Proyectando el progreso de los ODM

1
Proyectando el progreso de los ODM
Conferencia Los ODM en América Latina inclusión
y desarrollo humano Tegucigalpa, 10 de Julio de
2007

• Rafael G. Osorio Centro Internacional de
  Pobreza/UNDP

2

• Para evaluar el progreso de los ODM es necesario
  hacer proyecciones de los indicadores pero ello
  no es una tarea trivial
• Para tanto, escogemos como ejemplo la tasa neta
  de asistencia en la enseñanza primaria indicador
  ODM 2 lograr la enseñanza primaria para todos
• La fuente de datos que usaremos es el sistema
  EQxIS del BID
• www.iadb.org/xindicators

3

• Veamos la definición y características del
  indicador (disponibles en EQxIS)
• La tasa neta de asistencia en la enseñanza
  primaria es la proporción del número de niños en
  edad escolar oficial asistiendo a la primaria,
  como porcentaje de la población total de niños en
  edad escolar oficial para la enseñanza primaria.

4

• Son muchos los factores que poden influenciar la
  tasa de asistencia
• desde las inversiones del gobierno en el sistema
  de enseñanza
• a la dinámica demográfica,
• pasando por el reconocimiento de la importancia
  de la educación por parte de las familias,
• o por la existencia de políticas sociales que
  estimulen o exijan a asistencia
• Una buena proyección de la tasa de asistencia
  debe incorporar todos los factores para los
  cuales contamos con datos

5

• Pero, como hemos dicho, no siempre se cuenta con
  buenos datos y con la información necesaria
• Nuestro objetivo aquí es justamente qué podemos
  hacer cuando sólo tenemos dos, tres, o cuatro
  puntos en el tiempo para el indicador y no
  contamos con ninguna otra información para
  factores determinantes
• Vejamos primer el caso de los indicadores
  promedios nacionales
• Frecuentemente estos indicadores son proyectados
  con base en tendencias lineales

6
(No Transcript)
7

• La proyección linear es, en general, muy
  optimista
• En el mundo real, se sabe que cuanto más elevado
  es el nivel de un indicador, más difícil es
  progresar
• Pero el supuesto de la proyección linear es que
  avanzar en el futuro será tan fácil como en el
  pasado
• Adicionalmente, la proyección linear nos puede
  llevar a creer que países o grupos de población
  que partieron de niveles más bajos sobrepasaran a
  los que partieron de niveles más altos
• Esto no concuerda con el hecho de que el los
  últimos kilómetros pueden ser los más difíciles
• Esto se puede visualizar en la próxima gráfica
  con datos para Brasil y Panamá, cuyas tasas se
  estacionan después de alcanzar un cierto nivel

8
(No Transcript)
9
Comparaciones de técnicas de proyecciones

• Para mejorar nuestras proyecciones, incorporando
  la idea de que cuanto más elevado es el nivel de
  un indicador más difícil es progresar, usemos
  formas funcionales que impliquen una
  desaceleración en los niveles altos
• (usemos proyecciones logarítmicas y exponenciales)

10
(No Transcript)
11
(No Transcript)
12

• Comparemos ahora los resultados de proyecciones
  lineales y logarítmicas
• (dejamos a un lado la exponencial, dada su
  similitud con la logarítmica)
• Las diferencias pueden ser muy grandes
• E independientemente de que la diferencia sea
  grande o pequeña, las proyecciones logarítmicas
  son siempre más conservadoras

13
(No Transcript)
14
(No Transcript)
15
(No Transcript)
16
(No Transcript)
17

• Aun en el caso de que la proyeccion logarítmica
  nos diese un pronóstico más realista del progreso
  nacional, su aplicacion a datos desagregados
  puede entrañar dificultades
• Si, por ejemplo, deseamos proyectar indicadores
  desagregados por quintiles de ingreso, no es
  razonable (aunque sea deseable) que lo indicador
  de los más pobres alcance niveles más altos que o
  de los más ricos
• (una proyeccion linear podria tener aun mas
  dificultades)

18

• En lo caso de Nicaragua, la proyección
  logarítmica nos dio buenos resultados en vista
  de nuestras percepciones de que no es razonable
  que los mas pobres alcancen niveles más altos que
  los ricos
• No caso de Guatemala, los resultados fueron malos
  en esto sentido

19
(No Transcript)
20
(No Transcript)
21

• Usando la función de Kakwani, podemos obtener una
  proyección que incorpora
• Un valor máximo a ser logrado mediante una
  función de logro
• y un ritmo de cambio mas lento conforme se llega
  a ese valor maximo
• Veamos otra vez el ejemplo de Guatemala, ahora
  con esa técnica alternativa

22
(No Transcript)
23

• Ahora tenemos una proyección razonable
• los más pobres se aproximan al promedio nacional
  sin sobrepasarlo
• el indicador de los más ricos, a su vez, no nunca
  es menor al promedio nacional
• Apliquemos esta técnica a las tasas de asistencia
  desagregadas por ingreso de Brasil y El Salvador

24
(No Transcript)
25
(No Transcript)
26

• Cierto, toda proyección tiene sus problemas
• Una buena proyección para un cierto indicador y
  situación no necesariamente funciona para otro
  indicador o para otra situación
• Pero la proyección debe incorporar la mayor
  cantidad posible de información que se tenga
  respecto al comportamiento del indicador en
  cuestión
• Las proyecciones presentadas incorporan la
  realidad de la desigualdad y el impacto que ésta
  podría tener sobre el ritmo de progreso en los
  ODM.
• Y en la medida en que corrigen el quizas excesivo
  optimismo, nos dan un sentido de realismo que
  puede ayudar a formular mejores politicas de
  desarrollo