Esperanza de vida y su relación con ingresos, agua potable y consultas médicas en el Perú

(1)

E

SPERANZA DE

VIDA Y SU RELACION CON INGRESOS,

AGUA POTABLE Y CONSULTAS MEDICAS

EN EL PERU

Socorro Heysen’ y PhX$ MusgroveZ

1 NTRODUCCION

Desde hace varios años el Banco Central de Reserva del Perú, por medio de su Departamento de Estudios del Sector Social, trabaja en el análisis de diversas variables que describen las condiciones de vida de la población peruana o contribuyen a explicarlas. Uno de los resultados de estos estudios es el Mapa de Salud del país (1), que reúne informa- ción de 1981 sobre 22 indicadores de condiciones de salud, provisión de recursos y utilización de servicios en los 25 departamentos del Perú. Dicho trabajo si- gue la línea de investigación establecida por el Mapa de Pobreza del país (2), publicado con datos para 1972 y un desglose hasta el nivel de provincia, el cual se está actualizando para 1981. Am- bos estudios utilizan información de- rivada del censo de población del año correspondiente más otros datos obtenidos de organismos gubernamentales.

El presente trabajo analiza uno de los indicadores de la calidad de vida utilizado en el Mapa de Pobreza, la

I Banco Central de Reserva del Perú, Departamerito de Estudios del Sector Social. Dirección postal: Av. Miró Quesada 441. Lima, Perú.

2 Organización Panamericana de la Salud, Washington, DC.

esperanza de vida al nacer, y su relación con tres variables -dos derivadas de la misma fuente y otra del Mapa de Sa- lud- que pueden ayudar a entender la variación de dicho indicador entre los departamentos del país.

La esperanza de vida de la población peruana (58 años) es inferior a la de todos los países latinoamericanos, con excepción de Bolivia (5 1 años) y Haití (54 años). Aunque no difiere mucho de la de Honduras, Guatemala y Nicaragua (58 a 60 años), está por debajo de la del Brasil, Colombia, el Ecuador, El Salvador, México, el Paraguay y la Re- pública Dominicana (62 a 65 años), y dista mucho de la de la Argentina, Costa Rica, Chile, Cuba, Jamaica, Panamá, el Uruguay y Venezuela (68 años 0 más)

(3).

El valor promedio de la esperanza de vida en el Perú encierra gran variación entre departamentos; así, se re- gistran cifras inferiores a 50 años en cinco departamentos (Apurímac, Ayacucho, Cuzco, Huancavelica y Puno), frente a 67 años o más en Lima y Callao (cuadro 1, columna 4). Estas diferencias se analizan a continuación.

(2)

(3)

condiciones de vida de una población, se han realizado más estudios de este tipo utilizando otra variable relacionada con ella, la mortalidad infantil por 1 000 na- cidos vivos. Esta última ha sido investi- gada en todos los países latinoamericanos (4,,, y hay estudios detallados del descenso de la mortalidad en Costa Rica (5) y Chile (6). Los dos últimos analizan diferencias regionales dentro del país, como en el caso presente, pero además estudian cambios en el tiempo, a diferencia del análisis estático que efec- tuamos aquí. El estudio chileno es pare- cido al nuestro en el uso del calculo de regresiones lineales (7) para relacionar las variables seleccionadas.

El presente informe está dividido en cuatro secciones. En la primera se estudian las tres variables utilizadas para “explicar” la esperanza de vida. En la siguiente se presentan y se interpretan dos modelos multivariados basados en estas variables. Los errores de predicción de los modelos, o sea el grado en que las variables independientes no logran explicar la variable esperanza de vida en varios de los departamentos, se examinan en la cuarta sección, poniendo énfasis en las desigualdades o variaciones internas de los departamentos más bien que en las diferencias de promedio entre ellos.

V

AMABLES

EXPLICATIVAS ESTUDIADAS

Luego de realizar varias pruebas econométricas con 16 distintas variables se identificaron tres que, se- paradas y en conjunto, mostraron asocia- ciones positivas y estadísticamente sóli- das con la esperanza de vida, a saber: porcentaje de viviendas provistas de agua

potable, ingreso laboral promedio.de las personas empleadas y número anual de consultas médicas por habitante imparti- das por el Ministerio de Salud y el Insti- tuto Peruano de Seguridad Social (ex- cluyendo las consultas privadas).

Cada uno de estos factores merece cierta explicación antes de proce- der a su análisis en conjunto. En primer lugar, la unidad de observación o medi- ción difiere en cada caso: para el agua potable es la vivienda, que puede o no co- rresponder a una familia; para el ingreso económico es el individuo empleado, y en cada familia puede haber un número variable de personas empleadas; por úl- timo, para las consultas médicas es el individuo, sin distinción. Desde luego, las dos últimas variables son promedios, pues puede haber gran variación en el ingreso percibido o en el uso del sistema de salud, y esa desigualdad interna no está registrada. La variable agua potable no presenta este problema: toda vivienda la tiene o no, y ninguna la tiene más de una vez.

