ISSN No. 2631-2743
U
NIVERSIDAD NACIONAL DE CHIMBORAZO
FACULTAD DE
CIENCIAS POLÍTICAS Y
ADMINISTRATIVAS
,
Eduardo G. Zurita-Moreano
ezurita@unach.edu.ec
Facultad de Ciencias Políticas y
Administrativas
Universidad Nacional de Chimborazo
(Riobamba – Ecuador)
ORCID:0000-0002-7818-8619
Nelly S. Maliza-Chavez
nsmaliza.fpe@unach.edu.ec
Facultad de Ciencias Políticas y
Administrativas
Universidad Nacional de Chimborazo
(Riobamba – Ecuador)
ORCID:0000-0003-4389-9055
María G. González Bautista
mggonzalez@unach.edu.ec
Facultad de Ciencias Políticas y
Administrativas
Universidad Nacional de Chimborazo
(Riobamba – Ecuador)
ORCID:0000-0002-6326-9766
Recibido: 13/03/23
Aceptado: 29/12/23
POBREZA Y FERTILIDAD EN
ECUADOR, PERÍODO 2020
POVERTY AND FERTILITY IN
ECUADOR, PERIOD 2020
DOI:
https://doi.org/10.37135/kai.03.12.06
KAIRÓS, Vol. (7) No. 12, pp. 103-125, enero - junio 2024
ISSN No. 2631-2743
,
Resumen
La investigación se centra en analizar la relación
entre la pobreza y fertilidad en Ecuador durante
el año 2020. Dicha relación es estudiada mediante
la aplicación de un modelo de regresión logística
binaria – logit-, y cuyo instrumento de medida fue
la encuesta de registro estadístico de nacidos vivos
y defunciones fetales del año 2020. Los resultados
evidencian que la fertilidad tiene un impacto positivo
y signicativo sobre la pobreza: a mayor número
de hijos, mayor será la probabilidad de caer en una
situación de pobreza. Además, cuando la fertilidad
es analizada en función de otras condiciones, como
bajo nivel de escolaridad de la madre, tipo de etnia
y estado civil, existe más profundidad para explicar
los índices de pobreza.
Palabras clave: capital humano, condiciones
de vida, educación, ingresos, población.
Abstract
The research focuses on analyzing the relationship
between poverty and fertility in Ecuador during the
year 2020. This relationship is studied by applying a
binary logistic regression model -logit-, and whose
measurement instrument was the statistical birth
registration survey. still alive and fetal deaths in
2020. The results show that fertility has a positive
and signicant impact on poverty: the greater the
number of children, the greater the probability of
falling into a situation of poverty. In addition, when
fertility is analyzed based on other conditions, such
as the mother's low level of education, ethnicity,
and marital status, there is more depth to explain the
poverty rates.
Keywords: Human capital, living conditions,
education, income, population.
POBREZA Y FERTILIDAD EN
ECUADOR, PERÍODO 2020
POVERTY AND FERTILITY IN
ECUADOR, PERIOD 2020
DOI:
https://doi.org/10.37135/kai.03.12.06
KAIRÓS, Vol. (7) No. 12, pp. 103-125, enero - junio 2023
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
Pobreza y fertilidad en Ecuador, período 2020
105
KAIRÓS, Vol. (7) No. 12, pp. 103-125, enero - junio 2023
Introducción
La pobreza constituye un problema recurrente y uno de los fenómenos centrales de estudios
sociales y económicos. Una de las explicaciones para dar respuesta a los permanentes niveles
de pobreza lo analizan Birdsall y Grin (1988), quienes abordan el hecho de que las altas tasas
de fertilidad generan restricciones presupuestarias para las familias en situaciones de pobreza y,
por tanto, reduce la capacidad de satisfacer sus necesidades.
La relación entre la tasa de fertilidad y pobreza se remonta al análisis de Malthus (2016) el cual
sostiene que el tener una amplia familia1 incide directamente en los problemas económicos,
impide el progreso del núcleo familiar y mantiene a las personas en la línea de pobreza. Esta
relación teórica algo ambigua fue retomada por Becker (1960), quien menciona que la mayoría
de las familias en situaciones de pobreza ven a los hijos como una fuente de ingresos: bajo
la teoría de la demanda de bienes de consumo, los niños son considerados como un bien que
proporciona utilidad a estas familias.
A nivel nacional, los datos del Instituto Nacional de Estadística y Censos (INEC, 2019) exponen
que las mujeres ecuatorianas entre 15 a 49 años tienen un promedio de 2,2 hijos durante su vida
reproductiva, pero de manera más especíca, en el sector rural el promedio es de 2,5 y en el área
urbana de 2,1. Cabe indicar que de acuerdo con Rodríguez (2017) la maternidad juega un rol
doméstico signicativo para las mujeres, hecho que incide en el aumento de pobreza. Por tanto,
la metodología de regresión logística (LOGIT) es usada en esta investigación por ser común
al momento de estudiar las variables de fertilidad y pobreza. Del mismo modo, se utilizan
datos del Instituto nacional de estadísticas y censos, especícamente de la encuesta de registro
de nacidos vivos y defunciones fetales del Ecuador del año 2020 que proporcionan mejores
resultados en la investigación.
Uno de los retos sociales es reducir los índices de pobreza y pobreza extrema, por lo que se
han ejecutado diferentes programas en torno a esta problemática. Por ejemplo, los programas
de planicación familiar y el cuidado en la salud reproductiva, con la nalidad de controlar la
dimensión demográca y no caer en estructuras de sobrepoblación que afecten a mayor escala
la pobreza. Al respecto, Barne y Wadhwa (2019) indican que menos del 10% de la población
mundial se encuentra en estado de vulnerabilidad económica, mientras que el estudio de Wang
et al. (2020) da a conocer que la tasa de fertilidad ha decrecido en las últimas cinco décadas: en
1950, una mujer tenía en promedio 4,7 hijos, mientras que en 2019 la media es de 2,3 hijos por
mujer, hecho que ha venido acompañado con un cambio en la dinámica de la pobreza. Según la
1. Malthus mencionaba que la fertilidad estaba determinada principalmente por dos variables: la edad al casarse (menor edad
al casarse suponía una vida con mayor número de hijos) y el área de residencia de la pareja (en áreas poco pobladas necesita-
ban mano de obra por lo que aumentaba la tasa de fertilidad).
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
106
Eduardo G. Zurita-Moreano, Nelly S. Maliza-Chavez, María G. González Bautista
Comisión Económica para América Latina y el Caribe (CEPAL, 2020), Latinoamérica uctúa
en el segundo lugar en cuanto a la tasa de fertilidad con un promedio entre 1,7 y 2,5 hijos por
mujer en 2020, pero aun así los niveles de pobreza se caracterizan por la 15 heterogeneidad y
son Bolivia, Colombia, México y Honduras las naciones que presentan las mayores tasas de
pobreza y pobreza extrema en ese año. Sin embargo, también se debe tomar en cuenta que en
2020 ocurrió la pandemia de COVID-19 que afectó a nivel económico, social, psicológico,
entre otros.
