El principal objetivo de la investigación es, a través del uso de modelos econométricos de datos de panel, encontrar la relación entre la recaudación de impuestos y diversas variables que pueden tener un efecto sobre esta a nivel subnacional. Dado que existe una importante heterogeneidad entre las municipalidades de nuestro país, se plantea una metodología de estratificación por medio de clústeres para segmentar la muestra y realizar el análisis sobre grupos con elementos más homogéneos. Adicionalmente, un objetivo secundario del estudio es analizar si los altos niveles de transferencias tienen un efecto de pereza fiscal en los municipios debido a que estos pueden perder incentivos para aumentar la recaudación de impuestos ante altos niveles de transferencias, para lo cual se plantea el análisis sobre dos tipos de transferencias, las que dependen de recursos naturales y las que no. / Tesis

La incertidumbre económica que se presenta en la actualidad, derivada de los efectos de la pandemia COVID-19, convierte de por sí al cálculo del Presupuesto Público en una tarea difícil. Si a esto se suma la falta de socialización de técnicas o metodologías para una estimación eficiente de los recursos públicos disponibles, podremos decir que el principio de predictibilidad multianual del Presupuesto Público se debilita. Además, al no identificar y proyectar correctamente los ingresos recaudados por parte de las entidades públicas, se ve afectada su capacidad de gasto, aumentando así las brechas sociales preexistentes. Por ello, en el presente documento desarrollo la Etapa de Estimación de Ingresos como la etapa inicial de la Programación Multianual Presupuestaria, etapa que he liderado en mi rol de analista económico presupuestario dentro de la Dirección General de Presupuesto Público del Ministerio de Economía y Finanzas, ente rector del Sistema Nacional del Presupuesto Público. Asimismo, expongo las problemáticas encontradas y mejoras implementadas para una estimación de ingresos eficiente y alineada a las reglas de política fiscal.

Esta investigación explora la evolución de la pobreza monetaria y multidimensional y, a su vez, propone una clasificación de territorios que permita analizar ambas variables “al interior” del medio rural. Para estimar la pobreza monetaria se emplea el método de Foster, Greer y Thorbecke (1984) y, para la pobreza multidimensional, el método Alkire y Foster (2008; 2011) y una adaptación del Índice de Pobreza Multidimensional Global (Alkire et al. 2019). Por otro lado, se propone una clasificación que distingue territorios que conforman el medio rural. Primero se utilizan estudios de pobreza rural en América Latina y el Caribe, que emplean el enfoque de territorios funcionales, para establecer el “universo de territorios rurales”. Para ello se utiliza la Encuesta Nacional de Hogares durante 2007-2018. Luego, en base a este universo, se clasifican territorios de acuerdo con una adaptación de criterios de distancia y actividades primarias empleados por Chomitz et al. (2005) y UNECE et al. (2007). Ambos criterios se construyen a partir del Pre-Censo 2017 y Censo 2017 XII de población, VII de vivienda y III de comunidades, respectivamente. En principio se obtienen cuatro subtipos de territorios rurales. Territorios que se encuentran a más de una hora de un centro urbano y tienen más de 30% de su población trabajando en actividades primarias (TR-1). Territorios que se encuentran a más de una hora de un centro urbano y tienen menos de 30% de su población trabajando en actividades primarias (TR-2). Territorios que se encuentran a menos de una hora de un centro urbano y tienen más de 30% de su población trabajando en actividades primarias (TR-3). Territorios que se encuentran a menos de una hora de un centro urbano y tienen menos de 30% de su población trabajando en actividades primarias (TR-4). Se concluye que los territorios rurales más alejados de centros urbanos y con elevados niveles de trabajadores en actividades primarias, no solo presentan mayores niveles de pobreza monetaria y multidimensional, sino también, una caracterización de la evolución de ambas variables distinta a los territorios rurales más cercanos a centros urbanos y con menores niveles de trabajadores en actividades primarias.

El principal objetivo de la investigación es, a través del uso de modelos econométricos de datos de panel, encontrar la relación entre la recaudación de impuestos y diversas variables que pueden tener un efecto sobre esta a nivel subnacional. Dado que existe una importante heterogeneidad entre las municipalidades de nuestro país, se plantea una metodología de estratificación por medio de clústeres para segmentar la muestra y realizar el análisis sobre grupos con elementos más homogéneos. Adicionalmente, un objetivo secundario del estudio es analizar si los altos niveles de transferencias tienen un efecto de pereza fiscal en los municipios debido a que estos pueden perder incentivos para aumentar la recaudación de impuestos ante altos niveles de transferencias, para lo cual se plantea el análisis sobre dos tipos de transferencias, las que dependen de recursos naturales y las que no.

