Curso: Medición de la Pobreza Multidimensional
Para Guinea Ecuatorial
Este material acompaña un curso de tres sesiones sobre medición de la pobreza multidimensional, orientado al contexto de Guinea Ecuatorial. El hilo conductor es el método Alkire-Foster (AF) de OPHI, aplicado a la Segunda Encuesta Nacional de Hogares (ENH2) del Instituto Nacional de Estadística. Utilice las pestañas que encontrará a continuación para abrir cada sesión y despliegue las secciones para ver más en detalle.
Materiales generales
Base de datos (.dta) Cuestionario / diccionario Data / MPM Data / OPHI
Objetivos de aprendizaje
Al finalizar el curso, las personas participantes podrán:
- Definir las dimensiones, variables, indicadores, umbrales y ponderaciones de un MPM.
- Aplicar el método Alkire-Foster para identificar hogares pobres.
- Calcular la incidencia (\(H\)), la intensidad (\(A\)) y el Indice de Pobreza Multidimensional [IPM] (\(M_0\)) en Stata con
mpitb. - Descomponer el MPM por indicador y por grupo poblacional (nacional, área y provincia).
- Diseñar de forma participativa un MPM para Guinea Ecuatorial.
Estructura del curso
| Sesión | Tema | Enfoque |
|---|---|---|
| 1 | Dimensiones, variables, indicadores, umbrales y ponderaciones | Conceptual y Técnico (Stata) |
| 2 | Cálculo del IPM y sus descomposiciones con mpitb |
Técnico (Stata) |
| 3 | El MPM+ (umbrales más exigentes) paso a paso y taller de diseño | Presentación y taller |
¿Por qué una medida multidimensional?
El enfoque monetario define como pobre a quien vive con un ingreso o consumo por debajo de una línea de pobreza. Es una medida potente pero incompleta: dos hogares con el mismo ingreso pueden vivir realidades muy distintas (uno puede tener ingreso suficiente y aun así carecer de agua potable, saneamiento, electricidad o educación). Siguiendo el enfoque de capacidades de Amartya Sen, lo que importa no es solo cuánto tiene una persona, sino qué puede efectivamente hacer y ser con lo que tiene. La pobreza multidimensional mide privaciones simultáneas y superpuestas en salud, educación y nivel de vida, entre otras dimensiones, y permite responder no solo cuántos son pobres, sino en qué lo son (Sen, 1999).
Dimensiones, variables e indicadores
Materiales · Sesión 1
Presentación (PDF) Do-file 0 · Maestro Do-file 1 · Privaciones (MPM)
Objetivo: sentar las bases conceptuales del MPM: qué es una dimensión, cómo se traduce en indicadores medibles a partir de las variables de la encuesta. Material complementario: presentación y actividad de esta sesión.
De la pobreza monetaria a la multidimensional
- La pobreza multidimensional identifica quién es pobre y en qué, captura la simultaneidad de privaciones y, por ser descomponible, orienta la política pública (agua, educación, vivienda) y facilita el seguimiento de la meta ODS 1.2.
- El enfoque monetario usa una única línea de ingreso o consumo. Es útil, pero no ve privaciones que ocurren al mismo tiempo en el mismo hogar, solo pobreza monetaria.
Conceptos clave (despliegue cada uno)
Un aspecto del bienestar considerado intrínsecamente importante (educación, vivienda, ingreso). El MPM de Guinea Ecuatorial trabaja con tres dimensiones:
- Educación
- Acceso a infraestructura básica
- Pobreza monetaria
La medida concreta y observable dentro de una dimensión. Una dimensión puede tener uno o varios indicadores. Aquí, educación tiene dos (logro y matrícula), infraestructura tiene tres (electricidad, saneamiento y agua) y la dimensión monetaria tiene uno (gasto per cápita): seis indicadores en total.
Las preguntas de la encuesta son las variables a partir de las cuales se construyen los indicadores (por ejemplo, q3_05_grado para el grado educativo, q1_03_edad para la edad).
Dada la Segunda Encuesta Nacional de Hogares (ENH2)
El insumo es la ENH2 del Instituto Nacional de Estadística de Guinea Ecuatorial (INEGE) (Instituto Nacional de Estadística de Guinea Ecuatorial, 2023). Sus módulos alimentan directamente cada dimensión y sus indicadores.
El IPM Global 2025 cubre 109 países (Alkire et al., 2025). Usa tres dimensiones con peso \(1/3\) cada una, y reparte ese peso a partes iguales entre los indicadores de cada dimensión.
Las tres dimensiones del MPM Banco Mundial, teniendo en cuenta los módulos de la encuesta y su correspondencia con las dimensiones
De la variable al indicador: construcción en Stata (despliegue cada indicador)
Extractos reales de 01_privaciones_MPM.do (variante estándar MPM). Cada indicador es una decisión de medición explícita y reproducible.
El IPM Global de OPHI-PNUD requiere tres dimensiones —salud, educación y nivel de vida— con dos indicadores específicos de salud: nutrición, medida mediante datos antropométricos (talla y peso tomados directamente a los miembros del hogar), y mortalidad infantil, obtenida a partir de un módulo de historia de fecundidad.
La Segunda Encuesta Nacional de Hogares (ENH2) de Guinea Ecuatorial no incluye ninguno de los dos: su Sección 4 de Salud registra enfermedades autorreportadas en los últimos 30 días (donde “desnutrición” es solo una opción dentro de una lista de padecimientos, no una medición antropométrica), y no existe un módulo de historia de fecundidad que permita calcular mortalidad infantil. Al no contar con las variables necesarias para construir la dimensión de salud tal como la define la metodología de OPHI, no fue posible calcular el IPM Global con esta encuesta. Por ese motivo, el curso trabaja con el MPM (Medida de Pobreza Multidimensional) de tres dimensiones —educación, infraestructura y pobreza monetaria—, que sí es viable con las variables disponibles en la ENH2.