Los datos para las tres variables en los 25 departamentos peruanos aparecen en las columnas 1, 2 y 3 del cuadro 1. Como se puede apreciar, el porcentaje de viviendas con agua varía desde 3 ₂ casi 9% en Apurímac, Huancavelica y

Puno hasta aproximadamente 65 a 71% 8

en Lima, Tacna y Callao; el promedio ~

para el país (entre departamentos, sin _i ponderar las respectivas poblaciones) es 2 de casi 30%. La frecuencia de consultas médicas varía desde 0,l por habitante s por año en Amazonas hasta 1,7 en Ica, ‘, con un promedio nacional de 0,65 (dos 0” visitas por cada tres habitantes por año, b

aproximadamente). Y el ingreso laboral 4

mensual varía desde poco más de S/ . 30 ?

mil (soles peruanos; unos $US 71 al tipo ti

de cambio vigente en 1981) en Apurí- 3

mac, Ayacucho, Cajamarca y Huancave- z

lita hasta casi S/ . 80 mil ($US 190) en

(4)

cional es de S/. 53 mil (SUS 126), aproximadamente.

Cabe prever que el suministro de agua potable se relacione con menor mortalidad, especialmente de niños de corta edad, y así aumente la esperanza de vida. Este efecto se ha observado en el Brasil (8), aunque además se tomaron en cuenta otros factores que pueden afectar la mortalidad infantil, entre ellos el ingreso familiar y la escolaridad del padre y de la madre. Por razones de costo, el suministro de agua potable tiende a con- centrarse geográficamente; por el contra- rio, dentro de una pequeña región puede haber mucha variación de ingresos o de otros factores. Por tanto, no cabe prever una correlación muy alta entre disponibi- lidad de agua potable e ingreso promedio. En el caso peruano, efectivamente, esa correlación es de solo 0,645 (cuadro 2), la más baja entre todas las variables originales antes de transformar algunas de ellas para el análisis multivariable.

Aparte de la desigualdad de ingresos dentro de un departamento, y la variación en la razón de dependencia (número de personas sostenidas econó- micamente por cada individuo empleado) departamental y nacional, los datos de ingreso obtenidos del censo de 1981 tienen la desventaja de referirse únicamente a los ingresos monetarios del trabajo. La información sobre ingresos distintos de los laborales a nivel de departamento no permite hacer un ajuste por este factor;

pero sí es posible hacerlo para tomar en cuenta, aunque solo aproximadamente, los ingresos laborales no monetarios obtenidos en la producción de subsistencias 0 para el propio consumo. Para este pro- pósito se utilizaron cálculos derivados de la Encuesta Nacional de Consumo de Alimentos (ENCA), realizada en 1971- 1972 (9). Estudios más recientes de- muestran que en las zonas rurales del país el ingreso no monetario puede llegar en promedio a 50% del total (IO), aunque para cualquier departamento (com- binando ingresos rurales y urbanos) la proporción sería mucho menor.

En el caso del agua potable, parece razonable suponer que el efecto sobre la esperanza de vida sea proporcional a la cobertura lograda; es decir, aumentar la cobertura de 10 a 20% de las viviendas debe tener aproximadamente el mismo efecto, en años adicionales de vida, que aumentarla de 80 a 90%. Esto se explica porque el número de personas beneficiadas, y el beneficio por persona en términos de salud, deben ser independientes del nivel inicial de cobertura. Este argumento no parece aplicarse a la variable ingreso, porque si bien un incre- mento del ingreso puede aumentar notablemente la esperanza de vida de una persona o una familia pobre, no debe suceder lo mismo para una persona o una familia rica. Un ingreso suficiente permite a la población vivir el tiempo na- turalmente posible, pero no elimina los factores que determinan el límite máxi- mo de ese tiempo. Se puede prever, en- 1

CUADRO 2. Correlaciones simples entre las variables estudiadas.

AGUA CONMED LCOMED MEDINV SOLES LSOLES SOLINV EXVIDA 0,822 0,816 0,808 -0,675 0,773 0,796 -0,802

AGUA 0,812 0,783 -0,615 0,645 0,652 -0,648

CONMED 0,703 0,709 -0,702

LCOMED 0,763 0,794 -0,811

(5)

tonces, que el aumento del ingreso ejerza. un efecto marginal decreciente sobre la esperanza de vida; pero en tanto no se haga una prueba empírica, no se sabrá si tal cosa sucede en el caso peruano.

Para la variable de consultas médicas por persona y por año, la si- tuación es aún más complicada. Además de que un mayor número de consultas no prolonga por fuerza la vida, es lógico suponer que una mayor frecuencia de consultas esté relacionada con una menor esperanza de vida, como reflejo de un peor estado de salud. Si este fuera el caso, la relación entre consultas y años de vida no tendría que ser proporcional ni tampoco monótona, si se admite, por ejemplo, una asociación positiva al principio pero negativa al final, cuando es elevado el número de consultas.

