Informe de Proyección de Metas para Indicadores Corporativos

Elaborado por: Marcelo Chávez - Consultor Estadístico BM Proyecto: Red de Protección Social
Fecha de versión: 3 de diciembre de 2025 Áreas: Dirección Nacional de Estadística y Análisis de la Información (DNEAISNS)

1 Modelos predictivos

El presente informe documenta la aplicación una metodología básica pero robusta para este contexto de uso, en este caso son métodos ARIMA y ETS, que permiten incorporar procedimientos de detección y corrección de outliers. Estas metodologías, ampliamente documentadas en la literatura estadística, permiten obtener proyecciones confiables, especialmente en contextos donde las series presentan patrones de tendencia, estacionalidad o perturbaciones irregulares.

El enfoque adoptado sigue las recomendaciones clásicas de modelamiento ARIMA propuestas por Box y Jenkins (Box et al. 2015), así como la familia de modelos exponenciales ETS desarrollada por Hyndman y Athanasopoulos (Hyndman y Athanasopoulos 2018), ampliamente utilizada como estándar internacional para análisis de series temporales y pronósticos operativos. Asimismo, la identificación y tratamiento de valores atípicos se fundamenta en los métodos de intervención y detección automática descritos por Chang, Tiao y Chen (Chang, Tiao, y Chen 1988), los cuales permiten corregir anomalías sin distorsionar la estructura temporal subyacente de la serie.

En el marco del Proyecto de Red de Protección Social, esta metodología se implementa de forma estandarizada para generar proyecciones que apoyen la planificación operativa, la gestión de riesgos y la toma de decisiones estratégicas. El análisis busca comprender la dinámica temporal de cada indicador, identificar tendencias y estacionalidades relevantes, y controlar el efecto de valores atípicos que podrían afectar la calidad del pronóstico y la interpretación del desempeño histórico.

2 Objetivos del análisis

  • Analizar el comportamiento histórico de los indicadores corporativos.
  • Detectar outliers y aplicar correcciones mediante modelos ARIMA con intervención.
  • Ajustar modelos ARIMA–ETS estacionales utilizando criterios de información.
  • Generar pronósticos confiables a corto y mediano plazo.
  • Establecer un flujo o pipeline de trabajo de forma reproducible.

3 Indicadores Corporativos

El Proyecto Red de Protección Social busca fortalecer los programas sociales del Ecuador mediante una gestión eficiente, inclusiva y sostenible. Está alineado con los objetivos del Banco Mundial y el Plan Nacional de Desarrollo 2021–2025, promoviendo un crecimiento equitativo que priorice a los grupos más vulnerables.

Su propósito es mejorar la equidad mediante una mejor focalización de los beneficios, promover la integración de servicios sociales y económicos, y garantizar la sostenibilidad de las redes de apoyo mediante estrategias de inclusión productiva.

Asimismo, el Proyecto busca asegurar una respuesta oportuna y efectiva frente a crisis y emergencias, fortaleciendo la capacidad institucional del Estado para proteger a las familias, garantizar sus derechos y promover la inclusión social (MOP 2025).

3.1 Indicadores Corporativos aprobados en la última mision de Banco Mundial en noviembre 2025:

  • Indicador 08: Número de niños y niñas menores de 24 meses de edad con al menos un control de rutina en un periodo determinado en las parroquias priorizadas por el proyecto [acumulativo]

  • Indicador 09: Número de mujeres gestantes que recibieron un control prenatal en el periodo determinado en las parroquias priorizadas por el proyecto [acumulativo]

  • Indicador 10: Numero de personas (excluyendo mujeres gestantes y niños y niñas menores de 24 meses de edad) que recibieron un servicio de salud en las parroquias priorizadas por el proyecto [acumulativo]

  • Indicador 11: Número mujeres que recibieron al menos un servicio de salud brindado por el MSP en un periodo determinado en las parroquias priorizadas por el proyecto [acumulativo]

  • Indicador 12: Número adolescentes que recibieron al menos un servicio de salud brindado por el MSP en un periodo determinado en las parroquias priorizadas por el proyecto [acumulativo] (Rango de la OMS (10-19 anos).

4 Consideraciones técnicas para el cálculo de los indicadores

Con base en los antecedentes del proyecto y la estructura de sus indicadores, se acordó elaborar una serie histórica de línea base desde enero de 2022, siguiendo las reglas de cálculo para cada indicador.

  • Los sistemas fuente para la extracción de las cédulas de los pacientes corresponden a PRAS y RDACAA.
  • La información tiene una temporalidad mensual.
  • Para cada mes, se consideran únicamente cédulas únicas, acumuladas hasta el mes vigente de cálculo.
  • Los códigos CIE10 utilizados dependen del tipo de indicador.
  • Los indicadores 10, 11 y 12 corresponden a poblaciones excluyentes entre sí; la suma de los tres representa el total de personas que recibieron un servicio de salud en las parroquias priorizadas por el Proyecto.
  • El reporte de resultados deberá elaborarse de manera semestral.
  • En diciembre de 2025 se reportará el valor anual consolidado.
  • De acuerdo con las fichas metodológicas, los cálculos no deben contener personas duplicadas.

