UNA PROPUESTA PARA LA MEDICIÓN DE LA POBREZA MULTIDIMENSIONAL EN LA ARGENTINA (2004-2019)

A PROPOSAL FOR MEASURING MULTIDIMENSIONAL POVERTY IN ARGENTINA (2004-2019)

Florencia M. Fares CIMaD-EEyN-UNSAM; Argentina. ffares@unsam.edu.ar 

Federico Favata CIMaD-EEyN-UNSAM; Argentina. ffavata@unsam.edu.ar 

Ricardo G. Martinez IIEP-FCE-UBA; Argentina. ricardogabriel.martinez@gmail.com  

Fecha recepción: 17/02/2021                        Fecha aceptación: 31/05/2021

Resumen

En este trabajo se utilizaron ocho indicadores para captar la pobreza multidimensional a partir de una nueva forma de agregación, el Índice de Pobreza Multidimensional (IPM) de Alkire y Foster (2011). El principal aporte radica en el aumento de dimensiones e indicadores, respecto a los utilizados por INDEC, con el objetivo de describir mejor las distintas situaciones de pobreza, de manera de generar políticas públicas más focalizadas. Se construyó el IPM a nivel nacional y por regiones de la Argentina empleando los microdatos de la Encuesta Permanente de Hogares (EPH). Se observó que el IPM disminuyó fuertemente entre 2004-2009 y luego se desaceleró, sumando una caída total de 5,1 pp. De hecho, en Cuyo y el NOA aumentó ligeramente el IPM entre 2014 y 2019. Las mayores carencias se encontraron en el acceso a la salud y el empleo.

Palabras clave: índice de pobreza multidimensional, privaciones, desigualdad

JEL: I32, I31, I30

Abstract

In this work, eight indicators were used to capture multidimensional poverty based on a new form of aggregation, the Multidimensional Poverty Index (MPI) of Alkire and Foster (2011). The main contribution lies in the increase of dimensions and indicators, compared to those used by INDEC, with the aim of better describing the different poverty situations, to generate more focused public policies. The MPI was constructed at the national level and by regions of Argentina using microdata from the Permanent Household Survey. It was observed that the MPI declined sharply between 2004-2009 and then slowed down, adding up to a total drop of 5.1 pp. In fact, the MPI increased slightly between 2014 and 2019 in Cuyo and NOA. The greatest privations were found in access to health and employment.

Keywords: multidimensional poverty index, deprivation, inequality.

JEL: I32, I31, I30

1. Introducción

El objetivo de este trabajo es ofrecer una medida de la pobreza multidimensional, con una mayor cantidad de indicadores, respecto a los utilizados por el Instituto Nacional de Estadísticas y Censos (INDEC), a partir de nuevas dimensiones que se relacionan con la educación, la salud y el empleo. Asimismo, se elabora una medida más robusta de la pobreza multidimensional, el índice de la pobreza multidimensional elaborado por Alkire y Foster (2011), que cumple con propiedades deseables como la monotocidad y la descomposición dimensional o poblacional, y es robusta a la utilización de variables ordinales (Alkire et al., 2015, sec. 2.5; Alkire & Foster, 2011; Santos, 2019). Luego, estos indicadores se analizan en las poblaciones urbanas de la Argentina con el fin de detectar las brechas regionales. Además, se desagrega la pobreza multidimensional por regiones y dimensiones para entender en cuál de éstas deberían focalizarse las políticas públicas.

De esta manera, el trabajo se estructura en seis secciones. Luego de esta introducción, se describe y discute la medición de la pobreza multidimensional y en la sección siguiente, las aplicaciones empíricas de dicha metodología en la Argentina. En la cuarta sección se encuentra la propuesta metodológica y en la quinta, los resultados. Finalmente, se esbozan la conclusión y las futuras líneas de investigación.

2. La pobreza multidimensional

Desde mitad de la década de los 70, el enfoque de las Necesidades Básicas (ENB) fue promovido primeramente por la Organización Internacional del Trabajo (OIT) y luego, por el Banco Mundial (BM) a nivel global. Este enfoque surgió como una reacción ante la desigualdad creciente que se observaba en las etapas tempranas del desarrollo de algunos países que, luego de la Segunda Guerra Mundial, habían encarado un proceso de crecimiento económico impulsado por un enfoque intervencionista-industrialista ^[1]  (Stewart, 2006). Se presentó a este enfoque como un objetivo en sí mismo para el desarrollo, no como un medio para lograrlo, ya que se creía que ganaría más aceptación entre los gobiernos del mundo desarrollado y en desarrollo para reducir la desigualdad que los argumentos (morales) que se esbozaban sobre la injusticia que implicaba la desigualdad (Stewart, 1985, 2006; Streeten et al., 1981).

El razonamiento se articula a partir de la provisión de bienes y servicios esenciales que garantizan igualdad de oportunidades para llevar una vida plena ^[2] , y no necesariamente el ingreso refleja esas oportunidades, sobre todo en cuanto al acceso de los servicios públicos como educación y salud (Stewart, 2006). En efecto, la medición “indirecta” ^[3]  de la pobreza tiene por detrás la idea de que los individuos utilizan su ingreso para satisfacer necesidades básicas. El estudio de pobreza multidimensional se plantea, entonces, como un viraje hacia la observación efectiva de la satisfacción de las necesidades básicas, es decir, como el método directo de la medición de la pobreza (Sen, 1981).

Durante la década siguiente, la urgencia en la macroeconomía internacional (y local) ante las crisis del petróleo, las crisis de deuda y la década pérdida en Latinoamérica hicieron perder de vista el objetivo del ENB en pos de la búsqueda por la estabilidad y el manejo de los desbalances macroeconómicos. Con Sen (2000), retoma vuelo la discusión sobre la necesidad de complementar la medición y la comprensión de la pobreza desde la vara del ingreso (método indirecto). La pobreza como privación de capacidades (el enfoque de capacidades o EC) surge entonces como una alternativa que considera a la renta como un instrumento más para alcanzar el bienestar, pero no como el único.

Sen (2000)  entiende a la pobreza como la privación de capacidades, es decir, la falta de libertades fundamentales que permiten a las personas elegir un estilo de vida. Pero esto no solo se limita a los bienes materiales sino también a ciertas características personales que permiten la “conversión” de los bienes en capacidades que permitan alcanzar fines. Este es un enfoque más individual y hace especial mención sobre la amplitud con la que se debería pensar la pobreza cuando el individuo es un anciano o presenta una discapacidad. Bajo esta perspectiva, la privación de capacidades aplica tanto para los pobres como para los ricos (diferenciados estos por su ingreso) ya que la conversión de los bienes en capacidades puede no estar atada al ingreso.

Si bien diversos autores reconocen la superioridad del EC ante el ENB (Alkire, 2005; Robeyns, 2017), ambos enfoques conducen a resultados similares en países en desarrollo (Stewart, 2006). De hecho, bajo el paradigma del desarrollo humano se conjugan la practicidad del ENB para la focalización y diseño de las políticas públicas, y el EC, más amplio (e inclusivo) para describir a la pobreza en términos teóricos (Robeyns, 2017; Stewart, 2006).

Sin embargo, Streeten (1984) ha postulado algunas preguntas que ha dejado sin responder el ENB, como ser: qué y quién define las Necesidades Básicas (NB), si implican por sí solas el bienestar o son condiciones necesarias para alcanzarlo, qué lugar tiene la participación (civil) en este enfoque y qué forma adoptaría, qué se puede decir sobre el financiamiento de las NB, entre otras. Por otro lado, Alkire (2005) cuestiona la manera en la que estas pueden medirse, algo que Stewart (2006) reconoce también como una debilidad del EC de Sen (2000).

En la actualidad, la literatura adopta el enfoque propuesto por Sen (2000), que define a la pobreza multidimensional en términos teóricos, y utiliza diversos indicadores inspirados en el ENB para medirla. La metodología que se utiliza en este trabajo está basada en el método Alkire-Foster (AF), que es una técnica para medir pobreza multidimensional a partir de la elaboración de un índice de las carencias. El índice de pobreza multidimensional (IPM), desarrollado en Oxford Poverty & Human Development Initiative  (OPHI) por  Alkire y Foster (2011), es el indicador por excelencia para estudiar las situaciones de pobreza no monetaria en la actualidad.

