Impacto del programa Tekoporã sobre la pobreza
monetaria departamental de las familias paraguayas en
el período 2018-2019
Impact of the Tekoporã program on the departmental
monetary poverty of paraguayan families in the period
2018-2019
Fecha de recepción: 19 de julio de 2024
Fecha de aceptación: 23 de agosto de 2024
1Economista pela Universidad Nacional de Asunción (UNA), Paraguai. Mestre em economia e Doutorando em economia
doméstica pela Universidade Federal de Viçosa (UFV), Minas Gerais-Brasil. Pesquisa na área de pobreza, infraestrutura,
mercado de trabalho e análise de eficiência. Correo electrónico: acuenca0591@gmail.com. ORCID: https://orcid.org/0000-
0001-5163-5282.
1
Anibal David Cuenca López
Evandro Camargos Teixeira2
2Economista pela Universidade Federal de Juiz de Fora (UFJF), mestre em Desenvolvimento Econômico pela Universidade
Federal do Paraná (UFPR) e doutor em Economia Aplicada pela Escola Superior de Agricultura Luiz de Queiroz
(ESALQ)/Universidade de São Paulo (USP), Brasil. Atualmente, é Professor Associado I do Departamento de Economia da
Universidade Federal de Viçosa (UFV) e pesquisa na área de Desenvolvimento Econômico, particularmente com os seguintes
temas: criminalidade, saúde, educação e pobreza. Correo electrónico: evandro.camargos@gmail.com. ORCID:
https://orcid.org/0000-0002-6470-2103.
1
1
Resumen
Este trabajo tiene como objetivo evaluar el impacto del Programa Tekoporã sobre la
pobreza monetaria departamental de los hogares paraguayos en el período 2018-2019.
Con este fin se estimaron dos métodos de evaluación cuasiexperimentales. Propensity
Score Matching y Diferencias en Diferencias. Como principal resultado se constató la
importancia de recibir los beneficios del programa como forma de reducción de la pobreza
extrema. Sin embargo, es necesario establecer nuevas condicionalidades referentes al
trabajo adulto, además de la promoción productiva de las familias como forma de
incrementar la eficacia de Tekoporã.
Palabras clave: pobreza monetaria, programa Tekoporã, departamentos, Paraguay.
Abstract
This paper aims to assess the impact of the Tekoporã Program on the departmental
monetary poverty of Paraguayan families in the 2018-2019 period. To this end two quasi-
experimental evaluation methods were estimated: Propensity Score Matching and
Differences in Differences. The main result was the importance of receiving benefits from
the Program as a way of reducing extreme poverty. However, it is necessary to establish
new conditionalities regarding adult work, as well as the productive promotion of families,
as a way of increasing the effectiveness of Tekoporã.
Keywords: monetary poverty, Tekoporã program, departments, Paraguay.
1. Introducción
La erradicación de la pobreza ha sido un tema ampliamente debatido por economistas y
políticos, siendo considerado un importante desafío global. Se estima que en 2021 más
de 700 millones de personas vivían con un ingreso inferior a 2,15dólares al día (World
Bank, 2022). Es importante destacar que, en 2020, dos de cada tres individuos en
extrema pobreza habitaban en zonas rurales (Cabrera; Caldarelli, 2022) (Cabrera;
Caldarelli, 2022).
2
2
En América Latina, en 2021 aproximadamente 80 millones de personas tenían ingresos
inferiores a una canasta básica de alimentos
1
. Sin embargo, existen grandes
discrepancias entre las zonas rurales y urbanas, donde el 21,2 % de los residentes rurales
vivía en condiciones de pobreza extrema (Cepal, 2022). Esto significa que
aproximadamente uno de cada cinco habitantes rurales pasa hambre y no puede
satisfacer sus necesidades básicas.
En Paraguay, en 2022, el 24,7 % de la población vivía en condiciones de pobreza total
2
y el 5,6 % en pobreza extrema, con mayor prevalencia en áreas rurales. En general, las
familias campesinas se caracterizan por ser numerosas, y la principal fuente de ingresos
proviene de las actividades agrícolas, que son afectadas por las condiciones climáticas,
lo que genera menores ingresos y aumenta la probabilidad de caer en pobreza. Además,
el acceso a infraestructuras y servicios básicos son más deficientes en las zonas rurales,
lo cual afecta la calidad de vida de la población (Ramírez y González, 2009).
En términos geográficos, la tasa de pobreza total en Paraguay en 2022 presenta las
siguientes cifras departamentales: Asunción (13,1 %); Central (13,2 %); Alto Paraná
(21,2 %); Resto (31,2 %), Itapúa (33,4 %); San Pedro (38,7 %); Caazapá (39,1%);
Caaguazú (39,9 %). Del mismo modo, la tasa de pobreza extrema fue: Asunción (0,2 %);
Central (1,1 %); Alto Paraná (5,6 %); Itapúa (6,9 %); Resto (8,9 %), Caaguazú (9,1 %);
San Pedro (11,7 %); Caazapá (13,5 %). Es importante destacar que los departamentos
con mayores tasas de pobreza total son mayoritariamente rurales.
En ese contexto, la lucha contra la pobreza es un tema prioritario para los hacedores de
políticas públicas y diversas organizaciones que buscan implementar programas
innovadores que contribuyan a su erradicación (Sarshar, 2010). En este sentido, la
protección social es uno de los mecanismos capaces de reducir la pobreza y el déficit de
1
Canasta básica de alimentos corresponde a la línea de pobreza extrema.
2
Se considera pobre extremo aquel individuo o familia con ingreso inferior a una canasta básica de
consumo alimentario. Por otro lado, se considera pobre total individuos o familias con ingresos inferiores a
una canasta básica de consumo de alimentos más una canasta básica no alimentaria (vivienda, vestimenta,
educación, salud, acceso a servicios básicos, etc.).
3
3
capital humano, además de fomentar las bases para sociedades inclusivas y equitativas
en el mundo (World Bank, 2019).
Una de las principales herramientas de protección social para reducir la pobreza e
interrumpir su ciclo intergeneracional, además de estimular el desarrollo económico a
través de inversiones en nutrición, salud y educación, son las transferencias monetarias
condicionales (TMC) (Brauw y Peterman, 2020; Díaz, 2017; Ford et al., 2020; Molina
et al., 2020; Vacaflores y LeSage, 2020).
Las TMC tienen un doble objetivo. A corto plazo, buscan incrementar el consumo de las
familias debajo de la línea de pobreza por medio de la asistencia financiera. A largo plazo,
pretenden interrumpir la transmisión intergeneracional de la pobreza a través de
inversiones en capital humano de los niños beneficiados, reduciendo las privaciones que
afectan a las familias (Adato et al., 2011; Fiszbein y Schady, 2009; Osorio, 2018; Stampini
y Tornarolli, 2012).
En esa línea, Ibarrarán et al. (2017) evidenciaron que las TMC aumentaron el consumo
y nutrición familiar en América Latina, además de reducir la pobreza y la desigualdad.
Además, se observó incrementos en la matrícula y permanencia escolar (Saavedra,
2016), y aumento del número de visitas médicas (Morris, 2010).
En Paraguay, el Ministerio de Desarrollo Social (MDS) de Paraguay implementó en 2005
Tekoporã, programa de TMC orientada a reducir la pobreza actual y fomentar inversiones
en capital humano de niños y adolescentes con el fin de interrumpir el ciclo
intergeneracional de la pobreza. Este programa tiene como foco las familias vulnerables
con niños, mujeres embarazadas, ancianos y discapacitados y comunidades indígenas.
(Manual Operativo del Programa Tekoporã, 2016).
Varios estudios evaluaron el impacto de Tekoporã sobre diferentes factores
socioeconómicos, como el nivel de capital humano (véase Banco Mundial, 2016;
González –Delgado, 2015; Grance y Villamayor, 2021); nutrición de niños (véase Barrios
et al., 2008); trabajo infanto-juvenil (véase Cuenca et al., 2021; Hirata, 2008; Secretaría
de Acción Social, 2007); trabajo adulto (véase Núñez-Guerrero, 2019); empoderamiento
4
4
femenino (véase Torrents, 2010); y pobreza monetaria (véase Legal-Cañisa, 2022, y
Soares et al., 2008).
A partir del estado del arte presentado, este estudio tiene como objetivo evaluar el
impacto del Programa Tekoporã sobre diferentes estatus de pobreza (pobreza total y
extrema pobreza) por departamentos del Paraguay, además de considerar el área de
residencia (urbana y rural) en el período 2018-2019. Importante resaltar que la elección
del período 2018-2019 se debe a la limitación de la base de datos, que solo permite el
análisis de la evolución de los indicadores socioeconómicos a lo largo de un período
interanual. Además, se optó por períodos anteriores a la pandemia de Covid-19 para
evitar sesgos en los resultados debido a la crisis sanitaria.
La principal contribución de este trabajo consiste en abordar el impacto de Tekoporã
considerando la localización geográfica. Aunque existen estudios previos, no se ha
encontrado trabajos que evalúen el efecto causal sobre el estatus de pobreza en los
distintos departamentos, considerando tanto áreas urbanas como rurales. Este enfoque
ofrece un panorama más preciso de la efectividad del programa en cada departamento,
y los resultados podrían apoyar la implementación de nuevas condicionalidades y
programas complementarios específicos por departamento o región que contribuyan a
reducir los niveles de pobreza en Paraguay.
Finalmente, este trabajo está organizado en seis secciones. La segunda sección presenta
las evidencias empíricas sobre el efecto de las TMC en la pobreza. La tercera revisa la
situación de la pobreza en los departamentos paraguayos. La cuarta describe la
metodología utilizada. La quinta presenta los resultados del estudio, y la última, las
consideraciones finales.
2. Evidencias empíricas
Los programas de transferencias monetarias condicionales (TMC) son una de las
principales formas de protección social para reducir la pobreza, estimular el crecimiento
económico e interrumpir la transmisión intergeneracional de la pobreza, incentivando
inversiones en nutrición, salud y educación de las nuevas generaciones en los países en
5
5
desarrollo (Brauw y Peterman, 2020; Díaz, 2017; Ford et al., 2020; Molina et al., 2020;
Vacaflores y LeSage, 2020).
El modelo de TMC se basa en la premisa de que la pobreza puede ser aliviada de forma
inmediata por medio de las transferencias directas de dinero a la población vulnerable.
Sin embargo, las familias que reciben este beneficio deben cumplir ciertas condiciones,
lo que permitiría a sus hijos superar el estatus de pobreza en la vida adulta. A largo plazo,
el objetivo es eliminar la transmisión de la pobreza por medio de inversiones en capital
humano de los niños beneficiarios (Adato et al., 2011; Fiszbein y Schady, 2009; Lomelí,
2008; Osorio, 2018; Stampini y Tornarolli, 2012).
