Tasa de natalidad y el ingreso como determinantes de la pobreza
| Páginas | 189-211 |
| Fecha | 01 Enero 2017 |
| Fecha de publicación | 01 Enero 2017 |
| Autor | Cristian Xavier Rosero Barzola,Juan León Palacios |
| Materia | Derecho Público y Administrativo |
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
189
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE
LA POBREZA
BIRTH RATE AND INCOME AS DETERMINANTS OF POVERTY
(Entregado 20/06/2016 – Revisado 06/10/2017)
Christian Xavier Rosero Barzola
Economista con Mención en Gestión Empresarial, Especialización Finanzas y Magíster en
Economía y Dirección de Empresas de la Escuela Superior Politécnica del Litoral, CRM,
CSCM, RFS, Six Sigma Black Belt, Lead Assessor ISO 9001:2008, Catedrático
Universidad Espíritu Santo
Juan León Palacios
Ingeniero en Ciencias Empresariales con especialización en Dirección y Planificación
Comercial, menciones en Finanzas Corporativas, Comercio Exterior, Emprendimiento y
Finanzas Internacionales. Consultor con experiencia en fortalecimiento de
emprendimientos, desarrollo de estudios sectoriales e investigación de mercado.
mail: juangleon@uees.edu.ec
Universidad Espíritu Santo – Ecuador
chrosero@uees.edu.ec
peanle@uees.edu.ec
Resumen
La reducción de la pobreza significa un gran desafío para todos los países a nivel
mundial. Por ello, el objetivo del presente artículo es analizar cómo se pueden
clasificar a los países según su grado de pobreza a través de cuatro variables
independientes: tasa de natalidad, tasa de mortalidad, PIB per cápita y PNB per
cápita, basados en el modelo Maltusiano de población. La clasificación original se
realizó de acuerdo con el Método Atlas del Banco Mundial de 2013, en el cual basado
en su PNB per cápita se clasifican entre países ricos o pobres. Desde aquella
clasificación se implementa un análisis discriminante con la finalidad de identificar
las características que diferencian a cada grupo para poder encasillarlos
adecuadamente en países ricos o pobres. El modelo resulta robusto indicando una
correlación positiva entre tasa de natalidad y pobreza mientras que con el PIB y PNB
per cápita la correlación es negativa.
Palabras clave: pobreza, natalidad, mortalidad, desarrollo, ingresos
Abstract
Reducing poverty often means a great challenge for all countries worldwide.
Therefore, the objective of this article is to analyze how to classify countries according
to their degree of poverty through four independent variables: birth rate, death rate,
GDP per capita and GNP per capita, based on the Malthusian model of population.
The original classification was made according to the World Bank Atlas method, which
is based on each country´ GNP per capita and then classified among rich and poor
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
190
countries. Based on that classification a discriminant analysis is implemented to
identify the characteristics that distinguish each group and then classify them properly
into rich and poor countries. In short, the model was found robust, indicating a positive
correlation between birth rate and poverty while with GDP and GNI per capita the
correlation was negative.
Keywords: poverty, natality, mortality, development, income
1. Introducción
La reducción de la pobreza ha sido uno de los más grandes desafíos que ha enfrentado cada
uno de los países a nivel mundial. La pobreza es catalogada como un factor determinante
que impide el desarrollo económico de cualquier nación, es decir, la relación entre ambas
variables es negativa. En otras palabras, el hecho de que la tasa de crecimiento económico
de un país se debilite no permitirá que la tasa de pobreza disminuya (Salama, 2008).
Inicialmente, tanto el crecimiento económico como la pobreza han sido medidos de forma
unidimensional. La primera variable era medida por los ingresos y la segunda solía ser
medida por la carencia de esos ingresos (De Muro, Mazziota, & Pareto, 2011). En la
actualidad, ambas variables son consideradas como multidimensionales y allí es donde
recae la complejidad de su estudio (De Muro, Mazziota, & Pareto, 2011).
Aparte de la relación previamente mencionada, es de suma relevancia esclarecer las demás
razones por las cuales la pobreza se mantiene vigente no únicamente en países que poseen
un PIB bajo sino también en aquellos que poseen un PIB alto. Conocer las razones por las
cuales la pobreza se ha venido manteniendo a lo largo del tiempo es el primer paso para
combatirla. Por ejemplo, México y Colombia son dos países que han tratado de reducir la
pobreza con la aplicación de varias políticas económicas. Por el lado de México, éste ha
sido un país que constantemente ha fracasado al combatir la pobreza. En más de dos siglos,
gobiernos mexicanos han adoptado diferentes políticas para combatir la pobreza, ya sea
mediante recaudación de impuestos o un alto gasto público, pero su énfasis siempre estuvo
en reducir la pobreza en vez de generar riquezas (Sarmiento, 2010). Por otro lado, es
curioso notar la brecha de desigualdad económica que puede llegar a existir dentro de un
mismo país, como es el caso de Colombia. Dicho país mantiene un coeficiente de Gini muy
elevado, donde cohabitan personas poseedoras de muchos recursos (tanto tecnológicos
como económicos) y personas con un nivel de vida muy precario con una notoria escasez
de recursos (Balza, 2013).
De igual manera, ciertos países han preferido adoptar medidas para controlar la tasa de
natalidad o el crecimiento demográfico. Es decir, la tasa de natalidad es considerada como
una variable que incita a que la pobreza se mantenga o incluso crezca. Es por esta razón
que países como Brasil y Costa Rica, hablando de Latinoamérica, mantienen políticas
anticonceptivas estrictas con la finalidad de evitar un crecimiento demográfico
desproporcionado (Avendaño, 2007). Los problemas acerca de estas medidas
anticonceptivas involucran temas éticos y consideraciones para tener en cuenta en un largo
plazo. En otras palabras, expertos califican a las medidas anticonceptivas como amorales,
argumentando que ningún gobierno tiene la potestad de prohibir o limitar el derecho a
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
191
concebir una vida. De igual manera, entre las consideraciones futuras para tener en cuenta
se destaca el envejecimiento que aquellos países con políticas anticonceptivas sufrirán
dentro de unas décadas al limitar la cantidad de jóvenes involucrados en la fuerza laboral.
Por ejemplo, un estudio de Cuba muestra que el descenso en su tasa de natalidad ha creado
un envejecimiento poblacional difícil de superar desde hace más de 30 años (Hernández,
2014).
Luego de la aplicación de sus respectivas políticas económicas, los países antes
mencionados han tenido diferentes resultados con relación a la pobreza. En el Panorama
Social 2014 (donde se analiza lo sucedido en el 2013) que emite la Comisión Económica
Para América Latina y el Caribe (CEPAL), claramente se estipula como Colombia ha
logrado reducir su brecha de desigualdad al igual que sus indicadores de pobreza. En el
2013 Colombia experimentó una caída de más de 2 puntos porcentuales (del 32,9% al
30,7%) del nivel de pobreza con respecto al año anterior, al igual que una reducción de 1,3
puntos porcentuales de pobreza extrema (10,4% al 9,1%) (CEPAL, 2014, pág. 16). Por otro
lado, la fluctuación del nivel de pobreza en México es muy volátil. Sin embargo, en los
últimos años el nivel de pobreza tiende al alza. Por el lado de Brasil y Costa Rica, con sus
respectivas políticas anticonceptivas, los resultados en relación con la pobreza fueron
insignificantes. “En el Brasil, en tanto, se registró entre 2012 y 2013 una caída de la tasa
de pobreza de 0,6 puntos porcentuales, pero un incremento de la tasa de indigencia de 0,5
puntos porcentuales” (CEPAL, 2014, pág. 17). Sin embargo, en Costa Rica la variación
tanto en niveles de pobreza como en pobreza extrema fue de alrededor 0,3 puntos
porcentuales.