En la siguiente sección se lo compara con la medición por Necesidades Básicas Insatisfechas (NBI), que es el enfoque utilizado en Argentina para medir la pobreza no monetaria, mientras que en la quinta sección se desarrolla sintéticamente la metodología sobre la construcción de este índice.

3. La medición oficial de la pobreza multidimensional en la Argentina

En América Latina, la medición de las NBI comenzó a mediados de los años 70 a partir del trabajo de Kast y Molina (1975) para Chile, pero cobró mayor relevancia a partir de lo realizado por la Comisión Económica para América Latina y el Caribe (CEPAL) e INDEC (1984). Esta metodología se presentó como una alternativa a la identificación de la pobreza por el método indirecto, aunque en la actualidad se las pueden considerar como mediciones complementarias (Feres & Mancero, 2001; INDEC, 1998). Como la medición de las NBI partía de los datos censales con gran desagregación territorial, esto permitió construir mapas de pobreza, que sirvieron para la focalización y localización de las políticas públicas (Kaztman, 1996).

Del objetivo principal de las NBI se desprenden dos finalidades bien definidas, que también están presentes en el IPM. La primera radica en identificar la cantidad de hogares pobres a partir de la insatisfacción de las necesidades estructurales que garantizan un mínimo bienestar de los hogares, mientras que la segunda consiste en caracterizar las privaciones ubicándolas geográficamente. Bajo las NBI, un hogar es definido como pobre si se hace presente la carencia de, por lo menos, una de las dimensiones presentadas en el cuadro 1.

Cuadro 1: Medición de las NBI en la Argentina: dimensiones e indicadores propuestos por el INDEC.

Dimensiones	Indicador	Definición
Hábitat	Hacinamiento	Hogares con más de 3 personas por cuarto
	Calidad de la vivienda	Hogares cuya vivienda no sea casa, departamento o rancho
	Sistema de eliminación de excretas	Hogares sin retrete
Educación	Asistencia de los niños en edad escolar a un establecimiento educativo	Hogares donde los niños de entre 6 y 12 años no asistan a la escuela
Ingresos monetarios	Probabilidad de insuficiencia de ingresos en el Hogar	Hogares que tienen 4 o más personas por miembro ocupado, cuyo jefe no hubiera completado el tercer año de la primaria

Fuente: INDEC (1998). En esta línea, la detección de la pobreza bajo las NBI sigue el enfoque de unión ya que, con que haya una sola carencia presente, el hogar será clasificado como pobre. Por otro lado, una alternativa poco utilizada es el enfoque intersección, que identifica como pobre solo a los hogares que tienen carencias en todos los indicadores. El IPM suele colocarse en una posición intermedia entre ambos ya que emplea un umbral para determinar pobreza basado en un número mínimo de privaciones que un hogar debe sufrir para ser considerado pobre. La identificación en el IPM y las NBI coinciden cuando los n indicadores en el IPM tienen la misma ponderación y el umbral de pobreza es definido como 1/n.

Asimismo, bajo las NBI solo se puede medir la incidencia de la pobreza en aquellos hogares que tienen, al menos, una carencia en los indicadores mencionados, mientras que la intensidad de la pobreza queda fuera de foco. Un hogar con una, dos, o n  carencias es igualmente pobre bajo este enfoque de conteo. En este sentido, si la población pobre ve empeorar sus condiciones de vida, es decir, aumenta la cantidad de carencias, el indicador de incidencia no captaría este fenómeno. Por este motivo, el IPM es superior a las NBI, ya que nace a partir de la familia de índices Foster-Gree-Thorbecke (FGT) para medir pobreza (Foster et al., 1984). El IPM no solo utiliza un umbral por indicador para definir si una carencia está presente en un hogar, al igual que las NBI, sino que además emplea otro umbral que indica del promedio ponderado de carencias que debe sufrir un hogar para ser considerado pobre. Así, el método de AF se lo denomina enfoque de doble umbral ya que pueden existir hogares con carencias pero que no son considerados pobres ya que la privación promedio no supera el umbral de pobreza.

Por otro lado, en las NBI elaboradas por INDEC se le da mucha participación a los indicadores que atañen a las condiciones materiales de la vivienda (los primeros tres), dejando de lado otras dimensiones igualmente importantes como son la salud, la educación, el empleo, etc. (Feres & Mancero, 2001). Este trabajo se basa en información que proviene de las poblaciones urbanas de la Argentina, por lo que es necesario no solo conservar esta dimensión habitacional, sino también traer a la luz otras carencias que describen la precariedad de las condiciones de vida de estas poblaciones, como la inserción laboral, el nivel educativo alcanzado, el acceso a las prestaciones de salud, etc.

Además, la medición de las NBI en la Argentina ha estado atada a la disponibilidad de información censal. Sin embargo, podrían estimarse con mayor periodicidad a partir de la EPH, que releva una muestra de la población urbana. En efecto, dicho marco muestral se actualiza en cada censo poblacional. En este trabajo, se explota esta posibilidad ya que los indicadores construidos pueden ser identificados en el cuestionario utilizado por la EPH. No obstante, tanto la medición de las NBI y como la construcción del IPM no se encuentran limitados por la información censal, aunque esta es preferible a la EPH ya que releva tanto la población urbana como rural.

4. Los estudios sobre la pobreza multidimensional mediante el método AF en la Argentina

Entre los pioneros en utilizar el método de AF para la Argentina se encuentran Battiston et al. (2013) que estudian y comparan la evolución de la pobreza multidimensional a partir de los indicadores tradicionales (vivienda, asistencia escolar, nivel educativo y de ingreso) para distintos países latinoamericanos. Si bien Argentina no se encuentra entre los de mayor reducción de la pobreza, pertenece al grupo de países donde menos privaciones se observan entre 1992 y 2006.

A niveles desagregados, tanto Conconi (2009) como López y Safojan (2013) utilizan la EPH y encuentran que noreste y noroeste argentino (NEA y NOA, respectivamente) son las regiones más pobres en términos multidimensionales, mientras que las poblaciones en Gran Buenos Aires (GBA) y Patagonia sufren menos privaciones. El primer estudio abarca el periodo 1992-2006 y el segundo, 2004-2010. Ambos agruparon los indicadores en las dimensiones: vivienda, ingresos monetarios, laboral y educativa. Estos resultados fueron corroborados por Paz (2014), pero utilizando la Encuesta Anual de Hogares Urbanos (EAHU) para el periodo 2010-2012. En efecto, la Ciudad de Buenos Aires (CABA) y Patagonia suelen presentar menores carencias sobre un total de 23 indicadores.  

Arévalo y Paz (2014), con base en la EPH, retomaron un subgrupo de indicadores desarrollados en Paz (2014) y observaron diferencias entre aglomerados, regiones y periodos, bajo una descomposición microeconométrica basada en Blinder (1973), Oaxaca (1973) y Yun (2005). Los autores concluyeron que hubo convergencia en los niveles de pobreza entre las regiones, es decir, que las regiones más pobres redujeron la pobreza multidimensional que aquellas que partieron con un nivel de pobreza menor, y esto se da con mayor fuerza entre 2005-2010. Además, destacaron que los factores más asociados a la pobreza son aquellos relacionados al ámbito laboral y al género del jefe de hogar, entre otros.

En los últimos años, el observatorio de la Deuda Social Argentina de la Pontificia Universidad Católica Argentina presentó estimaciones de pobreza multidimensional a partir del IPM y del enfoque de derechos, siguiendo la metodología aplicada por el Consejo Nacional de Evaluación de la Política de Desarrollo Social (CONEVAL). En el estudio de Salvia, Bonfiglio y Vera (2017), basado en 12 indicadores para el periodo 2010-2016, el conurbano bonaerense presenta niveles de privaciones similares a NEA y NOA que contrastan fuertemente con las mediciones en la CABA y la Patagonia. Además, en sus resultados se observa una pequeña reversión de la mejora de la pobreza multidimensional en 2016, encontrando los mayores determinantes en las carencias en recursos educativos, la afiliación al sistema de proyección social y a los recursos de información.

