Serie de documentos EPUE Nº1
PRIMER INFORME A PARTIR DE LOS DATOS DE LA ENCUESTA DEL PROYECTO DE UNIDAD EJECUTORA
“Inclusión social sostenible: innovaciones y políticas públicas en perspectiva regional”
1. Introducción y fuente de los datos
Este informe es parte del Proyecto de Unidad Ejecutora (PUE) que hemos llevado adelante un conjunto de investigadores y becarios desde el 2017 en el Instituto de Investigaciones Económicas y Sociales del Sur (IIESS), titulado Inclusión social sostenible: Innovaciones y políticas públicas en perspectiva regional, bajo la dirección de la Dra. Silvia London.
Este informe en particular presenta resultados sobre el primer objetivo de dicho proyecto, el cual es “Definir y caracterizar en la región de Bahía Blanca la población vulnerable y excluida”. El informe utiliza como fuente de datos una encuesta realizada en la ciudad de Bahía Blanca durante el mes de diciembre de 2021, titulada Encuesta de Proyecto de Unidad Ejecutora, EPUE-2021 de aquí en más.
Una encuesta como la EPUE-2021 no tiene precedentes en la ciudad por tres motivos. En primer lugar porque se logró un tamaño muestral que triplica al tamaño muestral típico de la Encuesta Permanente de Hogares (EPH), encuesta que es realizada por el INDEC a lo largo de los cuatro trimestres del año, y que hasta el momento ha sido la principal fuente de información de frecuencia regular sobre empleo y condiciones de vida de los hogares en nuestra ciudad (y en los principales aglomerados urbanos del país). A diferencia de los 300 a 500 hogares que se relevan en cada trimestre en la EPH, la EPUE-2021 logró relevar 1421 hogares de la ciudad, que suman un total de 4199 personas. En segundo lugar, la EPUE-2021 logró tener una excelente cobertura de los barrios más vulnerables de la ciudad. Así, la EPHUE-2021 es representativa de toda la población de la ciudad de Bahía Blanca.[1] En tercer lugar la EPUE-2021 indaga sobre una gran cantidad de variables socio-económicas y de condiciones de vida de las familias Bahienses, incluyendo por primera vez indicadores que no están incluidos en otras fuentes de datos de recolección habitual tales como el de seguridad alimentaria, situación habitacional, conocimiento y uso de instrumentos de financiación, redes sociales y gobierno abierto.
Por estos tres motivos la EPUE-2021 constituye una fuente de datos de enorme valor para el IIESS, pero especialmente para la ciudadanía de Bahía Blanca y los hacedores de política pública. Los datos recolectados por medio de la EPUE-2021 son el resultado de un gran esfuerzo y trabajo en conjunto de un grupo de investigadores y becarios doctorales cuyos nombres se detallan en la portada de este informe. Se trabajó primero en el diseño del formulario de la encuesta, y luego se trabajó en el proceso de recolección de los datos en campo (el cual tuvo que ser postergado por casi dos años por el contexto de pandemia). El trabajo de campo estuvo coordinado por la Dra. Valentina Viego. Los encuestadores fueron alumnos de distintas carreras de la Universidad Nacional del Sur. Los datos fueron luego digitalizados y verificados en términos de su consistencia.
El informe aquí presentado es el primero de una serie de informes y análisis que se irán publicando, focalizados en diferentes temas. Es intención del IIESS continuar realizando esta encuesta en el futuro, con una frecuencia de entre dos y tres años, para poder ofrecer un monitoreo de la evolución de los indicadores sociales de manera regular y sostenida en el tiempo.
En este informe se presentan las estimaciones de un Índice de Pobreza Multidimensional (IPM) que considera quince indicadores agrupados en cinco dimensiones esenciales del bienestar: Vivienda, Servicios Básicos, Alimentación y Salud, Educación, y Empleo y Seguridad Social. Este IPM expresa el primer Objetivo de Desarrollo Sostenible (ODS) definido por las Naciones Unidas en 2015 (UN, 2015): Poner fin a la pobreza, específicamente en su segunda meta. “Para 2030, reducir al menos a la mitad la proporción de hombres, mujeres y niños, y niñas de todas las edades que viven en la pobreza en todas sus dimensiones con arreglo a las definiciones nacionales.” A diferencia del IPM presentado en Santos (2018 y 2020) utilizando datos de la EPH, para la definición de este IPM se decidió trabajar con indicadores no-monetarios por tres motivos. En primer lugar, estos indicadores son más estables en el tiempo que el indicador de pobreza por ingresos; en un contexto de gran volatilidad económica como el actual, estos indicadores permiten captar situaciones de privación que, si bien naturalmente son influenciadas en el tiempo por carencias de ingreso, no están sujetas a modificaciones abruptas en breves períodos de tiempo. En segundo lugar, la recolección de información de ingresos presenta problemas significativos de no-respuesta y sub-declaración, problema mucho menor en la recolección de los indicadores no-monetarios. En tercer lugar, tener un IPM con indicadores no-monetarios permite realizar el cruce con la pobreza monetaria, pudiendo identificar de manera más clara situaciones de carencia de ambos tipos y apreciar mejor la complementariedad entre los dos tipos de mediciones. El informe presenta primero la metodología de medición utilizada, luego presenta los principales resultados y concluye con algunas observaciones finales de implicancias de política.