La presencia de esta relación no monótona parece depender, entre otros factores, del grado de cobertura de los servicios médicos en el país. Si la oferta de servicios está lejos de satisfacer las demandas básicas de la población, es decir, si se ofrecen solo las consultas esen- ciales para salvar vidas, serán pocas las que simplemente reflejan un mal estado de salud sin peligro de muerte; por tanto, la relación entre consultas y esperanza de vida será positiva y, quizás, proporcional. En el otro extremo, una re- lación no proporcional 0 incluso negativa indicaría que la oferta de servicios ha satisfecho las demandas básicas.

Uno de los objetivos del análi- sis de la siguiente sección es el de probar estas relaciones en el caso de las variables ingreso y consultas médicas. En cambio, en todos los ejercicios se trata a la variable agua potable de manera lineal o proporcional .

Como se aprecia en el cuadro 2, la variable dependiente EXVIDA~ está

más fuertemente correlacionada con

AGUA (0,822) que con CONMED (0,816),

y en este sentido es poca la diferencia entre las dos variables explicativas. El ingreso (SOLES) muestra una relación algo más débil, con una correlación de 0,773. La mayor asociación entre variables independientes es la de AGUA y CONMED, con

una correlación (0,8 12) casi tan alta como las que presentan con la esperanza de vida. Esto indica que puede resultar difí- cil distinguir con claridad los efectos de las dos variables cuando se toman en cuenta simultáneamente; debe ser más fácil diferenciar los efectos del ingreso.

AN

ALISIS

MULTIVARIABLE

Como primer paso del análisis se han calculado regresiones simples entre EXVIDA y cada una de las tres variables independientes; los resultados aparecen en las ecuaciones 1, 2 y 3 del cuadro 3. Las variables explicativas logran, por se- parado, explicar respectivamente 67,6, 66,6 y 59,8% de la varianza en la esperanza de vida entre departamentos; esta es la interpretación de la estadística R2. % Sus efectos sobre la esperanza de vida, in- s dicados por los coeficientes, parecen ser 8 los siguientes: la extensión de agua potable a 1% más de las viviendas añade 3

0,281 años a la vida esperada; un incre- s mento de S/ . 1 000 (con el valor de 3

1981) del ingreso añade 0,326 años, y 3

una consulta más por habitante y por año .

agrega ll,88 años de vida, lo cual hace 2

pensar que las consultas son muy eficaces 2

para evitar la mortalidad prematura. To- dos los efectos señalados son estadística- g *

mente significativos, con 95% de con- ₂

fianza. _g

i La expliación del acrónimu EXVIDA y otros semejantes

(6)

CUADRO 3. Resultados de cuatro regresiones simples y dos múltiples con tres variabka

1. EXVlDA=47,441+0,281*AGUA R2=0,676 (0,041)

2. EXVlDA=48,057+~1,880*CONMED R2=0,666 (1,754)

3. ExVlDA=38,546+0,000326*SOLES R*=0,598 (0,000056)

4. EXVlDA=72,742-8,179*SOLINV R2=0,643 (1,272)

5. EXVIDA=4~,818+0,135*AGLlA+3,766 CONMED+0,000i42'SOLES ~0,059) (2,690) (0,000059) 6. EXVlDA=58,052+0,129*AGUA+3,387 CONMED-4,01l*SOLINV

(0,056) (2,545) (1,366)

a Aparecen entre paréntesis los errores estándar de estimación * Distinto de cero, con 95% de confianza. .

R2=0,796 R2=0,816

Cuando se combinan las tres variables en un modelo (véase cuadro 3, ecuación 5) todos los efectos parciales re- sultan notablemente menores como con- secuencia de las correlaciones entre aquellas; ahora ninguna recibe efectos atribuibles a otros factores. Una cobertura adicional de 1% de las viviendas con

agua potable representa en promedio 0,135 años más de vida; el aumento de una consulta médica añade casi 4 años, y S/. 1 000 más de ingreso por persona empleada prolongan la vida 0,142 años. En total, utilizando las tres variables se logra explicar 80% de la varianza de la esperanza de vida entre departamentos.

Estos resultados admiten varias interpretaciones, de las cuales desta- camos aquí dos. En primer lugar, cubrir

1% más de la población con servicio de agua potable parece equivalente, en cuanto al efecto sobre la esperanza de vida, a un aumento de casi S / . 1 000 de ingreso para toda la población empleada (0,135 dividido por 0,000142). En se- gundo lugar, una consulta extra por persona y por año representa un aumento de S/ . 27 mil de ingreso por persona em-

pleada (3,776 dividido por 0,000142); es

decir, aproximadamente $US 64. Desde luego, surge la pregunta de si el costo de proveer esas consultas adicionales sería mayor o menor que el del aumento del ingreso capaz de producir el mismo efecto sobre la esperanza de vida; la misma pregunta puede formularse con respecto al suministro de agua potable. Cuando menos, los resultados parecen demostrar un efecto relativamente grande de las inversiones sociales en agua y servicios de salud, por lo menos a los niveles de cobertura e ingreso que carac- terizan al Perú.