En cuanto a los estudios focalizados en regiones particulares, González y Santos (2018) estimaron el índice de pobreza multidimensional en Posadas, Misiones, mientras que Reyes (2018) lo hizo para el NOA a partir de la EPH. Ambos estudios construyen el IPM en base a doce indicadores agrupados en cinco dimensiones: vivienda, servicios básicos, estándar de vida, educación y empleo y protección social. Asimismo, coinciden en la presencia de una tendencia decreciente de la pobreza multidimensional, a pesar de que se mantenga por encima del promedio nacional (Santos & González, 2018) y que se presenten heterogeneidades al interior de la región NOA (Reyes, 2018). Recientemente, González y Santos (2020) confirmaron esta tendencia a la reducción de la brecha de la pobreza multidimensional entre el Norte Grande Argentino (compuesto por las regiones NOA y NEA) para con el resto del país, debido principalmente a las políticas de transferencias monetarias. Sin embargo, advierten mayor atención a las carencias en materia laboral y educativa.

Santos y Etcheverry (2018), con indicadores similares, buscan determinar la evolución de la pobreza multidimensional en la ciudad de Bahía Blanca, Provincia de Buenos Aires, entre 2004 y 2017 sobre la base de la EPH. Si bien hasta 2009 la pobreza se redujo, no llegaron a resultados conclusivos para el resto del periodo, entre otras cosas, por la falta de estadísticas confiables referentes a la evolución de los ingresos y las líneas de pobreza e indigencia ^[4].

Por su parte, Macció y Mitchell (2018) a través de la Encuesta Anual de Hogares (EAH) comparan las brechas de pobreza entre barrios formales e informales de la CABA, siendo en estos últimos más frecuente y severa las situaciones de pobreza. Con una propuesta similar Martínez, Lo Cascio y Leone (2018), detectaron grandes asimetrías en las carencias entre la región norte y sur de la Ciudad. Particularmente, hallaron grandes problemas de empleabilidad en las poblaciones del sur de la CABA, que suelen ser más jóvenes, con mayor tasa de fecundidad y menores ingresos promedios que las del norte.

Martínez et al. (2020) compararon la carencias entre CABA y las provincias que conforman el NOA. Similar a estudios anteriores, observaron una caída de la pobreza multidimensional entre 2010 y 2016, siendo el NOA una región bastante homogénea en la evolución de los indicadores empleados. Sin embargo, se hallaron grandes diferencias en las dimensiones de la educación, salud y empleo entre las poblaciones de CABA y el NOA, encontrándose esta última en una clara desventaja.

Este trabajo se enmarca en esta producción académica de la última década que ha intentado dar cuenta de la necesidad de contar con una mayor cantidad de medidas sobre la pobreza en la Argentina. Desde el ámbito oficial, no se ha escuchado esta demanda, y esto explica porque tiene lugar esta creciente proliferación de trabajos científicos. Como se desarrolla en la próxima sección, este trabajo basa sus indicadores y dimensiones en lo realizado por Martínez et al. (2020; 2018) y abarca los años 2004-2019, donde se pueden contrastar un periodo de amplia expansión económica hasta 2011, seguido por un estancamiento en el nivel de actividad.

5. La propuesta metodológica: dimensiones, indicadores y fuente de datos 

Este trabajo aumenta de cinco a ocho dimensiones, con respecto a las dimensiones propuestas por INDEC (1984), abarcando cuatro pilares: el acceso a la vivienda, a la educación, a la salud, y al mercado laboral. Aunque ante las carencias se vea afectado el bienestar del propio individuo, estas también repercuten en el entorno conviviente, tomando esta carencia individual como privación del hogar. Los indicadores y dimensiones se resumen en el cuadro 2 y se discuten a continuación:

Cuadro 2: Dimensiones e indicadores propuestos

Dimensiones	Indicadores	Definición por unidad de análisis
Acceso a la vivienda	Hacinamiento	Más de 3 personas por cuarto
	Tipo de vivienda	Vivienda que no es casa o departamento
Acceso educativo	Insistencia escolar	Al menos un niño o niña entre 5 y 17 años que no asiste a la escuela (previo a 2015) y de 4 y 17 años que no asiste a la escuela (posterior a 2015)
	Nivel educativo alcanzado	Al menos una persona entre 18 y 30 años sin secundario terminado
Acceso a la salud	Afiliación en salud	Al menos una persona sin afiliación a cobertura médica o sanitaria
Acceso al empleo	Informalidad	Al menos un asalariado activo al que no le descuentan ni aportan al Sistema de Jubilaciones y Pensiones
	Empleabilidad	Al menos una persona inactiva entre 18 y 29 años, que tampoco estudia
	Desocupación	Al menos un miembro del hogar que declara encontrarse desocupado por más de un año

Fuente: Elaboración propia.

Hacinamiento : Este indicador representa el cociente entre la cantidad total de personas del hogar y la cantidad total de habitaciones o piezas que dispone el mismo. Se tomó el concepto de hacinamiento crítico que identifica como carentes a aquellos hogares en los que hay más de tres personas por cuarto de la vivienda (Feres & Mancero, 2001). Este indicador resulta ser un factor fundamental en la determinación de bienestar y calidad de vida de la población y por medio del cual se refleja el “déficit habitacional”. La existencia de hacinamiento en los hogares genera brechas entre distintos segmentos poblacionales por cuestiones de salud, es decir, sufrir hacinamiento disminuye la calidad de vida, pues genera mayor probabilidad de enfermedades, imposibilita el espacio de privacidad o independencia habitacional empeorando bienestar físico y psíquico de todos los habitantes de la vivienda (Feres & Mancero, 2001; Lentini & Palero, 1997). Esto marca una diferencia importante respecto de los hogares que no lo sufren, por lo que resulta importante al momento de estudiar el desarrollo urbano.

Tipo de vivienda: Este indicador, al igual que el anterior, mantiene las características de las NBI. Se evaluó si el hogar posee condiciones materiales mínimas que provean de comodidad e infraestructura para el desarrollo de las actividades sociales y productivas de los individuos. De esta forma, los hogares carentes son aquellos que moran en habitaciones de inquilinato, hotel o pensión, viviendas no destinadas a fines habitacionales, viviendas precarias, como las casillas o los ranchos, y otro tipo de vivienda, como chozas en villas de emergencia o terrenos fiscales.

Inasistencia escolar:  La Ley de Educación Nacional (Ley 26.206), que expresa la obligatoriedad de la concurrencia a la escuela desde el nivel inicial hasta la finalización del nivel de educación secundaria, se modificó en 2015, dando como resultado una alteración en la construcción de este indicador. Para los años previos a esta fecha, se incluyeron los menores de 5 a 17 años que no asisten al colegio. Luego del 2015, también se contemplan los menores de 4 años que no asisten a un establecimiento educativo.

Nivel educativo alcanzado : Comprende a los mayores de 18 años que no hayan terminado el nivel de enseñanza secundario con una cota superior en los 30 años. Beccaria (2005) muestra que aquellos jóvenes que no terminaron el secundario sufren dificultades agudas en su inserción laboral. La variable se construye en torno a aquellos hogares con presencia de jóvenes entre 18 y 30 años.

Afiliación en salud : En vistas de los desafíos que el 2020 significó en términos sanitarios, se considera que el acceso a la salud de calidad es una variable fundamental para evitar las trampas de pobreza (Sala-i-Martín, 2005). En efecto, en reiterados estudios sobre pobreza multidimensional se intenta captar la dimensión de la salud a partir de diversos indicadores como la mortalidad infantil o nutrición, pero estos no son reportados en la EPH. De esta forma, se construyó este indicador que comprende a aquellos ciudadanos con total dependencia de la prestación provista por el sistema de salud público. Se excluyen a aquellos que cuenten con distintas prestaciones, ya sea por obra social, medicina prepaga o mutual vía obra social, prepaga por contratación voluntaria, sistema de emergencias médicas, etc. Debe aclararse que si bien por definición esto no representa una carencia en sentido estricto (dado que la cobertura pública resulta universal), el sistema de salud público en las zonas urbanas se encuentra mayormente sobredemandado, lo cual puede afectar la calidad y celeridad de los servicios brindados.

