Post on 22-Jan-2018
Metodología para la Medición de la
Pobreza MultidimensionalMaria Emma Santos
Universidad Nacional del Sur-CONICET y OPHI
Taller sobre Indices de Pobreza Multidimensional
18 y 19 de Septiembre 2013
Bogotá, Colombia
Índice de Pobreza
Multidimensional (IPM)
Alkire y Santos 2010
Alkire, Roche y Seth 2011
Alkire, Conconi y Roche 2013
¿Qué es el IPM?
• Constituye la primera implementacion del metodo directo
para la medicion de pobreza en una forma
internacionalmente comparable, cubriendo un numero tan
grande de paises (104 países en desarrollo).
• Fue lanzado en 2010 en el Human Development Report de
Naciones Unidas, y actualizado en 2011 y 2013
• La metodología del IPM está siendo adaptada para diversas
medidas nacionales – usando indicadores más apropiados
para cada contexto.
• El IPM construye sobre distintas medidas preexistentes,
incluyendo el IPH.
¿Qué mide el IPM?
• El IPM mide pobreza aguda entendida como la
inhabilidad de una persona para satisfacer
simultaneamente minimos estandares
internacionalmente comparables, relacionados con
los ODMs y con funcionamientos clave.
OPHI – equipo IPM 2013
OPHI Research Team: Sabina Alkire (Directora), James Foster (Research Fellow), John Hammock (Co-Fundador y
Research Associate), Adriana Conconi (coordinación IPM 2013-14), José Manuel Roche (coordinación IPM 2011-13), Maria Emma
Santos (coordinación IPM 2010), Suman Seth, Paola Ballon, Gaston Yalonetzky, Diego Zavaleta, Mauricio Apablaza
Analistas y asistentes en el cálculo del IPM desde 2011: Akmal Abdurazakov, Cecilia Calderon, Iván
Gonzalez De Alba, Usha Kanagaratnam, Gisela Robles Aguilar, Juan Pablo Ocampo Sheen, Christian Oldiges y Ana Vaz.
Contribuciones especiales: Heidi Fletcher (preparación de los mapas), Esther Kwan y Garima Sahai (asistentes de
investigación y preparación de gráficos), Christian Oldiges (asistencia de investigación en descomposiciones regionales y errores est;andar),
John Hammock (material de campo de Ground Reality Checkl), Yadira Diaz (asistencia en prepación de mapas).
Equipo de Comunicaciones: Paddy Coulter (Director de Comunicaciones), Emma Feeny (Research Communications
Officer), Heidi Fletcher (Web Manager), Moizza B Sarwar (Research Communications Assistant), y Cameron Thibos (Design Assistant).
Apoyo Administrativo: Laura O’Mahony (OPHI Project coordinator), Natasha Francis (OPHI Project Assistant)
OPHI prepara el IPM para su publicación en el Human Development Report de
UNDP y agradecemos el apoyo de nuestros colegas en HDRO.
1. Datos: Encuestas
Demographic & Health Surveys (DHS - 52)
Multiple Indicator Cluster Surveys (MICS - 34)
World Health Survey (WHS – 17)
Adicionalmente, usamos 6 encuestas especiales para Argentina (urbana:
ENNyS), Brasil (PNDS), México (ENSANUT), Marruecos (ENNVM),
Territorios Ocupados Palestinos (PAPFAM), and Sudáfrica (NIDS)
Restricciones: Datos de 2002-2011. No todas las encuestas tienen
exactamente los mismos indicadores.
Restricciones en los datosEl IPM se ve afectado en gran medida ante la falta de comparabilidad
de los datos.• ciertos indicadores claves no son cubiertos (stock, calidad)
• hay información faltante para algunas dimensiones
• valores faltantes conducen a reducciones en el tamaño de la
muestra/sesgos
• varían los encuestados; la información a nivel individual es escasa
• las encuestas son actualizadas cada 3-5 años, y en distintos años
• los datos excluyen ciertos grupos (adultos mayores, institucionalizados)
• las encuestas de ingreso/consumo no cuentan con los indicadores de
salud usados en el IPM
Estos problemas pueden mejorarse en medidas nacionales.
“Mejorar la recolección de datos y su calidad debería ser una
preocupación central en todos los países...”
Bourguignon et al. 2008 pág. 6
Dimensiones/Indicadores, Pesos, Umbrales
Dimensión
(peso)
Indicador
(peso)Umbral de Pobreza
Mortalidad infantil (1/6) Ha muerto al menos un niño en el hogar
Años de educación (1/6) Ningún miembro del hogar ha completado 5 años de educación
Acceso a electricidad (1/18) La vivienda no tiene electricidad
Tipo de pisos (1/18) La vivienda tiene pisos de tierra, arena o estiércol
Tipo de combustible para cocinar (1/18) El hogar cocina con estiércol, madera o carbón
Caidad de
vida (1/3)
El baño de la vivienda no es mejorado o se comparte con otros hogares
El hogar no tiene acceso a agua potable o la misma está a más de 30
minutos (ida y vuelta)
Acceso a saneamiento adecuado (1/18)
Acceso a agua potable (1/18)
El hogar no posee más de uno de: radio, TV, teléfono, bicicleta,
motocicleta, o refrigerador, y no posee un carro o camionetaTenencia de activos (1/18)
Al menos un adulto o niño en el hogar con información nutricional es
desnutridoSalud
(1/3)
Al menos un niño en edad escolar en el hogar no asiste a la escuela
hasta el grado 8
Nutrición (1/6)
Educación
(1/3) Asistencia escolar (1/6)
Privaciones
Indicadores del IPM y los ODM– Salud
• Nutrición ODM 1 (Erradicar la pobreza extrema y el hambre)
• Mortalidad ODM 4 (Reducir la mortalidad infantil)
– Educacion
• Asistencia de niños a la escuela y años de educación
ODM 2 (Achieve Universal Primary Education)
– Estandar de Vida
• Electricidad no es ODM ● Combustible para cocinar ODM 7
• Sanidad ODM 7 ● Agua Potable MDG 7 (Asegurar la Sustentabilidad Ambiental)
• Piso no es ODM ● Activos MDG 1
• Omisiones de ODM: genero, enfermedades infecciosas,
ingreso, mortalidad materna, medio ambiente, tenencia de
la vivenda
Indicadores del IPM y los ODMs
Notar que...