Es así como entre 2019 y 2020 la CEPAL (2020) evidenció que 4,5% de los hogares
latinoamericanos con bajos ingresos empeoraron aún más su situación, lo que corresponde
a 115 millones de personas y 33,7% de población vulnerable económicamente. Además, el
comportamiento de la fertilidad en los dos últimos lustros se ha mantenido con variaciones
lentas a la baja, sobre todo en países que registran altos niveles de pobreza; como es el caso
de Honduras que presenta el 52,3%, mientras que Colombia, Bolivia, El Salvador, Argentina,
Ecuador y República Dominicana se encuentran en un rango de veinte a treinta puntos
porcentuales. Finalmente, Paraguay, Brasil, Costa Rica, Perú y Panamá alcanzan menos del
19% de la pobreza total descrita por la CEPAL.
En el caso de Ecuador, según cifras del Banco Central del Ecuador (BCE, 2021), los hogares
conformados a partir de seis miembros en adelante evidenciaron un crecimiento de 9,5% del
índice de pobreza entre 2019 y 2021, y es el sector rural el más afectado, pues se posiciona
con un índice del 49,2%. En cuanto a la tasa de fertilidad se observa un leve decrecimiento en
el último lustro: de 2,5 hijos en 2015 a 2,4 hijos en 2019. Por otro lado, los datos del Banco
Mundial (2018) muestran que los hogares con pobreza extrema en el país tienen un promedio
de 7,7 integrantes, de los cuales 3,5 son menores de edad y considerados en la mayoría de los
casos como capital de trabajo, hecho que da paso a que existan niveles más bajos de escolaridad,
ingresos y deciencias en la salud y nutrición.
En este contexto, Castañeda y Llanos (2012) explican que el índice de fertilidad es un factor
signicativo que aporta a que el nivel de pobreza se mantenga y en ciertos casos se incremente,
sobre todo en estados vulnerables en los que no hay planicación familiar alguna. Villasmil
(1998) arma que las familias con bajos recursos que tienen elevadas tasas de fertilidad
constituyen uno de los principales problemas sociales que deben ser valorados y estudiados en
el ámbito cultural y económico.
Esta problemática, tal como lo describe García (2018), tiende a profundizarse más debido al
excesivo número de hijos que limita los recursos económicos de un hogar, lo que conlleva a
que los hijos trabajen más pronto para generar ujos adicionales de ingresos.
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
Pobreza y fertilidad en Ecuador, período 2020
107
Existen diversos estudios, como el de Mussa (2014), que están enfocados a analizar la fertil-
idad, pobreza y la relación que existe entre ambas variables. Es así como una de las hipótesis
que surge en cuanto a este tema es que la fertilidad concebida como el aumento de número de
hijos tiene un efecto directo y positivo sobre el índice de pobreza. Este hecho lo profundiza
Datta y Dubey (2003) en su investigación realizada en la India, donde toman en cuenta el sexo
de los dos primeros hijos para estimar el efecto causal que tiene la una variable sobre la otra,
donde la metodología usada es un modelo de asignación de tiempo que ayuda a vericar el
tiempo invertido en la escolarización por parte de los hijos y en las actividades laborales por
parte de los padres, y con lo cual determinan que la relación es signicativa, debido a que
explican que los hijos son tomados como futuros activos económicos para la familia y donde
explica la razón de que en la década de los noventa el nivel de pobreza disminuía a medida que
la fertilidad también lo hacía y viceversa.
Otro dato importante mencionado por Puyana y Mosquera (2005) es el hecho de que el cre-
cimiento familiar depende en gran medida del país y cultura estudiado, es así como para los
países latinoamericanos el hecho de que su primer hijo sea niño representa diversas cualidades
asociadas a la protección, al proveer, a la fuerza y trabajo; en cambio, el hecho de concebir una
niña representa una imagen de maternidad. En tal sentido, Castañeda y Llanos (2012) determi-
nan que cuando el primogénito es mujer suele incrementarse la tasa de fertilidad, dado a que
empieza una búsqueda para que su siguiente hijo sea varón debido a las cualidades sociales
como de protección y cuidado- que la sociedad ha mantenido en el tiempo-. Por ello, aplican
estimaciones de mínimos cuadrados en dos etapas y toman como variables de estudio los in-
gresos, edad de la madre, área residencial y sexo del hijo para mostrar que cuando el tamaño del
hogar aumenta, las probabilidades de caer en pobreza son mayores.
Ciertamente hay múltiples factores que pueden tomarse en consideración cuando de pobreza
y fertilidad se trata. Odwe (2015), por ejemplo, ejecutó un estudio en diferentes provincias de
Kenia con base en un modelo multivariante con el n de establecer los efectos de la fertilidad
en la pobreza y en donde analiza las variables de educación y mortalidad infantil. Los resulta-
dos revelan que cuando el nivel de fertilidad en hogares de bajos ingresos es mayor, la brecha
de pobreza también se incrementa: las provincias con menos recursos económicos tienen un
aumento progresivo de fertilidad, de tal manera que de 2003 a 2009 la pobreza aumentó y el
número de hijos pasó de 6,8 a 7,2.
El enfoque del capital humano considera a la educación como un instrumento relevante para
reducir la pobreza (Eryong y Xiuping, 2018). De acuerdo con la teoría del capital humano
descrita por Schultz (1961), Becker (1964), Mincer (1972), y Denison (1962), la educación
junto con la adquisición de habilidades y conocimientos productivos hacen del capital humano
más valioso. De modo que el conocimiento, impartido por medio de la educación, aumenta la
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
108
Eduardo G. Zurita-Moreano, Nelly S. Maliza-Chavez, María G. González Bautista
productividad de las personas y, por lo tanto, que su calidad de vida mejore.
La teoría prevé una fuerte correlación entre la educación y los niveles de ingreso; en ese sen-
tido, Tilak (2002) explica que los niveles de ingreso aumentan con el aumento de los niveles
de educación, y cuyos efectos sistemáticos son generales en cada subgrupo de la población:
hombres, mujeres, sectores rurales, urbanos, entre otros.
La limitación de esta teoría se reduce a explicar la pobreza por el lado de los ingresos; es decir,
personas con bajos niveles de educación no pueden desarrollar habilidades productivas y, por
lo tanto, no tienen posibilidades de mejorar su calidad de vida. De acuerdo con Tilak (2002), la
pobreza no solo es un problema de bajos ingresos; más bien es un problema multidimensional
que incluye bajo acceso a oportunidades para desarrollar el capital humano. En contraste al
enfoque del capital humano, se encuentra el enfoque del desarrollo humano descrito por Sen
(1999), en el cual explica que la pobreza real es el resultado de la privación de medios para el
desarrollo de habilidades humanas; en donde aquellas personas que no tienen la oportunidad de
educarse caen en situaciones de pobreza.