Informalidad : Este indicador señala aquellos hogares en los que existe al menos un asalariado activo al que no le descuentan ni aportan al Sistema de Jubilaciones y Pensiones. Particularmente en nuestro país, la informalidad laboral trae diversas consecuencias negativas para los trabajadores, tales como ingresos laborales inferiores a los que establece el convenio colectivo de trabajo y la falta de acceso a derechos laborales como el aguinaldo, la indemnización por despido sin justa causa, las vacaciones pagas, la cobertura por la Aseguradora de Riesgos del Trabajo (ART), la obra social y  aportes jubilatorios, entre otros perjuicios (OIT, 2015). Beccaria y Groisman (2008) utilizan esta variable para medir su influencia en la generación de pobreza ya sea de manera puntual en la segmentación del mercado de trabajo, o cómo la misma afecta la disparidad de ingresos entre los que pertenecen al sector formal del mercado y los que no. Por tanto, “la pobreza y la informalidad serían expresión del mismo fenómeno, es decir, de una significativa oferta excedente de trabajo” (Beccaria & Groisman, 2008, p.138). Santos y Etcheverry (2018) también incluyen un indicador para informalidad laboral en su estudio.

Empleabilidad : Identifica a los hogares que poseen, al menos, un miembro de entre 18 y 29 años que declaró no tener trabajo (ni buscarlo activamente) y no estar estudiando. De la Torre y de Riccitelli (2017) encontraron que aquellos jóvenes que no estudian ni trabajan pertenecen a hogares de bajo nivel socioeconómico emplazados en villas de emergencia, y la mitad de ellos no posee estudios secundarios completo.

Desocupación: Se consideró a los hogares con la presencia de, por lo menos, un miembro que se declare como desocupado por más de un año, con lo cual la variable capta problemas de reinserción laboral que van más allá de las fluctuaciones del ciclo económico de corto plazo. Nuevamente, este indicador también aparece en Santos y Etcheverry (2018), aunque no discriminan por la duración del desempleo y esto puede llevar a sobreidentificar hogares con carencias por efectos del ciclo macroeconómico. Este trabajo es similar a Bonfiglio y Salvia (2019) ya que toman al desempleo estructural como aquellos individuos cuya búsqueda supera los 6 meses.

Estos indicadores se construyeron con base en los microdatos de la Encuesta Permanente de Hogares (EPH) del INDEC que capta información de 31 aglomerados urbanos en Argentina, distribuidos en las 23 provincias y la CABA, con una tasa de cobertura estadística de aproximadamente 62% de la población urbana. La encuesta se realiza de manera continua y es publicada con frecuencia trimestral desde el tercer trimestre de 2003, con lo cual se puede obtener una muestra considerablemente grande. Sin embargo, existen trimestres en los que no se publicaron los microdatos de la encuesta, ya sea por no haberse realizado (tercer trimestre de 2007) o bien por no haberse publicado debido a dudas en relación con su calidad (del tercer trimestre de 2015 al primero de 2016).

Si bien se puede observar lo que ocurre a nivel de aglomerado, el estudio se limita a observar diferencias regionales, pero nada quita la posibilidad de explorarlo a un nivel más desagregado. La principal limitación que se enfrenta es la imposibilidad de comparar los resultados de las zonas urbanas y rurales ya que esta última población no es incorporada en la encuesta. Sin embargo, esto no impide que en este estudio se puedan encontrar importantes asimetrías entre las regiones comprendidas: la CABA, los partidos del Gran Buenos Aires (GBA) ^[5], la región pampeana^[6], Patagonia ^[7], Cuyo^[8], NEA ^[9] y NOA^[10].

La base tiene información tanto a nivel del hogar como individual, y pueden trazarse relaciones de parentesco entre los miembros de un hogar. De esta manera, la EPH permite el relevamiento de los indicadores gracias a que se pueden caracterizar la vivienda y las condiciones habitacionales, las estrategias de supervivencia y características de los miembros del hogar, como su status  ocupacional (estado, ingresos, informalidad, rama de actividad, etc.). Asimismo, esta encuesta permite obtener una muestra considerablemente grande ya que se realiza desde 2003 hasta la actualidad.

En definitiva, la propuesta metodológica de este trabajo recopiló ocho indicadores relacionados a las dimensiones de acceso a la vivienda, educación, salud y empleo, incluyendo una mayor cantidad de variables a las NBI. Sin embargo, los trabajos citados, así como el presente estudio están limitados en la elección de indicadores por la información contenida en las encuestas a los hogares realizadas por las agencias de estadísticas gubernamentales. Una importante diferencia con algunos antecedentes es que se descartó el ingreso monetario como un indicador porque justamente es muy sensible al ciclo económico y, por lo tanto, a la volatilidad real y nominal de la Argentina.

En este sentido, este estudio se acota a las carencias relacionadas al acceso al empleo, salud, educación y vivienda ya que afectan la evolución estructural de la pobreza. Adicionalmente, la EPH se extiende a nivel país para todos los aglomerados urbanos desde 2003 hasta la actualidad. Así, la utilización de esta encuesta permite acaparar las dimensiones e indicadores propuestos, así como también realizar comparaciones regionales y estudiar la evolución de la pobreza multidimensional para un periodo más reciente.

6. El método Alkire-Foster (AF)

En este trabajo se construyó el IPM para posar la mirada sobre las situaciones de pobreza que se reflejan en las carencias, no solo concernientes a lo habitacional, sino también en las dimensiones de salud, educación y empleo, que quedaron relegadas en las NBI que se utilizan en Argentina. A partir del IPM se pudo observar cómo se distribuyen las carencias en el territorio urbano, si alguna dimensión prevalece por sobre las otras y si existen marcadas asimetrías entre territorios.

El método AF se construye como una extensión multidimensional del enfoque FGT (Alkire et al., 2015, p. 2)  y, recientemente han proliferado en una gran cantidad de trabajos académicos y reportes internacionales porque sirve no solo para detectar, sino también para monitorear la evolución de la pobreza no monetaria (Alkire et al., 2015, Capítulo 5; Santos, 2019). Asimismo, el IPM cumple con ciertas propiedades deseables, como la monotocidad y la descomposición dimensional o poblacional, y es robusta a la utilización de variables ordinales (Alkire et al., 2015, sec. 2.5; Alkire & Foster, 2011; Santos, 2019) . Luego de seleccionar las dimensiones e indicadores, la metodología puede dividirse en dos etapas: la identificación y la agregación.

La identificación parte de definir una unidad de análisis,  en este caso, el hogar. Sin embargo, esto no descarta la posibilidad de que algunas carencias sean identificadas a nivel de los individuos (inasistencia escolar, desocupación estructural, informalidad, etc.). Luego, se construyó un vector de características   del hogar , que son los ocho indicadores descriptos en el apartado anterior, y asociado a ellos, un perfil de privaciones . Es decir, cada indicador  está acompañado de un umbral que define cuando un hogar tiene una privación en dicho indicador.

En ese sentido,  es una variable dicotómica que vale 1 si el hogar i  está privado en el indicador j, mientras que toma el valor 0 en caso contrario ^[11]. Por otro lado, cada indicador tiene un peso diferente ( ), siguiendo una estructura de ponderación donde cada dimensión pesa lo mismo, y luego, dicha ponderación se reparte entre los indicadores que las componen, tal que . Alkire y Foster (2011)  la denominaron como “estructura de ponderaciones anidadas” ya que este criterio responde a que “ninguna dimensión es más importante que la otra” (para más detalles, ver Santos, 2019, pp. 28-30) . Como resultado, se obtuvo una ponderación distinta para cada uno de los indicadores ya que esto depende de la cantidad de indicadores que componen cada dimensión.