Además de incrementar el consumo de las familias beneficiarias, las TMC mostraron
eficacia en la mejoría de los indicadores de nutrición, salud y educación, aumentando las
tasas de matrícula escolar y frecuencia de consultas médicas (Morris, 2010; Saavedra,
2016). Programas como Bolsa Familia en Brasil, PROGRESA en México y Familias en
Acción en Colombia mostraron efectos positivos sobre la salud y educación de los niños
(Brauw y Peterman, 2020; Ibarrarán et al., 2017; Segura-Pérez et al., 2016). Además, el
empoderamiento femenino también fue observado como un efecto positivo de las TMC
en México y Nicaragua, donde las mujeres fueron responsables de la administración de
los recursos (Adato y Roopnaraine, 2010).
Sin embargo, la eficacia de esos programas puede variar conforme al contexto geográfico
e intrafamiliar (Cepaluni et al., 2022), así como la infraestructura local y calidad de los
servicios sociales (Moraes y Machado, 2017). Por otro lado, el éxito de las TMC también
depende del contexto local y la adaptación de los programas a las necesidades
específicas de las poblaciones beneficiarias (León et al., 2001; Morales y Gori, 2018).
El Programa Tekoporã, objeto de este estudio, implementado en 2005, es un ejemplo de
TMC que busca mejorar el bienestar de la población beneficiaria por medio de la
asistencia financiera e intervenciones simultaneas en salud, educación y nutrición
(Manual Operativo del Programa Tekoporã, 2016). Estudios indican que Tekoporã
6
6
contribuyó a la reducción de la pobreza entre las familias beneficiadas (Legal-Cañisa,
2022; Soares et al., 2008).
3. Nivel de pobreza por departamentos
Para comprender mejor los efectos de Tekoporã sobre la pobreza monetaria
presentados, es importante conocer el contexto socioeconómico de los departamentos
del Paraguay. Se destaca que la concentración de la pobreza es más intensa en algunas
regiones, impactando sectores importantes de la población, generando desigualdad y
falta de acceso a servicios básicos debido al menor grado de desarrollo (Cuenca-López,
2020; Molinier y Serafini, 2018).
En esa línea, Sili et al. (2017) señalan que la geografía paraguaya es diversa y su
desarrollo depende de las condiciones ambientales, de infraestructura, inversión de
capital, de la heterogeneidad de los sistemas de producción, de la pobreza, del deterioro
del hábitat y otros.
De este modo, considerando las tasas de pobreza regional (véase Anexo A), los
departamentos que presentaron menores tasas de pobreza en 2001 fueron Asunción
(16,5 %), Central (28,7 %), Alto Paraná (43,6 %). Por el contrario, los departamentos con
mayores tasas de pobreza fueron Guairá (63,2 %), San Pedro (66,1 %), Caazapá (73 %).
Del mismo modo, se observa que en 2017 la variación en la tendencia de la pobreza
apenas cambió con el tiempo. Así, los departamentos con menores tasas de pobreza
fueron Asunción (11,6 %), Amambay (15,2 %), Central (16,2 %) y Alto Paraná (21,4 %).
Por el contrario, los departamentos con mayores tasas de pobreza fueron Caaguazú (43,7
%), Concepción (44%), Alto Paraguay (46,5 %) y Caazapá (47 %).
Como se mencionó anteriormente, las desigualdades regionales observadas en
Paraguay han generado diferentes niveles de desarrollo en cada región y departamento.
Por un lado, se observa una franja fronteriza dinámica, caracterizada por la agroindustria
y comercio de reexportación. Por otra parte, la agricultura familiar es la principal fuente
de subsistencia. También existen otras dos grandes zonas: la región metropolitana,
donde se encuentra el mayor número de empresas y actividad industrial, y la subregión
7
7
del Chaco Central, caracterizada por la agroindustria de carne y lácteos (Cresta et al.,
2011).
Por tanto, Paraguay no fue capaz de integrar las regiones y departamentos. Por el
contrario, el modelo desarrollado aumentó las desigualdades económicas y sociales entre
ellas (Cresta et al., 2011). Según Santander y Robles (2004), las diferencias entre las
tasas de pobreza y desigualdad no se limitan solo entre las regiones o departamentos,
sino también entre los municipios y dentro de ellos.
La persistencia de la desigualdad también se puede observar a través del Índice de
Desarrollo Humano
3
(IDH) por departamentos. A pesar de que el IDH evolucionó
positivamente a nivel nacional entre 2001 y 2020, pasando de 0,662 a 0,741, la brecha
entre departamentos persiste. En ese sentido, ordenando de menor a mayor IDH
departamental, se tiene la siguiente secuencia: Asunción, Central, Paraná Alto,
Caaguazú, Caazapá y San Pedro (PNUD, 2022).
Por lo tanto, con las actuales tasas de crecimiento, San Pedro tardaría 24 años en
alcanzar el IDH que tuvo Asunción en 2020, y Caazapá llevaría aún más tiempo, 42 años
(PNUD, 2022). De esta forma, se constata que los departamentos poseen características
económicas y culturales que inciden en la pobreza de las familias, como concentración
de ingresos, funcionamiento de los mercados internacionales, la degradación ambiental,
falta de políticas públicas para el acceso a las tierras, factores institucionales como la
exclusión social, inversión limitada en capital humano e infraestructura (Cuenca-López,
2020; Fogel, 2002).
Otro factor clave para entender las desigualdades regionales es la gestión de los
gobiernos departamentales y municipales. Sus tareas incluyen la prestación de servicios
públicos de agua potable, energía y la promoción de la cooperación intermunicipal. Sin
embargo, sus capacidades son muy limitadas, ya que no disponen de autonomía
suficiente para recaudar impuestos y, por lo tanto, utilizar esos recursos para la inversión
3
El IDH está compuesto por la media ponderada de tres indicadores: expectativa de vida, escolaridad y
nivel de ingreso.
8
8
pública conforme a las necesidades específicas de cada departamento. La mayor parte
de los recursos son administrados directamente por el Gobierno central y, la mayoría de
las veces, sin necesidad de consulta o coordinación con los gobiernos departamentales
o municipales (OCDE, 2018).
4. Metodología
En esta sección se describen los métodos utilizados para evaluar el impacto del programa
de TMC en Paraguay, que corresponden al Propensity Score Matching (PSM), que estima
la participación de los individuos en Tekoporã; y posteriormente el estimador de
Diferencias en Diferencias (Dif-Dif), que mide el cambio a lo largo del tiempo de la variable
de interés (nivel de pobreza) entre los grupos tratados y control, y finalmente se presenta
la base de datos utilizada en la investigación.
Pareamiento con Propensity Score Matching (PSM)
El PSM estima la probabilidad de la familia recibir el tratamiento (beneficiario de
Tekoporã), controlando las características observadas (Lelis y Helfand, 2018). El escore
de propensión es la probabilidad condicional de que haya recibimiento de un tratamiento
particular, dado un vector de covariables observadas (Rosenbaum y Rubin, 1983).
Formalmente, se tiene, según Becker y Ichino (2002):
󰇛󰇜󰇛 󰇜 󰇛󰇜 (1)
Donde D es una variable binaria, que asume valor igual a 1 si la familia participa de
Tekoporã y 0 caso contrario, y X se refiere al vector de características observables que
afectan la selección para el programa. Adicionalmente, de acuerdo con Becker y Ichino
(2002), para estimar el PSM es necesario el cumplimiento de dos hipótesis: i) equilibrio
de variables pretratamiento, dado el puntaje de propensión; y ii) inconfundibilidad, dada
la puntuación de propensión.
Cabe destacar que las variables explicativas deben ser independientes del estado de
tratamiento. Además, con el objetivo de mejorar la calidad del pareamiento fue creada la
variable de logaritmo de ingreso familiar per cápita (Lingreso_fampc), que corresponde
9
9
al ingreso familiar neto de las transferencias gubernamentales aplicada el logaritmo
(Araújo et al., 2010; Kamakura y Mazzon, 2015).
Además, el modelo Probit se utiliza para estimar el escore de propensión, que incluye
variables predictoras que están relacionadas con la participación en el programa y los
resultados esperados (Resende y Oliveira, 2008). De ese modo, las variables explicativas
seleccionadas para el modelo de PSM son aquellas establecidas como condición en el
Manual Operativo
4
e indicadores que componen el Índice de Calidad de Vida de la
Secretaría de Acción Social para participar en Tekoporã, además de otras variables
establecidas en la literatura.
Formalmente, para el caso específico de este estudio
5
, se tiene:
󰇛󰇜   
   
   
   
 (2)
Además, cabe señalar que el uso del PSM se basa exclusivamente en la creación del
contrafactual más adecuada para emparejar al grupo de tratamiento (Lelis y Helfand,
2018). A continuación, se determina el impacto de Tekoporã, por medio del método de
Dif-Dif, sobre la pobreza monetaria. Por lo tanto, en 2018 se forman los grupos de
tratamiento y control antes de la participación en el programa. Posteriormente, en 2019,
para la evaluación de impacto, el grupo de tratamiento recibe la intervención, mientras el
contrafactual no participa de la intervención.
Además, para estimar el Average Effect of Treatment on the Treated (ATT) de interés se
aplicará el método de vecino más cercano (Nearest-Neighbor), que en general asocia
4
El Manual Operativo establece las condiciones que regirán el funcionamiento del Programa Tekoporã
durante su ejecución.
5
Son variables dummies: Tekoporã_fam; Rural; Crainza_fam; Adolescente_fam; Anciano_fam; Mujer_jefa;
Matrimonio; Discapacidad_fam; Plan_salud; Idioma_Jefe;Combustible; Aire_acondicionado; Automóvil. Por
otro lado, Lingreso_fampc es una variable continua, y finalmente son variables discretas: Edad_jefe;
Edad_jefe2; Dormitoriopc.
10
10
cada unidad del grupo de tratamiento i con la unidad del grupo de control j con el
Propensity Score más cercano (Araújo et al., 2010; Mata y Hernández, 2015; Nawaz y
Iqbal, 2021).
Estimación del impacto del Programa Tekoporã por el método Dif-Dif
El modelo Dif-Dif permite controlar las diferencias iniciales invariantes no observables en
el tiempo entre los grupos de tratamiento y control antes de iniciar el programa (Stecklov
et al., 2007). De este modo, Lelis y Helfand (2018) establecen que la racionalidad
subyacente al método de Dif-Dif permite comparar los resultados de los impactos entre
los grupos de tratamiento y control a lo largo del tiempo.