Para resumir, como señalan Tilak (2002), Rao et al (2007), Milner (2013), la pobreza puede
ser explicada por el desarrollo del capital humano y el desarrollo de las capacidades humanas,
las cuales reconocen explícitamente que aquellas personas con bajos niveles de educación
tienen altas probabilidades de vivir en inadecuadas condiciones de vida, haciendo que se en-
cuentren en un entorno de necesidades básicas insatisfechas.
Según Eloundou et al. (2017) y Wietzke (2020), la transición de la fertilidad en la sociedad
es posible ilustrarla bajo la hipótesis de la curva de Kuznets: la fertilidad entre la población
en estado de pobreza y aquella con mejores condiciones aumenta en las primeras etapas de la
transición demográca, en vista de que el índice de fertilidad es relativamente más alto en los
hogares de bajos recursos. Es así como a medida que las técnicas de planicación familiar y los
controles de la fertilidad se extienden las diferencias tienden a disminuir.
De acuerdo con la gura 1, en el eje de las abscisas se encuentra el índice de fertilidad promedio
bajo el concepto de la transición demográca, mientras que en el eje de las ordenadas se encuen-
tra el efecto de la fertilidad sobre los niveles de pobreza. Al inicio de la curva, las sociedades
se encuentran en la trampa Malthusiana en donde las tasas de fertilidad son altas para quienes
están y no están en estado de pobreza, lo que genera bajas tasas de crecimiento en los ingresos
de ambos grupos.
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
Pobreza y fertilidad en Ecuador, período 2020
109
Figura 1. Efecto distributivo de la fertilidad en la pobreza.
Fuente: Wietzke (2020).
En la fase de la transición temprana las tasas de fertilidad empiezan a caer para las familias
más adineradas, pero se mantienen estables para los hogares con bajos recursos, situación que
ahonda aún más la diferencia del nivel de ingreso entre ambos grupos. Esta dinámica llega a
tal punto que la tasa de natalidad en las familias pobres se vuelve más alta y condiciona mucho
más sus ingresos. Es precisamente en este punto cuando es necesario regular la tasa de fert-
ilidad mediante la difusión de técnicas de control de fertilidad y natalidad, lo cual genera un
canal distributivo para que este índice entre ambos grupos vuelva a ser neutral. Este escenario
conlleva a que se genere una relación en forma de U invertida entre la fertilidad y la pobreza
(Wietzke, 2020)
Pobreza
Como bien lo indican Bazán et al. (2011), la pobreza es un hecho que ha existido a lo largo de
la historia, pero es apenas en los años ochenta cuando la Comisión Económica para América
Latina y el Caribe (CEPAL) establece como tal el concepto de pobreza y lo relaciona a las
necesidades básicas insatisfechas. Posteriormente, el Banco Mundial, durante la década de los
noventa, lo determina como la dicultad para lograr un nivel de vida mínimo sobre todo en
cuanto al acceso a servicios básicos: agua, luz, alimentación, etc.
Del mismo modo, Sen (1981), CEPAL (2003) y Gordón (2004) concuerdan que la pobreza se
construye por medio de un fenómeno social y económico que limita a un individuo a insertarse
en la sociedad: el principal problema es la explotación laboral que acarrea consigo bajos salarios
y, por tanto, la calidad de vida de la persona se ve afectada en varios aspectos: salud, acceso a
educación, alimentación, entre otros.
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
110
Eduardo G. Zurita-Moreano, Nelly S. Maliza-Chavez, María G. González Bautista
Malthus y sus perspectivas teóricas
Malthus (2016) planteó un modelo sencillo en el que los factores económicos y el cambio
demográco están vinculados con el comportamiento reproductivo de las familias. Bajo la
visión clásica el modelo establece que la oferta de trabajo es perfectamente elástica al salario de
subsistencia, por lo que en épocas de auge económico los matrimonios aumentan y, por ende,
las parejas tienen más hijos. En palabras más simples, cuanto mayor sea el ingreso per cápita
más aumenta la tasa de fertilidad y la oferta de mano de obra.
Este panorama genera que eventualmente los precios de los alimentos suban y los salarios
tiendan a la baja. Pero no solo ello, pues al mantenerse en crecimiento la oferta de mano de obra
-que está sujeta a los rendimientos decrecientes del capital y la tierra- la productividad laboral
baja y, en consecuencia, ante una caída del consumo, las tasas de matrimonio y fertilidad caen y
la mortalidad aumenta. Es de esta manera que Malthus supuso que las familias no establecerían
controles sobre su reproducción, y al existir rendimientos decrecientes de la tierra llegaría un
momento en donde no habría recursos sucientes para atender las necesidades de subsistencia
de la población. Por ello al tener un enfoque entre la educación y la pobreza se conoce que
está vinculado con el capital humano, donde considera a la educación como un instrumento
relevante para reducir la pobreza (Eryong y Xiuping, 2018).
Fertilidad
Durán (2012) y Valdés (2012) coinciden que la fertilidad es la capacidad que tiene la mujer
para concebir, en donde el número de hijos constituye el indicador de medición y entran en
juego aspectos como edad, periodo y riesgo de mortalidad desde el nacimiento hasta el término
del periodo fértil. Además, Hirschman (1994) y Rodríguez (2013) aclaran que este fenómeno
tiene un inicio y un n marcado: empieza cuando la mujer tiene su primera menstruación y
culmina en la menopausia.
Por supuesto, el hecho de que una mujer sea fértil no implica que por ello deba tener hijos sin
planicarlos. Precisamente, Easterlin (1975) sostiene que la planicación familiar es crucial
para analizar la demanda2 de hijos, la producción potencial y los costes de regulación, o sea la
cantidad de hijos que una familia desea tener, los que realmente puede tener durante su vida
fértil y los recursos económicos y de tiempo requeridos para educarlos.
Otro contraste son los planteamientos de Becker (1960) que parten de los argumentos
malthusianos sobre la fertilidad y su efecto en los ingresos familiares. En primer lugar, sostiene
2. La demanda de hijos hace referencia al deseo emocional y psicológico de una pareja por tener una cantidad determinada de
hijos.
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
Pobreza y fertilidad en Ecuador, período 2020
111
que hay una correlación inversa entre el nivel de ingresos y la tasa de fertilidad: las familias
con ingresos más altos tienen mayores conocimientos de planicación familiar y métodos
anticonceptivos. También, como es lógico, enfatiza que los hijos de las familias pudientes
tienen mejores condiciones educativas, de salud y alimentación que aquellos hogares de bajos
recursos.
En segundo lugar, la teoría hace hincapié en que los hijos pueden ser considerados como una
fuente de ingresos o una satisfacción psicológica. Es así como en algunas familias los hijos
suelen aportar económicamente, aunque esto depende de diversas variables como la edad,
género, estado de salud o valores morales del niño (Becker y Lewis, 1973). Por otro lado,
según Becker (1960), los hijos pueden ser considerados como bienes de consumo duradero
dado que proporcionan cierta utilidad y, por ende, el costo de los hijos es endógeno dado que
los progenitores incrementan su utilidad al concebir más niños e invertir más en ellos.