A diferencia de los indicadores de los ODM, los
indicadores del IPM utilizan la misma poblacion base: el
total de poblacion.
El hogar es la unidad de analisis para identificar a lospobres.
El IPM utiliza cualquier informacion disponible sobre todos
los miembros de cada hgoar para identificar todos los
miembros del hogar como pobres o no. Esto supone
interacciones y externalidades (positivas y negativas) y
puede crear eficiencia de politica.
Las estimaciones son reportadas en terminos de personas
(no hogares).
MPI 2010
DHS: 48
MICS: 35
WHS: 19
Special: 2
10 indicatores: 62
Faltan 1 31
Faltan 2 8
Faltan 3 3
Años 2000-08
MPI 2013
DHS: 51
MICS: 30
WHS: 17
Special: 6
10 indicatores 66
Faltan 1 31
Faltan 2 6
Faltan 3 1
Años 2002-11
14
Datos - mejorando
Durante el análisis se realizaron pruebas de
robustez de los umbrales y ponderadores
“la interpretación del conjunto de indicadores se facilita
enormemente cuando los componentes individuales
tienen grados de importancia que, si bien no
exactamente iguales, no son manifiestamente
diferentes.” Atkinson, Cantillon, Marlier y Nolan (2002), p. 25
Ponderaciones iguales por dimension
Identificación: ¿Quién es pobre?
Un individuo es multidimensionalmente pobre
si está privado en 33% de las dimensiones
Privaciones de Phuba (ci/d):
3*(1/6)+3*(1/18)=
(9+3)/18=12/18=67% >33%,
entonces ella es POBRE
Análisis de robustez – cambios en la línea de pobreza, k
0.1
.2.3
.4.5
Multid
imensio
nal P
overt
y I
ndex (
MP
I)
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)
Lower Limit T1
MPI T1
Upper Limit T1
Lower Limit T2
MPI T2
Upper Limit T2
Senegal 2005-2011
Entre países que no muestran un progreso signficativo0
.1.2
.3.4
.5
Multid
imensio
nal P
overt
y I
ndex (
MP
I)
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)
Lower Limit T1
MPI T1
Upper Limit T1
Lower Limit T2
MPI T2
Upper Limit T2
Madagascar 2004-2009
0.1
.2.3
.4
Multid
imensio
nal P
overt
y I
ndex (
MP
I)
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)
Lower Limit T1
MPI T1
Upper Limit T1
Lower Limit T2
MPI T2
Upper Limit T2
Bangladesh 2004-2007
0
.05
.1.1
5.2
.25
Multid
imensio
nal P
overt
y I
ndex (
MP
I)
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)
Lower Limit T1
MPI T1
Upper Limit T1
Lower Limit T2
MPI T2
Upper Limit T2
Bolivia 2003-2008
0.1
.2.3
.4
Multid
imensio
nal P
overt
y I
ndex (
MP
I)
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)
Lower Limit T1
MPI T1
Upper Limit T1
Lower Limit T2
MPI T2
Upper Limit T2
Ghana 2003-2008
0.1
.2.3
.4
Multid
imensio
nal P
overt
y I
ndex (
MP
I)
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)
Lower Limit T1
MPI T1
Upper Limit T1
Lower Limit T2
MPI T2
Upper Limit T2
Nepal 2006-2011
0.1
.2.3
.4.5
Multid
imensio
nal P
overt
y I
ndex (
MP
I)
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)
Lower Limit T1
MPI T1
Upper Limit T1
Lower Limit T2
MPI T2
Upper Limit T2
Rwanda 2005-2010
Entre países que muestran un progreso substancial
0.1
.2.3
.4.5
Mu
ltidim
ensio
na
l Povert
y Ind
ex (
MP
I)
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)
Lower Limit 2008
MPI 2008
Upper Limit 2008
Lower Limit 2010
MPI 2010
Upper Limit 2010
Análisis de robustez – cambios en la línea de pobreza, k
Casos en el límite: todos con valores de IPM bajos (<0.09)0
.01
.02
.03
.04
Multid
imensio
nal P
overt
y I
ndex (
MP
I)
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)
Lower Limit T1
MPI T1
Upper Limit T1
Lower Limit T2
MPI T2
Upper Limit T2
Armenia 2005-2010
0
.02
.04
.06
.08
.1
Multid
imensio
nal P
overt
y I
ndex (
MP
I)0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1
Poverty cutoff (k)
Lower Limit T1
MPI T1
Upper Limit T1
Lower Limit T2
MPI T2
Upper Limit T2
Guyana 2005-2009
0
.02
.04
.06
Multid
imensio
nal P
overt
y I
ndex (
MP
I)
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)
Lower Limit T1
MPI T1
Upper Limit T1
Lower Limit T2
MPI T2
Upper Limit T2
Jordan 2007-2009
0
.05
.1.1
5.2
Multid
imensio
nal P
overt
y I
ndex (
MP
I)
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)
Lower Limit T1
MPI T1
Upper Limit T1
Lower Limit T2
MPI T2
Upper Limit T2
Peru 2005-2008
Análisis de robustez – cambios en la línea de pobreza, k
20
Phuba
3 Dimensiones
10 Indicadores
Años de
Educación
(1/6)
Asistencia
Escolar
(1/6)
Educación (1/3)
Mortalidad
Infantil
(1/6)
Nutrición
(1/6)
Salud (1/3) Calidad de Vida (1/3)
Co
mb
ust
ible
p/
co
cin
ar
San
eam
ien
to
Ag
ua
Ele
ctr
icid
ad
Pis
o
Pro
pie
dad
Bs.
