Mapas de pobreza en Montevideo: una aplicación de estimación en áreas pequeñas

Abstract

En el marco de la agenda 2030 para el desarrollo sostenible, la Organización de las Naciones Unidas (ONU), en conjunto con sus países miembros, se comprometen a trabajar para hacer frente a una serie de problemáticas que afectan al planeta tierra, entre ellas la pobreza. Poder identificar en el territorio los lugares en donde se concentra la pobreza es fundamental para la propuesta de políticas públicas y la intervención en el marco de los Objetivos de Desarrollo Sostenible (ODS). Organismos internacionales como el Banco Mundial, CEPAL (Comisión Económica para América Latina y el Caribe) y FAO (Organización de las Naciones Unidas para la Alimentación y la Agricultura) recomiendan la elaboración de Mapas de Pobreza, de forma de identificar las regiones más vulnerables de un país o ciudad. La metodología recomendada para la construcción de los Mapas de Pobreza es la de Estimación en Áreas Pequeñas. En el presente trabajo se aplica esta metodología con el objetivo de estudiar la distribución de la pobreza a nivel de Barrios en Montevideo para el segundo semestre del año 2021 y primer semestre del año 2022.

Se presentan los aspectos conceptuales de SAE (Small Area Estimation) y los estimadores comúnmente utilizados cuando se trabaja con “áreas pequeñas”. Se hace especial énfasis en la aplicación de modelos lineales mixtos (los cuales enmarcan los estimadores SAE). Seguido de ello, se introducen los modelos de área (en particular el estimador Fay-Herriot). A continuación, se profundiza en modelos de área que toman en consideración la posible correlación espacial existente entre distintos dominios geográficos (más específicamente el estimador Fay-Herriot espacial). Finalmente, se elaboran los mapas con las alternativas mencionadas, utilizando como variables explicativas la cantidad de personas con nivel universitario o superior, cantidad de desocupados o inactivos y el número de hogares con 3 o más necesidades básicas insatisfechas. Se tiene como resultado que todas las técnicas de estimación dentro del marco SAE logran mejorar la eficiencia de los estimadores calculados con un enfoque tradicional (es decir, las estimaciones basadas en el diseño). Se encontró que el estimador Fay- Herriot espacial con una matriz de vecindad definida por contigüidad es el que mejor se desempeña, con más del 65% de los barrios con estimaciones de calidad.