Una vez identificados a los hogares pobres en cada dimensión, el hogar recibió un puntaje de privaciones , a partir del número de privaciones () ponderado por los pesos correspondientes ( ), es decir:

Para finalizar con la identificación de los hogares pobres, se definió un umbral , el cual representa la proporción mínima de carencias que debe poseer un hogar para ser considerado multidimensionalmente pobre. En efecto, un hogar es considerado pobre siempre y cuando se cumpla que . La determinación del umbral  afecta directamente a la cantidad de hogares que son considerados pobres por lo cual la literatura suele navegar entre tres alternativas. El enfoque unión parte del supuesto que, con tener al menos una privación en un indicador, el hogar debe ser considerado pobre, tal como en las NBI. En el otro extremo, el enfoque intersección plantea que se debe tener privaciones en todos los indicadores, para ser multidimensionalmente pobre. Ambos suelen obtener resultados extremos (Alkire et al., 2015, sec. 5.2.3; Santos, 2019, pp. 31-32) , por lo que la tercera alternativa, el criterio intermedio, es el que efectivamente adopta gran parte de la literatura. En este trabajo, se tomó un umbral k=0.25, es decir, que un hogar debe sufrir privaciones en el 25% del total de indicadores para ser considerado pobre (o lo que es lo mismo en, al menos, una dimensión).

A partir de la detección de los hogares pobres, se obtuvo el vector , que captura exclusivamente el grado de privación de los hogares identificados como multidimensionalmente pobres por el umbral . Aquellos hogares que no cumplieron con  son censurados ().

Continuando con la agregación y construcción de los índices de pobreza, se obtuvo la tasa de incidencia , que es el porcentaje de hogares multidimensionalmente pobres, calculada a partir de la división entre la cantidad de hogares pobres  y el total de hogares  

Sin embargo, para construir el IPM es necesario calcular primero la tasa de intensidad ponderada censurada  de la pobreza, que surge a raíz del promedio de las privaciones ponderadas que sufren los hogares:

Así, se computó la tasa de incidencia ajustada (  o IPM) como el producto entre la tasa de intensidad ponderada y la tasa de incidencia:

es decir,

Finalmente, resulta relevante indagar qué sucede con la pobreza en grupos poblacionales o qué indicadores presentan mayor relevancia para explicarla. Así, la pobreza total puede ser entendida como una suma ponderada de los niveles de pobreza de subgrupos poblacionales, permitiendo analizar la pobreza por regiones, rangos etarios, e incluso por otros subgrupos. De esa forma,  satisface la descomposición por subgrupos de población (Alkire et al., 2015, p. 163) a partir de las tasas de incidencia ajustadas para cada uno de ellos. De ese modo, el porcentaje de población del subgrupo  se expresa como , tal que:

donde  es el IPM del subgrupo . De esa forma, se obtuvo la contribución de cada subgrupo, , sobre el total de la pobreza, mediante:

Por último, el IPM también se puede descomponer según la contribución de cada indicador al agregado, a partir de la tasa de recuento censurada y la ponderación de los indicadores. La tasa de recuento censurada de una dimensión mide el porcentaje de la población que es multidimensionalmente pobre y simultáneamente desfavorecida en ese indicador. Formalmente, se calculó como . En ese sentido, es la proporción de la población que está identificados como pobres ( ) y privados en la dimensión . Así, la contribución del indicador  al IPM se calculó como:

7. La pobreza multidimensional en la Argentina: nivel nacional y regional

El periodo bajo estudio comienza en 2004 hasta 2019 ya que, como se mencionó, se cuenta con una base de datos metodológicamente homogénea que permite estudiar el fenómeno de la pobreza, sin que se vea afectada su medición por cambios en la recopilación de los datos. Además de la revisión temporal de los indicadores, se tomaron algunos años particulares (2004, 2009, 2014 y 2019) para analizar la contribución regional y dimensional al IPM nacional.  

Una de las decisiones más críticas para calcular el IPM tienen que ver con la estructura de las ponderaciones de los indicadores y dimensiones. En el presente, se consideró una estructura de ponderación anidada, que se refleja en el cuadro 2. Este tipo de ponderación es el más utilizado en la literatura ya que iguala la importancia de cada dimensión y luego, redistribuye equitativamente la participación de cada indicador dentro de cada dimensión (Santos, 2019). De esta forma, se considera que ninguna de las cuatro dimensiones debe primar por sobre la otra ya que eso implicaría que algunas carencias son más relevantes o privativas que otras.

Cuadro 2: Estructuras de ponderaciones de las dimensiones e indicadores

Dimensiones Indicadores Ponderación Acceso a la vivienda Hacinamiento 12,5% Tipo de vivienda 12,5% Total del Acceso a la vivienda 25% Acceso educativo Insistencia escolar 12,5% Nivel educativo alcanzado 12,5% Total del Acceso a la educación 25% Acceso a la salud Afiliación en salud 25% Total del Acceso a la salud 25% Acceso al empleo Informalidad 8,3% Empleabilidad 8,3% Desocupación 8,3% Total del Acceso al empleo 25%

Fuente: elaboración propia.

Comenzando con los datos nivel nacional, a primera vista el diagrama de Venn 1 nos indica que una cantidad considerable de hogares (55.2%) sufre, al menos, una privación en alguno de los indicadores utilizados. Las dimensiones más relevantes para explicar las carencias que sufren los hogares recaen en el Empleo (41.4%) y la Salud (37.5%). El 11% de los hogares tiene privaciones solo en la dimensión Empleo, mientras que solo el 8.3% lo tienen en Salud. Por otro lado, el 13.2% de los hogares poseen carencias en ambas dimensiones al mismo tiempo. La tercera dimensión en importancia es la Educación afectando al 17.3% de los hogares. La ocurrencia conjunta de privaciones en Educación, Empleo y Salud alcanza al 9.6% de los hogares. De esta forma, podemos afirmar que la actual manera de medir la pobreza multidimensional a partir de las NBI del INDEC deja fuera del mapa importantes problemáticas que enfrentan los hogares en términos de acceso al mercado laboral y los servicios de salud.

Diagrama de Venn 1: Porcentaje de los hogares con privaciones, desagregado por dimensiones. Pool 2004 a 2019. Nivel nacional.

Fuente: elaboración propia con base en EPH. Nota: Puede que la sumatoria de los porcentajes dentro del diagrama de Venn no sumen exactamente el 55.2% por una cuestión del redondeo.

Observando la evolución en el tiempo de estas privaciones en el gráfico 1 se aprecia un importante descenso entre 2004-2009, que se interrumpió por un periodo de fuerte estancamiento desde 2014 en algunos casos. En efecto, en 2004 más del 60% de los hogares presentaba, al menos, una carencia relacionada al mercado laboral, mientras que casi el 50% también estaba privado en materia de salud. Hacia el final del periodo, estas dos dimensiones siguen teniendo las mayores tasas de incidencia, cercanas al 50% y 40%, respectivamente. Lo alarmante es que Empleo y Salud mostraron una leve reversión en los últimos tres años del periodo.

Gráfico 1: Evolución de la proporción de hogares con privaciones (en porcentaje). Años 2004 a 2019. Nivel nacional.

Fuente: elaboración propia con base en EPH-INDEC.

Al incluir varios indicadores en el IPM es importante repasar si alguno de ellos se vuelve redundante. Para ello, se desagregaron las dimensiones entre los distintos indicadores y se compararon la cantidad de hogares que incluye cada uno de ellos. En todos los casos se observó que la inclusión de un indicador adicional permite identificar como carentes a hogares que no hubieran sido detectados como tales por el resto de los indicadores. En el anexo A, se encuentra la desagregación de las dimensiones por indicadores y algunos cruces entre indicadores de distintas dimensiones sobre los cuales se sospechaba que podían llegar a generar duplicaciones en la identificación sin que esto aportara nueva información. El primer cruce es el caso del acceso a la salud y la informalidad, ya que es esperable que los trabajadores informales carezcan de cobertura de salud. A pesar de que el 20.2% de los hogares poseen ambas carencias en simultaneo, hay otro porcentaje no despreciable (26.4%) en que está presente solo una de las carencias en cuestión. Los resultados son similares para el segundo cruce, entre nivel educativo alcanzado y empleabilidad. De esta forma, ninguno de los indicadores es redundante para identificar hogares con carencias ya que cada uno de ellos logra detectar nuevos hogares con privaciones.