Du
rab
les
(1/18 cada uno)
Metodología: IPM – matriz g0(k)Tasa de Pobreza Ajustada = M0 = H*A = .442
k=3 (calcular IPM para cada valor de k)
Indicadores c(k) c(k)/d
H = tasa de pobreza = ¾ = 75%
A = privación promedio entre los pobres =
(0.776+0.553+0.442)/3=0.59 = 59%
M0 = HA = .442
0
0 0 0 0 0 0 0 0 0 0
1.67 1.67 1.67 1.67 .55 0 0 0 0 .55
0 1.67 0 1.67 .55 0 .55 .55 .55 0
0 0 0 1.67 .55 .55 .55 0 .55 .
)
5
(
5
g k
0
7.76
5.53
4.42
0
.776
.553
.442
¿Cómo se calcula el IPM?
• El IPM se construye en base al método AF:
• H es el porcentaje de personas que son pobres,
muestra la incidencia de la pobreza multidimensional.
• A es el promedio de la proporción de privaciones
ponderadas que sufren los pobres. Muestra la
intensidad de la pobreza de la gente – la distribución
conjunta de sus privaciones.A es nuevo. El IPM es apropriado para datos ordinales y satisface propiedades como
consistencia por subgrupos, monotonicidad dimensional, foco en pobreza y privaciones.
El IPM es como la brecha de la pobreza – pero mirando su intensidad –
lo que sufre una persona al mismo tiempo.
Fórmula: MPI = M0 = H × A
¿Qué es lo novedoso?Intensidad
El IPM comienza con cada persona y construye un
perfil de privación para cada persona.
Algunas personas son identificadas como pobres en base a la
distribución conjunta de sus privaciones. El resto de las personas
es identificado como no-pobres.
• La mayoría de las medidas de pobreza multidimensional
como el IPH analizan las privaciones una por una, no a
nivel de hogar.
• Las medidas de conteo sí analizan privaciones conjuntas pero
sólo proveen una tasa de incidencia, sin dar incentivos a
focalizarse en aquellos que sufren de más privaciones al
mismo tiempo o en reducir la intensidad.
Algunas propiedades importantes
• Descomposición por Subgrupos: la medida nacional puede ser
desagregada por edad, género, región, etnicidad, área urbano/rural, etc.
• Descomposición por Dimensión (luego de la
identificación): se puede ver fácilmente qué
dimensiones están causando más pobreza para
distintos grupos o áreas.
Nairobi
Central
EasternWestern
Rift ValleyCoast
Nyanza
MexicoChinaBrazilDominican Republic
Indonesia
Ghana
Bolivia
Kenya
CentralRural
Central Urban
North Eastern Rural
North Eastern Urban
Tanzania
Mozambique
Mali
Niger
India
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
MP
I V
alu
e
North Eastern
36
Base de datos IPM:
http://www.ophi.org.uk/multidimensional-poverty-index/mpi-data-bank/
Tablas Web : 1) Resultados nacionales (109
países); 2) Resultados subnacionales (65);
3) Resultados análisis en el tiempo (22)
Perfiles por país: informes breves con
resultados, gráficos y mapas de pobreza para
cada país
Mapas de pobreza: 1) Mapas interactivos online
– StatPlanet; 2) Versión para imprimir –
MapInfo/PDF
Casos de estudio: profundas entrevistas
cualitativas
Comparando IPM en el tiempo
22 países que tienen dos o más DHS comparables.
Las definiciones de los indicadores varían en algunos casos.
Ajustamos los IPM publicados para generar comparaciones
rigurosas.
Por lo tanto, estos índices difieren en algunos casos de los
resultados publicados para el IPM.
Datos más recientes: 2007 – 2011
18 países se remontan 5 a 7 años en el tiempo, los restantes 4
permiten comparaciones que cubren cambios en 2 a 4 años.
Datos más antiguos: 1998/9 - 2008
Etiopía: tiene dos comparaciones 2000-2005 y 2005-2010.
Se obtuvo informacional adicional de WDI para las comparaciones.
Los datos poblacionales se refieren a 2010.