Por ello, la fertilidad como determinante de la pobreza según Eloundou et al. (2017) y Wietzke
(2020), mencionan que, la transición de la fertilidad en la sociedad es posible ilustrarla bajo la
hipótesis de la curva de Kuznets3: la fertilidad entre la población en estado de pobreza y aquella
con mejores condiciones aumenta en las primeras etapas de la transición demográca, en vista
de que el índice de fertilidad es relativamente más alto en los hogares de bajos recursos.
La restricción presupuestaria familiar
El planteamiento teórico expuesto por Birdsall y Grin (1988) parte de los argumentos de
Becker y Lewis (1973) y establece que la tasa de fertilidad de un hogar es un factor no económico
que incide en la optimización de recursos: el hogar maximiza su función de utilidad con base
en la cantidad de hijos, así como varios insumos. Esto puede expresarse bajo la ecuación 1:
N es el número de hijos del hogar, Q es la inversión que realiza el hogar en cada niño4 y
Z representa el consumo de otras mercancías. Entonces, los padres maximizan su utilidad
sujetos a una restricción de la función mientras que los hijos (y Z) y requieren insumos no solo
monetarios sino de tiempo de los padres.
3. Existe una relación en forma de U invertida entre la desigualdad y el ingreso promedio: en la primera etapa se experimenta
un crecimiento acelerado, lo cual genera que el ingreso incremente sobre todo en sectores económicos dinámicos. Este llegue
a cierto umbral donde empieza el decrecimiento pues la productividad cae a causa de que las ganancias se extendieron en la
población.
4. El modelo plantea que los padres invierten recursos monetarios para benecio de sus hijos (alimentación, vestimenta,
educación, salud, etc.) así como tiempo en su crianza, lo cual índice en que el tiempo dedicado para trabajar sea menor.
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
112
Eduardo G. Zurita-Moreano, Nelly S. Maliza-Chavez, María G. González Bautista
Por otro lado, la ecuación 2 establece que:
Donde y representan los vectores de la cantidad de tiempo y bienes que los padres dedican a
los hijos durante su vida. N y Q son elementos separados de la función de utilidad, pero en la
función de producción son servicios secundarios (C). De esta manera, las familias enfrentan
una restricción presupuestaria de ingresos plenos denida en ingresos y tiempo de los padres
(ecuación 3):
En este caso, I es el ingreso de la familia, los precios que minimizan los costos, pn son precios
jos dentro del componente de gastos del niño -que es independiente al nivel de Q elegido- y pq
es el precio jo del componente de costos para un nivel de Q, que es independiente del número
de hijos (N). La restricción presupuestaria reeja que el tiempo y recursos de los padres para
criar a sus hijos representan recursos que podrían haber sido destinados al trabajo u al ocio.
En resumen, el plano teórico expuesto por Birdsall y Grin (1988) menciona que el problema
demográco derivado de las altas tasas de fertilidad conduce a procesos de generación de
pobreza. Explica así que la alta fertilidad ejerce presión sobre los presupuestos de las familias
pobres y reduce los recursos disponibles para alimentación, educación y atención médica para
los miembros de la familia.
Metodología
Descripción de variables
Los datos provienen del registro estadístico de nacidos vivos y defunciones fetales del año
2020 proporcionado por el Instituto Nacional de Estadísticas y Censos (INEC), que contó con
un total de 266.891 observaciones. En una primera evaluación al total de las observaciones
se determinó que aproximadamente un 3,17% de los casos no tenían información, por lo
cual fueron descartados. En una segunda evaluación, se determinó que el 0,03% de los casos
pertenecían a casos con información incompleta en las diferentes categorías del registro, por lo
que fueron descartados de igual manera para evitar sesgos por falta de información. Posterior
a la depuración del registro estadístico de nacidos vivos y defunciones fetales, se contó con un
total de 258.096 observaciones válidas para realizar las estimaciones.
La variable dependiente por utilizar hace referencia a la pobreza, misma que es una variable
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
Pobreza y fertilidad en Ecuador, período 2020
113
dicotómica; es decir, toma el valor de 1 en los casos donde la mujer se encuentra en condición
de pobreza y 0 en el caso contrario. El registro base de la investigación no cuenta con esta
variable, por lo que fue necesario realizar el cálculo de esta. La medición de la pobreza se basó
en los criterios de pobreza multidimensional descrita por Castillo y Jácome (2016), donde se
considera que una persona se encuentra en situación de pobreza cuando carece de seguridad y
atención social, salud, alimentación, educación, hábitat y vivienda adecuada.
Los criterios aproximados para determinar la condición de pobreza de una persona en función
a la información del registro estadístico de nacidos vivos y defunciones fetales (2020) son:
1) peso del nacido menor a 3 kilos5 que reejaría una deciencia nutricional por una peso
menor al recomendado; 2) que la madre haya asistido a realizarse entre cero y cinco controles
prenatales6; 3) que la madre no posee un seguro de salud, en este aspecto, se ha considerado a
las mujeres cuyo parto fue atendido en un centro de salud pública o casa de benecencia; 4) un
bajo nivel de escolaridad de la madre; es decir, se ha establecido en esta categoría a mujeres
que no tienen ningún nivel de instrucción o han realizado estudios hasta la secundaria. De esta
manera, las mujeres que cumplieron con las cuatro condiciones fueron categorizadas en la línea
de pobreza multidimensional.
En cuanto a las variables explicativas de la pobreza, se tomaron: 1) el número de hijos vivos
que tiene la mujer hasta su último parto como variable que explica la fertilidad; 2) la identidad
étnica de la madre, la cual se encuentra desagregada en cuatro categorías -indígena, afro-
ecuatoriana, mestiza, y blanca-; 3) el nivel de estudios de la mujer, la cual esta desagregada en
tres categorías -sin estudios, educación básica, y educación secundaria-; 4) estado civil de la
mujer, donde se consideraron si está casada o soltera; 5) edad de la madre y 6) la residencia de
la madre.
Elección del modelo de regresión logística
Para dar validez a las estimaciones de la regresión logística (logaritmo de la razón de
probabilidades) Hsiao (1996) y Dubin y Rivers (1989) arman que es importante realizar una
selección adecuada ente los modelos que pertenecen a esta categoría, como los modelos logit
y probit. Esto permitirá establecer una forma funcional sobre la especicidad y las relaciones
entre la variable dependiente y las variables independientes. Britt y Weisburd (2009) y Powers
(2020) señalan que la valoración de la matriz de confusión o de contingencia binaria es una
herramienta adecuada para evaluar el rendimiento de la estimación, a partir del comportamiento
5. Velázquez et al. (2004) arman que el bajo peso del recién nacido es un problema da salud pública mundial, que conlleva a
un aumento de los índices de mortalidad infantil. Entre las causas más comunes de este problema se encuentra la deciencia
nutricional materna Recinos (2018) menciona que la desnutrición materna se genera en ambientes de pobreza.