El IPM a nivel nacional ha disminuido considerablemente entre 2004-2009, aunque dicho proceso se ralentizó en los últimos años (2014-2019). El gráfico 3 muestra los distintos niveles de la tasa de recuento ajustada para diferentes niveles de k, que como ya se mencionó, es el umbral que definen si un hogar es pobre en términos multidimensionales. Se observa que a medida que k crece, el IPM disminuye, ya que un k  alto exige la presencia de un mayor número de carencias para considerar pobre a un hogar. Si se toma el corte de k=0.25^[12] , el IPM disminuyó en 5.1 p.p. entre 2004 y 2019, pero, nuevamente, la mayor parte de esta mejora se dio entre 2004 y 2009.

Gráfico 3: Índice de pobreza multidimensional (IPM) para distintos niveles de k . Años 2004, 2009, 2014 y 2019. Nivel nacional.

Fuente: elaboración propia con base en EPH-INDEC.

Como se muestra en el cuadro 3, esta caída del IPM se explicó principalmente por una fuerte caída en la tasa de incidencia (casi 11 pp.), y no tanto por la reducción en la intensidad de la pobreza (2 pp.). En otras palabras, disminuyeron en mayor medida la cantidad de hogares considerados pobres, pero el promedio de las privaciones que sufre la población pobre no se ha modificado de manera sustancial.

Cuadro 3: Descomposición de la evolución del IPM en Incidencia (H) e Intensidad (A) para k=0.25. Años 2004, 2009, 2014 y 2019. Nivel nacional.

Años IPM (k=0.25) Incidencia (H) Intensidad (A) 2004 0.190 0.471 0.403 2009 0.151 0.379 0.400 2014 0.144 0.366 0.393 2019 0.139 0.362 0.383       Variación en pp. 0.052 0.109 0.021

Fuente: elaboración propia con base en EPH-INDEC.

Para concluir los hallazgos a nivel agregado, se descompuso el IPM por la contribución regional y dimensional en los años 2004, 2009, 2014 y 2019 que se presentan en los gráficos 4 y 5. En el primer caso, se observa que los Partidos del GBA explicaron la mayor parte del IPM, justamente por la alta concentración de población urbana que tiene este territorio. Le siguen en importancia la región pampeana y el NOA. Más adelante, cuando se analizan los IPM regionales, se observa que tanto Partidos del GBA como NOA además presentan los niveles más altos de pobreza multidimensional, lo cual explica su alta contribución a nivel nacional.

A primera vista, la estructura de la contribución sectorial de cada indicador se mantiene en el tiempo en el gráfico 5. A pesar del ciclo virtuoso 2004-2010 y los vaivenes de la economía desde 2011, las condiciones estructurales de la pobreza multidimensional no se han modificado. Cuando el umbral k es bajo, la mayor parte de la pobreza multidimensional se debe a las carencias en el acceso a la salud, mientras que, para k  altos, ganan terreno las carencias asociadas al acceso a la vivienda (hacinamiento, específicamente) y la educación (inasistencia escolar). Sin importar el umbral de pobreza, la contribución de las carencias de acceso al empleo, en cambio, se mantiene algo por encima del 20%, siendo la más relevante la informalidad.

Gráfico 4: Contribución regional al IPM nacional para distintos k. Años 2004, 2009, 2014 y 2019.

Fuente: elaboración propia con base en EPH-INDEC.

Gráfico 5: Contribución dimensional al IPM nacional para distintos k. Años 2004, 2009, 2014 y 2019.

Fuente: elaboración propia con base en EPH-INDEC.

Continuando con la desagregación a nivel regional, como se expone en los gráficos 6 a 9, la evolución temporal de cada una de las dimensiones muestra un marcado descenso entre 2004-2019, en general. Salvo en las dimensiones de Vivienda y Empleo, la diferencia entre el porcentaje de hogares con privaciones en CABA y el resto de las regiones es destacable.

Con respecto al acceso a la vivienda, tanto el NOA como el NEA poseen el mayor descenso en el período. Sin embargo, es necesario recordar que esta privación es una de las que menos presente se encuentra en los hogares, por eso su tasa de incidencia es bastante baja con respecto al resto, como resume el diagrama de Venn y el gráfico 5.

Gráfico 6: Evolución del porcentaje de hogares con privaciones en el acceso a la vivienda en 2004-2019. Desagregación regional.

Fuente: elaboración propia con base en EPH-INDEC.

Algo similar sucede con el acceso a la educación, que ha mostrado importantes mejoras en todas las regiones, que se observan en el gráfico 7. En comparación a la dimensión anterior, las privaciones en sus indicadores abarcan una mayor cantidad de hogares como se mencionó anteriormente.

Gráfico 7: Evolución del porcentaje de hogares con privaciones en el acceso a la educación en 2004-2019. Desagregación regional.

Fuente: elaboración propia con base en EPH-INDEC.

Finalmente, tanto en el acceso a la salud y el empleo, las privaciones en estas dimensiones cayeron continuamente hasta 2016. Desde entonces, se observa una desaceleración importante en la disminución de los indicadores y, en algunos casos, como en NEA, Cuyo y la Patagonia, incrementos en las carencias en los años recientes, como muestran los gráficos 8 y 9.

Gráfico 8: Evolución del porcentaje de hogares con privaciones en el acceso a la salud en 2004-2019. Desagregación regional.

Fuente: elaboración propia con base en EPH-INDEC.

Gráfico 9: Evolución del porcentaje de hogares con privaciones en el acceso al empleo en 2004-2019. Desagregación regional.

Fuente: elaboración propia con base en EPH-INDEC.

Así, el gráfico 10 muestra una evolución descendente de los IPM a nivel regional en todos los casos. Sin embargo, se destaca una fuerte brecha entre la CABA y el resto del país. En particular, llama la atención la importante disparidad que hay entre CABA y Partidos del GBA, siendo estos territorios lindantes. En este sentido, se pueden reagrupar las regiones por niveles del IPM, en tres grupos: las más pobres, con Partidos del GBA, NOA y NEA, y para el último año también Cuyo (incluso esta región desmejoró su IPM entre 2014-2019), las de rango intermedio, con pampeana y Patagonia, y la menos pobre, solo con CABA.

Gráfico 10: Índice de pobreza multidimensional (IPM) para distintos niveles de k . Años 2004, 2009, 2014 y 2019. Desagregación regional.

Fuente: elaboración propia con base en EPH-INDEC.

Por otro lado, los distintos paneles del cuadro 4 desagregan las mejoras regionales en incidencia e intensidad, permitiendo apreciar que gran parte de la reducción de la pobreza multidimensional sucede por caídas de la incidencia. Un aspecto positivo es que las regiones que más redujeron la intensidad de la pobreza multidimensional fueron NOA y NEA, mientras que las que lo hicieron con la incidencia fueron Partidos del GBA, NEA y Patagonia. La región que menor reducción del IPM mostró es CABA. Esto podría ser un indicio de una incipiente convergencia entre las regiones más pobres y la CABA, aunque la diferencia del nivel de pobreza sigue siendo alta.

Cuadro 4: Descomposición de la evolución del IPM en Incidencia (H) e Intensidad (A) para k=0.25. Años 2004, 2009, 2014 y 2019. Nivel regional.