De ese modo, la especificación (3) apunta el efecto causal de Tekoporã considerando
que las variables no observables que afectan los resultados de ambos grupos ‒tratados
y controles‒ se hayan mantenido fijas a lo largo del tiempo, considerando t = 0 como el
período anterior al programa (2018) y t = 1 el período posterior a la ejecución del
programa (2019):
    
󰆒  (3)
Donde
 se refiere a las variables de resultados del domicilio i en el año t (2018 o 2019),
es decir, el nivel de pobreza familiar. Cabe también destacar que el nivel de pobreza es
creado por medio del ingreso familiar per cápita neto de las transferencias del Gobierno
(Tekoporã, Adulto Mayor, vale-alimentación), dividida en seis categorías, según el estatus
de pobreza familiar (Pobreza total y extrema) y área de residencia (urbana y rural).
Además, se pretende conocer los efectos del programa social por región, es decir,
determinar cuáles departamentos presentan mayor sensibilidad al Programa Tekoporã,
considerando los niveles de pobreza familiar. Así, se analizan los impactos en los
siguientes departamentos: Concepción, San Pedro, Cordillera, Guairá, Caaguazú,
Caazapá, Itapúa, Misiones, Paraguarí, Alto Paraná, Central, Ñeembucú, Amambay,
Canindeyú, Presidente Hayes, y la capital del país, Asunción.
11
11
Esta estrategia considera el análisis de los impactos departamentales y la comparación
de los efectos heterogéneos regionales, facilitando la focalización del programa en las
regiones donde las familias presentan mayor sensibilidad, y de ese modo verificar si son
necesarias políticas complementarias, tales como entrenamientos y capacitaciones,
asistencia técnica para la producción agrícola, proyectos de emprendedorismo, que
permitirían mejorar aún más el nivel de bienestar de la población objetivo.
Por lo tanto (véase la ecuación 3), Tekoporã corresponde a una dummy que asume valor
igual a 1 para las familias tratadas por el programa de TMC antes y después de recibir
los beneficios del programa; Período = 1 (es igual a 1) para el período después de la
implementación del programa, en 2019, y 0 para el año 2018; Impacto se refiere a una
dummy de interacción entre el período de tiempo y el estado de tratamiento, Impacto =
(Tekoporã*Período), que asume valor igual a 1 solo para los domicilios del grupo de
tratamiento en el período posterior a la implementación del programa. Así, es el
principal coeficiente de interés, que representa la estimación de impacto de Tekoporã en
los resultados de las familias tratadas. Además,  se refiere al error aleatorio (Khandker
et al., 2009).
Las variables incluidas en el vector 
󰆒 se refieren a las características observables a nivel
de familias que afectan los resultados y, potencialmente, se correlacionan con el hecho
de que la familia se beneficia del programa. Las variables seleccionadas se presentan
en la tabla 1.
Tabla 1. Variables incluidas en el modelo Diferencia en Diferencia (Dif-Dif)
Variables
Descripción
Señal esperada
Variable dependente
pobreza
Dummy que asume valor
igual a 1 si la familia está
-
12
12
debajo de línea de pobreza, y
0, caso contrario.
Variables explicativas
tekopora_fam
Dummy que asume valor
igual a 1 si la familia es
beneficiaria del programa de
transferencia monetaria
condicionada Tekoporã, y 0,
caso contrario.
Se espera señal negativa
entre la participación de la
familia en el programa de
TMC y el nivel de pobreza
(Cecchini et al., 2021; Imas,
2011).
tandom
Número de personas en el
domicilio.
Se espera una señal positiva
entre mayor número de
personas en el hogar,
principalmente en hogares
con hijos menores, y el nivel
de pobreza (Aguado et al.,
2007).
mformal_jefe
Dummy que asume valor
igual a 1 si el jefe de la familia
trabaja en el sector formal, y
0, caso contrario.
Se espera señal negativa
entre la participación en el
mercado formal y el nivel de
pobreza (Beccaria y
Groisman, 2008).
escola_jefe
Años de escolarización de la
persona de referencia en el
domicilio.
Se espera relación negativa
entre nivel educativo y nivel
de pobreza (Hiromoto, 2018).
agua
Dummy que asume valor
igual a 1 si el domicilio tiene
Se espera señal negativa
entre el acceso a agua
13
13
acceso a agua potable, y 0,
caso contrario.
potable y el nivel de pobreza
(Raihan, 2011).
saneamiento
Dummy que asume valor
igual a 1 si el domicilio tiene
acceso a saneamiento, y 0,
caso contrario.
Se espera señal negativa
entre el acceso al
saneamiento y el nivel de
pobreza (Aparicio et al.,
2011).
basura
Dummy que asume valor
igual a 1 si el domicilio tiene
acceso a recolección de
basura, y 0, caso contrario.
Se espera señal negativa
entre el acceso a recolección
de basura y el nivel de
pobreza (Moretto y Schons,
2007).
electricidad
Dummy que asume valor
igual a 1 si el domicilio tiene
acceso a electricidad, y 0,
caso contrario.
Se espera señal negativa
entre el acceso a la
electricidad y el nivel de
pobreza (Marinho et al.,
2017).
Fuente: elaboración propia.
Datos
La base de datos utilizada fue la Encuesta Permanente de Hogares Continua (EPHC) de
Paraguay relativa al período 2018-2019. EPHC incluye 15 departamentos de Paraguay,
divididos en zonas urbanas y rurales, más la capital del país. En 2019, el costo mensual
por persona de una canasta de alimentos o línea de pobreza extrema en el área urbana
fue de ₲ 266.754 (USD
6
42,7) mensual por persona, y para la pobreza total fue ₲ 699.634
(USD 112,1) mensual por persona. A su vez, en el área rural, la línea de extrema pobreza
6
1 USD = ₲ 6.241 (Tipo de cambio promedio anual 2019).
14
14
para 2019 tenía el valor de ₲ 243.608 (USD 39,0) mensual por persona, y la línea de
pobreza total fue de ₲ 497.049 (USD 79,6) mensual por persona.
5. Análisis de los resultados
Resultados del modelo Propensity Score Matching (PSM)
La tabla 1 presenta los resultados obtenidos por el modelo de PSM, utilizándose como
variable dependiente Tekopora_fam (familias que reciben o no el beneficio) y la técnica
de emparejamiento de los cinco vecinos con escores de propensión más cercanos.
Procediendo al análisis de la significancia de los coeficientes individuales, se observa que
casi todas las variables poseen significancia estadística. En general, las variables que
aumentan la probabilidad de participación en Tekoporã son: Rural, Crianza_fam,
Adolescente_fam, Mujer_jefe, Matrimonio, Edad_Jefe, Discapacidad_fam, e Idioma_jefe.
Por otro lado, las variables que disminuyen las chances de ser beneficiario del programa
son: Lingreso_fampc, Edad_jefe2, Plan_salud, Dormitoriopc, Combustible,
Aire_acondicionado y Automóvil.
Tabla 1. Estimación del Propensity Score Matching a través del modelo Probit en 2018
Tekopora_fam
Lingreso_fampc
Rural
Crianza_fam
Adolescente_fam
15
15
Anciano_fam
Mujer_jefe
Matrimonio
Edad_jefe
Edad_jefe2
Discapacidad_fam
Plan_salud
Idioma_jefe
Dormitoriopc
Combustible
16
16
Aire_acondicionado
Automóvil
Constante
Observaciones
17
17
Nota. *** significativo 1% e NS no significativo.Fuente: elaboración propia
con datos del INE 2018.
Después de la estimación del modelo PSM, fue analizada el balanceamiento de los
grupos de beneficiarios y contrafactual antes y después de aplicar el PSM (véase Anexo
18
18
B), por medio del test t Student para igualdad de medias entre los grupos antes y después
del emparejamiento. Por medio de la técnica de los cinco vecinos más cercanos con
restricción del soporte común, fue posible observar que las medias entre los grupos
después del emparejamiento son similares, lo cual indica que el grupo de control
construido posee características muy próximas a las observadas en el grupo de
tratamiento (Lelis, 2016).
Además, los resultados también indican que cuando los valores de t no son significativos
después del emparejamiento, los resultados de la estimación del modelo Probit satisfacen
la propiedad de equilibrio y validan los resultados obtenidos (Lin, 2014). Otra prueba
adicional utilizada para medir el ajuste del emparejamiento fue la estadística R de Rubin,
cuyo valor debe estar entre 0,5 y 2 para que la muestra sea suficientemente equilibrada.
Los resultados indican que después del emparejamiento el valor se encuentra en ese
intervalo, con valor igual a 0,90 y, por lo tanto, se considera que el modelo PSM estimado
es satisfactorio (Lelis, 2016).
Resultados del modelo Diferencias en Diferencias
En esta subsección se presentan los resultados del modelo de Dif-Dif por departamentos,
con el fin de evaluar los efectos de Tekoporã sobre la pobreza regional de las familias.
Estos resultados permiten que se verifique la realidad social por departamento y si, de
hecho, el programa social tiene alguna incidencia sobre la pobreza, según las
características socioeconómicas de cada región o departamento.
También cabe destacar que el análisis por departamentos se limita a la variable “impacto”,
ya que el principal interés es investigar el impacto del programa sobre el nivel de pobreza
departamental. Adicionalmente, los resultados de las variables de control son similares.
De este modo, en la tabla 2 se presentan los departamentos (líneas) y los niveles de
pobreza (columnas). Además, se pueden observar los resultados de cada estimación
individual realizada para cada categoría departamental en el Anexo C.