6. De acuerdo con el Ministerio de Salud Pública (2015) un control prenatal en un embarazo de bajo riesgo requiere un mínimo
de cinco chequeos realizados por profesionales de salud en condiciones adecuadas.
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
114
Eduardo G. Zurita-Moreano, Nelly S. Maliza-Chavez, María G. González Bautista
de sensibilidad y especicidad de la tasa de verdaderos positivos y la tasa de falsos positivos,
donde muestran el porcentaje de clasicación correcto.
En la tabla 1 se presenta los valores calculados de la matriz de confusión para el modelo
logit y probit estimados, donde la diagonal positiva verde representa predicciones correctas
y la diagonal negativa roja predicciones incorrectas. Los resultados muestran que existe una
especicidad del 100%, mostrando que el modelo predice casos de no pobreza. Ahora bien, lo
importante en esta evaluación de acuerdo con Powers (2020) es el porcentaje de clasicación
correcto de casos. Los modelos, logit y probit en este caso, presentan un mismo valor de
clasicación correcto del 88,36%.
Tabla 1. Evaluación de la regresión logística: Matriz de confusión o de contingencia binaria
Fuente: elaboración propia.
Como ambos modelos presenta un mismo valor de clasicación de casos correctos, Powers
(2020) menciona que la elección de un modelo también puede ser por medio del cálculo del
área de la curva de características operativas del receptor (ROC), la cual señalaría una correcta
especicación cuando presente valores superiores a 0,5. En la Figura 2 se observan las curvas
ROC para el modelo logit y el modelo probit.
Los resultados muestran que el modelo logit presenta un mayor valor en comparación al modelo
probit, por lo que efectivamente el modelo logit es el que mejor se ajusta a las características
de los datos.
(b) Modelo Probit
(a) Modelo Logit
Pobre
Pobre
(Pobre) +
(No pobre) -
No pobre
No pobre
Total
(Pobre) +
(No pobre) -
Total
Sensibilidad
Especificidad
Clasificación correcta
Sensibilidad
Especificidad
Clasificación correcta
2
30.040
30.042
30.042
30.042
1
11
228.053
228.054
228.054
228.053
3
258.093
258.096
258.095
258.096
0.01%
100.00%
88,36%
0.00%
100.00%
88,36%
-
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
Pobreza y fertilidad en Ecuador, período 2020
115
Figura 2. Curva ROC
(a) Modelo Logit
Área curva ROC = 0.7390
(b) Modelo Probit
Área curva ROC = 0.7385
Metodología modelo Logit
Con base en los trabajos de Birdsall y Grin (1988), Henao (2017) y Lanchimba y Díaz (2017),
la relación entre las variables puede ser expresada mediante una función tradicional tipo Cobb-
Douglas como se detalla en la ecuación 4.
En este caso, la pobreza está en función del índice de fertilidad de una población (i) y de un
conjunto de variables (Vs) como la identidad étnica de la madre, nivel de estudios, estado
civil, edad y lugar de residencia. La formulación del modelo parte de la condición de pobreza
de un hogar: si y = 1; el hogar se encuentra en condiciones de pobreza, si y = 0; el hogar no se
encuentra en dicha condición. Pucutay (2002) y Martínez (2008) describen dicho modelo en
las ecuaciones 5 y 6.
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
116
Eduardo G. Zurita-Moreano, Nelly S. Maliza-Chavez, María G. González Bautista
La probabilidad de que un hogar sea pobre es:
Y la probabilidad de que el hogar no sea pobre es:
Los parámetros reejan el impacto que las variables x tienen sobre la probabilidad de ser o no
pobre. De este modo, para establecer la probabilidad de que un hogar sea pobre a causa de una
alta fertilidad se espera que a un mayor número de hijos mayores la probabilidad de caer en
pobreza aumente. Entonces, la representación del modelo logit, que resultó ser el más eciente,
se lo expresa en las ecuaciones 7, 8 y 9.
La ecuación 9 es una función de distribución logística dado que Z se encuentra dentro de un
rango de , además Pi está entre 0 a 1 y no está relacionado linealmente con Zi (Pucutay, 2002),
mientras que e es el número de Euler que representa el logaritmo natural con un valor constante
de 2,718. Al agrega la descripción de las variables explicativas de la pobreza, la ecuación (9)
puede ser replanteada en la ecuación (10).
En la tabla 2, se describe a detalle cada una de las variables expresadas en la ecuación (10).
Tabla 2. Descripción de las variables
P(Y=1/x
i
X
X
X
X
X
1
2
3
4
5
Pobreza
Fertilidad
Indígena
Afro-
ecuatoriana
Mestizo
Blanca
Dicotómica
Dicotómica
Dicotómica
Dicotómica
Dicotómica
Continua
Razón de probabilidad para que un hogar sea considerado pobre.
Fertilidad
Número de hijos que tiene una mujer hasta su último parto.
Identidad étnica
Toma el valor de 1 si la mujer se identifica como indígena y 0 si se
Toma el valor de 1 si la mujer se identifica como afro-ecuatoriana y
Toma el valor de 1 si la mujer se identifica como mestiza y 0 si se
Toma el valor de 1 si la mujer se identifica como blanca y 0 si se
identifica con otra etnia.
identifica con otra etnia.
identifica con otra etnia.
0 si se identifica con otra etnia
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
Pobreza y fertilidad en Ecuador, período 2020
117
Fuente: elaboración propia.
Resultados
En la tabla 3 se presentan los resultados de la estimación del modelo logit. En cuanto al resumen
del modelo se obtuvo un Pseudo R cuadrado igual a 0,1257, por lo que, el 12,57% de las veces
la pobreza es explicada por el número de hijos, la identidad étnica, el nivel de estudios, el
estado civil, la residencia y la edad de la madre. La prueba de chi-cuadrado del modelo en
general dio una probabilidad menor al 5% (p-valor<0,05), lo que implica que la estimación es
adecuada, signicativa y que los resultados son conables.
Al tratarse de un modelo de regresión logística, los coecientes estimados no son directamente
interpretables como sucede en los modelos de regresión lineal, debido a que las características
inherentes del modelo permiten estimar únicamente probabilidades de ocurrencia. Sin
embargo, una primera interpretación de los resultados puede enfocarse en las relaciones de las
variables explicativas y la variable dependiente en función del signo calculado por el modelo
y el nivel de signicancia. El número de hijos se relaciona positiva y signicativamente con la
pobreza, por lo que se esperaría que a un mayor número de hijos mayores las probabilidades
de caer en una situación de pobreza. En lo referente a la identidad étnica, las categorías afro-
ecuatorianas y mestiza resultan ser no signicativas, mientras que la identicación indígena
resulta ser signicativa y relacionarse positivamente con la pobreza; en contraste, las mujeres
identicadas como blancas se relacionan negativa y signicativamente con la pobreza.