A- CABA B- Partidos del GBA C- NOA Años IPM (k=0.25) Incidencia (H) Intensidad (A) Años IPM (k=0.25) Incidencia (H) Intensidad (A) Años IPM (k=0.25) Incidencia (H) Intensidad (A) 2004 0.094 0.253 0.372 2004 0.227 0.554 0.410 2004 0.231 0.547 0.421 2009 0.072 0.188 0.385 2009 0.181 0.448 0.403 2009 0.197 0.479 0.411 2014 0.060 0.164 0.367 2014 0.178 0.445 0.399 2014 0.180 0.456 0.395 2019 0.056 0.156 0.362 2019 0.164 0.421 0.388 2019 0.186 0.480 0.387                   Variación en pp. 0.038 0.097 0.010 Variación en pp. 0.064 0.133 0.022 Variación en pp. 0.045 0.068 0.034 D- NEA E- Cuyo F- Pampeana Años IPM (k=0.25) Incidencia (H) Intensidad (A) Años IPM (k=0.25) Incidencia (H) Intensidad (A) Años IPM (k=0.25) Incidencia (H) Intensidad (A) 2004 0.245 0.606 0.405 2004 0.203 0.508 0.399 2004 0.170 0.430 0.396 2009 0.207 0.523 0.396 2009 0.158 0.397 0.398 2009 0.131 0.332 0.395 2014 0.180 0.473 0.381 2014 0.149 0.381 0.390 2014 0.123 0.313 0.392 2019 0.173 0.468 0.369 2019 0.152 0.405 0.376 2019 0.120 0.316 0.382                   Variación en pp. 0.073 0.138 0.036 Variación en pp. 0.050 0.103 0.023 Variación en pp. 0.050 0.115 0.015 G- Patagonia Años IPM (k=0.25) Incidencia (H) Intensidad (A) 2004 0.171 0.433 0.395 2009 0.135 0.344 0.393 2014 0.126 0.328 0.385 2019 0.112 0.301 0.373       Variación en pp. 0.059 0.132 0.022

Fuente: elaboración propia con base en EPH-INDEC.

Finalmente, las contribuciones de los indicadores en cada región no muestran grandes disparidades con respecto al resultado agregado, como se observa en los gráficos del anexo A. En general, la dimensión de acceso a la salud suele ser la que mayor aporte hace al IPM regional, seguida por el acceso al empleo. En todos los casos, salvo en CABA, a medida que los hogares son más pobres en términos multidimensionales, se incrementa la participación de la inasistencia escolar y los problemas para el acceso al empleo. En CABA, a medida que crece el umbral de pobreza, las carencias relacionadas al hacinamiento y el tipo de vivienda aumentan considerablemente su participación.

8. Conclusiones

En este trabajo se realizó un aporte a la discusión en torno a la medición de la pobreza multidimensional en la Argentina. Se innovó en la inclusión de nuevos indicadores que no han sido considerados en la medición oficial basada en las NBI (INDEC, 1984). Asimismo, se utilizó un método de agregación que cumple con propiedades deseables para la medición de la pobreza, como son la monotocidad y la descomposición dimensional y sectorial (Alkire et al., 2015, sec. 2.5; Alkire & Foster, 2011; Santos, 2019). No solo se estimó el IPM, sino también las tasas de incidencia e intensidad, y la contribución de cada región y dimensión en el IPM nacional. Asimismo, se desagregaron estos indicadores a niveles regionales, discriminando el Conurbano Bonaerense de la CABA. Esto permitió señalar la alta heterogeneidad entre estas regiones lindantes, que algunos antecedentes recibidos pasaron por alto.

Los resultados arrojaron una disminución importante de la pobreza multidimensional entre 2004 y 2009, y una desaceleración en el ritmo de caída entre 2014 y 2019. Esta desaceleración se debe principalmente en una leve reversión en las dimensiones de acceso a la salud y el empleo, las cuales realizan una alta contribución en el IPM. Asimismo, a medida que la pobreza multidimensional es más extrema, el poder explicativo de las carencias en vivienda y educación aumentan considerablemente. Estos resultados contribuyen a las estimaciones recibidas por la literatura, llamando la atención sobre esta reversión reciente y los cambios en la composición dimensional del IPM para distintos umbrales k . Si bien las regiones de Partidos del GBA y pampeana contribuyen en mayor medida al índice nacional, principalmente por ser las poblaciones más numerosas, algunas regiones presentan interesantes heterogeneidades.

Existe una importante brecha entre el IPM de CABA y el resto del país. Las regiones pampeana y Patagonia suelen encontrarse en un punto intermedio entre CABA, siendo la que menor pobreza multidimensional posee, y el norte del país (conformado por NEA y NOA) y los partidos del GBA, siendo los más pobres. Cuyo pareciera que comenzó un proceso de desmejora en el periodo 2014-2019, ya que se acerca bastante al grupo de regiones más pobres, alejándose de la región pampeana y Patagonia. Por su parte, CABA muestra mayores carencias en términos habitacionales a medida que el umbral de pobreza aumenta, mientras que para el resto aumenta más la participación de la dimensión educación (ambos indicadores) y empleo (con predominancia de la informalidad).

Como líneas futuras de investigación, un posible camino a seguir sería evaluar si las características individuales de los jefes/as del hogar pueden explicar la cantidad e intensidad de la pobreza multidimensional, por ejemplo, si existe discriminación de género, de étnica u origen, por grupo etario, etc. Asimismo, otra posibilidad es ahondar en otros factores exógenos a nivel regional (gasto público como proporción del producto geográfico, especialización productiva, etc.) que pueden estar explicando las brechas entre los IPM. Esta línea de investigación requiere de estimaciones de modelos de probabilidad y/o de conteo de las privaciones a nivel de los hogares para observar si las  características individuales, del hogar o del aglomerado tienen poder explicativo en el IPM.

En definitiva, las carencias en términos del acceso a la salud, la permanencia en la informalidad laboral y el acceso a la educación tienen efectos importantes en la productividad de los trabajadores. A partir de una menor productividad laboral, los ingresos suelen ser menores, con lo cual se vuelve más difícil superar los ciclos de estancamiento de la pobreza.

Esto sugiere que las políticas públicas deben enfocarse en disminuir la alta informalidad laboral, lo cual también impactará en mejorar las condiciones de acceso a la salud, y por último, en retener y fomentar el cumplimiento de los programas de estudios obligatorios en la Argentina. En efecto, el mercado laboral se inclina en requerir mano de obra cada vez más especializada y la falta de políticas orientadas a generar recursos humanos que puedan emplearse en este tipo de tareas puede provocar una masa creciente de personas que no logran integrarse al sistema económico. Nuevamente, las carencias en materia laboral y educacional tienden a retroalimentarse, lo cual puede provocar la existencia círculos viciosos o trampas de pobreza.

---

9. Referencias bibliográficas

Alkire, S. (2005). Why the Capability Approach? Journal of Human Development, 6 (1), 115-135. https://doi.org/10.1080/146498805200034275

Alkire, S., & Foster, J. (2011). Counting and multidimensional poverty measurement. Journal of Public Economics, 95 (7), 476-487. https://doi.org/10.1016/j.jpubeco.2010.11.006

Alkire, S., Roche, J. M., Ballon, P., Foster, J., Santos, M. E., & Seth, S. (2015). Multidimensional poverty measurement and analysis . Oxford University Press, USA.

Battiston, D., Cruces, G., Lopez-Calva, L. F., Lugo, M. A., & Santos, M. E. (2013). Income and Beyond: Multidimensional Poverty in Six Latin American Countries. Social Indicators Research, 112(2), 291-314. https://doi.org/10.1007/s11205-013-0249-3

Beccaria, L. (2005). Jóvenes y empleo en la Argentina. 1, 177-182.

Beccaria, L., & Groisman, F. (2008). Informalidad y pobreza en Argentina. Investigación económica, 67 , 135-169.

Blinder, A. S. (1973). Wage Discrimination: Reduced Form and Structural Estimates. The Journal of Human Resources, 8 (4), 436. https://doi.org/10.2307/144855

Conconi, A. (2009). Pobreza multidimensional en Argentina: Ampliando las medidas tradicionales de pobreza por ingresos y NBI  [Maestría, Universidad Nacional de La Plata]. Recuperado de https://doi.org/10.35537/10915/3313

de la Torre, L., & de Riccitelli, M. B. (2017). Los jóvenes argentinos que no estudian ni trabajan: Déficit de integración social: «NiNis». Reis: Revista Española de Investigaciones Sociológicas, 158 , 97-115. Recuperado de http://www.jstor.org/stable/26382356

Feres, J. C., & Mancero, X. (2001). El método de las necesidades básicas insatisfechas (NBI) y sus aplicaciones en América Latina  (N.o  7; Estudios Estadísticos y Prospectivos). División de Estadística y Proyecciones de la CEPAL (NU) Económicas. Recuperado de https://repositorio.cepal.org/handle/11362/4784

Foster, J., Greer, J., & Thorbecke, E. (1984). A Class of Decomposable Poverty Measures. Econometrica, 52 (3), 761-766. https://doi.org/10.2307/1913475

Ignacio-González, F. A., & Santos, M. E. (2020). Pobreza multidimensional urbana en Argentina. ¿Reducción de las disparidades entre el Norte Grande Argentino y Centro-Cuyo-Sur? (2003-2016). Cuadernos de Economía, 39(81), 795-822. https://doi.org/10.15446/cuad.econ.v39n81.76486

INDEC. (1984). La pobreza en Argentina: Indicadores de necesidades básicas insatisfechas a partir de los datos del Censo Nacional de Población y Vivienda 1980.  Instituto Nacional de Estadísticas y Censos (INDEC), Presidencia de la Nación, Secretaría de planificación.

