Professional Documents
Culture Documents
RESUMEN
Este artculo comprueba la existencia de autocorrelacin espacial al considerar
la proporcin de personas que viven en situacin de miseria en los municipios
del departamento de Antioquia, Colombia. Para ello se utiliza el test I de Moran
y se propone un algoritmo para descartar la posibilidad de que la dependencia
espacial sea espuria. Los resultados demuestran la necesidad de tener en cuenta
la econometra espacial para determinar la asignacin ptima del gasto social,
destinado a intervenir en forma efectiva la situacin de miseria en los municipios
del departamento de Antioquia.
PALABRAS CLAVE
Econometra, desigualdad, pobreza, modelos espaciales.
CLASIFICACIN JEL:
C18, C31, J19, R12, I32
CONTENIDO
Introduccin; 1. Metodologa; 2. Resultados; 3. Conclusiones; Bibliografa.
* Artculo de investigacin financiado por la Direccin de Investigaciones del Instituto Tecnolgico Metropolitano y
Prospeccin Legal S. A. S. Grupo de Investigacin Ciencias Administrativas, Clasificacin B Colciencias. Es uno de los
productos del proyecto Modelo Markoviano Integral para la estimacin y simulacin del seguro previsional en Colombia ejecutado
durante el perodo 2014-2016.
** Ingeniero Financiero, Universidad de Medelln, Medelln, Colombia. Magster en Matemticas Aplicadas. Universidad
EAFIT, Medelln. Colombia. Docente-investigador, Ingeniera Financiera y Negocios, Instituto Tecnolgico Metropolitano,
Medelln, Colombia. Grupo de Investigacin Ciencias Administrativas, Instituto Tecnolgico Metropolitano, Medelln,
Colombia. Calle 54A No. 1-30, 4405100. Correo electrnico: albertoagudelo@itm.edu.co.
*** Ingeniero Financiero, Universidad de Medelln, Medelln, Colombia. Magster en Finanzas, Universidad EAFIT, Medelln,
Colombia. Docente-investigador, Ingeniera Financiera y Negocios, Instituto Tecnolgico Metropolitano, Medelln,
Colombia. Grupo de Investigacin Ciencias Administrativas, Instituto Tecnolgico Metropolitano, Medelln, Colombia.
Calle 54A N. 1-30, 4405100. Correo electrnico: luisefranco@itm,edu.co.
**** Matemtico. Universidad Nacional de Colombia, Medelln, Colombia. Especialista en Finanzas y Mercado de Capitales.
Universidad de Medelln., Medelln, Colombia. Magister en Matemticas Aplicadas, Universidad EAFIT, Medelln, Colom-
bia. Docente-investigador, Ingeniera Financiera y Negocios, Instituto Tecnolgico Metropolitano, Medelln, Colombia.
Grupo de Investigacin Ciencias Administrativas, Instituto Tecnolgico Metropolitano, Medelln, Colombia. Calle 54A
N. 1-30, 4405100. Correo electrnico: luisfranco@itm.edu.co.
Semestre Econmico, volumen 18, No. 37, pp. 103-128 ISSN 0120-6346, enero-junio de 2015, Medelln, Colombia 103
Gabriel Agudelo Torres - Luis E. Franco Ceballos - Luis C. Franco Arbelez
ABSTRACT
This article proves the existence of a spatial correlation when considering the per-
centage of people living in extreme poverty in the municipalities of the Antioquia
department. For thisp urpose, a Moran I test is used and an algorithm is proposed
in order to discard the possibility of a spurious spatial dependency. Results prove
that spatial econometrics must be bared in mind for an optima allocation of social
expenditure, destined to effectively intervene extreme poverty in the Antioquia
department.
KEY WORDS:
Econometrics, inequality, poverty, spatial models
JEL CLASSIFICATION
C18, C31, J19, R12, I32
CONTENT
Introduction, 1. Methodology; 2. Results; 3. Conclusions; Bibliography.