En mi experiencia profesional, me he desempeñado en el campo de las finanzas, en específico, viendo temas regulatorios, en consultoría empresarial, evaluación en proyectos de inversión1 , manejo fiduciario para programas del Estado y actualmente como Especialista Económico para el Ministerio de Transportes y Comunicaciones. Dentro del ámbito de mis actividades, está comprendida la revisión y estructuración de la información procesada respecto a la Red Vial Nacional Concesionada desde la posición del Concedente (Estado), donde se espera otorgar indicadores clave del cumplimiento y desviaciones presupuestarias en el marco de la implementación de un Sistema de Gestión de Activos. En ese sentido, existe información no estructurada que contiene variables clave, que junto con data externa y análisis multidisciplinario puede obtenerse la predicción de obligaciones y mejor toma de decisiones. Considerando aspectos regulatorios del régimen económico y compromisos derivados de contratos APP de este tipo de infraestructura, se clasifica y estructura. Posteriormente, nos centramos en el análisis de Ingreso Mínimo Anual Garantizado (IMAG) en contraste con casos de estudio hipotéticos de bandas superiores de ingresos que buscan mitigar las imprecisiones de las proyecciones de demanda.

Si bien el Perú ha experimentado un crecimiento económico sostenido en las dos últimas décadas previas a la pandemia del COVID-19, la pobreza monetaria sigue siendo significativa, especialmente en las zonas rurales. Asimismo, considerando que la tierra sigue siendo un elemento sustancial de la economía de los hogares rurales, es importante analizar si existe una relación causal entre la fragmentación de tierras y la pobreza monetaria rural. La revisión teórica indica que los efectos de la fragmentación de tierras pueden ser negativos o positivos. En la literatura empírica se encuentra que, para los casos de Ghana y Ruanda, el impacto fue positivo en la diversificación agrícola, mientras que, para los casos de China, Nepal y Vietnam, el impacto fue negativo en los ingresos del hogar agrícola, el uso eficiente de los insumos, el aumento de los costos económicos, etc. En el caso peruano, con la revisión de un análisis descriptivo realizado por Escobal y Armas (2015) y el análisis de los hechos estilizados se deduce que el impacto es negativo. Es decir, la fragmentación de tierras afecta el bienestar de los hogares rurales, aumentando así, los niveles de pobreza. Sin embargo, para constatar esta hipótesis, se reconoce la necesidad de realizar un estudio empírico.

La pandemia de COVID-19 ha marcado un hito en la historia de la humanidad, teniendo consecuencias socioeconómicas sumamente graves que, hasta el momento del presente trabajo de investigación, continúan. En particular, Latinoamérica ha sido desproporcionalmente la región más afectada, junto al Perú que cuenta con la mayor tasa de mortalidad per cápita. Todo ello, a pesar de haberse encontrado en contexto de crecimiento económico elevado en las últimas dos décadas, representado por altas tasas de crecimiento del PBI y la reducción de la pobreza. En los hogares, choques exógenos, como la pandemia, suelen tener un efecto inmediato en los ingresos, debido a cambios en la condición o nivel de empleo, lo cual conlleva a una disminución del consumo, y mayor probabilidad de caer en la pobreza. Dada la evidencia empírica, se encuentra que la clase socioeconómica es un determinante sobre el grado del impacto de la pandemia en los hogares, así como variables sociodemográficas tales como el área, sexo del jefe del hogar, edad y nivel educativo. De esta manera, la pregunta que se busca responder es la siguiente: ¿Cuánta es la diferencia en el impacto de la pandemia de COVID-19 en los hogares de Lima dependiendo su nivel de ingresos y características sociodemográficas? Para su estimación, se plantea usar el modelo de homogeneidad total “Pooled OLS”, con la base de datos proporcionada por la ENAHO para el año 2019 y 2020. / The Covid-19 pandemic has changed the history of humanity forever, having severe socioeconomic consequences that still continue to the moment this paper is being written. Latin America has been disproportionately affected, alongside Peru which has the highest mortality rate per capita. Despite of being in a context of a continuous economic growth for the last two decades, represented by positive PBI growth rates and negative poverty rates. In households, exogenous shocks, like the pandemic, have an immediate effect on income, due to changes in the condition or level of employment, which leads to a fall in consumption and a higher risk of falling into poverty. Given the empirical evidence, socioeconomic status determines the degree of the pandemic impact on households, as well as sociodemographic characteristics such as area, sex of the household head, age and education level. In this manner, the question to be answered is: ¿How much is the difference in the impact of the COVID-19 pandemic on households of the department of Lima, given their socioeconomic status and sociodemographic characteristics? In order to estimate it, this paper considers a Pooled OLS regression model, with database provided by ENAHO to the years 2019 and 2020.