2. Metodología
En la Tabla 1 se describe el Indice de Pobreza Multidimensional (IPM) estimado en este Informe, el cual considera quince indicadores agrupados en cinco dimensiones del bienestar: Vivienda, Acceso a Servicios Básicos, Alimentación y Salud, Educación y Empleo y Seguridad Social. Las cinco dimensiones reciben igual ponderación en el índice. Dentro de cada dimensión hay dos o más indicadores los cuales reciben igual peso dentro de la dimensión.
Como se señaló, este IPM expresa el primer Objetivos de Desarrollo Sostenible (ODS) definidos por las Naciones Unidas en 2015. Pero además los indicadores que componen este IPM tienen estrecha relación con varios de los otros ODS, como se detalla al pie de la Tabla 1. Específicamente, la dimensión de Vivienda está contemplada dentro del ODS 11–Ciudades y Comunidades Sostenibles– cuya primera meta está específicamente referida a la vivienda. La dimensión de Servicios básicos está contemplada dentro de los ODS 6 –Agua Limpia y Saneamiento– y ODS 7 –Energía Asequible y No Contaminante. La dimensión de Alimentación y Salud se corresponde con el ODS 2 -Hambre Cero– y con el ODS 3 –Salud y Bienestar. La dimensión de Educación está vinculada con el ODS 4 –Educación de Calidad. Finalmente la dimensión de Empleo y Seguridad Social está vinculada con el ODS 8 -Trabajo Decente y Crecimiento Económico.
El IMP sigue la metodología general de medidas de pobreza multidimensional propuesta por Alkire y Foster (2011). Para calcular el IPM primero se determina si cada hogar está privado en cada indicador o no. Luego se suman las privaciones ponderadas de cada hogar. Este “puntaje de privaciones” se compara con un umbral de pobreza determinado, llamado k. Cuando el puntaje de privaciones del hogar es igual o mayor al umbral determinado, se identifica al hogar como multidimensionalmente pobre. Todas las personas que habitan en hogares identificados como multidimensionalmente pobres son consideradas pobres y de allí surgen las estimaciones en términos poblacionales.
En primer término, presentamos las tasas de privación a nivel individual de cada indicador. Luego presentamos las estimaciones de pobreza multidimensional para diferentes intensidades de pobreza, es decir, considerando diferentes umbrales k. A continuación, detallamos más resultados definiendo a un hogar como multidimensionalmente pobre cuando está privado en un 25% o más de los indicadores ponderados considerados. Con ese umbral del 25%, son considerados pobres los hogares que están privados en (el equivalente de) más de una dimensión completa, lo que se define como pobreza multidimensional intensa a severa.
El IPM es el producto de dos sub-índices muy informativos: la tasa de pobreza multidimensional (H) y la intensidad promedio de la pobreza multidimensional (A). La tasa de pobreza multidimensional es simplemente el porcentaje de personas que habitan en hogares identificados como multidimensionalmente pobres. La intensidad promedio de la pobreza multidimensional es el puntaje de privación promedio entre aquellos identificados en situación de pobreza multidimensional [2] El producto de ambos sub-indices es la tasa de pobreza ajustada por intensidad, que es el IPM.
Fuente: Elaboración propia. Nota: Los ODS con los cuales se relaciona cada dimensión son: ODS 11: Ciudades y Comunidades Sostenibles; ODS 6: Agua Limpia y Saneamiento; ODS 7: Energía Asequible y No Contaminante; ODS 2: Hambre Cero; ODS 3: Salud y Bienestar; ODS 4: Educación de Calidad; ODS 8: Trabajo Decente y Crecimiento Económico. Para más información sobre los ODS, sus metas e indicadores, véase: https://sdgs.un.org/es/goals.
3. Resultados
En esta sección se presentan las estimaciones de pobreza multidimensional. Varios de los resultados se presentan para el total de la ciudad y también discriminando dos tipos de barrios: barrios vulnerables y barrios no-vulnerables. La identificación de los barrios vulnerables fue realizada por la Secretaría de Estadísticas de la Municipalidad de Bahía Blanca (MBB) en el año 2019 a partir de un relevamiento del acceso a servicios en cada barrio de la ciudad (REVAB, 2019). Los barrios vulnerables, a su vez, fueron clasificados en barrios en situación “regular”, “mala” y “muy mala”. Las desagregaciones se presentan para el conjunto de barrios vulnerables (en todas sus categorías en conjunto), vs. los no-vulnerables, para poder tener un panorama más detallado de la situación socio-territorial de la ciudad. De acuerdo con nuestros datos, a diciembre de 2021, un 20% de la población de Bahía Blanca habitaba en barrios vulnerables.[3]
3.1 Tasas de privación por indicador a nivel individual
En la Tabla 2 se presentan las tasas de privación por indicador a nivel individual, en el total de la población de Bahía Blanca y discriminando entre barrios vulnerables y no-vulnerables. Se describen las privaciones en orden de magnitud de incidencia.