Por otro lado, las mujeres que no presentan ningún tipo de instrucción escolar tienen una relación
positiva y signicativa con la pobreza; sin embargo, se observa que a medida que aumentan
los años de escolaridad, el coeciente calculado se vuelve más pequeño, por lo que se podría
interpretar que a medida que la instrucción de una mujer aumenta, sus probabilidades de caer en
situación de pobreza caen. La categoría de estado civil es signicativa en relación a la pobreza,
Sin estudios Dicotómica
X6
Nivel de educación
Toma el valor de 1 si la mujer no cuenta con ningún tipo de
educación y 0 si tiene algún nivel de educación
X
X
X
X
X
X
7
8
9
10
11
12
Educación
Educación
básica
secundaria
Soltera
Casada
Edad
Residencia
Dicotómica
Dicotómica
Dicotómica
Dicotómica
Dicotómica
Continua
Toma el valor de 1 si la mujer cuenta únicamente con educación
básica y 0 si tiene otro nivel de educación
Toma el valor de 1 si la mujer cuenta con educación secundaria y 0
si tiene otro nivel de educación
Estado civil
Toma el valor de 1 si la mujer menciona estar soltera y 0 si tiene
Toma el valor de 1 si la mujer menciona estar casada y 0 si tiene
Toma el valor de 1 si la mujer vive en el área urbana y 2 si
otro estado civil
otro estado civil
pertenece al área rural
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
118
Eduardo G. Zurita-Moreano, Nelly S. Maliza-Chavez, María G. González Bautista
donde las mujeres solteras se relacionan positivamente y las mujeres casadas negativamente. La
variable residencia es signicativa y se relaciona negativamente con la pobreza, por lo que, el
modelo sugiere que las mujeres del sector rural tienen menos posibilidades de caer en pobreza.
Finalmente, la edad de la madre presenta un signo negativo y signicativo; las mujeres jóvenes
tienen mayor probabilidad de recaer en una situación pobreza según su contexto social.
En la tabla 3 también se puede observar los efectos marginales, estos muestran la probabilidad,
por cada variable, de que una mujer pueda caer en situación de pobreza. Los resultados de
estos efectos exponen que por cada hijo adicional que una mujer tenga su probabilidad de
caer en situación de pobreza aumenta en 1,3%. En lo referente a la etnia, una mujer que se
identica como indígena tiene un 4,5% más de probabilidades de caer en pobreza en relación
con otra identicación étnica. En contraste, una mujer que se identica como blanca tiene
3,03% menos de probabilidades de caer en pobreza que una mujer con una etnia distinta. Sin
embargo, el nivel de educación que tiene una mujer es la variable que mayor impacto genera.
Es así que, una mujer sin ningún tipo de educación tiene un 54,04% más de probabilidades de
caer en pobreza. Esta probabilidad disminuye a medida que el nivel de educación de la mujer
avanza, como, por ejemplo, una mujer que cuenta solo con estudios secundarios tendrá una
probabilidad del 35,7% de caer en pobreza.
El estado civil, aunque es una variable altamente signicativa, presenta por si sola un
bajo impacto en las probabilidades de caer en pobreza. Una mujer soltera tiene 1,07% de
probabilidades de caer en dicha situación; mientras que, una mujer casada tiene 1,3% menos
de probabilidades. En cuanto a la residencia, una mujer del vive en el área urbana tiene 1,02%
más de probabilidades de caer en pobreza que una mujer que vive en el área rural. Finalmente,
por cada año que cumpla una mujer, su probabilidad de caer en pobreza disminuye en un 0,3%.
Tabla 3. Estimación del Modelo Logit: Fertilidad y Pobreza en el Ecuador, 2020
Variable Dependiente
Variables Independientes
Número de Hijos
Identificación étnica
Indígena
Afro-ecuatoriana
Mestiza
Blanca
Nivel de estudios
Sin estudios
Educación básica
Pobreza
Coeficientes calculados Efectos marginales
0,131***
0,471***
1,3%***
4,5%***
-3,03%***
-0,317***
5,645*** 54,04%***
5,280*** 50,5%***
(21,05)( 21,08)
(10,43) (10,43)
(0,33)( 0,33)
(-0,32) (-0,32)
(-2,81) (-2,81)
(36,71) (36,43)
(37,24) (36,90)
0,0230
-0,0124 -0,1%
0,2%
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
Pobreza y fertilidad en Ecuador, período 2020
119
Nota: * p<0.05, ** p<0.01, *** p<0.001; t estadístico entre paréntesis
Discusión
Se debe tener en cuenta que los hallazgos de este trabajo no son concluyentes, sino que se
encuentran alineados al apartado de discusión, debido al trabajo metodológico que se llevó
a cabo, especialmente en el cálculo de la variable pobreza. En relación con ello, los mismos
deben ser analizados de manera cuidadosa, pues muestran solo una aproximación basada en
probabilidades. De los resultados obtenidos resalta el hecho que la fertilidad tiene una incidencia
positiva en la pobreza.
Por otro lado, aunque la fertilidad resultó ser estadísticamente signicativa, por si sola parece
jugar un papel modesto para explicar la condición de pobreza. Esto es, que la alta fertilidad
necesita estar acompañada de otras condiciones (por ejemplo, bajo nivel de escolaridad, que
sea madre soltera, y sea soltera) para que las probabilidades de ingresar en la línea de pobreza
multidimensional sean signicativas.
En ese sentido, el estudio de Datta y Dubey (2003) llevado a cabo en la India establece que la
fertilidad tiene una incidencia positiva en el índice de pobreza, hecho que coincide rotundamente
con los resultados del modelo de regresión logística aplicado en esta investigación, pero con la
diferencia de que las variables de control en la India fueron el sexo de los dos primeros hijos.
Por su parte, la investigación de Odwe (2015) -ejecutada en Kenia- identicó también una
relación positiva entre fertilidad y pobreza y tomó en cuenta como variable de control al
nivel de educación. Es así como los resultados ratican que un mayor número de hijos sí está
relacionado con un mayor nivel de pobreza. Al comparar con los resultados en Ecuador, en
Educación secundaria
Estado civil
Soltera
Casada
Residencia
Edad
Constante
Resumen del modelo
Número de observaciones
PR2
Prob. Chi cuadrado
3,732*** 35,7***
0,112*** 1,07***
-0,107***
-0,0389***
-6,053***
-1,3***
-1,02***
-0,139***
(25,97) (25,82)
(7,07) (7,07)
(-6,57) (-6,57)
(-7,01)
(-7,01)
(-28,66) (-28,70)
(-39,99)
-0,3%
<0,05
0,1257
258.096
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
120
Eduardo G. Zurita-Moreano, Nelly S. Maliza-Chavez, María G. González Bautista
ambos países la fertilidad decreció con el pasar de los años, tal es el caso que hoy en día la
familia está conformada entre dos y tres hijos debido a que se ha dado mayor importancia a la
educación y, por ende, a tener mejores condiciones económicas y calidad de vida.