(7)

ciente) y con el inverso de la variable (que produce un efecto de saturación o un máximo no superable cuando se in- crementa el valor de la variable). En el caso de las consultas médicas, estas trans-

formaciones se designan LCOMED y

MEDINV, respectivamente, y los valores correspondientes de los departamentos aparecen en las columnas 2A y 2B del cuadro 1. En cuanto al ingreso, las trans-

formaciones respectivas, que incorporan factores multiplicativos para obtener coeficientes de tamaño razonable, se designan LSOLES y SOLINV (véase cuadro 1, columnas 3A y 3B). Las correlaciones entre las variables transformadas también se presentan en el cuadro 2.

Con tres posibles maneras de representar las consultas médicas y tres variables para representar el ingreso, se pueden calcular nueve diferentes regresiones; por las razones expuestas ante- riormente, cada una de ellas incluye la variable AGUA. El cuadro 4 presenta algunos de los resultados obtenidos en este ejercicio. Se utilizan dos estadísticas para juzgar la bondad de ajuste de las regresiones a los datos. En la sección A de dicho cuadro se presenta la estadística R2, que describe la fracción de la varianza total de la esperanza de vida que se logra explicar por las tres variables independientes: cuanto mayor es dicha fracción, mejor es el ajuste y menor la variación no explicada. En la sección B se presenta la estadística t, que se refiere a la variable independiente número de consultas o sus

transformaciones y describe la exactitud del cálculo del coeficiente o el grado en que el efecto atribuido a la variable es es- tadísticamente significativo. Se estudia el caso de la estadística t tan solo para las consultas médicas porque esta es la más débil de las tres variables explicativas; las otras dos, agua potable e ingreso, son siempre muy significativas. Nótese que el efecto de una variable puede parecer muy fuerte, como sucede con CONMED

en la ecuación 5 del cuadro 3, pero como hay un error estimado grande en el cálculo del coeficiente, ese efecto es poco preciso y de poca significación o confianza estadística.

Las comparaciones en la sec- ción A del cuadro 4 muestran que la variable transformada SOLINV es siempre preferible -contribuye más a explicar

EXVIDA- al ingreso sin transformar o a la transformación logarítmica. Este resultado es independiente de la forma como

se incorporan las consultas médicas en la ecuación. Se indica también que la variable CONMED se prefiere siempre sobre cualquiera de las transformaciones pro- badas, y que este resultado es independiente de la forma como se incorpora el ingreso en la ecuación. Las comparaciones de la sección B, utilizando la es- tadística t, confirman la segunda de estas conclusiones, pero no la primera; es decir, el uso de SOLES parece preferible al de

CUADRO 4. Comparaciones entre nueve regresiones, utilizando las tres variables de consultas medicas y las tres de ingresos más la variable AGUA.

SOLES LSOLES SOLINV

A: Estadistica R2 6: Estadística t, consultas

CONMED LCOMED MEDINV CONMED LCOMED MEDINV

(8)

SOLINV, pero esto se rechaza por las razones teóricas presentadas arriba.

Esta comparación indica que el modelo más apropiado para explicar la esperanza de vida debe incorporar las consultas médicas en forma directa o lineal, pero el ingreso en forma inversa. La ecuación correspondiente aparece con el número 6 en el cuadro 3; nótese que la fracción de varianza explicada sube de casi 80 % a casi 82 % . La variable SOLINV

aparece sola (ecuación 4) y ofrece una ex- plicación notablemente mejor que la ob- tenida con el ingreso en forma lineal

(SOLES). Un resultado de la mejor especi- ficación del efecto del ingreso es que las consecuencias atribuidas a las variables

AGUA y CONMED se reducen, pero solo un poco, en comparación con los resultados de la ecuación 5.

