estadstica e
Informtica de la Escuela Politcnica del Litoral.
Otro artculo que fue aceptado en 4th Bolivian Conference on Development Economics es "Anlisis de la
participacin laboral de la mujer en el mercado ecuatoriano", el cual es publicado en el presente volumen.
Los artculos "Diferencia de gastos segn tamao y composicin familiar: una aplicacin para Ecuador
usando escalas de equivalencia" y "Anlisis de la participacin laboral de la mujer en el mercado
ecuatoriano" tambin fueron aceptados en el I Seminario de Metodologa do IBGE - XI Reunio IASI
sobre Estatstica Pblica (Brasil). En este congreso tambin fue aceptado el artculo "Evolucin de la
poblacin inmigrante en Ecuador" para presentacin en sesin de posters.
Cabe destacar, en este cuarto nmero de Analtika, la incorporacin al Comit Editorial de importantes
cientficos e investigadores internacionales, como el Dr. Francisco Venegas Martnez, el Dr. Carlos
Machicado y el Dr. Carlos Almeida, que avalan la buena acogida de la revista a nivel internacional.
Tambin es grato anunciar, que adems de estar en Latindex, la revista ha sido ingresada en Dialnet,
hemeroteca de artculos cientficos hispanos en Internet, y que contina la postulacin en otras bases de
datos que certifican la calidad de investigacin y edicin de la revista.
La Revista Analtika responde al desafo de la sociedad del conocimiento, donde datos, hechos y sucesos
no son suficientes para acoplarse a las demandas de la sociedad sino que se complementan y sustentan
con investigacin rigurosa, exhaustiva y tcnica, con la finalidad de ofrecer explicaciones que sean parte
de una fase previa para plantear soluciones a los principales problemas sociales, demogrficos y
econmicos; se espera que los artculos contenidos en esta revista animen a ms investigadores a publicar
sus trabajos y a difundir el potencial con el que contamos en el pas.
David Vera Alcivar
Director Ejecutivo (E)
Contenido
1.- Diferencia de gastos segn tamao y composicin familiar:
una aplicacin para Ecuador usando escalas de equivalencia ..................................................3
Difference expenditures of household size and family:
composition in Ecuador using equivalence scales
Yannira Chvez y Pal Medina
2.- Anlisis de la participacin laboral de la mujer en el mercado ecuatoriano..........23
Analysis of womens labor force participation in the Ecuadorian market
Juan Carlos Garcia - Patricia Cortez
3. - Fiscal policy and economic growth: a simulation analysis for Bolivia........................53
Poltica Fiscal y crecimiento econmico: un anlisis de simulacin para Bolivia
Carlos Gustavo Machicado y Pal Estrada
4.- Geoestadstica y arqueologa:..................................................79
una nueva perspectiva analtico-interpretativa en el anlisis espacial intra-site
Geostatistical and archaeology:
a new analytical-interpretative approach for intra-site spatial variability
Alfredo Maximiano Castillejo
5.-Normas para la presentacin de trabajos .....95
Norms for submission of papers
Analti a
Diferencia de gastos segn tamao y composicin
familiar: una aplicacin para Ecuador usando escalas
de equivalencia
Difference expenditures of household size and family
www.inec.gob.ec
Analti a
Diferencia de gastos segn tamao y composicin familiar. . .

Diferencia de gastos segn tamao y composicin

familiar: una aplicacin para Ecuador usando escalas de
equivalencia
Difference expenditures of household size and family
Direccin
de Estudios Analticos Estadsticos, Instituto Nacional de Estadstica y Censos, Quito, Ecuador

Instituto Gregorio
Milln, Universidad Carlos III de Madrid, Madrid, Espaa
Departamento de Ciencias Exactas, Escuela Politcnica del Ejrcito, Sangolqu, Ecuador

yannira_chavez@inec.gob.ec, pmedinavz@gmail.com
Recibido: 24 de mayo de 2012
Aceptado: 2 de agosto de 2012

Resumen
La presente investigacin analiza el gasto de las familias ecuatorianas, considerando los siguientes rubros: alimentacin, salud, transporte, diversin, educacin, artculos de recreo, joyera , vehculos para uso del hogar junto con su
mantenimiento, vestido y calzado, comunicaciones, servicios del hogar, servicio domstico, electrodomsticos, impuestos, servicios profesionales, peridicos, revistas, cigarrillos, cervezas y bebidas alcohlicas. Adems, se toma en cuenta la
composicin y tamao de las familias. Esto ltimo permite establecer escalas de equivalencia en funcin de los diversos
tipos de familias, pues se hace evidente las diferencias en el gasto relativo que incurren los hogares con una distinta composicin. Finalmente, a travs de las diferencias establecidas en el gasto relativo, se puede calcular el costo que involucra
tener un miembro ms; en particular, el costo de tener un hijo. Para lograr los objetivos planteados, se estima la curva
de Engel a travs de distintas formas funcionales, no lineales, como las formas flexibles de Fourier. En este estudio se
utilizan los datos de la Encuesta de Condiciones de Vida (ECV) efectuada por el INEC durante el perodo 2005-2006,
porque es la fuente de informacin ms reciente que contiene todos los datos necesarios para el estudio.
Palabras clave: escalas de equivalencia, gasto relativo, curva de Engel, formas funcionales.
Abstract
This research analyzes the cost of ecuadorian families, considering the expenses: food, health, transport, leisure, education, recreational, jewelry, vehicles for use of the home together with your maintenance, clothing and footwear, communications, services household, domestic, appliances, taxes, professional services, newspapers, magazines, cigarettes,
beers and alcoholic drinks. In addition, intervene the composition and size of the families. It allows the above mentioned
to establish equivalence scales depending on the unlike types of families, since the differences become evident in the
relative expense that the homes incur with a diverse composition. Finally, with the heterogeneous established in the relative expense, it is possible to calculate the cost that involves having one or more member; especially, the cost of having a
son. To achieve the raised aims Engels curve is estimated with different functional forms, not linear forms, as Fouriers
flexible forms. This study use information from the Survey of Living conditions (ECV) effected by the INEC during the
period 2005-2006, since it is the source of information more recent that it contains all the information necessary for the
study.
Keywords: equivalence scales, relative expense, Engels curve, functional forms.
Cdigo JEL: CO1,C52,C65,D11,D19. MSC2000: 49M15, 62J12.
Analtika, Revista de anlisis estadstico, 4 (2012), Vol. 4(1): 3-20
Analti a
Introduccin
Al momento de plantearse la medicin de la pobreza

en el Ecuador surgen algunas interrogantes, entre las que
podemos destacar dos: qu indicadores para diferenciar
la pobreza debemos observar? y cul es el gasto relevante
para medir el bienestar de las personas de una sociedad?.
Acerca de la primera pregunta, la literatura al respecto
permite observar que el indicador establecido en el Ecuador [14] se basa en la divisin per cpita de los recursos
totales del hogar. Esto supone una distribucin uniforme
de aquellos al interior de los hogares y que los diferentes
miembros tienen las mismas necesidades, independientemente de su edad, sin considerar la existencia de economas de escala en el consumo. Por un lado, el dividir los recursos de cada hogar entre el nmero de miembros que lo
habita para posteriormente, comparar el bienestar de ambos hogares, implica suponer que los miembros del hogar
tienen las mismas necesidades. Por otro lado, en el hogar se
producen economas de escala en el consumo, debido a la
presencia de bienes familiares o bienes pblicos; por ejemplo: dos personas viviendo juntas pueden disfrutar del uso
de la vivienda o la calefaccin sin necesidad de gastar el
doble que una persona sola.
La segunda pregunta requiere una comprensin clara y
completa del comportamiento, composicin y tamao de
las familias u hogares de una sociedad. Se puede pensar
que al interior de las familias se renen todos los ingresos
obtenidos por cada uno de sus integrantes, para ser distribuido segn las necesidades de cada uno de sus miembros.
Esto implicara suponer que los integrantes del hogar estn
dispuestos a entregar todos sus ingresos para la canasta bsica, lo cual es un suposicin arriesgada, ya que no siempre
los miembros del hogar estn predispuestos a entregar todos sus ingresos. Por todo lo sealado, el presente estudio
considerar como hiptesis fundamental que el bienestar se
puede medir a travs de la proporcin del gasto en alimentos dentro del gasto total; la proporcin del gasto en alimentos sera
un indicador inverso del bienestar de la familia; es decir
que, mientras mayor sea el gasto proporcional en alimentos, menor ser el nivel de bienestar [15].
Considerando las limitaciones mencionadas, en este estudio se presentar una nueva alternativa en la que se hace
uso de las escalas de equivalencia, que muestran el costo
de vida relativo y el gasto en funcin del adulto equivalente entre familias de diferente tamao y composicin.
Las escalas de equivalencia son valiosas cuando se
quiere convertir alguna medida de recursos del hogar a
recursos individuales de los miembros que lo habitan. Se
tomar en cuenta el tamao del hogar as como su composicin, en lugar de utilizar simplemente recursos totales o
per cpita. Las escalas de equivalencia son, entonces, una
medida de variacin en el ingreso que es necesaria para
conseguir que hogares de diferente composicin y tamao
obtengan el mismo nivel de bienestar. El concepto se deriva
4

de la teora del costo de los nios [8], que analiza un hogar

integrado por nios y los costos asociados en la presencia
de los mismos, como son: salud, paales, ropa, juguetes,
etc. Adems, considera los costos asociados al conjunto de
bienes y/o servicios compartidos por todos los miembros
del hogar, como son: alquiler de la vivienda, cocina compartida, servicios bsicos, entre otros.
La literatura revisada [15, 16, 20], clasifica las escalas de
equivalencia de la siguiente manera, segn la manera de
calcularla:
Escalas de comportamiento: se estiman a partir del
gasto observado [15].
Escalas paramtricas: se calculan a partir de una forma funcional, con parmetros explcitos que reflejan
el grado de economas de escala y la equivalencia por
unidad de consumidor de los miembros del hogar
[15].
Escalas expertas: se construyen en base al criterio de
investigadores o expertos [20].
Escalas subjetivas: se estiman a partir de la percepcin subjetiva de las personas sobre sus necesidades
y los gastos necesarios segn composicin demogrfica [16].
La metodologa ms utilizada para construir escalas de
equivalencia de comportamiento en pases como Paraguay
[3], Argentina [4], Chile [8] y Japn [18] ha sido a travs de
la estimacin de la curva de Engel [20]. La literatura para la
estimacin de la curva de Engel es amplia. El trabajo bsico para esta clase de estimaciones fue el realizado por Working en 1943, quien determin por primera vez una forma
funcional de la curva de Engel, la cual resultaba de considerar la participacin de los bienes dentro del presupuesto
como funcin lineal del logaritmo del gasto total [19].
Lesser analiza, en 1963, el uso que diferentes autores hicieron de la forma funcional planteada por Working, para
lo cual establece pruebas matemticas con el objetivo de
estimar la curva de Engel, y verificar el ajuste estadstico
y su capacidad para representar adecuadamente la muestra. Los estudios realizados permitieron comprobar que la
forma funcional que mejor se acerca a una adecuada especificacin de la muestra es la propuesta por Working en
1943 y, por tanto, recomienda su uso.
Asimismo, existen otras corrientes alternativas para la
estimacin de la curva de Engel, entre las que podemos
destacar:
Brown y Deaton, en 1972, consideraron un anlisis
esttico de las preferencias del consumidor [19].
Deaton y Mellabuer, en 1980, establecieron una aproximacin de primer orden a un sistema de demanda
[19].
Analti a

Jorgenson, Lau, Stoker, en 1982, y Banks, Blundell y 2.1 Curva de Engel

Lewbel, en 1997, extendieron los modelos incluyenLa curva de Engel muestra el comportamiento de difedo trminos cuadrticos, dada la evidencia existente
rentes
bienes y servicios, cuando se producen cambios en
acerca de la no linealidad de la curva de Engel para
el
ingreso
o gasto del hogar y en caractersticas sociodemodeterminados bienes [21].
grficas suponiendo los precios constantes. Tericamente,
es explicada por las funciones de demanda, que relacionan
Gallant en 1981 y, Gallant y Golub en 1983 propusie- las cantidades demandadas de los distintos bienes, con los
ron la utilizacin de mtodos de forma ms flexible, precios de los mismos. Adems, considera el ingreso del
empleando series de Fourier [21].
consumidor, sus preferencias y otras caractersticas sociodemogrficas relevantes; cabe sealar que, las funciones de
En este estudio se analizan diferentes formas funcionales, demanda se derivan de la teora del consumidor la cual sude la curva de Engel, para encontrar la que mejor se ajuste pone que cada uno de ellos elige la combinacin de bienes
a los datos y caractersticas de la realidad ecuatoriana.
disponibles en el mercado, de forma tal que maximiza su
A diferencia de las escalas paramtricas, expertas y sub- utilidad dada su restriccin presupuestaria [4, 19].
Las diferencias de patrones de consumo entre los hojetivas, las escalas de equivalencia basadas en el comportamiento se centran en el gasto observado. Esto es, a partir gares son atribuidas a variaciones en los precios o en los
de la estimacin de la funcin de costos para una familia niveles de ingreso disponible, ya que estos son los nicos
tipo con hijos y otra familia tipo sin hijos, se puede deter- factores econmicos que varan entre hogares. Especficaminar el gasto mnimo necesario en bienes que un hogar mente, para las curvas de Engel, solo se consideran las vadebe consumir para incorporar a un nio a su hogar, sin riaciones en el ingreso disponible, pues se supone que los
perder el nivel de bienestar al cual estaba acostumbrada.1 precios son constantes e iguales para todos los hogares [4].
El concepto de curva de Engel puede entenderse consiEl mtodo de Engel se basa en la estimacin emprica
derando
el problema al que se enfrenta un hogar racional2
(ley de Engel) [19], la cual establece, bsicamente, que el incremento del gasto en los hogares permite que el consumo en la economa, el cual consiste en maximizar sus prefeen alimentos disminuya proporcionalmente. Este razona- rencias del conjunto de opciones posibles, de tal manera
miento indica que el valor de consumo de alimentos en el que satisfaga su restriccin presupuestaria. El problema de
presupuesto familiar disminuye a medida que aumenta el maximizacin de las preferencias puede expresarse de la
gasto total de los hogares. Por lo tanto, el gasto en alimen- siguiente forma:
tos puede ser utilizado como un indicador de bienestar.
El artculo se estructura como sigue: en la seccin 2, se
Maximizar
U = U ( x, p),
expone el marco terico sobre la curva de Engel y las esSujeto a:
calas de equivalencia que servirn de base para las estimaciones que se realizarn. En la seccin 3, se presenta la
x1 p1 + x2 p2 +, . . . , x L p L = w,
metodologa desarrollada que permite el contraste entre la
tcnica de estimacin empleada, los datos y variables utili- donde:
zadas. En la seccin 4, se presentan los resultados y aplica U es la funcin de utilidad del hogar,
ciones del modelo obtenido. En la seccin 5, se sealan las
conclusiones ms relevantes. En la seccin 6, se sealan las
x = ( x1 , x2 , . . . , x L ) el vector de los bienes consumirecomendaciones. Al final, se presenta un anexo en el que
dos por el hogar,
se detalla el anlisis sobre multicolinealidad y heterocedasticidad de los modelos desarrollados.
p = ( p1, p2 , . . . , p L ) el vector de los precios de los bienes y,
Marco Terico
w un escalar correspondiente al ingreso total de un

hogar.
En esta seccin se plantean los fundamentos tericos, Adems, se debe considerar que:
basados en la teora del consumidor, para analizar las pre Las preferencias de los hogares pueden representarse
ferencias de ste en el estudio de las curvas de Engel, y la
especificacin de las escalas de equivalencia.
por curvas de indiferencia3 [4] y,
1 En este tipo de modelos se supone que la oferta de trabajo de los miembros del hogar es exgena y que hogares con igual composicin, que
presentan un consumo idntico de bienes y servicios, disfrutan del mismo nivel de bienestar.
2 Un hogar racional siempre elige la cesta de mayor preferencia.
3
Curvas de Indiferencia: es aquella que proporciona las diferentes combinaciones de bienes que otorgan el mismo nivel de utilidad o satisfaccin a
un individuo u hogar. Son convexas al origen y con pendiente negativa.
Analti a

La combinacin ptima de bienes para el hogar se obtiene en aquel punto donde la curva de indiferencia
ms alta que puede alcanzar una persona es aquella
que toca la restriccin presupuestaria en forma tangente. [4].
tal. Para cada nivel de ingreso distinto (a precios constantes) habr combinaciones de equilibrio distintas. Uniendo
grficamente cada una de las combinaciones que el hogar
demanda para distintos niveles de ingreso, se obtiene la denominada Curva de Consumo Ingreso. A partir de esta, podemos deducir una funcin que relacione el ingreso total y la
Al mantenerse fijos los precios y variar el ingreso to- demanda de uno de los bienes (a precios constantes), denotal, el hogar va a reasignar su consumo de los bienes minada Curva de Engel. Lo mencionado puede observarse
( x1 , x2 , . . . , x L ) de forma tal que maximice su utilidad to- en la figura 1.
Figura 1. Derivacin de la Curva de Engel a partir de un hogar determinado, considerando la maximizacin de su funcin de utilidad.
Fuente: Estimacin Curvas de Engel en Argentina, Matas Caratugi [4].
Antes de continuar, es necesario establecer dos supuestos para obtener una curva de Engel, para el total de hogares los cuales son:
i) Que los hogares se enfrentan a los mismos precios y,
ii) Que las preferencias de los hogares respecto a los bienes son homogneas, condicionadas a sus caractersticas sociodemogrficas.
En 1857, Ernst Engel observ, que manteniendo constante los precios, la demanda de ciertos bienes, como los
alimentos, pierde participacin en el gasto total a medida
que el ingreso del consumidor aumenta. En otras palabras,
esta observacin, actualmente conocida como Ley de Engel, establece una relacin negativa entre la cantidad destinada a la adquisicin de ciertos bienes y el nivel de ingreso del consumidor [21].
Por otra parte, la teora microeconmica no determina ninguna forma funcional para las curvas de Engel, de
manera que debe hallarse de manera puramente emprica,
siendo esto un desafo. Las formas propuestas son numerosas, cada una de ellas con ventajas y desventajas respecto
de las dems [21]. Tericamente, si bien no se conoce la forma de la curva de Engel, si se pueden determinar ciertas
restricciones que la misma debera cumplir [4]. Estas son:
i) Que la forma funcional de la curva de Engel debe poder representar correctamente bienes inferiores, ne6
cesarios y de lujo.
ii) Que la forma funcional de la curva de Engel debe
cumplir la condicin de que la suma de lo demandado o consumido sea igual al ingreso total.
iii) Que la curva de Engel posea elasticidad-ingreso decreciente.
Por tanto, no existe una forma funcional de la curva de
Engel que se determine como la mejor o nica, sino que
depende de la aproximacin que requiera cada investigador. Este estudio, analiza diferentes formas funcionales que
consideran nicamente variaciones en el gasto disponible,
para luego, a partir de la mejor forma funcional incorporar caractersticas sociodemogrficas. Las variables que se
analizan en las formas funcionales son: y (la proporcin del
gasto de alimentos sobre el gasto total), g (el gasto total), n
(el nmero total de personas en el hogar) y (un trmino
de error).
En particular, se analizan:
1. La especificacin Working Leaser, representada por:
g
y = + ln
+ ,
(1)
n
g
donde ln n es el logaritmo natural del ingreso per cpita del hogar y, y son parmetros a estimar.
Analti a

2. Las especificaciones polinmicas sugeridas por JorgenPor un lado, la teora del consumidor dice que dos hoson, Lau, Stoker, Banks, Blundell y Lewbel, representa- gares con un comportamiento similar poseen el mismo nidas por:
vel de bienestar aunque su composicin sea completamente distinta. Sin embargo, mediante las escalas de equivalena) Polinomio de segundo grado
cia dos hogares pueden compararse en trminos de bienesg
g
tar, considerando el tamao y composicin de los hogares.
y = + 1 ln
+ 2 ln2
+ ,
(2)
Las escalas de equivalencia comparan hogares de comn
n
posicin diferente, en la misma forma que un ndice de cosb) Polinomio de tercer grado
to de vida compara dos niveles de precios. Formalmente, a
las escalas de equivalencia se las define de la siguiente mag
g
g
y = + 1 ln
+ 2 ln2
+ 3 ln3
+ , nera:
n
n
n
(3)
D EFINICIN 1 (Escalas de Equivalencia). Si (u0 ) es el nivel
c) Polinomio de cuarto grado
de utilidad de referencia, ( p0 ) es el vector de precios de referencia,
g
g
g
la escala de equivalencia que compara dos hogares con composi+ 2 ln2
+ 3 ln3
y = + 1 ln
cin z1 y z2 resulta de la relacin
n
n
n
g
+ 4 ln4
+ ,
(4)
c ( u0 , p 0 , z 1 )
n
S=
, donde c es la funcin de costo
(8)
c ( u0 , p 0 , z 2 )
donde , 1 , 2 , 3 , y 4 son parmetros a estimar.
O BSERVACIN 1. La ecuacin (8) no resulta simple, ya que no
3. Las especificaciones sugeridas por Gallant y Golub; se es suficiente con estimar las funciones de demanda para distintos
consideraron tres formas bsicas, representadas por:
tipos de bienes en funcin del nivel de ingreso, los precios y el
tamao del hogar; tambin se debe establecer el supuesto bajo el
a) Primera forma bsica
cual se va a realizar la estimacin.
h g i
h g i
y = + 1 T ln
+ 2 sin T ln
El supuesto con el que se va a trabajar en este estudio
n
h n g i
es el planteado por Engel y dice: la participacin del gasto
+ 3 cos T ln
+ ,
(5) en alimentos es un indicador vlido del nivel de bienestar [8].
n
Particularmente, a las escalas de equivalencia se las puede
obtener a partir de la estimacin de la forma funcional de
b) Segunda forma bsica
la curva de Engel.
h g i
h g i
Sea la forma funcional dada por
y = + 1 T ln
+ 2 T ln2
n
n
h g i
h g i
g
+ 3 sin T ln
+ 4 cos T ln
+ ,
y = + ln
+ z + ,
(9)
n
n
n
(6)
donde y es la proporcin del gasto de alimentos sobre el
gasto total del hogar, g es el gasto total del hogar, n es el
c) Tercera forma bsica
nmero total
de personas en el hogar, es un termino de
h g i
h g i
g
error, ln n es el logaritmo natural del ingreso per cpita
y = + 1 T ln2
+ 2 sin T ln
n
h n
g i
del hogar, z son las caractersticas demogrficas considera+ 3 cos T ln
+ ,
(7) das y , son parmetros a estimar.
n
Ahora, si se considera a g como el gasto necesario del

g
donde T ln n es el logaritmo natural del ingre- hogar h para mantener el mismo nivel de satisfaccin que
0
so per cpita del hogar reescalado de manera que su el hogar de referencia (z=2), cuyo gasto es g . Si ambos horango se encuentre entre 0 y 2 y , 1 , 2 , 3 y 4 gares destinan la misma proporcin de su gasto a alimentos, se tiene que considerando la definicin 1 4 y la ecuason parmetros a estimar.
cin (9), se puede deducir la escala de equivalencia, como
referencia del gasto en alimentos, se puede deducir de la
2.2 Escalas de equivalencia
siguiente manera:
Las escalas de equivalencia se definen como un ndice

0
g
g
h
que muestra a precios de referencia el diferencial de costos
+ ln
+
z
=
ln
+ z0
h
n0
n
en el que debe incurrir un hogar, considerando su tamao

0
y composicin, para alcanzar la curva de indiferencia del
g
g
ln
ln
= z0 z h
hogar de referencia [5].
n0
nh
4 Es
decir comparamos dos hogares de diferente composicin
Analti a
ln
g n0
g0 nh
z0 z h
.

han sido presentados por trimestres o anualmente, se toma en cuenta la inflacin para deducir un gasto mensual
aproximado.
Se obtiene,
2. Se analizan los datos inconsistentes a nivel de los gastos del hogar. En la tabla 1, se pueden observar los por=
exp
.
(10)
E=
centajes de los datos inconsistentes que se eliminaron,
los cuales representan el 58,99 % del universo. Por otra
De acuerdo a la complejidad de la forma funcional esparte, el 74,40 % de datos inconsistentes eliminados copecificada, el despeje de las variables del gasto, se torna
rresponden a hogares que tienen un gasto menor a $75,5
cada vez ms complejo, es as que, para el caso de las ecuadlares americanos mensuales; este valor es el mnimo
ciones (5) (6) y (7) no es posible llegar a un despeje analque un hogar compuesto por un miembro requiere patico; siendo necesaria la aplicacin de mtodos numricos;
ra subsistir, de acuerdo al valor estimado de la canasta
en particular, en este estudio hemos hecho uso del mtodo
vital [13]. El restante 25,6 % de datos inconsistentes que
de Newton Raphson [17].
se elimin corresponde a hogares donde el gasto total es
mayor al ingreso y a aquellos que refieren un gasto total
o en alimentos nulo (situacin que resulta inverosmil y
3 Metodologa de Estimacin
que, adems, podra aadir distorsiones en los clculos
que se realicen).
En esta seccin se analiza el consumo o gasto de los hogares en Ecuador considerando algunas formas funciona- 3. Se determinaron los datos extremos para el gasto total
les para la Curva de Engel, las cuales permitirn obtener un
y de alimentos, los cuales pueden observarse en el diaajuste de los datos con una menor cantidad de parmetros.
grama de caja de la figura 2. Dado que la presencia de
estos datos puede causar distorsiones en el anlisis, se
decidi excluirlos.
3.1 Datos

g
g0
nh
n0
z0 z h
La informacin estadstica utilizada en el anlisis proviene de la Encuesta de Condiciones de Vida (ECV) 200520065. Para el anlisis de la misma, fue necesario efectuar
las siguientes restricciones:
1. Se realiza una homologacin entre las bases de hogares
y personas, ya que el INEC tiene desagregada esta informacin. De esta manera, se puede conocer la composicin de los hogares, lo que constituye un dato necesario
para la estimacin de la Curva de Engel. Para tener los
valores del gasto total y del que se destina a alimentos,
se realiza un anlisis mensual de gastos; si los valores
La figura 3, muestra el diagrama de

de caja despus de eliminar los datos extremos que se
mostraron en la figura 2, con lo que se observa una menor dispersin de los mismos; estos 321 datos eliminados representan el 2,36 % del universo.
Inicialmente, se cont con una muestra conformada por
13 581 hogares a nivel nacional. Una vez eliminados los
valores de las variables que no se encuentran en el dominio del estudio especificado en los numerales anteriores, la
muestra final con la que se realiz el estudio fue de 5 248
hogares de las reas urbana y rural.
Razn
Gasto mnimo de una
persona
Descripcin
Una persona como mnimo tiene un gasto de $75,5 segn
la canasta vital, eliminndose a los hogares que tienen un
gasto inferior a este.
Gastos superiores al
Ingreso e iguales a cero
Se elimina los hogares cuyo gasto total es mayor al

ingreso y los que registran un gasto total o en alimentos
igual a cero.
Total Hogares
Hogares eliminados
Nmero
5 961
%
74,40
2 051
25,60
8 012
58,99
Tabla 1. Datos inconsistentes eliminados. Fuente: elaboracin propia a partir de la encuesta ECV 2005-2006.
La encuesta considera las reas urbana y rural de las regiones Sierra, Costa y Amazona [12]
Analti a

Figura 2. Diagrama de caja del Gasto Total y del Gasto en Alimentos mensuales. Fuente: elaboracin propia a partir de la ECV
2005-2006.
Figura 3. Diagrama de caja del Gasto Total y del Gasto en Alimentos mensuales, luego de eliminar los datos extremos. Fuente:
elaboracin propia a partir de la ECV 2005-2006.
Para determinar la escala de equivalencia es necesario

incluir variables sociodemogrficas y caractersticas de los
hogares (tamao de stos y edad de los miembros), para
reflejar el nivel de gasto de mejor manera. Por tal motivo,
se incorporaron variables explicativas, tales como:
Tenencia de la vivienda del hogar: para los hogares

que no habitan en su propia vivienda y deben pagar
un monto por alquiler, este valor suele representar un
porcentaje importante del gasto total, con impactando en las decisiones de gasto de otros bienes y servicios que realizan. Se espera, por tanto, que los hogares que pagan alquiler por su vivienda tengan un
gasto en alimentos -respecto del gasto total del hogarinferior al de los hogares que cuentan con vivienda
propia o que no deben pagar una renta por su vivienda [21].
Tamao del hogar (expresado por el logaritmo del

nmero de miembros del hogar): se espera que el
efecto que tiene el tamao del hogar sobre la participacin del gasto en alimentos sea directamente proporcional al tamao del mismo. Dado que los alimentos constituiran un bien de consumo privado, se espera que los gastos en alimentos sean mayores cuanto mayor sea el nmero de personas que lo integren
[21].
3.2 Estimacin de Curvas de Engel y caractersticas sociodemogrficas
Jefa del hogar mujer: esta caracterstica tiene un importante impacto sobre el hogar y sus integrantes. En
general, se observa que la canasta de bienes elegida
y por ende la asignacin del gasto familiar que hacen
las mujeres es socialmente preferible a la que eligen
los hombres, motivo por el cual es de esperar que la
proporcin del gasto destinada a cubrir las necesidades alimenticias del hogar sean mayores en los hogares en los cuales la jefa es mujer [11, 21].
En primera instancia, se busca una forma funcional para la curva de Engel; para esto, se consideran los modelos
(1) (2), (3), (4), (5), (6) y (7). En segunda instancia, se incorporan caractersticas sociodemogrficas a paritir del modelo seleccionado. La estimacin se realiza por medio de una
regresin lineal mltiple, aplicando el mtodo de los Mnimos Cuadrados Ordinarios (MCO)[6], bajo el supuesto de
que la distribucin del error es normal.
En las formas funcionales consideradas en los prrafos
anteriores,
nicamente se estn considerando variaciones
Composicin etaria del hogar: se considera los grupos de infantes, nios, adultos y adultos mayores. Es en el gasto disponible, ya que se supone que los precios son
preciso segregar segn grupos etarios, pues cada uno constantes e iguales para todos los hogares. Sin embargo,
de ellos tiene diferentes necesidades de alimentacin es preciso considerar caractersticas sociodemogrficas, coy de bienes y servicios. No todos los miembros del mo el tamao y la composicin del hogar, para evitar atrihogar son iguales y ni consumen los mismos bienes. buciones errneas al gasto [4].
Se espera, entonces, que el gasto en alimentos del hoA continuacin se presenta los resultados obtenidos de
gar se incremente conforme aumenta la edad de sus las distintas formas funcionales ensayadas para la curva de
miembros [21].
Engel.
Analti a

Modelos
Modelo 1
Modelo 2
Modelo 3
Modelo 4
Modelo 5
Modelo 6
Modelo 7
Variables
Const.
Lgpc*
Const.
Lgpc
Lgpc2
Const.
Lgpc
Lgpc2
Lgpc3
Const.
Lgpc
Lgpc2
Lgpc3
Lgpc4
Const.
TLgpc**
Sen TLgpc
Cos TLgpc
Const.
TLgpc
TLgpc2
Sen TLgpc
Cos TLgpc
Const.
TLgpc2
Sen TLgpc
Cos TLgpc
Estimado
1,164
-0,137
1,355
-0,212
0,007
0,962
0,013
-0,035
0,003
-30,396
23,564
-6,620
0,815
-0,037
0,563
-0,054
-0,002
0,011
0,522
0,010
-0,013
-0,031
0,042
0,529
-0,011
-0,026
0,037
Error estndar
0,021
0,004
0,178
0,069
0,007
1,357
0,774
0,146
0,009
10,559
7,903
2,204
0,271
0,013
0,010
0,005
0,005
0,007
0,019
0,025
0,005
0,0120
0,0141
0,007
0,001
0,007
0,005
Valor t
56,830
-33,110
7,620
-3,050
1,080
0,710
0,020
-0,240
0,290
-2,880
2,980
-3,000
3,000
-2,990
54,270
-10,960
-0,43
1,46
27,615
0,407
-2.609
-2,53
2,991
72,240
-11,270
-3,990
7,370
Pr(>|t|)
0,000
0,000
0,000
0,002
0,281
0,478
0,986
0,809
0,770
0,004
0,003
0,003
0,003
0,003
0,000
0,000
0,665
0,143
0,000
0,684
0.009
0,011
0,003
0,000
0,000
0,000
0,000
Tabla 2. Formas funcionales para la curva de Engel. Fuente: elaboracin propia a partir de la encuesta ECV 2005-2006.
* Corresponde al Logaritmo del Gasto per cpita
** Corresponde al Logaritmo del Gasto per cpita reescalado
Como puede observarse, los coeficientes resultan significativos al 99 % y negativos para los modelos (1), (4) y (7),
en los modelos estimados. Este hecho en particular, indica que la participacin del gasto en alimentos disminuye a
medida que el logaritmo del ingreso per cpita del hogar
aumenta. Esta relacin negativa es conocida como primera
Ley de Engel [20].
En el caso de los modelos (2), (3), (5) y (6) los coeficientes resultan no significativos, por lo que estas formas funModelos
Modelo 1
Modelo 2
Modelo 3
Modelo 4
Modelo 5
Modelo 6
Modelo 7
R2
0,1728
0,173
0,173
0,1744
0,17234
0,1745
0,1745
R2 Ajustado
0,1727
0,1727
0,1725
0,173
0,173
0,1739
0,174
cionales no se ajustan a los datos y resultan no aplicables

para el caso de Ecuador.
Para decidir cul modelo estimado corresponde a la
mejor especificacin de la curva de Engel, se tuvieron en
cuenta los valores de R2 , R2 ajustado, Akaike, Schwarz y Festadstico, los cuales se presentan en la tabla 3. Del mismo
modo, se consideraron la multicolinealidad y heterocedasticidad, que se detallan en el Anexo A.1.
Akaike
-6309,745
-6308,908
-6306,993
-6313,961
-6309,592
-6314,403
-6316,237
Schwarz
-6290,048
-6282,645
-6274,165
-6274,567
-6276,764
-6275,009
-6283.409
F-estadstico
1096
548,6
365,7
276,9
366,8
277,1
369,4
Tabla 3. Criterios de eleccin para el ajuste de la Curva de Engel. Fuente: elaboracin propia a partir de la encuesta ECV 2005-2006.
10
Analti a
De acuerdo a estos criterios de seleccin, el modelo elegido corresponde al modelo flexible de Fourier (Modelo 7).
En este modelo el R2 y R2 ajustado resultan superiores6 ,
mientras que los parmetros de Akaike y Schwarz, presentan los valores mnimos esperados, y el F-estadstico es significativo. Adicionalmente, el modelo no presenta multicolinealidad como se puede ver en la tabla 11 del anexo A.1.
son: jefe de hogar mujer, composicin etaria y alquiler de

vivienda de los hogares. Los resultados que se obtienen al
ser incorporadas estas nuevas variables se muestran en las
tablas 4 y 5.
En primer lugar, verificamos la significancia individual
de las variables, (vase tabla 4). De manera general se puede observar que las variables incluidas son significativas a
un nivel de significancia del 5 %. Sin embargo, se puede notar que la composicin etaria para los rangos de edad 5-14 y
3.2.1 Anlisis del modelo seleccionado
15-64 no son significativos, pues el valor Pr(>|t|) es mayor
Tras tener una forma funcional aceptable para la curva a 0,05. Esto implicara que los rangos sealados deberan
de Engel, determinada en funcin del gasto, se hace nece- salir del modelo; sin embargo, como el rango de edad masario incluir caractersticas sociodemogrficas que permiti- yor de 65 es significativo, se decide no eliminarlo, ya que
rn evidenciar que existen diferencias en el gasto de acuer- la variable composicin etaria resulta ser significativa en el
do al tipo de hogar. Las que se incluye en el modelo (7) modelo general [7].
Const.
TLgpc2
Sen TLgpc
Cos TLgpc
Ln miem hog
Jefe hogar mujer
Prop 5-14
Prop 15-64
Prop 65 y ms
Alquila vivienda
Estimado
0,598
-0,013
-0,024
0,039
-0,052
0,009
-0,024
-0,011
0,063
-0,019
Error estndar
0,017
0,001
0,006
0,005
0,004
0,004
0,016
0,015
0,0160
0,0044
Valor t
34,500
-14,050
-3,700
8,180
-12.440
1,940
-1,480
-0,740
3,960
-4,520
Pr(>|t|)
0,000
0,000
0,000
0,000
0,000
0,052
0,139
0,462
0.000
0.000
Tabla 4. Modelo con caractersticas sociodemogrficas. Fuente: elaboracin propia a partir de la encuesta ECV 2005-2006.
Modelo
Completo
R2
0,2433
R2 Ajustado
0,242
F-estadstico
187,2
Tabla 5. Criterios estadsticos del Modelo con caractersticas sociodemogrficas. Fuente: elaboracin propia a partir de la encuesta ECV 2005-2006.
Argentina y Chile [2, 21] en las que existe una evidencia de

las variables que es recomendable utilizar para la especificacin del modelo, con el propsito de no aumentar otras
que no fueran relevantes o que ocasionaran distorsin en
los estadsticos de referencia.
6 Los
0.3
0.2
Density
0.0
0.1
2
4
Studentized Residuals(Mm7)
0.4
QQ Plot
Dist. Res. Estan.
En segundo lugar, se evala la significancia global del
modelo a travs del valor F-estadstico (vase en la tabla 5);
ste es de 187,2 con 5 238 grados de libertad, por lo cual es
estadsticamente significativo. Adems, se puede notar en
la tabla 5 que el valor de R2 corresponde a 0,2433; con ello
aumenta en un 7 % aproximadamente, su capacidad explicativa respecto al Modelo 7. En otras palabras, las caractersticas sociodemogrficas mejoran al modelo en alrededor
del 7 %, lo que quiere decir que la proporcin destinada del
gasto en alimentos es mejor explicada cuando se incluyen
este tipo de variables.
Pese a que presenta un aumento, el valor del coeficiente
4
2
0
2
4
4 2
0
2
de determinacin obtenido refleja, a primera vista, que no
t Quantiles
ResEstan
es bueno; pudiera ser necesario un mayor nmero de variables explicativas, o una mejor especificacin del modelo.
Por un lado, para determinar las variables explicativas del Figura 4. Distribucin de los residuos estandarizados. Fuente: elamodelo, se utilizarn como referencias investigaciones de boracin propia a partir de la ECV 2005-2006.
valores de R2 y R2 Ajustado, aunque son bajos, son similares a los presentados en Argentina [21].
11
Analti a
Por otro lado, en lo que respecta a la especificacin del

modelo, ms all de que las variables resultes significativas de manera individual o global, es preciso analizar la
distribucin de los residuos [6]. As, a partir de los resultados obtenidos (ver figura 4), podemos observar que los
residuos estandarizados presentan datos que se alejan de
la recta al principio y al fin del grfico; esto puede corresponder a puntos atpicos.
Para contrastar lo observado en la figura 4, se realizan
pruebas de normalidad de los residuos, como la de Jarque
Bera y la de Anderson-Darling.
pruebas de hiptesis o de los intervalos de confianza sean

falsos. No obstante, los estimadores de mnimos cuadrados
puedes ser asintticamente normales [6].
Tras evaluar la distribucin de los residuos, al no cumplirse el supuesto de normalidad de stos, es necesario saber en qu grado se encuentran los problemas de la regresin lineal mltiple: la multicolinealidad y la heterocedasticidad (ver tabla 14); se verifica la existencia de heterocedasticidad (ver tabla 14). Al existir heterocedasticidad, se tiene
que, la estimacin sigue siendo lineal, insesgada y consistente pero que deja de ser eficiente. En este caso, se decide
utilizar MCO considerando la presencia de heterocedasticidad, debido a que los resultados de la estimacin cumTest de normalidad
Valor p
plen con las restricciones de la curva de Engel. Tomando
Jarque Bera
2,2E-16
en cuenta que los contrastes de significacin habituales (t,
Anderson-Darling 7,311E-13
F, Chi-Cuadrado) deben ser ms exigentes [1] se evalan
Tabla 6. Pruebas de Normalidad para los residuos. Fuente: elabo- los intervalos de confianza a fin de determinar a qu nivel
racin propia a partir de la encuesta ECV 2005-2006.
de confianza es posible trabajar esta estimacin.
En la tabla 7, podemos observar los intervalos y niveles
de confianza al 93 %, 94 %, 95 % y 99 %, respectivamente.
El valor p es menor que el nivel de significancia usual Observamos que, a mayor nivel de confianza, menor pre0,05 para los dos test, por lo que se rechaza la hiptesis nu- cisin. Por ello, trabajaremos con un nivel del 93 %, en el
la; esto quiere decir que los residuos no estn normalmen- cual el cero (0) no consta en ninguno de los intervalos de
te distribuidos, lo que puede conducir a que el nivel de las las variables incluidas en el modelo.
Variable
Const.
TLgpc2
Sen TLgpc
Cos TLgpc
Ln miem hog
Jefe hogar mujer
Prop 5-14
Prop 15-64
Prop 65 y ms
Alquila vivienda
93 %
LI
LS
0,566
0,629
-0,015 -0,011
-0,035 -0,012
0,030
0,048
-0,059 -0,044
0,001
0,017
-0,052
0,005
-0,039
0,016
0,034
0,092
-0,028 -0,012
94 %
LI
LS
0,565
0,6301
-0,015
-0,0114
-0,035
-0,0115
0,030
0,0481
-0,059
-0,0439
0,000
0,0168
-0,0535
0,0063
-0,0396
0,0173
0,0332
0,0935
-0,0281 -0,0115
95 %
LI
LS
0,564
0,632
-0,015
-0,011
-0,036
-0,011
0,003
0,049
-0,0062 -0,044
-0,000
0,017
-0,055
0,008
-0,041
0,019
0,319
0,095
-0,028
-0,011
99 %
LI
LS
0,553
0,642
-0,016 -0,011
-0,039 -0,007
0,027
0,051
-0,062 -0,041
-0,003
0,019
-0,065
0,017
-0,050
0,028
0,022
0,105
-0,031 -0,009
Tabla 7. Intervalos de Confianza para el Modelo Completo. Fuente: elaboracin propia a partir de la encuesta ECV 2005-2006.
3.3 Resultados de la Estimacin

