Análisis de pobreza monetaria y pobreza extrema en Perú , desde los años 2011 a 2022

Autor : Diego Cubas Chavez

---

1. Cargado de Bases de Datos

• Carga de bases de Datos desde los años 2011 a 2022

Los archivos en formato .dta descargados de INEI fueron convertidos a formato .csv y subidos a un repositorio de Github Con el fin de lograr ejecutar el código sin necesidad de configurar los archivos en la carpeta local. Solo se necesita conexión a internet de cualquier usuario. La data es integra luego del preprocesamiento de datos, se contrastó con los resultados obtenidos en Stata.

• Código Utilizado para convertir los archivos de formato .dta a formato .csv

data2011to2022 <- dir(“ruta de la carpeta”,full.names=T) %>% map_df(read_dta,encoding=‘latin1’)

data2011to2022 %>% select(aÑo,conglome,estrato,factor07, mieperho,gashog2d,linea,linpe,pobreza) %>% mutate(aÑo=replace(aÑo,is.na(aÑo),2013))

write.csv(data2011to2022,“sumaria-2011a2022.csv”,row.names = FALSE)

base_datos1<-read.csv("https://raw.githubusercontent.com/YoDaN8/YoDaN8/main/sumaria-2011a2016.csv" , encoding = 'latin1')
base_datos2<-read.csv("https://raw.githubusercontent.com/YoDaN8/YoDaN8/main/sumaria-2017a2022.csv" , encoding = 'latin1')
base_datos3<-read.csv("https://raw.githubusercontent.com/YoDaN8/YoDaN8/main/sumaria-2021a2022.csv" , encoding = 'latin1')

La data se partió en 2 , desde 2011 a 2016 y desde 2017 a 2022 , dado que hay límite de 25MB al subir un archivo.

---

2. Metodología

1. Calculando la tasa de probreza monetaria y extrema

basetotal <- rbind(base_datos1,base_datos2)
matriz_poblacion = matrix(nrow = 2 , ncol = 12)
i=2011
for (a in 2011:2022){
  # Filtramos la base_datos1 por año para obtener la base de datos sumaria-"año"
  bd<-basetotal %>% filter(aÑo==i)
  # Creamos el factor de expansión
  bd$facpob<-bd$factor07*bd$mieperho
  # Creamos la variable diseño_i, que indica la complejidad de la encuesta 
  diseño_bd <- svydesign(ids=~1, weights = ~bd$facpob, data = bd)
  # Creamos una tabla de la variable pobreza teniendo en cuenta el diseño de la encuesta
  tab_cruzada <- svytable(~pobreza, diseño_bd)
  # Transformamos de tabla a matriz
  matriz_t<-as.matrix(tab_cruzada)
  # Calculando la población en situación de pobreza extrema, pobreza y total 
  Pobre_ext<-matriz_t[1,1]
  Pobre_mon<-Pobre_ext+matriz_t[2,1]
  Total<-Pobre_mon+matriz_t[3,1]
  # Calculando la tasa de probreza monetaria y extrema
  Tasa_pobreza_monetaria<-round(Pobre_mon/Total*100,digits = 2)
  Tasa_pobreza_extrema<-round(Pobre_ext/Total*100,digits=2)
  # Creamos una matriz con las dos tasas de pobreza y cambiamos nombre de filas y columna
  matriz_pob <- matrix(data = c(Tasa_pobreza_monetaria, Tasa_pobreza_extrema),2,1)
  row.names(matriz_pob)<-c("Tasa_pobreza_monetaria","Tasa_pobreza_extrema")
  colnames(matriz_pob)<-a
  matriz_poblacion[,i-2010] <- matriz_pob
  i<-i+1
}
colnames(matriz_poblacion) <- c(paste('Año',2011:2022))
categorias <- data.frame(Tasas = c("Tasa_pobreza_monetaria","Tasa_pobreza_extrema" ))
matriz_final <- cbind(categorias,matriz_poblacion)

---

2. Prueba estadística (Welch)

Diferencia entre las medias de la pobreza monetaria y media de la pobreza monetaria extrema

#Creando variables
base_datos3$Pob_ext<-ifelse(base_datos3$pobreza==1,1,0)
base_datos3$Pob_mon<-ifelse(base_datos3$pobreza==3,0,1)
#Prueba estadística de la diferenci de la tasa de pobreza total
test <- t.test(c(filter(base_datos3,aÑo=="2021")$Pob_mon),c(filter(base_datos3,aÑo=="2022")$Pob_mon))
test_format <- tidy(test)

---

3. Resultados

1. Tasa de pobreza Monetaria y Tasa de pobreza extrema en Perú , desde el año 2011 al año 2022

Tasas	Año 2011	Año 2012	Año 2013	Año 2014	Año 2015	Año 2016	Año 2017	Año 2018	Año 2019	Año 2020	Año 2021	Año 2022
Tasa de pobreza monetaria	27.82	25.81	23.91	22.73	21.77	20.74	21.7	20.49	20.19	30.13	25.87	27.52
Tasa de pobreza extrema	6.34	6.01	4.73	4.28	4.07	3.77	3.79	2.81	2.85	5.15	4.12	5.01

2. Prueba t de dos muestras de Welch

Estimado 1	Estimado 2	Estimado 3	Estadístico	p-value	Parametros	Lim. Inf	Lim. Sup
-0.02	0.19	0.21	c(t = -6.63)	0	c(df = 68347.08)	-0.03	-0.01

Para ambas pruebas estadísticas se obtiene un p-valor igual a 0.000, que es menor al 0.05, por tanto, se rechaza la hipótesis nula de diferencia no significativa y se acepta la hipótesis alternativa de diferenci significativa. Podemos decir que tanto la tasa de pobreza y pobreza extrema en el 2021 son significativamente diferentes para los valores en el año 2022, bajo un nivel de significancia del 5%,lo mismo que un nivel de confianza del 95%.