No obstante, la tasa de natalidad no es el único factor analizado por capitalistas. De igual
manera, la tasa de mortalidad ha sido vinculada con el mantenimiento de la pobreza,
expresando que mientras la tasa de mortalidad aumente, la pobreza podría reducirse.
Inclusive según Dorn (1962), para controlar la tasa de crecimiento poblacional
desproporcional, el hombre pronto se verá obligado a elegir entre una alta mortalidad o una
baja natalidad. La importancia de este último enunciado recae en que es aplicable a la
realidad de hoy en día, donde algunos países (como los casos de Brasil y Costa Rica antes
mencionados) regulan su tasa de natalidad mediante controles anticonceptivos, y el autor
lo predijo cientos de años atrás.
A lo largo de todas las secciones, el artículo buscará responder a una pregunta específica:
¿Son la tasa de natalidad y el crecimiento económico variables significativas que permiten
clasificar a los países como pobres o no?
2. Materiales y métodos
Pues bien, la teoría capitalista considera al crecimiento poblacional como uno de los
elementos de mayor relevancia para la consecución del desarrollo de una nación. La teoría
capitalista clásica del crecimiento demográfico surgió como opositora a lo que se conocía
como el mercantilismo. Esta última argumentaba que el crecimiento de un país no era más
que el aumento de la riqueza monetaria y de la producción neta nacional, cuidando que la
balanza comercial mantenga siempre un superávit (Doğruyol, 2013).
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
192
Entre los grandes exponentes de la teoría capitalista se destaca Adam Smith, el cual fue de
gran influencia para la formulación del modelo Maltusiano. Un tema que Smith analizó
rigurosamente en su obra “ Investigación de la naturaleza y causas de la riqueza de las
naciones”(1776), fue el pertinente a la división del trabajo. En ella el autor argumentaba
cómo la división del trabajo conlleva a una mayor destreza de los trabajadores, innovación
y mayor productividad; esos resultados que posteriormente hacen elevar la renta,
incitándose el crecimiento demográfico y por ende el mercado se sigue ampliando de igual
manera. Sin embargo, todo lo anterior conduce a un estado estacionario debido al carácter
limitado de la tierra (Smith A. , 1776). De todas formas, para Smith una mano de obra
calificada, independientemente de la clase social que la contenga, tiende a recibir ingresos
superiores y por consiguiente puede proporcionar un crecimiento constante de las distintas
economías (Doğruyol, 2013). Smith categoriza los ingresos como salarios, renta, beneficios
o intereses. Dicho análisis de la división de la tierra y la posterior clasificación de los
ingresos sería posteriormente evaluado por Malthus y tomada en cuenta para la elaboración
de su modelo.
Teoría de población de Malthus.
Los fundamentos y argumentos de Smith significaron las bases para lo que en la actualidad
se conoce como la teoría de población de Malthus (1798). La misma se fue desarrollando
y profundizando con el pasar de los años, desencadenando en lo que se conoce como teorías
neo-maltusianas (por ejemplo, la de Paul Ehrlich (1968), entomólogo estadounidense). En
rasgos generales, la teoría maltusiana es conocida como una de las más pesimistas, pero a
su vez muy válida, teorías en lo que a crecimiento demográfico respecta.
Su trabajo con mayor reconocimiento fue el “Ensayo sobre los principios de la Población”.
En ella, Malthus indica que la población tiene una tendencia al alza de forma geométrica
(2, 4, 8, 16); sin embargo, los productos agrícolas para alimentar a las personas aumentan
de forma aritmética (1, 2, 3, 4) (Doğruyol, 2013). En otras palabras, la teoría de Malthus
estipula que los medios de subsistencia no crecen de forma proporcional a la población, y
que el exceso de esa población podría ser disminuido por el hambre, epidemias y guerras
(Schoijet, 2005). Consecuentemente, de acuerdo con AAG Center of global Geography
Education (2011), “Malthus predecía un futuro en el que las personas no tendrían recursos
para sobrevivir. Para evitar tal catástrofe, Malthus sugirió con ahínco que se implementaran
controles en el crecimiento demográfico” (pág. 7). Por ello, su teoría da mucho de qué
hablar incluso en la actualidad, donde varios países practican controles demográficos.
Por otro lado, un supuesto que se desprende de la teoría maltusiana es aquel que afirma que
mientras la tasa de crecimiento poblacional siga incrementando, el desarrollo económico
se retrasa (Meeks, 1992). Malthus clasificó sus controles preventivos propuestos como
positivos y preventivos, los cuales eran enfocados al control de la pobreza y al desarrollo
económico. Los controles positivos estaban orientados hacia el incremento de la tasa de
mortalidad mientras que los preventivos estaban orientados hacia la disminución de la tasa
de natalidad (Malthus, 2013, pág. 39). Ejemplos de controles positivos involucraban
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
193
hambruna, enfermedades o guerras; mientras que los controles preventivos incluían
prostitución, matrimonios tardíos, abortos, celibato y medidas anticonceptivos. La
conclusión de ambos controles consistía en que los controles positivos traían a la nación
miseria mientras que los controles preventivos le brindaban a la nación oportunidades para
obtener una mejor calidad de vida con el pasar de los años.
Malthus no olvida el factor tecnología en sus teorías y argumenta que, si bien la tecnología
incrementa la producción de una nación, la misma baja la tasa de mortalidad y ésta a su vez
lleva al crecimiento demográfico, el cual devolverá los ingresos a su nivel de equilibrio de
subsistencia por lo mucho. Por ende, un mayor nivel tecnológico no garantiza niveles más
altos de ingresos ni menor población viviendo al límite de la pobreza.
Una característica principal del modelo maltusiano consiste en la aceptación de la
existencia de la ley de rendimientos decrecientes de la agricultura. Básicamente, lo que esta
ley estipula es que un crecimiento de la población estimula avances tecnológicos de
producción, compensando así los efectos positivos de la tecnología en el ingreso per cápita
a través de rendimientos marginales decrecientes del trabajo (Klemp & Moller, 2015).
Modelo general maltusiano de crecimiento poblacional
La vigencia de la teoría maltusiana sigue existiendo al momento de analizar el crecimiento
poblacional. De acuerdo con Kenny (2010), la versión más simple del modelo maltusiano
sugiere que la tasa de natalidad es establecida por las costumbres que regulan la fertilidad,
la tasa de mortalidad por el ingreso, y los ingresos por el tamaño de la población. Por
consiguiente, el modelo asume que si el tamaño de la población sigue en aumento, los
ingresos percibidos disminuirán y conllevarán a la pobreza de una nación.
De acuerdo con el modelo general maltusiano de crecimiento poblacional, la evolución de
una población a un tiempo específico viene dado por la siguiente relación:
(1)
Donde M expresa la tasa de mortalidad y N expresa la tasa de natalidad en un período
específico.
Expresado de otra forma, si reemplazamos K= 1 –M + N en la formula antes descrita, se
concluye que:
(2)
Se concluye entonces que, de acuerdo con el contexto donde Malthus se desarrolló, K es
mayor que 1 puesto que la tasa de crecimiento de Inglaterra en aquel entonces era positiva.
Por otro lado, Malthus predijo que la evolución de los recursos destinados a alimentar
la población crece únicamente de forma aritmética, es decir:
(3)
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
194
donde es la cantidad de recursos iniciales e I expresa la tasa de crecimiento de los
recursos en cuestión (asumiendo su carácter positivo). Estudios han evaluado el presente
modelo, categorizándolo como determinístico, que se basa en aproximaciones y que
probablemente esté limitado a un tiempo o a un espacio; pero no deja de ser significativo
para explicar el fenómeno (Smith D. , 1977).