En la Tabla 2 puede verse que los dos indicadores con tasas de privación más altas son la falta de cobertura de salud (29% de la población) y la falta de aportes a la seguridad social (23% de los ocupados), ambos vinculados con la alta informalidad laboral. Le siguen en orden de incidencia el bajo logro educativo en la población adulta: el 18% de la población de 18 años y más no ha alcanzado un mínimo nivel educativo (umbrales detallados en la Tabla 1).
El déficit habitacional también es significativo en la ciudad: el 17% de las personas habitan en viviendas inadecuadas, sea porque son casillas o ranchos, o porque el piso es de ladrillo suelto, tablones u otro (tierra, por ejemplo), o porque la vivienda está afectada en más de la mitad por humedad, poca luz o peligro de derrumbe. Este indicador recolectado en la EPUE-2021 brinda una información que no está disponible en la Encuesta Permanente de Hogares (EPH), la cual sólo pregunta por tipo de vivienda y sus materiales. El haber podido captar el nivel de deterioro de las viviendas donde habita una fracción significativa de la población de Bahía Blanca es de mucho valor informativo para los hacedores de política.
A su vez, el 16% de la población (46.476 personas) se encuentra en una situación de inseguridad alimentaria moderada a severa, definida como hogares en donde, por falta de dinero u otros recursos, al menos uno de sus miembros comió menos de lo que debería comer, o se quedaron sin alimentos en el hogar, o sintieron hambre pero no comieron o, en el extremo, pasaron un día entero sin comer. De ese total de personas en hogares con inseguridad alimentaria moderada a severa, 17.387 son niños, niñas y adolescentes de 0 a 17 años de edad. Al igual que el de déficit habitacional, este indicador constituye un valor añadido de información estadística brindado por la EPUE-2021, ya que no está disponible en otras fuentes de datos de la ciudad. Para construirlo se utilizaron las 8 preguntas de la Escala FIES (Food Insecurity Experience Scale) propuesta y validada internacionalmente por la FAO (FAO, 2017).[4],[5]
También un 16% de la población habita en hogares con déficit de saneamiento, definido como hogares que no tienen baño, o que su baño es compartido con otro hogar, o en donde el baño está fuera del terreno, o el desagüe es solo a pozo ciego o a hoyo/excavación, o a otro.[6] La tenencia irregular de la vivienda afecta a un 10% de la población de la ciudad. También este indicador de la EPUE ha permitido indagar de manera mucho más precisa la situación de tenencia de la vivienda, considerando el hecho de que muchos hogares localizados en barrios vulnerables están desde 2016 en proceso de regularización de la tenencia de su vivienda.
A su vez, un 8% de la población habita en hogares con hacinamiento para dormir, definido como cuatro o más personas por cuarto para dormir, o bien que no disponen de un colchón por cada miembro o pareja. El hacinamiento es considerado un factor de riesgo para la salud física, mental y para el desarrollo infantil (Santos, 2019) y es indiscutiblemente un indicador de la necesidad de privacidad insatisfecha (Kaztman, 1995).[7]
También un 8% de la población cocina o se calefacciona con energías contaminantes tales como leña, kerosene o carbón, en tanto que un 7% no tiene acceso a electricidad, o bien tiene una conexión irregular, con los peligros que eso conlleva. También un 7% de la población de la ciudad de entre 18 y 65 años se encuentra desocupada o bien ya no busca trabajo por desaliento. A su vez, un 7% de los niños, niñas y adolescentes de entre 6 y 17 años que asisten a la escuela están rezagados en el nivel educativo con respecto a su edad (aproximadamente 3600 niños).
Los indicadores con menor incidencia de privación – 5% o menos– son agua, bienes durables, jubilación para los adultos mayores y asistencia escolar de los niños. Un 5% de la población accede al agua fuera de la vivienda o del terreno, o su fuente de agua no es ni de red ni de pozo con perforación, o bien tiene una conexión irregular al agua corriente. Un 4.4% de la población no tiene al menos un bien durable para cubrir necesidades en al menos dos de cinco aspectos de la vida diaria: cocina, refrigeración, lavado de ropa, conectividad (teléfono o computadora) y movilidad. Sólo un 3% de los niños, niñas y adolescentes de entre 4 y 17 años (aproximadamente 2000) no están asistiendo a la escuela. Sin embargo, cabe recordar la incidencia de rezago escolar entre quienes asisten a la escuela. Finalmente, sólo un 4% de los adultos mayores (aproximadamente 1400 adultos mayores) no percibe jubilación.