INTRODUCCIN
En el mbito socio-poltico, la reduccin del porcentaje de personas que viven en
situacin de miseria en el pas es uno de los temas ms sensibles, y de mximo
impacto en la toma de decisiones frente al gasto social del Gobierno Central. As lo
consideran autores como Galvis y Meisel (2010). Uno de los enfoques ms utiliza-
dos en estas investigaciones es el economtrico tradicional, que ignora la posible
dependencia espacial en el comportamiento de la variable, objeto de estudio.
Semestre Econmico, volumen 18, No. 37, pp. 103-128 ISSN 0120-6346, enero-junio de 2015, Medelln, Colombia 105
Gabriel Agudelo Torres - Luis E. Franco Ceballos - Luis C. Franco Arbelez
Desde 1987 con la ayuda del Programa de las Naciones Unidas para el Desa-
rrollo (PNUD), y el Departamento Nacional de Planeacin de Colombia (DNP), se
cre el Departamento Administrativo Nacional de Estadstica (DANE), que realiza
peridicamente una investigacin con alcance nacional, llamada Indicadores de Ne-
cesidades Bsicas Insatisfechas (NBI). El objetivo general de la investigacin de NBI es
determinar, con la ayuda de algunos indicadores, si las necesidades bsicas de la
poblacin se encuentran cubiertas; los grupos que no alcancen un umbral mnimo
fijado son clasificados como pobres. En particular, dicha investigacin determina
indicadores de pobreza y de miseria, que sirven a los entes pblicos y privados
para la toma de decisiones, apoyando planes relacionados con servicios pblicos,
vivienda y educacin.
La investigacin de NBI utiliza cinco indicadores bsicos que son: vivienda in-
adecuada, viviendas con hacinamiento crtico, viviendas con servicios inadecuados,
viviendas con alta dependencia econmica y viviendas con nios en edad escolar
que no asisten a la escuela. A partir de estas variables se construye un indicador
que clasifica como pobres a aquellos hogares que estn, al menos, en una de las
situaciones de carencia expresada por los indicadores, y en situacin de miseria a
los hogares que tengan dos o ms de los indicadores bsicos de necesidades bsicas
insatisfechas. La investigacin de NBI, que se realiza por medio de entrevista directa
en los hogares, considera que las personas que habitan en viviendas pobres o en
miseria se encuentran en las mismas condiciones de su respectiva vivienda. En la
investigacin de NBI se obtiene para cada municipio de Colombia la proporcin de
personas en situacin de miseria. A partir de esos datos se obtiene la informacin
para desarrollar la metodologa que permite detectar la presencia potencial de
dependencia espacial en los datos correspondientes al porcentaje de personas en
situacin de miseria en los municipios del departamento de Antioquia.
Semestre Econmico, volumen 18, No. 37, pp. 103-128 ISSN 0120-6346, enero-junio de 2015, Medelln, Colombia 107
Gabriel Agudelo Torres - Luis E. Franco Ceballos - Luis C. Franco Arbelez
1. METODOLOGA
El proceso generador de datos del primer caso para dos regiones puede tomar
la siguiente forma:
Yi = aiY j + X i + i
Y j = a jYi + X j + j
( )
Con i , j ~ N 0, 2 . Por simplicidad se asumen trminos de error con
media cero y varianza 2 .
Para el caso de tres regiones sera entonces:
Yi = aiY j + iYk + X i + i
Y j = a jYi + jYk + X j + j
Yk = ak Yi + k Y j + X k + k
Con i , j , k ~ N 0, 2 .( )
En esta situacin ya se observa que este esquema no es prctico, pues su-
pondra hallar estimaciones para un nmero de parmetros superior al nmero de
observaciones disponibles.
Semestre Econmico, volumen 18, No. 37, pp. 103-128 ISSN 0120-6346, enero-junio de 2015, Medelln, Colombia 109
Gabriel Agudelo Torres - Luis E. Franco Ceballos - Luis C. Franco Arbelez
[ ][ ] [ ]
El operador de retardo espacial desplaza y agrega las masas de las regiones
contiguas a la regin analizada.