A partir de los resultados de la tabla 4, se analiza si cada una de las variables sociodemogrficas incluidas en el
modelo es estadsticamente significativa a un nivel de confianza del 93 %, y si cada una cumple con los supuestos de
la curva de Engel.
Miembros del hogar: El porcentaje del gasto destinado
a alimentos disminuye a medida que se eleva el nmero de
miembros del hogar. Cuando se aumenta en una unidad
el logaritmo del tamao del hogar, la proporcin del gasto total destinada a la adquisicin de alimentos disminuye
alrededor de 5,17 %. Este resultado emprico, contrario a lo
esperado por las predicciones tericas [21], coincide con el
12
presentado por Deaton y Paxon [10]. Segn estos ltimos,

ello puede ser explicado por la teora de economas de escala, que se presenta incluso dentro de los hogares.
Jefe de hogar mujer: Cuando esta variable presenta el
signo esperado (positivo) y es significativa hace que, el gasto destinado a alimentos sea alrededor de un 0,85 % superior al que realizan los hogares en los cuales el jefe de hogar
es hombre. Como se mencion este hecho, responde a la diferente asignacin del presupuesto del hogar que realizan
las mujeres cuando stas son jefas del hogar.
Grupos etarios: La proporcin del gasto en alimentos
aumenta en la proporcin de adultos mayores (65 aos y
ms). Cuando la proporcin de infantes en el hogar es mayor -es decir, cuando la mayora de integrantes tiene hasta 4
Analti a
aos de edad (grupo omitido)-, el gasto en alimentos resul- de los hogares ecuatorianos, el hogar de referencia que se
ta menor que el de los hogares cuyos integrantes pertene- utilizar en este estudio. En particular, se presentan tres recen, en su mayora, al grupo de adultos mayores (65 aos y sultados.
ms); en estos hogares, el consumo de alimentos crece, pai) La escala de equivalencia que permite tener un ndira cubrir las necesidades nutricionales de estos adultos. En
ce de referencia para hogares con diferente composiel caso de los grupos de nios (entre 5 y 14 aos) y adultos
cin, tomando en cuenta economas de escala.
(entre 15 y 64 aos), los coeficientes no resultan significativos.
ii) El costo de un hijo adicional en funcin de un adulto
Vivienda: La variable dicotmica sobre si el hogar alequivalente, que determina que al aumentar un hijo
quila la vivienda es significativa y negativa. Esto indica
ms en el hogar el costo va disminuyendo y,
que, al realizarse pagos por el alquiler de vivienda, disminuye la proporcin del gasto en alimentos con relacin
iii) El gasto por adulto equivalente, que refleja la diferenal gasto total. Especficamente, hay una reduccin del 2 %,
cia respecto del clculo del gasto per cpita.
cuando un hogar alquila vivienda, en relacin al hogar que
no alquila vivienda.
4.1 Composicin de los hogares ecuatorianos
Resultados y Aplicaciones
A partir de la curva de Engel, estimada en la seccin

anterior, se presentan algunas aplicaciones de ella en este
apartado. Para ello se establece, a partir de la composicin
1
1
A
D
U
L
T
O
S
1
2
3
4
5
6
7
8
9
TOTAL
0
12,3
15,8
9,2
4,9
2,2
0,6
0,2
0,0
0,0
45,3
1
2,2
12,9
7,2
3,7
1,4
0,6
0,0
0,1
0,0
28,2
2
1,0
10,9
3,9
2,1
0,5
0,4
0,1
0,0
0,0
19,0
Se construye una matriz que identifique el posible nmero de adultos y nios que comprenda un hogar. A partir
de esta matriz, se determina de forma porcentual, utilizando los datos de la encuesta ECV 2005-2006, la composicin
de los hogares ecuatorianos (vase tabla 8).
3
0,3
3,7
1,0
0,7
0,2
0,1
0,1
0,0
0,0
6,2
NIOS
4
5
0,0 0,0
0,7 0,1
0,1 0,0
0,2 0,1
0,1 0,0
0,0 0,0
0,0 0,0
0,0 0,0
0,0 0,0
1,1 0,2
6
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
7
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
0,0
TOTAL
16,0
44,1
21,4
11,7
4,4
1,8
0,4
0,1
0,0
100,0
Tabla 8. Composicin de los hogares ecuatorianos, expresados en forma porcentual. Fuente: Elaboracin propia a partir de ECV
2005-2006.
En la tabla 8, puede notarse que el 86,3 % de los hogares ecuatorianos rene a los conformados por un solo
miembro adulto y a los que tienen 4 adultos y 2 nios; los
hogares con mayor cantidad. Asimismo, ha de resaltarse
la gran proporcin de hogares conformados por dos adultos (44,1 %) y de aquellos que no cuentan con la presencia
de ningn nio (45,3 %). Adems, se observa que el hogar
formado por dos adultos y cero nios representa el 15,8 %
de los tipos de hogar en el Ecuador, convirtindose de esta
manera en la categora con mayor representatividad; por lo
tanto, se lo considera como el hogar de referencia.
dos nios menores de 15 aos de edad, es distinta de la de

una familia, con cuatro adultos mayores. Aunque ambas
tengan el mismo ingreso total e igual nmero de miembros
el estndar de vida es diferente al considerar la composicin familiar.
A partir de la ecuacin (7), y siguiendo el procedimiento indicado para llegar a la ecuacin (10),
!
!

g
nh
z0 z h
E=
=
exp
,
g0
n0
si se toma como hogar de referencia al conformado por dos

adultos y cero nios, se obtiene la escala de equivalencia.
Sin embargo, el carcter no lineal de la ecuacin hace que
4.2 Escalas de equivalencia
su solucin no pueda ser determinada de manera analtiCabe indicar que en la estimacin de las escalas de equi- ca, o que ella no sea cerrada, motivo por el cual se recurre
valencia se debe tener presente que la estructura de consu- a la resolucin a travs de un mtodo numrico (Newton
mo y gasto de una familia, constituida por dos adultos y Raphson).
13
Analti a
Una vez resuelta la ecuacin, consideraremos combinaciones nicas de hogares de acuerdo a jefe de hogar mujer
y alquiler de vivienda, es decir, hogares tipo en los que las
caractersticas sociodemogrficas son diferentes; ello conduce a ejemplos tales como: un hogar que alquila vivienda
y cuyo jefe de hogar es mujer, o a un hogar que no alquila
vivienda y cuyo jefe de hogar es mujer. Existen 354 hogares con estas caractersticas sociodemogrficas diferentes.
Se calcula entonces su gasto total.
A partir del gasto total de esos 354 hogares, se analiza cada tipo de hogar de acuerdo al nmero de adultos y
nmero de nios; para cada tipo de hogar, se toma el mximo, el mnimo y el promedio del gasto mensual total.
Por ejemplo, para un hogar conformado por 2 adultos y 0
nios, se tiene que gastan mensualmente, como mximo,
$2 214,45; como mnimo, $1 378,75; y que, en promedio, su
gasto mensual es de $1 750,33.
De tal manera, se tienen 43 tipos de hogares con un gasto diferenciado (mximo, mnimo, promedio) de acuerdo a
las caractersticas sociodemogrficas. Para la obtencin de
las escalas de equivalencia se toma los tipos de hogares con
un gasto mximo, con el objeto de tener una cota superior
para establecer los gastos.
NIOS
2
0,583
0,824
1,045
1,254
1,379
1,199
1,310
1,441
1,585
1,314
1,413
1,599
1,741
1,763
1,503
1,589
1,789
1,958
2,070
1
1
A
D
U
L
T
O
S
Tabla 9. Escalas de Equivalencia para el Ecuador en funcin de un

hogar de dos adultos y cero nios (hogar de referencia). Fuente:
Elaboracin propia a partir de la ECV 2005-2006.
Los resultados de la tabla 9 muestran, por ejemplo, que

un hogar formado por dos adultos y un nio necesitar
1,199 veces el ingreso total de un hogar formado slo por
dos adultos. En otras palabras, si el hogar de referencia decide crecer (tener un hijo o hija), sus ingresos deberan
aumentar en un 19,9 % al menos, para mantener su nivel
previo de bienestar.
4.3 Costo de un hijo adicional

A partir de la escala de equivalencia determinada, se
puede inferir la elevacin del gasto en un hogar (tradicional o no) al momento de decidir tener un hijo/a. En la figura 5, se puede observar el costo que representara tener un
hijo ms en el hogar.
14

a) Porcentaje del costo de un hijo/a
b) Porcentaje medido en funcin de un adulto equivalente

Figura 5. Costo de un hijo/a en el hogar a) Porcentaje del costo
de un hijo/a b) Diferencia entre el costo de un adulto equivalente
y el de un hijo/a
En la figura 5, se puede destacar dos aspectos principales.

1. En la figura a), ubicada en el lado izquierdo, se puede
observar que el costo adicional de un nio/a incrementa
continuamente con la adicin de hijos/as. As, un hijo/a
adicional implica la necesidad de ingresos del 19,97 %
ms elevados, para mantener el nivel previo de bienestar; cuando un hogar tiene dos hijos de una sola vez (gemelos o mellizos) su presupuesto debe aumentar en un
31,03 %. Sin embargo, si la pareja ya tiene un hijo, y decide tener otro ms, su presupuesto deber aumentar solo en 11,06 % y no en 19,97 % para alcanzar el 31,03 %
que es el costo de dos hijos. Con ello, se puede notar
que el segundo hijo significa un aumento menor que lo
que representa el primer hijo en el hogar, y esto sucede
por las denominadas economas de escala. Cabe recalcar que con los datos obtenidos el tercer hijo representara un aumento del presupuesto familiar del 13,08 % (un
2 % mayor que el costo del segundo hijo); pero a la vez
contina siendo una cifra menor que el costo del primer
hijo.
Analti a

2. En la figura (b), se puede observar que el costo adicional
de un nio respecto del de un adulto equivalente disminuye de manera continua; esto implica que las economas de escala en el consumo poseen un efecto decreciente sobre el valor de las escalas de equivalencia, es decir, que el aumento continuo de hijos/as en el hogar significar un porcentaje cada vez menor en el incremento
de su gasto. As, el primer nio le significa a la familia
un costo de manutencin que equivale al 80,03 % de un
adulto equivalente. El segundo nio tiene un costo de
manutencin similar al 68,97 % de un adulto equivalente, y as de manera sucesiva.
Mediante las escalas de equivalencia, es posible diferenciar el costo que representara un hijo ms en el hogar,
notndose que resulta diferente segn la composicin previa de ese hogar.La figura 6, nos indica la diferencia que
existe al respecto.
El costo del primer hijo de un hogar compuesto por

tres adultos que perciben ingresos de una pareja representa la necesidad de aumentarlos en un 7,51 %,
para mantener el nivel de bienestar anterior.
cuatro adultos que perciben ingresos representa la
necesidad de aumentar sus ingresos en 5,75 % para
mantener el nivel nivel de bienestar anterior.
cinco adultos que perciben ingresos representa la necesidad de aumentar sus ingresos en 3,17 % para
mantener el nivel de bienestar anterior.
4.4 Anlisis del gasto por adulto equivalente

A travs de la escala de equivalencia determinada, se
puede calcular el gasto por adulto equivalente. Se obtiene
de la siguiente manera [5]:
gae =
g
,
E
(11)
donde gae es el gasto por adulto equivalente, g es el gasto

total del hogar y E es la escala de equivalencia del hogar.
Con los resultados que se obtienen de la ecuacin (11),
es posible establecer comparaciones respecto de otros criterios de bienestar, tales como el gasto per cpita. El gasto
per cpita se obtiene de la siguiente manera [8]
g pc =
Figura 6. Costo de un nio ms en un hogar con diferente nmero de adultos. Fuente: Elaboracin propia a partir de la ECV
2005-2006.
g
,
n
(12)
donde g pc es el gasto per cpita, g es el gasto total del hogar

y n es el nmero de miembros del hogar.
En el gasto per cpita, al dividir los ingresos para el n El costo del primer hijo de un hogar con un solo adulmero total de miembros, considera que las necesidades de
to (madre o padre) representa la necesidad de un inlos miembros de un hogar son las mismas y que, adems,
cremento del 42,16 % de sus ingresos, para mantener
no existen economas de escala en el consumo [5]. Mienel nivel de bienestar previo a la llegada del nio/a.
tras, que con el gasto por adulto equivalente s se toma en
EL costo del primer hijo de un hogar compuesto por cuenta diferentes necesidades y las economas de escala del
dos adultos que perciben ingresos representa la nece- hogar. A continuacin en la tabla 10, se detalla una compasidad de aumentarlos en un 19,97 %, para mantener racin entre el gasto per cpita y el gasto por adulto equivael nivel de bienestar que tena cuando solo haba dos lente, para un hogar que tiene dos adultos y que aumenta
miembros en el hogar.
su nmero de nios/as.
Adultos
Nios
2
2
2
2
2
2
0
1
2
3
4
5
Gasto
mximo total
565,27
964,6
1025,79
885,44
1171,21
919,12
Escala de
Equivalencia
1,00
1,20
1,31
1,44
1,58
1,73
Gasto per
cpita
282,64
321,53
256,45
177,09
195,20
131,30
Gasto por adulto

equivalente
565,27
804,02
782,86
614,41
738,98
531,19
Gasto
adultos
565,27
643,44
539,94
343,38
306,75
143,27
Gasto
Nios
00,00
160,58
242,93
271,03
432,23
387,93
Diferencia
( %)
100,00 %
150,06 %
205,27 %
246,95 %
278,57 %
304,56 %
Tabla 10. Comparacin entre gasto per cpita y gasto por adulto equivalente. Fuente: Elaboracin propia a partir de la ECV 2005-2006.
15
Analti a
En la ltima columna de la tabla 10, se puede notar
que existe una diferencia positiva entre el gasto por adulto
equivalente y el gasto per cpita. El hogar de referencia que
se toma es el formado por dos adultos, es decir, el adulto
equivalente est en funcin del hogar de referencia. Es as
que, para el caso de un hogar formado por dos adultos, el
gasto per cpita equivale a 282,64 mientras que, el gasto
por adulto equivalente corresponde a 565,27, siendo esta
una medida que toma en cuenta diferentes necesidades del
hogar. En otras palabras, al tomar el gasto per cpita o el
gasto por adulto equivalente como indicador de bienestar
se vuelve obvia una diferencia. Para el caso de este hogar el
nivel de bienestar tomando el primer criterio (gasto per cpita) necesitara menos recursos que si se toma en cuenta el
segundo criterio (gasto por adulto equivalente) para alcanzar el bienestar. Sucede algo similar con el crecimiento del
hogar por la llegada de un hijo/a. En este punto, se ha diferenciado, a partir del gasto por adulto equivalente, entre el
porcentaje que correspondera al gasto por nios/as y por
adultos, respectivamente; ello se representa por las proporciones de la escala de equivalencia. Es as que, en un hogar
formado por dos adultos y un nio el 0,20 es la proporcin
del gasto que requiere el nio. Adems, es preciso notar en
la figura 7, que la diferencia es creciente, con pendiente positiva; a la vez, el crecimiento del gasto cuando aumenta
un nio/a en el hogar es cada vez menor. Esto se debe a
las economas de escala en el consumo de alimentos y a los
efectos de las diferencias demogrficas de los miembros de
un hogar [5].

el gasto ponderado por el nmero de miembros de la familia. Este trabajo, al presentar un mtodo alternativo para
el clculo de las lneas de pobreza e indigencia ayudara a
generar un indicador comparable a nivel nacional, que permitira realizar cambios importantes de la interpretacin final.
Este estudio intenta contribuir con una aproximacin
emprica para estimar escalas de equivalencia con datos de
consumo de hogares en Ecuador correspondientes al perodo 2005-2006. Las escalas de equivalencia fueron estimadas
para hogares que se diferencian en el sexo del jefe de hogar,
en el alquiler de vivienda, la cantidad de nios y adultos
que lo conforman; se emple un modelo flexible de Fourier, usando el supuesto de Engel; ste presenta la ventaja
de ser relativamente fcil de estimar. Se basa en supuestos
claramente identificables que, sin embargo, son cuestionables tericamente.
De acuerdo a la composicin de los hogares ecuatorianos, dado que el hogar con mayor representacin fue el
conformado por dos adultos y cero nios, se estableci a
ste como hogar de referencia para la estimacin de las escalas de equivalencia. Del anlisis del modelo finalmente
empleado, se pudo determinar que:
Existen economas de escala. La adicin sucesiva de
nios a un hogar hace que el porcentaje medido en
funcin de un adulto equivalente vaya disminuyendo.
Existen diferencias de acuerdo a la composicin previa del hogar. Es as, que no se tiene el mismo costo
de la inclusin de un nio al hogar formado por dos
adultos, que a otro formado por tres adultos.
El gasto por adulto equivalente es mayor al gasto per
cpita, dado que este toma en cuenta la composicin
del hogar.
La diferencia porcentual entre el gasto por adulto
equivalente y el gasto per cpita es creciente con la
inclusin de nios al hogar.
La manera ms adecuada de medir el nivel de bienestar

en las familias ecuatorianas es a travs de la estimacin de
Figura 7. Diferencias porcentuales entre el gasto por adulto equi- costos en la forma de adulto equivalente, porque incorvalente y el gasto per cpita para un hogar formado por dos adul- pora las economas de escala. De este modo, la metodologa
tos. Fuente: Elaboracin propia a partir de la ECV 2005-2006.
propuesta en el presente estudio parece la ms indicada,
conforme a los resultados obtenidos.
Conclusiones
A partir de este estudio, podemos concluir que la correcta estimacin de escalas de equivalencia es de vital importancia para comparar el nivel de bienestar de diferentes
grupos de la poblacin.
En el Ecuador, el estndar de vida de las personas se
mide en funcin del gasto per cpita de la familia, esto es,
16
6 Recomendaciones
Cuando se disponga de datos ms actualizados resultara deseable volver a estimar las escalas de equivalencia,
empleando la misma metodologa propuesta en este trabajo. Ello ayudara a comparar entre distintos criterios, y adems permitira determinar las diferencias respecto de las
Analti a

escalas estimadas, determinando las variaciones a lo largo [11] R. Geldstein, (1997), Mujeres jefas de hogar: famidel tiempo ocurridas con las escalas de equivalencia.
lia, pobreza y gnero, UNICEF, Argentina, ISBN 98795490-8-2, pp. 5- 84.
Referencias
[1]
[2]
[3]
[4]
[5]
[12] Instituto Nacional de Estadsticas y Censos del

Ecuador, (2006) Estadsticas Sociales, Sociodemogrficas. Disponible en: www.ecuadorencifras.com
R. Arce y R. Maha, (2009), Conceptos bsicos sobre
/cifras--inec/bancInf.html.
la heterocedasticidad en el modelo bsico de regresin
lineal tratamiento con e-views, Universidad Autno[13] Instituto Nacional de Estadsticas y Censos del
ma de Madrid, pp.1-20.
Ecuador, (2012) Estadsticas Econmicas, CaH. Alonzo y X. Mancero, (2011), Escalas de Equivanasta familiar bsica y vital. Disponible en:
lencia en los pases de Amrica Latina", Divisin de
www.inec.gov.ec/estadisticas/?option=com
Estadstica y Proyecciones Econmicas, Cepal, Serie
_content &view=article&id=135&Itemid=221.
Estudios estadsticos y prospectivos N 73, Santiago
[14] Instituto Nacional de Estadsticas y Censos del Ecuade Chile, pp. 5-47.
dor, (2006), Metodologa de ECV de la Quinta RonN. Aguilera y Alfred J. Fernndez, (2001), Pobreza y
da, Estadstica de Hogares, Junio.
tamao de la familia: Economas de tamao y escalas
de equivalencia para el Paraguay, Programa Mecovi- [15] X. Mancero, Escalas de Equivalencia: resea de conceptos y mtodos,"Divisin de Estadstica y ProyecDGEEC, Paraguay, pp. 2-31.
ciones Econmicas, Cepal, Serie estudios estadsticos
M. Carugati, (2008), Estimacin de Curvas de Engel
y prospectivas N 8, Santiago de Chile, (2001), pp. 7en Argentina, Universidad Nacional de Mar de Pla49.
ta, Facultad de Ciencias Econmicas y Sociales, Tesis
de Grado, pp. 1-60.
[16] F. Medina Las escalas de Equivalencia: alcance conceptual y alternativas de clculo, Cepal, (2008), pp.
M. Carugati, (2009), Gastos de consumo de los hoga354-367.
res y estimacin de escalas de equivalencia, Universidad Nacional de Mar de Plata, Facultad de Ciencias [17] J. Mathews y D. Kurtis , Mtodos Numricos con
Econmicas y Sociales, Informe final, pp. 1-54.
MATLAB, Prentice Hall, Madrid, (2000), pp. 77-88 .
[6] A. Castro, (2008), Apuntes de Econometra, Escuela

Politcnica Nacional, Quito, Ecuador, pp.1-20.
[18] M. Oyama, (2003), Measuring Cost of Children using

Equivalence Scale on Japanese Panel Data, Faculty of
economics, Hitotsubashi University, pp. 1-9.
[7] Y. Chvez y P. Medina, (2012), Determinantes de la

Temporalidad en el Mercado laboral ecuatoriano, Re- [19] M.Ramn y C. Barreto, (2008), Consideraciones emvista de Mtodos Cuantitativos para la Economa y la
pricas del consumo de los hogares: el caso del gasto
Empresa, ISSN: 1886-516X. D.L: SEP-2927-06, pp.24en electricidad y alimentos, Revista CIFE N . 13, pp.
53.
287-299.
[8] D. Contreras y J. Ruiz, (1997), Como medir la distri[20] N. Perez, 1, (2008), Las escalas de equivalencia en
bucin de Ingresos en Chile, Estudios Pblicos 65,
la medicin de la pobreza, Sntesis de la maestra
Santiago de Chile, pp.60-79.
en estadstica, UCR, Ciencias Econmicas 26 N . 1:
2008/399-403/ISSN:0252-952, pp. 400-403.
[9] F. Constance y T. Robert, (1995), Measuring Poverty:
a new approach, National Academy Press, Washing[21] G. Pizzolittol, (2007), Curvas de Engel de Alimenton, USA, (1995).
tos, Preferencias Heterogneas y Caractersticas De[10] A. Deaton y C. Paxson, (1998), Economies of Scale,
mogrficas de los Hogares: Estimaciones para ArgenHousehold Size, and the Demand for Food, The Jourtina, Centro de Estudios Distributivos, Laborales y
nal of Political Economy, Vol. 106, N 5, pp. 897-930.
Sociales, Documento de trabajo N 45, pp. 2-21.
17
Analti a
ANEXO
A
Anlisis de Multicolinealidad y Heterocedasticidad
A.1 Forma Funcional de Engel

Entre los problemas que puede presentar una regresin
lineal mltiple, estn la multicolinealidad y la heterocedasticidad; por ello, se verifica, en cada uno de los modelos
estimados, la existencia o ausencia de las mismas.
del estimador como consecuencia de la no ortogonalidad de los regresores. Se considera un problema grave
de multicolinealidad cuando el FIV de algn coeficiente
es mayor de 10. Algebraicamente, se expresa como
FIV ( j ) =
1. Deteccin de Multicolinealidad
En la tabla 11, se presenta, el factor inflacionario de la
varianza (FIV). Es un indicador que nos permite detectar ausencia de una combinacin lineal de los regresores
independientes o la presencia de una relacin entre dos
o ms regresores (multicolinealidad).
El FIV muestra en qu medida se agranda la varianza
Lgpc
Lgpc2
Lgpc3
Lgpc4
TLgpc
TLgpc2
Sen TLgpc
Cos TLgpc
Modelo 2
281,99
281,99
Modelo 3
34 912,43
131 827,80
31 428,08
1
,
1 R2j
(13)
donde R2j es el coeficiente de determinacin de la regresin.

Se puede notar en la tabla 11, que los valores del FIV
son menores a 10 para los modelos 5 y 7; ello se considera una multicolinealidad moderada.
Modelo 4
3 645 370
30 004 985
27 728 240
2 881 682
Modelo 5
Modelo 6
Modelo 7
7,36
191
116,21
7,07
26,62
4,47
2,14
3,35
1,37
6,99
Tabla 11. Factor inflacionario de la varianza. Fuente: Elaboracin propia a partir de la ECV 2005-2006.
2. Deteccin de Heterocedasticidad
En las figuras 8 y 9, se observa grficamente la presencia de heterocedasticidad para cada uno de los modelos;
es as, dado que la varianza local de los residuos crece o
decrece con respecto a las variables incluidas en el modelo.
diente. Para los siete modelos se presenta un p-valor

menor a 0,05, con lo cual se rechaz la hiptesis de homocedasticidad.
Modelo
Chi cuadrado
Valor p
Decisin
1
6
0,01262095 Heterocedasticidad
Para confirmar la presencia de heterocedasticidad se
2
6
realiza el contraste de Breusch y Pagan, cuya finalidad
3
6
0,01342869
Heterocedasticidad
es comprobar si se puede encontrar un conjunto de va4
7
riables Z que sirvan para explicar la evolucin de la va5
6
rianza de las perturbaciones aleatorias; esta varianza se
6
6
estima a partir del cuadrado de los errores del modelo
7
7
inicial en el que se busca comprobar si existe o no heterocedasticidad.
Tabla 12. Contraste de Breusch y Pagan. Fuente: Elaboracin proEn la tabla 12, se observa el estadstico de contraste (Va- pia a partir de la ECV 2005-2006.
lor p) y se lo compara con el Chi cuadrado correspon-
18
Analti a
5.5
6.0
6.5
7.0
0.2
0.4
0.0
0.2
1.0
0.0
1.0
0.2
0.4
0
20
0.0
1.0
0.2
0.4
0.2
0.4
1.0
Lgpc2
1.0
Seno_Lgpc
0.0
20
40
0.2
0.4
1.0
0.0
1.0
Seno_Lgpc
0.4
0.2
TLgpc2
Component+Residual(Y)
0.6
250
Lgpc3
0.2
0.4
0
Lgpc2
0.6 0.0
100
1.0
0.0
Component + Residual Plots

0.2
f)
20 30 40 50
1.0
Coseno_Lgpc
b)
Lgpc
40
TLgpc2
20 35 50
6.5
0.2
0.4
0.4
0.2
0.0
TLgpc
0.4
0.2 0.0
0.2
0.4
4.5 5.5 6.5
1.0
Seno_Lgpc
0.6
1.0
e)
0.4
Coseno_Lgpc
Lgpc
a)
4.5
1.0
0.0
1.0
Coseno_Lgpc
Figura 9. Deteccin grfica de heterocedasticidad. e) Modelo 5, f)

Modelo 6, g) Modelo 7
150
20
4.5 5.5 6.5

g)
50
c)
10
0.4
5.0
Lgpc
20 30 40 50
100
250
Lgpc3
60 20
Lgpc2
100
Lgpc
0.2
0.4
0.4
0.2
0.0
4.5
TLgpc
0.4
500 1500
Lgpc4
d)
Figura 8. Deteccin grfica de heterocedasticidad. a) Modelo 1, b)
Modelo 2, c) Modelo 3, d) Modelo 4
A.2 Modelo con caractersticas sociodemogrficas

En cuanto a la multicolinealidad, se realiz la prueba
factor inflacionario de la varianza, que toma valores entre 1 e infinito. En ella, los valores entre 1 y 10 indican que
los datos no tienen multicolinealidad, mientras que cuando
el valor es mayor a 10, significa que existe multicolinealidad.
19
Analti a
dasticidad en el modelo. Adicionalmente, se presentan los

grficos para visualizar la existencia de la heterocedasticidad.
2p
155,75
Valor p
9,58E-30
Decisin
Heterocedasticidad
Tabla 14. Contraste de Breusch-Pagan. Fuente: elaboracin propia

a partir de la encuesta ECV 2005-2006.
30
1.0
0.0
0.8
Prop_15_64
0.4
0.8
0.4
0.0
1.0
0.4
0.0
0.0
0.2
0.4
0.6
0.4
Prop_5_14
0.0
0.4
0.0
0.4
Prop_65_mas
0.5
0.4
0.8
0.4
0.0
0.0
Coseno_Lgpc
Jefe_hogar_mujer_sum
0.4
0.0
0.4
1.0
0.4
0.0
2.0
Ln_miem_hog
0.0
1.0
1.0
0.5
0.4
0.4
0.0
0.4
0.0
0.0
0.4
0.4
0.0
40
Seno_Lgpc
0.4
En la tabla 13, se puede observar que el mayor valor obtenido es de 5,46, a partir del cual se puede concluir que el
modelo no presenta una multicolinealidad grave.
En referencia a la heterocedasticidad se realiza el contraste de Breusch-Pagan, a travs de una distribucin 2p ;
en el caso de un modelo homocedstico, se distribuye como una 2p ; con ello, si el valor de p es menor de 0,05, se
rechaza la homocedasticidad (es decir, se acepta que existe
heterocedasticidas en el modelo).
20
TLgpc2
Tabla 13. Prueba de multicolinealiad. Factor Inflacionario de la

varianza. Fuente: elaboracin propia a partir de la encuesta ECV
2005-2006.
10
0.4
0.4
0.0
0.4
0.4
Valor
4,62
2,15
3,35
1,65
1,06
2,96
5,46
4,98
1,07
Variable
TLgpc2
Seno TLgpc
Cos TLgpc
Ln miem hog
Jefe hogar mujer
Prop 5-14
Prop 15-64
Prop 65 y ms
Alquila viv.
0.0
0.4
0.8
Alquila_vivi
Figura 10. Deteccin Grfica de Heterocedasticidad. Fuente: elaboracin propia a partir de la ECV 2005-2006.
En la figura 10, se puede apreciar la existencia de heDe acuerdo a los resultados mostrados en la tabla 14, el terocedasticidad, lo cual concuerda con el contraste de
valor p es inferior a 0,05, por lo que se evidencia heteroce- Breusch-Pagan.
20
Analti a
Anlisis de la participacin laboral de la mujer en el
mercado ecuatoriano
Analysis of womens labor force participation in the
Ecuadorian market
Juan Carlos Garcia y Patricia Cortez
www.inec.gob.ec
Analti a
Anlisis de la participacin laboral de la mujer en el mercado ecuatoriano

Anlisis de la participacin laboral de la mujer en el

mercado ecuatoriano
Analysis of womens labor force participation in the
Ecuadorian market
Universidad
Estatal de Milagro, Milagro, Ecuador
Universidad
Direccin
de Las Amricas, Quito, Ecuador
de Estudios Analticos Estadsticos, Instituto Nacional de Estadstica y Censos, Quito, Ecuador

jcgarcia@udla.edu.ec, patricia_cortez@inec.gob.ec
Recibido: 31 de octubre de 2012
Aceptado: 15 de noviembre de 2012
Resumen
Esta investigacin muestra el comportamiento de la probabilidad de participacin laboral femenina en las diferentes
provincias del territorio continental ecuatoriano, en el periodo comprendido entre los aos 1990 y 2011. Para tal efecto se
consideran ciertas variables y caractersticas de la mujer, que influyen de manera positiva o negativa en su insercin en
el mercado laboral. El modelo utilizado para la obtencin de los resultados es la regresin logstica, donde se considera
que una mujer participa en el mercado laboral si est clasificada dentro de la Poblacin Econmicamente Activa (PEA).
Los datos para el anlisis han sido tomados de la Encuesta de Empleo, Desempleo y Subempleo (ENEMDU), elaborada
por el Instituto Nacional de Estadstica y Censos (INEC).
Palabras clave: participacin laboral, ocio-consumo, regresin logstica, probabilidad.
Abstract
This research shows the behavior of the probability of female participation in the various provinces of mainland Ecuador, in the period between 1990 and 2011. For this purpose it is considered certain variables, characteristics of women,
affecting positively or negatively on the labor market insertion. The model used for obtaining the results is the logistic
regression, where it is considered that a woman participates in the labor market if it is classified within the economically
active population (PEA). Data for analysis were taken from the Encuesta de Empleo, Desempleo y Subempleo (ENEMDU) developed by the Instituto Nacional de Estadstica y Censos (INEC).
Keywords: labor participation, leisure-consumption, logistic regression, probability.
Cdigo JEL: C12, C51, C53.
Introduccin
Desde hace varios aos se seala que es indispensable

respetar los derechos humanos de las mujeres y la igualdad
de gnero, como una ruta ineludible para lograr el desarrollo y el progreso. Sin embargo, en la poca actual siguen vigentes algunas dificultades con las que la mujer se enfrenta
en su integracin social y laboral, ya que es restringida a un
universo laboral rgido donde se ve obligada, en muchos

casos, a elegir entre su familia y el trabajo.
As, a principios de la dcada de los noventa, la participacin laboral de las mujeres en el Ecuador se ubicaba en el
35,3 %, mientras que la de los hombres alcanzaba el 64,7 %.
A lo largo de los aos, la participacin femenina se ha in-
23
Analti a
crementando hasta alcanzar el 38,9 % mientras que la masculina se ha estabilizado alrededor del 62,0 % (ver Figura
1). Los ltimos siete aos muestran incrementos constan-
tes, aunque no enfticos, de la participacin laboral femenina (ver Figura 2); pero sta an queda lejos de la participacin laboral de los hombres.
Par cipacin laboral

80,0%
80,0%
64,7%
62,7%
62,5%
62,1%
62,1%
61,9%
62,2%
64,5%
62,6%
61,4%
61,9%
61,3%
40,0%
37,3%
35,3%
37,9%
37,5%
38,1%
37,9%
37,8%
38,7%
38,6%
37,4%
35,5%
Porcentaje
Porcentaje
62,0%
63,0%
60,9%
61,4%
61,1%
60,7%
60,8%
60,5%
61,5%
61,1%
60,0%
60,0%
40,0%
38,1%
38,0%
37,0%
39,1%
38,9%
38,6%
39,3%
39,2%
39,5%
38,5%
38,9%
20,0%
20,0%
,0%
,0%
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
Aos
Hombres
2006
2007
2008
2009
2010
2011
Aos
Mujeres
Hombres
Mujeres
Figura 1. Evolucin de la participacin laboral desde el ao 1990 al 2011. Los resultados corresponden a la muestra de hombres y
mujeres que pertenecen a la PEA. Fuente: ENEMDU 1990 - 2011. Elaboracin: Autores.
Par cipacin laboral femenina

39,5%
39,6%
39,3%
39,4%
39,2%
39,2%
Porcentaje
39,0%
38,9%
38,9%
38,8%
38,6%
38,5%
38,6%
38,4%
38,2%
38,0%
2005
2006
2007
2008
2009
2010
2011
Aos
Mujeres
Figura 2. Evolucin de la participacin laboral femenina desde

el ao 2005 hasta el ao 2011. Los resultados corresponden a la
muestra de mujeres que pertenecen a la PEA. Fuente: Elaboracin
propia a partir de la ENEMDU, considerando al periodo 1990 2011.
Por lo sealado, este trabajo pretende mostrar cuantitativamente el comportamiento de la probabilidad de participacin de una mujer en el mercado laboral, desde el ao
1990 hasta el ao 2011 y, a partir de esto, inferir su conducta. Para ello se estima la probabilidad de participacin
en cada provincia del pas, con variables explicativas que
miden caractersticas de la mujer, evidencindose una desigualdad cuantitativa en la participacin laboral por gnero. Para el anlisis, se utiliza la base de datos de la ENEMDU; esta encuesta, elaborada por el INEC, se aplic en todo
el terrirorio, excepto en la Regin Insular. Se ha considerado el periodo comprendido entre los aos 1990 a 2011.
El artculo se estructura de la manera siguiente: en la
seccin 2 se establece el marco terico, fundamentalmente las hiptesis econmicas que se considerarn; adicional24
mente, se enuncia el modelo de regresin logstica, insumo

fundamental para el anlisis. En la seccin 3, se considera
la metodologa economtrica que se utilizar para el estudio. En la seccin 4, se analiza la base de datos utilizada
para el estudio, en particular la clasificacin de las observaciones y la especificacin de las variables. En la seccin
5, se muestran los resultados obtenidos de la modelizacin,
es decir, las probabilidades de participacin laboral de las
mujeres para cada provincia. Y, en la seccin 6, se establecen las conclusiones. Finalmente, se han agregado los
Anexos A, B y C con el objetivo de profundizar en el desarrollo de la investigacin.
2 Marco Terico
Esta investigacin est destinada a mostrar un conjunto de posibles causas por las que la mujer, resuelve o no,
participar en el mercado laboral.
Las presunciones econmicas respecto de la decisin de
la mujer de participar en el mercado se cimentan en los modelos de oferta laboral; estos se basan en la idea de que la
mujer, individualmente imaginada, es el sujeto de las decisiones relacionadas con la oferta de trabajo. Los trabajos de
G. Becker [3] y G. Borjas [5] se desenvuelen a partir del modelo de oferta laboral denominado ocio-consumo, el cual
ser la plataforma de esta investigacin y ser desarrollado posteriormente. Sin embargo, se debe mencionar que
hay otros modelos que parten de la idea de que el sujeto
de decisin no es la mujer, sino la familia, considerada como un todo (vase [2]). Cada uno de estos modelos tiene
sus ventajas y sus inconvenientes. Se tomar como punto
de partida el modelo de oferta laboral ocioconsumo, pues
es un modelo de fcil aplicacin y, adems, ampliamente
Analti a
utilizado (vase [6]).