Análisis en el tiempo en 22 países
Jordan
Peru
Armenia
Guyana
India
Lesotho
Nigeria
Kenya
Madagascar
Malawi
Zimbabwe
30%
35%
40%
45%
50%
55%
60%
65%
70%
75%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Aver
age
Inte
nsi
ty o
f P
over
ty (
A)
Percentage of People Considered Poor (H)
Poorest Countries, Highest MPI
The size of the bubbles is a proportional representation of the total number of MPI poor in each country
Uganda
Ghana
Senegal
Cambodia
Bangladesh
Ethiopia
Bolivia
Rwanda
Nepal
TanzaniaColombia
30%
35%
40%
45%
50%
55%
60%
65%
70%
75%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Aver
age
Inte
nsi
ty o
f P
over
ty (
A)
Percentage of People Considered Poor (H)
Poorest Countries, Highest MPI
The size of the bubbles is a proportional representation of the total number of MPI poor in each country
Uganda
Bolivia
Nepal
Cambios en Bolivia, Etiopía, Nepal y Uganda
Ethiopia
Cambios en Bolivia, Etiopía, Nepal y Uganda
30%
35%
40%
45%
50%
55%
60%
65%
70%
75%
80%
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 110%
Aver
age
Inte
nsi
ty o
f P
over
ty (
A)
Percentage of People Considered Poor (H)
Poorest Countries, Highest MPI
The size of the bubbles is a proportional representation of the total number of MPI poor in each country
Uganda
Bolivia
Nepal
Ethiopia
.000 .100 .200 .300 .400 .500 .600 .700 .800
Ethiopia 2000-2005***
Ethiopia 2005-2011***
Senegal 2005-2010/11
Madagascar 2004-2008/9
Uganda 2006-2011***
Malawi 2004-2010***
Rwanda 2005-2010***
Tanzania 2008-2010***
Nigeria 2003-2008***
Bangladesh 2004-2007***
India 1998/9-2005/6***
Kenya 2003-2008/9***
Nepal 2006-2011***
Cambodia 2005-2010***
Ghana 2003-2008***
Lesotho 2004-2009***
Zimbabwe 2006-2010/11***
Bolivia 2003-2008***
Peru 2005-2008*
Guyana 2005-2009**
Colombia 2005-2010***
Jordan 2007-2009
Armenia 2005-2010**
Multidimensional Poverty Index (MPI) over Time
MPI in Year 1 MPI in Year 2
Cambios en el tiempo en el IPM
Note: *** statistically significant at α=0.01
** statistically significant at α=0.05,
* statistically significant at α=0.10
18 countries have statistically significant MPI reduction at α=0.05
Cambios en el tiempo en el IPM
-.030 -.025 -.020 -.015 -.010 -.005 .000 .005 .010
Nepal 2006-2011
Rwanda 2005-2010
Bangladesh 2004-2007
Ghana 2003-2008
Tanzania 2008-2010
Cambodia 2005-2010
Bolivia 2003-2008
Uganda 2006-2011
Ethiopia 2000-2005
Ethiopia 2005-2011
Lesotho 2004-2009
Nigeria 2003-2008
Kenya 2003-2008/9
Malawi 2004-2010
Zimbabwe 2006-2010/11
India 1999-2005/6
Peru 2005-2008
Colombia 2005-2010
Senegal 2005-2010/11
Guyana 2005-2009
Jordan 2007-2009
Armenia 2005-2010
Madagascar 2004-2008/9
Annualized Absolute Variation
ReduccioónAbsoluta mas
grande
top 3
en top 7
45
How do we report the results?Absolute % Relative
Armenia 2005-2010 .003 (.001) .001 (.000) .000 -12.9% 2.36 **
Bangladesh 2004-2007 .365 (.007) .289 (.006) -.025 -7.0% 7.51 ***
Bolivia 2003-2008 .175 (.005) .089 (.003) -.017 -9.8% 13.68 ***
Cambodia 2005-2010 .298 (.006) .212 (.006) -.017 -5.8% 10.03 ***
Colombia 2005-2010 .040 (.002) .023 (.001) -.003 -8.4% 8.38 ***
Ethiopia 2000-2005 .677 (.004) .605 (.005) -.014 -2.1% 6.66 ***
Ethiopia 2005-2011 .605 (.005) .523 (.007) -.014 -2.2% 8.26 ***
Ghana 2003-2008 .309 (.007) .202 (.007) -.021 -6.9% 10.43 ***
Guyana 2005-2009 .053 (.005) .041 (.002) -.003 -5.4% 2.23 **
India 1998/9-2005/6 .300 (.002) .251 (.003) -.007 -2.4% 12.81 ***
Jordan 2007-2009 .011 (.002) .011 (.001) .000 -3.6% 0.36
Kenya 2003-2008/9 .296 (.008) .244 (.010) -.009 -3.2% 4.10 ***
Lesotho 2004-2009 .239 (.005) .182 (.007) -.012 -4.8% 6.34 ***
Madagascar 2004-2008/9 .383 (.016) .400 (.007) .004 1.0% 1.03
Malawi 2004-2010 .381 (.006) .334 (.005) -.008 -2.0% 6.06 ***
Nepal 2006-2011 .350 (.013) .217 (.012) -.027 -7.6% 7.61 ***
Nigeria 2003-2008 .368 (.011) .313 (.006) -.011 -3.0% 4.04 ***
Peru 2005-2008 .085 (.007) .066 (.004) -.006 -7.3% 1.83 *
Rwanda 2005-2010 .460 (.005) .330 (.006) -.026 -5.6% 15.55 ***
Senegal 2005-2010/11 .440 (.019) .423 (.010) -.003 -0.7% 1.04
Tanzania 2008-2010 .367 (.008) .326 (.007) -.021 -5.7% 3.96 ***
Uganda 2006-2011 .417 (.007) .343 (.009) -.015 -3.5% 5.70 ***
Zimbabwe 2006-2010/11 .180 (.006) .145 (.005) -.008 -4.2% 4.50 ***
Note: *** statistically significant at α=0.01, ** statistically significant at α=0.05, * statistically significant at
α=0.10
Multidimensional Poverty
Index (MPI)Annualized variation t-statistics for
differenceYear 1 Year 2
País A: País B:
50.00
55.00
60.00
65.00
70.00
75.00
50.00
51.00
52.00
53.00
54.00
55.00
56.00
57.00
58.00
59.00
60.00
0.30
0.31
0.32
0.33
0.34
0.35
0.36
0.37
0.38
0.39
0.40
0.41
0.42
Before
MultidimensionalHeadcount
(H)
Intensity of Deprivations
(A)
Multidimensional Poverty Index(MPI = H * A)
50.00
55.00
60.00
65.00
70.00
75.00
50.00
51.00
52.00
53.00
54.00
55.00
56.00
57.00
58.00
59.00
60.00
0.30
0.31
0.32
0.33
0.34
0.35
0.36
0.37
0.38
0.39
0.40
0.41
0.42
Before
MultidimensionalHeadcount
(H)
Intensityof Deprivations
(A)
Multidimensional Poverty Index(MPI = H * A)
50.00
55.00
60.00
65.00
70.00
75.00
50.00
51.00
52.00
53.00
54.00
55.00
56.00
57.00
58.00
59.00
60.00
0.30
0.31
0.32
0.33
0.34
0.35
0.36
0.37
0.38
0.39
0.40
0.41
0.42
After
Before
MultidimensionalHeadcount
(H)
Intensity of Deprivations
(A)
Multidimensional Poverty Index(MPI = H * A)
50.00
55.00
60.00
65.00
70.00
75.00
50.00
51.00
52.00
53.00
54.00
55.00
56.00
57.00
58.00
59.00
60.00
0.30
0.31
0.32
0.33
0.34
0.35
0.36
0.37
0.38
0.39
0.40
0.41
0.42
After
Before
MultidimensionalHeadcount
(H)
Intensity of Deprivations
(A)
Multidimensional Poverty Index(MPI = H * A)
Política orientada a los más pobres entre
los pobres
Política de reducción de pobreza
(sin foco en desigualdad)
País B redujo la intensidad de las deprivaciones
entre los pobres en mayor medida. El índice final
refleja esto.