Semestre Econmico, volumen 18, No. 37, pp. 103-128 ISSN 0120-6346, enero-junio de 2015, Medelln, Colombia 111
Gabriel Agudelo Torres - Luis E. Franco Ceballos - Luis C. Franco Arbelez
[ ][ ] [ ]
I de Moran
Para la deteccin de efectos espaciales es usual utilizar la I de Moran, la cual se
define como:
W (Y Y ) (Y )
N N
N i =1 j =1 ij i j Y
I=
(Y Y )
N 2
S0 i
i =1
Donde:
W (Y Y ) (Y )
N N
i =1 j =1 ij i j Y
I=
(Y Y )
N 2
i =1 i
Y = WY +
H0 : = 0
Ha : 0
I E (I )
Y el estadstico de prueba es: Z (I ) =
V (I )
Semestre Econmico, volumen 18, No. 37, pp. 103-128 ISSN 0120-6346, enero-junio de 2015, Medelln, Colombia 113
Gabriel Agudelo Torres - Luis E. Franco Ceballos - Luis C. Franco Arbelez
Y = WY +
~ N (0, 2 I )
7 8 9 10 11 12
13 14 15 16 17 18
Y = WY +
H0 : = 0
Ha : 0
Al ser el parmetro la pendiente de la recta, puede inferirse que indicar
la ausencia de dependencia espacial. Este principio se utilizar como la medida
de efectividad de la agregacin, pues el objetivo de descartar la dependencia
espacial se traduce en reducir tanto como sea posible la pendiente de la recta.
La agregacin espacial debe contar con dos reglas bsicas:
Semestre Econmico, volumen 18, No. 37, pp. 103-128 ISSN 0120-6346, enero-junio de 2015, Medelln, Colombia 115
Gabriel Agudelo Torres - Luis E. Franco Ceballos - Luis C. Franco Arbelez
en la prctica, a una sola regin, mientras estas estn separadas por dos
o ms fronteras.
2) Deben tener la misma medida de posicin: las regiones a agregar deben
pertenecer al mismo cuartil, decil u otra medida de posicin. Esta restric-
cin permite que se conserve al mximo la informacin de la poblacin
y por consiguiente la verdadera dependencia espacial que pueda llegar
a existir, pues impide la agregacin de regiones con caractersticas muy
diferentes.
( y1 + y2 , w y ) , con w y = w1 y1 + w2 y2 y1 y2 .
Donde wi yi es el retardo espacial de la regin yi . El punto w y se define
de esta forma pues luego de realizar la agregacin espacial de las regiones
vecinas ( w1 y1 + w2 y2 ) debe restarse las propias regiones y1 y y2 pues son
vecinas entre s.
Las regiones que al momento de agregarse espacialmente producirn
puntos ms cercanos al eje de las abscisas sern aquellas que teniendo la
misma medida de posicin estn rodeadas de regiones tan diferentes entre s,
que produzcan un valor cercano a cero en la suma de sus retardos espaciales,
es decir que w1 y1 + w2 y2 0 1.
1 El trmino w'y' podra tender a cero con una mayor intensidad al escoger regiones cuyos valores indi-
6 6 6 8 8 8 7 7 7 7
6 6 6 8 8 8 7 7 7 7
6 6 6 8 8 8 7 7 7 7
9 9 4 4 1 1 1 10 10 10
4 9 4 4 1 1 1 10 10 10
4 4 4 4 1 1 1 10 10 10
3 3 3 5 5 5 2 2 2 2
3 3 3 5 5 5 2 2 2 2
3 3 3 5 5 5 2 2 2 2
3 3 3 5 5 5 2 2 2 2
El primer paso del algoritmo ser entonces hallar las regiones a analizar, es decir
determinar cules regiones se encuentran a lado y lado de una frontera que divida
dos grupos de regiones tan diferentes entre s como sea posible.
d ( j ) d (i ) si d ( j ) d (i )
wijd =
en otro caso, con
viduales sean los suficientemente diferentes como para producir un valor cercano a cero; sin embargo,
escoger este tipo de regiones violara la segunda regla bsica de agregacin, eliminando no solo la
dependencia espacial espuria, sino tambin la real.