de la utilidad ante cambios en las cantidades de L y C viene

dada por el diferencial total de la utilidad.
2.1 Modelo ocio-consumo

A manera de prembulo, se definirn los conceptos de
ocio y consumo para fines de esta investigacin. Se considerar ocio al tiempo recreativo que un individuo puede
organizar y utilizar de acuerdo a su propia voluntad, es
decir, que excluye el que se dedica a las obligaciones laborales. Por otro lado, el consumo ser el resultado de hacer
uso de un bien o servicio, en otras palabras, de gastar.
A continuacin se presenta una breve descripcin del
modelo ocio-consumo. Un desarrollo detallado del mismo
se encuentra elaborado en el Anexo A.
El modelo ocio-consumo, de manera resumida, plantea
que cada sujeto, al tratar de maximizar su utilidad, se enfrenta a un problema de eleccin entre ocio1 L y consumo
C, pues para consumir ms se debe trabajar ms y reducir
el tiempo dedicado al ocio. Por tanto, el problema consiste en maximizar una funcin de utilidad, U, que depende
de L y C, es decir, U ( L, C ), la cual est sujeta a dos restricciones: el presupuesto y el tiempo. La restriccin de presupuesto depende del total de los ingresos del individuo; la
restriccin de tiempo establece que el espacio dedicado al
ocio no debe ser mayor que el tiempo disponible.
2.1.1 Principio de la Indiferencia
Este principio establece que una persona puede elegir
entre distintas combinaciones de L y C y, sin embargo,
mantener una satisfaccin de necesidades idntica (en la
teora del consumidor se define como el nivel de utilidad).
Grficamente se representa con la denominada curva de indiferencia o isocuanta de utilidad (ver Figura A.2), que se define como el conjunto de puntos en el espacio de combinaciones de L y C para los que la satisfaccin del consumidor
es igual.
2.1.2 Relacin Marginal de Sustitucin RMS
2.1.3 Restricciones
En el caso de la eleccin entre ocio y consumo hay un
lmite natural para el ocio, y es el tiempo; de su parte, el
consumo est limitado por el presupuesto disponible del
individuo. En este contexto, la restriccin de presupuesto o
nivel de consumo se expresa como:
C = V + WT WL,
(2)
donde V simboliza las rentas no salariales, W la tasa salarial, T el tiempo total del que dispone el individuo y L el
nmero de horas dedicadas al ocio. Entonces, el nmero de
horas dedicadas al trabajo h, es
h = T L.
(3)
As, la ecuacin (2) puede ser escrita como

C = V + Wh,
(4)
lo que significa que un individuo dispone, para consumir,

de sus ingresos no salariales ms lo que consiga en el mercado de trabajo.
2.1.4 Principio de optimizacin

Los individuos, desde la perspectiva de la teora de la
eleccin racional, son agentes econmicos racionales y elegirn la mejor alternativa entre L y C. La combinacin de L
y C ptima o maximizadora debe satisfacer dos condiciones:
1. Debe encontrarse en la recta presupuestaria.
La RMS es la cantidad de C a la que est dispuesto a

2. Debe suministrar al consumidor la combinacin por
renunciar un individuo para obtener una unidad adicional
la que muestra una preferencia mayor.
de L, sin variar su nivel de satisfaccin. La RMS en un punto mide, en trminos del ocio, la disposicin a pagar por el
consumo. Analticamente, coincide con la pendiente negaLa eleccin ptima corresponde a maximizar la utilidad
tiva de la curva de indiferencia en ese punto,
sujeta a la restriccin presupuestaria, es decir:
C
dC
= .
L
dL
L 0
RMS = lm
(1)
max
U (C, L).
C V + Wh
s.a.
0h
(5)
La RMS disminuye conforme se desciende a lo largo

de la curva de indiferencia. A medida que consume mayor
cantidad de C, el consumidor estar dispuesto a renunciar
Por tanto, la maximizacin corresponde al punto de
a una cantidad cada vez menor de L para obtener unidades tangencia de la isocuanta de utilidad, o curva de indifeadicionales del primero. Adicionalmente, la variacin total rencia, con la restriccin presupuestaria.
1 Se
nota con L por su nombre ingls: leisure
25
Analti a

de reserva; es decir, la utilidad que le provee participar es

superior a la de no hacerlo. Este problema puede condenEl problema presenta dos soluciones denominadas so- sarse definiendo una variable de participacin Y del indii
lucin interior y solucin de esquina. La solucin interior se viduo i, la cual slo asume dos valores: cero, si el individuo
presenta cuando el individuo utiliza cantidades positivas no participa, uno en caso de hacerlo. En consecuencia, el
de L y C, es decir, dedica tiempo tanto al ocio como al conproblema se formula as:
sumo; en este caso, se cumple que

1 si Wi > Wi
Yi =
(10)
UL
0 si Wi < Wi .
,
(6)
RMS =
UC
En [6] se seala que son tres las alternativas ms conodonde UL representa la derivada parcial de la funcin U cidas que la Econometra ha dado para modelar este tipo
respecto a la variable L; anlogamente se define UC .
de situaciones. Se trata del modelo de regresin lineal y los
Por otro lado, la solucin de esquina, se da cuando el modelos probit y logit. De los tres, los que permiten trabaindividuo dedica todo su tiempo al ocio o, lo que es lo mis- jar con variables cualitativas son probit y logit. Ambos se
mo, cuando decide no participar en el mercado de trabajo; comportan de manera similar, sin embargo, el modelo logit
esto es cuando L = T, de modo que
es de ms fcil interpretacin.
La regresin logstica es un instrumento estadstico de
U
(7) anlisis multivariado, de uso tanto explicativo como preRMS > L .
UC
dictivo. Resulta til su empleo cuando se tiene una variaLa pendiente de la isocuanta de utilidad tiene que coin- ble dependiente dicotmica y un conjunto de variables precidir con una tasa de salario crtica, aquella que el indi- dictoras o independientes, que pueden ser cuantitativas o
viduo considera como punto de referencia para decidir si categricas.
Cuando se quiere evaluar la relacin entre una variable
participa o no. Esa tasa de salario se le conoce como salario
que
ocasiona especial inters, que suele denominarse vade reserva y se denota como W . El salario de reserva es
riable
dependiente Y, respecto a un conjunto de variables,
el precio ms bajo que convencera a una persona para que
llamadas
independentes X1 , X2 , , Xn , resulta adecuado
ofrezca su mano de obra en el mercado laboral.
y
conveniente
la aplicacin de los modelos de regresin.
Cuando la solucin es interior, el salario de mercado
Los
modelos
regresin
se expresan de la siguiente forma:
(que es el que se oferta en el mercado laboral) es mayor
2.1.5 Soluciones
que el salario de reserva, W > W ; en ese caso, el individuo

Y = 0 + 1 X1 + 2 X2 + + n Xn + ,
(11)
decide participar en el mercado de trabajo. En la situacin
contraria, cuando la solucin es de esquina, el individuo donde, i , i = 0, , n, son los parmetros asociados al
no entra al mercado de trabajo, pues el salario de mercado modelo; miden la influencia que tienen las variables exes menor que su salario de reserva. En otras palabras,
plicativas sobre el problema planteado; 0 es el trmino
constante y i , i = 1, , n, son los parmetros respectiL = T W < W,
(8) vos a cada variable independiente. Adicionalmente, es
el error aleatorio que acumula los factores no controlables
que indica que un individuo dedica todo su tiempo al ocio
de la realidad; por tanto los errores son variables indepen(no participa de la fuerza laboral). La demostracin de esta
dientes, con esperanza nula y varianza constante.
propiedad se encuentra detallada en [6].
Si se desea que el modelo suministre directamente la
Usando los multiplicadores de Lagrange, se formula el
probabilidad de pertenecer a cada uno de los grupos de
siguiente Lagrangiano
inters, hay que transformar la variable de respuesta de alL = U (C, L) + 1 (V C + W ( T L)) + 2 ( T L), (9) gn modo para avalar que la respuesta pronosticada est
entre cero y uno. Tomando
la cuasiconcavidad de U garantiza que la funcin tenga un
p i = F ( 0 + T Xi ) ,
(12)
mximo, es decir, el problema planteado tiene solucin y
sta es nica.
donde
1
X1 i
2
X2
i
2.2 Regresin logstica

= . y Xi = . ,
..
..
Los modelos que se utilizan para estimar la participan
Xn i
cin en el mercado laboral se encuentran dentro de los modelos de eleccin discreta con variable dependiente cualita- se garantiza que pi est entre cero y uno si se exige que F,
tiva binaria. En este caso, la eleccin es entre participar y no una cierta funcin de distribucin, tenga esa propiedad.
participar en el mercado laboral, puesto que un individuo
Habitualmente, se toma como F la funcin de distribudecidir participar si el salario de mercado es mayor que el cin logstica, dada por
26
Analti a

j = 0 indicar que la mujer no participa y, j = 1, que s

lo
hace. Adems, el conjunto de variables explicativas slo
pi =
,
(13)
T
1 + e( 0 + Xi )
corresponde a los sujetos y no dependen de j, es decir de
las alternativas; por lo tanto, ya no es necesario incluir en
la cual tiene la ventaja de ser continua. Adems, como
el anlisis a la variable Zj . Entonces, el modelo planteado
T
en la ecuacin (16) se puede escribir de la siguiente manera
e( 0 + Xi )
1 pi =
,
(14)
TX )
(

i
1+e 0
Ui0 = 0 Xi + i0
(17)
se tiene que:
Ui1 = 1 Xi + i1 .

pi
Ahora, puesto que Yi es una variable dicotmica que
(15)
Yi = ln
1 pi
representa la opcin elegida por el sujeto, se tiene que:
1

1, si Ui1 > Ui0 Wi > Wi
e( 0+ T Xi )
Y
=
(18)
Yi = ln 1+(
i
0 + T Xi )
0, si Ui1 < Ui0 Wi < Wi .
e
1+ e ( 0 +
Yi
= ln
Yi
TX )
i
+ T X
e( 0
0 + T Xi .
i)
Se observa que, al realizar esta transformacin, se obtiene un modelo lineal denominado logit.
Metodologa economtrica
En vista de lo expuesto, se presentan dos inconvenientes para resolver este problema; en primer lugar, los salarios de reserva W no son observables y, en segundo lugar,
los salarios de mercado W de los individuos que participan
laboralmente no son conocidos. Por lo cual, los dos tipos de
salarios deben ser estimados a partir de otras variables que
s sean observables.
Como el presente estudio se refiere a la probabilidad de
participacin laboral femenina, para el salario de reserva se
puede considerar, entre otras variables, el nmero de hijos
y el estado civil; el salario de mercado puede estimarse a
partir de la educacin y la edad.
Los modelos de utilidad se pueden expresar en funcin
de un conjunto de variables; as, para este modelo, un grupo de ellas encierra las caractersticas de los sujetos que toman la decisin, el cual se simboliza con X; y el otro grupo se asocia a las caractersticas de las alternativas, que se
representa con Z. En general, los modelos de utilidad se
expresan as:
Uij = Xi + Zj + ij ,
(16)
donde Uij es la utilidad que le brinda al sujeto i la alternativa j, y los parmetros asociados a cada variable, y ij es
el error aleatorio que acumula los factores no controlables
de la realidad.
Por otra parte, dado que slo existen dos alternativas
posibles, participar o no participar en el mercado laboral,
Dados los antecedentes especificados, la probabilidad

de que la mujer i-sima decida participar en el mercado laboral se deducir a partir de un modelo de eleccin binaria.
Por ltimo, los salarios de reserva y de mercado se estiman a partir de variables que encierran caractersticas de
las mujeres.
4 Datos y Modelacin
Como se mencion anteriormente, los datos para la elaboracin de este trabajo han sido obtenidos de la ENEMDU
considerando el periodo de aos comprendido entre 1990
a 2011.
El muestreo utilizado en la ENEMDU desde el ao 1990
al ao 2011 es estratificado por conglomerados y probabilstico; por tanto, las bases de datos incorporan un factor
de expansin para cada registro, el cual puede interpretarse como la cantidad de personas incorporadas en un registro de la muestra. En otras palabras, la poblacin encuestada siempre variar de manera creciente, guardando concordancia con el crecimiento poblacional.
4.1 Datos
La muestra para el anlisis est formada por 441.421 registros, divididos por provincias y por aos, como se muestra en las Tablas 1 (ver pg. 48) y 2 (ver pg. 49) del B; corresponden a mujeres que pertenecen a la PEA2 y se encuentran entre los 10 y 60 aos de edad3 . En este estudio
se llamar edad laboral al rango comprendido entre 10 y 60
aos y, conjunto laboral, al formado por mujeres que pertenecen a la PEA y estn en edad laboral.
Tomando como ejemplo, al azar, la provincia de Loja en
el ao 1997 (ver Tabla 1, B), que corresponde a la muestra
sin ponderar. Se observa una frecuencia de 386, es decir, se
encuest a 386 mujeres pertenecientes al conjunto laboral.
2 Son todas las personas de 10 aos y ms que trabajaron al menos una hora en la semana de referencia de la encuesta, o aunque no trabajaron,
tuvieron trabajo (ocupados), o bien aquellas personas que no tenan empleo pero estaban disponibles para trabajar (desocupados). Definicin tomada de
los formularios metodolgicos del INEC.
3 La poblacin econmicamente activa en el Ecuador se considera a partir de los 10 aos de edad y la edad; la edad de jubilacin es a los 60 aos.
27
Analti a
4.2 Seleccin de variables

La participacin de las mujeres al mercado laboral es un
suceso que, sin duda alguna, engrandece la calidad del trabajo, pues desarrolla la productividad y el crecimiento. En
el mbito familiar, se elevan el poder adquisitivo, la seguridad econmica y la participacin de la mujer en la toma
de decisiones en el hogar.
Contrariamente a los efectos positivos que conlleva la
participacin femenina en el mercado laboral, no se ha proporcionado suficiente atencin al hecho de que la mujer
contina siendo la primordial encargada de la crianza de
los hijos, de la atencin y el cuidado de los miembros de la
familia y de las labores domsticas.
Por tal motivo, la seleccin de variables que impulsan
la participacin laboral femenina puede convertirse en una
tarea ardua si no se cuenta con apoyo bibliogrfico pertinente. En este caso, se ha revisado investigaciones previas
[1, 4, 11, 12, 13] conducidas en pases con similares caractersticas a Ecuador, para poder vislumbrar las variables que
influyen en la participacin laboral de la mujer. A continuacin, se las presenta.
Par cipacin laboral por edad

59,06%
59,17%
56,91%
60,00%
57,58%
54,29%
50,00%
52,76%
45,56%
44,98%
40,00%
Porcentaje
Esto corresponde al 2,8 % del total de mujeres encuestadas

a nivel nacional en ese ao.
Por otro lado, considerando los datos ponderados para la misma provincia y el mismo ao (ver Tabla 2 del B),
se observa una frecuencia de 53.126; ella indica que cada
mujer, perteneciente a la PEA y en edad laboral representa
aproximadamente a 138 mujeres de las mismas caractersticas; esta frecuencia corresponde al 1,8 % del total de la
muestra ponderada de ese ao.
Este breve anlisis ayuda a apreciar, en la muestra ponderada, la distribucin de la mujeres en edad laboral que
pertenecen a la PEA.
30,00%
22,52%
20,00%
10,00%
6,98%
0,00%
10 a 14
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60
Edad
Muestra total
Figura 3. Porcentaje de mujeres en edad laboral que pertenecen

a la PEA, clasificado por tramos de edad. Los resultados corresponden a la muestra de las mujeres del conjunto laboral. Incluye
todas las observaciones, desde el ao 1990 al ao 2011. Fuente:
Elaboracin propia a partir de la ENEMDU, considerando al periodo 1990 - 2011.
En la Figura 8 del C puede apreciarse que, a partir del

ao 1990, la participacin laboral de mujeres comprendidas
entre 20 y 60 aos crece pausadamente; lo que indica que
las mujeres se han incorporado con mayor fuerza al mercado laboral en las ltimas dos dcadas. Sin embargo, las que
ms participan son las mujeres de entre 20 y 44 aos. Otro
resultado importante que se extrae es el hecho de que el
trabajo infantil femenino se ha reducido considerablemente, pues en el ao 2011 apenas alcanz un 2,79 % para las
mujeres de entre 10 y 14 aos.
De manera resumida, puede decirse que la actividad
laboral de las mujeres crece sostenidamente hasta los 25
aos, para luego estabilizarse hasta los 44 aos, y caer bruscamente a partir de los 45. Este comportamiento guarda
relacin con el hecho de que entre los 25 y 44 aos la mayora de mujeres se dedican a las tareas domsticas y de maternidad. Sin embargo, el hecho de que esa variacin sea
pequea, indica que una buena proporcin de mujeres no
4.2.1 Edad
abandona el mercado de trabajo por cumplir con las menLa edad es uno de los factores que influyen de manera cionadas actividades.
determinante en la insercin de la mujer al mercado laboral. Al evaluar la tasa de participacin laboral, por tramos 4.2.2 Educacin
de edad, se evidencia un comporatmiento similar a ciertas
edades. En la Figura 8 del C, se observa que, a lo largo del
En materia de educacin, las mujeres han logrado equitiempo4 , las mujeres que se encuentran entre 10 y 19 aos parar e incluso superar lo conseguido por los hombres.
son las que menos participan del mercado laboral. Las que En la mayora de periodos, las mujeres alcanzan niveles
se encuentran entre 20 y 44 tienen la mayor participacin, promedio de educacin ms elevados que aquellos de los
y en ellas se observa un cierto patrn constante de com- hombres. Un mejor resultado educativo otorga a las muportamiento. Por ltimo, las mujeres mayores de 45 aos jeres los conocimientos y habilidades principales que retienden a bajar su tasa de participacin. La Figura 3 resu- quiere el mercado de trabajo. En la Figura 4, se evidencia
me y ratifica lo mencionado en [8]; esto es: la posibilidad esta tendencia. Entre los aos 1990 y 1999, se observa un
de que una mujer trabaje por remuneracin aumenta con mismo comportamiento en los niveles de educacin bsila edad, hasta los 45 aos, salvo maternidad.
ca y educacin media, en los que las mujeres superan a los
4 Se
28
ha ecogido los aos 1990, 1995, 2000, 2005 y 2011 con el fin de visualizar un resumen de los resultados obtenidos.
Analti a
hombres, en sentido opuesto a lo que sucede con la educacin universitaria. A partir del ao 2000 hasta el ao 2011,
disminuye el pocentaje de mujeres en la educacin bsica,
pero aumenta en el nivel universitario; la educacin media
contina mostrando un predominio de las mujeres.
Par cipacin laboral por nivel educa vo y grupos de edad

79,22%
80,00%
78,70%
76,44%
75,67%
74,11%
68,70%
67,39%
60,00%
Porcentaje
46,47%
Acceso a la educacin
1997
1991
52,65%
40,00%
31,07%
52,99%
52,35%
51,27%
50,94%
50,58%
20,00%
49,42%
49,06%
12,91%
48,73%
47,65%
47,35%
47,01%
0,00%
Educacin Bsica
Educacin Media
Hombres
Educacin Universitaria
Educacin Bsica
Mujeres
Educacin Media
Hombres
2004
48,24%
48,48%
Educacin Bsica
Educacin Media
Hombres
Ninguno
49,44%
49,55%
Mujeres
Educacin Bsica
48,13%
Educacin Media
Hombres
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60
Educacin Bsica
Educacin Media
51,87%
51,76%
50,56%
50,45%
49,45%
10 a 14
Edad
2009
51,52%
50,55%
Mujeres
Mujeres
Figura 4. Porcentaje de escolaridad de hombres y mujeres, divido

por niveles educativos. Los resultados corresponden a la muestra
de todos los encuestados. Fuente: ENEMDU - 1990 - 2011 . INEC.
Elaboracin: autores.
Figura 5. Porcentaje de participacin laboral clasificado por nivel educativo y grupos de edad. Los resultados corresponden a
la muestra de las mujeres del conjunto laboral. Incluye todas las
observaciones, desde el ao 1990 al ao 2011. Fuente: Elaboracin
propia a partir de la ENEMDU, considerando al periodo 1990 2011.
Se nota que, a partir de los 25 aos de edad, la educacin universitaria tiene un alto impacto en la participacin
laboral femenina, pues quienes la tienen participan laboralmente mucho ms que las del resto de niveles escolares.
A pesar de lo expuesto y de la importancia de contar Adicionalmente se observa que, aunque en proporcin mecon mayores niveles de educacin, no se aprecia un impac- nor, las mujeres con educacin media participan ms que
to de esta ganancia femenina en su participacin dentro del las que tienen educacin bsica; y que estas ltimas sumercado laboral. Como se mencion antes, su tasa de parti- peran en participacin a las de nivel educativo nulo5 . Lo
cipacin sigue siento muy inferior a la de los hombres, una contrario sucede con las mujeres del conjunto laboral que
realidad difcil de explicar y que est fuera del alcance de se encuentran entre 10 y 19 aos, ya que la mayor particiesta investigacin.
pacin laboral la tienen aquellas mujeres sin ningn nivel
Estudios similares realizados en otros pases latinoame- educativo. Posiblemente sto se debe a que, en el mencioricanos (vase [15]) evidencian un patrn comn. Resulta nado rango de edad, la participacin laboral resta signifientonces un tanto paradjico que, a pesar de contar con cativamente la posibilidad de acceder a los diferentes nimayores ndices de escolaridad, las mujeres sigan teniendo veles de eeducacin. El ingreso de las nias y adolescentes
menor participacin laboral que los hombres. Se presume ecuatorianas al mercado laboral casi nunca es una decisin
que esta incongruencia se debe a que la experiencia laboral personal; usualmente, ellas provienen de hogares pobres y
que han ganado los hombres a lo largo del tiempo influyen sus ganancias estn destinadas al sustento de sus familias.
de manera significativa para la contratacin del personal, En cuanto a las mujeres de entre 20 y 24 aos, se muestra
dejando de lado los conocimientos y las habilidades adqui- un comportamiento similar en relacin con los niveles de
ridas por las mujeres.
educacin bsica, media y universitaria (ver Figura 9).
Por otro lado, es indudable que la participacin en el
mercado laboral est influenciada por el nivel educativo. 4.2.3 Estado civil
Segn lo expuesto en [7], a mayor nivel de educacin, mayor es la particiapcin de la mujer. A continuacin se analiDe manera anloga, el estado civil afecta a la particiza las tasas de participacin laboral desagregadas por nivel pacin econmica de la poblacin femenina, debido a que
educativo y grupos de edad. Para una mejor percepcin de la sociedad otorga roles sociales de gnero y compromila intervencin que tiene la educacin en la participacin sos de acuerdo con la situacin conyugal. Al imaginar a los
laboral femenina, se muestra el promedio obtenido de to- hombres como nicos proveedores econmicos del hogar,
dos los aos, entre 1990 y 2011, en la Figura 5. Se incluye la unin conyugal establece que son ellos quienes debern
el valor porcentual del nivel educativo que ms destaca en generar ingresos en rplica a las necesidades y peticiones
participacin laboral en cada grupo de edad.
de los miembros de su ncleo familiar.
5 Se
refiere a las personas sin ningn nivel de instruccin
29
Analti a
Estado civil por grupos de edad

100%
0,08%
9,74%
34,45%
80%
56,20%
Porcentaje
67,89%
72,08%
72,15%
70,71%
27,92%
27,85%
29,29%
66,82%
61,01%
60%
99,92%
90,26%
40%
65,55%
43,80%
20%
32,11%
33,18%
38,99%
0%
10 a 14
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60
Edad
Soltera, separada u otras
Casada o unin libre
Figura 6. Porcentaje de mujeres clasificado por estado civil y grupos de edad. Los resultados corresponden a la muestra de las
mujeres en edad laboral. Incluye todas las observaciones, desde
el ao 1990 al ao 2011. Fuente: Elaboracin propia a partir de la
ENEMDU, considerando al periodo 1990 - 2011.
Tomando en cuenta la distribucin anterior, se analiza

la influencia del estado civil en la participacin laboral. Se
observa que, con excepcin de las mujeres que se encuentran entre 10 y 14 aos, el mayor porcentaje de participacin laboral lo tienen las mujeres con estado civil soltera,
separada u otras; este fenmeno crece gradualmente, hasta
30
alcanzar su mximo en el grupo de 35 a 39 aos; a partir de

esta edad, se nota un descenso en la participacin laboral
(ver Figura 7).
Par cipacin laboral por estado civil y grupos de edad
76,62%
80,00%
73,70%
75,41%
73,66%
67,90%
70,00%
65,17%
60,00%
52,12%
50,43%
52,80%
48,81%
53,89%
50,83%
46,66%
50,00%
Porcentaje
Respecto de las mujeres, el estado civil altera la gama

de actividades domsticas que se consideran alternativas a
la actividad laboral. Para aquellas que son casadas, el cuidado de los hijos, si los hay, y las necesidades del hogar
son ms importantes, ya que la carga del cuidado de la familia recae principalmente sobre ella; este aspecto provoca
una disminucin muy importante de su participacin en el
mercado de trabajo. Adems, la presencia de un cnyuge
podra desestimular a las mujeres a trabajar, ya sea por una
decisin propia o por imposicin del compaero sentimental.
En este punto, cabe aclarar que, para el anlisis, se clasific a la variable estado civil en dos grupos: casada o unin
libre; y soltera, separada u otras. Se procedi as, puesto que
la ENEMDU no permite clasificar esta informacin de otro
modo; provista esta observacin, se procede con el estudio
de la variable.
En primer lugar, se analiza la variable por grupos etreos, dada la similitud de los resultados a lo largo del periodo considerado y por comodidad al momento de visualizar
los resultados. En la Figura 6, se ha tomado el promedio de
todos los aos, 1990 a 2011, para cada tramo de edad. Se
observa que el ms alto porcentaje, de estado civil soltera,
separada u otras, lo tienen las mujeres de entre 10 y 19 aos.
A partir de los 20 aos de edad, se nota un incremento paulatino en el porcentaje de las mujeres con estado civil casada
o unin libre, contrariamente a lo que sucede con las mujeres mayores de 45 aos, grupo en el cual este porcentaje
comienza a descender.
43,54%
40,50%
40,00%
34,65%
30,00%
22,62%
20,00%
10,00%
21,55%
15,66%
6,97%
0,00%
10 a 14
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60
Edad
Soltera, separada u otras
Casada o unin libre
Figura 7. Porcentaje de participacin laboral clasificado por estado civil y grupos de edad. Los resultados corresponden a la muestra de las mujeres del conjunto laboral. Incluye todas las observaciones, desde el ao 1990 al ao 2011. Fuente: Elaboracin propia
a partir de la ENEMDU, considerando al periodo 1990 - 2011.
4.2.4 Nios menores en el hogar

La presencia de hijos y la participacin laboral son
eventos que demandan gran parte del tiempo de la mujer;
por ello, ambas pudieran ser consideradas, en cierto modo,
incompatibles. La intervencin de la mujer en el cuidado
de los hijos sigue sigue siendo un factor poco favorable para ellas, pues, adems de ser un trabajo no remunerado,
les resta movilidad y autonoma para proponer estrategias
concernientes al mercado laboral.
En [17] se seala que el nmero de hijos determinara en
gran medida la participacin de la mujer en el mercado de
trabajo. Es una idea comn que tener un hijo supone una
consecuencia perjudicial sobre la posibilidad de participar
en el mercado de trabajo; asimismo, que este efecto es inversamente proporcional a la edad del hijo, es decir, que se
acrecienta a medida que la edad del hijo es menor. Sin embargo, en referencia a la Figura 8 del C, no se localiza una
certeza clara de que las mujeres obstaculicen su actividad
laboral para tener y criar a los hijos, o de que posteriormente vuelvan a ingresar al mercado; pues no se observan disparidades altas y bajas en los porcentajes de participacin.
Si este fenmeno sucediera, se esperara descubrir cadas
bruscas en la tasa de participacin laboral en torno a las
edades en que esto suele ocurrir, seguidas de aumentos en
las edades sucesivas. La informacin disponible no lo refleja, lo que hace pensar que las paralizaciones por maternidad son de periodos cortos, y que las mujeres disponen
de otras opciones en las actividades de crianza.
A pesar de lo expuesto, se analizar la variable en cuestin, pues la suposicin anterior no necesariamente implica
Analti a
que los deberes familiares no afecten el ambiente laboral de

las mujeres, sino que su impacto puede estar influenciado
por otros factores que no se descubren tan directamente.
Mujeres en edad fr!l con nios menores de 9 aos en el hogar
77,34%
80,00%
74,95%
66,91%
70,00%
60,00%
52,61%
51,11%
Porcentaje
50,00%
40,00%
31,85%
30,00%
20,00%
11,04%
7,10%
10,00%
0,00%
0,00%
0,00%
10 a 14
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60

Como se hizo con la variable anterior, se presenta de

forma resumida, en la Figura 8, el promedio del periodo
objeto de anlisis, 1990 a 2011, para cada tramo de edad, de
las mujeres en edad frtil con presencia de nios menores
de 9 aos en el hogar. Haciendo un contraste con la Figura
9, donde se muestra el porcentaje de participacin laboral
de las mencionadas mujeres, se evidencia que el 77,34 %
de las mujeres de entre 30 y 34 aos tienen en sus hogares
nios menores; sin embargo, slo el 53,47 % de ellas pertenece al mercado laboral. La situacin que enfrentan las
mujeres de entre 15 y 19 aos es aun ms crtica, donde el
11,04 % convive con menores de 9 aos, y apenas el 27,06 %
de ellas participa de la fuerza de trabajo. Este breve anlisis
hace suponer que la fertilidad s incide en la posibilidad de
que una mujer participe del mercado laboral.
Edad
Muestra total
Figura 8. Porcentaje de mujeres en edad frtil con nios menores

de 9 aos en el hogar clasificado por grupos de edad. Los resultados corresponden a la muestra de las mujeres en edad laboral.
Incluye todas las observaciones, desde el ao 1990 a 2011. Fuente:
ENEMDU - 1990 - 2011 . INEC. Elaboracin: autores.
4.2.5 Ingresos adicionales
Las investigaciones realizadas por J. S. Falzone [10] y

C. F. Miller [16] coinciden en que un efecto que influye de
manera negativa en la participacin femenina en el mercado de trabajo es el ingreso econmico que percibe el resto
En las investigaciones realizadas por G. lvarez [1] y J. de la familia a la cual pertenece. De manera especfica, en
M. Mussons et al. [17], se considera como variable expli- [10] se seala que el salario recibido por el cnyuge disuacativa de la participacin laboral femenina el nmero de de a la mujer de trabajar, si es alto, disminuyendo con ello
hijos que tiene la mujer. Sin embargo, la ENEMDU no per- la probabilidad de participacin de la mujer en el mercado
mite identificar dicha informacin; por tanto, se estableci de trabajo. Esto podra explicar el hecho de que las mujeres
para el anlisis a las mujeres en edad frtil6 que tenan pre- con estado civil casada o unin libre tienen menor participasencia de nios de hasta 9 aos7 en el hogar, fueran ellos cin laboral que las mujeres con estado civil soltera, separada
u otras, ya que las primeras pueden decidir no trabajar si la
hijos, hermanos u otros familiares.
pareja aporta ingresos en el hogar, mientras que las segundas podran no tener esta alternativa. En [14] se presenta
Par cipacin laboral de mujeres en edad fr l con nios menores de 9 aos en el hogar
una importante evidencia de que la decisin de participar
o no del mercado laboral depende, en gran parte, de si la
mujer tiene pareja.
60,00%
56,71%
56,90%
55,58%
53,47%
51,70%
49,59%
50,00%
42,16%
Dadas estas referencias preliminares, donde se da un

indicio de que los ingresos de los dems miembros de la
familia inciden en la restriccin presupuestaria de la mujer
y, por tanto, en su salario de reserva, se decidi dividir a las
mujeres en edad laboral en dos grupos: uno, donde se encuentran aquellas que cuentan con ingresos adicionales de
cualquier miembro de la familia, distintos de los que ellas
pudieran proporcionar por trabajo; y otro, en el que constan las mujeres que aportan solas a los gastos del hogar.
Figura 9. Porcentaje de participacin laboral de mujeres en edad En la Figura 10, se muestra el comportamiento por grupos
frtil con nios menores de 9 aos en el hogar clasificado por gru- de edad de las mujeres que cuentan con ingresos adiciopos de edad. Los resultados corresponden a la muestra de las mu- nales en el hogar. Se observa que, a medida que aumenta
jeres del conjunto laboral. Incluye todas las observaciones, desde la edad, disminuye el porcentaje de mujeres con ingresos
el ao 1990 al ao 2011. Fuente: Elaboracin propia a partir de la adicionales en el hogar. Posiblemente, ello se debe a que
la independencia econmica de la mujer aumenta con los
aos.
Porcentaje
40,00%
27,06%
30,00%
20,00%
10,00%
0,00%
0,00%
0,00%
10 a 14
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60
Edad
Muestra total
6 Para
7 Se
esta investigacin, se denomina mujer en edad frtil a la que se encuentra entre 15 y 44 aos.
eligi este rango de edad por los resultados encontrados en [1, 12] y dado que la PEA en el Ecuador se calcula a partir de los 10 aos.
31
Analti a

Mujeres con ingresos adicionales en el hogar
100,00%
96,45%
95,75%
93,91%
91,87%
89,41%
90,00%
88,22%
87,73%
87,14%
Porcentaje
88,21%
84,07%
80,00%
Ahora, se examina la participacin laboral de las mujeres que cuentan con ingresos adicionales en el hogar (ver
Figura 11). Con excepcin de aquellas entre 10 y 19 aos,
donde el efecto es ms enrgico, se visualiza que alrededor
del 50 % de las mujeres que cuentan con ingresos adicionales en el hogar participan del mercado laboral; eso indica
que el 50 % restante se encuentra influenciado por los ingresos adicionales que recibe el hogar, para desistir de incorporarse a la fuerza de trabajo.
70,00%
10 a 14
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60
Edad
Cuenta con ingresos adicionales
Figura 10. Porcentaje de mujeres que cuentan con ingresos adicionales en el hogar clasificado por grupos de edad. Los resultados
corresponden a la muestra de las mujeres en edad laboral. Incluye todas las observaciones, desde el ao 1990 al ao 2011. Fuente:
Elaboracin propia a partir de la ENEMDU, considerando al periodo 1990 - 2011.
Par cipacin laboral de mujeres que cuentan con ingresos adicionales en el hogar
60,00%
56,43%
54,69%
56,69%
55,28%
52,75%
50,79%
50,00%
44,43%
44,09%
Porcentaje
40,00%
4.3 Modelizacin
Una vez identificadas las variables que inciden en la decisin de la mujer de participar o no en el mercado laboral,
es necesario establecer la expresin y dimensin concretas
de cada variable que intervendr en el modelo economtrico que estudia la probabilidad de participacin laboral de
las mujeres por provincia.
Puesto que ya se calcul las tasas de participacin laboral femenina a nivel global y en diferentes tramos de edad,
el anlisis sugiere una distribucin, que se encuentra especificada en la Tabla 1. En cuanto a las dimensiones de las
variables seleccionadas, para la construccin del modelo
economtrico, todas las variables explicativas del modelo
son cualitativas, dicotmicas, y se consideran exgenas.
Tomando en cuenta las variables seleccionadas, se especifican modelos de regresin logstica (ver seccin 2.2) para
cada ao (1990 a 2011) y cada provincia del pas, mediante
la siguiente ecuacin
30,00%
22,62%
pi =
20,00%
10,00%
1
,
1 + ev i
(19)
7,14%
donde
0,00%
10 a 14
15 a 19
20 a 24
25 a 29
30 a 34
35 a 39
40 a 44
45 a 49
50 a 54
55 a 60
Edad
Muestra total
Figura 11. Porcentaje de participacin laboral de mujeres que

cuentan con ingresos adicionales en el hogar clasificado por grupos de edad. Los resultados corresponden a la muestra de las mujeres del conjunto laboral. Incluye todas las observaciones, desde
el ao 1990 al ao 2011. Fuente: Elaboracin propia a partir de la
32
vi
0 + 1 Edad1i + 2 Edad2i + 3 Edad3i

+ 4 Educacini + + 5 Casadai
+ 6 Niosi + 7 Ingresosi .
(20)
Para una mayor eficacia de la investigacin, y dadas las

caractersticas del modelo elegido, se establece como referencia un perfil de la mujer que cuenta con las siguientes
caractersticas: edad entre 20 y 44 aos, educacin inferior
a universitaria, soltera, en un hogar sin nios menores de 9
aos y sin ingresos adicionales.
Analti a
Variable
Etiqueta
Participacin laboral
Participa
De 10 a 19 aos de
edad
De 20 a 44 aos de
edad
De 45 a 60 aos de
edad
Edad1
Edad2
Edad3
Educacin
Educacin
Estado civil
Casada
Nios menores en el
hogar
Nios
Ingresos adicionales
Ingresos

