Modelo longitudinal de ecuaciones estructurales: un análisis de la pobreza multidimensional en la Argentina

Abstract

El objetivo central del presente trabajo desarrollar un modelo multidimensional de medición de la pobreza estructural en la Argentina, empleando datos de la Encuesta Permanente de Hogares (EPH) del Instituto Nacional de Estadísticas y Censos (INDEC). Se buscará identificar cuáles son las principales necesidades básicas que, al permanecer insatisfechas, lleven a una situación de pobreza estructural. Dado que estas variables no son directamente observables pueden considerarse como variables latentes (constructos) y se analizarán a través de las variables directamente observables (indicadoras) de la EPH. Para ello, se utilizará una metodología de Ecuaciones Estructurales (SEM) que permite proponer el tipo y dirección de las relaciones que se espera encontrar entre las diversas variables contenidas en el modelo, para pasar posteriormente a estimar los parámetros que vienen especificados por las relaciones propuestas a nivel teórico. Al permitir incluir errores de medida, tanto en las variables criterio (dependientes) como en las variables predictoras (independientes), resultan menos restrictivos que los modelos de regresión. Además, permiten realizar desarrollos longitudinales y medir las relaciones de dependencia de las variables latentes en el tiempo. En efecto, en este trabajo se realiza un análisis longitudinal de la pobreza ya que la estructura de solapamiento de la EPH permitió efectuar el seguimiento de los hogares presentes en la base para dos trimestres consecutivos. Luego de varias corridas de los modelos se estimó, por Máxima Verosimilitud, un ajuste con tres constructos vinculados a la situación laboral y social del jefe de hogar, las características sanitarias del hogar y a sus capacidades integrales. Se detectó, como era de esperar, una relación de dependencia entre la pobreza estructural medida en un momento de tiempo y el período posterior. Los indicadores de bondad de ajuste RMSEA, SRMR y CFI resultaron adecuados, tanto para los modelos transversales como para el modelo longitudinal.