Cuando se compara la incidencia de cada privación entre barrios vulnerables y los barrios no-vulnerables se evidencian brechas muy significativas. La brecha más grande es en los adultos mayores que no perciben ningún tipo de jubilación, la incidencia de esta privación en los barrios vulnerables es más de 7 veces la incidencia en los barrios no-vulnerables. Luego, las mayores distancias se observan en términos de hacinamiento para dormir y -casi por definición de “barrio vulnerable”- en los servicios de electricidad, agua, energía y saneamiento. La incidencia de esas privaciones en los barrios vulnerables es entre 2.7 y 4.4 veces la incidencia de esas privaciones en los barrios no-vulnerables. La inseguridad alimentaria en barrios vulnerables es 2.7 veces la de los barrios no-vulnerables, así como el rezago escolar y la falta de cobertura de salud. La brecha en población ocupada que no realiza aportes jubilatorios en los barrios vulnerables vs. la de los no-vulnerables es similar a la brecha en déficit habitacional, de tenencia de la vivienda, y de posesión de bienes durables, con incidencias en los barrios vulnerables en torno a 1.8 veces las de los no-vulnerables. La brecha de incidencia de privación en logro educativo de los adultos y empleo es mucho menor y en términos de niños que no asisten a la escuela la incidencia es igual en ambos tipos de barrios. En síntesis, se observan privaciones con altas incidencias en las cinco dimensiones del bienestar consideradas y se advierte una segregación socio-espacial muy significativa, tal que en los barrios vulnerables los niveles de privación son varias veces los niveles de privación de los barrios no-vulnerables. Hasta aquí hemos analizado privaciones por separado y a nivel individual. Nos interesa ahora evaluar la situación de privaciones simultáneas o conjuntas en los hogares. Eso es lo que permiten los Índices de Pobreza Multidimensional: analizar los hogares que presentan varias carencias al mismo tiempo, lo cual los pone en una situación mucho más desfavorecida que aquellos que experimentan solo algunas privaciones.
3.2 Incidencia de diferentes grados de intensidad de pobreza multidimensional
En la Figura 1 se presenta la distribución del total de la población Bahiense que habita en hogares con diferentes intervalos de intensidad de pobreza multidimensional. Esta figura permite analizar las diferentes proporciones de población en hogares que experimentan grados crecientes de privaciones de manera simultánea. Para esta medición recuérdese que la unidad de identificación es el hogar, asumiendo efectos externos positivos y negativos.[8]
Un 56% de la población es considerada no-pobre desde una definición multidimensional: habitan en hogares que experimentan menos de un 15% del total de privaciones ponderadas. Es decir, el hogar experimenta ninguna privación o a lo sumo dos de las privaciones ponderadas con un 5% cada una, listadas en laTabla 1. Un 16% de la población, lo cual representan 47.355 personas, viven en hogares que están en pobreza multidimensional moderada. Los hogares de estas personas experimentan 15% o más pero menos del 25% de las privaciones consideradas. Por ejemplo, pueden estar privados en toda una dimensión, o en alguna combinación de indicadores, como por ejemplo, dos de vivienda y dos de servicios, o dos de vivienda y dos de educación, o dos de empleo y dos de educación. Otro 16% de la población se encuentra en una situación de pobreza multidimensional intensa. Este grupo habita en hogares que experimenta una alta intensidad de privaciones, en más de una dimensión completa. Finalmente, un 12% de la población, lo cual equivale a 35.516 personas, viven en pobreza multidimensional severa, sus hogares presentan 40% o más de las privaciones; es decir, están privados en al menos dos dimensiones completas del bienestar. Sumando a quienes experimentan pobreza multidimensional intensa y severa (es decir, con un umbral de pobreza de k=25%), podemos decir que, al segundo semestre de 2021, la tasa de pobreza multidimensional era del 28% de la población: 82.412 personas en Bahía Blanca habitan en hogares en pobreza multidimensional intensa o severa. La intensidad promedio de la pobreza es del 38%, es decir, en promedio los multidimensionalmente pobres experimentan privaciones en el equivalente de casi dos dimensiones completas. Así el IPM -la incidencia ajustada por intensidad- es del 11%. Estos resultados están sintetizados en la Figura 2.
A su vez, en la Tabla 3 se presenta la proporción de personas de cada grupo etario en cada tipo de pobreza multidimensional. Puede observarse que la incidencia de la pobreza multidimensional intensa y severa es mayor entre los menores de 18 años que entre los adultos de 18 a 64 años, y varias veces mayor que entre los adultos mayores. En particular, la incidencia de la pobreza multidimensional severa entre los niños, niñas y adolescentes de 0 a 17 años es 1.5 veces la incidencia de la pobreza entre los adultos, y 5.6 veces la incidencia entre los adultos mayores. Las tasas de incidencia reportadas en la Tabla 3 indican que 29.759 niños, niñas y adolescentes de entre 0 y 17 años de edad habitan en hogares en pobreza multidimensional intensa a severa; dentro de ese grupo, 14.000 niños, niñas y adolescentes están en hogares en pobreza multidimensional severa.
3.3 Pobreza y segregación socio-espacial
En la Figura 2 se presentan las estimaciones de pobreza multidimensional agregada y discriminando entre los barrios vulnerables y los barrios no-vulnerables. Si bien ya se observó que las tasas de privación de cada indicador en forma aislada son mayores en los barrios vulnerables, cuando se calcula el IPM para estos dos tipos de barrios, se advierte además que la incidencia de privaciones conjuntas es varias veces mayor en los barrios vulnerables que en los no-vulnerables: el IPM en los barrios vulnerables es 2.75 veces el de los barrios no-vulnerables. [9] Más de la mitad de la población de los barrios vulnerables habita en hogares multidimensionalmente pobres contra un 21% en los barrios no-vulnerables, y la intensidad de la pobreza en los barrios vulnerables es también más alta (y con una diferencia estadísticamente significativa). Este mismo tipo de segregación socio-espacial ha sido identificada también en el caso de la ciudad de Buenos Aires por Macció y Mitchell (2018).