Definicin
1 = Participa en el mercado laboral (pertenece a la PEA)
0 = No participa en el mercado laboral
1 = De 10 a 19 aos de edad
0 = Ms de 19 aos de edad
0 = Menos de 20 o ms de 44 aos de edad
0 = Menos de 45 aos de edad
1 = Educacin universitaria o ms
0 = Inferior a educacin univeristaria
1 = Casada o unin libre
0 = Soltera, separa u otras
1 = Presencia de nios menores de 9 aos en el hogar
0 = Sin nios menores de 9 aos en el hogar
1 = Existen otros ingresos en el hogar, distintos a los de ella
0 = No existen otros ingresos
Tabla 1. Descripcin y dimensiones de las variables consideradas para el anlisis. Fuente: Elaboracin propia.
Resultados
En este punto, se procede con la estimacin del modelo descrito por la ecuacin (20), para cada provincia y cada
ao del periodo 1990 a 2011. Se calcula las probabilidades
de participacin en el mercado laboral para una mujer con
las caractersticas antes mencionadas.
La Tabla 3 muestra los valores de los parmetros estimados8 , sus respectivos error estndar y significacin estadstica con la prueba de Wald, que es un estadstico que
contrasta la hiptesis nula de que los parmetros son iguales a cero; es decir,
H0 : k = 0
Ha : k 6 = 0
(21)
con k = 0, 1, 2, , 7 y, puesto que se ha buscado un intervalo de confianza del 95 %, se aceptar la hiptesis nula H0
siempre que la significacin estadstica sea mayor o igual a
0,05. En este caso, la variable en cuestin no es estadsticamente significativa para el modelo.
Como se observa, la variable Edad3 carece de significancia estadstica en las provincias de Bolvar y Carchi.
La variable Educacin no posee significacin estadstica en
la provincia de Pichincha. La variable Nios pierde significancia estadstica en las provincias de Bolvar, Carchi y
Morona Santiago. En consecuencia, el resto de variables,
Edad1, Casada e Ingresos son totalmente significativas para explicar la participacin de la mujer en el mercado laboral.
8 Slo
Ahora, se expone grficamente los resultados obtenidos, por regin y en orden de ubicacin territorial, para
todas las provincias del Ecuador continental; el periodo objeto de anlisis es 1990-2011 (ver Figura 12).
Se evidencia que las provincias con mayor participacin
laboral, en promedio, pertenecen a las regiones de la Sierra
y el Oriente, en ese orden. Esta conducta lleva a plantearse
una interrogante que podra ser resuelta en futuras investigaciones: influye la regin en la participacin laboral?
Adicionalmente, se observa que en la mayora de las
provincias la probabilidad de participacin laboral tiende
a estabilizarse de manera prcticamente lineal durante los
ltimos cinco aos. Se aparta de este comportamiento la
provincia de Napo, donde la probabilidad decae. Otra conducta interesante que se presenta es el hecho de que en las
provincias donde se encuentran las tres ciudades ms importantes del pas, Azuay, Pichincha y Guayas, tienden a
tener una evolucin de la probabilidad prcticamente estable durante el periodo de anlisis; hecho que se contrapone con las provincias de Bolvar, Caar, Carchi, Manab,
Napo y Pastaza, donde el comportamiento es bastante irregular. Esto lleva a pensar que, en estas ltimas provincias,
deben estar influyendo otras variables que no se consideraron en el estudio; con ello, queda planteada la necesidad
de un posterior anlisis de nuevos factores que expliquen
de mejor manera la probabilidad de participacin laboral
femenina.
se hace referencia al ao 2011, debido a la extensin del periodo considerado.
33
Analti a
Constante
Edad1
Edad3
Educacin
Casada
Nios
Ingresos
0
E.T.
Wald
Sig.
1
E.T.
Wald
Sig.
3
E.T.
Wald
Sig.
4
E.T.
Wald
Sig.
5
E.T.
Wald
Sig.
6
E.T.
Wald
Sig.
7
E.T.
Wald
Sig.
Azuay
.866
.015
3421.906
.000
-2.707
.014
34857.740
.000
.213
.012
321.699
.000
.282
.011
639.599
.000
-.433
.011
1633.048
.000
-.054
.011
23.143
.000
-.088
.014
37.107
.000
Bolvar
.454
.032
205.745
.000
-1.834
.032
3295.893
.000
.048
.026
3.495
.062
.626
.026
587.885
.000
-.091
.023
15.649
.000
-.013
.025
.300
.584
-.207
.030
48.268
.000
Caar
1.015
.024
1757.017
.000
-1.958
.023
7200.488
.000
.070
.021
10.869
.001
.171
.024
50.259
.000
-.506
.019
736.486
.000
-.080
.019
17.156
.000
-.251
.023
122.104
.000
Carchi
.890
.030
856.631
.000
-2.665
.037
5167.123
.000
.044
.024
3.197
.074
.422
.027
239.573
.000
-.438
.021
419.214
.000
.011
.023
.230
.631
-.770
.030
661.244
.000
Cotopaxi
1.406
.022
4003.637
.000
-2.449
.021
13664.934
.000
.109
.017
39.901
.000
.341
.019
318.368
.000
-.413
.015
728.838
.000
.168
.016
105.750
.000
-.537
.021
657.860
.000
Chimborazo
1.450
.021
4551.659
.000
-2.848
.021
19114.029
.000
-.130
.017
59.138
.000
-.075
.017
19.289
.000
.082
.015
29.065
.000
.110
.016
49.897
.000
-.660
.021
1022.557
.000
El Oro
.976
.018
2924.373
.000
-2.445
.018
18024.893
.000
.231
.013
334.164
.000
.989
.013
6084.762
.000
-.585
.012
2524.157
.000
.123
.012
106.831
.000
-.911
.018
2702.088
.000
Esmeraldas
.324
.018
316.964
.000
-3.210
.029
12427.833
.000
.484
.017
830.999
.000
1.581
.017
9150.882
.000
-.885
.015
3592.682
.000
.184
.015
150.122
.000
-.744
.018
1785.767
.000
Guayas
.899
.008
14137.114
.000
-3.062
.008
142538.279
.000
-.310
.005
3504.712
.000
.976
.005
37393.757
.000
-.563
.005
14697.130
.000
-.027
.005
30.385
.000
-.460
.007
3977.599
.000
Imbabura
.930
.024
1560.858
.000
-1.901
.019
9941.794
.000
.040
.016
6.100
.014
.527
.016
1034.002
.000
.163
.015
125.447
.000
.421
.015
807.419
.000
-.884
.023
1428.987
.000
Loja
.250
.019
180.595
.000
-1.860
.019
10088.169
.000
.490
.015
1066.139
.000
.325
.013
591.411
.000
-.220
.013
273.432
.000
.382
.014
799.373
.000
-.386
.017
495.473
.000
Tabla 2. Resultados de las estimaciones obtenidas en SPSS para el modelo de regresin logstica. Fuente: ENEMDU 1990 - 2011. Elaboracin: Autores.
34
4
k
0
E.T.
Wald
Sig.
1
E.T.
Wald
Sig.
3
E.T.
Wald
Sig.
4
E.T.
Wald
Sig.
5
E.T.
Wald
Sig.
6
E.T.
Wald
Sig.
7
E.T.
Wald
Sig.
Los Ros
.603
.015
1542.240
.000
-2.927
.021
19744.183
.000
-.113
.012
88.577
.000
1.082
.012
7675.471
.000
-.608
.011
3173.445
.000
-.247
.011
463.033
.000
-.947
.015
4074.485
.000
Manab
.015
.011
1.830
.176
-2.435
.014
30219.953
.000
.354
.009
1570.039
.000
1.134
.009
16659.000
.000
-.625
.008
6112.531
.000
.326
.008
1512.211
.000
-.565
.011
2610.192
.000
Morona Santiago
.338
.042
65.773
.000
-1.441
.032
1975.212
.000
.841
.041
415.780
.000
1.362
.048
800.636
.000
.891
.034
690.020
.000
.062
.034
3.431
.064
-.407
.042
92.341
.000
Napo
-.251
.053
22.830
.000
-1.390
.047
859.803
.000
.794
.038
446.907
.000
1.327
.038
1230.686
.000
-.612
.035
307.607
.000
.363
.035
106.688
.000
-.285
.050
32.750
.000
Pastaza
1.118
.053
443.723
.000
-2.728
.054
2558.179
.000
-.149
.045
10.949
.001
.750
.042
313.234
.000
-.171
.036
22.243
.000
-.292
.040
53.225
.000
-.730
.047
244.972
.000
Pichincha
1.039
.008
18944.108
.000
-3.045
.009
121435.088
.000
.020
.006
12.319
.000
.008
.005
2.318
.128
-.629
.005
13902.514
.000
.250
.005
2187.700
.000
-.547
.007
5755.625
.000
Tungurahua
1.819
.025
5410.954
.000
-2.321
.016
19875.198
.000
.118
.015
60.956
.000
-.192
.014
177.053
.000
.145
.013
119.440
.000
.073
.014
28.327
.000
-.894
.024
1420.990
.000
Zamora Chinchipe
1.894
.061
976.490
.000
-3.511
.056
3910.181
.000
-.091
.036
6.353
.012
1.424
.043
1089.226
.000
-.672
.034
393.984
.000
-.361
.035
106.279
.000
-1.438
.056
654.079
.000
Sucumbos
1.028
.052
1516.655
.000
-3.311
.042
6156.571
.000
.092
.033
7.864
.005
1.586
.037
1811.166
.000
-1.436
.027
2765.547
.000
-.140
.029
23.949
.000
-1.623
.051
1015.918
.000
Orellana
.819
.062
174.468
.000
-2.855
.053
2864.176
.000
2.084
.042
2445.139
.000
1.958
.064
934.012
.000
-1.080
.043
624.844
.000
-.367
.038
91.601
.000
-1.067
.065
273.870
.000
Tabla 3. Resultados de las estimaciones obtenidas en SPSS para el modelo de regresin logstica. Fuente: ENEMDU 1990 - 2011. Elaboracin: Autores.
Ingresos
Nios
Casada
Educacin
Edad3
Edad1
Constante
Analti a

35
Analti a

Regin Costa
Manab
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
Esmeraldas
100,00%
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
0,00%
1985
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
Aos
Mujer de referencia
2005
2010
2015
2005
2010
2015
2005
2010
2015
2005
2010
2015
2005
2010
2015
Mujer de referencia
Los Ros
Guayas
100,00%
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
2000
Aos
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
0,00%
1985
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
Aos
2000
Aos
Mujer de referencia
Mujer de referencia
El Oro
100,00%
Porcentaje
80,00%
60,00%
40,00%
20,00%
0,00%
1985
1990
1995
2000
2005
2010
2015
Aos
Mujer de referencia
Regin Oriente
Napo
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
Sucumbos
100,00%
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
0,00%
1985
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
Aos
Mujer de referencia
Pastaza
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
Orellana
100,00%
60,00%
40,00%
20,00%
0,00%
2001
60,00%
40,00%
20,00%
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
0,00%
1985
2012
1990
1995
Aos
Mujer de referencia
Mujer de referencia
100,00%
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
Zamora Chinchipe
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
1990
1995
2000
Aos
Mujer de referencia
36
2000
Aos
Morona San!ago
0,00%
1985
2000
Aos
Mujer de referencia
2005
2010
2015
0,00%
1985
1990
1995
2000
Aos
Mujer de referencia
Analti a

continua en la siguiente pgina. . .
. . . viene de la pgina anterior
Regin Sierra
Imbabura
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
Carchi
100,00%
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
0,00%
1985
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
2000
Aos
Mujer de referencia
80,00%
Porcentaje
Porcentaje
100,00%
80,00%
60,00%
40,00%
20,00%
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
2000
2005
2010
2015
2005
2010
2015
2005
2010
2015
Mujer de referencia
Bolvar
Tungurahua
100,00%
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
2015
Aos
Mujer de referencia
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
1998
2000
2002
2004
2006
2008
2010
0,00%
1985
2012
1990
1995
2000
Aos
Aos
Mujer de referencia
Mujer de referencia
Chimborazo
Caar
100,00%
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
2010
40,00%
Aos
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
2000
Aos
Aos
Mujer de referencia
Mujer de referencia
Azuay
Loja
100,00%
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
2005
60,00%
20,00%
0,00%
1985
60,00%
40,00%
20,00%
0,00%
1985
2015
Cotopaxi
100,00%
0,00%
1985
2010
Mujer de referencia
Pichincha
0,00%
1996
2005
Aos
60,00%
40,00%
20,00%
1990
1995
2000
Aos
Mujer de referencia
2005
2010
2015
0,00%
1985
1990
1995
2000
Aos
Mujer de referencia
Figura 12. Probabilidad de participacin de la mujer en el mercado laboral, clasificado por regin, provincias y escenarios. Fuente:
ENEMDU 1990 - 2011. Elaboracin: Autores.
37
Analti a
Ahora, en la Tabla 4, se hace un breve anlisis de todas

las provincias, considerando los valores mximo y mnimo
de la probabilidad de participacin laboral femenina y en
qu ao se alcanzaron. Adicionalmente, se contrasta el promedio de dicha probabilidad obtenido en los ltimos diez
aos, con el promedio de los ltimos cinco aos. Con objeto de profundizar el anlisis, se ha aadido una columna
denominada Comportamiento, la cual indica, con una flecha dirigida hacia arriba, si el promedio de los ltimos diez
aos es menor al promedio de los ltimos cinco y, con una
flecha dirigida hacia abajo, si se presenta lo contrario.
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Mximo
Mnimo
78.47 % (2008)
88.74 % (2006)
84.65 % (1991)
96.34 % (2002)
87.31 % (2002)
83.43 % (2010)
85.13 % (1991)
80.43 % (1991)
74.71 % (2008)
85.38 % (1993)
77.11 % (2009)
80.29 % (1992)
67.44 % (1995)
68.23 % (1994)
89.20 % (1999)
83.74 % (2005)
81.36 % (2007)
86.04 % (2011)
88.61 % (2010)
73.66 % (2011)
74.15 % (2008)
51.17 % (1995)
23.23 % (1998)
29.65 % (1998)
50.82 % (1998)
59.47 % (1992)
46.67 % (1994)
54.56 % (1999)
46.39 % (1997)
48.69 % (2003)
46.31 % (1997)
38.64 % (1990)
46.15 % (2002)
37.63 % (2001)
41.68 % (2007)
43.76 % (2011)
45.18 % (1994)
59.50 % (1998)
59.45 % (1999)
53.64 % (1995)
45.11 % (1993)
52.61 % (2005)
Con lo sealado, se observa que las nicas provincias

que presentan un comportamiento, en cierto modo, negativo, son Carchi, Cotopaxi, Imbabura y Pastaza (pues el promedio de los cinco ltimos aos es menor al de los diez
ltimos). Sin embargo, cabe resaltar que la diferencia entre los dos promedios en ningn caso supera el 3 %. Por lo
tanto, se puede concluir que la probabilidad de participacin laboral de una mujer con las caractersticas definidas,
en general, ha aumentado durante los ltimos cinco aos;
ello indica la relevancia que han tomado las caractersticas
dadas en la adhesin de la mujer al mercado laboral.
Promedio
(2002 a 2011)
69.64 %
70.65 %
68.78 %
73.69 %
79.79 %
76.49 %
65.91 %
64.14 %
67.66 %
71.62 %
58.60 %
60.78 %
54.00 %
55.74 %
69.90 %
67.64 %
72.13 %
81.40 %
74.10 %
60.56 %
65.22 %
Promedio
(2007 a 2011)
70.67 %
71.08 %
69.55 %
70.05 %
78.88 %
79.53 %
68.71 %
66.32 %
71.80 %
70.71 %
66.28 %
64.61 %
58.82 %
54.22 %
70.20 %
65.64 %
75.15 %
82.16 %
77.50 %
64.85 %
68.07 %
Comportamiento
Tabla 4. Resumen del comportamiento de la probabilidad de participacin laboral femenina en las diferentes provincias del pas,
divido por escenarios. Fuente: Elaboracin propia a partir de la ENEMDU, considerando al periodo 1990 - 2011.
Para un mejor discernimiento de los datos, en este punto, se realiza un anlisis enfocado en el ltimo ao del periodo considerado, es decir, 2011. En primer lugar, se evala el efecto de un cambio en cada una de las variables
independientes (ver Tabla 5); y, en segunda instancia, se
presenta grficamente los resultados obtenidos (ver Figura
13).
De acuerdo a lo obtenido, se observa que la variable
Edad1 resta participacin laboral en todas las provincias,
siendo ms drstico el efecto en la provincia de Zamora
Chinchipe. En cuanto a la variable Edad3, resta participacin laboral nicamente en las provincias de Chimbora-
38
zo, Guayas, Los Ros, Pastaza y Zamora Chinchipe; en la

provincia donde aporta con mayor participacin laboral es
Orellana. En las provincias de Chimborazo y Tungurahua,
se tiene una disminucin de la participacin laboral a causa
de la variable Educacin; en el resto de provincias el efecto es positivo. Las provincias que no se ven afectadas por
la variable Nios son: Carchi, Cotopaxi, Chimborazao, El
Oro, Esmeraldas, Imbabura, Loja, Manab, Morona Santiago, Napo, Pichincha y Tungurahua. Finalmente, en relacin
a la variable Ingresos, resta participacin laboral a todas
las provincias, siendo el efecto ms leve en la provincia de
Azuay.
Analti a
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Probabilidad
Variacin
Constante
70.39 %
61.15 %
73.41 %
70.90 %
80.32 %
81.00 %
72.63 %
58.03 %
71.07 %
71.71 %
56.23 %
64.64 %
50.39 %
58.38 %
43.76 %
75.35 %
73.86 %
86.04 %
86.92 %
73.66 %
69.39 %
Edad1
13.69 %
-56.69 %
20.10 %
-41.05 %
28.03 %
-45.38 %
14.49 %
-56.40 %
26.07 %
-54.25 %
19.82 %
-61.19 %
18.70 %
-53.92 %
5.29 %
-52.75 %
10.31 %
-60.76 %
27.48 %
-44.23 %
16.66 %
-39.56 %
8.91 %
-55.72 %
8.17 %
-42.21 %
24.93 %
-33.45 %
16.24 %
-27.52 %
16.65 %
-58.70 %
11.85 %
-62.01 %
37.72 %
-48.33 %
16.56 %
-70.36 %
9.26 %
-64.40 %
11.54 %
-57.85 %
Edad3
74.62 %
4.24 %
62.30 %
1.14 %
74.76 %
1.35 %
71.79 %
0.89 %
81.99 %
1.67 %
78.93 %
-2.08 %
76.98 %
4.35 %
69.17 %
11.13 %
64.32 %
-6.75 %
72.52 %
0.80 %
67.71 %
11.49 %
62.02 %
-2.62 %
59.14 %
8.75 %
76.49 %
18.11 %
63.25 %
19.49 %
72.49 %
-2.87 %
74.25 %
0.38 %
87.41 %
1.36 %
85.86 %
-1.06 %
75.40 %
1.74 %
94.80 %
25.41 %
Educacin
75.90 %
5.52 %
74.64 %
13.49 %
76.62 %
3.21 %
78.78 %
7.89 %
85.16 %
4.84 %
79.82 %
-1.18 %
87.70 %
15.08 %
87.05 %
29.01 %
86.70 %
15.64 %
81.11 %
9.40 %
63.99 %
7.76 %
84.36 %
19.72 %
75.94 %
25.55 %
84.57 %
26.18 %
74.58 %
30.82 %
86.62 %
11.27 %
74.02 %
0.16 %
83.57 %
-2.47 %
96.51 %
9.58 %
93.18 %
19.52 %
94.14 %
24.75 %
Casada
60.66 %
-9.72 %
58.98 %
-2.17 %
62.46 %
-10.95 %
61.13 %
-9.77 %
72.98 %
-7.34 %
82.24 %
1.24 %
59.64 %
-12.99 %
36.33 %
-21.70 %
58.31 %
-12.75 %
74.90 %
3.19 %
50.77 %
-5.46 %
49.87 %
-14.76 %
35.21 %
-15.17 %
77.38 %
19.00 %
29.67 %
-14.09 %
72.05 %
-3.31 %
60.11 %
-13.75 %
87.69 %
1.65 %
77.25 %
-9.67 %
39.94 %
-33.71 %
43.50 %
-25.89 %

Nios
69.26 %
-1.13 %
60.83 %
-0.32 %
71.81 %
-1.60 %
71.12 %
0.22 %
82.83 %
2.52 %
82.64 %
1.64 %
75.01 %
2.38 %
62.45 %
4.41 %
70.50 %
-0.57 %
79.43 %
7.71 %
65.31 %
9.08 %
58.81 %
-5.83 %
58.44 %
8.06 %
59.88 %
1.50 %
52.79 %
9.03 %
69.55 %
-5.80 %
78.40 %
4.54 %
86.90 %
0.85 %
82.25 %
-4.67 %
70.85 %
-2.81 %
61.11 %
-8.28 %
Ingresos
68.52 %
-1.86 %
56.15 %
-5.00 %
68.23 %
-5.18 %
53.01 %
-17.89 %
70.45 %
-9.87 %
68.79 %
-12.22 %
51.62 %
-21.01 %
39.65 %
-18.39 %
60.80 %
-10.27 %
51.16 %
-20.55 %
46.62 %
-9.61 %
41.48 %
-23.15 %
36.60 %
-13.79 %
48.29 %
-10.09 %
36.91 %
-6.85 %
59.57 %
-15.78 %
62.05 %
-11.81 %
71.61 %
-14.44 %
61.20 %
-25.72 %
35.56 %
-38.10 %
43.81 %
-25.58 %
Tabla 5. Probabilidad de participacin en el mercado laboral, clasificado por provincia y variacin respecto a la mujer de referencia.
Fuente: Elaboracin propia a partir de la ENEMDU, considerando al periodo 1990 - 2011.
39
Analti a

bores de cuidado del hogar y crianza de los hijos; en este

caso, se podra incluir medidas como la creacin de servicios de guardera de buena calidad, y otras dirigidas a
disminuir la doble jornada de las mujeres. Segundo, se deberan llevar a cabo campaas de educacin para que los
hombres puedan hacerse cargo de algunas de las labores
de crianza y cuidado de los hijos, y de la administracin
del hogar.
Referencias
Mayor al 80%
Entre 70% y 79%
Entre 60% y 69%
Inferior a 60%
[1] G. lvarez, (2002) Decisiones de fecundidad y participacin laboral de la mujer en Espaa. Investigaciones
econmicas - Universidad de Vigo, Vol. 26, No. 1, P.
187-218.
[2] O. Ashenfelter, J. Heckman, (1974) The estimation of
income and substitution effects in a model of family labour
supply. Econometrica, Vol. 42, No. 1, P. 73-85.
[3] G. Becker, (1965) A theory of the allocation of time. The
Economic Journal, Vol. 75, No. 299, P. 493-517.
Figura 13. Probabilidad de participacin laboral de la mujeres de

referencia por provincia. Fuente: Elaboracin propia a partir de la
[4] E. Benvin, M. Perticar, (2007) Anlisis de los cambios

en la participacin laboral femenina en Chile. Revista de
Anlisis Econmico, Vol. 22, No. 1, P. 71-92.
[5] G. Borjas, (1996) Labor Economics. MacGraw-Hill.
Conclusiones y Recomendaciones
[6] C. Castellar, J. Uribe, (2000) Determinantes de la participacin en el mercado de trabajo del rea metropolitana de
Cali en diciembre de 1998. Departamento de Economa
de la Universidad del Valle.
El anlisis estadstico realizado en esta investigacin

muestra una evidencia cuantitativa de la desigualdad entre
hombres y mujeres en diversos mbitos sociales; por lo que [7] D. Contreras, G. Plaza, (2007) Participacin laboral fees imprescindible, si se quieren elaborar polticas que busmenina en Chile. Cunto importan los factores culturaquen la igualdad de gnero, contar con datos que reflejen
les?. Departamento de Economa de la Universidad
las formas de estas desigualdades.
de Chile.
De este trabajo surge una conclusin clara, y es que el
progreso alcanzado por las mujeres no es uniforme y que [8] D. Contreras, E. Puentes, T. Rau, (2006) Mujeres y trabajo en Amrica Latina: Desafos para las polticas laboradepende de la edad, la educacin de ella y las caracterstiles. C. Piras (Ed.) Departamento de desarrollo sustencas familiares.
table, Seccin 4.
Otra conclusin interesante es el hecho de que la mujer
reduce su probabilidad de participar en el mercado labo- [9] A. Deaton, (1997) The Analysis of Household Surveyes:
ral, en todas las provincias del pas, cuando en su ncleo
A Microeconometric Approach to Development Policy.
familiar se cuenta con ingresos econmicos distintos de los
World Bank.
que ella aporta. Esto apoya lo enunciado por J. S. Falzone
[10] J. S. Falzone, (2000) Labor market decisions of married
en [10].
women: With emphasis on part-time employment. InterEs necesario indagar en las causas que estn detrs de
national Advances in Economic Research, Vol. 6, No.
la baja tasa de participacin laboral femenina, abordar el
4, P. 662-671.
fenmeno de la discriminacin y enfrentar la realidad de
que las mujeres asumen el papel de proveedoras del ho[11] L. Ferrada, P. Zarzosa, (2010) Diferencias regionales en
gar junto a sus parejas o como jefas de hogar, pero sigue
la participacin laboral femenina en Chile. Cuadernos de
recayendo en ellas la responsabilidad del cuidado y tareas
Economa, Vol. 47, P. 249-272.
domsticas.
Dentro de las polticas para mejorar la participacin la- [12] L. Ferrada, P. Zarzosa, (2010) Participacin laboral de
boral femenina se podra pensar en dos tipos de medidas:
las mujeres en las regiones de Chile. Revista UNIVERprimero, la implementacin de servicios que apoyen las laSUM, Vol. 2, No. 25, P. 79-99.
40
Analti a

[13] C. Iglesias, R. Llorente, (2000) Las decisiones de parti- [17] J. M. Mussons, J. Perdiguero, (2008) Determinantes
cipacin laboral de la mujer en Espaa y Europa: Exissociales del diferencial de ocupacin por gnero. Institut
ten diferencias?. Revista Universitaria de Ciencias del
dEstudis Regionals i Metropolitans de Barcelona.
Trabajo, P. 211-236.
[18] Encuesta Nacional de Empleo, Desempleo y Subem[14] O. Larraaga, (2004) Participacin laboral de la mujer
pleo, (1990 - 2011) Instituto Nacional de Estadstica y
en Chile: 1958-2003. Departamento de Economa, UniCensos. Quito - Ecuador.
versidad de Chile.
[19] La Microeconoma - Bernard Guerrien. Disponible
[15] E. Lpez Mendoza, (2009) Hombres y Mujeres en la
en: http://www.eumed.net/cursecon/libreria/bg
educacin. Direccin General de Polticas de Desarro-micro/1a.htm, Consulta: 08 de junio del 2012.
llo Social.
[20] La Teora de la Utilidad y de la De[16] C. F. Miller, (1997) Structural change in the probability
manda
del
Consumidor.
Disponible
en:
of part-time participation by married women. Bulletin of
http://www.zonaeconomica.com/teoria-utilidad
Economic Research, Vol. 49, No. 4, P. 257-273.
-demanda, Consulta: 02 de abril del 2012.
41
Analti a
ANEXO
Anexo A
Modelo ocio-consumo
A continuacin se define los conceptos de ocio y consumo para fines de esta investigacin. Se considerar ocio
al tiempo recreativo que un individuo puede organizar y
utilizar de acuerdo a su propia voluntad, es decir, en el que
excluye las obligaciones laborales. Por otro lado, el consumo ser el resultado de hacer uso de un bien o servicio, en
otras palabras, de gastar.
El modelo ocio-consumo, de manera resumida, plantea
que cada sujeto al tratar de maximizar su utilidad se enfrenta a un problema de eleccin entre ocio9 L y consumo
C, pues para consumir ms se debe trabajar ms y reducir
el tiempo dedicado al ocio. Por tanto, el problema consiste
en maximizar una funcin de utilidad, U, que depende de
L y C, es decir, U ( L, C ); ella est sujeta a dos restricciones:
el presupuesto y el tiempo. La restriccin de presupuesto
encierra el total de los ingresos del individuo; la restriccin
de tiempo establece que el espacio dedicado al ocio no debe
superar el tiempo disponible.
En la Figura A.1, donde el eje vertical representa a la
utilidad y el eje horizontal representa a las cantidades de
L y C, se muestra la evolucin de la utilidad a medida que
aumenta el gasto en L y C.
como el Principio de la utilidad marginal decreciente

(vase [19]). Sino pasara esto, la curva de utilidad sera estrictamente creciente, lo cual contradice su comportamiento.
Anexo A.1 Principio de la Indiferencia

Este principio establece que una persona puede escoger entre distintas combinaciones de L y C y, sin embargo,
mantener una satisfaccin de necesidades idntica (en la
teora del consumidor, esto se define como el nivel de utilidad). Grficamente (ver Figura A.2), se representa con la
denominada curva de indiferencia o isocuanta de utilidad, que
se define como el conjunto de puntos en el espacio de combinaciones de L y C para los que la satisfaccin del consumidor es igual.
C
C1
B
C2
U( L , C )
Nivel de
utilidad
Funcin de utilidad
U(d)
L
L1
L2
U(c)
Figura A.2. Curva de indiferencia o Isocuanta de utilidad. Fuente:

Elaboracin propia
U(b)
U(a)
L, C
Figura A.1. Funcin de utilidad. Fuente: Elaboracin propia
De manera agregada, las caractersticas ms relevantes

de la funcin de utilidad son:
Es decir, si A representa la combinacin de L1 y C1 , y B

representa la combinacin de L2 y C2 , (L1 6= L2 , C1 6= C2 ),
el consumidor no tiene preferencia por la combinacin representada por A sobre la combinacin representada por
B. La curva de indiferencia muestra que, indistintamente
de la combinacin elegida, el nivel de utilidad es el mismo.
En otras palabras,
U ( L1 , C1 ) = U ( L2 , C2 ),
(1)
Asumiendo que las combinaciones de L y C pueden ser

infinitas y, dado que todas stas dan el mismo nivel de utilidad, entonces se tendrn infinitas combinaciones; al consumidor le resultar indiferente elegir entre ellas, porque
todas le brindan la misma utilidad. Una curva de indiferencia describe las preferencias personales y, puede variar
de una persona a otra. Al conjunto de curvas de indiferencia de un individuo se le denomina mapa de indiferencia (ver
Figura A.3). Curvas de indiferencia ms alejadas del origen
b. Las utilidades marginales respectivas del ocio y del significan un mayor nivel de satisfaccin pues, si se dispoconsumo, UL y UC , son decrecientes. Esto se conoce ne de un valor de L fijo el mayor valor de C, se obtendr en
a. Si se toman puntos que definan longitudes iguales en
el eje horizontal y se los proyecta verticalmente, se
tiene que b a = d c. Sin embargo, U (b) U ( a) >
U (d) U (c), es decir, la utilidad se incrementa de
manera decreciente hasta alcanzar un valor mximo
y, a partir de este, desciende. Matemticamente, esto
implica que la funcin es cncava hacia abajo.
9 Se
42
nota con L por su nombre ingls: leisure
Analti a
la curva ms alejada. La forma de las curvas de indiferen- donde V simboliza las rentas no salariales, W la tasa salacia describe en qu medida un consumidor est dispuesto rial, T el tiempo total del que dispone el individuo y L el
a sustituir un bien por otro.
nmero de horas dedicadas al ocio. Entonces, el nmero de
horas dedicadas al trabajo h, es
C
(6)
h = T L.
As, la ecuacin (5) puede ser escrita como
C3
(7)
C = V + Wh.
C2
U3
U2
C1
U1
Figura A.3. Mapa de indiferencia. Fuente: Elaboracin propia
Anexo A.2 Relacin Marginal de Sustitucin

RMS
Lo que significa que un individuo tiene para consumir

sus ingresos no salariales ms lo que consiga en el mercado
de trabajo.
En economa, una restriccin presupuestaria que involucra a los bienes x y y, siendo R la renta disponible y Px y
Py los respectivos precios de los bienes x y y, se formula de
la siguiente manera:
Px x + Py y = R.
(8)
La RMS es la cantidad de C a la que est dispuesto a
renunciar un individuo para obtener una unidad adicional
de L, sin variar su nivel de satisfaccin. La RMS en un punAdicionalmente, la cantidad mxima de x que puede
to mide, en trminos del ocio, la disposicin a pagar por el comprar el consumidor es
consumo. Analticamente, coincide con la pendiente negativa de la curva de indiferencia en ese punto,
R
,
(9)
dC
C
Px
(2)
= .
RMS = lm
dL
L 0 L
La RMS disminuye conforme se desciende a lo largo y la cantidad mxima de y es
de la curva de indiferencia. A medida que consume mayor
cantidad de C, el consumidor estar dispuesto a renunciar
R
.
(10)
a una cantidad cada vez menor de L para obtener unidaPy
des adicionales del primero. Adicionalmente, la variacin
total de la utilidad ante cambios en las cantidades de L y C,
En el caso del modelo ocio-consumo, la cantidad mxiviene dada por el diferencial total de la utilidad.
ma de L que puede tener un individuo es cuando no trabadU = UC dC + UL dL.
(3) ja, es decir, cuando C = 0; y la cantidad mxima de C de la
Manteniendo el nivel de utilidad constante, U = cte, que puede hacer uso un sujeto es cuando no dedica tiempo
dU = 0, es decir desplazndoce a lo largo de la curva de al ocio, es decir, si L = 0; adems la renta total disponible es V + WT. De la ecuacin (5) se obtiene que, tomando
indiferencia, se tiene que
V
C = 0, la cantidad mxima de L es L = T + W
; y, tomando
UL
L = 0, la cantidad mxima de C es C = V + WT .
UC dC + UL dL = 0 RMS =
.
(4)
UC
Por lo tanto,
Anexo A.3 Restricciones

En el caso de la eleccin entre ocio y consumo hay un
lmite natural para el ocio, y es el tiempo; a su vez, el consumo est limitado por el presupuesto disponible del individuo. En este contexto, la restriccin de presupuesto o
nivel de consumo se expresa como
C = V + WT WL,
R
R
=
PL
UL
R
R
=
PC
UC
T+
V
W
= V + WT.
(11)
(12)
Estas breves acotaciones permiten representar grfica(5) mente la restriccin presupuestraria (ver Figura A.4).
43
Analti a

C
b. La combinacin B es inalcanzable con la renta del individuo.
V+WT
tan
n
=W
40
T+ V
W
30
Figura A.4. Restriccin de presupuesto. Fuente: Elaboracin propia
R ec
ta p
resu
p
ues
ta
ria
C = -30
U2
U1
L = 20
La pendiente de la recta presupuestaria indica la relacin a la que puede sustituirse L por C, sin alterar la utilidad del individuo.
20
L
40
80
Figura A.5. Anlisis grfico. Fuente: Elaboracin propia
Anexo A.4 Principio de optimizacin

Los individuos, desde la perspectiva de la teora de la
Por tanto, la maximizacin corresponde al punto de
eleccin racional, son agentes econmicos racionales y ele- tangencia de la isocuanta de utilidad o curva de indiferengirn la mejor alternativa entre L y C. La combinacin de L cia con la restriccin presupuestaria.
y C ptima, o maximizadora, debe satisfacer dos condiciones:
1. Debe encontrarse en la recta presupuestaria.
2. Debe suministrar al consumidor la combinacin por
la que muestre una preferencia mayor.
Anexo A.5 Soluciones
El problema presenta dos soluciones, denominadas solucin interior y solucin de esquina. La solucin interior se
presenta cuando el individuo utiliza cantidades positivas
(13) de L y C, es decir, cuando dedica tiempo tanto al ocio como
al consumo, y en este caso se cumple que
La eleccin ptima es la que permite maximizar la utilidad sujeta a la restriccin presupuestaria, es decir:
max
U (C, L).
C V + Wh
s.a.
0h
U
Con el fin de lograr una mejor comprensin de este
RMS = L ,
(14)
U
C
principio, se procede a realizar un ejemplo (ver Figura A.5).
Si se toma UL = 1, UL = 2 y R = 80, se observa lo siguiente:
donde UL representa la derivada parcial de la funcin U
respecto a la variable L; anlogamente, se define UC .
a. La combinacin A produce una
RMS =
C
30
=
= 1, 5,
L
20
que es mayor que la relacin

UL
= 0, 5.
UC
Lo que quiere decir que 1, 5 es la cantidad de C a la
que renunciar un individuo para obtener una unidad adicional de L, que le resulta poco conveniente
en comparacin con 0, 5.
44
Por otro lado, la solucin de esquina se da cuando el

individuo dedica todo su tiempo al ocio o, lo que es lo mismo, cuando decide no participar en el mercado de trabajo;
esto, es cuando L = T, de modo que
RMS >
UL
.
UC
(15)
Tales soluciones se pueden ver en la Figuras A.6 y A.7, respectivamente
Analti a
C
R/UC
RMS=
C*
UC
= U ( L*, C* )
UL
R/UL
L*
Figura A.6. Solucin interior. Fuente: Elaboracin propia

individuo considera como punto de referencia para decidir

si participa o no. Esa tasa de salario se conoce como salario
de reserva, y se denota como W . El salario de reserva es el
precio ms bajo que convencera a una persona de ofrecer
su mano de obra en el mercado laboral.
Cuando la solucin es interior, el salario de mercado
(que es el que se oferta en el mercado laboral) es mayor
que el salario de reserva, W > W , y el individuo decide
participar en el mercado de trabajo. En la situacin contraria, cuando la solucin es de esquina, el individuo no entra
al mercado de trabajo, pues el salario de mercado es menor
que su salario de reserva. En otras palabras,
L = T W < W,
(16)
que indica que un individuo dedica todo su tiempo al ocio

(no participa de la fuerza laboral). La demostracin de esta
propiedad se encuentra detallada en [6].
Usando los multiplicadores de Lagrange, se formula el
siguiente Lagrangiano
L = U (C, L) + 1 (V C + W ( T L)) + 2 ( T L), (17)

R/UC
donde 1 y 2 son los multiplicadores asociados a las restricciones de presupuesto y de tiempo, respectivamente.
Derivando respecto al consumo y al ocio e igualando a cero, se obtienen las siguientes condiciones de primer orden:
RMS >
UC
= U ( L*, 0 )
UL
L* = R/UL
Figura A.7. Solucin de esquina. Fuente: Elaboracin propia
L
= UC 1 = 0 UC = 1
C
(18)
L
= U L 1 W 2 = 0 U L = 1 W + 2 .
L
(19)
La cuasiconcavidad de U garantiza que la funcin tenga