La distinción de la relación entre nivel de ingreso y esperanza de vida, según los dos modelos, aparece re- presentada en la figura 1. Se calculan los valores obtenidos por la regresión, o las predicciones, manteniendo constantes losvaloresde AGUA y de CONMED ensus

respectivos promedios. Adviértase que en el intervalo de S / . 30 mil a 80 mil por persona empleada al mes casi coinciden

los dos modelos, aunque se puede notar el efecto decreciente en la ecuación que ut&a la variable SOLINV. Sin embargo, a niveles inferiores del ingreso -que posiblemente se observarían si se estudiaran provincias u otras regiones menores que los departamentos- las predicciones son muy diferentes. Efectivamente, el modelo inverso del efecto del ingreso predice una rápida caída de la esperanza de vida cuando los ingresos son inferiores a S/. 20 mil ($US 47). La falta de observaciones en ese intervalo de ingresos no permite conocer la forma exacta de esa caída. En el otro extremo, el modelo transformado predice una esperanza máxima de vida de 71 años, si se toma en cuenta solamente el efecto del agua potable (con

100% de cobertura) y un ingreso infinito. Al incluir el efecto de 1,737 consultas médicas por año (la utilización máxima observada entre departamentos), la esperanza sube a 77 anos, cifra que parece razonable desde el punto de vista bioló- gico. (Como se puede apreciar, al subir el ingreso sin l’mite en el modelo 6, el efecto negativo del coeficiente desaparece porque el inverso SOLINV tiende a cero; el mo-

FIGURA 1. Predicciones del efecto del ingreso sobre la esperanza de vida, suponiendo valores de las variables AGUA y CONMEO iguales a sus respectivos promedios entre departamentos.

70-

Íñ 2 2

m 60-

P 5. D

c-2 sI- c L B 1;3 40-

0.

. Observaclon (departamento) l

Predlcclon. utIlizando SOLES __

PredlccvAn. uthzando SOL/NV*-

30 l / I f I I I I I

10 20 30 40 50 60 70 80

(9)

delo termina siendo una función de

AGUA~CONMED nadamás.)

Finalmente, el hecho de que la variable que representa a las consultas médicas deba entrar directamente en la ecuación, sin transformación no lineal, parece demostrar que la población del Perú está todavía lejos de quedar sa- turada de servicios médicos. Aun en los departamentos con mayor número de consultas por habitante y por año no se distinguen efectos decrecientes sobre la esperanza de vida, ni mucho menos efectos negativos. En conclusión, podemos afirmar que la oferta de estos servicios es insuficiente frente a la demanda (ll) o que los resultados observados represen- tan una limitación de la oferta en vez de una sobrecapacidad general o una demanda básica ampliamente atendida.

V

ARIACIONES

INTRADEPARTAMENTXLES

El modelo analizado logra relacionar 82 % de la varianza de la esperanza de vida entre departamentos con diferencias de ingreso, suministro de agua potable y utilización de servicios médicos. La proporción restante de varianza no explicada (18 O/o) representa los errores del modelo o las discrepancias entre los valores observados y los previstos por el modelo. En el cuadro 1 las predicciones de los dos modelos multivariables (ecuaciones 5 y 6) aparecen en las columnas 5 y 6, y los errores de predicción, o las diferencias entre las predicciones y los valores de la columna 4, se muestran en las columnas 5A y GA. En esta sección se proponen algunas posibles explicaciones para esos errores, pero vale notar que son solo sugerencias o hipótesis; si se tuvieran

datos por departamento para probar las explicaciones ofrecidas, se habrían incor- porado en el modelo para tomar en cuenta sus efectos.

Pueden formularse varias crí- ticas a este tipo de explicaciones, cada una de las cuales posiblemente contri- buya a entender las fallas de las predicciones en algunos departamentos. En primer lugar, el modelo multivariable no describe con exactitud la forma como las variables independientes afectan la variable dependiente (12). Las tres variables estudiadas guardan relaciones muy claras con la esperanza de vida: el agua potable protege contra una variedad de enfermedades, algunas de las cuales pueden ser mortales, sobre todo para los niños; las consultas médicas previenen enfermedades (ej., aplicando vacunas) o curan a los enfermos; y el mayor ingreso permite alimentarse mejor, lo cual contribuye a enfermar menos y a enfrentar mejor las enfermedades contraídas. Sin embargo, ninguna de estas relaciones simples describe con exactitud el comportamiento de las familias e individuos cuya esperanza de vida se está estudiando. El efecto del ingreso depende, entre otras cosas, de cómo se gasta; las consultas mé- dicas tendrán efectos muy diferentes 2 s según los motivos que las producen y,

también, según la información sobre 8

cuidado de la salud, posibilidades de 3

compra de medicamentos y otros factores z

relacionados con la familia. Incluso el s suministro de agua potable tendrá efec- 2 tos distintos según la higiene general y 2 las condiciones epidemiológicas locales. En este sentido, el modelo ofrecido es to- i

davía incompleto; pero es notable lo $0

mucho que logra explicar a pesar de su 4

simplicidad. ?