Estos resultados reflejan dos cuestiones. En primer lugar, muestran la existencia de una significativa segregación socio-espacial, tal que los barrios vulnerables, a pesar de ser el hogar de solo un quinto del total poblacional, albergan a dos quintos del total de la población en pobreza multidimensional intensa a severa, como puede apreciarse en la Figura 3. En segundo lugar, si bien hay segregación territorial, al mismo tiempo, los resultados indican que fuera de los barrios vulnerables también hay personas en hogares multidimensionalmente pobres. Ambos puntos son importantes para el diseño de la política social municipal.
3.4 Composición de la pobreza multidimensional
En la Figura 4 se presenta la contribución relativa de cada privación al total de la pobreza multidimensional que experimentan los hogares de la ciudad e Bahía Blanca.[10] Los colores de cada grupo de indicadores en el gráfico se corresponden con los colores utilizados para cada dimensión. Allí puede observarse que la dimensión que más contribuye a la pobreza es la privación en salud con un 36% del total, en primer lugar por la falta de cobertura de salud pero también por la inseguridad alimentaria. Le sigue la dimensión de empleo y seguridad social, cuyas privaciones contribuyen con un 31% del total de la pobreza multidimensional, fundamentalmente por la falta de aportes a la seguridad social de una fracción significativa de los ocupados, y en segundo lugar por desocupación. Las carencias en la dimensión de vivienda y en la dimensión de servicios básicos contribuyen en partes iguales al total de la pobreza multidimensional moderada a intensa, con un 12% agregado cada dimensión. Finalmente, las privaciones en la dimensión de Educación contribuyen con un 8% al total de la pobreza multidimensional, siendo el nivel educativo insuficiente de los adultos la privación que más contribuye dentro de esta dimensión.
3.5 Pobreza multidimensional por tipo de hogar
Así como los barrios vulnerables tienen una incidencia de la pobreza multidimensional desproporcionada en relación con su contribución poblacional, lo mismo ocurre para ciertas composiciones de hogares. En la Figura 5 puede observarse que los hogares monoparentales con sostén femenino representan un 10% en el total poblacional y los hogares monoparentales con sostén masculino un 3%. Sin embargo, ambos tipos de hogares monoparentales representan el doble dentro de la población total en pobreza multidimensional intensa a severa (22% y 6% respectivamente). Es decir, la incidencia de pobreza en hogares monoparentales, y en particular en aquellos con sostén femenino es mucho mayor que la incidencia de pobreza multidimensional en hogares biparentales o sin menores de 18 años.
3.6 Pobreza monetaria versus multidimensional
Una pregunta natural es cómo se compara la pobreza monetaria con la pobreza multidimensional aquí estimada. Utilizando los datos de la EPH, INDEC (2022) estimó que la tasa de pobreza monetaria en Bahía Blanca para el segundo semestre de 2021 era del 30.9% de personas, y la indigencia del 6.7%. Utilizando esa misma fuente de datos, se estimaron los intervalos de confianza para la pobreza monetaria y la indigencia en Bahía Blanca y se observó que dicho intervalo es de 24% a 37% para la pobreza, y de 3.7% a 10.5% para la indigencia.[11] Es decir, la pobreza monetaria en el segundo semestre de 2021, de acuerdo con la EPH estaría entre un 24% y un 37% de la población, y la indigencia (un sub-grupo de la pobreza) entre 3.7% y 10.5%. Los amplios intervalos se deben, como se ha resaltado en informes previos (Santos, 2016, 2018, 2020), al tamaño muestral reducido con el que trabaja la EPH.
La EPUE-2021 indagó sobre las fuentes y montos de ingresos de los hogares. Sin embargo, hubo una alta tasa de no-respuesta a esta pregunta. A pesar de estas limitaciones, se pudo realizar una primera aproximación a las estimaciones de pobreza monetaria con esta fuente de datos combinando dos tipos de información. Por una parte, se trabajó con datos de una pregunta en la cual los hogares tenían que ubicarse en uno de 12 intervalos de ingreso (detallados en la Tabla 5 del Apéndice). A su vez, se utilizó información de una pregunta referida a las fuentes de ingreso, a partir de la cual se pudieron hacer imputaciones de ingresos de las fuentes conocidas tales como jubilación mínima, pensiones no-contributivas, Asignación Universal por Hijo, Tarjeta Alimentar, tarjeta social municipal y programas de becas. Con esa información, se realizó una primera estimación de pobreza monetaria que, aunque rudimentaria, está dentro del rango estimado por el INDEC. Los detalles técnicos de esta estimación, así como resultados de estimaciones alternativas están disponibles en el Apéndice de este informe.