Recursos complementarios (OPHI)
- Portal de formación en línea de OPHI (Oxford Poverty and Human Development Initiative, s. f.-a): materiales introductorios sobre el IPM y el método AF.
- Método Alkire-Foster (OPHI) (Oxford Poverty and Human Development Initiative, s. f.-b): página de referencia del método AF.
- Guía paso a paso para diseñar un IPM nacional (UNDP & OPHI, 2019).
- Manual de referencia del método (Alkire et al., 2015).
Ejercicios de la Sesión 1
- ¿Por qué la privación se define a nivel de hogar y no de individuo?
- ¿Cuántas dimensiones tiene el MPM de Guinea Ecuatorial y cuáles son?
- ¿Qué diferencia hay entre un indicador y una variable?
Cálculo del IPM y sus descomposiciones con mpitb
Materiales · Sesión 2
Presentación (PDF)
Objetivo. Calcular el IPM y sus descomposiciones aplicando el método Alkire-Foster: identificación de hogares pobres, cálculo de la incidencia (\(H\)), la intensidad (\(A\)) y el IPM (\(M_0\)), y descomposiciones por indicador y por grupo poblacional.
Repaso: de la matriz de indicadores al IPM
Con lo definido en la Sesión 1 (dimensiones, indicadores, umbrales y ponderaciones) se construye, para cada hogar, una matriz de logros; al aplicar los umbrales de privación se obtiene la matriz de privaciones \(g_{ij}\) (1 si el hogar está privado, 0 si no). El método Alkire-Foster parte exactamente de esa matriz.
| Hogar | Educación | Agua | Saneamiento | Electricidad | Monetario | Peso total \(c_i\) |
|---|---|---|---|---|---|---|
| H1 | 1 | 0 | 0 | 0 | 1 | 0.40 |
| H2 | 0 | 0 | 0 | 0 | 0 | 0.00 |
| H3 | 1 | 1 | 1 | 0 | 1 | 0.80 |
| H4 | 0 | 1 | 0 | 0 | 0 | 0.13 |
| H5 | 1 | 0 | 1 | 1 | 1 | 0.60 |
El método Alkire-Foster paso a paso (despliegue cada paso)
El método AF usa una doble identificación (dual cutoff): un umbral dentro de cada indicador y otro entre indicadores.
Para cada hogar \(i\) e indicador \(j\), se define \(g_{ij}=1\) si el hogar está privado y \(g_{ij}=0\) en caso contrario.
Se suma sobre indicadores usando los pesos \(w_j\) (con \(\sum_j w_j = 1\)):
\[ c_i \;=\; \sum_{j=1}^{d} w_j \, g_{ij} \]
Un hogar es pobre multidimensional si su puntaje alcanza el umbral \(k\). Aquí \(k = 1/3\) (33 %):
\[ i \text{ es pobre} \iff c_i \geq k \]
Valores bajos de \(k\) se acercan al enfoque de unión; valores altos, al de intersección.
\(c_i(k) = c_i\) si \(c_i \geq k\), y \(c_i(k)=0\) en caso contrario. Solo cuentan las privaciones de quienes son pobres.
\[ H = \frac{q}{n}, \qquad A = \frac{\sum_{i=1}^{n} c_i(k)}{q}, \qquad M_0 = H \times A \]
\(n\) es la población total y \(q\) el número de pobres. La incidencia \(H\) es la proporción de pobres; la intensidad \(A\) es el promedio de privaciones de los pobres; y el IPM \(M_0\) combina ambas.
Con la matriz anterior y \(k = 1/3\):
| Hogar | \(c_i\) | ¿Pobre? | Contribuye a \(A\) |
|---|---|---|---|
| H1 | 0.40 | Sí | 0.40 |
| H2 | 0.00 | No | — |
| H3 | 0.80 | Sí | 0.80 |
| H4 | 0.13 | No | — |
| H5 | 0.60 | Sí | 0.60 |
\(q = 3\) pobres de \(n = 5\) → \(H = 0.60\). \(A = (0.40+0.80+0.60)/3 = 0.60\). Por tanto \(M_0 = H \times A = 0.36\).
- Monotonicidad dimensional: si una persona pobre pierde un logro adicional, \(M_0\) no puede disminuir.
- Descomponibilidad por subgrupo: el IPM nacional es el promedio ponderado por población de los IPM de cada grupo.
- Descomponibilidad por indicador: \(M_0\) se reescribe como la suma de la contribución de cada indicador. Estas dos descomposiciones son las que hacen que el método sea tan útil para la política pública.
De los indicadores a las privaciones
El cálculo del IPM parte de las seis privaciones binarias (0 = no privado, 1 = privado), una por indicador. Educación (dep_educ_com, dep_educ_enr) se construyó paso a paso en la Sesión 1; aquí se completa infraestructura y monetaria y se reúnen las seis.
Cómo se desarrolla — paso a paso:
- Recupera las variables base que la limpieza y la Sesión 1 dejaron listas:
electricity(acceso a luz, recodificada de 2.31),imp_san_rec(saneamiento mejorado) eimp_wat_rec(agua mejorada). - Genera la privación de cada indicador de infraestructura: privado si la variable de acceso vale 0.
- Construye la privación monetaria: el bienestar per cápita diario (
welfare_ppp) por debajo de la línea de 3,00 USD (PPA 2021) de la variante MPM base. - Reúne las seis columnas
dep_*: una fila por hogar, una columna por indicador.