Tabla 2. Impacto del Programa Tekoporã sobre el nivel de pobreza departamental de
las familias paraguayas, período 2018-2019
19
19
Departamentos
Pobtotal
Pobtourbana
Pobtorural
Pobextrema
Pobexurbana
Pobexrural
Asunción
0,2772**
*
-
-
-0,096***
-
-
Concepción
0,0998**
*
-0,0076NS
0,1073***
0,0014NS
-0,0631***
0,0647***
San Pedro
0,0314**
*
0,0056NS
0,0297***
0,0371***
0,0469***
-0,0121*
Cordillera
0,1891**
*
0,1044NS
0,1787***
-0,061***
-0,0402***
-0,0281*
Guairá
0,0037NS
0,0122*
-0,0085NS
-0,0223**
-0,0158***
-0,0065NS
Caaguazú
-
0,0197**
*
-0,0113**
-0,0058NS
-0,0687***
0,0004NS
-
0,0689***
Caazapá
0,0748**
*
0,0407***
0,0334***
0,2022***
0,0431***
0,1579***
Itapúa
-
0,0012NS
-0,0049NS
0,0015NS
-0,0318***
0,0009NS
-
0,0319***
Misiones
0,1663**
*
-0,0127NS
0,1759***
-0,0534***
0,0203**
-
0,0735***
Paraguarí
0,0633**
*
0,0314***
0,0387***
-0,1383***
-0,0876***
-
0,0576***
Alto Paraná
-
0,0471**
*
0,0634***
-
0,1116***
-0,1046***
0,0763***
-
0,1804***
Central
0,2398**
*
0,2463***
0,0196**
-0,2053***
-0,1973***
-0,0049NS
20
20
Ñeembucú
-
0,1061**
*
-0,006NS
-
0,0952***
-0,0497***
-0,0821***
0,0329**
Amambay
0,1608**
*
0,0569***
0,0971***
-0,0168NS
-0,0749***
0,0559***
Canindeyú
0,0192NS
-0,0819***
0,0968***
0,2359***
-0,0389***
0,2732***
Pte. Hayes
0,0406**
0,0319**
0,0509***
-0,0289**
0,0162**
-
0,0401***
Nota. *** significativo 1 %; ** significativo 5 %; * significativo 10 %, e NS no significativo.
Fuente: elaboración propia con datos del INE 2018-2019.
Inicialmente, en la tabla 2 se presentan los resultados de la capital del país, Asunción
7
,
donde se puede observar que Tekoporã incide negativamente sobre la pobreza extrema
(Pobextrema). El programa disminuye el nivel de indigencia en la capital de Paraguay en
9,6 puntos porcentuales, aunque aumenta la pobreza total (Pobtotal). De forma similar,
se considera que en el departamento de Concepción el programa reduce la pobreza
extrema urbana (Pobexurbana) en 6,31 pp.
Para el caso del departamento de San Pedro, Tekoporã impactó negativamente la
pobreza extrema rural (Pobexrural) en 1,21 pp. Por otro lado, en el departamento de
Cordillera, las TMC reducen las categorías de pobreza extrema en 6,1 pp, pobreza
extrema urbana en 4,02 pp y la pobreza rural extrema en 2,81 puntos porcentuales,
respectivamente.
Además, se verifica que Tekoporã disminuye la pobreza extrema y pobreza extrema
urbana en 2,23 y 1,58 puntos porcentuales en el departamento de Guairá. Con respecto
a Caaguazú, el programa reduce los niveles de pobreza en diversas categorías, tales
7
Asunción (capital de Paraguay) es una ciudad totalmente urbanizada y, por lo tanto, no presenta zona o
región rural.
21
21
como Pobtotal, Pobtourbana, Pobextrema, Pobexrural, sin embargo, el impacto es mayor
en las categorías de pobreza extrema.
A su vez, se constata que en Caazapá no se producen efectos esperados para ninguna
de las categorías de pobreza, y por lo tanto, la participación en Tekoporã eleva la
probabilidad de pobreza de las familias beneficiarias. En el caso de Itapúa, la TMC
disminuye la pobreza extrema y la pobreza extrema rural en 3,18 y 3,19 pp,
respectivamente. Del mismo modo, en el departamento de Misiones, los resultados
indican que el programa social también disminuye las categorías de Pobextrema e
Pobexrural.
A su vez, en Paraguarí se verifica reducción de las categorías de pobreza extrema,
pobreza extrema urbana y rural por medio de las transferencias monetaria. Además, ser
beneficiario de Tekoporã disminuye la incidencia de pobreza en las categorías Pobtotal,
Pobtorural, Pobextrema y Pobexrural en Alto Paraná. Además, en Central, la
participación en el programa de TMC permite la caída de la pobreza extrema en 20,53 pp
y de la pobreza extrema urbana en 19,73 puntos porcentuales.
Posteriormente, para el departamento de Ñeembucú, Tekoporã impacta negativamente
la pobreza en las siguientes categorías: Pobtotal, Pobtorural, Pobextrema y
Pobexurbana. Todavía, para Amambay, solamente hubo reducción de la pobreza
extrema urbana en 7,49 puntos porcentuales.
En el departamento de Canindeyú, las categorías de pobreza que disminuyeron en
función del programa fueron Pobtourbana y Pobexurbana. Finalmente, considerando el
departamento de Pte. Hayes, el Tekoporã impacta negativamente en las categorías de
Pobextrema y Pobexrural en 2,89 y 4,01 puntos porcentuales.
En resumen, considerando los departamentos y los estatus de pobreza según área de
residencia, urbana o rural, se observa en la categoría de pobreza total (Pobtotal) que
66,7 % de los departamentos que muestran sensibilidad (significancia estadística y señal
negativa) al programa social presentan tasas de pobreza por debajo de la media nacional
(véase Anexo D), con excepción de Caaguazú. En la categoría de pobreza urbana total
22
22
(Pobtourbana), los departamentos en los que Tekoporã es capaz de reducirla presentan
resultados mixtos.
Además, con relación a la categoría de pobreza total rural (Pobtorural), los departamentos
que demostraron sensibilidad a Tekoporã están por debajo de la media de pobreza en
Paraguay. Por lo tanto, en lo que respecta a la pobreza extrema, se observa que el 68,8%
de los departamentos sensibles al programa también están por debajo de la media de
pobreza nacional. Esta misma tendencia se observa en la categoría de pobreza urbana
extrema (Pobexurbana), donde el 53,3 % está por debajo de la media de pobreza. Por
último, en el caso de la categoría de pobreza extrema rural (Pobexrural), los resultados
fueron similares, es decir, de los siete departamentos que presentaron significación
estadística y signo estimado negativo, cuatro están por debajo de la media de pobreza
nacional y los tres restantes están por encima de la media.
Así, de modo general, aproximadamente el 62 % de los departamentos que mostraron
sensibilidad con relación al programa social de TMC en Paraguay, considerando todas
las categorías de pobreza, presentan niveles de pobreza por debajo de la media nacional.
Además, tomando en consideración la Pobreza Total General y Pobreza Extrema
General (ver Anexo D), casi el 79 % de los departamentos sensibles a Tekoporã se
encuentran en la categoría de Pobreza Extrema General.
Cabe resaltar, considerando las categorías de pobreza, que los efectos de Tekoporã
fueron más intensos em Ñeembucú (Pobtotal); Canindeyú (Pobtourbana); Alto Paraná
(Pobtorural); Paraguarí (Pobextrema); Central (Pobexurbana) y Alto Paraná (Pobexrural).
En general, estos departamentos presentan tasas de pobreza por debajo del promedio
nacional para el país en su conjunto, excepto Paraguarí, que tiene tasas de pobreza por
encima del promedio nacional.
Por otro lado, los resultados arriba citados evidencian que el programa de TMC en
Paraguay afecta principalmente a aquellos departamentos con tasas de pobreza menores
que la media nacional. Además, los efectos son más consistentes en las áreas menos
desarrolladas (pobreza extrema), es decir, donde la población presenta mayores
23
23
privaciones con relación a nivel de empleo, infraestructura, acceso a servicios básicos
etc.
En esa línea, Riccio et al. (2010) encontró resultados similares a través del programa
Opportunity NYC-Family Rewards, dirigido a familias de bajos ingresos, en seis de las
comunidades más pobres de la ciudad de Nueva York, donde el acceso al programa de
TMC aumentó el ingreso promedio mensual de los beneficiarios con relación a los no
beneficiarios. Similarmente, el Programa Bolsa Familia presentó una asociación negativa
con la tasa de pobreza extrema y la desigualdad en Brasil (Ávila, 2012; Ribeiro, 2012;
Rocha, 2011).
Estos resultados evidencian la importancia de los programas de TMC para mejorar el
nivel de bienestar en Paraguay, especialmente para las familias que viven por debajo de
la línea de pobreza extrema. Este efecto puede atribuirse al hecho de que los programas
de TMC en Paraguay, así como en otros países, están dirigidos a la población más
vulnerable, es decir, aquellas personas que están por debajo de la línea de pobreza
extrema y que residen en áreas menos desarrolladas.
Es importante destacar que el bienestar de las familias paraguayas ha sido positivamente
impactado por la asistencia financiera proporcionada por el Programa Tekoporã. Por lo
tanto, las TMC desempeñan un papel crucial en la reducción de la pobreza extrema y el
aumento del gasto en consumo a corto plazo (Fiszbein y Schady, 2009; Gammage, 2011;
Soares et al., 2008).
En ese contexto, el modelo de TMC se fundamenta en la idea central de que la pobreza
será inmediatamente aliviada mediante la transferencia directa de dinero a familias por
debajo de la línea de pobreza, pero, en contrapartida, las familias beneficiadas deben
realizar una serie de actividades que reducirían la probabilidad de que sus hijos se
conviertan en adultos pobres (Morais, 2017).
Por otra parte, además del alivio inmediato de las dificultades financieras a las que se
enfrentan las familias pobres, los programas de TMC pueden tener otros efectos
indirectos a corto plazo, como efectos multiplicadores positivos en los niveles de ingreso
24
24
y empleo de las comunidades donde residen las familias beneficiarias de tales programas
(Kakwani et al., 2005). En ese sentido, Guttandin et al. (2007) mencionan que Tekoporã
ejerce mayor dinamismo económico en las comunidades donde residen las familias
participantes en el programa, beneficiando a la comunidad en general.
Sin embargo, el estudio de Cuenca López (2024) apunta que Tekoporã está asociado a
la disminución de la participación laboral y aumento de la subocupación de los adultos
beneficiarios urbanos. Esa tendencia es consistente con otros estudios; por ejemplo,
Núñez-Guerrero (2015) sugiere que la seguridad de ingreso proporcionada por Tekoporã
podría generar impacto negativo en la oferta de trabajo. Cabe resaltar que las TMC en
América Latina no exigen la participación de los adultos en el mercado laboral (Baird
et al., 2018).
En contraste, Cuenca López (2024) observa que, a diferencia de las zonas urbanas, en
las áreas rurales el desempleo disminuye, aunque la subocupación tiende a aumentar. El
contexto rural presenta características específicas, como la agricultura de subsistencia y
la realización de trabajos temporales (changas)
8
. En las comunidades campesinas, las
transferencias pueden funcionar como un seguro de desempleo informal, permitiendo
mayor dedicación a las actividades agrícolas. En esa línea, Soares et al. (2010)
mencionan que las familias rurales beneficiarias invierten significativamente más en
producción agrícola y adquisición de animales, demostrando que Tekoporã incentiva la
agricultura familiar y el autoconsumo.