Tomando en cuenta la fórmula 2 y 3 se puede concluir rápidamente que la tasa de
crecimiento población aumenta de manera geométrica mientras que la disponibilidad de
recursos de forma aritmética. Por consiguiente, las necesidades poblacionales superarán la
disponibilidad de recursos para satisfacerla. De tan fuerte aceptación fue dicho modelo que
varios estudios se realizaron a partir de sus postulados. Por ejemplo, uno de ellos concluyó
que la población humana se aproximaría a infinito si la misma crece de la misma forma que
ha crecido en los últimos milenios (Foerster, Mora, & Amiot, 1960).
Lo que es complejo de argumentar es si el mismo resultado seguirá manteniéndose
independientemente del tipo de economía con el que se trabaje (economías desarrolladas o
en desarrollo). Estudios se han realizado para verificar aquella inquietud. Wiel y Wilde
(2009) concluyeron que “El canal de Malthus por el cual un alto nivel de población reduce
el ingreso per cápita sigue siendo relevante en los países en desarrollo que tienen grandes
poblaciones rurales que dependen de la agricultura” (pág. 5).
En la actualidad ha surgido un nuevo concepto (basado en los principios de Malthus) que
refleja la sostenibilidad del planeta acorde al crecimiento poblacional: la capacidad de carga
(K). Este concepto ha evolucionado en los últimos años, y se adapta a ciertas limitaciones
que posee el planeta procedente del agua disponible, la energía y otros bienes o servicios
que el ecosistema ofrece (Haack & Katul, 2013). Es de suma relevancia conocer cuál es la
capacidad de carga del planeta con la finalidad de conocer la población mundial que es
capaz de sostener sin que el nivel de pobreza sea más crítico. Basados en este concepto se
han elaborado varios artículos significativos como el de Suweis, Rinaldo, Maritan y
D´Odorico. (2013), en donde la capacidad de carga era explicada mediante la
disponibilidad del agua dulce, y se concluía que la K mundial no es constante, sino que se
adapta a factores externos, pero depende de un tamaño dinámico de la población. Sin
embargo, estudios han concluido que ocasionalmente las poblaciones humanas tienen
inexistentes tasas de crecimiento, con lo cual se puede afirmar que la población aún se
encuentra muy por debajo de K (Nefedov, 2013).
Críticas al modelo maltusiano: perspectiva socialista.
El modelo de Malthus contaba con una limitación o desventaja muy marcada: su teoría
indicaba que toda población se duplicaba en un intervalo de 25 años. Malthus asumía
aquello debido al crecimiento demográfico que Inglaterra mostraba en aquellas épocas, es
decir, era meramente contextual en vez de una ley generalmente estudiada. Por esta razón,
hubo críticas de tintes socialistas en contra de la teoría capitalista de la población en general
y hacia el modelo maltusiano en particular. Los principales opositores fueron Marx y
Engels, fervientes socialistas de aquellas épocas.
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
195
Luego de la muerte de Malthus, Marx y Engels eran aún adolescentes. En aquella época,
casi a mediados del siglo XIX, en Austria y Alemania se empezaron a poner en práctica
medidas para controlar el crecimiento demográfico. Los resultados de estas medidas fueron
negativos, aumentándose el gasto público e incluso la cantidad de nacimientos ilegítimos.
Luego de visualizar aquello, tanto como Marx y Engels dudaron de la teoría capitalista de
la población y de sus medidas de control contra el crecimiento poblacional. No creyeron
posible que los recursos disponibles para satisfacer las necesidades de la creciente
población llegarían a su límite.
El principal argumento de los opositores era que la tecnología, la cual se iba desarrollando
poco a poco, podría aumentar la producción y, por ende, la disponibilidad de recursos.
Según Bogue (1969), dada la capacidad de la tierra para producir alimentos y el potencial
de producción si la tecnología se implementa en su totalidad, la raza humana posee la
capacidad de luchar contra el hambre y la pobreza de la tierra (pág. 129). Mediante este
argumento, la ley de rendimientos decrecientes antes descrita carecía de validez. La
perspectiva socialista es que los hombres producen sus propios medios de subsistencia y se
adaptan constantemente al ambiente en el que se desenvuelven. Marx nunca negó la
posibilidad teórica del modelo maltusiano, pero la encontraba irrelevante en la práctica; el
argumentaba que la causa principal de la pobreza es el desempleo, característica del
capitalismo (Crook, 1996). En otras palabras, los pobres no eran culpables del
mantenimiento de la pobreza, sino que la culpable era la mala organización social que
caracterizaba al capitalismo.
Se han realizado varios estudios en los diferentes continentes del planeta tomando como
base el modelo de Malthus para evaluar la relación entre tasa de natalidad y pobreza. Un
estudio realizado a países escandinavos (Dinamarca, Suecia y Noruega) concluyó que los
tres países apoyan un modelo post-maltusiano en el que el progreso tecnológico aumenta
el ingreso y estimula el crecimiento de la población, mientras se compensa la disminución
de rendimientos del trabajo (Klemp & Moller, 2015). Un modelo post-maltusiano es aquel
en el que se argumenta una relación negativa entre el ingreso per cápita y el crecimiento
poblacional. Por lo tanto, esta relación fue comprobada en aquellos países, concluyendo
que un mayor crecimiento demográfico conlleva a menores ingresos y mayor pobreza.
De igual manera, otro estudio analizó la situación específica de Inglaterra como el primer
país que antes de la Revolución Industrial, salió de la conocida “trampa maltusiana”
(Cinnirella, Klemp, & Weisdof, 2013). Cabe recalcar que la trampa maltusiana estipula que
mayores avances tecnológicos resultan en mayor crecimiento poblacional y no
necesariamente en mejoras en la calidad de vida. Por ello, después del estudio, se concluyó
que Inglaterra escapó de esta trampa mucho antes que el resto de los países. Una alta tasa
de celibato y una creciente tasa de matrimonios tardíos fueron las razones principales para
que población de Gran Bretaña no creciera tanto y para que los salarios se mantuvieran
elevados (conllevando a una menor pobreza).
Además, en un estudio acerca de India se evalúo la veracidad del modelo maltusiano que
indicaba que la disponibilidad de recursos crecía de manera aritmética mientras que la
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
196
población de forma geométrica. Crook (2010) concluyó que, a finales del siglo XX, las
fluctuaciones del crecimiento poblacional eran notorias, pero a su vez la pobreza
continuaba siendo estacionaria en niveles muy elevados. Por ello, el estudio concluyó que
el crecimiento demográfico tenía muy poca (o nula) afectación en los niveles de pobreza
del país.
Otros estudios se han basado en la comparación entre naciones del “este” (China) y del
“oeste” (Europa) acerca de los tipos de controles (positivo o preventivo) con la finalidad
de determinar si existe una relación. Se ha encontrado que en los países del oeste
predominan prácticas de controles preventivos mientras que en los países del este
predominan controles positivos (Lee & Feng, 2000). En otras palabras, en los países del
oeste los controles están basados en la disminución de la tasa de natalidad que en los del
este los controles se dan por el incremento de la tasa de mortalidad.