Código (tal como está en 01_privaciones_MPM.do):
recode q2_31_energiaLuz (1/4=1) (nonmissing=0), gen(electricity)
gen dep_infra_elec = (electricity==0) if electricity~=.
gen dep_infra_imps = (imp_san_rec==0) if imp_san_rec~=.
gen dep_infra_impw = (imp_wat_rec==0) if imp_wat_rec~=.
gen double welfare_ppp = pcexp_ppp
gen dep_poor1 = welfare_ppp < 3 if welfare_ppp~=.(La construcción completa de imp_san_rec e imp_wat_rec —y de las dos privaciones de educación— está en la Sesión 1.) El resultado es la matriz de privaciones \(g_{ij}\): una fila por hogar con una columna de privación por cada uno de los 6 indicadores.
Cálculo manual paso a paso (sin mpitb)
Antes de usar el paquete conviene calcular el IPM a mano, con comandos base de Stata. Así se ve exactamente qué hace mpitb por dentro. El do-file 03_calculo_mpm.do implementa este cálculo manual y comprueba que da el mismo \(H\) y \(M_0\) que mpitb (diferencia < \(10^{-6}\)).
Se parte de la base ya preparada: una fila por hogar, con los 6 indicadores de privación (0/1) y el diseño muestral declarado con svyset (ponderador hhweight y estratos).
Ponderación anidada equitativa: cada dimensión pesa \(1/3\) y ese peso se reparte por igual entre sus indicadores.
| Indicador(es) | Cálculo | Peso \(w_j\) |
|---|---|---|
e_com, e_enr — educación |
\(\tfrac12\cdot\tfrac13\) | \(1/6\) cada uno |
i_elec, i_imps, i_impw — infraestructura |
\(\tfrac13\cdot\tfrac13\) | \(1/9\) cada uno |
poor1 — monetario |
\(1\cdot\tfrac13\) | \(1/3\) |
\[ \tfrac16+\tfrac16+\tfrac19+\tfrac19+\tfrac19+\tfrac13 = 1 \;\;\checkmark \]
Para cada hogar se suma el peso de los indicadores en los que está privado (\(c_h=\sum_j w_j\,d_{hj}\)):
gen c_equal = (1/6)*e_com + (1/6)*e_enr + ///
(1/9)*i_elec + (1/9)*i_imps + (1/9)*i_impw + ///
(1/3)*poor1
label var c_equal "Puntaje de privación (pesos iguales)"c_equal va de 0 (ninguna privación) a 1 (privado en todo).
Un hogar es pobre multidimensional si su puntaje alcanza el umbral \(k = 1/3\):
gen poor_multi = (c_equal >= 1/3)
label var poor_multi "Pobre multidimensional (k=33)"Solo cuentan las privaciones de los pobres; a los no pobres se les pone 0:
gen c_censored = c_equal * poor_multi
label var c_censored "Puntaje de privación censurado"La clave del método: \(H\) y \(M_0\) son simplemente medias ponderadas.
svy: mean poor_multi c_censored- media de
poor_multi\(\rightarrow\) \(H\) (incidencia, % de población pobre). - media de
c_censored\(\rightarrow\) \(M_0\) (IPM ajustado). - la intensidad se recupera como \(A = M_0 / H\).
Se usa svy: mean (y no summarize) para que \(H\) y \(M_0\) apliquen el ponderador y los estratos, y lleven el error estándar correcto. Para desagregar por subgrupo se usa subpop(), no if, y así la varianza del diseño complejo se calcula bien. Por ejemplo, solo para el área rural:
svy, subpop(if area == "Rural"): mean poor_multi c_censoredEl script recorre con un bucle todos los subgrupos de area y prov de esta forma.
Con la matriz del ejemplo inicial (\(k=1/3\)) el cálculo a mano daba \(H=0{,}60\), \(A=0{,}60\) y \(M_0=0{,}36\). Con los datos reales de la ENH2, este mismo procedimiento manual produce exactamente los mismos \(H=0{,}1991\) y \(M_0=0{,}0859\) que mpitb: el do-file 03_calculo_mpm.do lo verifica de forma automática (diferencia < \(10^{-6}\)).
Cada paso manual tiene su equivalente exacto en mpitb:
| A mano (Stata base) | Con mpitb |
|---|---|
gen c_equal = (1/6)*e_com + … (pesos) |
mpitb set … + weights(equal) |
gen poor_multi = c_equal >= 1/3 |
klist(33) |
gen c_censored = c_equal*poor_multi |
censura interna |
svy: mean poor_multi c_censored |
mpitb est … measures(all) svy |
bucle con subpop() por grupo |
over(area prov cities) |
calcular a mano hd/hdk/contribuciones |
indmeas(all) aux(hd) |
¿Entonces para qué mpitb? Porque hacerlo a mano se vuelve tedioso y propenso a errores cuando además se necesitan errores estándar e intervalos de cada medida, las descomposiciones por indicador (hd, hdk, actb, pctb) y todos los subgrupos a la vez. Eso es justo lo que mpitb automatiza en dos líneas.