Por otro lado, cabe resaltar que la pobreza con sus diferentes dimensiones de impacto
genera desarraigo, particularmente en las comunidades rurales, obligando a la población
campesina a migrar hacia zonas con mayor dinamismo económico en los centros urbanos
(Ortiz et al., 2022). La migración en Paraguay tiene un contexto histórico de pobreza y
exclusión social, donde los departamentos con mayores índices de vulnerabilidad
8
Changas: ocupación poco remunerada generalmente de carácter temporal (producción, transporte de la
producción agrícola y ganadera no mecanizada; lavar ropa; ventas de verduras, frutas, y o carbón; limpieza,
etc.).
25
25
expulsan a sus habitantes en busca de mejores oportunidades socioeconómicas
(Galeano et al., 2019).
Carosini (2006) señala que la mayoría de las migraciones internas en Paraguay se
producen desde regiones rurales hacia las urbanas, siendo principalmente jóvenes con
bajo nivel de escolaridad cuya lengua materna es el guaraní. Por lo general, los migrantes
trabajan en empleos informales en localidades próximos a Asunción, con bajos ingresos
(Riquelme y Fernández, 2021). Además, este desplazamiento contribuye a la
precarización, el hacinamiento y la marginalidad en las zonas urbanas receptoras. La
principal motivación detrás de esta migración rural-urbana es la búsqueda de empleo y
acceso a ingresos monetarios, algo que resulta limitado en las áreas rurales de origen
(Ortiz et al., 2022).
Un aspecto importante de Tekoporã, particularmente en las zonas rurales, es que,
además de organizar a las familias como unidad productiva, permite una mayor
integración familiar; las madres pueden dedicar más tiempo al cuidado de la casa y de
los hijos por la seguridad que ofrece las transferencias de ingresos (Guttandin et al.,
2007).
6. Consideraciones finales
Este estudio tuvo como objetivo evaluar el impacto del Programa Tekoporã sobre la
pobreza monetaria, considerando la región urbano-rural y localización departamental de
las familias paraguayas en el período 2018-2019. Para ello, se utilizaron dos métodos. El
primero consistió en construir dos grupos de comparación con características similares:
un grupo que no recibe la intervención (control) y otro grupo que participa de la
intervención (tratado). Posteriormente, para medir los cambios en el nivel de pobreza a
lo largo del tiempo, se utilizó la metodología de doble diferencias.
En relación con los resultados, se ha podido constatar la importancia del acceso al
programa social como forma de reducción de la pobreza, principalmente para las familias
por debajo de la línea de pobreza extrema. Del mismo modo, la mayoría de los
departamentos que mostraron resultados más robustos presentan tasas de pobreza por
26
26
debajo de la media nacional. Estos departamentos incluyen Ñeembucú (Pobtotal),
Canindeyú (Pobtourbana), Alto Paraná (Pobtorural), Central (Pobexurbana) y Alto Paraná
(Pobexrural). La excepción es Paraguarí, que presenta tasa de pobreza por encima de la
media nacional en la categoría de pobreza total rural.
De esta forma, se evidencia por medio de los resultados que el programa de TMC
Tekoporã corresponde a una herramienta útil para reducir las tasas de pobreza extrema
a corto plazo en Paraguay. Sin embargo, los resultados son muy diversos, indicando que
es necesario lograr mayor focalización del programa y dirigir esfuerzos hacia algunas
regiones específicas con la finalidad de mejorar la calidad de vida de la población
beneficiaria.
Además, para intensificar los impactos positivos, sería necesario realizar inversiones
adicionales en salud y educación, a fin de garantizar que las familias puedan cumplir las
condiciones establecidas en el Manual Operativo. También sería importante establecer
otras condiciones relacionadas con el trabajo de los adultos, especialmente considerando
que muchas categorías en diferentes departamentos presentaron aumento en los niveles
de pobreza y extrema pobreza.
Sin embargo, además de estas nuevas condiciones, sería importante la implementación
de programas de entrenamiento y capacitación para los padres, con el fin de mejorar sus
habilidades e instrucción para trabajos mejor remunerados. Además, sería importante
ofrecer asistencia técnica a las familias para aumentar la producción agrícola y ganadera,
además de promover la formación de cooperativas en las comunidades atendidas por el
programa, con el objetivo de facilitar la comercialización de sus productos y garantizar no
solo la producción para autoconsumo, sino también la obtención de ingresos.
Finalmente, este trabajo presenta una limitación, relativa al hecho de que el análisis de
los efectos de la intervención se realiza solo en el corto plazo, específicamente en el
período 2018-2019, dada la escasez de datos disponibles que permitan investigar la
evolución de las condiciones socioeconómicas de la población paraguaya en más de un
27
27
período. De esta forma, aunque la intervención de Tekoporã sea considerable, el impacto
podría ser transitorio.
Referencias
Adato, M. y Roopnaraine, T. (2010). 12 Women's Status, Gender Relations, and
Conditional Cash Transfers. Conditional cash transfers in Latin America, 284.
https://www.ifpri.org/publication/conditional-cash-transfers-latin-america
Adato, M., Roopnaraine, T. y Becker, E. (2011). Understanding use of health
services in conditional cash transfer programs: Insights from qualitative research in Latin
America and Turkey. Social Science & Medicine, 72(12), 1921-1929.
https://doi.org/10.1016/J.SOCSCIMED.2010.09.032
Aguado Quintero, L. F., Girón Cruz, L. E. y Salazar Silva, F. (2007). Una
aproximación empírica a la relación entre educación y pobreza. Problemas del
desarrollo, 38(149), 35-60.
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0301-70362007000200003
Aparicio, C., Jaramillo, M. y San Román, C. (2011). Desarrollo de la infraestructura
y reducción de la pobreza: el caso peruano. CIES, Universidad del Pacífico.
http://cies.org.pe/sites/default/files/investigaciones/desarrollo-de-la-infraestructura-y-
reduccion-de-la-pobreza_0.pdf
Araújo, G. S., Ribeiro, R. y Neder, H. D. (2010). Impactos do Programa Bolsa
Família sobre o trabalho de crianças e adolescentes residentes na área urbana em
2006. Revista EconomiA, 11(4), 57-102.
https://ideas.repec.org/a/anp/econom/v11y2010i457_102.html
Galeano, L. A., Aveiro, N., Brítez, A., Genes, V., Mello, A. y Villalba, K. (2019).
Tendencias recientes de la migración interna. Asunción: FLACSO.
https://www.flacso.edu.py/wp-content/uploads/2019/10/1.Publicaciones-FLACSO-
Galeano-final.pdf
28
28
Avila, P. (2012). On the Evaluation of Conditional Cash Transfer Programs: An
Analysis of CCT Programs and Poverty [Columbia University].
https://doi.org/10.7916/D80Z79FW
Baird, S., McKenzie, D. y Özler, B. (2018). The effects of cash transfers on adult
labor market outcomes. IZA Journal of Development and Migration, 8(1), 1-20.
https://doi.org/10.1186/S40176-018-0131-9/TABLES/2
Banco Mundial. (2016). Calificaciones a Tekoporã y servicios de
Salud y Educación por las Familias participantes.
http://201.217.42.126:8080/handle/123456789/228
Barrios, F., Galeano, L. y Sánchez, S. (2008). El impacto del programa Tekoporâ
de Paraguay en la nutrición, el consumo y la economía local. Paraguay: Oficina Regional
de FAO/FLACSO. http://biblioteca.mds.gov.py:8080/handle/123456789/251
Beccaria, L. y Groisman, F. (2008). Informalidad y pobreza en
Argentina. Investigación económica, 67(266), 135-169.
https://www.scielo.org.mx/scielo.php?pid=S0185-
16672008000400005&script=sci_arttext
Becker, S. O. y Ichino, A. (2002). Estimation of Average Treatment Effects Based
on Propensity Scores. The Stata Journal: Promoting communications on statistics and
Stata, 2(4), 358-377. https://doi.org/10.1177/1536867x0200200403
Brauw, A. y Peterman, A. (2020). Can conditional cash transfers improve maternal
health care? Evidence from El Salvador’s Comunidades Solidarias Rurales program.
Health Economics (United Kingdom), 29(6), 700-715. https://doi.org/10.1002/HEC.4012
Cabrera, L. C. y Caldarelli, C. E. (2022). O que conhecemos sobre a pobreza rural?
Um panorama bibliométrico sobre a literatura. RDE – Revista de Desenvolvimento
Econômico, 2(52), 247-296. https://doi.org/10.36810/rde.v2i52.7394
29
29
Carosini, A. L. (2006). Impacto de las migraciones en el mercado laboral
paraguayo. Población y Desarrollo, 31, 59-66.
https://dialnet.unirioja.es/descarga/articulo/5654290.pdf
Cecchini, S., Villatoro, P. y Mancero, X. (2021). El impacto de las transferencias
monetarias no contributivas sobre la pobreza en América Latina. Cepal Review, 134.
https://doi.org/10.18356/16820908-2021-134-1
Cepal. (2022). Panorama Social de América Latina y el Caribe 2022: la
transformación de la educación como base para el desarrollo sostenible. En Mίdias
sociais no Brasil emergente. CEPAL. https://repositorio.cepal.org/handle/11362/48518
Cepaluni, G., Kinsley Chewning, T., Driscoll, A. y Faganello, M. A. (2022).