(IPM satisface Monotonicidad Dimensional)
Reduciendo incidencia e intensidad
48
Reducir incidencia o intensidad?
-1.6
-1.4
-1.2
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
-5 -4 -3 -2 -1 0 1 2
An
nu
al A
bso
lute
Vari
ati
on
in
In
ten
sity
(A
)
Annual Absolute Variation in % Headcount Ratio (H)
Reduction in Intensity of Poverty (A)
Bad/Good
Bad/Bad
Reduction in Incidenceof Poverty (H)
Good /Good
Good/ Bad
Lo mejor es reducir
simultáneamente la incidencia e
intensidad de la pobreza
49
Bangladesh
Bolivia
Cambodia
Colombia
Ethiopia 1Ethiopia 2
Ghana
India
Jordan
Kenya
Lesotho
Madagascar
Malawi
Nepal
Nigeria
Peru
Rwanda
Senegal
Tanzania
Uganda Zimbabwe
-1.6
-1.4
-1.2
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
-5 -4 -3 -2 -1 0 1 2
An
nu
al A
bso
lute
Vari
ati
on
in
In
ten
sity
(A
)
Annual Absolute Variation in % Headcount Ratio (H)
Reduction in Intensity of Poverty (A)
Bad/Good
Bad/Bad
Reduction in Incidenceof Poverty (H)
Good /Good
Good/ Bad
Reducir incidencia o intensidad?
Bangladesh
Bolivia
Cambodia
Colombia
Ethiopia 1Ethiopia 2
Ghana
India
Jordan
Kenya
Lesotho
Madagascar
Malawi
Nepal
Nigeria
Peru
Rwanda
Senegal
Tanzania
Uganda Zimbabwe
-1.6
-1.4
-1.2
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
-5 -4 -3 -2 -1 0 1 2
An
nu
al A
bso
lute
Vari
ati
on
in
In
ten
sity
(A
)
Annual Absolute Variation in % Headcount Ratio (H)
Reduction in Intensity of Poverty (A)
Bad/Good
Bad/Bad
Reduction in Incidenceof Poverty (H)
Good /Good
Good/ Bad
50
La misma reducción en incidencia
pero diferente reducción en
intensidad de la pobreza
Reducir incidencia o intensidad?
Bangladesh
Bolivia
Cambodia
Colombia
Ethiopia 1Ethiopia 2
Ghana
India
Jordan
Kenya
Lesotho
Madagascar
Malawi
Nepal
Nigeria
Peru
Rwanda
Senegal
Tanzania
Uganda Zimbabwe
-1.6
-1.4
-1.2
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
-5 -4 -3 -2 -1 0 1 2
An
nu
al A
bso
lute
Vari
ati
on
in
In
ten
sity
(A
)
Annual Absolute Variation in % Headcount Ratio (H)
Reduction in Intensity of Poverty (A)
Bad/Good
Bad/Bad
Reduction in Incidenceof Poverty (H)
Good /Good
Good/ Bad
51
Diferentes grupos –
diferentes caminos a la
reducción de pobreza?
Reducir incidencia o intensidad?
Reducción IPM
-.026
-.014 -.011
Rwanda 2005-2010
Ethiopia 2005-2011
Nigeria 2003-2008 Diferente camino
a la reducción de
pobreza
68%45%
94%
32%55%
6%
Rwanda 2005-2010
Ethiopia 2005-2011
Nigeria 2003-2008
Incidence of poverty effect (H)
Intensity of poverty effect (A)
53
-.030 -.025 -.020 -.015 -.010 -.005 .000 .005 .010
Annualized Absolute Variation in MPI
-.030 -.020 -.010 .000 .010
Nepal
Rwanda
Bangladesh
Ghana
Tanzania
Cambodia
Bolivia
Uganda
Ethiopia 1
Ethiopia 2
Lesotho
Nigeria
Kenya
Malawi
Zimbabwe
India
Peru
Colombia
Senegal
Guyana
Jordan
Armenia
Madagascar
Annualized Absolute Variation in MPI-.030 -.020 -.010 .000 .010
Nepal
Rwanda
Bangladesh
Ghana
Tanzania
Cambodia
Bolivia
Uganda
Ethiopia 1
Ethiopia 2
Lesotho
Nigeria
Kenya
Malawi
Zimbabwe
India
Peru
Colombia
Senegal
Guyana
Jordan
Armenia
Madagascar
Annualized Absolute Variation in MPI
79%
68%
67%
79%
21%
32%
33%
21%
71%
74%
85%
78%
37%
45%
83%
94%
83%
60%
79%
88%
86%
90%
16%
95%
107%
29%
26%
15%
22%
63%
55%
17%
6%
17%
40%
21%
12%
14%
10%
16%
Intensidad e Incidencia: ambos reducen IPM
Notablemente, Etiopía, Malawi
y Senegal siguen un camino de
reducción de intensidad
Cómo redujeron IPM los mejores países
-8.00
-7.00
-6.00
-5.00
-4.00
-3.00
-2.00
-1.00
0.00
Nepal(.350)
Bangladesh(.365)
Rwanda(.460)
An
nu
ali
zed
Ab
solu
te C
han
ge
in p
rop
ort
ion
wh
o i
s p
oo
r an
d d
epri
ved
in
...