Cálculo del IPM con mpitb (despliegue cada paso)
Es el mismo cálculo que acabamos de hacer a mano, pero automatizado y con errores estándar, intervalos y descomposiciones incluidos. El paquete mpitb (Suppa, 2023), desarrollado y mantenido por OPHI, implementa el método AF: definir la estructura (mpitb set), estimar (mpitb est) y leer los resultados. Requiere una base en formato wide (una fila por hogar, una columna 0/1 por indicador), un ponderador muestral y, si aplica, variables de estrato y conglomerado para svyset.
ssc install moremata, replace
ssc install mpitb, replace
which mpitb
help mpitbuse "${gdStata}/Data Clean $MPM/DataDeprivations${MPM}.dta", clear
rename dep_* *
rename infra_* i_*
rename educ_* e_*
duplicates drop hhid, forcempitb set, name(GNQ) ///
d1(e_com e_enr, na(educ)) ///
d2(i_elec i_imps i_impw, na(infra)) ///
d3(poor1, na(mon))- Dimensión 1 (educ): logro educativo (
e_com) y matrícula (e_enr). - Dimensión 2 (infra): electricidad (
i_elec), saneamiento (i_imps) y agua (i_impw). - Dimensión 3 (mon): pobreza monetaria (
poor1).
gen hhweight = weight_hh*hhsize
egen strata = group(cod_provincia cod_CV_CP)
svyset hhid [iw = hhweight], clear strata(strata)Utilice el diseño complejo de la encuesta (ponderadores y estratos) para obtener errores estándar correctos.
rename (cod_CV_CP cod_provincia) (area prov)
mpitb est, name(GNQ) klist(33) weights(equal) ///
measures(all) indmeas(all) aux(hd) svy ///
over(area prov cities) ///
lsave("${gdStata}/${MPM}_results.dta", replace) lfr(myresults, replace) ///
dtasave("${gdStata}/${MPM}_results_microdata.dta", replace)klist(33)— umbral de pobreza \(k = 33\%\) (\(1/3\)). Utiliceklist(20 25 33 40)para el análisis de sensibilidad.weights(equal)— ponderaciones iguales entre dimensiones.measures(all)— calcula \(M_0\), \(H\), \(A\) y medidas asociadas.indmeas(all)conaux(hd)— descomposiciones por indicador.over(area prov cities)— descomposiciones por grupo poblacional.svy— usa el diseño muestral declarado consvyset.
mpitb est
mpitb est acepta más opciones de las usadas arriba. Esta es la referencia de las principales, agrupadas por función.
Especificación y umbral (obligatorias)
| Opción | Qué hace |
|---|---|
name(GNQ) |
Nombre del índice definido con mpitb set. |
klist(33) |
Uno o varios umbrales de pobreza \(k\) (1–100). Ej.: klist(20 33 50) para sensibilidad. |
weights(equal) |
Esquema de ponderación: equal (anidado igual), dimw (pesos por dimensión) o indw (pesos por indicador). |
Qué medidas calcular
| Opción | Valores | Significado |
|---|---|---|
measures() |
M0 H A · all |
Medidas agregadas del método AF. |
indmeas() |
hdk actb pctb · all |
Medidas por indicador: headcount censurado y contribuciones. |
aux() |
hd mv N · all |
Auxiliares: hd (headcount no censurado), mv (valores perdidos), N (tamaño muestral). |
Desagregación y diseño muestral
| Opción | Qué hace |
|---|---|
over(area prov cities) |
Desagrega por subgrupos → descomposición por población. |
svy |
Usa el diseño declarado con svyset (errores estándar correctos). |
Guardar resultados y utilidades
| Opción | Qué hace |
|---|---|
lsave("…".dta, replace) |
Guarda las estimaciones “largas” en un .dta. |
lfr(myresults, replace) |
Deja los resultados en un frame en memoria (equivale a lframe). |
dtasave("…".dta, replace) |
Guarda el microdato con el puntaje de privación c_equal. |
cotyear() · cotframe() |
Cambios en el tiempo entre rondas (si hay panel/varias encuestas). |
La llamada del curso combina measures(all) indmeas(all) aux(hd) para obtener, en una sola corrida, las medidas agregadas, las de cada indicador y el headcount no censurado.
Interpretación de la salida de mpitb est
Cada fila del frame de resultados es una combinación medida × nivel × subgrupo × indicador × \(k\). Sus columnas:
| Campo | Significado |
|---|---|
measure |
Medida reportada. Agregadas: M0, H, A. Por indicador: hdk, actb, pctb. Auxiliar: hd. |
loa |
Nivel de agregación: nat (nacional) o el nombre del over() (area, prov, cities). |
subg |
Código del subgrupo dentro de loa (p. ej. Urbano/Rural en area). |
indicator |
Indicador de la fila (solo en las medidas por indicador). |
k |
Umbral de pobreza \(k\) evaluado. |
wgts |
Esquema de ponderación usado (equal). |
b |
Estimación puntual de la medida. |
se |
Error estándar (ajustado por el diseño si se usó svy). |
ll / ul |
Límites inferior y superior del intervalo de confianza. |
pval / tval |
Valor-p y estadístico \(t\) de la estimación. |
Lectura de resultados (despliegue cada tabla)
cwf myresults
li measure b se if inlist(measure,"M0","H","A") & loa == "nat" & k == 33, noob +---------------------------+
| measure b se |
|---------------------------|
| M0 0.0859 0.0032 | <- IPM (adjusted headcount ratio)
| H 0.1991 0.0067 | <- Incidencia (% población pobre)
| A 0.4314 0.0051 | <- Intensidad (privaciones promedio)
+---------------------------+Con \(k = 33\%\), el 19,9 % de los hogares de Guinea Ecuatorial es identificado como pobre multidimensional (\(H = 0{,}1991\)), y entre esos hogares pobres la privación promedio es del 43,1 % de las dimensiones ponderadas (\(A = 0{,}4314\)). El IPM resultante es \(M_0 = H \times A = 0{,}0859\).