Conditional cash transfers and child labor. World Development, 152.
https://doi.org/10.1016/j.worlddev.2021.105768
Cuenca, A. D., Teixeira, E. y Fontes, M. (2021). Efeito do Programa Tekoporã
sobre a incidência de trabalho infanto-juvenil no Paraguai em 2019. Estado y Políticas
Públicas, 9(16), 195-220. http://repositorio.flacsoandes.edu.ec/handle/10469/17188
Cuenca López, A. D. (2024). Dois ensaios relativos ao impacto do programa
Tekoporã sobre o nível de pobreza das famílias paraguaias no período 2018-2019
[Tesis de doctorado, Universidade Federal de Viçosa].
https://doi.org/https://doi.org/10.47328/ufvbbt.2024.146
Cuenca-López, A. D. (2020). Impacto da infraestrutura econômica sobre a
probabilidade de pobreza no Paraguai [Tesis de doctorado, Universidade Federal de
Viçosa]. https://locus.ufv.br//handle/123456789/27861
Díaz, M. E. (2017). El programa de transferencia monetaria de Honduras “bono 10
mil”: su caracterización e impacto socio-económico. Economía y Administración (E&A),
8(2), 111-125. https://doi.org/10.5377/EYA.V8I2.5617
Fiszbein, A. y Schady, N. R. (2009). Transferencias monetarias condicionadas:
reducción de la pobreza actual y futura. En Transferencias monetarias condicionadas:
30
30
reducción de la pobreza actual y future. Washington: Banco Mundial.
https://doi.org/10.1596/978-9-5883-0773-2
Fogel, R. B. (2002). Pobreza y rol del Estado en el Paraguay. CERI.
https://biblioteca.clacso.edu.ar/Paraguay/ceri/20121129113326/fogel4.pdf
Ford, K. J., Lourenço, B. H., Cobayashi, F. y Cardoso, M. A. (2020). Health
outcomes of the Bolsa Família program among Brazilian Amazonian children. Revista de
Saúde Pública, 54, 2. https://doi.org/10.11606/s1518-8787.2020054001519
Gammage, S. (2011). Conditional cash transfers and time poverty: An example
from Guatemala. Cuadragésima sexta reunión de la Mesa Directiva de la Conferencia
Regional sobre la Mujer de América Latina y el Caribe.
https://www.cepal.org/sites/default/files/gammage_conditiona_cash_transfers_and_time-
poverty_03102011.pdf
González -Delgado, J. D. (2015). Contribution of the Social Program Tekoporã in
the formation of Human Capital of children and adolescents that are its beneficiaries in
Paraguay. 2005-2014. Población y Desarrollo, 21(41), 29-34.
https://doi.org/10.18004/pdfce/2076-054x/2015.021(41)029-034
Grance, E. M. y Villamayor, L. E. (2021). Análisis del nivel de acatamiento de las
corresponsabilidades exigidas por el Programa de Protección Social Tekoporã, Distrito
de Repatriación año 2018. Revista Estudios Paraguayos, 39-1.
https://doi.org/10.47133/respy3390104
Guttandin, F., Riquelme, L. y Cáceres, M. R. (2007). Pobreza campesina desde la
perspectiva de las madres beneficiarias del Programa Tekoporã.
https://paraguay.unfpa.org/es/publicaciones/pobreza-campesina-desde-la-perspectiva-
de-las-madres-beneficiarias-del-programa
Hirata, G. I. (2008). The Heterogeneous Impact of CCT programs on Child Labor:
the case of Tekoporã in Paraguay. Brazil: International Poverty Centre/UNDP.
31
31
Hiromoto, M. H. (2018). Análise do efeito do gasto social dos governos federal,
estadual e municipal sobre a pobreza no Brasil. Instituto de Pesquisa Econômica Aplicada
(Ipea), 48(1), 71-102. http://repositorio.ipea.gov.br/handle/11058/8348
Ibarrarán, P., Medellín, N., Regalia, F. y Marco Stampini. (2017). How conditional
cash transfers work: Good Practices after 20 Years of Implementation. En How
conditional cash transfers work. Inter-American Development Bank.
https://doi.org/10.18235/0000746
Imas, V. (2011). Transferencias Monetarias con Corresponsabilidad (TMC) y la
disminución de la pobreza en el marco de las políticas de protección social. Nuevos
aportes para las políticas públicas en Paraguay; nota 9. https://idl-bnc-
idrc.dspacedirect.org/bitstream/handle/10625/47110/133485.pdf?sequence=1
Kakwani, N., Soares, F. V. y Son, H. H. (2005). Conditional cash transfers in
African countries. Brasilia: International Poverty Centre, United Nations Development
Programme. https://socialprotection.org/es/discover/publications/conditional-cash-
transfers-african-countries
Kamakura, W. A. y Mazzon, J. A. (2015). Measuring the Impact of a Conditional
Cash Transfer Program on Consumption Behavior with Propensity Scoring. Customer
Needs and Solutions, 2(4). https://doi.org/10.1007/s40547-015-0037-0
Khandker, S., Koolwal, G. y Samad, H. (2009). Handbook on Impact Evaluation:
Quantitative Methods and Practices. En The International Bank for Reconstruction and
Development (Ed.), Handbook on Impact Evaluation. The World Bank.
https://doi.org/10.1596/978-0-8213-8028-4
Legal-Cañisa, S. (2022). Producto interno bruto, desigualdad del ingreso, pobreza
monetaria y programa sociales en Paraguay. Revista Científica OMNES, 2, 66-72.
https://www.columbia.edu.py/investigacion/ojs/index.php/OMNESUCPY/article/view/19
Lelis, L. V. C. (2016). Transferência condicional de renda e políticas de
desenvolvimento rural no Brasil: Explorando potenciais sinergias entre Bolsa Família e o
32
32
Projeto Pró-Gavião [Universidade Federal de Viçosa].
https://www.locus.ufv.br/bitstream/123456789/7923/1/texto%20completo.pdf
Lelis, L. V. C. y Helfand, S. M. (2018). Projetos de desenvolvimento rural e
transparência condicionada de renda: Impactos isolados e da sinergia entre Bolsa
Família e Projeto Pró-Gavião. Anais do XLIV Encontro Nacional de Economia.
https://www.anpec.org.br/encontro/2016/submissao/files_I/i12-
1012be886063e7e00bac277188cd88af.pdf
León, M., Vos, R. y Brborich, W. (2001). ¿Son efectivos los Programas de
Transferencias Monetarias para combatir la pobreza? Evaluación del impacto del Bono
Solidario en el Ecuador. Secretaría Técnica del Frente Social.
Lin, H. (2014). Government–Business Partnership Formation for Environmental
Improvements. Organization and Environment, 27(4).
https://doi.org/10.1177/1086026614554716
Lomelí, E. V. (2008). Conditional Cash Transfers as Social Policy in Latin America:
An Assessment of their Contributions and Limitations. Annual Review of Sociology, 34,
475-499. https://doi.org/10.1146/ANNUREV.SOC.34.040507.134537
Manual Operativo del Programa Tekoporâ, 563 (2016).
http://biblioteca.mds.gov.py:8080/handle/123456789/169
Marinho, E., Campelo, G., França, J. y Araujo, J. (2017). Impact of infrastructure
expenses in strategic sectors for Brazilian poverty. EconomiA, 18(2), 244-259.
https://doi.org/10.1016/j.econ.2017.01.002
Cresta, J., Lanzilotta, B., Vázquez, F., Ruiz Díaz, F. y Ons, A. (2011). Paraguay en
el Mercosur: asimetrías internas y política comercial externa. CADEP, Asunción, PY.
https://biblioteca.clacso.edu.ar/Paraguay/cadep/20160713034356/4.pdf
Mata, C. y Hernández, K. (2015). Evaluación de impacto de la implementación de
transferencias monetarias condicionadas para educación secundaria en Costa Rica
33
33
(Avancemos). Revista de Ciencias Económicas, 33(1), 9.
https://doi.org/10.15517/rce.v33i1.19964
Molina, T., Macours, K., Maluccio, J. A. y Tejerina, L. (2020). Experimental long-
term effects of early-childhood and school-age exposure to a conditional cash transfer
program. Journal of Development Economics, 143, 102385.
https://doi.org/10.1016/j.jdeveco.2019.102385
Molinier, L. y Serafini, V. (2018). Las desigualdades departamentales, el gasto y
el financiamiento del desarrollo territorial. Novapolis, 13, 111-139.
https://pyglobal.com/ojs/index.php/novapolis/article/view/93
Moraes, V. D. de y Machado, C. V. (2017). O Programa Bolsa Família e as
condicionalidades de saúde: desafios da coordenação intergovernamental e intersetorial.
Saúde em Debate, 41(spe3). https://doi.org/10.1590/0103-11042017s310
Morais, M. (2017). Poverty reduction, education, and the global diffusion of
conditional cash transfers. En Poverty Reduction, Education, and the Global Diffusion of
Conditional Cash Transfers. Palgrave McMillan. https://doi.org/10.1007/978-3-319-
53094-9
Morales, D. y Gori, A. (2018). The Impacts of Cash Transfers on Subjective
Wellbeing and Poverty: The Case of Colombia. Journal of Family and Economic Issues,
39(4), 616-633. https://doi.org/10.1007/S10834-018-9585-4/FULLTEXT.HTML
Moretto, C. F. y Schons, M. A. (2007). Pobreza e meio ambiente: evidências da
relação entre Indicadores sociais e indicadores ambientais nos estados
brasileiros. Encontro da sociedade brasileira de economia ecológica, fortaleza, 7.
Morris, S. S. (2010). Conditional cash transfer programs and health. Conditional
cash transfers in Latin America, 212-30. https://www.ifpri.org/publication/conditional-
cash-transfers-latin-america
34
34
Nawaz, S. y Iqbal, N. (2021). How cash transfers program affects environmental
poverty among ultra-poor? Insights from the BISP in Pakistan. Energy Policy, 148,
111978. https://doi.org/10.1016/J.ENPOL.2020.111978
Núñez-Guerrero, J. C. (2015). Impacto de programas de transferencias
monetarias condicionadas [Tesis de maestría, Universidad ORT Uruguay].
https://rad.ort.edu.uy/items/8d9898fc-38a6-4614-84dc-12e60f2000bf
Núñez-Guerrero, J. C. (2019). Oferta Laboral y Transferencias Condicionadas:
Evidencias del Programa Tekoporã. Población y Desarrollo, 25(49), 10-23.
https://doi.org/10.18004/PDFCE/2076-054X/2019.025.49.010-023
OCDE. (2018). Estudios de la OCDE sobre Gobernanza Pública: Paraguay.
OECD. https://doi.org/10.1787/9789264304017-es
Ortiz, L., Goetz, K., Rojas, S. y Cooperación Alemana al Desarrollo, G. I. Z.
(2022). Política Social en Perspectiva Territorial. https://www.bivica.org/file/view/id/6142
Osorio, C. G. (2018). A Comparative Analysis of the Adoption of Conditional Cash
Transfers Programs in Latin America. Journal of Comparative Policy Analysis: Research
and Practice, 21(4), 385-401. https://doi.org/10.1080/13876988.2018.1491671
PNUD. (2022). Índices de Desarrollo Humano en el Paraguay 2001 - 2020.
https://www.undp.org/es/paraguay/noticias/IDH-2001-2020
Raihan, S. (2011). Infrastructure and Growth and Poverty in Bangladesh. Munich
Personal RePEc Archive, 37882. https://mpra.ub.uni-
muenchen.de/37882/3/MPRA_paper_37882.pdf
Ramírez, J. y González, C. (2009). Crisis y pobreza rural en América Latina: el
caso de Paraguay. Documento de trabajo/Programa Dinámicas Territoriales Rurales.