Nutrition
Child MortalityYears of SchoolingAttendance
Cooking FuelSanitation
Water
Electricity
Floor
Assets
Otros patrones de reducción
-5.00
-4.00
-3.00
-2.00
-1.00
0.00
1.00
Ghana(.309)
Tanzania (.367)
Cambodia (.298)
Bolivia(.175)
An
nu
ali
zed
Ab
solu
te C
han
ge
in p
rop
ort
ion
wh
o i
s p
oo
r an
d d
epri
ved
in
...
Nutrition
Child MortalityYears of SchoolingAttendance
Cooking FuelSanitation
Water
Electricity
Floor
Assets
-0.09
-0.07
-0.05
-0.03
-0.01
0.01
0.03
Madagascar (.383)
Malawi (.381)
Uganda (.417)
An
nu
ali
zed
Ab
solu
te C
ha
ng
e
in p
rop
ort
ion
wh
o i
s p
oo
r a
nd
dep
rive
d i
n..
.
Nutrition
Child MortalityYears of SchoolingAttendance
Cooking FuelSanitation
Water
Electricity
Floor
Assets
Otros patrones de reducción
-0.050
-0.045
-0.040
-0.035
-0.030
-0.025
-0.020
-0.015
-0.010
-0.005
0.000
North (0.481)
West (0.481)
East (0.479)
South (0.469)
National (0.460)
City of Kigali (0.260)
An
nu
ali
zed
Ab
solu
te C
han
ge
in t
he
reg
ion
al
MP
IRwanda 2005-2010: Annualized Absolute Changes in Regional MPI
60
Cambios en el tiempo en Rwanda
Países como Rwanda
muestran igual ritmo de
reducción en todas sus
regiones
-0.050
-0.045
-0.040
-0.035
-0.030
-0.025
-0.020
-0.015
-0.010
-0.005
0.000
An
nu
ali
zed
Ab
solu
te C
han
ge
in t
he r
eg
ion
al
MP
I
Nepal 2006-2011: Annualized Absolute Changes in Regional MPI
61
Cambios en el tiempo en Nepal
Países como Nepal
muestran una reducción
desigual de pobreza entre
sus regiones
62
Cambios en el tiempo en Nigeria
-0.050
-0.040
-0.030
-0.020
-0.010
0.000
0.010
South East (.131)
South West (.132)
South South (.215)
North Central (.321)
National (.368)
North West (.530)
North East (.552)
An
nu
ali
zed
Ab
solu
te C
ha
ng
e
in t
he r
eg
ion
al
MP
I
Nigeria 2003-2008: Annualized Absolute Changes in Regional MPI
-.2
-.1
0
Annualiz
ed A
bsolu
te V
ariation in M
PI
Arm
enia
Ban
glad
esh
Bolivia
Cam
bodia
Colom
bia
Eth
iopia
00/0
5
Eth
iopia
05/1
1
Gha
na
Guy
ana
Jord
an
Ken
ya
Leso
tho
Nep
al
Niger
iaPer
u
Rwan
da
Sen
egal
Zimba
bwe
63
Changes over time in MPI
Si bien las comparaciones deben hacerse con cuidado, se observan grandes
disparidades en el progreso en Camboya, Etiopía, Nepal y Senegal
En algunos países observamos aumentos y caídas en la pobreza
simultáneamentente: Senegal, Nigeria y Zimbabwe
109 Países en Desarrollo:
~ 31 Países de Ingresos Bajos, (700.9 M)
~ 70 Países de Ingresos Medios, (4557.9 M), de los cuales:~ 42 Ingreso Medio Bajo (2378.9 M)
~ 28 Ingreso Medio Alto (2179.0 M)
~ 8 Países de Ingresos Altos (41.2 M), de los cuales:~ 5 OECD (29.2 M)
~ 3 no OECD (12 M)
Población Total: 5.3 Billion peopleQue representa 78% de la población mundial
(population figures from 2010; data from 2000-2011).
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%N
iger
Eth
iop
ia
Mal
i
Bur
und
i
Bur
kin
a F
aso
Lib
eria
Gui
nea
Som
alia
Mo
zam
biq
ue
Sier
ra L
eon
e
Sen
egal
DR
Co
ngo
Ben
in
Uga
nd
a
Rw
and
a
Tim
or-
Les
te
Mad
agas
car
Mal
awi
Tan
zan
ia
Zam
bia
Ch
ad
Mau
rita
nia
Co
te d
'Ivo
ire
Gam
bia
Ban
glad
esh
Hai
ti
To
go
Nig
eria
Ind
ia
Cam
ero
on
Yem
en
Pak
ista
n
Ken
ya
Lao
Cam
bo
dia
Nep
al
Rep
ubli
c o
f C
on
go
Nam
ibia
Zim
bab
we
Les
oth
o
Sao
To
me
and
Pri
nci
pe
Ho
nd
uras
Gh
ana
Van
uatu
Dji
bo
uti
Nic
arag
ua
Bh
utan
Gua
tem
ala
Ind
on
esia
Bo
livi
a
Swaz
ilan
d
Taj
ikis
tan
Mo
ngo
lia
Per
u
Iraq
Ph
ilip
pin
es
Sout
h A
fric
a
Par
agua
y
Ch
ina
Mo
rocc
o
Suri
nam
e
Guy
ana
Est
on
ia
Tur
key
Egy
pt
Tri
nid
ad a
nd
To
bag
o
Bel
ize
Syri
an A
rab
Rep
ubli
c
Co
lom
bia
Sri
Lan
ka
Aze
rbai
jan
Mal
div
es
Kyr
gyzs
tan
Do
min
ican
Rep
ubli
c
Hun
gary
Cro
atia
Vie
t N
am
Mex
ico
Cze
ch R
epub
lic
Arg
enti
na
Tun
isia
Bra
zil
Jord
an
Uzb
ekis
tan
Ecu
ado
r
Ukr
ain
e
Mac
edo
nia
Mo
ldo
va
Uru
guay
Th
aila
nd
Lat
via
Mo
nte
neg
ro
Pal
esti
nia
n T
erri
tori
es
Alb
ania
Rus
sian
Fed
erat
ion
Serb
ia
Bo
snia
an
d H
erze
govi
na
Geo
rgia
Kaz
akh
stan
Un
ited
Ara
b E
mir
ates
Arm
enia
Bel
arus
Slo
ven
ia
Slo
vaki
a
Comparing the Headcount Ratios of MPI Poor and $1.25/day Poor
Intensity 69.4% & More Intensity 50-69.4% Intensity 44.4-50% Intensity 33.3-44.4% $1.25 a day
La mitad de la población
mundial considerada en
el IPM vive en Asia del
Sur, y 29% en África Sub-
Sahariana
Individuos pobres
por IPM, por región