De igual manera, minuciosos estudios relacionados con la teoría de Malthus se han
realizado en el continente africano. En uno de ellos se ha concluido que, de 46 países
africanos analizados, únicamente 13 (el 28%) mantiene una relación negativa entre el
crecimiento poblacional y los ingresos de las personas (Kenny, 2010). Otro estudio refleja
que la pobreza de mujeres africanas es mayor en las zonas rurales que en las urbanas y la
privación de la escolaridad es el factor preponderante que contribuye a aquella pobreza
(Batana, 2013). Por otro lado, otro estudio concluye que si las epidemias que sufre el
continente disminuyen la proporción de niños, el salario aumentará en un corto plazo
(Laffargue, 2012). Lo que se sabe con certeza es que el continente africano sufre de altos
niveles de pobreza. Por ello, varios estudios se han dedicado a sugerir políticas que ayuden
a reducir la pobreza y la inequidad en el continente (variables positivamente relacionadas).
Entre ellas se encuentran: (a) los regímenes de garantía de empleo, (b) formación para el
mercado laboral, (c) un mayor acceso a la salud, y (d) educación a través del aumento de
las inversiones sociales (Anyanwu, 2014).
En Centroamérica, Costa Rica es uno de los países que mayormente ha puesto en práctica
la teoría maltusiana de crecimiento poblacional. De acuerdo con Avendaño (2007), “Se
ofrecieran servicios de planificación familiar y dejó en manos de organismos privados e
internacionales, la definición de una política de población costarricense orientada
básicamente hacia la reducción de la natalidad” (pág. 20). En otras palabras, existe
evidencia de que en Costa Rica se practicaba lo que Malthus llama controles preventivos,
los cuales estaban orientados a la disminución de la tasa de natalidad con la finalidad de
ofrecer a los ciudadanos una mejor calidad de vida (Avendaño, 2007). En otro país
centroamericano, Cuba, también existe influencia de la teoría maltusiana. De acuerdo con
la Encuesta Nacional de Fecundidad cubana del 2009, el 80% de las personas encuestadas
conocían más de dos métodos anticonceptivos y habían practicado alguno de ellos al menos
una vez (Vega, 2014). Por último, la influencia de la teoría maltusiana también ha dejado
sus frutos en México. Según Canales, Corcuera, Elizondo, Gutiérrez, y Urbina (2011), una
tasa de natalidad baja en México ha significado un aumento en el crecimiento económico
del país. Aquello demuestra que, al igual que Costa Rica y Cuba, la repercusión de la teoría
de Malthus ha sido consistente en Centroamérica.
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
197
Metodología
Para la evaluación de la clasificación de países como pobres y no pobres, se desarrollará
un análisis discriminante con la finalidad de obtener una función capaz de estimar con
mayor precisión a los países miembros de dos grupos: el “grupo 1” estará conformado por
los países denominados pobres mientras que el “grupo 2” por los países denominados ricos.
Dicha clasificación de países se realizó de acuerdo con el Método Atlas del Banco Mundial
de 2013, en donde todos los países, de acuerdo con su Producto Nacional Bruto (PNB) per
cápita, se clasifican entre países desarrollados (ricos) o países no desarrollados (pobres). El
PNB per cápita es un parámetro utilizado usualmente para evaluar el crecimiento de un
país, ya que incluye la cantidad de bienes y servicios producidos por residentes del país en
cuestión.
Se trabajó con datos cuantitativos continuos de corte transversal al año 2013. Se establecerá
a la clasificación de la pobreza como variable dependiente mientras que las tasas de
natalidad, tasa de mortalidad, Producto Interno Bruto (PIB) per cápita y el Producto
Nacional Bruto (PNB) per cápita serán las variables independientes en el estudio. La
totalidad de la base de datos fue extraída del Banco Mundial (tanto de la variable
dependiente como las independientes). Los países objeto de estudio consistirán en todos
aquellos que presenten datos al Banco Mundial, organización internacional con la que se
trabaja.
Por consiguiente, se encontrará una función que permita clasificar el nivel de pobreza de
los países en función de las variables independientes. El análisis discriminante es una
técnica estadística multivariante capaz de evaluar si existen diferencias significativas entre
los grupos y, de existir, poder maximizar la capacidad de discriminación o diferenciación
entre ellos para una posterior clasificación sistemática.
3. Resultados y discusión
Se obtuvo información de un total de 167 casos válidos, 74 corresponden al grupo de los
países pobres mientras que 93 al grupo de países ricos (ver apéndices 1 y 2).
Se comprueba que tres de las cuatro variables independientes efectivamente discriminan a
la pobreza: tasa de natalidad, PIB per cápita y PNB per cápita. La única variable que no
discrimina la pobreza fue la tasa de mortalidad, ya que su media y desviación típica fueron
bastantes similares en ambos grupos (ver apéndice 3). De igual manera, se puede notar que
la media de la tasa de natalidad en los países pobres es sustancialmente mayor que en el
grupo de los países ricos. Sin embargo, tanto el PIB per cápita como el PNB per cápita son
mayores en el grupo de los países ricos.
Con la prueba de igualdad de medias se puede argumentar definitivamente que la variable
tasa de mortalidad no es significativa al explicar la pobreza (ver Tabla 1)
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
198
Tabla 1
Prueba de igualdad de las medias de los grupos
Lambda de Wilks
F
gl1
gl2
Sig.
Tasa de natalidad
,501
164,282
1
165
,000
Tasa de mortalidad
,991
1,500
1
165
,222
PIB per cápita
,717
64,967
1
165
,000
PNB per cápita
,705
69,031
1
165
,000
Nota. La tasa de mortalidad no es significativa ni a un =0.1
Por otro lado, se logró comprobar que no existe ninguna multicolinealidad entre las
variables explicativas ya que no existe ninguna correlación alta entre ellas. De igual
manera, el autovalor obtenido es superior a 1 y la correlación canónica es cercana al 1, por
lo que se puede suponer que las variables discriminantes (tasa de natalidad, PIB per cápita
y PNB per cápita) efectivamente permiten diferenciar a ambos grupos.
De igual manera, el estadístico Lambda de Wilks tiende más al 0 que al 1. Por consiguiente,
se puede argumentar que ambos grupos son evidentemente diferentes entre sí. Este
argumento se confirma con un nivel crítico (significancia) de .000, lo cual indica que los
grupos sujetos a comparación no mantienen promedios similares bajo las variables
discriminantes.
Considerando los coeficientes estandarizados de las funciones discriminantes canónicas
(Véase Tabla 2), la variable de tasa de natalidad es la que tiene un mayor peso a la hora de
predecir el grupo de pertenencia de cada uno de los países. Con la finalidad de interpretar
los signos de los coeficientes se debe de considerar la ubicación de los centroides de cada
grupo (Véase Tabla 3). Basado en la Tabla 3, se puede comprobar que el grupo 1 tiende a
obtener puntuaciones positivas en la función discriminante mientras que el grupo 2 tiende
a obtener puntuaciones negativas. Al conocer eso, la función discriminante indica que un
aumento (por encima de la media) en la tasa de natalidad resultaría en una puntuación
positiva, ajustándose al grupo 1 de países pobres. Por lo contrario, una disminución en la
media de la tasa de natalidad se ajustaría al grupo 2 de países ricos. Hablando de la tasa de
mortalidad, un valor mayor a su media hará disminuir la puntuación (ya que el signo en
este caso es negativo), ajustándose al grupo 2, y viceversa. Similar a la tasa de mortalidad,
un valor mayor a la media ya sea de la variable PIB per cápita o PNB per cápita hará que
la puntuación disminuya también, y se ajustarían al grupo 2. A manera de resumen se puede
afirmar que el grupo 1 de países pobres se caracteriza por una mayor tasa de natalidad,
menor tasa de mortalidad, menor PIB per cápita y menor PNB per cápita mientras que el
grupo 2 de países ricos mantiene una menor tasa de natalidad, mayor tasa de mortalidad,
mayor PIB per cápita y mayor PNB per cápita.