Al analizar los efectos que la fertilidad tiene en la pobreza, el estudio de Libois y Somville
(2017) en Nepal muestra que un tamaño más grande del hogar inuye signicativamente en
el aumento del nivel de pobreza y está vinculado con padres jóvenes. En el caso de Ecuador,
en 2020 se evidenció que el estado civil predominante fue soltero y que las madres jóvenes
y con hijos tienden a aumentar sus probabilidades de caer en una situación de pobreza. En
este contexto, el estudio de Henao (2017) realizado en Medellín establece que el nivel de
educación, edad y número de hijos (variables explicativas) adquieren un gran peso al momento
de establecer si una persona llega a ser pobre o no debido a que determinan la participación
laboral de los padres, sus ingresos y calidad de vida.
El caso de estudio realizado por Lanchimba y Díaz (2017) en Ecuador devela que los padres
de familias con bajos niveles de educación e ingresos tienen un mayor número de hijos debido
a que consideran que mientras más tengan mayores serán los ingresos que generen en su hogar
cuando los hijos se conviertan en mano de obra activa.
Un hallazgo que llama la atención es como las mujeres que residen en el área urbana tienen más
probabilidades de caer en situación de pobreza que las mujeres en el área rural. Enríquez (2009)
menciona que esta situación podría darse por algunos factores, uno de ellos es el alto costo de
vida en el área urbana en relación al área rural, lo que puede hacer que resulte más difícil para
las mujeres satisfacer el total de sus necesidades. Mientras que Frías (2011), explica que las
mujeres que habitan en el área urbana son de etnia indígena y se encuentran en una etapa de
gestación tienden a ser mayormente discriminadas en el mercado laboral, en relación con las
mujeres del área rural. Con ello, se podría mencionar que los mayores niveles de discriminación
laboral que sufren las mujeres en el sector urbano pueden incrementar las probabilidades de
caer en pobreza.
Conclusiones
En 2020, el índice de fertilidad presentó una tendencia decreciente con un rango de uno a dos
hijos por familia, en donde los padres se identicaron como mestizos y su nivel de instrucción
predominante fue la educación básica (escuela). Por otra parte, se observó que la mayoría de
los ecuatorianos que tienen hijos son solteros y viven en el área urbana. No obstante, a pesar
de que en el área rural el porcentaje es menor se determinó que son los que más hijos procrean
por familia.
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
Pobreza y fertilidad en Ecuador, período 2020
121
Durante 2009 a 2021, la tasa de pobreza multidimensional en Ecuador se redujo en veinticuatro
puntos porcentuales: los habitantes del área urbana son quienes han sufrido en mayor medida
privaciones de una tercera parte a más de los indicadores de educación, trabajo, salud y vivienda,
y es la privación de trabajo y seguridad social lo que más aporta a incrementar el índice de
pobreza multidimensional. Este hecho está vinculado con las condiciones actuales del mercado
laboral en donde hay altos niveles de desempleo y subempleo.
Mediante la aplicación de la regresión logística se obtuvieron hallazgos que se enmarcan en
la teoría. En primer lugar, la fertilidad medida como el número de hijos inuye positiva y
signicativamente sobre las probabilidades de caer en una situación de pobreza multidimensional.
Por cada hijo que una mujer tenga, sus probabilidades aumentan en 1,3%. Sin embargo, este
efecto marginal es modesto al compararlo con otros determinantes de la pobreza, particularmente
con la educación. En este sentido, una mujer sin estudios tiene una probabilidad superior al
54% de caer en situación de pobreza. Así mismo, las mujeres identicadas con la etnia indígena
parecen tener mayores posibilidades de caer en dicha situación, y que reejan la heterogeneidad
social estructural. De tal manera, la fertilidad al estar acompañada de otros factores asociados
a la marginación social de la mujer deriva en que sus probabilidades de caer en pobreza sean
mayores, lo cual describe un escenario crítico del entorno social.
Una de las limitaciones de la investigación es que los resultados obtenidos no son concluyentes
debido a la falta de una información integral que permita construir una variable de pobreza
mucho más sólida, lo cual hace que los hallazgos presentados sean conservadores. Sin embargo,
ofrece una alternativa que describe el canal por el cual los patrones de la fertilidad pueden
inuir en la dinámica social, principalmente cuáles son los condicionantes que podrían explicar
la pobreza en el país. Por lo tanto, la presente investigación abre las puertas a la discusión y,
con ello, el incentivo a futuras investigaciones que centren su atención en esta problemática.
Resultaría interesante realizar análisis correlacionales entre los patrones históricos de la
fertilidad enmarcada en la transición demográca y los diferentes indicadores sociales como la
desigualdad, los índices de mortalidad infantil, el desarrollo humano, entre otros.
Referencias
1. Bazán, A., Quintero, M. y Hernández, A. (2011). Evolución del concepto de pobreza y
el enfoque multidimensional para su estudio. Quivera. Revista de Estudios Territoriales,
13(1), 207–219. https://www.redalyc.org/articulo.oa?id=40118420013
2. Becker, G. (1960). An economic analysis of fertility, En Universities-National Bureau,
Demographic and economic change in developed countries (pp. 209-240). Princeton
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
122
Eduardo G. Zurita-Moreano, Nelly S. Maliza-Chavez, María G. González Bautista
University Press. https://www.nber.org/chapters/c2387
3. Becker, G. y Lewis, H. (1973). On the interaction between quantity and quality of children.
The journal of political economy, 81(2, Part 2), S279-288. https://doi.org/10.1086/260166
4. Birdsall, N. y Grin, C. (1988). Fertility and poverty in developing countries. Journal of
Policy Modeling, 10(1), 29-55. https://doi.org/10.1016/0161-8938(88)90034-8
5. Britt, C., y Weisburd, D. (2010). Logistic regression models for categorical outcome
variables. Handbook of quantitative criminology, 649-682. https://doi.org/10.1007/978-0-
387-77650-7_31.
6. Comisión Económica para América Latina y el Caribe [CEPAL]. (2003). Hacia el objetivo
del milenio de reducir la pobreza en América Latina y el Caribe. https://www.cepal.org/es/
publicaciones/2348-objetivo-milenio-reducir-la-pobreza-america-latina-caribe
7. Datta, N. y Dubey, A. (2003). Poverty and Fertility. An Instrumental Variables Analysis on
Indian Micro Data. Department of Economics. Aarhus School of Business, Department of
Economics. https://pure.au.dk/ws/les/295/0003137.pdf
8. Dubin, J., y Rivers, D. (1989). Selection bias in linear regression, logit and probit models.
Sociological Methods & Research, 18(2-3), 360-390. https://doi.org/10.1177/0049124189
018002006.
9. Durán, M. (2012). El trabajo no remunerado en la economía global. (1ra ed.). Fundación
BBVA. https://www.fbbva.es/wp-content/uploads/2017/05/dat/DE_2012_trabajo_no_
remunerado.pdf
10. Easterlin, R. (1975). An Economic Framework for Fertility Analysis. Studies in Family
Planning, 6(3), 54-63. https://doi.org/10.2307/1964934
11. Eloundou, P., Giroux, S. y Tenikue, M. (2017). African Transitions and Fer-tility Inequality:
A Demographic Kuznets Hypothesis: African transitions and fertility inequality. Population
and Development Review, 43(51), 59–83. https://doi.org/10.1111/padr.12034
12. Enríquez, R. (2009). El crisol de la pobreza: mujeres, subjetividades, emociones y redes
sociales. Guadalajara: ITESO.