Población Total en los 104 países del IPM 2013
Europe and Central Asia
7.5% Arab States4.2%
Latin America and
Caribbean9.5%
East Asia and Pacific
34.6%
South Asia29.8%
Sub-Saharan Africa14.3%
Europe and Central Asia
0.7%
Arab States2.12%
Latin America & Caribbean
2.2%East Asia &
Pacific14.9%
South Asia51.3%
Sub-Saharan Africa28.90%
IngresosAltos 0.1%
IngresosMediosAltos12.3%
IngresosMediosBajos60.1%
IngresosBajos27.5%
La mayoría de las personas pobres viven en países
de ingresos medios. 72% de los pobres por IPM vive en Países de Ingresos Medios
Población Total por
Categoría de Ingreso Población Pobre por IPM
Ingresos Altos0.8%
IngresosMedios Altos
41.1%Ingresos
Medios Bajos45.4%
Ingresos Bajos12.7%
Datos
poblacionales 2010
IPM vs $1.25/día: 16 comparaciones
Difícil comparar tendencia de IPM vs $1.25 dado a la poca
frecuencia en los datos
• Comparaciones para el mismo año sólo están disponibles para
Perú y Colombia.
• No hay datos de $1.25 para Zimbabwe.
• En el caso de 8 países, los datos de $1.25 data son anteriores a
los comparables de IPM: Armenia, Ghana, Guyana, Kenya,
Lesotho, Malawi, Tanzania y Uganda.
• Como los períodos son distintos, usamos una interpolación de
$1.25 para 7 países: Bangladesh, Bolivia, Camboya, Jordania,
Malawi, Nigeria y Rwanda.
-0.35
-0.3
-0.25
-0.2
-0.15
-0.1
-0.05
0
0.05
0.1
Rela
tive
vari
ati
on
MPI Gap $1.25
Cambios en el IPM vs brecha de pobreza $1.25 (relativa)
La mayoría de los países con mejor
desempeño redujeron el IPM tanto
como o incluso en mayor medida que la
pobreza por ingresos.
Los rankings son muy distintos!
Cambios en H (IPM) vs incidencia $1.25 (relativa)
-0.35
-0.3
-0.25
-0.2
-0.15
-0.1
-0.05
0
0.05
Rela
tive
vari
ati
on
Incidence (H) Incidence $1.25
Robustez de los rankings del IPM a:
• Composicion del Hogar
• Umbrales de Privacion (Indicadores)
• Pesos
• Umbral de Pobreza (k)
• Variabilidad Muestral
Los resultados de
robustez pertenecen a
los calculos del IPM
2010 a menos que lo
indiquemos, y estan
presentados en Alkire y
Santos (2013) OPHI
WP 59.
Composición del Hogar• Test de hipótesis para evaluar si los hogares pobres por
MPI:
a) Son más grandes
b) Tienen mayor número de niños menores de 5
c) Tienen mayor número de niños en edad escolar
d) Tienen mayor número de mujeres en edad reproductiva
e) Tienen mayor número de mayores de 50 años
f) Tienen mayor probabilidad de tener jefa mujer
(proporción de hogares pobres con jefa mujer vs.
proporción de hogares no-pobres con jefa mujer).
(se consideró la estratificación y clustering para el cómputo de errores estándar)
76
Composición del Hogar:
Los hogares pobres tienen…(porcentaje ponderado por población de 2007 de países donde
los hogares pobres tienen…)Signific.
mayor
Signific.
menor
No signific.
distinto
Tamaño del hogar 49.6% 38.2% 12.2%
Número de
mujeres
47.8% 38.1% 14.1%
Número de niños
menores de 5
56.3% 7.5% 36.2%
Niños en edad
escolar
59.4% 5.5% 35.1%
Jefa mujer 11.1% 36.1% 52,8%
Número de
personas 50+
19.4% 42.5% 38.1%
77
Composición del Hogar:
Los hogares pobres tienen…(porcentaje ponderado por población de 2007 de países donde
los hogares pobres tienen…)Signific.
mayor
Signific.
menor
No signific.
distinto
Tamaño del hogar 49.6% 38.2% 12.2%
Número de
mujeres
47.8% 38.1% 14.1%
Número de niños
menores de 5
56.3% 7.5% 36.2%
Niños en edad
escolar
59.4% 5.5% 35.1%
Jefa mujer 11.1% 36.1% 52,8%
Número de
personas 50+
19.4% 42.5% 38.1%
78
En general, no hay una
diferencia significativa
en el tamaño del hogar
y # de mujeres
En general, lá
probabilidad de tener
niños es mayor para los
hogares pobres por IPM
Composición del Hogar
• Realizamos algunos tests separando valores
“Bajos”, “Medios” y “Altos” del MPI, así como
diferencias regionales. Alkire y Santos 2013, OPHI WP 59
• MPI Bajo: el 16.6% de los países menos pobres
ponderados por población
• MPI Medio: el 45% central de los países ponderados por
población
• MPI Alto: el 38% menos pobre de los países ponderados
por población
• Nota: los grupos no tienen la misma población debido a China e India,,
pero se dividieron por centiles 33% y 66%. 79
Composición del hogar por nivel del MPI
• Países con MPI bajo: 18.6% de estos países tienen
hogares pobres con tamaño sig. mayor que los no-pobres,
mientras que 76% tienen tamaño menor.