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
199
Tabla 2
Coeficientes estandarizados de las funciones discriminantes canónicas
Función 1
Tasa de natalidad
,845
Tasa de mortalidad
-,116
PIB per cápita
-,081
PNB per cápita
-,299
Nota. Se presenta los coeficientes estandarizados
Tabla 3
Funciones en los centroides de los grupos
D1
Función
1
Países pobres
1,199
Países ricos
-,954
Nota. Los puntos medios de cada grupo clasificado
En la Tabla 4 se puede apreciar que las variables PNB per cápita y PIB per cápita mantienen
una alta correlación con la función discriminante a pesar de que ambas no tienen tanto peso
en la función como la tasa de natalidad. Por otro lado, se confirma la poca relación entre la
variable MR y la función discriminante, al igual que su poca importancia en ella.
Tabla 4
Matriz de estructura
Función
1
Tasa de natalidad
PNB per cápita
PIB per cápita
Tasa de mortalidad
,927
-,601
-,583
,089
Nota. Valores de clasificación de la función
Tabla 5
Coeficientes de la función de clasificación
D1
1
2
Tasa de natalidad
,507
,271
Tasa de mortalidad
,691
,772
PIB per cápita
-3,696E-6
9,577E-6
PNB per cápita
8,827E-5
,000
(Constante)
-11,503
-7,408
Nota. Funciones discriminantes lineales de Fisher
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
200
Finalmente, se llega a determinar que los países pobres están correctamente clasificados en
un 87,8% mientras que los países ricos en un 86%. En total, la función discriminante
consigue clasificar correctamente el 86,8% de los casos. De acuerdo con el recuento y a los
grupos de pertenencia pronosticados, de los 74 países del grupo 1, 9 pasarían al grupo 2.
Por otro lado, de los 93 países existentes en el grupo 2, 13 pasarían al grupo 1. En otras
palabras, después de la reclasificación, el grupo 1 pasaría de estar conformado por 74 países
a estar conformado por 78, mientras que el grupo 2 pasaría de 93 a 89. Es importante
destacar que la validación cruzada (aquella validación que deja a cada caso fuera del cálculo
de la función discriminante) es bastante similar a la clasificación original.
En definitiva, de acuerdo con los grupos y a su reclasificación, en las Tablas 6 y 7 se puede
notar un gran cambio al evaluarse el promedio de las variables independientes entre el antes
y el después del análisis discriminante. Luego del análisis, se puede notar un incremento
del PNB per cápita tanto en el grupo 1 como en el grupo 2 y, por consiguiente, el PIB per
cápita tuvo el mismo comportamiento. Sin embargo, la tasa de natalidad y de mortalidad
no procedió de la misma manera. Por su lado, la tasa de natalidad aumentó en el grupo 1
mientras que disminuyó en el grupo 2. Por otro lado, la tasa de mortalidad disminuyó en el
grupo 1 mientras que aumento en el grupo 2. En otras palabras, luego del análisis
discriminante, la tasa de natalidad en los países pobres aumentó mientras que la tasa de
mortalidad disminuyó. Por otro lado, los países ricos tuvieron una menor tasa de natalidad
mientras que la tasa de mortalidad aumentó. Por consiguiente, se puede concluir que una
de las características que define a los países pobres es su alta tasa de natalidad y su baja
tasa de mortalidad, mientras que en los países ricos sucede lo opuesto (se caracterizan por
una baja tasa de natalidad y una alta tasa de mortalidad).
Tabla 6
Medias de variables independientes antes del análisis discriminante
Media
PNB per cápita
BR
MR
PIB per cápita
Grupo 1
1684,72
30,50
8,77
1082,57
Grupo 2
22647,31
15,09
8,13
17531,04
Medias de variables independientes después del análisis discriminante
Media
PNB per cápita
BR
MR
PIB per cápita
Grupo 1
2397,68
31,55
8,51
1594,87
Grupo 2
22964,60
13,43
8,28
17821,31
Nota. Comparación de las medias de las variables independientes antes y después de la clasificación
4. Conclusiones
Luego de analizar la relación entre las variables independientes con los niveles de pobreza,
el modelo que ayudó a reclasificar a los países en pobres y ricos fue robusto y satisfactorio.
Los países pobres se caracterizaron por una tasa de natalidad elevada, una baja tasa de
mortalidad, bajo PIB per cápita al igual que un bajo PNB per cápita. Por otro lado, los
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
201
países ricos se caracterizaron por una menor tasa de natalidad, una mayor tasa de
mortalidad, un alto PIB per cápita y un alto PNB per cápita.
Por consiguiente, de alguna u otra forma, la teoría de Malthus reivindica la pobreza y el
crecimiento como las dos características esenciales de las sociedades humanas. (Hoffman,
2013). La aceptación del modelo maltusiano como estadísticamente robusto justifica hasta
cierto punto las políticas adoptadas por ciertos países en lo que concierne a la disminución
de su tasa de natalidad. Sin embargo, si bien las tasas de crecimiento poblacional en la
actualidad han disminuido en comparación con las apreciadas por Malthus, el consumo de
recursos ha aumentado considerablemente, en especial debido a las necesidades energéticas
del presente siglo (Zapiain, 2003). Es por ello que, al pertenecer a una era consumista, los
recursos deben de ser correctamente utilizados para que su distribución genere bienestar
social en cada rincón del mundo. Sin embargo, la pasividad humana y política al tratar con
temas como el de la pobreza ha permitido que la brecha entre ricos y pobres se expanda.
Por ello, es relevante tener en cuenta que el crecimiento económico no es progreso si la
pobreza se mantiene constante.
Entre las limitaciones del presente artículo se destacan que no todos los países a nivel
mundial presentan sus datos a organizaciones internacionales como la ONU o el BM,
resultando en una muestra únicamente de 168 países. Otra importante limitante del artículo
es que la relación entre la tasa de mortalidad y pobreza no resulta significativa, lo cual
puede estar afectado directamente con la limitante anteriormente mencionada.
Por otro lado, las recomendaciones que se pueden brindar hacia la elaboración de nuevos
artículos consisten en la posible clasificación de los países por regiones o continentes con
la finalidad de determinar si la bondad de ajuste del modelo incrementa al trabajar con una
muestra de un mismo espacio geográfico. De igual manera, sería recomendable la inclusión
de nuevas variables explicativas como la empleabilidad, que ayude a determinar la relación
con el nivel de pobreza de manera más certera.
Referencias bibliográficas
AAG Center of Global Geography Education. (2011). Módulo sobre población y recursos naturales:
Marco conceptual. Obtenido de http://www.aag.org/cs/cgge
Agénor, P.-R. (February de 2002). Macroeconomic Adjustment and the Poor: Analytical Issues and
Cross-Country Evidence. The World Bank Review, 1-88.
Anyanwu, J. (2014). Determining the correlates of poverty for inclusive growth in Africa. European
Economics Letters, 3(1), 12-17.
Avendaño, I. (2007). Malthus y la anticoncepción de hoy. Revista Reflexiones, 86 (2), 9-25.
Balza, V. (Diciembre de 2013). La espiral viciosa de la pobreza. Revista Clío América, VII(14), 170-
176.
Banco Mundial. (s.f.). Datos del Banco mundial. Obtenido de http://datos.bancomundial.org/
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
202
Batana, Y. (2013). Multidimensional Measurement of Poverty Among women in Sub-Saharan
Africa. Social Indicators Researchs, 337-362. doi:10.1007/s11205-013-0251-9
Bogue, D. (1969). Principles of demography. New York: John Wiley and Sons.