Recuerde \(M_0 = H \times A\): \(H\) responde ¿cuántos son pobres? y \(A\), ¿qué tan pobres son?
tabdisp indicator measure if inlist(measure,"hd","hdk") & loa == "nat" & inlist(k,33,.), cell(b)--------------------------
| measure
indicator | hd hdk
----------+---------------
e_com | 0.0772 0.0442
e_enr | 0.0270 0.0141
i_elec | 0.1809 0.1241
i_imps | 0.3706 0.1553
i_impw | 0.3135 0.1424
poor1 | 0.0879 0.0879
--------------------------
hd = tasa de privación sin censurar (toda la población)
hdk = tasa de privación censurada (solo entre los pobres) -> base de la contribuciónLos dos indicadores con mayor privación censurada (hdk, la que efectivamente contribuye al IPM) son saneamiento (i_imps, 15,5 %) y agua (i_impw, 14,2 %), seguidos de electricidad (i_elec, 12,4 %): la dimensión de infraestructura concentra la mayor parte de la privación entre los hogares pobres.
La descomposición más comunicable responde ¿qué privaciones pesan más en el IPM?. Con indmeas(all), mpitb reporta la contribución absoluta (actb) y porcentual (pctb) de cada indicador. La clave es que las contribuciones suman exactamente el IPM (y el 100 %):
\[ \text{actb}_j = w_j \times \text{hdk}_j, \qquad \text{pctb}_j = \frac{\text{actb}_j}{M_0}\times 100, \qquad \sum_j \text{actb}_j = M_0 . \]
tabdisp indicator measure if inlist(measure,"actb","pctb") & loa=="nat" & k==33, cell(b)| Indicador | Peso \(w_j\) | hdk |
actb |
pctb (%) |
|---|---|---|---|---|
Logro educativo (e_com) |
1/6 | 0,0442 | 0,0074 | 8,6 |
Matrícula (e_enr) |
1/6 | 0,0141 | 0,0024 | 2,7 |
Electricidad (i_elec) |
1/9 | 0,1241 | 0,0138 | 16,1 |
Saneamiento (i_imps) |
1/9 | 0,1553 | 0,0173 | 20,1 |
Agua (i_impw) |
1/9 | 0,1424 | 0,0158 | 18,4 |
Pobreza monetaria (poor1) |
1/3 | 0,0879 | 0,0293 | 34,1 |
| Total | 1 | — | 0,0859 \(= M_0\) | 100 |
Agrupando por dimensión, infraestructura aporta el 54,6 % del IPM (saneamiento 20,1 % + agua 18,4 % + electricidad 16,1 %), la pobreza monetaria el 34,1 % y educación el 11,3 %. La lectura de política es directa: reducir el IPM de Guinea Ecuatorial pasa, sobre todo, por cerrar brechas de servicios básicos e ingreso.
use "${gdStata}/${MPM}_results.dta", clear
sort measure loa subg
list measure loa subg b se if measure=="M0", noob loa subg M0
----------------------------------
nat (nacional) 0.0859
area Urbano 0.0402
area Rural 0.1865
cities Malabo 0.0124
cities Resto urbano 0.0530
cities Rural 0.1865
prov Litoral 0.0540
prov Bioko Norte 0.0128
prov Bioko Sur 0.0809
prov Centro Sur 0.1545
prov Kié-Ntem 0.2026
prov Wele-Nzas 0.0998
prov Annobón 0.0832
----------------------------------La pobreza multidimensional es marcadamente más alta en el área rural (\(M_0 = 0{,}1865\)) que en la urbana (\(M_0 = 0{,}0402\)), y dentro de lo urbano, Malabo tiene el IPM más bajo del país (\(M_0 = 0{,}0124\)). Por provincia, Kié-Ntem concentra la mayor pobreza multidimensional (\(M_0 = 0{,}2026\)) y Bioko Norte la menor (\(M_0 = 0{,}0128\)).
use "${gdStata}/${MPM}_results_microdata.dta", clear
gen poor_multi = (c_equal >= 1/3)
tab poor_multi [aw = hhweight]Utilidades más importantes de mpitb
Más allá de set y est, estas son las utilidades que más se usan en la práctica.
mpitb est deja los resultados en un frame (lfr) sin tocar tu base original. Se navega con cwf myresults (cambia al frame de resultados), cwf default (vuelve a la base original) y frames dir (lista los frames en memoria):
cwf myresults
cwf default
frames dirLos frames (Stata 16+) permiten tener la base y los resultados abiertos a la vez.
lsave(archivo.dta, replace)— guarda la tabla de resultados para graficar o exportar después (es lo que consume04_exportar_figuras.do).dtasave(micro.dta, replace)— guarda el microdato con el puntajec_equal, con el que se reconstruye la identificación de pobreza:
use "micro.dta", clear
gen poor_multi = (c_equal >= 1/3)
tab poor_multi [aw = hhweight](El corte 1/3 es el mismo \(k = 33\,\%\) del índice.)
Pasar varios valores en klist() calcula todo el barrido en una sola corrida:
mpitb est, name(GNQ) klist(20 33 50) weights(equal) measures(all) svy over(area)Compare cómo cambian \(H\), \(A\) y \(M_0\): a mayor \(k\), menor \(H\) (menos hogares cruzan el umbral) y mayor \(A\) (los que quedan están más privados).
Con dos o más rondas comparables, mpitb estima el cambio y prueba su significancia:
mpitb est, name(GNQ) klist(33) weights(equal) measures(all) svy ///
cotyear(anio) cotframe(cambios, replace)La ENH2 es una sola ronda, por lo que aquí no aplica; se incluye como referencia para el monitoreo futuro del IPM de Guinea Ecuatorial.