RIMISP-Centro Latinoamericano para el Desarrollo Rural; n º. 48. https://rimisp.org/wp-
content/files_mf/13720761341366482664N48_2009_RamirezGonzalez_crisispobrezaru
ralcasoParaguay.pdf
35
35
Resende, A. C. C. y Oliveira, A. M. H. C. De. (2008). Avaliando resultados de um
programa de transferência de renda: O impacto do bolsa-escola sobre os gastos das
famílias Brasileiras. Estudos Economicos, 38(2). https://doi.org/10.1590/s0101-
41612008000200002
Ribeiro, D. R. de S. (2012). Três ensaios sobre o programa bolsa família: impacto
nas eleições, bem-estar e pobreza [Universidade Federal de Juiz de Fora].
https://repositorio.ufjf.br/jspui/handle/ufjf/1880
Riccio, J., Dechausay, N., Greenberg, D., Miller, C., Rucks, Z. y Verma, N. (2010).
Toward Reduced Poverty Across Generations: Early Findings from New York City’s
Conditional Cash Transfer Program. New York: MDRC; 2010. Conditional Cash Transfers
in New York City: The Continuing Story of the Opportunity NYC–Family Rewards
Demonstrations.
Riquelme, Q. y Fernández, G. (2021). El impacto socioeconómico y cultural de la
migración rural en dos asentamientos urbanos de los municipios de Limpio y Villa Hayes,
período 2008-2017. Kera Yvoty: reflexiones sobre la cuestión social, 6(especial).
https://doi.org/10.54549/ky.6e.2021.77
Rocha, S. (2011). O programa Bolsa Família: evolução e efeitos sobre a pobreza.
Economia e Sociedade, 20(1), 113-139. https://doi.org/10.1590/S0104-
06182011000100005
Rosenbaum, P. R. y Rubin, D. B. (1983). The central role of the propensity score
in observational studies for causal effects. Biometrika, 70(1), 41-55.
https://doi.org/https://doi.org/10.1093/biomet/70.1.41
Saavedra, J. E. (2016, May). The effects of conditional cash transfer programs on
poverty reduction, human capital accumulation and wellbeing. In United Nations Expert
Group Meeting: “Strategies for eradicating poverty to achieve sustainable development
for all” convened in New York on June (pp. 1-3).
https://www.un.org/esa/socdev/egms/docs/2016/Poverty-SDGs/JuanSaavedra-paper.pdf
36
36
Robles, M. y Santander, H. (2012). “Paraguay: Pobreza y Desigualdad de Ingresos
a Nivel Distrital. https://www.ine.gov.py/publication-single.php?codec=195
Sarshar, M. (2010). Amartya Sen's theory of poverty. Delhi: National Law
University.
Secretaría de Acción Social. (2007). Impacto de los programas TEC en el trabajo
infantil. https://socialprotection.org/discover/publications/impacto-de-los-programas-tec-
en-el-trabajo-infantil
Segura-Pérez, S., Grajeda, R. y Pérez-Escamilla, R. (2016). Conditional cash
transfer programs and the health and nutrition of Latin American children. Revista
Panamericana de Salud Pública, 40, 124-137.
Sili, M., Rodríguez, J. C., Ávila, C., Martínez, P. y Bozzano, L. (2017). Modelos de
Gestión y Desarrollo Territorial de nivel local y departamental en Paraguay.
https://repositorio.conacyt.gov.py/handle/20.500.14066/3810
Soares, F. V., Perez, R. y Hirata, G. (2010). Impact evaluation of a rural conditional
cash transfer programme on outcomes beyond health and education. Journal of
Development Effectiveness, 2(1). https://doi.org/10.1080/19439341003624433
Soares, F. V., Ribas, R. P. y Hirata, G. I. (2008). Los Logros y las Carencias de las
Transferencias de Efectivo Condicionadass: Evaluación del Impacto del Programa
Tekoporã del Paraguay (Nº. 3). International Policy Centre for Inclusive Growth.
Stampini, M. y Tornarolli, L. (2012). The Growth of Conditional Cash Transfers in
Latin America and the Caribbean: Did They Go Too Far?
https://publications.iadb.org/en/growth-conditional-cash-transfers-latin-america-and-
caribbean-did-they-go-too-far
Stecklov, G., Winters, P., Todd, J. y Regalia, F. (2007). Unintended effects of
poverty programmes on childbearing in less developed countries: Experimental
evidence from Latin America. Population Studies, 61(2), 125-140.
https://doi.org/10.1080/00324720701300396
37
37
Torrents, A. (2010). Feminización de la pobreza-Tekoporã.
http://www.cadep.org.py/2015/01/feminizacion-de-la-pobreza-rural/
Vacaflores, D. E. y LeSage, J. P. (2020). Spillover effects in adoption of cash
transfer programs by Latin American countries. Journal of Geographical Systems, 22(2),
177-199. https://doi.org/10.1007/s10109-020-00322-6
World Bank. (2019). Informe Anual 2018 del Banco Mundial.
https://openknowledge.worldbank.org/handle/10986/30326?locale-attribute=es
World Bank. (2022). World Development Report 2022: Finance for an Equitable
Recovery. https://doi.org/10.1596/978-1-4648-1730-4
ANEXOS
Anexo A. Tasas de pobreza total de Paraguay, 2001-2017
0
10
20
30
40
50
60
70
80
Paraguay
Asunción
Concepción
San Pedro
Cordillera
Guairá
Caaguazú
Caazapá
Itapúa
Misiones
Paraguarí
Alto Paraná
Central
Ñeembucú
Amambay
Canindeyú
Pte. Hayes
Boquerón
Alto Paraguay
2001 2017
38
38
Nota. Las tasas de pobreza presentadas en el Apéndice A corresponden al último período
que se tiene datos de todos los departamentos. Desde 2018, varios departamentos
(Concepción, Cordillera, Guairá, Misiones, Paraguarí, Ñeembucú, Amambay, Canindeyú
e Pte. Hayes) fueron aglomerados en una categoría denominada Resto. Además, la
muestra excluye los departamentos de Boquerón y Alto Paraguay. Por otro lado, para el
período 2001 no se disponía datos de los departamentos de la Región del Chaco.
Fuente: elaboración propia con datos del INE.
Anexo B. Prueba de equilibrio en la creación de muestras de control y tratamiento
después del emparejamiento
Variable
Media tratado
Media controle
Lingreso_fampc
12.599NS
12.616NS
Rural
0,8291NS
0,8284NS
Crianza_fam
0,8530NS
0,8529NS
Adolescente_fam
0,4025NS
0,4084NS
Anciano_fam
0,1574NS
0,1592NS
Mujer_jefe
0,3403NS
0,3501NS
Matrimonio
0,7564NS
0,7492NS
Edad
47.735NS
47.766NS
Edad2
2462.3NS
2468.3NS
Discapacidad_fam
0,0644NS
0,0649NS
Plan_salud
0,0502NS
0,0534NS
Idioma_jefe
0,8726NS
0,8802NS
39
39
Dormitoriopc
0,4980NS
0,5012NS
Combustible
0,1904 NS
0,1882NS
Aire_acondicionado
0,0667NS
0,0665NS
Automóvil
0,0547NS
0,0517NS
R - Antes del pareamiento
0,34
R - Después del pareamiento
0.90
Nota. ** significativo 5%, e NS no significativo.
Fuente: elaboración propia con datos del INE 2018-2019.
40
40
Anexo C.1. Resultados del modelo de Diferencias en Diferencias por
departamentos según la pobreza total
Variables
Asunción
Concepción
San
Pedro
Cordillera
Guairá
Caaguazú
Caazapá
Itapúa
Tratado
-
0,4335***
-0,031***
-0,001NS
0,1104***
0,0831***
0,1357***
-0,0119**
0,1662***
Período
0,0588***
-0,068***
-0,002NS
-0,1035***
0,0215***
-0,0112***
-
0,0403***
-
0,0007NS
Impacto
0,2772***
0,0998***
0,0314***
0,1891***
0,0037NS
-0,0197***
0,0748***
-
0,0012NS
Rural
-
-0,1398***
-
0,0813***
-0,2044***
-
0,0404***
-0,1408***
-
0,1586***
-
0,1456***
Total
0,0312***
0,0432***
0,0504***
0,0371***
0,0205***
0,0149***
0,0387***
0,0272***
Jefe_mformal
-
0,2727***
-0,3333***
-
0,3857***
-0,1776***
-
0,3088***
-0,2875***
-
0,3146***
-
0,2552***
Escola_jefe
-
0,0155***
-0,008***
-
0,0128***
-0,0345***
-
0,0127***
-0,0196***
-
0,0059***
-
0,0183***
Agua
-
0,0726***
0,0979***
-
0,0728***
-0,0445***
-0,0109**
-0,0169***
-
0,0129***
-
0,0461***
Saneamiento
-
0,0593***
-0,0249NS
0,1594***
-
0,1125***
-0,1079***
-
-
0,1294***
Internet
-
0,2818***
-0,3516***
-
0,2929***
-0,2444***
-
0,3368***
-0,3638***
-
0,4301***
-
0,2165***
Electricidad
-
-0,1296***
0,312***
0,3785***
0,0156NS
0,6646***
0,0859**
-
0,1686***
Basura
-
0,2203***
-0,0302***
-0,084***
0,0023NS
0,0035NS
-0,0298***
0,1892***
-0,037***
Constante
0,8621***
0,6552***
0,3347***
0,3798***
0,7198***
0,1739***
0,6699***
0,9523***
41
41
R2
0,39
0,12
0,14
0,14
0,05
0,12
0,08
0,17
Observaciones
11.059
44.238
85.900
37.596
39.900
84.647
38.683
73.164
Nota. *** significativo 1%; ** significativo 5%; * significativo 10%, e NS no significativo, (-)
insuficiencia muestral. Fuente: elaboración propia con datos del INE 2018-2019.
Anexo C.1. Resultados del modelo de Diferencias en Diferencias por
departamentos según la pobreza total (Continuación).
Variables
Misiones
Paraguarí
Alto
Paraná
Central
Ñeembucú
Amambay
Canindeyú
Pte.