Boyfield, K., & Ali, I. (Junio de 2011). Mo deling the Pre-Industrial Roots of Modern Super-
Exponential Population Growth. World Economics, 12(2), 65-86.
Canales, R., Corcuera, S., Elizondo, A., Gutierrez, I., & Urbina, D. (Marzo de 2011).
FECUNDIDAD Y CRECIMIENTO ECONÓMICO EN MÉXICO. Obtenido de
http://ree.economiatec.com/A3N1/207355.pdf
CEPAL. (2014). Panorama Social de América Latina, 2014. Obtenido de
http://repositorio.cepal.org/bitstream/handle/11362/37626/S1420729_es. pdf?sequence=6
Cinnirella, F., Klemp, M., & Weisdof, J. (Octubre de 2013). Malthus in the Bedroom: Birth Spacing
as a Preventive Check. Centre for Competitive Advantage in the Global Econo my, 1-21.
Cortés, J., Romero, J ., Rosello, M., & Villanueva, R. (14 de Febrero de 2015). Modelos continuos
de crecimiento: del modelo exponencial a l modelo. Obtenido de
https://riunet.upv.es/bitstream/handle/10251/30892/Modelos%20continuos%20de%20cre
cimiento%20Malthus.pdf?sequence=1
Crook, N. (1996). Population and Poverty in Classical Theory: Testing a Structural Model for India.
Population studies, 173-185.
Crook, N. (1996). Population and Poverty in Classical Theory:Testing a Structural Model for India.
Population studies, 173-185.
De Muro, P., Mazziota, M., & Pareto, A. (2011). Composite Indices of Development and Poverty:
An application to the Millenium De velopment Goals. Social Indicators Researchs, 1-18.
doi:10.1007/s11205-010-9727-z
Doğruyol, A. (2013). Population in the classic economics. International Journal of Human Sciences,
X(1), 469-457.
Dorn, H. (26 de Enero de 1962). World population growth: An international dilemma. Science,
135(3500), 283-290. Obtenido de http://eclectic.ss.uci.edu/SF/DornOnFoerster.pdf
Foerster, H., Mora, P., & Amiot, L. (1960). Doomsday. Science, 1291 -1296.
Haack, L., & Katul, G. (2013). Fifty years to prove Malthus right. Proceeding s of the National
Academy of Sciences, 110(11), 4160-4163.
Hernández, M. (2014). Tendencia de la fecundidad en Cuba, sus principales causas y consecuencias.
Revista Cubana de Salud Pública, 40(2), 1-105.
Hoffman, K. (2013). Beyond the principle of population: Malthus’s. History of Economic Thought,
20(3), 399-425. doi:10.1080/09672567.2012.654805
Kenny, C. (may de 2010). Is Anywhere Stuck in a Malthusian Trap? KYKOS, 63(2), 192-205.
Klemp, M., & Moller, N. (23 de Enero de 2015). Post-Malthusian Dynamics in Pre-Industrial
Scandinavia. 1-133.
Laffargue, J. (2012). Epidemics and Fertility in a Malthusian Economy. Mathematical Population
Studies, 19, 4-26.
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
203
Lee, J., & Fe ng, W. (2000). Malthusian Models and Chinese Realities: The Chinese Demographic
System 1700-2000. Population & Development Review, 25(1), 33-65.
Malthus, T. (2013). An Essay on the Principle of Population. Cosimo Inc.
Meadows, D. (1972). Límites del crecimiento. New York: Universe Books.
Meeks, T. (1992). THE EFFECT OF POPULATION GROWTH UPON THE QUANTITY OF
EDUCATION CHILDREN RECEIVE: A COMMENT. Review Of Economics & Statistics,
248-353.
Nefedov, S. (2013). Modeling Malthusian Dynamics in Pre-Industrial Societies. The Journal of
Theoretical and Mathematical History, 229-240.
Organización de Naciones Unidas. (2013). Data. Obtenido de http://hdr.undp.org/en/data
Pérez, J. (1 de Septiembre de 200 8). Factores relevantes en la medición de pobreza y el desarrollo
humano. Revista de Economía Mundial, 183-197. doi:1576-0162
Salama, P. (2008). Pobreza: ¿una salida del túnel? Espiral, Estudios sobre Estado y Sociedad,
15(43), 151-178.
Sarmiento, S. (2010). Pobreza: Dos siglos de fracasos. México D.F.
Schoijet, M. (septiembre de 2005). La recepción e impacto de las ideas de Ma lthus sobre la
población. Red d e Revistas Científicas de América Latina, el Caribe, España y Portugal,
569-604. Obtenido de http://www.redalyc.org/articulo.oa?id=31220305
Smith, A. (1776). Investigación sobre la naturaleza y causas de la riqueza de las naciones. Obtenido
de https://www.marxists.org/espanol/smith_adam/1776/riqueza/smith-tomo1.pdf
Smith, D. (1977). Human population growth: stability or explosion? Mathematics Magazine, 50(4),
186-203.
Stutz, J. (2014). Modeling the Pre-Industrial Roots of Modern SuperExponential. PlosONE, 9(8), 1-
15. doi:10.1371/journal.pone.0105291
Suweis, S., Rinaldo, A., Maritan, A., & D’Odorico, P. (2013) . Water-controlled wealth of nations.
Proceedings of the National Academy of Sciences, 4230-4234.
United Nations Development Programme. (28 de Febrero de 2015). Human Development Index
(HDI). Obtenido de http://hdr.undp.org/en/content/human-development-index- hdi
Vega, M. (2014). Tendencia de la fecundidad en Cuba, sus principales causas y consecuencias.
Revista Cubana de Salud Pública, 40(2), 190-200. Obtenido de http://scielo.sld.cu
Weil, D., & Wilde, J. (2009). How relevant is Malthus for economic development today? American
Economic Review: Papers & Proceedings, 99(2).
Zapiain, M. (2003). Los límites del crecimiento: informe al Club de Roma sobre el predicamento de
la Humanidad. Obtenido de http://habitat.aq.upm.es/gi/mve/daee/tmzapiain.pdf
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
204
Apéndice 1
Grupo 1 (países pobres) basado en el PNB de la Clasificación Atlas Banco Mundial
PAISES
D1
INB
BR
MR
PIBp
Afganistán
1
690
34
8
415
Angola
2
5170
44
14
2738
Albania
2
4510
13
7
3916
Armenia
1
3800
14
9
2310
Antigua and Barbuda
2
13050
16
6
11481
Australia
2
65400
13
6
37492
Austria
2
50390
9
9
41217
Azerbaiyán
2
7350
18
6
3253
Burundi
1
260
45
13
155
Belgium
2
46340
11
10
37601
Benin
1
790
36
9
583
Burkina Faso
1
750
41
11
522
Bangladesh
1
1010
20
6
621
Bulgaria
2
7360
9
14
4808
Bahamas, The
2
21570
15
6
20747
Bosnia and
Herzegovina
2
4780
9
10
3404
Belarus
2
6730
13
13
4914
Belize
2
4510
23
4
4104
Bolivia
1
2550
26
7
1323
Brazil
2
11690
15
6
5823
Bhutan
1
2330
20
7
1977
Botswana
2
7770
24
17
7027
Central African
Republic
1
320
34
15
283
Canada
2
52210
11
7
37529
Switzerland
2
90680
10
8
59009
Chile
2
15230
14
6
9728
China
2
6560
12
7
3583
Cote d'Ivoire
1
1450
37
14
1079
Cameroon
1
1290
37
12
989
Congo, Rep.