La pendiente de la isocuanta de utilidad tiene que coin- un mximo, es decir, el problema planteado en la ecuacin
cidir con una tasa de salario crtica, que es aquella que el (17) tiene solucin y es nica.
45
Analti a
Tablas
1990
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
1044
0
217
220
136
270
1092
417
3543
452
349
710
1101
234
169
272
2630
442
46
236
0
13580
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
1217
0
195
219
156
274
1217
423
3629
418
394
794
1046
270
217
261
2428
428
58
246
0
13890
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
825
70
102
95
94
184
868
222
2421
200
178
314
586
144
115
161
1786
220
79
153
86
8903
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
1706
1267
1426
1249
1378
1288
2195
2007
3267
1275
1425
1952
2001
279
253
193
2418
1620
167
314
198
27878
1991
Porcentaje
7,7
,0
1,6
1,6
1,0
2,0
8,0
3,1
26,1
3,3
2,6
5,2
8,1
1,7
1,2
2,0
19,4
3,3
,3
1,7
,0
100,0
Frecuencia
1230
0
253
212
133
280
1264
432
3702
420
397
803
1088
270
224
274
2591
432
65
249
0
14319
Porcentaje
8,8
,0
1,4
1,6
1,1
2,0
8,8
3,0
26,1
3,0
2,8
5,7
7,5
1,9
1,6
1,9
17,5
3,1
,4
1,8
,0
100,0
Frecuencia
1313
74
130
60
295
347
977
371
3518
323
386
868
1425
191
275
211
2341
365
71
140
0
13681
Porcentaje
9,3
,8
1,1
1,1
1,1
2,1
9,7
2,5
27,2
2,2
2,0
3,5
6,6
1,6
1,3
1,8
20,1
2,5
,9
1,7
1,0
100,0
Frecuencia
1490
1350
1507
1340
1392
1363
2071
2132
3419
1328
1375
2057
2179
280
268
221
2469
1366
188
306
217
28318
Porcentaje
6,1
4,5
5,1
4,5
4,9
4,6
7,9
7,2
11,7
4,6
5,1
7,0
7,2
1,0
,9
,7
8,7
5,8
,6
1,1
,7
100,0
Frecuencia
1635
1193
1240
1182
1226
1199
2007
1792
4511
1303
1113
1774
1795
228
243
187
3222
1533
165
288
160
27996
1992
Porcentaje
8,6
,0
1,8
1,5
,9
2,0
8,8
3,0
25,9
2,9
2,8
5,6
7,6
1,9
1,6
1,9
18,1
3,0
,5
1,7
,0
100,0
Frecuencia
1223
0
254
209
147
278
1220
405
3712
425
382
789
1058
265
178
299
2555
406
52
240
0
14097
Porcentaje
9,6
,5
1,0
,4
2,2
2,5
7,1
2,7
25,7
2,4
2,8
6,3
10,4
1,4
2,0
1,5
17,1
2,7
,5
1,0
,0
100,0
Frecuencia
1340
71
167
68
303
357
1043
388
3981
372
394
950
1522
232
317
242
2570
377
79
187
0
14960
Porcentaje
5,3
4,8
5,3
4,7
4,9
4,8
7,3
7,5
12,1
4,7
4,9
7,3
7,7
1,0
,9
,8
8,7
4,8
,7
1,1
,8
100,0
Frecuencia
1499
1457
1501
1319
1415
1422
2042
2040
3521
1368
1471
2138
2254
285
235
218
2577
1395
211
317
193
28878
2008
Porcentaje
5,8
4,3
4,4
4,2
4,4
4,3
7,2
6,4
16,1
4,7
4,0
6,3
6,4
,8
,9
,7
11,5
5,5
,6
1,0
,6
100,0
Frecuencia
1685
1223
1295
1180
1333
1246
2051
1983
4442
1256
1214
1944
1927
298
237
200
3396
1618
149
284
224
29185
Porcentaje
9,0
,5
1,1
,5
2,0
2,4
7,0
2,6
26,6
2,5
2,6
6,4
10,2
1,6
2,1
1,6
17,2
2,5
,5
1,3
,0
100,0
Frecuencia
1323
75
241
139
145
309
1114
349
3954
366
466
772
1365
151
328
195
2701
436
251
248
0
14928
Porcentaje
5,2
5,0
5,2
4,6
4,9
4,9
7,1
7,1
12,2
4,7
5,1
7,4
7,8
1,0
,8
,8
8,9
4,8
,7
1,1
,7
100,0
Frecuencia
1322
1374
1117
1264
1358
1345
1952
2041
3413
1389
1265
1960
2080
209
235
209
2472
1361
138
298
218
27020
2009
Porcentaje
5,8
4,2
4,4
4,0
4,6
4,3
7,0
6,8
15,2
4,3
4,2
6,7
6,6
1,0
,8
,7
11,6
5,5
,5
1,0
,8
100,0
Frecuencia
1514
853
1042
941
978
878
1715
1358
3830
1120
1195
1758
1809
200
148
173
3097
1412
131
263
136
24551
1994
Porcentaje
8,9
,0
1,7
1,5
1,1
1,8
8,9
2,9
25,9
3,0
2,9
5,5
7,7
2,0
1,5
2,2
17,3
3,0
,4
1,7
,0
100,0
Frecuencia
1196
0
218
206
168
281
1247
377
3590
428
362
797
1093
279
181
294
2434
433
70
250
0
13904
Porcentaje
8,9
,5
1,6
,9
1,0
2,1
7,5
2,3
26,5
2,5
3,1
5,2
9,1
1,0
2,2
1,3
18,1
2,9
1,7
1,7
,0
100,0
Frecuencia
1996
528
715
265
633
891
1426
647
4937
708
884
1379
1685
425
281
365
2841
749
254
445
0
22054
Porcentaje
4,9
5,1
4,1
4,7
5,0
5,0
7,2
7,6
12,6
5,1
4,7
7,3
7,7
,8
,9
,8
9,1
5,0
,5
1,1
,8
100,0
Frecuencia
1480
1348
1398
1283
1338
1263
1889
2048
3380
1420
1381
1966
2066
226
245
202
2502
1288
185
292
196
27396
Frecuencia
1205
0
212
222
144
259
1180
413
3580
423
341
777
1060
258
224
294
2408
437
53
221
0
13711
Porcentaje
9,1
2,4
3,2
1,2
2,9
4,0
6,5
2,9
22,4
3,2
4,0
6,3
7,6
1,9
1,3
1,7
12,9
3,4
1,2
2,0
,0
100,0
Frecuencia
1974
572
689
247
590
911
1387
630
4575
703
888
1258
1566
382
280
378
2822
714
214
421
0
21201
Porcentaje
5,4
4,9
5,1
4,7
4,9
4,6
6,9
7,5
12,3
5,2
5,0
7,2
7,5
,8
,9
,7
9,1
4,7
,7
1,1
,7
100,0
Frecuencia
1656
1208
1355
1204
1325
1194
2120
1903
3219
1221
1362
1953
1987
273
210
176
2352
1538
175
301
177
26909
Porcentaje
8,8
,0
1,5
1,6
1,1
1,9
8,6
3,0
26,1
3,1
2,5
5,7
7,7
1,9
1,6
2,1
17,6
3,2
,4
1,6
,0
100,0
2001
Porcentaje
9,3
2,7
3,2
1,2
2,8
4,3
6,5
3,0
21,6
3,3
4,2
5,9
7,4
1,8
1,3
1,8
13,3
3,4
1,0
2,0
,0
100,0
2007
2006
2005
2010
1995
Porcentaje
8,6
,0
1,6
1,5
1,2
2,0
9,0
2,7
25,8
3,1
2,6
5,7
7,9
2,0
1,3
2,1
17,5
3,1
,5
1,8
,0
100,0
2000
1999
2004
2003
2002
Frecuencia
1253
0
246
210
152
258
1252
411
3643
423
408
780
1080
286
206
305
2432
422
58
237
0
14062
1998
1997
1996
1993
Porcentaje
8,7
,0
1,8
1,5
1,0
2,0
8,7
2,9
26,3
3,0
2,7
5,6
7,5
1,9
1,3
2,1
18,1
2,9
,4
1,7
,0
100,0
Porcentaje
6,2
4,5
5,0
4,5
4,9
4,4
7,9
7,1
12,0
4,5
5,1
7,3
7,4
1,0
,8
,7
8,7
5,7
,7
1,1
,7
100,0
2011
Porcentaje
6,2
3,5
4,2
3,8
4,0
3,6
7,0
5,5
15,6
4,6
4,9
7,2
7,4
,8
,6
,7
12,6
5,8
,5
1,1
,6
100,0
Tabla 1. Distribucin provincial de la muestra sin ponderar. Fuente: ENEMDU 1990 - 2011. Elaboracin: Autores.
46
Analti a
1990
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
73751
0
40655
49319
31825
33770
133627
54988
839440
57101
58959
105185
141990
7747
5221
2775
578122
46712
2869
6864
0
2270920
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
97854
0
45327
57498
46026
37710
161550
70576
1010598
63373
71652
130355
168468
10060
7899
3062
669009
56139
2910
9030
0
2719096
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
129310
15432
32290
34246
38496
67504
157354
75917
1023521
81241
65188
123945
242736
13693
9244
11373
758640
84198
9110
16956
7921
2998314
Azuay
Bolvar
Caar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Ros
Manab
Morona Santiago
Napo
Pastaza
Pichincha
Tungurahua
Zamora Chinchipe
Sucumbos
Orellana
Total
Frecuencia
263030
59804
84384
60617
148932
158873
228580
156127
1325102
142658
157641
264299
466326
46974
39139
23691
1051260
186452
32401
55936
34220
4986444
1991
Porcentaje
3,2
,0
1,8
2,2
1,4
1,5
5,9
2,4
37,0
2,5
2,6
4,6
6,3
,3
,2
,1
25,5
2,1
,1
,3
,0
100,0
Frecuencia
80102
0
45649
49624
33228
34334
134040
61248
864513
54902
61683
106722
139976
10770
7270
3616
618555
50240
3097
8457
0
2368026
Porcentaje
3,6
,0
1,7
2,1
1,7
1,4
5,9
2,6
37,2
2,3
2,6
4,8
6,2
,4
,3
,1
24,6
2,1
,1
,3
,0
100,0
Frecuencia
116658
17080
33049
30431
73284
44296
125176
148391
948350
44469
53126
210366
381869
11537
9143
4059
650568
38342
4337
13944
0
2958475
Porcentaje
4,3
,5
1,1
1,1
1,3
2,3
5,2
2,5
34,1
2,7
2,2
4,1
8,1
,5
,3
,4
25,3
2,8
,3
,6
,3
100,0
Frecuencia
275190
59359
80390
55451
126893
146669
193884
133395
1240720
127985
142874
232873
424050
39501
30700
23361
920813
164051
29687
37944
25769
4511557
Porcentaje
5,3
1,2
1,7
1,2
3,0
3,2
4,6
3,1
26,6
2,9
3,2
5,3
9,4
,9
,8
,5
21,1
3,7
,6
1,1
,7
100,0
Frecuencia
270645
64102
87158
60647
151691
170640
230981
155356
1360917
148275
151260
267973
465098
48367
36084
27737
1039300
190796
30615
61750
41825
5061216
1992
Porcentaje
3,4
,0
1,9
2,1
1,4
1,4
5,7
2,6
36,5
2,3
2,6
4,5
5,9
,5
,3
,2
26,1
2,1
,1
,4
,0
100,0
Frecuencia
95154
0
42287
45603
36009
37608
131853
51716
934672
51442
58920
94123
127547
12974
7695
4594
606632
46550
3649
9160
0
2398188
Porcentaje
3,9
,6
1,1
1,0
2,5
1,5
4,2
5,0
32,1
1,5
1,8
7,1
12,9
,4
,3
,1
22,0
1,3
,1
,5
,0
100,0
Frecuencia
110016
15371
34647
28896
66565
42513
126383
143364
949228
43248
48624
200854
356650
12563
8556
4204
593633
37231
3365
12903
0
2838815
Porcentaje
6,1
1,3
1,8
1,2
2,8
3,3
4,3
3,0
27,5
2,8
3,2
5,2
9,4
,9
,7
,5
20,4
3,6
,7
,8
,6
100,0
Frecuencia
243509
59597
82645
56362
130499
152888
198941
138365
1272437
132627
151774
242176
432294
45540
28887
24718
981613
174544
36515
46227
26794
4658952
2008
Porcentaje
5,3
1,3
1,7
1,2
3,0
3,4
4,6
3,1
26,9
2,9
3,0
5,3
9,2
1,0
,7
,5
20,5
3,8
,6
1,2
,8
100,0
Frecuencia
272633
63900
86720
60767
152590
166939
226560
171175
1367616
146602
151849
275048
476016
56809
36614
26994
1054089
197875
29153
51433
44616
5115996
Porcentaje
3,9
,5
1,2
1,0
2,3
1,5
4,5
5,1
33,4
1,5
1,7
7,1
12,6
,4
,3
,1
20,9
1,3
,1
,5
,0
100,0
Frecuencia
107231
14254
77525
63207
38439
38232
148376
72699
1043164
72660
53455
141571
247139
8256
11159
3872
750854
54591
11124
13307
0
2971116
Porcentaje
5,2
1,3
1,8
1,2
2,8
3,3
4,3
3,0
27,3
2,8
3,3
5,2
9,3
1,0
,6
,5
21,1
3,7
,8
1,0
,6
100,0
Frecuencia
246504
61418
83098
56690
136728
155432
204174
141381
1275118
137070
148701
244913
447779
43073
34414
24125
985925
177944
26739
51282
34691
4717197
2009
Porcentaje
5,3
1,2
1,7
1,2
3,0
3,3
4,4
3,3
26,7
2,9
3,0
5,4
9,3
1,1
,7
,5
20,6
3,9
,6
1,0
,9
100,0
Frecuencia
274903
58669
85581
60438
146724
148917
227431
168373
1382486
151311
160386
281328
495155
41437
28470
26029
1095845
196295
30089
50956
62552
5173378
1994
Porcentaje
3,8
,0
1,9
2,1
1,7
1,5
5,9
2,6
37,4
2,3
2,6
4,5
6,2
,4
,2
,1
24,3
2,0
,1
,3
,0
100,0
Frecuencia
88142
0
43174
50137
43615
37644
149531
60589
943357
59579
61391
117944
151903
9281
5569
3184
606125
52675
3213
8223
0
2495276
Porcentaje
3,6
,5
2,6
2,1
1,3
1,3
5,0
2,4
35,1
2,4
1,8
4,8
8,3
,3
,4
,1
25,3
1,8
,4
,4
,0
100,0
Frecuencia
266836
69284
140088
98051
69751
150766
217741
132940
1294387
143955
136059
272581
333599
63359
9234
30404
905583
115610
10773
74828
0
4535828
Porcentaje
5,2
1,3
1,8
1,2
2,9
3,3
4,3
3,0
27,0
2,9
3,2
5,2
9,5
,9
,7
,5
20,9
3,8
,6
1,1
,7
100,0
Frecuencia
258526
62265
87441
58138
139128
150763
212176
146603
1289792
142467
152317
245305
446674
36864
33378
23826
996197
183451
36024
48962
44350
4794644
2010
Frecuencia
96733
0
46789
60708
43584
38416
157949
66356
992721
62935
62941
120815
161142
9848
7376
3340
648683
56794
2606
8789
0
2648525
Porcentaje
5,9
1,5
3,1
2,2
1,5
3,3
4,8
2,9
28,5
3,2
3,0
6,0
7,4
1,4
,2
,7
20,0
2,5
,2
1,6
,0
100,0
Frecuencia
269168
77853
128989
99049
68219
151478
215135
132997
1281474
132984
146559
276747
327658
58833
10144
27987
941667
116370
9844
68036
0
4541192
Porcentaje
5,4
1,3
1,8
1,2
2,9
3,1
4,4
3,1
26,9
3,0
3,2
5,1
9,3
,8
,7
,5
20,8
3,8
,8
1,0
,9
100,0
Frecuencia
254449
60636
83126
57590
144038
155364
217934
146565
1301146
139100
154580
256088
451887
44402
35410
25457
1020974
187608
33216
52166
30988
4852724
Porcentaje
3,7
,0
1,8
2,3
1,6
1,5
6,0
2,5
37,5
2,4
2,4
4,6
6,1
,4
,3
,1
24,5
2,1
,1
,3
,0
100,0
2001
Porcentaje
5,9
1,7
2,8
2,2
1,5
3,3
4,7
2,9
28,2
2,9
3,2
6,1
7,2
1,3
,2
,6
20,7
2,6
,2
1,5
,0
100,0
2007
2006
2005
1995
Porcentaje
3,5
,0
1,7
2,0
1,7
1,5
6,0
2,4
37,8
2,4
2,5
4,7
6,1
,4
,2
,1
24,3
2,1
,1
,3
,0
100,0
2000
1999
2004
2003
2002
Frecuencia
90966
0
45652
50480
40064
36311
142072
61964
899986
55958
63237
108651
149442
10343
5467
3157
585356
48507
2728
7353
0
2407694
1998
1997
1996
1993
Porcentaje
4,0
,0
1,8
1,9
1,5
1,6
5,5
2,2
39,0
2,1
2,5
3,9
5,3
,5
,3
,2
25,3
1,9
,2
,4
,0
100,0

Porcentaje
5,2
1,2
1,7
1,2
3,0
3,2
4,5
3,0
26,8
2,9
3,2
5,3
9,3
,9
,7
,5
21,0
3,9
,7
1,1
,6
100,0
2011
Porcentaje
5,3
1,1
1,7
1,2
2,8
2,9
4,4
3,3
26,7
2,9
3,1
5,4
9,6
,8
,6
,5
21,2
3,8
,6
1,0
1,2
100,0
Tabla 2. Distribucin provincial de la muestra ponderada. Fuente: ENEMDU 1990 - 2011. Elaboracin: Autores.
47
Analti a
Figuras
Par cipacin laboral por edad

1990
60,00%
54,62% 53,20%
46,56%
50,00%
49,32%
47,59%
41,98%
36,41%
Porcentaje
40,00%
31,22%
30,00%
19,41%
20,00%
10,00%
3,86%
0,00%
10 a 14 15 a 19 20 a 24 25 a 29 30 a 34 35 a 39 40 a 44 45 a 49 50 a 54 55 a 60
Edad
2000
1995
60,00%
52,11%
54,03%
57,40% 56,74%
60,00%
54,86%
51,60%
53,43%
48,67%
50,00%
50,00%
44,82%
51,76%
48,34%
45,24%
43,18%
42,53%
38,35%
40,00%
Porcentaje
Porcentaje
40,00%
30,00%
20,05%
20,00%
10,00%
35,14%
30,00%
24,77%
20,00%
10,00%
5,14%
0,00%
6,98%
0,00%
10 a 14 15 a 19 20 a 24 25 a 29 30 a 34 35 a 39 40 a 44 45 a 49 50 a 54 55 a 60
10 a 14 15 a 19 20 a 24 25 a 29 30 a 34 35 a 39 40 a 44 45 a 49 50 a 54 55 a 60
Edad
Edad
2005
70,00%
60,26%
57,74% 58,86%
60,00%
2011
62,59%
70,00%
60,06% 59,21%
59,59%
48,73%
50,00%
Porcentaje
Porcentaje
40,00%
24,35%
42,16%
40,00%
30,00%
14,98%
20,00%
20,00%
60,09% 60,59%
53,26%
49,27%
48,62%
50,00%
30,00%
63,26% 62,43%
60,00%
9,48%
10,00%
10,00%
0,00%
0,00%
2,79%
10 a 14 15 a 19 20 a 24 25 a 29 30 a 34 35 a 39 40 a 44 45 a 49 50 a 54 55 a 60
10 a 14 15 a 19 20 a 24 25 a 29 30 a 34 35 a 39 40 a 44 45 a 49 50 a 54 55 a 60
Edad
Edad
Figura 8. Porcentaje de participacin laboral clasificado por grupos de edad. Los resultados corresponden a la muestra de las mujeres
del conjunto laboral. Fuente: ENEMDU 1990 - 2011. Elaboracin: Autores.
48
Analti a

Parcipacin laboral por nivel educavo

De 10 a 14 aos
De 15 a 19 aos
50,00%
80,00%
40,00%
Porcentaje
Porcentaje
60,00%
30,00%
20,00%
40,00%
20,00%
10,00%
0,00%
1985
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
2000
Aos
Ninguno
Educacin Bsica
2005
2010
2015
Aos
Ninguno
Educacin Media
Educacin Bsica
De 20 a 24 aos
Educacin Media
De 25 a 29 aos
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
60,00%
60,00%
40,00%
40,00%
20,00%
20,00%
0,00%
1985
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
2000
Aos
Ninguno
Educacin Bsica
Educacin Media
Ninguno
Educacin Bsica
80,00%
80,00%
60,00%
40,00%
20,00%
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
2000
Educacin Bsica
Educacin Media
2005
2010
2015
Aos
Ninguno
Educacin Bsica
Educacin Media
De 45 a 49 aos
100,00%
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
40,00%
De 40 a 44 aos
60,00%
40,00%
20,00%
60,00%
40,00%
20,00%
1990
1995
2000
2005
2010
0,00%
1985
2015
1990
1995
2000
Aos
Ninguno
Educacin Bsica
Educacin Media
2005
2010
2015
Aos
Ninguno
Educacin Bsica
De 50 a 54 aos
Educacin Media
De 55 a 60 aos
100,00%
100,00%
80,00%
80,00%
Porcentaje
Porcentaje
Educacin Media
20,00%
Ninguno
60,00%
40,00%
20,00%
0,00%
1985
2015
60,00%
Aos
0,00%
1985
2010
De 35 a 39 aos
100,00%
Porcentaje
Porcentaje
De 30 a 34 aos
100,00%
0,00%
1985
2005
Aos
60,00%
40,00%
20,00%
1990
1995
2000
2005
2010
2015
0,00%
1985
1990
1995
Aos
Ninguno
Educacin Bsica
Educacin Media
2000
2005
2010
2015
Aos
Ninguno
Educacin Bsica
Educacin Media
Figura 9. Porcentaje de participacin laboral clasificado por grupos de edad y nivel educativo. Los resultados corresponden a la
muestra de las mujeres del conjunto laboral. Fuente: ENEMDU 1990 - 2011. Elaboracin: Autores.
49
Analti a
Fiscal policy and economic growth: a simulation
analysis for Bolivia
Poltica Fiscal y crecimiento econmico: un anlisis de
simulacin para Bolivia
www.inec.gob.ec
Analti a
Fiscal policy and economic growth: a simulation analysis for Bolivia

Fiscal policy and economic growth: a simulation analysis

for Bolivia
Poltica fiscal y crecimiento econmico: un anlisis de
simulacin para Bolivia
Institute for Advanced Development Studies (INESAD), La Paz, Bolivia
cmachicado@inesad.edu.bo, paulestrada2@gmail.com
Recibido: 10 de octubre de 2012
Abstract
This paper develops a dynamic stochastic general equilibrium (DSGE) model to analyze the growth effects of fiscal
policy in Bolivia. It is a multi-sector model with five representative sectors for the Bolivian economy: Non-tradables,
importables, hydrocarbons, mining and agriculture. Public capital is included as a production factor in each of these
sectors. The model is calibrated and a number of interesting scenarios are simulated by modifying each of the available
fiscal policy instruments. In particular, we analyze the sustainability of Bolivian social policy based on government
transfers to households along with the short- and long-run implications of fiscal policy for growth and welfare. We
find that fiscal policy alone is unable to generate high rates of growth: it must be accompanied by an efficient provision
of public capital and productivity boosts in the economic sectors.
Palabras clave: Fiscal Policy, Infrastructure, Multi-sector growth model
Resumen
En este trabajo se desarrolla un modelo de equilibrio general dinmico estocstico (DSGE) para analizar los efectos
de la poltica fiscal en el crecimiento de Bolivia. Se trata de un modelo multisectorial con cinco sectores representativos
de la economa boliviana: no transables importables, hidrocarburos, minera y agricultura. Adems, se incluye capital
pblico como un factor de produccin en cada uno de estos sectores. El modelo est calibrado y se simulan una serie de
interesantes escenarios modificando cada uno de los distintos instrumentos disponibles de poltica fiscal. En particular,
se analiza la sostenibilidad de la poltica social basada en transferencias directas del gobierno a los hogares junto con las
implicaciones a corto y largo plazo de la poltica fiscal para el crecimiento y el bienestar. Se encuentra que la poltica fiscal
por s sola no es capaz de generar altas tasas de crecimiento, debe ir acompaada de una provisin eficiente de capital
pblico (infraestructura) y de incrementos en la productividad de los sectores econmicos.
Keywords: Poltica fiscal, infraestructura, modelo de crecimiento multisectorial.
Cdigo JEL: E62, H54, O41.
Introduction
The early 1990s saw a boom in economic literature analyzing expansionary fiscal policies based on tax cuts or
spending increases. Much of this body of research aimed
to analyze fiscal adjustments in contexts of economic cri-
sis. Giavazzi and Pagano (1990) were the first to argue that
decisive deficit reductions through spending cuts could be
expansionary via effects on private consumption. Alesina
and Perotti (1997) investigate various cases of fiscal ad-
53
Analti a
justment and conclude that fiscal stimuli through tax cuts

are more likely to increase growth than those based upon
spending increases.1
A recent revival of this literature in developed countries, particularly in the United States, has been stoked by
the 2007-2009 financial crisis and the fiscal policy responses
that have been the basis of many of the recovery policies.
Feldstein (2009) indicates that, despite a recent general consensus among economists that fiscal policy was not an effective countercyclical instrument, governments in Washington and around the world are now developing massive fiscal stimulus packages, supported by a wide range
of economists in universities, governments and businesses.
There has been a revival of the use of so-called fiscal policy
multipliers.2
In Latin America and other developing countries, recent literature has mainly sought to verify the idea that fiscal policy is procyclical, a puzzle that has sparked a growing theoretical literature in an effort to explain this tendency. Gavin and Perotti (1997) were the first to draw
attention to the fact, while Talvi and Vegh (2005) claimed
that procyclical fiscal policy seemed to be the general rule
across the developing world. Recently, Ilzetzki and Vegh
(2008) find overwhelming evidence, using a battery of
econometric tests, to support the idea that fiscal policy in
developing countries is in fact procyclical.
A common feature in this literature is the focus on
tax and expenditure policies to the exclusion of analysis
of public investment policies, particularly those which involve public infrastructure investments. As shown by Aschauer (1989a, 1989b), infrastructure is an important source
of growth. These works concentrated on estimating the
production elasticities of government expenditures using
aggregated data, mainly for the United States3 . Crosscountry studies have also highlighted the role of infrastructure for a countrys growth.4
Papers in this literature have typically used regression
analysis on either growth accounting or on steady-state
equations. While these papers have been useful in pointing
out the importance of infrastructure, their methodologies
do not allow for analysis of important general equilibrium
feedback effects among key macroeconomic variables and
welfare.
It is in this context that this study examines the impact
of fiscal policy on output, consumption, investment and
foreign trade using a dynamic stochastic general equilibrium (DSGE) model for a small open economy with five
sectors and with the novel feature that firms in each sector use public capital or infrastructure as a production factor. These five sectors are the non-tradable sector (services),

the importable sector (manufacturing), hydrocarbons, mining and agriculture, each of which are representative at the
level of the Bolivian economy. Among these sectors, the
government views the capital-intensive hydrocarbon sector as a strategic sector that will generate the resources
needed to combat poverty and underdevelopment.
In this study, we first analyze the macroeconomic and
sectoral impacts of changes in fiscal policy such as tax
structure and public infrastructure investments on: output,
consumption, investment, the trade balance and welfare.
Second, we identify the combination of fiscal policy instruments that allows the government to sustain public social
transfers to households. Third we show that the fiscal policy alone is not sufficient to generate the output growth and
welfare gains needed to reduce poverty levels, as per the
Millennium Development Goals, which indicate that GDP
per capita should grow by more than 2 percent per year.
This is equivalent to an overall GDP growth rate of more
than 6 percent per year. A combination of effective provisions of public capital and increased total factor productivity (TFP) is also needed. We provide the long-run results
for each simulation along with dynamic transitions for a
handful of selected cases.
The DSGE model is based on Chumacero, Fuentes, &
Schmidt-Hebbel (2004) and is modified to include public infrastructure investments much like Rioja (2003) and
specifically includes different exportable sectors as seen
in Estrada (2006). We calibrated the model for the Bolivian economy and solved it using the second-orderapproximation technique developed by Schmitt-Groh and
Uribe (2004). The advantage of this perturbation method is
that it allows for second-order effects, which feature heavily in an economy with high levels of uncertainty.
An important aspect of the model is that it allows us
to derive precise quantitative information about the effects
that each scenario has on real output and welfare as well
as macroeconomic variables such as consumption, investment and output in the five sectors. The section with
the model simulation first reports the steady-state (long
run) effects then presents the dynamic effects on the composition of these variables. This is important if we consider that, in recent years, the Bolivian governments antipoverty policy has been based on transfers to households,
while it aims to use public investment as the main approach to promoting growth and welfare. Quantitative
measures of the impact of these policies are thus needed
to guide policymakers.
The paper is organized as follows: Section 2 briefly describes fiscal policy in Bolivia in recent years. Section 3
describes the dynamic general equilibrium model and its
1 There is a rich literature on the determinants and economic outcomes of large fiscal adjustments. A non-exhaustivelist includes Ardagna (2004),
Giavazzi, Jappelli and Pagano (2000), Lambertini and Tavares (2000), McDermott and Wescott (1996), Von Hagen and Strauch (2001), Von Hagen,
Hughes, and Strauch (2002), among others.
2 See Mauntford and Uhlig (2008), Alesina and Ardagna (2009), Cogan et.al. (2009), Ramey (2009), and Romer and Romer (2010), among others.
3 Munnell (1990) and Garca-Mil, McGuire and Porter (1993) use panel data to estimate production elasticities.
4 Easterly and Rebelo (1993), Ford and Poret (1991), Hulten (1996) and Canning (1998) among others.
54
Analti a
calibration for the Bolivian economy. Then, in section 4,

we present the steady-state effects for the simulation along
with the dynamic effects for selected macroeconomic and
sectoral variables. Section 5 concludes the paper.

spectively in 2008 and 2009. Figure 2 shows that government expenditures grew over these last years but was surpassed by revenue growth.
Fiscal policy in Bolivia
The bolivian economy has recorded fiscal surpluses

since 2006, mostly due to international economic growth
which led to higher export prices for the countrys main
exports together with more revenues from the Direct Tax
on Hydrocarbons and royalties, resulting in substantially
higher public revenues. Between 2004 and 2008, government revenues increased from 28.5 percent of GDP to 48.4
percent of GDP, a huge 20 percentage point increase in
terms of GDP.5
Figure 2. Total expenditures and revenues for the non-financial
Figure 1 shows how these events have affected the fiscal
public sector (% of GDP). Source: Central Bank of Bolivia.
deficit as a percentage of GDP and how its path is closely
related to the economic growth rate. The fiscal deficit began to decline after 2002 and shifted to a surplus of 4.5 percent of GDP in 2006, the highest surplus in recent years.
This fiscal balance remained positive through 2009.
Figure 3. Composition of current revenues in the non-financial

public sector (% of total). Source: UDAPE.
Figure 1. Fiscal surplus and economic growth (in percentage

points). Source: Central Bank of Bolivia.
The economic growth rate improved in 2002-2008 and

is positively correlated with public sector fiscal results.
The economy averaged 4.8 percent annual growth over the
2004-2008 period, with growth topping out at 6.1 percent
in 2008, the highest growth since 1975. This opens up an
important question: Can these revenues be used to sustain
economic growth?
Government expenditures as a share of GDP were fairly
steady until 2006 (aside from a slight decline in 2003) and
grew over the last 2 years of the period of analysis. Government spending averaged 36 percent of GDP between 2000
and 2006 and rose to 42 percent and 45 percent of GDP re-
One explanation for the increase in government revenues is ongoing increases in tax revenues. Total tax revenues increased by an annual average of 27.82 percent
between 2005 and 2008. The main taxes are the Value
Added Tax (VAT) and the Direct Tax on Hydrocarbons
(DTH), which together represent 50 percent of total tax revenues. The DTH, a tax on hydrocarbons exports, registered the largest average increase (of 52 percent), with the
greatest increase occurring in 2006, the year that Yacimientos Petrolferos Fiscales Bolivianos (YPFB), the national oil
company, was nationalized.
Figure 3 shows the composition of current revenues in
thenon-financial public sector. We can see that tax revenues remain the main source of income, although non-tax
revenues increased after nationalization of YPFB in 2006.
Note that the hydrocarbon tax was an important source of
revenues in 2005 and 2006. In 2007 and 2008, revenues
from the hydrocarbons tax were largely replaced by non-
5
A point of comparison can be made with the U.S. federal governments fiscal revenues, which have increased by 18.7 percent of GDP over the last
40 years (U.S. Congressional Budget Office, 2009).
55
Analti a
tax revenues. Non-tax revenues also include the sale of

other public companies to domestic or foreign buyers.6
The common argument that nationalization of the oil company amounted to an additional source of public revenue
thus seems poorly founded.
Public investment was approximately 8 percent of GDP
in 2006 and 2007. It decreased to 5 percent in 2008 and then
rose to 8.5 percent of GDP in 2009. Figure 4 shows a large
concentration of public investment in infrastructure over
the last five years, the government has invested an average
Value added tax (VAT)

Transactions tax (TT)
of 3.8 percent of GDP in infrastructure. Social investment,

which includes investment in health, education, sanitation
and housing, ranks second in terms of public spending. It
has averaged 2 percent of GDP over the last 5 years. Public
investment in infrastructure rose with economic growth,
but social investment remained nearly unchanged. Government capital spending in recent years has been focused
on road and water infrastructure. While public investment
to support productive activities has been rising since 2006,
it has not returned to its 2002 share of GDP.
2005
2006
2007
2008
19.27%
21.75%
21.08%
23.24%
Average
20052008
Average
20052009
7.31%
21.33%
15.61%
2009 (p)
8.77%
6.32%
14.87%
23.02%
15.40%
13.25%
7.52%
Tax on profits (PT)
41.75%
38.05%
6.49%
47.18%
59.30%
33.37%
38.56%
Specific consumption tax (ICE)
18.72%
18.08%
18.87%
19.64%
5.28%
18.82%
16.12%
Complementary regime - value - added tax

(RCIVA)
10.65%
1.23%
0.72%
18.83%
11.54%
7.86%
8.59%
Hydrocarbons special tax (IEHD)
64.44%
6.04%
19.15%
6.18%
29.20%
23.95%
13.32%
Financial transactions tax (FTT)

Others
Total Domestic Taxes
101.67%
29.49%
27.45%
5.15%
0.48%
12.47%
9.88%
65.32%
8.90%
52.11%
32.29%
64.10%
6.99%
18.41%
20.68%
16.63%
16.10%
24.79%
6.36%
19.55%
16.91%
136.12%
8.32%
11.57%
2.68%
52.00%
38.33%
Direct tax on Hydrocarbons (DTH)
Import tariff (GA)
18.38%
15.74%
21.31%
25.99%
16.22%
20.35%
13.04%
Total Domestic Taxes + IDH + GA
41.25%
34.10%
14.32%
21.61%
3.26%
27.82%
22.91%
Source: SIN-ANB
(p) preliminary information up to September 2009
Table 1. Tax Revenues 2004-2009 (% variation).
Figure 5. Current transfers in the non-financial public sector (%

of GDP). Source: Central Bank of Bolivia.
Figure 4. Public investment (percentage of GDP). Source: Central

Bank of Bolivia and Ministry of Economy and Public Finance.
6
For example, the telecom company - Entel - was nationalized in 2008, an aviation company - BOA - was created in 2008 and Comibol, a mining
company, was reactivated in 2009.
56
Analti a
Bolivias poverty reduction strategy is entirely based

on conditional transfers to households. The amount transferred to households has increased substantially as a share
of GDP in recent years, from 0.7 percent of GDP in 2006 to
2.3 percent of GDP in 2008, as seen in figure 5.7
Finally, figure 6 shows how the fiscal deficit has been
financed in recent years. As is common in public budget
accounting, we report net external credits and net domestic credits. Over the years of fiscal deficit (2000-2005), net
external credits increase until 2002 and then taper off continuously until 2006. Net domestic credits also decreased
steadily from 2002 to 2006, with substantial substitution
between foreign and domestic debt, the latter of which outweighed foreign-held debt by 2006. Most domestic debt is
financed by the Pension Fund Administrators (AFP) and
the Central Bank. The government has been able to reduce
its debt with the Central Bank thanks to recent fiscal surpluses. Net domestic credits have thus been negative since
2006.

3.1.1 Households
The economy in our model is comprised of infinitelylived individuals who derive utility from consumption
of importable goods (cm,t ), consumption of non-tradable
goods (cn,t ) and government consumption (gt ). The last of
these is essentially a public good that is not characterized
by congestion. Representative agents thus maximizes the
expected value of lifetime utility as given by
Et
t u(cm,t , cn,t , gt )
(1)
t =0
The other goods produced in the economy are exportable

goods, denoted as xh for hydrocarbons (natural gas), xm
for minerals (zinc, gold, silver or tin) and xa for the agricultural good (soya, Brazilian nuts or quinoa).
Each household receives interest income rk, lump-sum
transfers from the government , profits m , n , xh , xm
and xa respectively from firms in the importable, nontradable, hydrocarbons, mineral and agricultural sectors8
and can also buy foreign debt abroad, b. The households
budget constraint is given by
(1 + m )(1 + c )cm,t + (1 + c ) pn,t cn,t

+ (1 + m )(1 + c )it + (1 + rt )bt
(1 k )rt k t + xh,i + xm,t +
xa,t + m,t + n,t + bt+1 + t
Figure 6. Financing of the fiscal deficit (% of GDP). Source: Central Bank of Bolivia.
In sum, Bolivian fiscal policy is operating in a new

macroeconomic context, with increasing revenues as well
as new public sector responsibilities for state-owned enterprises (SOEs) and policy commitments to achieve sustained poverty reductions in Bolivia. Ideally, this fiscal policy should also be consistent with sustained growth and
improved welfare for the general population. These issues
will be analyzed in the following sections.
Modelling and calibration
3.1 The basic model
(2)
Where m is an import tariff, k is the tax rate on capital

income, c is the tax rate on consumption of importables
and non-tradables, pn is the price of the non-tradable good
using importable goods as the numeraire and r is the (net)
interest rate paid on foreign debt. Private investment, denoted as i, follows the standard law of motion for private
capital:
k t +1 = i t + ( 1 ) k t
(3)
where is the depreciation rate for private capital stock
and k t is the stock of private capital.
The representative household chooses cm,t , cn,t , bt+1
and k t+1 . This is the same as saying that the representative
consumers problem can be summarized by the following
Bellman equation:
v(k t , bt ) = v(k t+1, bt+1 ) + u(cm,t , cn,t .gt )
cm,t + (1 + c ) pn,t cn,t + cm,t +

(1 + c )(k t+1 (1 )k t ) + (1 + rt )bt
(1 tk )rt k t xh,t xm,t xa,t

m,t n,t bt+1 t
The model is based on Chumacero, Fuentes and

Schmidt-Hebbel (2004), has been modified to investigate The first-order conditions are:
public infrastructure investments as in Rioja (2003) and has
ucn,t
been expanded further to model a multi-sector economy as
pn,t = (1 + m )
done by Estrada (2006).
ucm,t
(4)
(5)
7 There are currently three types of conditional transfers: Renta Dignidad (for persons over 60 years of age), bono Juancito Pinto (for students in
primary school) and bono Juana Azurduy (for mothers during and after pregnancy).
8 Profits can be interpreted also as the remuneration to labour because we assume that labour is sector-specific.
57
Analti a
1 = Et
1 = Et
"
ucn,t+1
ucm,t
"
ucm,t+1
ucm,t
(1 + rt+1 )
(1 k )
r
(1 + m )(1 + c ) t+1+1
(6)
#
(7)
conditions:
(1 + m ) f km
(zm,t ), k m,t , kt = rt
(13)
pn,t f kn
(zn,t , dn,t kt ) = rt
(1 xh )qxh,t f xh
(z xh,t , k xh,t, ht ) = rt
q xm,t f xm
(z xm,t , k xm,t, kt ) = rt
q xa,t f xa
(z xa,t , k xa,t, kt ) = rt
(14)
(15)
(16)
Equation (5) states that the relative price between importables and non-tradables must equate marginal utilities for
(17)
each good. The intertemporal conditions are the standard
Euler equations requiring the marginal rates of substitution These equations describe the demand for capital services
between current and future consumption to be equal to the by firms in each production sector of the economy.
price ratio in each of the two periods and for each good,
respectively evaluated at the cost of foreign borrowing and 3.1.3 Government
the rate of return on capital investment.
The volume of government infrastructure investment
is I, current public consumption expenditures are g and
3.1.2 Firms
lump-sum transfers to households are . The governThis economy is represented by five sectors: importa- ments budget constraint is therefore
bles (manufacturing), non-tradables (services), hydrocarbons, mining and agriculture. Each sector has an equal
number of representative firms which use private capital
k and public capital k g to produce their goods. Firms do
not directly own capital. Instead, they rent a quantity of
capital k t from households in each period at a rate of rt ,
the domestic interest rate. Public capital is provided by the
government at no direct cost to the firm. We assume that
labour is sector specific, which means that labour cannot
move between sectors. The importable sector is actually a
domestic sector that produces import substitutes.9
Public capital is included in each sectors production
function because the Bolivian economy is small and poor.
Any productive activity thus requires some form of government support. An appropriate way to capture this situation is to reflect government involvement in productive
activities through public provisions of infrastructure and
capital. The firms problem in this context is static, so sectoral profits are given by:
gt + t + It = c (cm,t + pn,t cn,t + it )
+ m (1 + c )(cm,t + it ) m ym,t
+ k ym,t + k rt k t + xh qxh,t y xh,t
(18)
Where ym,t is the volume of import substitutes produced

in the importables sector. The tariff rate on imports (cm,t +
it ym,t ) is m.
Public capital evolves according to the following dynamic:
k g,t+1 = It + (1 + g )k g,t
(19)
where 0 k g 1 is the public capital depreciation rate.
As Rioja (2003) does, we assume that the usefulness of this
capital comes in relation to its effectiveness index, given by
kt = k g,t
(20)
where 0 < < 1 is an infrastructure effectiveness index.