Continuando con las críticas

al modelo, como se comentó antes dos de $

las tres variables son promedios departa- 5 mentales que encierran gran variación en-

(10)

ción regional es solamente una de las posibles dimensiones en que se puede analizar un país, y quizá no sea la más importante; puede contener más desigualdad interna que, por ejemplo, una desagregación por grupos socioeconómi- cos (13). En el Perú, las desigualdades son muy notables en muchos aspectos, como ingreso, consumo de alimentos, acceso a servicios sociales y posesión de bienes durables y de capital humano (14), y guardan una relación solo parcial con las observadas entre departamentos. Si todos los demás factores son iguales, cabe prever que el modelo basado en los promedios de cada departamento per- mita cálculos o predicciones mejores para los que presentan menor desigualdad interna; o bien, que los grandes errores del modelo se relacionen con casos de diferencias notables en la población de un departamento. Podemos decir que, en este sentido, el modelo está mal especifi- cado, pero no por incluir variables erra- das o por suponer relaciones equívocas entre ellas, sino solamente por agrega- ción excesiva, debido al nivel de solo 25

observaciones en que se dividió el país. Finalmente, por lo que se refiere a críticas, existe la posibilidad de que los datos mismos contengan errores de observación y no representen bien lo que se pretende medir. En el caso del \3 _os agua potable es probable que ello no sea m

I-i problema porque la variable es de fácil

i observación y tiene un carácter simple de

c?

0 sí o no (dejando aparte la posibilidad de -. diferencias en la calidad del agua debidas 8 a variaciones en el proceso de purifrca- 8 ción). Para las consultas médicas, el pro- a,

.- blema de calidad es más importante. Un ti mayor número de consultas por habi- sc tante no repercutirá en igual medida sobre la esperanza de vida en regiones con 2 diferente dotación de infraestructura de _{salud y recursos humanos. Además, la} variable mide solamente las consultas al 42 sistema formal, aun cuando el uso de

hierbas medicinales y medicina casera o tradicional puede ejercer algún efecto sobre la esperanza de vida. En el caso del ingreso, aun si los datos monetarios son correctos y los ajustes para tomar en cuenta el ingreso no monetario son ade- cuados, el poder de compra puede variar debido a diferencias en el nivel de precios entre un departamento o una región y otro (IS). En ese caso el error de apre- ciación del ingreso real reduciría el efecto aparente de este indicador sobre la salud.

Los resultados del cuadro 1 (columna 6A) muestran que en los departamentos de Cajamarca, La Libertad, San Martín y Tumbes la esperanza de vida está subestimada en 3 años o más, lo que equivale a una desviación estándar o más. En estos departamentos la pobla- ción vive en promedio más anos de lo que cabría prever con base en servicios de agua, utilización del sistema médico y niveles de ingreso. En los casos de Caja- marca y Tumbes el error es de más de 5 años; no está claro a qué se debe la mejor situación de salud en esos departamentos. En el otro extremo, en los departamentos de Cuzco (con el mayor error, 7,5 años) y Madre de Dios la esperanza de vida está sobrestimada en 3 años o más; o sea, la población muere más prematura- mente de lo que cabría prever en función de las variables explicativas. En los casos de Huancavelica, Loreto, Pasto, Piura y Tacna hay sobrestimación de 2 a 3 años. Nótese que con el modelo lineal (ecua- ción 5), cuyos cálculos son menos favo- rables, el error es mucho mayor para Huancavelica; una especificación distinta del modelo lo ajusta mucho más en el caso de este departamento, y queda un error un poco mayor para Cajamarca.

(11)

.

greso en el departamento; el valor promedio hace parecer mejor el nivel de la gran mayoría de los habitantes. En el caso de Cuzco ello puede explicarse por la actividad turística, situada en un am- biente de pobreza rural; en el de Madre de Dios, por la industria de extracción del oro. Nótese que el fenómeno de so- brestimación debido a desigualdad de ingresos puede ocurrir a niveles relativamente bajos (S/. 39 mil o $US 92 en Cuzco) o altos (S/. 77 mil o $US 183 en Madre de Dios). En los departamentos de Huancavelica, Pasto y Tacna, donde los errores de estimación son menores, también puede ser importante una con- centración o desigualdad en el acceso a servicios médicos. Los grandes centros mineros ofrecen a sus trabajadores servicios de salud que el resto de la población no puede recibir, con lo cual se produce una concentración de consultas que no se refleja en una mayor esperanza de vida.

RE

SUMEN

En el Perú, la esperanza de vida al nacer es de 58 años, en promedio; en los 25 departamentos del país varía desde un mínimo de 44 años hasta un máximo de 68. Esta variación se relaciona con las diferencias, entre los distintos departamentos, de tres variables que contribuyen a conformar la esperanza de vida: cobertura del suministro de agua potable (porcentaje de viviendas que la tienen), utilización de servicios médicos (consultas por habitante y por año) y nivel promedio del ingreso laboral por persona empleada. En el presente trabajo se analizan críticamente estas variables, tanto en forma individual como en conjunto. Los datos se refieren al año 1981 y provienen del Mapa de Salud y el Mapa

de Pobreza elaborados por el Banco Cen- tral de Reserva para describir las condiciones socioeconómicas del país.