Los datos de la EPUE-2021 sugieren una tasa de pobreza monetaria del 27% de la población y una tasas de indigencia del 7.7% de la población, ambos valores dentro de los rangos de las estimaciones de pobreza e indigencia del INDEC (2022). Si bien la estimación de pobreza monetaria del 27% es similar al 28% de la tasa de pobreza multidimensional, los hogares no coinciden totalmente. En la Tabla 4 se presentan las estimaciones de pobreza monetaria y pobreza multidimensional. Allí puede observarse que un 18% de la población (54.159 personas) es pobre por ingresos y también exhibe pobreza multidimensional intensa a severa. Sin embargo, un 10% de la población, aunque no es pobre por ingresos, es pobre de acuerdo con la medición multidimensional. Esto significa que (aproximadamente) un tercio de los pobres multidimensionales no son pobres por ingreso. Por otra parte, un 8% de la población está por debajo de la línea de pobreza pero no exhibe pobreza multidimensional. Este cruce realza la importancia y complementariedad de ambos tipos de estimaciones de pobreza.
4. Observaciones Finales
La información recolectada por medio de la Encuesta del Proyecto de Unidad Ejecutora del IIESS-UNS-CONICET en diciembre de 2021 ha permitido conocer de una manera más precisa las condiciones de vida de la población Bahiense, especialmente la de aquellos en situación de pobreza y/o vulnerabilidad. Los datos reflejan una situación social compleja y delicada en la que se entrelazan privaciones en diferentes dimensiones esenciales del bienestar que afectan de manera simultánea a 82.412 personas, de las cuales casi 30.000 son niños, niñas y adolescentes de entre 0 y 17 años de edad, 14.000 de ellos en pobreza multidimensional severa.
Las estimaciones presentadas constituyen una información útil para el diseño de política pública en varias áreas, tanto a nivel municipal como a nivel provincial y nacional. Se puntualizan aquí algunas cuestiones vinculadas fundamentalmente con la política municipal, que es aquella de mayor cercanía.
La alta incidencia de falta de cobertura de salud -indudablemente asociado a la precariedad laboral- realza la esencialidad de un sistema de salud pública que logre proveer a tiempo los cuidados de la salud de la población, y por ende subraya el rol social crítico que desempeñan las Unidades Sanitarias de Atención Primaria, el Hospital Municipal y el Hospital Provincial Inter-Zonal. La salud del 29% de la población de la ciudad depende de la atención que reciben en estos centros de salud, los cuales en la actualidad están atravesando grandes dificultades de diversa índole.
La incidencia de la inseguridad alimentaria moderada a severa observada –16% de la población– es también un dato alarmante. Esta incidencia es especialmente preocupante en tanto hay más de 17.000 menores de 18 años en esta situación. Dentro de ellos, debe ser de especial prioridad el grupo de niños y niñas en gestación y hasta los 2 años de edad, ya que hay sobrada evidencia respecto de que los primeros mil días de vida representan un período crítico en el desarrollo humano.[12] Esto pone de relieve la necesidad urgente de una política social municipal que reconozca y aborde el problema de inseguridad alimentaria en la ciudad, considerando programas de micronutrientes para los niños y niñas en situación de inseguridad alimentaria y otro tipo de refuerzos focalizados en los grupos más desfavorecidos. Sería deseable que este tipo de intervenciones estuvieran estructuradas en programas más comprehensivos dirigidos a la primera infancia, que contemplen un acompañamiento familiar a las familias en mayor estado de marginalidad.[13]
Las privaciones en la dimensión de empleo y seguridad social, si bien exceden el ámbito estrictamente municipal, convocan a re-pensar la posibilidad de implementar programas de entrenamiento y articulación para la inserción laboral. Las privaciones en la dimensión de vivienda y servicios reafirman déficits que se vienen señalando desde hace tiempo (Santos 2018, 2020, 2021), los cuales están especialmente concentrados en los barrios vulnerables de la ciudad. Por último, las privaciones en la dimensión de educación sugieren re-pensar de manera estratégica y articulada entre el gobierno municipal y el provincial mecanismos de refuerzo y acompañamiento escolar para intentar “llevar a la escuela” a los aproximadamente 2.000 niños, niñas y adolescentes de entre 4 y 17 años que están fuera del sistema, remediar los problemas de retraso educativo de 3.600 niños, niñas y adolescentes que están en el sistema, así como también mejorar retención de los estudiantes hasta finalizar los estudios, para ir reduciendo en el tiempo la privación en logro educativo de los adultos.
Los datos señalan también que Bahía Blanca es una ciudad que evidencia niveles de segmentación socio-espacial altos, algo que es perjudicial para el entramado social y la vida en comunidad. Sin embargo, también es un dato significativo el hecho de la pobreza multidimensional no se circunscribe a los barrio vulnerables. En relación con cuestiones de género, se observa también una incidencia de pobreza multidimensional en hogares monoparentales con sostén femenino que duplica su participación poblacional, elemento que también es de interés para la política pública.
A su vez, conviene resaltar la imperiosa necesidad de políticas interconectadas entre las diferentes dimensiones, y -por ende- secretarías de los organismos de gobierno, en la cual haya un diseño de las políticas mejor alineado con las necesidades de cada grupo poblacional y que priorice a los grupos con mayor intensidad de pobreza. El 12% de población en pobreza multidimensional severa (35.516 personas), constituye sin duda, un grupo prioritario, en el que hay que considerar políticas que aborden de manera integral las múltiples carencias experimentadas por estos hogares, especialmente la de aquellos con menores de 18 años. Le sigue en orden de urgencia el 16% de personas en hogares con pobreza multidimensional intensa (47.355 personas), también con especial énfasis en aquellos hogares con menores de edad. En síntesis, ante una situación socio-económica con altos niveles de pobreza multidimensional que requerirán de muchos años para poder ser revertidos, se requieren intervenciones urgentes, novedosas e interconectadas que permitan poner a la ciudad en marcha para el logro del primer objetivo de desarrollo sostenible.