Toda la sesión en una pantalla, lista para adaptar. Sigue cinco pasos:
- Instalar los paquetes (
moremata,mpitb). - Definir la estructura del índice con
mpitb set(3 dimensiones, 6 indicadores). - Declarar el diseño muestral: ponderador a nivel de personas y estrato, con
svyset. - Estimar con
mpitb est(medidas agregadas, por indicador y por subgrupo) y guardar resultados y microdato. - Leer los resultados desde el frame con
listytabdisp.
ssc install moremata, replace
ssc install mpitb, replace
mpitb set, name(GNQ) d1(e_com e_enr, na(educ)) ///
d2(i_elec i_imps i_impw, na(infra)) d3(poor1, na(mon))
gen hhweight = weight_hh*hhsize
egen strata = group(cod_provincia cod_CV_CP)
svyset hhid [iw = hhweight], clear strata(strata)
mpitb est, name(GNQ) klist(33) weights(equal) ///
measures(all) indmeas(all) aux(hd) svy over(area prov cities) ///
lsave("resultados.dta", replace) lfr(myresults, replace) ///
dtasave("microdatos.dta", replace)
cwf myresults
li measure b se if inlist(measure,"M0","H","A") & loa=="nat" & k==33, noob
tabdisp indicator measure if inlist(measure,"hdk","pctb") & loa=="nat" & k==33, cell(b)- Incluir variables que no son estrictamente binarias (0/1) dentro de
d1()/d2()/d3(). - No declarar correctamente el
svysetantes de usar la opciónsvy. - Olvidar
duplicates dropantes dempitb set, generando conteos incorrectos por hogares duplicados. - Confundir el peso del hogar (
weight_hh) con el peso ajustado por tamaño (weight_hh*hhsize) cuando el análisis es a nivel de personas. - No revisar los valores perdidos (missing) en los indicadores antes de calcular el IPM.
- Datos: ¿sin duplicados por hogar? ¿indicadores realmente binarios (0/1)?
- Diseño muestral: ¿
svysetdeclarado con estrato y peso correctos? ¿ponderación coherente con la unidad de análisis? - Resultados: ¿\(M_0 = H \times A\) se cumple exactamente? ¿se probó la sensibilidad a distintos valores de \(k\)?
- Reproducibilidad: ¿se guardó el do-file completo, no solo los resultados?
Recursos complementarios (OPHI y mpitb)
- Introducción técnica al método Alkire-Foster (OPHI) (Oxford Poverty and Human Development Initiative, s. f.-b).
- Artículo original del método (Alkire & Foster, 2011).
- Documentación del paquete
mpitb(Suppa, 2023).
Ejercicios de la Sesión 2
- Cambie
klist(33)porklist(20 33 50)y observe cómo varían \(H\), \(A\) y \(M_0\). - Identifique los dos indicadores que más contribuyen al IPM nacional.
- Compare el IPM entre área urbana y rural y redacte dos frases de política.
El MPM+ de Guinea Ecuatorial y taller de diseño
Materiales · Sesión 3 Presentación (PDF) Do-file 0 · Maestro Do-file 1+ · Privaciones (MPM+) Do-file 3 · mpitb Do-file 4 · Figuras
Objetivo. Presentar el MPM+, la variante más exigente del MPM, explicando paso a paso cómo cambia cada indicador respecto a la Sesión 1, y cerrar con un taller para diseñar de forma colaborativa un IPM ajustado a Guinea Ecuatorial. El hilo conductor es que el mismo marco Alkire-Foster admite umbrales distintos según la ambición de la política (Alkire & Foster, 2011), y que cada elección debe justificarse.
¿Qué es el MPM+ y por qué?
El MPM+ mide las mismas tres dimensiones y usa los mismos seis indicadores y ponderaciones del MPM (educación \(1/3\), infraestructura \(1/3\), monetaria \(1/3\)), pero sube el listón de casi todos los umbrales de privación. La razón es de política: Guinea Ecuatorial es, por ingreso, una economía de ingreso medio-alto, de modo que una medida coherente con ese nivel exige estándares más altos que los mínimos de subsistencia (World Bank, 2025a). El MPM+ traduce esa ambición a umbrales concretos.
Los umbrales de ambas variantes provienen de la Evaluación de Pobreza y Equidad (PEA) del Banco Mundial para Guinea Ecuatorial, calculada sobre la ENH2 (Instituto Nacional de Estadística de Guinea Ecuatorial, 2023; World Bank, 2025a). En el código, el MPM+ vive en un do-file propio, 01_privaciones_MPMplus.do, paralelo al 01_privaciones_MPM.do de la Sesión 1.
El MPM+ frente al MPM: qué cambia
Solo cambian los umbrales (la raya que separa “privado” de “no privado”); la estructura de dimensiones, indicadores y pesos es idéntica. Cinco de los seis indicadores se endurecen; el saneamiento se mantiene igual.
| Indicador | Umbral en el MPM (Sesión 1) | Umbral más exigente en el MPM+ |
|---|---|---|
| Logro educativo | Ningún adulto 15+ completó primaria (educat7>=3) |
Ningún adulto 20+ completó secundaria básica (ESBA 4, q3_05_grado>=11) |
| Matrícula escolar | Algún niño (7–14) no matriculado | Algún niño (7–14) no matriculado o con rezago de más de un año |
| Electricidad | El hogar no tiene electricidad | No tiene electricidad o sufrió cortes (>30 min) algún día del último mes |
| Agua | Fuente no mejorada (el pozo público urbano sí cuenta como mejorado) | Fuente no mejorada y, además, el pozo público nunca cuenta como mejorado |
| Saneamiento | Sin saneamiento mejorado | Igual que en el MPM (no cambia) |
| Pobreza monetaria | Gasto per cápita < 3,00 USD (PPA 2021, línea de ingreso bajo) | Gasto per cápita < 8,30 USD (PPA 2021, línea de ingreso medio-alto) |
Las dos líneas monetarias (3,00 y 8,30 USD por persona y día, en PPA 2021) son las líneas internacionales de pobreza del Banco Mundial actualizadas en junio de 2025: 3,00 USD corresponde a países de ingreso bajo y 8,30 USD a países de ingreso medio-alto (World Bank, 2025b).