More efficient deployment of public capital stocks is reflected by a positive shift of towards 1, implying greater
pim,t = (1 + m ) f (zmt , k m,t , kt ) rt k m,t
(8) benefits to firms.
As usual, the government does not optimize an expin,t = pn,t f (znt , k n,t , kt ) rt k n,t
(9) plicit objective function. Rather, current public expendipi xh,t = (1 + x h) f (z xht, k xh,t , kt ) rt k xh,t
(10) tures evolve according to
pi xm,t = q xm,t f (z xmt , k xm,t , k t ) rt k xm,t

(11)
gt+1 = (1 g ) g + g gt + v g,t+1
(21)
pi xa,t = q xa,t f (z xat , k xa,t, kt ) rt k xa,t
(12)
with
Where is the representative firms profits in sector i, zi is
v g,t+1 N (0, g2).
a productive shock in sector i, k i is the quantity of private
capital demanded in sector i and qi is the relative price of
3.1.4 The foreign sector
good i in terms of the importable good. Public capital is the
same for all sectors. The only difference is the intensity of
Open economies and closed economies have different
public capital used in each sector. There is also a tax on the properties. When both capital and goods can be imported,
production of hydrocarbons, denoted by xh .
an economy with an initially low stock of capital would do
Maximizing the above profit function with respect to better to begin by running a current account deficit, susthe respective capital stock yields the following first-order tain a high level of consumption and pay the rest of the
9
Imports and import substitutes are perfect substitutes, which means that they should be sold at the same price. The domestic price of ym,t is thus
equal to (1 + m ).
58
Analti a

world later at a time of current account surplus. This approach is typically not used, making it more difficult to resolve models because the strategy induces multiple equilibria for each debt pathway and because the variables are
non-stationary.10
Schmitt-Groh and Uribe (2003) suggest five modifications to the standard model of a small open economy
with incomplete asset markets in order to achieve stationarity. We use their modification of a debt-elastic interestrate premium, a strategy that has also been adopted by
Bhandari et al. (1990), Turnovsky (1997), and Osang and
Turnovsky (2000).11 This approach amounts to assuming
that the country faces an upward-sloping supply schedule
for debt, reflecting the degree of risk associated with lending to the economy. This is expressed as a borrowing rate
charged on foreign debt, rt+1 , which takes the form

bt
rt+1 = (1 r )r + (1 )
yt
Equations (25) and (26) represent the market clearing

conditions. The first equation describes the equilibrium
in the importable goods market and indicates that the current account (CA) balance must be counterbalanced by the
capital account balance. The second equation is the typical equilibrium condition in the market for non-tradable
goods. These equations are given as
where qxi is the unconditional expectation of the terms of

trade and xh, xm and xa are the respective exportable sectors.
The economy-wide resource constraints given in (24)

and (25) hold in each period and the factor market
clears, as shown by:
CA = (bt+1 bt ) = q xh,t y xh,t + q xm,t y xm,t + q xa,t y xa,t

+ ym,t cm,t gt it It rt bt
(25)
and
pn,t yn,t = pn,t cn,t .
(26)
3.1.6 Competitive Equilibrium
The competitive equilibrium is given by the following

set of allocation rules: cm = Cm (s), cn = Cn (s), k t+1 =
+ r rt + vr,t+1,
> 0, w > 0
(22)
K (s), bt+1 = B(s), kt+1 = K (s), k xh,t+1 = K xh (s), k xm,t+1 =
where r is the exogenously given world interest rate and K xm (s), k xa,t+1 = K xa (s), k m,t+1 = Km (s), k nt,+1 = Kn (s);
(bt /yt ) is the country-specific risk premium that in- the pricing functions r = R(s) and pn = Pn (s); and a law
creases with the stock of debt as a share of output. There of motion for the exogenous state variable s+1 = S(s), such
are two key elements to this specification. First, the con- that:
vexity of the function is a convenient way to place a ceil Households solve problem (4) taking s and the form
ing on borrowing, as suggested by Eaton and Gersovitz
of the functions R(s), Pn (s), and S(s) as given. The
(1981). Second,the form of AR(1) specification of equation
equilibrium solution to this problem satisfies cm =
(22), which incorporates uncertainty, explains the need to
Cm (s), cn = Cn (s), k t+1 = K (s), and bt+1 = B(s).
use a stochastic model. A non-stochastic model specification would otherwise lead to the shortcoming brought up
by Fernandez de Cordoba and Kehoe (2000).
Firms in the hydrocarbons, mining, agriculture, imThe relative prices of exportable goods in relation to importable and non-tradable sectors maximize profits
portables, i.e. the terms of trade, are assumed to follow the
as per (13)-(17), taking s and the form of the funclaw of motion given by:
tions R(s), Pn (s), and S(s) as given. The equilibrium
solutions to these problems satisfy k xh,t+1 = K xh (s),
q xi,t+1 = (1 qxi )qxi + qxi q xi,t
k xm,t+1 = K xm (s), k xa,t+1 = K xa (s), k m,t+1 = Km (s),

2
k n,t+1 = Kn (s) and kt+1 = K (s).
+ vqxi,t+1
vqxi,t N 0, qxi
(23)
K xh (s) + K xm (s) + K xa (s) + Km (s) + Kn (s) = K (s).
3.1.5 Market clearing conditions

We define the general form of the production function
in each sector as:
yi,t =
f (zi,t , k i,t , kt )
(24)
where i again represents each of the five sectors. Note

that the public capital k is the same in each sector, which
means that infrastructure similarly benefits each sector.
Public capital is therefore a non-rival good.
3.2 Functional forms and calibration

A model with clearly non-linear features is difficult to
solve analytically. An alternative is to use numerical methods. We therefore adopt functional forms for the utility and
productions functions and set the model parameters as per
Bolivian macroeconomic parameters in 2006.
10 See
Fernandez de Cordoba and Kehoe (2000) for an application to the Spanish economy.
Other modifications imply a model that has an endogenous discount factor with convex portfolio adjustment costs and complete asset markets,
and without stationarity-inducing features.
11
59
Analti a
3.2.1 Functional Forms

The generic model presented above points to the following functional form for preferences:
The productivity shocks, zi , follow standard AR(1) processes of the form:

zi,t+1 = (1 i )z + i zi,t + vi,t+1,
vi,t+1 N (0, i2).
u(cm,t , cn,t , gt ) = m ln(cm,t ) + n ln(cn,t + gt )

with m , n > 0 and m + n = 1. The parameter measures how a typical individual values public consumption
relative to private consumption. The specification of the
relationship between private consumption of non-tradable
goods and public consumption follows Aschauer (1985),
Barro (1981) and Christiano and Eichenbaum (1992). We
assume that consumption of public goods can be substituted (depending on the value of ) with consumption of
non-tradable goods and vice versa.12
We use the following specification for the production
functions:
f (zi,t , k i,t , kt ) = zi,t k i,ti (kt )i

where i + i < 1 because both types of capital are fixed
factors.
The parameter i is capital remuneration as a share of
output for sector i = xh, xm, xa, m and n, and i is a coefficient indicating the importance of public capital in the
production functions in each of the five sectors in the economy.
3.2.2 Calibration
Once the laws of motion are specified, we accurately
calibrate the model to display the main characteristics of
the Bolivian economy. We consider 2006 as our base year
and use quarterly data. We show the model parameters
in Table 2, presumed for the time being to be invariant to
changes in economic policy.
The first column of Table 2 shows the deep parameters
of preferences, i.e. parameters that will be invariant to a
particular class of interventions. The subjective discount
factor was set consistent with the 10,66 percent annual
rate that Bolivians can borrow at (r in our model). The parameters m and n are calibrated to reproduce total consumption as a share of GDP in the steady state: we define total consumption as the sum of consumed importables and consumed non-tradables times the relative price
of this second type of consumption good. We set = 0.5
as a benchmark, implying imperfect substitution between
private and public consumption.
Preferences
Prod. Functions
Technology
Shocks
Fiscal Variables
Exogenous Prices
= 0.975
= 0.028 (yearly)
xh = 0.72
g = 0.18
q xh = 0.174
m = 0.4585
xh = 0.66
xm = 0.53
g = 0.083
q xm = 0.14
n = 0.5415
xm = 0.25
xa = 0.45
g = 0.01
q xa = 0.19
= 0.5
xa = 0.19
m = 0.4
g = 2
qxh = 0.87
m = 0.58
n = 0.51
= 0.613
qxm = 0.91
n = 0.38
xh = 0.014
m = 0.1
qxa = 0.86
xh = 0.25
xm = 0.009
c = 0.13
qxh = 0.017
xm = 0.14
xa = 0.011
k = 0.13
qxm = 0.01
xa = 0.12
m = 0.017
xh = 0.32
qxa = 0.11
m = 0.07
n = 0.03
= 0.248
n = 0.25
zxh = 0.53
r = 0.6576
zxm = 0.72
r = 0.01146
zxa = 0.57
r = 0.048
zm = 0.15
= 1.2
zn = 0.75
Source: Authors calculations
Table 2. Parameters.
12 It is reasonable to suppose that, for example, when individuals want to increase their consumption of health services they will sacrifice consumption of non-tradables such as haircuts.
60
Analti a
The second column describes the deep parameters of

the production functions. The depreciation rate of private
capital was obtained by calibrating private investment
and is set at 2.8 percent per year. The output factor elasticities in each sector were obtained by reducing the 35 sectors in Bolivias 2006 input-output matrix to 6 sectors: agriculture, hydrocarbons, mining, importables, non-tradables
and infrastructure. We are particularly interested in the
following infrastructural sectors: i) energy, gas and water, ii) transportation and storage and iii) communications.
We then use the value-added decomposition of factor payments for 1996 (the only year available) and impute these
shares for our 2006 sectoral value added. The corresponding calculations are shown in table A.1 in the appendix.
The shares of infrastructure in each sector are key parameters. We have also used our input-output matrix disaggregation, but here we employed the intermediate consumption of infrastructure in each of the five sectors of
the model. In other words, we have calculated the value
of in each sector as the share of intermediate consumption of infrastructure in agriculture, mining, hydrocarbons,
importables and non-tradables. Recall that public capital is presumed to be free for firms in the model, so it
seems strange to calibrate each sectors share parameters
using intermediate consumption, which is an expenditure.
We address this concern by assuming that the government
subsidizes the private sector via public goods. The government provides this public capital, but it is produced by the
private sector. The corresponding calculations are shown
in table A.2 of the appendix.13

then compared to the weighted average in industrialized

countries. The calculations are shown in table A.3 of the
appendix. According to these calculations, Bolivia has a
level of effectiveness of 61.3, meaning that infrastructure in
Bolivia is 39 percent less effective than in developing countries.15
The Bolivian tax system is described by the various tax
rates applied across the economy. The consumption tax c
is approximated by the 13-percentvalue added tax (VAT).
The tax on capital income k is also levied at a rate of 13
percent and corresponds to the Complementary Regime
Value Added tax (CR-VAT). The tax on hydrocarbons xh
is 32 percent, and is known as the Direct Tax on Hydrocarbons (DTH). Finally, the import tariff m represents the
average tariff for all the imported products and has a value
of 10 percent.
We display the so-called exogenous prices in column
5 of Table 3. Each of these prices follows a standard law
of motion and most of their parameters are estimated using OLS regressions. We calibrated the constant terms of
the AR(1) specifications of these relative prices using the
respective index prices calculated by the Bolivian Central
Bank. Finally, we calibrate as 0.248 to make the external
debt-to-GDP ratio equal 0.3790, which is consistent with
the capital account balance in the steady state. This value
for combined with a value of equal to 1.2 gives a country risk value equal to 0.05857.
4 Results
The third column contains the TFP parameters. These

parameters have been calibrated to match each sectors
share of GDP as closely as possible. The auto-regressive
coefficients and shock volatilities were set to correspond
with the autocorrelation between output and the standard
deviations of the AR(1) regression residuals for each sectors output. 14
This section reports the various simulations we carried

out using the key model parameters. These simulations
quantify the effects of fiscal policy on macroeconomic variables such as output, consumption, investment, etc. We
also distinguish between long run effects and short run
dynamics. The long run effects are determined by comparing the models steady states in the baseline scenario
The fourth column shows parameters for government with steady states in the simulated scenarios. Determining
and fiscal variables. The parameters of the AR(1) process the effects on the short run dynamics requires that we imfor government expenditures are taken from a simple OLS pose initial conditions, solve the model (i.e., find the policy
regression, while the parameter g is calibrated to match functions of the control variables and the endogenous state
government expenditures as a share of GDP. The depre- variables laws of motion) and characterize the transition
ciation rate of public capital g has been estimated by the to the new steady state.16
World Bank at about twice that of the depreciation rate of
private capital. The benchmark effectiveness parameter 4.1 Steady state comparisons
is estimated here using data on the so-called loss indicators. In particular, we use the power, telecom, roads and
In this subsection we present changes in the long run
water loss indicators. The Bolivian loss index across all in- steady state values for: consumption of each good (cm , cn ),
frastructure types is calculated as a weighted loss and is physical production in each sector (Yxh , Yxa , Yxm , Ym , Yn ),
13 A
better specification of the production function is f ( zi,t , k i,t , kt ), where x represents private intermediate consumption.
parameter values are important for changes in the speed of convergence to the steady state.
15
We use the same weights as in Rioja (2003), namely 0.40, 0.10, 0.25, 0.25 respectively for power, telecom, paved roads and water systems. The
effectiveness index for developing countries is normalized such that a value of 1 indicates highly effective infrastructure.
16 According to our specification, the policy functions of the control variables cannot be obtained analytically, so we have to resort to numerical
methods. We used the Schmitt-Groh and Uribe (2004) second-order approximation technique. This perturbation method has proven superior to
traditional linear-quadratic approximations.
14 These
61
Analti a
the reciprocal of the exchange rate (pn ), government lump

sum transfers as a share of output (, as a proxy for additional pressures on the government budget), private investment (i), public investment (I), total real consumption
(C), total real output (Y) and equivalent variation (EV).17
The aim of this paper is to find the optimal fiscal policy in terms of growth and social transfers, which justifies
the order of the presentation of the following three subsections.
14.05 percent. The capital and hydrocarbon tax simulations

involve a 10-percent increase and decrease for each of these
tax rates. Table 3 displays the results of the tax policy simulations.
Notice that a fully open economy (column 1) allows
the economy to grow by 3.3 percent relative to the baseline scenario, with welfare increasing by 3.86 percent. The
reduction in the price of the (importable) capital good increases marginal productivity in the exportable and nontradable sectors, while this figure remains constant in the
importable sector. Therefore Yxh , Yxa , Yxm and Yn increase
4.1.1 Tax Policy
and Ym decreases by 0.26 percent. Consistent with the tariff
We analyze fiscal policy solely on the basis of changes reduction, the real exchange rate depreciates by 5 percent.
in the rates of the four taxes considered in our model. The opposite effects occur when there is an increase in the
Simulating import tariff reductions and increases allow us import tariff (second column). Indeed, most of the results
to analyze a more or less open economy. For instance, have a similar magnitude with the opposite sign except for
a 0-percent tariff represents a completely open economy, transfers as a share of GDP. Opening the economy results
whereas a 20-percent tariff implies fewer links to the world in an 8.1-percent decline in transfers due to the decrease
economy. The simulated tax change in the value added tax in government revenues, whereas these transfers only inscenario is an increase up to the Latin American average. crease by 1.54 percent in the simulation of a more closed
According to Otalora (2009) the Latin American average is economy.
Variables
Simulated
0.2
0.1405
0.117
0.143
xh
0.288
xh
m ,
k ,
xh ,
0,
0.117,
0.352,
0.1348
0.1322
0.1380
0.352
value
cm
6.49
5.55
0.51
2.28
2.32
3.55
3.39
6.32
2.19
3.78
cn
2.05
2.15
0.42
1.34
1.41
2.25
2.23
2.30
1.46
1.93
Yxh
18.03
14.85
1.02
2.47
2.57
11.61
10.90
18.65
2.74
10.21
Yxa
2.03
2.00
0.36
0.29
0.30
0.51
0.52
2.20
0.37
0.27
Yxm
2.92
2.84
0.40
0.41
0.45
0.63
0.69
3.13
0.50
0.37
Ym
0.26
0.02
0.63
2.00
2.00
0.57
0.59
0.53
1.88
1.09
Yn
2.05
2.15
0.42
1.34
1.41
2.25
2.23
2.30
1.46
1.93
pn
5.05
5.20
0.90
0.98
0.99
1.38
1.28
5.42
0.79
1.98
/GDP
8.10
1.54
17.60
3.83
3.26
11.96
13.28
0.00
0.00
0.00
6.57
5.26
1.23
3.58
3.55
3.57
3.31
6.03
3.33
4.25
1.56
0.12
3.89
0.44
0.27
3.48
3.57
0.27
0.43
0.72
4.03
3.67
0.01
1.76
1.81
2.83
2.75
4.09
1.79
2.75
3.30
3.02
0.13
1.56
1.60
2.59
2.51
3.41
1.61
2.43
TU
3.86
3.82
0.02
1.71
1.83
2.71
2.79
3.91
1.73
2.81
Table 3. Change in steady-state values from a tax policy (in percentages).
17 To abstract from changes in relative prices, total consumption (C) and total output (Y) are measured at the initial baseline prices. EV is defined
as the subsidy (or tax, if negative) in terms of consumption of importables, non-tradables and public services needed to compensate the consumer for
them to be indifferent between the situation before and after policy change.
62
Analti a
An increase in the value added tax (third column) leads

to a substantial 17.6-percent increase in transfers as a share
of GDP, but this policy does not perform well in terms of
output. Total real output increases by just 0.13 percent, the
hydrocarbons sector is the only one to grow by more than
1 percent and the importables sector even declines by 0.63
percent. Despite the endogenous increase in the lump sum
transfer, the net welfare effect is negligible (-0.02 percent).
This can largely be explained by the 0.51-percent decrease
in consumption of importables. Private investment is also
adversely affected, with a decline of 1.23 percent. As for
public investment, it increases by 3.89 percent following
the simulated increased in the value added tax.
The literature on optimal fiscal policy states that capital
taxes should be nil. Here, a reduction in the capital tax
promotes aggregate capital accumulation, which in turn
increases the amount of capital used in each sector, and
thus increases output in each sector. The sector that benefits most from a reduction in capital tax is the hydrocarbons sector which sees a 2.47 percent increase in output.
This happens because the hydrocarbons sector is intensive
in capital ( larger than 0.5). Manufacturing (importables),
the other capital-intensive sector, grows by 2 percent. Notice that the effects of an increase or a decrease in the capital tax are almost linear. When the tax on capital increases
by 10 percent, aggregate output decreases by 1.6 percent
as opposed to an increase of 1.56 percent when the capital
tax decreases by 10 percent. Production in the hydrocarbons sector is highly sensitive to variations in the tax on
the production in this sector. Notice that a 10-percent decrease in this tax increases output in this sector by 11.61
percent, while in the opposing simulation it decreases by
10.9 percent. What is interesting to observe in this simulation is that government revenues rise due to a significant
increase in output in the hydrocarbons sector. Even though
the tax rate is lowered (column 6), transfers as a share of
GDP rise by 11.96 percent, which is similar in scale to the
increase in output in the hydrocarbons sector. Consumption of tradable and non-tradable goods is also positively
affected, allowing the government to collect more revenue
via the consumption tax.18
Finally, the last three columns of Table 4 show our simulation of three combined scenarios, with transfers as a share
of GDP maintained at its level in the baseline scenario. This
is to analyze the increase in consumption or value added
tax required to compensate for the negative effects of tax
policies which reduce transfers as a share of GDP.
Among the three combined scenarios, the best scenario
combines a completely open economy (m = 0) with a 3.72percent increase in the value added tax. The scenario that
combines a decrease in the capital tax with an increase in
the value added tax is also good in the sense that the impact on all variables is positive, albeit limited, whereas the
scenario that combines an increase in the hydrocarbons tax
18 See

with an increase in the value added tax is undesirable because all variables are negatively impacted.
From these simulations, we can conclude that, in terms
of a tax policy, in Bolivia the best it is to liberalize the economy by reducing tariffs. This policy allows the economy
to grow by 3.3 percent and to experience welfare gains of
3.86 percent. If the government also wishes to maintain its
social policy based on transfers to households, it should
finance this policy by an increase in the value added tax.
This combined policy allows the economy to grow by 3.41
percent and to experience welfare gains of 3.91 percent relative to the baseline.
4.1.2 Expenditure and investment policy
Next, we analyze a fiscal policy based solely on public
expenditures and public investment. Recall that in our setting, public consumption includes everything other than
investment. This means that health and education expenditures are included in this variable, as are expenditures
such as wages and benefits for public workers. First, we
simulate a 10-percent increase in public expenditures. Second, we simulate an increase in public investment as a
share of total government revenues. We simulate an increase of this share that is equal to the average increase
over 2007 and 2008. Finally, we combine a 10-percent increase in public expenditures with a 10-percent increase in
public investments.
People typically expect that an increase in government
expenditures or public investments positively affects output. Cross-country empirical studies have generally found
that public infrastructure positively affects a countrys output (e.g, Easterly and Rebelo (1993), Canning and Fay
(1993), Canning (1999)). This holds true for the case of
Bolivia. A 3.26-percent increase in public investment as a
share of government revenues (the average over the last
two years) respectively increases output and public investment by 1.58 percent and 5.19 percent. However, the opposite happens when the government increases its current
expenditures. A 10-percent increase in government expenditures leads to a 1.86-percent decline in output and a 3.56percent decline in consumption. An increase in government expenditure certainly weighs on the fiscal balance,
given that transfers as a share of GDP have to be reduced
by 51.55 percent.
The combined scenario shows that transfers to households are very sensitive to an increase in government expenditures: they largely decrease, whereas aggregate output, consumption and investment show positive signs. In
particular, public investment increases substantially, by
11.69 percent. In the first and third columns, it can also
be seen that the real exchange rate depreciates, although
this depreciation only positively affects outputs in the exportable sectors in the combined scenario. In the case
Chamley (1986) and Chari, Christiano and Kehoe (1994) for references on optimal fiscal policy.
63
Analti a
where only government expenditure increases, the negative sign on all sectoral outputs can be explained in relation
to reduced public investment, which affects public capital
and thus output in every sector.
The results show that the government should choose
a public investment policy over a public expenditure policy. This result itself points to another question: If education and health are considered as elements of variable
g, does this mean that it is bad for the government to in-
Variables
Simulated value
crease these expenditures? This question will be answered

in the following exercises. The results in Table 5 indicate
that a 25-percent increase in the consumption tax is needed
to completely compensate for the negative effects that a 10percent increase in government expenditures has on transfers as a share of GDP. This huge increase negatively affects
growth, consumption, private investment and welfare. In
fact, only public investment reacts positively, with an increase of 6.95 percent.
I/Yg
g, I/Yg
0.198
0.2756
0.198, 0.2936
cm
4.36
1.31
0.41
cn
2.92
1.80
2.52
Yxh
2.95
3.68
8.22
Yxa
0.61
0.76
1.66
Yxm
0.79
0.95
2.09
Ym
0.69
0.85
1.86
Yn
2.92
1.80
2.52
pn
2.06
0.41
3.17
/GDP
51.55
1.49
45.02
2.38
1.37
1.76
4.12
5.19
11.69
3.56
1.58
1.21
1.86
1.58
2.90
TU
3.38
1.51
1.33
Table 4. in steady-state values from an expenditure and investment policy (in percentages).
The second column presents the scenario where we

combine a 10-percent increase in government expenditures
with an increase in the value added tax (up to the Latin
American average) and a decrease in the hydrocarbons tax.
We find this to be a better policy, with all variables reacting positively. Of particular interest is that long run output
grows by 5.48 percent compared to the baseline scenario,
the best growth result observed for any simulation seen
yet. This important impact is surely driven by the 30.88percent increase in output in the hydrocarbons sector, the
main sector of the Bolivian economy.
change in tax rates required to compensate for the negative effect that government expenditures has on transfers
to households.
4.1.4 Fiscal policy together with improved efficiency
and productivity
In this subsection we analyze fiscal policy together with

two variables which are not directly related to fiscal policy
but which can be incentivized by the government. These
other two variables are efficiency, which pertains to improvements in the way public investment (in infrastructure) is provided, and productivity, i.e., improved total fac4.1.3 Tax and expenditure policy
tor productivity across all sectors.
We can begin to answer the previous question by comAccording to the 2006-2011 National Development Plan
bining the 10-percent increase in government expenditures (the PND, in Spanish), Bolivia should have attained avwith an increase in the two main taxes that the Bolivian erage annual output growth of 6.3 percent. This overall
government can change: the value added tax and the growth was expected to come via annual growth of 3.1 perhydrocarbons tax. In particular we aim to calculate the cent in agriculture, 6.8 percent for importables, 18.8 per64
Analti a

cent for non-tradables, 13.2 percent for hydrocarbons and respective sectors. As we are using quarterly data, the
10.4 percent in mining. We have re-calibrated the TFP pa- TFP parameters have been calibrated for quarterly rates of
rameters in each sector to obtain these growth rates in the growth.19
Variables
Simulated value
cm
g, c
0.198, 0.1627
6.14
g, c and xh
0.198, 0.1405 and 0.2328
5.12
cn
2.00
3.68
Yxh
0.50
30.88
Yxa
0.34
1.08
Yxm
0.30
1.32
Ym
2.77
0.18
Yn
2.00
3.68
pn
4.75
1.11
0.00
0.00
6.29
6.53
6.95
9.09
3.85
4.32
1.74
5.48
TU
3.77
4.30
/GDP
Table 5. Change in steady-state values from a tax and expenditure policy (in percentages).
Rioja (2003) shows that raising public capital effectiveness has large and positive effects on private investment,
consumption and welfare. We simulated a 5-percent increase in the effectiveness level of the existing infrastructure network. This increases the value of to 0.644. The
first two columns in table 6 show the effects of increasing
TFP and , while the next columns show five combined
policy scenarios which give information on the best fiscal
policy for the Bolivian government to follow.
Comparing columns 1 and 2, we can see that both
changes positively impact the economy. Public and private investment are affected similarly, while consumption
increases more when there is an increase in TFP, leading to
a larger increase in output (5.16 percent). The favourable
productivity boost lifts output in the non-tradable sector by
6.67 percent, while the increase in effectiveness has a larger
impact on output in the hydrocarbons sector, which rises
by 6.35 percent relative to the baseline. Welfare gains are
also larger in the TFP simulation than in the effectiveness
simulation, while the magnitudes of the increase of transfers as a share of GDP are similar in both scenarios. A key
conclusion here is that productivity and effectiveness are

important sources of growth, but need to be accompanied
by fiscal policy to reach higher growth rates.
We combine productivity and effectiveness with government expenditures in the third and fourth columns. We
combine a 10-percent increase in government expenditures
with an increase in TFP in all sectors. The results show that
expansionary fiscal policy based on the increase in current
expenditure only increases output by 2.34 percent, while
transfers as a share of GDP fall by 36.61 percent. If we
add a 5-percent increase in , transfers as a share of GDP
still decrease by 21.42 percent, but output grows at a much
more satisfactory rate of 5.3 percent. These results indicate
that an increase in the effectiveness of public infrastructure
can enhance growth. The question is: How much does the
effectiveness index need to increase by for the government
to break the trade-off between transfers (social policy) and
growth.20
The fifth column shows that the effectiveness index
must increase by 12.47 percent to 0.69 to maintain the social
policy. Furthermore, output grows by 9.71 percent, which
19 The PND presents the economic and planning strategy that the government will follow over the coming years to consolidate the process of
transforming the economy.
20
We do not consider a larger increase in TFP because this is more difficult to achieve. TFP is related to many things in the economy, but it is not
directly related to fiscal policy and only improves over time.
65
Analti a
is an appropriate growth rate for a country that needs to

reduce its level of poverty. Private and public investment
also benefit substantially, respectively by 7.25 percent and
9.42 percent. Welfare also rises by 8.97 percent, which is
primary explained by the 12.67-percent increase in consumption of non-tradable goods.
Important and sizable effects can be seen when the increase in TFP is omitted, although the effects are smaller.
Total real output increases by 8.05 percent, welfare gains
are in the order of 7.23 percent and total real consumption
rises by 7.81 percent. Lump sum transfers remain constant
because the effectiveness index increased by 17.7 percent.
Variables
T F P
g, T F P
g, T F P
and
g, T F P
and
g,
g, I/Yg
and
Simulated value
(*)
0.644
0.198, (*)
0.198, (*) and

0.644
0.198, (*) and

0.69
0.198, 0.721
0.198, 0.2936
and 0.7
cm
3.29
3.04
1.06
2.08
6.76
6.33
9.54
cn
6.67
3.40
3.67
7.29
12.67
9.00
13.70
Yxh
4.75
6.35
1.76
8.31
18.38
19.72
30.50
Yxa
1.27
1.29
0.68
1.98
3.88
3.81
5.69
Yxm
3.10
1.61
2.32
4.01
6.45
4.82
7.21
Ym
2.04
1.46
1.36
2.85
5.00
4.29
6.43
Yn
6.67
3.40
3.67
7.29
12.67
9.00
13.70
pn
2.89
0.20
4.82
4.96
5.15
2.49
3.51
/GDP
13.06
13.80
36.61
21.42
0.00
0.00
0.00
2.90
2.63
0.52
3.22
7.25
6.82
10.42
3.70
3.80
0.42
3.50
9.42
9.32
25.75
5.16
3.24
1.56
4.96
10.03
7.81
11.84
4.23
2.83
2.34
5.30
9.71
8.05
12.27
TU
4.72l
3.06
1.60
4.70
8.97
7.23
10.46

Note: (*) The percentage increases are 0.6 (tradables), 4.3 (non-tradables), 0.71 (hydrocarbons), 1.8 (mining) and 0.6 (agriculture).
Table 6. Steady-state changes: fiscalpolicy with improved effectiveness and TFP.
Unfortunately, there is no available metric to determine

whether this magnitude is relatively big or small. Rioja
(2003) calculates as equal to 0.74, the average across seven
Latin American countries. Taking this value as a benchmark, we can say that the country will be able to develop
a fiscal policy using public expenditures without affecting
either growth or its social policy if it can approximate this
number. This is a new finding because it shows links between effectiveness in the provision of public infrastructure, public expenditures (health and education) and social
policy (transfers to households).
In the last column, we simulate a 10-percent increase in
public investment as a share of government revenues. This
reduces the required increase in effectiveness and is the
best case scenario for Bolivia. All the main macroeconomic
variables jump by more than 10 percent. Public investment
is notable in this regard, with arise of 25.75 percent. This result shows the importance of public investment, along with
21 See
66
the associated measure of effectiveness as emphasized by

Rioja (2003).
Latin American countries which have experienced an
increase in TFP are those which have been able to reduce
their growth gap with developed countries such as the US
or UK. Our model demonstrates that this reduction in the
growth gap could also happen for Bolivia if the country
begins to dismantle the various restrictions and distortions
that impede improved productivity. Long run economic
growth can be improved by enhancing TFP growth. In Bolivia, however, there is also plenty of scope for public infrastructure and spending policies, particularly if they are
accompanied by a healthy measure of effectiveness. This
combination of more, and more effective, spending will
certainly help poverty reduction and sectoral economic
growth, and will thus also help solve other problems like
unemployment and underused capacity.21
Restuccia (2008) for an excellent explanation of how low output per worker in Latin America is due to a low and declining relative TFP.
Analti a
4.2 Impact and dynamic transition effects

In the long run, we model changes in fiscal and nonfiscal policies as permanent changes in the tax rates levied
on different sectors or as multiplicative shocks on their production functions. In order to quantify the long run level
effects of these policies, we thus focus on comparisons between two steady states.
Three issues are overlooked in the long run analysis:
First, the nature of fiscal policy implies gradual rather than
instantaneous changes in macroeconomic variables. Second, time timing of policy implementation must be considered when evaluating potential costs and benefits of policy changes because initial conditions are very different
from steady-state conditions. Finally, the structure of the
economy determines the speed of convergence to the new
steady state and the transitional dynamics.
Let s0 be the initial values of the state variables (calibrated to replicate the Bolivian economy in 2006). Let Gi ()
be the policy functions of the control variables and Si ()
the implied laws of motion of the state variables for the
baseline scenario B and the comparisons scenarios C1 and
C2. Using the policy functions, the laws of motion and the
initial conditions, dynamic simulations are carried out for
every variable of interest. The dynamic simulations show
how long it takes to reach the percentage changes caused
by the combination of a 10-percent increase in government
expenditures and public investment as a share of government revenues together with a 15.44-percent increase in the
effectiveness of public capital (last column of table 6). This

is our C1 scenario presented in the following table and in
figure B1 in the appendix.
Recall that we concluded in the previous section that
the best strategy the Bolivian government can adopt is to
increase government expenditures and public investment.
This is particularly true if the strategy is accompanied by
an increase in the effectiveness of public capital to compensate for negative effects that higher current expenditures
have on transfers to households. The most notable variations were in relation to output, consumption and welfare,
each of which increase by more than 10 percent. These results are for the long run, however, and we dont know
how long it would take to reach these long run steady-state
values.
The results in table 7 show that the macroeconomic
variables and sectoral outputs approach their steady state
values after 160 years. That is far too long and the results
can be even more disappointing if we consider that output
will only be 6.6-percenthigher than the baseline scenario
after 20 years, while welfare will only have improved by
4.5 percent over this period of time. After 5 years, Bolivia
will be growing at its historical level of about 4 percent.
These disappointing results lead us to analyze the C2
scenario where we added the productivity boost as per
the PND goals. This increase in overall TFP leads to
much higher steady-state values, and appropriate short
run growth rates as shown in the following table and in
figure B2 in the appendix.22
Years
Variable
10
20
40
80
160
SS
Output
3.0%
3.8%
4.8%
6.6%
9.1%
11.3%
12.2%
12.3%
Consumption
0.7%
1.6%
2.7
4.7%
7.8%
10.6%
11.7%
11.8%
Priv. Investment
1.5%
4.2%
6.5%
9.0%
10.4%
10.5%
10.4%
10.4%
Pub. Investment
20.3%
20.4%
20.7%
21.6%
23.3%
25.0%
25.7%
25.7%
0.8%
1.6%
2.6%
4.5%
7.1%
9.5%
10.4%
10.5%
Welfare
Years
Sector
Hydrocarbons
9.6%
Agriculture
10
20
40
80
160
SS
11.9%
14.4%
18.5%
23.8%
28.5%
30.3%
30.5%
2.1%
2.6%
3.1%
3.8%
4.7%
5.4%
5.7%
5.7%
Mining
2.6%
3.2%
3.8%
4.8%
5.9%
6.8%
7.2%
7.2%
Importables
1.2%
1.4%
1.7%
2.6%
4.1%
5.7%
6.3%
6.4%
Non-tradables
2.7%
3.8%
5.1%
7.2%
10.0%
12.6%
13.6%
13.7%
Table 7. Dynamic transition - expansive fiscal policy + effectiveness of public capital.

22 By
appropriate growth rates, we refer to the 2% GDP per capita growth required to reduce poverty levels.
67
Analti a
Years
Variable
10
Output
5.3%
6.4%
7.7%
Consumption
3.1%
4.5%
Priv. Investment
3.5%
Pub. Investment
Welfare
20
40
80
160
SS
10.0%
13.2%
16.0%
17.1%
17.2%
6.0%
8.7%
12.6%
16.3%
17.7%
17.8%
7.2%
9.7%
12.4%
13.8%
13.9%
13.8%
13.8%
23.5%
23.7%
24.2%
25.4%
27.6%
29.7%
30.6%
30.7%
2.9%
4.2%
5.5%
7.8%
10.9%
13.7%
14.7%
14.8%
40
80
160
SS
Years
Sector
10
20
10.4%
13.5%
16.6%
21.7%
28.5%
34.4%
36.7%
36.9%
Agriculture
2.7%
3.3%
3.9%
4.8%
5.8%
6.7%
7.0%
7.1%
Mining
4.8%
5.6%
6.4%
7.5%
9.0%
10.1%
10.5%
10.6%
Importables
1.8%
2.1%
2.6%
3.8%
5.8%
7.8%
8.5%
8.6%
Non-tradables
7.2%
8.6%
10.2%
13.0%
16.7%
20.0%
21.3%
21.4%
Hydrocarbons
Table 8. Dynamic transition expansive fiscal policy + more effective public capital + higher TFP.
Table 8 shows that the Bolivian economy can attain high

rates of output and private investment growth over a 5year time frame, respectively of 6.4 percent and 7.2 percent.
The economy performs even better in these respects over a
10-year time frame as well and reaches its highest point
with respect to the baseline after 20 years. It is important
to note that a moderate increase in TFP, as per the simulation that followed the PND targets, may have important
medium run effects on growth and welfare. If we want to
increase the short run impact, however, a larger boost in
TFP is needed.
In conclusion, fiscal policy on its own does improve economic performance. Achieving sufficiently good
macroeconomic performance across sectors to substantially impact Bolivias trajectory with respect to poverty
will be best achieved together with efficient provision of
public capital and more substantial productivity growth.23
Concluding remarks
Bolivia has experienced a substantial increase in foreign revenues due to a substantial commodity boom. This
export boom has allowed the country to reverse chronic
fiscal and external deficits and to accumulate more foreign exchange reserves than even before (USD 7.7 billion
in 2008 and USD 8.5 billion in 2009). Average growth rates
of 5.2 percent over the last four years did more for Bolivian
economic growth than the three preceding decades, which
puts the country in an excellent position to reduce poverty.
23 In
68
Government revenue has increased by nearly 20 percentage points of GDP over the last four years. Much of
this rise is due to an increase in royalties collected, renationalization of the industry and the historically high international oil prices. This unprecedented scenario allowed
the government to push forward fiscal policy via expenditure and investment policies and to implement several
transfer programs for poor people.
This study simulated the macroeconomic and sectoral
impacts of various fiscal policy scenarios by building a
five-sector dynamic general equilibrium model for a small
open economy. The economy is inhabited by representative infinitely-lived agents who face upward-sloping foreign capital supply as a reflection of an endogenous country risk premium. We also include public capital as a production factor for private production, allowing us to analyze the impact of public infrastructure investment on sectoral outputs. Public capital is nonrival and we find that it
substantially aids growth and welfare. The model has been
calibrated to match the national account ratios and sectoral
output of the Bolivian economy using 2006 as the base year.
The simulation results for the steady states shows that
the best fiscal policy is a 3.71-percent increase in the value
added tax together with an open economy. This policy allows the economy to grow by 3.41 percent and to maintain
current social transfers to households. We then analyzed
fiscal policies involving increased government spending
and public investment. The results are notable, in that
macroeconomic constraints imply that government expen-
appendix C, we also performed a sensitivity analysis for the relative prices and the valuation of public consumption.
Analti a
ditures strongly and negatively affect transfers to households. This negative effect reduces consumption of tradables and non-tradables, depressing aggregate demand.
As for public investment, it positively affects the economy by strengthening production in all sectors, although
growth and welfare gains are low.
These results are controversial, first because they indicate that this combination of policies does not allow the
economy to surpass the 6-percent minimum growth rate
required to reduce poverty and second, because it seems
that public expenditure policies are not good for the economy. In order to investigate this situation we analyzed
several combined scenarios. The results show that various macroeconomic indicators improve substantially when
a 10-percent increase in government expenditures is combined with an increase the value added tax up to the Latin
American average and a 27.2-percent decrease in the hydrocarbons tax. This policy situation allows the economy
to grow by 5.48 percent, with 30.9-percent growth in the
hydrocarbons sector being the main driver behind this result.
The results remain far from ideal when analyzing the
steady-state, i.e., the long-run effects. The analysis is then
complemented by simulation of TFP productivity boosts
across all sectors together with more effective provisions
of public capital. We found that the best combination of
fiscal policy instruments is the following: a 10-percent increase in government expenditures and public investment
and a 15.4-percent increase in the effectiveness index of
public capital. This combination allows the government to
sustain social transfer policies and the economy grows by
12.3 percent in the long run. An additional increase in TFP
as per the PND (National Development Plan) goals would
allow the economy to grow by a further 17.2 percent and
transfers to be increased by 13.7 percent.
Finally, we simulated the dynamic transition paths for
these two noteworthy scenarios to look into another important question: How long does it take the economy to reach
these steady states? It takes more than 100 years, but there
are also important effects in the medium run, particularly
in terms of productivity increases. In 5 years, output can
grow by an additional 6.4 percent, consumption rises by
6 percent and private investment increases by 9.7 percent.
After 10 years output grows by 7.7 percent and output is
10 percent higher in the 20-year timeframe. In conclusion,
larger productivity boosts are needed to promote growth
and welfare in the short-run.
The paper analyzed fiscal policy in Bolivia in an effort
to guide the decisions that a government will have to take
if it wants to use fiscal policy as the primary tool to promote development and structural transformations of the
Bolivian economy. The results should come as no surprise.
Fiscal policy alone is unable to generate growth rates: it
has to be accompanied by productivity boosts in every sector and public capital should also be deployed more effec-

tively. Improving TFP performance may not necessarily be

within the scope of fiscal policy, or perhaps there is a role
for the government by removing distortions from production sectors.
References
[1] Alesina A., and R. Perotti (1997). The Welfare State and
Competitiveness, American Economic Review, Vol.87,
pp. 921-939.
[2] AlesinaA., and S. Ardagna (2009). Large changes in fiscal policy: taxes versus spending, in Tax Policy and the
Economy, Vol.24, pp. 35-68.2009.
[3] Ardagna S. (2004). Fiscal Stabilizations: When Do They
Work and Why, European Economic Review, Vol. 48,
No. 5, October 2004, pp. 1047-1074.
[4] Aschauer, D. (1985). Fiscal Policy and Aggregate Demand, American Economic Review, Vol.75, pp. 117127.
[5] Aschauer, D.A. (1989a). Is Public Expenditure Productive? Journal of Monetary Economics, Vol.23, pp.177200.
[6] Aschauer, D.A. (1989b). Public Investment and Productivity Growth in the Group of Seven, Economic Perspectives, Federal Reserve Bank of Chicago, Vol.13 (5), pp.
17-25.
[7] Barja, G, J. Monterrey and S. Villarroel (2005). The Elasticity of Substitution in Demand for Non-Tradable Goods
in Bolivia. IADB (mimeo).
[8] Barro, R. (1981). Output Effect of Government Purchases,
Journal of Political Economy, Vol.89, pp. 1086-1121.
[9] Bhandari, J., N. Haque, and S. Turnovsky (1990).
Growth, External debt, and Sovereign Risk in a Small Open
Economy, IMF Staff Papers 37, pp.388-417.
[10] Canning, D. (1998). A Database of World Infrastructure
Stocks, 1950-1995, Policy research working paper, No
1929, Washington, D.C., World Bank.
[11] Canning, D.(1999). Infrastructure Contribution to Aggregate Output, World Bank Policy Research Working Paper 2246.
[12] Canning, D.AndM.Fay (1993). The Effect of Transportation Networks on Economic Growth, manuscript,
Columbia University.
[13] Cavalcanti, P. and L. G. do Nascimento (2006). Welfare
and Growth Effects of Alternative Fiscal Rules for Infrastructure Investment in Brazil, Fundao Getulio Vargas
(mimeo).
69
Analti a