5. Referencias
Albino, A. (2017). “Los cinco pasos para una gran nación”. Conferencia en la Academia Nacional de Ciencias Morales y Políticas, en sesión pública extraordinaria, 20 de septiembre de 2017.
Alkire, S. y Foster, J. (2011). “Counting and multidimensional poverty measurement”. Journal of Public Economics, 95, 476–487.
Behrman, J., J. Hoddinott, J. Maluccio y R. Martorell (2009). “Brains versus Brawn: Labor Market Returns to Intellectual and Health Human Capital in a Poor Developing Country”, WP 0907. Middlebury (EUA): Middlebury College, Department of Economics
Conti, G. y Heckman, J.J. (2012), “The Economics of Child Well-Being”, NBER Working Papers No 18466, National Bureau of Economic Research.
FAO (2017), “The Food Insecurity Experience Scale: Measuring food insecurity through people’s experiences”. FAO. https://www.fao.org/publications/card/es/c/2c7ce182-b76d-40bb-9fbe-59ba3c8394fc/
González, M. S., y Santos, M. E. (2019). “A Thousand Days -Aprogramme for vulnerable early childhood in Argentina: Targeting, dropout risk factors and correlates of time to graduation”. Child: Care, Health and Development. DOI: 10.1111/cch.13030
González, M. S., y Santos, M. E. (2019). Programas de acompañamiento familiar en la primera infancia: motivación y diseño: El Caso del Programa Mil Días. Asociación Argentina de Economía Política.
Hoddinott, J., J. R. Behrman, J. A. Maluccio, P. Melgar, A. R. Quisumbing, M. Ramirez-Zea, A. D. Stein, K. M. Yount y R. Martorell (2013). “Adult Consequences of Growth Failure in Early Childhood.” American Journal of Clinical Nutrition 98(5) (noviembre): 1170–78.
INDEC (2022), Incidencia de la pobreza y la indigencia en 31 aglomerados urbanos. Segundo semestre de 2021. Informes Técnicos. Vol 6, no 60. https://www.indec.gob.ar/uploads/informesdeprensa/eph_pobreza_03_22F5E124A94B.pdf
Kaztman, R. (1995). La medición de las necesidades básicas insatisfechas en los censos de población, LC/MVD/R.131. CEPAL. Montevideo. http://dds.cepal.org/infancia/guia-para-estimar-la-pobreza-infantil/bibliografia/capitulo-II/Kaztman%20Ruben%20(1995)%20La%20medicion%20de%20las%20necesidades%20basicas%20insatisfechas%20en%20los%20Censos%20de%20Poblacion.pdf
Linares, S. (2013), “Las consecuencias de la segregación socio-espacial: un análisis empírico en tres ciudades medias bonaerenses (Olavarría, Pergamino y Tandil)”. Cuaderno Urbano. Espacio, Cultura, Sociedad, Vol. 14, Nº 14: 5-30.
Macció, J. y Mitchell, A. (2018), “Same city, worlds apart: multidimensional poverty and residential segregation in Buenos Aires”. Anales de la Asociación Argentina de Economía Política https://repositorio.uca.edu.ar/handle/123456789/9376
MSDS. (2017). Ministerio de Salud y Desarrollo Social, Presidencia de la Nación, Integracion Sociourbana de Barrios Populares. Genesis, recorrido y futuro de una nueva politica de estado para Argentina. https://www.argentina.gob.ar/sites/default/files/integracion_socio_ urbana_de_barrios_populares.pdf
REBAV (2019). Relevamiento de Barrios Vulnerables. Oficina de Estadísticas Sociales de la Municipalidad de Bahía Blanca. Informe Interno.
Santos, M. E. (2016), “Pobreza por Ingresos en Argentina y Bahía Blanca: Estimaciones de referencia y cuestiones metodológicas”. Actualidad Económica Vol. 26 (89): 5-17.
Santos, M. E. (2018), Informe: Pobreza en Bahía Blanca 2004-2018. Documento de trabajo n°8. IIESS CONICET. Bahía Blanca.
Santos, M. E. (2019), “Indicadores no monetarios para el seguimiento de las metas 1.2 y 1.4 de los Objetivos de Desarrollo Sostenible: estándares, disponibilidad, comparabilidad y calidad”. Serie Estudios Estadísticos 99. CEPAL. https://www.cepal.org/es/publicaciones/44792-indicadores-monetarios-seguimiento-metas-12-14-objetivos-desarrollo-sostenible
Santos, M. E. (2020), Pobreza Multidimensional en Argentina y Bahía Blanca en tiempos del COVID – 19. Documento de trabajo n°14. IIESS CONICET. Bahía Blanca.