1
2590
38
10
1961
Colombia
2
7590
19
6
4394
Comoros
1
840
35
9
613
Cabo Verde
1
3620
20
5
2739
Costa Rica
2
9550
15
4
5839
Caribbean small states
2
9285
16
7
7585
Cyprus
2
25210
11
7
20517
Czech Republic
2
18970
10
10
14648
Germany
2
47250
9
11
39205
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
205
Denmark
2
61670
10
9
47220
Dominican Republic
2
5770
21
6
4884
Algeria
2
5330
24
6
3244
Ecuador
2
5760
21
5
3701
Egypt, Arab Rep.
1
3140
23
6
1567
Eritrea
1
490
37
7
197
Spain
2
29940
9
8
25150
Estonia
2
17780
10
12
12057
Ethiopia
1
470
33
8
295
Finland
2
48820
11
10
39090
Fiji
2
4370
20
7
3825
France
2
43520
12
9
35668
Micronesia, Fed. Sts.
1
3280
24
6
2341
Gabon
2
10650
32
9
6938
United Kingdom
2
41680
12
9
40225
Georgia
1
3560
13
12
2160
Ghana
1
1770
31
9
769
Guinea
1
460
37
11
307
Gambia, The
1
500
43
10
450
Guinea-Bissau
1
590
37
13
433
Equatorial Guinea
2
14320
35
13
12280
Greece
2
22690
9
10
18229
Grenada
2
7490
19
7
6401
Guatemala
1
3340
31
5
2341
Guyana
1
3750
20
7
1336
Hong Kong SAR,
China
2
38420
8
6
33534
Honduras
1
2180
26
5
1577
Croatia
2
13420
9
12
10556
Haiti
1
810
26
9
473
Hungary
2
13260
9
13
11434
Indonesia
1
3580
19
6
1810
India
1
1570
20
8
1190
Ireland
2
43090
15
7
47257
Iran, Islamic Rep.
2
5780
19
5
3132
Iraq
2
6720
31
5
2518
Iceland
2
46290
13
7
59061
Israel
2
33930
21
5
24340
Italy
2
35620
9
10
29212
Jordan
2
4950
27
4
2855
Japan
2
46330
8
10
37573
Kazakhstan
2
11550
23
8
5425
Kenya
1
1160
35
8
632
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
206
Kyrgyz Republic
1
1210
27
6
625
Cambodia
1
950
26
6
709
Kiribati
1
2620
23
6
1176
Korea, Rep.
2
25920
9
5
23893
Kosovo
1
3940
18
7
2788
Lao PDR
1
1450
27
6
752
Lebanon
2
9870
13
4
7241
Liberia
1
410
35
9
299
St. Lucia
2
7060
15
7
5652
Sri Lanka
1
3170
18
7
2004
Lesotho
1
1500
27
15
974
Lithuania
2
14900
10
14
10544
Luxembourg
2
69880
11
7
79509
Latvia
2
15290
10
14
8866
Morocco
1
3020
23
6
2531
Moldova
1
2470
12
14
1136
Madagascar
1
440
35
7
271
Maldives
2
5600
22
3
4926
Mexico
2
9940
18
5
8519
Macedonia, FYR
2
4870
11
10
3577
Mali
1
670
47
13
476
Malta
2
20980
10
8
16732
Montenegro
2
7250
12
10
4689
Mongolia
1
3770
23
7
1796
Mozambique
1
610
39
14
433
Mauritania
1
1060
34
9
681
Mauritius
2
9570
11
8
6879
Malawi
1
270
40
11
264
Malaysia
2
53350
12
5
6998
Namibia
2
5870
26
7
4565
Niger
1
400
50
11
291
Nigeria
1
2710
41
13
1056
Nicaragua
1
1790
23
5
1367
Netherlands
2
20621
13
8
42893
Norway
2
102700
12
8
65240
Nepal
1
730
21
7
409
New Zealand
2
38896
12
7
29334
Pakistan
1
1360
25
7
790
Panama
2
10700
19
5
7740
Peru
2
6270
20
5
4110
Philippines
1
3270
24
6
1581
Palau
2
10970
13
11
9558
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
207
Papua New Guinea
1
2020
29
8
1121
Poland
2
13240
10
10
10786
Puerto Rico
2
19210
11
8
19696
Portugal
2
21270
8
10
18215
Paraguay
1
3460
25
6
1929
Qatar
2
86790
11
1
59894
Romania
2
9050
9
12
6067
Russian Federation
2
13850
13
13
6923
Rwanda
1
630
35
7
401
South Asia
1
1483
21
8
1077
Saudi Arabia
2
26260
19
3
18060
Sudan
1
1550
33
8
771
Senegal
1
1050
38
8
796
Singapore
2
54040
9
5
36898
Solomon Islands
1
1600
31
6
1113
Sierra Leone
1
660
37
17
410
Serbia
1
1686
38
14
4304
Sao Tome and
Principe
1
1470
34
7
988
Suriname
2
9370
18
7
4569
Slovak Republic
2
17810
10
10
15371
Slovenia
2
23220
10
9
18639
Sweden
2
61710
12
9
45551
Chad
1
1030
46
14
744
Togo
1
530
36
11
424
Thailand
2
5340
10
8
3438
Tajikistan
1
990
33
7
481
Tonga
2
4490
25
6
2662
Trinidad and Tobago
2
15760
14
10
14370
Tunisia
2
4200
20
6
3981
Turkey
2
10970
17
6
8723
Tanzania
1
860
39
9
487
Uganda
1
600
43
9
418
Ukraine
2
7604
15
15
2138
Uruguay
2
15180
14
9
7809
United States
2
53470
13
8
45710
Uzbekistan
1
1880
23
5
899
St. Vincent and the
Grenadines
2
6460
16
7
5512
Vietnam
1
1740
16
6
1029
Vanuatu
1
3130
27
5
2092
West Bank and Gaza
2
10683
19
3
1449
Samoa
1
3970
26
5
2685
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
208
Yemen, Rep.
1
1330
31
7
742
South Africa
2
7410
21
13
6090
Congo, Dem. Rep.
1
430
43
15
288
Zambia
1
1810
43
10
1054
Apéndice 2
Grupo 2 (países ricos) basado en el PNB de la Clasificación Atlas Banco
Mundial
Países
D1
PNB per
cápita
Tasa de
natalidad
Tasa de
mortalidad
PIB per
cápita
Angola
2
5170
44
14
2738
Albania
2
4510
13
7
3916
Antigua and
Barbuda
2
13050
16
6
11481
Australia
2
65400
13
6
37492
Austria
2
50390
9
9
41217
Azerbaijan
2
7350
18
6
3253
Belgium
2
46340
11
10
37601
Bulgaria
2
7360
9
14
4808
Bahamas,
The
2
21570
15
6
20747
Bosnia and
Herzegovina
2
4780
9
10
3404
Belarus
2
6730
13
13
4914
Belize
2
4510
23
4
4104
Brazil
2
11690
15
6
5823
Botswana
2
7770
24
17
7027
Canada
2
52210
11
7
37529
Switzerland
2
90680
10
8
59009
Chile
2
15230
14
6
9728
China
2
6560
12
7
3583
Colombia
2
7590
19
6
4394
Costa Rica
2
9550
15
4
5839
Caribbean
small states
2
9285
16
7
7585
Cyprus
2
25210
11
7
20517
Czech
Republic
2
18970
10
10
14648
Germany
2
47250
9
11
39205
Denmark
2
61670
10
9
47220
Dominican
Republic
2
5770
21
6
4884
Algeria
2
5330
24
6
3244
Ecuador
2
5760
21
5
3701
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
209
Spain
2
29940
9
8
25150
Estonia
2
17780
10
12
12057
Finland
2
48820
11
10
39090
Fiji
2
4370
20
7
3825
France
2
43520
12
9
35668
Gabon
2
10650
32
9
6938
United
Kingdom
2
41680
12
9
40225
Equatorial
Guinea
2
14320
35
13
12280
Greece
2
22690
9
10
18229
Grenada
2
7490
19
7
6401
Hong Kong
SAR, China
2
38420
8
6
33534
Croatia
2
13420
9
12
10556
Hungary
2
13260
9
13
11434
Ireland
2
43090
15
7
47257
Iran, Islamic
Rep.
