5.7 MODELOS DE REGRESIÓN MÚLTIPLE POR REGIONES GEOGRÁFICAS

En esta sección se presentan los modelos ajustados para las Regiones Geográficas Costa y Sierra, para lo cual se ha dividido la muestra a nivel nacional en muestras por Regiones Geográficas. El modelo para Selva ya ha sido ajustado entre los Dominios de Estudio.

Por sus características singulares Lima Metropolitana no se incluye en la Región Costa.

5.7.1. COSTA

En la Costa, las variables con las cuales se construye el Modelo de Regresión Lineal Múltiple son las siguientes:

Los estimados de los Coeficientes de Regresión, el error estándar de estos estimadores, los estadísticos de las pruebas de hipótesis y el Coeficiente de Determinación que proporciona el PCCARP se dan a continuación:

La variable nominal que tiene mayor importancia en la generación de los ingresos de los hogares es "Categoría Ocupacional del que Más gana es Empleador" que bajo las condiciones de comparación incrementa el ingreso de un hogar en un 36%. La Costa presenta mejores condiciones para los Empleadores.

La siguiente variable en importancia es "Residencia del hogar en Ciudades/ Capitales" la cual bajo las condiciones de comparación establecidas incrementa el Ingreso del Hogar en 17%.

El análisis de la influencia de las variables cuantitativas se va a presentar en forma conjunta para todos las Áreas Geográficas.

5.7.2. SIERRA

En la Sierra, las variables con las cuales se construye el Modelo de Regresión Lineal Múltiple son las siguientes:

Los estimados de los Coeficientes de Regresión, el error estándar de estos estimadores, los estadísticos de las pruebas de hipótesis y el Coeficiente de Determinación que proporciona el PCCARP se dan a continuación:

La variable más importante en esta región es "Categoría Ocupacional del que Más gana es Trabajador Independiente" el Ingreso de los Hogares decrece en más de la tercera parte (35%) respecto de otros hogares bajo condiciones de comparación establecida.

Las variables que siguen en importancia en la generación del ingreso de los hogares son "Residencia del Hogar en Ciudades Grandes/ Capitales" y en "CC PP Urbanos"; las que bajo condiciones de comparación incrementan el ingreso de un hogar en 32% y 30% respectivamente.

5.7.3. Análisis de la influencia de las Variables Cuantitativas por Regiones Geográficas

1. El promedio de "Escolaridad" que presentan las regiones son bajas correspondiendo, sin embargo tienen influencia en la generación del ingreso. La mayor influencia le corresponde a Lima Metropolitana y le sigue la Sierra a pesar de tener el promedio más bajo (6.4 años ˜ A lo más primaria completa).

En el grupo conformado por los hogares que superan los promedios de escolaridad total en las regiones, se observa que el promedio de "Escolaridad" es uniforme en las Regiones Costa, Sierra y Selva; sin embargo la influencia en los ingresos difiere correspondiendo a la Sierra (155%), le sigue la Costa (101%) y por último la Selva (84%).

En Lima Metropolitana este promedio es mayor y su influencia en la generación de ingresos es de 144%, porcentaje menor a la de la Sierra.

En el grupo conformado por los hogares cuya "Escolaridad" se encuentra por debajo del promedio total en las regiones, Lima Metropolitana es la que tiene mayor promedio de "Escolaridad" y la otras regiones se ordenan como Costa (6 años), Selva (5 años) y Sierra (3 años); sin embargo su importancia en la generación de ingresos es más importante en la Sierra que en la Selva.

Por tanto, hemos encontrado que por regiones, a mayor "Escolaridad" no corresponde necesariamente Mayor Ingreso.

2. El promedio de "Número de Perceptores" tiene similitud en Lima Metropolitana y la Región Costa, esto por la influencia de las Grandes Ciudades de la costa peruana. De igual manera, la Sierra y la Selva tienen promedios iguales pero menores. Esta similitud se mantiene en los grupos de análisis, por encima y por debajo del promedio total.

Al analizar la influencia en la generación del ingreso de esta variable se rompe este esquema y se observa que la Región Costa y la Región Sierra tienen aproximadamente el mismo nivel de influencia del "Número de Perceptores" (73% y 70% respectivamente) mientras que en la Región Selva es un poco menor (63%), siguiéndole Lima Metropolitana con 54%.

Para el grupo de hogares por encima del promedio esta variable es muy importante para Costa y Lima Metropolitana en las cuales el porcentaje de incremento de ingreso casi se duplica. En las otras regiones también aumenta pero en menor proporción.

Para el grupo de hogares que están por debajo del promedio el nivel de influencia disminuye a la tercera parte del grupo superior en todas las regiones, lo que implica que a mayor número de perceptores corresponde mayor nivel de ingreso.

5.7.4. Comparación de Resultados por Regiones Geográficas

En la presente sección se resumen los principales resultados obtenidos para las Regiones Geográficas.

En el Cuadro se presentan las variables que entran en los modelos de las Regiones Geográficas, Lima Metropolitana y la Selva, así como las estimaciones de los correspondientes Coeficientes de Regresión.

1. Teniendo en cuenta los Coeficientes de Determinación que se dan en este cuadro para cada región, podemos apreciar que la proporción de variación del Ingreso de los Hogares explicado por los modelos son relativamente bajos, varía entre 43 y 55%. Dado que en el modelo se encuentran presentes variables cualitativas (a través de las variables artificiales), estos valores están por encima de los estándares aceptables. Para mejorar la bondad del ajuste se tendría que introducir más variables en los modelos.

2. Cada una de las regiones tienen un comportamiento diferente en relación de las variables que entran en su modelo.

3. En relación a las variables se observa que:

• La variable "Número de Perceptores" entra en todos los modelos. Como es razonable esperar, para incrementar el ingreso de los hogares se tiene que incrementar el Número de Perceptores.

• La variable "Escolaridad Del que Más gana/ Promedio por Perceptor" entra en todos los modelos de las Regiones siendo su influencia muy importante, aunque no siempre a mayor escolaridad no corresponde mayor ingreso.

• La variable residencia del hogar en "Ciudades", tiene influencia importante en las Regiones Costa, Sierra y la Selva; mientras que en Lima Metropolitana la residencia de hogares en Distritos Centro 2 implica ingresos altos.

• La variable residencia del hogar en "CC PP Urbanos" sólo entra en la Sierra y no tiene una influencia apreciable.

• La variable "Categoría Ocupacional del que Más gana es Empleador" es importante en la Costa y apreciable en la Selva y no entra en el modelo en la Sierra.

• La variable "Categoría Ocupacional del que Más gana es Trabajador Independiente" entra en los modelos de todas las regiones, bajo condiciones comparables reduce el ingreso de un hogar cuyo "Perceptor que Más gana es Trabajador Independiente". Su influencia en la Sierra es de mucha importancia reduce el ingreso en 35%.

4. En el siguiente cuadro se presenta la relación de valores de variables que más influyen en la generación de los ingresos de los hogares para cada Región con indicación del porcentaje de variación que producen en el ingreso de un hogar que toma el valor de una de las variables indicadas y en relación a hogares que tienen el mismo perfil en relación a las otras variables del modelo