Se pudo demostrar que cuando las tres variables están combinadas en una regresión lineal logran explicar 80 % de la varianza en la esperanza de vida entre departamentos, con efectos positivos y significativos de las variables agua e ingreso, y aparentemente uno muy sólido, pero con menor exactitud es- tadística, de la variable consultas médi- cas. Una reformulación del modelo en la que no se utiliza el ingreso directamente sino su valor inverso mejora el ajuste de las estimaciones; así se logra explicar

82 % de la varianza observada, sin modificar de manera radical los coeficientes. El modelo transformado predice una rá- pida caída de la esperanza de vida al alcan- zar ingresos mensuales menores de S / _ 20

mil ($US 47) y un máximo de 77 años, aproximadamente, cuando se toma en cuenta la actual cobertura médica máxi- ma lograda en el país.

Finalmente, en seis de los departamentos la relación estimada produce una predicción de la esperanza de vida con un error de 3 años o más. Es di- fícil encontrar el motivo en los casos de subestimación en los que la salud resulta mejor de lo previsto; pero en los casos de sobrestimación quizá se explique por la 8 concentración de ingresos, servicios mé-

dices o ambos. 0 s

2

2 A

GRADECIMIENTO

2 ;

Los autores expresan su reco- P 2 nocimiento a los colegas del Banco Cen-

tral de Reserva del Perú, Departamento s ?

de Estudios del Sector Social, que ayuda- 2

ron a elaborar este análisis; igualmente a ₃

Renate Plaut, Fabio Luelmo y Abraham z

Honvitz, de la Organización Panameri-

(12)

Philip Gallagher por su ayuda en el as- pecto econométrico.

RE

FERENCIAS

1 Banco Central de Reserva del Perú, Departa- mento de Estudios del Sector Social, Mapa de

Salzld del’ Peti. Lima, diciembre de 1984. (Versión preliminar.)

2 Banco Central de Reserva del Perú, Departa- mento de Estudios del Sector Social. Mapa de Pobreza del Perú. Resena Económica, diciembre de 1982.

3 Banco Mundial. Worh’ Development Report

1984. Washington, DC, 1984.

4 Suárez Ojeda, E. N. y Yunes, J. Tendencias y perspectivas de la mortalidad del niño en las Américas. Taller regional sobre estrategias de atención nrimaria v mortalidad del niño. Mé- xico, D.l?, Orgamzación Panamericana ‘de la Salud, 7 a 11 de mayo de 1984. (Documento mimeografiado.)

5 Rosero Bixby, L. Determinantes del descenso de la mortalidad infantil en Costa Rica. Taller regional sobre estrategias de atención primaria y mortalidad del niño. México, D.F., Organi- zación Panamericana de la Salud, 7 a ll de mayo de 1984. (Documento mimeografiado.) 6 Castañeda, T. Contexto socioeconómico y caz1-

sas del descenso de L’a mortahdad infantil en

Chile. Santiago, Centro de Estudios Públicos, julio de 1984. (Documento de trabajo No.

28.)

7

8

9 10 ll 12 13 14 15

Johnston, J. Econometric Metbods. New York, McGraw-Hill, 1972.

Merrick, T. The effect of piped water on early childhood mortality in urban Bratil, 1970 to 1976. Washington, DC, Banco Mundial, julio de 1983. (World Bank Staff Working Paper No. 594.)

Amat y León, C. y Curonisy, D. La Alimenta- ción en el Per&. Lima, Centro de Investiga- ciones de la Universidad del Pacífico, 1981. (Capítulo 4: El autoconsumo y la producción tradicional.)

Figueroa, A. La economía de la sierra deL Per&.

Lima, Pontificia Universidad Católica del Perú, 1981.

Rapoport, J., Robertson, R. L. y Stuart, B. Un- derstan&g Heabh Economics. Rockville (MD), Aspen, 1982. (Chapter 4: Demand for health services.)

Mosley, W. H. y Chen, L. C. An analytical framework for the study of Child survival in de- veloping countries. Presentado en el Work- shop on Child Survival: Strategies for Re- search, patrocinado por las Fundaciones Ford y Rockefeller. Bellagio, Italia, ll a 15 de octubre de 1983.

Musgrove, I? Indicadores de bienestar y salud. Selección y empleo de indicadores so- cioeconómicos para monitoría y evaluación.

Bol Of Sanit Panam 96(5): 439-455, 1984. Amat y León, C. y León, H. NiveLes de vida y grz,?os social’es en el Peti. Lima, Centro de In- vesti ación de la Universidad del Pacífico y Fun&ción Friedrich Ebert, 1983.

Thomas, V. Spatial differences in the cosí: of living.] Urban Econ 8: 108-122, 1980.

S

UMMARY

T-HE RELATIONSHIP OF LIFE

EXPECTANCY TO INCOME,

DRINKING

WATER AND

MEDICAL CONSULTATIONS

IN PERU

In Peru life expectancy at birth averages 58 years, ranging in the country’s 25

-

(13)

analysis of these variables, both individually and together. The data are for 1981 and were taken from the Health Map and the Poverty Map compiled by the Central Reserve Bank for a description of socioeconomic conditions in the country.