4.1 Reglas de cálculo de los indicadores corporativos

  1. Exploración descriptiva de la serie histórica.
  2. Identificación preliminar de tendencias o cambios estructurales.
  3. Análisis de outliers
  4. Definición del modelo ARIMA con ETS

5 Exploratorio de los indicadores corporativos

Medidas descriptivas por indicador (tendencia central, dispersión, rango, IQR y CV)
tipo_indicador N PROMEDIO MEDIANA SD VARIANZA MIN P25 P75 MAX RANGO IQR CV
Indicador Nro. 06 41 26156.80 23347 8961.62 80310579 16944 20735 27810 61966 45022 7075 34.26
Indicador Nro. 07 41 13692.07 13395 1926.06 3709709 10485 12220 14717 17968 7483 2497 14.07
Indicador Nro. 08 41 66342.10 60290 20495.71 420074173 38653 50485 77027 122839 84186 26542 30.89
Indicador Nro. 09 41 77944.95 65867 32774.19 1074147334 37352 53011 94951 173318 135966 41940 42.05
Indicador Nro. 10 41 37146.66 32354 12772.96 163148401 21944 27841 43852 68532 46588 16011 34.39

5.1 Indicador Nro. 06

Número de niños y niñas menores de 24 meses de edad con al menos un control de rutina en un periodo determinado en las parroquias priorizadas por el proyecto [acumulativo]

5.2 Indicador Nro. 07

Número de mujeres gestantes que recibieron un control prenatal en el periodo determinado en las parroquias priorizadas por el proyecto [acumulativo]

5.3 Indicador Nro. 08

Numero de personas (excluyendo gestantes, adolescentes, niños y niñas menores de 24 meses de edad) que recibieron un servicio de salud en las parroquias priorizadas por el proyecto [acumulativo]

5.4 Indicador Nro. 09

Número de mujeres que recibieron al menos un servicio de salud (excluyendo gestantes, adolescentes hombres, niños y niñas menores de 24 meses) brindado por el MSP en un periodo determinado en las parroquias priorizadas por el proyecto [acumulativo]

5.5 Indicador Nro. 10

Número de adolescentes (excluyendo gestantes) que recibieron al menos un servicio de salud brindado por el MSP en un periodo determinado en las parroquias priorizadas por el proyecto [acumulativo]. Rango OMS (10–19 años)

6 ACF - PACF y Tests de decisiones

Diagnóstico estadístico previo para series temporales (Bloque 2)
tipo_indicador ADF_p Decision_ADF Estacionaria_en_nivel d_sugerido D_sugerido Estacionalidad Interpretacion
Indicador Nro. 06 0.01 Se rechaza H0 (raíz unitaria) Sí 1 0 No Para el Indicador Nro. 06 se rechaza la hipótesis nula de raíz unitaria; la serie presenta evidencia estadística de estacionariedad. No se detecta estacionalidad persistente (D = 0).
Indicador Nro. 07 0.45 No se rechaza H0 (raíz unitaria) No 1 0 No Para el Indicador Nro. 07 no se rechaza la hipótesis nula de raíz unitaria; la serie no es estacionaria y requiere diferenciación. No se detecta estacionalidad persistente (D = 0).
Indicador Nro. 08 0.12 No se rechaza H0 (raíz unitaria) No 1 0 No Para el Indicador Nro. 08 no se rechaza la hipótesis nula de raíz unitaria; la serie no es estacionaria y requiere diferenciación. No se detecta estacionalidad persistente (D = 0).
Indicador Nro. 09 0.03 Se rechaza H0 (raíz unitaria) Sí 1 0 No Para el Indicador Nro. 09 se rechaza la hipótesis nula de raíz unitaria; la serie presenta evidencia estadística de estacionariedad. No se detecta estacionalidad persistente (D = 0).
Indicador Nro. 10 0.56 No se rechaza H0 (raíz unitaria) No 1 0 No Para el Indicador Nro. 10 no se rechaza la hipótesis nula de raíz unitaria; la serie no es estacionaria y requiere diferenciación. No se detecta estacionalidad persistente (D = 0).

6.1 Indicador Nro. 06

Script 
# ------------------------------------------------
# Ejemplo de uso de ACF / PACF (Indicador Nro. 10)
# ------------------------------------------------
x_10 <- corporativos %>%
  filter(tipo_indicador == "Indicador Nro. 10") %>%
  arrange(fecha) %>%
  pull(valor)

acfp_10 <- acf_pacf_df(x_10)

hc_acf_pacf(acfp_10$acf,  "Indicador Nro. 10 – ACF")
Script 
hc_acf_pacf(acfp_10$pacf, "Indicador Nro. 10 – PACF")

Referencias

Box, George E. P., Gwilym M. Jenkins, Gregory C. Reinsel, y Greta M. Ljung. 2015. Time Series Analysis: Forecasting and Control. 5th ed. John Wiley & Sons.
Chang, I., G. C. Tiao, y C. Chen. 1988. «Estimation of Time Series Parameters in the Presence of Outliers». Technometrics 30 (2): 193-204.
Hyndman, Rob J., y George Athanasopoulos. 2018. Forecasting: Principles and Practice. OTexts. https://otexts.com/fpp3/.
MOP. 2025. Manual Operativo del Proyecto. Ministerio de Salud Pública.