[14] Chamley, C. (1986). Optimal Taxation of Capital Income [29] Giavazzi, F., T. Jappelli, and M. Pagano (2000). Searchin General Equilibrium with Infinite Lives, Econometrica,
ing for Non-Linear Effects of Fiscal Policy: Evidence from
Vol.54 (3), pp. 607-622.
Industrial and Developing Countries, European Economic Review, 2000, Vol. 44(7), pp. 1259-1289.
[15] Chari, V.V., Lawrence Christiano and Patrick Kehoe
(1994). Optimal Fiscal Policy in a Business Cycle Model, [30] Hulten, C.R. (1996). Infrastructure Capital and Economic
Journal of Political Economy, Vol.102 (4), pp. 617-652.
Growth: How Well You Use It May Be More Important
Than How Much You Have, NBER Working Paper 5847.
[16] Christiano, L. and M. Eichenbaum (1992). Current Real
Business Cycle Theories and Aggregate Labor Markets [31] Ilzetzki and Vegh (2008). Procyclical Fiscal Policy in DeFluctuations, American Economic Review, v.82, pp.
veloping Countries: Truth or Fiction? NBER Working
430-450.
Paper 14191.
[17] Chumacero, R., Rodrigo Fuentes and Klaus Schmidt- [32] Lambertini, L., and J. Tavares (2001). Exchange Rates
Hebbel (2004). Chiles Free Trade Agreements: How Big
and Fiscal Adjustments: Evidence from the ECD and Imis the Deal?, Working Paper No. 264, Central Bank of
plications for EMU, FEUNL Working Paper 412, UniChile.
versidade Nova de Lisboa.
[18] Cogan, J, T. Cwik, J. Taylor and V. Wieland (2009). [33] Mountford, A.and U.Harald (2008). What Are the EfNew Keynesian versus Old Keynesian Government Spendfects of Fiscal Policy Shocks? NBER Working Paper
ing Multipliers, mimeo.
14551.
[19] Easterly, W. and S. Rebelo (1993). Fiscal Policy and Eco- [34] McDermott J., and R. Wescott(1996). An Empirical
nomic Growth: An Empirical Investigation, Journal of
Analysis of Fiscal Adjustments, IMF Staff papers, Vol.
Monetary Economics, Vol.32, pp. 417-458.
43(4), pp. 723-753.
[20] Eaton, J. and M. Gersovitz (1981). Debt with Potential
[35] Ministry of Economy and Public Financing (2009).FisRepudiation: Theoretical and Empirical Analysis, Review
cal Memory, La Paz, Bolivia.
of Economic Studies, Vol.48, pp. 289-309.
[36] Munnell, A. (1990). How Does Public Infrastructure Af[21] Estrada, P. (2006). Economa Pequea, Abierta, Exportafect Regional Economic Performance? New England Ecodora de Gas y Soya, con Shocks Internos y Externos: Camnomic Review, (September/October), pp. 11- 32.
bios que Bolivia no esperaba, Universidad de Chile.
[37] Osang, T. and S. Turnovsky (2000). Differential Tariffs,
[22] Evans, P. and G. Karras (1996). Private and Government
Growth and Welfare in a Small Open Economy, Journal of
Consumption with Liquidity Constraints, Journal of InDevelopment Economics, Vol. 62, pp. 315-342.
ternational Money and Finance, Vol.15, pp. 255-266.
[23] Feldstein, M.(2009). Rethinking the Role of Fiscal Policy, [38] Otalora, Carlos (2009). Economa Fiscal, primera edicin, Plural Editores, La Paz, Bolivia.
NBER Working Paper 14684.
[24] Fernandez de Cordoba, G. and T. Kehoe (2000). Capital Flows and Real Exchange Rate Fluctuations Following
Spains Entry into the European Community, Journal of
International Economics, Vol. 51, pp: 49-78.
[39] Ramey, V. (2009). Identifying Government Spending

Shocks: Its All in the Timing. University of California
at San Diego; NBER Working Paper No. 15464.
[40] Restuccia, Diego (2008). The Latin American Development Problem. University of Toronto Department of
[25] Ford, R. and P. Poret (1991). Infrastructure and Private
Economics Working Paper tecipa-318.
Sector Productivity, OECD Working Paper, 91.
[26] Garca-Mil, T., T. McGuire y R.M. Porter (1993). [41] Rioja, F.K. (2003) The Penalties of Inefficient Infrastructure, Review of Development Economics, 7(1), pp.
The Effect of Public Capital in State- Level Production
127-137.
Functions Reconsidered, The Review of Economics and
Statistics, Vol.78, pp. 162-180.
[42] Romer, C. and D. Romer (2010). The Macroeconomic Effects of Tax Changes: Estimates Based on a New Measure
[27] Gavin, M.and R.Perotti (1997). Fiscal Policy in Latin
of Fiscal Shocks, American Economic Review, Vol. 100,
America, NBER Macroeconomics Annual.
pp. 763-801.
[28] GiavazziF., and M. Pagano (1990). Can Severe Fiscal
Contractions Be Expansionary? Tales of Two Small Euro- [43] Schmitt-Groh S. and M. Uribe (2003). Closing small
pean Countries, NBER Macroeconomics Annual, MIT
open economy models, Journal of International EcoPress, (Cambridge, MA), pp. 95-122.
nomics, Vol. 61, pp. 163-185.
70
Analti a

[44] Schmitt-Groh S. and M. Uribe (2004). Solving dynamic

view of Development Economics, Vol. 1, pp. 1-22.
general equilibrium models using a second-order approximation to the policy function, Journal of Economic Dy- [47] Von Hagen J., A. H. Hallett, R. Strauch, (2002). Budnamics and Control, Vol. 28, pp. 755-775.
getary Consolidation in Europe: Quality, Economic Conditions, and Persistence, Journal of the Japanese and In[45] Talvi, E., and C. A. Vgh (2005). Tax Base Variability and
ternational Economics, Vol. 16, pp. 512-535.
Pro-cyclical Fiscal Policy in Developing Countries, Journal of Development Economics, Vol. 78, pp. 156-190.
[48] Von Hagen J., R. Strauch, (2001). Fiscal Consolida[46] Turnovsky, S. (1997). Equilibrium Growth in a Small
tions: Quality, Economic Conditions, and Success, Public
Economy Facing an Imperfect World Capital Market, ReChoice, Vol. 109(3-4), pp. 327-346.
71
Analti a
APPENDIX
A
Calibrations
Table A.1. Calibration of
Sectors
Intermediate Consumption
(thousands of 1990Bs.)
Agriculture
Hydrocarbons
Mining
Importables
Non-tradables
Electricity, gas and water
Transport and storage
Communications
Total
Infrastructure
s
Agriculture
(1-5)
Hydrocarbons
(6 y 19)
Mining (7, 20,

21 y 22)
Importables
(8-18 y 23)
Non-tradables
(25, 26 y 29-35)
673,280
37,740
31,698
528,444
128,294
322
186,842
1,781
1,588,400
188,944
1,903
1,171,274
162,272
88,162
369,308
52,109
534,921
3,935
2,383,885
590,965
16,516
106,898
585,708
257,327
57,827
50,813
102,381
18,218
1,195,688
171,412
3,633,472
154,590
574,910
2,823,865
260,887
89,587
403,240
66,670
8,007,221
559,497
196,011
187,431
1,022,309
2,331,561
1,008,874
169,092
1,161,924
235,227
6,312,428
1,566,243
0.12
0.25
0.14
0.07
0.25
Input-output matrix (2006)
Year
Power (i)
Telecom
(ii)
Paved
Roads (iii)
Water (iv)
1995
11.56
n.a.
94.50
n.a.
1996
11.49
n.a.
94.50
n.a.
1997
11.61
n.a.
94.30
n.a.
1998
11.99
n.a.
94.00
n.a.
1999
11.41
n.a.
93.60
n.a.
2000
10.18
n.a.
93.40
n.a.
2001
12.40
n.a.
93.30
n.a.
2002
13.07
n.a.
93.30
n.a.
2003
14.35
n.a.
93.00
n.a.
2004
13.61
n.a.
93.00
n.a.
2005
13.95
n.a.
n.a.
n.a.
2006
14.36
n.a.
n.a.
37.03
2007
n.a.
17.76
n.a.
31.97
2008
n.a.
n.a.
n.a.
32.87
(i) Electric power transmission and distribution losses (% of output)

(ii) Faults (per 100 mainlines per year)
(iii) Roads, not paved (% of total roads)
(iv) Losses (% of total water provision)
72
1,459,264
f-land
0.19
0.15
0.00
1.00
f-cap
f-land
f-natres
Total
Input-output matrix (2006)
0.66
9,776,874
f-lab
in%
Total
1,873,349
f-cap
f-natres
6,444,261
Agriculture
(1-5)
f-lab
VA (in
thousands of
Bs. Of 1990)
1.00
0.23
0.00
0.66
0.11
7,303,326
1,670,433
4,834,479
798,415
Hydrocarbons
(6 y 19)
1.00
0.10
0.00
0.25
0.65
5,191,564
511,687
1,295,147
3,384,730
Mining (7,
20, 21 y 22)
1.00
0.00
0.00
0.58
0.42
7,711,000
4,440,511
3,270,488
Importables
(8-18 y 23)
1.00
0.00
0.00
0.38
0.62
31,447,553
11,971,380
1.00
0.00
0.00
0.75
0.25
2,115,539
1,579,682
535,857
Electricity,
gas and
water
Nontradables
(25, 26 y
29-35)
19,476,173
24
1.00
0.00
0.00
0.42
0.58
7,667,648
3,220,626
4,447,022
Transport
and storage
27
1.00
0.00
0.00
0.92
0.08
1,444,758
1,324,170
120,588
Communications
28
1.00
0.03
0.02
0.42
0.53
72,658,262
2,182,120
1,459,264
30,539,342
38,477,535
TOTAL
Analti a

73
Analti a
Dynamic Transitions
Figure B.1. Baseline Scenario vs. C1
Figure B.2. Baseline scenario vs. C2
Sensitivity Analysis
In this appendix we analyze how sensitive the models

main results are to changes in the valuation of public consumption and/or relative prices. In particular, we simulate
the effects on output growth and welfare gains as:
Changes in the value of public consumption. Public consumption is related to consumption of nontradables by the parameter . We simulate an increase in to 1. This represents a situation where
consumers weight public and private consumption
equally, as opposed to a decrease in to 0, where
public consumption is pure waste.
Change in relative prices (q xh , q xa and q xm ). The Bolivian Central Bank has computed these relative prices
for the basic exportable products of Bolivia. According to these calculations, we simulate a 10-percent increase and decrease in the three prices.
Figure C.3
The following figures display the results:
74
Analti a

Cavalcanti and Goncalvez (2006) also perform a sensitivity analysis and find no problems when using values
of between 0 and 1, although Evans and Karras (1996)
have estimated a value of equal to 1.14 using a GMM estimator. We observe that when public consumption is pure
waste ( = 0) the GDP growth rate is above 1 percent, but
welfare gains are negative. As we increase the parameter
towards 1, the rate of growth tends to decrease and welfare
gains tend to increase. It is also interesting to observe that
the welfare gains are sizeable when public consumption is
equally valued to private consumption (when = 1).This
happens because we consider public consumption as part
of the utility function. Recall again that public consump-
tion includes government expenditures on health and education. These last results suggest that if human capital
were more highly valued in Bolivia (through more spending on health and education), the economy would benefit
from positive welfare gains even if output growth is held
back.
The results of the exercises with commodity prices (relative prices) show that output and welfare are positively
correlated with those prices, particularly for hydrocarbons.
A 10-percent increase in hydrocarbon prices relative to the
baseline can lead to output and welfare gains of nearly 15
percent. Changes in agriculture and mining prices have
similar effects on growth and welfare.
Figure C.4
Figure C.5
Figure C.6
75
Analti a
Geoestadstica y arqueologa: una nueva perspectiva
analtico-interpretativa en el anlisis espacial intra-site
Geostatistical and archaeology: a new
analytical-interpretative approach for intra-site spatial
variability
www.inec.gob.ec
Analti a
Geoestadstica y arqueologa: una nueva perspectiva analtico-interpretativa. . .

Geoestadstica y arqueologa: una nueva perspectiva

analtico-interpretativa en el anlisis espacial intra-site
Geostatistical and archaeology: a new
analytical-interpretative approach for intra-site spatial
variability
IIIPC The Cantabria International Institute For Prehistoric Research University of Cantabria, Espaa
maximianoam@unican.es
Recibido: 24 de septiembre de 2012
Resumen
La mayor parte de la metodologa implementada en el anlisis espacial arqueolgico intra-site se limita a la caracterizacin de las distribuciones observadas en trminos de concentracin de restos en un conjunto de localizaciones (anlisis
clster) sin tener en cuenta cuestiones relacionadas con la dependencia espacial de la distribucin, en concreto, la nocin
de la autocorrelacin apenas suele ser considerada. Todo ello conduce a una serie analtica-interpretativa de la variacin
espacial bastante simplista y esencialmente poco resolutiva en relacin al potencial de la problemtica espacial objeto de
estudio.
Frente a ese panorama, existen propuestas como la Geoestadstica, cuyo argumento principal se centra en el estudio
de la dependencia espacial de las distribuciones. En este trabajo, se implementan postulados y herramientas del anlisis geoestadstico como medio para establecer un discurso analtico-interpretativo acerca de la variabilidad espacial en
un yacimiento arqueolgico donde el problema consiste en la deteccin y cuantificacin del lmite (interior/exterior)
de una unidad domstica (cabaa). Dicha estimacin no podra hacerse mediante el enfoque y los recursos analticos
comnmente implementados en arqueologa.
Palabras clave: Geoestadstica; Anlisis espacial intra-site; Semivariograma; Gradiente espacial.
Abstract
Most of methodology implemented in archaeological intra-site spatial analysis is limited to the characterization of
distributions in terms of spatial concentrations (cluster) regardless issues the spatial dependence of the distribution,
specifically, the notion of autocorrelation is no usually considered. All this leads to a series of analytical-interpretative
spatial variation rather simplistic and essentially little resolutive about the potential of space issues under study.
Against this background, there are proposals like Geostatistics, whose main argument focuses on the study of the
spatial dependence of the distributions. In this paper, we implement postulates and tools from Geostatistical as a way
to establish an analytical-interpretive discourse about spatial variability into an archaeological site where the problem
focuses on detection and quantification limit (in / out) of a domestic unit (hut). This boundary could not be estimated if
we are using approach and analytical resources commonly deployed in archeology.
Keywords: Geostatistics; Spatial intra-site analysis; Semivariogram; Spatial gradient.
Cdigo JEL: C46
79
Analti a
Introduccin
La Arqueologa, disciplina social, dejo de tener un

predominio anticuarista y regido por principios nocuantitativos a partir del desarrollo de la corriente analtica/interpretativa conocida como New Archaeology desde los 60s de la pasada centuria. Ese momento se puede
considerar como el afianzamiento de la sistematizacin y
formalizacin del anlisis espacial en contexto arqueolgico. Con ello, cobr la importancia que realmente mereca la asignacin de las mltiples entidades arqueolgicas
existentes en el registro mediante un sistema de referencia
(coordenadas y/o frecuencia)1 espacial, lo cual permitira
la aplicacin de test estadsticos para estimar la estructura
espacial en las distribuciones de dichos restos. Desde ese
momento, la innovacin acerca de mtodos y elementos
tericos incorporados al anlisis espacial en arqueologa no
ha dejado de progresar.
Actualmente y gracias al continuo avance tanto en planteamientos tericos como en la aplicabilidad de soluciones,
se estn superando determinadas cuestiones clsicas en este tipo de anlisis (centrado nicamente en conocer el patrn de la distribucin); ahora los arquelogos estn interesados en otras posibilidades que ofrece el anlisis espacial,
cuestiones relacionadas con el control de incertidumbre en
base a la muestra empleada, la estimacin de correlacin
espacial, prediccin del patrn de distribucin etc. Son una
serie de problemas que surgen gracias a la aplicacin de
la tecnologa de Sistemas de Informacin Geogrfica (SIG)
y las nuevas tcnicas en captura de datos (entre otros: estacin total, lser escner y fotogrametra). Junto a estos
avances metodolgicos, tambin se tiene en cuenta la presencia de nuevas series de datos en el registro arqueolgico
que hace unos aos era imposible considerar (por ejemplo,
deteccin y anlisis de compuestos qumicos orgnicos e
inorgnicos, fitolitos, microestratigrafa, etc.)
Ante este panorama, las posibilidades analtico/interpretativas que ofrece la Geoestadstica en la resolucin de los problemas arqueolgicos, se han convertido
en una va emergente y con muchas posibilidades. La relacin entre anlisis espacial arqueolgico y Geoestadstica
no es una novedad ya que en el trabajo de Hodder y Orton
(1976) [30] se aplica un clculo de la medida de autocorrelacin a travs de los estadsticos I de Moran y C de Geary.
Ese trabajo fue la primera aplicacin sobre un problema
arqueolgico, posterior a l tenemos aplicaciones significativas [70; 28; 9; 31; 20]. Esas aplicaciones son interesantes,
pero tambin son implementaciones parciales, en las que
los recursos geoestadsticos se utilizan de manera aislada
y en ocasiones, sin una clara convergencia entre el problema emprico y la interpretacin casustica acerca de la
variacin espacial observada.
Frente a este panorama poco articulado, destaca el trabajo de sntesis publicado en 2004 por Lloyd y Atkinson
1 La
80

[34] sobre problemas espaciales arqueolgicos y el uso de

geoestadstica como va analtica e interpretativa. Inspirado en ese trabajo y en otras aportaciones [42; 43] el presente
artculo pretende dar a conocer qu, cmo y para qu sirven los recursos geoestadsticos en el anlisis espacial arqueolgico aplicados a escala intra-site.
Para ello se desarrollan los siguientes contenidos (i) nociones bsicas en torno al enfoque de los problemas espaciales arqueolgicos intra-site desde el anlisis de la corelacin espacial; (ii) la estructura del proceso de anlisis (donde se describen test estadsticos) y (iii) sus implicaciones
analtico-interpretativas. Por ltimo, para contrastar la validez del enfoque geoestadstico se realiza una aplicacin
sobre un caso de estudio etno-arqueolgico (grupo social
Yamana, Tierra del Fuego, Argentina) donde el problema a
resolver es la percepcin (ya que por medios tradicionales
arqueolgicos es imperceptible), y la cuantificacin del lmite (ms probable) de una unidad domstica (cabaa) en
base a la organizacin espacial de una serie de variables.
2 Una reflexin desde el enfoque geoestadstico hacia el problema espacial arqueolgico

Las tareas bsicas de la Geoestadstica son cuantificar,
modelizar y predecir fenmenos espaciales. El modo en
que esta disciplina describe la variacin espacial de un fenmeno, tanto en el tiempo como en el espacio, se basa en
una adaptacin de las tcnicas clsicas de regresin para
analizar la continuidad espacial de un fenmeno determinado.
El objeto principal de la Geoestadstica es la estimacin
de cmo cambian los valores de una variable en funcin
a su localizacin. O lo que en palabras de su precursor G.
Matheron [38:1248] (traducido del francs) . . . la aplicacin
del formalismo de las funciones aleatorias, al reconocimiento y
estimacin de fenmenos naturales en el espacio. . .
Este tipo de argumento suele ser comprensible cuando
tenemos en mente la idea de una distribucin continua de
un determinado evento, pero en contexto arqueolgico no
es fcil ni plantear el problema de la varaibilidad regional
ni desarrollar una serie analtica-interpretativa coherente
con las hiptesis de partida y los modos de recolectar los
datos. Esto puede deberse a que el tipo de variabilidad espacial que estudian los arquelogos es el resultado de una
serie de conductas humanas y procesos naturales que tuvieron lugar en una determinada porcin de espacio fsico.
En ocasiones, determinadas acciones (sociales y naturales)
eliminan parcialmente los restos materiales de otras acciones previas, dejando al arquelogo con una fraccin exigua
primera excavacin arqueolgica con datos coordenados fue realizada en 1954 por Laplace y Mroc [33].
Analti a
de restos y con mayor tendencia a la descontextualizacin

que a la relacin con otras componentes del registro material. En otras palabras, el planteamiento del anlisis espacial arqueolgico debera considerar y resolver por qu la
localizacin de un determinado evento (estructura de habitacin) est relacionado con la localizacin de otras evidencias (estructuras de combustin, hoyos de postes, basurales,. . . ) y cmo se estructuran en el espacio.
Para poder encontrar soluciones, se deber averiguar
cmo ciertas consecuencias materiales de acciones sociales
y naturales han llegado a emplazarse sobre un conjunto o
mejor dicho, continuum de localizaciones. De tal modo que
a travs del clculo de las diferencias y semejanzas desde el
punto a hasta b; desde a hasta c, desde b hasta c,. . . (matriz
n n), se establecer la relacin espacial que haya entre cada una de las entidades existentes en el rea muestral.
Desde un punto de vista relacional y desde una orientacin arqueolgica, se puede considerar el lugar donde con
mayor probabilidad la accin pudo haber sido realizada
como: el punto de atraccin o repulsin de todos los efectos
materiales que pudieran resultar de dicha accin, as como
los de todas las acciones que pudieran estar vinculadas con
ella en torno a su vecindad [2:354].
Desde esta perspectiva relacional, se podr conocer los
lmites (por ejemplo: el interior/exterior de la unidad ocupacional), las intersecciones (unas acciones o mejor dicho
sus efectos, se solapan o cortan a otras, por ejemplo en la
talla ltica de utensilios se puede limpiar los desechos de
talla concentrndolos en localizaciones alejadas a la zona
de actividad,. . . ) y las discontinuidades operativas (espacios donde se pueden localizan determinadas acciones como zonas destinadas a las acciones de consumo: almacenaje en silos excavados en el subsuelo de la unidad domstica
etc.) que pueden definir la dinmica espacial a travs de la
porcin localizada y recuperable de evidencias materiales
(restos de talla, fitolitos, restos de fauna, presencia de fosfatos, cidos grasos, elementos estructurales etc.)
No obstante, es evidente que no se pueden establecer
correspondencias simples y/o lineales entre lo interpretable y lo observado, ya que difcilmente se pueden formular
principios universales de la variabilidad espacial de la accin humana, y eso es un problema bsico en toda formulacin de la variacin espacial arqueolgica. En realidad,
incluso, los avances metodolgicos ms recientes no llegan
a proporcionar una base completa para conectar esas inferencias con otra cosa que no sean procesos muy simples
de alteracin post-depositacional o la pseudo localizacin
de la accin que probablemente produjo determinada distribucin de restos; ya que en ocasiones, las mismas dinmicas causales pueden llegar a producir resultados muy
distintos en circunstancias y/o en contextos parecidos.
Una de las ventajas que aporta la Geoestadistica al anlisis espacial arqueolgico es que tiene en cuenta que la
distribucin espacial observada contiene tanto al proceso
causal que gener la distribucin original de la poblacin,

como otros posibles procesos que influyen-distorsionan los

valores originales. Este tipo de enfoque acerca de la caracterizacin del comportamiento espacial puede ser muy til
en contexto arqueolgico, ya que se puede establecer una
funcin que modele un determinado proceso espacial (por
ejemplo la tendencia de arrojar huesos de mayor tamao
fuera de las zonas de movilidad en el interior de una cueva) en base a un elemento determinista (tendencia espacial
en desplazar los huesos de mayor tamao hacia las paredes de la cueva) junto a una variacin estocstica del mismo (determinadas condiciones microtopografcas del suelo
y determinadas prcticas sociales pueden influir en la tendencia de la distribucin).
Esta funcin es muy til porque puede representarse
a travs de alguna herramienta que genere superficies de
interpolacin. La mayora de ellas, permiten diferenciar el
componente estocstico (o ruido) de la tendencia espacial,
entendiendo a dicho componente como un elemento residual de la superficie interpolada. La principal implicacin
es la imposibilidad en caracterizar completamente el proceso, pero se puede investigar algunas de las caractersticas
estadsticamente significativas sobre las distribuciones observadas. Algunas aplicaciones en arqueologa son los trabajos de Hodder y Orton [30], Bove 1981 [8], Kvamme 1989
[31], Neiman 1997 [47].
Por tanto, algunos aspectos de la tendencia espacial (estructura) de una distribucin de restos arqueolgicos, se
pueden cuantificar en trminos de las caractersticas de la
propia distribucin en tanto al anlisis de su patrn y de su
co-relacin espacial.
As, el anlisis espacial geoestadstico en arqueologa,
puede ser tratado desde una nueva perspectiva en la que
la variacin espacial se entiende como la variacin de una
continuidad y no un conjunto de entidades discretas que
comparten unas cualidades materiales que se encuentran
diseminadas sobre una determinada rea. Para ello, y partiendo desde restos materiales distribuidos en la superficie
del yacimiento, se podr generar una superficie continua
de variacin donde se (i) perciba el cambio de la variable
en funcin a su localizacin y adems, (ii) interpretar dichos cambios en trminos de dinmica espacial de atraccin/repulsin o falta de interaccin (aleatoriedad).
3 Metodologa Geoestadstica en el
anlisis espacial arqueolgico intrasite
En las siguientes pginas se expone un programa analtico compuesto de diferentes test en funcin a la naturaleza
del formato de datos espaciales, ya sean datos coordenados (nubes de puntos) y/o datos de frecuencias espaciales
(densidad espacial). Se debe tener en cuenta que en arqueologa ms del 90 % de los datos disponibles en una excavacin estn en alguno -o en combinacin de ambos- de los
81
Analti a
formatos descritos anteriormente. Esos datos no son continuos, es decir, no cumplen las expectativas de datos geoestadisticos (recordamos: una propiedad vara en funcin a
la localizacin de manera continua, por ejemplo concentracin de fosfatos en un rea determinada), y esto condiciona mucho el modo de trabajar desde arqueologa bajo los
principios de la Geoestadstica.
La determinacin del patrn espacial es el punto de
partida para caracterizar completamente la estructura espacial de una distribucin, dos ejemplos de test geoestadsticos sobre datos coordenados son:
Test de Mardia es un algoritmo que calcula la normalidad bi-variada que exista en una distribucin en base a la
Multivariacin de la Curtosis [36; 13; 57; 16]. La determinacin de la aleatoriedad espacial se produce cuando la curtosis decrece proporcionalmente a medida que incrementa
la desviacin estndar de la distribucin. Un ejemplo de
esta funcin, apenas usada en arqueologa, se encuentra en
la propuesta de J.A. Barcel y A. Maximiano [4].
K de Ripley: Es un estadstico que permite establecer
el tipo, la intensidad y el rango del patrn espacial a travs del anlisis de las distancias existentes entre todos los
puntos. Este test contrasta la variabilidad espacial en base
a diferentes escalas [54; 64]. Su notacin:
n
K ( d ) = n 2 A
wij 1 Iij (d)
i =1 j =1
n, nmero de puntos

completar con la construccin de intervalos de confianza,

empleando para ello el mtodo Monte Carlo, que consiste
en realizar una simulacin de un nmero elevado de patrones Poisson (con la misma intensidad y en un rea del
mismo tamao que el patrn observado).
Algunas aplicaciones en arqueologa son los trabajos de
Orton (2004) [49]; Bevan y Conolly (2006) [5]; Conolly y Lake (2006) [12] y Schwarz y Mount (2006) [55] a nivel de territorio. Mientras que a escala intra-site se ha implementado por Barcel y Maximiano (2007) [3]; Maximiano (2008)
[42]; Maximiano y Gmez Romero (2010) [43] Gmez Romero y Maximiano (2011) [25].
La determinacin del patrn espacial mediante datos
de frecuencia se realiza con estadsticos como I de Moran
[46] y c de Geray [23]. Esto test han sido usados, sobretodo
I de Moran, con bastante profusin, en arqueologa. Frente a esa tendencia, queremos destacar las posibilidades de
la funcin Correlograma. Esta funcin compara la distribucin emprica con tendencias tericas de agregacin y desagregacin espacial [58; 59; 60; 63]. Se representa a travs
de un grfico (ejemplo figura 1) que muestra cmo cambia
la correlacin, expresado mediante un ndice, que puede
ser I o c (en la ordenada) en funcin a la distancia (en la
abscisa), en la que el correlograma cruza el eje de abscisas para valores de autocorrelacin nula (I = 0; aleatoriedad espacial) y representa al tamao promedio de la zona
(patch) de influencia de la variable en todas direcciones,
asumiendo las condiciones de isotropa inherentes al proceso espacial [58; 59; 63].
A, rea de la regin prospectada en unidades de superficie

wij , es el factor de correlacin del efecto de borde
Iij (d), es 1 si dij < d; 0 si dij > d; dij es la distancia
existente entre los puntos i y j
El supuesto de partida de este estadstico se basa en que
si un grupo de puntos se distribuyen aleatoriamente, por
ejemplo siguiendo una distribucin Poisson, con una determinada densidad , el numero esperado de puntos en
un circulo de radio r, es igual a r2 ; estimndose la desviacin respecto a la aleatoriedad mediante la funcin K de
Ripley [53; 54; 63; 14; 1; 18; 56]. El valor terico esperado
de la funcin K bajo el supuesto de aleatoriedad espacial
es igual a r2 . De tal modo que:
Figura 1. Representacin del correlograma sobre una poblacin
K (r ) > r2 , indica agregacion;
K (r ) < r2 , indica uniformidad;
K (r ) = r2 , muestra aleatoriedad.
emprica controlada creada ex profeso bajo las condiciones de

aleatoriedad espacia; n = 1000. La funcin azul es la distribucin
emprica, la lnea discontinua a la que se cie la funcin empirica
representa la condicin de aleatoriedad espacial. La funcin verde
indica agregacin y la funcin roja indica desagregacin espacial.
Software empleado: PAST
Dado que en las reas de estudio que cuentan con lmiActualmente, su aplicacin en anlisis microespacial es
tes definidos, se pueden producir variaciones estocsticas
que causen valores mayores o menores que r2 , incluso para escaso [42] debido al desconocimiento de la funcin y al
patrones de distribucin de tipo Poisson, el test se deber uso extendido de test I de Moran, pero potencialmente es
82
Analti a
una herramienta muy interesante para la caracterizacin

de distribuciones espaciales.
En arqueologa la determinacin del patrn de la distribucin indicara el final de la serie analtica. Por ello, el
clculo de la autocorrelacin espacial no suele tenerse en
cuenta. Ante esta situacin habra que plantearse qu puede aportar la determinacin de la autocorrelacin en una
distribucin de objetos arqueolgicos? De manera intuitiva, la autocorrelacin espacial de una variable sirve para
determinar cmo la presencia de una determinada cantidad o calidad de la variable en una zona har ms o menos
probable su presencia en regiones prximas. Ms concretamente, Sokal y Oden (1978a) [58] afirman que los test de
autocorrelacin espacial verifican si el valor observado de
una variable en una localizacin concreta es independiente
de los valores de esa misma variable en las localizaciones
vecinas. En esencia la autocorrelacin es la expresin de
la primera ley de la geografa: todo est relacionado con
todo, pero las cosas prximas estn ms relacionadas que
las distantes Tobler (1979) [62]. Si los arquelogos somos
capaces de incorporar estas ideas en nuestros programas
analticos acerca de la varaibilidad espacial , seguro que
permitira una mejora considerable en mltiples facetas de
la actividad arqueolgica como en la la estrategia del trabajo de campo donde el uso de modelos de prediccin permitira disear que partes del yacimiento son susceptibles
de ser excavadas.
La herramienta geoestadstica por la cual se calcula la
medida de la correlacin espacial es una funcin denominada Semivariograma. Esta funcin h(v) modela el tipo y la
intensidad de la correlacin espacial que existe en la variable expresndolo de manera grfica y numricamente. Es,
en palabras de su precursor G. Matheron (Matheron 1963:
1248): . . . la aplicacin del formalismo de las funciones aleatorias, al reconocimiento y estimacin de fenmenos naturales en el
espacio. . . .
El semivariograma h(v), representa la tasa media de
cambio de una propiedad con la distancia entre las distintas localizaciones, en las que se han medido sus valores.
Desde el punto de vista emprico, el semivariograma responde a la siguiente pregunta: Qu tan parecidos (relacionables) son los puntos en el espacio a medida que estos se
encuentran ms alejados?
La expresin algebraica que la define es:
(h) =
1
2N (h)
N (h)
i =1
[ Z ( xi ) Z ( xi + h)]2
Z ( xi ) son los valores muestrales en los puntos xi ;

N (h) es el nmero de pares de datos separados por
una distancia h.
En el panorama arqueolgico actual, y an mostrando la capacidad de este mtodo, la aplicacin de la funcin semivariograma es bastante escasa en la disciplina

arqueolgica. Algunas implementaciones aparecen en Zubrow y Harbaugh (1978) [70]; Warren (1990) [66]; Kvamme (1992) [32]; Lloyd y Atkinson (2004) [34]; aunque actualmente existe varias propuestas como las de Maximiano
(2005) [41]; Barcel y Maximiano (2006) [3]; Maximiano
(2008) [42]; Bevan y Conelly (2009) [5]; Maximiano y Gmez Romero (en prensa) [43]; Gmez Romero y Maximiano
(2011) [25]; Markofsky y Bevan (2011) [40].
4 Aplicacin geoestadstica en un problema espacial arqueolgico: El caso del yacimiento arqueolgico Tunel VII. Tierra del Fuego. Argentina
La eleccin de este caso se debe a dos cuestiones: la calidad de los datos arqueolgicos recogidos en sucesivas campaas de excavacin [50; 51;21], y la capacidad interpretativa del yacimiento en clave etnogrfica. Este caso permite
una evaluacin etno-arqueologa de las principales acciones que fueron realizadas por las personas que vivieron en
ese lugar gracias a la determinacin analtica de los diferentes restos materiales recolectados mediante metodologa arqueolgica [11; 50; 65; 35].
El yacimiento es una unidad de habitacin (cabaa)
perteneciente al extinto grupo social conocido como Yamanas, Se emplaza en la costa norte del Canal Beagle (Argentina) (54o 4915 S. y 68o 09 20E.). Este sitio ha sido completamente excavado en sucesivas campaas (desde 1988 hasta 1993) por un equipo internacional espaol-argentino. La
excavacin fue realizada completamente en extensin, ocupando una superficie de 32 m2 en forma rectangular (eje
mayor 8m, eje menor 4m). Con ello, se pudo excavar tanto
el interior de la cabaa, como en los aledaos de la misma. Aparte de la informacin estrictamente arqueolgica,
se cuenta con informacin de origen etnogrfico, desde la
cual diferentes investigadores han podido establecer hiptesis de trabajo complementarias acerca de la variabilidad
espacial de las mltiples distribuciones de restos existentes
en el yacimiento [65; 68; 69].
En este trabajo, se pretende ilustrar el potencial de la
geoestadstica en casos arqueolgicos sobre un determinado nivel de ocupacin del yacimiento (de entre los diez niveles documentados) dentro de toda sus secuencia de uso
(ms de 200 aos) y se analiza la distribucin de una determinada materialidad restos de fauna y conchas en torno
al siguiente problema espacial: Determinacin del interior
/exterior de la cabaa mediante un contraste cuantitativo
de dicho lmite. Este es un problema comn en arqueologa, en muchas ocasiones el arquelogo debe seguir un criterio visual o una somera relacin entre entidades arqueolgicas (por ejemplo presencia de estructuras de combustin, hoyos de postes, etc.) para establecer los lmites de
una cabaa o espacio de hbitat.
83
Analti a
En arqueologa, la estimacin de un lmite se hace complicado ya que 1) la forma de recolectar datos y 2) el escaso
uso de programas empricos-analticos para la determinacin de la organizacin espacial interna en un yacimiento,
nos conduce a un ejercicio reflexivo en trminos netamente cualitativos, sin posibilidad de contrastes numricos y
siempre (o casi siempre) encaminados en encontrar analogas sobre casos existentes que tengan alguna similitud con
nuestra problemtica.
Tambin es cierto que resulta complejo establecer una
relacin coherente y cuantificable entre determinadas acciones y sus efectos materiales, ya que la fraccin material
recuperada mediante metodologa arqueolgica puede ser
consecuencia de la superposicin de varias y distintas acciones que inciden en los procesos de formacin del registro arqueolgico, de ah la importancia y el desarrollo de
la Tafonoma como paradigma y medio de conocimiento
acerca de las relaciones entre acciones y efectos materiales
[24; 7].
En el caso de estudio que se presenta en este artculo, se
propuso el siguiente enunciado de trabajo [42:244]: La gestin de los restos de fauna (huesos y conchas) entendidos como
efectos materiales de determinadas acciones genera un patrn
con tendencia a la agregacin y espacialmente correlacionado en
determinadas reas del yacimiento proporcionando un proxy sobre el lmite de la cabaa.
presenta en la figura 2 (datos de frecuencia espacial con un

paso de malla de 3333cm).
Los test empleados en la determinacin del patrn espacial (I Moran y c Geary) reflejan unos resultados ajenos
a la aleatoriedad espacial de la distribucin:
Estadstico
I Moran
c Geray
ndice
0.55
0.52
P (alea)
0
1
Tabla 1. Valores de estadsticos para determinar el grado de aleatoriedad de la distribucin. Elaboracin en PAST.
El correlograma de Moran muestra que la distribucin

no es aleatoria y con clara tendencia a la agregacin espacial (notablemente por encima del mnimo de agregacin
representado mediante la funcin en verde).
4.1 Patrn y autocorrelacin espacial
Figura 3. Imagen del Correlograma en azul la funcin emprica

de la distribucin.
Figura 2. Imagen compuesta por densidad Kernel y tabla de contingencia de la distribucin de restos en el yacimiento de Tunel
VII. Tomado de Maximiano 2008 [42:185].
La visualizacin de la distribucin espacial de la poblacin objeto de estudio (n = 673) es de la manera que se
Tras estas estimaciones, nos interesaba conocer la intensidad en la correlacin de la distribucin. Los resultados
del semivariograma indican: (i) Forma prototpica de una
dinmica espacial opuesta a la aleatoriedad. (ii) Segn la
funcin, el umbral, que es la varianza muestral de la poblacin, muestra que la distribucin es equilibrada. (iii) El
rango, punto en donde el umbral alcanza su mximo valor
(muestra la distancia a partir de la cual la autocorrelacin
sera nula), en este caso se sita en torno a 7,5 m. (iii) El
efecto pepita2 que alberga la distribucin no es muy grande: un valor en torno a 20 sobre una oscilacin de 100, equivale aproximadamente a 1/5 del total de la varianza, lo que
implica que la distorsin sobre el modelo no es significativa, ratificando la calidad de la muestra para el conjunto de
datos empleados.
2 Es un parmetro del semivariograma, la diferencia que existe entre la meseta (mximo de la funcin montona decreciente que representa a la
semivarianza) y el origen de abscisa y ordenada. La interpretacin del semivariograma est influida por este efecto. Un semivariograma ajustado es
aquel que presenta unos valores de pepita significativamente bajos o moderados. Por el contrario, un efecto pepita puro es una funcin semivariograma plana (paralelo al eje de la x), es decir: aleatoriedad espacial.
84
Analti a
cial [48], la fuerza de la atraccin entre dos lugares i j

es proporcional al nmero de flujos espaciales de un lugar
i a otro j, e inversamente proporcional a la distancia entre estos lugares. Esto permite representar la fuerza de la
atraccin de i hacia j a travs del modelo:
Nij =
Oi D j
Fij2
(1)
Generalmente, el nmero de interacciones se relaciona con

el tamao de la poblacin, as que, cuanto mayor es la poblacin, mayores son las probabilidades a la interaccin entre entidades espacialmente localizadas. Por lo tanto:
Oi y D j representan el tamao de la poblacin en el
origen y el final de la interaccin.
Figura 4. Imagen del semivariograma, se marca en crculo discontinuo el rango y el valor de autocorrelacin. Software usado:
Vesper.
En sntesis, mediante la funcin semivariograma se ha

contrastado la tendencia -ya detectada- hacia la agregacin
espacial existiendo un valor de autocorrelacin en la distribucin de 7,5m. Con ello se puede reconocer la relacin
espacial entre pares de puntos hasta como mximo esa distancia.
4.2 Dinmica de atraccin/repulsin como interpretacin de la variacin espacial en

contexto arqueolgico: El lmite cuantitativo de la cabaa
Para establecer algn tipo de solucin numrica acerca
del problema social de segregacin y posible uso del espacio en base a la distribucin de restos arqueolgicos, se
debe partir del supuesto por el cual las actividades desarrollan en su entorno una compleja red de interacciones
que pueden ser interpretadas en clave espacial de atraccin/repulsin tanto de acciones (las mismas u otras), como de sus efectos materiales sobre una determinada regin
del espacio.
De este modo, la probabilidad de que una accin A tenga lugar en determinada localizacin l se relaciona con la
ocurrencia de sus efectos materiales alrededor de l, pero
tambin, con la ocurrencia de los efectos materiales de las
acciones sociales y naturales, que explican por qu la accin A tuvo lugar en l y no en otro lugar. Por lo tanto, el
problema se centra en cmo las diferencias en la localizacin de los efectos de la accin A se encuentran determinadas o condicionadas por las diferencias en la localizacin
de los efectos de la accin B, B , C, etc., as como, de las diferencias temporales entre los distintos momentos en que
A, B, B , C,. . . tuvieron lugar.
Segn el modelo espacial estndar de interaccin espa-
Fij es el efecto generalizado en medio i y j de la friccin.