It was found that when the three variables are combined in one linear regres- sion, they are able to explain 80% of the life- expectancy variance among departments, with significant positive effects from the variables water supply and income, and appar- ently a definite but statistically less precise effect from medical consultations. The fit of the estimates is improved by reformulating the model to use not income directly but its inverse value; this yields an explanation of 82% of the observed variance without any radical change in the coeffrcients. The revised model predicts a Sharp drop in life expectancy when monthly income falls below 2 000 Peruvian soles (47 U.S. dollars) and a maximum life expectancy of about 77 years with the present maximum medical coverage achieved in the country

Finally, in six of the departments the computed relationship yields a prediction of life expectancy with an error of three years or more. It is diffrcult to find the reason for underestimations in cases in which health proves better than predicted; cases of overes- timation, however, may perhaps be ex- plained by concentrations of income, medical services, or both.

lL

SUMO

ESPERANCA-DE VIDA E

SUA REL&AO COM,A

RENDA, AGUA, POTAVEL E

CONSULTAS MEDICAS NO

PERU

No Per-u, a esperanca de vida ao nascer é de 58 anos, em media; nos 25 departamentos do país varia de um mínimo de 44 anos até um máximo de 68. Essa varia@0 relaciona-se com as diferengas, entre os diversos

departamentos, em tres variáveis que contri- buem para o calculo da esperansa de vida: abastecimento de água potável (porcentagem de habitacões que dispoem desse serviso), utilizacao de set-visos médicos (consultas por habitante e por ano) e nivel médio da renda por pessoa empregada. Esse trabalho analisa criticamente essas variáveis, individualmente e em conjunto. Os dados referem-se a 1981 e provêm do Mapa de Saúde e do Mapa de Po- breza elaborados pelo Banco Central da Re- serva para descrever as condicões sócio- econômicas do país.

Demonstrou-se que as tres va- riáveis, quando combinadas numa regressão linear, explicam 80% da varia@0 na esperanca de vida entre departamentos, com efeitos positivos e significativos das variáveis água e renda, e aparentemente um efeito bastante sólido, mas com menor exatidão es- tatística, da variável consultas médicas. Urna reformulacão do modelo na qual nao se utiliza a renda diretamente mas seu valor inverso melhora o ajuste das estimativas, expli- cando 82% da varia@0 observada, sem modificar de maneira radical os coeficientes. 0 modelo transformado prevê urna rápida queda da esperanca de vida ao atingir urna renda mensal abaixo de 20 mil sois peruanos (47 dólares dos Estados Unidos) e um máxi- mo de 77 anos, aproximadamente, quando se considera a atual cobertura médica máxi- ma no país.

(14)

RE

/SUMÉ

L’ESPÉRANCE DE VIE:

DANS QUELLE MESURE

DEPEND-ELLE AU PEROU

DU REVENU, DE LA

DISTRIBUTION D’EAU

POTABLE ET DES

CQNSULTATIONS

MEDICALES

Au Pérou, l’espérance de vie 2 la naissance est en moyenne de 58 ans; dans les 25 départements du pays elle varie entre un minimum de 44 ans et un maximum de 68 ans. Cette variation est liée aux différentes valeurs, d’un département à l’autre, des trois variables qui entrent dans la constitution de I’espérance de vie: couverture du système d’approvisionnement en eau potable (pour- centage d’habitations ravitaillées en eau potable), utilisation des services de médecine (consultations par habitant et par an) et ni- veau moyen du salaire par personne em- ployée. Le présent ouvrage fait un examen critique de ces variables, séparément et en- semble. Les données se rapportent à I’an

1981 et proviennent de la Carte de Santé et de la Carte de Pauvreté élaborées par la Ban- que Centrale de Reserve pour décrire les conditions socio-économiques du pays.

On a pu démontrer que lorsque les trois variables sont combinées en une ré- gression linéaire, elles parviennent à expliquer 80 % de la variance de 1’ esperance de vie entre les départements, avec les effets positifs et signifkatifs des variables eau et revenu, et apparemment un effet tres marqué, mais pauvre en précision statistique, de la variable consultations médicales. Une nouvelle ver- sion du modele dans laquelle on n’utilise pas le revenu directement, mais plutôt sa valeur inverse, permet des estimations plus précises; on arrive ainsi a expliquer 82 YÓ de la variance observée, sans modifier radicalement les coef- ficients. Le modele modifié prédit une chute rapide de I’espérance de vie lorsque les re- venus mensuels tombent au-dessous de SI

20 mil ($US 47) et un maximum de 77 ans environ lorsqu’on tient compte de la couverture médicale maximale réellement obtenue dans le pays.