Hayes
Tratado
0,037***
0,0539***
0,0063NS
0,2116***
0,2367***
-0,1079***
0,0274***
-
0,0085NS
Período
-
0,1255***
0,041***
0,0347***
-
0,0772***
-0,0592***
-0,0134*
-0,0134**
0,0347***
Impacto
0,1663***
0,0633***
-
0,0471***
0,2398***
-0,1061***
0,1608***
0,0192NS
0,0406**
Rural
-
0,2718***
-0,1728***
-
0,1598***
-
0,2026***
-0,0164NS
-0,307***
-0,1715***
-
0,4394***
Total
0,0413***
-0,0159***
0,0499***
0,025***
-0,0034NS
0,0318***
0,0474***
0,0317***
Jefe_mformal
-
0,2689***
-0,3543***
-
0,3131***
-
0,1032***
-0,4057***
-0,2326***
-0,3298***
-
0,0798***
Escola_jefe
-
0,0109***
-0,0159***
-
0,0141***
-.0076***
-0,0181***
-0,0199***
0,0017***
-
0,0132***
Agua
0,0817***
-0,05***
-
0,0504***
-0,058***
-
0,03592***
0,0603***
0,0361***
-
0,1495***
Saneamiento
-
0,3057***
-
0,1058***
-
0,1682***
0,1043***
-0,5209***
-
-
0,3798***
Internet
-
0,1266***
-0,4759***
-
0,2643***
-0,203***
-0,3466***
-0,1185***
-0,1928***
-
0,2349***
42
42
Electricidad
-
0,1466***
-0,0656***
0,4838***
0,2594***
-0,1806***
-0,1725***
0,01694NS
0,3698***
Basura
-
0,2016***
0,0155*
-
0,1207***
-
0,0463***
0,0455***
-0,2294***
-0,3763***
-
0,1124***
Constante
0,8602***
1.0504***
0,147***
0,2432***
0,8539***
0,8668***
0,4992***
0,4465***
R2
0,12
0,18
0,21
0,18
0,26
0,15
0,12
0,18
Observaciones
14.150
42.400
52.304
79.416
11.196
13.283
32.177
12.509
Nota. *** significativo 1 %; ** significativo 5 %; * significativo 10 %, e NS no significativo, (-)
insuficiencia muestral.
Fuente: elaboración propia con datos del INE 2018-2019.
Anexo C.2. Resultados del modelo de Diferencias en Diferencias por
departamentos según la pobreza extrema
Variables
Asunción
Concepción
San
Pedro
Cordillera
Guairá
Caaguazú
Caazapá
Itapúa
Tratado
-
0,2003***
0,0030NS
-
0,0592***
0,0793***
0,0216***
0,0372***
-0,061***
0,0631***
Período
-
0,1053***
0,0124**
0,0199***
0,0111***
-0,086***
0,02***
-0,129***
0,0097***
Impacto
-0,096***
0,0014NS
0,0371***
-0,061***
-0,0223**
-0,0687***
0,2022***
-
0,0318***
Rural
-
0,0325***
0,0422***
-0,0007NS
0,171***
0,0573***
-
0,1205***
0,0786***
Total
0,0027**
0,0199***
0,0358***
0,0185***
0,0247***
0,0162***
0,0413***
0,0204***
Jefe_mformal
-
0,1723***
-0,1877***
-
0,2225***
-0,0995***
-
0,3216***
-0,1931***
-
0,2954***
-
0,1459***
43
43
Escola_jefe
0,0106***
-0,0123***
-0,006***
-0,0199***
-
0,0102***
-0,006***
0,0021***
-
0,0181***
Agua
-
0,3364***
0,1057***
-
0,0764***
0,0192***
0,0029NS
-0,029***
-
0,0462***
0,0108***
Saneamiento
-0,077***
0,1278***
-0,0402**
-
0,0431*
-0,0683***
-
0,0258***
Internet
-
0,1707***
-0,0838***
-0,0283**
-0,036***
-0,095***
-0,1209***
-
0,1499***
0,0777***
Electricidad
-
0,059***
0,1089***
0,245***
-0,074**
0,2106***
0,37***
0,3680***
Basura
0,0067NS
-0,133***
-
0,1017***
-0,0662***
0,052***
-0,0531***
-0,346***
-
0,1359***
Constante
0,5106***
0,0542***
0,0935***
-0,0465*
0,2794***
0,0245NS
-0,0299NS
-
0,1719***
R2
0,32
0.12
0,07
0,08
0,13
0,05
0,08
0,12
Observaciones
11.059
44.238
85.900
37.596
39.900
84.647
38.683
73.164
Nota. *** significativo 1%; ** significativo 5%; * significativo 10%, e NS no significativo, (-)
insuficiencia muestral.
Fuente: elaboración propia con datos del INE 2018-2019.
Anexo C.2. Resultados del modelo de Diferencias en Diferencias por
Departamentos según la pobreza extrema (Continuación)
Variables
Misiones
Paraguarí
Alto
Paraná
Central
Ñeembucú
Amambay
Canindeyú
Pte.
Hayes
Tratado
0,0681***
0,0385***
0,1648***
0,0253***
0,088***
0,0398***
-0,1392***
0,0842***
Período
0,0132NS
0,0106*
0,0379***
0,0021NS
-0,0078NS
0,1014***
-0,0532***
-
0,0175***
Impacto
-
0,0534***
-0,1383***
-
0,1046***
-
0,2053***
-0,0497***
-0,0168NS
0,2359***
-0,0289**
44
44
Rural
0,0264***
0,1183***
0,0967***
-
0,0161***
-0,0000NS
-0,0179***
0,0824***
-
0,0377***
Total
0,02***
-0,008***
0,0103***
-
0,0035***
-0,0139***
0,0161***
0,0401***
0,01***
Jefe_mformal
-
0,2064***
-0,1882***
-0,176***
-
0,0371***
-0,0757***
-0,0934***
-0,1867***
-
0,0618***
Escola_jefe
-
0,0076***
-0,0097***
-
0,0094***
-
0,0107***
-0,0172***
-0,0106***
-0,0033***
-
0,0078***
Agua
0,0238***
-0,0171***
0,0175***
-
0,0270***
-0,1001***
0,0303***
-0,0018NS
-
0,0469***
Saneamiento
-0,2352**
-0,0869***
0,1845***
-
0,0362***
-0,0253*
-0,0561NS
-
-0,058*
Internet
-0,0411*
-
-
0,0361***
-
0,0255***
-0,0445***
-0,0806***
0,0104NS
-
0,0164***
Electricidad
-
0,0763***
-0,3257***
0,2709***
0,1344***
-0,0328**
-0,2446***
0,1672***
0,1188***
Basura
-
0,0607***
-0,0616***
-
0,0693***
0,0039**
0,0031NS
-0,1032***
-0,1319***
-
0,0287***
Constante
0,2258***
0,5747***
-
0,0922***
0,0574***
0,3593NS
0,3786***
-0,0957**
0,0484**
R2
0,09
0,1
0,16
0,1
0,14
0,12
0,11
0,12
Observaciones
14.150
42.400
52.304
79.416
11.196
13.283
32.177
12.509
Nota. *** significativo 1 %; ** significativo 5%; * significativo 10 %, e NS no significativo, (-)
insuficiencia muestral.
Fuente: elaboración propia con datos del INE 2018-2019.
Anexo D. Porcentaje de pobreza por departamento según el nivel de pobreza,
2018
45
45
Pobreza total general
Depa
rtam
ento
Pobreza extrema general
Dep
arta
men
to
%
Po
bt
ota
l
Depa
rtam
ento
%
Pobt
ourb
ana
Depa
rtam
ento
%
Pob
tor
ural
%
Pob
extr
ema
Depa
rtam
ento
%
Pob
exur
bana
Depa
rtam
ento
%
Pob
exr
ural
Asu
nció
n
12,
48
Caaz
apá
7,67
Asun
ción
-
Centr
al*
1,83
Centr
al*
1,47
Asun
ción
-
Cent
ral
17,
13
San
Pedr
o
8,17
Centr
al
2,0
1
Asun
ción*
2,54
Itapú
a
1,59
Centr
al
0,37
Ama
mba
y
23,
07
Cani
ndey
ú*
9,55
Ama
mbay
7,3
2
Ama
mbay
5,22
San
Pedr
o
1,93
Ama
mbay
2,02
Pte.
Hay
es
24,
43
Cordi
llera
10,3
9
Alto
Para
ná*
7,5
Pte.
Haye
s*
5,95
Para
guarí
*
2
Pte.
Haye
s*
3,2
Alto
Para
ná*
26,
48
Itapú
a
11,3
8
Pte.
Haye
s
11,
14
Alto
Para
ná*
6,15
Cordi
llera*
2,11
Alto
Para
ná*
3,48
Cord
illera
29,
47
Asun
ción
12,4
8
Ñee
mbuc
ú*
15,
39
Ñee
mbuc
ú*
7,56
Cani
ndey
ú*
2,14
Ñee
mbuc
ú
4,93
Ñee
31,
28
Pte.
Haye
13,2
9
Misio
16,
87
Cordi
llera*
9,18
Conc
epció
2,25
Misio
6,23
46
46
mbu
cú*
s
nes
n*
nes*
Cani
ndey
ú
33,
07
Conc
epció
n
14,0
4
Cordi
llera
19,
07
Misio
nes*
9,91
Asun
ción
2,54
Cordi
llera*
7,07
Misi
ones
34,
68
Caag
uazú*
14,2
1
Cani
ndey
ú
23,
52
Itapú
a*
12,1
3
Ñee
mbuc
ú*
2,63
Cani
ndey
ú
10,3
8
Itapú
a
36,
19
Guair
á
14,3
5
Itapú
a
24,
8
Cani
ndey
ú
12,5
2
Alto
Para
ná
2,67
Itapú
a*
10,5
4
Con
cepc
ión
41,
71
Para
guarí
14,8
Conc
epció
n
27,
67
Conc
epció
n
13,1
6
Pte.
Haye
s
2,75
Conc
epció
n
10,9
2
San
Pedr
o
44,
07
Centr
al
15,1
2
Para
guarí
30,
51
Para
guarí
*
15,8
6
Caaz
apá
2,86
Para
guarí
*
13,8
6
Para
guar
í
45,
31
Ama
mbay
15,7
5
Caag
uazú
31,
11
San
Pedr
o
17,5
8
Caag
uazú
3,1
Caag
uazú*
14,5
7
Caa
guaz
ú*
45,
32
Ñee
mbuc
ú
15,8
9
Guair
á
35,
27
Caag
uazú*
17,6
7
Ama
mbay
*
3,21
San
Pedr
o*
15,6
5
Guai
rá
49,
61
Misio
nes
17,8
2
San
Pedr
o
35,
9
Caaz
apá
22,5
9
Misio
nes
3,68
Guair
á
19,7
1
51,
Alto
18,9
43,
23,9
4,21
19,7
47
47
Caa
zapá
53
Para
ná
8
Caaz
apá
86
Guair
á*
1
Guair
á*
Caaz
apá
3
Prome
dio
34,
11
Prom
edio
13,37
Prom
edio
22,1
3
Prom
edio
11,4
9
Prom
edio
2,57
Prom
edio
9,51
Nota. * Resultados esperados (significancia estadística y signo negativo) en las estimaciones del
modelo Dif-Dif de la tabla 2.
Fuente: elaboración propia con datos del INE 2018.