No hace falta reescribir nada: el do-file maestro elige la variante con un solo global. Al ponerlo en MPMplus, el maestro llama a 01_privaciones_MPMplus.do en lugar de 01_privaciones_MPM.do, y el resto del pipeline (cálculo con mpitb y figuras) sigue igual.
En la línea de parámetros de 00_maestro.do se fija el global MPM ("MPM" para la Sesión 1 o "MPMplus" para esta), y según su valor el maestro incluye uno u otro do-file de privaciones:
global MPM "MPMplus"
if ("$MPM" == "MPM") {
include "$gdDo/01_privaciones_MPM.do"
}
else if ("$MPM" == "MPMplus") {
include "$gdDo/01_privaciones_MPMplus.do"
}Todos los productos se guardan con el sufijo de la variante (DataDeprivationsMPMplus.dta, MPMplus_results.dta), de modo que MPM y MPM+ no se pisan y pueden compararse.
El MPM+ paso a paso (despliegue cada indicador)
Extractos reales de 01_privaciones_MPMplus.do. Para cada indicador se muestra qué cambia frente a la Sesión 1 y el código que lo implementa.
El MPM+ sube la edad de “adulto” de 15 a 20 años (edad a la que, empezando primaria a los 7, se debería haber completado la secundaria básica). Las edades de niñez escolar —inicio de primaria $lbage = 7 y fin de la edad escolar $ubage = 14— no cambian respecto al MPM; lo único que sube es $eduage, de 15 a 20.
global lbage 7
global ubage 14
global eduage 20Una vez 01_privaciones_MPMplus.do deja construidas las seis privaciones (0/1), el cálculo del IPM es idéntico al de la Sesión 2: la misma receta de mpitb set y la misma estimación con mpitb est (Suppa, 2023). Lo único que cambia es la base de entrada (DataDeprivationsMPMplus.dta). Como los umbrales del MPM+ son más exigentes, cabe esperar una incidencia \(H\) más alta que en el MPM: más hogares cruzan al menos un umbral de privación.
Es idéntico a la Sesión 2; lo único que cambia es el archivo de privaciones de entrada:
mpitb set, name(GNQ) ///
d1(e_com e_enr, na(educ)) ///
d2(i_elec i_imps i_impw, na(infra)) ///
d3(poor1, na(mon))
mpitb est, name(GNQ) klist(33) weights(equal) ///
measures(all) indmeas(all) aux(hd) svy over(area prov cities)Taller: diseño de un IPM adaptado a Guinea Ecuatorial
El MPM y el MPM+ son dos puntos de un abanico de decisiones posibles. En este taller cada equipo diseña su propia medida, apoyándose en el marco de OPHI para el diseño de un IPM nacional. El énfasis está en la deliberación: cada decisión debe justificarse.
Pasos para diseñar un IPM nacional (marco OPHI)
Marco de OPHI para el diseño de un IPM nacional (UNDP & OPHI, 2019):
Conociendo la ENH2: estructura y cobertura
La Segunda Encuesta de Hogares de Guinea Ecuatorial (ENH2) (Instituto Nacional de Estadística de Guinea Ecuatorial, 2023) contiene módulos de vivienda, servicios, activos, educación, salud, empleo y gasto de consumo, e incluye un agregado de bienestar per cápita en PPA 2021 (pcexp_ppp) y líneas de pobreza de referencia. Se trabaja con tres bases:
| Base | Unidad | Contenido | Enlace |
|---|---|---|---|
Households.dta |
1 fila por hogar | Vivienda, servicios, activos, gasto | interview__key |
Individuals.dta |
1 fila por persona | Edad, sexo, educación, salud, empleo (521 variables) | interview__key |
Welfare |
Agregado de consumo | pcexp_ppp, líneas zali0 y zref |
— |
La muestra cubre 7.069 hogares, en dos regiones (Continental e Insular) y siete provincias:
| Provincia | Región | Hogares en la muestra |
|---|---|---|
| Litoral | Continental | 1.493 |
| Bioko Norte | Insular | 1.393 |
| Wele-Nzás | Continental | 1.055 |
| Kié-Ntem | Continental | 1.043 |
| Bioko Sur | Insular | 987 |
| Centro Sur | Continental | 915 |
| Annobón | Insular | 183 |
- Identificación:
interview__key(hogar),hhsize(tamaño),weight_hh(ponderador). - Vivienda y servicios:
q2_25_aguaTomar(agua),q2_28_aseo(saneamiento),q2_32_ServEletricidad(electricidad). - Educación:
q1_03_edad(edad),q3_05_grado(grado más alto),asistencia_escolar. - Bienestar monetario:
pcexp_ppp(gasto per cápita PPA 2021),zrefyzali0(líneas).
electricity, imp_wat_rec e imp_san_rec son variables ya recodificadas en el pipeline de limpieza a partir de las preguntas crudas de la ENH2.
Actividad 1 · Dimensiones e indicadores
La propuesta base (pipeline GNQ) usa tres dimensiones. El taller invita a evaluar si conviene ampliarla (la ENH2 tiene módulos de salud y empleo que podrían aportar indicadores si se justifican conceptualmente).
| Dimensión | Indicador | Variable(s) ENH2 |
|---|---|---|
| Educación | Logro educativo de adultos | q3_05_grado, q1_03_edad → educat7 |
| Educación | Asistencia escolar de niños/as | asistencia_escolar, q1_03_edad |
| Vivienda y servicios | Acceso a electricidad | electricity (q2_32_ServEletricidad) |
| Vivienda y servicios | Agua mejorada | imp_wat_rec (q2_25_aguaTomar) |
| Vivienda y servicios | Saneamiento adecuado | imp_san_rec (q2_28_aseo) |
| Monetario | Gasto per cápita bajo la línea | pcexp_ppp (Welfare) |
- En grupos, revisen la propuesta base de tres dimensiones (educación, vivienda/servicios, monetario).