INDEC. (1998). El estudio de la pobreza con datos censales  (Nuevas perspectivas metodológicas.). Dirección de Estadísticas Poblacionales.

Kast, M., & Molina, S. (1975). Mapa de la pobreza extrema. Santiago de Chile, Chile: Pontificia Universidad Católica de Chile.

Kaztman, R. (1996). Virtudes y limitaciones de los mapas censales de carencias críticas. Revista de la Cepal, 58 , 23-32.

Lentini, M., & Palero, D. (1997). El hacinamiento: La dimensión no visible del déficit habitacional. Revista invi, 12(31).

Lopez, C., & Safojan, R. (2013). Un análisis multidimensional de la pobreza: Evidencia reciente de las regiones de Argentina. Revista de Economía Política de Buenos Aires, 12 , 9-44. Recuperado de  http://157.92.136.232/index.php/REPBA/article/view/558/1026

Macció, J., & Mitchell, A. E. (2018). Same city, worlds apart: Multidimensional poverty and residential segregation in Buenos Aires.  LIII Reunión Anual de la Asociación Argentina de Economía Política, La Plata. Recuperado de https://repositorio.uca.edu.ar/handle/123456789/9376

Martinez, R. G., Fares, F. M., Favata, F., & Longas, D. (2020). Una propuesta metodológica para la medición de la pobreza multidimensional y su vinculación con la pobreza monetaria en Argentina: Las regiones CABA y NOA. Revista de Investigaciones Científicas de la Universidad de Morón, 4 (7). Recuperado de: https://repositorio.unimoron.edu.ar/handle/10.34073/230

Martínez, R. G., Lo Cascio, J., & Leone, J. (2018). Brechas socioeconómicas al interior de CABA. Una propuesta desde la medición multidimensional de la pobreza. Cuadernos de Investigación. Serie Economía, 7, 70.

Oaxaca, R. (1973). Male-Female Wage Differentials in Urban Labor Markets. International Economic Review, 14 (3), 693. https://doi.org/10.2307/2525981

OIT. (2015). Migraciones laborales en Argentina. Protección social, informalidad y heterogeneidades sectoriales . Recuperado de https://www.ilo.org/buenosaires/publicaciones/WCMS_379419/lang–es/index.htm

Paz, J. A. (2014). Pobreza multidimensional en la Argentina. Asimetrías regionales (Parte I). Documentos de trabajo del Instituo de estudios laborales y del desarrollo económico (IELDE), 11 . Recuperado de https://www.aacademica.org/jorge.paz/51.pdf

Reyes, L. G. S. (2018). Pobreza en el NOA. Una aproximación multidimensional (2013-2017).  LIII Reunión Anual de la Asociación Argentina de Economía Política, Bahía Blanca. Recuperado de https://aaep.org.ar/anales/works/works2018/reyes.pdf

Robeyns, I. (2017). Wellbeing, freedom and social justice: The capability approach re-examined. Open Book Publishers.

Sala-i-Martín, X. (2005). 4 On the health poverty trap. En Health and economic growth: Findings and policy implications.  (pp. 95-115). The MIT Press.

Salvia, A., & Bonfiglio, J. I. (2019). Pobreza multidimensional fundada en derechos económicos y sociales: Argentina urbana: 2010-2018. Documento de investigación del Observatorio de la Deuda Social Argentina, UCA.

Salvia, A., Bonfiglio, J. I., & Vera, J. (2017). La pobreza multidimensional en la Argentina urbana 2010-2016: Un ejercicio de aplicación de los métodos OPHI y CONEVAL al caso argentino. Documento de investigación del Observatorio de la Deuda Social Argentina, UCA . Recuperado de http://wadmin.uca.edu.ar/public/ckeditor/2017-Observatorio-Pobreza-Multidimensional-Argentina-Urbana.pdf

Santos, M. E. (2019). Desafíos en el diseño de medidas de pobreza multidimensional (N.o  100; Series Estudios Estadísticos). Comisión Económica para América Latina y el Caribe, CEPAL.

Santos, M. E., & Etcheverry, J. (2018). Pobreza Multidimensional en Bahía Blanca: 2004-2017. ENSAYOS DE POLÍTICA ECONÓMICA, II(6).

Santos, M. E., & González, F. (2018). Las múltiples dimensiones de la pobreza: Posadas en el contexto de la Argentina urbana. 22. Recuperado de https://ri.conicet.gov.ar/handle/11336/91744

Sen, A. (1981). Poverty and Famines: An Essay on Entitlement and Deprivation. Oxford University Press.

Sen, A. (2000). Capítulo 4: La pobreza como privación de capacidades. En Desarrollo y libertad. Editorial Planeta.

Stewart, F. (1985). Chapter 1: A Basic Needs Approach to Development. En Planning to meet basic needs. THE MACMILLAN PRESS LTD.

Stewart, F. (2006). Basic Needs Approach. En The Elgar Companion to Development Studies (David A. Clark, pp. 14-18). Cheltenham: Edward Elgar.

Streeten, P. (1984). Basic needs: Some unsettled questions. World Development, 12(9), 973-978.

Streeten, P., Burki, S. J., ul Haq, M., Hicks, N., & Stewart, F. (1981). First Things First: Meeting Basic Needs in the Developing Countries: Vol. World Bank Publication . Oxford University Press.

Yun, M.-S. (2005). Normalized Equation and Decomposition Analysis: Computation and Inference (N.o  1822; IZA Discussion Paper). Forschungsinstitut zur Zukunft der Arbeit.

10. Anexo A

Gráfico A1: Diagrama de Venn del acceso a la vivienda.

Fuente: elaboración propia con base en EPH-INDEC.

Gráfico A2: Diagrama de Venn del acceso a la educación.

Fuente: elaboración propia con base en EPH-INDEC.

Gráfico A3: Diagrama de Venn del acceso al empleo.

Fuente: elaboración propia con base en EPH.

Gráfico A4: Diagrama de Venn del acceso a la salud e informalidad laboral.

Fuente: elaboración propia con base en EPH.

Gráfico A5: Diagrama de Venn del nivel educativo alcanzado y empleabilidad.

Fuente: elaboración propia con base en EPH.

Gráfico A6: Contribución dimensional al IPM de la Ciudad Autónoma de Buenos Aires (CABA) para distintos k . Años 2004, 2009, 2014 y 2019.

Fuente: elaboración propia con base en EPH.

Gráfico A7: Contribución dimensional al IPM de partidos del Gran Buenos Aires (GBA) para distintos k. Años 2004, 2009, 2014 y 2019.

Fuente: elaboración propia con base en EPH.

Gráfico A8: Contribución dimensional al IPM del Noroeste Argentino (NOA) para distintos k. Años 2004, 2009, 2014 y 2019.

Fuente: elaboración propia con base en EPH.

Gráfico A9: Contribución dimensional al IPM del Noreste Argentino (NEA) para distintos k. Años 2004, 2009, 2014 y 2019.

Fuente: elaboración propia con base en EPH.

Gráfico A10: Contribución dimensional al IPM de Cuyo para distintos k. Años 2004, 2009, 2014 y 2019.

Fuente: elaboración propia con base en EPH.

Gráfico A11: Contribución dimensional al IPM de la región pampeana para distintos k. Años 2004, 2009, 2014 y 2019.

Fuente: elaboración propia con base en EPH.

Gráfico A12: Contribución dimensional al IPM de Patagonia para distintos k. Años 2004, 2009, 2014 y 2019.

Fuente: elaboración propia con base en EPH.

---