Semestre Econmico, volumen 18, No. 37, pp. 103-128 ISSN 0120-6346, enero-junio de 2015, Medelln, Colombia 117
Gabriel Agudelo Torres - Luis E. Franco Ceballos - Luis C. Franco Arbelez
M d = max wijd ( )
Y las grandes regiones a analizar sern las correspondientes a las filas (o
columnas, por simetra de esta matriz) que tengan por lo menos una entrada
igual a M d y sus respectivos vecinos.
Por ejemplo, una matriz
[ ]
Esta deduccin nos lleva a otro indicador que ser adoptado como regla de
decisin:
WY WY
= Y
.
Semestre Econmico, volumen 18, No. 37, pp. 103-128 ISSN 0120-6346, enero-junio de 2015, Medelln, Colombia 119
Gabriel Agudelo Torres - Luis E. Franco Ceballos - Luis C. Franco Arbelez
2. RESULTADOS
Para validar la existencia de dependencia espacial en la variable porcentaje de per-
sonas en situacin de miseria en los municipios del departamento de Antioquia se
obtuvieron las observaciones para cada municipio utilizando como fuente el DANE.
Fuente: elaboracin
Fuente: propia
elaboracin propia
Fuente: elaboracin propia
Grfica 3. Prueba
Grfica de hiptesis
Grfica
3. Prueba de 3.hiptesis
Prueba de hiptesis
Fuente: elaboracin
Fuente: propia
Fuente: elaboracin propia
elaboracin propia
Semestre Econmico, volumen 18, No. 37, pp. 103-128 ISSN 0120-6346, enero-junio de 2015, Medelln, Colombia 121
Gabriel Agudelo Torres - Luis E. Franco Ceballos - Luis C. Franco Arbelez
H0 : = 0
Ha : 0
Semestre Econmico, volumen 18, No. 37, pp. 103-128 ISSN 0120-6346, enero-junio de 2015, Medelln, Colombia 123
Gabriel Agudelo Torres - Luis E. Franco Ceballos - Luis C. Franco Arbelez
Grfica 7. de
Grfica 7. Evolucin Evolucin de la pendiente
la pendiente
3. CONCLUSIONES
Antes de los trabajos de Paelinck y Klaassen (1979) la inclusin de efectos espaciales
se realizaba a travs de ndices que se incorporaban en los modelos economtricos
tradicionales; a partir de esos estudios la econometra espacial ha tenido un lento
desarrollo con respecto a la econometra financiera o de series de tiempo, aunque
autores como Anselin (2003), Florax y Folmer (1992), Ord (1975) entre otros, y en
las ltimas dcadas otros investigadores como Chasco (2003) y LeSage y Pace
(2009), han profundizado en el anlisis espacial y la ciencia regional. Sus valiosas
contribuciones constituyen una herramienta de modelacin de efectos espaciales,
confiable y robusta, lo que permite a muchos investigadores alrededor del mundo,
explicar con mayor precisin, el comportamiento de variables vinculadas al espacio.
debe ser tenida en cuenta al modelar el porcentaje de personas que viven en situa-
cin de miseria en los municipios del departamento de Antioquia (Colombia). Omitir
la inclusin de variables rezagadas espacialmente puede entorpecer la asignacin
ptima del gasto social, destinado a la reduccin de dicha variable.
BIBLIOGRAFA
Acevedo Bohrquez, I. y Velsquez Ceballos, H. (2008). Algunos conceptos de la econometra
espacial y el anlisis exploratorio de datos espaciales. En Ecos de Economa. Vol. 12, N.
27, p. 9-34.
Anselin, L. (1980). Estimation methods for spatial autoregressive structures. En Regional Sci-
ence Dissertation & Monograph Series, Program in Urban and Regional Studies, Cornell
University, 273p.
Anselin, L. (1988). Spatial econometrics: methods and models. Springer: Science & Business
Media, 284p.
Anselin, L. (2003). Spatial externalities, spatial multipliers and spatial econometrics. En Inter-
national Regional Science Review. April, Vol. 26, No. 2, p. 153-166.
Arbia, G. y Blagati, B. (2009). Spatial Econometrics: methods and applications: Studies in Empirical
Economics. Collection Studies in Empirical Economics, Physica-Springer, 281p.