13. Eryong, X., y Xiuping, Z. (2018). Education and anti-poverty: Policy theory and strategy of
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
Pobreza y fertilidad en Ecuador, período 2020
123
poverty alleviation through education in China. Educational philosophy and theory, 50(12),
1101-1112. https://doi.org/10.1080/00131857.2018.1438889
14. Fiuza, M. y Rodríguez, J. (2000). La regresión logística: una herramienta versátil.
Nefrologia: publicacion ocial de la Sociedad Espanola Nefrologia, 20(6), 495–
500. https://www.revistanefrologia.com/es-la-regresion-logistica-una-herramienta-
articulo-X0211699500035664
15. Frías, S. (2011). Hostigamiento, acoso sexual y discriminación laboral por embarazo en
México. Revista mexicana de sociología, 73(2), 329-365. https://www.scielo.org.mx/
scielo.php?pid=S0188-25032011000200005&script=sci_abstract&tlng=pt.
16. Gaona, J. y Macas, M. (2020). Índice de Pobreza Multidimensional para Ecuador, período
2009-2019. Revista Cientíca Cultura, Comunicación y Desarrollo, 5(1), 17-22. https://
rccd.ucf.edu.cu/index.php/aes/article/view/213
17. Henao, J. (2017). Fertilidad y pobreza: Una aproximación desde la descomposición de
datos binarios de Fairlie al caso de la ciudad de Medellín. Science of Human Action, 2(2),
292-301. https://doi.org/10.21501/2500-669x.2476
18. Hirschman, C. (1994). Why Fertility Changes. Annual Review of Sociology, 20(1), 203–
233. https://doi.org/10.1146/annurev.so.20.080194.001223
19. Hsiao, C. (1996). Logit and probit models. The Econometrics of Panel Data: A Handbook
of the Theory with Applications, 410-428. https://doi.org/10.1007/978-94-009-0137-7_16.
20. Instituto Nacional de Estadística y Censos [INEC]. (2019). Encuesta Nacional de Salud y
Nutrición 2018. https://www.ecuadorencifras.gob.ec/documentos/web-inec/Estadisticas_
Sociales/ENSANUT/ENSANUT_2018/Boletin%20ENSANUT%2028_12.pdf.
21. Lanchimba, C. y Diaz, J. (2017). Efectos de los ingresos del hogar, educación de la mujer
y participación laboral femenina sobre la fecundidad ecuatoriana. Revista de análisis
económico, 32(1),47-67. https://doi.org/10.4067/s0718-88702017000100047
22. Libois, F. y Somville, V. (2017). Fertility, household size and poverty in Nepal. World
Development, 103, 311–322. https://doi.org/10.1016/j.worlddev.2017.11.005
23. Malthus, T. (2016). Primer ensayo sobre la población. Alianza Editorial. https://www.
alianzaeditorial.es/libro/ciencias-sociales/primer-ensayo-sobre-la-poblacion-thomas-
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
124
Eduardo G. Zurita-Moreano, Nelly S. Maliza-Chavez, María G. González Bautista
robert-malthus-9788491045458/
24. Martinez, E. (2008). Logit Model con modelo de elección discreta: origen y evolución.
Anuario jurídico y económico escurialense, 41, pp. 469-484. https://dialnet.unirioja.es/
descarga/articulo/2652092.pdf
25. Matthews, R. (1969). Why growth rates dier. Economic journal (London, England),
79(314), 261. https://doi.org/10.2307/2230167
26. Mincer, J. (1974). Schooling, Experience and Earnings. NBER, New York. http://www.
nber.org/chapters/c3693
27. Ministerio de Salud Pùblica (2015). Control Prenatal: Guía de Práctica Clínica (GPC).
Recuperado de: https://www.salud.gob.ec/wp-content/uploads/2014/05/GPC-CPN-nal-
mayo-2016-DNN.pdf.
28. Odwe, G. (2015). Fertility and household poverty in Kenya: a comparative analysis of
coast and western provinces. African Population Studies, 29(2), 1785-1802. https://doi.
org/10.11564/29-2-751
29. Powers, D. (2020). Evaluation: from precision, recall and F-measure to ROC, informedness,
markedness and correlation. arXiv preprint. https://doi.org/10.48550/arXiv.2010.16061.
30. Pucutay, F. (2002). Los modelos Logit y Probit en la investigación social. El caso de la
pobreza en Perú 2001. Lima: Centro de investigación y desarrollo del instituto Nacional
de estadísticas e información (INEI). https://www.inei.gob.pe/media/MenuRecursivo/
publicaciones_digitales/Est/Lib0515/Libro.pdf
31. Recinos, E. (2018). Desnutrición materna, bajo peso al nacer, pobreza y sociedad. Revista
Naturaleza, Sociedad y Ambiente, 5(1), 41-49. https://doi.org/10.37533/cunsurori.v5i1.30.
32. Rodríguez, D. (2013). Female Fertility: A Conceptual and Dimensional Analysis.
Journal of Midwifery & Women’s Health, 58(2), 182-188. https://doi.org/10.1111/j.1542-
2011.2012.00234.x
33. Rodríguez, J. (2017). Deseabilidad y planicación de la fecundidad adolescente en América
Latina y el Caribe: tendencias y patrones emergentes. Notas de Población, 44(104), 119-
144. https://hdl.handle.net/11362/41963
KAIRÓS, revista de ciencias económicas, juridicas y administrativas, 7(12), pp. 103-125. Primer Semestre de 2024
(Ecuador). ISSN 2631-2743. DOI: https://doi.org/10.37135/kai.03.12.06
Pobreza y fertilidad en Ecuador, período 2020
125
34. Schultz, T. (1961). Investment in human capital. American Economic Review, 51(1), pp.
1–17. http://www.jstor.org/stable/1818907
35. Sen, A. (1981). Poverty and Famines: An essay on Entitlement and Deprivation. Population
and development review, 8(2), 418. https://doi.org/10.2307/1973011
36. Valdés, M. (2012). Conocimiento de los indicadores de fertilidad y embarazo. III
Congreso Internacional en Reconocimiento de la Fertilidad, Universidad de Piura, Lima,
Perú. http://www.reconocimientodelafertilidad.com/wp-content/uploads/2013/03/26-
Comunicaciones_Revista_actasp.pdf
37. Velázquez, N., Masud, J., y Ávila, R. (2004). Recién nacidos con bajo peso; causas, problemas
y perspectivas a futuro. Boletín médico del Hospital Infantil de México, 61(1), 73-86. http://
www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1665-11462004000100010&lng
=es&nrm=is.
38. Wietzke, F. (2020). Poverty, inequality, and fertility: the contribution of demographic
change to global poverty reduction: Frank-Borge wietzke. Population and Development
Review, 46(1), 65-99. https://doi.org/10.1111/padr.12317