• Países con MPI medio: 47.3% de estos países tienen
hogares pobres con tamaño sig. mayor; 23% sig. menor.
• Países con MPI alto: 85% de estos países tienen hogares
pobres con tamaño sig. mayor que los no-pobres.
• Un patrón similar se repite para el número de niños
menores de 5, niños en edad escolar y número de mujeres.
80
Entendiendo el ‘sesgo’ en la composición
de hogares en países con MPI alto
1. La pobreza IPM podría ser objetivamente más elevada
para hogares de mayor tamaño y con más niños.
2. El diseño muestral y la construcción de los indicadores
IPM podría ‘inflar’ inadecuadamente la pobreza
aparente en hogares de gran tamaño.
3. Los indicadores IPM podrían tener un sesgo
justificado: reflejan la prioridad de los niños y mujeres
en los ODM, al ser grupos vulnerables.
Robustez ante cambios en las líneas de
corte/indicadoresa) 3 medidas alternativas de nutrición infantil (peso-por-
edad, peso-por-altura y altura-por-edad), y diferente
población de referencia
b) Mortalidad infantil con y sin restricciones de edad
c) Incluir asistencia escolar vs usar sólo años de educación
d) Ignorar tiempo que lleva obtener agua en el indicador
de agua potable
e) Requerir agua por tubería, inodoros con arrastre de
agua y pisos mejorados (considerando palma de
bambú/tabla de madera como privado), para estar no
privado en agua, saneamiento y pisos
Robustez ante cambios en las líneas de
corte/indicadores
• Se computó el MPI en cada caso, se obtuvo el
ranking de países y se calculó el índice de
correlación de Spearman entre los rankings.
• Todas las correlaciones de Spearman entre los
rankings superan 0.96, y el Kendall-Tau b (ajusta
por empates) supera 0.86.
Robustez ante cambios en los pesos
• Recuerden: el MPI varía entre 0 y 0.642, y la
incidencia varía entre 0 y 93%
• Re-ponderando cada dimensión:
– 33% 50% 25% 25%
– 33% 25% 50% 25%
– 33% 25% 25% 50%
• ¿Cuál es el efecto sobre:
– MPI, H, A?
– Ranking de países?
Robustez ante cambios en los pesos
MPI Weights 1 MPI Weights 2 MPI Weights 3
Equal weights:
33% each
(Selected
Measure)
50% Education
25% Health
25% LS
50% Health
25% Education
25% LS
Pearson 0.992
Spearman 0.979
Kendall (Taub) 0.893
Pearson 0.995 0.984
Spearman 0.987 0.954
Kendall (Taub) 0.918 0.829
Pearson 0.987 0.965 0.975
Spearman 0.985 0.973 0.968
Kendall (Taub) 0.904 0.863 0.854
Number of countries: 109
MPI
Weights 2
50% Education
25% Health
25% LS
MPI
Weights 3
50% Health
25% Education
25% LS
MPI
Weights 4
50% LS
25% Education
25% Health
Robustez ante cambios en los pesos
En síntesis:
• Altas correlaciones: 0.97 y superior
• Alta concordancia en rankings: 0.90 y superior
• 85% de todas las comparaciones de a pares son
robustas
Robustez ante cambios en la línea de
pobreza, k• 90% de todas las posibles comparaciones de a pares son
robustas para k entre 20 y 40%.
• Test más estricto: usando bootstrap
– Computar por bootstrap el intervalo de confianza (95%)
del MPI para cada valor de k.
– Realizar comparaciones de a pares: dados dos países, A y
B, B domina a A si el límite inferior del MPI de A
(estimado por bootstrap) es estrictamente mayor que el
límite superior del MPI de B (estimado por bootstrap),
para todos los posibles valores de k.
– Se encuentran comparaciones robustas (bootstrap)
en 87.4% de todos los casos para k entre 20 y 40%.
Robustez ante cambios en la línea de
pobreza, kComparaciones de a pares por región (bootstrap) :
• Asia del Sur: 90% de las comparaciones de a pares
son robustas (5 países)
• África Sub-Sahariana: 85.9% (37 países)
• Estados Árabes: 87.3% (11 países)
• América Latina y el Caribe: 77.9% (18 países)
• Asia del Este y Pacífico: 77.8 % (11 países)
• Europa Central y del Este: 44.3% (24 países)
Robustez ante cambios en la línea
de pobreza, kEl nivel de robustez por región (bootstrap) varía con el
número de indicadores y la encuesta.
• Cuando se evalúan sólo países que cuentan con los
10 indicadores: 91.2% de las comparaciones son
robustas.
• Cuando se evalúan sólo DHS: 91.7% de las
comparaciones son robustas.
Robustez del MPI en Asia del Sur
0.1
.2.3
.4
MP
I
10% 20% 33% 40% 50% 60% 70% 80% 90% 100%k
Bangladesh MPI Bhutan MPI
India MPI Maldives MPI
Nepal MPI Pakistan MPI
Análisis de robustez – cambios en la línea de pobreza, k
0.1
.2.3
.4.5
Multid
imensio
nal P
overt
y I
ndex (
MP
I)
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)
Lower Limit T1
MPI T1
Upper Limit T1
Lower Limit T2
MPI T2
Upper Limit T2
Senegal 2005-2011
Entre países que no muestran un progreso significativo0
.1.2
.3.4
.5
Multid
imensio
nal P
overt
y I
ndex (
MP
I)
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1Poverty cutoff (k)
Lower Limit T1
MPI T1
Upper Limit T1
Lower Limit T2
MPI T2
Upper Limit T2
Madagascar 2004-2009