La ecuacin (1) da una medida de la intensidad de la
interaccin que es dependiente de la poblacin y de la distancia geogrfica, siendo los flujos de la interaccin entre
las distintas localizaciones proporcionales a la probabilidad de los contactos entre las entidades [52]. Pero tambin
es necesario estimar la desigualdad y la direccionalidad de
la interaccin. Para ello se debe integrar en el modelo la jerarqua entre lo que se determina como centro de la atraccin/repulsin y la periferia o radio de accin. El problema
radica en que la ecuacin (1) es un modelo esttico y no explica porqu el centro adquiere ms peso que cada punto
individual de la periferia y en qu medida aumenta el flujo
direccional (hacia el interior si es un atractor, hacia el exterior, si es un repulsor).
Arqueolgicamente, este ltimo aspecto es un problema que aun no es soluble aunque metodolgicamente si
se encuentre resuelto. Aun debemos desarrollar unos descriptores lo suficientemente vlidos a la hora de atribuir la
direccionalidad en las acciones ocurridas en un yacimiento
arqueolgico para poder validar hiptesis y hacer operativo este entorno de solucin en casos arqueolgicos.
Actualmente, una solucin parcial se encuentra en la
elaboracin de un modelo en donde se cuantifique la tasa de cambio de la variable en el espacio. Para ello se debe
utilizar tcnicas como la interpolacin polinmica y el gradiente espacial. La Interpolacin polinmica es una tcnica
que predice los valores que tomar la variable dependiente
para un conjunto determinado de localizaciones, obtenindose una especie de mapa probabilstico del modo en el
que se encuentra distribuida la Variable Regional.
A travs de la funcin polinmica se puede hallar aproximaciones a valores desconocidos de la distribucin en
base a los datos de localizacin conocidos. Las aplicaciones de esta metodologa en arqueologa han sido variadas,
siendo el referente fundamental el trabajo de Hodder y Orton (1976) [29], donde se describe la tcnica y se presentan
85
Analti a
una serie de casos de estudio. Otros trabajos en la bibliografa arqueolgica son los de Bove (1981) [8], Kvamme (1989)
[31], Neiman (1997) [47].
Una alternativa a la interpolacin clsica es la implementacin de superficies estocsticas, en las que se tiene en
cuenta la presencia de cierto grado de incertidumbre sobre
la variable espacial tratada [39]. Esto lleva a definir la variabilidad espacial en trminos de: Componente estructural,
componente aleatoria y error residual.
Esta aplicacin no es muy usada en arqueologa debido
a que generalmente la totalidad del rea muestral se encuentra documentada, con lo que no tiene mucho sentido
aplicar superficies estocsticas. Pero tambin es cierto que
si el problema espacial arqueolgico cumple en su enunciado y resolucin con las condiciones geoestadsticas, la prediccin de localizaciones se convierte en una va analticointerpretativa muy interesante.
El gradiente espacial (variacin de intensidad de un fenmeno por unidad de distancia entre un lugar y un centro
dado) de un determinado fenmeno es la expresin de cmo la variable regional cambia segn los valores que toma
en las localizaciones vecinas. Esto significa que el gradiente determina la continuidad espacial sobre un conjunto de
localizaciones que tienen una tasa de cambio parecida. Su
principal implicacin es que este test detecta regiones diferenciadas en base a la intensidad de cambio en los valores
de la variable espacial [37]. Por tanto, y lo que es ms importante, se pueden aproximar a las discontinuidades que
alberge una determinada estructura espacial, identificando
la tasa de cambio a travs de los valores que tome el gradiente3 .
La tcnica es muy utilizada en anlisis de imgenes, pero tambin puede aplicarse en el anlisis espacial, ya que se
trata de campos escalares en los que se intenta distinguir el
contorno o lmite de un rea internamente homognea que
adems se encuentra diferenciada de las reas vecinas.
El algoritmo ms usado para obtener el gradiente espacial de una distribucin es el clculo de la primera derivada, aunque pueden utilizarse una gran cantidad de mtodos equivalentes (para ampliar se recomienda el trabajo de
Sonka et al 1993 [61]).
Segn lo anterior, la superficie polinmica y el gradiente espacial son el objeto final del anlisis espacial propuesto en este artculo. Ambas entidades estn relacionadas y
constituyen el mbito adecuado para resolver la problemtica espacial arqueolgica mediante su cuantificacin y visualizacin analtica
A travs de la superficie polinmica, se percibe cmo se
localizan y distribuyen los valores de frecuencia en el rea
muestral. La imagen generada es una reproduccin real de
la deformacin espacial a la que se encuentran sometidas
las celdas prximas, segn los valores de frecuencia espacial contenidos en ellas. Con esto, se puede determinar el

grado de deformacin que pueda existir entre retculas vecinas. Lo ms importante es que si la deformacin es elevada, se puede considerar que existen cambios bruscos entre
retculas adyacentes, entendiendo as que exista independencia espacial sobre retculas que se encuentren relativamente alejadas. Mientras que si el cambio es gradual o es
imperceptible, se determinar la existencia de un vnculo
espacial entre retculas. En el caso emprico propuesto, la
superficie polinmica queda del siguiente modo:
Figura 5. Superficie polinmica con trama de color y sin ella desde diferentes ngulos. Realizado en Rock Works.
La imagen de la superficie muestra una sub-rea con

valores de frecuencias relativamente elevados (tonos clidos), los cuales se encuentran rodeados de localizaciones
vecinas que tienden a una degradacin paulatina en la intensidad (los valores de densidad espacial disminuyen gradualmente a medida que se aleja del punto central de la
concentracin).
A travs del gradiente espacial se puede visualizar y
cuantificar la discontinuidad, adems se establece la ubicacin y el valor de la tasa de cambio espacial en las diferentes regiones del espacio muestral. As, la interpretacin
bsica del gradiente indica que ante el caso donde una superficie contenga unas tasas de cambios elevadas, no existir una estructura espacial (a esa escala) lo suficientemente concisa para poder caracterizar la atraccin o la repul-
3
Se recuerda que una discontinuidad es el lmite observable en la primera derivada de la funcin matemtica que describe las frecuencias espaciales
(Gonzalez y Woods, 1993 [26]).
86
Analti a
sin de acciones sobre una/as determinada/as regin/es

del espacio. Por el contrario, si la tasa de cambio es baja o
moderadamente baja, entonces, se podr atribuir la atraccin/repulsin entre las acciones en una determinada regin. La tasa de cambio espacial en el yacimiento Tunel VII
(gradiente) muestra lo siguiente

ii) reas del espacio donde la probabilidad de la repulsin en la localizacin de determinado tipo de acciones es elevada.
Por consiguiente, los valores bajos y parecidos en un

rea especfica, nos indican una tendencia hacia la repulsin a la localizacin de determinadas acciones (asociadas
a la categora nominal restos de fauna). Esto conduce a una
interesante solucin: La concentracin de restos materiales
sobre determinadas localizaciones (en este caso agrupados
bajo la categora nominal restos de fauna) funciona como
un atractor espacial sobre determinadas acciones (probablemente, las vinculadas a la gestin de los residuos). Los
resultados obtenidos posibilitan:
Una medida cuantitativa en el uso del espacio en funcin a la ocupacin sistemtica de un conjunto de localizaciones y en la no-ocupacin, igualmente sistemtica, de
otra serie de emplazamientos.
La tendencia a la hora de elegir las localizaciones de los
efectos materiales de determinadas acciones sociales (vinculables a la gestin de residuos), lo que permitir establecer una hiptesis acerca de la localizacin de la accin causal en clave de repulsin/atraccin espacial.
Figura 6. Gradiente en 3D de la distribucin. La orientacin es S.E. se incluye misma imagen pero sin trama de color para hacer
hincapi en las dos zonas estables y contrapuestas. Realizado en
Rock Works
Inclusin de otras categoras arqueolgicas que se puedan relacionar con las acciones vinculables a la gestin de
los residuos, y que puedan determinar la segregacin y el
uso del espacio, por ejemplo concentraciones de desechos
La imagen muestra dos reas diferenciadas, pero con de talla, presencia de instrumental amortizado, restos de
un comportamiento espacial muy parecido. Ambas depre- limpieza de fogones. . .
siones estn indicando los lmites espaciales (discontinuidades) y cuantifican la intensidad de los mismos.
La combinacin entre superficie polinmica y gradiente establece la relacin por la cual en las zonas de mayor
y menor intensidad espacial (valores de frecuencia altos y
bajos) la tasa de cambio es muy baja, lo cual implica una
alta estabilidad espacial. Se puede afirmar que en la zona
de mayor intensidad espacial (altos valores de frecuencias
por unidad de superficie), existe una tasa de cambio baja
y a medida que se aleja de su centro, la tasa de cambio se
incrementa paulatinamente. Paralelamente, en la zona de
menor intensidad espacial (lo que equivale a frecuencias
bajas de restos por unidad de superficie), existe una tasa
de cambio mnima y a medida que se aleja de su centro, se
incrementa paulatinamente.
Empero, a travs de la superficie polinmica y el gra- Figura 7. Interpretacin del lmite de la cabaa. Parte superior,
diente se detecta la presencia de dos reas que se caracte- propuesta analgica y etno-aqueolgica acerca del lmite de la carizan no slo por su estabilidad en la tasa de cambio -que baa (Imagen de J. Estvez y A. Vila). Parte inferior, elaboracin
es significativamente baja-, sino que, adems, reflejan com- propia acerca de la interpretacin analtica sobre el posible lmite de la cabaa. En rojo el rea de atraccin de acciones relacioportamientos espaciales opuestos:
i) reas del espacio que tienen una probabilidad mayor
para que en ellas se localicen determinado/s tipos de
accin/es; y
nadas con la gestin del residuo, en azul zona de repulsin de

dichas acciones. La prueba analtica contrasta con el documento etno-arqueolgico, validando as las posibilidades del enfoque
geoestadstico.
87
Analti a
Discusin sin conclusin: Es la

Geoestadstica el nuevo paradigma
de anlisis espacial arqueolgico?
La exposicin realizada en los apartados anteriores se

ha pretendido relacionar congruencia analtica a la hora de
tratar un problema espacial en arqueologa, y en segundo
trmino, alcanzar un discurso interpretativo-causal acerca
de la variabilidad espacial de determinadas poblaciones en
clave de atraccin/repulsin de acciones y efectos en determinado conjunto de localizaciones.
Posiblemente, lo ms significativo de esta propuesta sea
las aportaciones analticas que se hacen sobre el anlisis espacial arqueolgico intra-site y su relacin con la Geoestadstica en trminos de:
i) Una nueva forma de concebir y entender el concepto
espacio en el anlisis espacial arqueolgico en oposicin al modelo tradicional de contenedor esttico en
el cual se albergan los efectos materiales de acciones
y donde cada localizacin se explica por s misma.
Frente a ese planteamiento, la perspectiva relacional
otorga al espacio una dinmica por la cual los efectos
materiales de las acciones se encuentran localizados
en base a la interaccin entre restos materiales, acciones y circunstancias estructurales (sociales y fsicas),
cuyo resultado es un complejo paisaje en el que cada localizacin se explican en trminos de los dems.
ii) Una alternativa en la interpretacin del problema espacial (consecuencia del punto anterior). La solucin
no pasa por definir la localizacin de la accin en base
a unos restos que presumiblemente se asocien a ella,
es decir, no se trata de buscar cmo estn distribuidos
los restos, sino qu tipo de acciones han emplazado a
esos restos materiales sobre stas y no en otras localizaciones.
iii) Nuevas propuestas sobre el modo de intervenir en el
rea de excavacin, se intenta buscar frmulas que
permitan registrar de una manera sencilla y directa la tendencia espacial que defina a la distribucin
sin menoscabo de otras informaciones contenidas en
el registro arqueolgico. Se es consciente que adoptar esta forma de captura de datos implica modificar en ocasiones el modo de intervenir en el proceso de excavacin. Bsicamente, las estrategias de recogida de datos deben estar monitorizadas mediante herramientas que permitan visualizar, en tiempo
real dicho proceso, esto permitir obtener modelos de
las distribuciones con significancia estadstica, permitiendo ajustar, a criterios analticos, la estrategia de
intervencin en cada momento.
iv) Se aporta un corpus sistemtico de tcnicas para el
anlisis espacial a escala intra-site, destacando el uso
88

de la K de Ripley, Correlograma y el Semivariograma a esta escala, ya que la implementacin de dichas herramientas an es escasa y sobretodo, ha sido utilizada en casos de variabilidad espacial a escala
macro-espacial y con referencia a un enfoque confuso en relacin a las implicaciones lgico-formales de
una distribucin de efectos materiales de determinada accin o conjunto de acciones.
v) Todo el protocolo analtico desarrollado deriva en el
estudio del tipo de relacin existente entre el gradiente espacial y la superficie polinmica de cada distribucin objeto de estudio. De este modo, se alcanza una respuesta vlida al problema espacial planteado (basado en la hiptesis interpretativa de atraccin/repulsin espacial). La implicacin ms importante se centra en que el anlisis de la primera derivada de la funcin de distribucin puede ser una va
ptima en la solucin de determinados problemas espaciales en arqueologa que se encuentren relacionado con la localizacin de lmites (por ejemplo: una
cabaa)
A nivel de pensamiento arqueolgico, un discurso interpretativo de la variabilidad espacial observada en trminos de localizacin de acciones y no en base a la ubicacin de determinados restos materiales, posibilitar una
solucin cuantitativa y con significancia estadstica. As, si
existe la certeza de que un determinado espacio (domstico, ritual, coercin,. . . ) se caracteriza por la repulsin o
atraccin de un conjunto de determinadas acciones, y si
somos capaces de reconocer dichas acciones en base a la
fraccin de los efectos materiales de las mismas; entonces,
se podr interpretar esa rea en base a la dinmica espacial
de sus acciones: atraccin de restos sobre unas localizaciones y su sistemtica repulsin a otro emplazamientos.
Sin duda alguna, la realidad arqueolgica no es simple,
debemos partir de que la propia distribucin del fenmeno
est modificando, a su vez, las condiciones del resto de localizaciones y las acciones potencialmente realizables sobre ellas. Adems, la misma materialidad objeto de estudio
puede cumplir mltiples funciones en una misma regin
del espacio [43].
Por todo ello, la resolucin del problema no es un mapa de distribucin de restos materiales, eso ser slo una
primera aproximacin al problema, el fin ltimo es poder
establecer un mapeado de acciones sociales y cmo aquellas se relacionan entre s desde un anlisis multivariante.
A modo de comentario final, se hace especial hincapi
en que el enfoque geoestadstico pone de manifiesto relaciones espaciales reales y va ms all de la visualizacin,
ms o menos elegante y sofisticada, sobre algunas relaciones espacialmente aparentes. Actualmente, la apariencia en
el anlisis espacial arqueolgico es un serio problema, ya
que en ocasiones tenemos la tendencia a creer que la presencia de concentraciones de restos nos est indicando el
Analti a
emplazamiento de las acciones que las causaron (siguiendo un argumento de tipo: si aqu hay colillas, aqu han
fumado), lo que suele conducir hacia una reconstruccin
carente de rigor cientfico de la dinmica espacial acontecida en el pasado en clave a una serie de restos que se encuentran adscritos a una categora nominal.
Por el contrario, entender que una accin o conjunto de
acciones (y no solo una fraccin de sus consecuencias materiales), pueden realizarse en unas localizaciones especficas
y no en otras, si posibilita el estudio de las relaciones espaciales que existieron sobre una determinada regin (yacimiento arqueolgico) estableciendo un mapeado, probable, de donde fueron realizadas determinadas acciones.
Finalmente, no se debe olvidar que este enfoque, como
cualquier otro, no zanja el problema espacial de la variacin espacial en contexto arqueolgico. Deber ser el propio equipo de investigacin, que con su corpus de preguntas, junto al exhaustivo anlisis de la materialidad deber
definir los problemas espaciales a resolver, evaluando sus
resultados mediante la validacin o el descarte de la interpretacin de la dinmica espacial establecida a travs de un
conjunto determinado de tcnicas (en este caso, vinculadas
con la Geoestadstica).
Referencias

[8] Bove, F.J. Trend surface analysis and the lowland

Classic Maya Collapse. American Antiquity 45; 93112. (1981)
[9] Carr, C. The nature and organization of intrasite archaeological records and spatial analytic approaches
to their investigations. Advances in Archaeological
Method and Theory. Vol 7. Schiffer, M.B. (Ed.) Academy Press. New York. (1984)
[10] Clarke, D. L. Spatial archaeology. Academic Press.
London. (1977)
[11] Clemente Conte, I. Los instrumentos lticos de Tunel
VII: una aproximacin etnoarqueolgica. Treball de
Etnoarqueologa. Volumen 5. CSIC. Barcelona. (1997)
[12] Conolly, J.; Lake, M. Geographical Information Systems in Archaeology. Cambridge University Press.
Cambridge. (2006)
[13] Cox, D. R.; Small, N. J. H. Testing multivariate normality Biometrika, vol. 65; 263-272. (1978)
[14] Cressie, N. Statistics for Spatial Data. WileyInterscience, New York. (1993)
[15] Cliff, A.D. y J.K. Ord Spatial Autocorrelation. Pion.
Londres (1973).
[1] Bailey, T.C.; Gattrell, A.C. Interactive Spatial Data

[16] Curran, P. J.; West, S. G.; Finch, J. F. The robustness of
Analysis. Longman Scientific and Technical. New
test statistics to no-normality and specification error
York. (1995).
in confirmatory factor analysis. Psychological Methods, 1 (1), 16-29. (1996)
[2] Barcel, J.A.; Piana, E. Martinioni: Archaeological
spatial modeling. A case study from Beagle Channel
[17] Dixon, P.M. Nearest neighbor methods. The Ency(Argentina). En Archaeological Informatics: Publish
clopedia of Environmetrics. El-Shaaraui A.H. y Pierthe Envelope. Editado por G. Burenhult. Oxford, Argorsch W.W. (eds.) Wiley, New York. (2002a)
cheoPress (BAR Int. Series 1016) pp. 351-360. (2002).
[18] Dixon, P.M. Ripleys K function. En: The encyclope[3] Barcel, J. A.; Maximiano, A. The Mathematics of dodia of environmetrics. El-Shaaraui A.H. y Piergorsch
mestic spaces. Paper presented at: Archaeology of
W.W. (eds.) Wiley, New York. (2002b)
the Hosehold Workshop. Barcelona, April 2006.
[19] Djindjian, F. Lanalyse spatial de lhabitat. Archeo[4] Barcel, J.A.; Maximiano, A. Some Notes Regarding
logia e Calcolatori. Vol. 10; 124-147. (1999)
Distributional Analysis of Spatial Frequencies. Procedings of Computer Applications in Archaeology. [20] Ebert, J.I. Distributional archaeology. University of
Annual Connfrence (CAA-2007). Berlin. (2008)
New Mexico Press. M. J. Leaf. Van Nostrand (ed).
New York. (1992)
[5] Bevan, A. y Conolly, J. Multi-scalar Approaches to
Settlement Pattern Analysis. In Lock, G. and Moly- [21] Estvez, J. El aprovechamiento de mamferos y aves
neaux B. (eds.) Confronting Scale in Archaeology: Isen Tnel VII. En Arqueologa slo Patagonia. (Posues of Theory and Practice. 217-234. Springer. New
nencias de las Segundas Jornadas de Arqueologa de
York. (2006)
Patagonia). Puerto Madryn. (1996)
[6] Bevan, A., Conolly, J. Modelling spatial heteroge- [22] Gattrell,A.C. Distance and Space: A Geographical
neity and nonstationarity inartifact-rich landscapes.
Perspective. Oxford University Press. Oxford (1983)
Journal of Archaeological Science 36-4: 956-964. (2009)
[23] Geary, R. C. The Contiguity Ratio and Statistical
[7] Binford, L. En busca del Pasado. Crtica. Barcelona.
Mapping. The Incorporated Statistician 5 (3): 115(1988)
145. (1954)
89
Analti a

[24] Gifford, D.P. Taphonomy and Paleoecology: a Criti- [39] Matheron, G. La thorie des variables rgionalises
cal Review of Archaeologys Sister Disciplines. En
et ses applications. Les Cahiers du Centre de MorpAdvances in Archaeologicalk Method and Theory. M
hologie mathmatique de Fontainebleau. Fascicule 5.
Schiffer (Ed) 4, pp. 365-438. Academic Press. New
(1971)
York. (1981)
[40] Markofsky S; A. Bevan Directional analysis of surfa[25] Gmez Romero, F.; Maximiano, A. Avances en la
ce artefact dsitributions: a case study from the Murgaplicacin del anlisis geo-estadstico en arqueolohab Delta, Turkmenistan. Journal of Archaeological
ga histrica: el ejemplo del Fortn Otamendi (1858Science 39 (2): 428-439. (2011)
1869). Revista de Arqueologa Histrica Argentina e
[41] Maximiano Castillejo, A. Mtodos geocomputacioLatino-americana . 4. 64-85. (2011)
nales aplicados al anlisis espacial en arqueologa.
[26] Gonzlez, R. C., Woods, R. E. Digital Image ProcesTrabajo de Investigacin. Universitat Autonoma de
sing, Addison-Wesley, Reading. (1993)
Barcelona. Barcelona. (2005)
[27] Haining, R. Spatial Data Analysis: Theory and Prac[42] Maximiano Castillejo, A. Teora geoestadstica aplitice. Cambridge University Press. Cambridge. (2003)
cada al anlisis de la variabilidad espacial arqueolgica intr-site. Tesis Doctoral. Universidad Autnoma
[28] Hietala, H. Intrasite spatial analysis in archaeology.
de Barcelona. Barcelona. (2008)
Cambridge University Press. Cambridge. (1984)
[29] Hodder I. R. Locational models and the study of Ro- [43] Maximiano, A.; Gmez Romero F. Application of logical geostatistical into an archaeological spatial promanoBritish settlement. In Models in archaeology.
blematic: Spatial dynamic into fortifications of the de(ed) D. L. Clarke. Metheun. London. (1972)
sert as a place of power in Argentine Pampas in Nine[30] Hodder, I. R.; Orton, C. Spatial analysis in archaeteenth Century. Proceedings of CAA 2010. Granada.
logy. University Press. Cambridge. Cambridge (1976)
(in press)
[31] Kvamme, K. L. Spatial Autocorrelation and the Clas[44] Maximiano Castillejo, A. (en prensa): Experimentansic Maya Collapse revisited: Refined techniques and
do con distribuciones espaciales en CPU: Simulacin
new conclusions. Journal of Archaeological Science,
estocstica y Visualizacin como complementos anaVolume 17, (2): 197-207. (1989)
lticos en el anlisis espacial arqueolgico. (Niveles
Magdalenienses de La Garma; Espaa). Actas del III
[32] Kvamme, K. L. A predictive site location model on
Congreso Internacional de Arqueologa Experimenthe high plains: an example an independent test.
tal. Banyoles Barcelona Octubre 2011. Monografias del
Plains Anthropologist, 37 (138), 19-40. (1992)
Museu Arqueologic de Catalunya (2013).
[33] Laplace-Jauretche, G., Mroc, L., Application des
coordonn es cartsiennes la fouille dun gisement. [45] Moral Garca, F.J. Aplicacin de la geoestadstica en
Bulletin de la Socit Prhistorique Franaise 51 (7),
las ciencias ambientales. Ecosistemas. Vol. XIII, 1.
58-66. (1954)
(2004)
[34] Lloyd, C. D.; Atkinson, P. M. Archaeology and geos- [46] Moran, P.A.P. Notes on Continuous Stochastic Phetatistics. Journal of Archaeological Science, 31; 151nomena. Biometrika, 37, 17-33. (1950)
165. (2004)
[47] Neiman, F. D. Conspicuous consumption as wasteful
[35] Mameli, L; Estvez Escalera, J. Etnoarqueozoologa
advertising: A Darwinian perspective on spatial patde aves: el ejemplo del extremo sur americano. Treterns in Classic Maya terminal monument dates. En
ball de Etnoarqueologa. Volumen 5. CSIC. Barcelona
Barton, M. C. y Clark, G. A., (Eds) Rediscovering Dar(2004)
win: Evolutionary Theory and Archaeological Explanation. Vol. 7 of Archaeological Papers of the Ameri[36] Mardia, K. V. Mardias Test of Multinormality. In S.
can Anthropological Association 7. American AnthroKotz and N.L. Johnson, eds., Encyclopedia of Statistipological Association. Washington. (1997)
cal Sciences, vol. 5. Wiley. New York. (1985)
[37] Marr, D. and Hildreth, E. Theory of edge detection. [48] Nijkamp, P.; Reggiani, A. Interaction, evolution and
chaos in space. Springer, Berlin. (1992)
Proceedings of the Royal Society of London. Series B,
Biological Sciences 207:187-217. (1980)
[49] Orton, C. Between Time and Space the geographical
[38] Matheron, G. Principles of geostatistics. Economy
dimension of knowledge. Archaeologia e Calcolatori
Geology 58, (8) 1246-1266. (1963)
15: 299-315. (2004)
90
Analti a

[50] Orquera, L. A. Anlisis de los conchales fueguinos y [61] Sonka, M., Hlavac, V., and Boyle, R. Image, Procesde la distribucin espacial interna del Sitio Tnel VII.
sing, Analysis and Machine Vision. Chapman y Hall
Actas del XII Congreso Nacional de Arqueologa ArComputing Series. Chapman y Hall, London. (1993)
gentina, 66 -72. La Plata.
[62] Tobler, W., Cellular geography, en Gale, S. y G.
[51] Orquera, L. A.; Piana A. E. (1999): La vida social y
Olsson (eds.): Philosophy in Geography. Dordrecht:
material de los Ymana. Eudeba-IFIC. Buenos Aires.
Reidel), pp. 379-386. (1979)
(1999)
[52] Pumain, D. Vers une Thorie volutive des villes.
LEspace Gographique, 2.119-134. (1997)
[53] Ripley, B. D. Spatial Statistics. Wiley. New York.
(1981)
[63] Upton, G. J.; Finglenton, B. Spatial Data Analysis by

Example. Volume 1: Point Pattern and Interval Data.
John Wiley. New York. (1985)
[64] Venables W. N.; Ripley B. D. Modern Applied Statistics with S-Plus. Springer. New York. (1994)
[54] Ripley, B. D. The second order analysis of stationary
point process. Journal of Applied Probability, 13. 255276. (1976)
[65] Vila, A.; Estvez, J. Calibrando el Mtodo: Arqueologa en Tierra del Fuego. Atti 1. Congreso Di Etnoar[55] Schwarz, K R.; J. Mount Integrating Spatial Statistics
cheologia. Roma. (1999)
into Archaeological Data Modeling. In Mehrer, M.K.;
Wescott, K.L. (Eds.) GIS and Archaeological Site Loca[66] Warren, R.E. Predictive modelling of archaeological
tion Modeling. (167-189) Taylor y Francis. Boca Ratn.
site location: a primer. In K.M.S. Allen, S.W. Green
(2006)
and E.B.W. Zubrow (eds) Interpreting Space: GIS and
[56] Schabenberger, O.; Gotway, C.A. Statisitcal Methods
Archaeology. London. (1990)
for Spatial Data Analysis Chapman y Hall/CR. Boca
Ratn. (2005)
[67] Wheatley, D.; Gillings, M. Spatial Technology and
Archaeology: a Guide to the Archaeological Applica[57] Smith, S. P.; Jain, A-K. A test to determine the multitions of GIS. Taylor y Francis. London. (2002)
variate normality of a dataset". IEEE Transactions on
Pattern Analysis and Machine Intelligence 10 (5) 757[68] Wnsch, G. La organizacin del espacio interno
761. (1988)
de los asentamientos de comunidades cazadoras[58] Sokal, R. R.; Oden D. L. Spatial autocorrelation in
recolectoras: Revisin crtica y alternativas. Xama 45. (1991)
Biology. 1. Methodology. Biological Journal of the
Linnean Society 10:199-228. (1978a)
[69] Wnsch, G., Arasa, E.; Prez, M. Dissecting the pa[59] Sokal, R. R.; Oden D. L. Spatial autocorrelation in
limpset: an easy computer-graphic approach to the
biology. 2. Some biological implications and four apstratigraphic sequence of Tunel VII site (Tierra del
plications of evolutionary and ecological interest.
Fuego, Argentina). Analecta Praehistorica Leindesia
Biological Journal of the Linnean Society 10:229-249.
Univ. of Leiden. (1996)
(1978b)
[60] Sokal, R.R.; Oden, N. L.; Rosenberg, M. S. and D. Di- [70] Zurbrow, E. B.; Harbaugh, J. W. Kriging and simuGiovanni D. Ethnohistory, genetics, and cancer morlation. In I. Hodder (Ed.) Simulation Studies in Artality in Europeans. Proceedings of the National Acachaeology. Cambridge University Press. Cambridge.
demy of Sciences USA 94:12728-12731. (1997)
(1978)
91
Analti a
Normas para la presentacin de trabajos
Norms for submission of papers
www.inec.gob.ec
Analti a
Normas para la presentacin de trabajos

Los autores estn invitados a enviar sus trabajos a la re- Si las figuras, grficos, ilustraciones o fotografas incluidas en el trabajo tienen derecho de autor, es responsavista Analtika, ya sea en espaol o en ingls.
bilidad del autor que presenta el trabajo a evaluacin,
Para la publicacin de los diferentes trabajos, los autoobtener el permiso correspondiente para su uso.
res deben seguir los siguientes lineamientos:
Los grficos, ilustraciones y fotografas incluidas en el

trabajo deben ser enviados en una carpeta exclusiva, la
cual debe llevar el nombre:
Originalidad
El trabajo presentado se entender que es indito y original. En el caso de que el trabajo haya sido publicado en
otra revista, impresa o digital, ste deber tener el permiso o autorizacin de la revista, detallando el nuevo aporte
o modificacin correspondiente. Despus de la aceptacin,
la autorizacin deber ser enviada al editor de la revista
Analtika.
Graficos_ (las dos primeras iniciales del ttulo

del artculo en maysculas).
Por ejemplo, si el trabajo tiene como ttulo: Densidad
poblacional del Ecuador continental, el nombre de la
carpeta debe ser:
Graficos_DP.
El formato general para la etiquetas identificativas de los
diversos ambientes deber ser:
Presentacin
Los trabajos debern ser presentados en formato digital, el cual puede ser .pdf o .doc. Comprometindose el autor o los autores, a proporcionar el trabajo en formato .tex,
si el mismo es aceptado para su publicacin.
Toda la documentacin correspondiente debe remitirse
al editor de la revista Analtika, al siguiente correo electrnico: analitika@inec.gob.ec.
Para tablas:
\label{DP_tab:001}
Para definiciones
\label{DP_def:001}
Requerimientos tcnicos
Para ser sometidos a revisin, los trabajos debern cumplir los siguientes requerimientos tcnicos:
Las ilustraciones y tablas deben estar numeradas secuencialmente, incluyendo una descripcin explicativa para
cada una.
Las figuras deben tener formato .eps, de preferencia, o
formato .jpg, o .png de alta resolucin.
El texto en las figuras y mapas debe escribirse con letras
fcilmente legibles.
Diferentes elementos de un grfico deben contener sus
correspondientes explicaciones. Por ejemplo, en un grfico de pastel se deber especificar qu representa cada
color.
Asegrese de que las inscripciones o detalles, as como
las lneas, tengan tamaos y grosores adecuados; de tal
manera que sean legibles (nmeros, letras y smbolos).
Las fotografas deben grabarse con alto contraste y en
alta resolucin. Recuerde que las fotografas frecuentemente pierden contraste en el proceso de la impresin.
No combine fotografas y dibujos en la misma figura.
Para figuras
\label{DP_fig:001}
Para ecuaciones
\label{DP_eq:001}
Para teoremas
\label{DP_teo:001}
etc.
4 Estructura y formato
La estructura del documento ser de la siguiente forma:
Obligatorias
Ttulo
Resumen
Palabras claves
Abstract
Keywords
Clasificacin
Introduccin
Marco Terico o Metodologa
Aplicacin o Resultados
Conclusiones
Referencias
Opcionales
Agradecimientos
Recomendaciones
Futuros trabajos
Anexos
Tabla 1. Estructura del documento a ser evaluado.
95
Analti a
4.1 Formato del documento

Detallaremos las particularidades a considerar, para algunos de los componentes del documento.
Ttulo. El ttulo debe incluir la siguiente informacin: ttulo del artculo, nombre completo del autor o de los autores, direccin del autor o de los autores, incluyendo su
correo electrnico.
[2] C. Gamero,Satisfaccin Laboral y tipo de contrato

en Espaa, Investigative Radiology 34, Vol. 10, 636
- 642, (1999).
[3] Ley No. 100,Cdigo de la niez y adolescencia, Registro Oficial 737, Enero, (2003).
[4] Scientific
Instrument
Services,
Inc.
2006. MASS Spectral Library. En
lnea:
http://www.sisweb.com/software/ ms/nist.htm,
Consulta: 10 de abril del 2010.
Resumen (Abstract). El Resumen debe ser en espaol y

en ingls. El Resumen debe ser corto y conciso (mximo Agradecimientos. Los agradecimientos podrn incluirse
250 palabras) y en el mismo se debe expresar los resulcomo una seccin, la cual deber estar al final del artcutados relevantes del estudio. Debe ser informativo y no
lo y constar de un prrafo.
indicativo; por ejemplo, diga:
En este trabajo se analiza el papel que desempean las caractersticas individuales, familiares y laborales en la probabilidad de tener un
contrato temporal frente a un contrato indefinido,
lo cual es informativo. No diga
La probabilidad de tener un contrato temporal frente a un contrato indefinido es discutido
y aceptado,
5 Procedimiento editorial
Cuando el trabajo ha sido recibido por el editor, ste
pasa por dos procesos de calificacin. El primero, se lleva
acabo dentro de un consejo editorial interno que determinar la pertinencia y solvencia cientfica y, el segundo, es la
evaluacin por expertos nacionales o extranjeros, considerando el mtodo blind review.
Si el manuscrito es aceptado para su publicacin, ste
pasar por las siguientes etapas:
1. El editor enviar al autor principal las observaciones

realizadas por los evaluadores para que ste realice las
Palabras claves (Keywords). Las palabras claves deben
correcciones y cambios necesarios. El tiempo asignado
ser de tres a seis y representarn los principales temas
para esto no ser mayor a un mes.
del artculo. Debern ser colocadas al final del resumen
2. Cuando el trabajo corregido es regresado al editor, este
y del abstract, respectivamente.
har la copia-edicin y empezar el proceso de forma Clasificacin Se debe incluir el sistema de clasificacin
to. Despus de que el trabajo ha sido formateado para la
del Journal of Economic Literature, JEL
publicacin, una prueba de impresin (page proofs)
http://www.aeaweb.org/journal/
ser enviada al autor para corregir posibles errores. En
jel_class_system.php#C.
este punto, no ser posible hacer cambios en el documento, sino solamente corregir errores de edicin o for Referencias. La seccin de referencias debe incluir todas
mato. El autor debe retornar la prueba de impresin al
las publicaciones citadas en el texto. No se debe incluir
editor con sus observaciones, si las hubiere, mximo en
reportes no publicados u otro tipo de informacin que
una semana despus de haberla recibido.
no es posible verificar. Las tesis deben citarse nicamente cuando estn disponibles para consulta en una biblio- 3. Finalmente, el documento corregido ser archivado hasteca fsica o virtual. Las referencias deben ir en orden
ta que la revista empiece su proceso de impresin.
alfabtico y deben seguir el sistema inicial del nombre
Cuando esto ocurra, se enviar una copia impresa y una
apellido". Las referencias de portales electrnicos deben
digital de la revista al autor.
seguir un esquema similar al de las publicaciones, pero,
Si el trabajo no es aceptado para su publicacin, ser
adicionalmente, se deber incluir la fecha de consulta. A
devuelto
al autor notificando el motivo.
continuacin se muestra un ejemplo:
lo cual es indicativo.
6 Comentarios finales
Referencias
[1] M. Aguayo, y E. Lore, Cmo hacer una Regresin
Logstica binaria paso a paso II anlisis multivariante,"Fundacin Andalucia Beturia para la Investigacin en Salud, Dot. No 0702013, (2007).
96
La publicacin del volumen de la revista depende de

la colaboracin entre los autores, los revisores, la imprenta
y el editor. La colaboracin y cumplimiento de los plazos
establecidos es fundamental.
La revista Analtika publica dos volmenes por ao.
Analti a
volumen
ISSN 1390-6208
Nmero 4 - 2012
Administracin Central
Quito
Juan Larrea N15-36 y Jos Riofro
Telfonos: (593) 22544 326 - 22544 561
Fax: (593) 22509 836 Casilla postal: 135C
correo-e: planta_central@inec.gob.ec
analitika@inec.gob.ec
www.inec.gob.ec

Analitika 4

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Analitika 4

Загружено:

Авторское право:

Доступные форматы

k

Destreza en el cumplimiento de objetivos que

Adriano Abraham Molina Guzmn

Elizabeth Geoconda Ocampo Gavilanez

Rosa Catalina Valle Piuela

PROCESOS A NIVEL REGIONAL

Jssica Alexandra Menndez Campos

COMIT EDITORIAL NACIONAL

Yannira Chvez y Pal Medina

Revista de Anlisis Estadstico

Diferencia de gastos segn tamao y composicin

de Estudios Analticos Estadsticos, Instituto Nacional de Estadstica y Censos, Quito, Ecuador

Milln, Universidad Carlos III de Madrid, Madrid, Espaa

Departamento de Ciencias Exactas, Escuela Politcnica del Ejrcito, Sangolqu, Ecuador

Recibido: 24 de mayo de 2012

Aceptado: 2 de agosto de 2012

Analtika, Revista de anlisis estadstico, 4 (2012), Vol. 4(1): 3-20

Al momento de plantearse la medicin de la pobreza

Revista de Anlisis Estadstico

de la teora del costo de los nios [8], que analiza un hogar

Analtika, Revista de anlisis estadstico, 4 (2012), Vol. 4(1): 3-20

Revista de Anlisis Estadstico

Jorgenson, Lau, Stoker, en 1982, y Banks, Blundell y 2.1 Curva de Engel

w un escalar correspondiente al ingreso total de un

Analtika, Revista de anlisis estadstico, 4 (2012), Vol. 4(1): 3-20

Revista de Anlisis Estadstico

Analtika, Revista de anlisis estadstico, 4 (2012), Vol. 4(1): 3-20

Revista de Anlisis Estadstico

decir comparamos dos hogares de diferente composicin

Analtika, Revista de anlisis estadstico, 4 (2012), Vol. 4(1): 3-20

Revista de Anlisis Estadstico

La figura 3, muestra el diagrama de

Se elimina los hogares cuyo gasto total es mayor al

Analtika, Revista de anlisis estadstico, 4 (2012), Vol. 4(1): 3-20

Revista de Anlisis Estadstico

Para determinar la escala de equivalencia es necesario

Tenencia de la vivienda del hogar: para los hogares

Tamao del hogar (expresado por el logaritmo del

3.2 Estimacin de Curvas de Engel y caractersticas sociodemogrficas

Analtika, Revista de anlisis estadstico, 4 (2012), Vol. 4(1): 3-20

Yannira Chvez y Pal Medina

cionales no se ajustan a los datos y resultan no aplicables

Analtika, Revista de anlisis estadstico, 4 (2012), Vol. 4(1): 3-20

Diferencia de gastos segn tamao y composicin familiar. . .

son: jefe de hogar mujer, composicin etaria y alquiler de

Argentina y Chile [2, 21] en las que existe una evidencia de

Analtika, Revista de anlisis estadstico, 4 (2012), Vol. 4(1): 3-20

Yannira Chvez y Pal Medina

Por otro lado, en lo que respecta a la especificacin del

pruebas de hiptesis o de los intervalos de confianza sean

3.3 Resultados de la Estimacin

presentado por Deaton y Paxon [10]. Segn estos ltimos,

Analtika, Revista de anlisis estadstico, 4 (2012), Vol. 4(1): 3-20

Diferencia de gastos segn tamao y composicin familiar. . .

4.1 Composicin de los hogares ecuatorianos

A partir de la curva de Engel, estimada en la seccin

dos nios menores de 15 aos de edad, es distinta de la de

si se toma como hogar de referencia al conformado por dos

Tabla 9. Escalas de Equivalencia para el Ecuador en funcin de un

Los resultados de la tabla 9 muestran, por ejemplo, que

4.3 Costo de un hijo adicional

Revista de Anlisis Estadstico

a) Porcentaje del costo de un hijo/a