- Decidan si la mantienen, la amplían (ej. salud) o la ajustan, justificando cada cambio con un criterio de Alkire.
- Para cada dimensión, enumeren de 1 a 3 indicadores concretos y la variable de la ENH2 que los mediría.
- Escriban su propuesta en el formato: Dimensión → Indicador → Variable ENH2.
Actividad 2 · Umbrales, ponderaciones y k
| Indicador | Umbral de privación propuesto |
|---|---|
| Logro educativo | Ningún adulto (15+) del hogar completó primaria |
| Asistencia escolar | Al menos un niño en edad escolar (7–14) no asiste |
| Electricidad | El hogar no tiene acceso al servicio eléctrico |
| Saneamiento | El hogar no tiene saneamiento mejorado |
| Agua | El hogar no tiene una fuente de agua mejorada |
| Monetario | Gasto per cápita inferior a USD 3,00 (PPA 2021) |
Propuesta de ponderación anidada (tres dimensiones): Educación \(1/3\) (logro \(1/6\) + asistencia \(1/6\)); Vivienda y servicios \(1/3\) (electricidad, agua, saneamiento, \(1/9\) cada uno); Monetario \(1/3\).
- \(k = 20\%\): se acerca al enfoque de unión, identifica a más hogares como pobres.
- \(k = 33\%\) (\(1/3\)): el estándar internacional; balance entre amplitud y profundidad.
- \(k = 40\)–\(50\%\): más restrictivo, solo los hogares con privaciones más severas y simultáneas.
- Buena práctica: calcular el IPM con varios valores (
klist(20 25 33 40)) y documentar cómo cambian \(H\), \(A\) y \(M_0\).
- Retomen la matriz dimensión-indicador de la Actividad 1.
- Para cada indicador, definan un umbral de privación concreto (usen la tabla como punto de partida).
- Propongan un esquema de ponderación (igual entre dimensiones, o justifiquen uno diferenciado).
- Elijan un valor de \(k\) y expliquen por qué, considerando el análisis de sensibilidad.
Del diseño al cálculo: el pipeline en Stata
El pipeline de código refactorizado traduce la propuesta del taller en un IPM reproducible:
00_maestro.do— define la única ruta de proyecto a editar ($gdRaiz) y ejecuta los módulos en orden.01_privaciones_MPM.do— construye las variables base por dimensión a partir de la ENH2 cruda y aplica los umbrales de la variante MPM, generando las variables binarias de privación (0/1).03_calculo_mpm_mpitb.do— corrempitb set/mpitb estpara obtener \(H\), \(A\), \(M_0\) y descomposiciones.04_exportar_figuras.do— exporta a Excel y genera los gráficos nativos de Stata (dispersión, boxplot, contribuciones al IPM, coeficientes de las regresiones).
Reemplace los indicadores y dimensiones (entre <…>) por los de su propuesta:
mpitb set, name(EQUIPO) ///
d1(<indicadores dimensión 1>, na(<nombre1>)) ///
d2(<indicadores dimensión 2>, na(<nombre2>)) ///
d3(<indicadores dimensión 3>, na(<nombre3>))
mpitb est, name(EQUIPO) klist(33) weights(equal) ///
measures(all) indmeas(all) aux(hd) svy over(area prov)Ficha de diseño (actividad práctica)
Trabajando en grupos, cada equipo produce una ficha de diseño de un IPM alternativo:
| Elemento | Propuesta del equipo | Justificación |
|---|---|---|
| Dimensiones | ||
| Indicadores por dimensión | ||
| Umbrales de privación | ||
| Ponderaciones | ||
| Umbral de pobreza \(k\) | ||
| Fuente(s) de datos |
Comunicar resultados
De la cifra técnica a una herramienta de decisión:
- Mapas por provincia para visualizar dónde se concentra la pobreza multidimensional.
- Gráficos de contribución por indicador (barras apiladas) para mostrar qué privaciones pesan más.
- Diagramas de Venn o UpSet para la superposición de privaciones entre dimensiones.
- Series temporales si hay más de una ronda de la encuesta.
- Un resumen ejecutivo con los hallazgos clave, dirigido a los responsables de la toma de decisiones y sin tecnicismos.
- Diseño: dimensiones justificadas y acotadas; indicadores con variable ENH2 identificada.
- Parámetros: umbrales documentados; ponderaciones y \(k\) con sensibilidad probada.
- Implementación: pipeline de código limpio y reproducible; plan de comunicación de resultados.
Cierre y síntesis
Cada equipo presenta su ficha y su IPM. La discusión final compara resultados y decisiones, subrayando que la fortaleza del método Alkire-Foster está en hacer transparentes y debatibles todas las elecciones de medición. Un buen IPM nacional no copia el índice global: lo traduce, con rigor técnico y legitimidad participativa, a la realidad del país.
Recursos complementarios (OPHI)
- Guía de pasos para el diseño de un IPM nacional (UNDP & OPHI, 2019).
- Manual de referencia del método (Alkire et al., 2015).
- Portal de formación en línea de OPHI (Oxford Poverty and Human Development Initiative, s. f.-a).
- Ejemplos de IPM nacionales en política pública (OPHI) (Oxford Poverty and Human Development Initiative, 2024).