2
5780
19
5
3132
Iraq
2
6720
31
5
2518
Iceland
2
46290
13
7
59061
Israel
2
33930
21
5
24340
Italy
2
35620
9
10
29212
Jordan
2
4950
27
4
2855
Japan
2
46330
8
10
37573
Kazakhstan
2
11550
23
8
5425
Korea, Rep.
2
25920
9
5
23893
Lebanon
2
9870
13
4
7241
St. Lucia
2
7060
15
7
5652
Lithuania
2
14900
10
14
10544
Luxembourg
2
69880
11
7
79509
Latvia
2
15290
10
14
8866
Maldives
2
5600
22
3
4926
Mexico
2
9940
18
5
8519
Macedonia,
FYR
2
4870
11
10
3577
Malta
2
20980
10
8
16732
Montenegro
2
7250
12
10
4689
Mauritius
2
9570
11
8
6879
Malaysia
2
53350
12
5
6998
Namibia
2
5870
26
7
4565
Netherlands
2
20621
13
8
42893
Norway
2
102700
12
8
65240
New Zealand
2
38896
12
7
29334
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
210
Panama
2
10700
19
5
7740
Peru
2
6270
20
5
4110
Palau
2
10970
13
11
9558
Poland
2
13240
10
10
10786
Puerto Rico
2
19210
11
8
19696
Portugal
2
21270
8
10
18215
Qatar
2
86790
11
1
59894
Romania
2
9050
9
12
6067
Russian
Federation
2
13850
13
13
6923
Saudi Arabia
2
26260
19
3
18060
Singapore
2
54040
9
5
36898
Suriname
2
9370
18
7
4569
Slovak
Republic
2
17810
10
10
15371
Slovenia
2
23220
10
9
18639
Sweden
2
61710
12
9
45551
Thailand
2
5340
10
8
3438
Tonga
2
4490
25
6
2662
Trinidad and
Tobago
2
15760
14
10
14370
Tunisia
2
4200
20
6
3981
Turkey
2
10970
17
6
8723
Ukraine
2
7604
15
15
2138
Uruguay
2
15180
14
9
7809
United States
2
53470
13
8
45710
St. Vincent
and the
Grenadines
2
6460
16
7
5512
West Bank
and Gaza
2
10683
19
3
1449
South Africa
2
7410
21
13
6090
Visión Empresarial N° 7
Escuela de Administración de Empresa y Marketing
TASA DE NATALIDAD Y EL INGRESO COMO DETERMINANTES DE LA POBREZA
Enero – Diciembre 2017
Christian Rosero y Juan León Palacios (Universidad Espíritu Santo - Ecuador)
Visión Empresarial Nº 7; pp: 189 – 211; ISSN 1390-6852; LATINDEX 22989
211
Apéndice 3
Estadísticos de grupos
Variables por
grupo
Media
Desviación
típica
No ponderados
Ponderados
1
Tasa de
natalidad
30,45
8,897
74
74,000
Tasa de
mortalida
d
8,71
3,131
74
74,000
PIB per
cápita
1082,61
804,619
74
74,000
PNB per
cápita
1684,72
1135,381
74
74,000
2
Tasa de
natalidad
15,09
6,586
93
93,000
Tasa de
mortalida
d
8,13
3,056
93
93,000
PIB per
cápita
17531,04
17529,266
93
93,000
PNB per
cápita
22647,31
21666,961
93
93,000
Total
Tasa de
natalidad
21,90
10,838
167
167,000
Tasa de
mortalida
d
8,39
3,094
167
167,000
PIB per
cápita
10242,52
15419,018
167
167,000
PNB per
cápita
13358,50
19231,139
167
167,000
Apéndice 4
PNB per cápita a nivel mundial al año 2013
20
Fuente: Banco Mundial
20 Figura extraída de http://www.targetmap.com/viewer.aspx?reportId=26468
Accede a todo el contenido con una prueba gratuita de 7 días
Transforma tu investigación jurídica con vLex
-
Accede a resúmenes de sentencias generados por IA, que destacan al instante los aspectos jurídicos clave.
-
Realiza búsquedas avanzadas con opciones precisas de filtrado y ordenamiento.
-
Consulta contenido jurídico completo de más de 100 jurisdicciones, incluyendo una amplia colección de libros y revistas a texto completo.
-
Disfruta de funcionalidades exclusivas como comparador de versiones de una ley, notas de vigencia, análisis de citas, y mucho más.
-
Con la confianza de más de 2 millones de profesionales, incluidas las firmas más importantes del mundo.
Accede a todo el contenido con una prueba gratuita de 7 días
Transforma tu investigación jurídica con vLex
-
Accede a resúmenes de sentencias generados por IA, que destacan al instante los aspectos jurídicos clave.
-
Realiza búsquedas avanzadas con opciones precisas de filtrado y ordenamiento.
-
Consulta contenido jurídico completo de más de 100 jurisdicciones, incluyendo una amplia colección de libros y revistas a texto completo.
-
Disfruta de funcionalidades exclusivas como comparador de versiones de una ley, notas de vigencia, análisis de citas, y mucho más.
-
Con la confianza de más de 2 millones de profesionales, incluidas las firmas más importantes del mundo.
Accede a todo el contenido con una prueba gratuita de 7 días
Transforma tu investigación jurídica con vLex
-
Accede a resúmenes de sentencias generados por IA, que destacan al instante los aspectos jurídicos clave.
-
Realiza búsquedas avanzadas con opciones precisas de filtrado y ordenamiento.
-
Consulta contenido jurídico completo de más de 100 jurisdicciones, incluyendo una amplia colección de libros y revistas a texto completo.
-
Disfruta de funcionalidades exclusivas como comparador de versiones de una ley, notas de vigencia, análisis de citas, y mucho más.
-
Con la confianza de más de 2 millones de profesionales, incluidas las firmas más importantes del mundo.
Accede a todo el contenido con una prueba gratuita de 7 días
Transforma tu investigación jurídica con vLex
-
Accede a resúmenes de sentencias generados por IA, que destacan al instante los aspectos jurídicos clave.
-
Realiza búsquedas avanzadas con opciones precisas de filtrado y ordenamiento.
-
Consulta contenido jurídico completo de más de 100 jurisdicciones, incluyendo una amplia colección de libros y revistas a texto completo.
-
Disfruta de funcionalidades exclusivas como comparador de versiones de una ley, notas de vigencia, análisis de citas, y mucho más.
-
Con la confianza de más de 2 millones de profesionales, incluidas las firmas más importantes del mundo.
Accede a todo el contenido con una prueba gratuita de 7 días
Transforma tu investigación jurídica con vLex
-
Accede a resúmenes de sentencias generados por IA, que destacan al instante los aspectos jurídicos clave.
-
Realiza búsquedas avanzadas con opciones precisas de filtrado y ordenamiento.
-
Consulta contenido jurídico completo de más de 100 jurisdicciones, incluyendo una amplia colección de libros y revistas a texto completo.
-
Disfruta de funcionalidades exclusivas como comparador de versiones de una ley, notas de vigencia, análisis de citas, y mucho más.
-
Con la confianza de más de 2 millones de profesionales, incluidas las firmas más importantes del mundo.