Santos, M. E., Napal, M. J., y Ramos, G. (2021), “Múltiples privaciones en un asentamiento urbano de Bahía Blanca durante el ASPO”. En London, S. Compiladora (2021) LA INVESTIGACIÓN EN CIENCIAS SOCIALES EN PANDEMIA, UN AÑO DESPUÉS. Documento de Trabajo Colectivo. IIESS CONICET. Bahía Blanca.
UN (2015), Transformar nuestro mundo: la Agenda 2030 para el Desarrollo Sostenible. https://www.un.org/ga/search/view_doc.asp?symbol=A/70/L.1&Lang=S.
[1] La encuesta no incluye a la localidad de Cabildo y tampoco las zonas rurales aledañas.
[3] Este porcentaje es el doble del porcentaje nacional de población que, de acuerdo con el Registro Nacional de Barrios Populares (RENABAP) (MDS, 2017), habita en barrios populares. Nótese sin embargo que de los 59 barrios identificados como vulnerables por la MBB (REBAV, 2019), sólo 17 están registrados en el RENABAP (https://www.argentina.gob.ar/desarrollosocial/renabap/tabla). Cuando sólo se consideran los barrios vulnerables en situación “mala” y “muy mala”, el porcentaje de la población de Bahía Blanca que reside en ellos es del 12%.
[4] Cabe señalar que las incidencias aquí reportadas son a partir de las preguntas de la Escala FIES, pero no se utilizó el Modelo Rasch que frecuentemente utiliza la FAO para estimaciones de prevalencia de inseguridad alimentaria (FAO, 2017) por motivos de preservar la comparabilidad en el tiempo de esta medida a futuro y facilitar la comunicabilidad de la estadística. Nótese también que sólo se consideraron como privados aquellos cuyas respuestas guardaran un mínimo nivel de consistencia dentro de la escala FIES.
[5] La tasa de inseguridad alimentaria moderada a severa aquí reportada (16%) es más del doble de la tasa de indigencia (es decir, con un ingreso inferior al Costo de la Canasta Básica Alimentaria) reportada por INDEC (2022) para Bahía Blanca (6.7%). Eso se debe a tres motivos. En primer lugar, la medición de indigencia en Bahía Blanca con datos de la EPH tiene un amplio intervalo de confianza, que va desde el 3.7% al 10.5% (véase Sección 3.6), lo cual indica que podría haber hasta un 10.5% de personas indigentes. En segundo lugar, aquí se presenta la incidencia de inseguridad alimentaria moderada a severa. Si solo se considera la severa, definida como hogares en los que sus miembros tuvieron hambre pero no comieron o bien pasaron un día entero sin comer, la incidencia es del 10.5%, de manera que la estimación de inseguridad alimentaria severa con la EPUE coincide con la cota superior del intervalo de estimación de la indigencia con la EPH. En tercer lugar, nótese que las metodologías para la obtención de una y otra estadística son completamente diferentes. La estimación de indigencia se realiza de manera indirecta, comparando el ingreso del hogar con el costo de la Canasta Básica Alimentaria, en tanto que, la medición de inseguridad alimentaria está basada en el auto-reporte de las personas a partir de su experiencia, con las preguntas reportadas en la Tabla 7 del Apéndice.
[6] Nótese que en esta definición de privación no se está requiriendo la conexión a red cloacal. Basta con contar con un pozo ciego con cámara séptica.
[7] Cabe señalar que en esta medición hemos sido ‘conservadores’ en el umbral utilizado, considerando como hacinamiento tres o más personas por cuarto para dormir, cuando otras mediciones suelen utilizar el umbral de más de dos personas por cuarto para dormir, de modo que una pareja con un hijo viviendo en una habitación serían considerados hacinados (Kaztman, 1995).
[8] Por ejemplo, en un hogar en el que al menos un niño en edad escolar no asiste a la escuela, todos sus miembros son considerados privados en este indicador.
[9] La segregación socio-espacial hace referencia a “la existencia de diferencias o desigualdades sociales dentro de un colectivo urbano y al agrupamiento de los sujetos según atributos específicos en aglomerados con tendencia a la homogeneización en su interior y a la reducción de las interacciones con el resto de los grupos. El aislamiento espacial y distanciamiento entre las clases promueve la desintegración social…” (Linares, 2013).
[10] Nótese que los porcentajes aquí mencionados no son tasas de privación sino contribuciones relativas al total de la pobreza multidimensional. Técnicamente eso se define como el porcentaje de personas en hogares multidimensionalmente pobres que experimentan cada privación, multiplicado por la ponderación de ese indicador, sobre el total del IPM. De alguna manera indica que proporción de la pobreza es “explicada por” o atribuible a cada privación.
[11] Los intervalos de confianza se estimaron utilizando una técnica de re-muestreo llamada bootstrap para construir intervalos de confianza (al 95%). Se tomaron 1000 muestras de hogares con reemplazo, y se estima cada medida de pobreza para cada muestra.
[12] Behrman et al (2009), Conti y Heckman (2012), Hoddinott et al. (2013), Albino (2017), entre otros.
[13] Por ejemplo, en el Municipio de San Miguel (Pcia. de Bs As) se implementa desde el año 2015 el Programa de Acompañamiento Familiar Mil Días (González y Santos, 2019, 2022).