Azariadis, C. (2006). The Theory of Poverty Traps: What Have We Learned? Chapter 1. En: Bowles,
S.; durlauf, S. y Hoff, K. (2006). Poverty Traps. New York: Princeton University Press.
Bayudam, C. y Lim, J. (2013). Chronic and Transient Poverty and Vulnerability to Poverty in the
Philippines: Evidence Using a Simple Spells Approach. En: Social Indicators Research. Vol.
118, N. 1, p. 389-413.
Beenstock, M.; Feldman, D. y Felsenstein, D. (2012). Testing for unit roots and cointegration in
spatial cross section data. En: Spatial Economic Analysis. Vol. 7, N. 2, p. 203-222.
Cotte, A. y Pardo, C. (2011). Las tendencias de la pobreza y la desigualdad: una evidencia para los
departamentos de Colombia. En: Ensayos Revista de Economa. Vol. XXX, N. 2, p. 29 - 50.
Semestre Econmico, volumen 18, No. 37, pp. 103-128 ISSN 0120-6346, enero-junio de 2015, Medelln, Colombia 125
Gabriel Agudelo Torres - Luis E. Franco Ceballos - Luis C. Franco Arbelez
Fingleton, B. (1999). Spurious spatial regression: some Monte Carlo results with a spatial unit
root and spatial cointegration. En: Journal of Regional Science, Vol. 39, No 1, p. 1-19.
Florax, R. y H. Folmer (1992). Specification and estimation of spatial linear regression models:
Monte Carlo evaluation of pre-test estimators. En: Regional Science and Urban Economics,
Vol. 22; p. 405-32.
Geary, R. (1954). The Contiguity Ratio and Statistical Mapping. En: Journal of the Royal Statistical
Society, Vol. N 5, p. 115-145.
Grootaert, C. y Kanbur, R. (1995). The Dynamics of Poverty: Why some People Escape from Poverty
and others Dont: An African Case Study. En: The World Bank, Environment Department
Social Policy and Resettlment Department, Policy Research Working Paper. 32p.
Lauridsen, J. y Kosfeld, R. (2006). A test strategy for spurious spatial regression, spatial nonsta-
tionarity, and spatial cointegration. Papers in Regional Science. Vol. 85, N. 3.
Le Sage, J. y Pace, R. (2009). Introduction to spatial econometrics. En: CRC Press Inc.
Lpez, R y Della Maggiora, C. (2000). Rural poverty in Peru: stylized facts and analytics for policy.
Moran, P (1948). The interpretation of statistical maps. En: Journal of the Royal Statistical Society,
N. 10, pp. 243-251.
Nisar, R.; Anwar, S.; Hussain, Z. y Akram, W (2013). An Investigation of Poverty, Income Inequality
and Their Shifters at Household Level in Pakistan. En: Journal of Finance and Economics
1, N. 4, p. 90-94.
Ord, J. (1975). Estimation methods for models of spatial interaction. Journal of the American
Statical Association, N. 70, p. 120-126.
Osowole, O.; Nwoke, F. y Uba, E. (2012). On the Level of Performance of Selected Link Functions
in the Identification of Poverty Correlates in Nigeria. En: West African Journal of Industrial
and Academic Research Vol. 5, N. 1.
Prez, Gerson. (2005). Dimensin espacial de la pobreza en Colombia. En: Revista ESPE, N.
48, pp. 234-293.
Slon, P. y Ziga, E. (2006). Dinmica de la pobreza en Costa Rica: datos de panel a partir de
cortes transversales. En: Revista de la CEPAL, N. 89.
Tobler, W. (1979), Cellular Geography. Philosophy in Geography, ed. S. Gale y G. Olsson, Dordrecht:
Reidel; p. 379 - 86.
Wodon, Q. y Cruces, G. (2003). Transient and chronic poverty in turbulent times: Argentina
1995-2002. En: Economic Bulletin. STICERDLondon School of Economics and Political
Science, The World Bank.
Semestre Econmico, volumen 18, No. 37, pp. 103-128 ISSN 0120-6346, enero-junio de 2015, Medelln, Colombia 127